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 11721 - 11740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11721 | 2025-05-09 |
Leveraging deep learning for improving parameter extraction from perfusion MR images: A narrative review
2025-May, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104978
PMID:40215839
|
综述 | 本文回顾了深度学习在灌注磁共振成像（MRI）参数提取中的应用，探讨了其优势、挑战及潜在临床应用 | 深度学习算法能高效处理大数据集，提供更快、更准确的参数提取，减少主观性 | 传统量化灌注参数的方法耗时且易受噪声和复杂组织动态限制 | 评估深度学习在灌注MRI中的应用，以提高诊断准确性和治疗计划 | 灌注MRI技术（DCE、DSC、ASL、IVIM） | 医学影像分析 | NA | 深度学习（DL） | CNN、RNN、GAN | MRI图像 | NA | NA | NA | NA | NA |
| 11722 | 2025-05-09 |
Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI
2025-May, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.1059
PMID:40307199
|
研究论文 | 比较深度学习重建的涡轮自旋回波(DL-TSE)与传统插值涡轮自旋回波(Conv-TSE)技术在颈部对比增强MRI中的图像质量 | 应用深度学习重建技术显著减少扫描时间，同时提高图像质量、清晰度和黏膜区域的可见性 | DL-TSE在解剖结构重叠区域产生更明显的伪影 | 评估深度学习重建技术在加速颈部MRI中的效果 | 106名患者的颈部对比增强MRI图像 | 医学影像 | NA | 深度学习重建的涡轮自旋回波(DL-TSE) | 深度学习 | MRI图像 | 106名患者 | NA | NA | NA | NA |
| 11723 | 2025-05-09 |
Age-Related Regional Changes in Choroidal Vascularity in Healthy Emmetropic Eyes
2025-May-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.5.3
PMID:40310636
|
研究论文 | 本研究探讨了健康正视眼中脉络膜血管指数（CVI）随生理年龄变化的区域性变化 | 首次使用深度学习技术对健康正视眼不同年龄段人群的脉络膜血管指数进行区域性分析，揭示了年龄相关的CVI变化模式 | 研究为横断面设计，无法确定因果关系；样本仅包括正视眼人群，可能不适用于其他屈光状态 | 探究健康正视眼中脉络膜血管特性随年龄变化的区域性差异 | 280名健康正视眼受试者（包括83名儿童、77名青少年和120名成人） | 数字病理学 | NA | 增强深度成像光学相干断层扫描（EDI-OCT） | 深度学习 | 图像 | 280名健康受试者（5-41岁） | NA | NA | NA | NA |
| 11724 | 2025-05-09 |
PhacoTrainer: Automatic Artificial Intelligence-Generated Performance Ratings for Cataract Surgery
2025-May-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.5.2
PMID:40310637
|
研究论文 | 探讨人工智能生成的自动性能评分在区分白内障手术学员和教师以及AI指标与专家评分之间的相关性 | 使用深度学习模型自动生成白内障手术视频的性能指标，并与专家评分进行相关性分析 | 样本量相对较小，仅包括28名学员和29名教师的手术视频 | 评估AI生成的指标在区分手术技能水平和与专家评分相关性方面的有效性 | 白内障手术视频 | 计算机视觉 | 白内障 | 深度学习 | CNN | 视频 | 57例手术视频（28名学员和29名教师） | NA | NA | NA | NA |
| 11725 | 2025-10-07 |
Artificial intelligence in the detection and classification of dental caries
2025-May, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2023.07.013
PMID:37640607
|
研究论文 | 本研究开发了一个基于深度学习的模型，用于检测和分类牙科龋齿 | 使用改进的King Abdulaziz大学龋齿分类系统，通过语义分割任务训练深度学习模型进行龋齿自动检测 | 训练样本量相对较小（554个训练样本），模型性能仍有提升空间 | 开发能够自动检测和分类牙科龋齿的深度学习模型 | 咬翼片X光影像中的龋齿病变 | 计算机视觉 | 牙科疾病 | 放射影像分析 | 深度学习 | X光影像 | 554个训练样本，1876×1402像素分辨率的咬翼片X光影像 | NA | 语义分割模型 | 交并比, F1分数 | NA |
| 11726 | 2025-05-09 |
Mixing individual and collective behaviors to predict out-of-routine mobility
2025-Apr-29, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2414848122
PMID:40267135
|
research paper | 该研究提出了一种动态整合个体和集体移动行为的方法，以提高非日常移动行为的预测准确性 | 通过利用集体智能动态整合个体和集体移动行为，显著提升了非日常移动行为的预测准确性，并在COVID-19等破坏性事件中保持了预测能力 | 模型在兴趣点密度高的城市区域表现最佳，可能在其他区域效果有限 | 解决非日常人类移动行为的预测问题，以应对城市设计、交通拥堵、流行病管理等社会挑战 | 人类移动行为 | machine learning | NA | 深度学习与马尔可夫模型结合 | 动态整合模型 | 轨迹数据 | 数百万条隐私保护的轨迹数据，覆盖五个美国城市 | NA | NA | NA | NA |
| 11727 | 2025-05-09 |
Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis
2025-Apr-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.21.25326162
PMID:40313262
|
research paper | 开发了一种基于深度学习的自动化工具SMAART-AI，用于通过CT扫描评估骨骼肌面积，以诊断癌症恶病质 | SMAART-AI结合了自动化、高准确性和不确定性机制，提高了骨骼肌面积评估的可靠性，并开发了MLP模型用于预测恶病质 | 研究主要基于胃食管癌数据集，可能在其他癌症类型中的泛化性有待验证 | 开发一种可靠的工具用于癌症恶病质的早期诊断和干预 | 癌症患者的骨骼肌面积评估和恶病质预测 | digital pathology | gastroesophageal cancer | CT扫描 | nnU-Net 2D, MLP | image | 胃食管癌数据集 | NA | NA | NA | NA |
| 11728 | 2025-05-09 |
Establishing performance criteria for evaluating watershed-scale sediment and nutrient models at fine temporal scales
2025-Apr-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.123156
PMID:39955106
|
research paper | 该研究旨在建立用于评估流域尺度沉积物和养分模型在精细时间尺度上性能的标准 | 提出了针对精细时间尺度的过程模型性能评估标准，并探讨了校准持续时间、目标单位选择等因素对模型性能的影响 | 虽然标准基于过程模型开发，但可能不完全适用于所有类型的模型评估 | 建立流域水质模型的性能评估标准 | 流域水质模型（涉及水流、沉积物、总养分和溶解养分） | 环境建模 | NA | Nash-Sutcliffe效率(NSE)分析、自助法(bootstrapping) | 过程模型、深度学习模型 | 水质监测数据 | 229个模型应用案例 | NA | NA | NA | NA |
| 11729 | 2025-05-09 |
Identifying RNA-small Molecule Binding Sites Using Geometric Deep Learning with Language Models
2025-Apr-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169010
PMID:39961524
|
研究论文 | 开发了一个名为RNABind的几何深度学习框架，用于从RNA结构中检测RNA与小分子的结合位点 | 将RNA大型语言模型（LLMs）整合到先进的几何深度学习网络中，同时编码RNA序列和结构信息，并构建了最大的RNA-小分子相互作用数据集 | 未提及具体的局限性 | 预测RNA与小分子的结合位点，以促进RNA靶向药物发现 | RNA与小分子的结合位点 | 自然语言处理 | NA | 几何深度学习与语言模型 | RNABind（整合了RNA LLMs的几何深度学习网络） | RNA序列和结构数据 | 从整个多链复合体结构中编译的最大RNA-小分子相互作用数据集 | NA | NA | NA | NA |
| 11730 | 2025-05-09 |
EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108652
PMID:39938252
|
研究论文 | 提出了一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过EEG信号自动检测阿尔茨海默病和额颞叶痴呆 | EEGConvNeXt是一种轻量级的CNN模型，基于transformer模型构建，具有高效的多类分类能力 | 依赖相对较小的数据集，需要在更多样化的人群中进行进一步验证 | 开发一种高效、轻量级的深度学习模型，用于神经退行性疾病的自动检测 | 阿尔茨海默病(AD)和额颞叶痴呆(FD)患者及对照组的EEG信号 | 数字病理学 | 老年病 | EEG信号分析 | CNN (EEGConvNeXt) | EEG信号转换的功率谱图像 | 包含AD、FD和对照组三个类别的公开EEG数据集 | NA | NA | NA | NA |
| 11731 | 2025-05-09 |
LMTTM-VMI: Linked Memory Token Turing Machine for 3D volumetric medical image classification
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108640
PMID:39951959
|
研究论文 | 提出了一种名为LMTTM的新型深度学习模型，用于高效处理3D医学体积图像的分类问题 | 引入了链接记忆令牌图灵机（LMTTM），利用外部链接记忆有效处理3D医学体积图像的空间依赖性和结构复杂性 | 未提及具体的数据集局限性或模型适用范围 | 提高3D医学体积图像分类的准确性和效率 | 3D医学体积图像 | 数字病理 | NA | 深度学习 | LMTTM | 3D医学图像 | 六个来自MedMNIST v2的3D医学体积图像数据集 | NA | NA | NA | NA |
| 11732 | 2025-05-09 |
"Brain state network dynamics in pediatric epilepsy: Chaotic attractor transition ensemble network"
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109832
PMID:39951978
|
research paper | 提出了一种新型的集成框架CATE-NET，用于识别儿童癫痫的神经动力学特征，区分生理性脑活动和癫痫引起的信号异常 | 结合混沌和动力系统理论，设计了模块化的CATE-NET框架，利用非线性动力学和混沌吸引子（特别是Rössler混沌吸引子）建模头皮EEG数据，并通过LSTM网络和概率图自动分析脑状态 | 未提及具体样本量，且依赖于EEG信号的质量 | 改进儿童癫痫的脑状态分析和癫痫活动检测 | 儿童癫痫患者的脑电图信号 | digital pathology | epilepsy | EEG信号分析，混沌吸引子建模，深度学习 | LSTM，概率图模型 | EEG信号 | NA | NA | NA | NA | NA |
| 11733 | 2025-05-09 |
Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109790
PMID:39951980
|
research paper | 该研究探讨了基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤的有效性 | 结合深度学习和传统机器学习技术，使用预处理管道和PCA进行图像增强和降维，比较ResNet152和GoogleNet的性能 | 未提及模型在其他类型肿瘤或不同成像技术中的泛化能力 | 提高脑肿瘤诊断的准确性 | 脑肿瘤的MR图像 | digital pathology | brain tumor | magnetic resonance (MR) scans, PCA, data augmentation | ResNet152, GoogleNet, SVM, KNN, CART, GNB | image | 未明确提及具体样本数量，数据集按80%训练和20%测试划分 | NA | NA | NA | NA |
| 11734 | 2025-05-09 |
Illuminating the unseen: Advancing MRI domain generalization through causality
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103459
PMID:39952023
|
research paper | 提出了一种针对加速MRI重建的领域泛化框架，通过因果对齐增强模型在未见领域的鲁棒性 | 首次提出专为加速MRI重建设计的领域泛化框架GenCA-MRI，通过机制级不变性（因果对齐）捕获MRI数据内在因果关系 | 未明确说明计算策略对超参数敏感度或计算资源消耗的具体影响 | 解决加速MRI重建中训练-测试领域偏移（如图像对比度/解剖区域/采集策略变化）导致的性能下降问题 | 多领域MRI数据（fastMRI和IXI数据集） | medical imaging | NA | deep learning-based MRI reconstruction | domain generalization framework (GenCA-MRI) | MRI图像 | fastMRI和IXI数据集（具体数量未说明） | NA | NA | NA | NA |
| 11735 | 2025-05-09 |
Automated pediatric TMJ articular disk identification and displacement classification in MRI with machine learning
2025-Apr, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105622
PMID:39952550
|
研究论文 | 评估一种自动化两步模型在儿科颞下颌关节（TMJ）磁共振成像（MRI）中使用人工智能（AI）进行解释的性能 | 使用深度学习技术自动识别TMJ骨结构和关节盘，并通过自动化算法对关节盘位移进行分类 | 样本量相对较小（235名儿科患者），且仅针对儿科TMJ MRI | 开发自动化工具以辅助非MRI专家评估儿科TMJ疾病 | 儿科患者的TMJ MRI图像 | 数字病理学 | 颞下颌关节疾病 | MRI | UNet++ | 图像 | 235名儿科患者（470个关节） | NA | NA | NA | NA |
| 11736 | 2025-05-09 |
Artificial intelligence in gastrointestinal cancer research: Image learning advances and applications
2025-Apr-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.217555
PMID:39952597
|
综述 | 本文综述了人工智能在胃肠道肿瘤研究中的最新进展和应用，特别是在早期筛查、诊断、分子标志物识别、治疗规划和预后预测方面的应用 | 总结了AI在胃肠道肿瘤研究中的最新进展，包括其在提高诊断准确性、个性化治疗设计和肿瘤微环境基础研究中的应用 | 未提及具体的AI模型或技术在临床应用中的局限性 | 探讨人工智能在胃肠道肿瘤研究中的应用及其潜力 | 胃肠道肿瘤 | 数字病理学 | 胃肠道癌症 | 深度学习、大语言模型、神经网络 | NA | 图像、多组学数据 | NA | NA | NA | NA | NA |
| 11737 | 2025-05-09 |
Geometric deep learning with adaptive full-band spatial diffusion for accurate, efficient, and robust cortical parcellation
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103492
PMID:39954339
|
research paper | 该论文提出了一种基于几何深度学习的自适应全波段空间扩散策略，用于准确、高效且稳健的皮质分区 | 提出了一种全波段谱加速空间扩散策略，直接在个体空间中对原始表面进行分区，避免了传统方法中的球面映射过程，并构建了一个紧凑的深度网络（Cortex-Diffusion） | 未提及具体局限性 | 开发一种自动化的皮质分区方法，以提高分区准确性、效率和鲁棒性 | 婴儿和成人脑成像数据集中的皮质表面 | digital pathology | NA | 几何深度学习 | Cortex-Diffusion | 3D顶点坐标 | 婴儿和成人脑成像数据集 | NA | NA | NA | NA |
| 11738 | 2025-05-09 |
Methods for estimating resting energy expenditure in intensive care patients: A comparative study of predictive equations with machine learning and deep learning approaches
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108657
PMID:39954654
|
research paper | 比较预测方程与机器学习和深度学习方法在重症监护患者静息能量消耗估计中的性能 | 首次将机器学习和深度学习方法应用于重症监护患者的静息能量消耗估计，并与传统预测方程进行比较 | 研究样本量较小（300例），且未在独立数据集和多样化患者群体中进行进一步验证 | 评估机器学习和深度学习方法在重症监护患者静息能量消耗估计中的准确性和应用潜力 | 重症监护患者的静息能量消耗 | machine learning | 重症监护 | 机器学习（XGBoost, RFR, SVR）和深度学习（CNN） | XGBoost, Random Forest Regressor, Support Vector Regression, CNN | 静态变量（年龄、身高、体重）和动态变量（分钟通气量、体温） | 300例重症监护患者的间接测热法测量数据 | NA | NA | NA | NA |
| 11739 | 2025-05-09 |
A quantitatively interpretable model for Alzheimer's disease prediction using deep counterfactuals
2025-Apr-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121077
PMID:39954872
|
研究论文 | 本研究提出了一种可定量解释的深度学习模型，用于预测阿尔茨海默病，并通过反事实推理提供直观的医学解释 | 结合反事实推理和灰质密度图，提供定量解释的AD预测模型，并生成AD相关指数 | 仅基于结构MRI数据，未考虑其他模态数据如功能MRI或生物标记物 | 开发可解释的阿尔茨海默病预测模型 | 阿尔茨海默病患者的结构MRI数据 | 数字病理学 | 老年病 | 深度学习，反事实推理 | CNN（基于使用图像数据推测） | MRI图像 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 11740 | 2025-05-09 |
Label-efficient sequential model-based weakly supervised intracranial hemorrhage segmentation in low-data non-contrast CT imaging
2025-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17689
PMID:39962740
|
研究论文 | 提出了一种基于弱监督的颅内出血分割方法，用于低数据量的非对比CT成像 | 利用图像级标签和类激活图（CAMs）进行弱监督分割，并通过无监督方式优化伪掩码，同时利用连续切片间的依赖关系提高激活图的鲁棒性 | 需要进一步验证在不同临床环境中的泛化能力 | 减少对体素级标注数据的依赖，提供一种高效的颅内出血分割方法 | 非对比CT图像中的颅内出血（ICH） | 数字病理 | 心血管疾病 | 深度学习 | CNN | 图像 | RSNA数据集（21,784例）、INSTANCE数据集（100例）、PhysioNet数据集（75例） | NA | NA | NA | NA |