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 1299 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2025-10-07 |
[Translated article] Introducing artificial intelligence to hospital pharmacy departments
2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria
IF:1.0Q4
DOI:10.1016/j.farma.2024.04.001
PMID:39097375
|
综述 | 本文介绍人工智能在医院药学部中的应用及其潜在价值 | 系统阐述人工智能技术如何赋能医院药学部门，提升药物安全管理与临床决策水平 | 未涉及具体实施案例或量化效果评估 | 探讨人工智能技术在医院药学领域的应用前景 | 医院药学部门的工作流程与患者用药数据 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 神经网络, 自然语言处理 | NA | 医疗记录, 实验室结果, 药物档案 | NA | NA | NA | NA | NA |
| 322 | 2025-10-07 |
Methodological evaluation of systematic reviews based on the use of artificial intelligence systems in chest radiography
2024 Jul-Aug, Radiologia
IF:1.1Q3
DOI:10.1016/j.rxeng.2023.01.015
PMID:39089793
|
方法学评估 | 评估基于人工智能系统的胸部X光系统评价的方法学质量 | 首次对胸部X光AI诊断系统相关系统评价进行方法学质量评估 | 仅纳入7篇系统评价，样本量有限 | 评估使用AI进行胸部病理诊断的系统评价的方法学质量 | 使用AI系统自动解读胸部X光的系统评价 | 医学影像分析 | 胸部疾病 | 深度学习 | 深度学习系统 | 胸部X光图像 | 7篇系统评价（平均每篇包含36项研究） | NA | NA | PRISMA-DTA, AMSTAR-2 | NA |
| 323 | 2024-08-07 |
Author Response: Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis
2024-Jul-17, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001963
PMID:39017750
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 324 | 2025-10-07 |
AI-Based multimodal Multi-tasks analysis reveals tumor molecular heterogeneity, predicts preoperative lymph node metastasis and prognosis in papillary thyroid carcinoma: A retrospective study
2024-Jul-11, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001875
PMID:38990290
|
研究论文 | 本研究开发了一种基于深度学习的多模态模型，用于分析甲状腺乳头状癌的分子异质性并预测淋巴结转移和预后 | 首次结合组织病理学图像、基因组、转录组和免疫细胞数据构建多模态深度学习模型，揭示PTC分子异质性并预测淋巴结转移和预后 | 回顾性研究设计，样本来源有限，需要进一步前瞻性验证 | 探索甲状腺乳头状癌分子异质性，开发预测淋巴结转移和预后的AI模型 | 甲状腺乳头状癌患者 | 数字病理学 | 甲状腺癌 | DNA二代测序, 单细胞RNA测序, 深度学习 | 深度学习多模态模型 | 组织病理学图像, 基因组数据, 转录组数据, 免疫细胞数据 | 1011例PTC患者（256例来自队列1，275例来自队列2，499例来自TCGA） | NA | GradCAM | AUC, 疾病无生存率 | NA |
| 325 | 2025-10-07 |
The diagnostic performance of AI-based algorithms to discriminate between NMOSD and MS using MRI features: A systematic review and meta-analysis
2024-Jul, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2024.105682
PMID:38781885
|
系统综述与荟萃分析 | 本文系统评估了基于MRI特征的AI算法在区分视神经脊髓炎谱系疾病和多发性硬化症方面的诊断性能 | 首次对AI算法基于MRI特征区分NMOSD和MS的诊断性能进行系统综述和荟萃分析 | 存在MRI成像、模型评估和性能指标报告方面的异质性，影响了结果的可靠性 | 评估AI算法基于MRI特征区分NMOSD和MS的能力 | NMOSD和MS患者 | 医学影像分析 | 神经系统自身免疫性疾病 | 磁共振成像 | 机器学习,深度学习 | MRI图像 | 15项研究，包含1,362例MS患者和1,118例NMOSD患者 | NA | NA | 准确率,敏感度,特异度,AUC | NA |
| 326 | 2025-10-07 |
Sensing technologies and machine learning methods for emotion recognition in autism: Systematic review
2024-Jul, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105469
PMID:38723429
|
系统综述 | 系统回顾了2011-2023年间自闭症情感识别中使用的传感技术和机器学习方法 | 首次系统性地总结了自闭症情感识别领域的技术应用现状和研究缺口 | 主要关注面部表情技术，对自闭症谱系具体障碍的研究不足，隐私安全问题讨论不够充分 | 识别自闭症情感识别系统应用的现有障碍和未来发展方向 | 自闭症儿童、青少年和成人 | 机器学习 | 自闭症 | 面部表情分析,生理传感器 | 监督学习,深度学习 | 视频,生理信号 | 65篇符合条件的研究文献 | NA | NA | NA | NA |
| 327 | 2025-10-07 |
Artificial Intelligence-Enabled Electrocardiography Predicts Future Pacemaker Implantation and Adverse Cardiovascular Events
2024-Jul-19, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02088-6
PMID:39028354
|
研究论文 | 开发一种基于深度学习的人工智能模型，通过心电图预测未来起搏器植入和不良心血管事件风险 | 首次利用深度学习模型直接从原始心电图数据预测未来起搏器植入需求，并能同时评估多种心血管事件风险 | 研究主要基于特定医疗中心数据，需要进一步外部验证和前瞻性研究确认临床适用性 | 开发预测未来起搏器植入和心血管事件的人工智能模型 | 学术医疗中心患者和社区医院患者的心电图数据 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 深度学习模型 | 心电图信号 | 训练集：158,471份心电图（42,903名患者）；验证集：52,178名患者（25,640名学术医疗中心患者和26,538名社区医院患者） | NA | NA | AUC, 敏感性, 特异性, 风险比 | NA |
| 328 | 2025-10-07 |
Understanding natural language: Potential application of large language models to ophthalmology
2024 Jul-Aug, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2024.100085
PMID:39059558
|
综述 | 探讨大型语言模型在眼科领域的潜在应用及其对医患沟通的影响 | 首次系统性地将大型语言模型的演进与眼科医疗实践相结合，提出其在医疗文档自动化、辅助诊断和患者教育等方面的创新应用场景 | 需要更好的输入数据和更广泛的验证才能实现自主诊断治疗，现实应用仍存在局限性 | 研究大型语言模型在眼科医疗中的潜在应用价值 | 眼科医生和患者群体 | 自然语言处理 | 眼科疾病 | 深度学习 | Transformer | 文本 | NA | NA | Transformer | NA | NA |
| 329 | 2025-10-07 |
Deep Learning-Enabled Vasculometry Depicts Phased Lesion Patterns in High Myopia Progression
2024 Jul-Aug, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2024.100086
PMID:39053733
|
研究论文 | 本研究通过深度学习血管测量技术揭示了高度近视进展中的阶段性病变模式 | 基于人类视觉仿生机制开发智能图像处理模型，首次识别出高度近视进展中视网膜血管形态变化的两个不同阶段 | 回顾性研究设计，样本主要来自单一医疗中心 | 研究近视性视网膜血管改变的潜在阶段，阐明高度近视进展机制 | 5775名高度近视患者（年龄41.2±18.6岁）的14,066张眼底照片 | 数字病理 | 高度近视 | 深度学习，智能图像处理 | 深度学习模型 | 眼底照片 | 5775名患者的14,066张眼底照片 | NA | NA | Spearman相关系数 | NA |
| 330 | 2025-01-07 |
Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning
2024-Jul, Diabetes & metabolism journal
IF:6.8Q1
DOI:10.4093/dmj.2023.0033
PMID:38685670
|
研究论文 | 本研究旨在利用长短期记忆（LSTM）神经网络开发糖尿病肾病（DKD）预测模型，并通过准确率、精确率、召回率和ROC曲线下面积（AUC）评估其性能 | 使用LSTM神经网络构建DKD预测模型，并评估了糖化血红蛋白（HbA1c）、收缩压（SBP）和脉压（PP）变异性对模型性能的影响 | 研究仅基于6,040名2型糖尿病患者的数据，可能无法完全代表所有糖尿病患者群体 | 开发并评估糖尿病肾病（DKD）风险预测模型 | 6,040名2型糖尿病患者 | 机器学习 | 糖尿病肾病 | LSTM神经网络 | LSTM | 临床数据 | 6,040名2型糖尿病患者 | NA | NA | NA | NA |
| 331 | 2025-01-07 |
Deep Learning-Based Dynamic Risk Prediction of Venous Thromboembolism for Patients With Ovarian Cancer in Real-World Settings From Electronic Health Records
2024-07, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00192
PMID:38996199
|
研究论文 | 本文开发了一种基于深度学习的动态风险预测模型，用于从电子健康记录中预测卵巢癌患者的静脉血栓栓塞风险 | 首次在真实临床环境中应用深度学习算法，结合动态临床特征和竞争风险，开发了高精度的静脉血栓栓塞风险预测模型 | 研究数据仅来自单一医疗中心，可能限制了模型的泛化能力 | 开发一种能够利用电子健康记录中的丰富信息，包括动态临床特征和竞争风险，来预测卵巢癌患者静脉血栓栓塞风险的深度学习模型 | 卵巢癌患者 | 机器学习 | 卵巢癌 | 深度学习 | 全连接层、时间注意力机制和循环神经网络 | 电子健康记录 | 1,268名患者（2007-2017年）用于模型开发，423名患者（2018-2019年）用于验证 | NA | NA | NA | NA |
| 332 | 2025-01-07 |
Displacement Tracking Techniques in Ultrasound Elastography: From Cross Correlation to Deep Learning
2024-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3410671
PMID:38843058
|
综述 | 本文全面回顾了应用于超声弹性成像中的位移跟踪技术，从传统的互相关方法到深度学习方法 | 本文不仅回顾了传统的位移跟踪算法，还涵盖了基于深度学习的最新进展，并讨论了模拟模型、临床转化和验证、性能评估指标以及公开的代码和数据 | 当前弹性成像跟踪技术仍存在一些局限性，未来的研究需要进一步解决这些问题 | 回顾和总结超声弹性成像中的位移跟踪技术，以提升位移估计的准确性 | 超声弹性成像中的位移跟踪算法 | 医学影像 | NA | 超声弹性成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 333 | 2025-01-07 |
Intelligent Bladder Volume Monitoring for Wearable Ultrasound Devices: Enhancing Accuracy Through Deep Learning-Based Coarse-to-Fine Shape Estimation
2024-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3350033
PMID:38190679
|
研究论文 | 本文提出了一种新的管道，通过结合传统特征提取和深度学习，实现高效连续的膀胱体积监测 | 提出了一种新的管道，结合传统特征提取和深度学习，通过粗到细的形状估计提高膀胱体积监测的准确性 | 需要外部服务器进行精细形状估计，可能增加延迟和依赖外部计算资源 | 提高可穿戴超声设备在膀胱体积监测中的准确性和效率 | 膀胱体积监测 | 计算机视觉 | 泌尿系统疾病 | 深度学习 | 扩散模型 | 超声图像和射频信号 | 250名患者的膀胱超声图像和射频信号 | NA | NA | NA | NA |
| 334 | 2025-01-04 |
Using artificial intelligence to generate medical literature for urology patients: a comparison of three different large language models
2024-Jul-29, World journal of urology
IF:2.8Q2
DOI:10.1007/s00345-024-05146-3
PMID:39073590
|
研究论文 | 本研究比较了三种不同的大型语言模型（LLMs）在生成泌尿科患者信息传单（PILs）方面的质量 | 首次比较了ChatGPT-4、PaLM 2和Llama 2三种LLMs在生成泌尿科患者信息传单方面的表现，并评估了其质量和可读性 | 生成的传单内容存在医学不准确性，且所有LLM生成的传单的阅读水平均高于成人平均水平，需要进一步改进算法和提示设计 | 评估LLMs在生成泌尿科患者信息传单方面的质量，以减轻医疗专业人员的工作负担 | 泌尿科患者信息传单 | 自然语言处理 | 泌尿系统疾病 | 大型语言模型（LLMs） | ChatGPT-4, PaLM 2, Llama 2 | 文本 | 四种泌尿科主题（包皮环切术、肾切除术、膀胱过度活动症综合征和经尿道前列腺切除术）的传单 | NA | NA | NA | NA |
| 335 | 2025-01-04 |
A Multi-Level Interpretable Sleep Stage Scoring System by Infusing Experts' Knowledge Into a Deep Network Architecture
2024-07, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3366170
PMID:38358869
|
研究论文 | 本文设计了一个可解释的深度学习系统，用于脑电图（EEG）时间序列分类，以进行睡眠阶段评分 | 开发了一个包含基于核的卷积层的可解释深度神经网络，该层由人类专家在视觉分析多导睡眠图记录时使用的原则指导 | 未明确提及具体局限性 | 设计一个透明的深度学习系统，用于EEG时间序列分类以进行睡眠阶段评分 | 脑电图（EEG）信号 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 时间序列数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 336 | 2024-08-07 |
Evaluating a deep learning AI algorithm for detecting residual prostate cancer on MRI after focal therapy
2024-Jul, BJUI compass
IF:1.6Q3
DOI:10.1002/bco2.373
PMID:39022660
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 337 | 2024-12-29 |
Coupled Multimodal Emotional Feature Analysis Based on Broad-Deep Fusion Networks in Human-Robot Interaction
2024-07, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3236320
PMID:37021991
|
研究论文 | 提出了一种基于广深融合网络的耦合多模态情感特征分析方法（CMEFA），用于人机交互中的情感识别 | 使用广深融合网络（BDFN）提取面部和手势情感特征，并通过典型相关分析（CCA）分析双模态情感特征之间的相关性，建立耦合网络进行情感识别 | 未考虑特征贡献不平衡的问题 | 提高人机交互中多模态情感识别的准确率 | 面部表情和身体手势 | 自然语言处理 | NA | 典型相关分析（CCA） | 广深融合网络（BDFN） | 图像 | 双模态面部和身体手势数据库（FABO）及八名志愿者 | NA | NA | NA | NA |
| 338 | 2024-12-28 |
Deep Learning-based Brain Age Prediction in Patients With Schizophrenia Spectrum Disorders
2024-07-27, Schizophrenia bulletin
IF:5.3Q1
DOI:10.1093/schbul/sbad167
PMID:38085061
|
研究论文 | 本文研究了基于深度学习的脑年龄预测在精神分裂症谱系障碍患者中的应用 | 使用卷积网络回归模型（SFCNR）预测脑年龄，并与三种机器学习算法进行比较，发现SFCNR模型表现更优 | 未能在SFCNR模型中观察到首次发作精神分裂症谱系障碍（FE-SSDs）与难治性精神分裂症（TRS）之间的显著差异 | 探讨脑预测年龄差异（brain-PAD）作为神经退行性病变的生物标志物在精神分裂症患者中的应用 | 精神分裂症（SCZ）、首次发作精神分裂症谱系障碍（FE-SSDs）和难治性精神分裂症（TRS）患者 | 机器学习 | 精神分裂症 | 结构磁共振成像（sMRI） | 卷积网络回归模型（SFCNR） | 图像 | 7590名健康对照者（HCs）用于预训练，541名HCs用于后续训练，209名HCs和233名患者用于分析 | NA | NA | NA | NA |
| 339 | 2024-12-24 |
Non-Invasive Quantification of the Brain [¹⁸F]FDG-PET Using Inferred Blood Input Function Learned From Total-Body Data With Physical Constraint
2024-07, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3368431
PMID:38386580
|
研究论文 | 本研究提出了一种基于深度学习的方法，用于从全身动态扫描数据中推断动态脑FDG扫描的输入函数，以实现脑PET的非侵入性定量分析 | 本研究首次使用深度学习方法从全身动态扫描数据中推断脑PET的输入函数，并通过引入物理约束减少偏差和训练样本需求 | 本研究仅在特定数据集上进行了验证，未来需要在更多临床数据上进行验证 | 开发一种非侵入性的方法来定量分析脑PET | 动态脑FDG扫描的输入函数 | 计算机视觉 | NA | 深度学习 | LSTM结合全连接网络 | 图像 | 85例全身动态扫描数据 | NA | NA | NA | NA |
| 340 | 2024-12-24 |
Weakly Supervised Lesion Detection and Diagnosis for Breast Cancers With Partially Annotated Ultrasound Images
2024-07, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3366940
PMID:38373131
|
研究论文 | 提出了一种基于弱监督学习的两阶段检测与诊断网络（TSDDNet），用于提高乳腺超声图像的计算机辅助诊断准确性 | 设计了一种候选选择机制来细化手动标注的ROI，并生成准确的伪ROI，同时采用自蒸馏策略进行联合优化，以提高诊断性能 | 未提及具体的局限性 | 提高基于超声图像的乳腺癌症计算机辅助诊断系统的诊断准确性 | 乳腺癌症的超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | 两阶段检测与诊断网络（TSDDNet） | 图像 | 三个B模式超声数据集 | NA | NA | NA | NA |