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 15441 - 15460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15441 | 2025-10-07 |
Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts
2024-May-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.04.578829
PMID:38370641
|
研究论文 | 本研究使用卷积神经网络分析扩散加权MRI数据，进行脑龄预测和痴呆分类，并在印度和北美人群中验证模型性能 | 首次将扩散加权MRI作为输入数据用于脑龄分析和痴呆分类，并采用3D CycleGAN方法进行数据集协调 | 研究样本主要来自特定人群（北美和印度），可能限制模型的普适性 | 开发基于深度学习的脑龄预测和阿尔茨海默病分类模型 | 阿尔茨海默病患者和健康对照者的大脑MRI数据 | 医学影像分析 | 阿尔茨海默病 | 扩散加权MRI，T1加权MRI | CNN, CycleGAN | 3D医学影像 | 来自ADNI（北美）和NIMHANS（印度）两个队列的样本 | NA | 3D CycleGAN, 卷积神经网络 | 分类性能指标 | NA |
| 15442 | 2025-10-07 |
Cross noise level PET denoising with continuous adversarial domain generalization
2024-Apr-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad341a
PMID:38484401
|
研究论文 | 本文提出一种基于连续对抗域泛化的PET图像去噪方法，能够有效处理不同噪声水平的PET图像 | 首次从域泛化角度解决跨噪声水平去噪性能下降问题，提出使用连续判别器的对抗训练方法 | 研究仅基于特定tau PET数据集，在其他类型PET数据上的泛化能力需进一步验证 | 解决PET图像在不同噪声水平下的去噪泛化问题 | 97F-MK6240 tau PET研究中的60名受试者 | 医学图像处理 | 阿尔茨海默病 | PET成像 | GAN, UNet | 3D医学图像 | 60名受试者，生成1940对3D图像体积（训练1400对，验证120对，测试420对） | NA | 3D UNet | bias, standard deviation, SSIM, PSNR | NA |
| 15443 | 2025-10-07 |
Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach
2024-Feb-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.09.579600
PMID:38405889
|
研究论文 | 本研究提出一种可解释的多模型深度学习方法，用于识别精神分裂症的重要EEG生物标志物 | 提出(1)基于特征交互的可解释性方法和(2)多模型解释汇总的新方法，通过分析训练集和测试集解释来提取可泛化的见解 | NA | 识别精神分裂症的可重现EEG生物标志物 | 精神分裂症患者的脑电图数据 | 机器学习 | 精神分裂症 | 脑电图频谱功率分析 | 深度学习 | EEG频谱功率数据 | NA | NA | NA | NA | NA |
| 15444 | 2025-10-07 |
Clinically Applicable Pan-Origin Cancer Detection for Lymph Nodes via Artificial Intelligence-Based Pathology
2024, Pathobiology : journal of immunopathology, molecular and cellular biology
IF:3.5Q1
DOI:10.1159/000539010
PMID:38718783
|
研究论文 | 开发了一种基于人工智能的全癌种淋巴结转移检测系统 | 提出首个适用于多器官来源的淋巴结癌转移检测系统，能够在49-52种不同器官来源的样本中保持稳定性能 | 未提及模型在罕见癌症类型或特殊病理亚型上的表现 | 开发临床适用的全癌种淋巴结转移人工智能检测系统 | 淋巴结组织切片 | 数字病理学 | 多器官癌症 | 全玻片图像分析 | 深度学习模型 | 病理图像 | 训练集700+张WSI，测试集2,453张WSI（来自两个医疗中心） | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 15445 | 2025-10-07 |
SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images
2024-Jan, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104908
PMID:38101298
|
研究论文 | 提出一种名为SAMPLER的无监督快速方法，用于生成全切片组织图像的幻灯片级别表示 | 通过编码多尺度图块级特征的累积分布函数生成幻灯片级别表示，无需监督训练和复杂的注意力模块优化 | 未明确说明方法在更广泛疾病类型或数据集的泛化能力 | 开发无监督的快速方法用于全切片组织图像分析 | 乳腺癌、非小细胞肺癌和肾细胞癌的全切片图像 | 数字病理学 | 多种癌症（乳腺癌、非小细胞肺癌、肾细胞癌） | H&E染色全切片图像分析 | 无监督表示学习方法 | 全切片组织图像 | 来自癌症基因组图谱的乳腺癌、非小细胞肺癌和肾细胞癌WSI样本 | NA | 基于累积分布函数编码的统计方法 | AUC | NA |
| 15446 | 2025-03-12 |
Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning
2024-Jan, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104933
PMID:38103513
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15447 | 2025-10-07 |
Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients
2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2023.01.015
PMID:36754100
|
研究论文 | 开发基于视频的深度学习算法EchoNet-Peds，用于自动化评估儿科患者的左心室射血分数 | 首个专门针对儿科人群的大规模超声心动图数据集和深度学习算法，在儿科EF评估上显著优于成人模型 | 仅针对儿科患者开发，可能不适用于成人群体 | 开发儿科专用的自动化左心室功能评估算法 | 儿科患者的超声心动图视频 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 视频 | 4,467例儿科超声心动图 | NA | EchoNet-Peds | Dice相似系数, 平均绝对误差, AUC | NA |
| 15448 | 2025-03-11 |
In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning
2025-Aug-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127762
PMID:39999584
|
研究论文 | 本研究开发了一种基于拉曼光谱的原位动态校正方法，用于优化和校正激光诱导击穿光谱（LIBS）动态烧蚀过程中的波动特性 | 结合拉曼光谱和深度学习建模，设计了原位在线反馈校正系统，显著提高了LIBS等离子体温度的分类模型性能 | NA | 提高LIBS作为高精度分析工具的性能 | 金属样品的连续LIBS烧蚀过程 | 机器学习和光谱分析 | NA | 拉曼光谱和激光诱导击穿光谱（LIBS） | 深度卷积神经网络（CNN） | 光谱数据 | NA | NA | NA | NA | NA |
| 15449 | 2025-10-07 |
Two algorithms for improving model-based diagnosis using multiple observations and deep learning
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107185
PMID:39862533
|
研究论文 | 本文提出了两种结合多观测数据和深度学习的模型诊断算法，显著提升了诊断准确率和计算效率 | 首次将多观测数据集成到基于模型的诊断中，并设计了缓存机制消除冗余计算 | 仅在模拟三罐模型上进行实验验证，未在真实复杂系统中测试 | 提升基于模型诊断的准确率和计算效率 | 复杂系统的故障诊断 | 机器学习 | NA | 深度学习 | NA | 多观测数据 | NA | NA | NA | 诊断准确率, 计算时间 | NA |
| 15450 | 2025-10-07 |
Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107152
PMID:39874821
|
研究论文 | 提出一种基于SNR估计的动态权重调制端点感知音视频语音增强系统 | 通过SNR估计模块动态调整音视频端点信息权重，解决高信噪比环境下冗余信息导致的性能下降问题 | 未明确说明具体的数据集规模和实验环境限制 | 提升音视频语音增强系统在不同噪声环境下的性能 | 音视频语音信号 | 语音增强 | NA | 深度学习，注意力机制 | 端点感知网络(EANet) | 音频，视频 | 基准数据集（未明确具体数量） | NA | 端点感知网络(EANet) | 语音质量，语音可懂度 | NA |
| 15451 | 2025-10-07 |
Multi-knowledge informed deep learning model for multi-point prediction of Alzheimer's disease progression
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107203
PMID:39922154
|
研究论文 | 提出一种融合多知识信息的深度学习模型Mul-KMPP，用于阿尔茨海默病多时间点进展预测 | 提出双路径方法提取全局和局部脑特征，结合AAL解剖知识设计诊断模块，并创建包含诊断损失、预测损失和一致性损失的复合损失函数 | NA | 准确预测阿尔茨海默病的进展过程 | 老年人阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习 | 图像 | 819个样本 | NA | Mul-KMPP | 准确率, 敏感度, 特异度, AUC | NA |
| 15452 | 2025-10-07 |
Spiking-PhysFormer: Camera-based remote photoplethysmography with parallel spike-driven transformer
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107128
PMID:39817982
|
研究论文 | 提出了一种基于脉冲神经网络的混合神经网络模型Spiking-PhysFormer，用于从面部视频中测量心脏活动和生理信号 | 首次将脉冲神经网络引入远程光电容积描记技术领域，设计了并行脉冲驱动变压器块和简化的脉冲自注意力机制 | NA | 开发能效更高的远程生理信号测量方法，降低移动设备部署的计算资源需求 | 面部视频中的脉搏波、心率和呼吸率等生理信号 | 计算机视觉 | 心血管疾病 | 远程光电容积描记技术 | 混合神经网络,SNN,Transformer | 视频 | 四个数据集：PURE、UBFC-rPPG、UBFC-Phys和MMPD | NA | Spiking-PhysFormer，包含ANN补丁嵌入块、SNN变压器块和ANN预测头 | 功耗降低百分比，性能保持度 | NA |
| 15453 | 2025-10-07 |
Automatic visual detection of activated sludge microorganisms based on microscopic phase contrast image optimisation and deep learning
2025-Apr, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13385
PMID:39846854
|
研究论文 | 提出基于显微相差图像优化和深度学习的活性污泥微生物自动视觉检测方法 | 提出基于融合方差的相差图像质量优化算法、轻量级YOLOv8n-SimAM模型和IW-IoU损失函数 | NA | 实现活性污泥微生物的快速准确检测 | 活性污泥中的八种微生物 | 计算机视觉 | NA | 显微相差成像 | YOLOv8 | 显微相差图像 | 包含八种微生物的数据集（具体数量未提及） | NA | YOLOv8n-SimAM | 检测精度, 运行速度 | NA |
| 15454 | 2025-10-07 |
Automated Euler number of the alveolar capillary network based on deep learning segmentation with verification by stereological methods
2025-Apr, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13390
PMID:39887731
|
研究论文 | 本研究开发基于深度学习的自动化方法用于肺泡毛细血管网络的图像分割和定量分析 | 首次将2D深度学习方法应用于SBF-SEM数据的肺泡毛细血管网络分割，并与传统体视学方法进行验证比较 | 训练数据量有限，采用2D而非3D分割方法，分析数据量不足以获得BPD诱导的ACN改变的代表性数据 | 开发自动化的肺泡毛细血管网络定量分析方法 | 肺泡毛细血管网络 | 数字病理学 | 支气管肺发育不良 | 连续块面扫描电子显微镜 | 深度学习 | 电子显微镜图像 | 有限数量的SBF-SEM数据 | NA | NA | 分割质量评估，结果可靠性验证 | NA |
| 15455 | 2025-03-11 |
Accelerating polymer self-consistent field simulation and inverse DSA-lithography with deep neural networks
2025-Mar-14, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0255288
PMID:40062757
|
研究论文 | 本文提出了一种基于深度学习的方法，用于加速自洽场理论（SCFT）模拟，并通过深度神经网络（DNN）直接映射早期SCFT结果到平衡结构，显著减少了模拟时间 | 通过深度神经网络直接映射早期SCFT结果到平衡结构，避免了耗时的SCFT迭代，显著提高了模拟效率 | 需要生成训练数据集，且训练网络的成本可能较高 | 加速自洽场理论（SCFT）模拟，提高计算效率 | 嵌段共聚物（BCP）自组装 | 机器学习 | NA | 深度神经网络（DNN） | DNN | 模拟数据 | NA | NA | NA | NA | NA |
| 15456 | 2025-10-07 |
AI-Driven Drug Discovery for Rare Diseases
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01966
PMID:39689164
|
综述 | 探讨人工智能在罕见病药物发现领域的应用潜力与最新进展 | 系统阐述AI技术如何通过药物重定位、生物标志物发现等方法突破传统药物研发模式，填补罕见病研究领域的文献空白 | 作为综述文章，未涉及具体实验验证和原始数据 | 加速罕见病的治疗开发并改善患者预后 | 罕见病及其治疗方法的开发 | 机器学习 | 罕见病 | 机器学习(ML), 深度学习(DL) | NA | NA | 全球3亿患者（基于流行病学数据） | NA | NA | NA | NA |
| 15457 | 2025-03-11 |
Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision
2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.14041
PMID:40055947
|
研究论文 | 本研究探讨了使用智能手机摄像头和深度学习模型生成的全牙弓种植体扫描的准确性 | 结合智能手机视频和深度学习模型生成全牙弓种植体扫描，展示了与口腔内扫描仪相似的准确性 | 该方法的准确性尚不足以用于临床应用 | 研究智能手机摄像头和深度学习模型生成全牙弓种植体扫描的准确性 | 上颌无牙模型上的6个种植体和扫描体 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 视频 | 10次重复实验 | NA | NA | NA | NA |
| 15458 | 2025-03-11 |
Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT
2025-Mar-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8730
PMID:40054878
|
系统综述与荟萃分析 | 本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析 | 本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性 | 研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性 | 评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果 | 儿童头部CT扫描 | 医学影像 | 儿科疾病 | CT扫描、迭代重建技术 | NA | 医学影像数据 | 20项研究 | NA | NA | NA | NA |
| 15459 | 2025-10-07 |
Impact of Downsampling Size and Interpretation Methods on Diagnostic Accuracy in Deep Learning Model for Breast Cancer Using Digital Breast Tomosynthesis Images
2025-Mar-06, The Tohoku journal of experimental medicine
DOI:10.1620/tjem.2024.J071
PMID:39048348
|
研究论文 | 研究下采样尺寸和图像插值方法对基于数字乳腺断层摄影的深度学习模型诊断准确性的影响 | 首次系统评估不同下采样尺寸和五种插值方法对乳腺癌症诊断深度学习模型性能的影响 | 回顾性研究，样本量相对有限（499例患者） | 优化深度学习模型的预处理步骤以提高乳腺癌症诊断准确性 | 接受乳腺断层摄影检查的患者 | 计算机视觉 | 乳腺癌 | 数字乳腺断层摄影 | 深度学习模型 | 医学图像 | 499例患者（29-90岁，平均50.5岁） | NA | NA | AUC, 95%置信区间 | NA |
| 15460 | 2025-10-07 |
Multimodal optimal matching and augmentation method for small sample gesture recognition
2025-Mar-06, Bioscience trends
IF:5.7Q1
DOI:10.5582/bst.2024.01370
PMID:39864830
|
研究论文 | 提出一种用于小样本手势识别的多模态最优匹配与增强方法，通过结合运动信息和表面肌电信号实现仅需单次采集的高效手势识别 | 引入运动信息到基于表面肌电信号的手势识别中，提出多模态最优匹配信号选择模块和相似度计算增强模块，显著减少数据采集需求 | 方法在特定患者群体和数据集上验证，通用性有待进一步验证 | 提高小样本手势识别的准确率并减少数据采集负担 | 手势识别，特别是针对非健康用户的手势识别 | 人机交互 | 中风 | 表面肌电信号(sEMG)，运动信息 | 深度学习模型 | 生理信号数据，多模态数据 | 自收集中风患者数据，Ninapro DB1数据集，Ninapro DB5数据集 | NA | 多模态最优匹配信号选择模块，相似度计算增强模块，模态类型嵌入模块 | 准确率 | NA |