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 13141 - 13160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13141 | 2025-04-25 |
WMH-DualTasker: A Weakly Supervised Deep Learning Model for Automated White Matter Hyperintensities Segmentation and Visual Rating Prediction
2025-Apr-15, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70212
PMID:40260707
|
research paper | 开发了一种名为WMH-DualTasker的深度学习模型，用于自动分割白质高信号（WMH）并预测视觉评分 | 该模型通过自监督学习和变换不变性一致性约束，仅使用临床视觉评分作为监督信号，同时进行体素级分割和视觉评分预测 | 模型性能依赖于临床视觉评分的质量，且在不同数据集上的表现可能存在差异 | 开发一种自动化深度学习模型，以最小监督提供WMH严重程度的准确和全面量化 | 白质高信号（WMH）及其与认知障碍和痴呆的关系 | digital pathology | geriatric disease | self-supervised learning | deep learning model | neuroimaging data | MICCAI-WMH数据集（N=60）和SINGER数据集（N=64） | NA | NA | NA | NA |
| 13142 | 2025-04-25 |
Insights into transportation CO2 emissions with big data and artificial intelligence
2025-Apr-11, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101186
PMID:40264962
|
review | 本文探讨了大数据和人工智能在理解和减少交通运输领域二氧化碳排放中的应用 | 提出了结合机器学习和深度学习模型来处理和分析交通大数据的创新方法，以提高碳排放预测的准确性 | 面临算法、数据和计算方面的挑战，需要跨学科合作来解决 | 研究交通运输领域的二氧化碳排放，以实现深度脱碳 | 交通运输领域的大数据和二氧化碳排放 | machine learning | NA | machine learning (ML), deep learning (DL) | ML, DL | big data | NA | NA | NA | NA | NA |
| 13143 | 2025-04-25 |
Screening Patient Misidentification Errors Using a Deep Learning Model of Chest Radiography: A Seven Reader Study
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01245-0
PMID:39261374
|
研究论文 | 本研究开发了一种基于深度学习的胸片患者身份识别模型，并与不同经验水平的放射科医生进行性能比较 | 首次使用深度学习模型通过配对胸片筛查患者身份识别错误，并与多组放射科专家进行系统性比较 | 回顾性研究设计，样本来源有限，需要进一步前瞻性验证 | 评估深度学习模型在胸片患者身份识别中的性能，并与人类专家进行比较 | 胸片图像和不同经验水平的放射科医生 | 计算机视觉 | NA | 胸片成像 | 深度学习 | 医学图像 | 240,004张胸片用于模型开发，240名患者用于读者研究 | NA | SimChest（基于相似性的深度学习模型） | NA | NA |
| 13144 | 2025-04-25 |
Deep Learning for Automated Classification of Hip Hardware on Radiographs
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01263-y
PMID:39266912
|
research paper | 开发深度学习模型用于自动分类骨盆和髋关节X光片中的骨科植入物，以减少放射科医生的工作量并提高报告一致性 | 首次使用深度学习模型（EfficientNet-B4和NFNet-F3）对多种髋关节植入物进行高精度自动分类，性能与专业放射科医生相当 | 模型在感染后髋关节类别的AUC略低（0.97），且仅在一个医疗中心进行回顾性研究 | 开发自动化工具以减轻放射科医生工作量并标准化骨科植入物分类报告 | 骨盆和髋关节X光片中的骨科植入物 | computer vision | 骨科疾病 | 深度学习图像分类 | CNN（EfficientNet-B4和NFNet-F3） | X光图像 | 4279项研究（来自1073名患者）的训练集，851项研究（来自262名患者）的测试集 | NA | NA | NA | NA |
| 13145 | 2025-04-25 |
Vital Characteristics Cellular Neural Network (VCeNN) for Melanoma Lesion Segmentation: A Biologically Inspired Deep Learning Approach
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01257-w
PMID:39284982
|
研究论文 | 提出了一种名为VCeNN的生物启发式深度学习模型，用于黑色素瘤病变的医学图像分割 | 从细胞功能特征和自然选择中获得灵感，设计了具有记忆、适应、凋亡和分裂模块的新型神经网络 | NA | 开发能够准确描绘黑色素瘤病变的医学图像分割模型 | 黑色素瘤病变的医学图像 | 数字病理学 | 黑色素瘤 | 深度学习 | VCeNN (CNN变体) | 医学图像 | 多个公开数据集 | NA | NA | NA | NA |
| 13146 | 2025-04-25 |
A streaming brain-to-voice neuroprosthesis to restore naturalistic communication
2025-Apr, Nature neuroscience
IF:21.2Q1
DOI:10.1038/s41593-025-01905-6
PMID:40164740
|
research paper | 该研究开发了一种流式脑到语音神经假体，用于恢复瘫痪患者的自然语言交流 | 使用高密度表面记录和深度学习循环神经网络转换器模型，实现了在线大词汇量可理解流畅语音合成，并个性化还原了参与者受伤前的声音 | 研究仅针对一名严重瘫痪和失语症的临床试验参与者，样本量较小 | 恢复瘫痪患者的自然语言交流能力 | 严重瘫痪和失语症患者 | 神经工程 | 瘫痪 | 高密度表面记录、深度学习 | 循环神经网络转换器模型 (RNN-T) | 神经信号 | 1名临床试验参与者 | NA | NA | NA | NA |
| 13147 | 2025-04-07 |
Opening the deep learning box
2025-Apr, Nature neuroscience
IF:21.2Q1
DOI:10.1038/s41593-025-01938-x
PMID:40186074
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13148 | 2025-04-25 |
A Computational Framework for Automated Puncture Trajectory Planning in Hemorrhagic Stroke Surgery
2025-Apr, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70480
PMID:40259699
|
研究论文 | 本研究提出了一种计算框架，用于自动化生成出血性中风手术中的穿刺轨迹 | 结合AI驱动的分割、主成分分析（PCA）和经验优化，创新性地实现了穿刺路径的自动化生成 | 仅使用了五个复杂临床案例进行验证，未来需要与机器人系统集成并通过临床试验进一步验证 | 提高出血性中风手术中穿刺轨迹规划的效率和安全性 | 出血性中风手术中的穿刺轨迹 | 数字病理 | 中风 | AI驱动的分割、PCA、Laplacian网格平滑 | ResNet-50 | 医学影像 | 五个复杂临床案例 | NA | NA | NA | NA |
| 13149 | 2025-04-25 |
Multisequence 3-T Image Synthesis from 64-mT Low-Field-Strength MRI Using Generative Adversarial Networks in Multiple Sclerosis
2025-Apr, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233529
PMID:40261176
|
research paper | 该研究开发了一种名为LowGAN的生成对抗网络，用于从64-mT低场强MRI生成3-T高质量脑部图像，并在多发性硬化症患者中进行了评估 | 提出了一种新的生成对抗网络架构LowGAN，用于低场强到高场强MRI图像的转换，提高了图像质量和白质病变的分割准确性 | 研究样本量相对较小（主组50人，验证组13人），且仅针对多发性硬化症患者 | 开发并评估一种深度学习架构，以提高便携式低场强MRI扫描仪生成的图像质量 | 多发性硬化症患者的脑部MRI图像 | 医学影像处理 | 多发性硬化症 | 生成对抗网络（GAN） | LowGAN | MRI图像 | 主组50名参与者（中位年龄47岁，38名女性），验证组13名参与者（中位年龄41岁，11名女性） | NA | NA | NA | NA |
| 13150 | 2025-04-25 |
The application of artificial intelligence in upper gastrointestinal cancers
2025-Apr, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2024.12.006
PMID:40265096
|
综述 | 本文综述了人工智能在上消化道癌症（主要包括食管癌和胃癌）筛查、诊断、治疗和预后方面的应用 | 总结了AI技术在上消化道癌症临床任务中的应用，并探讨了AI算法选择、早期筛查普及、AI临床应用及大型多模态模型等前沿问题 | 指出了当前上消化道癌症AI应用领域面临的局限性和挑战 | 探讨人工智能技术在上消化道癌症临床诊疗中的应用现状与前景 | 食管癌和胃癌 | 数字病理学 | 上消化道癌症（食管癌和胃癌） | 放射组学和深度学习 | 大型多模态模型 | 医学影像 | NA | NA | NA | NA | NA |
| 13151 | 2025-04-25 |
Vision Transformer Autoencoders for Unsupervised Representation Learning: Capturing Local and Non-Local Features in Brain Imaging to Reveal Genetic Associations
2025-Mar-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.24.25324549
PMID:40196251
|
研究论文 | 本文提出了一种基于视觉变换器（ViT）自编码器的无监督表示学习方法，用于从脑成像数据中提取局部和非局部特征，以揭示遗传关联 | 利用ViT模型的成对注意力机制和位置嵌入，能够捕捉脑MRI数据中的非局部模式（如左右半球对称性），发现了10个之前基于CNN的UDIP模型未报告的遗传位点 | 未明确提及具体局限性 | 通过无监督表示学习从脑成像数据中发现与脑结构相关的遗传位点 | 脑MRI数据 | 计算机视觉 | NA | 视觉变换器（ViT）自编码器 | ViT | 图像 | UK Biobank（UKBB）数据集的128个内表型 | NA | NA | NA | NA |
| 13152 | 2025-04-25 |
Three-photon population imaging of subcortical brain regions
2025-Mar-21, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.21.644611
PMID:40166349
|
研究论文 | 本文介绍了一种新型的三光子显微镜LIFT，用于深层脑区的大规模细胞活动成像 | 开发了具有大视场（>3 mm）的LIFT显微镜，结合深度学习去噪技术，实现了深层脑区的高质量成像 | 由于三光子成像固有的低重复率源和增加的组织加热问题，成像视场仍受限制 | 开发一种能够记录深层神经回路中大量细胞活动的成像技术 | 小鼠和大鼠的脑区（CA1、白质和皮层深层） | 神经科学成像技术 | NA | 三光子成像技术、深度学习去噪 | 深度学习 | 钙成像数据 | 超过1500个细胞（小鼠CA1区、白质和皮层深层）及大鼠皮层（深度1.2mm） | NA | NA | NA | NA |
| 13153 | 2025-03-20 |
Deep learning approaches to predict late gadolinium enhancement and clinical outcomes in suspected cardiac sarcoidosis
2025-Mar-18, Sarcoidosis, vasculitis, and diffuse lung diseases : official journal of WASOG
DOI:10.36141/svdld.v42i1.15378
PMID:40100114
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13154 | 2025-04-25 |
Effectiveness and Efficiency: Label-Aware Hierarchical Subgraph Learning for Protein-Protein Interaction
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168737
PMID:39102976
|
研究论文 | 本文提出了一种标签感知的层次子图学习方法（laruGL-PPI），用于有效推断蛋白质-蛋白质相互作用（PPIs），并解决现有方法中的拓扑捷径和高计算成本问题 | 引入基于边的子图采样以缓解拓扑捷径问题，并将PPIs的内外连接建模为层次图，同时通过标签图构建相互作用类型之间的依赖关系 | 未提及具体局限性 | 提高蛋白质-蛋白质相互作用预测的准确性和计算效率 | 蛋白质-蛋白质相互作用（PPIs） | 生物信息学 | NA | 图神经网络（GNNs） | laruGL-PPI | 图数据 | 多种规模的PPI数据集 | NA | NA | NA | NA |
| 13155 | 2025-04-25 |
Bi-level graph learning unveils prognosis-relevant tumor microenvironment patterns in breast multiplexed digital pathology
2025-Mar-14, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101178
PMID:40182181
|
research paper | 提出了一种数据驱动且可解释的方法，用于识别与患者预后相关的肿瘤微环境中的细胞模式 | 引入了双层图模型（细胞图和群体图），提供了一种新的可解释的生物标志物识别方法 | 方法虽然在乳腺癌中验证，但在其他癌症类型中的普适性需要进一步验证 | 识别与患者预后相关的肿瘤微环境中的细胞模式 | 乳腺癌患者的肿瘤微环境 | digital pathology | breast cancer | deep learning | bi-level graph model | multiplexed digital pathology images | 在两个独立队列中验证 | NA | NA | NA | NA |
| 13156 | 2025-04-25 |
Structural Connectome Analysis using a Graph-based Deep Model for Age and Dementia Prediction
2025-Mar-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.09.642165
PMID:40161600
|
research paper | 该研究提出了一种基于图卷积网络（GCNs）的机器学习模型，用于预测年龄和迷你精神状态检查（MMSE）分数，基于从扩散磁共振图像中获取的结构性脑连接数据 | 模型架构的创新，特别是连接注意力模块，能够学习脑图的嵌入表示并提供图级注意力 | NA | 预测年龄和MMSE分数，以增进对健康和疾病的理解 | 结构脑连接数据 | machine learning | geriatric disease | diffusion magnetic resonance imaging | GCN | image | 公开可用的PREVENT-AD和OASIS3数据集 | NA | NA | NA | NA |
| 13157 | 2025-04-25 |
IDP-EDL: enhancing intrinsically disordered protein prediction by combining protein language model and ensemble deep learning
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf182
PMID:40254833
|
research paper | 提出了一种结合蛋白质语言模型和集成深度学习的方法IDP-EDL，用于增强内在无序蛋白质的预测 | 通过任务特定的监督微调捕捉长无序区域(LDRs)和短无序区域(SDRs)的不同特征，并集成三个任务特定的预测器 | 未明确提及具体局限性 | 提高内在无序区域(IDRs)的预测准确性，区分长无序区域(LDRs)和短无序区域(SDRs) | 蛋白质中的内在无序区域(IDRs) | 生物信息学 | NA | 蛋白质语言模型、集成深度学习 | ensemble deep learning | 蛋白质序列数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 13158 | 2025-04-25 |
The impact of deep learning on diagnostic performance in the differentiation of benign and malignant thyroid nodules
2025-Mar-02, Medical ultrasonography
IF:1.8Q3
DOI:10.11152/mu-4432
PMID:39231286
|
研究论文 | 本研究利用深度学习技术通过超声图像对甲状腺结节进行良恶性分类，并探讨了深度学习对不同经验水平的放射科医生诊断成功率的影响 | 首次系统评估了深度学习辅助诊断对不同经验水平放射科医生在甲状腺结节良恶性鉴别中的提升效果 | 研究样本量有限（576张超声图像），且仅评估了四种经验水平的放射科医生 | 提高甲状腺结节良恶性鉴别的诊断准确率 | 甲状腺结节超声图像 | 数字病理 | 甲状腺疾病 | 超声检查(US) | 深度学习模型（未指定具体架构） | 图像 | 576张甲状腺结节超声图像（80%训练集/20%测试集） | NA | NA | NA | NA |
| 13159 | 2025-04-25 |
Deep learning-based analysis of gross features for ovarian epithelial tumors classification: A tool to assist pathologists for frozen section sampling
2025-Mar, Human pathology
IF:2.7Q2
DOI:10.1016/j.humpath.2025.105762
PMID:40122402
|
research paper | 本研究提出了一种基于Swin Transformer的SGFD-network，用于辅助病理学家通过大体特征定位卵巢上皮性肿瘤的病变区域 | 首次利用深度学习分析大体图像特征辅助卵巢上皮性肿瘤分类，特别是针对冰冻切片采样中的微浸润鉴别难题 | 研究仅基于4129张大样本图像，未说明外部验证集的性能表现 | 开发辅助病理学家进行卵巢上皮性肿瘤冰冻切片采样的AI工具 | 卵巢上皮性肿瘤的大体图像特征 | digital pathology | ovarian cancer | deep learning | Swin Transformer | image | 4129张卵巢上皮性肿瘤大体图像 | NA | NA | NA | NA |
| 13160 | 2025-04-25 |
Blockchain-integrated IoT device for advanced inspection of casting defects
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86777-3
PMID:39939622
|
研究论文 | 本研究提出了一种创新的区块链集成物联网系统，用于铸件缺陷的高级检测，结合了基于ResNet的深度学习模型和区块链技术 | 结合ResNet深度学习模型与区块链技术，提升缺陷检测精度并确保数据完整性和可追溯性 | 可扩展性和能源效率仍有待改进 | 解决智能制造中的质量控制和数据管理挑战 | 铸件缺陷检测与数据管理 | 智能制造 | NA | 区块链技术、深度学习 | ResNet | 图像数据 | NA | NA | NA | NA | NA |