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 12981 - 13000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12981 | 2024-11-19 |
Retraction: A comprehensive review of deep learning-based single image super-resolution
2022, PeerJ. Computer science
DOI:10.7717/peerj-cs.621/retraction
PMID:39554485
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12982 | 2025-04-27 |
Deep learning prediction of patient response time course from early data via neural-pharmacokinetic/pharmacodynamic modelling
2021-Aug, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-021-00357-4
PMID:40271424
|
研究论文 | 本文提出了一种结合深度学习与药代动力学/药效动力学（PK/PD）的新型神经-PK/PD框架，用于预测患者对治疗的反应时间过程 | 将药理学关键原理与神经常微分方程结合，直接从纵向患者数据中学习控制微分方程，实现了对未测试给药方案的患者反应模拟 | 需要大量患者数据进行训练，且模型性能依赖于数据质量 | 开发自动化预测患者反应时间过程的方法，减少对人工建模经验的依赖 | 患者对治疗的反应时间过程 | 机器学习 | NA | 神经常微分方程 | 神经-PK/PD模型 | 纵向患者数据 | 超过600名患者的临床数据集 | NA | NA | NA | NA |
| 12983 | 2025-10-07 |
A comprehensive review of deep learning-based single image super-resolution
2021, PeerJ. Computer science
DOI:10.7717/peerj-cs.621
PMID:34322592
|
综述 | 本文对基于深度学习的单图像超分辨率技术进行了全面综述 | 从深度学习角度系统分类超分辨率方法，涵盖监督学习、无监督学习和领域特定方法 | 作为综述文章，不包含原始实验数据和新方法提出 | 总结单图像超分辨率领域的最新进展和发展趋势 | 图像超分辨率算法和方法 | 计算机视觉 | NA | NA | GAN, CNN | 图像 | NA | NA | EDSR, CinCGAN, MSRN, Meta-RDN, RBPN, SAN, SRFBN, WRAN | 图像质量指标 | NA |
| 12984 | 2025-10-07 |
Generalizable, sequence-invariant deep learning image reconstruction for subspace-constrained quantitative MRI
2025-Jul, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30433
PMID:39834093
|
研究论文 | 开发了一种对比度不变的深度子空间学习网络，用于跨不同脉冲序列的定量MRI图像重建 | 提出了对比度不变的逐分量网络结构，相比传统时空多分量结构具有更好的性能和泛化能力 | 研究样本量相对有限，特别是在T1-T2-T2*-脂肪分数序列中数据较为稀缺 | 开发能够跨不同脉冲序列工作的深度子空间学习网络 | MRI多任务成像的重建 | 医学影像分析 | NA | MRI多任务成像，T1、T1-T2、T1-T2-T2*-脂肪分数映射序列 | 深度学习网络 | MRI图像 | 共313名受试者（130名T1序列，167名T1-T2序列，16名T1-T2-T2*-脂肪分数序列） | NA | 对比度不变的逐分量网络结构，时空多分量结构 | 图像归一化均方根误差，Bland-Altman分析 | NA |
| 12985 | 2025-10-07 |
Accelerated EPR imaging using deep learning denoising
2025-Jul, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30473
PMID:40096518
|
研究论文 | 本研究利用深度学习技术对3D电子顺磁共振成像的振幅和氧分压图进行去噪处理 | 首次将UNet模型与联合双边滤波器结合应用于EPRI去噪，实现10倍成像加速 | 训练数据集规模有限（共227个3D图像），且包含体外和体内两种数据 | 开发基于深度学习的EPRI去噪方法以提高图像信噪比 | 体外OXO71模型和C3H小鼠后肢纤维肉瘤肿瘤 | 医学影像处理 | 肿瘤 | 电子顺磁共振成像 | 深度学习 | 3D图像 | 227个3D图像（56个体内，171个体外） | MONAI | UNet, Attention UNet, UNETR, Autoencoder | 多尺度结构相似性指数, 边缘敏感度保留 | NA |
| 12986 | 2025-10-07 |
Machine learning explainability for survival outcome in head and neck squamous cell carcinoma
2025-Jul, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105873
PMID:40121767
|
研究论文 | 本研究结合临床病理参数、治疗相关因素和社会人口学因素构建机器学习模型，用于预测头颈部鳞状细胞癌患者的总生存期，并提供模型可解释性分析 | 首次将TabNet深度学习算法应用于头颈部鳞癌生存预测，并综合使用LIME和SHAP技术提供模型可解释性，探索了多参数组合的预后潜力 | 研究基于单中心数据（419例患者），需要多机构数据集验证和临床试验测试 | 构建头颈部鳞状细胞癌患者的预后预测系统，实现个体化风险分层治疗决策 | 头颈部鳞状细胞癌患者 | 机器学习 | 头颈部鳞状细胞癌 | 机器学习预测模型 | TabNet, XGBoost, 投票集成 | 临床表格数据 | 419名来自瑞典三家大学医院的头颈部鳞癌患者 | NA | TabNet, XGBoost | 准确率 | NA |
| 12987 | 2025-10-07 |
Deep learning-assisted cellular imaging for evaluating acrylamide toxicity through phenotypic changes
2025-Jun, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association
IF:3.9Q1
DOI:10.1016/j.fct.2025.115401
PMID:40118138
|
研究论文 | 开发结合深度学习与细胞荧光成像的新方法评估丙烯酰胺毒性 | 首次将U-Net细胞分割与ResNet34分类模型结合，通过表型变化直接关联细胞表型与毒性评估 | 验证准确率为80%，仍有提升空间 | 评估丙烯酰胺毒性及其对细胞表型的影响 | 暴露于丙烯酰胺的细胞 | 计算机视觉 | 毒理学 | 细胞荧光成像 | CNN | 图像 | NA | NA | U-Net, ResNet34 | 准确率 | NA |
| 12988 | 2025-04-26 |
Future prospects of deep learning in esophageal cancer diagnosis and clinical decision support (Review)
2025-Jun, Oncology letters
IF:2.5Q3
DOI:10.3892/ol.2025.15039
PMID:40271007
|
review | 本文综述了深度学习在食管癌诊断和临床决策支持中的应用前景 | 深度学习在提高早期食管癌病变检测、区分良恶性病变以及辅助癌症分期和预后方面显示出巨大潜力 | 面临图像质量差异、数据标注不足和泛化能力有限等挑战 | 探讨深度学习在食管癌诊断和临床决策支持中的应用 | 食管癌（EC）及其癌前病变（如Barrett食管） | digital pathology | esophageal cancer | endoscopic examination, pathological analysis, computed tomography | deep learning (DL) | medical images | NA | NA | NA | NA | NA |
| 12989 | 2025-04-26 |
A comprehensive Malabar Spinach dataset for diseases classification
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111532
PMID:40275977
|
研究论文 | 本研究致力于开发针对马拉巴尔菠菜病害的机器视觉算法，以提高病害检测的准确性 | 开发了专门针对马拉巴尔菠菜病害的机器视觉算法，并构建了一个包含健康和患病植株图像的全面数据集 | 研究仅限于马拉巴尔菠菜的特定病害，可能不适用于其他作物 | 提高马拉巴尔菠菜病害的检测准确性，以支持精准农业和有效的作物管理 | 马拉巴尔菠菜的病害检测 | 计算机视觉 | 植物病害 | 机器视觉 | ResNet50 | 图像 | 包含健康和患病马拉巴尔菠菜植株图像的全面数据集 | NA | NA | NA | NA |
| 12990 | 2025-10-07 |
Development of an artificial intelligence-generated, explainable treatment recommendation system for urothelial carcinoma and renal cell carcinoma to support multidisciplinary cancer conferences
2025-May-02, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.115367
PMID:40107091
|
研究论文 | 开发用于尿路上皮癌和肾细胞癌的人工智能生成可解释治疗推荐系统，以支持多学科癌症会议 | 首次开发AI生成的可解释治疗推荐系统，为临床肿瘤学多学科会议提供全球参考标准 | 需要前瞻性验证研究结果 | 开发人工智能系统以增加循证治疗推荐，支持多学科癌症会议决策 | 尿路上皮癌和肾细胞癌患者 | 机器学习 | 尿路上皮癌,肾细胞癌 | 机器学习,深度学习 | CatBoost,XGBoost,Random Forest,TabPFN,TabNet,SoftOrdering CNN,FCN | 临床参数 | 1617例尿路上皮癌和880例肾细胞癌的多学科会议推荐 | NA | NA | F1分数 | NA |
| 12991 | 2024-08-07 |
Enhancing multimodal deep learning for improved precision and efficiency in medical diagnostics
2025-May, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20166
PMID:38808949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12992 | 2024-09-23 |
Response to 'Enhancing multimodal deep learning for improved precision and efficiency in medical diagnostics'
2025-May, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20347
PMID:39305063
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12993 | 2025-10-07 |
Deep learning radiomic nomogram outperforms the clinical model in distinguishing intracranial solitary fibrous tumors from angiomatous meningiomas and can predict patient prognosis
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11082-y
PMID:39412667
|
研究论文 | 本研究开发了一种基于MRI的深度学习影像组学列线图，用于区分颅内孤立性纤维瘤和血管瘤型脑膜瘤并预测患者预后 | 首次将深度学习影像组学列线图应用于区分ISFTs和AMs，并证明其在预测患者总生存期方面的价值 | 研究样本主要来自两家医院，需要更多外部验证来确认模型的泛化能力 | 评估基于MRI的深度学习影像组学列线图在区分颅内肿瘤类型和预测患者预后方面的价值 | 颅内孤立性纤维瘤和血管瘤型脑膜瘤患者 | 医学影像分析 | 脑肿瘤 | 磁共振成像 | 深度学习模型 | 医学影像 | 1221名患者（1090名主要队列，131名外部验证队列），其中149名ISFT患者接受随访 | NA | 深度学习影像组学列线图 | AUC, 风险比, 置信区间 | NA |
| 12994 | 2025-10-07 |
Unbiased and reproducible liver MRI-PDFF estimation using a scan protocol-informed deep learning method
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11164-x
PMID:39500799
|
研究论文 | 提出一种基于深度学习的VET-Net方法，用于从化学位移编码MRI图像中估计肝脏质子密度脂肪分数 | 开发了可变回波时间神经网络框架，通过将回波时间作为辅助输入，实现对不同扫描仪和采集参数的鲁棒PDFF估计 | 研究基于单中心肝脏数据集，样本量相对有限（188名受试者） | 开发能够跨不同MR扫描仪和采集参数精确估计肝脏质子密度脂肪分数的深度学习方法 | 肝脏化学位移编码MRI图像 | 医学影像分析 | 肝脏疾病 | 化学位移编码MRI | 深度学习 | MRI图像 | 188名受试者，4146个轴向切片 | NA | VET-Net（可变回波时间神经网络） | 重现性系数，PDFF偏差 | NA |
| 12995 | 2025-10-07 |
Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection
2025-May-01, The Angle orthodontist
DOI:10.2319/082124-687.1
PMID:39884314
|
研究论文 | 本研究开发并比较了基于人工智能和偏最小二乘法的个体化面部生长预测模型 | 首次将TabNet深度神经网络应用于面部生长预测，并与传统PLS方法进行系统性比较 | 样本量相对较小（33名受试者），仅使用Mathews生长收集数据库的数据 | 开发并比较不同面部生长预测模型的性能 | 面部硬组织和软组织标志点 | 计算机视觉 | NA | 纵向侧位头颅X光片分析 | TabNet, PLS | 医学图像 | 33名受试者的1257对生长前后侧位头颅X光片 | NA | TabNet深度神经网络 | 预测误差 | NA |
| 12996 | 2025-10-07 |
FovealNet: Advancing AI-Driven Gaze Tracking Solutions for Efficient Foveated Rendering in Virtual Reality
2025-May, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3549577
PMID:40067704
|
研究论文 | 提出FovealNet框架，通过AI驱动的注视点追踪技术优化虚拟现实中的凹点渲染效率 | 采用基于事件的裁剪方法减少64.8%无关像素，结合动态令牌剪枝策略，并提出系统性能感知的多分辨率训练策略 | NA | 提升虚拟现实中注视点追踪精度以优化凹点渲染系统性能 | 虚拟现实系统中的注视点追踪和凹点渲染技术 | 计算机视觉 | NA | 深度学习，实时眼动追踪 | DNN | 图像 | NA | NA | FovealNet | 速度提升，感知质量提升 | NA |
| 12997 | 2025-10-07 |
ViDDAR: Vision Language Model-Based Task-Detrimental Content Detection for Augmented Reality
2025-May, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3549147
PMID:40072851
|
研究论文 | 提出一种基于视觉语言模型的增强现实中任务有害内容检测系统ViDDAR | 首个在AR环境中使用视觉语言模型检测任务有害内容的系统 | 检测延迟较高，信息操纵攻击检测延迟达9.62秒 | 检测增强现实中可能损害任务性能的虚拟内容 | 增强现实环境中的虚拟内容 | 计算机视觉,增强现实 | NA | 深度学习,视觉语言模型 | 视觉语言模型 | 图像,文本 | 自定义开源数据集 | NA | 视觉语言模型 | 准确率,延迟 | 用户-边缘-云架构 |
| 12998 | 2025-10-07 |
Envelope spectrum knowledge-guided domain invariant representation learning strategy for intelligent fault diagnosis of bearing
2025-May, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2025.03.004
PMID:40102111
|
研究论文 | 提出一种基于包络谱知识引导的域不变表示学习策略，用于轴承的智能故障诊断 | 通过包络谱知识蒸馏捕获傅里叶特征作为域不变特征，并设计最大化健康状态表示二范数度量的创新损失函数来丰富表示多样性 | NA | 开发跨不同工作条件的轴承故障诊断方法 | 轴承故障诊断 | 机器学习 | NA | 包络谱分析，知识蒸馏 | 深度学习 | 振动信号数据 | Paderborn轴承数据集和私有轴承数据集 | NA | NA | AUC，诊断准确率 | NA |
| 12999 | 2025-04-03 |
Closing the gap: commercialized deep learning solutions for knee MRI are already transforming clinical practice
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11550-z
PMID:40172638
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13000 | 2025-04-03 |
Reply to the Letter to the Editor: MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11552-x
PMID:40172639
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |