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 34204 篇文献，本页显示第 10961 - 10980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10961 | 2025-06-06 |
Diagnosis and classification of neuromuscular disorders using Bi-LSTM optimized with grey Wolf optimizer for EMG signals
2025-Jun-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03766-2
PMID:40456840
|
研究论文 | 该研究提出了一种使用灰狼优化器（GWO）优化Bi-LSTM超参数的方法，以提高EMG信号分类的准确性 | 首次将灰狼优化器（GWO）应用于Bi-LSTM模型的超参数优化，以提高EMG信号分类的准确性 | 模型的性能可能受限于EMG信号的质量和样本量 | 提高EMG信号分类的准确性，以更准确地诊断和跟踪神经肌肉疾病的康复效果 | EMG信号 | 生物医学工程与计算智能 | 神经肌肉疾病 | EMG信号分析 | Bi-LSTM | EMG信号 | NA | NA | NA | NA | NA |
| 10962 | 2025-06-06 |
Randomized comparison of AI enhanced 3D printing and traditional simulations in hepatobiliary surgery
2025-Jun-02, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01571-9
PMID:40457016
|
research paper | 比较AI增强的3D打印和传统模拟在肝胆手术中的效果 | 结合深度学习和3D打印技术优化肝胆手术规划，提高效率和准确性 | 样本量较小（64例患者），可能影响结果的普遍性 | 评估3D打印肝脏模型在肝胆手术规划中的效果 | 肝胆手术患者 | digital pathology | 肝胆疾病 | 3D打印，深度学习 | deep learning | 医学影像 | 64例患者 | NA | NA | NA | NA |
| 10963 | 2025-06-06 |
SC2Spa: a deep learning based approach to map transcriptome to spatial origins at cellular resolution
2025-Jun-02, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06173-6
PMID:40457183
|
研究论文 | SC2Spa是一种基于深度学习的工具，用于将转录组数据映射到细胞分辨率的空间位置 | SC2Spa通过学习空间转录组数据中的复杂空间关系，能够准确地将单细胞RNA测序数据映射到空间位置，并识别空间可变基因 | NA | 开发一种能够准确映射细胞到其空间坐标的工具，以理解组织内的细胞异质性 | 空间转录组数据和单细胞RNA测序数据 | 数字病理学 | NA | 空间转录组学(ST)、单细胞RNA测序(scRNA-seq) | 深度学习 | 转录组数据 | NA | NA | NA | NA | NA |
| 10964 | 2025-06-06 |
ScreenDx, an artificial intelligence-based algorithm for the incidental detection of pulmonary fibrosis
2025-Jun, The American journal of the medical sciences
DOI:10.1016/j.amjms.2025.02.011
PMID:40020875
|
研究论文 | 开发并验证了一种基于深度学习的卷积神经网络算法ScreenDx，用于筛查计算机断层扫描图像并识别偶然发现的肺纤维化病例 | 开发了ScreenDx算法，能够在不同CT制造商和切片厚度条件下高效识别肺纤维化，表现出较高的敏感性和特异性 | 研究未涉及所有可能的CT设备类型和临床环境，算法的普适性仍需进一步验证 | 开发一种机器学习算法以提高肺纤维化的早期诊断率 | 肺纤维化患者的CT影像 | 数字病理 | 肺纤维化 | 深度学习 | CNN | 图像 | 总样本量4,722例（包括3,658例训练集、381例调优集和683例外部验证集） | NA | NA | NA | NA |
| 10965 | 2025-06-06 |
FedBCD: Federated Ultrasound Video and Image Joint Learning for Breast Cancer Diagnosis
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3532474
PMID:40031191
|
research paper | 该研究提出了一种名为FedBCD的去中心化学习方法，用于联合学习乳腺超声视频和图像，以改善乳腺癌诊断 | 首次提出针对乳腺超声视频和图像的联合去中心化学习解决方案，设计了JUVIL模型以弥合视频和图像数据的维度差距，并提出了FILA层间聚合方法以提高联邦训练的稳定性 | 实验仅在三个图像客户端和一个视频客户端上进行，可能需要更多样化的数据验证其泛化能力 | 开发一种高效的联合学习方法，用于乳腺癌的超声诊断 | 乳腺超声视频和图像 | digital pathology | breast cancer | federated learning | JUVIL (Joint Ultrasound Video and Image Learning) | image, video | 三个图像客户端和一个视频客户端 | NA | NA | NA | NA |
| 10966 | 2025-06-06 |
Score-Based Diffusion Models With Self-Supervised Learning for Accelerated 3D Multi-Contrast Cardiac MR Imaging
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3534206
PMID:40031249
|
research paper | 本研究提出了一种基于分数扩散模型与自监督学习的新型方法，用于加速三维多对比心脏磁共振成像 | 结合自监督贝叶斯重建网络与联合分数扩散模型，无需全采样训练数据即可实现高质量图像重建 | 仅在特定3D联合心肌T1和T1ρ映射序列数据集上进行了验证 | 加速三维多对比心脏磁共振成像采集过程 | 三维多对比心脏磁共振图像 | 医学影像分析 | 心血管疾病 | 分数扩散模型、自监督学习、Langenvin Markov chain Monte Carlo采样 | 贝叶斯重建网络、联合分数扩散模型 | 3D多对比心脏磁共振图像 | 使用3D联合心肌T1和T1ρ映射序列采集的数据集 | NA | NA | NA | NA |
| 10967 | 2025-06-06 |
Cardiac Phase Estimation Using Deep Learning Analysis of Pulsed-Mode Projections: Toward Autonomous Cardiac CT Imaging
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3536160
PMID:40031322
|
研究论文 | 本文提出了一种基于深度学习的脉冲模式投影分析方法，用于心脏CT成像中的心脏相位估计，旨在实现自主心脏CT扫描 | 首次在投影域进行前瞻性心脏相位估计，提出了一种新的投影域心脏相位估计网络（PhaseNet）和不确定性驱动的Viterbi（UDV）正则化器 | 研究使用了基于物理的模拟数据进行性能评估，尚未在真实临床数据上进行验证 | 开发一种无需心电图设备和专家干预的自主心脏CT扫描方法 | 心脏CT成像中的心脏相位估计 | 医学影像分析 | 心血管疾病 | 深度学习分析 | LSTM, CNN | 脉冲模式投影（PMPs） | 基于物理的模拟数据 | NA | NA | NA | NA |
| 10968 | 2025-06-06 |
Information Geometric Approaches for Patient-Specific Test-Time Adaptation of Deep Learning Models for Semantic Segmentation
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3540546
PMID:40031589
|
研究论文 | 本研究提出了一种基于信息几何原理的新框架，用于在测试时对深度学习语义分割模型进行患者特异性适应 | 提出了一种基于信息几何原理的通用、即插即用、正则化的患者特异性适应框架，无需额外的神经网络或解剖先验信息 | NA | 解决深度学习语义分割模型在测试时的患者特异性适应问题 | COVID-19异常的CT图像、跨机构脑肿瘤MR图像、视网膜层OCT图像 | 计算机视觉 | COVID-19、脑肿瘤、视网膜疾病 | 深度学习 | 语义分割模型 | CT图像、MR图像、OCT图像 | NA | NA | NA | NA | NA |
| 10969 | 2025-06-06 |
CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction Across Various Sampling Rates
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541491
PMID:40031824
|
research paper | 提出了一种自适应重建方法CT-SDM，用于在不同采样率下实现高性能稀疏视图CT重建 | 设计了新颖的成像退化算子，在采样扩散模型中模拟正弦图域的投影过程，从而通过一个训练模型适应多种采样率 | 未提及具体临床验证结果或实际部署中的计算效率问题 | 解决稀疏视图CT重建中因采样率固定导致的模型泛化能力不足问题 | 稀疏视图CT扫描数据 | digital pathology | NA | deep learning, diffusion model | CT-SDM (采样扩散模型) | CT图像 | 多个数据集（未明确数量） | NA | NA | NA | NA |
| 10970 | 2025-06-06 |
Ultra-Sparse-View Cone-Beam CT Reconstruction-Based Strictly Structure-Preserved Deep Neural Network in Image-Guided Radiation Therapy
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541242
PMID:40031817
|
研究论文 | 本研究提出了一种基于严格结构保持的深度神经网络（PSSP-NET）用于超稀疏视角锥束CT重建，旨在在图像引导放射治疗中减少额外剂量同时保持图像质量 | 利用计划CT作为先验信息，开发了基于生成对抗网络（GAN）的PSSP-NET模型，用于快速重建高质量CBCT图像 | 研究仅在头颈癌患者中进行了临床性能评估，未涉及其他癌症类型 | 减少图像引导放射治疗中的额外辐射剂量，同时保持CBCT图像质量 | 头颈癌患者 | 数字病理 | 头颈癌 | 锥束CT（CBCT） | GAN | 图像 | 头颈癌患者的临床CBCT投影数据 | NA | NA | NA | NA |
| 10971 | 2025-06-06 |
TransMatch: Employing Bridging Strategy to Overcome Large Deformation for Feature Matching in Gastroscopy Scenario
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541433
PMID:40031823
|
research paper | 提出了一种名为TransMatch的特征匹配框架，用于解决胃镜场景中特征严重变形和大位移的匹配问题 | 通过Transformer结构利用全局信息匹配特征，并采用双向二次插值网络的桥接策略分解和简化严重变形特征的匹配 | NA | 解决胃镜场景中特征严重变形和大位移的匹配问题 | 胃镜图像中的特征匹配 | computer vision | NA | Transformer, 双向二次插值网络 | Transformer | image | 大规模胃镜数据集 | NA | NA | NA | NA |
| 10972 | 2025-06-06 |
Image classification-driven speech disorder detection using deep learning technique
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100261
PMID:40057233
|
研究论文 | 本研究提出了一种基于图像分类的自动语音障碍检测模型，通过Mel-Spectrogram分类识别多种语音障碍 | 使用增强的LEVIT transformer进行特征提取，并采用包含CatBoost和XGBoost的集成学习方法进行分类，同时利用量化感知训练减少计算资源 | 模型在多语言和方言中的适用性有待进一步验证，且需要更多样化的数据集进行泛化 | 开发一种自动化的语音障碍检测模型，以提高诊断的准确性和效率 | 语音障碍患者 | 自然语言处理 | 语音障碍 | Wavelet Transform (WT), 量化感知训练 (QAT) | LEVIT transformer, CatBoost, XGBoost, Extremely Randomized Tree | Mel-Spectrogram图像 | VOICED和LANNA数据集 | NA | NA | NA | NA |
| 10973 | 2025-06-06 |
Advanced NLP-driven predictive modeling for tailored treatment strategies in gastrointestinal cancer
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100264
PMID:40057234
|
研究论文 | 本研究旨在开发一种基于自然语言处理（NLP）的预测建模框架，用于胃肠道癌症的个性化治疗策略 | 提出了Resilient Adam Algorithm驱动的Versatile Long-Short Term Memory (RAA-VLSTM)模型，用于分析临床数据，并通过RAA优化算法显著提高了训练效率 | 未提及具体的数据集规模限制或模型在其他癌症类型中的泛化能力 | 开发一种先进的NLP驱动预测建模框架，以改善胃肠道癌症的个性化治疗策略 | 胃肠道癌症患者的电子健康记录（EHRs） | 自然语言处理 | 胃肠道癌症 | NLP, 深度学习 | RAA-VLSTM | 文本（电子健康记录） | 来自多个医疗中心的广泛电子健康记录（具体数量未提及） | NA | NA | NA | NA |
| 10974 | 2025-06-06 |
Advancing Intracranial Aneurysm Detection: A Comprehensive Systematic Review and Meta-analysis of Deep Learning Models Performance, Clinical Integration, and Future Directions
2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2025.111243
PMID:40306254
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习模型在颅内动脉瘤检测中的性能及其对临床诊断的辅助作用 | 深度学习模型在颅内动脉瘤检测中展现出超越传统临床诊断的敏感性和特异性，并能显著提升临床医生的诊断一致性和准确性 | 需要在更多样化的临床环境中进行进一步验证，并实现与标准工作流程的无缝集成 | 评估深度学习模型在颅内动脉瘤检测中的性能及其临床应用价值 | 颅内动脉瘤的检测和预测 | digital pathology | cardiovascular disease | CT angiography (CTA), digital subtraction angiography (DSA), time-of-flight MR angiography (TOF-MRA) | DL (Deep Learning) | image | NA | NA | NA | NA | NA |
| 10975 | 2025-06-06 |
Glycosyltransferases in human milk oligosaccharide synthesis: structural mechanisms and rational design
2025-Jun, Current opinion in biotechnology
IF:7.1Q1
DOI:10.1016/j.copbio.2025.103315
PMID:40347686
|
review | 本文系统分析了糖基转移酶在人类母乳寡糖合成中的结构机制和理性设计 | 综述了糖基转移酶的结构生物学，通过晶体学研究阐明了保守域和催化机制，并总结了当代优化策略，包括溶解度增强、催化效率提升和底物特异性工程 | 未提及具体实验数据或样本量，可能缺乏实证支持 | 探讨糖基转移酶在人类母乳寡糖合成中的结构机制和理性设计 | 糖基转移酶和人类母乳寡糖 | 合成生物学 | NA | 晶体学研究和深度学习算法 | NA | 结构生物学数据 | NA | NA | NA | NA | NA |
| 10976 | 2025-06-06 |
CirnetamorNet: An ultrasonic temperature measurement network for microwave hyperthermia based on deep learning
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100297
PMID:40350037
|
研究论文 | 提出了一种基于深度学习的超声波温度测量网络CirnetamorNet，用于微波热疗中的非侵入性温度监测 | 通过多头注意力机制高效整合多特征数据，提高了非侵入性测温技术的准确性和可靠性 | 实验数据采集系统使用模拟人体组织特性的材料构建，可能与真实人体组织存在差异 | 实现微波热疗过程中准确的非侵入性温度预测 | 微波热疗中的温度监测 | 数字病理 | 癌症 | 超声波成像 | RNN, 多头注意力机制 | 图像 | NA | NA | NA | NA | NA |
| 10977 | 2025-06-06 |
Prediction of pathological grade of oral squamous cell carcinoma and construction of prognostic model based on deep learning algorithm
2025-Jun-01, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02144-8
PMID:40450613
|
研究论文 | 本研究旨在基于全切片图像(WSIs)建立深度学习模型，用于预测口腔鳞状细胞癌(OSCC)的病理分级 | 使用CLAM算法构建的深度学习模型在训练集和外部验证集中表现出良好的预测效率和泛化能力，并结合转录组数据构建了OSCC的预后风险模型 | 外部验证集的AUC(0.71)低于训练集(0.86)，表明模型在外部数据上的性能有待提高 | 预测口腔鳞状细胞癌的病理分级并构建预后模型 | 口腔鳞状细胞癌(OSCC)患者 | 数字病理学 | 口腔鳞状细胞癌 | 深度学习算法 | CLAM算法 | 全切片图像(WSIs)和转录组数据 | 257例OSCC患者的组织病理学图像(来自TCGA数据库)和165例OSCC病理切片(来自CPTAC数据库) | NA | NA | NA | NA |
| 10978 | 2025-06-06 |
Deep learning driven interpretable and informed decision making model for brain tumour prediction using explainable AI
2025-Jun-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03358-0
PMID:40451921
|
研究论文 | 本研究提出了一种结合深度学习和可解释AI（XAI）的模型，用于准确且可解释的脑肿瘤预测 | 结合深度学习和XAI，提供模型预测的可解释性，帮助临床医生理解决策过程 | 模型可能仍存在某些复杂病例的预测困难，且依赖于大量影像和临床数据 | 开发一个可解释的脑肿瘤预测模型，以提高诊断准确性和临床信任度 | 脑肿瘤患者 | 数字病理学 | 脑肿瘤 | MRI和CT扫描 | 深度学习模型 | 影像和临床数据 | 广泛的数据集（具体数量未提及） | NA | NA | NA | NA |
| 10979 | 2025-06-06 |
Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness
2025-Jun, Neurocritical care
IF:3.1Q2
DOI:10.1007/s12028-024-02142-8
PMID:39532777
|
研究论文 | 本研究开发了一种基于18F-FDG PET和行为CRS-R评分的预后模型，用于预测长期意识障碍患者的1年恢复情况 | 结合18F-FDG PET的脑外组织标准化和行为CRS-R评分，开发了多模态预后模型，提高了预测意识恢复的准确性 | 样本量较小（87例患者），且测试集结果显示差异无统计学意义（P=0.73） | 开发预测长期意识障碍患者恢复情况的预后模型 | 87例新诊断为长期意识障碍的患者 | 数字病理 | 神经系统疾病 | 18F-FDG PET/CT扫描 | DenseNet121 | 图像和表格数据 | 87例意识障碍患者（52例恢复意识，35例未恢复） | NA | NA | NA | NA |
| 10980 | 2025-06-06 |
Underwater 3D measurement based on improved YOLOv8n and laser scanning imaging device
2025-Jun-01, The Review of scientific instruments
DOI:10.1063/5.0256098
PMID:40471019
|
研究论文 | 本文提出了一种名为YOLOv8-FWR的深度学习算法，结合激光扫描成像设备，有效提高了水下激光成像的效率和质量 | 引入了Focal_SPPF池化模块以减少背景噪声影响，提出了加权特征Concat模块以增强边缘小目标光条的检测，并通过结构重参数化技术优化了C2f模块，降低了模型参数数量同时提高了准确性 | NA | 提高水下激光成像的目标检测效率和准确性 | 水下激光扫描成像中的目标光条 | 计算机视觉 | NA | 激光扫描成像 | YOLOv8-FWR | 图像 | 通过模拟水下激光扫描成像过程构建的包含大量背景噪声的数据集，并在VOC2012和Underwater Detection Dataset (UDD)上进行了验证 | NA | NA | NA | NA |