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 36663 篇文献，本页显示第 11941 - 11960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11941 | 2025-10-06 |
Contrast-enhanced image synthesis using latent diffusion model for precise online tumor delineation in MRI-guided adaptive radiotherapy for brain metastases
2025-Jul-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade845
PMID:40562071
|
研究论文 | 开发基于潜在扩散模型的对比增强图像合成方法，用于脑转移瘤MRI引导自适应放疗中的在线肿瘤勾画 | 提出ControlNet耦合潜在扩散模型结合个性化迁移学习和去噪扩散隐式模型反演方法，实现从T2/FLAIR图像生成高质量合成T1CE图像 | NA | 开发合成T1CE图像生成方法以促进在线自适应脑转移瘤勾画的准确性 | 脑转移瘤患者 | 医学影像分析 | 脑转移瘤 | MRI, 潜在扩散模型 | 扩散模型, ControlNet | MRI图像 | NA | NA | 潜在扩散模型, ControlNet | Dice相似系数 | NA |
| 11942 | 2025-10-06 |
Self-supervised learning for low-dose CT image denoising method based on guided image filtering
2025-Jul-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade847
PMID:40562063
|
研究论文 | 提出一种基于引导图像滤波的自监督学习方法用于低剂量CT图像去噪 | 利用引导图像滤波生成伪标签实现无需配对数据的自监督学习，并在残差网络解码器中嵌入注意力门机制增强去噪性能 | NA | 开发不依赖配对正常剂量CT数据的低剂量CT图像去噪方法 | 低剂量CT图像 | 计算机视觉 | NA | CT成像 | 残差网络 | 医学图像 | NA | NA | 残差网络 | 视觉质量, 定量指标 | NA |
| 11943 | 2025-10-06 |
A novel LLM time series forecasting method based on integer-decimal decomposition
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06581-x
PMID:40594984
|
研究论文 | 提出一种基于整数-小数分解的LLM时间序列预测方法IDDLLM | 设计整数-小数分解和跨模态微调框架，开发SDC模块和双交叉注意力机制来改进LLM对时间序列的理解 | 未明确说明方法在特定领域时间序列数据上的局限性 | 解决时间序列数据与文本数据之间的根本差异，改进基于LLM的时间序列预测 | 时间序列数据 | 自然语言处理,机器学习 | NA | 时间序列分解,跨模态学习 | LLM | 时间序列数据 | NA | NA | SDC模块,双交叉注意力模块 | 长期预测排名,少样本预测,零样本预测 | NA |
| 11944 | 2025-10-06 |
Dual-Mode Temperature-Pressure MXene Sensor for Enhanced Firefighter Safety and Deep Learning-Enhanced Smart Gloves
2025-Jul-02, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c09442
PMID:40552641
|
研究论文 | 开发了一种基于MXene材料的双模温度-压力传感器，用于增强消防员安全和智能手套应用 | 利用MXene材料优异的热电性能、类金属导电性和阻燃特性，在柔性防火聚酰亚胺基底上集成多功能传感器 | NA | 开发能够同时检测多种物理刺激的多功能可穿戴传感器 | 消防员安全监测和智能手套应用 | 机器学习和传感器技术 | NA | MXene传感器集成技术 | 深度学习算法 | 温度和压力传感器数据 | NA | NA | NA | 温度和压力传感性能 | NA |
| 11945 | 2025-10-06 |
Development of a tongue image-based machine learning tool for the diagnosis of colorectal cancer: a prospective multicentre clinical cohort study
2025-Jul-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3585552
PMID:40601462
|
研究论文 | 开发基于舌像的机器学习工具用于结直肠癌诊断的前瞻性多中心临床队列研究 | 首次将舌诊与现代机器学习结合，采用SAM与Grounding DINO进行图像分割，融合手工特征和Swin-Transformer深度学习特征 | 样本量相对有限，需要进一步验证在更广泛人群中的适用性 | 开发非侵入性、经济有效的结直肠癌辅助筛查工具 | 结直肠癌患者和非结直肠癌参与者 | 计算机视觉 | 结直肠癌 | 舌像采集 | 深度学习 | 图像 | 内部验证集：1,389例CRC患者和1,543例NCRC参与者；外部验证集：119例CRC患者和221例NCRC参与者 | NA | Swin-Transformer, Segment Anything Model (SAM), Grounding DINO | 准确率, F1-score, 精确率, 召回率 | NA |
| 11946 | 2025-10-06 |
Robust Multi-contrast MRI Medical Image Translation via Knowledge Distillation and Adversarial Attack
2025-Jul-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3584721
PMID:40601468
|
研究论文 | 提出一种结合知识蒸馏和对抗攻击的鲁棒多对比度MRI医学图像翻译框架 | 提出教师-学生模块的知识蒸馏架构，其中教师模块设计为具有更多输入的配准网络以更好地学习噪声分布；引入生成器前的对抗攻击模块增强模型鲁棒性 | 仅针对MRI医学图像进行验证，未测试其他医学影像模态 | 提升多对比度MRI医学图像翻译的质量和鲁棒性 | MRI医学图像 | 计算机视觉 | NA | MRI | GAN, Transformer, Diffusion | 医学图像 | 两个公共MRI医学图像数据集 | NA | 知识蒸馏网络，配准网络 | 通过消融实验和与SOTA方法比较验证性能 | NA |
| 11947 | 2025-10-06 |
Differential Diagnosis of Papillary Thyroid Carcinoma and Nodular Goiter With Papillary Hyperplasia Using Hyperspectral Imaging Technology
2025-Jul-02, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500200
PMID:40603107
|
研究论文 | 本研究利用高光谱成像技术结合深度学习实现甲状腺乳头状癌与结节性甲状腺肿伴乳头状增生的鉴别诊断 | 首次将高光谱成像与带自注意力机制的一维卷积神经网络结合用于甲状腺疾病的鉴别诊断 | 样本量相对有限（43例PTC和39例NGPH），需要更大规模研究验证 | 开发基于高光谱成像的甲状腺疾病鉴别诊断方法 | 甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生的石蜡包埋组织样本 | 医学影像分析 | 甲状腺癌 | 高光谱成像技术 | CNN | 高光谱图像 | 82例样本（43例PTC，39例NGPH） | NA | 一维卷积神经网络带自注意力机制 | AUC, 准确率, 敏感性, 特异性 | NA |
| 11948 | 2025-10-06 |
Clinical decision support using pseudo-notes from multiple streams of EHR data
2025-Jul-02, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01777-x
PMID:40604255
|
研究论文 | 提出一种名为MEME的深度学习框架，通过将电子健康记录转换为伪笔记来支持临床决策 | 首次将异构EHR数据转换为伪笔记，减少系统间概念协调需求，并利用自注意力机制学习多嵌入的上下文重要性 | 未明确说明模型在外部EHR数据库中的泛化能力限制 | 开发临床决策支持系统，预测急诊科患者的处置结果 | 400,019次急诊科就诊记录 | 自然语言处理 | NA | 电子健康记录分析 | 深度学习 | 表格数据, 文本 | 400,019次急诊科就诊 | NA | 自注意力机制 | NA | NA |
| 11949 | 2025-10-06 |
Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset
2025-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3537868
PMID:40031386
|
研究论文 | 本研究开发了一种基于光学相干断层扫描图像的深度学习模型，用于量化耳蜗植入后纤维化程度 | 首次将计算机视觉技术应用于植入耳蜗的OCT数据集，并开发了改进的UNET架构（2D-OCT-UNET） | 研究基于豚鼠模型，结果向人类临床应用的转化需要进一步验证 | 研究耳蜗纤维化形成机制，减少纤维化负担并改善人工耳蜗植入患者疗效 | 慢性植入人工耳蜗的豚鼠耳蜗组织 | 计算机视觉 | 听力损失 | 光学相干断层扫描（OCT） | CNN | 图像 | NA | NA | UNET, 2D-OCT-UNET | NA | NA |
| 11950 | 2025-10-06 |
A Contrast-Enhanced Ultrasound Cine-Based Deep Learning Model for Predicting the Response of Advanced Hepatocellular Carcinoma to Hepatic Arterial Infusion Chemotherapy Combined With Systemic Therapies
2025-Jul, Cancer science
IF:4.5Q1
DOI:10.1111/cas.70089
PMID:40302359
|
研究论文 | 本研究开发了一种基于对比增强超声视频的深度学习模型AE-3DNet，用于预测晚期肝细胞癌对肝动脉灌注化疗联合系统治疗的疗效反应 | 在3DNet基础上创新性地引入时空注意力模块，增强动态特征提取能力 | 回顾性研究设计，样本量相对有限（326例患者） | 预测晚期肝细胞癌患者对HAIC联合治疗的疗效反应 | 晚期肝细胞癌患者 | 计算机视觉 | 肝癌 | 对比增强超声 | 深度学习 | 超声视频图像 | 326例患者（内部验证243例，外部验证83例） | NA | AE-3DNet, 3DNet | AUC | NA |
| 11951 | 2025-10-06 |
Enhanced Maize Leaf Disease Detection and Classification Using an Integrated CNN-ViT Model
2025-Jul, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.70513
PMID:40599357
|
研究论文 | 本研究提出了一种结合CNN和ViT的混合深度学习框架，用于增强玉米叶部病害的检测和分类 | 创新性地将CNN的局部特征提取能力与ViT的远程上下文依赖捕捉能力相结合，形成互补的混合架构 | 模型在独立CD&S数据集上的性能略低于主数据集，可能存在泛化能力限制 | 开发早期、准确、自动化的玉米叶部病害检测方法，实现及时干预和优化作物管理 | 玉米叶部病害图像 | 计算机视觉 | 植物病害 | 图像处理技术 | CNN, ViT | 图像 | 来自Mendeley、Kaggle和CD&S数据集的玉米病害图像 | NA | CNN-ViT混合架构 | 准确率, 精确率, 召回率, F1分数 | NA |
| 11952 | 2025-10-06 |
Python-driven impedance profiling on peptide-functionalized biosensor for detection of HIV gp41 envelope protein
2025-Jul, 3 Biotech
IF:2.6Q3
DOI:10.1007/s13205-025-04400-8
PMID:40599495
|
研究论文 | 本研究开发了一种基于抗菌肽功能化的无标记阻抗生物传感器，用于检测HIV gp41包膜蛋白 | 首次使用抗菌肽作为生物识别受体开发无标记阻抗生物传感器检测HIV gp41蛋白，并应用Python深度学习算法进行阻抗数据分析 | NA | 开发高灵敏度、高选择性的HIV早期诊断平台 | HIV gp41包膜蛋白 | 生物传感器 | HIV/艾滋病 | 电化学阻抗谱(EIS)、扫描电子显微镜、计时阻抗法(CI) | 深度学习 | 阻抗数据 | NA | Python | NA | 线性检测范围、回归系数、检测限(LOD)、定量限(LOQ)、变异系数(CV%) | NA |
| 11953 | 2025-10-06 |
The power spectrum map of gyro-sulcal functional activity dissociation in macaque brains
2025-Jul-01, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhaf160
PMID:40605313
|
研究论文 | 本研究通过深度学习模型分析猕猴大脑回沟功能分离特征，构建首个猕猴脑回沟功能活动分离的功率谱图 | 首次系统揭示猕猴大脑回沟在功能活动中的频率特异性分离特征，并建立相应的功率谱图 | 研究仅基于静息态功能磁共振成像数据，未涉及任务态脑功能活动 | 探究猕猴大脑回沟功能分离的神经机制 | 440只猕猴的大脑功能磁共振成像数据 | 计算神经科学 | NA | 静息态功能磁共振成像 | CNN | 功能磁共振成像信号 | 来自两个独立站点的440只猕猴 | NA | 一维卷积神经网络 | 功率谱密度分析 | NA |
| 11954 | 2025-10-06 |
Deep learning for automated, motion-resolved tumor segmentation in radiotherapy
2025-Jun-30, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00970-1
PMID:40588532
|
研究论文 | 开发用于放疗中自动运动分辨肿瘤分割的深度学习模型 | 首次开发能够自动分割肺肿瘤并在4D CT图像中传播以生成内靶体积的深度学习模型，捕捉呼吸运动期间的肿瘤运动 | 研究样本量相对有限，需要进一步多中心验证 | 提高放疗中肿瘤分割的准确性、可重复性和效率 | 肺肿瘤患者 | 医学影像分析 | 肺癌 | 4D CT成像 | 深度学习 | CT图像 | 训练集739例，两个独立验证集分别为161例和102例 | NA | 3D UNet | Dice系数 | NA |
| 11955 | 2025-10-06 |
Revolutionizing gastroenterology and hepatology with artificial intelligence: From precision diagnosis to equitable healthcare through interdisciplinary practice
2025-Jun-28, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i24.108021
PMID:40599184
|
综述 | 本文探讨人工智能在胃肠病学和肝病学领域的应用现状、挑战及未来发展前景 | 提出通过联邦学习解决数据稀缺问题，整合生成式AI和数字孪生技术，建立统一伦理/监管框架以加速AI在初级保健中的应用 | 模型泛化能力受限于碎片化数据集，罕见病（如儿科肝病）算法性能因训练数据不足而受限，存在偏见、问责制和患者隐私等未解决的伦理问题 | 推动人工智能在消化系统疾病精准诊疗和医疗公平性方面的应用 | 胃肠病和肝病患者，包括胃癌、结直肠息肉、肝纤维化、脂肪肝、肝细胞癌和炎症性肠病等 | 数字病理学 | 胃肠疾病,肝病 | 深度学习,影像组学,多模态数据整合,联邦学习 | 深度学习模型 | 内窥镜图像,医学影像,多模态数据 | NA | NA | 注意力热图可视化 | 诊断准确性 | NA |
| 11956 | 2025-10-06 |
Deep learning for hydrocephalus prognosis: Advances, challenges, and future directions: A review
2025-Jun-27, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000043082
PMID:40587678
|
综述 | 探讨深度学习在脑积水的诊断和预后预测中的应用、挑战及未来发展方向 | 系统梳理深度学习在脑积水预后预测中的技术优势，重点关注基于影像、生化和结构化数据的多模态模型 | NA | 探索深度学习在脑积水精准医疗和个体化治疗中的应用潜力 | 脑积水患者 | 医学影像分析 | 脑积水 | 磁共振成像 | CNN | 医学影像, 生化数据, 结构化数据 | NA | NA | NA | 准确率, 敏感性, 特异性 | NA |
| 11957 | 2025-07-04 |
Rethinking deep learning in bioimaging through a data centric lens
2025-Jun-26, Npj imaging..
DOI:10.1038/s44303-025-00092-0
PMID:40604161
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11958 | 2025-10-06 |
Learning from small datasets-review of workshop 6 of the 10th International BCI Meeting 2023
2025-Jun-24, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/addf80
PMID:40456256
|
综述 | 回顾第10届国际脑机接口会议2023年第6研讨会关于小数据集训练机器学习模型的内容 | 聚焦脑机接口领域小数据集训练的最新方法，涵盖传统机器学习和深度学习技术 | NA | 探索减少脑机接口校准时间的方法，通过最小化新数据点来训练解码器模型 | 脑机接口解码器模型的训练方法 | 机器学习 | NA | 脑机接口技术 | 分类模型,回归模型 | 脑电信号数据 | 小数据集 | Python | NA | NA | NA |
| 11959 | 2025-10-06 |
Fast intraoperative detection of primary central nervous system lymphoma and differentiation from common central nervous system tumors using stimulated Raman histology and deep learning
2025-Jun-21, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noae270
PMID:39673805
|
研究论文 | 结合受激拉曼组织学与深度学习技术，实现术中快速检测原发性中枢神经系统淋巴瘤并与其他中枢神经系统肿瘤区分 | 首次将便携式拉曼散射显微镜与深度学习相结合，在3分钟内生成虚拟H&E样图像，实现术中快速准确诊断 | 研究样本来自四个三级国际医疗中心，需要进一步验证在更广泛医疗机构的适用性 | 开发快速术中诊断方法，准确区分原发性中枢神经系统淋巴瘤与其他中枢神经系统病变 | 中枢神经系统肿瘤和非肿瘤性病变组织样本，包括原发性中枢神经系统淋巴瘤、IDH野生型弥漫性胶质瘤和脑转移瘤 | 数字病理学 | 中枢神经系统淋巴瘤 | 受激拉曼组织学(SRH) | 深度学习 | 图像 | 54,000个SRH斑块图像，来自多个前瞻性国际多中心队列和独立测试队列 | NA | RapidLymphoma（基于自监督学习策略） | 平衡准确率, 敏感性, 特异性 | NA |
| 11960 | 2025-10-06 |
Validation of an artificial intelligence-based algorithm for predictive performance and risk stratification of sepsis using real-world data from hospitalised patients: a prospective observational study
2025-Jun-20, BMJ health & care informatics
IF:4.1Q2
DOI:10.1136/bmjhci-2024-101353
PMID:40541404
|
研究论文 | 本研究通过前瞻性观察研究验证了基于深度学习的VC-SEPS算法在脓毒症预测和风险分层方面的性能 | 首次前瞻性比较医疗人工智能算法与传统评分系统在脓毒症预测中的表现，并验证了VC-SEPS算法的早期预测能力 | 研究仅基于单中心数据，样本量相对有限 | 验证VC-SEPS算法在脓毒症早期预测和风险分层中的性能 | 住院患者的电子病历数据 | 医疗人工智能 | 脓毒症 | 深度学习 | 深度学习算法 | 电子病历数据 | 6,455名患者（其中325名确诊脓毒症） | NA | VC-SEPS | AUC | NA |