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 15181 - 15200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15181 | 2025-03-19 |
Deep Learning-Assisted Triboelectric Sensor for Complex Gesture Recognition
2025-Mar-11, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c10150
PMID:40092790
|
研究论文 | 本文提出了一种基于人工智能的手势识别系统，结合摩擦电传感器、Arduino信号处理模块和深度学习模块，用于复杂手势识别 | 将摩擦电技术与深度学习相结合，特别是使用一维卷积神经网络（CNN），实现了超过95%的12种不同手势识别准确率 | 未提及具体样本量或实验场景的局限性 | 开发一种灵活、高效且准确的手势识别系统，以满足物联网和5G技术的需求 | 手势识别系统 | 机器学习 | NA | 摩擦电传感器技术 | 一维卷积神经网络（CNN） | 传感器信号 | NA | NA | NA | NA | NA |
| 15182 | 2025-03-19 |
DDCSR: A Novel End-to-End Deep Learning Framework for Cortical Surface Reconstruction from Diffusion MRI
2025-Mar-05, ArXiv
PMID:40093365
|
研究论文 | 本文提出了一种名为DDCSR的端到端深度学习框架，用于从扩散MRI数据直接进行皮质表面重建 | 首次实现了直接从扩散MRI数据进行皮质表面重建，克服了传统方法依赖T1加权数据和跨模态配准的局限性 | 未提及具体的样本量或数据来源的多样性限制 | 提高从扩散MRI数据进行皮质表面重建的准确性和效率 | 扩散MRI数据 | 数字病理学 | NA | 扩散MRI | 深度学习框架 | MRI图像 | NA | NA | NA | NA | NA |
| 15183 | 2025-03-19 |
Measurement noise scaling laws for cellular representation learning
2025-Mar-04, ArXiv
PMID:40093368
|
研究论文 | 本文探讨了测量噪声对深度学习模型性能的影响，并提出了一个信息论指标来评估细胞表示模型的质量 | 首次将测量噪声作为性能扩展轴，并发现其遵循独特的对数规律，同时提出了一个通用的信息论指标来评估模型质量 | 研究主要基于生物单细胞基因组数据，虽然结果在图像分类模型中也有体现，但尚未广泛验证于其他领域 | 研究测量噪声对深度学习模型性能的影响，并探索其在数据生成和整理中的指导作用 | 生物单细胞基因组数据和图像分类模型 | 机器学习 | NA | 单细胞基因组学 | 表示学习模型 | 基因组数据和图像数据 | 多个数据集，具体样本数量未明确 | NA | NA | NA | NA |
| 15184 | 2025-10-07 |
Whole Slide Imaging, Artificial Intelligence, and Machine Learning in Pediatric and Perinatal Pathology: Current Status and Future Directions
2025 Mar-Apr, Pediatric and developmental pathology : the official journal of the Society for Pediatric Pathology and the Paediatric Pathology Society
IF:1.3Q3
DOI:10.1177/10935266241299073
PMID:39552500
|
综述 | 概述人工智能和机器学习在儿科及围产期病理学中应用的最新进展与挑战 | 聚焦儿科和发育病理学这一专业领域，探讨WSI与AI结合在胎盘病理标准化和发育尸检等特殊诊断挑战中的创新应用 | 临床实验室整合WSI-AI面临证据质量、监管适应、临床评估和安全考虑等挑战 | 探讨人工智能在儿科和发育病理学中的应用现状与未来方向 | 儿科病理学标本的全切片图像 | 数字病理学 | 儿科疾病 | 全切片成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 15185 | 2025-10-07 |
CryoSamba: Self-supervised deep volumetric denoising for cryo-electron tomography data
2025-Mar, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2024.108163
PMID:39710216
|
研究论文 | 提出一种用于冷冻电子断层扫描数据的自监督深度学习体积去噪方法CryoSamba | 通过深度学习插值对运动补偿的相邻平面进行平均来模拟增加曝光，无需预记录图像、合成数据、标签或噪声模型 | NA | 开发冷冻电子断层扫描数据的去噪方法以改善图像质量 | 冷冻电子断层扫描数据中的亚细胞结构 | 计算机视觉 | NA | 冷冻电子断层扫描 | 深度学习 | 3D体积数据 | NA | NA | NA | 傅里叶壳层相关性分析 | NA |
| 15186 | 2025-03-19 |
Real-time quantification of activated sludge concentration and viscosity through deep learning of microscopic images
2025-Mar, Environmental science and ecotechnology
IF:14.0Q1
DOI:10.1016/j.ese.2025.100527
PMID:40083746
|
研究论文 | 本文介绍了一种通过深度学习分析显微镜图像实时量化活性污泥浓度和粘度的系统 | 创新点在于使用Xception卷积神经网络架构，从显微镜图像中实时定量识别活性污泥的混合液悬浮固体（MLSS）和表观粘度 | 研究仅在实验室规模的序批式反应器中进行，尚未在实际废水处理厂中验证 | 研究目的是开发一种实时在线测量活性污泥参数的方法，以支持未来智能废水处理厂的运行 | 研究对象是活性污泥的混合液悬浮固体（MLSS）和表观粘度 | 计算机视觉 | NA | 深度学习 | Xception卷积神经网络 | 显微镜图像 | 41482张高质量图像 | NA | NA | NA | NA |
| 15187 | 2025-03-19 |
Explainable deep learning algorithm for identifying cerebral venous sinus thrombosis-related hemorrhage (CVST-ICH) from spontaneous intracerebral hemorrhage using computed tomography
2025-Mar, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103128
PMID:40093990
|
研究论文 | 本研究开发了一种可解释的深度学习模型，用于基于非增强计算机断层扫描（NCCT）快速识别由脑静脉窦血栓形成（CVST）引起的脑出血（ICH） | 提出了一种基于迁移学习的3D U-Net模型，结合分割和分类，仅使用入院时的平扫CT进行CVST-ICH的识别，并采用多种可解释性方法（如Grad-CAM++、SHAP、IG和遮挡）来理解模型的注意力 | 需要更大样本量的前瞻性验证 | 开发一种可解释的深度学习模型，用于快速识别CVST-ICH与自发性脑出血（sICH） | CVST-ICH患者和自发性脑出血（sICH）患者 | 数字病理学 | 脑静脉窦血栓形成（CVST） | 非增强计算机断层扫描（NCCT） | 3D U-Net | CT图像 | 内部数据集包括102名CVST-ICH患者和306名sICH患者，外部数据集包括38名CVST-ICH患者和119名sICH患者 | NA | NA | NA | NA |
| 15188 | 2025-03-19 |
Deep learning-based model for prediction of early recurrence and therapy response on whole slide images in non-muscle-invasive bladder cancer: a retrospective, multicentre study
2025-Mar, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103125
PMID:40093987
|
研究论文 | 本研究旨在开发和验证基于深度学习的早期复发预测模型（ERPM）和治疗反应预测模型（TRPM），以辅助非肌层浸润性膀胱癌（NMIBC）患者的临床决策 | 首次在NMIBC患者中开发并验证了基于全切片图像的深度学习模型，用于预测早期复发和治疗反应 | 研究为回顾性研究，需要进一步的前瞻性验证 | 开发并验证基于深度学习的预测模型，以辅助NMIBC患者的临床决策 | 非肌层浸润性膀胱癌（NMIBC）患者 | 数字病理学 | 膀胱癌 | 深度学习 | 多实例学习和集成学习模型 | 全切片图像（H&E染色和免疫组化染色） | 1275名患者的4395张全切片图像 | NA | NA | NA | NA |
| 15189 | 2025-10-07 |
Intratumoral and Peritumoral Radiomics for Predicting the Prognosis of High-grade Serous Ovarian Cancer Patients Receiving Platinum-Based Chemotherapy
2025-02, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.001
PMID:39289095
|
研究论文 | 开发深度学习模型通过肿瘤内和瘤周影像组学预测高级别浆液性卵巢癌患者铂类化疗预后 | 首次结合肿瘤内和瘤周区域的影像组学特征，通过不同输入配置（包括1像素和3像素瘤周扩展）优化预后预测模型 | 回顾性研究设计，样本量相对有限（外部测试集仅26例） | 预测高级别浆液性卵巢癌患者接受铂类化疗后的生存结局 | 高级别浆液性卵巢癌患者 | 数字病理 | 卵巢癌 | CT扫描 | 深度学习 | 医学影像 | 474例患者（训练集362例，内部测试集86例，外部测试集26例） | NA | NA | 风险比, ROC曲线, KM生存分析 | NA |
| 15190 | 2025-10-07 |
Exploring Deep Learning Applications using Ultrasound Single View Cines in Acute Gallbladder Pathologies: Preliminary Results
2025-02, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.061
PMID:39306521
|
研究论文 | 本研究开发了一种基于超声单视图动态图像的深度学习模型，用于区分正常胆囊、非紧急胆石症和需要紧急干预的急性结石性胆囊炎 | 首次使用易于获取的超声单视图动态图像开发深度学习模型，实现胆囊急症的自动分类 | 初步研究，样本量有限（186名患者），仅使用单视图图像 | 开发能够区分不同胆囊病理状态的深度学习模型 | 急诊科右上腹痛患者的胆囊超声动态图像 | 计算机视觉 | 胆囊疾病 | 超声成像 | 深度学习 | 超声动态图像 | 186名患者，266个动态图像序列（正常104个，非紧急胆石症88个，急性胆囊炎74个） | NA | NA | 准确率, 特异性 | NA |
| 15191 | 2025-10-07 |
Deep Learning-Based Assessment of Lip Symmetry for Patients With Repaired Cleft Lip
2025-Feb, The Cleft palate-craniofacial journal : official publication of the American Cleft Palate-Craniofacial Association
DOI:10.1177/10556656241312730
PMID:39838936
|
研究论文 | 提出基于深度学习的方法自动评估修复后唇裂患者的唇部对称性 | 使用对比学习量化唇部对称性，无需患者图像训练，通过面部图像变换模拟唇裂不对称性 | 模型性能仍有提升空间，与专家评估的相关性为中等水平 | 开发自动化唇部对称性评估工具以评估唇裂修复手术效果 | 修复后唇裂患者 | 计算机视觉 | 唇裂 | 深度学习，对比学习 | 深度学习模型 | 图像，视频帧 | 146张修复后唇裂患者图像 | NA | 对比学习模型 | 加权准确率，皮尔逊相关系数 | NA |
| 15192 | 2025-03-19 |
Non-invasive Assessment of Coronary Artery Disease: The Role of AI in the Current Status and Future Directions
2025-Feb, Cureus
DOI:10.7759/cureus.78994
PMID:40091936
|
研究论文 | 本文探讨了人工智能在非侵入性冠状动脉疾病评估中的当前应用和未来发展方向 | 强调了人工智能，特别是深度学习和自然语言处理技术，在提高非侵入性冠状动脉疾病评估诊断准确性和临床效率方面的革命性潜力 | 人工智能的广泛应用面临数据隐私、高计算成本和资源分配不均等关键挑战 | 研究目的是探索人工智能在非侵入性冠状动脉疾病评估中的应用及其未来发展方向 | 冠状动脉疾病（CAD）患者 | 自然语言处理 | 心血管疾病 | 深度学习，自然语言处理 | NA | NA | NA | NA | NA | NA | NA |
| 15193 | 2025-10-07 |
A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits
2025-Jan-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.07.602397
PMID:39026759
|
研究论文 | 本文开发了一种可微分的Gillespie算法，用于模拟化学反应动力学、参数估计和合成生物电路设计 | 通过深度学习技术开发了完全可微分的Gillespie算法变体，能够使用反向传播计算梯度 | NA | 开发可微分的随机模拟算法用于化学反应网络分析和合成生物学设计 | 化学反应网络、基因启动子模型、合成生物电路 | 机器学习 | NA | 可微分模拟、梯度下降 | NA | 模拟数据、mRNA表达水平测量数据 | NA | 深度学习框架 | NA | 参数估计准确性、设计目标达成度 | NA |
| 15194 | 2025-10-07 |
The Pfam protein families database: embracing AI/ML
2025-Jan-06, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae997
PMID:39540428
|
研究论文 | 介绍Pfam蛋白质家族数据库的最新进展，包括与InterPro的整合、结构分类协调以及利用人工智能技术扩展家族覆盖范围 | 整合AlphaFold结构预测优化域边界识别，开发基于深度学习的Pfam-N将UniProtKB覆盖度提升8.8% | 仍有许多蛋白质家族尚未完成分类，蛋白质宇宙的全面覆盖仍需持续努力 | 通过人工智能技术改进蛋白质家族数据库的覆盖度和准确性 | 蛋白质结构域和家族数据库 | 生物信息学 | NA | 深度学习, 大规模序列相似性分析 | 深度学习模型 | 蛋白质序列, 结构数据 | NA | NA | NA | UniProtKB覆盖度提升率 | NA |
| 15195 | 2025-10-07 |
Preoperative Prediction of Axillary Lymph Node Metastasis in Patients With Breast Cancer Through Multimodal Deep Learning Based on Ultrasound and Magnetic Resonance Imaging Images
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.07.029
PMID:39107188
|
研究论文 | 基于超声和磁共振成像的多模态深度学习模型预测乳腺癌患者腋窝淋巴结转移 | 首次结合超声和磁共振成像构建多模态深度学习模型，并整合临床参数提升预测性能 | 回顾性研究设计，样本量相对有限（588例患者） | 术前预测乳腺癌患者腋窝淋巴结转移状态 | 经组织学确诊的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 超声成像, 磁共振成像 | CNN | 图像 | 588例乳腺癌患者（主要队列465例，外部验证队列123例） | NA | 卷积神经网络 | AUC, 决策曲线分析 | NA |
| 15196 | 2025-10-07 |
A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.07.039
PMID:39107191
|
研究论文 | 开发基于深度学习的全自动框架，仅使用头部非增强CT扫描预测脑出血患者的血肿扩张 | 提出首个完全基于临床非增强CT扫描的全自动深度学习框架，用于预测脑出血血肿扩张，性能优于常用的BAT评分 | 研究为回顾性和前瞻性混合设计，需要进一步多中心验证 | 开发脑出血血肿扩张的预测工具 | 脑出血患者 | 医学影像分析 | 脑出血 | 非增强CT扫描 | 深度学习 | 医学影像 | 回顾性数据集2484例（84个中心），前瞻性数据集500例（26个中心） | NA | 两阶段框架 | AUC, 敏感性, 特异性 | NA |
| 15197 | 2025-10-07 |
Comparative Analysis of the Diagnostic Value of S-Detect Technology in Different Planes Versus the BI-RADS Classification for Breast Lesions
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.005
PMID:39138111
|
研究论文 | 比较S-Detect技术在不同平面与BI-RADS分类对乳腺病变的诊断价值 | 首次系统评估S-Detect在不同超声平面（径向和反径向）的诊断一致性及其影响因素 | 回顾性研究设计，样本仅来自单一机构 | 评估S-Detect在不同平面的诊断性能并分析诊断不一致性的影响因素 | 711名患者的756个乳腺病变 | 计算机辅助诊断 | 乳腺疾病 | 超声成像 | 深度学习 | 超声图像 | 756个乳腺病变（来自711名患者） | NA | S-Detect | 准确率,AUC | NA |
| 15198 | 2025-10-07 |
Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.035
PMID:39261231
|
综述 | 本文综述了磁共振影像组学和机器学习在软组织肉瘤分级诊断中的研究现状 | 整合语义影像特征、影像组学特征和深度学习特征，并结合肿瘤体积和瘤周区域特征，展示了优于单一特征源的预测性能 | NA | 通过影像组学、机器学习和深度学习预测软组织肉瘤的恶性程度分级 | 软组织肉瘤 | 医学影像分析 | 软组织肉瘤 | 磁共振成像 | 机器学习,深度学习 | T2加权图像,对比增强T1加权图像,DWI/ADC图 | NA | NA | 随机森林,支持向量机 | AUC,准确率 | NA |
| 15199 | 2025-10-07 |
Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.018
PMID:39294053
|
研究论文 | 评估基于深度学习的去噪算法在神经放射学创伤CT扫描中实现25%辐射剂量下保持诊断质量的能力 | 首次系统评估深度学习去噪算法在神经放射学创伤急诊CT中实现75%辐射剂量减少的同时保持完整诊断能力 | 单中心回顾性研究，样本量有限(100例患者)，缺乏多中心验证 | 评估深度学习去噪算法在降低神经放射学创伤CT扫描辐射剂量方面的能力 | 100例神经放射学创伤患者的CT扫描数据 | 医学影像分析 | 神经放射学创伤 | 计算机断层扫描(CT) | 深度学习去噪算法 | 医学影像(CT扫描) | 100例患者 | NA | NA | 主观图像质量评分,客观噪声分析,贝叶斯敏感性和特异性,临床终点分析 | NA |
| 15200 | 2025-10-07 |
Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.028
PMID:39294054
|
研究论文 | 开发并验证基于CT影像的深度学习模型，用于肺癌病理分级和预后评估 | 首次将MobileNetV3架构应用于肺癌病理分级和预后评估，并在多个外部验证队列中验证模型性能 | 样本量相对有限，仅包含非小细胞肺癌病例 | 为外科医生提供非侵入性工具以指导手术规划 | 肺癌患者 | 数字病理 | 肺癌 | CT成像 | 深度学习 | 医学影像 | 总796例（NLST队列572例，外部验证224例） | NA | MobileNetV3 | 准确率, 敏感度, 特异度, AUC | NA |