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 14781 - 14800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14781 | 2025-03-27 |
Predicting response to neoadjuvant chemotherapy in muscle-invasive bladder cancer via interpretable multimodal deep learning
2025-Mar-22, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01560-y
PMID:40121304
|
研究论文 | 开发了一种可解释的基于图的多模态晚期融合深度学习框架（GMLF），用于预测肌肉浸润性膀胱癌（MIBC）对新辅助化疗的反应 | 结合组织病理学、细胞类型数据和基因表达谱，发现了新的组织病理学、细胞和分子决定因素，包括TP63、CCL5和DCN等关键基因特征 | 研究基于特定临床试验（SWOG S1314-COXEN）的数据，可能限制了结果的普遍性 | 提高肌肉浸润性膀胱癌患者对新辅助化疗反应的预测准确性，优化治疗策略 | 肌肉浸润性膀胱癌（MIBC）患者 | 数字病理学 | 膀胱癌 | RNA测序 | GMLF（基于图的多模态晚期融合深度学习框架） | 图像、基因表达数据 | 来自SWOG S1314-COXEN临床试验的数据（具体样本数量未提及） | NA | NA | NA | NA |
| 14782 | 2025-03-27 |
Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI
2025-Mar-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.28.25323105
PMID:40093221
|
research paper | 该研究利用结构MRI、人口统计学和可解释人工智能（AI）技术，探索精神分裂症分类、性别差异和脑年龄的多变量区域模式 | 结合深度学习模型与SHAP方法，识别与精神分裂症分类、性别差异及脑年龄预测相关的个性化多变量脑区模式 | 未提及样本量是否足够大以覆盖不同亚组人群，以及模型在其他独立数据集上的验证情况 | 研究精神分裂症分类、性别差异和脑年龄预测的神经生物学机制 | 精神分裂症患者和健康对照者的脑结构MRI数据 | digital pathology | schizophrenia | structural MRI, explainable AI | SVC, KNN, DL, LR, RR, SVR | image, demographics | NA | NA | NA | NA | NA |
| 14783 | 2025-03-27 |
An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08609-8
PMID:39672993
|
研究论文 | 基于MRI影像组学和临床特征构建预测颈脊髓损伤患者预后的列线图模型 | 结合手动定义的影像组学特征和通过深度学习迁移学习方法提取的特征，构建了一个综合预测模型 | 样本量相对较小（168例患者），且仅使用了T1WI和T2WI两种MRI序列 | 预测颈脊髓损伤患者的预后 | 168名颈脊髓损伤患者 | 数字病理学 | 颈脊髓损伤 | MRI影像组学分析，深度学习迁移学习 | Lasso回归，深度学习模型 | MRI图像（T1WI和T2WI），临床数据 | 168名颈脊髓损伤患者 | NA | NA | NA | NA |
| 14784 | 2025-03-27 |
Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08623-w
PMID:39708132
|
研究论文 | 开发了一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜和陈旧性骨折 | 使用3D V-Net进行图像分割，结合ResNet和DenseNet模型进行分类，能够自动且准确地识别和分类椎体骨折 | 样本量相对较小，外部验证和前瞻性验证的样本数量有限 | 开发一种自动化系统，辅助临床医生识别和分类胸腰椎压缩性骨折 | 胸腰椎骨折患者 | 计算机视觉 | 骨科疾病 | CT成像 | 3D V-Net, ResNet, DenseNet | 医学影像 | 训练数据集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个 | NA | NA | NA | NA |
| 14785 | 2025-03-27 |
Ensemble approach to deep learning seabed classification using multichannel ship noisea)
2025-Mar-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0036221
PMID:40135961
|
研究论文 | 本研究利用合成数据训练神经网络，通过多通道水听器声谱图预测海底类型，并应用于实际测量数据 | 采用集成建模和多通道数据处理技术提高预测性能，并量化多通道数据对神经网络训练的影响 | 实验中水声速仅轻微向上折射，预期在更复杂声速剖面下多通道的优势会更明显 | 开发一种基于深度学习的海底分类方法 | 海底类型 | 机器学习 | NA | 多通道水听器声谱图分析 | ResNet-18 | 声谱图 | SBCEX 2017实验测量数据 | NA | NA | NA | NA |
| 14786 | 2025-10-07 |
HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2424248
PMID:39552170
|
研究论文 | 提出一种基于混合卷积的自适应ResNet与注意力机制模型，用于花生叶部病害检测与自适应分割 | 结合自适应TransResunet++分割、HP-BWCF优化算法和HCAR-AM分类模型，通过双阶段特征提取提升检测精度 | NA | 开发高效的花生叶部病害检测系统 | 花生叶片图像 | 计算机视觉 | 植物病害 | 深度学习 | CNN, ResNet, 注意力机制 | 图像 | NA | NA | 自适应TransResunet++, HCAR-AM, ResNet | 多种性能指标 | NA |
| 14787 | 2025-03-27 |
Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review
2025-Feb, Cureus
DOI:10.7759/cureus.79391
PMID:40130121
|
系统综述 | 本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性 | 强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术 | 部署AI工具用于诊断目的的问题需要更多关注 | 探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合 | 肌肉骨骼疾病 | 数字病理学 | 肌肉骨骼疾病 | 机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs） | CNN | 图像 | NA | NA | NA | NA | NA |
| 14788 | 2025-03-27 |
Deep learning-based discovery of compounds for blood pressure lowering effects
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83924-0
PMID:39747442
|
研究论文 | 本研究利用深度学习建立了一个预测模型，用于发现具有降压效果的化合物 | 利用深度学习预测化合物的生物活性，为识别药物副作用提供潜在解决方案，并发现新的降压化合物 | 仅验证了50个分子的预测结果，样本量相对较小 | 预测和验证具有降压效果的化合物，以帮助避免临床用药中的低血压副作用并辅助降压药物的发现 | 26,000种化合物 | 机器学习 | 心血管疾病 | 深度学习，分子对接 | 深度学习模型 | 化合物数据 | 26,000种化合物，其中50个分子用于验证 | NA | NA | NA | NA |
| 14789 | 2025-03-27 |
The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84023-w
PMID:39748016
|
研究论文 | 开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果 | 比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性 | 未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法 | 开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应 | 结直肠癌患者 | 机器学习 | 结直肠癌 | 特征选择方法包括互信息、F-classif和卡方检验 | 决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN | 基因数据 | NA | NA | NA | NA | NA |
| 14790 | 2025-03-27 |
LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation
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_13
PMID:40123747
|
research paper | 本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动 | LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动 | 在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播 | 提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析 | 心脏磁共振（CMR）成像视频 | digital pathology | cardiovascular disease | DENSE CMR, 潜在扩散模型 | diffusion model | video | NA | NA | NA | NA | NA |
| 14791 | 2025-03-27 |
Automatic brain quantification in children with unilateral cerebral palsy
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1540480
PMID:40129724
|
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流程，用于量化单侧脑瘫儿童的无病变脑体积 | 利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能 | 样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁） | 探索单侧脑瘫儿童脑部结构与功能之间的关系 | 单侧脑瘫儿童 | 数字病理学 | 脑瘫 | T1加权和FLAIR MRI | 深度学习模型 | MRI图像 | 训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁） | NA | NA | NA | NA |
| 14792 | 2025-03-27 |
Laser induced forward transfer imaging using deep learning
2025, Discover applied sciences
DOI:10.1007/s42452-025-06679-x
PMID:40129928
|
研究论文 | 提出了一种通过深度学习技术提高激光诱导正向转移（LIFT）精度和效率的新方法 | 利用深度学习直接从供体图像预测铜滴在受体上的沉积情况，为LIFT参数优化提供了新思路 | 预测结果与实验图像相比仍存在一定误差（平均RMSE为9.63），需要进一步优化以减少误差 | 提高激光诱导正向转移技术的精度和效率 | 铜滴在受体基板上的沉积图像 | 计算机视觉 | NA | 激光诱导正向转移（LIFT） | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 14793 | 2025-03-27 |
Prediction of adverse drug reactions based on pharmacogenomics combination features: a preliminary study
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1448106
PMID:40129949
|
研究论文 | 该研究基于药物基因组学组合特征预测药物不良反应（ADRs），提出了一种新的深度学习架构DGANet | 提出了一种新的深度学习架构DGANet，结合CNN和交叉特征学习潜在的药物-基因-ADR关联，用于ADRs预测 | 研究为初步研究，可能存在数据量和模型泛化能力的限制 | 预测药物不良反应（ADRs）的发生 | 药物和基因表达变化 | 机器学习 | NA | 药物基因组学数据 | CNN | 基因组学数据 | NA | NA | NA | NA | NA |
| 14794 | 2025-03-27 |
Code generation system based on MDA and convolutional neural networks
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1491958
PMID:40135112
|
研究论文 | 该论文介绍了一个基于MDA和卷积神经网络的代码生成系统，旨在通过计算机视觉和深度学习技术从系统描述图中生成源代码 | 结合计算机视觉、深度学习和MDA技术，实现从系统描述图自动生成源代码 | 神经网络训练过程中存在硬件限制 | 开发一个简化软件开发流程的平台，连接规划、结构化和开发阶段 | 系统描述图和相应案例研究 | 计算机视觉 | NA | 计算机视觉、深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 14795 | 2025-03-27 |
Research on multi-label recognition of tongue features in stroke patients based on deep learning
2024-12-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84002-1
PMID:39739087
|
研究论文 | 本文提出了一种基于深度学习的自动识别中风患者舌象特征的方法，以提高舌象特征自动提取和识别的准确性 | 设计了一个标签引导的多标签舌象识别模型，能够学习特征之间的相关性并进行分类，自动识别舌形、舌色和舌苔等关键特征 | 模型性能依赖于舌象图像的质量和数据增强的效果，且未提及模型在不同年龄段或不同中风类型患者中的泛化能力 | 提高中风患者康复阶段舌象特征的自动提取和识别准确性，为中风康复过程的实时评估和诊断提供技术支持 | 中风患者的舌象图像 | 计算机视觉 | 中风 | 图像处理和机器学习技术 | 深度学习模型（与resnet和densenet进行比较） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 14796 | 2025-10-07 |
Effect of childhood atropine treatment on adult choroidal thickness using sequential deep learning-enabled segmentation
2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2024.100107
PMID:39378966
|
研究论文 | 本研究使用序列深度学习分割技术评估儿童期接受阿托品治疗的成人脉络膜厚度变化 | 首次采用序列深度学习分割方法分析儿童期阿托品治疗对成人脉络膜厚度的长期影响 | 观察性研究设计无法确定因果关系，样本量相对有限 | 评估儿童期阿托品治疗对成人脉络膜厚度的长期影响 | 接受儿童期阿托品治疗的成人近视患者 | 数字病理学 | 近视 | 扫频源光学相干断层扫描 | 深度学习 | 医学影像 | 422只眼睛（94只无阿托品暴露，328只有儿童期阿托品暴露） | NA | 序列深度学习分割模型 | 置信区间，P值，比值比 | NA |
| 14797 | 2025-10-07 |
Deep learning-based segmentation of subcellular organelles in high-resolution phase-contrast images
2024-Aug-30, Cell structure and function
IF:2.0Q4
DOI:10.1247/csf.24036
PMID:39085139
|
研究论文 | 本研究开发了基于深度学习的亚细胞器分割方法，用于高分辨率相差图像分析 | 使用荧光标记作为真实掩膜来源，在无标记活细胞图像中实现亚细胞器的精确分割 | NA | 开发高分辨率相差图像中亚细胞器的精确分割方法 | 未染色活细胞中的亚细胞器 | 计算机视觉 | NA | 无标记成像，荧光标记，高分辨率相差显微镜 | 深度学习 | 高分辨率相差图像，荧光图像 | NA | NA | NA | NA | NA |
| 14798 | 2025-10-07 |
Opportunistic Screening of Chronic Liver Disease with Deep Learning Enhanced Echocardiography
2024-Jun-14, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.13.24308898
PMID:38947008
|
研究论文 | 开发基于深度学习的心动图视频分析算法，用于慢性肝病的机遇性筛查 | 首次利用常规心动图检查中获取的肝脏图像信息，通过深度学习实现慢性肝病的自动化筛查 | 回顾性研究设计，依赖配对腹部影像学检查作为金标准 | 开发并评估基于心动图视频的深度学习算法，用于慢性肝病的机遇性筛查 | 接受心动图和腹部影像学检查的成年患者 | 计算机视觉 | 慢性肝病 | 心动图视频分析 | 深度学习计算机视觉模型 | 心动图视频 | 1,596,640个心动图视频（来自24,276名患者的66,922项研究），外加106名患者的外部测试队列 | NA | EchoNet-Liver | AUC | NA |
| 14799 | 2025-10-07 |
Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network
2024, Frontiers in radiology
DOI:10.3389/fradi.2024.1385424
PMID:38895589
|
研究论文 | 本研究开发了一种基于3D U-Net的深度学习模型，用于颅内动脉粥样硬化狭窄患者的4D血流MRI数据自动血管分割 | 首次将深度学习应用于狭窄颅内血管的4D血流MRI数据全自动分割，提高了分析效率和可重复性 | 样本量有限（154例），未来需要纳入更多ICAD病例和其他颅内血管病变以提高泛化能力 | 开发准确、全自动的颅内血管分割方法以加速数据分析并提高可重复性 | 颅内动脉粥样硬化疾病患者（68例）和健康对照者（86例）的4D血流MRI数据 | 医学影像分析 | 颅内动脉粥样硬化疾病 | 4D血流MRI, 黑血血管壁成像 | CNN | 4D血流MRI图像 | 154例双VENC 4D血流MRI扫描（68例ICAD患者，86例健康对照） | NA | 3D U-Net | Dice分数, Hausdorff距离, 平均对称表面距离, Bland-Altman分析, 组内相关系数 | 训练时间约10小时，平均分割时间2.2±1.0秒 |
| 14800 | 2025-10-07 |
Deep Learning-Enabled Multiplexed Point-of-Care Sensor using a Paper-Based Fluorescence Vertical Flow Assay
2023-12, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202300617
PMID:37104829
|
研究论文 | 开发了一种基于深度学习的纸基荧光垂直流动检测多路复用即时诊断传感器 | 结合纸基荧光垂直流动检测与神经网络推断实现多路复用即时诊断 | 仅在46个测试卡盒上验证，样本规模有限 | 开发用于急性心脏损伤诊断的即时检测平台 | 人血清样本中的三种心脏生物标志物 | 医学诊断 | 心血管疾病 | 纸基荧光垂直流动检测 | 神经网络 | 荧光图像 | 46个独立激活的检测卡盒，每个患者使用50μL血清样本 | NA | NA | 检测限，线性度，变异系数 | 低成本移动阅读器 |