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 11241 - 11260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11241 | 2025-10-07 |
Deep learning-based automatic ASPECTS calculation can improve diagnosis efficiency in patients with acute ischemic stroke: a multicenter study
2025-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10960-9
PMID:39060495
|
研究论文 | 开发基于深度学习的自动ASPECTS评分系统，用于急性缺血性卒中的早期CT评估 | 首次在四个中心的大规模研究中验证深度学习自动ASPECTS评分系统的临床适用性 | 临床应用仍需医师验证，系统处理成功率未达100% | 提高急性缺血性卒中患者ASPECTS评分的诊断效率和一致性 | 急性缺血性卒中患者的非增强CT扫描图像 | 医学影像分析 | 急性缺血性卒中 | 非增强计算机断层扫描(NCCT) | 深度学习 | 医学影像 | 开发队列1767例，测试队列220例，前瞻性应用研究13399例患者 | NA | NA | AUC, ICC, 敏感性, 诊断时间 | NA |
| 11242 | 2025-10-07 |
Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank
2025-01-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-55422-4
PMID:39747859
|
研究论文 | 使用深度学习测量英国生物银行约47,000名参与者骨髓脂肪含量，并通过基因组关联分析确定其遗传决定因素 | 首次将深度学习与全基因组关联荟萃分析相结合系统研究骨髓脂肪的遗传基础 | 主要基于英国生物银行数据，样本种族多样性有限 | 探究骨髓脂肪组织的遗传决定因素及其与人类健康和疾病的关系 | 英国生物银行约47,000名参与者（包括41,000名白人和6,300名非白人） | 医学影像分析 | 骨骼代谢疾病 | MRI扫描，全基因组关联分析(GWAS)，转录组关联研究(TWAS) | 深度学习 | 医学影像(MRI) | 约47,000名英国生物银行参与者 | NA | NA | NA | NA |
| 11243 | 2025-05-13 |
Advances in analytical approaches for background parenchymal enhancement in predicting breast tumor response to neoadjuvant chemotherapy: A systematic review
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317240
PMID:40053513
|
系统综述 | 本文系统综述了背景实质增强（BPE）分析在预测乳腺癌新辅助化疗（NAC）反应中的最新进展 | 从单时间点BPE分析转向纵向BPE分析，并探讨了人工智能（AI）在改进BPE分析中的潜在应用 | 现有纵向BPE分析方法存在数据缺失、手动分割乳房区域以及过度依赖传统统计方法等问题 | 评估BPE分析方法的可靠性及有效性，以预测乳腺癌对NAC的反应 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | 逻辑回归，深度学习 | 医学影像 | 13项研究（来自78篇符合条件的文献） | NA | NA | NA | NA |
| 11244 | 2025-05-13 |
Thoracic Aortic Three-Dimensional Geometry
2025 Jan-Dec, Pulse (Basel, Switzerland)
DOI:10.1159/000543613
PMID:40330437
|
research paper | 该研究通过深度学习架构和形态学图像操作，量化了胸主动脉的三维几何参数，并在两个大型生物银行中应用 | 首次在大型人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法 | 研究依赖于影像扫描数据，可能受限于图像质量和分辨率 | 量化胸主动脉的三维几何结构，以研究其与心血管健康和疾病的关系 | 胸主动脉的三维几何参数 | digital pathology | cardiovascular disease | deep learning, morphological image operations | deep learning architecture | imaging scans | 54,241 participants from UK Biobank and 8,456 participants from Penn Medicine Biobank | NA | NA | NA | NA |
| 11245 | 2025-05-13 |
A novel deep learning technique for multi classify Alzheimer disease: hyperparameter optimization technique
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1558725
PMID:40342359
|
research paper | 提出一种基于深度学习和超参数优化的新方法，用于更准确地分类阿尔茨海默病的不同阶段 | 使用新提出的超参数优化方法来识别ResNet152V2模型的超参数，以解决有限数据和计算资源的问题 | 未提及具体的数据集大小和计算资源限制的详细情况 | 早期诊断和检测阿尔茨海默病，以实施可能减缓疾病进展的治疗方法 | 阿尔茨海默病的不同阶段 | machine learning | geriatric disease | deep learning, hyperparameter optimization | ResNet152V2 | NA | NA | NA | NA | NA | NA |
| 11246 | 2025-05-13 |
Using artificial intelligence to develop a measure of orthopaedic treatment success from clinical notes
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1523953
PMID:40343216
|
research paper | 该研究利用人工智能技术从临床记录中开发了一种衡量骨科治疗成功的方法 | 首次使用AI方法从临床记录中提取治疗成功或失败的短语，并开发了一种骨科治疗成功的指标 | 研究仅针对急性肩部损伤患者，样本量有限（868份临床记录），且仅在一个地区医疗系统内进行 | 开发一种反映骨科治疗成功的可用结果测量方法 | 急性肩部损伤患者的临床记录 | 自然语言处理 | 骨科疾病 | 机器学习和深度学习算法 | Bio-ClinicalBERT | 文本 | 868份临床记录，来自123名医生和35个科室 | NA | NA | NA | NA |
| 11247 | 2025-10-07 |
[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network]
2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202403058
PMID:40000209
|
研究论文 | 提出一种结合Transformer和CNN的双并行编码器神经网络DUNETR，用于冠状动脉CTA图像分割 | 首次将Transformer和CNN作为双并行编码器集成到分割网络中，通过NRFF模块融合全局和局部特征 | NA | 提高冠状动脉CTA图像分割的准确性和效率 | 冠状动脉CTA图像 | 计算机视觉 | 心血管疾病 | 计算机断层扫描血管成像(CTA) | CNN, Transformer | 三维医学图像 | NA | NA | U-Net, Transformer, DUNETR | Dice相似系数, 召回率 | NA |
| 11248 | 2025-10-07 |
Thoracic Aortic Three-Dimensional Geometry
2024-Oct-31, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.09.593413
PMID:38798566
|
研究论文 | 开发了一种基于深度学习的全自动方法，用于量化胸主动脉的三维几何结构参数 | 首次在大规模人群中全面表征胸主动脉的三维几何结构，并开发了全自动的主动脉几何表型提取方法 | 研究主要基于两个生物银行的数据，可能受到数据来源的限制 | 量化胸主动脉的三维几何结构，研究主动脉结构与心血管健康的关系 | 英国生物银行54,241名参与者和宾夕法尼亚医学生物银行8,456名参与者的影像扫描数据 | 医学影像分析 | 心血管疾病 | 医学影像分割，形态学图像处理 | 深度学习架构 | 医学影像扫描数据 | 英国生物银行54,241人，宾夕法尼亚医学生物银行8,456人 | NA | NA | NA | NA |
| 11249 | 2025-10-07 |
Leveraging Large Language Models for Knowledge-free Weak Supervision in Clinical Natural Language Processing
2024-Jun-28, Research square
DOI:10.21203/rs.3.rs-4559971/v1
PMID:38978609
|
研究论文 | 提出一种利用大语言模型进行无领域知识弱监督的方法，用于临床自然语言处理任务 | 通过微调LLM生成弱标注数据训练下游BERT模型，在几乎无需领域知识的情况下实现优越性能 | LLM推理计算量较大 | 解决临床自然语言处理中标注数据稀缺的问题 | 临床文本数据 | 自然语言处理 | NA | 弱监督学习, 上下文学习 | LLM, BERT | 文本 | 三个n2c2数据集，不超过10-50个黄金标注病历 | NA | Llama2-13B, PubMedBERT, BERT | F1分数 | NA |
| 11250 | 2025-10-07 |
Improved stent sharpness evaluation with super-resolution deep learning reconstruction in coronary CT angiography
2024-Jun-18, The British journal of radiology
DOI:10.1093/bjr/tqae094
PMID:38733576
|
研究论文 | 评估超分辨率深度学习重建在冠状动脉CT血管造影中对图像质量和支架锐度的改善效果 | 首次将超分辨率深度学习重建技术应用于冠状动脉CT血管造影，显著提升支架锐度评估 | 回顾性研究，样本量有限（66例患者），单中心数据 | 比较不同图像重建算法对冠状动脉CT血管造影图像质量和支架锐度的影响 | 冠状动脉CT血管造影图像和冠状动脉支架 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 66例冠状动脉CT血管造影患者 | NA | 超分辨率深度学习重建 | 图像噪声, 信噪比, 对比噪声比, 边缘上升斜率, 边缘上升距离, 5分制定性评分 | NA |
| 11251 | 2025-05-13 |
Leverage Weakly Annotation to Pixel-wise Annotation via Zero-shot Segment Anything Model for Molecular-empowered Learning
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3006577
PMID:40343078
|
research paper | 该研究探讨了利用零样本学习的Segment Anything Model（SAM）从弱标注生成像素级标注，以降低病理图像分割的标注成本 | 提出SAM辅助的分子赋能学习（SAM-L），仅需弱框标注即可训练分割模型，减少非专业标注者的工作量 | 未明确说明SAM在不同细胞类型上的泛化能力及对IF图像依赖程度的影响 | 开发无需像素级标注的病理图像分割方法 | 高分辨率千兆像素全切片图像（WSI）中的多类细胞 | digital pathology | NA | immunofluorescence（IF）成像，零样本学习 | Segment Anything Model（SAM） | 病理图像 | NA | NA | NA | NA | NA |
| 11252 | 2025-05-13 |
High-performance Data Management for Whole Slide Image Analysis in Digital Pathology
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3006273
PMID:40343079
|
研究论文 | 本文介绍了一种针对数字病理学中全切片图像分析的高性能数据管理方法，使用ADIOS2系统优化数据访问和处理 | 首次在数字病理学领域应用ADIOS2系统，并开发了针对性的数据管理流程，显著提升了数据处理效率 | 仅针对特定两种场景(CPU和GPU)进行了性能评估，未涵盖更多可能的计算环境 | 解决数字病理学中全切片图像分析时的数据输入输出瓶颈问题 | 全切片图像(WSI)的数据管理流程 | 数字病理学 | NA | ADIOS2数据管理系统 | NA | 图像 | NA | NA | NA | NA | NA |
| 11253 | 2025-05-12 |
Stacked long and short-term memory (SLSTM) - assisted terahertz spectroscopy combined with permutation importance for rapid red wine varietal identification
2025-Aug-15, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127650
PMID:40037161
|
research paper | 该研究利用太赫兹时域光谱结合深度学习技术，快速无损地区分不同品种的红酒，以正确识别红酒标签 | 采用堆叠长短时记忆（SLSTM）模型结合排列重要性进行特征选择，提高了红酒品种识别的准确性和效率 | 基于排列重要性的1-st der-SLSTM模型在精度上略低于全频率模型，预测时间减少了2秒 | 开发一种快速、准确且无损的红酒品种鉴别技术，以维护市场秩序和消费者权益 | 不同品种的红酒 | machine learning | NA | 太赫兹时域光谱（THz-TDS） | SLSTM | 光谱数据 | NA | NA | NA | NA | NA |
| 11254 | 2025-05-12 |
Intelligent characterization multi-components in Yangxinshi tablet by online comprehensive two-dimensional liquid chromatography-quadrupole time-of-flight mass spectrometry combined with deep learning-assisted mass defect filtering classification and multidimensional data annotation strategy
2025-Aug-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127821
PMID:40020613
|
研究论文 | 建立了一种用于养心氏片中多种化学成分智能分析的全面表征策略 | 开发了深度学习辅助质量缺陷过滤智能分类、优选离子捕获列表和主动排除（DLA-MDF-PIL-AE）数据采集模式 | 未明确提及具体限制 | 开发一种用于复杂天然产物中多种成分表征的集成策略 | 养心氏片中的化学成分 | 质谱分析与深度学习 | NA | 在线综合二维液相色谱-四极杆飞行时间质谱（2DLC-Q-TOF-MS/MS） | 深度学习 | 质谱数据 | 228种化合物（包括80种黄酮类、52种生物碱、36种酚酸、15种萜类、17种皂苷和28种其他化合物） | NA | NA | NA | NA |
| 11255 | 2025-05-12 |
Deformable image registration with strategic integration pyramid framework for brain MRI
2025-Jul, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110386
PMID:40122188
|
research paper | 提出了一种基于金字塔结构的战略集成配准网络，用于脑部MRI的可变形图像配准 | 设计了CNN编码器和Transformer解码器，有效提取和增强全局与局部特征，并在金字塔结构的最低尺度引入渐进优化迭代以减少误差积累 | 未提及具体的数据集大小或多样性限制 | 提高脑部MRI图像配准的准确性和鲁棒性 | 脑部MRI图像 | digital pathology | NA | deep learning-based deformable registration | CNN, Transformer | image | 多个脑部MRI数据集（未提及具体数量） | NA | NA | NA | NA |
| 11256 | 2025-05-12 |
Lightweight deep learning model for embedded systems efficiently predicts oil and protein content in rapeseed
2025-Jun-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143557
PMID:40020621
|
研究论文 | 开发了一种基于优化深度学习方法的移动应用程序，用于低成本、非破坏性和实时预测油菜籽中的蛋白质和油含量 | 使用轻量级深度学习模型FasterNet-L，结合神经修剪技术，显著提高了预测速度和模型效率 | 未提及模型在其他作物上的泛化能力验证 | 开发一种高效、低成本的油菜籽蛋白质和油含量预测方法 | 油菜籽 | 计算机视觉 | NA | 深度学习 | FasterNet-L | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 11257 | 2025-05-12 |
A multimodal deep learning model for detecting endoscopic images of near-infrared fluorescence capsules
2025-Jun-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117251
PMID:40020636
|
研究论文 | 本文提出了一种名为Multimodal-Retinex-Attention-YOLO (MRAY)的多模态深度学习模型，用于检测近红外荧光胶囊内镜图像，以提高胃肠道疾病的早期筛查准确性 | 提出了结合白光和荧光图像数据的多模态深度学习模型MRAY，显著提高了在低光条件下的异常检测准确性和效率 | 使用的数据集为模拟人类胃肠道的猪胃图像，可能无法完全反映真实人类胃肠道环境的复杂性 | 提高胃肠道疾病的早期筛查准确性和效率 | 胃肠道疾病（如癌症、溃疡、炎症等）的早期检测 | 数字病理学 | 胃肠道疾病 | 近红外荧光胶囊内镜(NIRF-CE) | Multimodal-Retinex-Attention-YOLO (MRAY), YOLO | 图像 | 使用NIRF-CE系统捕获的猪胃图像数据集 | NA | NA | NA | NA |
| 11258 | 2025-05-12 |
DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction
2025-Jun, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2025.108982
PMID:40020469
|
research paper | 提出了一种基于二叉树的深度学习模型DeepTree-AAPred，用于预测抗血管生成肽 | 结合了二叉树的深度学习结构，并使用ProtBERT和ESM-2预训练模型提取1D和2D广义特征，进一步利用BiLSTM和TextCNN捕捉局部特征和上下文依赖关系 | 未提及模型在真实临床环境中的表现或泛化能力 | 提高抗血管生成肽的预测准确性，以支持肿瘤治疗 | 抗血管生成肽（AAPs） | machine learning | tumor | ProtBERT, ESM-2, BiLSTM, TextCNN | DeepTree-AAPred (binary tree-based deep learning model) | protein sequence data | 标准数据集（具体数量未提及） | NA | NA | NA | NA |
| 11259 | 2025-05-12 |
Role of artificial intelligence in data-centric additive manufacturing processes for biomedical applications
2025-Jun, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.106949
PMID:40036906
|
review | 本文综述了人工智能在生物医学应用中数据驱动的增材制造过程中的作用 | 探讨了AI在增材制造预处理、打印过程和后处理中的应用潜力，特别是在满足个性化医疗需求方面 | 未提及具体的技术实施限制或数据可用性问题 | 探索AI如何优化增材制造全流程以提升生物医学产品的个性化适配性 | 增材制造流程（预处理、打印、后处理）及生物医学产品（组织工程、假体、芯片器官等） | machine learning | NA | 监督学习、无监督学习、深度学习、强化学习 | NA | 制造参数、结构设计数据、材料特性数据 | NA | NA | NA | NA | NA |
| 11260 | 2025-05-12 |
Incorporating radiomic MRI models for presurgical response assessment in patients with early breast cancer undergoing neoadjuvant systemic therapy: Collaborative insights from breast oncologists and radiologists
2025-Jun, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2025.104681
PMID:40058742
|
review | 探讨放射组学MRI模型在早期乳腺癌患者新辅助系统治疗前反应评估中的应用及其临床意义 | 结合机器学习和深度学习方法提高放射组学MRI的准确性和预测能力 | 放射科医生的评估具有定性和主观性，可能不足以决定是否放弃额外的局部治疗措施 | 提高早期乳腺癌患者新辅助治疗前反应评估的准确性 | 早期乳腺癌患者 | digital pathology | breast cancer | MRI, machine learning, deep learning | NA | image | NA | NA | NA | NA | NA |