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 18321 - 18340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18321 | 2025-10-07 |
A Novel Deep Learning Approach for Forecasting Myocardial Infarction Occurrences with Time Series Patient Data
2024-May-22, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02076-w
PMID:38775899
|
研究论文 | 使用新型深度学习模型预测心肌梗死发生率 | 提出了专门针对心肌梗死预测的MSC-LSTM方法，在新型数据集上表现优于传统模型 | 研究仅限于吉大港大都会区的数据，时间范围仅为两年 | 早期预测心肌梗死发生率以支持公共卫生决策 | 吉大港大都会区2020-2021年心肌梗死患者时间序列数据 | 机器学习 | 心血管疾病 | 时间序列分析 | LSTM | 时间序列数据 | 2020年1月1日至2021年12月31日吉大港大都会区每日心肌梗死发病率数据 | NA | MSC-LSTM, LSTM | 平均百分比误差(MPE) | NA |
| 18322 | 2025-10-07 |
3D CNN-based Deep Learning Model-based Explanatory Prognostication in Patients with Multiple Myeloma using Whole-body MRI
2024-Mar-08, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02040-8
PMID:38456950
|
研究论文 | 本研究开发了一种基于3D CNN的深度学习模型，利用全身MRI数据预测多发性骨髓瘤患者的预后 | 首次证明仅使用全身MRI数据和3D CNN模型（无需其他临床数据）即可有效预测多发性骨髓瘤预后，并采用Grad-CAM提供模型解释 | 回顾性研究设计，样本量相对有限（142例患者） | 预测多发性骨髓瘤患者的预后并探索预测相关因素 | 多发性骨髓瘤患者 | 医学影像分析 | 多发性骨髓瘤 | 全身扩散加权磁共振成像 | 3D CNN | 3D MRI图像 | 142例患者（111例训练和内部验证，31例外部验证） | NA | 3D CNN | 无进展生存期，受试者工作特征曲线下面积 | NA |
| 18323 | 2025-10-07 |
NeuroIGN: Explainable Multimodal Image-Guided System for Precise Brain Tumor Surgery
2024-Feb-23, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02037-3
PMID:38393660
|
研究论文 | 开发了一种新型多模态图像引导神经外科系统，利用深度学习和可解释AI提升脑肿瘤手术效果 | 结合深度学习和可解释AI的多模态神经导航系统，提供实时超声成像和模块化架构 | 仅在实验室和模拟手术室环境中进行验证，尚未进行临床实际应用 | 开发精确的脑肿瘤手术导航系统，提升手术效果和术后长期结果 | 脑肿瘤手术患者 | 数字病理 | 脑肿瘤 | 深度学习，可解释AI，超声成像 | 深度学习模型 | 多模态医学图像 | NA | 开源软件包 | 模块化架构（包含肿瘤分割、患者配准、可解释输出预测） | 追踪精度0.5(±0.1)mm，帧率19 FPS | NA |
| 18324 | 2025-10-07 |
Artificial Intelligence-enabled Chest X-ray Classifies Osteoporosis and Identifies Mortality Risk
2024-Jan-13, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-023-02030-2
PMID:38217829
|
研究论文 | 开发深度学习模型通过胸部X射线特征识别骨质疏松症并评估其与全因死亡率的关系 | 首次利用胸部X射线结合深度学习技术实现骨质疏松症的早期筛查和死亡率风险评估 | 研究主要基于单一学术医疗中心数据，需要更多外部验证 | 开发基于胸部X射线的骨质疏松症识别模型并评估其临床预后价值 | 骨质疏松症患者和全因死亡率风险人群 | 计算机视觉 | 骨质疏松症 | 双能X射线吸收测定法(DXA) | 深度学习模型 | 胸部X射线图像 | 48,353张胸部X射线图像（35,633张用于训练，12,720张用于验证） | NA | NA | AUC, 风险比(HR), Kaplan-Meier生存分析, Cox比例风险模型 | NA |
| 18325 | 2025-10-07 |
Enhanced neurological anomaly detection in MRI images using deep convolutional neural networks
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1504545
PMID:39802885
|
研究论文 | 本研究开发了一种基于深度卷积神经网络的框架，用于自动检测和分类MRI图像中的神经系统异常 | 提出专门优化的深度卷积神经网络架构，在MRI神经异常检测中达到98.44%的分类准确率，优于ResNet-50和AlexNet等知名模型 | 需要进一步研究评估模型在不同临床场景下的表现，未来可整合纵向成像和多模态技术 | 开发自动化神经系统疾病诊断系统，解决传统手动解读方法耗时且易变的问题 | 神经系统异常（包括帕金森病、阿尔茨海默病和癫痫）的MRI图像 | 计算机视觉 | 神经系统疾病 | MRI成像 | DCNN | 图像 | NA | NA | 深度卷积神经网络 | 准确率,精确率,召回率,F1分数 | NA |
| 18326 | 2025-10-07 |
Deep learning to optimize radiotherapy decisions for elderly patients with early-stage breast cancer: a novel approach for personalized treatment
2024, American journal of cancer research
IF:3.6Q2
DOI:10.62347/TRNO3190
PMID:39803647
|
研究论文 | 本研究开发了一种基于深度学习的个性化治疗方法，用于优化老年早期乳腺癌患者的放疗决策 | 首次将深度生存回归与混合效应模型(DSME)应用于老年早期乳腺癌患者的放疗决策优化，提供个性化治疗建议 | 研究为回顾性分析，可能存在选择偏倚；模型在未推荐放疗的患者中未观察到获益 | 评估辅助放疗在老年早期乳腺癌患者中的疗效，并开发个性化治疗决策模型 | 8,047名接受保乳手术的老年早期乳腺癌患者 | 医疗人工智能 | 乳腺癌 | 深度学习 | 深度生存回归与混合效应模型(DSME) | 临床数据 | 8,047名老年早期乳腺癌患者 | NA | DSME | 风险比,风险差异,平均生存时间 | NA |
| 18327 | 2025-10-07 |
Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy
2023-Sep-14, Research square
DOI:10.21203/rs.3.rs-3272441/v1
PMID:37790426
|
研究论文 | 基于功能网络连接性使用图卷积网络和深度聚类识别ADHD生物型，为个性化药物治疗提供指导 | 首次将图卷积网络与深度聚类相结合用于ADHD生物型识别，并验证了不同生物型对特定药物的差异化治疗反应 | 样本主要来自青少年群体，需要进一步验证在更广泛年龄段的适用性 | 开发基于神经影像的ADHD生物型分类方法以指导个性化药物治疗 | 注意力缺陷多动障碍(ADHD)患者 | 医学影像分析 | 神经发育障碍 | 功能网络连接性(FNC) | 图卷积网络,深度聚类 | 功能磁共振成像数据 | 1069名ADHD患者(ABCD研究) + 130名独立验证样本 | NA | 图卷积网络 | 统计显著性(p值), FDR校正 | NA |
| 18328 | 2025-10-07 |
ID-Seg: an infant deep learning-based segmentation framework to improve limbic structure estimates
2022-May-28, Brain informatics
DOI:10.1186/s40708-022-00161-9
PMID:35633447
|
研究论文 | 提出一种基于深度学习的婴儿脑部MRI分割框架ID-Seg，用于提高边缘结构分割精度 | 利用大型公共婴儿MRI数据集和迁移学习技术，首次在婴儿脑部边缘结构分割中应用深度卷积神经网络 | 需要多中心测试验证，且目前仅适用于杏仁核和海马体两个脑区 | 开发高精度的婴儿脑部边缘结构自动分割方法 | 婴儿脑部边缘结构（杏仁核和海马体） | 医学影像分析 | 神经发育疾病 | 磁共振成像 | CNN | 医学影像 | 473名婴儿的MRI数据，并在两个独立数据集上验证 | NA | 深度卷积神经网络 | Dice相似系数, 组内相关系数, 平均表面距离 | NA |
| 18329 | 2025-10-07 |
Automated Multiclass Artifact Detection in Diffusion MRI Volumes via 3D Residual Squeeze-and-Excitation Convolutional Neural Networks
2022, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2022.877326
PMID:35431841
|
研究论文 | 提出基于3D残差压缩激励卷积神经网络的扩散MRI多类别伪影自动检测方法 | 首次实现扩散MRI数据的多类别（非二元）伪影自动分类，采用3D MECE子体积分割和投票机制 | 仅针对特定数据集（ABCD和HBN）进行验证，未在其他数据集测试泛化能力 | 开发自动化的扩散MRI多类别伪影检测方法以提高数据预处理效率 | 扩散MRI脑部扫描数据 | 医学影像分析 | 脑部疾病 | 扩散MRI | CNN | 3D医学影像 | ABCD数据集2,494个低质量dMRI体积，HBN数据集4,226个dMRI体积 | NA | 3D Residual Squeeze-and-Excitation CNN | 准确率 | NA |
| 18330 | 2025-10-07 |
Applications of MRI in Schizophrenia: Current Progress in Establishing Clinical Utility
2025-Feb, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29470
PMID:38946400
|
综述 | 概述MRI在精神分裂症中的临床应用进展与前景 | 整合机器学习与深度学习技术开发智能诊断工具，总结MRI研究成果向临床转化的可行路径 | MRI研究发现与现实临床应用之间存在转化鸿沟 | 建立MRI在精神分裂症中的临床效用 | 精神分裂症患者及高危人群 | 医学影像分析 | 精神分裂症 | 磁共振成像(MRI) | 机器学习,深度学习 | MRI影像数据 | NA | NA | NA | NA | NA |
| 18331 | 2025-10-07 |
Large scale Raman spectrum calculations in defective 2D materials using deep learning
2025-Jan-13, Journal of physics. Condensed matter : an Institute of Physics journal
DOI:10.1088/1361-648X/ada106
PMID:39693768
|
研究论文 | 提出一种基于深度学习的机器学习预测工作流程，用于研究缺陷对二维材料拉曼响应的影响 | 结合机器学习原子间势、拉曼活性Γ加权态密度方法和独立补丁分割配置，能够模拟数万原子规模的系统 | 对角化过程成为模拟的主要瓶颈 | 研究缺陷对二维材料拉曼响应的影响 | 同位素石墨烯和缺陷六方氮化硼 | 机器学习 | NA | 拉曼光谱计算 | 深度学习 | 原子结构数据 | 数万原子规模的模拟系统 | NA | NA | 与实验结果的吻合度 | NA |
| 18332 | 2025-10-07 |
Enhanced Photothermal/Immunotherapy under NIR Irradiation Based on Hollow Mesoporous Responsive Nanomotor
2025-Jan-13, Inorganic chemistry
IF:4.3Q1
DOI:10.1021/acs.inorgchem.4c05059
PMID:39727277
|
研究论文 | 本研究开发了一种中空介孔响应型纳米马达，用于近红外照射下增强光热/免疫联合治疗 | 提出基于中空介孔硫化铜的智能纳米马达，首次结合ResNet18预测材料比表面积，并实现光热治疗与免疫治疗的协同增强 | NA | 开发新型纳米材料用于肿瘤的光热/免疫联合治疗 | 乳腺癌细胞、肿瘤相关巨噬细胞 | 纳米医学 | 乳腺癌 | 近红外照射、光热治疗、免疫治疗 | CNN | 形态学数据 | NA | NA | ResNet18 | NA | NA |
| 18333 | 2025-01-14 |
A real-time approach for surgical activity recognition and prediction based on transformer models in robot-assisted surgery
2025-Jan-12, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03306-9
PMID:39799528
|
研究论文 | 本文提出了一种基于Transformer模型的深度学习方法，用于机器人辅助微创手术中的手术活动识别和预测 | 提出了一种改进的Transformer模型，专门设计用于处理手术机器人中的手势识别、预测和末端执行器轨迹预测任务，且仅使用机器人手臂关节的运动学数据 | 模型仅依赖于运动学数据，未考虑其他可能影响手术活动识别和预测的因素 | 开发一个实时手术风险监测系统，用于机器人辅助微创手术 | 机器人辅助微创手术中的手术活动 | 计算机视觉 | NA | 深度学习 | Transformer | 运动学数据 | JHU-ISI手势和技能评估工作集数据集 | NA | NA | NA | NA |
| 18334 | 2025-10-07 |
YOLO-STOD: an industrial conveyor belt tear detection model based on Yolov5 algorithm
2025-Jan-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83619-6
PMID:39794390
|
研究论文 | 提出基于YOLOv5算法的工业传送带撕裂检测模型YOLO-STOD，用于复杂干扰环境下的小尺寸撕裂损伤检测 | 采用BotNet注意力机制提取多维撕裂特征，增强小目标特征提取能力；使用Shape_IOU计算训练损失，考虑边界框自身形状回归损失以增强模型鲁棒性 | NA | 提高复杂干扰环境下小尺寸传送带撕裂损伤检测算法的性能 | 工业传送带的纵向撕裂损伤 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | 多案例传送带撕裂数据集 | PyTorch | YOLOv5, BotNet | 召回率, mAP值, FPS | NA |
| 18335 | 2025-10-07 |
Not seeing the trees for the forest. The impact of neighbours on graph-based configurations in histopathology
2025-Jan-11, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-06007-x
PMID:39794715
|
研究论文 | 本研究探讨了不同图配置对多示例学习模型在数字病理学中分类性能的影响 | 开发了新颖的K-MIL流程来评估邻域上下文信息对细胞分类性能的影响 | 研究发现在某些情况下增加空间上下文信息会导致错误分类，表明更多上下文并非总是有益的 | 研究图配置中邻域结构对病理图像分类性能的影响 | 结肠癌和UCSB数据集的病理切片图像 | 数字病理学 | 结肠癌 | 全切片图像分析 | 多示例学习, 图神经网络 | 病理图像 | 两个数据集（COLON癌和UCSB数据集） | NA | 图神经网络 | 袋级准确率, 图块级准确率 | NA |
| 18336 | 2025-10-07 |
Application of deep learning model based on unenhanced chest CT for opportunistic screening of osteoporosis: a multicenter retrospective cohort study
2025-Jan-10, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01817-2
PMID:39792306
|
研究论文 | 本研究基于平扫胸部CT图像开发并验证了用于骨质疏松机会性筛查的深度学习模型 | 首次利用平扫胸部CT的椎体和骨骼肌图像构建CNN模型进行骨质疏松的机会性筛查 | 回顾性研究设计，样本量相对有限 | 建立和验证基于平扫胸部CT图像的深度学习模型用于骨质疏松筛查 | 接受平扫胸部CT和双能X线骨密度仪检查的中老年患者 | 计算机视觉 | 骨质疏松 | CT成像，双能X线骨密度仪 | CNN | 医学影像 | 训练集581例，外部测试集1为229例，外部测试集2为198例，外部测试集3为118例 | NA | Densenet121 | F1分数，AUC | NA |
| 18337 | 2025-10-07 |
A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images
2025-Jan-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85874-7
PMID:39794374
|
研究论文 | 提出一种基于轻量级并行深度可分离卷积神经网络和混合岭回归极限学习机的混合可解释模型，用于MRI图像的脑肿瘤分类 | 结合轻量级PDSCNN和混合RRELM模型，在ELM框架中引入岭回归显著提升分类性能，并通过SHAP提供模型可解释性 | NA | 开发高精度、低计算复杂度的脑肿瘤自动分类方法 | 四种脑肿瘤类型（胶质瘤、脑膜瘤、无肿瘤、垂体瘤）的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI成像 | CNN, ELM | 图像 | NA | NA | PDSCNN, RRELM | 准确率, 精确率, 召回率 | NA |
| 18338 | 2025-10-07 |
Characteristics of successful expansion of tumor-infiltrating lymphocytes from colorectal cancer liver metastasis
2025-Jan-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85892-5
PMID:39794519
|
研究论文 | 本研究探讨结直肠癌肝转移组织中肿瘤浸润淋巴细胞的成功扩增特征及其与组织病理学因素的相关性 | 首次系统研究结直肠癌肝转移来源TILs的扩增特性，并发现KM评分与TILs扩增数量间的显著相关性 | 样本量较小（仅15例），仅5例完成快速扩增阶段 | 建立结直肠癌肝转移肿瘤浸润淋巴细胞的有效扩增方法并寻找预测指标 | 结直肠癌肝转移患者的肿瘤组织样本 | 数字病理学 | 结直肠癌 | TILs扩增技术,深度学习空间分析 | 深度学习模型 | 组织病理图像,细胞计数数据 | 15例结直肠癌肝转移组织 | NA | NA | p值,相关系数 | NA |
| 18339 | 2025-01-14 |
Enhanced detection of atrial fibrillation in single-lead electrocardiograms using a cloud-based artificial intelligence platform
2025-Jan-10, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2024.12.048
PMID:39800092
|
研究论文 | 本研究验证了一种基于云的深度学习平台，用于在大量患者的单导联心电图记录中自动检测心房颤动 | 使用未在目标心电图数据上训练的AI平台进行心房颤动检测，并展示了其优于基于规则的算法的性能 | 研究中未提及AI平台在其他类型心律失常检测中的具体表现，且样本来源单一 | 验证基于云的深度学习平台在单导联心电图中自动检测心房颤动的有效性 | 8,528名患者的30秒单导联心电图记录 | 机器学习 | 心血管疾病 | 深度学习 | NA | 心电图数据 | 8,528名患者的30秒单导联心电图记录 | NA | NA | NA | NA |
| 18340 | 2025-10-07 |
Unsupervised deep learning-based medical image registration: a survey
2025-Jan-07, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad9e69
PMID:39667278
|
综述 | 本文系统综述了基于无监督深度学习的医学图像配准方法的最新进展 | 深入探讨了创新网络架构并详细评述了各项研究的独特贡献 | NA | 帮助对该领域感兴趣的读者深入理解这一激动人心的研究方向 | 医学图像配准技术 | 医学图像分析 | NA | 深度学习 | 深度神经网络 | 医学图像 | NA | NA | NA | NA | NA |