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 2564 篇文献，本页显示第 641 - 660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 641 | 2025-06-19 |
Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model
2023-07, The international journal of cardiovascular imaging
DOI:10.1007/s10554-023-02889-9
PMID:37253900
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 642 | 2025-10-06 |
Noninvasive molecular subtyping of pediatric low-grade glioma with self-supervised transfer learning
2023-Nov-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.04.23293673
PMID:37609311
|
研究论文 | 开发并外部验证基于MRI的深度学习流程，用于儿童低级别胶质瘤BRAF突变状态的无创分类 | 结合迁移学习和自监督交叉训练方法，在有限数据场景下提升分类性能；提出新的模型可解释性指标COMDist | 回顾性研究，样本量有限，数据来自两个特定机构 | 开发无创的儿童低级别胶质瘤分子亚型分类方法 | 儿童低级别胶质瘤患者 | 医学影像分析 | 儿童低级别胶质瘤 | MRI，基因组测序 | 深度学习 | 3D MRI图像 | BCH数据集214例（开发集），CBTN数据集112例（外部验证集） | NA | NA | AUC，准确率，COMDist | NA |
| 643 | 2025-10-06 |
Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning
2023-Sep-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.06.29.23292048
PMID:37425854
|
研究论文 | 本研究开发了一种基于逐步迁移学习的儿科脑肿瘤自动分割方法，在有限数据场景下实现了专家级的分割性能 | 提出了一种新颖的领域内逐步迁移学习方法，在儿科脑肿瘤数据有限的情况下实现了专家级的分割性能 | 研究数据量相对有限（n=184+100），且仅针对儿科低级别胶质瘤 | 开发用于儿科脑肿瘤自动分割的深度学习算法，支持实时体积评估以辅助诊断和治疗决策 | 儿科低级别胶质瘤（pLGG） | 医学影像分析 | 儿科脑肿瘤 | 深度学习，迁移学习 | 深度学习神经网络 | 医学影像（脑部扫描） | 284例（来自国家脑肿瘤联盟的184例和儿科癌症中心的100例），外部验证60例 | NA | NA | Dice相似系数（DSC），Likert量表评分，图灵测试 | NA |
| 644 | 2025-10-06 |
An Interpretable Longitudinal Preeclampsia Risk Prediction Using Machine Learning
2023-Aug-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.16.23293946
PMID:37645797
|
研究论文 | 开发一种基于机器学习的可解释性纵向子痫前期风险预测工具 | 使用常规临床数据开发全面的纵向预测工具，能够在整个孕期预测子痫前期风险，并识别出比现有标准多48.6%的高风险患者 | 回顾性研究设计，使用的生物标志物在临床实践中不常规可用 | 开发能够纵向预测子痫前期风险的工具 | 在新英格兰地区六家社区医院和两家三级医院分娩的患者 | 机器学习 | 子痫前期 | 机器学习，深度学习 | 线性回归, 随机森林, XGBoost, 深度神经网络 | 社会人口统计学数据，临床诊断，家族史，实验室数据，生命体征 | 120,752名患者（其中6,920名患有子痫前期） | NA | NA | AUC（曲线下面积） | NA |
| 645 | 2025-06-18 |
Simultaneous Estimation of Hand Configurations and Finger Joint Angles Using Forearm Ultrasound
2023-Feb, IEEE transactions on medical robotics and bionics
IF:3.4Q2
DOI:10.1109/tmrb.2023.3237774
PMID:40511365
|
研究论文 | 提出一种基于卷积神经网络（CNN）的深度学习流程，用于预测手指关节角度和手部配置分类 | 首次利用前臂超声图像同时估计手部配置和掌指关节（MCP）角度，填补了文献中的空白 | 研究样本量较小，仅涉及6名受试者 | 开发流畅直观的人机交互方法，用于数字系统、增强/虚拟现实（AR/VR）界面和物理机器人系统 | 手部运动识别，特别是手部配置分类和MCP关节角度检测 | 计算机视觉 | NA | 前臂超声成像 | CNN, 支持向量分类器（SVC）, 多层感知机（MLP） | 图像 | 6名受试者的前臂超声图像和运动捕捉数据 | NA | NA | NA | NA |
| 646 | 2025-10-06 |
CRPU-NET: a deep learning model based semantic segmentation for the detection of colorectal polyp in lower gastrointestinal tract
2023-12-27, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad160f
PMID:38100789
|
研究论文 | 开发基于深度学习的CRPU-Net模型用于结直肠息肉语义分割检测 | 提出轻量级CRPU-Net架构，在结直肠息肉分割任务中性能优于现有先进模型 | NA | 开发结直肠息肉自动分割模型并进行性能比较分析 | 结肠镜检查图像中的结直肠息肉 | 计算机视觉 | 结直肠癌 | 结肠镜检查 | CNN | 图像 | CVC-ColonDB和CVC-ClinicDB两个结肠镜图像数据集 | NA | CRPU-Net, VGG16, VGG19, U-Net, ResUnet++ | 准确率, Jaccard系数, Dice系数 | NA |
| 647 | 2025-10-06 |
Secret learning for lung cancer diagnosis-a study with homomorphic encryption, texture analysis and deep learning
2023-12-08, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad0b4b
PMID:37944251
|
研究论文 | 本研究提出一种结合同态加密、纹理分析和深度学习的隐私保护方法用于肺癌诊断 | 首次将同态加密技术应用于肺癌CT图像的纹理特征提取和深度学习分类，在保护患者隐私的同时实现高精度诊断 | 仅使用单一数据集进行验证，未在不同医疗机构数据上进行泛化性测试 | 开发隐私保护的肺癌自动诊断方法 | 肺部CT扫描图像 | 计算机视觉 | 肺癌 | 同态加密，纹理分析 | 深度学习 | 医学影像 | 包含正常组织、腺癌、大细胞癌和鳞状细胞癌的CT图像样本 | NA | NA | 准确率 | NA |
| 648 | 2025-10-06 |
Spin device-based image edge detection architecture for neuromorphic computing
2023-Nov-15, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ad0056
PMID:37797609
|
研究论文 | 提出一种基于自旋轨道转矩磁随机存储器的交叉阵列设计，用于图像边缘检测的神经形态计算架构 | 采用双电平自旋轨道转矩磁随机存储器设计，实现内存计算并扩展至脉冲域蚁群优化算法 | NA | 开发资源高效的硬件实现方案，用于图像边缘检测 | 灰度图像边缘检测 | 神经形态计算 | NA | 内存计算，非易失性存储器 | NA | 图像 | NA | 蚁群优化算法 | 交叉阵列设计 | 像素精度，面积效率，泄漏功耗，能效 | NA |
| 649 | 2025-10-06 |
One hundred years of neurosciences in the arts and humanities, a bibliometric review
2023-11-09, Philosophy, ethics, and humanities in medicine : PEHM
DOI:10.1186/s13010-023-00147-3
PMID:37946225
|
文献计量学综述 | 通过百年文献计量分析揭示神经科学在艺术与人文领域的影响演变 | 首次对神经科学与艺术人文交叉领域进行长达百年的纵向文献计量分析，识别出研究范式的转变和新兴技术趋势 | 仅基于Scopus数据库文献，可能存在收录范围限制；文献计量方法本身对内容深度的分析有限 | 探究神经科学技术在创造力和审美体验研究中的历史演变与未来挑战 | Scopus数据库中1922-2022年间3612篇多学科研究文献 | 文献计量学与跨学科研究 | NA | 文献计量分析，PRISMA方法筛选，关键词聚类分析 | NA | 文献元数据 | 3612篇文献 | NA | NA | NA | NA |
| 650 | 2025-10-06 |
Combined genome-wide association study of 136 quantitative ear morphology traits in multiple populations reveal 8 novel loci
2023-07, PLoS genetics
IF:4.0Q1
DOI:10.1371/journal.pgen.1010786
PMID:37459304
|
研究论文 | 通过多人群全基因组关联研究，识别了影响人类耳部形态的16个遗传位点，其中8个为新发现位点 | 首次使用深度学习定量评估136个耳部形态特征，并采用C-GWAS方法整合多性状GWAS分析，发现了8个新的耳部形态相关遗传位点 | 研究样本主要来自欧洲、亚洲和拉丁美洲人群，可能不适用于其他人群 | 探索人类耳部形态的遗传结构 | 14,921名来自欧洲、亚洲和拉丁美洲五个不同队列的个体 | 机器学习 | NA | 全基因组关联研究(GWAS)、C-GWAS、基因编辑 | 深度学习 | 数字面部图像 | 14,921名个体 | NA | NA | NA | NA |
| 651 | 2025-10-06 |
Deep learning-based weld defect classification using VGG16 transfer learning adaptive fine-tuning
2023-May-08, International journal on interactive design and manufacturing
DOI:10.1007/s12008-023-01327-3
PMID:40478981
|
研究论文 | 本研究提出了一种基于深度学习的焊接缺陷分类方法，使用VGG16迁移学习和自适应微调技术 | 提出了一种独特的基于图像的方法，使用小规模X射线图像数据集训练深度学习模型，并采用数据增强和迁移学习技术 | 使用的小型数据集在15个不同类别中分布不平衡 | 开发自动焊接缺陷检测和分类系统 | 焊接缺陷 | 计算机视觉 | NA | X射线成像 | CNN | 图像 | 小型X射线图像数据集（具体数量未提及） | NA | VGG16, ResNet50 | 准确率 | NA |
| 652 | 2025-10-06 |
Artificial Intelligence and Economic Development: An Evolutionary Investigation and Systematic Review
2023-Mar-11, Journal of the knowledge economy
IF:4.0Q1
DOI:10.1007/s13132-023-01183-2
PMID:40478928
|
系统综述 | 通过文献计量和内容分析方法研究人工智能与经济发展交叉领域的研究现状和发展趋势 | 首次系统性地研究人工智能与经济发展交叉领域，结合定量文献计量和定性内容分析的双重方法 | 基于文献分析，缺乏实证研究验证具体AI技术对经济发展的实际影响 | 探索人工智能技术在经济发展中的角色和地位，识别研究现状和知识缺口 | 人工智能与经济发展交叉领域的学术文献 | 机器学习 | NA | 文献计量分析，内容分析 | NA | 文本数据 | 2211篇文献 | Bibliometrix | NA | NA | NA |
| 653 | 2025-06-10 |
A Large-Scale IoT-Based Scheme for Real-Time Prediction of Infectious Disease Symptoms
2023-Feb-02, Mobile networks and applications : MONET
DOI:10.1007/s11036-023-02111-z
PMID:40479340
|
研究论文 | 提出了一种基于物联网(IoT)的大规模实时监测方案，用于通过人们的行为和无线体域网(WBAN)预测传染病症状 | 利用IoT和WBAN技术实时监测人群行为，预测传染病症状及传播，弥补了以往研究依赖医疗设施内拍摄图像的局限性 | 需要构建强大的覆盖模型以确保实时监测，且性能评估依赖于模拟环境 | 开发实时预测传染病症状及传播的监测方案 | 人群行为及传染病症状 | 物联网与健康监测 | 传染病 | IoT, WBAN, 深度学习 | 深度学习模型 | 图像、声音、视频 | NA | NA | NA | NA | NA |
| 654 | 2025-10-06 |
Deep Learning Based Metabolite Annotation
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10341007
PMID:38082953
|
研究论文 | 本研究探索基于深度学习的代谢物注释方法，通过高维光谱数据表示提升分子指纹预测精度 | 研究高维光谱数据和分子指纹表示以改进分子指纹预测准确性 | NA | 改进非靶向代谢组学中代谢物注释的准确性 | 代谢物分子指纹 | 机器学习 | NA | 液相色谱-质谱联用(LC-MS), 串联质谱(MS/MS) | CNN | 质谱数据 | 来自MoNA存储库和NIST 20的MS/MS光谱数据 | NA | 卷积神经网络 | 准确率 | NA |
| 655 | 2025-10-06 |
Deep ensemble learning for automated non-advanced AMD classification using optimized retinal layer segmentation and SD-OCT scans
2023-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.106512
PMID:36701964
|
研究论文 | 本研究开发了一种基于优化视网膜层分割和深度集成学习的非进展性年龄相关性黄斑变性自动分类方法 | 结合图割算法与三次样条自动标注11个视网膜边界，并采用集成Bagged Tree和端到端深度学习分类器的深度集成机制 | 仅针对非进展性AMD分类，未涵盖进展性AMD病例 | 改进年龄相关性黄斑变性的自动检测与分类 | SD-OCT扫描图像中的视网膜层结构 | 计算机视觉 | 年龄相关性黄斑变性 | SD-OCT扫描，图割算法，三次样条拟合 | 集成学习，深度学习 | 医学图像 | 内部和外部数据集（具体数量未明确说明） | NA | Bagged Tree，深度学习分类器 | 错误率，AUC，诊断准确率 | NA |
| 656 | 2025-10-06 |
Artificial intelligence, machine learning and deep learning: Potential resources for the infection clinician
2023-10, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2023.07.006
PMID:37468046
|
综述 | 总结人工智能在感染性疾病研究和临床管理中的潜在应用 | 重点关注使用前瞻性收集的真实世界数据的研究，并强调具有转化潜力的研究方向 | 大多数研究缺乏真实世界验证或临床效用指标，研究设计和报告存在显著异质性 | 探索人工智能在感染性疾病领域的应用潜力 | 感染性疾病的诊断、治疗和公共卫生管理 | 机器学习 | 感染性疾病 | NA | 深度学习 | 医学影像, 实验室数据, 临床数据 | 筛选了1617篇PubMed文献 | NA | NA | 临床效用指标 | NA |
| 657 | 2025-06-07 |
A survey on recent trends in deep learning for nucleus segmentation from histopathology images
2023-Mar-06, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09491-3
PMID:38625364
|
综述 | 本文系统综述了过去五年（2017-2021）中深度学习在组织病理学图像中细胞核分割的应用 | 总结了多种分割模型（如U-Net、SCPP-Net、Sharp U-Net和LiverNet）的相似性、优势、使用的数据集以及新兴研究领域 | 仅覆盖了过去五年的研究，可能未包括最新的技术进展 | 探讨深度学习在细胞核分割中的最新趋势和应用 | 组织病理学图像中的细胞核 | 数字病理学 | 癌症 | 深度学习 | U-Net, SCPP-Net, Sharp U-Net, LiverNet | 图像 | NA | NA | NA | NA | NA |
| 658 | 2025-06-07 |
PDRF-Net: a progressive dense residual fusion network for COVID-19 lung CT image segmentation
2023-Feb-17, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09489-x
PMID:38625320
|
research paper | 提出了一种名为PDRF-Net的渐进密集残差融合网络，用于COVID-19肺部CT图像的分割 | 引入了密集跳跃连接以捕获多级上下文信息，设计了高效的聚合残差模块，结合视觉Transformer和残差块，以及双边通道像素加权模块逐步融合多分支特征图 | NA | 实现COVID-19患者肺部CT图像中病变部位的快速准确分割 | COVID-19患者的肺部CT图像 | digital pathology | COVID-19 | CT图像分割 | PDRF-Net (progressive dense residual fusion network) | image | 在两个COVID-19数据集上进行测试 | NA | NA | NA | NA |
| 659 | 2025-06-07 |
AMTLDC: a new adversarial multi-source transfer learning framework to diagnosis of COVID-19
2023-Jan-12, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09484-2
PMID:38625255
|
research paper | 提出了一种新的对抗性多源迁移学习框架AMTLDC，用于COVID-19的诊断 | AMTLDC框架通过对抗性学习提取多个数据源间的通用表示，提高了模型在不同数据集间的泛化能力 | 未明确说明框架在极端数据不足情况下的表现 | 提高COVID-19诊断模型的跨数据集泛化性能 | COVID-19医学影像数据 | digital pathology | COVID-19 | adversarial transfer learning | CNN | medical images | NA | NA | NA | NA | NA |
| 660 | 2025-06-07 |
Detection of anomalies in cycling behavior with convolutional neural network and deep learning
2023, European transport research review
IF:5.1Q1
DOI:10.1186/s12544-023-00583-4
PMID:38625141
|
研究论文 | 本文提出了一种基于深度学习的异常检测方法BeST-DAD，用于识别骑行行为中的异常并在地图上标记危险点 | 结合CNN和自编码器(AE)进行异常检测，相比传统PCA方法表现更优 | 需要依赖GPS轨迹数据，可能受数据质量和覆盖范围限制 | 提高骑行安全性，通过技术手段识别潜在危险点 | 骑行者的GPS轨迹数据 | 机器学习 | NA | 深度学习 | CNN, Autoencoder | GPS轨迹数据 | 未明确说明具体样本数量，涉及多个用户的数据 | NA | NA | NA | NA |