深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 32492 篇文献，本页显示第 9041 - 9060 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9041 | 2025-06-07 |
BrainTumNet: multi-task deep learning framework for brain tumor segmentation and classification using adaptive masked transformers
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1585891
PMID:40463867
|
research paper | 开发了一个名为BrainTumNet的多任务深度学习框架，用于脑肿瘤的分割和分类 | 结合了改进的编码器-解码器架构、自适应掩码Transformer和多尺度特征融合策略，实现了肿瘤分割和分类的多任务学习 | 研究仅基于485例病理确诊的病例，样本量可能不足以覆盖所有脑肿瘤类型和变异 | 开发一个多任务深度学习模型，用于精确的脑肿瘤分割和类型分类 | 高级别胶质瘤、转移性肿瘤和脑膜瘤的T1增强MRI序列图像 | digital pathology | brain tumor | MRI | CNN, Transformer | image | 485例病理确诊的病例（训练集378例，测试集109例，外部验证集51例） | NA | NA | NA | NA |
| 9042 | 2025-06-07 |
A novel method of BiFormer with temporal-spatial characteristics for ECG-based PVC detection
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1549380
PMID:40463999
|
研究论文 | 提出了一种结合BiFormer模型和时空特征的ECG信号处理方法，用于检测室性早搏（PVC） | 使用BiFormer分类模型和Bi-level Routing Attention机制，结合Markov Transition Fields将一维时间序列信号转换为二维图像，提高了PVC检测的准确性和计算效率 | NA | 开发一种更准确和高效的ECG信号分析方法，用于早期检测室性早搏（PVC） | ECG信号 | 机器学习 | 心血管疾病 | Markov Transition Fields (MTFs), Bi-level Routing Attention (BRA) | BiFormer | ECG信号 | MIT-BIH心律失常数据库 | NA | NA | NA | NA |
| 9043 | 2025-06-07 |
YOLO for early detection and management of Tuta absoluta-induced tomato leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1524630
PMID:40464016
|
研究论文 | 该研究利用YOLOv8模型进行Tuta absoluta引起的番茄叶部病害的早期检测与管理 | 首次公开了一个名为TomatoEbola的数据集，并提出了基于迁移学习的方法评估YOLOv8在检测Tuta absoluta中的性能 | 数据集样本量较小，仅包含326张图像和784个标注，可能影响模型的泛化能力 | 通过AI技术提高农业病害检测效率，减少作物损失并增强粮食安全 | 番茄叶部病害（由Tuta absoluta引起） | 计算机视觉 | 植物病害 | 迁移学习 | YOLOv8 | 图像 | 326张图像和784个标注，来自三个不同的农场 | NA | NA | NA | NA |
| 9044 | 2025-06-07 |
Toward trustable use of machine learning models of variant effects in the clinic
2024-Dec-05, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2024.10.011
PMID:39561772
|
研究论文 | 本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响 | 提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用 | 现有模型验证和校准策略仍存在重要局限性 | 提高临床变异注释的可靠性和影响力，以指导诊断和治疗 | 蛋白质编码基因中的错义替换 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 9045 | 2025-10-06 |
Designing Clinical MRI for Enhanced Workflow and Value
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29038
PMID:37795927
|
综述 | 探讨通过优化MRI工作流程提升临床价值和效率的策略与方法 | 提出结合数字化工具、加速成像技术和建筑设计策略的系统性MRI工作流程优化方案 | 主要基于作者实践经验，缺乏具体数据支持 | 优化临床MRI工作流程以提升医疗价值和效率 | MRI检查流程和相关医疗系统 | 医学影像 | NA | MRI, 深度学习加速图像重建 | NA | 医学影像数据 | NA | NA | NA | NA | NA |
| 9046 | 2025-10-06 |
Global and Regional Deep Learning Models for Multiple Sclerosis Stratification From MRI
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29046
PMID:37803817
|
研究论文 | 本研究比较了全脑输入采样策略与区域/特定组织策略在基于MRI对多发性硬化症患者进行残疾水平分层中的性能差异 | 首次系统比较了全脑输入策略与针对已知残疾累积相关区域的局部策略在MS患者分层中的效果 | 回顾性研究设计，样本量相对有限，仅使用单一供应商的MRI设备 | 比较不同MRI输入策略对多发性硬化症患者残疾水平分层的性能影响 | 多发性硬化症患者的脑部MRI扫描数据 | 医学影像分析 | 多发性硬化症 | 磁共振成像 | CNN | 3D脑部MRI图像 | 319名MS患者（382次脑部MRI扫描）的内部数据集和440名来自多个中心的MS患者的外部验证队列 | NA | 3D-CNN | 平衡准确度, 敏感度, 特异度, AUC | NA |
| 9047 | 2025-10-06 |
Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29058
PMID:37846440
|
研究论文 | 本研究开发了深度学习和影像组学模型，用于自动评估乳腺密度并减少观察者间差异 | 结合深度学习和影像组学方法，通过AI辅助判读显著提高了乳腺密度评估的一致性 | 回顾性研究设计，样本量相对有限（621例患者） | 评估人工智能辅助判读在减少乳腺密度评估观察者间差异方面的可行性 | 621名无乳房假体或重建的患者 | 医学影像分析 | 乳腺癌 | MRI成像，T1加权光谱衰减反转恢复序列 | 深度学习，影像组学 | MRI图像 | 621例患者（训练集377例，验证集98例，独立测试集146例） | NA | NA | kappa统计量，准确率，AUC | NA |
| 9048 | 2025-10-06 |
Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29064
PMID:37888871
|
研究论文 | 本研究开发了一种基于转移性血管模式的磁共振深度学习放射组学模型，用于评估肝细胞癌患者的无复发生存期 | 首次结合VETC和MVI两种转移性血管模式构建深度学习模型评估HCC患者预后 | 回顾性研究设计，样本量相对有限，需要多中心前瞻性验证 | 构建和比较与肝细胞癌无复发生存期相关的VETC-MVI模型 | 398例接受切除术的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 磁共振成像 | 深度学习模型 | 医学影像 | 398例HCC患者（训练队列358例，测试队列40例） | NA | NA | C-index, AUC | NA |
| 9049 | 2024-08-07 |
Editorial for "Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma"
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29063
PMID:37818933
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9050 | 2024-08-07 |
Editorial for "Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability"
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29059
PMID:37818764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9051 | 2025-10-06 |
Scan-Specific Self-Supervised Bayesian Deep Non-Linear Inversion for Undersampled MRI Reconstruction
2024-06, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3364911
PMID:38335079
|
研究论文 | 提出一种无需外部数据集的扫描特异性自监督贝叶斯深度非线性反演方法，用于欠采样MRI重建 | 无需自动校准扫描区域，结合深度图像先验生成建模和近似贝叶斯推理来正则化深度卷积神经网络 | NA | 开发无需外部数据集的欠采样MRI重建方法 | 多部位解剖结构、对比度和采样模式的MRI数据 | 医学影像重建 | NA | 磁共振成像 | CNN | 医学影像 | NA | NA | 深度图像先验 | NA | NA |
| 9052 | 2025-06-07 |
Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism
2024-Mar-11, Future cardiology
IF:1.6Q3
DOI:10.1080/14796678.2024.2354082
PMID:39049767
|
研究论文 | 本研究探讨了训练数据特性对深度学习模型在心电图异常检测中泛化性能的影响，并引入了注意力机制以提高泛化能力 | 揭示了平衡数据集（仅占大型数据集的1%）在泛化任务中的等效性能，以及注意力机制对模型泛化能力的进一步优化 | 未提及具体的心电图异常类型或模型在其他医疗领域的泛化能力 | 研究训练数据特性对深度学习模型泛化性能的影响，并探索提高模型泛化能力的方法 | 心电图数据集和深度学习模型 | 机器学习 | 心血管疾病 | 深度学习 | 带有注意力机制的深度学习模型 | 心电图数据 | 多个心电图数据集（具体数量未提及） | NA | NA | NA | NA |
| 9053 | 2025-06-07 |
Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy
2024, Theranostics
IF:12.4Q1
DOI:10.7150/thno.100298
PMID:39479453
|
research paper | 该研究开发了一种基于深度学习和表面增强拉曼光谱（SERS）的方法，用于实时监测单个树突状细胞（DC）的成熟状态 | 结合Au@CpG@PEG纳米颗粒作为自报告纳米疫苗，利用无标记SERS策略和深度学习CNN算法，实现了对DC成熟状态的动态实时检测，准确率超过98.92% | 未提及具体样本量或实验重复次数，可能影响结果的普遍性 | 开发一种实时监测单个树突状细胞成熟状态的方法，以预测免疫系统激活、评估疫苗效果和免疫治疗有效性 | 树突状细胞（DC） | digital pathology | NA | 表面增强拉曼光谱（SERS） | CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 9054 | 2025-10-06 |
Artificial intelligence, machine learning and deep learning: Potential resources for the infection clinician
2023-10, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2023.07.006
PMID:37468046
|
综述 | 总结人工智能在感染性疾病研究和临床管理中的潜在应用 | 重点关注使用前瞻性收集的真实世界数据的研究，并强调具有转化潜力的研究方向 | 大多数研究缺乏真实世界验证或临床效用指标，研究设计和报告存在显著异质性 | 探索人工智能在感染性疾病领域的应用潜力 | 感染性疾病的诊断、治疗和公共卫生管理 | 机器学习 | 感染性疾病 | NA | 深度学习 | 医学影像, 实验室数据, 临床数据 | 筛选了1617篇PubMed文献 | NA | NA | 临床效用指标 | NA |
| 9055 | 2025-06-07 |
A survey on recent trends in deep learning for nucleus segmentation from histopathology images
2023-Mar-06, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09491-3
PMID:38625364
|
综述 | 本文系统综述了过去五年（2017-2021）中深度学习在组织病理学图像中细胞核分割的应用 | 总结了多种分割模型（如U-Net、SCPP-Net、Sharp U-Net和LiverNet）的相似性、优势、使用的数据集以及新兴研究领域 | 仅覆盖了过去五年的研究，可能未包括最新的技术进展 | 探讨深度学习在细胞核分割中的最新趋势和应用 | 组织病理学图像中的细胞核 | 数字病理学 | 癌症 | 深度学习 | U-Net, SCPP-Net, Sharp U-Net, LiverNet | 图像 | NA | NA | NA | NA | NA |
| 9056 | 2025-06-07 |
PDRF-Net: a progressive dense residual fusion network for COVID-19 lung CT image segmentation
2023-Feb-17, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09489-x
PMID:38625320
|
research paper | 提出了一种名为PDRF-Net的渐进密集残差融合网络，用于COVID-19肺部CT图像的分割 | 引入了密集跳跃连接以捕获多级上下文信息，设计了高效的聚合残差模块，结合视觉Transformer和残差块，以及双边通道像素加权模块逐步融合多分支特征图 | NA | 实现COVID-19患者肺部CT图像中病变部位的快速准确分割 | COVID-19患者的肺部CT图像 | digital pathology | COVID-19 | CT图像分割 | PDRF-Net (progressive dense residual fusion network) | image | 在两个COVID-19数据集上进行测试 | NA | NA | NA | NA |
| 9057 | 2025-06-07 |
AMTLDC: a new adversarial multi-source transfer learning framework to diagnosis of COVID-19
2023-Jan-12, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09484-2
PMID:38625255
|
research paper | 提出了一种新的对抗性多源迁移学习框架AMTLDC，用于COVID-19的诊断 | AMTLDC框架通过对抗性学习提取多个数据源间的通用表示，提高了模型在不同数据集间的泛化能力 | 未明确说明框架在极端数据不足情况下的表现 | 提高COVID-19诊断模型的跨数据集泛化性能 | COVID-19医学影像数据 | digital pathology | COVID-19 | adversarial transfer learning | CNN | medical images | NA | NA | NA | NA | NA |
| 9058 | 2025-06-07 |
Detection of anomalies in cycling behavior with convolutional neural network and deep learning
2023, European transport research review
IF:5.1Q1
DOI:10.1186/s12544-023-00583-4
PMID:38625141
|
研究论文 | 本文提出了一种基于深度学习的异常检测方法BeST-DAD，用于识别骑行行为中的异常并在地图上标记危险点 | 结合CNN和自编码器(AE)进行异常检测，相比传统PCA方法表现更优 | 需要依赖GPS轨迹数据，可能受数据质量和覆盖范围限制 | 提高骑行安全性，通过技术手段识别潜在危险点 | 骑行者的GPS轨迹数据 | 机器学习 | NA | 深度学习 | CNN, Autoencoder | GPS轨迹数据 | 未明确说明具体样本数量，涉及多个用户的数据 | NA | NA | NA | NA |
| 9059 | 2025-06-07 |
Evaluation of artificial intelligence techniques in disease diagnosis and prediction
2023, Discover artificial intelligence
DOI:10.1007/s44163-023-00049-5
PMID:40478140
|
综述 | 本文综述了人工智能技术在疾病诊断和预测中的应用及其优势 | 涵盖了多种AI技术在医疗图像分析中的应用，并比较了ML和DL技术的优势 | 讨论了AI在医疗领域中的现有挑战和局限性 | 评估AI技术在疾病诊断和预测中的应用效果 | 多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病）的诊断和预测 | 数字病理学 | 多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病） | 机器学习（ML）和深度学习（DL） | SVM, CNN | 医疗图像 | NA | NA | NA | NA | NA |
| 9060 | 2025-06-07 |
An efficient real-time stock prediction exploiting incremental learning and deep learning
2022-Dec-21, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-022-09481-x
PMID:38625328
|
研究论文 | 提出了一种基于增量学习和离线-在线学习的实时股票价格预测策略 | 结合增量学习和离线-在线学习两种方法，实时更新模型以适应市场的动态变化 | 仅在美国NASDAQ和印度NSE交易所的八只高流动性股票上进行了测试，可能不适用于其他市场或股票 | 提高实时股票价格预测的准确性 | 股票市场的实时价格数据 | 机器学习 | NA | 增量学习, 离线-在线学习 | 深度学习模型 | 时间序列数据 | 美国NASDAQ和印度NSE交易所的八只高流动性股票 | NA | NA | NA | NA |