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 19101 - 19120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19101 | 2025-10-07 |
Respiratory signal estimation for cardiac perfusion SPECT using deep learning
2024-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16653
PMID:37523268
|
研究论文 | 本研究开发了一种基于深度学习的方法，仅使用SPECT投影数据估计呼吸信号，用于心脏灌注成像中的呼吸运动校正 | 首次提出使用改进的U-Net网络直接从SPECT投影数据估计呼吸信号，无需外部跟踪设备 | 研究依赖于外部立体相机视觉跟踪系统作为训练目标信号，且样本量相对有限 | 开发仅使用SPECT投影数据的深度学习方法进行呼吸信号估计，以改善心脏灌注SPECT图像质量 | 心脏灌注SPECT成像中的呼吸运动伪影 | 医学影像分析 | 心血管疾病 | SPECT成像，深度学习 | CNN | SPECT投影数据 | 900名接受负荷心脏灌注SPECT研究的受试者（302名测试，598名训练验证） | NA | 改进的U-Net | Pearson相关系数，平均绝对差异 | NA |
| 19102 | 2025-02-03 |
Flexible protein-protein docking with a multitrack iterative transformer
2024-Feb, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4862
PMID:38148272
|
研究论文 | 本文介绍了一种名为GeoDock的多轨迭代变压器网络，用于从分离的对接伙伴预测对接结构，解决了现有蛋白质-蛋白质对接方法在结合诱导构象变化方面的局限性 | GeoDock在蛋白质残基水平上具有灵活性，能够预测结合时的构象变化，且在DIPS测试集上达到了43%的top-1成功率，优于其他测试方法 | 尽管GeoDock在预测结合诱导的构象变化方面有所突破，但由于训练和评估数据的限制，这仍然是一个挑战 | 开发一种能够处理结合诱导构象变化的蛋白质-蛋白质对接方法，以提高对接成功率和应用效率 | 蛋白质-蛋白质对接 | 机器学习 | NA | 多轨迭代变压器网络 | Transformer | 序列和结构数据 | DIPS测试集、DB5.5测试集和抗体-抗原复合物基准数据集 | NA | NA | NA | NA |
| 19103 | 2025-10-07 |
Applying deep learning to recognize the properties of vitreous opacity in ophthalmic ultrasound images
2024-02, Eye (London, England)
DOI:10.1038/s41433-023-02705-7
PMID:37596401
|
研究论文 | 本研究探索基于深度学习的AI技术自动识别眼科超声图像中玻璃体混浊性质的可行性 | 首次将深度学习应用于眼科超声图像中玻璃体混浊性质的自动识别 | 样本量相对有限（2000张图像），仅包含三种典型玻璃体混浊类型 | 开发自动识别眼科超声图像中玻璃体混浊性质的AI系统 | 眼科超声图像中的玻璃体混浊病变 | 计算机视觉 | 眼科疾病 | 灰度多普勒超声成像 | CNN | 图像 | 2000张灰度多普勒超声图像，包含正常眼和三种玻璃体混浊类型 | NA | ResNet, GoogLeNet Inception V1 | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 19104 | 2025-10-07 |
Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration
2024-Feb, Eye (London, England)
DOI:10.1038/s41433-023-02720-8
PMID:37670143
|
研究论文 | 开发并验证基于深度学习的算法，用于自动量化新生血管性年龄相关性黄斑变性中的关键OCT特征 | 首次使用深度学习算法对nAMD中的三种关键液体类型（IRF、SRF、nPED）进行自动化分割和量化 | 样本量较小（仅50名患者），为回顾性研究 | 验证深度学习算法在新生血管性年龄相关性黄斑变性中自动分割视网膜内液体、视网膜下液体和新生血管性色素上皮脱离的性能 | 50名渗出性新生血管性年龄相关性黄斑变性患者（50只眼）的光学相干断层扫描数据 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描（OCT） | 深度学习 | 医学图像 | 50名患者（50只眼） | NA | NA | AUC, Dice系数, 相关系数（R2） | NA |
| 19105 | 2025-10-07 |
Image quality assessment of retinal fundus photographs for diabetic retinopathy in the machine learning era: a review
2024-Feb, Eye (London, England)
DOI:10.1038/s41433-023-02717-3
PMID:37667028
|
综述 | 评估糖尿病视网膜病变公开数据集中使用的图像质量评估方法和质量标准 | 首次系统评估糖尿病视网膜病变公开数据集中的图像质量评估现状，提出自动化质量评估可作为手动标注的有效替代方案 | 仅纳入20个数据集，部分数据集质量标准信息难以获取 | 分析糖尿病视网膜病变数据集中图像质量评估的应用现状和标准 | 20个公开的糖尿病视网膜病变数据集 | 数字病理 | 糖尿病视网膜病变 | 图像质量评估 | 深度学习算法 | 视网膜眼底图像 | 20个公开数据集 | NA | NA | NA | NA |
| 19106 | 2025-02-03 |
Deep learning enables the discovery of a novel cuproptosis-inducing molecule for the inhibition of hepatocellular carcinoma
2024-Feb, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-023-01167-7
PMID:37803139
|
研究论文 | 本研究利用深度学习技术从ZINC15化合物库中筛选出新型肝癌抑制剂LGOd1，并发现其通过干扰铜稳态诱导铜死亡的新机制 | 首次发现具有左旋葡糖烯酮支架的化合物LGOd1可通过非离子载体机制诱导铜死亡，代表了一类新型铜死亡诱导剂 | 未明确说明实验样本的具体数量和研究模型的局限性 | 发现新型抗肝癌化合物并研究其作用机制 | 肝细胞癌（HCC）细胞系 | 药物发现 | 肝细胞癌 | 深度学习筛选、化学表征分析 | 深度学习模型 | 化学化合物数据 | 超过600万种ZINC15化合物库中的化合物 | NA | NA | NA | NA |
| 19107 | 2025-02-03 |
A Deep Learning-Based Radiomic Classifier for Usual Interstitial Pneumonia
2024-Feb, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2023.10.012
PMID:37844797
|
研究论文 | 本文开发了一种基于深度学习的放射组学分类器，用于通过胸部CT扫描诊断普通型间质性肺炎（UIP） | 利用卷积神经网络（CNN）从CT扫描中学习UIP的离散特征，并结合线性支持向量机进行预测，展示了在广泛UIP患病率下的良好测试性能 | 研究为回顾性队列研究，可能存在选择偏倚，且需要进一步验证在更广泛人群中的适用性 | 开发一种基于深度学习的工具，用于标准化CT扫描解释，以诊断普通型间质性肺炎（UIP） | 患有和未患有间质性肺病（ILD）的个体的胸部CT扫描 | 计算机视觉 | 间质性肺病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 共2,907例胸部CT扫描，包括训练集（n=1,934）、验证集（n=408）和性能测试集（n=565） | NA | NA | NA | NA |
| 19108 | 2025-02-03 |
Movienet: Deep space-time-coil reconstruction network without k-space data consistency for fast motion-resolved 4D MRI
2024-Feb, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29892
PMID:37849064
|
研究论文 | 本文提出了一种名为Movienet的深度学习新方法，用于4D-MRI重建，通过利用空间-时间-线圈相关性和运动保留而非k空间数据一致性，加速黄金角度径向数据的采集，并实现动态MRI中的亚秒级重建时间 | Movienet采用U-net架构，通过修改的残差学习块在图像域中完全操作，以去除混叠伪影并重建无混叠的运动分辨4D图像，同时通过线性运动顺序排序输入图像和参考图像来强制运动保留 | NA | 开发一种新的深度学习方法来加速4D-MRI的重建，以在临床环境中实现快速运动抵抗的3D解剖成像或运动分辨的4D成像 | 腹部肿瘤的运动分辨4D MRI和运动抵抗3D MRI | 医学影像 | 腹部肿瘤 | 深度学习 | U-net | MRI图像 | 在1.5T MR-Linac和3T MRI扫描仪上进行了演示 | NA | NA | NA | NA |
| 19109 | 2025-02-03 |
Investigating pulse-echo sound speed estimation in breast ultrasound with deep learning
2024-Feb, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2023.107179
PMID:37939413
|
研究论文 | 本文提出了一种基于深度学习的监督学习方法，用于从分析超声信号中估计声速，以提高乳腺超声图像的质量和疾病识别能力 | 提出了一种新的深度学习方法来估计乳腺超声中的声速，通过模拟数据集训练全卷积神经网络，生成估计的声速图 | 模型主要基于模拟数据进行训练，尽管在模拟、幻影和体内乳腺超声数据上进行了评估，但在真实临床数据上的表现仍需进一步验证 | 提高乳腺超声图像的质量和疾病识别能力 | 乳腺组织，包括腺体组织、脂肪和病变 | 计算机视觉 | 乳腺癌 | 深度学习 | 全卷积神经网络 | 超声信号 | 大规模模拟超声数据集，包括模拟乳腺组织样本、幻影和体内乳腺超声数据 | NA | NA | NA | NA |
| 19110 | 2025-02-03 |
Magnetic Resonance Imaging-Based Assessment of Pancreatic Fat Strongly Correlates With Histology-Based Assessment of Pancreas Composition
2024-Feb-01, Pancreas
IF:1.7Q3
DOI:10.1097/MPA.0000000000002288
PMID:38194643
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19111 | 2025-10-07 |
Deep learning and optimization enabled multi-objective for task scheduling in cloud computing
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2391395
PMID:39163538
|
研究论文 | 提出一种结合多目标优化和深度学习模型的云计算任务调度方法 | 提出混合分数火烈鸟甲虫优化算法(FFBO)和深度前馈神经网络融合长短期记忆网络(DFNN-LSTM)的新型任务调度模型 | NA | 优化云计算环境中的任务调度性能 | 云计算任务调度 | 机器学习 | NA | 深度学习 | DRN, DFNN, LSTM | 任务参数和虚拟机参数 | NA | NA | 深度残差网络, 深度前馈神经网络, 长短期记忆网络 | 完工时间, 能耗, 资源利用率 | NA |
| 19112 | 2025-10-07 |
Optimized deep maxout for crowd anomaly detection: A hybrid optimization-based model
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2392772
PMID:39302211
|
研究论文 | 提出一种基于混合优化的深度maxout网络用于人群异常检测 | 结合视觉注意力检测与优化的深度maxout网络，并采用新型BRCASO算法进行权重优化 | NA | 开发高效的人群异常检测方法 | 监控视频中的人群行为 | 计算机视觉 | NA | NA | 深度maxout网络 | 视频 | NA | Python | 优化深度maxout网络 | 检测准确率 | NA |
| 19113 | 2025-10-07 |
Preparing for downstream tasks in artificial intelligence for dental radiology: a baseline performance comparison of deep learning models
2025-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae056
PMID:39563402
|
研究论文 | 比较卷积神经网络、视觉变换器和门控多层感知器在牙科放射影像分类任务中的性能表现 | 首次在牙科放射学领域系统比较CNN、ViT和gMLP三种深度学习架构的性能 | 研究仅使用回顾性收集的二维锥形束CT图像数据 | 评估不同深度学习模型在牙科放射影像分类任务中的表现 | 牙科结构放射影像，包括上颌窦、切牙、颏孔和下颌第三磨牙与下牙槽神经管的位置关系 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描 | CNN, ViT, gMLP | 图像 | NA | NA | 卷积神经网络, 视觉变换器, 门控多层感知器 | 灵敏度, 特异度, 精确度, 准确率, F1分数, AUC-ROC曲线, 精确率-召回率曲线 | NA |
| 19114 | 2025-10-07 |
On-chip deep residual photonic neural networks using optical-electrical shortcut connections
2025-Feb-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.549158
PMID:39888773
|
研究论文 | 提出一种采用光电快捷连接的片上深度残差光子神经网络架构，解决深度光子神经网络训练中的梯度消失和爆炸问题 | 首次在片上光子神经网络中引入光电快捷连接机制，通过功率分配器、波长解复用器和光电探测器直接连接光学权重层的输入输出 | NA | 解决深度光子神经网络训练中的梯度问题，提升网络性能 | 片上光子神经网络 | 机器学习 | NA | 光电混合计算 | 残差神经网络 | 图像数据 | CIFAR-10和CIFAR-100数据集 | NA | Res-PNN | 分类准确率 | NA |
| 19115 | 2025-10-07 |
Femtojoule optical nonlinearity for deep learning with incoherent illumination
2025-Jan-31, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.ads4224
PMID:39888986
|
研究论文 | 本文提出了一种与不相干照明兼容的非线性光学微器件阵列，用于实现低功耗光学神经网络 | 通过将液晶单元与硅光电二极管在单像素级别集成，实现了低至100飞焦耳/像素的超低开关能量非线性光学器件 | NA | 开发适用于光学神经网络的高能效、高度并行的光学非线性组件 | 光学神经网络中的非线性激活函数器件 | 计算机视觉 | NA | 光学器件集成技术 | 光学神经网络 | 光学图像 | 超过50万个像素的器件阵列 | NA | 多层神经网络 | 开关能量（100飞焦耳/像素） | NA |
| 19116 | 2025-10-07 |
Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques
2025-Jan-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87226-x
PMID:39885307
|
研究论文 | 本研究提出基于Segment Anything Model系列架构的两步式通用视觉废物分拣方法 | 结合SAM系列模型进行废物对象提取与多种分类架构进行精确分拣，无需开发专用检测分割算法 | NA | 评估深度学习架构在机器人废物分拣中处理高度可变物体的能力 | 工业废物分拣 | 计算机视觉 | NA | 深度学习 | SAM系列模型,CNN | 图像 | NA | NA | Segment Anything Model,FastSAM,MobileSAMv2,EfficientSAM,MobileNetV2,VGG19,DenseNet,SqueezeNet,ResNet,Inception-v3 | 准确率 | NA |
| 19117 | 2025-10-07 |
Multi-modal framework for battery state of health evaluation using open-source electric vehicle data
2025-Jan-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56485-7
PMID:39880811
|
研究论文 | 提出基于深度学习的多模态框架，利用开源电动汽车数据评估电池健康状态 | 首次分析300辆电动汽车三年运行数据，揭示现场数据与实验室数据的差异对健康状态评估的影响，并提出多模态深度学习框架 | 研究基于特定电动汽车数据集，未明确说明模型在其他车型或环境下的泛化能力 | 开发高效、准确且成本效益高的电池健康状态评估方法 | 300辆不同类型电动汽车的电池系统 | 机器学习 | NA | 深度学习 | 深度学习模型 | 多模态传感器数据，历史车辆运行数据 | 300辆电动汽车的三年运行数据 | NA | 多模态深度学习框架 | NA | NA |
| 19118 | 2025-10-07 |
Enhanced hybrid attention deep learning for avocado ripeness classification on resource constrained devices
2025-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87173-7
PMID:39880865
|
研究论文 | 提出一种混合注意力卷积神经网络模型用于在资源受限设备上实现鳄梨成熟度分类 | 结合空间、通道和自注意力模块的混合注意力机制，在保持模型轻量化的同时增强局部特征并捕获全局关系 | ShuffleNetV1版本测试准确率仅82.89%，不足以满足实际应用需求 | 开发适用于资源受限设备的鳄梨成熟度分类深度学习模型 | 鳄梨果实 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 14000张图像 | TensorFlow, TensorFlow Lite | EfficientNet-B3, ShuffleNetV1, MobileNetV3 Large | 准确率 | 智能手机（具体型号未指定） |
| 19119 | 2025-10-07 |
Learning by making - student-made models and creative projects for medical education: systematic review with qualitative synthesis
2025-Jan-29, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-025-06716-8
PMID:39881268
|
系统综述 | 对医学生通过制作创意项目（如手工模型、绘图和概念图）进行学习的效果进行系统评价和定性综合 | 首次系统评价创意项目式学习对医学生元认知和知识获取的影响，并识别出增强学习、协作学习和深度学习等关键主题 | 纳入研究数量有限（17项），存在任务要求高、认知情感强度大、与学生专业身份不匹配等挑战 | 评估创意项目式学习在医学教育中对学生元认知和知识获取的影响 | 医学生 | 医学教育 | NA | 系统评价、内容分析、叙事综合 | NA | 定量、定性和混合方法研究数据 | 17项研究（2010-2022年发表） | NA | NA | 混合方法评估工具（MMAT） | NA |
| 19120 | 2025-10-07 |
Enhancing furcation involvement classification on panoramic radiographs with vision transformers
2025-Jan-29, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05431-6
PMID:39881302
|
研究论文 | 本研究评估了Vision Transformer在全景X光片上分类根分叉病变的性能，并与传统深度学习模型进行比较 | 首次将Vision Transformer应用于根分叉病变分类任务，并证明其优于传统深度学习模型 | 研究样本量相对有限，仅包含1,568张牙齿图像 | 评估Vision Transformer在全景X光片上分类根分叉病变的性能 | 从506张全景X光片中获取的1,568张牙齿图像 | 计算机视觉 | 牙科疾病 | 全景X光成像 | Vision Transformer, MLP, CNN | 医学图像 | 1,568张牙齿图像（来自506张全景X光片） | NA | Vision Transformer, VGGNet, GoogLeNet, MLP | 准确率, 精确率, 召回率, F1分数, 交叉熵损失, AUC | NA |