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 12102 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 | 2025-10-05 |
Accuracy of Machine Learning in Detecting Pediatric Epileptic Seizures: Systematic Review and Meta-Analysis
2024-12-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/55986
PMID:39661965
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估机器学习在儿科癫痫发作检测中的准确性 | 首次对机器学习在儿科癫痫发作检测中的性能进行系统性量化评估，并比较了传统机器学习与深度学习的表现差异 | 纳入研究数量有限（28项），存在发表偏倚风险，各研究间方法学异质性可能影响结果 | 评估机器学习在儿科癫痫发作检测中的有效性，为智能工具开发提供循证依据 | 儿科癫痫患者的脑电图数据 | 机器学习 | 癫痫 | 脑电图（EEG） | 机器学习, 深度学习 | 脑电图信号 | 28项原始研究（15项ML研究，13项DL研究） | NA | NA | C-index, 灵敏度, 特异性, 准确率 | NA |
| 642 | 2025-10-05 |
Leveraging Large Language Models for Improved Understanding of Communications With Patients With Cancer in a Call Center Setting: Proof-of-Concept Study
2024-12-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/63892
PMID:39661975
|
研究论文 | 本研究评估GPT-4在癌症患者电话咨询意图分类中的性能，并与传统深度学习模型进行比较 | 首次在癌症患者呼叫中心场景中系统评估GPT-4的上下文学习能力，无需大量标注数据即可实现意图分类 | 提示设计和类别定义需要进一步优化，以充分发挥其在医疗实践中的潜力 | 评估大型语言模型在癌症患者电话咨询意图分类中的性能表现 | 癌症患者的电话咨询记录 | 自然语言处理 | 癌症 | 电话咨询记录分析 | GPT-4, LSTM, BERT | 文本 | 430,355个句子（来自2016-2020年癌症患者电话咨询） | NA | GPT-4, LSTM, BERT | 准确率 | NA |
| 643 | 2025-10-05 |
Sex-and Stress-Dependent Plasticity of a Corticotropin Releasing Hormone / GABA Projection from the Basolateral Amygdala to Nucleus Accumbens that Mediates Reward Behaviors
2024-Dec-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.30.626183
PMID:39651305
|
研究论文 | 本研究揭示了基底外侧杏仁核向伏隔核的CRH/GABA投射在调控奖赏行为中的性别和压力依赖性可塑性 | 首次发现CRH+/GABA能BLA-NAc投射在调控奖赏行为中具有性别特异性功能差异，并通过全脑成像揭示了该投射的性别和早期逆境依赖性神经支配模式差异 | 研究主要基于小鼠模型，结果向人类转化的适用性需要进一步验证；化学遗传学操作的长期效应未充分探讨 | 探究早期逆境导致的奖赏行为性别差异的神经环路机制 | 成年雄性和雌性CRH-Cre转基因小鼠 | 神经科学 | 情感障碍 | 化学遗传学(DREADDs)、免疫染色、电生理记录、组织透明化、光片荧光显微镜、深度学习 | 深度学习 | 图像数据、电生理数据、行为数据 | 成年雄性和雌性CRH-Cre小鼠，分为对照组和早期逆境组 | 深度学习流程 | NA | NA | NA |
| 644 | 2025-10-05 |
Research trends of computational toxicology: a bibliometric analysis
2024-Oct, Toxicology research
IF:2.2Q3
DOI:10.1093/toxres/tfae147
PMID:39309752
|
文献计量分析 | 通过文献计量分析探讨计算毒理学的研究趋势和发展历程 | 首次对计算毒理学领域进行系统性文献计量分析，揭示该领域从传统方法向机器学习、分子对接和深度学习等先进计算方法的发展轨迹 | 分析仅限于Web of Science数据库收录的文献，时间跨度为1977年至2024年2月12日 | 评估计算毒理学领域的研究影响力和发展趋势 | 计算毒理学领域的科学文献 | 计算毒理学 | NA | 文献计量分析 | 机器学习,深度学习 | 文献数据 | Web of Science数据库中1977-2024年间的相关文献 | NA | NA | NA | NA |
| 645 | 2025-10-05 |
Development and evaluation of a deep learning framework for the diagnosis of malnutrition using a 3D facial points cloud: A cross-sectional study
2024-07, JPEN. Journal of parenteral and enteral nutrition
DOI:10.1002/jpen.2643
PMID:38796717
|
研究论文 | 开发并评估了一个基于3D面部点云的深度学习框架用于营养不良诊断 | 首次使用3D面部点云数据和PointNet++深度学习模型进行营养不良诊断 | 样本量相对有限（482名患者），且为横断面研究设计 | 开发准确的营养不良诊断工具 | 营养不良患者 | 计算机视觉 | 营养不良 | 3D摄像技术 | PointNet++ | 3D点云数据 | 482名患者（150名中度营养不良，54名重度营养不良） | NA | PointNet++ | AUC, 准确率, 特异性, 敏感性, F1分数 | NA |
| 646 | 2025-10-05 |
Deep Learning-Based H-Score Quantification of Immunohistochemistry-Stained Images
2024-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100398
PMID:38043788
|
研究论文 | 开发基于深度学习的自动算法用于免疫组化图像H-Score定量分析 | 首次提出仅基于苏木精染色训练深度学习模型进行区域识别，实现IHC图像的自动H-Score量化 | 未提及模型在多样本或不同组织类型上的泛化能力验证 | 提高免疫组化图像分析的效率和准确性 | 免疫组化染色图像 | 数字病理学 | NA | 免疫组化染色 | 深度学习 | 图像 | NA | NA | NA | 像素精度 | NA |
| 647 | 2025-10-05 |
Linking transcriptome and morphology in bone cells at cellular resolution with generative AI
2024-Dec-31, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research
IF:5.1Q1
DOI:10.1093/jbmr/zjae151
PMID:39303095
|
观点文章 | 探讨生成式AI在细胞分辨率下整合骨细胞转录组与形态学数据的潜力与应用前景 | 首次系统提出将生成式AI应用于骨细胞多模态数据整合，实现细胞分辨率下的转录组与形态学关联分析 | 骨单细胞数据存在技术偏差、重要骨细胞类型缺乏分析、空间信息不足等问题需要解决 | 推动生成式AI在骨细胞生物学研究中的应用发展 | 骨细胞 | 计算机视觉,自然语言处理,机器学习 | 骨骼疾病 | 单细胞测序,空间转录组学 | 生成式AI | 组织学图像,单细胞分子数据,空间转录组数据 | NA | NA | NA | NA | NA |
| 648 | 2025-10-05 |
Deep learning based binary classification of diabetic retinopathy images using transfer learning approach
2024-Dec, Journal of diabetes and metabolic disorders
IF:1.8Q4
DOI:10.1007/s40200-024-01497-1
PMID:39610484
|
研究论文 | 提出基于迁移学习的深度学习二分类方法，用于糖尿病视网膜病变图像的自动诊断 | 使用20种预训练网络进行迁移学习，结合三种鲁棒数据集，通过数据预处理和增强技术提升模型性能 | 仅进行二分类（健康/不健康），未细分糖尿病视网膜病变的严重程度等级 | 开发准确的糖尿病视网膜病变自动检测系统，实现早期诊断 | 糖尿病患者的视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习，迁移学习 | CNN | 医学图像 | 来自三个数据库（DRD-EyePACS、IDRiD、APTOS-2019）的组合数据集 | NA | ResNet101, 及其他19种预训练网络（分为Series、DAG和轻量级三类） | 准确率, 灵敏度, 特异性, 精确率, F1分数, ROC-AUC | NA |
| 649 | 2025-10-05 |
Using machine learning to identify risk factors for short-term complications following thumb carpometacarpal arthroplasty
2024-Dec, Journal of hand and microsurgery
IF:0.3Q4
DOI:10.1016/j.jham.2024.100156
PMID:39669732
|
研究论文 | 本研究使用机器学习技术分析拇指腕掌关节成形术后的短期并发症风险因素 | 首次在拇指CMC关节成形术领域应用多种机器学习算法进行并发症预测，并识别关键风险因素 | 模型预测性能中等（AUC 0.55-0.61），仅使用30天短期随访数据 | 预测拇指腕掌关节成形术后短期并发症和再手术风险 | 接受拇指CMC关节成形术的患者 | 机器学习 | 骨关节炎 | 机器学习分析 | Random Forest, Elastic-Net Regression, XGBoost, Neural Network | 临床数据 | 7711例手术病例 | NA | 随机森林、弹性网络回归、极端梯度提升树、神经网络 | AUC | NA |
| 650 | 2025-10-05 |
Impact of wearable device data and multi-scale entropy analysis on improving hospital readmission prediction
2024-11-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae242
PMID:39301656
|
研究论文 | 本研究通过可穿戴设备数据和多尺度熵分析改进医院再入院预测模型 | 首次将多尺度熵分析应用于可穿戴设备时间序列数据，结合LSTM深度学习模型预测90天内非计划再入院 | 回顾性研究设计，需要前瞻性研究验证结果，样本量相对有限 | 提高医院非计划再入院的预测准确性 | 612名拥有可穿戴设备数据的出院患者 | 机器学习 | 老年疾病 | 可穿戴设备监测，多尺度熵分析 | FNN, LSTM | 时间序列数据，人口统计学数据，实验室数据 | 612名患者，来自35家医疗机构 | NA | 前馈神经网络，长短期记忆网络 | ROC曲线下面积 | NA |
| 651 | 2025-10-05 |
Deep learning for the harmonization of structural MRI scans: a survey
2024-Aug-31, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-024-01280-6
PMID:39217355
|
综述 | 本文系统综述了基于深度学习的结构MRI图像协调方法，分析不同网络架构和算法的优缺点 | 首次从网络架构、学习算法、监督策略和输出类型四个维度系统分析结构MRI协调技术，特别关注解耦表示学习等新兴方法 | 缺乏不同方法间的全面定量比较，评估标准不统一 | 为研究人员和从业者选择合适图像协调架构提供指导，推动该领域发展 | 结构MRI医学图像 | 医学图像处理 | NA | 磁共振成像(MRI) | 深度学习 | 医学图像 | NA | NA | U-Net,GAN,VAE,流式生成模型,Transformer,自定义网络架构 | 常用评估指标 | NA |
| 652 | 2025-10-05 |
Cardiovascular Disease Risk Stratification Using Hybrid Deep Learning Paradigm: First of Its Kind on Canadian Trial Data
2024-Aug-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14171894
PMID:39272680
|
研究论文 | 本研究开发了一种基于混合深度学习的AtheroEdge™ 3.0HDL系统，用于心血管疾病风险分层 | 首次在加拿大试验数据上应用混合深度学习范式进行心血管疾病风险分层，相比单向深度学习、双向深度学习和机器学习范式有显著性能提升 | 研究样本量相对有限（500人），需要在更大人群中进一步验证 | 开发并验证基于颈动脉斑块特征的混合深度学习系统用于心血管疾病风险分层 | 接受颈动脉B型超声和冠状动脉造影检查的500名患者 | 数字病理 | 心血管疾病 | 颈动脉B型超声，冠状动脉造影 | 混合深度学习，单向深度学习，双向深度学习，机器学习 | 医学影像数据 | 500名患者 | NA | AtheroEdge™ 3.0HDL | p值，曲线下面积 | NA |
| 653 | 2025-10-05 |
Using artificial intelligence to study atherosclerosis from computed tomography imaging: A state-of-the-art review of the current literature
2024-11, Atherosclerosis
IF:4.9Q1
|
综述 | 本文综述了人工智能在计算机断层扫描成像中研究动脉粥样硬化的最新文献进展 | 介绍了基于深度学习的斑块分析新方法及新兴的放射转录组学技术，并提及国际大型ORFAN研究平台 | 讨论了当前AI方法的局限性及需要解决的挑战 | 开发AI风险评估工具以检测易损动脉粥样硬化斑块并指导治疗策略 | 冠状动脉炎症、冠状动脉斑块及相关风险 | 医学影像分析 | 心血管疾病 | 计算机断层扫描(CT) | CNN | CT图像 | NA | NA | 卷积神经网络 | NA | NA |
| 654 | 2025-10-05 |
Influence of training and expertise on deep neural network attention and human attention during a medical image classification task
2024-04-01, Journal of vision
IF:2.0Q2
DOI:10.1167/jov.24.4.6
PMID:38587421
|
研究论文 | 本研究比较了人类专家与深度学习模型在医学图像分类任务中的视觉注意力机制 | 首次直接比较人类视觉注意力与机器视觉注意力在相同医学诊断任务中的表现，并发现模型注意力与专家注意力的相似性 | 研究仅限于小肠内窥镜图像和克罗恩病诊断，样本来源相对单一 | 探索人类专家与深度学习模型在视觉决策过程中的相似性，为医学培训和新算法设计提供参考 | 新手和胃肠病学专家参与者，以及三种深度学习模型 | 计算机视觉 | 克罗恩病 | 眼动追踪，深度学习 | 深度学习模型 | 医学图像，眼动数据 | 新手和胃肠病学专家参与者，具体数量未明确说明 | NA | 三种最先进的深度学习模型架构 | 注意力相似性比较 | NA |
| 655 | 2025-10-05 |
Improved robustness for deep learning-based segmentation of multi-center myocardial perfusion cardiovascular MRI datasets using data-adaptive uncertainty-guided space-time analysis
2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101082
PMID:39142567
|
研究论文 | 提出一种数据自适应不确定性引导时空分析方法，用于提高多中心心肌灌注心血管MRI数据集分割的鲁棒性 | 利用空间-时间滑动补丁分析自动生成像素级不确定性图，并通过DNN池选择最优分割方案 | 训练数据有限，仅包含三个医疗中心的150名受试者数据 | 开发能够分析多中心数据集的深度学习技术，克服训练数据有限和软硬件差异的挑战 | 心肌灌注心血管磁共振成像数据集 | 医学影像分析 | 心血管疾病 | 心血管磁共振成像 | 深度神经网络 | 医学影像 | 150名受试者（21,150张首过图像），包含内部数据集（95名）和外部数据集（55名） | NA | 时空U-Net | Dice系数 | NA |
| 656 | 2025-10-05 |
Accelerated chemical shift encoded cardiovascular magnetic resonance imaging with use of a resolution enhancement network
2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101090
PMID:39243889
|
研究论文 | 开发基于深度学习的快速化学位移编码技术，用于加速心血管磁共振成像 | 提出基于超分辨率生成对抗网络的FastCSE方法，首次将复杂值图像锐化增强应用于化学位移编码心血管成像 | 研究样本量有限，前瞻性研究仅包含21名参与者 | 开发加速心血管磁共振化学位移编码成像的深度学习技术 | 心肌脂肪成像 | 医学影像分析 | 心血管疾病 | 化学位移编码磁共振成像，两点Dixon重建 | GAN | 磁共振图像 | 训练集1519名患者，前瞻性研究21名参与者（16名患者+5名健康人） | NA | 超分辨率生成对抗网络 | 模糊度量指标，方差分析 | NA |
| 657 | 2025-10-06 |
Enhancing predictive analytics in mandibular third molar extraction using artificial intelligence: A CBCT-Based study
2024-Dec, The Saudi dental journal
DOI:10.1016/j.sdentj.2024.11.007
PMID:40952877
|
研究论文 | 本研究开发了一种基于CBCT报告的人工智能预测模型，用于预测下颌第三磨牙拔除的难度 | 首次将基于规则的NLP算法与深度学习神经网络相结合，从CBCT报告中自动提取特征并预测拔牙难度 | 回顾性研究设计，样本量相对有限（738例CBCT报告） | 开发AI驱动的预测模型来评估下颌第三磨牙拔除的复杂性 | 下颌第三磨牙的CBCT影像报告 | 自然语言处理 | 口腔疾病 | CBCT（锥形束CT） | 深度学习神经网络 | 文本数据（CBCT报告） | 738份CBCT报告（训练集556份，验证集182份） | NA | 深度学习神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 658 | 2025-10-06 |
Human microscopic vagus nerve anatomy using deep learning on 3D-MUSE images
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3009682
PMID:40949787
|
研究论文 | 本研究使用深度学习技术对3D-MUSE图像中的人类迷走神经进行微观解剖分析，旨在构建首个迷走神经连接组 | 开发了3D-MUSE成像技术用于迷走神经微观解剖研究，并首次应用多种深度学习模型进行自动分割 | 训练样本数量有限（仅25张标注图像），需要更多样本进一步提升模型性能 | 构建人类迷走神经连接组以支持神经调控治疗的建模 | 人类迷走神经微观解剖结构 | 数字病理学 | NA | 3D-MUSE成像技术 | CNN, Transformer | 3D显微图像 | 25张手动标注图像和200张未标注图像 | NA | U-Net, Attention U-Net, Vision Transformer, U-Net Transformer | Dice系数 | NA |
| 659 | 2025-10-06 |
PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3407351
PMID:39050971
|
研究论文 | 提出一种名为PseudoCell的目标检测框架，用于在数字病理全切片图像中自动检测中心母细胞 | 通过将困难负样本挖掘作为伪标记策略，减少对病理学家精细标注的依赖 | 未明确说明模型在多样化数据集上的泛化能力 | 开发自动化的中心母细胞检测方法以辅助滤泡性淋巴瘤分级 | 数字病理全切片图像中的中心母细胞 | 数字病理 | 滤泡性淋巴瘤 | 深度学习，细胞形态特征分析 | 目标检测模型 | 全切片图像 | NA | NA | NA | 组织区域排除率(58.18-99.35%) | NA |
| 660 | 2025-10-06 |
UKSSL: Underlying Knowledge Based Semi-Supervised Learning for Medical Image Classification
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3305190
PMID:38899016
|
研究论文 | 提出一种基于底层知识的半监督学习框架UKSSL，用于医学图像分类 | 通过MedCLR从未标记数据中提取特征表示，结合UKMLP利用有限标记数据进行微调，在仅使用50%标记数据的情况下性能优于完全监督方法 | NA | 解决医学图像分析中标记数据稀缺的问题，提高有限标记数据下的分类性能 | 医学图像分类 | 计算机视觉 | 肺癌 | 深度学习 | 半监督学习 | 医学图像 | LC25000和BCCD数据集，使用50%标记数据 | NA | MedCLR, UKMLP | 准确率, 精确率, 召回率, F1分数 | NA |