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 33553 篇文献，本页显示第 9741 - 9760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9741 | 2025-10-06 |
Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia
2025-Jul, Anatomical record (Hoboken, N.J. : 2007)
DOI:10.1002/ar.25327
PMID:37747411
|
研究论文 | 本研究使用Fgfr3Y367C/+小鼠模型研究软骨发育不全对胚胎颅骨软骨发育的影响 | 首次在胚胎期系统研究Fgfr3突变对颅骨软骨发育的直接效应，并开发基于深度学习的3D分割模型 | 研究仅限于小鼠模型，人类胚胎发育的直接证据仍需进一步研究 | 探究Fgfr3突变对胚胎颅骨软骨发育的影响 | Fgfr3Y367C/+突变小鼠及其正常同窝仔的胚胎颅骨软骨 | 数字病理学 | 软骨发育不全 | 显微CT成像，深度学习分割 | 深度学习 | 3D显微CT图像 | 胚胎期14.5天和16.5天的小鼠样本 | NA | NA | NA | NA |
| 9742 | 2025-10-06 |
ResNet-Transformer deep learning model-aided detection of dens evaginatus
2025-Jul, International journal of paediatric dentistry
IF:2.3Q2
DOI:10.1111/ipd.13282
PMID:39545506
|
研究论文 | 开发基于ResNet-Transformer深度学习模型用于全景X光片中牙外突的自动检测 | 首次结合ResNet和Transformer架构的深度学习模型用于牙外突检测，并证明能提升年轻牙医的诊断准确性 | 样本仅来自1410名3-16岁患者，年龄范围有限 | 开发深度学习模型辅助牙医早期诊断牙外突，支持早期干预 | 牙外突（牙科形态发育异常） | 计算机视觉 | 牙科疾病 | 全景X光摄影 | 深度学习 | 图像 | 1410名3-16岁患者的高质量标注全景X光片 | NA | ResNet, Transformer | 灵敏度, 特异度, F1分数 | NA |
| 9743 | 2025-10-06 |
Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07132-2
PMID:39964542
|
研究论文 | 本研究开发了一种基于深度学习的CT到MR图像转换框架，用于脑部PET/CT的自动定量分析 | 提出通过深度学习将PET/CT中的CT图像转换为合成MR图像，并利用其进行自动区域分割和定量分析 | 排除楔前叶区域存在显著差异，样本量有限（139例）的回顾性研究 | 解决脑部PET/CT定量分析中MR图像不可用或配准困难的问题 | 接受脑部[18F]FBB PET/CT和T1加权MRI检查的患者 | 医学影像分析 | 神经系统疾病 | PET/CT, MRI, 深度学习图像转换 | U-Net | CT图像, MR图像, PET图像 | 139名受试者 | NA | U-Net | 结构相似性指数, Dice相似系数, Wilcoxon符号秩检验 | NA |
| 9744 | 2025-10-06 |
Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07134-0
PMID:39969539
|
研究论文 | 开发基于[18F]PSMA-1007 PET/CT和多参数MRI的多模态深度学习模型，用于预测前列腺癌患者的不良病理 | 首次结合[18F]PSMA-1007 PET/CT和多参数MRI，采用卷积神经网络和Transformer架构构建多模态深度学习模型 | 回顾性研究设计，样本量相对有限（341例患者） | 预测前列腺癌患者的不良病理，为制定有效治疗策略提供依据 | 前列腺癌患者 | 数字病理 | 前列腺癌 | [18F]PSMA-1007 PET/CT, 多参数MRI | CNN, Transformer | 医学影像（PET/CT, MRI） | 341例接受根治性前列腺切除术的前列腺癌患者 | NA | 基于CNN和Transformer的多模态架构 | AUC | NA |
| 9745 | 2025-10-06 |
Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07165-7
PMID:40009163
|
研究论文 | 本研究提出了一种基于掩码视觉变换器(Mask-ViT)的深度学习方法，用于超快速肺部PET扫描图像的去噪处理 | 提出了一种鲁棒且数据高效的掩码视觉变换器方法，能够在有限训练数据下实现跨扫描仪泛化 | 训练数据量有限，仅包含1272个回顾性采集的全时PET数据和46个前瞻性采集的U2BH PET/CT图像 | 开发深度学习方法来降低超快速20秒屏气(U2BH)PET扫描中的统计噪声 | 肺部PET扫描图像 | 计算机视觉 | 肺癌 | PET/CT成像 | Transformer | 医学图像 | 1272个回顾性全时PET数据，46个前瞻性U2BH和对应全时PET/CT图像 | NA | Mask-ViT, U-Net, C-Gan | 图像质量指标, Wilcoxon符号秩检验, 病变检测准确率, 5点制图像质量评分 | NA |
| 9746 | 2025-10-06 |
Deep learning-based weed detection for precision herbicide application in turf
2025-Jul, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8728
PMID:40022516
|
研究论文 | 本研究评估了基于深度卷积神经网络的杂草检测方法，结合路径规划算法实现精准除草剂喷洒 | 首次将除草剂敏感性杂草映射与路径规划算法相结合，实现智能喷洒系统的精准施药 | 未提及模型在复杂田间环境下的泛化能力和实时性能 | 开发精准除草剂喷洒系统以减少农药使用量 | 草坪杂草 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | DenseNet,GoogLeNet,ResNet | 精确度,召回率,总体准确率,F1分数 | NA |
| 9747 | 2025-10-06 |
Evaluation of Caries Detection on Bitewing Radiographs: A Comparative Analysis of the Improved Deep Learning Model and Dentist Performance
2025-Jul, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.]
IF:3.2Q1
DOI:10.1111/jerd.13470
PMID:40191981
|
研究论文 | 本研究评估了改进的YOLOv9c深度学习模型在咬翼片上检测龋齿的性能，并与牙医诊断表现进行对比分析 | 优化了YOLOv9c模型的主干网络架构，减小了模型规模和计算需求，并在龋齿检测任务中超越了牙医的临床评估表现 | 仅评估了11种YOLO模型，样本来源和规模未明确说明 | 比较不同深度学习模型在咬翼片龋齿检测中的性能，并优化模型提升检测准确率 | 咬翼X光片中的牙釉质和牙本质龋齿 | 计算机视觉 | 龋齿 | X射线成像 | YOLO系列目标检测模型 | 医学影像 | NA | NA | YOLOv9c（改进版） | 召回率,精确率,特异性,F1分数,Youden指数 | NA |
| 9748 | 2025-06-13 |
Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy
2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110914
PMID:40328363
|
research paper | 本研究开发了一种基于CT的多器官分割模型，用于描绘儿童上腹部肿瘤放疗中的风险器官，并评估其在多个数据集中的鲁棒性 | 开发了一种结合内部和公共数据集训练的模型，提高了在多个数据集上的鲁棒性，并进行了临床可接受性评估 | 在0-2岁年龄组中表现最差，胃-肠和胰腺的DSC值低于0.90 | 开发并评估一种用于儿童上腹部肿瘤放疗中风险器官自动分割的深度学习模型 | 儿童上腹部肿瘤患者（肾肿瘤和神经母细胞瘤）的术后CT图像 | digital pathology | pediatric upper abdominal tumors | CT扫描 | 深度学习模型 | CT图像 | 内部数据集189例，公共数据集189例 | NA | NA | NA | NA |
| 9749 | 2025-06-13 |
Real-time integrated modeling of soft tissue deformation and stress based on deep learning
2025-Jun-12, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adde0d
PMID:40436029
|
research paper | 开发了一种基于深度学习的实时多物理场建模框架，用于软组织的变形和应力分布模拟 | 提出了一种平衡多物理场特征尺度的方法，解决了现有模型在建模多个物理场时因数据分布差异导致的偏向性问题 | 未提及模型在更复杂或动态手术环境中的适用性 | 解决手术模拟器中应力渲染缺失的问题，提升手术模拟器的真实感 | 软组织的变形和应力分布 | machine learning | NA | 深度学习 | 神经网络 | 三维模型数据 | 悬臂梁、肝脏、脾脏和肾脏的三维模型 | NA | NA | NA | NA |
| 9750 | 2025-06-13 |
Accurate Prediction of the Diffusion Coefficients of Organic Compounds in Water by Multimodal Learning
2025-Jun-12, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.5c01881
PMID:40457760
|
research paper | 开发了一种多模态深度学习模型，用于预测有机化合物在水中的扩散系数 | 结合分子图像、分子描述符和温度的多模态深度学习模型，比传统经验方程更准确 | 未提及模型在新合成化学物质上的泛化能力 | 快速准确预测有机化合物在水中的扩散系数 | 有机化合物在水中的扩散系数 | machine learning | NA | 深度学习 | multimodal deep learning model | 分子图像、分子描述符、温度数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 9751 | 2025-06-13 |
Interpretable Multimodal Deep Ensemble Framework Dissecting Bloodbrain Barrier Permeability with Molecular Features
2025-Jun-12, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c01077
PMID:40462529
|
research paper | 提出一种多模态机器学习框架，整合分子指纹和图像特征以改善血脑屏障通透性预测 | 结合多种分子指纹和图像特征，使用堆叠集成模型和Transformer编码器、CNN及多头注意力融合机制，提升预测稳定性和可解释性 | 未提及具体样本量，可能影响模型泛化能力的验证 | 开发可解释的机器学习模型以揭示血脑屏障通透性的物理化学原理 | 血脑屏障通透性预测 | machine learning | NA | Principal Component Analysis (PCA), Shapley Additive Explanations (SHAP) | stacking ensemble model, Transformer encoder, CNN, Multi-Head Attention | molecular fingerprints (Morgan, MACCS, RDK), image features | NA | NA | NA | NA | NA |
| 9752 | 2025-06-13 |
GlycanInsight: an open platform for carbohydrate-binding pocket prediction and characterization
2025-Jun-11, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc02262b
PMID:40438170
|
research paper | 介绍了一个名为GlycanInsight的深度学习开放平台，用于预测和表征蛋白质结构上的碳水化合物结合口袋 | GlycanInsight通过深度学习技术预测碳水化合物结合口袋，并在实验结构和AlphaFold2预测结构上表现出色，同时提供口袋聚类、特征分析和配体建议功能 | 未明确提及具体限制，但可能依赖于蛋白质结构预测的准确性 | 开发一个计算工具以解决碳水化合物结合位点识别的挑战，促进糖靶向治疗的研究和设计 | 蛋白质结构上的碳水化合物结合口袋 | 生物信息学 | NA | 深度学习 | NA | 蛋白质结构数据 | 基准数据集中的实验结构 | NA | NA | NA | NA |
| 9753 | 2025-06-13 |
Hybrid Frameworks Integrating Deep Learning and Optimization Methods for Inverse Design in Nanophotonics
2025-Jun-11, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c03196
PMID:40445168
|
研究论文 | 本文探讨了人工智能在纳米光子学逆向设计中的混合框架，结合深度学习和经典优化技术 | 提出混合框架，结合深度学习的计算效率和泛化能力与经典优化技术的鲁棒性，实现更快收敛和更高设计效率 | 未提及具体实验验证或实际应用中的性能限制 | 推动纳米光子学逆向设计领域的发展，探索可扩展且实用的创新方法 | 纳米光子器件，如超表面和其他纳米光子设备 | 纳米光子学 | NA | 深度学习、伴随方法、进化算法、物理信息神经网络 | 混合框架（深度学习与优化方法结合） | NA | NA | NA | NA | NA | NA |
| 9754 | 2025-06-13 |
Asymmetric Braided Artificial Muscles with Precise Electrothermal Actuation Control Enabled by Deep Learning
2025-Jun-11, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c05636
PMID:40447577
|
研究论文 | 本研究提出了一种新型的非对称编织方法，结合碳纳米管纱线和液晶弹性体纤维，制造出一种电热纤维形状执行器，并在空气和水中展示了卓越的执行性能 | 采用非对称编织方法结合碳纳米管纱线和液晶弹性体纤维，制造出高性能电热执行器，并应用LSTM模型提升其控制精度 | 未提及样本量或实验的具体限制条件 | 开发高性能且可控的人工肌肉执行器 | 电热纤维形状执行器 | 柔性机器人 | NA | Maypole编织机、电热驱动 | LSTM | NA | NA | NA | NA | NA | NA |
| 9755 | 2025-06-13 |
DRLSurv: Disentangled Representation Learning for Cancer Survival Prediction by Mining Multimodal Consistency and Complementarity
2025-Jun-11, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3578859
PMID:40498625
|
研究论文 | 提出了一种名为DRLSurv的新型多模态深度学习方法，用于精确预测癌症生存率，通过挖掘多模态数据的一致性和互补性 | 利用解耦表示学习技术，将每种模态分解为模态不变和模态特定的表示，并创新性地引入了基于子空间的邻近对比损失和再解耦损失 | 未明确提及具体局限性 | 提高癌症生存预测的准确性，为制定最佳治疗计划和提供个体化护理提供支持 | 癌症患者的多模态数据（如组织病理学图像和基因组数据） | 数字病理学 | 癌症 | 解耦表示学习 | 深度学习 | 多模态数据（图像和基因组数据） | NA | NA | NA | NA | NA |
| 9756 | 2025-06-13 |
DeepHeme, a high-performance, generalizable deep ensemble for bone marrow morphometry and hematologic diagnosis
2025-Jun-11, Science translational medicine
IF:15.8Q1
DOI:10.1126/scitranslmed.adq2162
PMID:40498857
|
research paper | 开发了一个名为DeepHeme的高性能深度学习集成模型，用于骨髓形态测量和血液学诊断 | DeepHeme在准确性和可区分细胞类别数量上超越了现有模型，并展示了强大的跨数据集泛化能力 | 模型性能验证依赖于特定医疗机构的有限数据集，可能需要更多外部验证 | 提高骨髓细胞形态学自动分类的效率和准确性，以辅助血液学诊断 | 骨髓抽吸物(BMA)的细胞形态学图像 | digital pathology | hematological disorders | deep learning | snapshot ensemble | image | 训练集30,394张图像(40名正常骨髓患者)，测试集8,507张图像(10名不同患者)，外加外部验证集13,770张图像(665名正常/患病患者) | NA | NA | NA | NA |
| 9757 | 2025-06-13 |
Non-enhanced CT deep learning model for differentiating lung adenocarcinoma from tuberculoma: a multicenter diagnostic study
2025-Jun-11, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11721-y
PMID:40500528
|
research paper | 该研究开发并验证了一个基于三维特征的深度学习模型（DL_3D），用于区分肺腺癌（LUAD）和结核瘤（TBM） | 提出了基于视觉Transformer网络的DL_3D模型，在非增强CT图像上区分LUAD和TBM，性能优于二维特征模型、放射组学模型和六位放射科医生 | 样本量相对有限，且仅来自三个医院，可能存在选择偏差 | 开发一种深度学习模型，用于在非增强CT图像上区分肺腺癌和结核瘤 | 肺腺癌（LUAD）和结核瘤（TBM）患者 | digital pathology | lung cancer | 非增强CT成像 | vision transformer network | CT图像 | 1160名患者（840名训练集，210名验证集，110名外部测试集） | NA | NA | NA | NA |
| 9758 | 2025-06-13 |
Developing a Deep Learning Radiomics Model Combining Lumbar CT, Multi-Sequence MRI, and Clinical Data to Predict High-Risk Adjacent Segment Degeneration Following Lumbar Fusion: A Retrospective Multicenter Study
2025-Jun-09, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682251342531
PMID:40488256
|
研究论文 | 开发并验证了一个结合临床数据、深度学习放射组学特征和腰椎CT及多序列MRI的模型，用于预测腰椎融合术后高风险邻近节段退变患者 | 结合了临床数据、深度学习放射组学特征和传统放射组学特征，使用Vision Transformer 3D深度学习模型，以及多层感知器算法，显著提高了预测性能 | 研究为回顾性设计，样本量相对较小，外部测试队列仅包含30例患者 | 预测腰椎融合术后高风险邻近节段退变患者 | 305例接受腰椎融合手术的患者 | 数字病理 | 腰椎疾病 | 深度学习放射组学(DLR), LASSO回归, 多种机器学习算法 | Vision Transformer 3D, 线性支持向量机, AdaBoost, 多层感知器 | CT图像, MRI图像, 临床数据 | 305例患者（训练队列192例，内部验证队列83例，外部测试队列30例） | NA | NA | NA | NA |
| 9759 | 2025-06-13 |
Transfer learning for accurate brain tumor classification in MRI: a step forward in medical diagnostics
2025-Jun-09, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02671-4
PMID:40490586
|
研究论文 | 该研究提出了一种利用迁移学习（TL）和深度学习模型（AlexNet、MobileNetV2和GoogleNet）对MRI图像中的脑肿瘤进行分类的新方法 | 与以往研究不同，本研究综合比较了多种深度学习架构，并针对脑肿瘤分类进行了微调，同时解决了类别不平衡问题，并利用轻量级架构提高了模型效率 | NA | 提高脑肿瘤分类的准确性，以辅助医生做出快速和精确的诊断决策 | MRI图像中的脑肿瘤（包括神经胶质瘤、脑膜瘤和垂体瘤）以及正常脑部图像 | 数字病理学 | 脑肿瘤 | 迁移学习（TL） | AlexNet、MobileNetV2、GoogleNet | 图像 | 4,517张MRI扫描图像（包括1,129张神经胶质瘤、1,134张脑膜瘤、1,138张垂体瘤和1,116张正常脑部图像） | NA | NA | NA | NA |
| 9760 | 2025-06-13 |
Pod-pose : an efficient top-down keypoint detection model for fine-grained pod phenotyping in mature soybean
2025-Jun-09, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01399-0
PMID:40490832
|
研究论文 | 提出了一种名为Pod-pose的顶部关键点检测模型，用于精确测量成熟大豆豆荚的表型特征 | 将人体姿态估计技术应用于植物表型分析，通过瓶颈结构优化和位置特征增强整合了多种先进YOLO模型的架构优势，并采用两阶段检测方法和迁移学习显著提升模型性能 | 未提及模型在其他作物或更大规模数据集上的泛化能力 | 开发高效准确的大豆豆荚表型特征提取方法以支持大豆育种优化 | 成熟大豆豆荚 | 计算机视觉 | NA | 深度学习、关键点检测、迁移学习 | YOLO系列模型的改进版本（Pod-pose） | 图像 | 自定义数据集（具体数量未提及） | NA | NA | NA | NA |