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 32705 篇文献，本页显示第 18221 - 18240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18221 | 2025-10-07 |
Integrated Transcriptomic Landscape and Deep Learning Based Survival Prediction in Uterine Sarcomas
2025-Jan, Cancer research and treatment
IF:4.1Q2
DOI:10.4143/crt.2024.343
PMID:38993092
|
研究论文 | 本研究通过整合转录组学分析和深度学习模型，探索子宫肉瘤的基因组特征并开发生存预测方法 | 发现了子宫肉瘤中新的基因融合位点MRPS18A-PDC-AS1，并开发了基于Max-Mean Non-Local多实例学习的深度学习生存预测模型 | 样本量相对有限（71例），且包含多种罕见亚型 | 阐明子宫肉瘤的基因组特征并建立患者生存预测模型 | 子宫肉瘤患者组织样本 | 数字病理学 | 子宫肉瘤 | RNA测序 | 深度学习 | 基因表达数据 | 71例子宫肉瘤样本（47例ESS，18例uLMS，3例腺肉瘤，2例癌肉瘤，1例卵巢性索样肿瘤） | NA | Max-Mean Non-Local多实例学习（MMN-MIL） | AUC, 准确率 | NA |
| 18222 | 2025-10-07 |
Molecular Classification of Breast Cancer Using Weakly Supervised Learning
2025-Jan, Cancer research and treatment
IF:4.1Q2
DOI:10.4143/crt.2024.113
PMID:38938010
|
研究论文 | 本研究利用弱监督学习方法对乳腺癌分子亚型进行分类 | 采用弱监督学习从全切片图像中开发深度学习模型，无需大量手动标注 | 存在亚型不平衡问题以及不同数据集间的分子亚型比例差异 | 乳腺癌分子亚型分类 | 乳腺癌全切片图像 | 数字病理学 | 乳腺癌 | 弱监督学习 | 深度学习 | 全切片图像 | 来自韩国高丽大学九老医院和癌症基因组图谱的两个数据集 | NA | 基于注意力的模型 | AUC | NA |
| 18223 | 2025-10-07 |
Machine Learning and Deep Learning Applications in Magnetic Particle Imaging
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29294
PMID:38358090
|
综述 | 本文总结和回顾了机器学习和深度学习在磁粒子成像中的应用及其未来潜力 | 系统梳理了人工智能方法在磁粒子成像这一新兴成像技术中的应用现状和发展前景 | 证据等级为5级，技术效能处于第一阶段，表明研究仍处于初步探索阶段 | 探讨机器学习和深度学习模型在磁粒子成像中的应用价值 | 磁粒子成像技术及其图像重建和分析方法 | 机器学习 | NA | 磁粒子成像 | 机器学习,深度学习 | 2D和3D医学图像 | NA | NA | NA | NA | NA |
| 18224 | 2025-10-07 |
An efficient ranking-based ensembled multiclassifier for neurodegenerative diseases classification using deep learning
2025-Jan, Journal of neural transmission (Vienna, Austria : 1996)
DOI:10.1007/s00702-024-02830-x
PMID:39249515
|
研究论文 | 提出一种基于排序的集成多分类器方法，使用深度学习对神经退行性疾病进行分类 | 开发了基于权重策略的排序集成方法，结合五种深度学习分类器 | 仅使用ADNI和PPMI两个数据集进行验证，未在其他数据集上测试 | 提高神经退行性疾病的分类准确率 | 阿尔茨海默病和帕金森病患者 | 机器学习 | 神经退行性疾病 | 磁共振成像 | 深度学习集成模型 | 医学影像 | ADNI和PPMI数据集 | NA | 五种深度学习模型 | 准确率 | NA |
| 18225 | 2025-10-07 |
Deep learning in Cobb angle automated measurement on X-rays: a systematic review and meta-analysis
2025-Jan, Spine deformity
IF:1.6Q3
DOI:10.1007/s43390-024-00954-4
PMID:39320698
|
系统综述与荟萃分析 | 本研究系统回顾了X光片上自动测量Cobb角的不同深度学习算法，并通过荟萃分析评估其性能 | 首次对Cobb角自动测量的深度学习算法进行系统综述和荟萃分析，比较了基于分割和基于关键点两种方法的性能差异 | 纳入研究的异质性较高(94%)，仅包含17项研究进行荟萃分析，结果存在一定局限性 | 概述不同深度学习算法在Cobb角自动测量中的应用，识别局限性并总结改进方案 | X光片中的脊柱Cobb角测量 | 计算机视觉 | 脊柱侧弯 | 深度学习算法 | 深度学习模型 | X光图像 | 系统检索获得120篇文章（n=3022），最终纳入50项研究进行系统综述，17项研究进行荟萃分析 | NA | NA | 圆形平均绝对误差(CMAE) | NA |
| 18226 | 2025-10-07 |
Fragmentation in patchy ecosystems: a call for a functional approach
2025-Jan, Trends in ecology & evolution
IF:16.7Q1
DOI:10.1016/j.tree.2024.09.004
PMID:39510920
|
研究论文 | 本文探讨了将森林破碎化原则应用于自然斑块状生态系统（如稀树草原）的问题，并提出基于景观功能性的破碎化识别方法 | 提出基于连通性的景观功能性方法来识别生态系统破碎化，突破了传统仅依赖植被结构的破碎化评估框架 | NA | 改进斑块状生态系统的破碎化评估方法，促进对生态系统动态的更好理解 | 自然斑块状生态系统（以稀树草原为例） | 生态学 | NA | 遥感技术, 实地测量 | 深度学习 | 遥感数据, 实地测量数据 | NA | NA | NA | NA | NA |
| 18227 | 2025-10-07 |
Protein Binding Site Representation in Latent Space
2025-Jan, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400205
PMID:39692081
|
研究论文 | 本研究探索了图神经网络在蛋白质-配体复合物亲和力预测中学习到的结合位点潜在表示的空间结构及其与蛋白质功能的关系 | 提出了用于潜在空间降维、聚类、假设检验和可视化的自动化计算流程，并发现学习的蛋白质潜在空间具有固有结构而非随机分布 | NA | 理解深度学习模型对特征的表征能力，提高计算机辅助药物发现中模型的可解释性和可靠性 | 蛋白质-配体复合物的结合位点 | 机器学习 | NA | 图神经网络 | 图神经网络 | 蛋白质-配体复合物结构数据 | NA | NA | 图神经网络 | NA | NA |
| 18228 | 2025-01-16 |
Advances in modeling cellular state dynamics: integrating omics data and predictive techniques
2025, Animal cells and systems
IF:2.5Q1
DOI:10.1080/19768354.2024.2449518
PMID:39807350
|
综述 | 本文综述了当前用于建模细胞状态动态的方法，包括从动态或静态生物分子网络模型到深度学习模型的技术 | 强调了如何将这些方法与转录组学和单细胞RNA测序等多种组学数据整合，以捕捉和预测细胞行为和转变 | 讨论了这些方法在可扩展性和分辨率要求方面的局限性，这些要求根据研究生物系统的复杂性和大小而变化 | 旨在指导未来研究开发更强大和可解释的模型，以理解和操纵各种生物背景下的细胞状态动态，最终推进治疗策略和精准医学 | 细胞状态动态 | 机器学习 | NA | 转录组学, 单细胞RNA测序 | 深度学习模型 | 组学数据 | NA | NA | NA | NA | NA |
| 18229 | 2025-01-16 |
Utilizing deep learning to predict Alzheimer's disease and mild cognitive impairment with optical coherence tomography
2025 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands)
DOI:10.1002/dad2.70041
PMID:39811700
|
研究论文 | 本研究开发了一种基于光学相干断层扫描（OCT）的深度学习算法，用于预测阿尔茨海默病（AD）和轻度认知障碍（MCI） | 开发了一种集成三边深度学习模型，显著优于单一非深度学习模型，展示了OCT图像在AD和MCI检测中的潜力 | 深度学习模型与传统统计模型的性能相当，选择哪种模型可能取决于计算资源、可解释性偏好和临床需求 | 开发一种基于OCT的深度学习算法，用于检测AD和MCI | 228名亚洲参与者（173例病例/55例对照）用于模型开发和测试，68名亚洲（52例病例/16例对照）和85名白人（39例病例/46例对照）参与者用于测试 | 数字病理学 | 老年疾病 | 光学相干断层扫描（OCT） | 集成三边深度学习模型 | 图像 | 228名亚洲参与者用于模型开发，68名亚洲和85名白人参与者用于测试 | NA | NA | NA | NA |
| 18230 | 2025-10-07 |
MS-CLSTM: Myoelectric Manipulator Gesture Recognition Based on Multi-Scale Feature Fusion CNN-LSTM Network
2024-Dec-23, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics9120784
PMID:39727788
|
研究论文 | 提出基于多尺度特征融合CNN-LSTM网络的肌电操纵器手势识别模型MS-CLSTM | 融合多尺度卷积核提取sEMG信号的局部细节、全局模式和通道间相关性，结合ResCBAM增强关键手势信息关注并缓解小样本过拟合 | 基于小样本数据集开发，模型泛化能力需进一步验证 | 提升表面肌电信号手势识别的准确性和实时性 | 表面肌电信号和对应的手势动作 | 机器学习 | NA | 表面肌电信号采集 | CNN, LSTM | 时序信号数据 | Ninapro DB2和DB4数据集 | NA | MS Block-ResCBAM-Bi-LSTM, CNN-LSTM, ResCBAM, Simple-ResNet | 准确率 | NA |
| 18231 | 2025-10-07 |
Deep Learning-Based Diagnosis Algorithm for Alzheimer's Disease
2024-Dec-23, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10120333
PMID:39728230
|
研究论文 | 提出一种基于改进3D DenseNet分割模型和MobileNetV3分类模型的两阶段阿尔茨海默病自动辅助诊断算法 | 在分割网络中简化主干网络、替换激活函数和损失函数并引入3D GAM注意力机制；在分类网络中增加CA注意力机制、引入空洞卷积并改进全连接层结合迁移学习 | NA | 开发阿尔茨海默病的自动辅助诊断算法 | 阿尔茨海默病患者、轻度认知障碍患者和正常对照的脑部MR图像 | 计算机视觉 | 阿尔茨海默病 | 脑部磁共振成像 | CNN | 3D医学图像 | NA | NA | 3D DenseNet, MobileNetV3 | 准确率 | NA |
| 18232 | 2025-10-07 |
Towards Robust Supervised Pectoral Muscle Segmentation in Mammography Images
2024-Dec-22, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10120331
PMID:39728227
|
研究论文 | 本文提出了一种用于乳腺X线图像中胸大肌分割的监督学习方法，并提供了三个公开数据集的胸大肌分割标注 | 首次为INbreast、MIAS和CBIS-DDSM数据集提供胸大肌分割标注，支持基于深度学习的监督方法开发 | 未明确说明模型在临床环境中的泛化能力验证 | 开发鲁棒的胸大肌自动分割方法以改进乳腺癌检测系统 | 乳腺X线图像中的胸大肌区域 | 计算机视觉 | 乳腺癌 | 医学图像分割 | 深度学习 | 医学图像 | INbreast、MIAS和CBIS-DDSM三个公开数据集的乳腺X线图像 | 未明确说明 | AU-Net | 交叉数据集测试性能 | NA |
| 18233 | 2025-10-07 |
The Use of Hybrid CNN-RNN Deep Learning Models to Discriminate Tumor Tissue in Dynamic Breast Thermography
2024-Dec-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10120329
PMID:39728226
|
研究论文 | 本研究评估混合CNN-RNN深度学习模型在动态乳腺热成像中识别肿瘤组织的性能 | 首次将五种预训练CNN架构与三种RNN结合构建混合模型，从动态乳腺热成像中同时提取空间和时间特征 | 未明确说明数据集规模和具体采集条件，性能比较仅限于所选架构 | 开发能够从动态乳腺热成像中有效识别肿瘤组织的深度学习模型 | 乳腺热成像图像中的肿瘤异常组织 | 计算机视觉 | 乳腺癌 | 红外热成像技术 | CNN, RNN | 动态热成像图像序列 | NA | NA | VGG16, LSTM, AlexNet, RNN | 准确率, 敏感度, 特异度 | CPU（具体型号未说明） |
| 18234 | 2025-10-07 |
A Real-Time Lightweight Behavior Recognition Model for Multiple Dairy Goats
2024-Dec-19, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani14243667
PMID:39765571
|
研究论文 | 提出一种用于多只奶山羊实时轻量级行为识别的GSCW-YOLO模型 | 集成高斯上下文变换和CARAFE上采样算子，增强对行为特征的关注并优化Wise-IoU损失函数 | 仅基于9213张自建数据集进行验证，未在更广泛场景测试 | 实现复杂环境下奶山羊小目标行为的自动识别 | 奶山羊的行为识别，特别是异常行为检测 | 计算机视觉 | NA | 视频监控 | YOLO | 图像 | 9213张图像 | YOLOv8n | GSCW-YOLO | 精确率,召回率,mAP,FPS | NA |
| 18235 | 2025-10-07 |
Automated Supraclavicular Brown Adipose Tissue Segmentation in Computed Tomography Using nnU-Net: Integration with TotalSegmentator
2024-Dec-11, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14242786
PMID:39767147
|
研究论文 | 开发基于nnU-Net的自动化锁骨上棕色脂肪组织分割方法并集成到TotalSegmentator软件中 | 首次将nnU-Net框架应用于BAT分割，并集成到现有医学影像分析平台TotalSegmentator中 | 研究仅针对淋巴瘤患者群体，未在其他疾病群体中验证 | 开发自动化BAT分割方法以减少人工标注时间和变异性 | 淋巴瘤患者的CT扫描图像 | 医学影像分析 | 淋巴瘤 | CT扫描，FDG PET/CT | CNN | 3D医学影像 | 训练集159例淋巴瘤患者，测试集30例患者，另分析7107例FDG PET/CT研究 | nnU-Net | 3D nnU-Net | DICE分数，Hausdorff距离 | NA |
| 18236 | 2025-10-07 |
Exploring the Trade-Off in the Variational Information Bottleneck for Regression with a Single Training Run
2024-Nov-30, Entropy (Basel, Switzerland)
DOI:10.3390/e26121043
PMID:39766672
|
研究论文 | 提出一种可在单次训练中获取回归问题所有β值下VIB最优解的框架 | 首次在回归问题中推导VIB最优解，并提出单次训练即可探索所有β值的创新框架 | 仅针对回归问题进行分析，未涉及分类等其他任务 | 分析变分信息瓶颈在回归问题中的行为特性并提升参数探索效率 | 变分信息瓶颈方法在回归任务中的应用 | 机器学习 | NA | 变分信息瓶颈 | VIB | NA | NA | NA | NA | NA | NA |
| 18237 | 2025-10-07 |
Artificial Intelligence in IVF Laboratories: Elevating Outcomes Through Precision and Efficiency
2024-Nov-28, Biology
DOI:10.3390/biology13120988
PMID:39765654
|
综述 | 探讨人工智能技术在体外受精实验室中的应用及其对生殖医学的影响 | 系统分析AI在胚胎和精子选择自动化、临床决策优化方面的创新应用 | 存在数据安全、算法偏见和人机交互等伦理监管挑战 | 提升体外受精实验室的精准度和效率 | 体外受精实验室流程和生殖医学 | 机器学习 | 生殖系统疾病 | NA | 神经网络,深度学习,机器学习 | 医疗数据 | NA | NA | NA | 准确率,一致性,操作效率 | NA |
| 18238 | 2025-10-07 |
VDMNet: A Deep Learning Framework with Vessel Dynamic Convolution and Multi-Scale Fusion for Retinal Vessel Segmentation
2024-Nov-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11121190
PMID:39768008
|
研究论文 | 提出一种名为VDMNet的新型深度学习框架，用于视网膜血管分割 | 集成了快速多头自注意力模块、血管动态卷积模块、多尺度融合机制和加权非对称焦点Tversky损失函数，有效解决了噪声敏感、类别不平衡和复杂血管形态分割等挑战 | NA | 开发更精确的视网膜血管分割方法 | 视网膜血管图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描血管成像(OCTA) | 深度学习分割网络 | 医学图像 | ROSE-1和OCTA-3M两个公开数据集 | NA | VDMNet | 多种评估指标 | NA |
| 18239 | 2025-10-07 |
Early Detection of Macular Atrophy Automated Through 2D and 3D Unet Deep Learning
2024-Nov-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11121191
PMID:39768009
|
研究论文 | 开发了一种基于2D和3D Unet架构的自动化方法，用于通过光学相干断层扫描早期检测黄斑萎缩 | 首次结合2D和3D Unet架构开发自动化黄斑萎缩检测方法，性能优于人工评分 | 样本量相对有限（125只眼睛，89名患者） | 开发黄斑萎缩的早期自动检测方法 | 年龄相关性黄斑变性患者的黄斑萎缩病变 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描 | CNN | 医学影像 | 1241个容积OCT扫描，来自125只眼睛（89名患者） | NA | 2D Unet, 3D Unet | Dice相似系数, F1分数 | NA |
| 18240 | 2025-10-07 |
LVGG-IE: A Novel Lightweight VGG-Based Image Encryption Scheme
2024-Nov-23, Entropy (Basel, Switzerland)
DOI:10.3390/e26121013
PMID:39766642
|
研究论文 | 提出一种基于轻量级VGG网络的图像加密方案LVGG-IE，通过结合混沌系统和深度学习实现高效安全的图像加密 | 设计轻量级VGG网络生成密钥种子，构建动态S-box和单连接层，将明文图像与混沌系统初始值关联 | 未明确说明计算复杂度分析，缺乏与其他深度学习加密方案的详细对比 | 开发高安全性和高效率的图像加密方案 | 数字图像的安全加密 | 计算机视觉 | NA | 图像加密，混沌系统，深度学习 | CNN | 图像 | NA | NA | VGG | 相关系数，NPCR，UACI | NA |