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 47866 篇文献，本页显示第 14621 - 14640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14621 | 2026-01-03 |
Deep Learning for CT Synthesis in Radiotherapy
2025-Nov-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12121297
PMID:41463594
|
综述 | 本文全面回顾了基于深度学习的合成CT图像生成在放射治疗中的研究进展，包括从CBCT、MRI和诊断CT等多模态成像中生成sCT，并探讨了其在CBCT在线自适应放疗、MRI引导放疗和无模拟工作流中的临床应用 | 系统总结了深度学习在放射治疗中合成CT图像生成的最新研究，涵盖了多种成像模态和临床场景，并讨论了模型架构、训练策略及临床转化挑战 | 作为综述文章，未提出新的算法或模型，主要基于现有研究进行总结，未涉及具体实验验证 | 综述深度学习在放射治疗中合成CT图像生成的研究进展、临床应用及未来方向 | 基于深度学习的合成CT图像生成方法及其在放射治疗中的应用 | 数字病理学 | NA | 深度学习 | CNN, GAN | 图像 | NA | NA | 卷积神经网络, 生成对抗网络 | NA | NA |
| 14622 | 2026-01-03 |
MACNeXt-Based Bacteria Species Detection
2025-Nov-25, Microorganisms
IF:4.1Q2
DOI:10.3390/microorganisms13122689
PMID:41471893
|
研究论文 | 本研究提出了一种名为MACNeXt的新型紧凑卷积神经网络，用于细菌物种的显微图像分类 | 提出了一种结合GELU和ReLU两种激活函数的多分支设计CNN架构，旨在实现高精度与低计算成本的平衡 | NA | 开发一种适用于常规临床使用的、高精度且计算成本低的细菌物种分类深度学习模型 | 24种细菌物种的显微图像 | 计算机视觉 | NA | 显微成像 | CNN | 图像 | 18,221张显微图像 | NA | MACNeXt | 准确率, 精确率, 召回率, F1分数 | NA |
| 14623 | 2026-01-03 |
Utilization of a Deep Learning Algorithm for Automated Segmentation of Median Nerve from Ultrasound Obtained from the Distal Forearm and Wrist
2025-Nov-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12121289
PMID:41463586
|
研究论文 | 本研究评估了一种四层U-Net深度学习算法，用于在手腕褶皱和远端前臂两个临床相关部位自动分割正中神经并估计其横截面积 | 通过针对性的基于强度的数据增强（如CLAHE、伽马校正、斑点噪声）显著提升了模型在新图像上的泛化能力，实现了稳健、可重复且与扫描站点无关的正中神经分割 | 模型在未增强的新静态图像上初始泛化性能较差（前臂IoU/Dice: 0.185/0.254；手腕IoU/Dice: 0.137/0.188），增强后虽有提升但仍未达到在原始数据集上的性能水平 | 提高超声图像中正中神经自动分割的鲁棒性，以实现一致且与扫描站点无关的横截面积评估，支持可扩展的腕管综合征超声评估 | 腕管综合征患者的正中神经超声图像 | 计算机视觉 | 腕管综合征 | 超声成像 | CNN | 图像 | 主要数据集：每个部位（手腕褶皱和远端前臂）500张图像；第二个泛化测试数据集：35张手腕静态图像和26张前臂静态图像 | NA | U-Net | Dice系数, IoU, 横截面积测量与手动描绘的相关性 | NA |
| 14624 | 2026-01-03 |
High-Fidelity Transcriptome Reconstruction of Degraded RNA-Seq Samples Using Denoising Diffusion Models
2025-Nov-23, Biology
DOI:10.3390/biology14121652
PMID:41463426
|
研究论文 | 本文提出了一种名为DiffRepairer的深度学习模型，用于修复降解RNA-seq样本的转录组数据 | 结合Transformer架构与条件扩散模型框架，通过一步修复映射来逆转RNA降解效应 | NA | 开发计算方法来高保真地修复临床存档样本中因RNA降解而受损的转录组数据 | 降解的RNA-seq样本 | 生物信息学 | NA | RNA-seq | Transformer, 条件扩散模型 | RNA-seq数据 | NA | NA | Transformer | 技术和生物学指标 | NA |
| 14625 | 2026-01-03 |
Construction and effectiveness test of multimodal data fusion prediction model for intracranial infection after severe craniocerebral injury in children based on deep learning
2025-Nov-22, BMC neurology
IF:2.2Q3
DOI:10.1186/s12883-025-04502-z
PMID:41272576
|
研究论文 | 本研究基于深度学习构建并验证了一种用于儿童重型颅脑损伤术后颅内感染早期识别的多模态数据融合预测模型 | 首次将深度学习特征、影像组学特征与临床数据融合，构建了针对儿童重型颅脑损伤术后颅内感染的预测模型，并证实其优于单一模态模型 | 研究为单中心回顾性研究，样本量有限，且外部验证队列为时间验证队列，需多中心前瞻性研究进一步验证 | 开发并验证一种基于深度学习的多模态数据融合模型，用于儿童重型颅脑损伤术后颅内感染的早期识别 | 浙江大学医学院附属儿童医院接受手术的儿童重型颅脑损伤患者 | 数字病理学 | 颅脑损伤 | 影像组学特征提取，深度学习特征提取 | 深度学习模型 | 临床数据，影像数据 | 内部验证队列203例（感染组46例，非感染组157例），时间验证队列101例（感染组25例，非感染组76例） | NA | NA | 受试者工作特征曲线，临床决策曲线分析，校准曲线 | NA |
| 14626 | 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 |
| 14627 | 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 |
| 14628 | 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 |
| 14629 | 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 |
| 14630 | 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 |
| 14631 | 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 |
| 14632 | 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 |
| 14633 | 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 |
| 14634 | 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 |
| 14635 | 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 |
| 14636 | 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 |
| 14637 | 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 |
| 14638 | 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 |
| 14639 | 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 |
| 14640 | 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 |