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 32705 篇文献，本页显示第 9761 - 9780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9761 | 2025-10-06 |
Recent Advances in Structured Illumination Microscopy: From Fundamental Principles to AI-Enhanced Imaging
2025-05, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202401616
PMID:40025917
|
综述 | 本文综述了结构光照明显微镜(SIM)的基本原理、最新进展及人工智能增强成像技术 | 探讨深度学习技术在SIM成像中的应用，包括图像质量增强、成像速度提升和重建算法替代 | NA | 介绍SIM技术原理并探讨AI与SIM系统的未来融合前景 | 结构光照明显微镜技术及其成像系统 | 计算显微成像 | NA | 结构光照明显微镜(SIM) | 深度学习神经网络 | 显微图像 | NA | NA | NA | 关键评估指标 | NA |
| 9762 | 2025-10-06 |
Accelerated intracranial time-of-flight MR angiography with image-based deep learning image enhancement reduces scan times and improves image quality at 3-T and 1.5-T
2025-May, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03564-7
PMID:40095006
|
研究论文 | 本研究评估基于深度学习的图像增强技术在颅内飞行时间磁共振血管成像中的应用，可缩短扫描时间并提升图像质量 | 首次在1.5-T和3-T场强下系统评估深度学习增强的加速TOF-MRA，实现扫描时间减少40%的同时显著提升图像质量 | 回顾性研究设计，样本量相对有限（共129例患者） | 评估深度学习图像增强技术在加速颅内TOF-MRA中的有效性 | 接受常规和加速TOF-MRA扫描的患者 | 医学影像分析 | 脑血管疾病 | 三维飞行时间磁共振血管成像（TOF-MRA） | 深度学习 | 磁共振血管成像图像 | 129例患者（3-T场强99例，1.5-T场强30例） | 商用深度学习算法 | NA | 信噪比（SNR）, 对比噪声比（CNR）, 对比度比率（CR）, 血管锐度（VS）, 受试者工作特征曲线下面积（AUC） | NA |
| 9763 | 2025-10-06 |
Using generative adversarial deep learning networks to synthesize cerebrovascular reactivity imaging from pre-acetazolamide arterial spin labeling in moyamoya disease
2025-May, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03605-1
PMID:40183965
|
研究论文 | 本研究使用生成对抗网络从基线动脉自旋标记MRI合成脑血管反应性图像，以替代需要乙酰唑胺挑战的传统测量方法 | 首次使用生成对抗网络从无需药物挑战的基线ASL MRI合成CVR图像，为无法进行ACZ挑战的临床情况提供替代方案 | 研究仅针对烟雾病患者，样本量相对有限，低CVR区域的Dice相似系数仅为0.593 | 开发无需乙酰唑胺挑战的脑血管反应性评估方法 | 烟雾病患者的脑血流图像 | 医学影像分析 | 烟雾病 | 动脉自旋标记MRI, 脑血管反应性成像 | GAN | 医学影像 | 203例烟雾病病例，共3248张ACZ前后的ASL脑血流图像 | NA | Pixel-to-Pixel GAN | 结构相似性指数, 空间相关系数, 均方根误差, Dice相似系数, Cohen's Kappa | NA |
| 9764 | 2025-10-06 |
Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children
2025-May, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06230-5
PMID:40186652
|
研究论文 | 评估基于深度学习的儿童体部磁共振成像去噪重建技术的图像质量 | 首次在儿童体部MRI中应用基于深度学习的去噪重建技术，并与传统重建方法进行系统比较 | 回顾性研究，样本量较小（21名儿童），非呼吸门控T1加权图像运动伪影更明显 | 评估深度学习去噪重建在儿童体部MRI中的图像质量 | 接受胸腹部MRI检查的儿童患者 | 医学影像 | 儿科疾病 | 径向k空间采样（PROPELLER），磁共振成像 | 深度学习 | 医学影像 | 21名儿童（中位年龄7岁，范围1.5-15.8岁） | NA | NA | 信噪比，对比噪声比，4点Likert量表 | NA |
| 9765 | 2025-10-06 |
AI-Driven TENGs for Self-Powered Smart Sensors and Intelligent Devices
2025-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202417414
PMID:40277838
|
综述 | 探讨人工智能驱动的摩擦纳米发电机在自供能智能传感器和智能设备中的协同应用与发展前景 | 首次系统阐述人工智能与摩擦纳米发电机的融合潜力，通过机器学习与深度学习算法提升能量收集和智能传感能力 | 未涉及具体实验验证，主要基于理论分析和现有研究成果的整合 | 探索人工智能技术如何解决摩擦纳米发电机在材料优化、输出稳定性等方面的挑战 | 摩擦纳米发电机与人工智能的集成系统 | 机器学习 | NA | 摩擦发电技术 | 机器学习,深度学习 | 传感器数据 | NA | NA | NA | 输出稳定性,能量收集效率 | NA |
| 9766 | 2025-10-06 |
Automated, Standardized, Quantitative Analysis of Cardiovascular Borders on Chest X-Rays Using Deep Learning
2025-May, JACC. Advances
DOI:10.1016/j.jacadv.2025.101687
PMID:40286357
|
研究论文 | 开发基于深度学习的胸片心血管边界自动量化分析方法并探索其临床应用价值 | 首次建立基于深度学习的胸片心血管边界标准化定量分析系统，并定义了年龄和性别特异性正常值范围 | 研究数据来源于特定医疗中心，需要进一步多中心验证 | 开发自动化的胸片心血管边界定量分析方法并验证其临床效用 | 胸片中的心血管边界 | 计算机视觉 | 心血管疾病 | 胸片成像 | 深度学习 | 医学图像 | 96,129张正常胸片和44,567张疾病胸片 | NA | NA | AUC, HR | NA |
| 9767 | 2025-10-06 |
Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI
2025-May-01, ArXiv
PMID:40342862
|
研究论文 | 提出一种基于深度学习的外容积去除方法，用于高加速实时动态MRI中的伪影消除 | 首次将深度学习与物理驱动重建相结合，通过时间交织欠采样模式估计外容积信号并消除非心脏区域的混叠伪影 | 未明确说明模型在不同患者群体和病理条件下的泛化能力 | 开发高加速实时动态MRI重建技术，消除外容积伪影 | 心脏实时电影MRI数据 | 医学影像处理 | 心血管疾病 | 动态MRI，实时成像 | 深度学习模型 | MRI k空间数据，时间序列图像 | NA | NA | 物理驱动深度学习(PD-DL) | 定性评估，定量评估，图像质量比较 | NA |
| 9768 | 2025-10-06 |
Large-scale information retrieval and correction of noisy pharmacogenomic datasets through residual thresholded deep matrix factorization
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf226
PMID:40420482
|
研究论文 | 提出一种名为残差阈值深度矩阵分解(RT-DMF)的深度学习框架，用于校正和填补药物敏感性数据中的噪声 | 结合深度矩阵分解与迭代残差阈值程序，能有效识别并保留具有治疗重要性的信号 | 仅使用单一药物敏感性数据矩阵作为输入，未整合其他类型分子数据 | 解决药物基因组学数据中噪声和不一致性问题，提高药物敏感性数据的可靠性 | 分子特征明确的癌细胞系(CCLs)的药物敏感性数据 | 机器学习 | 癌症 | 高通量实验，多重分析方法 | 深度矩阵分解 | 药物敏感性数据矩阵 | 大规模癌细胞系药物敏感性数据集 | NA | 深度矩阵分解 | NA | NA |
| 9769 | 2025-10-06 |
Image-Based Deep Learning Model for Predicting Lymph Node Metastasis in Lung Adenocarcinoma With CT ≤ 2 cm
2025-May, Thoracic cancer
IF:2.3Q2
DOI:10.1111/1759-7714.70048
PMID:40425526
|
研究论文 | 开发基于CT图像的深度学习模型预测直径≤2cm肺腺癌淋巴结转移 | 首次结合临床特征和影像学特征建立针对小直径肺腺癌淋巴结转移的预测模型 | 仅使用单中心数据，需要外部验证集进一步验证模型泛化能力 | 术前准确识别小直径肺腺癌患者的淋巴结转移以改善手术治疗方案 | 1740例接受手术切除的临床早期肺腺癌患者 | 数字病理 | 肺癌 | CT影像分析 | 逻辑回归, Lasso | 医学影像 | 1740例肺腺癌患者 | NA | NA | AUC, 决策曲线分析, 校准曲线 | NA |
| 9770 | 2025-10-06 |
AI-Driven Detection of Obstructive Sleep Apnea Using Dual-Branch CNN and Machine Learning Models
2025-Apr-30, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13051090
PMID:40426919
|
研究论文 | 本研究比较了机器学习和深度学习模型在利用心电图数据检测阻塞性睡眠呼吸暂停中的应用 | 提出双分支CNN模型用于OSA检测，相比传统方法具有更高的识别性能，ROC AUC达到0.99 | NA | 开发基于AI的非侵入性OSA早期检测方法，解决传统多导睡眠图的局限性 | 阻塞性睡眠呼吸暂停患者的心电图数据 | 机器学习 | 阻塞性睡眠呼吸暂停 | 心电图分析 | CNN, 机器学习模型 | 心电图信号 | NA | NA | 双分支CNN | 准确率, ROC AUC | NA |
| 9771 | 2025-10-06 |
Advancements in Medical Radiology Through Multimodal Machine Learning: A Comprehensive Overview
2025-Apr-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050477
PMID:40428096
|
综述 | 本文全面概述了多模态机器学习在放射学领域的最新进展、应用和未来研究方向 | 系统整合了放射学中多模态机器学习的方法论，详细分析了模态融合、表示学习和模态转换等关键技术 | 作为综述性文章，不包含原始实验数据或具体模型验证 | 探讨多模态机器学习在放射学领域的应用现状和发展趋势 | 放射学中的多模态数据（影像、文本和结构化医疗数据） | 机器学习 | NA | 多模态机器学习 | NA | 影像数据, 文本数据, 结构化医疗数据 | NA | NA | NA | NA | NA |
| 9772 | 2025-10-06 |
Modelling the Ki67 Index in Synthetic HE-Stained Images Using Conditional StyleGAN Model
2025-Apr-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050476
PMID:40428095
|
研究论文 | 本研究利用条件式StyleGAN模型生成反映不同Ki67指数变化的HE染色图像序列，探索HE染色与Ki67染色之间的隐藏关系 | 首次将条件式StyleGAN模型应用于生成反映Ki67指数变化的HE染色图像序列，增强了预测模型的可解释性 | 需要专家病理学家评估生成序列的相关性，模型性能依赖于有限的专家标准 | 开发可解释的生成模型框架，从HE染色图像分析和预测免疫组化信息 | 癌症组织的HE染色图像和Ki67指数 | 数字病理学 | 癌症 | HE染色，免疫组化染色 | GAN | 图像 | NA | StyleGAN | 条件式StyleGAN | 专家评估，序列相关性标准 | NA |
| 9773 | 2025-10-06 |
Development and Validation of a Deep Learning System for the Detection of Nondisplaced Femoral Neck Fractures
2025-Apr-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050466
PMID:40428085
|
研究论文 | 开发并验证用于检测非移位性股骨颈骨折的深度学习系统 | 首次采用ResNet框架的卷积神经网络专门针对难以诊断的非移位性股骨颈骨折进行检测，在准确率和AUC指标上超越急诊医生并达到专家水平 | 研究仅基于2032张髋部X光片，需更多样化数据验证泛化能力 | 提高非移位性股骨颈骨折的诊断准确性 | 髋部X光片中的非移位性股骨颈骨折 | 计算机视觉 | 骨科疾病 | X光成像 | CNN | X光图像 | 2032张髋部X光片，来自多家医院 | NA | ResNet | 准确率, AUC | NA |
| 9774 | 2025-10-06 |
FOVEA: Preoperative and intraoperative retinal fundus images with optic disc and retinal vessel annotations
2025-Apr-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04965-2
PMID:40287417
|
研究论文 | 本研究介绍了FOVEA数据集，包含术前和术中视网膜眼底图像及其视盘和视网膜血管标注 | 首个将高质量术中域标注与术前域标注相匹配的视网膜图像数据集 | 数据集仅包含40名患者的数据，样本量相对有限 | 为深度学习应用提供标注数据以支持玻璃体视网膜手术 | 视网膜眼底图像 | 计算机视觉 | 眼科疾病 | 生物显微镜成像 | NA | 图像, 视频 | 40名患者 | NA | NA | NA | NA |
| 9775 | 2025-10-06 |
Radiomics Analysis of Whole-Kidney Non-Contrast CT for Early Identification of Chronic Kidney Disease Stages 1-3
2025-Apr-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050454
PMID:40428073
|
研究论文 | 本研究通过全肾脏非增强CT影像组学分析结合机器学习技术，实现对慢性肾脏病1-3期的早期识别 | 首次将基于深度学习的自动分割与影像组学特征相结合，用于非增强CT中早期慢性肾脏病的定量诊断 | 回顾性研究设计，样本仅包含慢性肾脏病1-3期患者 | 评估基于非增强CT的影像组学特征在区分早期慢性肾脏病与健康对照中的潜力 | 1099名慢性肾脏病1-3期患者和1099名健康参与者 | 数字病理 | 慢性肾脏病 | 非增强CT成像 | VB-net, 高斯过程分类器 | CT图像 | 2198名参与者（1099名患者+1099名健康对照） | NA | VB-net | AUC | NA |
| 9776 | 2025-10-06 |
PE-MT: A Perturbation-Enhanced Mean Teacher for Semi-Supervised Image Segmentation
2025-Apr-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050453
PMID:40428072
|
研究论文 | 提出一种基于扰动增强均值教师的半监督医学图像分割方法PE-MT | 引入扰动增强指数移动平均(pEMA)和残差引导不确定性图(RUM)来提升学生和教师模型的性能 | NA | 解决医学图像分割中标注数据不足的问题 | 心脏医学图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 均值教师模型 | 医学图像 | 使用公开LASC和ACDC数据集 | NA | UA-MT, PE-MT | Dice相似系数 | NA |
| 9777 | 2025-06-01 |
Artificial Intelligence in Chest Radiography-A Comparative Review of Human and Veterinary Medicine
2025-Apr-25, Veterinary sciences
IF:2.0Q2
DOI:10.3390/vetsci12050404
PMID:40431497
|
review | 本文比较了人工智能在人类和兽医胸部放射学中的应用及其影响 | 比较了人类和兽医医学中AI在胸部放射学中的应用，探讨了各自的挑战和潜力 | 数据限制、算法偏见、需要广泛验证以及伦理和监管问题阻碍了AI的全面实施 | 探讨AI在人类和兽医胸部放射学中的应用及其对诊断速度、准确性和效率的影响 | 人类和兽医医学中的胸部放射学 | digital pathology | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 9778 | 2025-10-06 |
A Three-Stage Fusion Neural Network for Predicting the Risk of Root Fracture-A Pilot Study
2025-Apr-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050447
PMID:40428066
|
研究论文 | 提出一种三阶段融合神经网络用于预测根管治疗后牙根骨折风险 | 首次提出结合数值和分类数据的融合神经网络架构，采用批归一化和嵌入层技术处理异构临床数据 | 临床数据量有限（仅145颗牙齿），属于初步研究 | 改进牙科领域多类型临床数据的深度学习预测性能 | 145颗牙齿（97颗骨折牙齿和48颗非骨折牙齿） | 机器学习 | 牙科疾病 | 深度学习 | ANN, TSFNN | 临床数据（分类数据和数值数据） | 145颗牙齿，包含97颗骨折牙齿和48颗非骨折牙齿 | NA | 三阶段融合神经网络 | 准确率, F1分数 | NA |
| 9779 | 2025-10-06 |
Non-Invasive Localization of Epileptogenic Zone in Drug-Resistant Epilepsy Based on Time-Frequency Analysis and VGG Convolutional Neural Network
2025-Apr-23, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050443
PMID:40428062
|
研究论文 | 提出一种基于时频分析和VGG卷积神经网络的非侵入性耐药性癫痫致痫区定位方法 | 首次提出结合sLORETA源成像、时频分析和VGG-16深度学习的系统性非侵入性致痫区定位框架 | 样本量有限（仅25名患者），仅针对单一癫痫类型 | 开发非侵入性自动定位耐药性癫痫致痫区的方法，以指导电极植入并提高神经外科治疗效果和安全性 | 25名成功手术的耐药性癫痫患者的16通道头皮脑电图数据 | 数字病理学 | 癫痫 | 脑电图（EEG）, sLORETA源成像, 短时傅里叶变换（STFT）, 连续小波变换（CWT）, 超小波算法 | CNN | 脑电图信号, 时频图像 | 25名耐药性癫痫患者 | NA | VGG-16 | 分类准确率, 通道识别率 | NA |
| 9780 | 2025-10-06 |
AI-assisted computational screening and docking simulation prioritize marine natural products for small-molecule PCSK9 inhibition
2025 Apr-Jun, Current research in translational medicine
IF:3.2Q2
DOI:10.1016/j.retram.2025.103498
PMID:39938184
|
研究论文 | 开发AI辅助计算筛选流程，从海洋天然产物中识别新型PCSK9小分子抑制剂 | 结合卷积神经网络、分子对接和分子动力学模拟的多步骤虚拟筛选方法，专门针对海洋天然产物数据库进行PCSK9抑制剂发现 | 纯计算机模拟研究，缺乏实验验证 | 识别新型人类PCSK9抑制剂 | 海洋天然产物 | 机器学习 | 心血管疾病 | 虚拟筛选,分子对接,分子动力学模拟 | CNN | 分子结构数据 | CMNPD数据库中的海洋天然产物 | Schrödinger | 卷积神经网络 | 结合亲和力,自由能景观分析 | NA |