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 13641 - 13660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13641 | 2025-10-07 |
Exploring Structure Diversity in Atomic Resolution Microscopy With Graph
2025-Apr, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202417478
PMID:39988855
|
研究论文 | 提出基于等变图神经网络的少样本学习框架，用于分析原子分辨率显微图像中的多样化结构 | 利用图结构表示原子构型，相比传统图像驱动深度学习方法显著提升鲁棒性并减少三个数量级的计算参数 | NA | 开发高效分析原子分辨率显微图像中多样化结构配置的方法 | 原子结构（空位、相界、晶界、掺杂等） | 计算机视觉 | NA | 原子分辨率显微镜 | 等变图神经网络(EGNN) | 原子分辨率显微图像 | NA | NA | 等变图神经网络(EGNN) | 鲁棒性，计算参数效率 | NA |
| 13642 | 2025-10-07 |
Review of 2024 publications on the applications of artificial intelligence in rheumatology
2025-Apr, Clinical rheumatology
IF:2.9Q2
DOI:10.1007/s10067-025-07382-3
PMID:40011358
|
综述 | 本文对2024年人工智能在风湿病学领域的应用进行了全面回顾与分析 | 系统整合了AI在风湿病学中影像诊断、基因组分析和数字健康技术等多领域的前沿应用 | 存在临床医生采用率低、伦理问题、数据隐私问题以及模型验证不足等挑战 | 探讨人工智能在风湿病学研究和临床实践中的整合与应用 | 风湿病学领域的诊断、治疗和研究方法 | 机器学习 | 风湿性疾病 | 深度学习,基因组分析,可穿戴健康技术 | 深度学习模型 | 影像数据,基因组数据,健康监测数据 | NA | NA | NA | NA | NA |
| 13643 | 2025-10-07 |
Non-invasive derivation of instantaneous free-wave ratio from invasive coronary angiography using a new deep learning artificial intelligence model and comparison with human operators' performance
2025-Apr, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03369-y
PMID:40063156
|
研究论文 | 开发基于深度学习的人工智能模型从侵入性冠状动脉造影中无创推导瞬时无波形比率，并与人类操作者性能进行比较 | 首次探索从侵入性冠状动脉造影中无创推导iFR的人工智能方法，并开发了基于血管类型的混合模型 | 单中心回顾性研究，样本量有限，需要进一步验证研究 | 开发能够从冠状动脉造影中无创分类iFR病变的人工智能模型 | 接受冠状动脉造影和iFR测量的患者 | 计算机视觉 | 心血管疾病 | 冠状动脉造影，瞬时无波形比率测量 | CNN, Transformer | 医学图像 | 250个测量数据 | NA | EfficientNet-B5, 编码器-解码器CNN | 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 13644 | 2025-10-07 |
A comparative study of explainability methods for whole slide classification of lymph node metastases using vision transformers
2025-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0000792
PMID:40233316
|
研究论文 | 本研究比较了多种可解释性方法在Vision Transformers模型用于淋巴结转移全切片分类中的效果 | 首次系统比较多种先进可解释性方法在Vision Transformers应用于病理图像分类中的表现，发现ViT-Shapley在可靠性和运行效率方面的优势 | 研究仅基于CAMELYON16数据集，样本量相对有限，需要更多数据集验证 | 评估不同可解释性方法在Vision Transformers模型病理图像分类中的有效性 | 乳腺癌患者淋巴结转移的全切片图像 | 计算机视觉 | 乳腺癌 | 全切片成像 | Vision Transformer | 图像 | 399张全切片图像 | NA | Vision Transformer | 插入指标,删除指标,运行时间 | NA |
| 13645 | 2025-10-07 |
EMCAH-Net: an effective multi-scale context aggregation hybrid network for medical image segmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1983
PMID:40235751
|
研究论文 | 提出一种用于医学图像分割的有效多尺度上下文聚合混合网络EMCAH-Net | 设计了有效多尺度上下文聚合(EMCA)模块和双注意力增强自注意力(DASA)模块，有效整合CNN的局部特征和Transformer的全局特征 | NA | 开发能够有效且鲁棒地分割医学图像的混合深度学习模型 | 计算机断层扫描(CT)和磁共振(MR)等医学图像 | 计算机视觉 | 多器官分割 | 医学图像分割 | CNN, Transformer | 医学图像 | NA | NA | U-Net, EMCAH-Net | Dice相似系数(DSC), 参数数量, 浮点运算(FLOPs) | NA |
| 13646 | 2025-10-07 |
Detecting keypoints with semantic labels on skull point cloud for plastic surgery
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1358
PMID:40235762
|
研究论文 | 提出一种用于颅骨点云的关键点检测与分割框架，辅助整形外科手术规划 | 结合关键点描述器-检测器框架与局部小部件分割策略，无需二维图像关键点标注辅助训练 | NA | 开发用于密集三维颅骨点云的鲁棒关键点检测框架 | 颅骨点云模型 | 计算机视觉 | 整形外科 | 点云处理 | 深度学习 | 三维点云 | NA | NA | PointRes2Net, 自组织映射 | 均方误差, 平均精度 | NA |
| 13647 | 2025-10-07 |
A novel dual-branch segmentation algorithm for overall spine segmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2297
PMID:40235769
|
研究论文 | 提出一种基于nnUNet框架的双分支脊柱分割算法DBU-Net，用于CT图像中的椎骨自动分割 | 结合多尺度特征通道注意力模块和双分支解码器架构，通过上下文Transformer模块捕获全局上下文信息，增强对脊柱CT图像复杂特征的处理能力 | NA | 开发高效的脊柱结构自动分割方法，辅助外科医生精确定位目标区域 | 脊柱CT图像中的椎骨结构 | 医学影像分析 | 脊柱疾病 | 计算机断层扫描(CT) | 深度学习分割网络 | CT图像 | 使用MICCAI 2019和2020的VerSe数据集 | nnUNet | DBU-Net, U-Net, Transformer | Dice系数 | NA |
| 13648 | 2025-10-07 |
Diagnostic accuracy of deep learning for the invasiveness assessment of ground-glass nodules with fine segmentation: a systematic review and meta-analysis
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1839
PMID:40235789
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估深度学习模型通过精细结节分割在评估肺腺癌侵袭性方面的诊断准确性 | 首次对深度学习结合精细结节分割技术评估磨玻璃结节侵袭性进行系统性量化分析 | 纳入研究数量有限（8项研究），证据质量欠佳，需要更多高质量研究验证 | 系统评估深度学习模型通过精细结节分割在评估肺腺癌侵袭性方面的诊断准确性 | 表现为磨玻璃结节的浸润性肺腺癌 | 医学影像分析 | 肺癌 | 深度学习，结节分割 | 深度学习模型 | 医学影像数据 | 5,281个结节，4,676名患者 | NA | NA | 敏感性，特异性，SROC曲线下面积 | NA |
| 13649 | 2025-10-07 |
Carotid artery segmentation in computed tomography angiography (CTA) using multi-scale deep supervision with Swin-UNet and advanced data augmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2087
PMID:40235793
|
研究论文 | 本研究提出了一种基于深度学习的自动三维颈动脉分割方法，使用改进的Swin-UNet架构和先进数据增强技术 | 提出了Multi-Flux-Swin-Deepsup-UNet模型，整合了多尺度深度监督、多流融合架构和创新的窗宽/窗位调整数据增强方法 | 研究样本量相对有限（214个CTA图像），仅在两所医院收集数据 | 开发自动准确的三维颈动脉分割方法以辅助颈动脉疾病诊断 | 来自南通大学附属医院和南通市第一人民医院患者的CTA图像 | 医学图像分析 | 颈动脉疾病 | 计算机断层扫描血管成像 | 深度学习 | 三维医学图像 | 214个CTA图像 | NA | Swin-UNet, Multi-Flux-Swin-Deepsup-UNet | 准确率, Dice系数, 敏感性, 特异性 | NA |
| 13650 | 2025-10-07 |
Formal validation of a deep learning-based automated interpretation system for cardiac structure and function in adult echocardiography
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1852
PMID:40235804
|
研究论文 | 本研究开发并验证了一种基于深度学习的自动化系统，用于解读成人超声心动图中心脏结构和功能参数 | 首次正式验证深度学习系统在超声心动图参数测量中的准确性和临床实用性，展示了与人类专家相当甚至更优的性能 | 在RV-A4C视图和右心室参数测量中观察到较大绝对偏差，跨瓣速度的流速时间积分测量存在较大相对偏差 | 开发自动化超声心动图解读系统以提高心脏疾病诊断效率和准确性 | 成人心脏结构和功能参数 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习算法 | 视频循环和多普勒图像 | 训练集：141名患者的416个视频循环和892张多普勒图像；验证集：60名患者的178个视频循环和391张多普勒图像；外部验证集：90个2D视频和120张多普勒图像 | NA | Auto-Echo, Auto-Doppler | 标准差比率, Bland-Altman分析, 组内相关系数, 平均绝对偏差, 绝对相对偏差, 相关性分析 | NA |
| 13651 | 2025-10-07 |
Feasibility of magnetization-transfer-contrast relaxation-enhanced angiography without contrast and triggering (REACT) imaging at 1.5 T combined with deep learning-based reconstruction for cardiovascular visualization
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2199
PMID:40235803
|
研究论文 | 本研究评估磁化转移对比增强无对比剂触发血管成像（MTC-REACT）在1.5T磁共振上的可行性，并结合深度学习重建技术提升肺静脉图像质量 | 首次将磁化转移对比预脉冲与REACT序列结合，并采用深度学习Adaptive-CS-Net算法进行图像重建 | 样本量较小（20名参与者），仅针对肺静脉成像进行评估 | 开发无需对比剂和触发的磁共振血管成像技术，提升心血管可视化质量 | 人类肺静脉和肺动脉 | 医学影像分析 | 心血管疾病 | 磁共振成像，磁化转移对比，Dixon方法，反转恢复预脉冲 | 深度学习 | 三维磁共振血管图像 | 20名前瞻性招募的参与者 | Adaptive-CS-Net, 压缩感知 | Adaptive-CS-Net | 信噪比，对比噪声比 | NA |
| 13652 | 2025-10-07 |
Development and validation of the Artificial Intelligence-Proliferative Vitreoretinopathy (AI-PVR) Insight system for deep learning-based diagnosis and postoperative risk prediction in proliferative vitreoretinopathy using multimodal fundus imaging
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1644
PMID:40235812
|
研究论文 | 开发并验证基于深度学习的AI-PVR Insight系统，用于增殖性玻璃体视网膜病变的多模态眼底影像诊断和术后风险预测 | 首次结合TwinsSVT和DenseNet-121深度学习模型，融合B超、OCT和超广角眼底成像三种模态特征，实现PVR的自动识别、分级和术后风险评估 | 回顾性研究，数据来自两家医院，需要进一步前瞻性验证 | 开发自动化系统用于增殖性玻璃体视网膜病变的诊断和术后风险预测 | 接受玻璃体切除术的1700例患者（1700只眼） | 数字病理 | 增殖性玻璃体视网膜病变 | B超、光学相干断层扫描、超广角视网膜成像 | 深度学习 | 多模态影像数据 | 1700例患者（1700只眼） | NA | TwinsSVT, DenseNet-121, MLP, SVM | AUC, 准确率, 精确率, 召回率, F1分数 | NA |
| 13653 | 2025-10-07 |
Deep learning network based on high-resolution magnetic resonance vessel wall imaging combined with attention mechanism for predicting stroke recurrence in patients with symptomatic intracranial atherosclerosis
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1723
PMID:40235801
|
研究论文 | 基于高分辨率磁共振血管壁成像结合注意力机制的深度学习网络预测症状性颅内动脉粥样硬化患者卒中复发风险 | 首次将Transformer注意力机制与CNN特征提取器（ResNet50和DenseNet169）集成构建Trans-CNN集成模型，用于卒中复发预测 | 回顾性研究设计，样本量相对有限（363例），仅包含两个医疗中心数据 | 开发高精度集成模型预测症状性颅内动脉粥样硬化狭窄患者的卒中复发风险 | 症状性颅内动脉粥样硬化狭窄患者 | 医学影像分析 | 脑血管疾病 | 高分辨率磁共振血管壁成像 | CNN, Transformer | 医学影像 | 363例sICAS患者（训练集254例，测试集109例） | NA | ResNet50, DenseNet169, Transformer | AUC, 准确率, 灵敏度, 特异性 | NA |
| 13654 | 2025-10-07 |
MRI-based habitat radiomics combined with vision transformer for identifying vulnerable intracranial atherosclerotic plaques and predicting stroke events: a multicenter, retrospective study
2025-Apr, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103186
PMID:40235946
|
研究论文 | 本研究开发了一种基于高分辨率血管壁成像的人工智能模型，用于识别易损颅内动脉粥样硬化斑块并预测卒中复发风险 | 首次将栖息地影像组学与Vision Transformer相结合，采用堆叠融合策略构建多模态模型，实现了对颅内易损斑块的精准识别和卒中风险的长期预测 | 回顾性研究设计，样本来自四个医疗中心但可能存在选择偏倚 | 开发非侵入性工具识别高危易损斑块并评估卒中复发风险 | 726例症状性颅内动脉粥样硬化狭窄患者的1806个斑块 | 医学影像分析 | 脑血管疾病 | 高分辨率血管壁成像，K-means聚类 | Vision Transformer，影像组学模型 | MRI图像 | 726例患者的1806个斑块 | NA | Vision Transformer | AUC，敏感度，特异度，准确度，Cox回归分析 | NA |
| 13655 | 2025-10-07 |
The Application of Artificial Intelligence in Spine Surgery: A Scoping Review
2025-Apr-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews
|
综述 | 本文对人工智能在脊柱外科领域的应用进行了范围综述 | 首次系统梳理了2020-2024年间人工智能在脊柱外科的应用现状 | 数据主要来自单中心研究（72项），仅25.7%研究纳入超过1000名患者数据 | 评估人工智能在脊柱外科领域的应用现状和发展潜力 | 脊柱外科相关临床研究和医学影像数据 | 医疗人工智能 | 脊柱疾病 | 机器学习，深度学习 | 监督学习 | 医学影像，临床数据 | 105项研究，其中27项包含超过1000名患者数据 | NA | NA | NA | NA |
| 13656 | 2025-10-07 |
Lit-OTAR framework for extracting biological evidences from literature
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf113
PMID:40097274
|
研究论文 | 介绍用于从科学文献中提取生物医学证据的lit-OTAR深度学习框架 | 首个结合命名实体识别和实体归一化技术，专门针对药物发现领域的大规模文献挖掘框架 | NA | 加速药物靶点识别和验证过程 | 科学文献中的基因/蛋白质、疾病、生物体和化学物/药物实体 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 超过3900万篇摘要和450万篇全文文章及预印本 | NA | NA | NA | NA |
| 13657 | 2025-10-07 |
H2GnnDTI: hierarchical heterogeneous graph neural networks for drug-target interaction prediction
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf117
PMID:40097269
|
研究论文 | 提出一种名为H2GnnDTI的分层异构图神经网络模型，用于药物-靶点相互作用预测 | 采用两级分层异构图学习架构，通过低层视图GNN和高层视图GNN整合药物和蛋白质结构信息，并设计了结构和属性信息融合模块 | NA | 开发计算工具自动预测和理解药物-靶点相互作用 | 药物和蛋白质 | 机器学习 | NA | 图神经网络 | GNN | 图数据 | 在三个基准数据集上进行实验 | PyTorch | 分层异构图神经网络 | NA | NA |
| 13658 | 2025-10-07 |
A Unified Flexible Large Polysomnography Model for Sleep Staging and Mental Disorder Diagnosis
2025-Mar-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.11.24318815
PMID:39711704
|
研究论文 | 提出统一灵活的大型多导睡眠图模型LPSGM，用于睡眠分期和精神障碍诊断 | 整合领域自适应学习，支持可变通道配置，在跨中心泛化方面表现优异 | 未明确说明模型在特定疾病群体中的适用性限制 | 提升睡眠分期的跨中心泛化能力并支持疾病诊断微调 | 多导睡眠图数据和相关疾病患者 | 医疗人工智能 | 发作性睡病,抑郁症 | 多导睡眠图 | 深度学习模型 | 多导睡眠图信号数据 | 16个公共数据集的220,500小时PSG数据 | NA | LPSGM | 准确率 | NA |
| 13659 | 2025-10-07 |
Prediction and Prioritisation of Novel Anthelmintic Candidates from Public Databases Using Deep Learning and Available Bioactivity Data Sets
2025-Mar-28, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26073134
PMID:40243899
|
研究论文 | 本研究使用深度学习技术从公共数据库中预测和优先筛选新型抗蠕虫药物候选分子 | 首次将多层感知机分类器应用于抗蠕虫药物发现，通过处理高度不平衡的生物活性数据实现了对活性化合物的高效预测 | 训练数据中活性化合物仅占1%，存在高度不平衡问题；仅对10个候选化合物进行了实验验证 | 加速发现具有独特作用机制的新型抗蠕虫药物，以应对寄生虫对现有化疗药物的广泛耐药性问题 | 动物寄生性线虫（以捻转血矛线虫为模型系统） | 机器学习 | 寄生虫感染 | 高通量筛选、计算机筛选 | 多层感知机 | 小分子化合物生物活性数据 | 训练集：15,000个小分子化合物；筛选库：1,420万化合物（ZINC15数据库）；实验验证：10个候选化合物 | NA | 多层感知机分类器 | 精确度, 召回率 | NA |
| 13660 | 2025-03-29 |
Author Correction: ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94090-2
PMID:40148386
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |