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 9561 - 9580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9561 | 2025-05-31 |
Weakly supervised learning for subcutaneous edema segmentation of abdominal CT using pseudo-labels and multi-stage nnU-Nets
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3008793
PMID:39371589
|
research paper | 该论文提出了一种弱监督学习方法，用于腹部CT扫描中皮下水肿的自动分割，以提高水肿的量化准确性 | 使用强度先验生成的水肿伪标签和肌肉、皮下及内脏脂肪组织的伪标签进行上下文学习，结合多阶段nnU-Nets，显著降低了分割误差 | 依赖于伪标签的质量，可能受到初始分割误差的影响 | 开发一种非侵入性方法，通过腹部CT扫描自动分割水肿，以监测肾、肝或心力衰竭等疾病的进展 | 腹部CT扫描中的皮下水肿 | digital pathology | kidney, liver or heart failure | weakly supervised learning, nnU-Nets | nnU-Nets | 3D CT images | NA | NA | NA | NA | NA |
| 9562 | 2025-05-31 |
DeepDate: A deep fusion model based on whale optimization and artificial neural network for Arabian date classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305292
PMID:39078864
|
研究论文 | 提出了一种基于鲸鱼优化算法和人工神经网络的深度融合模型DeepDate，用于阿拉伯椰枣分类 | 结合鲸鱼优化算法和人工神经网络，提高了椰枣分类的准确性和效率 | 未提及模型在小规模生产者中的实际应用效果 | 提高椰枣分类的准确性和效率 | 阿拉伯椰枣（Barhi, Khalas, Meneifi, Naboot Saif, Sullaj） | 计算机视觉 | NA | 深度学习算法 | 人工神经网络（ANN） | 图像 | 五类椰枣图像（具体数量未提及） | NA | NA | NA | NA |
| 9563 | 2025-05-31 |
Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI
2024, NeuroImage. Clinical
DOI:10.1016/j.nicl.2024.103638
PMID:39002223
|
research paper | 该研究利用深度学习和多模态数据结合可解释AI技术，预测中风后的恢复情况 | 提出了一种新颖的方法，通过训练CNN在结合MRI提取的ROIs和表格数据的符号表示的图像上，以提高分类准确性 | 数据集在机器学习标准下相对较小，可能影响模型的泛化能力 | 预测中风后症状及其对康复的反应，以提高分类准确性 | 758名英语中风幸存者，参与PLORAS研究 | machine learning | cardiovascular disease | MRI扫描和表格数据结合 | CNN, 2D Residual Neural Network (ResNet), 3D CNN | image, tabular data | 758名中风幸存者，其中286名初始有中度或重度失语症 | NA | NA | NA | NA |
| 9564 | 2025-05-31 |
Large-Kernel Attention for 3D Medical Image Segmentation
2024, Cognitive computation
IF:4.3Q1
DOI:10.1007/s12559-023-10126-7
PMID:38974012
|
research paper | 提出了一种新型3D大核注意力模块，用于提高多器官和肿瘤在3D医学图像中的分割准确性 | 结合了生物启发的自注意力和卷积的优点，包括局部上下文信息、长距离依赖和通道适应性，同时通过分解大核卷积优化计算成本 | 未明确提及具体限制，但可能包括对特定类型医学图像的适用性或计算资源需求 | 实现准确的3D医学图像分割，特别是多器官和肿瘤的分割 | MRI和CT扫描中的多器官和肿瘤 | digital pathology | cancer | deep learning | U-Net with 3D LK attention module | 3D medical images (MRI, CT) | CT-ORG and BraTS 2020 datasets | NA | NA | NA | NA |
| 9565 | 2025-05-31 |
Interpolation-split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance
2024, Journal of big data
IF:8.6Q1
DOI:10.1186/s40537-024-00974-x
PMID:39109339
|
研究论文 | 提出了一种基于数据中心的深度学习方法Interpolation-Split，通过大数据插值提升气道分割性能 | 利用插值和图像分割技术提高数据质量和实用性，并采用集成学习策略整合不同尺度的气道分割结果 | 未提及具体限制 | 提升气道树的分割性能，以支持慢性呼吸系统疾病的诊断和特征分析 | 气道树的分割 | 数字病理 | 慢性呼吸系统疾病 | 深度学习，插值技术，图像分割 | nnU-Net, modified dilated U-Net | 医学图像 | 未提及具体样本量 | NA | NA | NA | NA |
| 9566 | 2025-05-31 |
Deep learning pipeline reveals key moments in human embryonic development predictive of live birth after in vitro fertilization
2024, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpae052
PMID:39114746
|
research paper | 该研究应用卷积神经网络（CNN）识别人类胚胎植入前发育中的关键窗口，以预测体外受精（IVF）后的活产概率 | 利用CNN模型识别胚胎发育中的关键时间点，提高胚胎存活率评估的准确性，并展示了在有限数据集上的迁移学习能力 | 研究可能受限于数据集的大小和异质性，且模型性能可能因诊所间的数据差异而有所不同 | 提高体外受精（IVF）治疗中胚胎选择的有效性，以增加活产率 | 人类胚胎在体外受精（IVF）过程中的发育情况 | digital pathology | NA | CNN | CNN | image | NA | NA | NA | NA | NA |
| 9567 | 2025-05-31 |
A Functional Connectivity-Based Model With a Lightweight Attention Mechanism for Depression Recognition Using EEG Signals
2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2024.3509776
PMID:40030510
|
research paper | 本研究设计了一种基于轻量级注意力机制的深度学习模型FCAN，用于通过EEG信号及其相干矩阵实现有效的抑郁症识别 | 设计了一种轻量级注意力机制，减少了模型参数和计算成本，并构建了FCAN模型，其在抑郁症识别上的分类性能优于基线模型 | 模型性能的稳定性可能受到参数初始化过程随机性的影响 | 开发一种高效的抑郁症识别方法 | 抑郁症患者的EEG信号 | machine learning | depression | EEG信号分析 | FCAN (Functional Connectivity Attention Network) | EEG信号及其相干矩阵 | 使用公共EEG数据集进行评估 | NA | NA | NA | NA |
| 9568 | 2025-05-31 |
Anatomical Location-Guided Deep Learning-Based Genetic Cluster Identification of Pheochromocytomas and Paragangliomas From CT Images
2024, Applications of Medical Artificial Intelligence : Second International Workshop, AMAI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings
DOI:10.1007/978-3-031-47076-9_7
PMID:40342794
|
研究论文 | 本研究提出了一种基于解剖位置引导的深度学习方法来从CT图像中识别嗜铬细胞瘤和副神经节瘤的遗传簇 | 使用双分支视觉变换器（ViT）模型，结合解剖位置信息和遗传类型信息，通过监督对比学习策略优化分类性能 | 样本量相对较小（289名患者的1010个PPGLs），且模型性能仍有提升空间（准确率0.63±0.08） | 开发一种替代昂贵且耗时的基因检测的方法，通过CT图像识别PPGLs的遗传簇 | 嗜铬细胞瘤和副神经节瘤（PPGLs） | 数字病理 | 神经内分泌肿瘤 | 对比增强CT（CE-CT）扫描 | 双分支视觉变换器（ViT） | 医学影像 | 289名患者的1010个PPGLs | NA | NA | NA | NA |
| 9569 | 2025-05-31 |
Opportunities and Challenges in Applying AI to Evolutionary Morphology
2024, Integrative organismal biology (Oxford, England)
DOI:10.1093/iob/obae036
PMID:40433986
|
综述 | 本文综述了人工智能在进化形态学研究中的应用现状与未来潜力 | 系统梳理了AI技术在进化形态学中的三阶段发展历程，并指出尚未开发的AI应用领域 | 未具体说明当前AI方法在进化形态学中的实际应用限制 | 探讨AI技术在进化形态学研究中的应用前景 | 进化形态学中的表型数据分析 | 机器学习 | NA | 机器学习、深度学习、多模态学习 | NA | 图像数据、表型数据 | NA | NA | NA | NA | NA |
| 9570 | 2025-05-31 |
Development of Multiscale 3D Residual U-Net to Segment Edematous Adipose Tissue by Leveraging Annotations from Non-Edematous Adipose Tissue
2023-Nov, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2669719
PMID:40256010
|
研究论文 | 本文开发了一种多尺度3D残差U-Net模型，用于从非水肿脂肪组织的注释中分割水肿脂肪组织 | 利用不准确的注释直接训练深度学习模型，提高了脂肪组织分割的准确性，无需手动注释 | 训练数据中缺乏水肿脂肪组织的异质性，可能影响模型在极端情况下的表现 | 开发一种无需手动注释的深度学习模型，用于医学图像中的脂肪组织分割 | CT扫描中的脂肪组织 | 数字病理学 | 水肿 | 深度学习 | 3D残差U-Net | 医学图像（CT扫描） | 训练集101名患者，测试集14名患者（其中10名患有全身性水肿） | NA | NA | NA | NA |
| 9571 | 2025-05-31 |
Automated Classification of Intravenous Contrast Enhancement Phase of CT Scans Using Residual Networks
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2655263
PMID:40248190
|
research paper | 本研究利用残差网络（ResNet34）自动分类CT扫描的静脉对比增强阶段，以提高计算机辅助诊断的准确性 | 首次使用ResNet34自动分类多期CT扫描的静脉对比增强阶段，准确率达99%，优于VGG19和DenseNet121 | 研究使用的数据集仅包含395个弱标记的多期CT扫描，样本量相对较小 | 开发一种自动分类多期CT扫描的方法，以改进数据增强和深度学习模型的训练 | 多期CT扫描的静脉对比增强阶段 | computer vision | NA | deep learning | ResNet34, VGG19, DenseNet121 | image | 395个多期CT扫描（316训练，79测试） | NA | NA | NA | NA |
| 9572 | 2025-05-31 |
Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder
2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop)
DOI:10.1007/978-3-031-16980-9_10
PMID:39026926
|
研究论文 | 提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像以增强训练数据集的量和多样性 | 设计了条件嵌入块（CEB）和掩码嵌入块（MEB）来编码掩码的固有条件到特征空间，以更好地利用外部信息提供额外的监督 | 需要大量标注数据进行训练，而收集新兴治疗如LITT的大数据集是不现实的 | 通过合成脑部病变图像来增强训练数据集，以提升下游分割任务的性能 | 脑部病变图像 | 计算机视觉 | 颞叶癫痫 | 深度学习 | CNN, 对抗变分自编码器 | 图像 | NA | NA | NA | NA | NA |
| 9573 | 2025-05-31 |
Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security
2021-Aug-02, Nature electronics
IF:33.7Q1
DOI:10.1038/s41928-021-00612-x
PMID:39651407
|
研究论文 | 本文报告了一种基于智能手机的多重DNA疟疾诊断端到端平台 | 结合低成本纸基微流体诊断测试、深度学习算法进行本地决策支持，以及区块链技术确保数据安全连接和管理 | 研究仅在乌干达农村地区进行验证，未涉及其他地区或疾病 | 开发一种快速、准确的疟疾诊断平台，适用于资源有限的农村社区 | 疟疾诊断 | 数字病理 | 疟疾 | DNA诊断 | 深度学习 | 图像 | 乌干达农村地区的测试案例，准确率超过98% | NA | NA | NA | NA |
| 9574 | 2025-10-06 |
High-Throughput Molecular Imaging via Deep-Learning-Enabled Raman Spectroscopy
2021-12-07, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.1c02178
PMID:34797972
|
研究论文 | 提出基于深度学习的拉曼光谱框架DeepeR，实现高通量分子成像 | 开发首个结合去噪重建与空间超分辨的深度学习拉曼光谱框架，实现最高160倍成像加速 | 需要大量训练数据（150万光谱），组织尺度成像需依赖迁移学习 | 解决拉曼光谱数据采集速度慢的问题，实现高通量分子成像 | 细胞和组织尺度的生物样本 | 计算生物医学成像 | NA | 拉曼光谱，深度学习 | 神经网络 | 高光谱拉曼图像 | 超过150万光谱（相当于400小时采集数据） | NA | NA | 均方误差，空间分辨率 | NA |
| 9575 | 2025-10-07 |
The impact of partner interaction on brief social buffering in adolescent female rats as analyzed by deep learning-based object detection algorithms
2025-Aug-01, Physiology & behavior
IF:2.4Q2
DOI:10.1016/j.physbeh.2025.114934
PMID:40311725
|
研究论文 | 本研究通过深度学习算法分析伴侣互动对青春期雌性大鼠短暂社会缓冲效应的影响 | 首次使用YOLOv8和BoT-SORT深度学习算法分析社会缓冲行为，减少人为偏见并获取人类难以观察的变量 | 仅使用青春期Sprague-Dawley大鼠，样本时间窗口较短（仅3分钟缓冲期） | 探究短暂社会接触是否能在恐惧条件反射后产生社会缓冲效应，以及伴侣互动对此效应的影响 | 青春期Sprague-Dawley大鼠（4-5周龄，雄性和雌性） | 计算机视觉 | NA | 深度学习行为分析 | 目标检测算法 | 视频行为数据 | 青春期Sprague-Dawley大鼠群体（具体数量未明确说明） | YOLOv8, BoT-SORT | YOLOv8, BoT-SORT | 行为相关性分析 | NA |
| 9576 | 2025-10-07 |
Artificial intelligence applications for the diagnosis of pulmonary nodules
2025-Jul-01, Current opinion in pulmonary medicine
IF:2.8Q2
DOI:10.1097/MCP.0000000000001179
PMID:40326426
|
综述 | 评估人工智能在孤立性肺结节诊断中的应用价值及临床挑战 | 系统整合AI在影像学与液体活检中的诊断性能，强调临床转化障碍而非单纯技术细节 | 缺乏前瞻性多中心验证、存在过拟合风险、可解释性差且与临床评估指标重叠 | 探讨AI在肺结节诊断中的临床应用前景与局限性 | 孤立性肺结节（SPNs） | 数字病理 | 肺癌 | CT影像分析, RNA测序, 液体活检 | CNN, 机器学习 | 医学影像, 基因组数据, 临床数据 | NA | NA | NA | Dice相似系数, AUC | NA |
| 9577 | 2025-10-07 |
Predicting host-pathogen interactions with machine learning algorithms: A scoping review
2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases
DOI:10.1016/j.meegid.2025.105751
PMID:40220943
|
综述 | 本文通过范围综述方法系统评估机器学习算法在宿主-病原体相互作用预测中的应用现状 | 首次系统比较不同机器学习方法在HPI预测中的效果，提供未来研究路线图 | 数据集标准化不足和模型可解释性存在显著差距 | 评估机器学习在宿主-病原体相互作用预测中的有效性 | 宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用） | 机器学习 | 传染病 | 机器学习算法 | Random Forest, Gradient Boosting, CNN, RNN | 分子相互作用数据 | 46篇相关文献中筛选30篇进行综述 | NA | 卷积神经网络, 循环神经网络 | 准确率 | NA |
| 9578 | 2025-10-07 |
Combining Deep Data-Driven and Physics-Inspired Learning for Shear Wave Speed Estimation in Ultrasound Elastography
2025-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3561599
PMID:40238602
|
研究论文 | 提出一种结合数据驱动和物理启发学习的混合方法，用于超声弹性成像中的剪切波速度估计 | 采用自适应无监督损失函数，能够在没有已知SWS值的真实数据上训练网络，减少伪影并提高鲁棒性 | 仅在实验体模数据和两名人类受试者的肝脏数据上进行了验证，样本量有限 | 提高超声弹性成像中剪切波速度估计的准确性和鲁棒性 | 剪切波在生物组织中的传播特性 | 医学影像分析 | 肝脏疾病 | 超声弹性成像，剪切波弹性成像 | 深度学习 | 超声RF/IQ数据，位移数据 | 实验体模数据和两名人类受试者的肝脏数据 | NA | NA | 准确性，可靠性 | NA |
| 9579 | 2025-10-07 |
Virtual monochromatic image-based automatic segmentation strategy using deep learning method
2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104986
PMID:40318556
|
研究论文 | 本研究提出了一种基于双能CT虚拟单能图像的新型深度学习模型MIAU-Net，用于头颈部危及器官的自动分割 | 首次系统研究双能CT虚拟单能图像在自动分割中的应用，提出新型MIAU-Net模型并确定不同组织分割的最佳能量水平 | 研究样本量有限（46例患者），需要更多数据验证模型泛化能力 | 评估双能CT虚拟单能图像在自动分割中的性能并确定最佳能量水平 | 头颈部危及器官（脑干、视交叉、晶状体、下颌骨、眼睛、视神经） | 医学影像分析 | 头颈部肿瘤 | 双能CT（DECT）、虚拟单能图像（VMI） | 深度学习 | CT医学图像 | 46例患者的双能CT数据 | NA | MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse | Dice相似系数（DSC） | NA |
| 9580 | 2025-10-07 |
AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.143668
PMID:40339839
|
研究论文 | 提出一种基于指针网络的自动加权特征提取框架AutoFE-Pointer，用于DNA甲基化预测 | 使用改进的软化指针网络动态提取和加权DNA序列特征，能够同时处理多物种数据集 | 未明确说明模型在特定疾病类型上的具体表现 | 开发轻量级DNA甲基化预测工具，解决现有模型物种特异性限制和计算资源需求高的问题 | DNA甲基化模式 | 计算生物学 | 癌症 | DNA甲基化测序 | 指针网络 | DNA序列数据 | 17个不同基准数据集（跨多个物种） | NA | 改进的软化指针网络 | 预测准确性，跨物种泛化能力 | 本地离线环境部署 |