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 1906 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-10-06 |
Deep Learning-Based Prediction of Radiation Therapy Dose Distributions in Nasopharyngeal Carcinomas: A Preliminary Study Incorporating Multiple Features Including Images, Structures, and Dosimetry
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241256594
PMID:38808514
|
研究论文 | 本研究开发了一种结合剂量信息的深度学习模型，用于预测鼻咽癌放射治疗的剂量分布 | 首次将靶区适形计划剂量信息通过多通道输入方式整合到卷积神经网络中，提高了预测精度 | 对于小体积或邻近的危及器官预测存在差异，且为初步研究需要进一步验证 | 提高鼻咽癌调强放射治疗剂量分布的预测准确性 | 鼻咽癌患者的放射治疗计划 | 医学影像分析 | 鼻咽癌 | 调强放射治疗，容积旋转调强放疗 | CNN | 医学图像，结构轮廓，剂量分布数据 | NA | NA | 深度卷积神经网络 | 3D伽马通过率，剂量体积直方图相似性指数，D98%指标 | NA |
| 142 | 2025-10-06 |
A 3 M Evaluation Protocol for Examining Lymph Nodes in Cancer Patients: Multi-Modal, Multi-Omics, Multi-Stage Approach
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241277389
PMID:39267420
|
综述 | 提出针对癌症患者淋巴结评估的多模态、多组学、多阶段标准化评估方案 | 整合影像组学与深度学习模型，建立系统化的淋巴结管理协议，涵盖术前评估到术后免疫影响的全流程 | 基于文献综述提出方案，尚未经过大规模临床验证 | 建立标准化淋巴结评估协议以优化癌症治疗 | 癌症患者的淋巴结转移与手术切除 | 数字病理 | 癌症 | 多模态成像、多组学分析、深度学习 | 深度学习模型 | 医学影像、临床数据、统计资料 | NA | NA | NA | NA | NA |
| 143 | 2025-10-06 |
The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241287089
PMID:39363876
|
研究论文 | 本研究通过拓扑数据分析和纹理分析两种影像组学方法，预测肺磨玻璃结节(GGNs)的恶性风险 | 首次将基于同调性的拓扑特征应用于GGNs的影像组学分析，捕捉结节内复杂的几何和空间关系 | 回顾性研究设计，数据来自两个中心，需要更多外部验证 | 预测肺CT扫描中磨玻璃结节的恶性风险 | 肺磨玻璃结节(GGNs) | 医学影像分析 | 肺癌 | CT扫描，拓扑数据分析，纹理分析 | 机器学习，深度学习 | 医学影像(CT图像) | 3223名患者(来自两个中心，2018年1月至2023年6月) | NA | NA | AUC, 敏感度 | NA |
| 144 | 2025-10-06 |
Trends and Hotspots in Global Radiomics Research: A Bibliometric Analysis
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241235769
PMID:38465611
|
文献计量分析 | 通过文献计量分析方法总结放射组学知识结构并探索潜在趋势和研究重点 | 首次对2012-2022年全球放射组学研究进行全面的文献计量分析，识别未来研究方向 | 仅基于Web of Science数据库，可能未涵盖所有相关文献 | 探索放射组学领域的研究现状、发展趋势和热点方向 | 2012-2022年期间发表的6428篇放射组学相关文献 | 医学影像分析 | NA | 文献计量分析 | NA | 文献元数据 | 6428篇文章 | VOSviewer, CiteSpace, Tableau, Microsoft Excel, Rstudio | NA | NA | 免费在线平台 |
| 145 | 2025-10-06 |
A Comparative Study of Deep Learning Dose Prediction Models for Cervical Cancer Volumetric Modulated Arc Therapy
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241242654
PMID:38584413
|
研究论文 | 比较四种深度学习模型在宫颈癌VMAT治疗中体素级剂量分布的预测性能 | 首次系统比较四种先进三维深度学习模型在宫颈癌VMAT剂量预测中的表现 | 回顾性研究，样本量相对有限（261例患者） | 评估不同深度学习模型在放射治疗剂量预测中的性能 | 宫颈癌患者的VMAT治疗计划 | 医学影像分析 | 宫颈癌 | 容积旋转调强放疗(VMAT) | 3D CNN | CT图像, 解剖结构掩膜 | 261例宫颈癌患者治疗计划 | NA | 3D U-Net, UNETR | 平均绝对误差(MAE), 剂量图差异, 临床剂量学指标, Dice相似系数(DSC) | NA |
| 146 | 2025-10-06 |
Automatic dental age calculation from panoramic radiographs using deep learning: a two-stage approach with object detection and image classification
2024-01-31, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-03928-0
PMID:38291396
|
研究论文 | 提出一种基于全景X光片和深度学习的两阶段自动牙龄计算方法 | 首次将目标检测和图像分类相结合的全自动牙龄计算方法，无需人工干预 | 仅使用单一类型影像数据，未考虑其他可能影响牙龄的因素 | 开发自动牙龄计算系统以替代耗时的手工方法 | 牙齿发育阶段的牙胚 | 计算机视觉 | 口腔疾病 | 全景X光摄影 | CNN | X光图像 | 8,023张全景X光片，18,485个单根牙胚图像，16,313个多根牙胚图像 | PyTorch | Scaled-YOLOv4, EfficientNetV2 M | 平均精度均值, Top-3准确率, 平均绝对误差 | NA |
| 147 | 2025-10-06 |
Child face detection on front passenger seat through deep learning
2024, Traffic injury prevention
IF:1.6Q4
DOI:10.1080/15389588.2024.2346811
PMID:38717829
|
研究论文 | 本研究开发了一种基于深度学习的儿童面部检测系统，用于监测汽车前排乘客座位上的儿童并提醒驾驶员 | 使用专门生成的数据集和MobileNetV2架构，在树莓派4B上实现实时儿童检测系统 | 实验环境较为理想化，传感器未受阳光直射遮挡，也未考虑车辆中常见的污垢覆盖情况 | 通过车内监控系统检测前排乘客座位上的儿童，降低汽车事故中儿童的伤亡风险 | 汽车前排乘客座位上的乘客（儿童和成人） | 计算机视觉 | NA | 深度学习，面部检测 | CNN | 图像 | 原始数据集：102张空座位，71名儿童（0-13岁），96名成人（14-75岁）；数据增强后：2,496张成人图像，2,310张儿童图像 | TensorFlow, Keras | MobileNetV2 | 准确率，精确率 | 树莓派4 Model B |
| 148 | 2025-10-06 |
ADHD detection based on human action recognition
2024, Neuroscience applied
DOI:10.1016/j.nsa.2024.104093
PMID:40656101
|
研究论文 | 提出了一种基于人体动作识别的注意力缺陷多动障碍检测系统 | 首次录制真实多模态ADHD数据集，设计新型多动测试捕获ADHD特征，使用简单非穿戴式传感器实现低成本检测 | 依赖视频数据质量，未与其他神经影像数据直接比较 | 开发基于人体动作识别的低成本ADHD检测方法 | 注意力缺陷多动障碍患者的行为特征 | 计算机视觉 | 注意力缺陷多动障碍 | 视频动作分析 | 深度学习 | RGB视频 | 真实多模态ADHD数据集 | NA | NA | 准确率, AUC | NA |
| 149 | 2025-10-06 |
Investigating mental workload caused by NDRTs in highly automated driving with deep learning
2024, Traffic injury prevention
IF:1.6Q4
DOI:10.1080/15389588.2023.2276657
PMID:38240567
|
研究论文 | 本研究通过深度学习模型分析高度自动驾驶中非驾驶相关任务对驾驶员脑力负荷的影响 | 使用LSTM和BLSTM深度学习模型对EEG信号进行脑力负荷分类，并发现特定频段数据能提升分类准确率 | 样本量较小（28名参与者），实验环境为模拟驾驶场景 | 研究高度自动驾驶中非驾驶相关任务对驾驶员脑力负荷的影响并开发分类模型 | 驾驶员在高度自动驾驶场景下的脑力负荷 | 机器学习 | NA | 脑电图（EEG）信号采集，NASA任务负荷指数量表（NASA-TLX） | LSTM, BLSTM | EEG信号 | 28名参与者 | NA | 长短期记忆网络（LSTM），双向长短期记忆网络（BLSTM） | 分类准确率 | NA |
| 150 | 2025-10-06 |
A week in the life of the human brain: stable states punctuated by chaotic transitions
2024-Jan-15, Research square
DOI:10.21203/rs.3.rs-2752903/v3
PMID:37034705
|
研究论文 | 通过连续多电极颅内记录研究人类自然行为期间大脑网络的动态变化 | 结合深度学习与动力系统方法揭示大脑网络在自然行为中的稳定状态和混沌转换机制 | 样本量较小（20名人类受试者），记录时长有限（3-12天） | 研究真实世界中大脑网络的动态变化与行为关系 | 人类大脑网络动态 | 计算神经科学 | NA | 多电极颅内记录 | 深度学习 | 颅内电生理信号 | 20名人类受试者，连续记录3-12天 | NA | NA | NA | NA |
| 151 | 2025-10-06 |
Review of Deep Learning Performance in Wireless Capsule Endoscopy Images for GI Disease Classification
2024, F1000Research
DOI:10.12688/f1000research.145950.2
PMID:39464781
|
综述 | 本文综述了深度学习在无线胶囊内镜图像中用于胃肠道疾病分类的性能表现 | 重点关注迁移学习、注意力机制、多模态学习、自动病变检测、可解释性、数据增强和边缘计算等最新进展 | 当前深度学习方法存在挑战和局限性，如图像分辨率低、伪影多等问题 | 回顾深度学习在无线胶囊内镜图像分析中的现状和未来方向 | 无线胶囊内镜图像 | 计算机视觉 | 胃肠道疾病 | 无线胶囊内镜 | NA | 医学图像 | NA | NA | NA | NA | 边缘计算 |
| 152 | 2025-10-06 |
Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study
2024, MedEdPublish (2016)
DOI:10.12688/mep.20554.3
PMID:39911314
|
研究论文 | 评估乌干达医学教师对ChatGPT及其他人工智能工具的使用情况 | 首次在乌干达医学教师群体中调查AI工具使用现状及年龄差异影响 | 横断面研究设计无法确定因果关系，仅纳入四所公立大学可能存在选择偏倚 | 评估医学教师对AI工具的认知和使用模式 | 乌干达四所公立大学的医学教师 | 自然语言处理 | NA | 问卷调查 | 大型语言模型 | 调查数据 | 224名医学教师 | NA | ChatGPT | 患病率比，置信区间 | Stata version 17.0 |
| 153 | 2025-10-06 |
Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC
2024-Jan-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.18.576252
PMID:38328179
|
研究论文 | 提出一种名为TAVAC的新指标，用于评估Vision Transformer模型在图像数据集上的过拟合程度并量化解释的可重复性 | 首次提出TAVAC指标，能够定量评估ViT模型解释的可重复性，并在像素级别监控模型解释的稳定性 | 未明确说明样本量的具体数值和计算资源需求 | 解决Vision Transformer模型在有限标注生物医学图像数据集上容易过拟合导致解释不可靠的问题 | Vision Transformer模型在图像分类任务中的解释可重复性 | 计算机视觉 | 乳腺癌 | 数字病理图像分析 | Vision Transformer (ViT) | 图像 | 四个公开图像分类数据集和两个独立乳腺癌组织学图像数据集 | NA | Vision Transformer | TAVAC, 预测准确率 | NA |
| 154 | 2025-10-06 |
DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3289859
PMID:37368810
|
研究论文 | 提出一种双自监督多操作变换网络(DSMT-Net)，用于多源内镜超声(EUS)图像的胰腺癌和乳腺癌诊断 | 设计了多操作变换方法标准化EUS图像感兴趣区域提取，并开发了基于Transformer的双自监督网络整合未标记数据进行预训练 | 未明确说明模型在更广泛疾病类型或数据源上的泛化能力 | 解决多源EUS图像数据分布差异大和标注数据有限的问题，提高癌症诊断准确性 | 胰腺癌和乳腺癌的内镜超声图像 | 计算机视觉 | 胰腺癌,乳腺癌 | 内镜超声(EUS) | Transformer,自监督学习 | 图像 | 3,500张病理证实的标记EUS图像(包含胰腺癌和非胰腺癌)和8,000张未标记EUS图像 | NA | DSMT-Net,Transformer | 准确率 | NA |
| 155 | 2025-10-06 |
Multi-modal deep learning from imaging genomic data for schizophrenia classification
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1384842
PMID:39006822
|
研究论文 | 提出一种基于多模态成像基因组数据的深度学习框架用于精神分裂症分类 | 首次结合结构MRI、功能MRI和遗传标记(SNP)三种模态数据，采用可解释AI技术识别关键特征 | NA | 开发改进的精神分裂症检测方法 | 精神分裂症患者和健康对照个体 | 机器学习 | 精神分裂症 | sMRI, fMRI, SNP基因分型 | CNN, DenseNet, XGBoost | 图像, 基因组数据 | NA | NA | DenseNet, 1D-CNN, XGBoost | 准确率 | NA |
| 156 | 2025-10-06 |
Neural network in food analytics
2024, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2022.2139217
PMID:36322538
|
综述 | 首次全面概述神经网络在食品分析领域的应用，包括基础方法、最新进展及挑战 | 首次系统综述神经网络在食品分析中的跨领域应用，强调食品专家与技术社区的合作潜力 | 存在食品科学家友好型软件接口缺失、模型行为难以解释、多源异构数据整合等挑战 | 系统梳理神经网络在食品分析中的应用现状与发展前景 | 食品识别、食品安全供应链、组学分析等食品科学领域 | 机器学习 | NA | 光谱分析、色谱分析、组学分析 | 神经网络 | 多源异构数据 | NA | NA | NA | 模式识别准确率 | NA |
| 157 | 2025-10-06 |
Glenohumeral joint force prediction with deep learning
2024-01, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.111952
PMID:38228026
|
研究论文 | 本研究使用深度学习技术预测肩关节盂肱关节力的幅度和方向 | 首次将深度学习模型应用于盂肱关节力预测，替代传统计算密集型优化方法 | 基于959名虚拟受试者数据，未使用真实患者数据进行验证 | 开发能够准确预测盂肱关节力的深度学习模型，降低计算成本 | 全肩关节置换术(TSA)领域的盂肱关节力预测 | 机器学习 | 骨科疾病 | 深度学习，马尔可夫链蒙特卡洛方法 | 深度学习模型 | 虚拟患者参数数据 | 959名虚拟受试者 | NA | NA | 决定系数，平均绝对误差 | NA |
| 158 | 2025-10-06 |
Forward dynamics computational modelling of a cyclist fall with the inclusion of protective response using deep learning-based human pose estimation
2024-01, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.111959
PMID:38286096
|
研究论文 | 本研究通过视频分析结合深度学习姿态估计和正向动力学计算模型，研究自行车骑行者跌倒的运动学特征和防护响应机制 | 开发了结合深度学习姿态估计和逆向运动学优化的新型重建流程，用于从真实跌倒视频中提取人体运动数据，并首次在自行车跌倒模型中优化包含支撑性主动响应 | 研究仅针对单个自行车跌倒案例进行研究，样本量有限 | 研究自行车骑行者跌倒的运动学和动力学特征，开发计算模型以改进防护装备和安全措施 | 自行车骑行者的跌倒过程 | 计算机视觉, 生物力学 | 创伤性损伤 | 视频分析, 深度学习姿态估计, 逆向运动学优化, 正向动力学计算模型 | 深度学习姿态估计模型 | 视频 | 单个自行车跌倒案例研究 | 遗传算法 | NA | NA | NA |
| 159 | 2025-10-06 |
An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1418280
PMID:38988988
|
研究论文 | 提出一种基于二元卷积神经网络的深度学习方法来增强脑部MRI图像中肿瘤的检测和分割 | 能够分割10种最常见的脑肿瘤类型，相比现有模型仅能分割4种类型有显著改进 | NA | 提高脑肿瘤在MRI图像中的检测和分割精度 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | MRI成像 | CNN | 图像 | 6,600张脑部MRI图像 | NA | 二元卷积神经网络(BCNN) | 准确率,精确率,召回率,F-Measure | NA |
| 160 | 2025-10-06 |
Application of ChatGPT in Routine Diagnostic Pathology: Promises, Pitfalls, and Potential Future Directions
2024-Jan-01, Advances in anatomic pathology
IF:5.1Q1
DOI:10.1097/PAP.0000000000000406
PMID:37501529
|
文献综述 | 本文综述了ChatGPT在常规诊断病理学中的应用前景、潜在问题和未来发展方向 | 首次系统探讨大型语言模型在病理学诊断领域的应用潜力，并通过模拟实际病理诊断场景进行对话测试 | 目前关于ChatGPT在病理学领域的研究信息有限，需要更多研究验证其准确性、有效性和伦理问题 | 评估ChatGPT在常规诊断病理学中的应用价值和局限性 | ChatGPT及其他聊天机器人技术在病理诊断中的应用 | 自然语言处理 | NA | 自然语言处理，深度学习 | 大型语言模型 | 文本数据 | NA | NA | Transformer | NA | NA |