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 | 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 |
| 12982 | 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 |
| 12983 | 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 |
| 12984 | 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 |
| 12985 | 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 |
| 12986 | 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 |
| 12987 | 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 |
| 12988 | 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 |
| 12989 | 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 |
| 12990 | 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 |
| 12991 | 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 |
| 12992 | 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 |
| 12993 | 2025-10-07 |
Predicting post-hepatectomy liver failure in patients with hepatocellular carcinoma: nomograms based on deep learning analysis of gadoxetic acid-enhanced MRI
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11173-w
PMID:39528755
|
研究论文 | 基于深度学习分析钆塞酸增强MRI开发预测肝细胞癌患者肝切除术后肝衰竭的列线图模型 | 首次结合深度学习分析的MRI体积和功能变量与临床指标构建预测肝切除术后肝衰竭的列线图 | 回顾性研究设计，需外部验证确认泛化能力 | 预测肝细胞癌患者肝切除术后肝衰竭风险 | 接受肝切除术的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 钆塞酸增强肝胆期MRI | 深度学习算法 | MRI图像 | 1760例患者（1395例男性，平均年龄60±10岁） | NA | NA | AUC | NA |
| 12994 | 2025-04-26 |
Automatic prediction of stroke treatment outcomes: latest advances and perspectives
2025-May, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00462-y
PMID:40271393
|
综述 | 本文综述了深度学习在预测中风治疗结果中的最新进展和应用 | 利用多模态信息（包括最终梗死数据）来更好地预测长期功能结果 | 医学图像分析领域内常见的数据标准化挑战 | 预测中风干预的结果以促进临床决策和改善患者护理 | 中风患者 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 脑部扫描、医疗报告、EEG、ECG、EMG等传感器信息 | NA | NA | NA | NA | NA |
| 12995 | 2025-10-07 |
A multimodal deep learning-based algorithm for specific fetal heart rate events detection
2025-Apr-28, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0334
PMID:39484683
|
研究论文 | 开发基于多模态深度学习的算法用于检测特定胎心率事件 | 结合多种特征提取技术与深度学习算法，首次提出多模型深度神经网络和预融合深度学习模型对多模态参数进行分类 | 未提及算法在临床环境中的泛化能力和实时性能验证 | 增强胎儿健康状况的自动监测和智能评估 | 胎心率和子宫收缩信号 | 机器学习 | 产科疾病 | 形态特征提取、心率变异性特征、非线性域特征 | 深度神经网络 | 生理信号数据 | 基于专家标注的数据集（具体数量未提及） | NA | 多模型深度神经网络, 预融合深度学习模型 | 准确率 | NA |
| 12996 | 2025-04-26 |
Graph-Aware AURALSTM: An Attentive Unified Representation Architecture with BiLSTM for Enhanced Molecular Property Prediction
2025-Apr-25, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11197-4
PMID:40279083
|
研究论文 | 本研究提出了一种新型混合深度学习模型Graph-Aware AURALSTM，用于高精度预测分子性质 | 结合多种图神经网络架构（GCNs、GATs、GINs）并行结构，全面捕捉分子的多维结构特征，并通过BiLSTM评估时间关系以增强分子特征分类 | 未提及具体局限性 | 提高分子性质预测的准确性 | 分子数据 | 机器学习 | NA | GNN（Graph Neural Network）、GCN（Graph Convolutional Networks）、GAT（Graph Attention Networks）、GIN（Graph Isomorphism Networks）、BiLSTM | AURALSTM（Attentive Unified Representation Architecture-Long Short-Term Memory） | 分子结构数据 | 八个基准数据集 | NA | NA | NA | NA |
| 12997 | 2025-10-07 |
The use of ChatGPT in the dermatological field: a narrative review
2025-Apr-24, Clinical and experimental dermatology
IF:3.7Q1
DOI:10.1093/ced/llae546
PMID:39690824
|
综述 | 本文探讨ChatGPT在皮肤病学领域的应用潜力及其与皮肤健康管理的协同关系 | 首次系统评述ChatGPT这一先进语言模型在皮肤病学中的创新应用及其对医疗实践的重塑 | 基于初步数据且涉及伦理法律问题的讨论尚未形成共识 | 探索人工智能语言模型在皮肤病学领域的应用前景与挑战 | ChatGPT模型及其在皮肤病学中的实践应用 | 自然语言处理 | 皮肤病 | 深度学习 | 大型语言模型 | 文本 | NA | NA | Transformer | 效率, 准确率 | NA |
| 12998 | 2025-10-07 |
Reparameterization lightweight residual network for super-resolution of brain MR images
2025-Apr-24, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc935
PMID:40185120
|
研究论文 | 提出一种基于重参数化轻量级残差网络的脑部MR图像超分辨率方法 | 将BSRN与结构重参数化相结合，训练时采用多分支结构，推理时融合为单一3×3卷积，在保持特征信息的同时显著降低计算复杂度 | 未明确说明模型在实时临床应用中的具体性能表现和泛化能力 | 开发轻量级脑部MR图像超分辨率技术以提升图像质量 | 脑部磁共振图像 | 计算机视觉 | 神经系统疾病 | 深度学习 | CNN | 医学图像 | IXI数据集 | NA | BSRN, 重参数化残差网络 | 图像清晰度, 细节重建质量 | NA |
| 12999 | 2025-04-26 |
Unrolling Plug-and-Play Gradient Graph Laplacian Regularizer for Image Restoration
2025-Apr-24, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3562425
PMID:40272955
|
研究论文 | 本文提出了一种基于图拉普拉斯正则化的可解释性网络，用于图像恢复任务，如去噪和插值 | 引入了一种新的ℓ范数图平滑先验——梯度图拉普拉斯正则化器（GGLR），并通过展开不同复杂度的ADMM算法构建了可解释性网络 | 更复杂的展开网络需要更多的标记数据来训练更多参数 | 解决通用深度学习网络在图像恢复中缺乏数学可解释性、需要大量训练数据和协变量偏移脆弱性的问题 | 图像恢复（去噪和插值） | 计算机视觉 | NA | ADMM算法、图学习模块 | 展开式前馈网络 | 图像 | NA | NA | NA | NA | NA |
| 13000 | 2025-04-26 |
PlantCareNet: an advanced system to recognize plant diseases with dual-mode recommendations for prevention
2025-Apr-23, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01366-9
PMID:40264213
|
研究论文 | 介绍了一种名为PlantCareNet的自动化端到端植物病害诊断系统，该系统不仅能精确诊断病害，还能提供交互式预防指导 | 结合深度学习算法和专家知识框架，提供双重模式的病害诊断和预防建议 | NA | 开发一个能够精确诊断植物病害并提供预防措施的自动化系统 | 植物病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 五个知名数据集 | NA | NA | NA | NA |