深度学习在生物医药领域中的应用
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，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10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 31275 篇文献，本页显示第 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2025-09-12 |
The Application Status of Radiomics-Based Machine Learning in Intrahepatic Cholangiocarcinoma: Systematic Review and Meta-Analysis
2025-May-05, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/69906
PMID:40323647
|
系统综述与荟萃分析 | 本文系统评估了基于影像组学的机器学习在肝内胆管癌中的应用现状与价值 | 首次通过荟萃分析量化影像组学模型在肝内胆管癌多任务中的诊断性能，并比较了不同模型类型的表现差异 | 针对特定任务（如神经周围侵犯诊断）的研究数量有限，深度学习研究不足阻碍了进一步分析，数据异质性和可解释性存在挑战 | 评估影像组学在肝内胆管癌领域的应用现状并提供循证支持 | 肝内胆管癌患者 | 医学影像分析 | 肝内胆管癌 | 影像组学 | 机器学习（含深度学习） | 医学影像 | 58项研究，包含12,903名患者 |
| 1122 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1123 | 2025-09-12 |
IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases
2025-Apr-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.26.645544
PMID:40291692
|
研究论文 | 本研究构建了一个整合分子、组织病理学和临床数据的IBD综合图谱，通过多组学和多模态分析揭示炎症性肠病的分子特征和诊断工具 | 开发了基于炎症蛋白严重性特征的血清生物标志物，并利用基础模型深度学习从H&E染色图像预测组织学疾病活动评分 | NA | 通过多组学和多模态数据分析提升对炎症性肠病的理解、改进诊断并实现个性化治疗策略 | 1002名经临床注释的IBD患者和非IBD对照个体 | 数字病理学 | 炎症性肠病 | 全外显子组测序、RNA测序、血清蛋白质组学、组织病理学评估 | 基础模型深度学习 | 基因组数据、转录组数据、蛋白质组数据、组织图像数据 | 1002名患者和对照个体（包括正常和炎症肠道组织样本） |
| 1124 | 2025-09-12 |
Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.29.560261
PMID:37873328
|
研究论文 | 本研究通过分子动力学模拟和深度学习方法，分析新型精神活性物质与经典大麻素在CB1受体结合动力学和下游信号传导的差异 | 结合过渡态重加权方法和神经关系推理(NRI)深度学习模型，首次揭示NPS通过变构调控增强β-arrestin信号通路的分子机制 | 研究主要基于计算模拟，需要实验验证；仅针对两种特定配体进行分析 | 阐明新型精神活性物质与经典大麻素在CB1受体信号传导差异的结构基础 | MDMB-Fubinaca（NPS）和HU-210（经典大麻素）与CB1受体的相互作用 | 计算生物学 | 药物滥用 | 分子动力学模拟(MD), 多系综模拟, 过渡态重加权方法, 神经关系推理(NRI) | 变分自编码器(VAE), 神经关系推理模型 | 分子模拟数据 | 两种配体（MDMB-Fubinaca和HU-210）与CB1受体的相互作用体系 |
| 1125 | 2025-09-12 |
Deactivated Cas9-Engineered Magnetic Micromotors toward a Point-of-Care Digital Viral RNA Assay
2025-03-11, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c14913
PMID:40017424
|
研究论文 | 开发了一种名为dCRISTOR的无标记数字病毒RNA检测系统，用于HIV-1 RNA的即时检测 | 整合了dCas9工程化微电机、无提取LAMP扩增、低成本明场显微镜和深度学习图像处理，无需荧光读数和复杂制造工艺 | NA | 实现高灵敏度、高特异性的即时数字病毒RNA检测 | 人类免疫缺陷病毒-1 (HIV-1) RNA | 数字病理 | HIV感染 | 无提取环介导等温扩增 (LAMP), 深度学习图像处理 | CNN (卷积神经网络) | 图像 | 21份加标血浆样本和9份临床患者样本 |
| 1126 | 2025-09-12 |
Automated strabismus detection and classification using deep learning analysis of facial images
2025-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88154-6
PMID:39890897
|
研究论文 | 提出一种基于深度学习的自动检测和分类斜视的面部图像分析方法 | 利用CNN实现高精度的二分类和多角度斜视分类，首次在八类偏差角分类任务中应用深度学习 | NA | 通过自动化方法辅助医疗专业人员早期检测斜视并制定治疗计划 | 面部图像（包含正常和斜视病例） | 计算机视觉 | 斜视 | 深度学习，交替棱镜遮盖测试（APCT），改良Krimsky测试（MK） | CNN | 图像 | 二分类任务4,257张面部图像（1,599正常/2,658斜视），多分类任务622张图像（480斜视/142正常） |
| 1127 | 2024-12-12 |
Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction?
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240740
PMID:39660996
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1128 | 2025-09-12 |
Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging
2025, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了机器学习和深度学习在脑肿瘤分类中的应用、挑战及未来方向 | 系统比较了从传统机器学习到先进深度学习及混合架构的方法，并提出了多模态成像、可解释AI和隐私保护技术等未来方向 | 注释数据集稀缺、计算复杂度高、模型可解释性差以及临床整合存在障碍 | 提升脑肿瘤分类的准确性和效率，以支持治疗策略和改善患者预后 | 脑肿瘤，特别是胶质瘤、脑膜瘤和转移性脑病变 | 医学影像 | 脑肿瘤 | MRI | SVM, Decision Trees, CNN, RNN, 混合架构 | 图像 | NA |
| 1129 | 2025-09-12 |
Evaluation of Deep Learning Methods for Pulmonary Disease Classification
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究评估了深度学习模型在肺部疾病分类中的应用，通过多特征融合方法提升诊断准确率 | 提出结合MFCC、Chroma STFT和频谱图特征的多特征深度学习模型，达到92%的最高准确率 | 数据集中COPD样本过度代表，限制了模型在测试音频样本上的泛化能力 | 改进肺部疾病的诊断技术，提升疾病检测准确率 | 肺部疾病（包括COPD、LRTI和URTI）的听诊录音 | 数字病理学 | 肺部疾病 | 音频增强方法、MFCC、Chroma STFT、频谱图特征提取 | CNN、RNN、LSTM、密集神经网络 | 音频 | NA |
| 1130 | 2025-09-12 |
Comparative analysis of cervical cancer classification of DPAGCHE-enhanced Pap smear images using convolutional neural network models
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330103
PMID:40920705
|
研究论文 | 本研究提出一种基于卷积神经网络和图像增强技术的自动化宫颈癌分类方法，旨在提高巴氏涂片图像分类的准确性和效率 | 采用DPAGCHE图像增强方法结合预训练CNN模型，显著提升分类性能，F1分数提高53.65%，精确度提高44.29% | 仅使用公开Herlev数据集，未提及外部验证或临床实际应用测试 | 开发自动化宫颈癌检测方法，解决传统诊断中对比度和噪声问题 | 巴氏涂片图像 | 计算机视觉 | 宫颈癌 | DPAGCHE（去噪配对自适应伽马裁剪直方图均衡化）图像增强技术 | CNN（包括ResNet50等预训练模型） | 图像 | 使用公开Herlev数据集，具体样本数量未明确说明 |
| 1131 | 2025-09-12 |
Automated segmentation of retinal vessel using HarDNet fully convolutional networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330641
PMID:40920773
|
研究论文 | 提出一种基于HarDNet的改进模型，用于视网膜血管自动分割 | 整合HarDNet模块、感受野块（RFB）模块和密集聚合模块，有效提取多尺度特征并提升小血管分割精度 | 未明确提及模型计算效率或临床部署可行性 | 提升视网膜血管分割的准确性，特别是对小血管和分支区域的分割能力 | 彩色眼底图像中的视网膜血管结构 | 计算机视觉 | 糖尿病、高血压、脑血管疾病 | 深度学习 | HarDNet FCN（全卷积网络），结合RFB和Dense Aggregation模块 | 图像（彩色眼底照片） | DRIVE数据集和CHASE_DB1数据集（具体样本数未明确说明） |
| 1132 | 2025-09-12 |
AI-Driven quality assurance in mammography: Enhancing quality control efficiency through automated phantom image evaluation in South Korea
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330091
PMID:40920794
|
研究论文 | 开发并验证基于深度学习的模型，用于自动化评估乳腺摄影体模图像，以提高质量控制效率 | 首次在韩国国家认证体系中应用EfficientNetV2_L模型实现乳腺体模图像的自动化评分，显著提升放射科医师间评分一致性和工作效率 | 模型在肿块评估中表现出一定的尺寸相关偏差，且研究仅基于韩国单一机构数据 | 通过AI技术提升乳腺摄影质量控制的自动化水平和评估一致性 | 乳腺摄影体模图像中的人工病灶（纤维、斑点、肿块） | 计算机视觉 | 乳腺癌 | 深度学习，可解释AI技术 | EfficientNetV2_L | 图像 | 5,813张符合质量标准的乳腺摄影体模图像 |
| 1133 | 2025-09-12 |
A robust hydroponic system for horticulture farming using deep learning, IoT, and mobile application
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330488
PMID:40920816
|
研究论文 | 提出一种结合深度学习、物联网和移动应用的稳健水培系统，用于园艺农业 | 集成WeMos控制器硬件、深度学习疾病检测模型和移动应用，实现98.5%的高疾病检测准确率 | 未明确说明系统在非理想环境下的鲁棒性或长期稳定性 | 支持农民简化种植过程，提高水培农业的操作效率和可持续性 | 孟加拉国的基层农民和水培种植系统 | 计算机视觉 | NA | 深度学习、IoT | 深度学习模型（具体类型未指定） | 传感器数据、图像（推断） | 约80%的基层农民参与调研（具体样本量未明确） |
| 1134 | 2025-09-12 |
Characterization of CNS Network Changes in Two Rodent Models of Chronic Pain
2025, Biological & pharmaceutical bulletin
IF:1.7Q3
DOI:10.1248/bpb.b25-00045
PMID:40930793
|
研究论文 | 本研究使用静息态功能磁共振成像技术，在两种慢性疼痛啮齿动物模型中表征中枢神经系统功能网络的变化 | 结合深度学习的监督机器学习方法预测慢性疼痛，并发现传统网络分析未捕捉到的连接模式信息 | 研究仅基于两种特定啮齿动物模型，结果外推至人类或其他疼痛模型需谨慎 | 探究慢性疼痛相关的中枢神经系统功能变化 | Lewis大鼠和Sprague-Dawley大鼠 | 神经影像学 | 慢性疼痛 | 静息态功能磁共振成像（fMRI），独立成分分析（ICA），图论测量，基于种子的功能连接分析 | 监督机器学习结合深度学习 | 神经影像数据 | 实验1：CFA模型组16只，对照组14只；实验2：PSNL模型组25只，假手术组19只 |
| 1135 | 2025-09-12 |
A Cross-Modal Mutual Knowledge Distillation Framework for Alzheimer's Disease Diagnosis: Addressing Incomplete Modalities
2024-Oct-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.24.23294574
PMID:37662267
|
研究论文 | 提出一种跨模态互知识蒸馏框架，用于处理不完整多模态数据的阿尔茨海默病早期诊断 | 通过互知识蒸馏（MKD）框架处理多模态数据缺失问题，教师模型和学生模型相互学习提升特征提取能力 | NA | 解决现实世界中多模态神经影像数据不完整的问题，提升阿尔茨海默病的早期诊断性能 | 阿尔茨海默病患者的多模态神经影像数据（MRI和PET） | 数字病理学 | 阿尔茨海默病 | 深度学习，知识蒸馏 | 深度学习框架（含教师-学生模型结构） | 多模态神经影像（MRI和PET） | 使用ADNI数据集进行案例研究（具体样本量未明确说明） |
| 1136 | 2025-09-12 |
Subject-level spinal osteoporotic fracture prediction combining deep learning vertebral outputs and limited demographic data
2024-Sep-10, Archives of osteoporosis
IF:3.1Q1
DOI:10.1007/s11657-024-01433-z
PMID:39256211
|
研究论文 | 结合深度学习椎体骨折评分和有限人口统计数据，实现受试者级别的脊柱骨质疏松性骨折预测 | 使用广义可加模型（GAM）整合CNN生成的椎体骨折评分与年龄数据，实现高精度（AUC-ROC=0.968）的个体级别骨折预测 | 仅使用基本人口统计数据，可能未考虑其他临床风险因素 | 开发自动化椎体骨折筛查方法以改善临床结局 | 脊柱骨质疏松性骨折患者 | 数字病理 | 骨质疏松症 | 卷积神经网络（CNN） | GAM（广义可加模型）结合CNN | X光影像和人口统计资料 | 大型X光影像数据集（具体数量未说明） |
| 1137 | 2025-09-12 |
Recurrent Inference Machine for Medical Image Registration
2024-Jun-19, ArXiv
PMID:39371087
|
研究论文 | 提出一种名为循环推理图像配准网络的新型医学图像配准方法，通过元学习方式迭代求解配准问题 | 将循环推理框架与元学习相结合，通过学习优化更新规则，结合隐式正则化和显式梯度输入，提高配准精度和数据效率 | NA | 提升医学图像配准的精度和数据效率 | 脑部MRI和定量心脏MRI图像 | 计算机视觉 | NA | 深度学习，元学习 | 循环推理网络 | 医学图像（MRI） | NA |
| 1138 | 2025-09-12 |
Toward a deep learning-based magnetic resonance imaging only workflow for postimplant dosimetry in I-125 seed brachytherapy for prostate cancer
2024 Jan-Feb, Brachytherapy
IF:1.7Q3
DOI:10.1016/j.brachy.2023.09.009
PMID:38008648
|
研究论文 | 本研究开发了一种基于深度学习的MRI-only工作流，用于前列腺癌I-125粒子植入后剂量计算，旨在替代当前CT标准方法 | 首次结合深度学习与定量磁敏感图（QSM）和DIXON序列，实现MRI自动粒子分割，避免CT额外辐射并提升软组织对比度 | 研究样本量较小（20例患者），且仅使用1.5T MRI设备，未验证更高场强或更多样人群的适用性 | 建立无需CT的MRI-only工作流，提高前列腺癌粒子治疗后剂量计算的准确性和安全性 | 接受I-125粒子植入治疗的前列腺癌患者 | 数字病理 | 前列腺癌 | MRI（DIXON序列、3D梯度回波序列）、深度学习QSM生成 | 3D nnU-net | 医学影像（MRI、CT） | 20例患者 |
| 1139 | 2025-09-12 |
RescueNet: A High Resolution UAV Semantic Segmentation Dataset for Natural Disaster Damage Assessment
2023-12-20, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02799-4
PMID:38123582
|
研究论文 | 介绍了一个用于自然灾害损害评估的高分辨率无人机语义分割数据集RescueNet | 提供高分辨率灾后图像及所有类别的像素级标注，超越现有数据集的有限标注范围 | NA | 促进自然灾害后的全面场景理解，提升损害评估精度 | 飓风Michael后的灾后图像，包含建筑物、道路、水池、树木等多类别场景元素 | 计算机视觉 | NA | 无人机(UAV)图像采集，语义分割技术 | state-of-the-art segmentation models | 高分辨率图像 | 从多个受影响区域收集的灾后图像数据集 |
| 1140 | 2025-09-12 |
Using green background for dermatological images to improve deep learning-based image classification
2023-12-13, Archives of dermatological research
IF:1.8Q3
DOI:10.1007/s00403-023-02734-y
PMID:38091097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |