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 1163 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-01-29 |
Use of AI methods to assessment of lower limb peak torque in deaf and hearing football players group
2024-Sep-01, Acta of bioengineering and biomechanics
IF:0.8Q4
DOI:10.37190/abb-02474-2024-02
PMID:39869478
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 242 | 2025-10-07 |
Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions
2024-09-06, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090389
PMID:39330017
|
综述 | 本文综述了人工智能在头颈癌诊疗中的创新应用、当前进展与未来发展方向 | 系统整合了深度学习、自然语言处理等AI技术与影像学、基因组学和电子健康记录的融合应用，并展望了可解释AI、AI驱动机器人和实时监测系统等新兴创新 | 面临数据质量、算法偏差以及需要跨学科合作等挑战 | 探讨人工智能在头颈癌诊疗领域的应用现状与发展前景 | 头颈癌患者的诊疗数据与AI技术应用 | 自然语言处理, 机器学习 | 头颈癌 | 影像技术, 基因组学, 电子健康记录分析 | 深度学习 | 医学影像, 基因组数据, 文本数据 | NA | NA | NA | NA | NA |
| 243 | 2025-10-07 |
Artificial intelligence strengthens cervical cancer screening - present and future
2024-09-19, Cancer biology & medicine
IF:5.6Q1
|
综述 | 本文综述了人工智能在宫颈癌筛查中的当前应用与未来发展前景 | 系统总结了AI技术在宫颈癌筛查领域的最新进展，并前瞻性分析了未来面临的挑战 | 未提供具体实验数据或性能指标验证 | 探讨人工智能如何提升宫颈癌筛查的准确性和效率 | 宫颈癌筛查的医学图像和诊断流程 | 计算机视觉 | 宫颈癌 | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 244 | 2025-10-07 |
[A deep learning model based on magnetic resonance imaging and clinical feature fusion for predicting preoperative cytokeratin 19 status in hepatocellular carcinoma]
2024-Sep-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 开发基于MRI影像和临床特征融合的深度学习模型，用于术前预测肝细胞癌CK19状态 | 提出多尺度和多模态特征融合的深度学习模型，首次将MRI影像特征与临床特征结合用于CK19状态预测 | 回顾性研究，样本量较小（116例患者），需要外部验证 | 术前预测肝细胞癌CK19表达状态 | 116例经确认CK19状态的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 磁共振成像 | 深度学习 | 医学影像, 临床数据 | 116例肝细胞癌患者 | NA | MSFF-IResnet, MMFF-IResnet | AUC, 准确率, 敏感性, 特异性 | NA |
| 245 | 2025-10-07 |
Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique
2024-Sep, JACC. Advances
DOI:10.1016/j.jacadv.2024.100861
PMID:39372456
|
研究论文 | 开发并验证用于评估冠状动脉狭窄和高风险斑块的完全自动化深度学习系统 | 首次提出无需人工干预的完全自动化深度学习系统，能够同时评估冠状动脉狭窄程度和高风险斑块特征 | 研究样本量有限，HRP评估仅基于45名患者的数据 | 开发能够自动评估冠状动脉狭窄严重程度和高风险斑块的深度学习系统 | 冠状动脉CT血管造影图像 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 训练集570名患者，测试集769名患者（3012条血管）用于狭窄评估，45名患者（325条血管）用于HRP评估 | NA | NA | 敏感性, 特异性, 阳性预测值, 阴性预测值, AUC | NA |
| 246 | 2025-10-07 |
Real-time CBCT Imaging and Motion Tracking via a Single Arbitrarily-angled X-ray Projection by a Joint Dynamic Reconstruction and Motion Estimation (DREME) Framework
2024-Sep-25, ArXiv
PMID:39398221
|
研究论文 | 开发了一种无需患者特异性先验知识的实时CBCT成像和运动跟踪框架DREME | 通过联合动态重建和运动估计框架，仅使用单个任意角度X射线投影实现实时CBCT成像和运动跟踪 | NA | 实现放疗中实时CBCT成像和运动跟踪，解决传统方法依赖过时先验知识的问题 | 呼吸引起的解剖运动，特别是肺部肿瘤运动 | 医学影像 | 肺癌 | 锥束计算机断层扫描(CBCT)，X射线投影 | CNN | X射线投影图像，CBCT图像序列 | 数字体模模拟和真实患者研究 | NA | 卷积神经网络运动编码器 | 肿瘤质心定位误差，投影域肿瘤定位精度 | NA |
| 247 | 2025-10-07 |
AxonFinder: Automated segmentation of tumor innervating neuronal fibers
2024-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.03.611089
PMID:39282317
|
研究论文 | 开发了一种名为AxonFinder的深度学习工具，用于自动分割前列腺肿瘤微环境中的神经元轴突 | 首次提出基于U-Net与ResNet-101编码器的深度学习模型，专门用于分割形态不规则的肿瘤内神经元轴突 | 模型训练依赖于手动标注的轴突数据，可能受到标注者主观性的影响 | 开发自动分割肿瘤内神经元轴突的算法，研究肿瘤神经支配与癌症进展的关联 | 前列腺肿瘤微环境中的神经元轴突 | 数字病理学 | 前列腺癌 | 多重成像技术 | CNN | 全玻片图像 | 来自低、中、高风险前列腺癌患者的全玻片图像数据集 | NA | U-Net, ResNet-101 | 准确率 | NA |
| 248 | 2025-10-07 |
Deep learning-based fully automatic Risser stage assessment model using abdominal radiographs
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-05999-1
PMID:39046527
|
研究论文 | 开发基于深度学习的全自动Risser分期评估模型，使用腹部X光片进行骨骼成熟度评估 | 首次提出全自动的Risser分期评估方法，结合骨盆骨分割和分类模型实现端到端评估 | 样本量相对有限，仅包含9-18岁患者，需要进一步验证在更广泛人群中的适用性 | 开发自动化的Risser分期评估系统以辅助骨骼成熟度评估 | 青少年患者的腹部X光片 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | 医学图像 | 1,681张腹部X光片（1,577张用于开发，104张用于外部验证） | NA | DeepLabv3+, EfficientNet-B0, ConvNeXt-B | 准确率, AUROC, 平均绝对误差 | NA |
| 249 | 2025-10-07 |
Doctor simulator: Delta-Age-Sex-AdaIn enhancing bone age assessment through AdaIn style transfer
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-06000-9
PMID:39060414
|
研究论文 | 提出一种结合年龄和性别分布的自适应实例归一化方法DASA-net，用于提升骨龄评估的准确性 | 首次将年龄和性别分布通过AdaIN风格迁移融入骨龄评估，模拟医生视觉比较手部图像与标准骨图谱的过程 | 未明确说明模型在临床环境中的泛化能力和计算效率 | 开发更准确的骨龄评估方法 | 儿童手部X光片 | 计算机视觉 | 儿科发育疾病 | X射线成像 | 深度学习 | 图像 | 公开数据集14,236张手部X光片（1-228个月），私有数据集474张手部X光片（12-218个月，268名男性） | NA | DASA-net（包含BoneEncoder、Binary code distribution、Delta-Age-Sex-AdaIn、AgeDecoder四个模块） | 平均绝对偏差(MAD) | NA |
| 250 | 2025-10-07 |
Accelerated cardiac magnetic resonance imaging using deep learning for volumetric assessment in children
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-05978-6
PMID:39017676
|
研究论文 | 本研究评估了使用深度学习重建的加速3-RR电影MRI序列在儿童心脏磁共振成像中的诊断性能 | 首次在儿童心脏MRI中应用深度学习加速技术，将扫描时间从218.3秒显著减少至45.5秒 | 深度学习电影图像在舒张末期和收缩末期轮廓、乳头肌和瓣膜显示方面的图像质量有所降低 | 评估深度学习加速心脏MRI在儿童心室容积测量中的诊断性能 | 29名接受心脏MRI检查的儿童患者（平均年龄11±5岁，范围1-17岁） | 医学影像分析 | 心血管疾病 | 心脏磁共振成像，平衡稳态自由进动序列 | 深度学习 | 医学影像 | 29名连续患者 | NA | NA | 组内相关系数，Bland-Altman分析，线性回归，图像质量评分 | 1.5特斯拉MRI扫描仪 |
| 251 | 2025-10-07 |
Development and Testing of Artificial Intelligence-Based Mobile Application to Achieve Cataract Backlog-Free Status in Uttar Pradesh, India
2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2024.100094
PMID:39187013
|
研究论文 | 开发并测试用于白内障筛查的人工智能移动应用程序，以解决印度北方邦白内障积压问题 | 开发了首个面向基层卫生工作者的AI移动应用，通过眼部图像进行社区级白内障筛查 | 模型在眼部和虹膜聚焦图像上的灵敏度较低（约52%），阳性预测值仅为58.4% | 通过AI技术实现社区级白内障筛查，消除白内障积压病例 | 印度北方邦50岁及以上人群的白内障患者 | 计算机视觉 | 白内障 | 眼部图像分析 | 深度学习 | 图像 | 13,633张眼部图像用于模型开发，302名受益者（604张图像）用于现场测试 | NA | ResNet50, ResNet101, YOLOv5, EfficientNetV2, InceptionV3, UNet | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 252 | 2025-10-07 |
Fully automated epicardial adipose tissue volume quantification with deep learning and relationship with CAC score and micro/macrovascular complications in people living with type 2 diabetes: the multicenter EPIDIAB study
2024-09-03, Cardiovascular diabetology
IF:8.5Q1
DOI:10.1186/s12933-024-02411-y
PMID:39227844
|
研究论文 | 本研究使用深度学习自动量化心外膜脂肪组织体积，并探讨其与2型糖尿病患者微血管和大血管并发症的关系 | 首次在多中心研究中应用经过验证的深度学习分割流程实现心外膜脂肪组织体积的完全自动量化 | 研究为回顾性分析，心外膜脂肪组织体积与糖尿病视网膜病变和周围神经病变无显著关联 | 评估心外膜脂肪组织与2型糖尿病微血管和大血管并发症的关系 | 2型糖尿病患者，特别是接受冠状动脉钙化评分心脏CT检查的患者 | 数字病理 | 2型糖尿病 | 心脏CT，深度学习分割 | 深度学习 | 医学影像 | 1253名接受心脏CT检查的2型糖尿病患者 | NA | NA | p值 | NA |
| 253 | 2025-10-07 |
Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis
2024-Sep, Korean journal of neurotrauma
DOI:10.13004/kjnt.2024.20.e30
PMID:39372118
|
研究论文 | 本研究探索使用预训练的深度学习模型进行帕金森病患者语音障碍的语音转文本分析的可行性 | 首次将预训练的Wav2Vec模型应用于帕金森病相关语音障碍的语音转文本分析 | 样本量较小（仅20例），研究结果需要更大规模验证 | 评估深度学习模型在帕金森病语音障碍分析中的可行性 | 帕金森病患者和健康对照者的语音数据 | 自然语言处理 | 帕金森病 | 语音分析，语音转文本 | 深度学习模型 | 语音录音 | 20例（包含帕金森病患者和健康对照组） | NA | Wav2Vec | 准确率，音节一致度，单词匹配概率 | NA |
| 254 | 2025-01-07 |
Deep Learning Features Can Improve Radiomics-Based Prostate Cancer Aggressiveness Prediction
2024-09, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00180
PMID:39292984
|
研究论文 | 本研究探讨了深度学习特征如何提升基于放射组学的前列腺癌侵袭性预测 | 研究表明，除了从分割模型中提取放射组学特征外，深度学习特征空间中的信息也能提升疾病侵袭性分类模型的质量 | 研究未明确说明深度学习特征与放射组学特征结合的具体机制，且部分模型性能提升不明显 | 探索深度学习特征在提升前列腺癌侵袭性预测模型性能中的作用 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习 | 自编码器 | 图像 | 2,244次实验，基于13种不同模型 | NA | NA | NA | NA |
| 255 | 2024-09-25 |
Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9)
2024-09, Diabetes & metabolism journal
IF:6.8Q1
DOI:10.4093/dmj.2024.0464
PMID:39313232
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 256 | 2025-01-04 |
Deep Learning for Visual Speech Analysis: A Survey
2024-09, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3376710
PMID:38478434
|
综述 | 本文综述了深度学习在视觉语音分析领域的最新进展，包括基本问题、挑战、基准数据集、现有方法的分类以及最先进的性能 | 提供了视觉语音分析领域的全面综述，识别了当前研究中的空白，并讨论了未来的研究方向 | 未涉及具体实验验证，仅为基础性综述 | 推动视觉语音领域的未来研究 | 视觉语音分析 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |
| 257 | 2025-01-01 |
Fed-CL- an atrial fibrillation prediction system using ECG signals employing federated learning mechanism
2024-09-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71366-7
PMID:39251753
|
研究论文 | 本文提出了一种基于联邦学习机制的心电图信号心房颤动预测系统Fed-CL | 结合长短期记忆网络和卷积神经网络，利用联邦学习机制解决数据隐私问题 | 未提及具体的数据集大小和实验结果的详细比较 | 通过心电图信号预测心房颤动，同时保护用户隐私 | 心电图信号和心率变异性 | 机器学习 | 心血管疾病 | 联邦学习 | LSTM, CNN | 心电图信号 | NA | NA | NA | NA | NA |
| 258 | 2024-12-31 |
Identification and diagnosis of schizophrenia based on multichannel EEG and CNN deep learning model
2024-09, Schizophrenia research
IF:3.6Q1
DOI:10.1016/j.schres.2024.07.015
PMID:39002527
|
研究论文 | 本文提出了一种基于多通道EEG和CNN深度学习模型的高精度精神分裂症检测方法 | 与使用传统机器学习算法的文献不同，本方法从EEG记录中自主提取网络训练所需的特征 | 样本量较小，仅包括14名健康受试者和14名精神分裂症患者 | 开发一种高精度的精神分裂症检测方法 | 精神分裂症患者和健康受试者的EEG记录 | 机器学习 | 精神分裂症 | EEG | CNN | EEG记录 | 14名健康受试者和14名精神分裂症患者 | NA | NA | NA | NA |
| 259 | 2024-12-31 |
AI potential in PET/CT cancer imaging
2024 Sep-Dec, Hellenic journal of nuclear medicine
IF:0.9Q4
DOI:10.1967/s002449912756
PMID:39644273
|
综述 | 本文探讨了人工智能（AI）在正电子发射断层扫描/计算机断层扫描（PET/CT）癌症成像中的应用 | AI在肿瘤分割、分类、诊断、无病生存预测和治疗反应预测中的应用，尤其是放射组学这一新兴研究领域 | 数据集规模、标准化和伦理问题仍需解决，以实现AI在PET/CT肿瘤成像中的广泛临床整合 | 研究AI在PET/CT癌症成像中的应用及其潜力 | PET/CT成像技术及其在肿瘤学中的应用 | 数字病理学 | 癌症 | PET/CT | 机器学习和深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 260 | 2024-12-29 |
Backpropagation-Based Learning Techniques for Deep Spiking Neural Networks: A Survey
2024-09, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3263008
PMID:37027264
|
综述 | 本文综述了基于反向传播的深度脉冲神经网络（SNNs）学习技术 | 提出了新的脉冲反向传播算法分类法，分为空间、时空和单脉冲三类 | SNNs的离散信息表示使得基于反向传播的训练具有挑战性 | 探讨深度SNNs在低功耗应用中的训练策略 | 深度脉冲神经网络（SNNs） | 机器学习 | NA | 反向传播 | SNN | NA | NA | NA | NA | NA | NA |