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 11801 - 11820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11801 | 2025-05-08 |
A Deep Learning Approach for Mandibular Condyle Segmentation on Ultrasonography
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01527-1
PMID:40329156
|
研究论文 | 本研究开发并评估了一种基于深度学习的计算机诊断软件，用于超声图像中下颌髁突的分割 | 首次将YOLOv8深度学习AI模型应用于下颌髁突超声图像的分割，并取得了较高的性能指标（F1分数0.93，敏感性0.90，精确度0.96） | 研究仅使用了回顾性的超声图像数据，样本量相对有限（668张图像） | 开发并评估用于下颌髁突超声图像分割的计算机辅助诊断工具 | 成人下颌髁突的超声图像 | 数字病理 | 口腔颌面部疾病 | 超声成像 | YOLOv8 | 图像 | 668张回顾性超声图像 | NA | NA | NA | NA |
| 11802 | 2025-05-08 |
Deep Learning for Classification of Solid Renal Parenchymal Tumors Using Contrast-Enhanced Ultrasound
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01525-3
PMID:40329155
|
研究论文 | 本研究评估了深度学习模型在利用对比增强超声（CEUS）图像分类不同亚型实性肾实质肿瘤的能力，并比较了它们的分类性能 | 首次使用深度学习模型（ResNet-18和RepVGG）对CEUS图像中的肾实质肿瘤亚型进行分类，并比较了两种模型的性能 | 研究为回顾性设计，样本量相对较小（237例），且仅使用了单一影像学方法（CEUS） | 评估深度学习模型在肾实质肿瘤亚型分类中的应用价值 | 237例肾肿瘤的CEUS图像（包括46例AML、118例ccRCC、48例pRCC和25例chRCC） | 数字病理 | 肾癌 | 对比增强超声（CEUS） | ResNet-18, RepVGG | 图像 | 237例肾肿瘤CEUS图像 | NA | NA | NA | NA |
| 11803 | 2025-05-08 |
Deep Learning-Based CT-Less Cardiac Segmentation of PET Images: A Robust Methodology for Multi-Tracer Nuclear Cardiovascular Imaging
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01528-0
PMID:40329157
|
研究论文 | 开发了一种基于深度学习的无CT心脏PET图像分割方法，用于多示踪剂核心血管成像 | 提出了一种直接分割心脏PET图像的深度学习方法，克服了传统基于CT图像分割的局限性 | 研究中仅使用了146名患者的406张心脏PET图像，样本量相对有限 | 开发一种可靠的心脏PET图像分割方法，用于心血管疾病的诊断 | 心脏PET图像 | 数字病理 | 心血管疾病 | PET/CT成像 | nnU-Net V2 | 医学图像 | 146名患者的406张心脏PET图像（43 F-FDG、329 N-NH和37 Rb图像） | NA | NA | NA | NA |
| 11804 | 2025-05-08 |
Enhancing Breast Cancer Detection Through Optimized Thermal Image Analysis Using PRMS-Net Deep Learning Approach
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01465-y
PMID:40329154
|
research paper | 该研究通过优化的热图像分析，使用PRMS-Net深度学习方法增强乳腺癌检测 | 创新性地结合了渐进残差网络（PRN）和ResNet-50，构建了渐进残差多类支持向量机网络（PRMS-Net），显著提升了特征提取和分类效果 | 未提及具体的数据来源和样本多样性，可能影响模型的泛化能力 | 提升乳腺癌早期检测的准确性和效率 | 乳腺癌的热图像数据 | digital pathology | breast cancer | thermal image analysis | PRMS-Net (Progressive Residual Multi-Class Support Vector Machine-Net) | image | 未明确提及样本数量，但使用了五折交叉验证方法 | NA | NA | NA | NA |
| 11805 | 2025-05-08 |
Massive experimental quantification allows interpretable deep learning of protein aggregation
2025-May-02, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adt5111
PMID:40305601
|
研究论文 | 通过大规模实验量化数据训练可解释的深度学习模型CANNA，用于预测蛋白质聚集 | 利用超过10万蛋白质序列的实验量化数据训练卷积-注意力混合神经网络CANNA，显著提高了蛋白质聚集预测的准确性 | NA | 解决蛋白质聚集预测中的数据短缺问题，提高预测准确性 | 蛋白质序列 | 机器学习 | NA | 深度学习 | 卷积-注意力混合神经网络(CANYA) | 蛋白质序列数据 | 超过10万蛋白质序列 | NA | NA | NA | NA |
| 11806 | 2025-10-07 |
Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma From Multi-Sequence Magnetic Resonance Imaging Based on Deep Fusion Representation Learning
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3451331
PMID:39196745
|
研究论文 | 本研究提出一种基于深度融合表征学习的端到端算法，用于术前预测肝细胞癌微血管浸润 | 提出基于ResNet的多分支深度融合特征算法(DFFResNet)，结合多序列MRI图像增强信息互补性和整合性 | 数据集仅来自单一医疗中心，样本量相对有限(117例患者) | 开发术前预测肝细胞癌微血管浸润的深度学习模型 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 磁共振成像(MRI) | CNN | 医学影像 | 117例患者，7个MRI序列 | NA | ResNet, DFFResNet | NA | NA |
| 11807 | 2025-05-08 |
Robust deep learning from weakly dependent data
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107227
PMID:39933320
|
research paper | 该论文研究了在弱依赖数据下的鲁棒深度学习，针对无界损失函数和无界输出的情况，建立了深度神经网络估计器的非渐近边界 | 考虑了输出变量仅具有有限r阶矩（r>1）的情况，并在强混合和ψ-弱依赖假设下建立了预期超额风险的非渐近边界 | 研究假设数据具有足够的平滑性指数，且主要针对强混合数据，可能不适用于所有类型的数据依赖情况 | 探索在弱依赖观测下深度学习的鲁棒性，特别是在无界损失函数和无界输出的情况下 | 深度神经网络估计器及其在弱依赖数据下的性能 | machine learning | NA | NA | deep neural networks | weakly dependent observations | NA | NA | NA | NA | NA |
| 11808 | 2025-05-08 |
Leveraging deep learning for nonlinear shape representation in anatomically parameterized statistical shape models
2025-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03330-3
PMID:39953355
|
research paper | 提出了一种基于深度学习的解剖参数化统计形状模型（DL-ANATSSM），用于改善解剖结构与临床相关参数之间的非线性关系 | 引入深度学习模型（多层感知机）学习解剖测量与形状参数之间的非线性映射，提升了统计形状模型的精确性和可解释性 | 模型在真实骨骼数据集上的性能依赖于合成数据的预训练和微调过程，可能受限于数据质量和多样性 | 改进统计形状模型（SSMs），使其能更精确地关联临床相关解剖参数与骨骼形状信息 | 股骨骨骼的形态学评估 | digital pathology | NA | 深度学习，多层感知机（MLP） | 多层感知机（MLP） | 3D骨骼形状数据 | 合成股骨骨骼数据集和真实骨骼数据集（具体数量未提及） | NA | NA | NA | NA |
| 11809 | 2025-05-08 |
Development of a surrogate model for predicting atherosclerotic plaque progression based on agent based modeling data
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241309771
PMID:39973869
|
研究论文 | 本研究开发了一种基于代理建模数据的动脉粥样硬化斑块进展预测替代模型 | 利用深度学习和人工神经网络构建高精度替代模型，替代计算密集型代理建模，实现实时预测 | 研究仅基于15例患者特定几何形状的数据，样本量较小 | 优化动脉粥样硬化斑块进展的预测建模资源 | 冠状动脉粥样硬化斑块进展 | 机器学习 | 心血管疾病 | 代理建模(ABM), 人工神经网络(ANN) | ANN | 模拟参数数据 | 15例患者特定几何形状数据 | NA | NA | NA | NA |
| 11810 | 2025-05-08 |
TRUSWorthy: toward clinically applicable deep learning for confident detection of prostate cancer in micro-ultrasound
2025-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03335-y
PMID:39976857
|
research paper | 提出了一种名为TRUSWorthy的深度学习系统，用于在前列腺癌的微超声检测中提高准确性和可靠性 | 整合了自监督学习、多实例学习聚合、随机欠采样增强和集成学习，解决了标签稀缺、弱标签、类别不平衡和过度自信等问题 | 需要进一步验证在更多临床环境中的适用性和稳定性 | 开发一个可靠的深度学习系统，用于前列腺癌的检测 | 前列腺癌的微超声数据 | digital pathology | prostate cancer | micro-ultrasound | transformers, ensemble learning | image | 大型多中心微超声数据集 | NA | NA | NA | NA |
| 11811 | 2025-05-08 |
DARCS: Memory-Efficient Deep Compressed Sensing Reconstruction for Acceleration of 3D Whole-Heart Coronary MR Angiography
2025-May, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3524717
PMID:40030771
|
research paper | 提出一种内存高效的深度压缩感知方法DARCS，用于加速3D全心冠状动脉磁共振血管成像的重建 | 利用预训练的伪影估计网络作为固有稀疏变换，显著降低内存使用同时提升重建质量 | 未提及具体临床验证规模或不同硬件平台的适应性测试 | 解决3D冠状动脉磁共振血管成像在高度欠采样情况下的高质量重建问题 | 3D全心冠状动脉磁共振血管成像数据 | digital pathology | cardiovascular disease | deep compressed sensing | unrolled network | 3D medical image | NA | NA | NA | NA | NA |
| 11812 | 2025-05-08 |
SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3523492
PMID:40030824
|
research paper | 提出了一种名为SWMA-UNet的并行多路径注意力架构，用于改进医学图像分割 | 采用并行策略整合Transformers和CNNs，同时处理全局和局部信息，提高了分割精度 | 未提及具体局限性 | 改进医学图像分割的准确性 | 医学图像 | digital pathology | NA | deep learning | SWMA-UNET (结合Transformers和CNNs的并行多路径注意力架构) | image | Synapse, ACDC, ISIC 2018和MoNuSeg数据集 | NA | NA | NA | NA |
| 11813 | 2025-05-08 |
FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3525626
PMID:40030855
|
研究论文 | 提出了一种名为FlexibleSleepNet的轻量级卷积神经网络架构，用于基于多通道多导睡眠图的自动睡眠阶段分类 | 设计了自适应特征提取模块（AFE）和尺度变化压缩模块（SVC），有效平衡时空特征提取与计算复杂性 | NA | 解决自动睡眠阶段分类任务中深度学习模型在时空特征提取与计算复杂性之间的平衡问题 | 多通道多导睡眠图数据 | 数字病理学 | NA | 多通道多导睡眠图 | CNN | 多通道生理信号数据 | 三个数据库：SleepEDF-20、SleepEDF-78和SHHS | NA | NA | NA | NA |
| 11814 | 2025-05-08 |
Conditional Contrastive Predictive Coding for Assessment of Fetal Health From the Cardiotocogram
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3530610
PMID:40030899
|
研究论文 | 本文提出了一种基于条件对比预测编码（CPC）的方法，用于从胎心宫缩图（CTG）中评估胎儿健康状况 | 改进了之前基于WaveNet架构的无监督深度学习模型，通过引入对比预测编码（CPC）和新的训练目标，提高了异常检测的性能 | 未提及具体样本量或数据集的详细描述 | 开发一种自动化的胎儿健康评估方法，以减少人为解释胎心宫缩图的主观性和不必要的干预 | 胎心宫缩图（CTG）记录的胎儿心率和子宫活动数据 | 数字病理学 | 胎儿健康 | 对比预测编码（CPC） | WaveNet, CPC | 时间序列数据 | NA | NA | NA | NA | NA |
| 11815 | 2025-05-08 |
Predicting Drug-miRNA Associations Combining SDNE with BiGRU
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3525266
PMID:40030943
|
研究论文 | 提出了一种结合SDNE和BiGRU的新方法SDNEDMA，用于预测药物-miRNA关联 | 首次将SDNE与BiGRU结合用于药物-miRNA关联预测，采用双通道方法融合miRNA和药物的属性和拓扑特征 | 未提及具体的数据集规模限制或模型泛化能力测试 | 开发高精度的药物-miRNA关联预测方法以辅助药物研发 | 药物与miRNA之间的关联关系 | 机器学习 | NA | SDNE（结构化深度网络嵌入）和BiGRU（双向门控循环单元） | SDNE + BiGRU | miRNA序列数据和药物ECFP指纹数据 | 基于ncDR数据集进行5折交叉验证 | NA | NA | NA | NA |
| 11816 | 2025-05-08 |
DiffuSeg: Domain-Driven Diffusion for Medical Image Segmentation
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3526806
PMID:40030962
|
研究论文 | 介绍了一种名为DiffuSeg的新型条件扩散模型，用于医学图像分割，能够利用现有标签合成目标域的新图像 | 提出了一种仅需标签图和目标域未标记图像的条件扩散模型，避免了人工标注的需求，并在图像生成和分割准确性上显著优于基线方法 | 在训练过程中目标数据集的标注不可用的情况下表现最佳，可能限制了在需要实时标注的应用中的使用 | 解决医学图像分割中标注成本高和分布偏移的问题 | 医学图像数据，包括视网膜眼底图像和MRI图像 | 数字病理 | 心血管疾病 | 条件扩散模型 | DiffuSeg | 图像 | NA | NA | NA | NA | NA |
| 11817 | 2025-05-08 |
Physiological Information Preserving Video Compression for rPPG
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3526837
PMID:40030966
|
research paper | 提出了一种专为rPPG应用设计的视频压缩方案，以保留生理信息 | 提出了一种专门针对rPPG应用的视频压缩方案，包含面部ROI计算资源重分配、rPPG信号保留比特资源重分配和时域上下采样编码三种策略 | 未提及具体局限性 | 解决rPPG视频压缩过程中生理信息丢失的问题 | rPPG视频数据 | computer vision | NA | 视频压缩算法 | NA | 视频 | UBFC-rPPG、ECG-Fitness数据集和自采集数据集 | NA | NA | NA | NA |
| 11818 | 2025-05-08 |
WavFace: A Multimodal Transformer-Based Model for Depression Screening
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3529348
PMID:40031033
|
research paper | 提出了一种基于多模态Transformer的模型WavFace，用于通过音频和面部特征进行抑郁症筛查 | WavFace通过编码器-Transformer层改进单模态表示，并应用显式对齐方法和顺序与空间自注意力机制，融合两种模态的嵌入 | 样本量较小 | 开发一种深度学习模型用于抑郁症筛查 | 抑郁症患者 | natural language processing | geriatric disease | deep learning | Transformer | audio, video | NA | NA | NA | NA | NA |
| 11819 | 2025-05-08 |
Multivariate Glucose Forecasting Using Deep Multihead Attention Layers Inside Neural Basis Expansion Networks
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3530461
PMID:40031270
|
研究论文 | 提出一种新型网络架构，结合多头注意力层和神经网络基础扩展层，用于提高葡萄糖预测的准确性和个性化 | 提出了一种结合多头注意力层和神经网络基础扩展层的新型网络架构，提高了预测准确性并部分解决了模型可解释性问题 | 模型仍存在部分非解释性问题，且需要大量训练数据和高性能计算资源 | 提高基于连续葡萄糖监测（CGM）传感器的糖尿病管理系统中葡萄糖预测的准确性和个性化 | 糖尿病患者的葡萄糖水平 | 机器学习 | 糖尿病 | 深度学习 | 多头注意力层与神经网络基础扩展层结合的网络 | 时间序列数据 | 使用OhioT1DM数据库进行验证 | NA | NA | NA | NA |
| 11820 | 2025-05-08 |
Development and application of an intelligent pressure injury assessment system using AI image recognition
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241296350
PMID:40066836
|
研究论文 | 开发并评估了一种基于AI的智能压力性损伤评估系统，旨在提高评估的准确性和效率 | 使用深度学习算法（CNN）构建的AI系统在准确性和效率上优于传统评估方法 | 需要进一步研究以扩展系统对其他类型伤口的应用 | 提高压力性损伤评估的准确性和效率 | 108名ICU患者 | 计算机视觉 | 压力性损伤 | 深度学习 | CNN | 图像 | 108名ICU患者（分为对照组和实验组） | NA | NA | NA | NA |