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 18581 - 18600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18581 | 2025-02-14 |
DPD-YOLO: dense pineapple fruit target detection algorithm in complex environments based on YOLOv8 combined with attention mechanism
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1523552
PMID:39935949
|
研究论文 | 本文提出了一种基于YOLOv8并结合注意力机制的DPD-YOLO算法，用于复杂环境下的菠萝果实目标检测 | DPD-YOLO算法引入了注意力机制（Coordinate Attention）和BiFPN（双向特征金字塔网络），并替换了YOLOv8的检测头为RT-DETR检测头，结合了Cross-Attention和Self-Attention机制，显著提高了模型在复杂背景和遮挡情况下的检测精度 | NA | 提高复杂环境下菠萝果实目标检测的准确性 | 菠萝果实 | 计算机视觉 | NA | NA | YOLOv8, DPD-YOLO, RT-DETR | 图像 | NA | NA | NA | NA | NA |
| 18582 | 2025-02-14 |
Dual-stream disentangled model for microvascular extraction in five datasets from multiple OCTA instruments
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1542737
PMID:39944497
|
研究论文 | 本文提出了一种新颖的双流解耦网络（D2Net），用于视网膜OCTA微血管分割，有效减少了不同成像仪器带来的噪声和伪影干扰 | 提出了一种双流编码器，分别学习图像伪影和潜在血管特征，通过引入血管结构作为先验约束和构建辅助信息，实现了解耦表示学习 | 尽管在多个数据集上验证了方法的鲁棒性和泛化能力，但仍需进一步验证其在更广泛临床环境中的适用性 | 提高视网膜OCTA微血管分割的准确性，减少噪声和伪影的干扰 | 视网膜OCTA图像中的微血管 | 计算机视觉 | 眼科疾病 | OCTA成像技术 | 双流解耦网络（D2Net） | 图像 | 五个数据集（包括FOCA、OCTA-500、ROSE-O、ROSE-Z和ROSE-H），数据来自不同仪器 | NA | NA | NA | NA |
| 18583 | 2025-02-14 |
Magnetic resonance imaging-based deep learning for predicting subtypes of glioma
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1518815
PMID:39944539
|
研究论文 | 本研究探讨了基于磁共振成像（MRI）的深度学习在胶质瘤亚型分类中的应用价值 | 开发了一套能够有效分类胶质瘤亚型的模型，并发现仅包含FLAIR序列的模型效果最佳 | 研究样本主要来自公开数据库和单一医院，可能存在样本选择偏差 | 探索基于MRI的深度学习在胶质瘤亚型分类中的应用 | 747名来自公开数据库和64名来自医院的经手术病理证实的胶质瘤成年患者 | 计算机视觉 | 胶质瘤 | 磁共振成像（MRI） | 深度学习 | 图像 | 811名患者（747名来自公开数据库，64名来自医院） | NA | NA | NA | NA |
| 18584 | 2025-02-14 |
Modeling dose uncertainty in cone-beam computed tomography: Predictive approach for deep learning-based synthetic computed tomography generation
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100704
PMID:39944778
|
研究论文 | 本研究提出了一种基于深度学习的合成CT生成方法，用于评估锥形束CT（CBCT）中的剂量不确定性 | 引入了与合成CT和CT之间误差相关的体素级不确定性估计器，并提出了一种通过定义CT剂量-体积直方图（DVH）周围的置信区间来估计剂量不确定性的新方法 | 研究样本主要来自单一中心的头颈部患者，且仅测试了少量来自其他中心的患者，可能限制了方法的普适性 | 提高CBCT在图像引导放疗中的剂量计算准确性 | 头颈部癌症患者 | 计算机视觉 | 头颈部癌症 | 深度学习 | NA | 医学影像 | 85名头颈部患者（主要来自单一中心），外加3名来自不同中心的患者 | NA | NA | NA | NA |
| 18585 | 2025-02-14 |
Association between the subclinical level of problematic internet use and habenula volume: a look at mediation effect of neuroticism
2025, General psychiatry
IF:5.3Q1
DOI:10.1136/gpsych-2024-101694
PMID:39944777
|
研究论文 | 本研究探讨了亚临床水平的问题性互联网使用（PIU）与缰核体积之间的关系，以及神经质在这一关系中的中介作用 | 首次揭示了缰核体积减少与PIU增加之间的关键联系，并发现神经质是PIU发展的关键风险因素，且在其中起中介作用 | 研究为横断面设计，无法确定因果关系；样本量相对较小 | 探讨亚临床PIU与缰核体积的关系及人格特质的中介作用 | 110名健康成年人 | 神经科学 | 精神疾病 | 结构磁共振成像，深度学习技术 | 深度学习 | 图像，问卷数据 | 110名健康成年人 | NA | NA | NA | NA |
| 18586 | 2025-02-14 |
Ontologies in modelling and analysing of big genetic data
2024-Dec, Vavilovskii zhurnal genetiki i selektsii
IF:0.9Q3
DOI:10.18699/vjgb-24-101
PMID:39944813
|
研究论文 | 本文探讨了基于本体论的新方法，用于系统化和有效利用生物信息学和生物医学领域积累的大量实验数据，包括自动化语义整合异构数据、创建大型知识库和基于深度学习的自解释方法 | 提出了基于本体论的深度学习方法，如Deep GONet和ONN4MST，这些方法不仅性能高，而且具有可解释性，解决了深度学习模型通常作为“黑箱”的问题 | 尽管提出了可解释的深度学习方法，但神经网络的复杂性和数据异质性仍然是挑战，且自动推理依赖于预先创建的参考本体 | 开发基于本体论的方法，以系统化和有效利用生物信息学和生物医学领域的大规模实验数据 | 生物信息学、系统生物学和生物医学领域的实验数据 | 生物信息学 | 癌症 | 深度学习、本体论、语义整合 | Deep GONet、ONN4MST | 基因数据、微生物数据 | 癌症诊断数据集、人类肠道微生物群落样本 | NA | NA | NA | NA |
| 18587 | 2025-10-07 |
Medical language model specialized in extracting cardiac knowledge
2024-11-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80165-z
PMID:39580531
|
研究论文 | 本研究专注于构建专门用于心脏病学领域的医学语言模型 | 首次在医学领域内针对特定专科（心脏病学）构建专门化语言模型，而非将整个医学领域视为单一领域 | NA | 在医学领域的心脏病学专科内开发专门化的自然语言处理模型 | 心脏病学领域的医学文本数据 | 自然语言处理 | 心血管疾病 | Transformer | 语言模型 | 文本 | NA | NA | Transformer | NA | NA |
| 18588 | 2025-10-07 |
Drug Discovery in the Age of Artificial Intelligence: Transformative Target-Based Approaches
2024-Nov-14, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms252212233
PMID:39596300
|
综述 | 本文探讨人工智能时代下机器学习在靶向药物发现中的革命性应用 | 系统阐述SMILES符号系统与机器学习结合如何变革先导化合物识别、高通量筛选和虚拟筛选流程 | 模型可解释性和数据质量仍是当前面临的主要挑战 | 研究机器学习如何加速靶向药物发现过程 | 小分子药物发现方法 | 自然语言处理, 机器学习 | NA | SMILES, 高通量筛选, 虚拟筛选 | CNN, RNN, GAN | 分子结构数据, 蛋白质结构数据 | NA | NA | 卷积神经网络, 循环神经网络, 生成对抗网络 | 结合亲和力预测准确度, 选择性预测准确度 | NA |
| 18589 | 2025-10-07 |
Deep learning prediction of curve severity from rasterstereographic back images in adolescent idiopathic scoliosis
2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-023-08052-1
PMID:38055037
|
研究论文 | 本研究开发了一种基于卷积神经网络的深度学习模型，用于从青少年特发性脊柱侧凸患者的背部光栅立体图像直接预测Cobb角 | 首次使用深度学习模型直接从背部光栅立体图像预测Cobb角，无需脊柱形状重建 | 模型性能低于人工进行的放射学评估，无法作为临床有效的非侵入性替代方案 | 评估基于卷积神经网络的深度学习模型在预测青少年特发性脊柱侧凸Cobb角方面的有效性 | 青少年特发性脊柱侧凸患者 | 计算机视觉 | 脊柱侧凸 | 光栅立体成像 | CNN | 图像 | 900名个体（训练集720个样本，测试集180个样本） | NA | NA | 平均绝对误差, 相关系数, 均方根误差, 准确率 | NA |
| 18590 | 2025-10-07 |
Application of machine-learning model to optimize colonic adenoma detection in India
2024-10, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology
IF:2.0Q3
DOI:10.1007/s12664-024-01530-4
PMID:38758433
|
研究论文 | 开发机器学习模型优化印度人群结肠腺瘤检测 | 首次在印度次大陆建立结肠腺瘤预测模型，采用梯度提升树模型并实现92.2%的AUC | 排除了结肠腺瘤高风险患者，研究人群存在选择性偏倚 | 优化结肠腺瘤检测以预防结直肠癌 | 接受诊断性结肠镜检查的成年患者 | 机器学习 | 结直肠癌 | 结肠镜检查 | 梯度提升机,深度学习,决策树,随机森林,逻辑回归 | 临床数据 | 10320名患者（平均年龄45.18±14.82岁，69%男性） | NA | 梯度提升树 | AUC | NA |
| 18591 | 2025-10-07 |
Deep-learning models for differentiation of xanthogranulomatous cholecystitis and gallbladder cancer on ultrasound
2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology
IF:2.0Q3
DOI:10.1007/s12664-023-01483-0
PMID:38110782
|
研究论文 | 本研究利用深度学习模型在超声图像上区分黄色肉芽肿性胆囊炎和胆囊癌 | 首次将最先进的深度学习模型（GBCNet-CNN和RadFormer-Transformer）应用于超声图像中XGC和GBC的鉴别诊断 | 单中心研究，样本量有限（80例患者），缺乏外部验证 | 开发基于深度学习的超声图像分类模型，用于区分黄色肉芽肿性胆囊炎和胆囊癌 | 黄色肉芽肿性胆囊炎和胆囊癌患者的术前超声图像 | 计算机视觉 | 胆囊疾病 | 超声成像 | CNN, Transformer | 超声图像 | 80例患者（25例XGC，55例GBC） | NA | GBCNet, RadFormer, DenseNet-121, ViT, DeiT | 灵敏度, 特异度, AUC | NA |
| 18592 | 2025-10-07 |
Independent Associations of Aortic Calcification with Cirrhosis and Liver Related Mortality in Veterans with Chronic Liver Disease
2024-Jul, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-024-08450-5
PMID:38653948
|
研究论文 | 本研究评估腹主动脉钙化与慢性肝病患者肝硬化发展和肝相关死亡率的独立关联 | 首次利用自动化深度学习方法量化腹主动脉钙化评分，并系统评估其与多种慢性肝病类型临床结局的关联 | 研究对象仅限于退伍军人群体，可能存在选择偏倚；样本来源单一 | 评估腹主动脉钙化与慢性肝病患者肝硬化发展、肝脏失代偿、肝相关死亡和总体死亡的关联 | 患有三种慢性肝病（非酒精性脂肪肝、丙型肝炎、酒精相关性肝病）的退伍军人 | 数字病理 | 肝硬化 | 腹部CT扫描 | 深度学习 | 医学影像 | 3604名退伍军人 | NA | NA | 风险比(HR), 置信区间(CI) | NA |
| 18593 | 2025-10-07 |
Unraveling trends in schistosomiasis: deep learning insights into national control programs in China
2024, Epidemiology and health
IF:2.2Q2
DOI:10.4178/epih.e2024039
PMID:38514196
|
研究论文 | 本研究使用深度学习模型分析中国血吸虫病控制项目的进展和时空变化趋势 | 提出基于分层积分差分方程框架的卷积神经网络模型(CNN-IDE)用于血吸虫病时空动态建模 | 研究仅基于安徽省的数据，可能无法完全代表其他地区的血吸虫病流行情况 | 评估中国国家血吸虫病控制项目的效果并预测疾病流行趋势 | 中国安徽省长江沿岸血吸虫病流行区的村级流行病学数据 | 机器学习 | 血吸虫病 | 横断面调查 | CNN | 寄生虫学数据,环境数据 | 1997-2015年安徽省村级调查数据 | NA | CNN-IDE | MSPE,CRPS | NA |
| 18594 | 2025-10-07 |
Deep Learning Estimation of 10-2 Visual Field Map Based on Macular Optical Coherence Tomography Angiography Measurements
2024-01, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2023.09.014
PMID:37734638
|
研究论文 | 开发基于深度学习模型从黄斑OCTA血管密度测量估计中心视野的方法 | 首次使用深度学习模型从OCTA血管密度图像直接估计10-2视野图参数，相比传统线性回归模型显著提升预测精度 | 样本量相对有限（1051个样本），仅针对中心视野评估，未包含周边视野数据 | 开发能够从OCTA图像准确估计视野损失的深度学习模型 | 健康眼、青光眼疑似者和青光眼患者的10-2视野和OCTA配对数据 | 医学影像分析 | 青光眼 | 光学相干断层扫描血管成像（OCTA） | 深度学习模型 | 黄斑en face血管密度图像 | 1051个10-2视野OCTA配对样本（包含健康眼、青光眼疑似者和青光眼患者） | NA | NA | 平均绝对误差（MAE）, R2（皮尔逊相关系数平方） | NA |
| 18595 | 2025-02-14 |
Blinking characteristics analyzed by a deep learning model and the relationship with tear film stability in children with long-term use of orthokeratology
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1517240
PMID:39935789
|
研究论文 | 本研究使用深度学习模型观察长期使用角膜塑形镜（ortho-K）儿童的眨眼特征，并评估其与泪膜稳定性的相关性 | 提出了一种基于U-Net和Swin-Transformer的深度学习系统，用于观察眨眼特征，并首次定义了相对IPH%来量化不完全眨眼的程度 | 样本量较小（31名儿童，58只眼），且为回顾性研究，可能存在选择偏倚 | 研究长期使用角膜塑形镜儿童的眨眼特征及其与泪膜稳定性的关系 | 长期使用角膜塑形镜的儿童 | 计算机视觉 | 眼科疾病 | 深度学习 | U-Net, Swin-Transformer | 视频 | 31名儿童（58只眼） | NA | NA | NA | NA |
| 18596 | 2025-02-14 |
End-to-end 3D instance segmentation of synthetic data and embryo microscopy images with a 3D Mask R-CNN
2024, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2024.1497539
PMID:39944885
|
研究论文 | 本文介绍了一种3D Mask R-CNN的改进版本，用于3D实例分割，并在合成数据和胚胎显微镜图像上进行了验证 | 开发了自定义的TensorFlow操作，用于3D非最大抑制和3D裁剪与调整大小，从而实现了对3D数据的高效训练和推理 | 在最嘈杂的对象上，3D Mask R-CNN的表现存在局限性 | 解决3D图像分析中的实例分割问题，特别是在医学和显微镜图像中的应用 | 合成数据和胚胎显微镜图像 | 计算机视觉 | NA | 3D Mask R-CNN | CNN | 3D图像 | 合成数据和胚胎显微镜图像 | NA | NA | NA | NA |
| 18597 | 2025-02-14 |
Application of deep learning for real-time detection, localization, and counting of the malignant invasive weed Solanum rostratum Dunal
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1486929
PMID:39944948
|
研究论文 | 本文介绍了一种名为TrackSolanum的深度学习网络模型，用于实时检测、定位和计数恶性入侵杂草Solanum rostratum Dunal（SrD） | 设计了TrackSolanum网络模型，结合了检测、跟踪、定位和计数四个模块，实现了对SrD的实时检测和精确管理 | 模型在不同高度的无人机视频中表现有所差异，特别是在3米高度时，精度和召回率有所下降 | 开发一种能够实时检测、定位和计数SrD的技术，以支持对SrD的危害评估和精确管理 | 恶性入侵杂草Solanum rostratum Dunal（SrD） | 计算机视觉 | NA | 深度学习 | YOLO_EAND, DeepSort | 视频 | 无人机视频（2米和3米高度） | NA | NA | NA | NA |
| 18598 | 2025-10-07 |
Detecting Glaucoma from Fundus Photographs Using Deep Learning without Convolutions: Transformer for Improved Generalization
2023-Mar, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2022.100233
PMID:36545260
|
研究论文 | 本研究比较了Vision Transformer（DeiT）和ResNet-50在眼底照片中检测原发性开角型青光眼的诊断准确性和可解释性 | 首次在青光眼检测中应用无需卷积的Vision Transformer架构，并证明其在泛化能力和可解释性方面优于传统CNN模型 | 研究主要基于特定数据集（OHTS），需要进一步验证在其他人群中的适用性 | 开发能够准确检测青光眼并具有良好泛化能力的深度学习模型 | 原发性开角型青光眼患者和健康对照者的眼底照片 | 计算机视觉 | 青光眼 | 深度学习 | Transformer, CNN | 眼底图像 | 66,715张来自1,636名参与者的照片，外加5个外部数据集的16,137张照片 | NA | DeiT, ResNet-50 | AUROC, 灵敏度, 特异度 | NA |
| 18599 | 2025-10-07 |
Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression
2023-03-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002163
PMID:36877820
|
研究论文 | 评估临床医生对集成人工智能预测视野指标的临床决策支持工具GLANCE的可用性和接受度 | 开发并评估了集成AI预测视野指标的临床决策支持工具原型，首次系统分析临床医生对AI预测指标的信任度和实用性认知 | 样本量较小（10名眼科医生和验光师），仅使用6个病例11只眼睛进行评估 | 评估临床决策支持工具中AI预测视野指标的临床接受度和实用性 | 眼科医生和验光师对AI预测视野指标的态度和接受度 | 医疗人工智能 | 青光眼 | 深度学习 | 深度学习模型 | 视野检查数据 | 10名临床医生，6个病例（11只眼睛） | NA | NA | 李克特量表评分，系统可用性量表评分 | NA |
| 18600 | 2025-10-07 |
Deep Learning Estimation of 10-2 Visual Field Map Based on Circumpapillary Retinal Nerve Fiber Layer Thickness Measurements
2023-02, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2022.10.013
PMID:36328198
|
研究论文 | 本研究开发了基于卷积神经网络的深度学习模型，通过视网膜神经纤维层厚度测量来估计青光眼患者的10-2视野图 | 首次使用卷积神经网络从SD-OCT环形扫描的RNFL厚度信息中估计10-2视野图的68个个体敏感度阈值 | 研究样本仅包含724名患者的5352次扫描，需要更大规模验证 | 利用人工智能技术从结构数据估计功能性的视野图 | 健康受试者、疑似青光眼患者和青光眼患者的1365只眼睛 | 医学影像分析 | 青光眼 | 光谱域光学相干断层扫描 | CNN | 医学影像 | 5352次SD-OCT扫描和10-2视野图对，来自1365只眼睛 | NA | 卷积神经网络 | 平均绝对误差, 相关系数 | NA |