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 32373 篇文献，本页显示第 14801 - 14820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14801 | 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 |
| 14802 | 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 |
| 14803 | 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 |
| 14804 | 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 |
| 14805 | 2025-03-27 |
MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230782
PMID:40124116
|
研究论文 | 本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性 | 引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能 | NA | 提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下 | 心脏的晚期机械激活（LMA）区域 | 医学影像分析 | 心血管疾病 | cine位移编码与受激回波（DENSE）磁共振成像（MRI） | 多任务深度学习框架 | 心脏MR图像 | NA | NA | NA | NA | NA |
| 14806 | 2025-10-07 |
Multi-step short-term
P
M
2.5
forecasting for enactment of proactive environmental regulation strategies
2022-04-21, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-022-10029-4
PMID:35445884
|
研究论文 | 本研究使用LSTM模型对北京和旁遮普地区的PM2.5浓度进行多步短期预测，以支持环境监管策略制定 | 采用贝叶斯优化技术调谐LSTM模型超参数和权重初始化策略，针对南亚两个高污染区域进行多变量多步预测 | 预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290 | 开发PM2.5多步短期预测模型，为建立空气质量预警系统和制定环境监管政策提供支持 | 中国北京和巴基斯坦旁遮普地区的PM2.5浓度数据 | 机器学习 | 心血管疾病 | 时间序列预测 | LSTM | 时间序列数据 | 两个高污染区域（北京和旁遮普）的空气质量数据 | NA | LSTM | RMSE, 准确率 | NA |
| 14807 | 2025-03-26 |
Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100671
PMID:40124313
|
研究论文 | 本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据 | 利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者 | 需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响 | 开发AI模型以早期识别青光眼高风险患者 | 64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者 | 机器学习 | 青光眼 | 机器学习与深度学习 | 惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器 | 结构化电子健康记录数据 | 64,735名患者，其中7,268名（11.22%）有青光眼诊断 | NA | NA | NA | NA |
| 14808 | 2025-10-07 |
Applications of Artificial Intelligence in Dental Medicine: A Critical Review
2025-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2024.11.009
PMID:39843259
|
综述 | 本文对人工智能在牙科医学中的应用现状进行批判性评估，分析关键观点、挑战和局限性 | 系统性地批判性评估AI在牙科医学各专业领域的应用现状，并识别当前研究中的方法论局限和伦理问题 | 数据质量不一致、偏倚风险、缺乏透明度、临床验证有限 | 评估AI在牙科医学中的应用现状，识别研究挑战和局限性 | 牙科医学中的人工智能应用研究 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14809 | 2025-10-07 |
Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种弱监督多模态对比学习框架，用于预测乳腺癌HER2评分 | 首次将多模态对比学习引入HER2评分预测，通过多模态注意力对比学习模块实现不同模态间的语义对齐 | 仅使用弱监督的WSI级别标签，未利用像素级或区域级标注 | 开发多模态深度学习框架以提升乳腺癌HER2评分预测性能 | 乳腺癌组织切片图像（H&E和IHC） | 数字病理 | 乳腺癌 | 免疫组织化学（IHC），苏木精-伊红（H&E）染色 | 深度学习，对比学习 | 全切片图像（WSI） | NA | NA | 多头自注意力机制（MHSA） | NA | NA |
| 14810 | 2025-10-07 |
[Transformation of free-text radiology reports into structured data]
2025-Apr, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-025-01422-4
PMID:39934245
|
研究论文 | 探讨使用大语言模型将非结构化放射学报告转换为结构化数据的方法与挑战 | 系统分析大语言模型在放射学报告结构化处理中的应用潜力，并提出结合领域特定知识和上下文信息的改进方法 | 处理语言歧义、缩写和表达变异性方面仍存在挑战 | 研究放射学报告自动结构化处理的方法和架构 | 自然语言放射学报告 | 自然语言处理 | NA | 大语言模型 | 深度学习模型,神经网络 | 文本 | NA | NA | NA | 准确率 | NA |
| 14811 | 2025-10-07 |
Genomic prediction with NetGP based on gene network and multi-omics data in plants
2025-Apr, Plant biotechnology journal
IF:10.1Q1
DOI:10.1111/pbi.14577
PMID:39950326
|
研究论文 | 提出基于基因网络和多组学数据的NetGP深度学习模型，用于植物基因组预测 | 首次提出基于Pearson共线性选择的SNP特征提取技术，并开发了新型深度学习模型NetGP | NA | 提高植物性状预测的准确性 | 植物基因组和表型数据 | 机器学习 | NA | 基因组选择，多组学数据分析 | 深度学习 | 基因组数据，转录组数据，多组学数据 | NA | NA | NetGP | 预测准确率 | NA |
| 14812 | 2025-03-26 |
Artificial intelligence-driven forecasting and shift optimization for pediatric emergency department crowding
2025-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae138
PMID:40124532
|
研究论文 | 本研究开发并评估了一个基于人工智能（AI）的系统，用于预测儿科急诊科（PED）的拥挤情况，并通过机器学习操作（MLOps）优化医生班次安排 | 结合先进的深度学习模型与MLOps架构，实现持续模型更新，提升预测准确性，并在COVID-19等事件导致的数据漂移中表现出韧性 | 单中心设计和固定的人员配置模型，需多中心验证和在动态人员配置环境中的实施 | 预测儿科急诊科拥挤情况并优化医生班次安排 | 352,843例儿科急诊科入院数据 | 机器学习 | 儿科急诊 | 机器学习操作（MLOps） | Temporal Convolutional Network, Time-series Dense Encoder, Reversible Instance Normalization, Neural High-order Time Series model, Neural Basis Expansion Analysis | 时间序列数据 | 352,843例儿科急诊科入院数据 | NA | NA | NA | NA |
| 14813 | 2025-03-26 |
Deep-Learning-Assisted Understanding of the Self-Assembly of Miktoarm Star Block Copolymers
2025-Mar-25, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c00811
PMID:40074545
|
research paper | 该研究应用深度学习技术解析了AB型星形嵌段共聚物PEO-PS在蒸发诱导自组装系统中的相行为 | 首次将深度学习技术应用于复杂拓扑结构嵌段共聚物的自组装行为研究，成功预测了三维合成场图并揭示了参数与结构之间的关联 | 研究仅针对特定类型的星形嵌段共聚物(PEO-PS)，结论可能不适用于其他拓扑结构的共聚物 | 探索复杂拓扑结构嵌段共聚物的自组装行为规律 | AB型星形嵌段共聚物PEO-PS | soft matter science | NA | deep learning | neural network | experimental data | 包含两种聚合物特性和三种合成条件参数的数据集 | NA | NA | NA | NA |
| 14814 | 2025-03-26 |
From 1-D to 3-D: LIBS Pseudohyperspectral Data Cube Deep Learning Mechanism Used in Nuclear Metal Materials Classification
2025-Mar-25, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05707
PMID:40085530
|
研究论文 | 提出一种名为LIBS伪高光谱数据立方体的新光谱数据机制，将1-D LIBS光谱转化为3-D数据立方体，以提高核金属材料分类的准确性 | 引入两个额外维度捕捉光谱变化信息，使LIBS系统在处理不稳定光谱时更加稳健，并充分利用深度学习算法 | 未明确提及具体局限性 | 提高核电站中不稳定光谱的分类准确性 | 核金属材料 | 机器学习 | NA | LIBS（激光诱导击穿光谱） | 深度学习算法（含注意力机制） | 光谱数据 | NA | NA | NA | NA | NA |
| 14815 | 2025-03-26 |
Leveraging Deep Learning for Urban Health Insights: Transforming Street-Level Imagery into Cardiovascular Risk Indicators
2025-Mar-25, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwaf148
PMID:40130376
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14816 | 2025-03-26 |
DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading
2025-Mar-24, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00693-8
PMID:40126867
|
research paper | 该研究提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行分级 | 引入了Domain Adaptive Squeeze-and-Excitation Network (DASNet)，结合SE注意力机制和域对抗神经网络（DANNs）来提高分类准确性和模型的泛化能力 | 未提及具体的数据集规模或潜在的过拟合问题 | 开发一种非侵入性且高效的ccRCC分级方法，以促进早期检测和治疗干预 | 透明细胞肾细胞癌（ccRCC）的CT图像 | digital pathology | renal cell carcinoma | Computed Tomography (CT), deep learning, machine learning | CNN, EfficientNet, RegNet, DANN | image | NA | NA | NA | NA | NA |
| 14817 | 2025-03-26 |
Effectiveness Evaluation for Clinical Depression Detection Using Deep Learning Based Synthetic House-Tree-Person Test
2025-Mar-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3553502
PMID:40126963
|
研究论文 | 本文介绍了一种基于深度学习的合成屋树人测试（S-HTP）的抑郁症检测方法DeHTP，旨在减少诊断过程中的主观影响 | 提出了一种无需人际互动的灵活便捷的抑郁症检测方法DeHTP，其性能优于传统的人工S-HTP分析，并揭示了22个与抑郁症相关的绘图特征 | 方法的有效性可能受到分析师专业能力的限制 | 开发一种基于深度学习的抑郁症检测方法，以减少诊断过程中的主观影响 | 抑郁症患者 | 数字病理学 | 抑郁症 | 深度学习 | DeHTP | 图像 | 基于先前研究中与抑郁症相关的50个结论的指南 | NA | NA | NA | NA |
| 14818 | 2025-03-26 |
Deep Learning-Assisted Diagnosis of Placenta Accreta Spectrum Using the DenseNet-121 Model: A Multicenter, Retrospective Study
2025-Mar-24, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01475-w
PMID:40128503
|
研究论文 | 探讨基于MRI的深度学习成像在预测高风险孕妇胎盘植入谱（PAS）中的诊断价值 | 使用DenseNet-121模型进行深度学习辅助诊断，与传统临床模型或机器学习放射组学模型相比表现出更好的性能 | 研究为回顾性设计，样本量相对较小（263例患者） | 评估深度学习模型在预测胎盘植入谱（PAS）中的诊断效能 | 高风险孕妇中的疑似胎盘植入患者 | 数字病理 | 胎盘植入谱（PAS） | MRI成像 | DenseNet-121, SVM, KNN, RF, LGBM | 医学影像 | 263例患者（170例训练集，93例外部验证集） | NA | NA | NA | NA |
| 14819 | 2025-03-26 |
Augmenting atmospheric turbulence effects on thermal-adapted deep object detection models
2025-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86830-1
PMID:40121214
|
research paper | 本文探讨了大气湍流图像增强技术在提高热适应和基于深度学习的物体检测模型在大气湍流条件下的准确性和鲁棒性方面的有效性 | 研究了三种不同的基于近似的湍流模拟器（几何、Zernike-based和P2S）生成的湍流训练和测试数据集，并评估了三种最先进的深度学习物体检测模型（RTMDet-x、DINO-4scale和YOLOv8-x）在这些数据集上的性能 | NA | 提高物体检测模型在大气湍流条件下的准确性和鲁棒性 | 热适应和基于深度学习的物体检测模型 | computer vision | NA | turbulence image augmentation techniques | RTMDet-x, DINO-4scale, YOLOv8-x | image | NA | NA | NA | NA | NA |
| 14820 | 2025-03-26 |
High-resolution image reflection removal by Laplacian-based component-aware transformer
2025-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94464-6
PMID:40121298
|
research paper | 提出了一种基于Laplacian金字塔和transformer的高分辨率图像反射去除框架LapCAT | 利用Laplacian金字塔网络去除高频反射模式，并通过反射感知的多头自注意力机制设计组件可分离transformer块（CSTB） | NA | 解决高分辨率图像反射去除问题，提升照片拍摄质量和场景理解 | 高分辨率图像中的反射模式 | computer vision | NA | Laplacian金字塔网络，transformer | transformer (CSTB) | image | 多个基准数据集 | NA | NA | NA | NA |