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 33293 篇文献，本页显示第 17421 - 17440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17421 | 2025-02-20 |
A deep learning method for total-body dynamic PET imaging with dual-time-window protocols
2025-Mar, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-07012-1
PMID:39688700
|
研究论文 | 本文开发了一种深度学习算法，能够从双时间窗协议预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间 | 提出了一种双向序列到序列模型（Bi-AT-Seq2Seq），并引入注意力机制，显著优于单向或无注意力机制的模型 | 研究样本量相对较小，且仅限于肺结节和乳腺结节患者 | 缩短动态PET扫描时间，提高临床应用的可行性 | 70名肺结节或乳腺结节患者 | 医学影像分析 | 肺结节, 乳腺结节 | 动态PET/CT扫描 | Bi-AT-Seq2Seq | 医学影像 | 70名患者（32名男性，平均年龄53.61±13.53岁） | NA | NA | NA | NA |
| 17422 | 2025-02-20 |
Deep learning-based intratumoral and peritumoral features for differentiating ocular adnexal lymphoma and idiopathic orbital inflammation
2025-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11275-5
PMID:39702637
|
研究论文 | 本文评估了基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤（OAL）和特发性眼眶炎症（IOI）中的价值 | 使用基于注意力的融合模型融合了肿瘤内和肿瘤周围区域以及多个MR序列提取的特征，显著提高了诊断性能 | 研究中未发现肿瘤周围特征与肿瘤内特征在性能上有显著差异 | 评估深度学习在区分OAL和IOI中的应用价值 | 97名经病理学确认的OAL和IOI患者 | 数字病理学 | 眼附属器淋巴瘤, 特发性眼眶炎症 | 深度学习 | 基于注意力的融合模型 | MR图像 | 97名患者（43名OAL，54名IOI） | NA | NA | NA | NA |
| 17423 | 2025-02-20 |
Identifying influential nodes in brain networks via self-supervised graph-transformer
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109629
PMID:39731922
|
研究论文 | 本文提出了一种基于图变换器的自监督图重建框架（SSGR-GT），用于识别脑网络中的关键节点 | 采用自监督深度学习模型，无需手动特征提取，直接从数据中学习有意义的表示，结合图变换器提取脑图的局部和全局特征，并通过图融合技术结合功能和结构信息进行多模态分析 | 依赖于自监督学习的效果，可能受限于数据质量和模型训练过程 | 识别脑网络中的关键节点（I-nodes），以增强对脑工作机制的理解 | 脑网络中的关键节点 | 脑成像 | NA | 自监督深度学习，图变换器 | Graph-Transformer | 脑图数据 | 56个关键节点 | NA | NA | NA | NA |
| 17424 | 2025-02-20 |
Enhanced brain tumor detection and segmentation using densely connected convolutional networks with stacking ensemble learning
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109703
PMID:39862469
|
研究论文 | 本研究旨在通过实施先进的堆叠集成学习（SEL）方法，提高脑肿瘤（BT）检测和分割的准确性和分类效果 | 提出了一种名为SEL-DenseNet201的堆叠DenseNet201作为元模型，结合了六种不同的基础模型，以增强脑肿瘤MRI图像的分割性能 | 研究中未提及样本的具体数量，且未讨论模型在实际临床环境中的适用性和泛化能力 | 提高脑肿瘤检测和分割的准确性，以支持早期诊断和治疗规划 | 脑肿瘤的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI图像分析 | DenseNet201, MobileNet-v3, 3D-CNN, VGG-16, VGG-19, ResNet50, AlexNet | 图像 | NA | NA | NA | NA | NA |
| 17425 | 2025-02-20 |
A robust and generalized framework in diabetes classification across heterogeneous environments
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109720
PMID:39864329
|
研究论文 | 本研究提出了一种鲁棒的机器学习框架，用于在不同人群中预测糖尿病，使用PIMA和BD两个不同的数据集进行验证 | 提出了一个跨异构环境的糖尿病分类框架，通过数据集内、数据集间和部分融合数据集验证技术，全面评估模型的泛化能力和性能 | 模型在跨数据集验证时性能下降，尤其是在BD数据集上训练并在PIMA数据集上测试时，准确率仅为74% | 开发一个鲁棒的机器学习框架，以提高糖尿病预测在不同人群中的泛化能力和准确性 | 女性人群中的糖尿病预测 | 机器学习 | 糖尿病 | 机器学习 | XGBoost, Random Forest, Gradient Boosting, 深度学习模型 | 结构化数据 | PIMA和BD两个数据集 | NA | NA | NA | NA |
| 17426 | 2025-02-20 |
Enhancing cardiovascular disease classification in ECG spectrograms by using multi-branch CNN
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109737
PMID:39864336
|
研究论文 | 本文提出并比较了一维（1D）、二维（2D）卷积神经网络（CNN）和多分支卷积神经网络（MB-CNN）在从一维（1D）心电图（ECG）记录的频谱图中分类各种心血管疾病（CVD）的性能 | 提出了一种多分支卷积神经网络（MB-CNN），能够捕捉不同层次的抽象特征，从而提高了心血管疾病的分类精度 | NA | 提高从心电图频谱图中分类心血管疾病的准确性 | 心血管疾病（包括扩张型心肌病、肥厚型心肌病、心肌梗死和冠状动脉疾病） | 计算机视觉 | 心血管疾病 | 连续小波变换（CWT） | 1D CNN, 2D CNN, MB-CNN | 图像（ECG频谱图） | MIT-BIH数据库中的5类ECG记录 | NA | NA | NA | NA |
| 17427 | 2025-02-20 |
OCDet: A comprehensive ovarian cell detection model with channel attention on immunohistochemical and morphological pathology images
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109713
PMID:39864335
|
研究论文 | 本文提出了一种名为OCDet的卵巢细胞检测模型，该模型结合了通道注意力机制，能够在免疫组化和形态学病理图像上全面检测多种卵巢癌细胞 | OCDet模型首次结合了通道注意力机制，能够高效提取病理特征，并在多种卵巢癌细胞的检测上表现出色 | 虽然OCDet在卵巢癌细胞检测上表现出色，但其在其他癌症类型上的应用潜力尚未完全验证 | 开发一种高效的深度学习框架，用于卵巢癌病理诊断中的多种细胞检测 | 卵巢癌相关的多种细胞，包括CD3、CD8、CD20阳性淋巴细胞、中性粒细胞和多倍体巨癌细胞 | 数字病理 | 卵巢癌 | 深度学习 | CSPDarkNet结合Efficient Channel Attention模块 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 17428 | 2025-02-20 |
A deep architecture based on attention mechanisms for effective end-to-end detection of early and mature malaria parasites in a realistic scenario
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109704
PMID:39869986
|
研究论文 | 本文提出了一种基于深度学习和注意力机制的计算机辅助检测框架，用于有效检测和分类疟疾寄生虫的所有感染阶段，并支持多物种识别 | 该研究扩展了YOLO-SPAM和YOLO-PAM模型，结合注意力机制，提高了疟疾寄生虫检测的准确性和诊断实用性 | NA | 开发一种自动化疟疾检测解决方案，以支持病理学家并增强现实世界中的诊断实践 | 疟疾寄生虫 | 计算机视觉 | 疟疾 | 深度学习 | YOLO-SPAM, YOLO-PAM | 图像 | 三个公开可用的数据集 | NA | NA | NA | NA |
| 17429 | 2025-02-20 |
Artificial intelligence in the management of metabolic disorders: a comprehensive review
2025-Feb-19, Journal of endocrinological investigation
IF:3.9Q2
DOI:10.1007/s40618-025-02548-x
PMID:39969797
|
综述 | 本文综述了人工智能在代谢性疾病管理中的重要作用，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍 | 本文综合探讨了AI在代谢性疾病管理中的多种应用，如早期诊断、个性化治疗、风险评估和生物标志物发现，并强调了AI与临床实践结合的革命性潜力 | 本文提到AI实施中的挑战和伦理考虑，如数据隐私、模型可解释性和偏见缓解，但未深入探讨具体解决方案 | 探讨人工智能在代谢性疾病管理中的应用及其潜力 | 代谢性疾病，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍 | 自然语言处理, 计算机视觉, 机器学习 | 代谢性疾病 | 机器学习(ML), 深度学习(DL), 自然语言处理(NLP), 强化学习 | NA | NA | NA | NA | NA | NA | NA |
| 17430 | 2025-02-20 |
Deep learning for augmented process monitoring of scalable perovskite thin-film fabrication
2025-Feb-18, Energy & environmental science
IF:32.4Q1
DOI:10.1039/d4ee03445g
PMID:39830789
|
研究论文 | 本文展示了深度学习在增强大面积钙钛矿薄膜制造过程监控中的应用 | 利用深度学习增强成像方法，实现材料成分监控、薄膜质量早期评估及过程控制建议生成 | 研究基于中等规模数据集，可能在大规模应用中存在限制 | 提高钙钛矿光伏材料的大面积制造可重复性 | 钙钛矿薄膜的制造过程 | 机器学习 | NA | 深度学习 | NA | 图像数据 | 中等规模数据集 | NA | NA | NA | NA |
| 17431 | 2025-02-20 |
Integrating State-Space Modeling, Parameter Estimation, Deep Learning, and Docking Techniques in Drug Repurposing: A Case Study on COVID-19 Cytokine Storm
2025-Feb-18, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf035
PMID:39965087
|
研究论文 | 本研究通过整合状态空间建模、参数估计、深度学习和分子对接技术，探索药物再利用在COVID-19细胞因子风暴中的应用 | 结合数学建模、PID控制器、深度学习和分子对接技术，提出了一种综合方法用于快速识别关键调控蛋白和药物再利用 | 研究主要针对COVID-19的细胞因子风暴，未广泛验证其他病毒或疾病的应用效果 | 开发快速有效的治疗方法，以应对SARS-CoV-2变种带来的挑战 | COVID-19细胞因子风暴中的关键调控蛋白（如ACE2） | 药物再利用 | COVID-19 | 状态空间建模、参数估计、深度学习、分子对接 | 深度学习模型 | 蛋白质相互作用数据、药物-靶点相互作用数据 | NA | NA | NA | NA | NA |
| 17432 | 2025-02-20 |
Dual-Domain Self-Supervised Deep Learning with Graph Convolution for Low-Dose Computed Tomography Reconstruction
2025-Feb-18, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01314-4
PMID:39966223
|
研究论文 | 本文提出了一种名为DDoS的双域自监督深度学习框架，用于低剂量计算机断层扫描（LDCT）图像的去噪和重建 | DDoS框架结合了图卷积和多通道注意力模块，能够在sinogram域和图像域同时进行去噪，有效提升了LDCT图像的信噪比 | 尽管DDoS框架在实验中表现出色，但其在临床环境中的实际应用仍需进一步验证 | 提高低剂量计算机断层扫描（LDCT）图像的信噪比，以满足诊断所需的图像质量 | 低剂量计算机断层扫描（LDCT）图像 | 计算机视觉 | NA | 深度学习 | 图卷积网络（GCN） | 图像 | 两个大规模LDCT数据集 | NA | NA | NA | NA |
| 17433 | 2025-02-20 |
A dataset for surface defect detection on complex structured parts based on photometric stereo
2025-Feb-16, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04454-6
PMID:39956811
|
研究论文 | 本文提出了一种基于深度学习和光度立体视觉的表面缺陷检测技术，并创建了金属表面缺陷数据集（MSDD） | 提出了一种新的缺陷检测技术，结合了光度立体视觉和深度学习，并创建了一个包含多种缺陷类型的金属表面缺陷数据集 | NA | 解决工业缺陷检测中的阴影和表面反射问题，特别是在非平面零件上的检测 | 金属表面缺陷 | 计算机视觉 | NA | 光度立体视觉 | FCOS, YOLOv5, YOLOv8, RT-DETR | 图像 | 138,585张单通道图像和9,239张混合图像 | NA | NA | NA | NA |
| 17434 | 2025-02-20 |
Helmet material design for mitigating traumatic axonal injuries through AI-driven constitutive law enhancement
2025-Feb-16, Communications engineering
DOI:10.1038/s44172-025-00370-0
PMID:39956866
|
研究论文 | 本文通过AI驱动的本构定律增强，优化头盔衬里材料设计，以减少创伤性轴索损伤 | 利用深度学习模型预测不同衬里材料保护下假人头部的峰值旋转速度和加速度，并通过材料优化显著降低脑损伤风险 | 研究主要针对250至500焦耳冲击能量范围内的脑损伤风险，未涵盖所有可能的冲击条件 | 提高运动头盔对脑损伤的保护效率 | 头盔衬里材料 | 机器学习 | 脑损伤 | 深度学习 | 深度学习模型 | 模拟数据 | NA | NA | NA | NA | NA |
| 17435 | 2025-02-20 |
Global Daily Column Average CO2 at 0.1° × 0.1° Spatial Resolution Integrating OCO-3, GOSAT, CAMS with EOF and Deep Learning
2025-Feb-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-04135-w
PMID:39952969
|
研究论文 | 本研究通过整合CAMS、GOSAT和OCO-3卫星数据，利用DINEOF和DINCAE方法重建了高时空分辨率的全球二氧化碳柱平均浓度数据集 | 结合DINEOF和DINCAE两种先进的数据重建方法，填补了卫星观测数据中的缺失，生成了高分辨率、无间隙的全球二氧化碳柱平均浓度数据集 | 未提及具体的数据覆盖时间范围或长期稳定性验证 | 解决卫星观测数据中的缺失问题，生成高时空分辨率的全球二氧化碳分布数据 | 全球二氧化碳柱平均浓度 | 机器学习 | NA | DINEOF, DINCAE | 卷积自编码器 | 卫星观测数据 | 整合了CAMS、GOSAT和OCO-3卫星的观测数据 | NA | NA | NA | NA |
| 17436 | 2025-02-20 |
Necessity and impact of specialization of large foundation model for medical segmentation tasks
2025-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17470
PMID:39431952
|
研究论文 | 本文探讨了大型基础模型在医学图像分割任务中的专业化需求及其影响，评估了MedSAM及其轻量版LiteMedSAM在盆腔MR图像分割中的表现 | 通过评估现成的医学基础模型MedSAM在特定医学图像分割任务中的表现，揭示了进一步专业化微调的必要性和性能提升 | 现成的MedSAM和LiteMedSAM在非连续或非凸结构上的表现较差，且不同边界框输入的提示方案影响有限 | 评估大型基础模型在医学图像分割中的临床效用，并探索通过专业化微调提升性能的潜力 | 盆腔MR图像中的解剖结构 | 计算机视觉 | NA | 深度学习 | MedSAM, LiteMedSAM, nnU-Net | 图像 | 589张盆腔MR图像，80%用于训练，20%用于测试 | NA | NA | NA | NA |
| 17437 | 2025-02-20 |
Investigating the Use of Generative Adversarial Networks-Based Deep Learning for Reducing Motion Artifacts in Cardiac Magnetic Resonance
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S492163
PMID:39963324
|
研究论文 | 本文评估了基于生成对抗网络（GANs）的深度学习技术在减少心脏磁共振（CMR）电影序列中运动伪影方面的有效性 | 首次将GANs应用于CMR电影序列中的运动伪影减少，展示了其在临床应用中优化CMR运动伪影管理的潜力 | 研究主要基于模拟的运动伪影数据，真实世界数据的样本量相对较小 | 评估GANs在减少CMR电影序列中运动伪影方面的有效性 | 心脏磁共振（CMR）电影序列中的运动伪影 | 计算机视觉 | 心血管疾病 | 深度学习 | GAN | 图像 | 2000对清晰和模糊图像用于训练，200对用于测试，100张模拟运动伪影图像和37张真实世界运动伪影图像用于评估 | NA | NA | NA | NA |
| 17438 | 2025-10-07 |
Explainable AI for computational pathology identifies model limitations and tissue biomarkers
2024-Nov-18, ArXiv
PMID:39279830
|
研究论文 | 开发了名为HIPPO的可解释AI框架，用于计算病理学中的模型透明度和可靠性提升 | 通过系统性修改组织区域生成图像反事实，实现定量假设检验、偏倚检测和超越传统性能指标的模型评估 | NA | 增强深度学习模型在数字病理学中的透明度和可信度 | 全切片图像中的组织区域 | 计算病理学 | 乳腺癌, 黑色素瘤, 神经胶质瘤 | 数字病理学 | 深度学习 | 图像 | NA | NA | NA | 传统性能指标, 注意力方法 | NA |
| 17439 | 2024-09-20 |
Label-free and rapid mechanics of single cells under high-density co-culture conditions by deep learning image recognition-assisted atomic force microscopy
2024-Sep-18, Acta biochimica et biophysica Sinica
IF:3.3Q1
DOI:10.3724/abbs.2024158
PMID:39295485
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17440 | 2025-10-07 |
CRISPR-Enhanced Photocurrent Polarity Switching for Dual-lncRNA Detection Combining Deep Learning for Cancer Diagnosis
2024-08-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c02617
PMID:39092917
|
研究论文 | 开发了一种结合CRISPR/Cas13a增强光电流极性转换与深度学习的双lncRNA检测平台用于癌症诊断 | 首次将CRISPR/Cas13a增强的光电流极性转换机制与深度学习相结合，实现双lncRNA联合检测和癌症智能诊断 | 未明确说明样本规模和数据集的详细组成 | 开发高灵敏度双lncRNA检测平台并实现癌症早期智能诊断 | 长链非编码RNA（lncRNA HOTAIR和lncRNA MALAT1） | 生物传感, 机器学习 | 癌症 | CRISPR/Cas13a, 光电化学传感, 深度学习 | 深度学习模型 | 光电化学传感数据 | NA | NA | NA | 准确率 | NA |