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 33344 篇文献，本页显示第 9461 - 9480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9461 | 2025-06-14 |
Deep learning reconstruction for T2-weighted and contrast-enhanced T1-weighted magnetic resonance enterography imaging in patients with Crohn's disease: Assessment of image quality and clinical utility
2025-Aug, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2025.110528
PMID:40479900
|
research paper | 研究深度学习重建在克罗恩病患者磁共振肠成像中T2加权和对比增强T1加权图像的质量及临床效用 | 评估深度学习重建技术在磁共振肠成像中的应用，比较其与传统方法在图像质量和采集时间上的差异 | 观察者间对深度学习重建图像质量的一致性较低，尤其是T1 VIBE图像 | 评估深度学习重建的磁共振肠成像图像质量及其在克罗恩病诊断中的临床效用 | 克罗恩病患者 | digital pathology | Crohn's disease | magnetic resonance enterography | deep learning | image | 93名患者用于T2 HASTE比较，42名患者用于T1 VIBE比较 | NA | NA | NA | NA |
| 9462 | 2025-06-14 |
Model-informed deep-learning photoacoustic reconstruction for low-element linear array
2025-Aug, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100732
PMID:40502804
|
research paper | 提出了一种针对低元素线性阵列的模型信息深度学习光声重建方法，以解决传统重建方法在稀疏传感器排列和有限传感器间距下的图像质量问题 | 引入了轻量级的GE-CNN框架，显著降低了计算需求，模型矩阵大小减少了4倍，处理速度提高了约46.3% | 未提及在实际临床环境中的广泛验证 | 提高光声断层扫描（PAT）在稀疏传感器排列下的图像重建质量和计算效率 | 线性阵列超声换能器 | 医学影像处理 | NA | 光声断层扫描（PAT） | GE-CNN | 图像 | 合成模型、实验体模和活体大鼠肝脏成像 | NA | NA | NA | NA |
| 9463 | 2025-06-14 |
Acquisition and Reconstruction Techniques for Coronary CT Angiography: Current Status and Trends over the Past Decade
2025-07, Radiographics : a review publication of the Radiological Society of North America, Inc
IF:5.2Q1
DOI:10.1148/rg.240083
PMID:40504731
|
review | 本文回顾了过去十年中冠状动脉CT血管成像（CCTA）的采集和重建技术，探讨了其现状和发展趋势 | 总结了多种新技术如低管电压采集、高清CT、超高清CT、深度学习重建算法等，以提高图像质量和降低辐射剂量 | 尽管有多种新技术，但CCTA仍存在运动伪影、图像噪声、辐射暴露等问题 | 提高冠状动脉CT血管成像（CCTA）的临床价值，用于非侵入性评估冠状动脉疾病（CAD） | 冠状动脉CT血管成像（CCTA）技术 | 医学影像 | 心血管疾病 | 低管电压采集、高清CT、超高清CT、深度学习重建算法 | 深度学习重建算法（DLR） | 医学影像 | NA | NA | NA | NA | NA |
| 9464 | 2025-06-14 |
Computational design of diverse nuclear factor erythroid 2 activators with cellular antioxidative activity
2025-Jun-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112621
PMID:40502689
|
研究论文 | 利用深度学习算法设计能够激活NRF2的小蛋白，以增强细胞抗氧化防御能力 | 采用深度学习模型设计具有不同结构框架和热力学特性的稳定小蛋白，有效激活KEAP1-NRF2通路 | 未提及在动物模型或临床试验中的验证 | 开发高效且选择性激活KEAP1-NRF2通路的合成抗氧化剂 | KEAP1-NRF2复合物及设计的结合蛋白 | 机器学习 | 慢性疾病 | 深度学习 | 深度学习模型 | 蛋白质结构数据 | 五种设计的结合蛋白 | NA | NA | NA | NA |
| 9465 | 2025-06-14 |
CT-based deep learning model for improved disease-free survival prediction in clinical stage I lung cancer: a real-world multicenter study
2025-Jun-12, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11682-2
PMID:40506642
|
研究论文 | 开发了一种基于CT图像的深度学习模型，用于预测临床I期肺癌患者的无病生存期（DFS） | 利用三维卷积神经网络从CT图像中提取肿瘤特征，显著优于传统临床模型，能够有效识别高风险患者 | 研究为回顾性队列研究，可能存在选择偏倚 | 提高临床I期肺癌患者无病生存期的预测准确性 | 临床I期非小细胞肺癌（NSCLC）患者 | 数字病理 | 肺癌 | CT成像 | 三维卷积神经网络（3D-CNN） | 图像 | 2489名手术患者（开发队列）和248名接受立体定向体放射治疗（SBRT）的患者（外部验证队列） | NA | NA | NA | NA |
| 9466 | 2025-06-14 |
3D Quantification of Viral Transduction Efficiency in Living Human Retinal Organoids
2025-Jun-12, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202401050
PMID:40509616
|
研究论文 | 本文介绍了一种在活体人类视网膜类器官中定量3D表征病毒转导效率的方法 | 结合了基因递送效率在空间和时间上的量化，利用人类视网膜类器官、工程化腺相关病毒载体、共聚焦活体成像和基于深度学习的图像分割 | 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 | 优化基因疗法并定量测试未来治疗方法和其他基因递送方法 | 人类视网膜类器官 | 数字病理学 | 眼科疾病 | 共聚焦活体成像、深度学习方法 | 深度学习图像分割 | 3D图像 | NA | NA | NA | NA | NA |
| 9467 | 2025-06-14 |
Deep learning-based ranking method for subgroup and predictive biomarker identification in patients
2025-Jun-10, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00946-z
PMID:40494908
|
research paper | 本研究开发了一种基于深度学习的框架DeepRAB，用于识别患者亚组和预测生物标志物，以优化治疗效果 | DeepRAB不仅能够捕捉个体间治疗效果的差异，还能帮助发现与这些差异相关的有意义的生物标志物 | NA | 开发一种深度学习方法，用于识别患者亚组和预测生物标志物，以支持更精准的治疗策略 | 患者亚组和预测生物标志物 | machine learning | hidradenitis suppurativa | deep learning | DeepRAB | clinical trial data | 模拟数据集和真实临床试验数据 | NA | NA | NA | NA |
| 9468 | 2025-06-14 |
A cross population study of retinal aging biomarkers with longitudinal pre-training and label distribution learning
2025-Jun-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01751-7
PMID:40494933
|
research paper | 开发了一种深度学习模型，通过视网膜图像提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力 | 整合了自监督学习和渐进式标签分布学习模块，以捕捉时间序列信息并模拟生物衰老的变异性 | 研究主要基于健康人群，可能无法完全代表其他人群的视网膜老化模式 | 提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力 | 视网膜图像 | digital pathology | geriatric disease | deep learning | CNN | image | 34,433名来自UK Biobank和三个中国队列的健康参与者 | NA | NA | NA | NA |
| 9469 | 2025-06-14 |
Empirical evaluation of artificial intelligence distillation techniques for ascertaining cancer outcomes from electronic health records
2025-Jun-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01646-7
PMID:40494945
|
研究论文 | 本文评估了利用教师-学生框架从电子健康记录中提取癌症纵向临床结果的技术 | 使用分层Transformer架构的教师模型训练，并通过公开数据集和GPT-4生成的合成数据进行知识蒸馏 | 在Wiki-text和合成数据上训练的学生模型表现较差，强调了领域内公开数据集的重要性 | 评估人工智能蒸馏技术在从电子健康记录中提取癌症结果方面的应用 | 电子健康记录中的自由文本放射学报告 | 自然语言处理 | 癌症 | 教师-学生框架，知识蒸馏 | Transformer | 文本 | Dana-Farber Cancer Institute的数据，MIMIC-IV、Wiki-text公开数据集及GPT-4生成的合成数据 | NA | NA | NA | NA |
| 9470 | 2025-06-14 |
SCATrans: semantic cross-attention transformer for drug-drug interaction predication through multimodal biomedical data
2025-Jun-10, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06165-6
PMID:40495152
|
研究论文 | 本文提出了一种名为SCATrans的语义交叉注意力转换器模型，用于通过多模态生物医学数据预测药物-药物相互作用 | 提出了一种新的SCAT模型，结合了BioBERT、Doc2Vec、图卷积网络、BiGRU和交叉注意力机制，以处理多模态生物医学数据中的无序、不平衡和语言错误问题 | 未明确提及具体局限性，但可能包括对多模态数据处理复杂性和模型泛化能力的挑战 | 预测药物-药物相互作用（DDIs），以支持药物治疗、药物开发、药物监管和公共卫生 | 药物-药物相互作用 | 自然语言处理 | NA | BioBERT, Doc2Vec, 图卷积网络, BiGRU, 交叉注意力机制 | SCATrans (语义交叉注意力转换器) | 多模态生物医学数据 | DDIExtraction-2013数据集 | NA | NA | NA | NA |
| 9471 | 2025-06-14 |
Brain tau PET-based identification and characterization of subpopulations in patients with Alzheimer's disease using deep learning-derived saliency maps
2025-Jun-09, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00761-4
PMID:40488912
|
研究论文 | 本研究利用深度学习衍生的显著性图谱，基于脑tau PET数据识别和表征阿尔茨海默病患者的亚群 | 使用深度学习模型生成的显著性图谱作为聚类特征，揭示了阿尔茨海默病患者中两个具有不同tau沉积模式的亚群 | 研究样本主要来自ADNI数据库，可能无法代表所有阿尔茨海默病患者群体 | 探究阿尔茨海默病的异质性并识别患者亚群 | 阿尔茨海默病患者和认知正常人群 | 数字病理学 | 阿尔茨海默病 | 18F-flortaucipr PET扫描，T1加权MRI | 3D-CNN | 医学影像 | 615名认知正常者和159名AD患者的脑部扫描数据 | NA | NA | NA | NA |
| 9472 | 2025-06-14 |
AI Approaches to Homogeneous Catalysis with Transition Metal Complexes
2025-Jun-06, ACS catalysis
IF:11.3Q1
DOI:10.1021/acscatal.5c01202
PMID:40502974
|
综述 | 本文综述了人工智能在均相过渡金属催化研究中的应用及其进展 | 讨论了AI在催化剂筛选、反应条件优化及新型催化剂逆向设计中的创新应用 | 大多数研究依赖于计算数据，实验数据的获取仍有待改进 | 探讨AI在均相金属催化反应中的应用现状及未来发展方向 | 均相过渡金属催化反应 | 化学信息学 | NA | AI、深度学习 | 生成式AI | 计算数据、实验数据 | NA | NA | NA | NA | NA |
| 9473 | 2025-06-14 |
Automatic Design Framework of Dielectric Elastomer Actuators: Neural Network-Based Real-Time Simulation, Genetic Algorithm-Based Electrode Optimization, and Experimental Verification
2025-Jun, Soft robotics
IF:6.4Q1
DOI:10.1089/soro.2024.0063
PMID:39610306
|
研究论文 | 提出了一种基于深度学习的自动设计框架，用于快速生成高维分布式电极图案的介电弹性体致动器（DEAs） | 结合神经网络和遗传算法，实现了DEAs电极图案的自动优化设计，显著提高了设计效率和性能 | 高维设计空间可能对深度学习模型的准确性和通用性带来挑战 | 优化介电弹性体致动器（DEAs）的设计过程，提高其性能和设计效率 | 介电弹性体致动器（DEAs） | 机器学习 | NA | 深度学习、遗传算法、有限元模型 | 神经网络 | 模拟数据、实验数据 | 一系列案例研究（包括最大位移、特定位移、解决方案的多重性、多自由度驱动和复杂驱动） | NA | NA | NA | NA |
| 9474 | 2025-06-14 |
Diagnosis and Post-Treatment Follow-Up Evaluation of Melasma Using Optical Coherence Tomography and Deep Learning
2025-Jun, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70006
PMID:40084480
|
研究论文 | 本研究结合光学相干断层扫描（OCT）和深度学习技术，用于黄褐斑的诊断和治疗后随访评估 | 提出了一种便携式OCT系统与改进的VGG16神经网络结合的空间注意力机制模型，用于黄褐斑的诊断和治疗评估 | NA | 开发一种结合OCT和深度学习的技术，用于黄褐斑的临床诊断和治疗评估 | 健康志愿者和黄褐斑患者的皮肤组织 | 数字病理 | 黄褐斑 | 光学相干断层扫描（OCT） | VGG16神经网络（带空间注意力机制） | 图像 | 健康志愿者和黄褐斑患者的皮肤组织数据集 | NA | NA | NA | NA |
| 9475 | 2025-06-14 |
A General Framework for Augmenting Lossy Compressors With Topological Guarantees
2025-Jun, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3567054
PMID:40333107
|
research paper | 提出了一种通用框架，用于增强有损压缩器以在压缩过程中保留数据的拓扑结构 | 引入了一个通用框架，通过量化调整并使用自定义可变精度编码方案来保存轮廓树，从而保证数据的拓扑结构 | 未提及具体压缩效率或计算开销的量化分析 | 在科学数据压缩中保留拓扑描述符 | 科学数据（如材料科学和气候模拟中的体积数据） | 数据压缩与可视化 | NA | 可变精度编码 | SZ3, TTHRESH, ZFP, Neurcomp | 体积数据 | NA | NA | NA | NA | NA |
| 9476 | 2025-06-14 |
A Novel Diffusion Irradiation Method to Monitor Thermal Effects on Deep Subcutaneous Vessels Using Laser Speckle Contrast Imaging
2025-Jun, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500089
PMID:40357992
|
研究论文 | 本研究通过新型扩散照射方法，利用激光散斑对比成像监测激光手术中深层皮下血管的热效应 | 结合激光散斑对比成像与深度学习去噪技术，提出监测深层皮下血管激光诱导效应的新策略 | 实验仅在大鼠模型中进行，尚未在人体验证 | 研究激光手术中皮肤上层对光传播和热扩散的影响，优化血管皮肤病治疗策略 | 大鼠背部窗口模型中的深层皮下血管 | 数字病理学 | 血管皮肤病 | 激光散斑对比成像(LSCI)，深度学习去噪 | 深度学习 | 图像 | 20只Sprague Dawley大鼠 | NA | NA | NA | NA |
| 9477 | 2025-06-14 |
Multimodal Diagnostic Approach for Osteosarcoma and Bone Callus Using Hyperspectral Imaging and Deep Learning
2025-Jun, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500087
PMID:40357996
|
研究论文 | 本研究提出了一种结合高光谱成像和深度学习的多模态诊断方法J-CAN，用于快速准确区分骨肉瘤和骨痂 | 提出J-CAN框架，整合高光谱成像和H&E染色病理学，通过自注意力机制增强特征选择，提高分类性能 | 未提及样本来源的多样性或模型在其他数据集上的泛化能力 | 提高骨肉瘤与骨痂的区分准确率，解决传统组织病理学评估的局限性 | 骨肉瘤和骨痂样本 | 数字病理学 | 骨肉瘤 | 高光谱成像（HSI） | MobileNetV2, 1D-CNN, 自注意力机制 | 高光谱图像和H&E染色病理图像 | NA | NA | NA | NA | NA |
| 9478 | 2025-06-14 |
A Deep Learning-Based Artificial Intelligence Model Assisting Thyroid Nodule Diagnosis and Management: Pilot Results for Evaluating Thyroid Malignancy in Pediatric Cohorts
2025-Jun, Thyroid : official journal of the American Thyroid Association
IF:5.8Q1
DOI:10.1089/thy.2024.0627
PMID:40454939
|
research paper | 研究探讨了基于深度学习的AI模型在儿童甲状腺结节诊断中的适用性 | 首次将原本基于成人数据训练的AI-Thyroid模型应用于儿童甲状腺结节的诊断 | 样本量较小（128例），且为回顾性研究 | 评估深度学习模型在儿童甲状腺结节恶性风险评估中的性能 | 儿童甲状腺结节患者 | digital pathology | thyroid cancer | ultrasonography | DL | image | 128名儿童患者（156个结节） | NA | NA | NA | NA |
| 9479 | 2025-06-14 |
Deep learning reconstruction in biparametric prostate MRI: Impact on qualitative and radiomics analyses
2025-Jun, Research in diagnostic and interventional imaging
DOI:10.1016/j.redii.2025.100059
PMID:40503095
|
research paper | 评估深度学习重建（DLR）算法在前列腺MRI定性和放射组学分析中的影响 | 首次评估商业DLR算法在前列腺MRI中对放射组学特征的影响 | 单中心回顾性研究，样本量较小（25例患者） | 评估DLR算法对前列腺MRI图像质量和放射组学分析的影响 | 前列腺MRI图像 | digital pathology | prostate cancer | MRI, 放射组学分析 | DLR（深度学习重建算法） | 医学影像 | 25例患者的前列腺MRI数据 | NA | NA | NA | NA |
| 9480 | 2025-06-14 |
Deep Learning-Assisted Microscopic Polarization Inspection of Micro-Nano Damage Precursors: Automatic, Non-Destructive Metrology for Additive Manufacturing Devices
2025-May-29, Nanomaterials (Basel, Switzerland)
DOI:10.3390/nano15110821
PMID:40497869
|
研究论文 | 提出了一种创新的微观偏振YOLOv11-LSF智能检测框架，用于增材制造设备微纳米损伤前驱体的自动无损检测 | 通过三重技术创新（多尺度感知模块、跨级局部网络VoV-GSCSP模块、结合物理特征的损伤前驱体模拟策略），突破了现有技术瓶颈 | 未明确提及具体局限性 | 解决增材制造质量监测系统中的智能转型挑战 | 增材制造设备中的微纳米损伤前驱体 | 智能制造 | NA | 微观偏振检测、深度学习 | YOLOv11-LSF | 图像 | 虚拟与真实集成的训练样本库（具体数量未提及） | NA | NA | NA | NA |