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 16601 - 16620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16601 | 2025-10-07 |
Can Focusing on One Deep Learning Architecture Improve Fault Diagnosis Performance?
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02060
PMID:39883649
|
研究论文 | 本研究通过专注于单一深度学习架构探索其在故障诊断中的性能提升 | 采用聚焦单一深度学习架构的研究方法，而非传统多架构比较策略 | 仅使用单一数据集进行验证，未来需要扩展到其他数据集 | 评估专注单一深度学习架构是否能提升故障诊断性能 | 田纳西伊士曼过程数据集 | 机器学习 | NA | 深度学习 | CNN | 过程数据 | NA | NA | 卷积神经网络 | F1-score | NA |
| 16602 | 2025-10-07 |
Assessment of different U-Net backbones in segmenting colorectal adenocarcinoma from H&E histopathology
2025-Feb, Pathology, research and practice
DOI:10.1016/j.prp.2025.155820
PMID:39826493
|
研究论文 | 本研究评估了不同U-Net主干网络在结直肠腺癌组织病理图像分割中的性能 | 比较了多种U-Net变体架构（包括Attention U-Net和不同主干网络的U-Net）在结直肠腺癌分割任务中的表现 | NA | 开发自动系统准确识别结直肠区域的腺癌，实现早期检测和诊断 | 结直肠腺癌组织病理图像 | 数字病理 | 结直肠癌 | H&E染色组织病理学 | CNN | 图像 | NA | NA | U-Net, Attention U-Net, U-Net with ResNet50, U-Net with MobileNet-v2, U-Net with EfficientNetB0, U-Net with DenseNet121 | 准确率 | NA |
| 16603 | 2025-10-07 |
NNFit: A Self-Supervised Deep Learning Method for Accelerated Quantification of High- Resolution Short Echo Time MR Spectroscopy Datasets
2025-Jan-15, Radiology. Artificial intelligence
DOI:10.1148/ryai.230579
PMID:39812584
|
研究论文 | 开发并评估自监督深度学习方法NNFit，用于加速定量高分辨率短回波时间MR波谱数据 | 提出首个自监督深度学习方法用于加速MR波谱定量分析，显著提升计算效率 | 回顾性研究设计，样本量相对有限（89次扫描） | 解决传统波谱定量方法在临床工作流程中的计算瓶颈问题 | 胶质母细胞瘤和重度抑郁症患者的脑部MR波谱数据 | 医学影像分析 | 胶质母细胞瘤, 重度抑郁症 | 短回波时间平面回波波谱成像 | 深度学习 | MR波谱数据 | 89次全脑EPSI/GRAPPA扫描（胶质母细胞瘤试验60次扫描，抑郁症试验29次扫描） | NA | NA | 结构相似性指数, 线性相关系数, Dice系数 | NA |
| 16604 | 2025-10-07 |
Deep Learning Model Using Stool Pictures for Predicting Endoscopic Mucosal Inflammation in Patients With Ulcerative Colitis
2025-Jan-01, The American journal of gastroenterology
DOI:10.14309/ajg.0000000000002978
PMID:39051648
|
研究论文 | 开发了一种使用溃疡性结肠炎患者粪便照片预测内镜下黏膜炎症的深度学习模型 | 首次使用粪便照片通过深度学习模型预测溃疡性结肠炎内镜活动度，提供了一种非侵入性的监测方法 | 直肠豁免病例的预测性能较低，样本量相对有限 | 预测溃疡性结肠炎患者的内镜下黏膜炎症活动度 | 溃疡性结肠炎患者 | 计算机视觉 | 溃疡性结肠炎 | 内镜检查 | 深度学习模型 | 图像 | 训练集：306名患者的2,161张粪便图片；测试集：126名患者的1,047张粪便图片 | NA | NA | AUC, 准确率, 敏感性, 特异性 | NA |
| 16605 | 2025-10-07 |
MUsculo-Skeleton-Aware (MUSA) deep learning for anatomically guided head-and-neck CT deformable registration
2025-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103351
PMID:39388843
|
研究论文 | 提出一种肌肉骨骼感知的深度学习框架，用于头颈部CT图像的解剖学引导形变配准 | 通过多分辨率策略和非均匀形变约束，将复杂形变分解为整体姿态变化和残余精细形变 | NA | 解决头颈部异质组织区域大形变图像配准的挑战 | 头颈部CT图像 | 医学图像处理 | 头颈部疾病 | CT成像 | 深度学习 | CT图像 | NA | NA | 多网络架构 | 配准精度, 形变合理性 | NA |
| 16606 | 2025-10-07 |
A non-local dual-stream fusion network for laryngoscope recognition
2025 Jan-Feb, American journal of otolaryngology
IF:1.8Q2
DOI:10.1016/j.amjoto.2024.104565
PMID:39729791
|
研究论文 | 提出一种基于深度学习的喉镜图像自动分类模型，用于辅助医生诊断喉部疾病 | 首次将ResNet和Transformer的输出特征融合用于喉镜图像分类，采用非局部双流融合网络架构 | NA | 开发能够自动分类喉镜图像的深度学习模型，辅助喉部疾病诊断 | 喉镜图像中的八种喉部状况（正常、声门癌、肉芽肿、Reinke水肿、声带囊肿、白斑、结节和息肉） | 计算机视觉 | 喉部疾病 | 深度学习 | CNN, Transformer | 图像 | 3057张喉镜图像 | NA | ResNet, Transformer | 准确率, 召回率, 特异性, F1分数, AUC | NA |
| 16607 | 2025-10-07 |
AI predictive models and advancements in microdissection testicular sperm extraction for non-obstructive azoospermia: a systematic scoping review
2025, Human reproduction open
IF:8.3Q1
DOI:10.1093/hropen/hoae070
PMID:39764557
|
系统范围综述 | 本文系统回顾了人工智能预测模型在非梗阻性无精子症患者显微睾丸精子提取手术中预测精子获取成功率的研究进展 | 首次系统评估AI模型在NOA患者m-TESE手术精子获取预测中的应用，整合临床、激素、组织病理学和遗传学参数 | 纳入研究存在异质性、潜在发表偏倚、仅使用两个数据库、缺乏荟萃分析进行定量评估 | 评估AI模型预测非梗阻性无精子症患者显微睾丸精子提取手术精子获取准确性的研究现状 | 非梗阻性无精子症患者和相关的AI预测模型研究 | 医疗人工智能 | 男性不育症 | 机器学习，深度学习，逻辑回归 | 机器学习模型，深度学习模型，逻辑回归 | 临床数据，激素水平，组织病理学评估，遗传参数 | 45项符合纳入标准的研究，大多数样本量较小 | NA | NA | 预测准确性，偏倚风险评估 | NA |
| 16608 | 2025-10-07 |
An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model
2024-Mar, Journal of oral & facial pain and headache
IF:1.9Q2
DOI:10.22514/jofph.2024.008
PMID:39788578
|
研究论文 | 提出一种用于三叉神经痛小鼠模型非接触式疼痛评估的深度学习网络 | 构建了客观疼痛分级数据集作为监督信号，并融合静态纹理特征和动态行为特征进行疼痛评估 | NA | 开发三叉神经痛小鼠模型的非接触式疼痛评估方法 | 三叉神经痛小鼠模型 | 计算机视觉 | 三叉神经痛 | 深度学习 | 深度神经网络 | 图像 | NA | NA | TNPAN | 准确率, 泛化能力 | NA |
| 16609 | 2025-10-07 |
Developing predictive precision medicine models by exploiting real-world data using machine learning methods
2024, Journal of applied statistics
IF:1.2Q2
DOI:10.1080/02664763.2024.2315451
PMID:39440239
|
研究论文 | 本研究提出了一种利用真实世界电子健康记录开发预测性精准医学模型的新方法 | 利用大型真实世界数据库中的纵向数据格式预测15项生化检测的未来值，并进行广泛的传统机器学习与深度学习算法性能比较 | NA | 开发预测性精准医学模型，实现个性化医疗 | 电子健康记录中的生化检测数据 | 机器学习 | NA | 生化检测 | 统计机器学习,深度学习 | 电子健康记录 | 大型真实世界数据库 | NA | NA | NA | NA |
| 16610 | 2025-10-07 |
Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study
2023-Nov-11, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-023-00597-0
PMID:37952058
|
研究论文 | 本研究利用深度学习从组织病理学图像预测早期乳腺癌复发风险 | 首次使用深度学习分析H&E染色肿瘤切片图像来预测乳腺癌早期复发，为传统临床标志物提供补充信息 | 样本量相对有限（202名参与者），预测准确率为62.4%仍有提升空间 | 开发基于图像的快速识别早期乳腺癌高复发风险患者的方法 | 乳腺癌患者组织病理学图像 | 数字病理学 | 乳腺癌 | H&E染色，深度学习 | 深度学习模型 | 组织病理学图像 | 202名参与者（101名复发，101名未复发），704张1mm肿瘤核心H&E图像 | NA | NA | 准确率，置信区间 | NA |
| 16611 | 2025-10-07 |
A deep learning model for novel systemic biomarkers in photographs of the external eye: a retrospective study
2023-05, The Lancet. Digital health
DOI:10.1016/S2589-7500(23)00022-5
PMID:36966118
|
研究论文 | 开发一种从外部眼部照片中预测多种系统性生物标志物的深度学习系统 | 首次证明外部眼部照片包含多种器官系统的生物标志物信息，超越了既往仅关注糖尿病视网膜病变的研究范围 | 回顾性研究设计，需要进一步工作验证临床转化价值，验证集与开发数据集存在人群差异 | 验证外部眼部照片是否包含多种系统性疾病的生物标志物信息 | 接受眼部筛查的糖尿病患者和非糖尿病患者 | 计算机视觉 | 多种系统性疾病（肝、肾、骨、甲状腺、血液） | 深度学习 | 深度学习系统 | 外部眼部照片 | 训练集：123,130张图像来自38,398名患者；验证集：25,510名患者 | NA | NA | AUC（受试者工作特征曲线下面积） | NA |
| 16612 | 2025-10-07 |
Semantic segmentation for weed detection in corn
2025-Mar, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8554
PMID:39584373
|
研究论文 | 提出一种结合语义分割和图像处理的新方法，通过分割玉米作物像素来检测杂草 | 采用间接分割方法，通过作物掩码识别杂草，避免了直接检测多种杂草物种的复杂性 | 未明确说明训练数据集的规模和多样性限制 | 开发精确、快速的农田杂草检测方法，支持精准杂草管理 | 玉米田中的杂草检测 | 计算机视觉 | NA | 语义分割，图像处理，知识蒸馏 | 深度学习 | 图像 | NA | NA | DeepLabV3+ | 平均准确率，平均交并比，帧率 | NA |
| 16613 | 2024-09-20 |
Comment on: "Deep learning-based surgical phase recognition in laparoscopic cholecystectomy"
2025-Feb-28, Annals of hepato-biliary-pancreatic surgery
IF:1.1Q3
DOI:10.14701/ahbps.24-149
PMID:39295321
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16614 | 2025-02-14 |
Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging
2025-Feb-13, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0098
PMID:39938896
|
研究论文 | 本文提出了一种使用深度学习同时减少脑部MRI中的噪声和运动伪影的方法 | 通过深度学习模型独立处理T1W、T2W和FLAIR序列，有效去除噪声和运动伪影，且不受成像方向和伪影方向的影响 | 研究仅基于20名健康志愿者的数据，样本量较小，且未涉及真实患者数据 | 提高脑部MRI的临床实用性，通过减少噪声和运动伪影来改善图像质量 | 脑部MRI图像（T1W、T2W和FLAIR序列） | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 20名健康志愿者的脑部MRI图像，模拟生成的115200对图像用于训练、验证和测试 | NA | NA | NA | NA |
| 16615 | 2025-02-14 |
Improved segmentation of hepatic vascular networks in ultrasound volumes using 3D U-Net with intensity transformation-based data augmentation
2025-Feb-13, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03320-2
PMID:39939404
|
研究论文 | 本研究通过引入基于强度变换的数据增强方法，改进了使用3D U-Net进行肝脏血管网络的三维分割 | 提出了基于高对比度和低对比度强度变换的数据增强方法，显著提高了3D U-Net在肝脏血管网络分割中的性能 | 高对比度强度变换的数据增强方法降低了分割准确性，需要进一步优化 | 改进肝脏血管网络的三维分割，以支持超声介导的肝脏疾病诊疗 | 肝脏血管网络 | 计算机视觉 | 肝脏疾病 | 3D U-Net | 3D U-Net | 超声体积数据 | 78个超声体积数据 | NA | NA | NA | NA |
| 16616 | 2025-02-14 |
Analytical Capabilities and Future Perspectives of Chemometrics in Omics for Food Microbial Investigation
2025-Feb-13, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2025.2463430
PMID:39945579
|
综述 | 本文综述了化学计量学在食品微生物研究中的应用、原理及挑战，并探讨了其与多组学和生物信息学结合的未来发展 | 强调了化学计量学在食品微生物组学研究中的潜力，并提出了整合深度学习和人工智能算法以提高分析能力和预测精度的迫切需求 | 选择合适的化学计量工具并进行多组学数据融合分析仍是一个巨大挑战 | 揭示食品微生物在营养和安全中的功能属性和机制 | 食品微生物组 | 生物信息学 | NA | 多组学技术 | 深度学习（DL）和人工智能算法 | 多组学数据 | NA | NA | NA | NA | NA |
| 16617 | 2025-10-07 |
A hitchhiker's guide to deep chemical language processing for bioactivity prediction
2025-Feb-12, Digital discovery
IF:6.2Q1
DOI:10.1039/d4dd00311j
PMID:39726698
|
研究论文 | 本文系统分析深度化学语言处理的关键要素，为生物活性预测提供实用指南 | 首次全面分析化学语言处理中的多种方法组合，提供基于实证的实践建议 | 仅涵盖三种神经网络架构和两种分子表示方法，可能未覆盖所有最新技术 | 为生物活性预测提供深度化学语言处理的实践指南 | 分子字符串表示（SMILES和SELFIES） | 自然语言处理 | NA | 化学语言处理 | 神经网络 | 分子字符串数据 | 十个生物活性数据集 | NA | 三种神经网络架构 | 分类和回归评估指标 | NA |
| 16618 | 2025-10-07 |
Biophysics-guided uncertainty-aware deep learning uncovers high-affinity plastic-binding peptides
2025-Feb-12, Digital discovery
IF:6.2Q1
DOI:10.1039/d4dd00219a
PMID:39882101
|
研究论文 | 结合生物物理建模、证据深度学习与元启发式搜索方法，开发不确定性感知框架以发现高亲和力塑料结合肽 | 首次将生物物理建模数据、证据深度学习的不确定性量化与元启发式搜索相结合，用于塑料结合肽的发现 | 仅针对聚乙烯、聚丙烯和聚苯乙烯三种塑料进行了验证，未涵盖所有塑料类型 | 开发高效发现高亲和力塑料结合肽的计算框架，用于微塑料环境修复 | 塑料结合肽（PBPs） | 机器学习 | NA | 分子动力学模拟，PepBD算法 | 证据深度学习 | 生物物理建模数据 | 超过10^12种12聚肽的组合空间 | NA | NA | 吸附自由能 | NA |
| 16619 | 2025-02-14 |
A Deep-Learning Approach for Vocal Fold Pose Estimation in Videoendoscopy
2025-Feb-12, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01431-8
PMID:39939476
|
研究论文 | 本文提出了一种深度学习框架，用于从临床实践中获取的喉镜视频帧中估计声带姿态，以辅助诊断喉部疾病 | 该框架通过热图回归依赖三个解剖学相关的关键点作为前声门角度（AGA）计算的先验，克服了现有算法在病理图像、噪声和遮挡等挑战性图像中的缺点 | NA | 开发一种深度学习框架，用于从喉镜视频帧中准确估计声带姿态，以辅助诊断喉部疾病 | 声带姿态估计 | 计算机视觉 | 喉部疾病 | 深度学习 | 热图回归 | 视频帧 | 124名患者的471张喉镜帧，其中28名患者患有癌症 | NA | NA | NA | NA |
| 16620 | 2025-02-14 |
Multifactor prediction model for stock market analysis based on deep learning techniques
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88734-6
PMID:39934296
|
研究论文 | 本文提出了一种基于深度学习的多因素预测模型，用于分析股票市场的稳定性 | 使用sigmoid深度学习范式构建了一个基于矛盾因素的稳定性预测模型，能够识别不同影响因素对股票市场稳定性的影响 | 未提及具体的数据集或实验验证结果，可能缺乏实际应用的验证 | 研究股票市场的稳定性预测，以提高预测精度和识别市场突变 | 股票市场的稳定性及其影响因素 | 机器学习 | NA | 深度学习 | sigmoid深度学习模型 | 股票市场数据 | 未提及具体样本数量 | NA | NA | NA | NA |