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 9661 - 9680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9661 | 2025-10-07 |
Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking
2025-06, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3529500
PMID:40030929
|
研究论文 | 提出一种通过手术刀运动分析评估开放手术中切割技能的方法 | 设计3D多面ArUco码立方体，结合YOLOv8模型和五种评估指标量化外科医生的切割技能 | 仅针对四种常见切口类型进行评估，样本量相对有限 | 开发客观的开放手术切割技能评估方法 | 外科医生的手术刀切割技能 | 计算机视觉 | NA | 空间标记跟踪，运动分析 | YOLOv8 | 图像，3D坐标数据 | 20名外科医生（专家和新手）执行四种切口类型 | YOLOv8 | YOLOv8 | 平均切口曲率偏差，切口长度差异，切口端点偏差，平均切口偏差，平均切割急动度 | NA |
| 9662 | 2025-10-07 |
Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning
2025-06, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3527141
PMID:40031047
|
研究论文 | 本研究通过定量超声和迁移学习技术探索声学液滴汽化在组织表征中的应用 | 首次将迁移学习与卷积神经网络结合用于区分不同纤维蛋白密度的水凝胶，并系统量化ADV气泡的声学特性和纹理特征 | 研究仅限于纤维蛋白基组织模拟水凝胶，尚未在真实生物组织中进行验证 | 开发基于声学液滴汽化的组织力学特性表征方法 | 纤维蛋白基组织模拟水凝胶中的相变纳米液滴 | 生物医学超声 | NA | 被动空化检测，B模式超声，对比增强超声，定量超声 | CNN | 超声图像，声学信号 | 不同纤维蛋白密度的水凝胶样本 | NA | AlexNet | NA | NA |
| 9663 | 2025-10-07 |
Marker Data Enhancement for Markerless Motion Capture
2025-06, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3530848
PMID:40031222
|
研究论文 | 本文开发了一种更准确和泛化能力更强的标记增强器，用于将稀疏视频关键点转换为密集解剖标记 | 创建了更大更多样化的训练数据集，开发了比OpenCap原始增强器更准确且泛化能力更强的标记增强模型 | 未明确提及具体限制，但暗示模型在未见过的多样化运动上仍有改进空间 | 提高无标记运动捕捉中人体姿态估计的准确性和泛化能力 | 人体运动捕捉数据 | 计算机视觉 | NA | 运动捕捉技术 | 深度学习模型 | 视频关键点数据、解剖标记数据 | 1176名受试者的标记运动捕捉数据，合成1433小时视频关键点和解剖标记 | NA | 标记增强器 | 平均误差、最大误差 | NA |
| 9664 | 2025-10-07 |
Predicting Synergistic Drug Combinations Based on Fusion of Cell and Drug Molecular Structures
2025-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00695-6
PMID:40088336
|
研究论文 | 提出一种名为DconnC的新方法，通过融合细胞和药物分子结构来预测协同药物组合 | 利用细胞特征作为节点建立药物分子结构间的连接，通过自增强对比学习优化特征提取 | NA | 开发可靠有效的计算方法预测协同药物组合 | 药物组合疗法 | 机器学习 | 癌症 | 深度学习 | Bi-RNN, LSTM | 分子结构数据，细胞特征数据 | NA | NA | 双向循环神经网络，长短期记忆网络 | 均方误差，Loewe协同评分 | NA |
| 9665 | 2025-05-28 |
CR-deal: Explainable Neural Network for circRNA-RBP Binding Site Recognition and Interpretation
2025-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00694-7
PMID:40146403
|
research paper | 本文提出了一种名为CR-deal的可解释神经网络模型，用于识别和解释circRNA与RNA结合蛋白（RBP）的结合位点 | CR-deal利用图注意力网络将序列和结构特征统一到同一视图中，更有效地利用结构特征提高预测准确性，并通过集成梯度特征解释推断结合位点的功能结构区域 | 现有方法在准确性和可解释性方面仍有改进空间 | 预测circRNA与RBP的结合位点并解释其功能结构区域 | circRNA和RNA结合蛋白（RBP） | natural language processing | NA | cross-linking immunoprecipitation sequencing technology | graph attention network | genome-wide circRNA data | 37个circRNA数据集和7个lncRNA数据集 | NA | NA | NA | NA |
| 9666 | 2025-10-07 |
NRGCNMDA: Microbe-Drug Association Prediction Based on Residual Graph Convolutional Networks and Conditional Random Fields
2025-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00678-z
PMID:39775537
|
研究论文 | 提出一种基于残差图卷积网络和条件随机场的微生物-药物关联预测计算模型NRGCNMDA | 结合残差图卷积网络机制和条件随机场来学习高阶相似性特征并确保微生物和药物具有相似的特征嵌入 | NA | 预测微生物与药物之间的关联关系 | 微生物和药物 | 机器学习 | NA | Node2vec, 图卷积网络, 条件随机场 | 图卷积网络, 条件随机场 | 网络数据 | NA | NA | 残差图卷积网络 | AUC, AUPR | NA |
| 9667 | 2025-05-28 |
Development of an Open-Source Algorithm for Automated Segmentation in Clinician-Led Paranasal Sinus Radiologic Research
2025-May-27, The Laryngoscope
DOI:10.1002/lary.32292
PMID:40421828
|
研究论文 | 开发并验证了一种用于鼻旁窦CT扫描的自动分割开源算法，为耳鼻喉科研究社区提供支持 | 提供了首个针对鼻窦腔的开源分割算法，促进了临床驱动的AI医学研究 | 样本量相对较小（100例扫描），且仅针对鼻旁窦CT扫描 | 验证并提供一个开源的分割算法，用于鼻旁窦CT扫描的自动分割 | 鼻旁窦CT扫描 | 数字病理 | 鼻窦疾病 | CT扫描 | UNet++ | 医学影像 | 100例鼻旁窦CT扫描（80/20训练/测试分割） | NA | NA | NA | NA |
| 9668 | 2025-05-28 |
ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction
2025-May-26, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3573581
PMID:40418608
|
research paper | 开发并评估了ECG-SMART-NET，一种用于精确诊断闭塞性心肌梗死（OMI）的深度学习架构 | 提出了一种临床信息修改的ResNet-18架构，能够更好地捕捉ECG记录中的时间特征和空间一致性或不一致性 | 研究仅基于一个多中心真实世界临床数据集，可能无法涵盖所有OMI病例的多样性 | 提高通过12导联心电图（ECG）对闭塞性心肌梗死（OMI）的检测准确性 | 闭塞性心肌梗死（OMI）患者的心电图数据 | digital pathology | cardiovascular disease | deep learning | CNN (ResNet-18 modified) | ECG recordings | 10,393 ECGs from 7,397 unique patients | NA | NA | NA | NA |
| 9669 | 2025-05-28 |
Segmentation of the Left Ventricle and Its Pathologies for Acute Myocardial Infarction After Reperfusion in LGE-CMR Images
2025-May-26, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3573706
PMID:40418612
|
research paper | 该论文提出了一个深度学习模型LVPSegNet，用于在LGE-CMR图像中分割左心室及其病理组织（微血管阻塞和心肌梗死），并发布了包含140名患者的基准数据集LGE-LVP | 首次发布LGE-CMR基准数据集LGE-LVP，并提出了一种结合自适应感兴趣区域提取、样本增强、课程学习和多感受野融合的渐进式深度学习模型LVPSegNet | 数据集的样本量相对较小（140名患者），且未提及模型在其他类型心脏疾病上的泛化能力 | 开发一种自动化方法，用于在LGE-CMR图像中准确分割左心室及其病理组织，以辅助急性心肌梗死再灌注后的诊断和治疗 | 左心室及其病理组织（微血管阻塞和心肌梗死） | digital pathology | cardiovascular disease | LGE-CMR（晚期钆增强心脏磁共振成像） | LVPSegNet（基于深度学习的渐进式分割模型） | image | 140名左心室心肌梗死伴微血管阻塞患者 | NA | NA | NA | NA |
| 9670 | 2025-05-28 |
Impact of contrast-enhanced agent on segmentation using a deep learning-based software "Ai-Seg" for head and neck cancer
2025-May-26, The British journal of radiology
DOI:10.1093/bjr/tqaf108
PMID:40419459
|
研究论文 | 本研究开发了一种专用于对比增强CT的头颈部风险器官分割模型，并比较了其在对比增强和非对比增强CT上的性能 | 开发了专用于对比增强CT的分割模型，并首次评估其在非对比增强CT上的适用性 | 在非对比增强CT上对颌下腺的分割性能显著下降 | 评估深度学习分割软件在不同CT图像类型上的性能差异 | 头颈部癌症患者的CT图像 | 数字病理 | 头颈部癌症 | CT扫描 | 深度学习模型（Ai-Seg） | 医学影像 | 321名患者用于训练，25名患者用于测试 | NA | NA | NA | NA |
| 9671 | 2025-10-07 |
Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11167-8
PMID:39560714
|
研究论文 | 开发了一种基于深度学习的软组织肿瘤最小交互式分割方法 | 提出了一种只需用户点击六个边界点的最小交互式分割方法，将点转换为距离图并与图像一起作为CNN输入 | NA | 开发用于CT和MRI上软组织肿瘤的快速准确分割方法 | 软组织肿瘤 | 医学影像分析 | 软组织肿瘤 | CT, MRI (T1加权, T2加权脂肪饱和) | CNN | 医学影像 | 514名患者，包含9种软组织肿瘤表型和7个解剖位置，另有外部验证数据集包含5种未见过的肿瘤表型 | NA | NA | Dice相似系数, 体积测量误差, 直径测量误差, 相关系数 | NA |
| 9672 | 2025-10-07 |
High-throughput markerless pose estimation and home-cage activity analysis of tree shrew using deep learning
2025-May, Animal models and experimental medicine
IF:3.8Q2
DOI:10.1002/ame2.12530
PMID:39846430
|
研究论文 | 本研究开发了一种基于深度学习的无标记姿态估计方法，用于分析树鼩在家庭笼中的自发行为 | 首次实现了树鼩的无标记姿态估计和多种自发行为的自动识别，开发了可同时监测16只树鼩的高通量系统 | 未明确说明模型在复杂环境下的鲁棒性和泛化能力 | 开发高效工具来量化和理解树鼩的自然行为 | 树鼩的家庭笼活动行为 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 视频图像 | 16只树鼩 | NA | NA | NA | NA |
| 9673 | 2025-05-28 |
Deep learning radiopathomics predicts targeted therapy sensitivity in EGFR-mutant lung adenocarcinoma
2025-Apr-29, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06480-9
PMID:40301933
|
研究论文 | 本研究开发了一种深度学习放射病理临床(DLRPC)模型，用于预测EGFR突变肺腺癌患者对酪氨酸激酶抑制剂(TKIs)的治疗反应 | 整合了CT影像、H&E染色活检样本和临床数据，采用基于临床的注意力掩膜探索跨模态关联 | 回顾性研究设计可能引入选择偏倚，样本量相对有限(214例) | 预测EGFR突变肺腺癌患者对TKIs的治疗敏感性 | EGFR突变肺腺癌患者 | 数字病理 | 肺癌 | 深度学习 | DLRPC(多模态融合模型) | CT影像、病理图像、临床数据 | 214例来自两个医疗中心的肺腺癌患者 | NA | NA | NA | NA |
| 9674 | 2025-10-07 |
A comprehensive validation study on the influencing factors of cough-based COVID-19 detection through multi-center data with abundant metadata
2025-Apr, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104798
PMID:39993588
|
研究论文 | 本研究通过多中心数据和丰富元数据全面验证了基于咳嗽声的COVID-19检测模型在各种影响因素下的性能差异 | 首次结合临床病毒载量和抗体水平指标验证预测概率与临床指标的相关性，并系统评估咳嗽类型、症状和感染阶段等因素对检测性能的影响 | 恢复期个体和开源数据集中检测性能较差，临床数据样本量有限导致与临床指标的相关性分析受限 | 评估基于咳嗽声的COVID-19检测模型在实际应用中的可行性和局限性 | 临床采集和众包的咳嗽音频数据，包含不同症状状态和感染阶段的COVID-19患者 | 自然语言处理 | COVID-19 | 音频分析，自监督学习 | 深度学习 | 音频 | 临床数据和众包数据组成的多中心数据集 | NA | 自监督学习模型 | AUC | NA |
| 9675 | 2025-05-28 |
Enhancing convolutional neural networks in electroencephalogram driver drowsiness detection using human inspired optimizers
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93765-0
PMID:40155444
|
research paper | 该研究探讨了使用人类启发式优化算法（TLBO和SPBO）优化卷积神经网络（CNN）在基于脑电图（EEG）的驾驶员 drowsiness 检测中的应用 | 引入了两种人类启发式优化算法（TLBO和SPBO）来优化CNN架构，提高了EEG信号中 drowsiness 检测的性能 | 存在轻微的过拟合问题 | 提高基于EEG的驾驶员 drowsiness 检测系统的性能 | 驾驶员 drowsiness 检测 | machine learning | NA | EEG | CNN | EEG信号 | NA | NA | NA | NA | NA |
| 9676 | 2025-05-28 |
Multimodal medical image fusion combining saliency perception and generative adversarial network
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95147-y
PMID:40148552
|
研究论文 | 本文提出了一种结合显著性感知和生成对抗网络的多模态医学图像融合方法，以提高诊断准确性 | 提出了一种新颖的深度学习架构Temporal Decomposition Network (TDN)，通过特征级时间分析和对抗学习机制优化多模态医学图像融合 | NA | 优化多模态医学图像融合，提高诊断准确性 | 多模态医学图像 | 数字病理 | NA | 生成对抗网络(GAN) | TDN (Temporal Decomposition Network) | 图像 | 多样化的医学图像数据集，包含多种模态和图像维度 | NA | NA | NA | NA |
| 9677 | 2025-10-07 |
Deep learning-based evaluation of panoramic radiographs for osteoporosis screening: a systematic review and meta-analysis
2025-Mar-12, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01626-z
PMID:40075328
|
系统综述与荟萃分析 | 评估深度学习模型在曲面断层放射影像中筛查骨质疏松症的准确性 | 首个系统评价和荟萃分析，评估深度学习模型从曲面断层放射影像预测骨质疏松的准确性 | 需要更广泛的多中心研究来验证在高风险群体中的有效性 | 评估深度学习模型在曲面断层放射影像中筛查骨质疏松症的诊断准确性 | 骨质疏松症患者 | 医学影像分析 | 骨质疏松症 | 曲面断层放射影像 | 深度学习 | 放射影像 | 7项研究纳入分析 | NA | AlexNet, ResNet | AUC, 敏感度, 特异度 | NA |
| 9678 | 2025-10-07 |
Deep Learning-Emerged Grid Cells-Based Bio-Inspired Navigation in Robotics
2025-Mar-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25051576
PMID:40096448
|
研究论文 | 本文探讨基于网格细胞的仿生导航方法在机器人领域的应用，通过深度学习模型从移动机器人轨迹中学习空间表征 | 首次在移动无人地面车辆轨迹训练中成功复现了生物网格细胞的空间周期性和六边形激活模式，同时模拟了边界细胞和头方向细胞的响应特性 | 未提及具体实验规模和数据集的多样性限制 | 开发基于网格细胞仿生原理的机器人导航算法 | 移动无人地面车辆(UGV)机器人 | 机器人导航 | NA | 深度学习 | 网格细胞网络 | 机器人运动轨迹数据 | NA | NA | 网格细胞网络 | 空间周期性激活模式、六边形激活模式、边界细胞响应、头方向细胞响应 | NA |
| 9679 | 2025-10-07 |
Comparing the Effectiveness of Artificial Intelligence Models in Predicting Ovarian Cancer Survival: A Systematic Review
2025-Mar, Cancer reports (Hoboken, N.J.)
DOI:10.1002/cnr2.70138
PMID:40103563
|
系统综述 | 系统评估人工智能模型在预测卵巢癌患者生存结局方面的有效性 | 首次系统比较多种机器学习算法在卵巢癌生存预测中的表现，并识别关键预测特征 | 模型准确性和可解释性仍存在挑战，纳入研究数量有限（32项） | 评估机器学习算法预测卵巢癌患者生存结局的有效性 | 卵巢癌患者 | 机器学习 | 卵巢癌 | 机器学习算法 | 随机森林,支持向量机,逻辑回归,XGBoost,深度学习模型 | 临床数据,影像数据,分子数据 | 32项符合纳入标准的研究（来自2400篇文献） | NA | NA | AUC,C-index,准确率 | NA |
| 9680 | 2025-10-07 |
Using pretrained models in ensemble learning for date fruits multiclass classification
2025-Mar, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70136
PMID:40135491
|
研究论文 | 本研究使用四种预训练CNN模型和集成学习方法对九种不同椰枣品种进行多分类 | 提出Dirichlet集成方法，结合多个CNN模型的预测结果，在椰枣分类任务中实现最佳性能 | 未探索更先进的集成策略和微调技术，模型泛化能力有待进一步提升 | 提高椰枣品种自动分类的准确性和鲁棒性，用于质量控制和商业应用 | 九种不同品种的椰枣果实 | 计算机视觉 | NA | 深度学习图像分类 | CNN, 集成学习 | 图像 | NA | NA | DenseNet121, MobileNetV2, ResNet18, VGG16 | 准确率, 精确率, 召回率, F1分数 | NA |