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 11421 - 11440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11421 | 2025-05-11 |
Deep learning-based evaluation of the severity of mitral regurgitation in canine myxomatous mitral valve disease patients using digital stethoscope recordings
2025-May-08, BMC veterinary research
IF:2.3Q1
DOI:10.1186/s12917-025-04802-z
PMID:40336065
|
研究论文 | 本研究利用深度学习模型评估犬类粘液瘤性二尖瓣疾病患者的二尖瓣反流严重程度 | 使用CNN6等深度学习模型通过数字听诊器录音评估二尖瓣反流严重程度，提供了一种快速、无创且可靠的替代方法 | 需要更广泛的临床验证和实时应用技术的研究 | 评估深度学习模型在犬类粘液瘤性二尖瓣疾病患者中评估二尖瓣反流严重程度的有效性 | 460只患有粘液瘤性二尖瓣疾病的犬类 | 数字病理学 | 心血管疾病 | 数字听诊器录音 | CNN, PaSST, ResNet38 | 音频信号 | 460只犬类 | NA | NA | NA | NA |
| 11422 | 2025-05-11 |
Predicting treatment response to systemic therapy in advanced gallbladder cancer using multiphase enhanced CT images
2025-May-08, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11645-7
PMID:40341972
|
研究论文 | 本研究开发并外部验证了一个深度学习放射组学-临床（DLRSC）模型，用于预测晚期胆囊癌（GBC）患者对系统性治疗的反应 | 结合深度学习放射组学特征和临床因素构建预测模型，并通过梯度加权类激活映射分析提高结果的可解释性 | 研究样本来自四个机构，可能存在选择偏倚 | 预测晚期胆囊癌患者对系统性治疗的反应 | 晚期胆囊癌患者 | 数字病理 | 胆囊癌 | 多期增强CT成像 | 深度学习放射组学-临床（DLRSC）模型 | 医学影像 | 399名符合条件的GBC患者 | NA | NA | NA | NA |
| 11423 | 2025-05-11 |
nnU-Net-based high-resolution CT features quantification for interstitial lung diseases
2025-May-08, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11649-3
PMID:40341974
|
研究论文 | 开发了一种基于nnU-Net的高分辨率CT异常量化工具CVILDES，用于间质性肺疾病的定量评估 | 基于nnU-Net网络结构开发了新的高分辨率CT异常量化工具CVILDES，其定量参数与专家视觉评估结果高度一致 | 研究样本量相对较小（83例ILD和20例其他弥漫性肺疾病），需要更大规模验证 | 开发一种可靠的间质性肺疾病高分辨率CT定量评估工具 | 间质性肺疾病患者的高分辨率CT影像 | 数字病理 | 间质性肺疾病 | 高分辨率CT扫描 | nnU-Net | 医学影像 | 83例ILD患者和20例其他弥漫性肺疾病患者的HRCT扫描数据，以及临床验证队列中的51例IPAF和14例IPF患者 | NA | NA | NA | NA |
| 11424 | 2025-05-11 |
EEG-based neurodegenerative disease diagnosis: comparative analysis of conventional methods and deep learning models
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00292-z
PMID:40335527
|
研究论文 | 该研究通过比较传统方法和深度学习模型，基于EEG信号进行神经退行性疾病（如痴呆症）的诊断 | 研究展示了深度学习模型（特别是1D和2D CNNs）在识别与神经退行性疾病相关的细微EEG信号模式上优于传统方法 | 在Dataset 3中表现不佳，表明需要针对特定数据集进一步优化模型 | 探索和比较不同方法在痴呆症早期诊断中的应用效果 | EEG信号 | 机器学习 | 神经退行性疾病 | EEG信号处理 | Random Forest, 1D CNN, 2D CNN | EEG信号 | 三个不同的基准数据集，包含认知正常、额颞叶痴呆、轻度认知障碍和阿尔茨海默病等类别 | NA | NA | NA | NA |
| 11425 | 2025-05-11 |
A lightweight Deeplab V3+ network integrating deep transitive transfer learning and attention mechanism for burned area identification
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66060-7
PMID:40335537
|
研究论文 | 提出了一种基于Deeplab V3+的轻量级深度学习模型，结合注意力机制和深度传递迁移学习策略，用于从遥感图像中准确高效地识别烧伤区域 | 结合注意力机制和深度传递迁移学习策略，使用轻量级MobileNet V2网络集成CBAM作为骨干网络，替代传统耗时的Xception网络 | 样本量不足可能导致烧伤区域识别错误和边缘细节不连续 | 准确高效地从遥感图像中识别烧伤区域 | 遥感图像中的烧伤区域 | 计算机视觉 | NA | 深度传递迁移学习（DTTL） | Deeplab V3+, MobileNet V2, CBAM | 遥感图像 | WorldView-2和Sentinel-2数据集 | NA | NA | NA | NA |
| 11426 | 2025-05-11 |
MSLU-100K: A Large Multi-Source Dataset for Land Use Analysis in Major Chinese Cities
2025-May-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05047-z
PMID:40335536
|
research paper | 介绍了一个名为MSLU-100K的大型多源土地利用数据集，用于中国主要城市的土地利用分析 | 提出了一个结合人工标注和深度学习的多层次分类方法，确保数据质量，并提供了高质量样本以提升分类性能 | 未提及具体的数据收集和处理过程中可能存在的偏差或限制 | 构建高质量的土地利用数据集，以支持土地利用分类和识别研究 | 来自81个中国城市的超过100,000个不规则地块样本 | 地理信息系统 | NA | 深度学习 | NA | 遥感数据和POI数据 | 超过100,000个地块样本 | NA | NA | NA | NA |
| 11427 | 2025-05-11 |
Enhancing efficient deep learning models with multimodal, multi-teacher insights for medical image segmentation
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91430-0
PMID:40335579
|
研究论文 | 提出了一种名为Teach-Former的新型知识蒸馏框架，用于高效的多模态医学图像分割 | 利用Transformer骨干网络和多教师模型的知识蒸馏，结合多模态输入（CT、PET、MRI）和中间注意力图，实现更精确的分割 | 未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力 | 开发高效的深度学习模型，以降低医学图像分割的计算需求 | 多模态医学图像（CT、PET、MRI） | 数字病理学 | NA | 知识蒸馏（KD） | Transformer | 医学图像 | 两个多模态数据集（HECKTOR21和PI-CAI22） | NA | NA | NA | NA |
| 11428 | 2025-05-11 |
Enhanced classification of tinnitus patients using EEG microstates and deep learning techniques
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01129-5
PMID:40335585
|
研究论文 | 该研究通过创新的微状态分析技术和前沿的机器学习方法，利用EEG信号深入理解和分类耳鸣 | 结合微状态分析和深度学习技术，提出了一种新的特征到图像的转换方法，并使用预训练模型进行验证 | 样本量较小（两个数据集共73名参与者），可能影响结果的泛化能力 | 加深对耳鸣的理解并提高其分类准确性 | 耳鸣患者和健康对照者的EEG信号 | 机器学习 | 耳鸣 | EEG微状态分析、Daubechies 4小波分解 | SVM、决策树、随机森林、深度神经网络（DNN）、VGG16、ResNet50、Xception | EEG信号 | 73名参与者（36名来自主要数据集，37名来自公共数据集） | NA | NA | NA | NA |
| 11429 | 2025-05-11 |
Biopsy image-based deep learning for predicting pathologic response to neoadjuvant chemotherapy in patients with NSCLC
2025-May-07, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00927-4
PMID:40335632
|
研究论文 | 利用活检图像和深度学习预测非小细胞肺癌患者对新辅助化疗的病理反应 | 提出了一种弱监督深度学习模型DeepDrRVT，结合自监督特征提取和基于注意力的深度多实例学习，用于改善新辅助化疗决策 | 未提及具体样本量的限制或模型在其他数据集上的泛化能力 | 提高非小细胞肺癌患者对新辅助化疗反应的预测准确性 | 非小细胞肺癌患者的活检图像 | 数字病理学 | 肺癌 | 深度学习 | DeepDrRVT（结合自监督特征提取和注意力机制的深度多实例学习模型） | 图像 | 训练、内部验证和外部验证队列（具体数量未提及） | NA | NA | NA | NA |
| 11430 | 2025-05-11 |
A deep learning model combining circulating tumor cells and radiological features in the multi-classification of mediastinal lesions in comparison with thoracic surgeons: a large-scale retrospective study
2025-May-07, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-04104-z
PMID:40335930
|
研究论文 | 本研究开发并验证了一种结合循环肿瘤细胞(CTCs)和CT图像的多模态融合网络(DMFN)，用于纵隔病变的多分类诊断 | 首次将循环肿瘤细胞(CTCs)与CT图像结合，开发了多模态融合网络(DMFN)用于纵隔病变诊断 | 回顾性研究设计可能引入选择偏倚 | 开发结合CT图像和CTCs的深度学习模型以提高纵隔病变诊断准确性 | 1074名纵隔病变患者 | 数字病理 | 纵隔病变 | CT成像和循环肿瘤细胞检测 | 多模态融合网络(DMFN)和单模态CNN | CT图像和CTCs数据 | 1074名患者(1500张增强CT图像和1074份CTCs结果) | NA | NA | NA | NA |
| 11431 | 2025-05-11 |
Sculpting molecules in text-3D space: a flexible substructure aware framework for text-oriented molecular optimization
2025-May-07, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06072-w
PMID:40335938
|
研究论文 | 提出了一种名为3DToMolo的创新框架，用于多模态引导的分子优化任务，结合文本描述和图结构特征，以符合专家指定的对称结构和纹理约束 | 3DToMolo框架能够无缝协调文本描述和图结构特征，无需先验知识即可发现潜在新分子，并在三个引导优化设置中表现出优于现有方法的性能 | 未明确提及具体局限性 | 解决分子设计中结合多模态先验知识的逆设计问题 | 分子药物或材料的设计 | 机器学习 | NA | 扩散框架 | 3DToMolo | 文本和图结构数据 | NA | NA | NA | NA | NA |
| 11432 | 2025-05-11 |
Hybrid method for automatic initialization and segmentation of ventricular on large-scale cardiovascular magnetic resonance images
2025-May-07, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01683-4
PMID:40335966
|
research paper | 提出了一种结合深度学习和3D-ASM限制的全自动、鲁棒的心血管磁共振图像分割方法 | 结合了CNN和Transformer的混合网络（CTr-HNs）以及EFG模块，实现了全自动的大规模心脏MRI分割 | 未提及方法在极端病例或异常心脏形态下的表现 | 开发自动化的心脏MRI分割算法以应对大规模心血管疾病研究需求 | 心脏磁共振图像中的心室结构（左心室、左心室心肌、右心室） | digital pathology | cardiovascular disease | MRI, 3D-ASM (3D Active Shape Model) | CNN+Transformer混合网络（CTr-HNs） | 3D医学影像 | UK BioBank和Cardiac Atlas Project数据库中的大规模心脏MRI数据 | NA | NA | NA | NA |
| 11433 | 2025-10-07 |
The impact of body mass index on rehabilitation outcomes after lower limb amputation
2025-May, PM & R : the journal of injury, function, and rehabilitation
DOI:10.1002/pmrj.13292
PMID:39676648
|
研究论文 | 探讨肥胖对下肢截肢患者康复期间身体功能和临床结局的影响 | 首次使用深度学习神经网络分析调整后BMI与出院回家之间的关系，并将BMI分层为五个等级进行详细比较 | 回顾性研究设计，样本仅来自住院康复患者，可能不适用于其他康复环境 | 确定肥胖对下肢截肢患者康复期间身体功能和临床结局指标的影响 | 接受下肢截肢住院康复服务的患者 | 医疗康复 | 下肢截肢 | 深度学习神经网络，逻辑回归分析 | DLNN | 临床回顾性数据 | 951名下肢截肢患者 | NA | NA | 功能评分，出院回家率，住院时间，治疗时间，并发症，再入院率 | NA |
| 11434 | 2025-10-07 |
Automated measurement of cardiothoracic ratio based on semantic segmentation integration model using deep learning
2025-May, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03263-0
PMID:39708230
|
研究论文 | 本研究开发了一种基于语义分割集成模型的深度学习方法来自动测量心胸比和诊断心脏增大 | 使用软投票集成方法结合三种语义分割模型来提高分割精度，能够有效处理不同胸部疾病导致的结构变化 | 研究为回顾性设计，需要进一步前瞻性验证 | 研究语义分割模型在预测心胸比和心脏增大方面的效能 | 胸部X光片 | 计算机视觉 | 心血管疾病 | 胸部X光成像 | 语义分割模型 | 医学图像 | 650张来自研究中心的连续胸部X光片和756张公共数据集图像 | NA | 语义分割集成模型 | AUC, 准确率, 灵敏度, 特异性, Pearson相关系数, Bland-Altman一致性分析 | NA |
| 11435 | 2025-10-07 |
Toward efficient slide-level grading of liver biopsy via explainable deep learning framework
2025-May, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03266-x
PMID:39806118
|
研究论文 | 提出一种可解释的深度学习框架，用于肝活检切片级别的分级诊断 | 开发了采用多尺度特征提取和融合的斑块级分类模型，并引入切片级聚合框架，提升了肝活检分级的准确性和可解释性 | NA | 提高慢性肝疾病活检分级的准确性和效率 | 肝活检组织切片 | 数字病理学 | 慢性肝病 | 组织学分析 | 深度学习 | 病理图像 | 1322例病例，涵盖多种染色方法 | NA | 多尺度特征提取和融合模型 | F1分数 | NA |
| 11436 | 2025-10-07 |
A deep learning-based peer review method for radiotherapy planning
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17686
PMID:39935240
|
研究论文 | 开发基于深度学习的放疗计划同行评审方法，通过患者解剖信息进行个性化质量控制 | 首次将深度学习剂量预测与统计模型结合用于放疗计划的个性化质量控制 | 研究仅针对139例鼻咽癌患者，样本量有限 | 开发基于患者解剖信息的放疗计划个性化质量控制方法 | 鼻咽癌患者的放疗计划 | 医学影像分析 | 鼻咽癌 | 深度学习剂量预测 | CNN | 3D剂量分布图像 | 139例鼻咽癌患者（95训练，20验证，24测试），另加29例临床治疗计划 | NA | UNet | 平均体素剂量差异 | NA |
| 11437 | 2025-10-07 |
Lesion segmentation method for multiple types of liver cancer based on balanced dice loss
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17624
PMID:39945728
|
研究论文 | 提出基于平衡Dice损失的多类别肝癌病灶分割方法 | 提出平衡Dice损失函数解决多类别肝癌分割中的数据不平衡问题，并结合贪婪参数平均算法和层间信息后处理 | NA | 实现多类别肝癌的准确分割 | 恶性肝肿瘤患者的CT筛查图像 | 计算机视觉 | 肝癌 | CT成像 | 深度学习模型 | 医学图像 | 591例恶性肝肿瘤患者 | NA | NA | Dice per case | NA |
| 11438 | 2025-10-07 |
Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17682
PMID:39966996
|
研究论文 | 本研究提出一种无需额外训练即可将左侧乳腺癌深度学习模型适配用于右侧乳腺癌治疗规划的技术 | 通过对称结构左右互换和模型参数调整实现跨侧向深度学习模型适配，无需重新训练 | 技术特定于特定治疗规划系统(TPS)，需要进一步验证在其他平台的适用性 | 开发右侧乳腺癌自动治疗规划技术 | 乳腺癌患者治疗规划 | 医学影像分析 | 乳腺癌 | 深度学习自动规划 | 深度学习模型 | 治疗规划数据 | 30例患者（10例用于模型调优，20例用于验证），外加10例临床患者 | NA | NA | 剂量体积参数，平均剂量，最大剂量 | NA |
| 11439 | 2025-10-07 |
T2-weighted imaging of rectal cancer using a 3D fast spin echo sequence with and without deep learning reconstruction: A reader study
2025-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70031
PMID:39976552
|
研究论文 | 比较深度学习重建与传统重建在直肠癌T2加权3D快速自旋回波序列MRI中的图像质量和临床效用 | 首次在直肠癌MRI中系统比较深度学习重建与传统重建技术的性能差异 | 样本量有限（50例患者），仅使用3点量表进行主观评价 | 评估深度学习重建在直肠癌MRI图像质量和临床诊断价值方面的优势 | 50例直肠癌患者的MRI图像 | 医学影像分析 | 直肠癌 | T2加权3D快速自旋回波序列MRI | 深度学习重建 | 医学影像 | 50例直肠癌患者 | NA | NA | 图像质量评分，临床偏好度 | NA |
| 11440 | 2025-10-07 |
Explainability and uncertainty: Two sides of the same coin for enhancing the interpretability of deep learning models in healthcare
2025-May, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105846
PMID:39993336
|
立场论文 | 提出将不确定性量化与可解释人工智能方法相结合以提升医疗领域深度学习模型可靠性的框架 | 首次系统性地提出在可解释人工智能中同时估计认知不确定性和偶然不确定性的框架 | 未进行实际临床验证，主要提出理论框架和方法论探讨 | 提升医疗领域深度学习模型的透明度和可靠性 | 医疗领域的深度学习模型 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |