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 32373 篇文献，本页显示第 9501 - 9520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9501 | 2025-05-31 |
Automatic smart brain tumor classification and prediction system using deep learning
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95803-3
PMID:40295548
|
研究论文 | 提出了一种基于深度学习的智能脑肿瘤分类和预测系统 | 结合定制CNN模型和预训练模型（Inception-v4和EfficientNet-B4），用于脑肿瘤的早期检测和分类，系统具有高准确性和适应性 | 未提及模型在临床环境中的实际应用效果及泛化能力 | 开发智能监测系统以实现脑肿瘤的早期检测、分类和预测 | 脑肿瘤MRI图像 | 数字病理 | 脑肿瘤 | 深度学习 | CNN, Inception-v4, EfficientNet-B4 | 图像 | 1000张脑肿瘤图像 | NA | NA | NA | NA |
| 9502 | 2025-05-31 |
Automatic Controversy Detection Based on Heterogeneous Signed Attributed Network and Deep Dual-Layer Self-Supervised Community Analysis
2025-Apr-27, Entropy (Basel, Switzerland)
DOI:10.3390/e27050473
PMID:40422428
|
研究论文 | 本研究提出了一种基于异构签名属性网络和深度双层自监督社区分析的计算方法，用于社交媒体平台上的争议检测 | 该方法整合了社交媒体中的多维异构信息，并引入了一种新的争议度量标准，考虑了社区区分、介数中心性和用户表示三个维度 | NA | 开发一种更稳定和准确的社交媒体争议检测方法 | 社交媒体平台上的争议内容 | 自然语言处理 | NA | 文本挖掘和深度学习 | 深度双层自监督算法 | 文本 | 微博数据集，包括#微博(3792)、#评论(45,741)、#转发(36,126)和#用户(61,327) | NA | NA | NA | NA |
| 9503 | 2025-05-31 |
Bilingual Sign Language Recognition: A YOLOv11-Based Model for Bangla and English Alphabets
2025-Apr-27, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050134
PMID:40422991
|
研究论文 | 本研究开发了一种基于YOLOv11的双语手语识别模型，用于同时识别孟加拉手语(BdSL)和英语手语(ASL)的字母 | 首次提出了一种能够同时识别两种不同手语字母的实时检测系统，采用改进的YOLOv11架构并取得了较高的识别准确率 | 仅针对字母级别的识别，未涉及更复杂的手语词汇或句子结构 | 开发一个统一的双语手语识别系统以改善听障人士的跨语言交流 | 孟加拉手语(BdSL)和英语手语(ASL)的字母符号 | 计算机视觉 | NA | 深度学习 | YOLOv11 | 图像 | 9556张包含64种不同字母符号的图像 | NA | NA | NA | NA |
| 9504 | 2025-05-31 |
Performance Evaluation of Image Segmentation Using Dual-Energy Spectral CT Images with Deep Learning Image Reconstruction: A Phantom Study
2025-Apr-27, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11050051
PMID:40423253
|
research paper | 评估不同能量水平的单色图像在医学图像分割中的性能 | 使用双能谱CT图像结合深度学习图像重建技术进行图像分割性能评估 | 研究仅针对低密度、非增强物体在低剂量条件下的表现 | 评估不同能量水平和重建算法对医学图像分割性能的影响 | ACR464体模中的低密度模块 | digital pathology | NA | 双能谱CT成像，深度学习图像重建 | U-Net | CT图像 | ACR464体模中的低密度模块（直径25 mm，密度差6 HU） | NA | NA | NA | NA |
| 9505 | 2025-05-31 |
A Deep Learning Algorithm for Multi-Source Data Fusion to Predict Effluent Quality of Wastewater Treatment Plant
2025-Apr-27, Toxics
IF:3.9Q1
DOI:10.3390/toxics13050349
PMID:40423427
|
研究论文 | 本文介绍了一种融合多源数据的深度学习方法，用于预测污水处理厂的出水质量 | 提出了一种结合LSTM和GRU的深度学习算法，用于多源数据融合，预测污水处理厂出水质量，相比传统机器学习算法有显著提升 | 案例研究仅在中国安徽省的一个工业污水处理厂进行，可能限制了结果的普适性 | 构建准确的污水处理厂出水质量模型，为运营管理提供决策支持 | 污水处理厂的出水质量 | 机器学习 | NA | 深度学习 | LSTM, GRU | 多源数据（水量数据、工艺数据、能耗数据、水质数据） | 中国安徽省的一个工业污水处理厂案例 | NA | NA | NA | NA |
| 9506 | 2025-05-31 |
An integrated AI knowledge graph framework of bacterial enzymology and metabolism
2025-Apr-15, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2425048122
PMID:40193601
|
research paper | 该研究介绍了一个名为IBIS的集成AI知识图谱框架，用于快速、可扩展的细菌代谢推断 | 利用深度学习和知识图谱技术，结合Transformer模型生成高质量的酶、生物合成域和代谢途径的嵌入表示，实现大规模代谢蛋白质和途径的快速比较 | 未提及具体的数据集规模或模型性能的详细比较 | 改进细菌代谢研究，促进人类健康和农业实践的发展 | 细菌代谢、酶、生物合成域和代谢途径 | machine learning | NA | 深度学习、知识图谱、Transformer模型 | Transformer | 基因组测序数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 9507 | 2025-05-31 |
Waveform-Specific Performance of Deep Learning-Based Super-Resolution for Ultrasound Contrast Imaging
2025-04, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3537298
PMID:40031250
|
研究论文 | 本研究探讨了基于深度学习的超分辨率技术在超声对比成像中针对不同波形脉冲的性能表现 | 首次评估了CNN在谐波脉冲、啁啾脉冲和延迟编码脉冲序列驱动下对微泡定位的去卷积性能，并比较了不同脉冲在噪声条件下的鲁棒性 | 仅提供了初步的体外和体内超分辨率实验结果，尚未进行全面的临床应用验证 | 提高超声对比成像的空间分辨率以更好地解析动脉血流 | 超声对比成像中的微泡信号 | 医学影像处理 | 心血管疾病 | 超声对比成像、深度学习超分辨率 | CNN | 射频(RF)信号 | NA | NA | NA | NA | NA |
| 9508 | 2025-05-31 |
Tissue Clutter Filtering Methods in Ultrasound Localization Microscopy Based on Complex-Valued Networks and Knowledge Distillation
2025-04, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3544692
PMID:40031806
|
研究论文 | 本研究提出了一种基于复数神经网络和知识蒸馏的超声定位显微镜组织杂波滤波方法，以提高滤波效率和性能 | 提出使用知识蒸馏技术，将复数卷积神经网络（CCNN）的知识迁移到实值卷积神经网络（CNN）中，从而在保持性能的同时提高滤波效率 | 虽然该方法在模拟和体内数据上表现良好，但可能仍需进一步验证其在更广泛临床数据上的适用性 | 提高超声定位显微镜（ULM）中组织杂波滤波的效率和性能 | 微泡（MBs）作为对比剂的超声定位显微镜图像 | 医学影像处理 | NA | 知识蒸馏、复数卷积神经网络（CCNN）、实值卷积神经网络（CNN） | CL-UNet（教师模型）、UNet-T（学生模型）、Guided UNet-T | I/Q信号、包络数据 | 模拟数据和体内数据 | NA | NA | NA | NA |
| 9509 | 2025-05-31 |
Advancing Single-Plane Wave Ultrasound Imaging With Implicit Multiangle Acoustic Synthesis via Deep Learning
2025-04, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3541113
PMID:40031850
|
research paper | 该论文提出了一种通过深度学习隐式合成多角度声波信息的方法，以提升单平面波超声成像的质量，同时保持其高帧率优势 | 开发了一种新颖的网络架构，能够隐式集成多角度信息，通过生成和动态结合虚拟转向平面波来模拟多角度复合效果，而无需实际增加平面波数量 | 虽然论文展示了在模拟、实验模型和体内目标数据集上的优越性能，但未明确说明该方法在临床环境中的广泛适用性和潜在限制 | 提升单平面波超声成像的质量，同时保持其高帧率优势 | 平面波超声成像技术 | 医学影像处理 | NA | 深度学习 | 深度学习网络（具体架构未明确说明） | 超声图像数据 | 模拟数据、实验模型数据和体内目标数据（具体数量未明确说明） | NA | NA | NA | NA |
| 9510 | 2025-05-31 |
A Single-Camera Method for Estimating Lift Asymmetry Angles Using Deep Learning Computer Vision Algorithms
2025-Apr, IEEE transactions on human-machine systems
IF:3.5Q1
DOI:10.1109/thms.2025.3539187
PMID:40160534
|
research paper | 提出了一种使用单摄像头和深度学习计算机视觉算法自动测量NIOSH提升方程不对称角的方法 | 利用单摄像头和深度学习算法解决了实际场景中视角遮挡和摄像头放置限制的问题 | 与3D运动捕捉相比，精度误差为6.25°，准确度误差为9.45° | 开发一种自动测量提升不对称角的方法 | 十名参与者在实验室环境中进行的各种提升动作 | computer vision | NA | HR-Net, VideoPose3D | deep learning | video | 10名参与者，360个样本 | NA | NA | NA | NA |
| 9511 | 2025-05-31 |
Deep neural networks excel in COVID-19 disease severity prediction-a meta-regression analysis
2025-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95282-6
PMID:40133706
|
meta-analysis | 该研究通过元回归分析评估了深度神经网络在COVID-19疾病严重程度预测中的优越性 | 首次使用MetaForest算法识别工具性能的相关混杂因素，并通过混合效应元回归模型比较了线性、机器学习和深度学习方法 | 88%的研究存在高偏倚风险，主要由于数据分析的缺陷 | 评估COVID-19严重程度预测工具的性能，指导临床医生选择最佳工具并优化资源管理 | 住院的COVID-19患者 | 机器学习 | COVID-19 | MetaForest算法, 混合效应元回归模型 | Neural Networks, 机器学习方法 | 临床、实验室和影像数据 | 约280万患者，来自430项独立评估 | NA | NA | NA | NA |
| 9512 | 2025-05-31 |
AI-Derived Blood Biomarkers for Ovarian Cancer Diagnosis: Systematic Review and Meta-Analysis
2025-Mar-24, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/67922
PMID:40126546
|
meta-analysis | 本文通过系统综述和荟萃分析评估了AI衍生的血液生物标志物在卵巢癌诊断中的研究质量和有效性 | 首次对AI在卵巢癌血液生物标志物发现中的诊断价值进行了系统评估，并比较了不同AI算法和样本类型的性能差异 | 纳入研究之间存在异质性，且部分研究缺乏外部验证 | 评估AI衍生的血液生物标志物在卵巢癌诊断中的有效性 | 卵巢癌患者 | 数字病理 | 卵巢癌 | AI算法（包括机器学习和深度学习） | 机器学习 vs 深度学习 | 血液生物标志物数据 | 40项研究 | NA | NA | NA | NA |
| 9513 | 2025-05-31 |
Explainable AI for Intraoperative Motor-Evoked Potential Muscle Classification in Neurosurgery: Bicentric Retrospective Study
2025-Mar-24, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/63937
PMID:40127441
|
研究论文 | 本研究开发并评估了用于术中运动诱发电位（MEP）肌肉分类的机器学习方法，并利用可解释人工智能（XAI）技术识别关键信号特征 | 结合机器学习与可解释人工智能技术，首次在双中心设置下验证MEP信号分类模型，并识别出频率成分和峰值潜伏期等关键特征 | 研究为回顾性设计，样本量相对有限（151例训练手术/58例测试手术），且仅针对四种特定肌肉 | 开发可靠的MEP肌肉分类模型以提高神经外科手术患者安全性，并探索影响分类的关键信号特征 | 幕上神经外科手术中四种肌肉（指伸肌、拇短展肌、胫骨前肌和拇展肌）的运动诱发电位信号 | 数字病理 | 神经系统疾病 | 运动诱发电位监测（IONM） | 随机森林（RF）、1D-CNN和2D-CNN | 时间序列生物电信号 | 训练集：36,992个MEP（151例手术）；测试集：24,298个MEP（58例手术） | NA | NA | NA | NA |
| 9514 | 2025-05-31 |
Establishment of a deep-learning-assisted recurrent nasopharyngeal carcinoma detecting simultaneous tactic (DARNDEST) with high cost-effectiveness based on magnetic resonance images: a multicenter study in an endemic area
2025-Mar-24, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00853-5
PMID:40128777
|
研究论文 | 本研究探讨了利用未增强磁共振图像（MRI）检测局部复发性鼻咽癌（rNPC）的可行性，并通过深度学习模型优化了随访的分层管理策略 | 开发了一种基于深度学习的复发性鼻咽癌同步检测策略（DARNDEST），结合了3D DenseNet和ResNet框架，提高了检测的准确性和敏感性 | 特异性相比T1_T2模型有所降低，且研究结果基于假设的1000名患者队列 | 优化复发性鼻咽癌的检测方法，提高随访管理的效率和经济效益 | 局部复发性鼻咽癌（rNPC）患者 | 数字病理 | 鼻咽癌 | MRI（T1WI, T2WI, T1WIC） | 3D DenseNet, ResNet | 图像 | 假设队列1000名患者（内部和外部测试集） | NA | NA | NA | NA |
| 9515 | 2025-05-31 |
A Two-Stage Lightweight Deep Learning Framework for Mass Detection and Segmentation in Mammograms Using YOLOv5 and Depthwise SegNet
2025-Mar-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01471-0
PMID:40087224
|
研究论文 | 提出了一种轻量级的两阶段深度学习框架，用于在乳腺X光片中检测和分割肿块，确保医疗数据隐私 | 结合YOLOv5和深度可分离卷积的SegNet架构，创建了一个参数少、推理速度快的轻量级模型，可直接在用户浏览器中运行 | 在CBIS-DDSM数据集上的mAP@50为50.3%，性能仍有提升空间 | 开发一个高效且保护隐私的乳腺癌肿块检测和分割解决方案 | 乳腺X光片中的肿块 | 计算机视觉 | 乳腺癌 | 深度学习 | YOLOv5, SegNet | 图像 | CBIS-DDSM和INbreast数据集 | NA | NA | NA | NA |
| 9516 | 2025-05-31 |
Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer
2025-Mar-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.07.642107
PMID:40161587
|
研究论文 | 该研究通过空间单细胞成像和单细胞RNA测序分析了50个肿瘤生物样本中的200多万个细胞，开发了一种基于深度学习的策略来空间映射肿瘤细胞状态及其周围结构 | 提出了空间动态网络（SDN）的概念，揭示了肿瘤细胞状态如何组织成独特的集群（'村庄'），并展示了这些村庄与肿瘤微环境之间的分子共依赖性 | 研究仅针对肝癌，未涉及其他癌症类型 | 理解肿瘤空间景观及其对肿瘤侵袭性的影响 | 肝癌肿瘤细胞及其微环境 | 数字病理学 | 肝癌 | 空间单细胞成像, 单细胞RNA测序 | 深度学习 | 图像, 基因表达数据 | 50个肿瘤生物样本中的200多万个细胞 | NA | NA | NA | NA |
| 9517 | 2025-05-31 |
Graph neural networks for single-cell omics data: a review of approaches and applications
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf109
PMID:40091193
|
综述 | 本文系统回顾了图神经网络（GNNs）在单细胞组学数据分析中的应用及其六种变体 | 首次系统总结了GNNs在单细胞组学数据分析中的107个成功应用案例，并整理了77个公开可用的单细胞数据集 | 当前研究可能存在方法学上的不足，需要未来进一步探索 | 深化GNNs在单细胞组学数据分析中的应用 | 单细胞组学数据 | 机器学习 | NA | 单细胞测序技术 | GNN及其六种变体 | 单细胞组学数据（表观基因组学、转录组学、空间转录组学、蛋白质组学和多组学） | 总结了77个公开可用的单细胞数据集 | NA | NA | NA | NA |
| 9518 | 2025-05-31 |
Utilising routinely collected clinical data through time series deep learning to improve identification of bacterial bloodstream infections: a retrospective cohort study
2025-03, The Lancet. Digital health
DOI:10.1016/j.landig.2025.01.010
PMID:40015765
|
研究论文 | 本研究利用常规收集的临床数据，通过时间序列深度学习技术，提高了细菌性血流感染的识别能力 | 使用LSTM模型分析时间序列数据，显著提高了对血流感染的预测准确性 | 研究为回顾性队列研究，可能存在数据偏差 | 开发和评估利用医疗数据预测住院患者血流感染的模型 | 住院患者 | 机器学习 | 血流感染 | 血液培养 | LSTM, logistic regression | 临床数据 | 20850名患者（训练集15212名，测试集5638名） | NA | NA | NA | NA |
| 9519 | 2025-05-31 |
A Robust and Efficient Representation-based DNA Storage Architecture by Deep Learning
2025-03, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202400959
PMID:40114483
|
research paper | 提出一种基于深度学习的表示型DNA存储架构，用于图像的高效和鲁棒存储 | 利用深度学习的出色表示和图像生成能力，结合自编码器和U-Net网络，实现了DNA存储中噪声读取下的图像表示、构建和优化 | 在插入-删除-替换(IDS)错误率低于6%的场景下才能重建中等质量的图像 | 开发一种鲁棒且高效的DNA存储架构，用于大规模图像应用 | 图像数据 | 数字病理 | NA | DNA存储 | autoencoder, U-Net | 图像 | 14个质粒中存储的图像 | NA | NA | NA | NA |
| 9520 | 2025-05-31 |
Deep Learning Derived Adipocyte Size Reveals Adipocyte Hypertrophy is under Genetic Control
2025-Feb-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.11.25322053
PMID:39990583
|
研究论文 | 本研究利用深度学习技术自动分析脂肪细胞大小，探讨其与肥胖相关性状及遗传关联的关系 | 开发了基于深度学习的脂肪组织切片语义分割方法，进行了迄今为止最大规模的脂肪细胞表型与遗传关联研究 | 研究样本主要来自特定人群，可能限制结果的普适性 | 探究脂肪细胞大小与肥胖相关代谢特征的关联及其遗传基础 | 皮下和内脏脂肪组织样本 | 数字病理学 | 肥胖相关疾病 | 深度学习 | 语义分割模型 | 组织切片图像 | 5个独立队列中的2,667份样本，包含9,000张全切片图像和超过2,700万个脂肪细胞 | NA | NA | NA | NA |