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 14821 - 14840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14821 | 2025-03-26 |
CSEA-Net: A channel-spatial enhanced attention network for lung tumor segmentation on CT images
2025-Mar-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.111974
PMID:40124480
|
研究论文 | 介绍了一种名为CSEA-Net的深度学习模型，用于在CT图像上自动分割肺结节 | 提出了结合双分支通道-空间特征增强网络和坐标注意力机制的深度学习架构，以提高对小且轮廓不清的肺结节的分割精度 | 未提及具体的数据集限制或模型在特定条件下的性能下降情况 | 提高肺结节分割的效率和准确性，以辅助肺癌的早期检测 | CT图像中的肺结节 | 数字病理 | 肺癌 | 深度学习 | CSEA-Net（结合双分支通道-空间特征增强网络和坐标注意力机制的CNN） | CT图像 | 多个公开数据集（未提及具体数量） | NA | NA | NA | NA |
| 14822 | 2025-03-26 |
Inference for Log-Gaussian Cox Point Processes using Bayesian Deep Learning: Application to Human Oral Microbiome Image Data
2025-Mar-18, ArXiv
PMID:40034134
|
研究论文 | 本文提出了一种基于贝叶斯深度学习的无似然推断方法，用于对数高斯考克斯点过程（LGCPs）的参数估计，并应用于人类口腔微生物图像数据分析 | 使用BayesFlow方法和可逆神经网络近似感兴趣参数的后验分布，实现了计算效率的大幅提升 | 方法在高维情况下可能仍面临计算挑战 | 开发一种计算高效的方法来量化空间点模式中的聚集现象 | 人类口腔微生物生物膜图像 | 机器学习 | NA | BayesFlow方法 | 可逆神经网络 | 图像 | 两个不同的口腔微生物生物膜图像 | NA | NA | NA | NA |
| 14823 | 2025-03-26 |
Attention-Enhanced Multi-Task Deep Learning Model for Classification and Segmentation of Esophageal Lesions
2025-Mar-18, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c10763
PMID:40124037
|
research paper | 提出了一种新型多任务深度学习模型，用于食管病变的分类和分割，以辅助内窥镜医师进行诊断 | 结合分类和分割任务，采用MobileNetV2架构并增强互注意力模块，显著提升模型性能 | 模型设计并非替代内窥镜医师，而是辅助其修正错误预测，需额外支持信息 | 提高食管病变的自动诊断准确率，辅助内窥镜医师减轻工作负担并提升诊断精度 | 食管病变 | digital pathology | esophageal cancer | deep learning | MobileNetV2 with mutual attention module | image | 三个数据集：Early Esophageal Cancer (EEC)、CVC-ClinicDB和KVASIR | NA | NA | NA | NA |
| 14824 | 2025-10-07 |
Automatic medical imaging segmentation via self-supervising large-scale convolutional neural networks
2025-Mar, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110711
PMID:39798701
|
研究论文 | 本研究开发了一种基于自监督学习的大规模卷积神经网络，用于医学图像分割 | 采用掩码图像建模和稀疏子流形卷积进行自监督预训练，设计了不同规模的稀疏子流形U-Net架构 | NA | 开发鲁棒的医学图像分割模型，减少对标注数据的依赖 | CT、MRI和PET医学影像数据 | 医学影像分析 | 癌症 | 自监督学习，掩码图像建模 | CNN | 医学影像 | 多中心CT数据集和TotalSegmentator数据集 | NA | U-Net, Sparse Submanifold U-Net (SS-UNet) | Dice Similarity Coefficient (DSC), Surface Dice Coefficient (SDC) | NA |
| 14825 | 2025-03-26 |
Detection of deterministic and chaotic signals on the basis of the LSTM model training results
2025-Mar-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0224768
PMID:40131283
|
研究论文 | 本文提出了一种基于LSTM模型训练结果的信号分类新方法，用于检测动态信号中的混沌行为 | 该方法基于学习确定性行为比混沌行为更容易的假设，利用简单的LSTM神经网络计算信号中的'混沌量'，无需预先训练数据 | 方法的有效性仅在公开可用的混沌和确定性信号数据集上进行了验证，可能需要更多样化的数据集进一步测试 | 提供一种替代传统LLE计算的混沌信号检测方法 | 动态信号（混沌和确定性信号） | 机器学习 | NA | LSTM神经网络 | LSTM | 动态信号数据 | 公开可用的混沌和确定性信号数据集 | NA | NA | NA | NA |
| 14826 | 2025-10-07 |
Human sleep position classification using a lightweight model and acceleration data
2025-Feb-10, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-025-03247-w
PMID:39928075
|
研究论文 | 本研究开发了一种基于轻量级深度学习模型的便携式可穿戴设备，用于监测12种睡眠姿势 | 提出了结合1D-CNN和LSTM的轻量级模型AnpoNet，使用单个加速度计实现多姿势睡眠监测，适用于家庭环境 | 样本量较小（15名参与者），监测时间较短（每种姿势仅记录1分钟），需要更大规模和更长期的验证 | 开发便携式睡眠姿势监测系统，帮助胃食管反流病患者改善睡眠质量和反流症状 | 15名参与者的睡眠姿势数据 | 机器学习 | 胃食管反流病 | 加速度计数据采集 | CNN, LSTM | 加速度数据 | 15名参与者，12种睡眠姿势各记录1分钟，采样频率50Hz | NA | 1D-CNN结合LSTM，使用BN和Dropout优化 | 准确率, F1分数 | NA |
| 14827 | 2025-03-26 |
Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review
2025-Feb, Cureus
DOI:10.7759/cureus.79199
PMID:40125138
|
综述 | 本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响 | 强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展 | 面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决 | 探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程 | 乳腺癌、肺癌和结肠癌的筛查与诊断 | 数字病理学 | 乳腺癌、肺癌、结肠癌 | 深度学习 | CNN | 影像数据 | NA | NA | NA | NA | NA |
| 14828 | 2025-10-07 |
A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits
2025-Jan-21, ArXiv
PMID:39398212
|
研究论文 | 本文开发了一种可微分的Gillespie算法，用于模拟化学动力学、参数估计和设计合成生物电路 | 利用深度学习突破开发了完全可微分的Gillespie算法变体，通过平滑函数近似原始算法中的不连续操作 | NA | 开发可微分算法用于化学动力学模拟、参数学习和生物网络设计 | 化学反应网络和基因启动子 | 机器学习 | NA | Gillespie算法，深度学习 | NA | mRNA表达水平测量数据 | NA | NA | NA | NA | NA |
| 14829 | 2025-10-07 |
Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion
2025 Jan-Dec, Acute medicine & surgery
IF:1.5Q2
DOI:10.1002/ams2.70049
PMID:40018053
|
研究论文 | 开发基于深度学习的全自动胆囊CT图像识别系统，用于急性胆囊炎的快速诊断 | 首个针对急性胆囊炎的完全自动化CT图像诊断系统，结合多种深度学习模型和后处理技术 | 需要进一步临床验证，样本量相对有限 | 开发辅助临床医生快速评估需胆囊切除术的急性胆囊炎的自动化系统 | 急性胆囊炎患者和对照组参与者的CT图像 | 计算机视觉 | 急性胆囊炎 | CT成像 | CNN | 医学图像 | 250名急性胆囊炎患者和270名对照参与者 | NA | VGG-16, U-Net | 准确率, 灵敏度, 特异性 | NA |
| 14830 | 2025-03-26 |
Artificial intelligence in obstructive sleep apnea: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251324446
PMID:40123882
|
研究论文 | 通过文献计量分析探讨人工智能在阻塞性睡眠呼吸暂停(OSA)中的应用现状、趋势及未来方向 | 首次使用VOSviewer和Citespace对OSA领域AI应用进行全面的文献计量分析，揭示了研究热点和发展趋势 | 仅基于Web of Science数据库，可能遗漏其他重要文献来源 | 探索人工智能在阻塞性睡眠呼吸暂停领域的应用现状和发展趋势 | 2011-2024年间发表的867篇关于AI在OSA中应用的文献 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 文献计量分析 | NA | 文献数据 | 867篇文献 | NA | NA | NA | NA |
| 14831 | 2025-03-26 |
Artificial intelligence for Brugada syndrome diagnosis and gene variants interpretation
2025, American journal of cardiovascular disease
DOI:10.62347/YQHQ1079
PMID:40124093
|
研究论文 | 本文综述了人工智能在Brugada综合征诊断和基因变异解释中的应用及其优势 | AI能够检测ECG中几乎所有BrS模式，甚至超越专家视觉能力，并在处理复杂数据时发现未分类的基因变异 | NA | 比较AI与训练有素的心脏病专家在BrS诊断中的能力，并探讨AI在BrS基因变异分类中的应用 | Brugada综合征（BrS）及其相关基因变异 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | ECG数据、基因数据 | NA | NA | NA | NA | NA |
| 14832 | 2025-03-26 |
Curvature estimation techniques for advancing neurodegenerative disease analysis: a systematic review of machine learning and deep learning approaches
2025, American journal of neurodegenerative disease
DOI:10.62347/DZNQ2482
PMID:40124352
|
系统综述 | 本文系统评估了用于神经退行性疾病分析的曲率估计技术，包括经典数学方法、机器学习、深度学习和混合方法 | 突出了从经典方法向机器学习和深度学习的转变，特别是神经网络回归和卷积神经网络在复杂几何处理中的优势 | 仅分析了2010年至2023年的105篇研究论文，可能未涵盖早期或最新技术 | 评估曲率估计方法在神经退行性疾病分析中的应用，以支持诊断工具和干预措施的开发 | 神经退行性疾病中的脑结构变化 | 机器学习 | 神经退行性疾病 | 曲率估计技术 | 神经网络回归, CNN | 神经影像数据 | 105篇研究论文 | NA | NA | NA | NA |
| 14833 | 2025-03-26 |
Improved food recognition using a refined ResNet50 architecture with improved fully connected layers
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101005
PMID:40124390
|
research paper | 本研究通过改进的ResNet50架构和全连接层，提高了食物识别的准确性 | 开发了三种ResNet50变体（标准、微调和优化版本），其中带有定制全连接层的优化版本在食物识别任务中表现最佳 | 未明确说明模型在其他食物类别或不同环境下的泛化能力 | 评估食物识别系统在医院和餐厅环境中对人体健康的影响 | 16类食物（分为早餐、午餐和晚餐） | computer vision | NA | 深度学习算法 | ResNet50 | image | 初始12,000张图像，通过数据增强扩展到66,000张 | NA | NA | NA | NA |
| 14834 | 2025-03-26 |
Investigation of a deep learning-based reconstruction approach utilizing dual-view projection for myocardial perfusion SPECT imaging
2025, American journal of nuclear medicine and molecular imaging
IF:2.0Q3
DOI:10.62347/MLFB9278
PMID:40124765
|
研究论文 | 提出一种基于深度学习的双视角投影重建方法，用于心肌灌注SPECT成像，以减少采集时间并实现非旋转成像 | 利用深度学习技术（U-Net）重建双视角投影，减少传统双头SPECT扫描仪的扫描时间和机架旋转需求 | 2D U-Net在轴向连续性上表现略逊于参考图像，3D U-Net虽有所改进但仍存在局部绝对百分比误差 | 优化心肌灌注SPECT成像的采集时间和成像质量 | 心肌灌注SPECT成像 | 数字病理 | 心血管疾病 | SPECT/CT扫描 | U-Net（2D和3D） | 图像 | 116例SPECT/CT扫描（使用Tc-tetrofosmin示踪剂，GE NM/CT 640扫描仪采集） | NA | NA | NA | NA |
| 14835 | 2025-03-26 |
Multimodal deep learning with MUF-net for noninvasive WHO/ISUP grading of renal cell carcinoma using CEUS and B-mode ultrasound
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1558997
PMID:40124951
|
研究论文 | 本研究开发并验证了一种多模态深度学习模型MUF-Net，用于利用术前灰度超声和对比增强超声(CEUS)视频数据对肾细胞癌(RCC)进行无创WHO/ISUP核分级 | 提出了一种新型多模态超声融合网络(MUF-Net)，整合B型和CEUS模态，通过预测权重的加权和来提取和融合图像特征 | 研究为双中心回顾性研究，样本量相对有限(100例患者) | 开发非侵入性肾细胞癌WHO/ISUP核分级方法 | 肾细胞癌患者 | 数字病理 | 肾细胞癌 | CEUS和B型超声 | MUF-Net(多模态深度学习模型) | 超声视频和图像 | 100例患者的6293张超声图像 | NA | NA | NA | NA |
| 14836 | 2025-03-26 |
Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography
2025, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S501316
PMID:40125481
|
研究论文 | 开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜 | 首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD) | 存在少量误分类情况，有7例RD被错误标记为PVD | 提高在超声检查中识别和区分附着于视盘的膜的准确性 | 眼部超声B扫描图像 | 计算机视觉 | 眼科疾病 | 超声检查(USG) | Vision Transformer (ViT) | 图像 | 训练和验证集505个样本，测试集212个样本 | NA | NA | NA | NA |
| 14837 | 2025-03-26 |
[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-0303
PMID:40128957
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14838 | 2025-10-07 |
Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma
2024-12-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81188-2
PMID:39738216
|
研究论文 | 本研究首次利用深度学习分析晚期黑色素瘤患者的CT影像，预测免疫检查点抑制剂治疗结果 | 首次探索基于CT影像的深度学习模型预测晚期黑色素瘤免疫治疗疗效 | 深度学习模型未能显著超越已知临床预测因子，样本量有限且为回顾性研究 | 开发基于CT影像的深度学习模型预测免疫检查点抑制剂治疗反应 | 晚期黑色素瘤成年患者 | 计算机视觉 | 黑色素瘤 | CT成像 | 深度学习模型 | CT影像 | 730名患者，2722个病灶 | NA | NA | AUROC | NA |
| 14839 | 2025-10-07 |
Attention-guided convolutional network for bias-mitigated and interpretable oral lesion classification
2024-12-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81724-0
PMID:39738228
|
研究论文 | 提出一种用于口腔病变分类的注意力引导卷积网络，专注于准确性、可解释性和减少数据集偏差 | 整合分类流、引导流和解剖部位预测流三个组件，通过注意力机制与临床相关区域对齐，提高模型可解释性和抗偏差能力 | 数据来源于单一口腔病理诊所，时间跨度较长(1999-2021)，可能存在选择偏差 | 开发能够准确分类口腔病变并减少数据集偏差的深度学习模型 | 口腔病变图像 | 计算机视觉 | 口腔癌 | 数字图像分析 | CNN | 图像 | 1079名患者的2765张口腔内数字图像，包含16种病变类型 | NA | 注意力引导卷积网络 | 准确率, 平衡准确率, AUC | NA |
| 14840 | 2025-10-07 |
Optimizing VGG16 deep learning model with enhanced hunger games search for logo classification
2024-12-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82022-5
PMID:39738231
|
研究论文 | 提出一种基于VGG16模型并通过增强型饥饿游戏搜索算法优化超参数的深度学习架构EHGS-VGG16，用于logo图像分类 | 将增强型饥饿游戏搜索算法与VGG16模型结合进行超参数优化，在标准HGS算法基础上引入了局部最优和局部逃逸机制来提升探索能力 | 标准HGS算法存在种群多样性受限和易陷入局部最优的问题 | 提升logo图像分类的准确率 | logo图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | Flickr-27 logo分类数据集 | NA | VGG16, ResNet50V2, InceptionV3, DenseNet121, EfficientNetB0, MobileNetV2 | 准确率, 精确率, 召回率 | NA |