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 47769 篇文献，本页显示第 14321 - 14340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14321 | 2026-01-03 |
Combination Ensemble and Explainable Deep Learning Framework for High-Accuracy Classification of Wild Edible Macrofungi
2025-Nov-22, Biology
DOI:10.3390/biology14121644
PMID:41463418
|
研究论文 | 本研究提出了一种结合集成学习和可解释深度学习的框架，用于高精度分类野生食用大型真菌 | 提出了一种结合EfficientNetB0、ResNet50和RegNetY的分层投票策略组合模型，并集成可解释AI方法以增强模型透明度 | 数据集仅包含24种野生食用大型真菌物种，可能限制了模型的泛化能力 | 开发高精度、可解释的野生食用大型真菌分类方法，以支持生物多样性保护、食品安全和生态可持续性 | 24种野生食用大型真菌物种 | 计算机视觉 | NA | NA | CNN | 图像 | 包含24种野生食用大型真菌物种的数据集 | NA | EfficientNetB0, ResNet50, RegNetY, MobileNetV3-L | 准确率, AUC, MCC | NA |
| 14322 | 2026-01-03 |
PlantSAM: An object detection-driven segmentation pipeline for herbarium specimens
2025 Nov-Dec, Applications in plant sciences
IF:2.7Q2
DOI:10.1002/aps3.70034
PMID:41473394
|
研究论文 | 本文提出了一种名为PlantSAM的自动化分割流程，用于去除植物标本图像的背景噪声，以提高深度学习分类的准确性 | 结合YOLOv10进行植物区域检测和Segment Anything Model (SAM2)进行分割，通过边界框提示引导SAM2，实现了在植物标本图像上的最先进分割性能 | NA | 提升植物标本图像的深度学习分类性能，通过背景去除减少噪声和伪影的干扰 | 植物标本图像 | 计算机视觉 | NA | NA | CNN, Transformer | 图像 | NA | NA | YOLOv10, Segment Anything Model (SAM2) | IoU, Sørensen-Dice系数, 准确率, F1分数 | NA |
| 14323 | 2026-01-03 |
A Practical Study of Data Requirements for Self-Supervised Learning in Medical Image Analysis
2025-Nov, Cureus
DOI:10.7759/cureus.98049
PMID:41473638
|
研究论文 | 本文研究了自监督学习在医学图像分析中数据需求的实际问题，重点关注预训练和微调所需图像数量对二元分类任务性能的影响 | 首次全面评估了自监督学习框架中预训练和微调阶段所需图像数量的实际需求，特别是在有限数据设置下的适用性 | 研究仅针对二元分类任务和对比性自监督学习方法，未涵盖多类分类或其他自监督学习技术 | 优化医学图像分析中基于自监督学习的流程，特别是在罕见疾病或数据极度稀缺场景下的应用 | 医学图像数据，特别是用于二元分类任务的图像 | 计算机视觉 | NA | 自监督学习 | 对比性自监督学习模型 | 图像 | 从仅4张训练图像到至少10,000张预训练图像不等 | NA | Simple Siamese Representation Learning (SimSiam) | 准确率 | NA |
| 14324 | 2026-01-03 |
AI-driven precision in prostate brachytherapy: A systematic review of 70 studies
2025-Oct-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_1996_25
PMID:41474559
|
综述 | 本文系统回顾了70项关于人工智能在前列腺近距离放射治疗中应用的研究，评估了其在影像、治疗计划、施源器重建和结果预测等方面的进展与挑战 | 首次对70项AI在前列腺近距离放射治疗中的应用研究进行系统性综述，全面评估了U-Net和深度强化学习等技术在分割、剂量优化和质量保证方面的性能提升 | 纳入研究存在数据集多样性有限、模型泛化能力不足以及临床整合困难等挑战 | 评估人工智能技术在前列腺近距离放射治疗中的应用现状、效果及未来发展方向 | 前列腺癌患者及其放射治疗过程 | 数字病理学 | 前列腺癌 | NA | 机器学习, 深度学习 | 医学影像数据 | 基于70项研究的汇总数据 | NA | U-Net | 灵敏度, 时间节省百分比, 错误减少百分比 | NA |
| 14325 | 2026-01-03 |
Diagnostic performance of the deep learning method trained using MRI and F-18 FDG-PET/CT images in the evaluation of axillary lymph node metastasis in breast cancer patients
2025-Oct-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_493_25
PMID:41474563
|
研究论文 | 本研究探讨了使用MRI和F-18 FDG-PET/CT图像训练的深度学习模型在评估乳腺癌患者腋窝淋巴结转移中的诊断性能 | 结合MRI和F-18 FDG-PET/CT多模态图像训练CNN模型，用于非侵入性检测腋窝淋巴结转移，并显示其性能优于单一模态的专家解读 | 研究为回顾性设计，样本量相对较小（177例患者），且模型尚未能替代前哨淋巴结活检等侵入性程序 | 评估深度学习模型在乳腺癌患者腋窝淋巴结转移诊断中的性能 | 被诊断为乳腺癌并接受手术的成年患者 | 数字病理学 | 乳腺癌 | MRI, F-18 FDG-PET/CT | CNN | 图像 | 177例患者 | NA | CNN | 灵敏度, 特异度, 准确率, F1分数 | NA |
| 14326 | 2026-01-03 |
Language models reveal a complex sequence basis for adaptive convergent evolution of protein functions
2025-Sep-30, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2418254122
PMID:40986350
|
研究论文 | 本文提出了一种基于蛋白质语言模型嵌入的框架，用于检测蛋白质功能的自适应收敛进化，超越了传统基于单个位点的方法 | 利用预训练的蛋白质语言模型嵌入来捕捉高阶蛋白质特征的收敛，即使在没有位点级序列相似性的情况下也能识别功能相似性 | 方法依赖于预训练模型的性能，可能无法覆盖所有蛋白质特征或环境因素 | 研究蛋白质功能自适应收敛进化的序列基础，解码复杂的序列-功能映射关系 | 蛋白质序列及其功能收敛案例，如回声定位和景天酸代谢相关基因 | 自然语言处理 | NA | 蛋白质语言模型 | PLM | 蛋白质序列 | 四个先前报道的案例及全基因组应用 | NA | NA | 显著性测试 | NA |
| 14327 | 2026-01-03 |
A Tunable Forced Alignment System Based on Deep Learning: Applications to Child Speech
2025-Jul-29, Journal of speech, language, and hearing research : JSLHR
DOI:10.1044/2024_JSLHR-24-00347
PMID:40163771
|
研究论文 | 本文开发了一种基于深度学习的可调谐强制对齐系统Wav2TextGrid，专门用于儿童语音分析，通过训练直接适应临床级手动对齐标准 | 开发了首个可训练、说话者自适应的神经强制对齐器，支持直接基于手动对齐数据进行训练，显著提升了儿童语音中爆破音和塞擦音的对齐准确率 | 研究仅基于42名3至6岁神经典型儿童的数据集，未涵盖更广泛年龄范围或病理语音样本 | 开发一个适用于非标准语音（特别是儿童语音）的高精度自动语音对齐工具 | 儿童语音数据（3-6岁神经典型儿童）和TIMIT语料库 | 自然语言处理 | NA | 深度学习语音对齐 | 神经网络 | 语音音频 | 42名神经典型儿童（3-6岁）的语音语料库 | NA | NA | 对齐准确率 | NA |
| 14328 | 2026-01-03 |
Intrapartum electronic fetal heart rate monitoring to predict acidemia at birth with the use of deep learning
2025-Jan, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2024.04.022
PMID:38663662
|
研究论文 | 本研究应用深度学习技术开发并验证了一个模型，用于从产时电子胎心监护数据中预测胎儿酸血症 | 首次将深度学习技术应用于产时电子胎心监护数据分析，以预测胎儿酸血症，提高了复杂数据处理和模式识别能力 | 数据存在缺失情况（部分文件缺失超过30%），且仅基于单一医疗系统的数据，外部验证仅使用了一个公开数据库 | 开发并验证一个基于深度学习的模型，用于从电子胎心监护数据中预测胎儿酸血症，以提高监测准确性 | 产时电子胎心监护数据和对应的脐带血气结果 | 机器学习 | 胎儿酸血症 | 电子胎心监护 | 深度学习 | 电子胎心监护数据 | 最终数据集包含10,182个时间戳在最后电子胎心监护读数30分钟内的匹配记录 | NA | NA | AUC, 敏感性, 特异性, 阳性预测值 | NA |
| 14329 | 2026-01-03 |
Artificial intelligence-driven automated lung sizing from chest radiographs
2025-Jan, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons
IF:8.9Q1
DOI:10.1016/j.ajt.2024.08.015
PMID:39182615
|
研究论文 | 本研究开发了一种基于深度学习和计算机视觉的自动化系统，用于从便携式胸部X光片中生成标准化的肺部尺寸测量，以改善肺移植中的供体-受体尺寸匹配 | 首次提出结合深度学习与计算机视觉的自动化肺部尺寸测量系统，能够从包含技术挑战（如实变、积液、患者旋转）的X光片中生成6种不同的肺部高度和宽度测量值 | 需要在更大规模的队列中进行验证 | 开发自动化系统以改善肺移植中的供体-受体尺寸匹配 | 肺移植受者的胸部X光片 | 计算机视觉 | 肺移植 | 胸部X光成像 | 深度学习 | 图像 | 50名肺移植受者的胸部X光片 | NA | NA | 测量误差（百分比和毫米）、评估者间一致性、评估者内一致性 | NA |
| 14330 | 2026-01-03 |
CineVN: Variational network reconstruction for rapid functional cardiac cine MRI
2025-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30260
PMID:39188085
|
研究论文 | 本文提出了一种名为CineVN的变分网络重建方法，用于快速功能心脏电影MRI，旨在实现高时空分辨率和低时间模糊 | 结合时空变分网络与共轭梯度下降，优化数据一致性并提升图像质量，在实时心脏电影MRI中实现高时空分辨率 | NA | 开发一种高度加速的心脏电影MRI重建方法，以准确评估心室容积和心肌应变 | 健康受试者和心脏病患者 | 医学影像 | 心血管疾病 | 电影MRI | 变分网络 | 图像 | 18名健康受试者和46名患者 | NA | 变分网络 | 图像质量指标、心室容积、心肌应变参数 | NA |
| 14331 | 2026-01-03 |
Automated MRI-based segmentation of intracranial arterial calcification by restricting feature complexity
2025-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30283
PMID:39221515
|
研究论文 | 本文开发了一种基于MRI的自动深度学习模型，用于颅内动脉钙化的分割和检测 | 提出了一种在变分自编码器框架下的新型深度学习模型，并引入了一种理论基础的差异损失函数，以优化从MRI提取的网络特征并限制其复杂性，从而学习更具泛化能力的MRI特征，提高分割准确性和检测钙化的鲁棒性 | NA | 开发自动深度学习模型，用于MRI上颅内动脉钙化的分割和检测 | 颅内动脉钙化 | 计算机视觉 | 心血管疾病 | MRI | 变分自编码器 | 图像 | 113名受试者 | NA | NA | Dice相似系数, 精确率-召回率曲线下面积, 95% Hausdorff距离, 平均对称表面距离, F1分数, 召回率, 精确率 | NA |
| 14332 | 2026-01-03 |
Classification of psychosis spectrum disorders using graph convolutional networks with structurally constrained functional connectomes
2025-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106771
PMID:39383678
|
研究论文 | 本文探讨了使用图卷积网络和结构约束的功能连接组对精神病谱系障碍进行分类的问题 | 采用图卷积网络处理精神病谱系障碍的分类任务，结合MultiVERSE算法生成网络嵌入，并识别了右顶下皮层PGi区域作为网络枢纽 | 分类准确率仅略高于63%，表明模型性能仍有提升空间，且样本可能未覆盖所有精神病谱系变体 | 区分精神病谱系障碍个体（包括亚综合征精神病样体验者和健康对照） | 包含亚综合征精神病样体验者、可诊断障碍患者及健康对照的多样化精神病谱系条件数据集 | 机器学习 | 精神病谱系障碍 | 脑网络特征分析，MultiVERSE网络嵌入算法 | 支持向量机，图卷积网络 | 功能连接组，结构网络 | NA | NA | 图卷积网络 | 准确率 | NA |
| 14333 | 2026-01-03 |
Combining Biology-based and MRI Data-driven Modeling to Predict Response to Neoadjuvant Chemotherapy in Patients with Triple-Negative Breast Cancer
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240124
PMID:39503605
|
研究论文 | 本研究结合基于生物学的数学模型和深度学习，利用新辅助化疗前的MRI数据预测三阴性乳腺癌患者的治疗反应 | 将基于生物学的数学模型与基于MRI数据驱动的深度学习模型相结合，用于预测肿瘤对新辅助化疗的时空演变 | 回顾性研究，样本量有限（118例患者），模型性能在预测手术时肿瘤状态的AUC为0.72，仍有提升空间 | 预测局部晚期三阴性乳腺癌患者对新辅助化疗的治疗反应 | 三阴性乳腺癌患者 | 数字病理学 | 乳腺癌 | MRI | CNN | 图像 | 118名女性患者（中位年龄51岁，范围29-78岁） | NA | 卷积神经网络 | 一致性相关系数, AUC | NA |
| 14334 | 2026-01-03 |
SCIseg: Automatic Segmentation of Intramedullary Lesions in Spinal Cord Injury on T2-weighted MRI Scans
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240005
PMID:39503603
|
研究论文 | 开发了一个名为SCIseg的深度学习工具，用于在T2加权MRI扫描上自动分割脊髓损伤中的脊髓和髓内病变 | 提出了一个开源深度学习模型SCIseg，能够处理不同扫描仪、分辨率、方向和病因的多样化MRI数据集，并自动提取临床相关的病变特征 | 研究为回顾性设计，模型性能在病变分割上的Dice分数（0.61）仍有提升空间 | 开发用于脊髓损伤中髓内病变自动分割的深度学习工具 | 脊髓损伤患者的T2加权MRI扫描 | 数字病理学 | 脊髓损伤 | T2加权MRI | CNN | 图像 | 191名患者 | NA | NA | Dice分数 | NA |
| 14335 | 2026-01-03 |
Probabilistic 3D Correspondence Prediction from Sparse Unsegmented Images
2025, Machine learning in medical imaging. MLMI (Workshop)
DOI:10.1007/978-3-031-73290-4_12
PMID:39554756
|
研究论文 | 本文提出了一种名为SPI-CorrNet的统一模型，用于从稀疏医学图像数据中预测三维对应关系，以改进统计形状建模的准确性和鲁棒性 | 利用教师网络正则化特征学习，并量化数据依赖的偶然不确定性，以处理稀疏或低质量成像数据 | 未明确讨论模型在更广泛解剖结构或不同成像模态下的泛化能力 | 开发一种直接从稀疏未分割医学图像中推断统计形状建模的方法，以简化流程并提高临床适用性 | 左心房（来自LGE MRI数据集）和肝脏（来自Abdomen CT-1K数据集）的解剖结构 | 计算机视觉 | 心血管疾病 | 深度学习 | 神经网络 | 图像 | NA | NA | SPI-CorrNet | 准确性, 鲁棒性 | NA |
| 14336 | 2026-01-03 |
Overcoming the preferred-orientation problem in cryo-EM with self-supervised deep learning
2025-Jan, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02505-1
PMID:39558095
|
研究论文 | 本文开发了一种名为spIsoNet的自监督深度学习软件，用于解决冷冻电镜单颗粒分析中的粒子取向偏好问题 | 首次提出端到端的自监督深度学习解决方案，利用偏好取向视图恢复欠采样视图的分子信息，无需额外的样本制备程序 | 未明确说明算法在极端取向偏差情况下的性能边界 | 解决冷冻电镜单颗粒分析中的粒子取向偏好问题，提高三维重建的精度 | 核糖体、β-半乳糖苷酶、血凝素三聚体等生物大分子复合物 | 计算结构生物学 | NA | 冷冻电镜单颗粒分析、亚断层图平均 | 深度学习 | 冷冻电镜图像、三维分子密度图 | 多个代表性生物系统数据集（包括先前难以处理的血凝素三聚体数据集） | NA | NA | 角度各向同性、粒子对齐精度 | NA |
| 14337 | 2026-01-03 |
Explainable Deep Learning Approaches for Risk Screening of Periodontitis
2025-Jan, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345241286488
PMID:39563207
|
研究论文 | 本研究利用可解释人工智能技术，基于NHANES数据开发深度学习模型，用于牙周炎的早期风险筛查和诊断分析 | 首次将可解释人工智能技术应用于牙周炎的早期筛查，通过LIME方法提供个体化风险评估并识别关键关联因素 | 研究数据来源于NHANES调查，可能存在选择偏倚；预处理后样本量减少可能影响模型泛化能力 | 开发基于可解释人工智能的牙周炎早期筛查工具 | NHANES调查中的30,465名参与者数据 | 机器学习 | 牙周炎 | 深度学习，机器学习，可解释人工智能 | 深度学习模型，机器学习模型 | 临床特征数据 | 预处理后全年龄段9,632名参与者，50岁以上年龄段5,601名参与者 | NA | NA | AUC | NA |
| 14338 | 2026-01-03 |
Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction
2025-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110277
PMID:39566835
|
研究论文 | 本文开发了一种快速重建管道BUDA-cEPI RUN-UP，用于实现无畸变的扩散磁共振成像，通过深度学习重建技术显著缩短重建时间 | 提出了基于机器学习的展开重建方法，结合虚拟线圈概念和U-Net正则化，以模拟S-LORAKS正则化效果，同时将重建时间大幅减少约88倍 | 未明确说明样本量或具体临床验证范围，可能局限于方法学开发阶段 | 开发快速重建管道，以促进BUDA-cEPI在常规临床和神经科学应用中的部署 | 扩散磁共振成像（dMRI）数据 | 医学影像处理 | NA | 扩散磁共振成像（dMRI），BUDA-cEPI序列 | 人工神经网络，U-Net | 磁共振图像 | NA | NA | U-Net | 归一化均方根误差 | NA |
| 14339 | 2026-01-03 |
Acceleration of Simultaneous Multislice Magnetic Resonance Fingerprinting With Spatiotemporal Convolutional Neural Network
2025-Jan, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5302
PMID:39631961
|
研究论文 | 本文提出了一种基于时空卷积神经网络的新深度学习方法来加速同时多切片磁共振指纹成像，以实现高多频带因子下的准确脑部T1和T2定量成像 | 引入了去耦的时空特征学习策略来处理同时多切片磁共振指纹成像中的严重混叠伪影，并探索了使用采集数据或模拟数据进行训练的有效性 | 未明确说明方法在其他器官或疾病类型中的泛化能力，且高多频带因子可能仍受限于特定成像条件 | 加速同时多切片磁共振指纹成像以实现快速、准确的脑部T1和T2定量映射 | 脑部磁共振成像数据 | 医学影像分析 | NA | 同时多切片磁共振指纹成像 | 卷积神经网络 | 磁共振图像 | NA | NA | 时空卷积神经网络, 残差通道注意力U-Net | T1和T2定量准确性 | NA |
| 14340 | 2026-01-03 |
MASSM: An End-to-End Deep Learning Framework for Multi-Anatomy Statistical Shape Modeling Directly From Images
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
DOI:10.1007/978-3-031-75291-9_12
PMID:39649703
|
研究论文 | 本文提出了一种名为MASSM的端到端深度学习框架，用于直接从图像中生成多解剖结构的统计形状模型 | MASSM框架能够同时定位多个解剖结构、估计群体级统计表示，并在图像空间中直接描绘形状表示，无需手动预对齐或边界框指定 | 未在摘要中明确提及 | 开发一个端到端深度学习框架，以自动化方式从图像中生成多解剖结构的统计形状模型，减少对医学专业知识的依赖 | 医学图像中的多解剖结构 | 数字病理 | NA | 深度学习 | 多任务网络 | 图像 | 未在摘要中明确提及 | 未在摘要中明确提及 | 未在摘要中明确提及 | 未在摘要中明确提及 | 未在摘要中明确提及 |