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 3708 篇文献，本页显示第 2101 - 2120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2101 | 2025-05-15 |
Deep learning-based automated tongue analysis system for assisted Chinese medicine diagnosis
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1559389
PMID:40356770
|
研究论文 | 本研究提出了一种结合深度学习与传统中医的自动化舌象分析系统，以提高舌诊的准确性和客观性 | 系统包括硬件设备、改进的半监督学习分割算法、高性能色彩校正模块以及融合不同特征的舌象分析算法 | 未提及具体样本量或实验设计的局限性 | 提升中医舌诊的准确性和客观性 | 舌象图像 | 数字病理 | NA | 深度学习 | U2net | 图像 | NA | NA | NA | NA | NA |
| 2102 | 2025-05-15 |
Deep learning for malignant lymph node segmentation and detection: a review
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1526518
PMID:40356919
|
综述 | 本文深入回顾了深度学习在恶性淋巴结分割和检测方面的进展 | 专注于恶性淋巴结的深度学习应用，填补了该领域综述的空白 | 未提及具体模型的性能比较或量化分析 | 提升癌症治疗规划的精确性和效率 | 恶性淋巴结 | 数字病理学 | 癌症 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 2103 | 2025-05-15 |
Leveraging artificial intelligence in disaster management: A comprehensive bibliometric review
2025, Jamba (Potchefstroom, South Africa)
DOI:10.4102/jamba.v17i1.1776
PMID:40357012
|
综述 | 本文通过文献计量学方法回顾了人工智能在灾害管理中的应用 | 利用VOSviewer和Biblioshiny工具分析了848篇文献，揭示了AI在灾害管理中的研究趋势和科学图谱 | 仅基于Scopus数据库的英文文献，可能遗漏其他语言或数据库的重要研究 | 评估人工智能技术在灾害管理领域的应用现状和发展趋势 | 自然灾害管理相关的人工智能研究文献 | 机器学习 | NA | 文献计量分析 | NA | 文献数据 | 848篇出版物 | NA | NA | NA | NA |
| 2104 | 2025-05-15 |
Making, not breaking the young, aspiring athlete: the development of Prep to be PRO (Nærmere Best) - a Norwegian school-based educational programme
2025, BMJ open sport & exercise medicine
IF:3.9Q1
DOI:10.1136/bmjsem-2024-002388
PMID:40357054
|
research paper | 本文记录了Prep to be PRO教育模块化计划的开发过程，旨在支持和保护体育初中和体育高中年轻运动员的健康与发展 | 该计划首次系统性地整合了多学科知识，并通过国家高中课程确保其相关性和教育标准的一致性 | 尚未进行系统性的数据收集和效果评估，长期可持续性仍需验证 | 开发一个教育计划，以预防年轻运动员的健康问题并支持其发展 | 体育初中和体育高中的年轻运动员 | 运动科学 | NA | NA | NA | NA | 超过40名利益相关者参与开发过程 | NA | NA | NA | NA |
| 2105 | 2025-05-15 |
Deep learning object detection-based early detection of lung cancer
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1567119
PMID:40357272
|
research paper | 本文探讨了基于深度学习的物体检测技术在肺癌早期诊断中的应用 | 比较了不同版本的YOLO模型在肺癌CT图像检测任务中的性能，发现YOLOv8表现最佳 | 研究仅基于公开数据集Lung-PET-CT-Dx，未涉及其他数据集验证 | 提高肺癌早期诊断和分类的准确性 | 肺癌CT图像 | computer vision | lung cancer | deep learning | YOLO系列（YOLOv5, YOLOv8, YOLOv9, YOLOv10, YOLOv11） | image | Lung-PET-CT-Dx公共数据集 | NA | NA | NA | NA |
| 2106 | 2025-05-15 |
RAMAS-Net: a module-optimized convolutional network model for aortic valve stenosis recognition in echocardiography
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1587307
PMID:40357270
|
研究论文 | 提出了一种名为RAMAS-Net的深度学习模型，用于在超声心动图中自动识别和诊断主动脉瓣狭窄 | 通过将ResNet50主干的Stage 4替换为SCConv和MDTA模块，减少了冗余计算并提高了特征提取能力 | NA | 提高主动脉瓣狭窄的诊断准确性，支持临床决策 | 主动脉瓣狭窄（AS）患者 | 数字病理 | 心血管疾病 | 深度学习 | CNN（ResNet50改进版） | 图像（超声心动图） | TMED-2和TMED-1数据集 | NA | NA | NA | NA |
| 2107 | 2025-05-15 |
An optimized deep learning model based on transperineal ultrasound images for precision diagnosis of female stress urinary incontinence
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1564446
PMID:40357276
|
研究论文 | 本研究开发并验证了一种基于经会阴超声图像的优化深度学习模型，以提高女性压力性尿失禁的诊断精度和可靠性 | 首次将深度学习模型（如DenseNet-121）应用于经会阴超声图像，显著提高了女性压力性尿失禁的诊断性能 | 研究为回顾性设计，样本量相对有限（464例），且仅评估了三种深度学习模型 | 提高女性压力性尿失禁的诊断精度和可靠性 | 464名女性的经会阴超声图像（200例患者和264例对照） | 数字病理 | 尿失禁 | 经会阴超声（TPUS） | ResNet-50, ResNet-152, DenseNet-121 | 图像 | 464名女性（200例患者和264例对照） | NA | NA | NA | NA |
| 2108 | 2025-05-15 |
Automatic segmentation and volume measurement of anterior visual pathway in brain 3D-T1WI using deep learning
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1530361
PMID:40357297
|
研究论文 | 本研究探讨了使用3D UX-Net深度学习模型在脑部T1加权成像中自动分割和测量前视通路（AVP）体积的可行性 | 首次在脑部T1WI中使用3D UX-Net模型进行AVP自动分割和体积测量，并提供了成人AVP的标准化测量值 | 研究样本量相对较小（119名成人），且为回顾性研究 | 开发自动分割和测量前视通路体积的深度学习模型 | 前视通路（AVP） | 数字病理学 | NA | 3D T1加权成像（T1WI） | 3D UX-Net, 3D U-Net, Swin UNEt TRansformers (UNETR), UNETR++, Swin Soft Mixture Transformer (Swin SMT) | 3D医学影像 | 119名成人的临床数据和脑部3D T1WI影像 | NA | NA | NA | NA |
| 2109 | 2025-10-07 |
An analysis of performance bottlenecks in MRI preprocessing
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae098
PMID:40072903
|
研究论文 | 分析MRI预处理流程中的性能瓶颈并提出优化参考 | 首次使用Intel VTune分析器系统性地量化多个主流MRI预处理工具包的性能瓶颈 | 仅分析CPU性能瓶颈，未涉及GPU加速和深度学习方法的对比 | 识别和改善MRI预处理流程的计算性能瓶颈 | ANTs、FMRIB Software Library和FreeSurfer工具箱中的MRI预处理流程 | 医学影像分析 | NA | MRI预处理、性能分析 | NA | 医学影像数据 | NA | ANTs, FMRIB Software Library, FreeSurfer, Insight Segmentation and Registration Toolkit, OpenMP | NA | CPU时间分析、线性插值开销、数据访问效率 | Intel VTune性能分析器 |
| 2110 | 2025-10-07 |
Early pigment spot segmentation and classification from iris cellular image analysis with explainable deep learning and multiclass support vector machine
2025-01-01, Biochemistry and cell biology = Biochimie et biologie cellulaire
DOI:10.1139/bcb-2023-0183
PMID:37906957
|
研究论文 | 提出一种结合可解释深度学习和多类支持向量机的模型，用于虹膜细胞图像中早期色素斑的分割和分类 | 首次将可解释深度学习与多类支持向量机结合用于虹膜色素斑分析，能够准确定位虹膜表面的微观色素斑 | 使用的虹膜细胞图像存在离轴虹膜、噪声和镜面反射等问题 | 开发早期虹膜色素斑分割和分类方法，用于视网膜疾病的早期诊断 | 虹膜细胞图像中的色素斑 | 计算机视觉 | 视网膜疾病 | 图像分析 | 深度学习, SVM | 图像 | 三个基准数据集：MILE、UPOL和Eyes SUB | NA | NA | 分类错误率 | NA |
| 2111 | 2025-10-07 |
A systematic review of automated hyperpartisan news detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316989
PMID:39982955
|
综述 | 本文系统回顾了2015-2024年间超党派新闻自动检测的方法与数据集 | 首次对超党派新闻检测领域进行系统性综述，采用PRISMA方法分析了81篇文献 | 计算机科学领域对超党派缺乏明确定义，数据集主要集中于英语，缺乏少数民族语言数据，大语言模型在该领域的研究有限 | 系统整理超党派新闻自动检测的方法与进展 | 超党派新闻文章 | 自然语言处理 | NA | 机器学习，深度学习 | 深度学习模型，传统机器学习模型，大语言模型 | 文本 | 基于81篇研究文献的分析 | NA | NA | NA | NA |
| 2112 | 2025-10-07 |
Chinese medical named entity recognition utilizing entity association and gate context awareness
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319056
PMID:39999103
|
研究论文 | 提出一种结合实体关联和门控上下文感知的中文医学命名实体识别方法 | 使用RoBERTa-wwm-ext预训练模型提取上下文特征，结合多头注意力机制和循环神经网络捕获实体间依赖关系 | 未明确说明模型在更广泛医学文本类型上的泛化能力 | 提升中文医学文本中命名实体识别的准确性和效率 | 中文医学文献和文本中的命名实体 | 自然语言处理 | NA | 深度学习 | RoBERTa, RNN, CRF | 文本 | MCSCSet和CMeEE数据集 | NA | RoBERTa-wwm-ext, 多头注意力机制, 循环神经网络 | F1分数 | NA |
| 2113 | 2025-10-07 |
Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study
2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi
DOI:10.1272/jnms.JNMS.2025_92-112
PMID:40058838
|
研究论文 | 本研究评估深度学习图像重建技术在肾功能不全患者低剂量对比剂CT扫描中的图像质量优化效果 | 首次将深度学习图像重建技术应用于肾功能不全患者的半碘负荷虚拟单能成像，并确定40 keV结合DLIR可提供最佳对比噪声比 | 样本量较小（28例），为单中心回顾性研究，缺乏外部验证 | 评估不同重建算法对半碘负荷对比增强CT虚拟单能成像图像质量的影响 | 28例中重度肾功能不全的肿瘤患者 | 医学影像分析 | 肾功能不全 | 双能CT，虚拟单能成像，对比增强CT | 深度学习图像重建 | CT影像 | 28例中重度肾功能不全的肿瘤患者 | NA | NA | 对比噪声比，图像噪声，对比度，锐利度，小结构分界，整体图像质量 | NA |
| 2114 | 2025-10-07 |
Advanced applications in chronic disease monitoring using IoT mobile sensing device data, machine learning algorithms and frame theory: a systematic review
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1510456
PMID:40061474
|
系统综述 | 系统综述物联网移动传感设备数据、机器学习算法和框架理论在慢性疾病监测中的先进应用 | 引入基于深度学习、紧框架方法和实时监测系统的先进模型，展示方法学创新 | 存在数据收集、算法选择和用户交互方面的潜在偏差和弱点 | 探讨物联网和人工智能技术在特定慢性疾病管理中的应用 | 心血管疾病、癌症、慢性呼吸系统疾病和糖尿病等主要慢性疾病 | 机器学习 | 慢性疾病 | 物联网移动传感设备、机器学习算法 | ANN, SVM, RF, 深度学习模型 | 传感设备数据、医疗数据 | NA | NA | NA | NA | NA |
| 2115 | 2025-10-07 |
Deep learning-based prediction of atrial fibrillation from polar transformed time-frequency electrocardiogram
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317630
PMID:40063554
|
研究论文 | 本研究开发了一种基于极坐标变换时频心电图和深度学习的房颤预测方法 | 提出使用短时傅里叶变换谱图的极坐标变换来可视化ECG信号，并评估深度CNN在此类图像上的房颤预测性能 | NA | 开发用于可穿戴设备的紧凑直观心电图心律失常检测方法 | 心电图信号和房颤等心律分类 | 计算机视觉 | 心血管疾病 | 短时傅里叶变换，极坐标变换 | CNN | 图像 | PhysioNet/CinC Challenge 2017数据集中的心电图数据 | NA | 预训练深度CNN | NA | NA |
| 2116 | 2025-10-07 |
Color correction methods for underwater image enhancement: A systematic literature review
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317306
PMID:40063649
|
系统文献综述 | 系统回顾和分析水下图像增强中颜色校正方法的最新进展 | 首次系统性地对2010-2024年间的水下图像颜色校正方法进行分类和比较分析，提出了三类方法的分类框架 | 仅基于67项研究进行分析，可能存在文献覆盖不全的问题；未进行原始方法的实验验证 | 识别和批判性分析现有水下图像颜色校正方法，突出其优势、局限性和未来研究方向 | 水下图像颜色校正方法 | 计算机视觉 | NA | 图像增强技术 | NA | 水下图像 | 67项相关研究 | NA | NA | NA | NA |
| 2117 | 2025-10-07 |
LLM-FMS: A fine-grained dataset for functional movement screen action quality assessment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313707
PMID:40067873
|
研究论文 | 开发了一个细粒度的功能动作筛查数据集LLM-FMS，并提出基于大语言模型的动作质量评估框架 | 创建了首个用于动作评估任务的细粒度健身动作数据集，并提出了结合专家规则和大语言模型的创新评估框架 | 数据集规模相对较小（45名受试者），仅包含七种FMS动作 | 提高功能动作筛查评估的细粒度反馈能力和可解释性 | 功能动作筛查视频中的动作质量评估 | 计算机视觉 | 运动损伤 | 视频分析，骨骼关键点提取 | 大语言模型 | 视频，图像 | 45名受试者的1812个动作关键帧图像，包含7种FMS动作的15种动作表现 | RTMPose | 大语言模型 | 准确率，可解释性 | NA |
| 2118 | 2025-10-07 |
Multi-omics and single-cell analysis reveals machine learning-based pyrimidine metabolism-related signature in the prognosis of patients with lung adenocarcinoma
2025, International journal of medical sciences
IF:3.2Q1
DOI:10.7150/ijms.107694
PMID:40084259
|
研究论文 | 本研究通过多组学和单细胞分析构建了基于机器学习的嘧啶代谢相关特征模型，用于肺腺癌患者的预后预测 | 首次整合多种机器学习和深度学习算法构建嘧啶代谢相关特征模型，并通过单细胞分析揭示其在肿瘤免疫微环境中的作用 | 研究主要基于生物信息学分析，实验验证仅针对关键因子LYPD3在细胞系中的功能 | 开发肺腺癌预后预测模型并探索嘧啶代谢在肿瘤治疗中的意义 | 肺腺癌患者和LUAD细胞系 | 机器学习 | 肺癌 | 多组学分析,单细胞分析 | 机器学习,深度学习 | 基因组数据,转录组数据,单细胞数据 | NA | NA | 随机生存森林 | 准确性,稳定性 | NA |
| 2119 | 2025-10-07 |
PreCM: The Padding-Based Rotation Equivariant Convolution Mode for Semantic Segmentation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3558425
PMID:40249694
|
研究论文 | 提出一种基于填充的旋转等变卷积模式(PreCM)用于提升语义分割网络对图像旋转的鲁棒性 | 首次构建通用卷积-群框架，数学设计适用于多尺度图像和卷积核的旋转等变卷积模式，并提出新的评估指标旋转差异(RD) | NA | 解决语义分割网络中因缺乏旋转等变性导致的方位信息干扰问题 | 遥感水体图像、医学毛细血管和息肉图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 三个数据集(水体卫星图像、DRIVE、Floodnet) | NA | 六种现有语义分割网络 | IOU, RD | NA |
| 2120 | 2025-10-07 |
Decalcify cardiac CT: unveiling clearer images with deep convolutional neural networks
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1475362
PMID:40351458
|
研究论文 | 本研究提出了一种混合模型HMDC，通过深度学习和传统图像处理技术相结合的方法，有效去除心脏CT图像中的钙化伪影 | 首次将深度学习与传统图像处理方法相结合用于心脏CT图像去钙化，提出混合模型HMDC | NA | 提高心脏CT图像的清晰度和诊断价值 | 心脏CT图像中的钙化区域 | 计算机视觉 | 心血管疾病 | CT成像 | CNN | 医学图像 | NA | NA | 混合模型架构 | 准确率 | NA |