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 32372 篇文献，本页显示第 9101 - 9120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9101 | 2025-06-03 |
MDAL: Modality-difference-based active learning for multimodal medical image analysis via contrastive learning and pointwise mutual information
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于模态差异的多模态医学图像主动学习框架MDAL，通过对比学习和点互信息量化模态差异，以减少标注成本 | MDAL框架首次利用点互信息和对比学习量化样本级模态差异，并提出两种基于差异的采样策略MaxMD和DiverseMD，且无需初始标注数据即可一次性选择信息量大的样本 | 仅在脑胶质瘤、脑膜瘤和卵巢癌数据集上进行了验证，未在其他多模态医学数据上测试 | 最小化多模态医学图像分析的标注成本 | 多模态医学图像 | 数字病理 | 脑胶质瘤, 脑膜瘤, 卵巢癌 | 对比学习, 点互信息 | MDAL框架 | 多模态医学图像 | 公共脑胶质瘤和脑膜瘤分割数据集及内部卵巢癌分类数据集 | NA | NA | NA | NA |
| 9102 | 2025-06-03 |
CASCADE-FSL: Few-shot learning for collateral evaluation in ischemic stroke
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为CASCADE-FSL的新方法，用于在缺血性卒中中评估侧支循环，通过小样本学习有效区分不良侧支循环 | 采用小样本学习方法处理不平衡数据集，将良好和中等侧支循环案例作为正常类别，不良侧支循环作为异常进行识别 | 研究基于小规模且不平衡的数据集，可能影响模型的泛化能力 | 开发计算机辅助方法以减少评估缺血性卒中患者侧支循环时的评估者间差异并节省时间 | 缺血性卒中患者的侧支循环评估 | digital pathology | ischemic stroke | few-shot learning | 2D ResNet-50 | image | 小规模且不平衡的数据集，具体数量未提及 | NA | NA | NA | NA |
| 9103 | 2025-06-03 |
Uncertainty-aware segmentation quality prediction via deep learning Bayesian Modeling: Comprehensive evaluation and interpretation on skin cancer and liver segmentation
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种无需真实标注即可预测分割质量的新框架，通过贝叶斯建模和不确定性量化提高分割质量评估的可靠性 | 引入两种互补框架，结合预测分割和不确定性图，以及原始输入图像、不确定性图和预测分割图，提出贝叶斯适应的分割模型，并通过多种不确定性估计方法量化不确定性 | 未提及具体局限性 | 解决临床环境中无人工标注时分割质量评估的挑战，提高分割模型的可靠性 | 皮肤病变和肝脏分割数据集 | 计算机视觉 | 皮肤癌和肝脏疾病 | 贝叶斯建模、Monte Carlo Dropout、Ensemble、Test Time Augmentation | SwinUNet、Feature Pyramid Network with ResNet50 | 2D和3D医学图像 | HAM10000数据集和3D肝脏分割数据集 | NA | NA | NA | NA |
| 9104 | 2025-06-03 |
Tailored self-supervised pretraining improves brain MRI diagnostic models
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究利用大规模无标记的公共脑MRI数据集，通过自监督学习提升深度学习模型在脑MRI分析中的性能 | 开发了基于图像熵和切片位置的数据过滤方法，优化了训练效率，并采用MoCo v3算法学习图像特征，针对脑MRI定制了预训练模型 | 未提及具体局限性 | 提升深度学习模型在脑MRI分析中的性能，以支持临床决策系统开发 | 脑MRI图像 | 医学影像分析 | 脑部疾病 | 自监督学习 | MoCo v3 | MRI图像 | 约2百万张图像经过筛选后得到25万张富含脑部特征的图像 | NA | NA | NA | NA |
| 9105 | 2025-06-03 |
Self-supervised network predicting neoadjuvant chemoradiotherapy response to locally advanced rectal cancer patients
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种自监督学习框架EIA-Net，用于预测局部晚期直肠癌患者对新辅助放化疗的反应 | 开发了EIA-Net网络，通过级联3D卷积和坐标注意力增强特征提取能力，并提出面向实例的协作自监督学习（IOC-SSL）以利用未标记数据进行训练 | 研究为回顾性研究，可能受到数据选择和收集偏差的影响 | 提高局部晚期直肠癌患者对新辅助放化疗反应的预测准确性 | 局部晚期直肠癌（LARC）患者 | 数字病理 | 直肠癌 | 自监督学习 | EIA-Net（基于CNN的3D卷积网络） | CT影像 | 1575个体积（包括1394个自监督数据集和195个监督数据集） | NA | NA | NA | NA |
| 9106 | 2025-06-03 |
A diffusion-stimulated CT-US registration model with self-supervised learning and synthetic-to-real domain adaptation
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于扩散刺激的CT-US配准模型，结合自监督学习和合成到真实的域适应策略，用于腹部介入手术中的实时图像配准 | 利用超声的物理扩散特性从术前CT数据生成合成超声图像，并引入扩散模型进行合成到真实的域适应，以减少真实与合成超声图像之间的差异 | 实验验证仅基于双模态人体腹部模型，尚未在真实临床环境中进行广泛测试 | 解决腹部介入手术中2D超声与3D CT扫描的实时精确配准问题 | 腹部介入手术中的2D超声和3D CT图像 | 计算机视觉 | NA | 扩散模型，自监督学习，域适应 | 双流自监督回归神经网络 | 图像（超声和CT） | 双模态人体腹部模型的US和CT扫描数据 | NA | NA | NA | NA |
| 9107 | 2025-06-03 |
Establishment of an intelligent analysis system for clinical image features of melanonychia based on deep learning image segmentation
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究开发了一种基于深度学习的非侵入性智能分析系统，用于黑色素瘤的早期诊断和监测 | 利用智能手机图像和深度学习技术，开发了一个两阶段模型（YOLOv8和UNet），显著提高了黑色素瘤病变的检测和分割准确性 | 研究未提及模型在不同肤色或光照条件下的泛化能力 | 开发一种非侵入性、易于使用的智能分析系统，用于黑色素瘤的早期诊断和监测 | 黑色素瘤患者的指甲图像 | 计算机视觉 | 黑色素瘤 | 深度学习图像分割 | YOLOv8和UNet | 图像 | 未提及具体样本数量，但提到建立了全面的指甲图像数据集 | NA | NA | NA | NA |
| 9108 | 2025-06-03 |
A deep learning framework for reconstructing Breast Amide Proton Transfer weighted imaging sequences from sparse frequency offsets to dense frequency offsets
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 开发了一种基于深度学习的模型，用于从稀疏频率偏移重建密集频率偏移的乳腺酰胺质子转移加权成像序列，以减少扫描时间 | 利用时间序列卷积提取APT成像序列的短程和长程空间及频率特征，并集成加权层评估各频率偏移对重建过程的影响 | 研究仅基于特定频率偏移范围（n=29）和特定减少的扫描时间（25%），可能不适用于所有APT成像场景 | 减少酰胺质子转移加权成像的扫描时间，同时保持成像质量 | 乳腺酰胺质子转移加权成像序列 | 医学影像分析 | 乳腺癌 | 酰胺质子转移技术（APT） | seq2seq模型 | 医学影像数据 | 未明确提及具体样本数量，但涉及从21个频率偏移重建29个密集频率偏移的数据 | NA | NA | NA | NA |
| 9109 | 2025-06-03 |
Bi-VesTreeFormer: A bidirectional topology-aware transformer framework for coronary vFFR estimation
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为Bi-VesTreeFormer的双向拓扑感知Transformer框架，用于冠状动脉虚拟FFR（vFFR）的无创估计 | 提出了一种新型双向拓扑感知Transformer网络（Bi-VesTreeFormer），能够全自动提取血管树的拓扑狭窄特征并捕捉分支间的全局依赖关系，同时引入了上下文vFFR解码器以建立相邻分支间FFR值的相关性 | 研究样本量相对较小，仅包含43名患者的FFR数据和15,000条模拟冠状动脉中心线数据 | 开发一种高效、无创的冠状动脉虚拟FFR估计方法，以克服传统FFR测量和现有计算方法的局限性 | 冠状动脉狭窄患者的FFR数据和模拟冠状动脉中心线数据 | digital pathology | cardiovascular disease | computational fluid dynamics, deep learning | Transformer (Bi-VesTreeFormer) | medical imaging data, simulated data | 43名患者的FFR数据和15,000条模拟冠状动脉中心线数据 | NA | NA | NA | NA |
| 9110 | 2025-06-03 |
Fast cortical thickness estimation using deep learning-based anatomy segmentation and diffeomorphic registration
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于深度学习的解剖分割和微分同胚配准的快速皮层厚度估计框架 | 结合CNN分割模型和无监督学习配准网络，提出了一种新的基于不同时间点微分同胚的算法来计算厚度图 | 未提及具体的数据集规模限制或模型泛化能力的详细评估 | 提高从MRI图像中估计皮层厚度的准确性和效率，以支持神经科学研究和临床应用 | 磁共振图像（MRI）中的皮层厚度 | 计算机视觉 | NA | 深度学习，微分同胚配准 | CNN，无监督学习配准网络 | MRI图像 | 在两个不同的数据集上进行了系统评估 | NA | NA | NA | NA |
| 9111 | 2025-06-03 |
CALIMAR-GAN: An unpaired mask-guided attention network for metal artifact reduction in CT scans
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 本文提出了一种名为CALIMAR-GAN的生成对抗网络模型，用于减少CT扫描中的金属伪影 | CALIMAR-GAN采用引导注意力机制和线性插值算法，利用未配对的模拟和临床数据进行针对性伪影减少 | 大多数现有方法依赖配对的模拟数据，限制了在临床扫描上的定量评估 | 提高CT扫描的图像质量，减少金属伪影，以增强诊断准确性和治疗效果 | CT扫描中的金属伪影 | computer vision | NA | GAN | CALIMAR-GAN | image | NA | NA | NA | NA | NA |
| 9112 | 2025-06-03 |
Non-traditional socio-environmental and geospatial determinants of Alzheimer's disease-related dementia mortality
2025-Jul-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179745
PMID:40424712
|
研究论文 | 本研究探讨了非传统环境和社会因素对阿尔茨海默病相关痴呆（ADRD）死亡率的影响 | 结合了空气污染、社会脆弱性和地理空间特征来研究ADRD死亡率，并使用了PRIM和SHAP等先进分析方法 | 研究为横断面设计，无法确定因果关系 | 确定非传统环境和社会因素与ADRD死亡率的关系 | 美国大陆县级ADRD死亡率数据 | 公共卫生 | 老年病 | PRIM、SHAP、深度学习 | NA | 环境数据、社会脆弱性指数、街景图像 | 美国大陆县级数据 | NA | NA | NA | NA |
| 9113 | 2025-06-03 |
Deep Guess acceleration for explainable image reconstruction in sparse-view CT
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种名为Deep Guess加速方案的新技术，用于在稀疏视图CT中加速正则化MBIR并提高重建精度 | 结合深度学习工具初始化近端算法的起始猜测，以在非凸模型中快速计算可解释的解图像 | 未提及具体临床验证或大规模样本测试 | 减少医学成像中的X射线剂量辐射并提高稀疏视图CT的重建质量 | 稀疏视图CT图像 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 真实和合成的CT图像（具体数量未提及） | NA | NA | NA | NA |
| 9114 | 2025-06-03 |
Deep learning-based image classification and quantification models for tablet sticking
2025-Jun-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.125690
PMID:40339626
|
研究论文 | 本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化制药片剂生产中的粘附问题 | 结合CNN和GLCM特征的集成模型，能够检测和量化片剂粘附，克服了传统视觉检查的局限性 | 研究仅针对10批片剂进行了验证，样本量相对较小 | 提高制药片剂生产的效率和质量控制 | 制药片剂生产中的粘附问题 | 计算机视觉 | NA | CNN, GLCM, SVM | AlexNet, VGG 16, ResNet 50, GoogLeNet | 图像 | 10批片剂 | NA | NA | NA | NA |
| 9115 | 2025-06-03 |
Hyaluronan network remodeling by ZEB1 and ITIH2 enhances the motility and invasiveness of cancer cells
2025-Jun-02, The Journal of clinical investigation
IF:13.3Q1
DOI:10.1172/JCI180570
PMID:40178908
|
研究论文 | 研究透明质酸（HA）网络中ZEB1和ITIH2的作用及其对肺癌细胞迁移和侵袭能力的影响 | 揭示了ZEB1通过调控ITIH2、HAS2和CD44重塑肿瘤微环境中的HA网络，并提出针对该网络的抑制策略 | 研究主要基于体外实验和小鼠模型，尚未在人体中进行验证 | 探究HA网络在肺癌细胞迁移和侵袭中的作用机制 | 肺癌细胞和癌症相关成纤维细胞 | 肿瘤生物学 | 肺癌 | 深度学习药物-靶点相互作用算法 | NA | NA | NA | NA | NA | NA | NA |
| 9116 | 2025-06-03 |
Multi-Organ metabolic profiling with [18F]F-FDG PET/CT predicts pathological response to neoadjuvant immunochemotherapy in resectable NSCLC
2025-Jun-02, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07350-8
PMID:40451983
|
research paper | 开发并验证一种结合多器官PET代谢指标的新型列线图，用于预测可切除非小细胞肺癌患者接受新辅助免疫化疗后的主要病理反应 | 首次报道的多器官代谢列线图，通过量化系统性宿主-肿瘤代谢相互作用，优于传统的以肿瘤为中心的方法 | 回顾性研究设计，样本量相对较小（115例患者） | 预测可切除非小细胞肺癌患者接受新辅助免疫化疗后的主要病理反应 | 可切除非小细胞肺癌（rNSCLC）患者 | 数字病理 | 肺癌 | [18F]F-FDG PET/CT | 深度学习自动分割，LASSO回归，随机森林优化 | PET代谢参数（SUVmean, SUVmax, SUVpeak, MTV, TLG） | 115例可切除非小细胞肺癌患者 | NA | NA | NA | NA |
| 9117 | 2025-06-03 |
Refinement of an Artificial Intelligence Algorithm for Enhanced Burn Wound Depth Assessment Using Multispectral Imaging: An Expanded Proof of Concept Study
2025-Jun-02, Journal of burn care & research : official publication of the American Burn Association
IF:1.5Q3
DOI:10.1093/jbcr/iraf057
PMID:40452490
|
研究论文 | 本研究通过多光谱成像技术和卷积神经网络算法，开发了一种用于烧伤伤口深度评估的深度学习模型 | 利用多光谱成像技术捕捉可见光谱外的波长信息，结合多种CNN架构开发深度学习算法，显著提高了烧伤评估的准确性 | 研究样本量相对有限（124名受试者），且算法在伤后1-2天的准确率较低 | 开发并优化用于烧伤伤口深度评估的人工智能算法 | 烧伤患者的伤口评估 | 计算机视觉 | 烧伤 | 多光谱成像(MSI) | CNN | 图像 | 124名受试者（100名成人，24名儿童），收集1037张MSI图像和161份活检样本 | NA | NA | NA | NA |
| 9118 | 2025-06-03 |
A Multi-modal Drug Target Affinity Prediction Based on Graph Features and Pre-trained Sequence Embeddings
2025-Jun-02, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00713-7
PMID:40455402
|
研究论文 | 提出一种基于图特征和预训练序列嵌入的多模态药物靶点亲和力预测方法MGSDTA | 整合药物分子和靶蛋白的图特征与序列特征，采用加权融合模块进行预测，性能优于单模态方法 | 未提及方法在特定类型药物或靶点上的适用性限制 | 开发更准确的药物靶点亲和力预测计算方法 | 药物分子和靶蛋白 | 机器学习 | NA | Mol2vec和ProtVec预训练模型 | MGSDTA（多模态融合模型） | 图数据（分子/蛋白结构）和序列数据 | 基准数据集（未说明具体样本量） | NA | NA | NA | NA |
| 9119 | 2025-06-03 |
SPCF-YOLO: An Efficient Feature Optimization Model for Real-Time Lung Nodule Detection
2025-Jun-02, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00720-8
PMID:40455403
|
research paper | 提出了一种名为SPCF-YOLO的实时检测框架，用于CT影像中的肺结节检测，通过层次特征融合和解剖学上下文建模提高检测精度 | 结合了空间到深度卷积模块(SPDConv)、共享特征金字塔卷积模块(SFPConv)、改进的金字塔挤压注意力模块(PSA)和改进的上下文变换器模块(CoTB)，提升了小结节检测的敏感性和全局通道依赖性 | 未提及模型在其他类型肺部疾病或不同影像模态上的泛化能力 | 提高CT影像中肺结节检测的准确性和实时性 | CT影像中的肺结节 | computer vision | lung cancer | deep learning | YOLO (SPCF-YOLO) | CT images | LUNA16数据集和SIIM-COVID-19数据集 | NA | NA | NA | NA |
| 9120 | 2024-12-20 |
Deep learning on chromatin profiles reveals the cis-regulatory sequence code of the rice genome
2025-Jun, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2024.12.007
PMID:39694233
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |