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 13261 - 13280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13261 | 2025-04-24 |
Similarity-guided graph contrastive learning for lncRNA-disease association prediction
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168609
PMID:38750722
|
research paper | 提出了一种基于相似性引导的图对比学习方法（SGGCL），用于预测lncRNA与疾病之间的关联 | 创新性地结合了图神经网络和对比学习，提出了一种相似性引导的图数据增强方法，以解决已验证数据稀缺的问题 | 未明确提及具体局限性 | 提高lncRNA与疾病关联预测的准确性 | 长链非编码RNA（lncRNA）与人类疾病之间的关联 | machine learning | NA | 图神经网络、对比学习、RWR算法 | SGGCL（相似性引导的图对比学习模型） | 图数据 | 多个数据集（未明确提及具体样本数量） | NA | NA | NA | NA |
| 13262 | 2025-04-24 |
Categorizing high-grade serous ovarian carcinoma into clinically relevant subgroups using deep learning-based histomic clusters
2025-Mar, Journal of pathology and translational medicine
IF:1.7Q3
DOI:10.4132/jptm.2024.10.23
PMID:39962925
|
research paper | 本研究利用深度学习技术对高级别浆液性卵巢癌进行组织学聚类，将其分为临床相关的亚组 | 首次应用深度学习模型对HGSC进行组织学聚类，揭示了线粒体动力学和能量代谢在疾病进展中的关键作用 | 研究基于TCGA数据集，样本来源可能有限，未涉及其他独立验证队列 | 改善高级别浆液性卵巢癌的预后分层和个性化治疗策略 | 高级别浆液性卵巢癌(HGSC)患者 | digital pathology | ovarian cancer | RNA sequencing | deep learning | whole slide images | TCGA数据集中的卵巢癌样本 | NA | NA | NA | NA |
| 13263 | 2025-10-07 |
Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study
2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-024-02221-x
PMID:38498173
|
研究论文 | 本研究结合3D深度学习提取的影像特征与剂量体积指标，提升局部晚期非小细胞肺癌患者症状性放射性肺炎的预测能力 | 首次将3D深度学习提取的影像特征与剂量体积指标V30Gy相结合，构建放射性肺炎预测模型 | 样本量相对有限（共149例患者），需多中心验证 | 预测局部晚期非小细胞肺癌患者放疗后发生放射性肺炎的风险 | 局部晚期非小细胞肺癌患者 | 医学影像分析 | 肺癌 | 3D深度学习，CT影像分析 | 多层感知机 | CT影像 | 149例患者（复旦90例，江南大学附属医院59例） | NA | 3D深度学习网络 | AUC | NA |
| 13264 | 2025-10-07 |
Deep Learning for Automated Measurement of Total Cardiac Volume for Heart Transplantation Size Matching
2025-Mar, Pediatric cardiology
IF:1.5Q2
DOI:10.1007/s00246-024-03470-4
PMID:38570368
|
研究论文 | 本研究开发了一种基于3D卷积神经网络的深度学习模型，用于从CT图像自动测量全心脏体积，以支持心脏移植中的尺寸匹配 | 首次将3D-CNN结合DenseNet和ResNet架构应用于全心脏体积的自动测量，为儿科心脏移植提供快速准确的尺寸匹配方法 | 单中心研究，训练数据有限，未来需要多中心研究和更多样化的心脏病理数据来提高模型的泛化能力 | 开发自动测量全心脏体积的深度学习方法，提高心脏移植中供体与受体心脏尺寸匹配的效率和准确性 | 0-30岁受试者的心脏CT扫描图像 | 计算机视觉 | 心血管疾病 | CT扫描 | 3D-CNN | 医学图像 | 314名受试者（270名训练集，44名验证集，其中36名正常心脏，8名心脏病患者） | NA | DenseNet,ResNet | Dice相似系数,平均绝对百分比误差 | NA |
| 13265 | 2025-04-24 |
Recent advances and issues in imaging modalities for hepatocellular carcinoma surveillance
2025-Mar, Journal of liver cancer
DOI:10.17998/jlc.2025.02.16
PMID:40007309
|
综述 | 本文综述了肝细胞癌（HCC）监测中影像学技术的最新进展及其存在的问题 | 探讨了低剂量CT结合深度学习重建等新技术在提高HCC监测安全性和可行性方面的潜力，以及基于个体风险特征的定制化监测策略 | MRI虽然具有优越的组织对比度和敏感性，但其可及性和成本仍是挑战 | 提高肝细胞癌（HCC）早期检测的敏感性和成本效益 | 肝细胞癌（HCC）患者 | 数字病理学 | 肝癌 | 超声（US）、对比增强计算机断层扫描（CT）、磁共振成像（MRI）、深度学习重建 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 13266 | 2025-10-07 |
Deep learning enables automatic detection of joint damage progression in rheumatoid arthritis-model development and external validation
2025-Mar-01, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/keae215
PMID:38597875
|
研究论文 | 开发并外部验证用于自动检测类风湿关节炎关节损伤进展的深度学习算法AuRA | 首次在个体患者水平验证深度学习算法检测纵向关节损伤变化的能力 | 样本量相对有限，需要进一步验证在更广泛人群中的适用性 | 开发自动监测类风湿关节炎影像学进展的算法 | 类风湿关节炎患者的手部和足部X光片 | 数字病理 | 类风湿关节炎 | X光成像 | 深度学习 | 医学影像 | 训练集367例，验证集205例，纵向分析54例 | NA | NA | 均方根误差, Pearson相关系数 | Docker容器化部署 |
| 13267 | 2025-10-07 |
Rapid discrimination and ratio quantification of mixed antibiotics in aqueous solution through integrative analysis of SERS spectra via CNN combined with NN-EN model
2025-Mar, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2024.03.016
PMID:38531495
|
研究论文 | 提出基于卷积神经网络和非负弹性网络整合的智能分析模型，用于快速识别水溶液中混合抗生素成分及其比例定量 | 首次将CNN与NN-EN模型结合用于SERS光谱分析，实现抗生素混合物的快速识别和高精度定量 | 仅针对三种特定抗生素（环丙沙星、多西环素、左氧氟沙星）进行验证，未涉及更广泛的抗生素种类 | 开发快速检测水环境中抗生素残留的技术方法 | 水溶液中的混合抗生素残留 | 机器学习 | NA | 表面增强拉曼光谱（SERS） | CNN, NN-EN | 光谱数据 | NA | NA | CNN | 准确率, SHAP解释分析 | NA |
| 13268 | 2025-04-24 |
Real-Time Typical Urodynamic Signal Recognition System Using Deep Learning
2025-Mar, International neurourology journal
IF:1.8Q3
DOI:10.5213/inj.2448430.215
PMID:40211837
|
research paper | 本研究开发了一种基于深度学习的实时尿动力学信号识别系统，用于辅助医生完成高质量的尿动力学检查 | 首次将深度学习算法应用于典型尿动力学信号的实时识别，提高了尿动力学检查的解读质量和效率 | 这是一项回顾性单中心研究，模型的泛化能力尚未得到验证 | 通过深度学习算法标准化尿动力学检查并确保其临床参考价值 | 神经源性膀胱成年患者的尿动力学图像数据 | digital pathology | neurogenic bladder | deep learning | Yolov5l | image | 400名神经源性膀胱患者（共2655张图像） | NA | NA | NA | NA |
| 13269 | 2025-10-07 |
Deep learning on pre-procedural computed tomography and clinical data predicts outcome following stroke thrombectomy
2025-Feb-14, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-021154
PMID:38527795
|
研究论文 | 本研究利用深度学习方法基于术前CT影像和临床数据预测卒中患者血栓切除术后的功能结局 | 首次将深度学习应用于术前CT影像与临床数据的融合分析，并与传统机器学习方法和现有预后工具MR PREDICTS进行系统性比较 | 仅使用术前数据，未纳入术中和术后数据；样本量相对有限 | 改进缺血性卒中患者接受血管内血栓切除术前的预后预测能力 | 接受血管内血栓切除术的缺血性卒中患者 | 医学影像分析 | 卒中 | CT头部扫描, CT血管造影 | 深度学习模型, 逻辑回归, 随机森林 | 影像数据, 临床数据 | 975名患者（模型开发队列778人，外部验证队列197人） | NA | NA | AUC | NA |
| 13270 | 2025-04-24 |
Deep learning model based on contrast-enhanced ultrasound for predicting vessels encapsulating tumor clusters in hepatocellular carcinoma
2025-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10985-0
PMID:39066894
|
研究论文 | 基于对比增强超声的深度学习模型用于预测肝细胞癌中的血管包裹肿瘤簇模式 | 提出了一种非侵入性的深度学习方法，利用对比增强超声图像预测肝细胞癌中的VETC模式，并评估其对术后早期复发的预测价值 | 研究为回顾性设计，样本量相对较小（242例患者） | 开发并验证一种非侵入性工具，用于预测肝细胞癌中的VETC模式和术后早期复发风险 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | 对比增强超声(CEUS) | ResNet-18 CNN | 图像 | 242例肝细胞癌患者（训练组195例，测试组47例） | NA | NA | NA | NA |
| 13271 | 2025-04-24 |
Multi-reader multiparametric DECT study evaluating different strengths of iterative and deep learning-based image reconstruction techniques
2025-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10974-3
PMID:39046499
|
research paper | 本研究通过多读者比较，评估了深度学习图像重建（DLIR）与标准自适应统计迭代重建-V（ASIR-V）在多参数双能CT（DECT）图像重建中的表现 | 首次在多参数DECT图像重建中比较了DLIR与ASIR-V的不同强度，并发现DLIR在图像质量上具有优势 | 研究为回顾性设计，样本量相对较小（100例患者） | 比较DLIR与ASIR-V在多参数DECT图像重建中的性能差异 | 接受门静脉期腹部CT扫描的100例患者 | 医学影像处理 | NA | 双能CT（DECT）扫描 | 深度学习图像重建（DLIR） | CT图像 | 100例患者 | NA | NA | NA | NA |
| 13272 | 2025-04-24 |
Development of a Deep Learning Model for Classification of Hepatic Steatosis from Clinical Standard Ultrasound
2025-02, Ultrasound in medicine & biology
|
研究论文 | 开发了一种深度学习模型，用于从临床标准超声图像中分类肝脂肪变性 | 利用深度学习技术从标准灰度超声图像中分类肝脂肪变性，提供高敏感性和准确性 | 单中心回顾性研究，样本量相对较小（403例患者） | 开发一种深度学习程序，用于从标准超声图像中分类肝脂肪变性 | 肝脂肪变性患者 | 数字病理学 | 肝脂肪变性 | 深度学习 | 深度学习多实例程序 | 图像 | 403例患者的403次超声检查 | NA | NA | NA | NA |
| 13273 | 2025-10-07 |
The Future of Artificial Intelligence Using Images and Clinical Assessment for Difficult Airway Management
2025-Feb-01, Anesthesia and analgesia
IF:4.6Q1
DOI:10.1213/ANE.0000000000006969
PMID:38557728
|
综述 | 本文综述了人工智能在困难气道管理中应用的优势、临床影响及未来发展方向 | 探讨了智能插管设备的未来发展方向及机器学习在困难喉镜预测中的建模应用 | NA | 评估人工智能在困难气道管理中的应用价值及发展前景 | 困难气道患者 | 计算机视觉 | 气道管理相关疾病 | 医学影像技术 | 深度学习,机器学习 | 图像 | NA | NA | NA | NA | NA |
| 13274 | 2025-04-24 |
Deep Learning Based Automatic Segmentation of the Thoracic Aorta from Chest Computed Tomography in Healthy Korean Adults
2025-Jan, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2024.07.030
PMID:39089448
|
研究论文 | 本研究利用深度学习技术自动分割健康韩国成人胸部计算机断层扫描中的胸主动脉，并建立主动脉各区域的参考值 | 首次使用全自动深度学习分割方法建立主动脉各区域的参考值，并验证其与手动校正结果的可靠性 | 研究仅针对健康韩国成人，可能不适用于其他人群或患者 | 建立主动脉各区域的参考值，以更好地理解主动脉夹层或动脉瘤的干预措施 | 704名健康成人（平均年龄50.6±7.5岁；男性407人，占57.8%） | 数字病理 | 心血管疾病 | 对比增强胸部计算机断层扫描（CT） | CNN | 3D CT图像 | 704名健康成人 | NA | NA | NA | NA |
| 13275 | 2025-04-24 |
Segmentation and Vascular Vectorization for Coronary Artery by Geometry-Based Cascaded Neural Network
2025-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3435714
PMID:39078771
|
研究论文 | 提出一种基于几何的级联神经网络方法，用于冠状动脉的分割和血管向量化 | 1) 设计了一个级联网络，结合几何变形网络，用于冠状动脉分割和结果向量化，生成的冠状动脉网格连续且准确 2) 不同于传统的基于体素标签的marching cube方法生成的网格注释，重建了具有规则化形态的更精细的向量化网格 3) 收集了一个包含200例冠状动脉疾病CCTA图像的数据集CCA-200 | NA | 解决冠状动脉分割中的碎片化问题，提高分割和向量化的准确性 | 冠状动脉 | 数字病理 | 心血管疾病 | 深度学习 | 级联神经网络 | 医学图像（CCTA） | 200例CCTA图像（CCA-200数据集）和公开ASOCA数据集 | NA | NA | NA | NA |
| 13276 | 2025-04-24 |
Unsupervised Domain Adaptation for EM Image Denoising With Invertible Networks
2025-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3431192
PMID:39028599
|
研究论文 | 提出了一种基于可逆网络的无监督域自适应方法，用于电子显微镜(EM)图像去噪 | 首次提出无监督域自适应EM图像去噪方法，通过域对齐建立共享的域无关内容空间，并引入域正则化确保精确对齐 | 方法依赖于EM图像内容特征的相似性假设，可能不适用于内容差异较大的图像 | 解决电子显微镜图像去噪中存在的域偏移问题 | 电子显微镜(EM)图像 | 计算机视觉 | NA | 无监督域自适应 | 可逆网络 | 图像 | 合成和真实EM数据集 | NA | NA | NA | NA |
| 13277 | 2025-04-24 |
Deep learning methods for protein function prediction
2025-Jan, Proteomics
IF:3.4Q2
DOI:10.1002/pmic.202300471
PMID:38996351
|
review | 本文深入回顾了近年来深度学习在蛋白质功能预测领域的最新发展 | 总结了该领域的重大进展，并指出了几个待解决的主要挑战及潜在探索方向 | 未提及具体实验验证或实际应用效果的局限性 | 推进蛋白质功能预测领域的发展 | 蛋白质功能预测 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列、结构、相互作用及其他相关信息 | NA | NA | NA | NA | NA |
| 13278 | 2025-04-24 |
Coati optimization algorithm for brain tumor identification based on MRI with utilizing phase-aware composite deep neural network
2025, Electromagnetic biology and medicine
IF:1.6Q4
DOI:10.1080/15368378.2024.2401540
PMID:39835842
|
research paper | 提出了一种基于MRI的脑肿瘤识别方法，使用相位感知复合深度神经网络和Coati优化算法 | 结合相位感知复合深度神经网络和Coati优化算法，提高了脑肿瘤识别的准确率、召回率和精确度 | 未提及具体的数据集来源和样本数量，可能影响方法的泛化能力 | 提高基于MRI的脑肿瘤识别准确率 | 脑肿瘤MRI图像 | digital pathology | brain tumor | MRI, Multivariate Fast Iterative Filtering (MFIF), Self-Supervised Nonlinear Transform (SSNT) | Phase-aware Composite Deep Neural Network (PACDNN), Coati Optimized Algorithm (COA) | image | NA | NA | NA | NA | NA |
| 13279 | 2025-10-07 |
Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning
2025-Jan, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3386707
PMID:38598377
|
研究论文 | 本研究通过光电容积脉搏波数据和个性化深度学习模型预测孕妇血压，为子痫前期提供有效预警 | 提出三阶段建模方法（基线模型构建、孕妇数据微调、个性化迁移学习），结合1D-CNN与CBAM注意力机制和双向GRU网络 | 样本量相对有限（仅40名孕妇），未提及模型在更广泛人群中的泛化能力验证 | 开发连续无袖带血压监测系统，实现孕妇血压精准预测和子痫前期预警 | 194名受试者（包括154名正常个体和40名孕妇） | 机器学习 | 妊娠期疾病 | 光电容积脉搏波 | 1D-CNN, GRU | 生理信号数据 | 194名受试者（154名正常个体，40名孕妇） | NA | 1D-CNN with CBAM, Bi-directional GRU, Attention layers | 平均误差, 标准差 | NA |
| 13280 | 2025-04-24 |
Quad-tree Based Driver Classification using Deep Learning for Mild Cognitive Impairment Detection
2025, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2025.3558706
PMID:40256415
|
研究论文 | 提出一种基于四叉树的深度学习方法，用于通过GPS数据识别驾驶员是否患有轻度认知障碍 | 引入地理区域四叉树结构捕捉驾驶轨迹的空间层次结构，并提出新的驾驶特征表示方法用于CNN分类 | NA | 通过驾驶模式分析识别轻度认知障碍驾驶员 | 驾驶员的GPS轨迹数据 | 机器学习 | 老年疾病 | GPS数据分析 | CNN | GPS轨迹数据 | 真实世界数据集（具体数量未说明） | NA | NA | NA | NA |