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 33776 篇文献，本页显示第 16721 - 16740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16721 | 2025-10-07 |
Deep Learning Initialized Compressed Sensing (Deli-CS) in Volumetric Spatio-Temporal Subspace Reconstruction
2023-Mar-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.28.534431
PMID:37034586
|
研究论文 | 提出深度学习初始化压缩感知方法加速容积时空MRI重建 | 结合深度学习与压缩感知，通过DL生成初始点来启动迭代重建，减少重建时间同时控制计算资源需求 | 需要验证在更广泛数据集上的泛化能力，未明确说明训练数据规模 | 减少MRI重建时间同时限制深度学习引起的伪影风险 | 容积多轴螺旋投影磁共振指纹成像数据 | 医学影像分析 | NA | 磁共振成像，螺旋投影采集 | 深度学习 | k空间数据，MRI图像 | NA | GPU实现 | NA | 重建质量，重建时间，迭代次数 | GPU内存4.7 GB |
| 16722 | 2025-10-07 |
Control of hybrid electromagnetic bearing and elastic foil gas bearing under deep learning
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0243107
PMID:33264358
|
研究论文 | 本研究基于径向基函数神经网络探索混合电磁和弹性箔气体轴承的控制方法以提高其工作稳定性 | 将PID控制器改进为IPD和CIPD控制器，并首次将基于深度学习的RBF神经网络应用于混合轴承系统的控制 | 仅通过Simulink仿真平台进行控制仿真研究，缺乏实际物理实验验证 | 提高混合电磁和弹性箔气体轴承的工作稳定性 | 混合电磁和弹性箔气体轴承系统 | 机器学习 | NA | Simulink仿真 | RBF神经网络 | 仿真数据 | NA | Simulink | 径向基函数神经网络 | 响应时间, 控制效果, 收敛速度 | Simulink仿真平台 |
| 16723 | 2025-03-18 |
Physics-based generative adversarial network for real-time acoustic holography
2025-May, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107583
PMID:39893755
|
研究论文 | 本文提出了一种基于物理模型的生成对抗网络（GAN），用于实时声学全息成像 | 提出了一种结合物理模型（ASM）的深度学习算法，用于学习从目标场到源相位全息图的逆物理映射，并开发了具有两个解码器分支的Y-Net结构，以解决神经网络在高频特征上的固有局限性 | 神经网络在高频特征上的固有局限性 | 提高相位全息图计算的高保真度和实时性能 | 声学全息成像中的相位全息图 | 计算机视觉 | NA | 生成对抗网络（GAN） | GAN, Y-Net | 声学全息图 | NA | NA | NA | NA | NA |
| 16724 | 2025-10-07 |
Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction
2025-Mar-04, ArXiv
PMID:38711427
|
研究论文 | 提出一种为概率性黑盒图像重建算法提供统计保证预测边界的框架 | 通过临床关注指标表示重建扫描，并利用保形预测校准真实指标的边界，提供比传统像素级边界方法更好的语义解释 | 需要先前的校准数据集进行边界校准 | 为深度学习重建算法提供统计保证的预测边界 | 稀疏视图计算机断层扫描(CT)图像 | 计算机视觉 | NA | 稀疏视图计算机断层扫描(CT) | 深度学习重建算法 | 医学图像 | NA | NA | NA | 边界语义解释质量, 异常重建检测能力 | NA |
| 16725 | 2025-10-07 |
Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts
2025-Jan-20, ArXiv
PMID:39148932
|
研究论文 | 提出首个自动评估不完全海马反转的方法，通过预测四个解剖学标准并汇总成可解释的IHI评分 | 首次实现IHI的自动评级，提供可解释的评分系统，并在多队列中进行广泛验证 | 研究主要依赖特定队列数据，未涉及IHI形成的遗传或环境因素分析 | 开发自动评估不完全海马反转的方法，以替代耗时的人工视觉评估 | 来自IMAGEN、QTIM、QTAB和UKBiobank研究的4,389名参与者的海马结构 | 医学影像分析 | 神经系统疾病 | T1加权磁共振成像 | CNN, 深度学习模型 | 医学影像 | 4,389名参与者（IMAGEN: 2,008, QTIM: 993, QTAB: 403, UKBiobank: 985） | NA | conv5-FC3, ResNet, SECNN | NA | NA |
| 16726 | 2025-10-07 |
A Learnable Prior Improves Inverse Tumor Growth Modeling
2024-Nov-06, ArXiv
PMID:38495563
|
研究论文 | 提出一种结合深度学习和进化采样的新型框架，用于改进脑肿瘤生长逆建模 | 通过深度学习集成提供初始参数估计作为先验，显著约束采样参数空间，实现快速收敛和高精度 | 仅针对脑肿瘤细胞浓度估计进行验证，未提及其他疾病类型的适用性 | 解决生物物理建模中的逆问题，提高肿瘤生长建模的效率和精度 | 脑肿瘤细胞浓度 | 医学影像分析 | 脑肿瘤 | 磁共振成像 | 深度学习集成 | 医学影像 | NA | NA | NA | Dice系数 | NA |
| 16727 | 2025-10-07 |
Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation
2024-Jul-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50114-5
PMID:39009568
|
研究论文 | 通过将光感受器适应的生物物理机制嵌入卷积神经网络，提升神经网络对动态视网膜计算的预测能力 | 在传统CNN前端引入光感受器适应的生物物理机制，首次实现了对动态自然刺激下视网膜神经节细胞活动的更准确预测 | 仅针对视网膜特定神经回路进行研究，未验证在其他神经系统的适用性 | 探索将神经适应机制嵌入人工神经网络是否能提升其预测神经动态响应的能力 | 灵长类和鼠类的视网膜神经节细胞 | 计算神经科学 | NA | 深度学习建模 | CNN | 神经电生理响应数据 | 灵长类和鼠类视网膜神经节细胞 | NA | 基于Deep Retina改进的卷积神经网络 | 神经响应预测准确率 | NA |
| 16728 | 2025-10-07 |
Automated detection of incidental abdominal aortic aneurysms on computed tomography
2024-02, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04119-1
PMID:38091064
|
研究论文 | 开发全自动深度学习软件用于在CT扫描中检测和评估无症状成年患者的腹主动脉瘤 | 首次使用全自动深度学习模型在大规模无症状人群中进行腹主动脉瘤的自动化检测，并与钙化动脉粥样硬化斑块进行关联分析 | 研究基于特定筛查人群，模型在其他患者群体中的泛化能力需要进一步验证 | 开发自动化工具用于腹主动脉瘤的早期检测和评估 | 无症状成年患者群体 | 数字病理 | 心血管疾病 | CT结肠造影 | 深度学习 | CT图像 | 训练集66例手动分割的腹部CT扫描，外部验证集9172例无症状门诊患者 | NA | NA | 灵敏度, 特异度, AUC, p值 | NA |
| 16729 | 2025-10-07 |
An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0290624
PMID:37903154
|
研究论文 | 提出一种基于改进白鲸优化算法的自适应多通道DeepLabv3+模型，用于航空图像的语义分割 | 结合改进白鲸优化算法(IBWO)优化多通道DeepLabv3+的超参数，提高分割精度 | 未明确说明模型在复杂场景下的泛化能力及计算资源需求 | 提升航空遥感图像语义分割的准确性和效率 | 航空遥感图像 | 计算机视觉 | NA | 深度学习 | DeepLabv3+ | 图像 | 两个数据集（未明确具体样本数量） | NA | DeepLabv3+, 自适应多通道架构 | 准确率, Dice系数 | 计算时间113.0123秒（未明确硬件配置） |
| 16730 | 2025-10-07 |
Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis
2025-Apr-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137233
PMID:39823885
|
研究论文 | 提出一种基于核表示的端到端网络CellNet，用于精确检测密集目标并应用于医学诊断 | 使用形状感知径向基函数学习目标的核表示，提高密集目标计数精度 | NA | 开发精确检测密集目标的神经网络模型并应用于医学诊断 | 粘附聚苯乙烯微球、血清样本中的降钙素原、不规则粘附细胞 | 计算机视觉 | NA | 生物素-链霉亲和素生物传感方法、人工智能转码 | 神经网络 | 数字图像 | NA | NA | CellNet | 检测准确率, 检测限 | NA |
| 16731 | 2025-03-17 |
Spatiotemporal estimates of anthropogenic NOx emissions across China during 2015-2022 using a deep learning model
2025-Apr-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137308
PMID:39847932
|
研究论文 | 本文开发了一种新的深度学习模型，用于模拟GEOS-Chem模型的逆过程，以改进2015-2019年期间的人为NOx排放强度估计，并预测2020-2022年的排放强度 | 使用深度学习模型模拟GEOS-Chem模型的逆过程，提高了NOx排放强度的估计精度 | 模型依赖于高分辨率NO浓度数据集，可能受数据质量和可用性的限制 | 改进人为NOx排放强度的估计，并预测未来几年的排放趋势 | 中国2015-2022年的人为NOx排放 | 机器学习 | NA | 深度学习 | 深度学习模型 | 高分辨率NO浓度数据 | 2015-2022年的NOx排放数据 | NA | NA | NA | NA |
| 16732 | 2025-10-07 |
Generalizable Magnetic Resonance Imaging-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps Across Multiple Centers and Raters With Active Learning
2025-Apr-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.11.064
PMID:39557309
|
研究论文 | 开发了一种结合主动学习和源自由域适应的深度学习方法来分割鼻咽癌大体肿瘤体积，解决多中心和多名标注者场景下的分割模型部署问题 | 首次将主动学习与源自由域适应相结合用于医学图像分割，仅需少量标注样本即可实现跨中心和跨标注者的泛化性能 | 需要少量目标域标注数据进行适应，且在某些多中心数据集上性能与传统全监督方法相比无统计学差异 | 开发能够泛化到多中心和多名标注者环境的鼻咽癌肿瘤体积分割方法 | 鼻咽癌患者的磁共振成像扫描 | 医学图像分析 | 鼻咽癌 | 磁共振成像 | 深度学习 | 医学图像 | 1057例来自5家医院的鼻咽癌患者MRI扫描，外加170例由4名专家标注的独立数据集 | NA | U-Net | Dice相似系数, 95% Hausdorff距离 | NA |
| 16733 | 2025-10-07 |
Prior Knowledge-Guided U-Net for Automatic Clinical Target Volume Segmentation in Postmastectomy Radiation Therapy of Breast Cancer
2025-Apr-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.11.104
PMID:39667584
|
研究论文 | 本研究开发了一种先验知识引导的U-Net模型，用于乳腺癌术后放疗中临床靶区的自动分割 | 首次将先验医学知识整合到深度学习框架中，采用两阶段自动分割策略 | 样本量相对有限（102例CT扫描），需进一步扩大验证 | 提高乳腺癌术后放疗中临床靶区自动分割的准确性和效率 | 乳腺癌术后患者的CT扫描图像 | 数字病理 | 乳腺癌 | CT扫描 | U-Net | 医学图像 | 102例乳腺癌患者CT扫描（80例训练，22例测试） | NA | U-Net | Dice相似系数, 95% Hausdorff距离, 平均表面距离, 表面DSC | NA |
| 16734 | 2025-03-17 |
A deep learning framework for multiplet splitting classification in 1H NMR
2025-Apr, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2025.107851
PMID:39978294
|
研究论文 | 本文提出了一种名为MuSe Net的深度学习框架，用于一维核磁共振（NMR）光谱中的多重峰分裂分类 | MuSe Net是一种新颖的监督概率深度学习框架，能够模拟专家光谱学家在注释小分子生成的一维NMR光谱时的任务，并利用不确定性量化生成置信度评分 | NA | 开发一种自动化方法，以简化化学化合物的表征，并确保科学界结果的一致性 | 小分子生成的一维NMR光谱 | 机器学习 | NA | NMR | 深度学习 | 光谱数据 | 48个实验性H NMR光谱 | NA | NA | NA | NA |
| 16735 | 2025-03-17 |
AI-Based 3D Liver Segmentation and Volumetric Analysis in Living Donor Data
2025-Mar-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01468-9
PMID:40087225
|
研究论文 | 本研究探讨了深度学习在活体肝移植中的3D肝脏分割和体积分析的应用 | 使用多种U-Net变体模型进行术前和术后的肝脏分割，并评估其性能，同时进行体积分析以测量肝脏切除和再生率 | 样本量较小，仅包含55名捐赠者的数据 | 评估深度学习模型在活体肝移植中的肝脏分割和体积分析的准确性和临床应用性 | 活体肝移植捐赠者的腹部CT数据 | 计算机视觉 | 肝病 | 深度学习 | 3D U-Net, RU-Net, DU-Net, RDU-Net | 3D CT图像 | 55名捐赠者的腹部CT数据 | NA | NA | NA | NA |
| 16736 | 2025-03-17 |
Self-training EEG discrimination model with weakly supervised sample construction: An age-based perspective on ASD evaluation
2025-Mar-10, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107337
PMID:40088831
|
研究论文 | 本研究开发了一个名为STEM的自训练EEG判别模型框架，用于在标记样本有限的情况下优化自闭症谱系障碍（ASD）的评估 | STEM框架通过自训练模型和伪标签样本构建，解决了标记样本有限和个体差异的问题，特别是在ASD评估中表现出色 | 研究主要依赖于有限的标记样本，且样本来自ASD可疑儿童，可能限制了模型的泛化能力 | 优化EEG判别模型，提高ASD评估的准确性和适应性 | 自闭症谱系障碍（ASD）可疑儿童的静息态EEG数据 | 脑机接口 | 自闭症谱系障碍 | 自训练模型，伪标签样本构建 | AutoEncoder, BiGRU, 多任务学习模型（MAC） | EEG数据 | 175名不同年龄组的ASD可疑儿童 | NA | NA | NA | NA |
| 16737 | 2025-10-07 |
Toward understanding the role of genomic repeat elements in neurodegenerative diseases
2025-Mar-01, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-23-01568
PMID:38886931
|
综述 | 本文综述了基因组重复元件在神经退行性疾病中的作用及其分子机制 | 系统探讨了长读长测序技术和深度学习语言模型在解析重复元件变异功能影响中的创新应用 | NA | 理解基因组重复元件在神经退行性疾病中的角色 | 基因组重复元件变异 | 自然语言处理 | 神经退行性疾病 | 全基因组关联研究, 靶向测序, 长读长测序技术 | 深度学习语言模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 16738 | 2025-03-17 |
Can artificial intelligence lower the global sudden cardiac death rate? A narrative review
2025 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
综述 | 本文探讨了人工智能在预测和预防心脏骤停中的作用和应用 | 综述了人工智能、机器学习和深度学习在心脏骤停风险分层中的显著前景，并提出了未来研究的方向 | 当前的人工智能技术尚未得到充分的训练和测试，需要进一步研究可解释性技术、更大的样本量、外部验证、更多样化的患者样本、多模态工具、伦理和偏见缓解 | 探索人工智能在预测和预防心脏骤停中的作用和应用 | 心脏骤停 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 16739 | 2025-03-17 |
The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study
2025-Mar, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.01.011
PMID:39890480
|
研究论文 | 本研究探讨了基于深度学习的自动检测算法（DLAD）在胸部X光片（CXR）解释中用于肺癌早期诊断的效果 | 研究表明AI软件在检测CXR上最初未被发现的肺癌方面表现出色，并有可能提高肺癌检测率并缩短诊断时间 | 研究中存在假阳性率较高的问题，且样本量相对较小 | 评估AI软件在肺癌诊断中的临床有效性 | 105名肺癌患者和103名阴性对照的CXR和胸部CT扫描 | 数字病理 | 肺癌 | 深度学习 | DLAD | 图像 | 208名患者的320张CXR | NA | NA | NA | NA |
| 16740 | 2025-03-17 |
The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy
2025-Mar, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.01.016
PMID:39892051
|
研究论文 | 本文探讨了使用深度学习在放射治疗中自动校正患者定位错误的可行性 | 利用神经网络对获取的端口图像（PFIs）和数字重建放射影像（DRRs）进行自动校正，展示了AI在放射治疗中的潜在应用 | 需要进一步研究以验证该方法在临床实践中的有效性 | 探索人工智能在辅助放射治疗患者定位校正中的应用 | 接受放射治疗的脑部和气道消化道恶性肿瘤患者 | 数字病理 | 脑癌, 气道消化道恶性肿瘤 | 神经网络 | 神经网络 | 图像 | 156名患者（96名气道消化道恶性肿瘤患者，60名脑肿瘤患者） | NA | NA | NA | NA |