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 36487 篇文献，本页显示第 18981 - 19000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18981 | 2025-04-01 |
Explainable attention based breast tumor segmentation using a combination of UNet, ResNet, DenseNet, and EfficientNet models
2025-01-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84504-y
PMID:39762417
|
研究论文 | 本研究提出了一种基于改进UNet架构的深度学习技术，用于乳腺肿瘤分割，结合了注意力机制和先进的编码器架构 | 结合了CBAM和非局部注意力机制，以及ResNet、DenseNet和EfficientNet等先进的编码器架构，显著提升了分割性能 | 未来研究需探索多模态成像、实时临床应用以及更先进的注意力机制以进一步提升分割性能 | 提高乳腺肿瘤分割的准确性和可靠性 | 乳腺超声图像（BUSI）数据集中的乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | UNet、ResNet、DenseNet、EfficientNet | 图像 | BUSI数据集中的乳腺超声图像 | NA | NA | NA | NA |
| 18982 | 2025-04-01 |
Diagnostic Performance of a Computer-aided System for Tuberculosis Screening in Two Philippine Cities
2025, Acta medica Philippina
DOI:10.47895/amp.vi0.8950
PMID:39967706
|
research paper | 评估qXR3.0技术在菲律宾两个城市中用于结核病筛查的诊断性能 | 首次在菲律宾本地评估基于AI的结核病筛查系统qXR3.0的性能，并与放射科医生的诊断进行比较 | 样本量较小（82名参与者），未来研究需要更大样本量验证结果 | 评估qXR3.0技术在结核病筛查中的诊断性能，并验证其是否符合WHO标准 | 菲律宾15岁及以上成年人 | digital pathology | tuberculosis | deep learning neural networks (DLNNs) | qXR3.0 | chest radiographs (CXRs) | 82名参与者 | NA | NA | NA | NA |
| 18983 | 2025-04-01 |
Detection of ionospheric disturbances with a sparse GNSS network in simulated near-real time Mw 7.8 and Mw 7.5 Kahramanmaraş earthquake sequence
2025, GPS solutions
IF:4.5Q1
DOI:10.1007/s10291-024-01808-2
PMID:39990601
|
研究论文 | 本文开发了一种近实时检测电离层扰动的方法，用于识别由地震引起的电离层异常信号 | 利用LSTM神经网络自动检测地震引起的电离层扰动，无需事先知晓地震事件 | 方法在夜间电离水平较低时可能无法检测到较小幅度的扰动 | 开发近实时电离层扰动检测方法，用于地震监测 | 由Kahramanmaraş地震序列引起的电离层扰动 | 地球物理监测 | NA | GNSS总电子含量(TEC)测量 | LSTM | 卫星信号数据 | 2023年2月6日Kahramanmaraş地震序列数据 | NA | NA | NA | NA |
| 18984 | 2025-03-30 |
Correction: Detection and recognition of foreign objects in Pu-erh Sun-dried green tea using an improved YOLOv8 based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321409
PMID:40153338
|
correction | 对一篇关于使用改进的YOLOv8深度学习模型检测和识别普洱茶晒青毛茶中外来物的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18985 | 2024-10-02 |
Deep learning sharpens vistas on biodiversity mapping
2024-Oct-08, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2416358121
PMID:39348547
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18986 | 2025-04-01 |
A Deep Learning-based Pipeline for Segmenting the Cerebral Cortex Laminar Structure in Histology Images
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09688-0
PMID:39417954
|
研究论文 | 本文提出了一种基于深度学习的流程，用于在组织学图像中分割大脑皮层的层状结构 | 开发了一种新颖的计算框架，结合AI工具获取皮层标签，并使用深度学习模型进行皮层分层分割，相比现有方法在分割质量上有显著提升 | 仅针对普通狨猴的Nissl染色和髓鞘染色切片图像进行研究，未在其他物种或染色方法上验证 | 理解大脑皮层层状结构的解剖学特征及其连接模式，为神经系统疾病研究提供见解 | 普通狨猴大脑的Nissl染色和髓鞘染色切片图像 | 数字病理学 | 神经系统疾病 | 深度学习 | 深度学习模型（未明确具体类型） | 图像 | 普通狨猴大脑切片图像（具体数量未说明） | NA | NA | NA | NA |
| 18987 | 2024-08-07 |
Comment on 'Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis'
2024-Sep-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001718
PMID:38814316
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18988 | 2025-10-07 |
Automated segmentation of the median nerve in patients with carpal tunnel syndrome
2024-07-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65840-5
PMID:39033223
|
研究论文 | 本研究开发了一种基于U-Net的自动分割算法，用于识别腕管综合征患者的正中神经并测量其横截面积 | 首次使用U-Net网络对正中神经在完整远端前臂行程中进行自动分割和测量 | 样本量较小（仅25例患者和26例健康对照），需要更大规模验证 | 开发自动分割正中神经的算法以辅助腕管综合征诊断 | 腕管综合征患者和健康对照者的正中神经超声图像 | 医学影像分析 | 腕管综合征 | 超声成像 | CNN | 图像 | 25例腕管综合征患者和26例健康对照，共2355张手动分割图像 | NA | U-Net | Dice系数, 面积测量差异百分比 | NA |
| 18989 | 2025-10-07 |
VesselBoost: A Python Toolbox for Small Blood Vessel Segmentation in Human Magnetic Resonance Angiography Data
2024-May-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.22.595251
PMID:38826408
|
研究论文 | 开发了一个名为VesselBoost的Python工具箱，用于在人类磁共振血管造影数据中进行小血管分割 | 结合深度学习与不完美训练标签进行血管分割，并采用创新的数据增强技术利用血管结构相似性 | NA | 实现高分辨率MRA数据中小血管的精确分割 | 人类大脑磁共振血管造影数据中的小血管 | 医学图像分析 | 脑血管疾病 | 磁共振血管造影(MRA) | 深度学习 | 医学图像 | NA | Python | NA | NA | NA |
| 18990 | 2025-10-07 |
Areas of interest and sentiment analysis towards second generation antipsychotics, lithium and mood stabilizing anticonvulsants: Unsupervised analysis using Twitter
2024-04-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.01.234
PMID:38290587
|
研究论文 | 通过分析Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗惊厥药物的推文，探索用户关注点和情感态度 | 首次利用无监督分析方法对15年间近90万条相关推文进行情感分析和主题挖掘 | 推文长度限制可能影响讨论深度分析，药物广泛治疗用途使特定疾病讨论难以分离，仅分析英语和西班牙语推文限制了文化广度 | 了解患者和公众对精神疾病治疗药物的态度和认知 | Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗惊厥药物的推文 | 自然语言处理 | 精神疾病 | 机器学习，深度学习，自然语言处理 | NA | 文本 | 893,289条推文（2008-2022年） | NA | NA | NA | NA |
| 18991 | 2025-10-07 |
Larger hypothalamic subfield volumes in patients with chronic insomnia disorder and relationships to levels of corticotropin-releasing hormone
2024-04-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.02.023
PMID:38341156
|
研究论文 | 本研究通过深度学习自动分割工具探究慢性失眠障碍患者下丘脑亚区体积变化及其与促肾上腺皮质激素释放激素水平的关系 | 首次使用先进深度学习工具在体量化分析慢性失眠患者下丘脑亚区体积变化，并揭示前下丘脑肥大在CRH水平与失眠严重程度关系中的中介作用 | 样本量相对有限，横断面研究设计无法确定因果关系 | 探究慢性失眠障碍患者下丘脑亚区体积变化及其与HPA轴生物标志物的关联 | 150名慢性失眠障碍患者和155名人口学匹配的健康对照 | 医学影像分析 | 睡眠障碍 | T1加权结构磁共振成像 | 深度学习 | MRI图像 | 305名参与者（150名患者+155名健康对照） | FreeSurfer | 基于深度学习的自动分割工具 | NA | NA |
| 18992 | 2025-10-07 |
Research and application of deep learning-based sleep staging: Data, modeling, validation, and clinical practice
2024-04, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2024.101897
PMID:38306788
|
综述 | 全面回顾基于深度学习的睡眠分期方法及其临床应用 | 系统梳理深度学习在睡眠分期领域的数据处理、建模流程和临床应用，重点关注大规模数据集、跨学科合作和人机交互等前沿方向 | 未提出新的具体模型或算法，主要进行系统性综述和分析 | 提升睡眠分期的效率和准确性，推动自动化睡眠分期系统在临床实践和日常生活中的应用 | 睡眠分期相关数据和方法 | 机器学习 | 睡眠障碍 | 深度学习 | NA | 生理信号数据 | NA | NA | NA | 准确率等性能指标 | NA |
| 18993 | 2025-04-01 |
Deep learning approaches in predicting ADMET properties
2020-11, Future medicinal chemistry
IF:3.2Q3
DOI:10.4155/fmc-2020-0259
PMID:33124448
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18994 | 2025-10-07 |
Feasibility of deep learning algorithm in diagnosing lumbar central canal stenosis using abdominal CT
2025-May, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04796-z
PMID:39249505
|
研究论文 | 开发基于U-Net架构的深度学习算法，使用腹部CT和腰椎CT自动诊断腰椎中央管狭窄症 | 首次利用腹部CT图像进行腰椎中央管狭窄症的自动诊断，并与专用腰椎CT的诊断性能进行比较 | 回顾性研究，样本量较小（仅109名患者），需要更大规模的前瞻性研究验证 | 开发深度学习算法用于腰椎中央管狭窄症的自动诊断 | 接受腹部CT和腰椎CT检查的患者 | 医学影像分析 | 腰椎疾病 | CT成像 | 深度学习 | CT图像 | 109名患者，990张CT图像 | NA | U-Net | 准确率, 敏感性, 特异性, Dice相似系数, 组内相关系数 | NA |
| 18995 | 2025-03-30 |
Utilization of Image-Based Deep Learning in Multimodal Glaucoma Detection Neural Network from a Primary Patient Cohort
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100703
PMID:40151357
|
研究论文 | 开发了一种基于多模态成像数据的深度学习模型，用于青光眼的检测 | 通过多模态数据（眼底照片、OCT扫描和HVF分析）的整合，提高了青光眼检测模型的性能和准确性 | 模型在外部数据集上的性能可能受到数据质量和一致性的影响 | 开发一种临床可用的多模态神经网络模型，用于青光眼的检测 | 青光眼和非青光眼患者的眼底照片、OCT扫描和HVF测试数据 | 数字病理学 | 青光眼 | 深度学习 | CNN和MLP | 图像 | 716次就诊数据（706只眼睛，571名患者）和4个外部单模态数据集 | NA | NA | NA | NA |
| 18996 | 2025-03-30 |
Artificial Intelligence Models to Identify Patients at High Risk for Glaucoma Using Self-reported Health Data in a United States National Cohort
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100685
PMID:40151359
|
研究论文 | 本研究开发了基于自报健康调查数据的人工智能模型，用于预测青光眼高风险患者 | 利用自报健康调查数据而非专业眼科检查数据来预测青光眼风险，适用于资源匮乏环境的大规模筛查 | 模型性能依赖于电子健康记录中诊断代码的准确性，且未包含眼科影像数据 | 开发青光眼高风险人群的预筛查工具 | 美国全国队列中18岁以上、有≥2次眼科相关电子健康记录并提交健康调查的参与者 | 机器学习 | 青光眼 | 机器学习 | XGBoost, 逻辑回归, 全连接神经网络 | 结构化调查数据 | 8205名患者（其中873名确诊青光眼） | NA | NA | NA | NA |
| 18997 | 2025-10-07 |
The Usefulness of Low-Kiloelectron Volt Virtual Monochromatic Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction Technique in Improving the Delineation of Pancreatic Ductal Adenocarcinoma
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01214-7
PMID:39136827
|
研究论文 | 评估低keV多期相CT结合深度学习图像重建技术在改善胰腺导管腺癌轮廓描绘方面的效果 | 首次将深度学习图像重建技术应用于低keV虚拟单色成像，显著提升胰腺导管腺癌的对比噪声比和病灶显着性 | 样本量较小（35例患者），为回顾性研究 | 比较深度学习图像重建与传统混合迭代重建在胰腺导管腺癌成像中的性能差异 | 胰腺导管腺癌患者 | 医学影像分析 | 胰腺癌 | 多期相计算机断层扫描，虚拟单色成像 | 深度学习 | CT影像 | 35例胰腺导管腺癌患者 | TrueFidelity | 深度学习图像重建 | 对比噪声比，病灶显着性评分 | NA |
| 18998 | 2025-10-07 |
Optimizing Acute Stroke Segmentation on MRI Using Deep Learning: Self-Configuring Neural Networks Provide High Performance Using Only DWI Sequences
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-00994-2
PMID:39138749
|
研究论文 | 本研究评估了深度学习模型在急性脑卒中MRI分割中的性能，发现仅使用DWI序列的自配置nnU-Net模型即可达到优异分割效果 | 首次系统评估DWI、ADC和FLAIR序列组合对脑梗死分割的价值，并证明自配置nnU-Net仅需DWI序列即可实现高性能分割 | 外部验证数据集包含颅内出血病例导致假阳性，样本量相对有限 | 优化急性脑卒中在MRI上的自动分割方法 | 缺血性脑卒中患者的脑梗死区域 | 医学影像分析 | 脑卒中 | MRI成像（DWI、ADC、FLAIR序列） | CNN | 3D医学影像 | 200个梗死病例用于训练，50个病例用于测试，50个外部临床MRI用于验证 | MONAI | nnU-Net, U-Net | Dice系数 | NA |
| 18999 | 2025-10-07 |
Ensemble of Deep Learning Architectures with Machine Learning for Pneumonia Classification Using Chest X-rays
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01201-y
PMID:39138748
|
研究论文 | 本研究开发了一种结合深度学习架构与机器学习分类器的集成方法，用于胸部X光图像的肺炎分类 | 提出将改进的VGG19、ResNet50V2和DenseNet121深度学习模型与五种机器学习分类器相结合的集成方法 | 未提及模型可解释性方法，需要进一步研究决策过程的透明度 | 提高肺炎分类的准确性和效率 | 胸部X光图像 | 计算机视觉 | 肺炎 | 医学影像分析 | CNN, 集成学习 | 图像 | NA | NA | VGG19, ResNet50V2, DenseNet121 | 准确率 | NA |
| 19000 | 2025-10-07 |
Deep Learning-Based Prediction of Post-treatment Survival in Hepatocellular Carcinoma Patients Using Pre-treatment CT Images and Clinical Data
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01227-2
PMID:39147884
|
研究论文 | 本研究开发了一种基于深度学习的模型，利用治疗前CT图像和临床数据预测肝细胞癌患者治疗后的生存期 | 提出了一种级联式3D CNN模型，将CT图像特征与临床信息融合，采用离散时间生存预测方法优化预测性能 | 样本量相对有限，外部验证队列仅包含39例患者 | 预测肝细胞癌患者治疗后的生存期 | 692例肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | CT成像 | CNN | CT图像, 临床数据 | 总样本692例（训练队列507例，测试队列146例，外部CT队列39例） | NA | DenseNet-121, 3D CNN | C-index, mC/D AUC, mBS | NA |