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 34204 篇文献，本页显示第 18541 - 18560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18541 | 2025-02-14 |
Improved segmentation of hepatic vascular networks in ultrasound volumes using 3D U-Net with intensity transformation-based data augmentation
2025-Feb-13, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03320-2
PMID:39939404
|
研究论文 | 本研究通过引入基于强度变换的数据增强方法，改进了使用3D U-Net进行肝脏血管网络的三维分割 | 提出了基于高对比度和低对比度强度变换的数据增强方法，显著提高了3D U-Net在肝脏血管网络分割中的性能 | 高对比度强度变换的数据增强方法降低了分割准确性，需要进一步优化 | 改进肝脏血管网络的三维分割，以支持超声介导的肝脏疾病诊疗 | 肝脏血管网络 | 计算机视觉 | 肝脏疾病 | 3D U-Net | 3D U-Net | 超声体积数据 | 78个超声体积数据 | NA | NA | NA | NA |
| 18542 | 2025-02-14 |
Analytical Capabilities and Future Perspectives of Chemometrics in Omics for Food Microbial Investigation
2025-Feb-13, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2025.2463430
PMID:39945579
|
综述 | 本文综述了化学计量学在食品微生物研究中的应用、原理及挑战，并探讨了其与多组学和生物信息学结合的未来发展 | 强调了化学计量学在食品微生物组学研究中的潜力，并提出了整合深度学习和人工智能算法以提高分析能力和预测精度的迫切需求 | 选择合适的化学计量工具并进行多组学数据融合分析仍是一个巨大挑战 | 揭示食品微生物在营养和安全中的功能属性和机制 | 食品微生物组 | 生物信息学 | NA | 多组学技术 | 深度学习（DL）和人工智能算法 | 多组学数据 | NA | NA | NA | NA | NA |
| 18543 | 2025-10-07 |
A hitchhiker's guide to deep chemical language processing for bioactivity prediction
2025-Feb-12, Digital discovery
IF:6.2Q1
DOI:10.1039/d4dd00311j
PMID:39726698
|
研究论文 | 本文系统分析深度化学语言处理的关键要素，为生物活性预测提供实用指南 | 首次全面分析化学语言处理中的多种方法组合，提供基于实证的实践建议 | 仅涵盖三种神经网络架构和两种分子表示方法，可能未覆盖所有最新技术 | 为生物活性预测提供深度化学语言处理的实践指南 | 分子字符串表示（SMILES和SELFIES） | 自然语言处理 | NA | 化学语言处理 | 神经网络 | 分子字符串数据 | 十个生物活性数据集 | NA | 三种神经网络架构 | 分类和回归评估指标 | NA |
| 18544 | 2025-10-07 |
Biophysics-guided uncertainty-aware deep learning uncovers high-affinity plastic-binding peptides
2025-Feb-12, Digital discovery
IF:6.2Q1
DOI:10.1039/d4dd00219a
PMID:39882101
|
研究论文 | 结合生物物理建模、证据深度学习与元启发式搜索方法，开发不确定性感知框架以发现高亲和力塑料结合肽 | 首次将生物物理建模数据、证据深度学习的不确定性量化与元启发式搜索相结合，用于塑料结合肽的发现 | 仅针对聚乙烯、聚丙烯和聚苯乙烯三种塑料进行了验证，未涵盖所有塑料类型 | 开发高效发现高亲和力塑料结合肽的计算框架，用于微塑料环境修复 | 塑料结合肽（PBPs） | 机器学习 | NA | 分子动力学模拟，PepBD算法 | 证据深度学习 | 生物物理建模数据 | 超过10^12种12聚肽的组合空间 | NA | NA | 吸附自由能 | NA |
| 18545 | 2025-02-14 |
A Deep-Learning Approach for Vocal Fold Pose Estimation in Videoendoscopy
2025-Feb-12, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01431-8
PMID:39939476
|
研究论文 | 本文提出了一种深度学习框架，用于从临床实践中获取的喉镜视频帧中估计声带姿态，以辅助诊断喉部疾病 | 该框架通过热图回归依赖三个解剖学相关的关键点作为前声门角度（AGA）计算的先验，克服了现有算法在病理图像、噪声和遮挡等挑战性图像中的缺点 | NA | 开发一种深度学习框架，用于从喉镜视频帧中准确估计声带姿态，以辅助诊断喉部疾病 | 声带姿态估计 | 计算机视觉 | 喉部疾病 | 深度学习 | 热图回归 | 视频帧 | 124名患者的471张喉镜帧，其中28名患者患有癌症 | NA | NA | NA | NA |
| 18546 | 2025-02-14 |
Multifactor prediction model for stock market analysis based on deep learning techniques
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88734-6
PMID:39934296
|
研究论文 | 本文提出了一种基于深度学习的多因素预测模型，用于分析股票市场的稳定性 | 使用sigmoid深度学习范式构建了一个基于矛盾因素的稳定性预测模型，能够识别不同影响因素对股票市场稳定性的影响 | 未提及具体的数据集或实验验证结果，可能缺乏实际应用的验证 | 研究股票市场的稳定性预测，以提高预测精度和识别市场突变 | 股票市场的稳定性及其影响因素 | 机器学习 | NA | 深度学习 | sigmoid深度学习模型 | 股票市场数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 18547 | 2025-02-14 |
Deep-learning-ready RGB-depth images of seedling development
2025-Feb-11, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01334-3
PMID:39934882
|
研究论文 | 本文提出了一个独特的幼苗出苗动力学注释数据集，包含近70,000个RGB深度帧和超过700,000个植物注释 | 提供了一个独特的RGB深度图像数据集，用于训练深度学习模型并进行高通量表型分析，展示了该数据集在多种物种上的泛化能力并超越现有技术 | 讨论了该数据集在植物表型分析中引发的新问题，但未详细说明具体问题 | 旨在通过提供高质量的注释数据集，推动机器学习驱动的植物成像研究 | 幼苗出苗动力学 | 计算机视觉 | NA | NA | 深度学习模型 | RGB深度图像 | 近70,000个RGB深度帧和超过700,000个植物注释 | NA | NA | NA | NA |
| 18548 | 2025-10-07 |
Renji endoscopic submucosal dissection video data set for early gastric cancer
2025-Feb-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04573-0
PMID:39929844
|
研究论文 | 介绍首个公开的早期胃癌内镜黏膜下剥离术视频数据集 | 首个公开可用的早期胃癌ESD治疗数据集，包含66,656个由三位内镜医师共同标注的阶段识别注释 | 数据集规模相对较小，仅包含20个ESD内镜视频 | 促进内镜手术阶段识别技术发展和ESD数据集构建标准化 | 早期胃癌内镜黏膜下剥离术视频数据 | 计算机视觉 | 胃癌 | 内镜黏膜下剥离术 | 深度学习 | 视频 | 20个ESD内镜视频，66,656个阶段识别标注 | NA | NA | NA | NA |
| 18549 | 2025-10-07 |
Identifying invasiveness to aid lung adenocarcinoma diagnosis using deep learning and pathomics
2025-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87094-5
PMID:39929860
|
研究论文 | 本研究探索结合深度学习和病理组学识别肺腺癌肿瘤侵袭性的可行性 | 首次将深度学习与病理组学结合用于肺腺癌侵袭性识别，并验证其对初级和中级病理医生的辅助诊断价值 | 回顾性研究，样本量有限（289例），需进一步前瞻性验证 | 提高肺腺癌肿瘤侵袭性的诊断准确性 | 肺腺癌患者的手术切除磨玻璃结节 | 数字病理 | 肺腺癌 | 全切片图像分析 | CNN | 病理图像 | 289例患者 | NA | ResNet18, ResNet50, ResNet101 | AUC, 准确率, 灵敏度 | NA |
| 18550 | 2025-10-07 |
BO-CLAHE enhancing neonatal chest X-ray image quality for improved lesion classification
2025-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88451-0
PMID:39929905
|
研究论文 | 提出基于贝叶斯优化的CLAHE方法(BO-CLAHE)用于增强新生儿胸部X射线图像质量，以改善肺部病变分类效果 | 首次将贝叶斯优化应用于CLAHE超参数自动选择，解决了传统手动调参的低效问题 | 仅针对新生儿胸部X射线图像进行验证，未在其他医学影像模态上测试 | 通过图像增强技术提升新生儿胸部X射线图像质量，以支持基于深度学习的肺部疾病分类 | 早产和高风险新生儿的胸部X射线图像 | 计算机视觉 | 新生儿肺部疾病 | X射线成像 | 深度学习分类模型 | 医学图像 | NA | NA | NA | 分类性能指标 | NA |
| 18551 | 2025-02-14 |
Robust pose estimation for non-cooperative space objects based on multichannel matching method
2025-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89544-6
PMID:39930024
|
研究论文 | 本文提出了一种基于多通道匹配方法的非合作空间物体姿态估计框架，该框架不依赖于3D模型，适用于实例和类别级别的场景 | 提出了一种不依赖于3D模型的通用姿态估计流程，并设计了一个多通道匹配网络和三重损失函数来获取关键点匹配对，同时引入了动态关键帧池的姿态图优化算法以减少长期漂移误差 | NA | 提高非合作空间物体姿态估计的准确性和鲁棒性，以支持3D重建、卫星导航、交会对接和碰撞避免等空间任务 | 非合作空间物体 | 计算机视觉 | NA | 深度学习 | 多通道匹配网络 | 图像 | 包含9种不同类型的非合作目标的11,565个样本 | NA | NA | NA | NA |
| 18552 | 2025-10-07 |
RadImageNet and ImageNet as Datasets for Transfer Learning in the Assessment of Dental Radiographs: A Comparative Study
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01204-9
PMID:39048809
|
研究论文 | 比较RadImageNet和ImageNet预训练模型在牙科影像分类任务中的迁移学习性能 | 首次系统比较医学影像数据集RadImageNet与自然图像数据集ImageNet在牙科影像分析中的迁移学习效果 | 研究仅针对两种特定的牙科影像分类任务，结果可能不适用于其他医学影像场景 | 评估医学影像专用数据集在牙科影像分类中的迁移学习性能优势 | 牙科全景片和侧位头影测量片 | 计算机视觉 | 牙科疾病 | 深度学习 | 预训练模型 | 医学影像 | 两个牙科影像数据集（具体数量未明确） | NA | NA | AUC | NA |
| 18553 | 2025-10-07 |
AutoCorNN: An Unsupervised Physics-Aware Deep Learning Model for Geometric Distortion Correction of Brain MRI Images Towards MR-Only Stereotactic Radiosurgery
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01171-1
PMID:39080159
|
研究论文 | 提出一种无监督物理感知深度学习模型AutoCorNN，用于校正脑部MRI图像的几何畸变 | 将两个2D卷积编码器-解码器神经网络与MRI信号生成的前向物理模型相结合，无需真实标签图像即可训练 | 仅在前庭神经鞘瘤病例上进行了评估，未在其他脑部疾病上验证 | 开发用于脑部MRI图像几何畸变校正的深度学习模型，以支持MR-only立体定向放射外科手术 | 脑部MRI图像 | 医学影像分析 | 脑部疾病 | MRI | CNN | 图像 | 两个公共数据集：MPI-Leipzig Mind-Brain-Body（318名受试者）和Vestibular Schwannoma-SEG数据集（242名患者） | NA | 2D卷积编码器-解码器神经网络 | 峰值信噪比, 均方根误差, 结构相似性指数, 靶区覆盖率, 适形指数 | NA |
| 18554 | 2025-10-07 |
3D Features Fusion for Automated Segmentation of Fluid Regions in CSCR Patients: An OCT-based Photodynamic Therapy Response Analysis
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01190-y
PMID:39075249
|
研究论文 | 提出一种基于深度学习的自动化3D分割方法，用于CSCR患者OCT扫描中液体区域的精确分割及PDT治疗反应分析 | 首次利用OCT扫描的丰富3D上下文信息进行液体区域自动分割，并结合治疗前后扫描预测PDT反应 | NA | 开发自动化3D分割方法以改善CSCR患者的治疗管理和预后 | 中心性浆液性脉络膜视网膜病变(CSCR)患者 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描(OCT) | 深度学习 | 3D OCT扫描图像 | 2,769个OCT扫描(124个3D体积) | NA | NA | NA | NA |
| 18555 | 2025-10-07 |
A Boundary-Enhanced Decouple Fusion Segmentation Network for Diagnosis of Adenomatous Polyps
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01195-7
PMID:39037669
|
研究论文 | 提出一种边界增强解耦融合分割网络用于腺瘤性息肉的诊断分类 | 采用挤压体边缘模块解耦特征的身体和边缘部分，结合金字塔池化模块和边界增强模块分别强化结构和形态特征 | 仅在两个私有数据集上进行验证，缺乏外部验证 | 开发基于深度学习的腺瘤性息肉定位与分类方法 | 腺瘤性息肉（绒毛状腺瘤和管状腺瘤） | 计算机视觉 | 结直肠癌前病变 | 内窥镜成像 | CNN, U-Net | 内窥镜图像 | 两个私有数据集 | NA | EGE-UNet, 金字塔池化模块, 挤压体边缘模块, 组聚合桥, 边界增强模块 | mIoU, mPA, mHD, mASD | NA |
| 18556 | 2025-10-07 |
The Use of fMRI Regional Analysis to Automatically Detect ADHD Through a 3D CNN-Based Approach
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01189-5
PMID:39028358
|
研究论文 | 本研究开发了一种基于3D CNN的fMRI区域分析方法来自动检测注意力缺陷多动障碍（ADHD） | 首次将3D CNN架构应用于fMRI的fALFF和ReHo三维数据，用于ADHD自动分类 | 数据集存在不平衡问题，且样本量有限 | 开发基于深度学习的ADHD自动诊断系统 | ADHD患者和正常对照的fMRI脑功能数据 | 医学影像分析 | 注意力缺陷多动障碍 | 功能磁共振成像（fMRI） | CNN, FCNN | 三维脑功能影像数据 | ADHD-200数据库（包含NeuroImage、纽约大学、北京大学三个数据集） | NA | 3D CNN | 准确率 | NA |
| 18557 | 2025-10-07 |
Diagnostic Accuracy of Ultra-Low Dose CT Compared to Standard Dose CT for Identification of Fresh Rib Fractures by Deep Learning Algorithm
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01027-8
PMID:39020151
|
研究论文 | 本研究评估超低剂量CT与标准剂量CT在使用深度学习算法检测新鲜肋骨骨折方面的诊断准确性 | 首次系统比较超低剂量CT与标准剂量CT结合深度学习算法在肋骨骨折诊断中的性能差异 | 样本量相对有限（158例患者），且仅针对新鲜肋骨骨折进行评估 | 评估超低剂量CT在肋骨骨折诊断中的临床应用价值 | 接受法医诊断的肋骨骨折患者 | 医学影像分析 | 骨骼创伤 | 计算机断层扫描（CT） | 深度学习算法 | CT影像 | 158例患者（50例标准剂量CT，108例超低剂量CT） | NA | NA | 灵敏度, 特异度, 阳性预测值, 阴性预测值, AUC | NA |
| 18558 | 2025-10-07 |
Fully and Weakly Supervised Deep Learning for Meniscal Injury Classification, and Location Based on MRI
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01198-4
PMID:39020156
|
研究论文 | 本研究开发了一种基于MRI图像的半月板损伤自动分类和定位深度学习管道 | 提出LGSA-UNet模型，融合相邻切片特征并调整Siam模块，使中心切片获得丰富上下文信息 | NA | 开发半月板损伤自动分类和定位方法 | 膝关节半月板 | 医学影像分析 | 骨科疾病 | MRI成像 | 深度学习 | 医学图像 | OAI数据库1756个膝关节，医院外部验证集206个膝关节 | NA | LGSA-UNet, Siam | DICE系数, AUC, 准确率 | NA |
| 18559 | 2025-10-07 |
Deep Learning-Based Localization and Detection of Malpositioned Nasogastric Tubes on Portable Supine Chest X-Rays in Intensive Care and Emergency Medicine: A Multi-center Retrospective Study
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01181-z
PMID:38980623
|
研究论文 | 开发基于深度学习的计算机辅助检测系统，用于定位鼻胃管并检测其位置异常 | 首次开发能够同时实现鼻胃管定位和位置异常检测的深度学习系统，并在多中心数据集上验证其泛化能力 | 回顾性研究设计，需要前瞻性验证 | 开发计算机辅助检测系统以改善鼻胃管位置监测 | 重症监护和急诊医学中的鼻胃管 | 计算机视觉 | NA | 便携式胸部X光成像 | CNN | X光图像 | 7378张便携式胸部X光片，来自两家医院 | NA | DeepLabv3+, ResNeSt50, DenseNet121 | Dice系数, AUC, 距离误差 | NA |
| 18560 | 2025-10-07 |
Adrenal Volume Quantitative Visualization Tool by Multiple Parameters and an nnU-Net Deep Learning Automatic Segmentation Model
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01158-y
PMID:38955963
|
研究论文 | 开发基于nnU-Net的肾上腺体积自动分割与可视化工具 | 使用包含多参数、多机型、多辐射剂量的大型数据集训练模型，显著提升了在低剂量CT扫描等多样化临床场景下的泛化能力 | 未明确说明具体样本数量及模型在其他医疗机构数据上的验证结果 | 开发高精度、强泛化能力的肾上腺自动分割工具以辅助临床诊疗 | 肾上腺器官 | 数字病理 | 肾上腺疾病（包括肾上腺增生、肾上腺腺瘤、肾上腺皮质腺癌等） | CT扫描 | 深度学习 | 医学影像 | 包含多参数、多机型、多辐射剂量的大型数据集（具体数量未说明） | nnU-Net | nnU-Net | Dice系数 | NA |