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 12441 - 12460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12441 | 2025-10-07 |
Overfit detection method for deep neural networks trained to beamform ultrasound images
2025-Apr, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107562
PMID:39746284
|
研究论文 | 提出一种检测深度神经网络在超声图像波束形成任务中过拟合的方法 | 仅需网络架构和训练权重即可检测过拟合，无需重新训练或额外测试数据 | 方法仅在超声图像波束形成任务中验证，未在其他领域测试 | 开发深度神经网络过拟合检测方法 | 用于超声图像波束形成的深度神经网络 | 医学影像分析 | NA | 深度神经网络 | DNN | 超声图像 | 多中心数据训练的三种DNN模型 | NA | NA | 均值输出值, 图像间归一化相关系数 | NA |
| 12442 | 2025-10-07 |
CPI-GGS: A deep learning model for predicting compound-protein interaction based on graphs and sequences
2025-Apr, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于图和序列的深度学习模型CPI-GGS，用于预测化合物-蛋白质相互作用 | 结合图和序列信息的新型深度学习框架，在CPI预测准确率方面有所提升 | 模型泛化能力仍需改进，需要更多不同数据集的验证 | 提高化合物-蛋白质相互作用预测的准确性，为药物发现提供新工具 | 化合物和蛋白质的相互作用 | 机器学习 | NA | 深度学习 | 深度学习模型 | 图数据，序列数据 | NA | NA | CPI-GGS | 准确率 | NA |
| 12443 | 2025-10-07 |
Mapping the knowledge landscape of the PET/MR domain: a multidimensional bibliometric analysis
2025-Apr, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-07043-8
PMID:39754665
|
研究论文 | 通过文献计量学分析探索PET/MR领域的研究趋势、合作模式和新兴主题 | 首次对PET/MR领域进行多维度的文献计量学分析，涵盖2010-2024年的完整发展轨迹 | 仅基于Web of Science数据库，可能遗漏其他来源的相关文献 | 分析PET/MR领域的研究动态和发展趋势 | PET/MR领域的4349篇科学文献 | 医学影像分析 | 肿瘤学、神经系统疾病、心血管疾病 | 文献计量分析 | NA | 文献元数据 | 4349篇出版物 | VOSviewer, CiteSpace | NA | NA | NA |
| 12444 | 2025-10-07 |
MPIC: Exploring alternative approach to standard convolution in deep neural networks
2025-Apr, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.107082
PMID:39754840
|
研究论文 | 本文提出了一种名为MPIC的多尺度渐进推理卷积方法，作为标准卷积的替代方案 | 提出了结合大感受野、多尺度处理和渐进推理优势的新型卷积方法MPIC | NA | 增强卷积特征提取能力同时保持相似参数数量 | 深度可分离卷积和标准卷积的改进方案 | 计算机视觉 | NA | NA | CNN | 图像 | NA | NA | MobileNet, ResNet, ResNest | NA | NA |
| 12445 | 2025-10-07 |
Interpretable deep learning for acoustic leak detection in water distribution systems
2025-Apr-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.123076
PMID:39756226
|
研究论文 | 本研究提出了一种用于水管系统声学泄漏检测的可解释深度学习模型 | 提出了多通道卷积神经网络(MCNN)模型和MGrad-CAM可视化方法，增强了泄漏检测模型的可解释性 | NA | 开发可解释的深度学习模型用于水管系统的声学泄漏检测 | 水管系统的声学泄漏信号 | 机器学习 | NA | 声学信号分析 | CNN | 声学信号数据 | 实验数据和实际现场数据 | NA | MCNN, FCNN | 准确率 | NA |
| 12446 | 2025-10-07 |
SegRap2023: A benchmark of organs-at-risk and gross tumor volume Segmentation for Radiotherapy Planning of Nasopharyngeal Carcinoma
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103447
PMID:39756265
|
研究论文 | 介绍SegRap2023基准数据集，用于鼻咽癌放疗计划中危及器官和肿瘤靶区的自动分割 | 提供了首个大规模鼻咽癌OAR和GTV分割基准数据集，包含400个CT扫描和47个分割目标 | GTVs和小型/薄型OARs的分割性能仍需提升，目前提交方案在这些结构上表现有限 | 开发医学图像分割基准以促进鼻咽癌放疗计划中关键结构的自动分割 | 200名鼻咽癌患者的400个CT扫描（包含平扫和增强扫描配对数据） | 医学图像分割 | 鼻咽癌 | 计算机断层扫描(CT) | 深度学习分割模型 | CT医学图像 | 200名患者，400个CT扫描 | NA | NA | Dice相似系数 | NA |
| 12447 | 2025-10-07 |
Traditional versus modern approaches to screening mammography: a comparison of computer-assisted detection for synthetic 2D mammography versus an artificial intelligence algorithm for digital breast tomosynthesis
2025-Apr, Breast cancer research and treatment
IF:3.0Q2
DOI:10.1007/s10549-024-07589-z
PMID:39786500
|
研究论文 | 比较传统计算机辅助检测算法与现代人工智能算法在乳腺癌筛查中的性能差异 | 首次在相同乳腺影像上直接比较传统机器学习CADe算法与深度学习AI算法在2D合成乳腺摄影和数字乳腺断层合成中的表现 | 样本量相对有限（764例患者），仅使用单一厂商的算法和设备 | 比较传统计算机辅助检测算法与现代人工智能算法在乳腺癌筛查中的诊断性能 | 764例患者的乳腺影像检查，包括106例活检证实癌症和658例癌症阴性病例 | 医学影像分析 | 乳腺癌 | 合成2D乳腺摄影，数字乳腺断层合成 | 传统机器学习，深度学习 | 医学影像 | 764例患者（106例癌症，658例阴性） | NA | NA | AUC，敏感度，特异度，假阳性标记率 | NA |
| 12448 | 2025-10-07 |
Simultaneous Isotropic Omnidirectional Hypersensitive Strain Sensing and Deep Learning-Assisted Direction Recognition in a Biomimetic Stretchable Device
2025-Apr, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202420322
PMID:39887745
|
研究论文 | 提出一种仿生可拉伸设备，实现同时各向同性全向超灵敏应变传感和深度学习辅助方向识别 | 首次实现同时具备各向同性全向超灵敏应变传感和方向识别能力的设备，通过模拟人类手指三维结构设计新型异质基底 | NA | 开发具备全向应变传感和方向识别能力的仿生可拉伸设备 | 仿生可拉伸应变传感器 | 机器学习 | NA | 应变传感技术 | 深度学习模型 | 传感器数据 | NA | NA | NA | 准确率 | NA |
| 12449 | 2025-10-07 |
Domain-guided conditional diffusion model for unsupervised domain adaptation
2025-Apr, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.107031
PMID:39778293
|
研究论文 | 提出一种领域引导的条件扩散模型用于无监督领域自适应，通过生成高质量目标领域样本来缓解领域差异问题 | 首次将条件扩散模型引入无监督领域自适应，通过类别信息和领域分类器双重引导生成目标领域样本 | 未明确说明模型在极端领域差异情况下的表现 | 解决深度学习模型在新应用场景中的迁移性能受限问题 | 无监督领域自适应任务 | 机器学习 | NA | 扩散模型 | 条件扩散模型 | NA | 多个基准数据集 | NA | Domain-guided Conditional Diffusion Model (DCDM) | NA | NA |
| 12450 | 2025-10-07 |
Cooperative multi-task learning and interpretable image biomarkers for glioma grading and molecular subtyping
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103435
PMID:39778265
|
研究论文 | 提出一种协同多任务学习网络CMTLNet，用于胶质瘤分级和分子亚型预测，并提供可解释的影像生物标志物 | 首次设计无需分割的肿瘤特征感知模块，结合正交投影和条件分类策略提取任务特异性特征，通过注意力机制融合特征实现多任务自适应预测 | 未明确说明模型在不同类型胶质瘤数据上的泛化能力，以及在实际临床环境中的验证效果 | 同时准确预测胶质瘤组织学分级和分子亚型，并提供可靠的影像生物标志物 | 胶质瘤患者 | 数字病理 | 胶质瘤 | 深度学习，放射组学分析 | CNN | 医学影像 | 超过1800例多中心数据集 | 未明确说明 | CMTLNet（包含CFE、UFE、UCFC模块） | 马修斯相关系数 | NA |
| 12451 | 2025-10-07 |
An overview of utilizing artificial intelligence in localized prostate cancer imaging
2025-Apr, Expert review of medical devices
IF:2.9Q3
DOI:10.1080/17434440.2025.2477601
PMID:40056148
|
综述 | 本文综述了人工智能在前列腺癌多参数MRI成像中的应用现状与发展前景 | 系统总结了AI在前列腺mpMRI中的自动化图像分析进展，并探讨了多模态方法结合临床数据的发展方向 | 临床整合仍受限，需要更大规模的多机构验证研究 | 提升前列腺癌多参数MRI的诊断性能和风险分层能力 | 前列腺癌患者的mpMRI影像数据 | 医学影像分析 | 前列腺癌 | 多参数MRI (mpMRI) | 机器学习,深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 12452 | 2025-10-07 |
Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence
2025-Apr, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.240272
PMID:40178397
|
研究论文 | 开发并评估一种自由呼吸、高度加速、多切面、单次心跳的心脏电影MRI序列 | 使用生成对抗网络实现自由呼吸状态下高度加速的单次心跳心脏电影MRI成像 | 研究样本相对有限，需要进一步验证在更广泛人群中的适用性 | 开发快速准确的心脏MRI成像技术 | 心脏疾病患者和健康参与者 | 医学影像 | 心血管疾病 | 心脏MRI | GAN | 医学影像 | 136名参与者（96名心脏疾病患者，40名健康参与者） | NA | REGAIN（分辨率增强生成对抗网络） | 线性回归, Bland-Altman分析, Pearson相关系数, 组内相关系数 | 3-T MRI系统 |
| 12453 | 2025-10-07 |
A practical approach to the spatial-domain calculation of nonprewhitening model observers in computed tomography
2025-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17599
PMID:39780034
|
研究论文 | 提出一种在空间域计算CT中非预白化模型观察者的实用方法 | 避免了傅里叶域方法的局限性，无需显式估计噪声协方差矩阵，并提供了可检测性指数估计的不确定性公式 | 仅验证了NPW模型观察者，未与其他模型观察者或人类观察者进行广泛比较 | 开发用于CT图像质量评估的模型观察者计算方法 | CT重建算法（迭代重建和深度学习重建） | 医学影像 | NA | CT扫描，迭代重建，深度学习重建 | 非预白化模型观察者 | CT图像 | 使用定制体模，包含两种对比度水平和多种特征尺寸，采用两种单能量协议和两种剂量水平 | NA | NA | 归一化均方根差异 | NA |
| 12454 | 2025-05-01 |
Automated Posterior Tibial Slope Measurement Using Lateral Knee Radiographs: A Novel Landmark-Based Approach Using Deep Learning
2025-Apr, Orthopaedic journal of sports medicine
IF:2.4Q2
DOI:10.1177/23259671251331067
PMID:40297052
|
research paper | 本研究验证了一种基于解剖标志的深度学习模型，用于在未经校准的膝关节侧位X光片上测量后胫骨斜率（PTS） | 提出了一种基于标志点的新型方法，使用深度学习模型自动测量PTS，具有时间效率和准确性 | 需要外部验证以确认模型的临床适用性 | 验证一种在线计算机视觉模型，用于在膝关节侧位X光片上测量PTS | 膝关节侧位X光片 | computer vision | osteoarthritis | deep learning | CNN | image | 10,007张膝关节侧位X光片（9277张训练，500张验证，230张测试） | NA | NA | NA | NA |
| 12455 | 2025-05-01 |
Digital pathology and artificial intelligence in diagnostic pathology
2025-Apr, The Malaysian journal of pathology
PMID:40302471
|
review | 本文简要概述了数字病理学和深度学习在诊断病理学中的应用及其未来潜力 | 探讨了人工智能在诊断病理学中的优势、用途、障碍和未来潜力，以及病理学家与AI系统合作的优越性能 | 病理学家在诊断最终确定中仍起关键作用，AI应用仍存在障碍和约束 | 提高疾病诊断的效率和准确性 | 数字病理学和人工智能在诊断病理学中的应用 | digital pathology | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 12456 | 2025-10-07 |
GeOKG: geometry-aware knowledge graph embedding for Gene Ontology and genes
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf160
PMID:40217132
|
研究论文 | 提出一种几何感知的知识图谱嵌入方法GeOKG，用于基因本体和基因的表示学习 | 利用多种几何表示之间的交互来建模基因本体的复杂层次结构，突破了传统单几何空间嵌入方法的局限 | 未在摘要中明确说明具体限制 | 改进基因本体和基因本体注释的表示学习，以提升下游生物任务性能 | 基因本体(GO)、基因本体注释(GOA)和基因 | 自然语言处理, 机器学习 | NA | 知识图谱嵌入, 深度学习 | 几何感知嵌入模型 | 图结构数据, 生物医学知识图谱 | NA | NA | GeOKG | 蛋白质-蛋白质相互作用预测性能 | NA |
| 12457 | 2025-05-01 |
Human Brain Inspired Artificial Intelligence Neural Networks
2025-Mar-28, Journal of integrative neuroscience
IF:2.5Q3
DOI:10.31083/JIN26684
PMID:40302263
|
research paper | 探讨人工智能（AI）发展如何从人脑结构和功能中汲取灵感，并比较关键脑区与AI范式之间的对应关系 | 通过映射神经和计算架构，展示AI模型如何逐步模仿人脑的复杂性，从基本模式识别到高级推理 | 当前面临的挑战包括克服学习限制和实现可比的神经可塑性 | 研究AI如何从人脑结构和功能中获取灵感，并比较两者之间的对应关系 | 人脑关键区域（如脑干、感觉皮层、基底节、丘脑、边缘系统、前额叶皮层）和AI范式（如通用AI、机器学习、深度学习、人工通用智能） | machine learning | NA | NA | deep learning, artificial general intelligence (AGI) | NA | NA | NA | NA | NA | NA |
| 12458 | 2025-05-01 |
New Method of Impact Localization on Plate-like Structures Using Deep Learning and Wavelet Transform
2025-Mar-20, Sensors (Basel, Switzerland)
DOI:10.3390/s25061926
PMID:40293079
|
research paper | 提出了一种利用二维卷积神经网络（CNN）和小波变换（WT）在板状结构上定位冲击事件的新方法 | 结合CNN和小波变换处理冲击信号，提高了冲击定位的准确性 | 模型难以区分特征相似的数据样本，主要由于信号分段间隔和冲击距离的影响 | 开发一种高效准确的冲击事件定位方法 | 板状结构上的冲击事件 | machine learning | NA | 小波变换（WT） | CNN | image | 8个数据集，包含2至5次冲击信号 | NA | NA | NA | NA |
| 12459 | 2025-05-01 |
An Efficient 3D Measurement Method for Shiny Surfaces Based on Fringe Projection Profilometry
2025-Mar-20, Sensors (Basel, Switzerland)
DOI:10.3390/s25061942
PMID:40293081
|
研究论文 | 提出了一种基于条纹投影轮廓术（FPP）的高效3D测量方法，用于解决高反光表面测量中的条纹饱和或过暗问题 | 结合偏振器和深度学习方法减轻条纹饱和，并引入双频互补解码方法提高测量效率 | 未提及方法在极端反光条件下的性能或与其他技术的对比 | 提高高反光表面3D测量的准确性和效率 | 高反光表面的3D形貌测量 | 计算机视觉 | NA | 条纹投影轮廓术（FPP） | 深度学习 | 图像 | 未明确说明 | NA | NA | NA | NA |
| 12460 | 2025-05-01 |
MAL-Net: A Multi-Label Deep Learning Framework Integrating LSTM and Multi-Head Attention for Enhanced Classification of IgA Nephropathy Subtypes Using Clinical Sensor Data
2025-Mar-19, Sensors (Basel, Switzerland)
DOI:10.3390/s25061916
PMID:40293045
|
research paper | 提出了一种名为MAL-Net的多标签深度学习框架，用于整合LSTM和多头注意力机制，以增强IgA肾病亚型的分类 | MAL-Net整合了LSTM网络和多头注意力机制，有效捕捉临床数据中的序列和上下文依赖关系，并通过多头注意力模块强调关键特征，缓解类别不平衡问题 | 研究仅基于500名IgA肾病患者的临床数据，样本量相对有限，可能影响模型的泛化能力 | 开发一个深度学习框架，用于多标签分类IgA肾病亚型，以支持早期诊断、个性化治疗和预后评估 | 500名IgA肾病患者的临床数据，包括人口统计学、实验室和症状变量 | digital pathology | IgA nephropathy | 深度学习 | LSTM, Multi-Head Attention | 临床传感器数据 | 500名IgA肾病患者 | NA | NA | NA | NA |