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 9261 - 9280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9261 | 2025-06-03 |
GastroHUN an Endoscopy Dataset of Complete Systematic Screening Protocol for the Stomach
2025-Jan-17, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04401-5
PMID:39824869
|
research paper | 介绍了一个名为GastroHUN的开放数据集，用于胃部系统性筛查的内窥镜图像和视频序列 | 提供了一个基于系统性协议的胃部筛查数据集，包含丰富的标注和多个专家的验证 | 数据集的规模和多样性可能仍然有限，可能无法覆盖所有临床场景 | 为机器学习和AI模型开发提供高质量的胃部内窥镜图像和视频数据集 | 胃部的22个解剖学标志物和不合格图像 | digital pathology | gastrointestinal disease | endoscopy | deep learning models | image, video | 8,834张图像和4,729个标注视频序列，来自387名患者 | NA | NA | NA | NA |
| 9262 | 2025-10-06 |
A Radiograph Dataset for the Classification, Localization, and Segmentation of Primary Bone Tumors
2025-Jan-16, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-04311-y
PMID:39820508
|
研究论文 | 本文建立了用于原发性骨肿瘤分类、定位和分割的X射线影像数据集BTXRD | 首个公开的原发性骨肿瘤X射线数据集，包含临床信息、全局标签和肿瘤实例的精确标注 | 数据集规模相对有限，仅包含3,746张图像 | 解决骨肿瘤诊断领域缺乏公开X射线数据集的问题，支持计算机辅助诊断算法开发 | 原发性骨肿瘤的X射线影像 | 数字病理 | 骨肿瘤 | X射线成像 | NA | 医学影像 | 3,746张骨图像（1,879张正常，1,867张肿瘤） | NA | NA | NA | NA |
| 9263 | 2025-10-06 |
LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules
2025-Jan, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.3233/CBM-230444
PMID:38848168
|
研究论文 | 本研究通过图像掩蔽和显著性激活图探索LDCT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献 | 首次系统性地结合图像掩蔽和Grad-CAM技术分析深度神经网络在肺结节分类中依赖的放射学特征 | 研究仅针对4-20mm直径的实性肺结节，样本来源单一 | 识别低剂量CT图像中对深度学习分类最重要的生物标志物 | 来自国家肺部筛查试验(NLST)的实性肺结节患者 | 计算机视觉 | 肺癌 | 低剂量CT扫描 | 深度神经网络 | 医学影像 | NLST数据库中直径4-20mm的实性肺结节病例 | NA | NA | AUC | NA |
| 9264 | 2025-10-06 |
Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review
2025-Jan, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-024-04421-3
PMID:39384606
|
系统综述 | 系统评估机器学习、深度学习和人工智能在美容整形外科中的应用 | 首次对AI技术在美容整形外科领域的应用进行全面系统的定性评估 | 患者可能看到AI生成但无法实现的理想化图像，需避免创造不切实际的期望 | 评估机器学习、深度学习和人工智能在美容整形外科中的应用 | 美容整形外科手术患者，包括隆胸、乳房缩小、鼻整形、面部年轻化等 | 机器学习 | 整形外科 | 机器学习、深度学习、人工智能算法 | NA | 图像数据 | 筛选2148项研究，最终纳入18项研究（2019-2024年发表） | NA | NA | NA | NA |
| 9265 | 2025-10-06 |
Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction
2025-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110277
PMID:39566835
|
研究论文 | 开发用于BUDA-cEPI扩散磁共振成像的快速深度学习重建方法 | 提出结合虚拟线圈概念和仅需六次梯度更新的展开式神经网络重建框架 | 未详细讨论模型在不同临床场景下的泛化能力 | 开发快速重建算法以实现BUDA-cEPI在临床和神经科学中的常规应用 | 扩散磁共振成像数据 | 医学影像处理 | NA | 扩散磁共振成像 | U-Net, 人工神经网络 | 医学影像数据 | NA | NA | U-Net | 归一化均方根误差 | NA |
| 9266 | 2025-06-03 |
Do Sharpness-Based Optimizers Improve Generalization in Medical Image Analysis?
2025, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/ACCESS.2025.3568641
PMID:40443707
|
research paper | 本文评估了基于锐度的优化器在医学图像分析中提高深度学习模型泛化能力的有效性 | 首次系统评估了多种基于锐度的优化器在医学图像数据集上的表现，发现SAM是唯一能一致提升泛化性能的方法 | 研究仅使用了三种医学图像数据集，可能无法代表所有医学图像场景 | 评估基于锐度的优化器在医学图像分析中提高模型泛化能力的有效性 | 医学图像数据集（乳腺超声、胸部X光和结肠组织病理学图像） | digital pathology | breast cancer, lung disease, colon disease | deep learning optimization | CNN, vision transformers | image | 三种医学图像数据集 | NA | NA | NA | NA |
| 9267 | 2025-06-03 |
Advances in Electrocardiogram-Based Artificial Intelligence Reveal Multisystem Biomarkers
2025, Journal of clinical & experimental cardiology
PMID:40443717
|
review | 本文讨论了基于心电图的人工智能在临床心脏病学中的进展、局限性和未来方向 | 利用基于心电图的深度学习模型识别心脏壁运动异常，并超越人类专家解释 | 讨论了深度学习模型在基于心电图的人工智能应用中的局限性和公平性考虑 | 探讨人工智能在临床心脏病学中的应用，提供创新的诊断、预后和治疗解决方案 | 心电图数据 | machine learning | cardiovascular disease | Deep Learning | DL | ECG数据 | NA | NA | NA | NA | NA |
| 9268 | 2025-06-03 |
XLLC-Net: A lightweight and explainable CNN for accurate lung cancer classification using histopathological images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322488
PMID:40445896
|
研究论文 | 该研究介绍了一种轻量级且可解释的CNN模型XLLC-Net，用于从组织病理学图像中准确分类肺癌 | XLLC-Net是一种轻量级CNN模型，仅包含300万个参数，显著降低了计算资源需求，同时集成了可解释AI技术（如Saliency Map和GRAD-CAM）以增强模型的可解释性 | 研究仅关注了LC25000数据集中的三类肺癌，未包含其他类型的癌症或更广泛的数据集 | 开发一种轻量级且可解释的深度学习模型，用于肺癌的准确分类 | 组织病理学图像中的三类肺癌 | 数字病理学 | 肺癌 | 深度学习 | CNN | 图像 | LC25000数据集中的三类肺癌样本 | NA | NA | NA | NA |
| 9269 | 2025-06-03 |
Deep learning reconstruction of free-breathing, diffusion-weighted imaging of the liver: A comparison with conventional free-breathing acquisition
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320362
PMID:40445963
|
研究论文 | 本研究比较了自由呼吸下使用深度学习重建的扩散加权成像（FB-DL-DWI）与传统扩散加权成像（FB-C-DWI）在肝脏MRI中的图像质量和实体性肝脏局灶性病变（FLL）评估 | 首次在自由呼吸条件下应用深度学习重建技术进行肝脏扩散加权成像，并与传统方法进行对比 | FB-DL-DWI表现出比FB-C-DWI更强的人工感觉（P<0.001） | 比较两种扩散加权成像技术在肝脏MRI中的表现 | 199名接受临床肝脏MRI检查的患者 | 医学影像分析 | 肝脏疾病 | 扩散加权成像（DWI），深度学习重建 | 深度学习模型（具体类型未说明） | 医学影像数据 | 199名患者（其中110名患有慢性肝病），138个实体性肝脏局灶性病变 | NA | NA | NA | NA |
| 9270 | 2025-06-03 |
Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324146
PMID:40445972
|
研究论文 | 提出了一种基于子结构子序列和交叉公共注意力机制的药物-靶点相互作用预测模型SSCPA-DTI | 采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始及子结构特征，并利用交叉公共注意力模块(CPA)整合特征及提取相互作用信息，提高了预测准确性和可解释性 | 仅在三个公共数据集上进行了实验，未在其他数据集上验证模型的泛化能力 | 提高药物-靶点相互作用预测的准确性和可解释性 | 药物和蛋白质的相互作用 | 机器学习 | NA | 深度学习 | SSCPA-DTI (基于注意力机制的模型) | 序列数据(SMILES序列和蛋白质序列) | 三个公共数据集 | NA | NA | NA | NA |
| 9271 | 2025-06-03 |
Enhancing the dataset of CycleGAN-M and YOLOv8s-KEF for identifying apple leaf diseases
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321770
PMID:40445983
|
研究论文 | 本研究提出了一种基于深度学习的方法，通过改进CycleGAN-M和YOLOv8s-KEF模型来提高苹果叶病害的识别准确率 | 使用多尺度注意力机制增强CycleGAN-M网络生成合成样本，改进YOLOv8s-KEF模型的特征提取能力，特别是针对小病变和复杂纹理 | 模型大小增加了6MB，可能影响部署效率 | 提高苹果叶病害的识别准确率，解决数据集有限、样本量小和识别精度低的问题 | 苹果叶病害 | 计算机视觉 | 植物病害 | 深度学习 | CycleGAN-M, YOLOv8s-KEF | 图像 | NA | NA | NA | NA | NA |
| 9272 | 2025-06-03 |
ArsenicNet: An efficient way of arsenic skin disease detection using enriched fusion Xception model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322405
PMID:40446004
|
研究论文 | 提出了一种名为ArsenicNet的融合Xception模型，用于高效检测砷污染引起的皮肤疾病 | 结合Xception模型与Inception模块的深度学习架构，在砷皮肤疾病检测中表现出优越性能 | 数据集样本量较小（仅1287个样本），且仅基于孟加拉国人群 | 开发高效准确的砷皮肤疾病检测方法 | 砷污染引起的皮肤疾病 | 计算机视觉 | 皮肤疾病 | 深度学习 | Xception与Inception模块融合的CNN | 图像 | 1287张基于孟加拉国人群的皮肤图像 | NA | NA | NA | NA |
| 9273 | 2025-06-03 |
Segmentation-based deep 2D-3D multibranch learning approach for effective hyperspectral image classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321559
PMID:40446012
|
研究论文 | 本文提出了一种基于分割的深度2D-3D多分支学习方法，用于高效的高光谱图像分类 | 提出了一种新颖的多层多分支2D-3D CNN模型，结合了SPCA和mRMR技术，能够分层处理不同重要性的特征 | 未明确提及具体局限性，但可能涉及计算复杂性和模型泛化能力 | 解决高光谱图像分类中的数据冗余、计算成本高、样本不足和维度诅咒等问题 | 高光谱图像中的土地覆盖物体分类 | 计算机视觉 | NA | Segmented Principal Component Analysis (SPCA), minimum-Redundancy-Maximum-Relevance (mRMR) | 2D-3D CNN | 高光谱图像 | Salinas Scene、University of Pavia和Indian Pines高光谱图像数据集 | NA | NA | NA | NA |
| 9274 | 2025-10-06 |
Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives
2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3462299
PMID:39288061
|
综述 | 本文全面综述了深度学习在超声定位显微镜中的多样化应用及其未来发展前景 | 首次系统梳理了基于稀疏微泡分布的深度学习在ULM中的应用，重点分析了微泡定位优化的多种网络架构和问题建模方法 | 当前方法仍存在计算复杂度高、对高浓度微泡适应性有限等挑战 | 探索深度学习技术在超声定位显微镜中的创新应用以提升成像性能 | 超声定位显微镜成像中的微泡信号和血管结构 | 医学影像分析 | 心血管疾病 | 超声定位显微镜 | 深度学习 | 超声图像 | NA | NA | NA | 图像质量，处理时间 | NA |
| 9275 | 2025-10-06 |
VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord
2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3463188
PMID:39292568
|
研究论文 | 提出基于VoxelMorph的深度学习运动校正方法，用于改善脊髓超声定位显微镜成像质量 | 首次将VoxelMorph深度学习框架应用于脊髓超声定位显微镜的运动校正，有效补偿刚性和非刚性运动 | 未明确说明样本数量和研究人群特征 | 提高脊髓血管超声定位显微镜成像的分辨率和微血管重建质量 | 脊髓血管微循环系统 | 医学影像分析 | 脊髓损伤 | 超声定位显微镜(ULM) | 深度学习 | 超声图像序列 | NA | VoxelMorph | VoxelMorph | 平均绝对误差 | NA |
| 9276 | 2025-10-06 |
Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging
2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3488729
PMID:39480714
|
研究论文 | 提出一种基于深度学习的功率感知可调加权方法，用于改善超声微血管成像质量 | 提出Yformer混合架构结合卷积和Transformer，引入可调噪声控制因子实现像素级加权，在保持低计算成本的同时提升成像质量 | 模型仅使用大鼠脑部数据集训练，在其他器官上的泛化能力需进一步验证 | 开发一种深度学习后滤波方法以提升超声微血管成像质量 | 超声微血管成像，包括超快功率多普勒成像和超声定位显微镜 | 医学影像处理 | 血管疾病 | 超声平面波传输，延迟求和波束成形 | CNN, Transformer | 超声图像 | 四个不同数据集：公共模拟数据、公共大鼠脑部数据、私有大鼠脑部数据、私有大鼠肝脏数据 | NA | Yformer（卷积与Transformer混合架构） | 结构相似性指数 | NA |
| 9277 | 2025-10-06 |
ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer
2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3388102
PMID:38607709
|
研究论文 | 提出结合多分支CNN和递归Transformer的深度学习框架ULM-MbCNRT，实现从少量超声帧生成超分辨率图像的快速超声定位显微成像 | 首次将多分支CNN与递归Transformer结合用于超声定位显微成像，显著减少数据采集时间和计算时间 | NA | 开发快速超声定位显微成像方法，突破成像质量、采集时间和处理速度之间的权衡限制 | 微血管成像 | 医学影像处理 | NA | 超声定位显微镜(ULM) | CNN, Transformer | 超声图像 | 数值模拟和体内实验 | NA | 多分支CNN, 递归Transformer | 空间分辨率, 数据采集时间减少倍数, 计算时间减少倍数 | NA |
| 9278 | 2025-06-03 |
Uncertainty Quantification for Conditional Treatment Effect Estimation under Dynamic Treatment Regimes
2024-Dec, Proceedings of machine learning research
PMID:40443560
|
research paper | 该研究提出了一种在动态治疗策略下估计条件治疗效果时量化深度学习模型中不确定性的方法 | 首次提出并比较了在机器学习模型中量化g-computation不确定性的多种方法，以改进动态治疗策略下的条件治疗效果估计 | 研究使用了模拟数据集和单一真实世界数据集（脓毒症数据），可能限制了结果的普遍性 | 改进动态治疗策略下条件治疗效果的估计，并量化模型不确定性 | 动态治疗策略下的治疗效果 | machine learning | sepsis | variational dropout, deep ensembles | deep learning | clinical data | 两个模拟数据集和一个真实世界脓毒症数据集 | NA | NA | NA | NA |
| 9279 | 2025-10-06 |
Balanced Training Sets Improve Deep Learning-Based Prediction of CRISPR sgRNA Activity
2024-11-15, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.4c00542
PMID:39495623
|
研究论文 | 本研究通过比较平衡与不平衡训练集对深度学习模型预测CRISPR sgRNA活性的影响 | 首次系统评估平衡训练集对CRISPR sgRNA活性预测模型性能的影响，并验证合成sgRNA数据增强方法的有效性 | 研究主要基于CRISPR-Cas12a和Cas9系统的酵母数据，在其他生物系统中的普适性需进一步验证 | 提高CRISPR sgRNA活性预测的准确性 | CRISPR系统的sgRNA序列 | 机器学习 | NA | CRISPR-Cas筛选 | CNN,LLM | 基因序列数据 | 基于酵母CRISPR-Cas12a筛选数据生成的数据集 | NA | 卷积神经网络,大语言模型 | 预测准确性 | NA |
| 9280 | 2025-10-06 |
Modal-nexus auto-encoder for multi-modality cellular data integration and imputation
2024-10-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53355-6
PMID:39424861
|
研究论文 | 提出Modal-nexus自编码器用于多模态细胞数据整合与插补 | 利用模态间调控关系和模态内对比学习增强细胞表征，支持非配对多模态数据整合与跨模态插补 | 未明确说明模型的计算复杂度与可扩展性限制 | 开发深度学习方法来有效整合和插补非配对多模态单细胞数据 | 多模态单细胞数据 | 机器学习 | NA | 单细胞多组学技术 | 自编码器, 对比学习 | 单细胞多模态数据 | 多个数据集（未指定具体样本量） | NA | Modal-nexus Auto-Encoder (Monae), Monae-Extension (Monae-E) | 准确性, 鲁棒性 | NA |