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 11181 - 11200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11181 | 2025-10-07 |
A deep learning pipeline for morphological and viability assessment of 3D cancer cell spheroids
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf030
PMID:40352793
|
研究论文 | 提出一种用于3D癌细胞球体形态学和活力评估的深度学习流程 | 开发可扩展的两阶段深度学习流程，整合分割与分析任务，解决现有方法缺乏集成工作流程的问题 | 未明确说明样本规模和数据来源的具体限制 | 实现3D癌细胞球体的高通量形态特征分析和细胞活力评估 | 3D癌细胞球体模型 | 计算机视觉 | 癌症 | 显微镜成像 | CNN, U-Net | 显微镜图像 | NA | NA | U-Net, CNN Regression Hybrid | 准确率, R²值 | NA |
| 11182 | 2025-10-07 |
A super resolution generative adversarial networks and partition-based adaptive filtering technique for detect and remove flickers in digital color images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317758
PMID:40354494
|
研究论文 | 提出一种结合超分辨率生成对抗网络和分区自适应滤波技术的无监督框架，用于检测和消除数字彩色图像中的闪烁伪影 | 首次将SRGAN与分区自适应滤波技术结合，构建端到端的无监督单图像去闪烁框架，无需相机参数或匹配图像等先验知识 | 仅针对单图像去闪烁问题，未验证在视频序列上的性能；需要进一步测试在不同类型相机和光照条件下的泛化能力 | 消除数字图像中的闪烁伪影，提升图像视觉质量和真实性 | 使用卷帘快门CMOS传感器相机拍摄的数字彩色图像 | 计算机视觉 | NA | 超分辨率生成对抗网络，分区自适应滤波技术 | GAN | 图像 | 未配对的图像数据 | NA | SRGAN | 视觉质量，闪烁像差减少 | NA |
| 11183 | 2025-10-07 |
Integrating temporal convolutional networks with metaheuristic optimization for accurate software defect prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319562
PMID:40354496
|
研究论文 | 提出一种结合时序卷积网络和蚁狮优化的智能方法用于软件缺陷预测 | 首次将时序卷积网络与蚁狮优化算法相结合用于软件缺陷预测，通过元启发式算法优化网络权重 | NA | 确定最有效的软件缺陷检测模型 | 软件项目中的缺陷 | 机器学习 | NA | NA | TCN, CNN, GRU, BiLSTM | 软件项目数据 | NA | NA | 时序卷积网络, 卷积神经网络, 门控循环单元, 双向长短期记忆网络 | AUC, 灵敏度, 特异性, 准确率, 错误率 | NA |
| 11184 | 2025-10-07 |
Monitoring Substance Use with Fitbit Biosignals: A Case Study on Training Deep Learning Models Using Ecological Momentary Assessments and Passive Sensing
2024-Dec, AI (Basel, Switzerland)
DOI:10.3390/ai5040131
PMID:40351335
|
研究论文 | 通过Fitbit生物信号监测物质使用行为，探索使用自监督学习增强的个性化CNN模型在物质使用检测中的可行性 | 采用参与者特定的卷积神经网络结合自监督学习来解决个体间数据异质性问题，在有限标签条件下改进个性化特征提取 | 样本量较小（仅9名参与者），限制了研究结果在不同人群中的普适性 | 开发基于可穿戴设备生物信号的物质使用检测数字健康解决方案 | 物质使用障碍患者 | 机器学习 | 物质使用障碍 | 被动传感，生态瞬时评估 | CNN | 生物信号数据 | 9名参与者 | NA | 1D-CNN | AUC, 敏感度, 特异度 | NA |
| 11185 | 2025-10-07 |
Early Multimodal Data Integration for Data-Driven Medical Research - A Scoping Review
2024-08-30, Studies in health technology and informatics
DOI:10.3233/SHTI240837
PMID:39234706
|
综述 | 本文通过范围综述分析了2019-2024年间21篇关于早期多模态数据整合方法的文献 | 将早期多模态数据整合方法分为四类并总结了各类特征，提出了方法选择的关键考量因素 | 仅关注结构整合方法，未系统比较早期与晚期整合方法 | 探索数据驱动医学研究中早期多模态数据整合方法的应用现状 | 21篇关于早期多模态数据整合方法的综述文献 | 机器学习 | NA | 多模态数据整合 | 深度学习 | 多模态医学数据 | 21篇综述文献 | NA | NA | NA | NA |
| 11186 | 2025-10-07 |
Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification
2024-Jun-23, ArXiv
PMID:39398214
|
研究论文 | 开发用于腹水自动分割和体积量化的深度学习模型 | 首次提出基于深度学习的腹水自动分割和体积量化方法，并在多中心数据上验证其性能 | 回顾性研究，数据来源于特定患者群体（肝硬化和卵巢癌患者） | 评估深度学习模型在检测腹水并量化其体积方面的性能 | 肝硬化腹水患者和卵巢癌患者 | 医学影像分析 | 肝硬化和卵巢癌 | CT扫描 | 深度学习分割模型 | 腹部盆腔CT图像 | 训练集：143名女性患者（TCGA卵巢癌数据集）；测试集：NIH-LC（25例）、NIH-OV（166例）、UofW-LC（124例） | NA | NA | Dice系数, 体积估计误差, 决定系数(r²) | NA |
| 11187 | 2025-10-07 |
DEEP IMAGE PRIOR WITH STRUCTURED SPARSITY (DISCUS) FOR DYNAMIC MRI RECONSTRUCTION
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635579
PMID:40352104
|
研究论文 | 提出一种基于结构化稀疏深度图像先验的自监督动态MRI重建方法DISCUS | 在深度图像先验基础上引入帧特定代码向量的组稀疏约束，无需预先指定流形维度即可发现描述时间变化的低维流形 | 未提及方法在大规模临床数据上的验证结果 | 解决动态MRI中高质量训练数据不足时的图像重建问题 | 动态MRI图像序列 | 医学影像处理 | 心血管疾病 | 动态MRI，晚期钆增强(LGE) | 深度学习 | 医学影像 | 5例患者的回顾性欠采样单次激发LGE数据 | NA | 深度图像先验(DIP) | NA | NA |
| 11188 | 2025-10-07 |
Lossless compression-based detection of osteoporosis using bone X-ray imaging
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230238
PMID:38393881
|
研究论文 | 提出一种基于深度学习和无损压缩的骨质疏松检测方法，通过骨X射线图像区分骨质疏松患者与健康个体 | 通过分离感兴趣区域和非感兴趣区域减少数据冗余，并增强空间和统计特征 | NA | 改进基于骨X射线图像的骨质疏松诊断方法 | 骨质疏松患者和健康个体的骨X射线图像 | 计算机视觉 | 骨质疏松症 | X射线成像 | SVM | 图像 | NA | NA | NA | AUC | NA |
| 11189 | 2025-10-07 |
Label-free imaging of nuclear membrane for analysis of nuclear import of viral complexes
2023-12, Journal of virological methods
IF:2.2Q3
DOI:10.1016/j.jviromet.2023.114834
PMID:37875225
|
研究论文 | 本研究开发了一种基于深度学习的方法，利用透射光显微镜实现核膜的无标记成像，用于分析HIV-1病毒复合物的核输入过程 | 首次使用深度神经网络模型通过透射光显微镜实现核膜的无标记可视化，避免了传统荧光标记的局限性 | 模型训练基于固定细胞数据，虽然已证明可适用于活细胞成像，但在原代细胞中的应用仍需进一步验证 | 研究HIV-1病毒复合物在非分裂细胞中的核输入机制 | HIV-1病毒复合物、细胞核膜、核孔复合物 | 数字病理 | HIV感染 | 透射光显微镜、荧光显微镜、单病毒追踪 | 深度神经网络 | 图像 | 未明确说明具体样本数量 | 未明确说明 | 未明确说明具体架构 | 预测准确性（通过与荧光标记真实值对比验证） | NA |
| 11190 | 2025-10-07 |
Application of an artificial intelligence-based tool in [18F]FDG PET/CT for the assessment of bone marrow involvement in multiple myeloma
2023-10, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-023-06339-5
PMID:37493665
|
研究论文 | 本研究验证了一种基于三维深度学习的AI工具，用于自动化评估多发性骨髓瘤患者PET/CT图像中骨髓代谢活性 | 首次开发基于深度学习的全自动三维工具，用于多发性骨髓瘤骨髓代谢活性的定量评估，为PET/CT解读标准化提供新方法 | 样本量较小（35例患者），需要在更大患者队列中进行前瞻性验证 | 验证AI工具在多发性骨髓瘤PET/CT图像中自动评估骨髓代谢活性的可行性 | 35例未经治疗的连续多发性骨髓瘤患者 | 数字病理 | 多发性骨髓瘤 | [18F]FDG PET/CT成像 | 深度学习 | 医学影像（PET/CT扫描） | 35例多发性骨髓瘤患者 | NA | 三维深度学习网络 | 相关性分析（p值），代谢肿瘤体积（MTV），总病灶糖酵解（TLG） | NA |
| 11191 | 2025-10-07 |
Protocol for automated multivariate quantitative-image-based cytometry analysis by fluorescence microscopy of asynchronous adherent cells
2023-09-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102446
PMID:37453067
|
研究论文 | 提出基于荧光显微镜的异步贴壁细胞多变量定量图像细胞术分析协议 | 开发集成现代人工智能工具的开源Fiji脚本，应用深度学习实现稳健的自动化细胞核分割 | NA | 建立自动化多变量定量图像细胞术分析流程 | 异步贴壁细胞 | 数字病理 | NA | 荧光显微镜，定量图像细胞术 | 深度学习 | 荧光显微镜图像 | NA | Fiji | NA | NA | NA |
| 11192 | 2025-10-07 |
A knowledge-integrated deep learning framework for cellular image analysis in parasite microbiology
2023-09-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102452
PMID:37537845
|
研究论文 | 提出一个知识整合的深度学习框架，用于寄生虫微生物学中的细胞图像分析 | 将领域知识与深度学习相结合，提供端到端的细胞图像分析框架 | NA | 开发用于寄生虫微生物学细胞图像分析的深度学习框架 | 微生物细胞图像 | 计算机视觉 | 寄生虫感染 | 细胞图像分析 | 深度学习 | 细胞图像 | NA | NA | NA | NA | NA |
| 11193 | 2025-10-07 |
AORTA Gene: Polygenic prediction improves detection of thoracic aortic aneurysm
2023-Aug-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.23.23294513
PMID:37662232
|
研究论文 | 本研究开发了包含110万个变异的胸主动脉直径多基因评分模型AORTA Gene，相比仅使用临床因素的模型能更准确预测胸主动脉瘤 | 首次将深度学习测量的主动脉直径与全基因组关联研究结合，构建了包含110万个变异的多基因评分模型 | 需要更大规模和更多样化的队列来开发更强大和公平的评分模型 | 通过多基因评分改进胸主动脉瘤的检测能力 | 人类胸主动脉直径测量与遗传变异分析 | 机器学习 | 心血管疾病 | 深度学习，全基因组关联研究(GWAS)，多基因评分 | 深度学习模型 | 医学影像数据，基因数据 | UK Biobank 49,939人（训练集39,524人，测试集4,962人），MGB Biobank 5,469人，Framingham Heart Study 1,298人，All of Us 610人 | NA | NA | 方差解释率，AUROC | NA |
| 11194 | 2025-10-07 |
Developing and verifying automatic detection of active pulmonary tuberculosis from multi-slice spiral CT images based on deep learning
2020, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-200662
PMID:32651351
|
研究论文 | 开发基于深度学习的自动检测系统，用于从多层螺旋CT图像中识别活动性肺结核 | 首次将U-Net深度学习算法应用于活动性肺结核的自动检测和病灶分割，并实现2D病灶向3D病灶的转换 | 回顾性研究，数据来源于单一医疗机构，样本量有限 | 简化活动性肺结核的诊断流程并提高诊断准确性 | 活动性肺结核患者、肺炎患者和正常受试者的CT图像 | 计算机视觉 | 肺结核 | 多层螺旋CT成像 | 深度学习 | CT图像 | 846名患者（训练集：337例ATB、110例肺炎、120例正常；测试集：139例ATB、40例肺炎、100例正常） | NA | U-Net | AUC, 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值 | NA |
| 11195 | 2025-05-13 |
From classical approaches to artificial intelligence, old and new tools for PDAC risk stratification and prediction
2025-Jul, Seminars in cancer biology
IF:12.1Q1
DOI:10.1016/j.semcancer.2025.03.004
PMID:40147701
|
review | 本文探讨了胰腺导管腺癌（PDAC）风险分层的演变，比较了传统流行病学框架与AI驱动的方法 | 提出将AI技术整合到PDAC风险分层中，以动态模型整合多种数据集，发现新的相互作用和风险特征 | 临床转化中的挑战包括数据稀缺、模型可解释性和外部验证 | 开发可扩展的个性化预测工具，以改善PDAC的早期检测和患者预后 | 胰腺导管腺癌（PDAC） | machine learning | pancreatic cancer | genome-wide association studies, polygenic risk scores, radiomics | machine learning, deep learning | genetic, clinical, lifestyle, imaging data | NA | NA | NA | NA | NA |
| 11196 | 2025-05-13 |
Emittance minimization for aberration correction I: Aberration correction of an electron microscope without knowing the aberration coefficients
2025-Jul, Ultramicroscopy
IF:2.1Q2
DOI:10.1016/j.ultramic.2025.114137
PMID:40222084
|
research paper | 该论文提出了一种基于深度学习的电子显微镜像差校正方法，通过最小化束流发射度增长来实现自动校正 | 从加速器物理角度重新定义像差校正问题，提出基于发射度最小化的新方法，并开发了可快速执行的深度学习模型 | 需要依赖高速电子相机进行快速测量，第二部分才展示在线调谐方法 | 开发无需知道像差系数的电子显微镜自动像差校正方法 | 扫描透射电子显微镜(STEM)的电子束 | 电子显微镜技术 | NA | 深度学习 | 深度学习模型 | Ronchigrams图像数据 | NA | NA | NA | NA | NA |
| 11197 | 2025-05-13 |
Evaluating crash risk factors of farm equipment vehicles on county and non-county roads using interpretable tabular deep learning (TabNet)
2025-Jul, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108048
PMID:40252392
|
研究论文 | 本研究利用可解释的表格深度学习模型TabNet评估了农用设备车辆在县道和非县道上的碰撞风险因素 | 首次应用TabNet模型分析农用设备车辆事故严重性因素，并比较县道与非县道差异，提供特征重要性和SHAP图的可解释性 | 研究基于特定数据集，可能无法完全代表所有地区的农用设备车辆事故情况 | 评估农用设备车辆在不同类型道路上的碰撞风险因素，为制定针对性安全措施提供依据 | 涉及农用设备车辆的交通事故 | 机器学习 | NA | TabNet, SMOTE, SHAP | TabNet | 表格数据 | 未明确说明具体样本量（农用设备车辆事故数据） | NA | NA | NA | NA |
| 11198 | 2025-10-07 |
A general deep learning model for predicting and classifying pea protein content via visible and near-infrared spectroscopy
2025-Jun-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143617
PMID:40049135
|
研究论文 | 本研究开发了一种基于改进卷积神经网络架构的PeaNet模型，用于通过可见光和近红外光谱预测和分类豌豆蛋白含量 | 提出了一种通用的深度学习模型PeaNet，在豌豆蛋白含量预测和分类任务中显著优于传统机器学习模型和常规深度学习架构 | 模型仅在52个豌豆品种的156个光谱数据集上验证，样本多样性可能有限 | 开发快速准确的豌豆蛋白含量检测方法，用于育种和食品质量控制 | 豌豆蛋白含量 | 机器学习 | NA | 可见光和近红外光谱 | CNN | 光谱数据 | 52个豌豆品种的156个光谱数据集 | NA | 改进的卷积神经网络 | R值, 分类准确率 | NA |
| 11199 | 2025-05-13 |
Forecasting climate change effects on Saline Lakes through advanced remote sensing and deep learning
2025-Jun-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179582
PMID:40324314
|
研究论文 | 本研究通过先进的遥感和深度学习技术预测气候变化对盐湖的影响 | 结合SRGAN和MRS技术提升卫星图像分辨率，并利用CA-Markov模型和LSTM算法高精度预测盐湖未来变化 | 研究结果依赖于RCP8.5气候情景假设，可能无法涵盖所有潜在气候变化情况 | 预测气候变化对盐湖特征及周边生态环境的影响 | 查卡湖、图兹湖和拉扎扎湖等盐湖 | 遥感与深度学习 | NA | SRGAN、MRS、CA-Markov建模、LSTM算法 | SRGAN、LSTM | 卫星图像 | 查卡湖、图兹湖和拉扎扎湖等多个盐湖的长期观测数据 | NA | NA | NA | NA |
| 11200 | 2024-12-05 |
Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease
2025-Jun, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04694-x
PMID:39630201
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |