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 3218 篇文献，本页显示第 2081 - 2100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2081 | 2025-03-19 |
Patho-Net: enhancing breast cancer classification using deep learning and explainable artificial intelligence
2025, American journal of cancer research
IF:3.6Q2
DOI:10.62347/XKFN1793
PMID:40084355
|
研究论文 | 本文提出了一种名为Patho-Net的深度学习模型，用于乳腺癌分类，解决了可扩展性、固定大小输入图像和有限数据集上的过拟合问题 | Patho-Net模型结合了GRU网络和U-Net架构，无需调整图像大小，提高了计算效率，并通过XAI提供了模型预测的清晰视觉解释 | NA | 提高乳腺癌分类的准确性和可解释性 | 乳腺癌组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习，可解释人工智能（XAI） | U-Net，GRU | 图像 | 100X BreakHis数据集 | NA | NA | NA | NA |
| 2082 | 2025-03-19 |
BMWP: the first Bengali math word problems dataset for operation prediction and solving
2025, Discover artificial intelligence
DOI:10.1007/s44163-025-00243-7
PMID:40092969
|
研究论文 | 本文介绍了首个孟加拉语数学应用题数据集BMWP，用于操作预测和解题，并探讨了使用深度学习技术进行孟加拉语应用题操作预测的方法 | 首次创建了孟加拉语数学应用题数据集BMWP，填补了低资源语言在这一领域的空白 | 数据集仅包含8653个应用题，可能不足以覆盖所有复杂情况 | 评估和提升AI模型在解决低资源语言数学应用题方面的能力 | 孟加拉语数学应用题 | 自然语言处理 | NA | 深度学习 | 深度学习神经网络架构 | 文本 | 8653个孟加拉语数学应用题 | NA | NA | NA | NA |
| 2083 | 2025-03-19 |
A review of machine learning and deep learning for Parkinson's disease detection
2025, Discover artificial intelligence
DOI:10.1007/s44163-025-00241-9
PMID:40092968
|
review | 本文综述了机器学习和深度学习在帕金森病检测和进展监测中的应用 | 通过整合多种数据源，提供了新的视角，并特别展示了音频分析和步态分析在早期症状检测和疾病进展监测中的有效性 | 需要大量且多样化的数据集，数据隐私问题，以及医疗数据质量的挑战，开发可解释的AI以确保临床医生能够信任和理解ML和DL模型 | 提高帕金森病诊断的准确性 | 帕金森病患者 | machine learning | geriatric disease | NA | SVM, RF, CNN | audio recordings, gait analysis, medical imaging | NA | NA | NA | NA | NA |
| 2084 | 2025-03-19 |
Pollen image manipulation and projection using latent space
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1539128
PMID:40093610
|
研究论文 | 本文利用深度学习技术中的风格迁移方法，研究如何通过显微镜图像处理改变花粉颗粒的大小和形状 | 首次将风格迁移技术应用于花粉颗粒图像的处理，以揭示其结构特征并生成多样化的花粉图像 | 未明确提及具体的数据集规模或实验验证的详细结果 | 研究花粉颗粒图像的处理方法，以增强对植物分类和生态学的理解 | 花粉颗粒的显微镜图像 | 计算机视觉 | NA | 风格迁移 | NA | 图像 | NA | NA | NA | NA | NA |
| 2085 | 2025-03-19 |
A two-step concept-based approach for enhanced interpretability and trust in skin lesion diagnosis
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.02.013
PMID:40093651
|
研究论文 | 本文提出了一种新颖的两步概念驱动方法，旨在提高皮肤病变诊断的可解释性和信任度 | 通过模拟概念瓶颈模型的两个阶段，利用预训练的视觉语言模型自动预测临床概念，并使用现成的大型语言模型基于预测概念生成疾病诊断，支持测试时的人工干预以修正预测概念，从而提高最终诊断的准确性和决策透明度 | 需要少量标注示例，且未提及在大规模数据集上的验证 | 提高深度学习系统在临床环境中的可解释性和信任度 | 皮肤病变诊断 | 计算机视觉 | 皮肤病变 | 概念瓶颈模型（CBM）、视觉语言模型（VLM）、大型语言模型（LLM） | CBM、VLM、LLM | 图像 | 三个皮肤病变数据集 | NA | NA | NA | NA |
| 2086 | 2025-03-19 |
The global research of artificial intelligence on inflammatory bowel disease: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251326217
PMID:40093709
|
研究论文 | 本文通过文献计量学分析评估了人工智能（AI）在炎症性肠病（IBD）中的相关研究，识别了研究基础、当前热点和未来发展方向 | 首次通过文献计量学分析总结了AI在IBD中的应用现状，并可视化揭示了发展趋势和未来研究热点 | AI在IBD中的应用仍处于初期阶段，研究深度和广度有待进一步扩展 | 评估AI在IBD中的研究现状，识别研究基础和未来发展方向 | 炎症性肠病（IBD） | 机器学习 | 炎症性肠病 | 文献计量学分析 | 深度学习模型 | 文献数据 | 176篇AI相关论文，涉及1919位作者、790个研究机构、184种期刊和49个国家/地区 | NA | NA | NA | NA |
| 2087 | 2025-03-19 |
Data transformation of unstructured electroencephalography reports by natural language processing: improving data usability for large-scale epilepsy studies
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1521001
PMID:40093737
|
研究论文 | 本研究介绍了一种利用自然语言处理技术将癫痫患儿的非结构化脑电图报告转化为结构化数据的层次算法 | 开发了一种结合深度学习和基于规则的关键词提取的分层算法，用于将非结构化脑电图报告转化为结构化数据，提高了数据可用性 | 研究主要针对儿科癫痫患者，可能不适用于其他类型的患者或疾病 | 提高脑电图报告的数据可用性，以支持大规模癫痫研究 | 儿科癫痫患者的脑电图报告 | 自然语言处理 | 癫痫 | 自然语言处理（NLP） | 深度学习 | 文本 | 17,172份脑电图报告，来自3,423名儿科患者，其中6,173份正常和6,173份异常报告用于算法开发 | NA | NA | NA | NA |
| 2088 | 2025-03-19 |
ViE-Take: A Vision-Driven Multi-Modal Dataset for Exploring the Emotional Landscape in Takeover Safety of Autonomous Driving
2025, Research (Washington, D.C.)
DOI:10.34133/research.0603
PMID:40093973
|
研究论文 | 本文介绍了ViE-Take，一个用于探索自动驾驶接管安全中情感影响的多模态数据集 | ViE-Take是首个以视觉驱动的方式探索自动驾驶接管中情感影响的数据集，具有多源情感激发、多模态驾驶员数据收集和多维情感注释三个关键属性 | 数据集的应用范围和深度仍需进一步验证和扩展 | 探索情感对驾驶员接管表现的影响，并开发相关预测模型 | 自动驾驶中的驾驶员接管表现 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, GAN等 | 图像、视频 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 2089 | 2025-10-07 |
Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts
2025-Jan-20, ArXiv
PMID:39148932
|
研究论文 | 提出首个自动评估不完全海马反转的方法，通过预测四个解剖学标准并汇总成可解释的IHI评分 | 首次实现IHI的自动评级，提供可解释的评分系统，并在多队列中进行广泛验证 | 研究主要依赖特定队列数据，未涉及IHI形成的遗传或环境因素分析 | 开发自动评估不完全海马反转的方法，以替代耗时的人工视觉评估 | 来自IMAGEN、QTIM、QTAB和UKBiobank研究的4,389名参与者的海马结构 | 医学影像分析 | 神经系统疾病 | T1加权磁共振成像 | CNN, 深度学习模型 | 医学影像 | 4,389名参与者（IMAGEN: 2,008, QTIM: 993, QTAB: 403, UKBiobank: 985） | NA | conv5-FC3, ResNet, SECNN | NA | NA |
| 2090 | 2025-10-07 |
A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103732
PMID:39826393
|
研究论文 | 本研究开发并验证了一种基于深度学习的3D-DenseNet模型，用于通过CT灌注成像分类后循环梗死，并与专家临床医生小组进行性能比较 | 首次将3D-DenseNet应用于后循环梗死的CT灌注成像分类，并系统比较了深度学习模型与专家临床医生的诊断性能 | 研究基于特定患者队列（1:3的POCI与参考比例），结果可能受限于样本选择和临床环境差异 | 开发并验证深度学习模型在分类后循环梗死方面的应用，解决专科医生资源有限的问题 | 来自国际卒中灌注登记处（INSPIRE）的541名患者 | 医学影像分析 | 后循环梗死 | CT灌注成像，多模态CT | CNN | 医学影像 | 541名患者 | NA | 3D-DenseNet | AUC, 敏感性, 特异性, 准确率, 精确率, Fleiss-Kappa统计量 | NA |
| 2091 | 2025-03-16 |
Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics
2025-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202408353
PMID:39497614
|
研究论文 | 本文介绍了一种新型的无标记细胞分选方法，结合深度学习图像识别和微流体操作，基于细胞形态进行分选 | 该方法首次将YOLOv8目标检测模型与Safe Interval Path Planning算法结合，用于数字微流控平台上的细胞分选，实现了高精度和高纯度的分选效果 | 实验样本仅限于HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞，未涉及更广泛的细胞类型 | 开发一种高效、无标记的细胞分选技术，以推动细胞生物学的基础研究和临床应用 | HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞 | 数字病理学 | NA | 数字微流控技术（AM-DMF） | YOLOv8 | 图像 | HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞 | NA | NA | NA | NA |
| 2092 | 2025-03-15 |
CT-based radiomics-deep learning model predicts occult lymph node metastasis in early-stage lung adenocarcinoma patients: A multicenter study
2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|
研究论文 | 本研究开发并验证了一种基于CT的放射组学和深度学习融合模型，用于预测早期肺腺癌患者的隐匿性淋巴结转移 | 结合了放射组学和深度学习技术，使用3D SE-ResNet34网络构建融合模型，显著提高了预测隐匿性淋巴结转移的准确性 | 研究为回顾性分析，可能存在选择偏倚；样本量相对较小，需要更大规模的多中心研究进一步验证 | 开发并验证一种非侵入性预测模型，用于早期肺腺癌患者的隐匿性淋巴结转移 | 早期肺腺癌患者 | 数字病理 | 肺癌 | CT成像，深度学习 | 3D SE-ResNet34 | CT图像 | 358名患者（训练队列186名，内部验证队列48名，外部测试队列124名） | NA | NA | NA | NA |
| 2093 | 2025-03-15 |
Deep learning-based multi-task prediction of response to neoadjuvant chemotherapy using multiscale whole slide images in breast cancer: A multicenter study
2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|
研究论文 | 本研究开发了一种基于多尺度全切片图像（WSIs）的多任务深度学习模型（DLMM），用于预测乳腺癌患者对新辅助化疗（NAC）的反应 | 通过多尺度特征表示的串联融合和基于门控的注意力机制，模型能够精细预测治疗反应和病理完全缓解（pCR） | 尽管在多个测试集中表现出色，但模型仍需进一步验证其在不同临床环境中的普适性 | 开发一种深度学习模型，以更精确地预测乳腺癌患者对新辅助化疗的反应 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 多任务深度学习模型（DLMM） | 图像 | 1,670张全切片图像，包括训练集、验证集、内部测试集、外部测试集和前瞻性测试集 | NA | NA | NA | NA |
| 2094 | 2025-03-15 |
AI models for the identification of prognostic and predictive biomarkers in lung cancer: a systematic review and meta-analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1424647
PMID:40078179
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能模型在识别肺癌预后和预测生物标志物方面的有效性 | 本文首次系统地评估了AI模型在肺癌生物标志物识别中的应用，涵盖了多种AI方法和生物标志物目标 | 需要进一步的大规模前瞻性研究来验证和优化AI驱动生物标志物的临床效用 | 评估人工智能模型在识别肺癌预后和预测生物标志物方面的有效性 | 肺癌患者及其生物标志物 | 机器学习 | 肺癌 | 深度学习与机器学习算法 | NA | NA | 34项研究 | NA | NA | NA | NA |
| 2095 | 2025-03-15 |
A 5G network based conceptual framework for real-time malaria parasite detection from thick and thin blood smear slides using modified YOLOv5 model
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251321540
PMID:40078448
|
研究论文 | 本文提出了一种基于5G网络的实时疟疾寄生虫检测框架，使用改进的YOLOv5模型从厚薄血涂片中进行检测 | 通过引入两个SENet层改进YOLOv5x网络架构，优化了模型在5G网络上的实时检测性能 | 未提及模型在低资源环境下的实际部署效果和成本效益分析 | 开发一种实时疟疾检测系统，特别是在诊断资源有限的地区 | 厚薄血涂片中的疟疾寄生虫 | 数字病理学 | 疟疾 | 深度学习 | 改进的YOLOv5x模型 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2096 | 2025-03-15 |
A spatial and temporal transformer-based EEG emotion recognition in VR environment
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1517273
PMID:40078487
|
研究论文 | 本文提出了一种基于Transformer的EEG情感识别方法EmoSTT，用于VR环境中的情感识别 | 首次在VR环境中使用纯Transformer方法进行EEG情感识别，并通过两个独立的Transformer模块全面建模EEG信号的时空信息 | 研究主要依赖于实验室环境和VR环境下的数据集，尚未在更广泛的真实场景中进行验证 | 提高EEG情感识别在真实场景中的生态效度，探索VR环境下的情感识别方法 | 参与者在观看VR视频时的EEG数据 | 脑机接口 | NA | EEG信号处理 | Transformer | EEG信号 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 2097 | 2025-03-15 |
Artificial intelligence integration in surgery through hand and instrument tracking: a systematic literature review
2025, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2025.1528362
PMID:40078701
|
系统文献综述 | 本文通过系统文献综述探讨了人工智能（AI）在手术实践中通过手和器械追踪的应用，分析了AI与手术交叉领域的最新进展和当前文献 | 本文首次系统性地总结了AI在手术手和器械追踪中的应用，并分析了不同AI算法在手术实践中的具体应用 | 当前AI技术在手术中的应用仍存在技术和社会限制，未来研究需要填补这些空白 | 探讨AI在手术手和器械追踪中的应用，以优化手术技能培训并改善手术结果 | 手术实践中的手和器械追踪 | 计算机视觉 | NA | 深度学习算法、传统机器学习算法 | 深度学习模型 | 预录视频、摄像头数据、图像数据集 | 77篇符合纳入标准的文章 | NA | NA | NA | NA |
| 2098 | 2025-03-15 |
Singing to speech conversion with generative flow
2025, EURASIP journal on audio, speech, and music processing
DOI:10.1186/s13636-025-00400-x
PMID:40078713
|
研究论文 | 本文介绍了歌唱到语音转换（S2S）任务，并提出了首个基于深度学习的S2S系统 | 首次提出基于生成流的S2S系统，并调整了潜在特征之间的对齐模块，适应了歌唱到语音转换的场景 | 未提及具体局限性 | 研究歌唱到语音的转换，保留语音信息并减少音高、节奏和音色的变化 | 歌唱和语音信号 | 自然语言处理 | NA | 生成流（Generative Flow） | Glow-TTS架构 | 音频信号 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2099 | 2025-03-14 |
AI-enhanced PET/CT image synthesis using CycleGAN for improved ovarian cancer imaging
2025, Polish journal of radiology
IF:0.9Q4
DOI:10.5114/pjr/196804
PMID:40070416
|
研究论文 | 本研究利用CycleGAN进行PET图像的衰减校正，旨在提高卵巢癌成像的质量 | 使用生成对抗网络（GANs）进行PET图像衰减校正，避免了额外的CT成像 | 需要进一步优化和临床验证以实现全面的临床应用 | 提高卵巢癌成像的质量，减少辐射暴露 | 55名卵巢癌患者的PET/CT数据 | 计算机视觉 | 卵巢癌 | 生成对抗网络（GANs） | CycleGAN | 图像 | 55名卵巢癌患者的PET/CT数据 | NA | NA | NA | NA |
| 2100 | 2025-03-14 |
Unsupervised semantic label generation in agricultural fields
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1548143
PMID:40070454
|
研究论文 | 本文提出了一种用于农业领域中作物-杂草语义图像分割的自动标注管道，旨在减少深度学习模型训练对手动标注数据的依赖 | 提出了一种利用无人机或地面机器人记录的RGB图像，结合田间行结构进行空间一致性标注的自动化标注系统，并采用证据深度学习来提供预测不确定性估计，以改进语义预测 | 尽管在作物上的IoU表现优于完全监督方法，但在杂草上的IoU表现仍较低（22.7% vs 33.5%） | 减少农业领域中深度学习模型训练对手动标注数据的依赖，提升作物-杂草语义分割的自动化水平 | 农业领域中的作物和杂草 | 计算机视觉 | NA | 证据深度学习 | 深度学习模型 | RGB图像 | 多个田地和作物种类 | NA | NA | NA | NA |