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 32372 篇文献，本页显示第 1741 - 1760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1741 | 2025-10-05 |
Preserving noise texture through training data curation for deep learning denoising of high-resolution cardiac EID-CT
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17938
PMID:40660962
|
研究论文 | 本研究开发了基于图像的噪声估计方法训练U-net CNN模型，用于高分辨率心脏EID-CT图像去噪并保持噪声纹理 | 提出了两种直接从患者图像估计噪声的方法来监督CNN训练，无需专用软件或专有信息，有效保留了去噪后CT图像的天然噪声纹理 | 相邻切片相减训练模型有时会移除小的解剖结构，样本量相对较小（7例患者cCTA检查） | 开发图像去噪方法以提升能量积分探测器CT的高空间分辨率重建图像质量，使其噪声水平与光子计数探测器CT相当 | 心脏EID-CT冠状动脉CT血管造影图像和均匀水模CT图像 | 医学影像处理 | 心血管疾病 | CT成像，冠状动脉CT血管造影 | CNN | 医学影像 | 7例患者cCTA检查和水模数据 | NA | U-net | 噪声功率谱，噪声幅度，峰值频率，平均频率，10%峰值频率 | NA |
| 1742 | 2025-10-05 |
Structural assembly of the PAS domain drives the catalytic activation of metazoan PASK
2025-Mar-25, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2409685122
PMID:40106358
|
研究论文 | 本研究揭示了后生动物PASK激酶中PAS结构域通过结构组装驱动催化激活的新机制 | 发现PASK激酶中PAS-C结构域的PAS折叠和PAC基序被非结构化连接子空间分离，但通过分子内相互作用组装成功能性模块 | NA | 阐明后生动物PASK激酶的PAS结构域组装机制及其对催化活性的调控作用 | 后生动物PAS结构域调控激酶（PASK） | 结构生物学 | NA | 进化尺度结构域定位、深度学习结构建模 | 深度学习 | 结构数据、序列数据 | NA | NA | NA | NA | NA |
| 1743 | 2025-10-05 |
Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs
2025-03-18, Biochemistry
IF:2.9Q3
DOI:10.1021/acs.biochem.4c00832
PMID:40056143
|
研究论文 | 开发基于深度迁移学习的模型用于筛选靶向A类GPCRs的安全药物 | 采用迁移学习策略，结合靶点序列自然语言处理和受体突变效应，构建可预测低效能化合物和偏向性激动剂的专用模型 | 高质量数据可用性有限可能影响模型性能 | 预测具有改善安全性特征的GPCR配体，推进药物开发 | A类G蛋白偶联受体及其配体 | 自然语言处理, 机器学习 | NA | 深度迁移学习, 自然语言处理 | 神经网络 | 蛋白质序列, 配体数据, 突变效应数据 | 所有A类GPCRs的受体序列和配体数据集 | NA | 神经网络 | NA | NA |
| 1744 | 2025-10-05 |
A deep learning pipeline for three-dimensional brain-wide mapping of local neuronal ensembles in teravoxel light-sheet microscopy
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02583-1
PMID:39870865
|
研究论文 | 开发了一种基于深度学习的端到端计算流程，用于在太体素光片显微镜图像中实现全脑局部神经元集群的三维映射 | 提出了ACE管道，结合三维深度学习分割模型和先进的聚类统计算法，能够实现无偏见的局部神经元活动和连接性映射，超越了基于图谱定义区域的分析方法 | NA | 开发能够泛化不同实验协议的计算管道，在层状和亚群特异性水平上映射神经元活动 | 清除的啮齿类动物大脑图像中的神经元活动 | 数字病理学 | NA | 光片荧光显微镜 | 深度学习分割模型 | 三维图像 | NA | NA | NA | 泛化性, 性能 | NA |
| 1745 | 2025-10-05 |
Characteristics of left ventricular dysfunction in repaired tetralogy of Fallot: A multi-institutional deep learning analysis of regional strain and dyssynchrony
2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101886
PMID:40122390
|
研究论文 | 本研究使用深度学习合成应变技术分析修复型法洛四联症患者的左心室功能障碍模式 | 首次应用深度学习算法自动测量区域左心室应变和不同步性，并识别出四种独特的左心室收缩模式 | 回顾性研究设计，样本量相对有限（198例患者） | 表征修复型法洛四联症患者左心室功能障碍的特征模式 | 修复型法洛四联症患者（198例）和健康对照者（21例） | 数字病理 | 心血管疾病 | 心血管磁共振成像，稳态自由进动电影MRI | 深度学习算法 | MRI图像 | 198例rTOF患者和21例健康对照 | NA | 深度学习合成应变 | 应变值，应变率，不同步性测量，心室容积，射血分数 | NA |
| 1746 | 2025-10-05 |
Automatic flow planning for fetal cardiovascular magnetic resonance imaging
2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101888
PMID:40180124
|
研究论文 | 开发用于胎儿心血管磁共振成像的自动流程规划系统OWL | 首次实现胎儿二维相位对比血流成像的实时自动规划 | 仅在7例前瞻性病例中测试，样本量有限 | 通过自动化流程扩大胎儿血流成像的可及性 | 胎儿心血管系统 | 医学影像分析 | 胎儿心血管疾病 | 二维相位对比血流成像，心血管磁共振成像 | 深度学习网络 | 磁共振图像 | 167个胎儿数据集用于身体定位，71个用于心脏标志点检测，10个回顾性数据集，7个前瞻性病例 | NA | NA | Dice系数，定位精度(mm)，规划质量评分，流量测量差异百分比 | NA |
| 1747 | 2025-10-06 |
Intelligent Alzheimer's diagnosis and disability assessment: robust medical imaging analysis using ensemble learning with ResNet-50 and EfficientNet-B3
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1619228
PMID:40963573
|
研究论文 | 提出一种基于ResNet-50和EfficientNet-B3集成学习的医学影像分析系统，用于阿尔茨海默病的智能诊断和残疾评估 | 首次将ResNet-50特征提取与EfficientNet-B3分类器结合的集成学习框架应用于阿尔茨海默病诊断，在大型MRI数据集上实现高精度分类 | 需要在更多临床环境中验证模型性能以满足真实世界诊断需求 | 开发自动化阿尔茨海默病诊断和残疾评估系统 | 阿尔茨海默病患者MRI影像 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像(MRI) | 集成学习,CNN | 医学影像 | 33,984张MRI图像，涵盖轻度、中度、非痴呆和极轻度痴呆四个疾病阶段 | NA | ResNet-50,EfficientNet-B3 | 准确率,精确率,召回率,F1分数,ROC曲线面积 | NA |
| 1748 | 2025-10-06 |
Artificial intelligence in ADHD assessment: a comprehensive review of research progress from early screening to precise differential diagnosis
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1624485
PMID:40964142
|
综述 | 本文综述人工智能在ADHD评估中的应用进展，涵盖从早期筛查到精准鉴别诊断的全过程 | 系统梳理AI在ADHD客观评估中的完整应用链条，包括风险预测、症状量化和异质亚型识别等创新方向 | 面临标准化数据不足、泛化能力有限、可解释性问题、潜在偏见和缺乏严格临床验证等挑战 | 探讨人工智能在ADHD客观评估中的应用现状与发展前景 | 注意力缺陷多动障碍（ADHD）患者 | 机器学习 | 神经发育障碍 | 多模态数据融合分析 | 机器学习,深度学习 | 行为数据,神经生理数据,神经影像数据,遗传数据 | NA | NA | NA | NA | NA |
| 1749 | 2025-10-06 |
Deep learning model using cross-sequence learning to identify orbital fractures in radiographs of patients under 20 Years
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1613417
PMID:40964434
|
研究论文 | 开发并验证一种基于深度学习的多输入模型，通过创新的跨序列学习方法在年轻患者X光片中检测眼眶骨折 | 提出新型跨序列学习方法的深度学习多输入模型，在性能上优于传统单输入模型 | 回顾性研究设计，样本仅来自两家医院 | 开发能够通过X光片检测眼眶骨折的深度学习模型，减少不必要的CT扫描 | 20岁以下面部创伤患者的眼眶X光片和CT影像 | 计算机视觉 | 眼眶骨折 | 放射线摄影，CT扫描 | 深度学习 | 医学影像 | 来自两家医院的1814名患者（904+910） | NA | 多输入模型 | AUROC，敏感性，特异性，阳性预测值，阴性预测值，95%置信区间 | NA |
| 1750 | 2025-10-05 |
Using artificial intelligence to study atherosclerosis from computed tomography imaging: A state-of-the-art review of the current literature
2024-11, Atherosclerosis
IF:4.9Q1
|
综述 | 本文综述了人工智能在计算机断层扫描成像中研究动脉粥样硬化的最新文献进展 | 介绍了基于深度学习的斑块分析新方法及新兴的放射转录组学技术，并提及国际大型ORFAN研究平台 | 讨论了当前AI方法的局限性及需要解决的挑战 | 开发AI风险评估工具以检测易损动脉粥样硬化斑块并指导治疗策略 | 冠状动脉炎症、冠状动脉斑块及相关风险 | 医学影像分析 | 心血管疾病 | 计算机断层扫描(CT) | CNN | CT图像 | NA | NA | 卷积神经网络 | NA | NA |
| 1751 | 2025-10-05 |
Influence of training and expertise on deep neural network attention and human attention during a medical image classification task
2024-04-01, Journal of vision
IF:2.0Q2
DOI:10.1167/jov.24.4.6
PMID:38587421
|
研究论文 | 本研究比较了人类专家与深度学习模型在医学图像分类任务中的视觉注意力机制 | 首次直接比较人类视觉注意力与机器视觉注意力在相同医学诊断任务中的表现，并发现模型注意力与专家注意力的相似性 | 研究仅限于小肠内窥镜图像和克罗恩病诊断，样本来源相对单一 | 探索人类专家与深度学习模型在视觉决策过程中的相似性，为医学培训和新算法设计提供参考 | 新手和胃肠病学专家参与者，以及三种深度学习模型 | 计算机视觉 | 克罗恩病 | 眼动追踪，深度学习 | 深度学习模型 | 医学图像，眼动数据 | 新手和胃肠病学专家参与者，具体数量未明确说明 | NA | 三种最先进的深度学习模型架构 | 注意力相似性比较 | NA |
| 1752 | 2025-10-05 |
Improved robustness for deep learning-based segmentation of multi-center myocardial perfusion cardiovascular MRI datasets using data-adaptive uncertainty-guided space-time analysis
2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101082
PMID:39142567
|
研究论文 | 提出一种数据自适应不确定性引导时空分析方法，用于提高多中心心肌灌注心血管MRI数据集分割的鲁棒性 | 利用空间-时间滑动补丁分析自动生成像素级不确定性图，并通过DNN池选择最优分割方案 | 训练数据有限，仅包含三个医疗中心的150名受试者数据 | 开发能够分析多中心数据集的深度学习技术，克服训练数据有限和软硬件差异的挑战 | 心肌灌注心血管磁共振成像数据集 | 医学影像分析 | 心血管疾病 | 心血管磁共振成像 | 深度神经网络 | 医学影像 | 150名受试者（21,150张首过图像），包含内部数据集（95名）和外部数据集（55名） | NA | 时空U-Net | Dice系数 | NA |
| 1753 | 2025-10-05 |
Accelerated chemical shift encoded cardiovascular magnetic resonance imaging with use of a resolution enhancement network
2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101090
PMID:39243889
|
研究论文 | 开发基于深度学习的快速化学位移编码技术，用于加速心血管磁共振成像 | 提出基于超分辨率生成对抗网络的FastCSE方法，首次将复杂值图像锐化增强应用于化学位移编码心血管成像 | 研究样本量有限，前瞻性研究仅包含21名参与者 | 开发加速心血管磁共振化学位移编码成像的深度学习技术 | 心肌脂肪成像 | 医学影像分析 | 心血管疾病 | 化学位移编码磁共振成像，两点Dixon重建 | GAN | 磁共振图像 | 训练集1519名患者，前瞻性研究21名参与者（16名患者+5名健康人） | NA | 超分辨率生成对抗网络 | 模糊度量指标，方差分析 | NA |
| 1754 | 2025-10-05 |
SEResUTer: a deep learning approach for accurate ECG signal delineation and atrial fibrillation detection
2023-Dec-15, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad02da
PMID:37827168
|
研究论文 | 提出一种结合U-Net、ResNet和Transformer的深度学习模型SEResUTer，用于心电信号波形分割和房颤检测 | 在U-Net架构中集成ResNet模块和Transformer编码器替代传统卷积块，并提出处理不完整专家标注的新型掩码策略 | NA | 实现高精度心电信号波形分割和房颤自动检测 | 心电信号波形（P波、QRS波、T波）和房颤心律 | 数字病理 | 心血管疾病 | 心电信号分析 | 深度学习 | 心电信号 | QTDB、LUDB、CPSC2021和CPSC2018数据集 | NA | U-Net, ResNet, Transformer | F1-score, 敏感度, 阳性预测率, 准确率 | NA |
| 1755 | 2025-10-05 |
Photoplethysmography-based cuffless blood pressure estimation: an image encoding and fusion approach
2023-Dec-15, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad0426
PMID:38099538
|
研究论文 | 提出一种基于光电容积脉搏波图像编码与融合的无袖带血压估计方法 | 首次从2D视角将PPG信号转换为五种图像编码，并设计端到端的图像编码融合架构进行血压估计 | 仅在UCI数据库上进行验证，需要更多临床数据验证泛化能力 | 开发基于PPG的无袖带血压估计方法 | 光电容积脉搏波信号 | 机器学习 | 心血管疾病 | 光电容积脉搏波技术 | CNN | 图像 | UCI数据库 | NA | 编码器-解码器架构 | 均方根误差,平均绝对误差 | NA |
| 1756 | 2025-10-05 |
MAG-Res2Net: a novel deep learning network for human activity recognition
2023-Nov-28, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad0ab8
PMID:37939391
|
研究论文 | 提出一种名为MAG-Res2Net的新型深度学习网络用于人类活动识别 | 结合Borderline-SMOTE数据上采样算法、基于度量学习的损失函数组合算法和Lion优化算法 | NA | 解决人类活动多样性和数据质量带来的特征提取困难 | 人类活动识别 | 机器学习 | NA | 深度学习 | MAG-Res2Net | 多模态活动数据 | 三个公共数据集（UCI-HAR、WISDM、CSL-SHARE） | NA | MAG-Res2Net | 准确率,F1-macro,F1-weighted | NA |
| 1757 | 2025-10-05 |
Deep learning with fetal ECG recognition
2023-Nov-27, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad0ab7
PMID:37939396
|
研究论文 | 提出一种基于深度学习的胎儿心电图识别新方法 | 开发了跨域一致卷积神经网络(CDC-Net)，解决了ICA方法在胎儿心电图提取中幅度、顺序和正负值不确定的问题 | NA | 实现多通道心电图数据中胎儿心电信号的自动识别 | 胎儿心电信号 | 机器学习 | 心血管疾病 | 独立成分分析(ICA), 心电图监测 | CNN | 心电信号数据 | 来自两个数据库(ADFECGDB和Daisy数据库)的信号数据 | NA | CDC-Net | 精确率, 召回率, F1分数 | NA |
| 1758 | 2025-10-05 |
A Two-Stage Automatic System for Detection of Interictal Epileptiform Discharges from Scalp Electroencephalograms
2023-11, eNeuro
IF:2.7Q3
DOI:10.1523/ENEURO.0111-23.2023
PMID:37914407
|
研究论文 | 开发基于深度学习的自动系统，用于从头皮脑电图中检测发作间期癫痫样放电 | 提出结合时序卷积网络的IED检测器和新型双蒙太奇决策机制的两阶段自动检测系统 | 仅使用484份头皮脑电图记录，样本规模有限 | 开发性能可靠的自动IED检测系统以辅助临床脑电图解读 | 头皮脑电图中的发作间期癫痫样放电 | 医疗信号处理 | 癫痫 | 脑电图 | 深度神经网络 | 脑电图信号 | 484份头皮脑电图记录（406训练，78测试） | NA | 时序卷积网络, 深度神经网络 | AUPRC, 假阳性率, F1分数, kappa一致性分数 | NA |
| 1759 | 2025-10-05 |
Atrial fibrillation detection with signal decomposition and dilated residual neural network
2023-Oct-05, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/acfa61
PMID:37714186
|
研究论文 | 提出一种结合信号分解和扩张残差神经网络的心房颤动检测方法 | 提出基于R峰检测的时间掩模生成伪QRS复合波信号和伪T、P波信号的特征提取方法，并设计扩张残差神经网络处理分解后的信号 | NA | 通过深度学习方法提高穿戴设备心电图信号中心房颤动的检测性能 | 心电图信号 | 机器学习 | 心血管疾病 | 心电图信号分析 | CNN | 信号数据 | PhysioNet/CinC 2017挑战赛数据集和MIT-BIH心房颤动数据库 | NA | 扩张残差神经网络 | F1分数 | NA |
| 1760 | 2025-10-05 |
Versatile recognition of graphene layers from optical images under controlled illumination through green channel correlation method
2023-Aug-17, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ace979
PMID:37478831
|
研究论文 | 提出一种基于绿色通道相关性的方法，从光学图像中识别氧化基底上剥离石墨烯的层数 | 利用绿色通道相关性替代传统深度学习方法和显微分析，仅需少量训练图像即可实现石墨烯层数识别 | 需要在周围光线对样品影响最小的条件下工作，对非均匀光照条件的适应性有限 | 开发快速、低成本的非破坏性石墨烯层数识别方法 | 氧化基底上的剥离石墨烯样品 | 计算机视觉 | NA | 光学成像 | NA | 图像 | 少量训练图像配合数千张GitHub测试图像 | NA | NA | NA | NA |