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 10081 - 10100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10081 | 2025-10-07 |
Accelerating CEST MRI With Deep Learning-Based Frequency Selection and Parameter Estimation
2025-Jul, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70068
PMID:40396230
|
研究论文 | 提出一种基于深度学习的频率选择和参数估计框架，用于加速化学交换饱和转移磁共振成像 | 首次将通道剪枝与参数估计相结合，通过批归一化识别最有信息量的频率偏移，同时训练网络进行参数图预测 | 目前仅在健康志愿者数据上验证，尚未在患者群体中测试，且未解决B场不均匀性和病变组织异常信号变化等挑战 | 加速CEST MRI扫描过程，减少临床采集时间 | 健康志愿者的大脑CEST MRI数据 | 医学影像分析 | NA | 化学交换饱和转移磁共振成像 | 深度学习 | 磁共振图像 | 6名健康志愿者 | NA | NA | 参数图质量比较 | NA |
| 10082 | 2025-10-07 |
Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning
2025-Jun-10, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000213691
PMID:40378378
|
研究论文 | 开发基于磁共振指纹技术和深度学习的全脑局灶性皮质发育不良自动检测框架 | 首次将磁共振指纹技术与深度学习相结合用于全脑FCD检测，通过单次扫描获取多参数特征 | 样本量相对较小（40例患者），需要进一步验证 | 开发自动检测局灶性皮质发育不良的深度学习工具 | 药物难治性局灶性癫痫患者和健康对照者 | 医学影像分析 | 癫痫 | 磁共振指纹技术，临床MRI | 深度学习 | 3D MRI图像，定量组织特性图 | 40例FCD患者（平均年龄28.1岁，47.5%女性）和67例健康对照 | NA | U-Net | 灵敏度，假阳性数，病灶标签重叠度 | NA |
| 10083 | 2025-10-07 |
Current Status, Hotspots, and Prospects of Artificial Intelligence in Ophthalmology: A Bibliometric Analysis (2003-2023)
2025-Jun, Ophthalmic epidemiology
IF:1.7Q3
DOI:10.1080/09286586.2024.2373956
PMID:39146462
|
文献计量分析 | 通过文献计量学方法分析2003-2023年人工智能在眼科领域的研究现状、热点和趋势 | 首次系统梳理眼科AI领域20年的研究发展轨迹，识别核心研究机构和热点技术 | 仅基于Web of Science数据库文献，可能遗漏其他重要数据库的研究成果 | 评估人工智能在眼科领域的研究现状和发展趋势 | 3,377篇眼科AI相关研究文献 | 医学人工智能 | 眼科疾病 | 文献计量分析 | Deep learning, Machine learning, GAN | 文献元数据 | 3,377篇出版物，来自98个国家的4,035个机构 | VOSviewer, CiteSpace, R package Bibliometrix | NA | NA | NA |
| 10084 | 2024-10-24 |
Correction: Checklist for Reproducibility of Deep Learning in Medical Imaging
2025-Jun, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01295-4
PMID:39438367
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10085 | 2025-10-07 |
DRBP-EDP: classification of DNA-binding proteins and RNA-binding proteins using ESM-2 and dual-path neural network
2025-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf058
PMID:40391089
|
研究论文 | 提出一种结合ESM-2和双路径神经网络的DNA结合蛋白与RNA结合蛋白分类方法DRBP-EDP | 整合ESM-2蛋白质语言模型与双路径神经网络的分阶段分类方法，并设计了高质量数据集构建方案 | NA | 开发高效准确的DNA结合蛋白和RNA结合蛋白分类方法 | 核酸结合蛋白（包括DNA结合蛋白和RNA结合蛋白） | 生物信息学 | NA | 蛋白质序列分析 | 双路径神经网络 | 蛋白质序列数据 | NA | NA | ESM-2, 双路径神经网络 | 准确率 | NA |
| 10086 | 2025-10-07 |
Parkinson's disease detection using inceptionV3: A Deep learning approach
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103333
PMID:40395929
|
研究论文 | 本研究使用深度学习算法对帕金森病患者绘制的螺旋图像进行分类，实现帕金森病的早期检测 | 利用迁移学习提取螺旋图像中的精细运动障碍模式，并通过混合深度学习模型增强特征提取能力 | 数据集相对有限，未来需要结合其他生物标志物或更广泛的运动测量数据 | 开发基于螺旋图像分析的帕金森病非侵入性早期诊断方法 | 帕金森病患者和健康个体绘制的螺旋图像 | 计算机视觉 | 帕金森病 | 图像分析 | CNN | 图像 | 帕金森病患者和正常个体绘制的螺旋图像数据库 | NA | DenseNet121,InceptionV3,VGG16,LeNet | 准确率 | NA |
| 10087 | 2025-10-07 |
Deep learning-based technique for investigating the behavior of MEMS systems with multiwalled carbon nanotubes and electrically actuated microbeams
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103337
PMID:40395931
|
研究论文 | 提出基于深度学习的非线性系统求解方法，用于研究含多壁碳纳米管的电驱动微梁MEMS系统行为 | 首次将深度神经网络应用于MEMS中非线性系统的求解，特别是针对多壁碳纳米管和电驱动微梁的振荡器 | NA | 研究MEMS振荡器的非线性振动特性，特别是与纳米管和电驱动微梁相关的特性 | 双端固定电驱动微梁和多壁碳纳米管在MEMS中的性能表现 | 机器学习 | NA | Galerkin技术，平行板电容器模型，欧拉-伯努利梁理论 | DNN | 数值模拟数据 | NA | NA | 深度神经网络 | 准确性，效率 | NA |
| 10088 | 2025-10-07 |
Machine learning-based label-free macrophage phenotyping in immune-material interactions
2025-May-21, Journal of materials chemistry. B
DOI:10.1039/d5tb00365b
PMID:40289902
|
研究论文 | 本研究开发了一种基于人工智能的无标记巨噬细胞表型分析方法，结合定量相位成像和深度学习模型 | 首次将AI驱动的图像分类与定量相位成像结合用于无标记巨噬细胞表型分析，避免了传统方法的固定和终点分析限制 | 单独使用定量相位成像无法完全区分表型，需要深度学习模型辅助 | 优化植入式生物医学材料的免疫相容性评估 | THP-1来源的巨噬细胞（M0、M1、M2a、M2c表型）及其对不同胶原涂层的反应 | 计算机视觉 | NA | 定量相位成像（QPI） | CNN | 图像 | THP-1来源的巨噬细胞四种表型 | NA | GoogLeNet, ShuffleNet, VGG-16, ResNet-18 | 准确率 | NA |
| 10089 | 2025-10-07 |
A Chemistry-Informed Generative Deep Learning Approach for Enhancing Voltammetric Neurochemical Sensing in Living Mouse Brain
2025-May-21, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c05393
PMID:40358003
|
研究论文 | 提出一种化学信息引导的生成神经网络模型，用于增强活体小鼠脑部伏安法神经化学传感的定量准确性 | 开发了结合化学原理的生成深度学习模型，能够分离伏安电流中的法拉第和非法拉第成分，减少信号串扰 | NA | 开发同时监测多种神经化学物质动态的高精度传感平台 | 活体小鼠脑部的多巴胺、抗坏血酸和离子强度动态 | 机器学习 | 神经炎症 | 伏安法神经化学传感 | 生成神经网络 | 伏安电流信号 | 神经炎症模型小鼠和对照小鼠 | NA | 化学信息引导的生成神经网络(CIGNN) | 定量准确性 | NA |
| 10090 | 2025-10-07 |
An Ultrasound Image-Based Deep Learning Radiomics Nomogram for Differentiating Between Benign and Malignant Indeterminate Cytology (Bethesda III) Thyroid Nodules: A Retrospective Study
2025-May-21, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.24058
PMID:40396203
|
研究论文 | 开发并验证基于超声图像和临床特征的深度学习放射组学列线图，用于预测不确定细胞学（Bethesda III）甲状腺结节的恶性风险 | 首次结合深度学习迁移特征、超声放射组学特征和临床特征构建综合诊断模型，用于Bethesda III类甲状腺结节的良恶性鉴别 | 回顾性研究设计，样本量相对有限（训练集155例，内部验证集39例） | 开发甲状腺结节良恶性鉴别诊断工具 | 不确定细胞学（Bethesda III）甲状腺结节患者 | 医学影像分析 | 甲状腺结节 | 超声成像 | 深度学习 | 超声图像，临床数据 | 训练集155例，内部验证集39例，外部验证集160例（来自两个医疗中心各80例） | NA | ResNet34 | AUC, 准确率, 灵敏度, 特异度, 精确率, 召回率 | NA |
| 10091 | 2025-10-07 |
Validation of a deep learning model for the automated detection and quantification of cystoid macular oedema on optical coherence tomography in patients with retinitis pigmentosa
2025-May-21, Acta ophthalmologica
IF:3.0Q1
DOI:10.1111/aos.17518
PMID:40396533
|
研究论文 | 验证基于深度学习的模型在视网膜色素变性患者光学相干断层扫描中自动检测和量化囊样黄斑水肿的能力 | 首次在视网膜色素变性患者中验证nnU-Net架构用于囊样黄斑水肿的自动分割，性能达到与人类专家相当的水平 | 样本量相对有限（37个外部测试扫描），仅在特定患者群体（视网膜色素变性）中验证 | 开发并验证用于自动检测和量化囊样黄斑水肿的深度学习模型 | 视网膜色素变性患者的囊样黄斑水肿 | 医学影像分析 | 视网膜色素变性 | 光谱域光学相干断层扫描 | 深度学习 | 医学影像 | 112个OCT体积（70训练，42验证），37个外部测试扫描 | nnU-Net | nnU-Net | Dice相似系数，组内相关系数 | NA |
| 10092 | 2025-10-07 |
Systematic review on the impact of deep learning-driven worklist triage on radiology workflow and clinical outcomes
2025-May-21, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11674-2
PMID:40397031
|
系统综述 | 系统评估深度学习驱动的工作列表分诊对放射科工作流程和临床结果的影响 | 首次系统分析深度学习分诊在不同临床环境和工作流程整合模式下的效果差异 | 需要进一步研究假阴性检查和多条件优先级排序的具体建议 | 评估基于深度学习的影像分诊系统对诊断延迟和患者预后的影响 | 放射科工作流程和患者临床结果 | 医学影像分析 | 肺栓塞, 卒中, 颅内出血, 胸部疾病 | 深度学习 | NA | 医学影像 | 38项研究，来自20篇出版物，涉及138,423张图像 | NA | NA | 报告周转时间, 治疗时间, 患者预后差异 | NA |
| 10093 | 2025-10-07 |
Decoding cancer prognosis with deep learning: the ASD-cancer framework for tumor microenvironment analysis
2025-May-20, mSystems
IF:5.0Q1
DOI:10.1128/msystems.01455-24
PMID:40237527
|
评论 | 本文探讨了ASD-cancer深度学习框架在肿瘤微环境分析中的方法创新和可扩展性 | 提出基于自编码器的半监督学习框架，通过迁移学习处理新数据集而无需重新训练 | 未整合额外数据层，缺乏自适应AI模型的持续学习能力 | 改进多组学数据分析，提升癌症预后预测能力 | 肿瘤微环境分析 | 机器学习 | 癌症 | 多组学数据分析 | 自编码器 | 多组学数据 | NA | NA | 自编码器 | NA | NA |
| 10094 | 2025-10-07 |
Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy
2025-May-20, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01504-8
PMID:40392414
|
研究论文 | 本研究探讨了在多位专家标注的前列腺MRI图像分割中，深度神经网络面临的读者间变异性问题 | 提出量化专家意见差异对DNN性能影响的方法，并探索跨专家意见的网络训练和适应策略 | 小尺寸腺体的分割性能较差，仅使用两位专家的标注数据 | 解决医学图像分割中读者间变异性对深度神经网络泛化能力的影响 | 前列腺腺体解剖结构 | 数字病理 | 前列腺癌 | 磁共振成像 | DNN | 医学图像 | 两位专家标注的MRI数据（专家1：342例，专家2：204例） | NA | 3D U-Net | Dice系数 | NA |
| 10095 | 2025-10-07 |
XVir: A Transformer-Based Architecture for Identifying Viral Reads from Cancer Samples
2025-May-20, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2025.0075
PMID:40392695
|
研究论文 | 提出一种基于Transformer的深度学习架构XVir，用于从癌症样本中可靠识别病毒DNA | 采用Transformer架构处理病毒DNA检测问题，能够在多样病毒种群中保持高准确率且训练速度显著快于其他大型深度学习分类器 | 基于半实验数据验证，未提及在真实临床环境中的性能表现 | 开发计算工具识别与癌症相关的病毒DNA | 人类肿瘤中的病毒DNA | 生物信息学 | 癌症 | DNA测序 | Transformer | DNA测序 reads | 来自病毒和人类基因组的混合测序reads | NA | Transformer | 分类准确率 | NA |
| 10096 | 2025-10-07 |
Deep-Learning Reconstruction for 7T MP2RAGE and SPACE MRI: Improving Image Quality at High Acceleration Factors
2025-May-20, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8841
PMID:40393739
|
研究论文 | 本研究评估了基于深度学习的图像重建技术在7T脑部MRI中的性能表现 | 将深度学习重建技术首次应用于超高场7T MRI的MP2RAGE和SPACE序列，实现了传统方法难以达到的高加速因子 | 回顾性研究设计，样本量相对有限（60例患者），仅评估了脑部MRI | 评估深度学习重建技术在7T MRI中的图像质量改善效果 | 接受7T脑部MRI检查的60例患者（30例MP2RAGE数据，30例SPACE FLAIR数据） | 医学影像分析 | 脑部疾病 | MP2RAGE, SPACE FLAIR, 压缩感知, CAIPIRINHA并行成像 | 深度学习 | MRI图像 | 60例患者（30例MP2RAGE，30例SPACE FLAIR） | NA | NA | 图像质量评分, 对比噪声比, 噪声水平, Wilcoxon符号秩检验 | NA |
| 10097 | 2025-10-07 |
Deep learning predicts microsatellite instability status in colorectal carcinoma in an ethnically heterogeneous population in South Africa
2025-May-20, Journal of clinical pathology
IF:2.5Q2
DOI:10.1136/jcp-2025-210053
PMID:40393786
|
研究论文 | 本研究评估了基于深度学习的模型在南非多民族人群中预测结直肠癌微卫星不稳定状态的性能 | 首次在非洲多民族人群中验证深度学习模型预测结直肠癌微卫星不稳定状态的有效性 | 样本量相对较小（197例），假阴性病例主要位于左半结肠且缺乏典型组织学特征 | 评估深度学习模型在资源有限环境中作为错配修复缺陷预筛查工具的可行性 | 结直肠癌切除标本 | 数字病理 | 结直肠癌 | 全玻片图像扫描，免疫组织化学染色 | 深度学习 | 病理图像 | 197例结直肠癌切除标本 | NA | Transformer | AUROC, 敏感性, 特异性, Youden's J指数 | NA |
| 10098 | 2025-10-07 |
Histopathology-Based Prostate Cancer Classification Using ResNet: A Comprehensive Deep Learning Analysis
2025-May-20, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01543-1
PMID:40394318
|
研究论文 | 本研究使用ResNet50深度学习模型对前列腺组织病理学图像进行良恶性分类 | 首次将ResNet50模型应用于前列腺癌组织病理图像分类，相比MobileNet和CNN-RNN模型获得4.26%的性能提升 | 样本量相对有限（1276张图像），需要更大数据集验证模型泛化能力 | 开发基于深度学习的前列腺癌自动诊断系统 | 前列腺活检组织病理图像 | 数字病理学 | 前列腺癌 | 组织病理学成像 | CNN | 图像 | 1276张前列腺活检图像 | NA | ResNet50 | 准确率,精确率,召回率,F1分数,置信区间 | NA |
| 10099 | 2025-10-07 |
An Artificial Intelligence Method for Phenotyping of OCT-Derived Thickness Maps Using Unsupervised and Self-supervised Deep Learning
2025-May-20, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01539-x
PMID:40394321
|
研究论文 | 提出一种基于无监督和自监督深度学习的人工智能方法，用于光学相干断层扫描厚度图的表型分析 | 首次结合无监督和自监督学习技术进行OCT表型分析，解决了跨数据集表型迁移的挑战 | NA | 通过分析OCT图像增强对眼科疾病生理学和遗传结构的理解 | 青光眼患者的OCT视网膜层厚度数据 | 计算机视觉 | 青光眼 | 光学相干断层扫描 | 深度学习 | 医学图像 | MEE数据集18,985张图像，UK Biobank数据集86,115张图像 | NA | 结合流形学习和高斯混合模型 | Pearson相关系数 | NA |
| 10100 | 2025-10-07 |
Streaks on martian slopes are dry
2025-May-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59395-w
PMID:40389425
|
研究论文 | 通过深度学习分析火星斜坡条纹特征，挑战传统液态水形成理论，支持干性尘埃驱动机制 | 首次建立包含50万个斜坡条纹的全球一致性目录，通过地理统计分析推翻湿润形成模型 | 主要依赖遥感观测数据，缺乏实地验证 | 探究火星斜坡条纹的形成机制及其在火星尘埃循环中的作用 | 火星表面的斜坡条纹和季节性重复坡线 | 行星科学, 计算机视觉 | NA | 深度学习, 地理统计分析 | 深度学习模型 | 火星遥感图像 | 50万个斜坡条纹样本 | NA | NA | NA | NA |