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 |
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 |
| 13142 | 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 |
| 13143 | 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 |
| 13144 | 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 |
| 13145 | 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 |
| 13146 | 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 |
| 13147 | 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 |
| 13148 | 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 |
| 13149 | 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 |
| 13150 | 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 |
| 13151 | 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 |
| 13152 | 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 |
| 13153 | 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 |
| 13154 | 2025-04-25 |
Deep Learning-Powered Colloidal Digital SERS for Precise Monitoring of Cell Culture Media
2025-Feb-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.03.636280
PMID:39974903
|
研究论文 | 本文介绍了一种基于深度学习的胶体数字SERS平台，用于精确监测细胞培养基 | 利用深度学习和胶体数字SERS技术，通过将时间波动的SERS强度转换为数字二进制信号，显著提高了检测的准确性和可重复性 | 某些分析物缺乏特征SERS峰可能限制了该平台的广泛应用 | 开发一种快速、精确监测细胞培养基的新技术，以提高生物制药制造的质量控制 | 细胞培养基（特别是AMBIC 1.1）中的小分子关键过程参数和质量属性 | 生物医学诊断 | NA | 表面增强拉曼光谱（SERS），深度学习 | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 13155 | 2025-04-25 |
UTSRMorph: A Unified Transformer and Superresolution Network for Unsupervised Medical Image Registration
2025-Feb, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3467919
PMID:39321000
|
research paper | 提出了一种名为UTSRMorph的新型无监督医学图像配准方法，结合Transformer和超分辨率网络以提升特征表示学习和生成详细位移场 | 提出融合注意力块和重叠注意力块，结合ConvNets和Transformers的优势，并使用超分辨率模块替代插值上采样以避免特征退化 | 未明确提及具体局限性，但可能涉及计算复杂度或特定数据集上的泛化能力 | 提升医学图像配准的准确性和效率 | 3D脑部MR图像（OASIS, IXI）和MR-CT数据集（腹部、颅颌面） | digital pathology | NA | 深度学习 | Transformer, ConvNet | 3D医学图像 | 多个公开数据集（OASIS, IXI, 腹部和颅颌面MR-CT） | NA | NA | NA | NA |
| 13156 | 2025-04-25 |
ConvexAdam: Self-Configuring Dual-Optimization-Based 3D Multitask Medical Image Registration
2025-Feb, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3462248
PMID:39283782
|
研究论文 | 提出了一种基于凸优化和Adam优化的自配置双优化3D多任务医学图像配准方法 | 结合预训练语义特征提取模型与快速双优化过程，提出自动超参数选择程序，实现自配置图像配准框架 | 需要依赖预训练模型，可能在不同数据集上的泛化能力有限 | 开发一种快速、通用且精确的医学图像配准方法 | 多任务医学图像配准 | 数字病理 | NA | 凸优化，Adam优化，预训练语义特征提取 | NA | 3D医学图像 | Learn2Reg挑战数据集中的所有可用数据 | NA | NA | NA | NA |
| 13157 | 2025-04-25 |
Artificial intelligence in dermatopathology: a systematic review
2025-Jan-27, Clinical and experimental dermatology
IF:3.7Q1
DOI:10.1093/ced/llae361
PMID:39226138
|
系统综述 | 本文系统综述了人工智能在皮肤病理学中的应用、挑战、机遇及未来潜力 | 全面评估了AI在皮肤病理学中的多种应用，并指出了未来的发展方向 | 研究受到小样本量和潜在偏倚的限制 | 探讨AI在皮肤病理学诊断和护理中的角色与潜力 | 皮肤病理学中的数字化切片和AI应用 | 数字病理学 | 皮肤疾病 | 深度学习 | NA | 图像 | 112篇论文 | NA | NA | NA | NA |
| 13158 | 2025-04-25 |
SeqSeg: Learning Local Segments for Automatic Vascular Model Construction
2025-Jan-27, ArXiv
PMID:39975447
|
研究论文 | 提出了一种基于深度学习的自动追踪和分割算法SeqSeg，用于构建基于图像的血管模型 | SeqSeg利用局部U-Net推理顺序分割医学图像中的血管结构，能够分割更完整的血管系统，并能泛化到训练数据中未标注的血管结构 | NA | 改进心血管功能计算建模中的模型生成过程 | 主动脉和主动脉-股动脉模型的CT和MR图像 | 数字病理学 | 心血管疾病 | 深度学习 | U-Net, nnU-Net | 医学图像 | NA | NA | NA | NA | NA |
| 13159 | 2025-04-25 |
A Comprehensive Review on Deep Learning Techniques in Alzheimer's Disease Diagnosis
2025, Current topics in medicinal chemistry
IF:2.9Q3
|
review | 本文全面综述了深度学习技术在阿尔茨海默病诊断中的应用 | 分类了阿尔茨海默病的ATN生物标志物，系统描述了多种深度学习算法用于早期评估，并讨论了广泛使用的在线数据集 | NA | 通过深度学习技术提升阿尔茨海默病早期诊断的有效方法 | 阿尔茨海默病及其相关生物标志物 | digital pathology | geriatric disease | 深度学习 | DNN, CNN, RNN, k-NN, DBM, DBN | 医学影像数据 | 涉及多个在线数据集如ADNI、OASIS等 | NA | NA | NA | NA |
| 13160 | 2025-04-25 |
Optimization of the automated Sunnybrook Facial Grading System - Improving the reliability of a deep learning network with facial landmarks
2025-Jan, European annals of otorhinolaryngology, head and neck diseases
DOI:10.1016/j.anorl.2024.07.005
PMID:39117479
|
研究论文 | 本研究通过在人脸关键点层的基础上优化自动化的Sunnybrook面部评分系统（SFGS），提高了深度学习网络的可靠性 | 在卷积神经网络（CNN）中新增人脸关键点层，显著提升了自动化SFGS的可靠性 | 研究样本量有限，仅包含116例单侧周围性面瘫患者和9例健康受试者 | 优化自动化SFGS的可靠性，使其在电子健康环境中更易用 | 单侧周围性面瘫患者和健康受试者的面部表情数据 | 计算机视觉 | 面瘫 | 深度学习 | CNN | 图像 | 116例患者和9例健康受试者 | NA | NA | NA | NA |