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 19141 - 19160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19141 | 2025-10-07 |
Strategies to increase the robustness of microbial cell factories
2024-Mar-01, Advanced biotechnology
DOI:10.1007/s44307-024-00018-8
PMID:39883204
|
综述 | 本文总结了提高微生物细胞工厂稳健性的当前策略，包括基于知识的工程方法和计算辅助设计 | 系统整合了传统适应性实验室进化与新兴计算辅助方法（如基因组规模代谢模型、深度学习和机器学习）在增强微生物宿主稳健性中的应用 | 未提供具体实验验证数据，主要基于文献综述和理论分析 | 提高微生物细胞工厂在工业发酵环境中的稳健性和生产效率 | 微生物细胞工厂 | 合成生物学 | NA | 适应性实验室进化，基因组规模代谢模型(GEMs)，深度学习，机器学习 | 深度学习，机器学习 | 代谢数据，环境响应数据 | NA | NA | NA | NA | NA |
| 19142 | 2025-10-07 |
Enhancing healthcare recommendation: transfer learning in deep convolutional neural networks for Alzheimer disease detection
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1445325
PMID:39371344
|
研究论文 | 本研究利用深度卷积神经网络和迁移学习技术，通过MRI图像检测阿尔茨海默病和轻度认知障碍 | 采用迁移学习技术增强模型性能，并在ADNI和OASIS数据集上对比了多种深度学习架构的表现 | NA | 开发有效的阿尔茨海默病和轻度认知障碍检测模型 | 阿尔茨海默病患者、轻度认知障碍患者和认知正常个体 | 计算机视觉 | 阿尔茨海默病 | 磁共振成像 | CNN | 图像 | ADNI和OASIS数据集的MRI数据 | NA | DenseNet-201, EfficientNet-B0, ResNet-50, ResNet-101, ResNet-152, U-Net | 准确率 | NA |
| 19143 | 2025-10-07 |
Sex differences in brain MRI using deep learning toward fairer healthcare outcomes
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1452457
PMID:39606583
|
研究论文 | 本研究利用深度学习分析脑部MRI数据中的性别差异，旨在促进医学影像的公平性 | 首次在多个多样化数据集上使用3D CNN模型分析脑部MRI性别差异，并利用显著图识别关键脑区差异 | 模型在极端脑尺寸情况下存在偏差，且未使用颅内总体积调整技术 | 探索脑部MRI中的性别差异，促进医疗AI算法的公平性发展 | 脑部MRI图像数据 | 医学影像分析 | 神经系统疾病 | 3D T1加权磁共振成像 | CNN | 3D医学影像 | 来自四个数据集：Calgary-Campinas-359、OASIS-3、阿尔茨海默病神经影像倡议、剑桥老龄化与神经科学中心 | NA | 卷积神经网络 | 准确率 | NA |
| 19144 | 2025-10-07 |
DFMA: an improved DeepLabv3+ based on FasterNet, multi-receptive field, and attention mechanism for high-throughput phenotyping of seedlings
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1457360
PMID:39886686
|
研究论文 | 提出基于DeepLabv3+改进的DFMA模型，用于植物幼苗高通量表型分析 | 引入新型ASPP结构PSPA-ASPP，结合FasterNet、多感受野和注意力机制 | 未明确说明模型计算复杂度及在更多植物物种上的泛化能力 | 提高植物幼苗表型分析效率，替代传统人工测量方法 | 水稻幼苗及拟南芥、二穗短柄草、白芥等公开数据集植物 | 计算机视觉 | NA | 深度学习图像分割 | CNN | 幼苗图像 | 自建水稻幼苗数据集及多个公开数据集 | NA | DeepLabv3+, FasterNet, PSPA-ASPP | mIoU | NA |
| 19145 | 2025-10-07 |
Ordinal Classification with Distance Regularization for Robust Brain Age Prediction
2024-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision
DOI:10.1109/wacv57701.2024.00770
PMID:38606366
|
研究论文 | 提出一种基于序数分类和距离正则化的鲁棒脑龄预测方法，用于阿尔茨海默病早期检测 | 将脑龄预测任务从回归重构为分类，并提出新颖的序数距离编码正则化损失函数来保留年龄标签的顺序信息 | NA | 开发更可靠的脑龄预测方法，作为阿尔茨海默病早期检测的生物标志物 | 脑部磁共振成像数据和阿尔茨海默病临床数据 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 深度学习 | 图像 | NA | NA | NA | 统计显著性差异 | NA |
| 19146 | 2025-10-07 |
Multi-Head Graph Convolutional Network for Structural Connectome Classification
2024, Graphs in biomedical image analysis, and overlapped cell on tissue dataset for histopathology : 5th MICCAI Workshop, GRAIL 2023 and 1st MICCAI Challenge, OCELOT 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, Septembe...
DOI:10.1007/978-3-031-55088-1_3
PMID:38665679
|
研究论文 | 提出一种多头部图卷积网络模型，用于基于脑连接组数据的分类任务 | 设计并行多头部图卷积机制，分别关注边和节点的图卷积操作，从脑连接数据中全面提取互补特征表示 | NA | 开发基于脑连接组的分类模型，研究连接组随性别变化的差异 | 人脑结构连接组 | 机器学习 | NA | 扩散磁共振成像 | 图卷积网络 | 图数据 | PREVENT-AD数据集347名受试者，OASIS3数据集771名受试者 | NA | 多头部图卷积网络 | NA | NA |
| 19147 | 2025-10-07 |
Near-lifespan longitudinal tracking of brain microvascular morphology, topology, and flow in male mice
2023-05-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-38609-z
PMID:37221202
|
研究论文 | 开发了一套在小鼠中纵向追踪大脑血管动态和解剖结构的方法 | 首次实现了在相同视野下对小鼠大脑微血管形态、拓扑结构和血流进行近生命周期的长期追踪 | 仅使用雄性小鼠进行研究，未包括雌性小鼠 | 研究年龄相关神经退行性疾病中的血管衰退过程 | 野生型和3xTg雄性小鼠 | 生物医学成像 | 阿尔茨海默病 | 光学相干断层扫描(OCT), 深度学习 | 深度学习 | 图像 | 野生型和3xTg雄性小鼠 | NA | NA | NA | NA |
| 19148 | 2025-10-07 |
Digital staining facilitates biomedical microscopy
2023, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2023.1243663
PMID:37564725
|
综述 | 本文探讨了深度学习在生物医学显微镜中实现数字染色技术的方法与应用 | 将虚拟染色技术与神经网络结合，可校正显微镜像差并突破衍射极限分辨率 | NA | 改进生物医学显微镜的样本制备和成像流程 | 生物样本的显微镜成像 | 数字病理 | NA | 显微镜成像 | 深度学习 | 显微镜图像 | NA | NA | 神经网络 | NA | NA |
| 19149 | 2024-11-24 |
[Ecological sustainability of deep learning in pathology : A modeling study]
2025-Feb, Pathologie (Heidelberg, Germany)
DOI:10.1007/s00292-024-01382-x
PMID:39578266
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19150 | 2025-02-01 |
Bayesian deep learning applied to diabetic retinopathy with uncertainty quantification
2025-Jan-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e41802
PMID:39882466
|
研究论文 | 本文提出了一种基于贝叶斯深度学习的糖尿病视网膜病变分类方法，并通过不确定性量化提高了诊断的准确性和可靠性 | 使用贝叶斯卷积神经网络（CNN）结合变分推断（VI）和蒙特卡洛dropout（MC-dropout）方法，量化模型预测的不确定性 | 未提及具体局限性 | 提高糖尿病视网膜病变分类的准确性和可靠性 | 糖尿病视网膜病变（DR） | 医学影像分析 | 糖尿病视网膜病变 | 贝叶斯深度学习 | CNN, BCNN-VI, BCNN-MC-dropout | 图像 | APTOS 2019和Messidor-2两个基准数据集 | NA | NA | NA | NA |
| 19151 | 2025-02-01 |
Improved Generalizability in Medical Computer Vision: Hyperbolic Deep Learning in Multi-Modality Neuroimaging
2024-Dec-12, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10120319
PMID:39728216
|
研究论文 | 本研究探讨了双曲卷积神经网络（HCNNs）在神经影像任务中相较于传统卷积神经网络（CNNs）的潜在优势，特别是在提高模型泛化能力方面 | 利用非欧几里得空间的几何原理，HCNNs在神经影像数据中展现出增强的鲁棒性和语义组织能力，尤其在零样本评估中表现优于CNNs和放射科医生 | HCNNs在处理更大、更复杂的数据集时面临效率和性能挑战，需要进一步优化架构 | 研究目的是通过比较HCNNs和CNNs在多种医学影像模态和疾病中的表现，评估HCNNs在提高模型泛化能力方面的潜力 | 研究对象包括多模态神经影像数据集和缺血性卒中非对比CT图像 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | HCNNs, CNNs | 图像 | 多模态神经影像数据集和缺血性卒中非对比CT图像 | NA | NA | NA | NA |
| 19152 | 2025-02-01 |
Automatic Quantitative Analysis of Internal Quantum Efficiency Measurements of GaAs Solar Cells Using Deep Learning
2024-Dec-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202407048
PMID:39630124
|
研究论文 | 本文提出了一种使用深度学习方法自动预测砷化镓太阳能电池内部量子效率（IQE）测量中多个关键参数的方法 | 首次将深度学习方法应用于非硅太阳能电池（如砷化镓电池）的IQE测量定量分析，提高了参数预测的准确性和对噪声测量的鲁棒性 | 目前仅针对砷化镓太阳能电池进行了验证，未涉及其他非硅太阳能电池技术 | 提高砷化镓太阳能电池内部量子效率测量的定量分析效率和准确性 | 砷化镓太阳能电池 | 机器学习 | NA | 深度学习方法 | NA | 量子效率测量数据 | NA | NA | NA | NA | NA |
| 19153 | 2025-02-01 |
Inferring the genetic relationships between unsupervised deep learning-derived imaging phenotypes and glioblastoma through multi-omics approaches
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf037
PMID:39879386
|
研究论文 | 本研究旨在探讨无监督深度学习衍生的影像表型（UDIPs）与胶质母细胞瘤（GBM）之间的遗传关联 | 结合GWAS数据、单核RNA测序（snRNA-seq）和scPagwas方法，探索UDIPs与GBM的遗传联系，并识别了23个与GBM有显著因果关联的UDIPs | 研究中涉及的UDIPs数量较多（512个），但仅有23个显示出显著关联，可能限制了结果的广泛适用性 | 研究无监督深度学习衍生的影像表型与胶质母细胞瘤之间的遗传关联 | 胶质母细胞瘤（GBM）患者及其影像表型 | 数字病理学 | 胶质母细胞瘤 | GWAS, snRNA-seq, scPagwas | 无监督深度学习 | 影像数据, 基因组数据 | 512个UDIPs | NA | NA | NA | NA |
| 19154 | 2025-02-01 |
Deep learning-based image quality assessment for optical coherence tomography macular scans: a multicentre study
2024-Oct-22, The British journal of ophthalmology
DOI:10.1136/bjo-2023-323871
PMID:39033014
|
研究论文 | 本文开发并外部测试了用于评估Cirrus和Spectralis光学相干断层扫描设备三维黄斑扫描图像质量的深度学习模型 | 使用深度学习模型评估三维黄斑扫描图像质量，并进行了多中心外部测试 | 研究依赖于特定设备（Cirrus和Spectralis）的数据，可能不适用于其他设备 | 开发用于评估光学相干断层扫描图像质量的深度学习模型 | Cirrus和Spectralis光学相干断层扫描设备的三维黄斑扫描图像 | 计算机视觉 | 黄斑疾病 | 深度学习 | ResNet-18 | 图像 | 2277个Cirrus 3D扫描和1557个Spectralis 3D扫描 | NA | NA | NA | NA |
| 19155 | 2025-02-01 |
Deep learning analysis of serial digital breast tomosynthesis images in a prospective cohort of breast cancer patients who received neoadjuvant chemotherapy
2024-Sep, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111624
PMID:39029241
|
研究论文 | 本研究探讨了在乳腺癌新辅助化疗（NACT）期间使用人工智能（AI）分析连续数字乳腺断层合成（DBT）图像，以预测NACT完成后的病理完全缓解（pCR） | 首次将深度学习AI系统应用于连续DBT图像分析，以预测乳腺癌患者的pCR | 样本量较小，未来需要更大数据集以进行更全面的模型训练和性能评估 | 探索AI在乳腺癌NACT期间预测pCR的潜力 | 接受NACT的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成（DBT） | 3D ResNet | 图像 | 149名女性乳腺癌患者 | NA | NA | NA | NA |
| 19156 | 2025-02-01 |
Multicenter privacy-preserving model training for deep learning brain metastases autosegmentation
2024-09, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110419
PMID:38969106
|
研究论文 | 本研究探索了多中心数据异质性对深度学习脑转移瘤自动分割性能的影响，并评估了增量迁移学习技术LWF在不共享原始数据情况下提升模型泛化能力的有效性 | 提出了使用增量迁移学习技术（LWF）进行隐私保护的模型训练，以提高多中心数据下的模型泛化能力 | 数据异质性（如转移密度、空间分布和图像空间分辨率的差异）导致模型性能在不同中心间存在差异，限制了模型的泛化能力 | 研究多中心数据异质性对深度学习脑转移自动分割性能的影响，并评估增量迁移学习技术的有效性 | 脑转移（BM）的自动分割 | 计算机视觉 | 脑转移 | 深度学习 | DeepMedic网络 | 医学影像 | 来自六个中心的脑转移数据集（UKER、USZ、Stanford、UCSF、NYU、BraTS Challenge 2023） | NA | NA | NA | NA |
| 19157 | 2025-10-07 |
Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software
2024-Sep, Journal of medical screening
IF:2.6Q2
DOI:10.1177/09691413231219952
PMID:38115810
|
meta-analysis | 通过荟萃分析评估深度学习软件在乳腺癌筛查乳腺X线摄影分流中减少放射科医生工作量的效果 | 首次通过荟萃分析量化评估AI分流在乳腺癌筛查中减少工作量的潜力，确定了68.3%的工作量减少率同时保持93.1%的灵敏度 | 仅纳入了使用同一商业深度学习算法的三项研究，存在较高的异质性（I² > 80%），AI实施仍复杂且异质 | 评估基于AI的乳腺癌筛查乳腺X线摄影分流能否在保持非劣灵敏度的情况下减少放射科医生工作量 | 乳腺癌筛查乳腺X线摄影检查 | digital pathology | breast cancer | deep learning | DL | mammogram images | 156,852次检查 | NA | commercially available DL algorithm | sensitivity, specificity | NA |
| 19158 | 2025-10-07 |
Neuroimage analysis using artificial intelligence approaches: a systematic review
2024-Sep, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03097-w
PMID:38664348
|
系统综述 | 本文系统综述了2013-2023年间人工智能技术在神经影像数据分析中的应用现状和发展趋势 | 首次系统梳理了近十年AI在神经影像分析中的应用格局，明确了主要临床任务分布和疾病研究重点 | 仅纳入456篇文献，可能未覆盖该领域所有相关研究；时间范围限定为2013-2023年 | 评估人工智能技术对神经影像数据分析的影响，提升诊断能力并推动领域发展 | 神经影像数据，重点关注精神和神经系统疾病 | 医学影像分析 | 精神和神经系统疾病 | 神经影像技术 | 机器学习,深度学习 | 神经影像数据 | 456篇相关文献，最终纳入104项研究进行详细分析 | NA | NA | NA | NA |
| 19159 | 2025-02-01 |
Analysis of the integrated role of the Yangtze River Delta based on the industrial economic resilience of cities during COVID-19
2024-07-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-68357-z
PMID:39060630
|
研究论文 | 本研究探讨了COVID-19期间长江三角洲地区城市产业经济韧性及其对区域一体化战略的影响 | 使用UNet深度学习方法检测土地利用类型，并结合土地转移矩阵和标准差椭圆分析工业用地变化和工业产值空间分布 | 研究区域仅限于安徽省的芜湖、马鞍山和滁州三市，可能无法全面反映整个长江三角洲地区的情况 | 分析COVID-19期间长江三角洲地区城市产业经济韧性及其对区域一体化战略的影响 | 安徽省的芜湖、马鞍山和滁州三市的工业用地和工业产值 | 机器学习 | NA | UNet深度学习方法 | UNet | 土地利用数据 | 安徽省的芜湖、马鞍山和滁州三市 | NA | NA | NA | NA |
| 19160 | 2025-10-07 |
Deep learning automatically assesses 2-µm laser-induced skin damage OCT images
2024-Apr-18, Lasers in medical science
IF:2.1Q2
DOI:10.1007/s10103-024-04053-8
PMID:38634947
|
研究论文 | 本研究提出基于光学相干断层扫描和深度学习技术的无创自动评估方法，用于定性和定量分析2微米激光诱导皮肤损伤 | 首次将深度学习与OCT技术结合实现激光皮肤损伤的自动定量评估，开发了无创在体分析方法 | 研究仅在小鼠模型中进行，尚未在人体验证 | 开发自动评估激光诱导皮肤损伤的方法 | 小鼠皮肤组织 | 计算机视觉 | 皮肤损伤 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | U-Net, DeepLabV3+, PSP-Net, HR-Net | 分割准确性, 定量评估误差 | NA |