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 10181 - 10200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10181 | 2025-04-25 |
Response to the Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia"
2025-Jun, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251329356
PMID:40269482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10182 | 2025-10-07 |
Accuracy of an Automated Bone Scan Index Measurement System Enhanced by Deep Learning of the Female Skeletal Structure in Patients with Breast Cancer
2025-Jun, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-025-00905-5
PMID:40385368
|
研究论文 | 本研究验证了通过深度学习女性骨骼结构增强的自动化骨扫描指数测量系统VSBONE在乳腺癌患者中的诊断准确性 | VSBONE系统从2.1版本升级到3.0版本，整合了957名女性骨骼结构的深度学习数据，专门针对乳腺癌患者优化 | 研究样本量相对有限（220名日本患者），且为回顾性研究设计 | 验证更新版VSBONE系统在乳腺癌患者中的诊断准确性 | 220名接受骨闪烁扫描的日本乳腺癌患者 | 医学影像分析 | 乳腺癌 | 骨闪烁扫描、单光子发射计算机断层扫描/计算机断层扫描(SPECT/CT) | 深度学习 | 医学影像 | 220名乳腺癌患者（20例骨转移，200例非骨转移） | NA | NA | 诊断准确率、分割错误率、相关系数 | NA |
| 10183 | 2025-10-07 |
Classification of differentially activated groups of fibroblasts using morphodynamic and motile features
2025-Jun, APL bioengineering
IF:6.6Q1
DOI:10.1063/5.0250502
PMID:40385989
|
研究论文 | 提出基于人工智能的分类框架，通过分析成纤维细胞的形态动力学和运动特征来识别和表征不同激活状态的成纤维细胞 | 首次将形态动力学和运动特征与分子标记相结合，提供了一种新颖的细胞分类方法 | 传统分子标记在多种成纤维细胞亚型中存在共表达，难以区分特定激活状态 | 识别和表征不同激活状态的成纤维细胞，以更好地靶向肿瘤微环境 | 与乳腺癌细胞系共培养的成纤维细胞 | 计算机视觉 | 乳腺癌 | 无标记活细胞成像 | 深度学习,机器学习 | 图像 | NA | NA | NA | NA | NA |
| 10184 | 2025-10-07 |
Gluten identification from food images using advanced deep learning and transfer learning methods
2025-Jun, Journal of food science and technology
DOI:10.1007/s13197-024-06158-y
PMID:40386197
|
研究论文 | 本文提出了一种基于深度学习的麸质图像分类方法，旨在帮助乳糜泻患者识别含麸质食物 | 首次将EfficientNet预训练模型应用于麸质食物图像分类，并取得了高精度识别效果 | 数据集仅包含Food101中的常见食物食谱，可能无法覆盖所有麸质食物类型 | 开发能够准确识别含麸质食物的图像分类系统 | 食物图像中的麸质识别 | 计算机视觉 | 乳糜泻 | NA | CNN | 图像 | 20,000张训练图像，2,000张测试图像 | NA | EfficientNet | 准确率 | NA |
| 10185 | 2025-10-07 |
Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy
2025-May-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2412261122
PMID:40388622
|
研究论文 | 提出一种结合深度学习和超低光显微镜的近零光子生物成像方法 | 在kHz速率和比标准显微镜低10,000倍的辐照度下实现生物成像，能够从每像素仅0.01光子的极低信号重建图像 | 未明确说明具体应用场景的限制条件 | 开发在极低光照条件下实现高保真生物成像的技术 | 多细胞和亚细胞结构特征 | 生物医学成像 | NA | 超低光显微镜，深度学习图像重建 | 深度学习 | 光子稀疏图像 | NA | NA | NA | 成像保真度 | NA |
| 10186 | 2025-05-21 |
[Technological innovation and future development of quantitative research on acupuncture manipulation techniques]
2025-May-25, Zhen ci yan jiu = Acupuncture research
DOI:10.13702/j.1000-0607.20250319
PMID:40390611
|
综述 | 本文全面回顾了针灸操作技术定量研究的生物力学基础和技术演变，并探讨了其未来发展方向 | 通过计算机视觉、深度学习和多模态感知融合等技术，实现了针灸操作量化的创新应用 | NA | 推动针灸从经验实践向数据驱动的精准医学转变，为中医现代化和国际标准化提供理论基础和技术支持 | 针灸操作技术 | 数字病理学 | NA | 计算机视觉、深度学习、多模态感知融合 | NA | 生物力学参数 | NA | NA | NA | NA | NA |
| 10187 | 2025-10-07 |
Effectiveness of Artificial Intelligence in detecting sinonasal pathology using clinical imaging modalities: a systematic review
2025-May-19, Rhinology
IF:4.8Q1
DOI:10.4193/Rhin25.044
PMID:40388840
|
系统综述 | 本系统综述评估人工智能在通过放射影像检测鼻窦病理方面的有效性和临床相关性 | 首次系统评估AI在鼻窦病理检测中的方法学和临床价值，涵盖多种影像模态和AI架构 | 现有研究主要为回顾性、单中心研究，使用内部数据库为主，泛化能力有待验证 | 评估AI在鼻窦病理检测中的方法学质量和临床适用性 | 鼻窦病理的放射影像学检测 | 医学影像分析 | 鼻窦疾病 | CT, MRI | CNN, 机器学习分类器 | 医学影像 | 53项研究，其中85%为回顾性研究，68%为单中心研究 | NA | 卷积神经网络 | AUC, 准确率, 敏感度, 特异度, 精确率, F1分数 | NA |
| 10188 | 2025-10-07 |
Utilizing Deep Learning to Identify Electron-Dense Deposits in Renal Biopsy Electron Microscopy Images
2025-May-19, American journal of nephrology
IF:4.3Q1
DOI:10.1159/000546131
PMID:40388893
|
研究论文 | 开发基于深度学习的平台自动分类肾脏活检电镜图像中电子致密沉积物的位置 | 首次将深度学习应用于肾脏活检电镜图像中电子致密沉积物的自动定位分类 | 模型性能仍低于专业电镜病理学家，仅使用单一医疗中心数据 | 开发自动分类肾脏活检电镜图像中电子致密沉积物位置的深度学习平台 | 肾脏活检电镜图像中的电子致密沉积物 | 数字病理 | 肾脏疾病 | 电子显微镜 | CNN | 图像 | 来自1039例肾脏活检的4303张电镜图像 | NA | ResNet18 | AUC, 准确率, Cohen's Kappa | NA |
| 10189 | 2025-10-07 |
Analysis of the Evolutionary Process of Spatial Microdamage Propagation in Silicon Nitride Bearings Using Deep Learning-Driven Molecular Dynamics
2025-May-19, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.5c00466
PMID:40389365
|
研究论文 | 本研究结合深度学习与分子动力学，揭示了氮化硅轴承表面空间微损伤的动态演化机制 | 首次提出基于3D点云重建和机器学习势函数的分子动力学建模方法，揭示了微损伤扩展与弹塑性变形的动态耦合机制 | NA | 揭示氮化硅轴承表面空间微损伤的动态演化机制，为陶瓷轴承寿命预测和抗损伤设计提供理论支持 | 氮化硅轴承表面的空间微损伤 | 计算材料科学, 分子动力学模拟 | NA | 分子动力学模拟, 3D点云重建, 机器学习势函数 | 深度学习, 原子相互作用模型 | 3D点云数据, 原子尺度模拟数据 | NA | NA | 深度势能原子相互作用模型 | NA | NA |
| 10190 | 2025-05-21 |
Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance?
2025-May-19, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04954-1
PMID:40389738
|
research paper | 探讨人工智能在鼻整形手术中的应用及其潜在问题 | 利用深度学习和GANs预测术后效果并优化美学规划 | 无法考虑个体愈合过程、组织行为及长期鼻部重塑，存在伦理问题和数据隐私风险 | 评估AI在鼻整形手术中的精确性与过度依赖风险 | 鼻整形手术的术前规划与患者沟通 | digital pathology | NA | deep learning, GANs | GAN | image | NA | NA | NA | NA | NA |
| 10191 | 2025-10-07 |
Extensible Immunofluorescence (ExIF) accessibly generates high-plexity datasets by integrating standard 4-plex imaging data
2025-May-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59592-7
PMID:40382312
|
研究论文 | 提出可扩展免疫荧光(ExIF)框架，通过生成式深度学习将标准4重免疫荧光图像整合成理论上无限多重标记的统一数据集 | 将多组学数据整合概念引入显微镜领域，首次实现通过生成式深度学习虚拟标记将标准4重荧光图像扩展为高多重数据集 | 依赖于精心设计但易于生产的4重荧光面板，多重标记方法的实际应用仍有限 | 开发能够从标准4重免疫荧光图像生成高多重数据集的框架，用于复杂细胞生物学研究 | 上皮-间质转化(EMT)过程中的细胞表型和分子标记动态 | 数字病理 | NA | 免疫荧光成像，生成式深度学习虚拟标记 | 生成式深度学习模型 | 免疫荧光图像 | NA | NA | NA | 细胞表型分类，细胞表型异质性流形学习，分子标记动态伪时序推断 | NA |
| 10192 | 2025-10-07 |
CREATE: cell-type-specific cis-regulatory element identification via discrete embedding
2025-May-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59780-5
PMID:40382355
|
研究论文 | 提出一种基于离散嵌入的多模态深度学习框架CREATE，用于细胞类型特异性顺式调控元件的识别和表征 | 首次将矢量量化变分自编码器应用于CRE识别，整合多组学数据生成离散嵌入，实现细胞类型特异性CRE的准确分类和解释性分析 | NA | 开发能够识别细胞类型特异性顺式调控元件并解析其调控机制的计算方法 | 顺式调控元件（增强子、沉默子、启动子、绝缘子） | 计算生物学 | NA | 多组学数据整合分析 | VQ-VAE（矢量量化变分自编码器） | 基因组序列、染色质可及性、染色质相互作用数据 | NA | NA | Vector Quantized Variational AutoEncoder | 多类分类准确率 | NA |
| 10193 | 2025-10-07 |
A novel hybrid deep learning approach for super-resolution and objects detection in remote sensing
2025-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01476-3
PMID:40382366
|
研究论文 | 提出一种结合超分辨率技术和先进特征提取算法的混合深度学习框架，用于遥感图像中的目标检测 | 将Advanced StyleGAN与Swin Transformer结合的混合模型，通过超分辨率增强和分层注意力机制提升小目标和遮挡目标的检测能力 | 计算效率有待优化，尚未扩展到多模态或动态目标检测任务 | 解决遥感图像中因低分辨率、复杂背景、遮挡和尺度变化导致的目标检测难题 | 遥感图像中的各类目标 | 计算机视觉 | NA | 深度学习，超分辨率技术 | GAN, Transformer | 遥感图像 | VEDAI-VISIBLE、VEDAI-IR、RSOD和NWPU VHR-10数据集 | NA | Advanced StyleGAN, Swin Transformer | mAP@0.5, mAP@0.5:0.95, F1-Score, 推理时间 | NA |
| 10194 | 2025-10-07 |
ConsensuSV-ONT - A modern method for accurate structural variant calling
2025-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01486-1
PMID:40382368
|
研究论文 | 提出了一种基于共识策略的自动化结构变异检测工具ConsensuSV-ONT，用于Oxford Nanopore长读长测序数据 | 结合六种先进结构变异检测工具，并采用卷积神经网络过滤高质量变异，提供完整的Docker运行时环境 | 仅适用于Oxford Nanopore长读长测序数据，未与其他测序平台进行对比验证 | 开发准确可靠的结构变异检测方法 | 基因组结构变异 | 生物信息学 | NA | Oxford Nanopore长读长测序 | CNN | 基因组测序数据 | NA | nextflow | 卷积神经网络 | NA | Docker容器，并行计算 |
| 10195 | 2025-10-07 |
Intracranial hemorrhage segmentation and classification framework in computer tomography images using deep learning techniques
2025-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01317-3
PMID:40382387
|
研究论文 | 提出基于MUNet的颅内出血分割与分类框架IHSNet，用于CT图像中的多类型出血自动分割与分类 | 开发了能够同时实现多类型颅内出血分割和分类的深度学习框架，在单一模型中整合分割和分类功能 | 方法目前主要针对特定类型的颅内出血，未来需要扩展处理更多医学图像分割问题 | 开发自动化的颅内出血诊断系统，辅助神经外科医生制定治疗方案 | CT图像中的颅内出血区域 | 计算机视觉 | 颅内出血 | 计算机断层扫描(CT) | CNN | 医学图像 | NA | NA | U-Net, MUNet | 准确率, DICE系数 | NA |
| 10196 | 2025-10-07 |
Construction and validation of a pain facial expressions dataset for critically ill children
2025-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02247-w
PMID:40382393
|
研究论文 | 本研究构建并验证了一个专门针对中国危重症儿童疼痛面部表情的大规模数据集 | 创建了首个专门针对中国危重症儿童的疼痛面部表情数据集PFECIC，并通过深度学习模型验证了其有效性 | 样本量相对有限（仅53名儿童），数据收集时间较短（2022年12月至2023年1月） | 开发自动疼痛评估系统，解决无法沟通儿童的疼痛识别问题 | 中国危重症儿童的面部疼痛表情 | 计算机视觉 | 危重症疾病 | 视频采集，图像提取 | 深度学习模型 | 视频，图像 | 53名儿童，119个疼痛表情视频，6951张图像 | NA | NA | 准确率，精确率，召回率，F1分数，假阳性率 | NA |
| 10197 | 2025-10-07 |
A self-supervised multimodal deep learning approach to differentiate post-radiotherapy progression from pseudoprogression in glioblastoma
2025-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02026-7
PMID:40382400
|
研究论文 | 提出一种自监督多模态深度学习方法，用于区分胶质母细胞瘤放疗后的真实进展与假性进展 | 首次将自监督Vision Transformer与多模态数据（MRI、临床参数、放疗计划信息）通过跨模态注意力机制结合，解决数据有限情况下的分类问题 | 样本量相对较小（训练集59例，测试集20例），需要更多外部验证 | 提高胶质母细胞瘤放疗后真实进展与假性进展的鉴别准确性 | 胶质母细胞瘤患者 | 医学影像分析 | 胶质母细胞瘤 | MRI成像 | Vision Transformer (ViT) | 多模态数据（MRI图像、临床参数、放疗计划信息） | 训练集：59例（Burdenko数据集），测试集：20例（UKER数据集），预训练：2317例MRI研究 | PyTorch | Vision Transformer | AUC | NA |
| 10198 | 2025-10-07 |
An integrated deep learning model for early and multi-class diagnosis of Alzheimer's disease from MRI scans
2025-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01845-y
PMID:40382404
|
研究论文 | 提出一种基于混合深度学习的多类别阿尔茨海默病诊断系统，通过MRI扫描实现早期诊断和疾病分期 | 集成改进的DeepLabV3+病灶分割模型、基于平均相关性和错误概率的特征选择方法，以及增强的ResNext分类模型 | NA | 开发早期和准确的阿尔茨海默病诊断与分期系统 | 阿尔茨海默病患者MRI扫描数据 | 计算机视觉 | 阿尔茨海默病 | 磁共振成像(MRI) | 深度学习,CNN | 医学影像 | NA | NA | DeepLabV3+,LeNet-5,ResNext | 准确率,AUC | NA |
| 10199 | 2025-10-07 |
Research on accurate fire source localization and seconds-level autonomous fire extinguishing technology
2025-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01830-5
PMID:40382425
|
研究论文 | 本研究提出了一种基于深度学习的厘米级火源精确定位与秒级自主灭火技术 | 结合火焰视觉信息、热成像形态和热数据进行深度学习，实现厘米级高精度火源定位和快速水炮指令生成 | NA | 开发自主灭火技术，提高灭火机器人的核心能力 | 灭火机器人，火焰识别与定位，自主灭火 | 计算机视觉 | NA | 深度学习，热成像技术 | 深度学习模型 | 视觉图像，热成像数据，热数据 | NA | NA | NA | 识别速度15Fps，灭火响应时间0.5s，识别距离15m | NA |
| 10200 | 2025-10-07 |
A combined model for short-term traffic flow prediction based on variational modal decomposition and deep learning
2025-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98496-w
PMID:40382484
|
研究论文 | 提出一种结合变分模态分解与深度学习的短期交通流预测组合模型 | 首次将VMD、GAT和MGTCN集成构建组合预测模型，通过模态分解和时空特征提取提升预测精度 | NA | 提高短期交通流预测的准确性 | 交通流数据 | 机器学习 | NA | 变分模态分解 | 图注意力网络,时间卷积网络 | 交通流时序数据 | NA | NA | GAT,MGTCN | 预测精度 | NA |