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 2341 - 2360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2341 | 2025-02-12 |
The Future of Breast Cancer Diagnosis in Japan with AI and Ultrasonography
2025-Jan-15, JMA journal
IF:1.5Q2
DOI:10.31662/jmaj.2024-0183
PMID:39926065
|
综述 | 本文探讨了人工智能（AI）在日本乳腺癌诊断中的应用，特别是在超声成像中的关键进展 | 介绍了AI在乳腺超声诊断中的最新应用，包括由日本药品医疗器械管理局批准的AI辅助诊断程序 | AI在乳腺癌诊断中的应用仍面临患者接受度和环境影响等挑战，需要医生负责任地监督其使用 | 提高乳腺癌诊断的准确性和效率 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 超声成像 | 机器学习和深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2342 | 2025-02-12 |
Use of AI in Diagnostic Imaging and Future Prospects
2025-Jan-15, JMA journal
IF:1.5Q2
DOI:10.31662/jmaj.2024-0169
PMID:39926072
|
研究论文 | 本文探讨了人工智能在医学影像诊断中的应用及其未来前景 | 利用AI构建三维模型进行手术模拟和导航，提高手术精度和护理质量 | 未提及具体的技术局限或数据限制 | 研究AI在医学影像诊断中的应用及其对医疗实践的改进 | 术前影像数据、电子病历、疾病进展和并发症预测 | 数字病理 | NA | 深度学习、自然语言处理 | NA | 影像数据、文本数据 | NA | NA | NA | NA | NA |
| 2343 | 2025-02-12 |
Clinical Prospects for Artificial Intelligence in Obstetrics and Gynecology
2025-Jan-15, JMA journal
IF:1.5Q2
DOI:10.31662/jmaj.2024-0197
PMID:39926075
|
综述 | 本文综述了人工智能在妇产科领域的最新研究进展，包括围产期、生殖和妇科癌症等方面的应用 | 总结了人工智能在妇产科多个子领域的最新应用，如胎儿异常诊断、辅助生殖技术效率提升及妇科癌症的诊断与预后预测 | 涉及个人信息的处理、缺乏相关法律法规以及透明度问题 | 探讨人工智能在妇产科领域的临床应用前景 | 围产期、生殖和妇科癌症 | 医疗人工智能 | 妇科疾病 | 深度学习 | NA | 医学影像（如超声波、MRI）、组织病理学数据 | NA | NA | NA | NA | NA |
| 2344 | 2025-02-12 |
Deep Learning Applications in 12-lead Electrocardiogram and Echocardiogram
2025-Jan-15, JMA journal
IF:1.5Q2
DOI:10.31662/jmaj.2024-0195
PMID:39926090
|
综述 | 本文综述了深度学习技术在12导联心电图和超声心动图中的应用及其在心血管医学领域的潜力 | 探讨了AI模型在心血管疾病筛查和机制研究中的创新应用，如通过单次心电图或超声心动图准确识别心肌病和先天性心脏病 | 未具体提及研究的局限性 | 更新AI在心电图和超声心动图中的应用成就，并展望AI在心血管护理和研究中的未来方向 | 心电图（ECG）和超声心动图数据 | 机器学习 | 心血管疾病 | 深度学习 | NA | 时间序列数据、图像数据 | NA | NA | NA | NA | NA |
| 2345 | 2025-02-12 |
Pathology Foundation Models
2025-Jan-15, JMA journal
IF:1.5Q2
DOI:10.31662/jmaj.2024-0206
PMID:39926091
|
研究论文 | 本文探讨了病理学中基础模型（FMs）的应用及其在医疗领域的潜力 | 介绍了大规模AI模型（基础模型）在病理学中的新兴应用，包括疾病诊断、患者生存预后预测等 | 基础模型在临床应用中的挑战仍需解决 | 探讨基础模型在病理学中的应用及其对精准和个性化医疗的促进作用 | 病理学中的基础模型及其在医疗领域的应用 | 数字病理学 | NA | 深度学习 | 基础模型（FMs） | 图像 | NA | NA | NA | NA | NA |
| 2346 | 2025-10-07 |
Assessing the efficiency of pixel-based and object-based image classification using deep learning in an agricultural Mediterranean plain
2025-Jan-10, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-13431-2
PMID:39792312
|
研究论文 | 本研究比较了基于像素和基于对象的深度学习方法在Sentinel-2卫星影像分类中的效率 | 首次将Deeplabv3深度学习方法与高通量滤波器增强技术结合，系统比较像素级和对象级分类在农业地中海平原的效能差异 | 仅使用Sentinel-2卫星数据，未验证其他卫星数据源的适用性；研究区域局限于地中海平原农业环境 | 评估深度学习框架下像素级与对象级图像分类方法在农业环境监测中的相对效率 | 地中海平原农业区域的Sentinel-2卫星影像 | 计算机视觉 | NA | 卫星遥感，高通量滤波 | 深度学习 | 卫星影像 | NA | NA | Deeplabv3 | 准确率，Kappa系数 | NA |
| 2347 | 2025-10-07 |
Drawing as a means to characterize memory and cognition
2025-Jan, Memory & cognition
IF:2.2Q2
DOI:10.3758/s13421-024-01618-4
PMID:39192141
|
综述 | 本文探讨绘画作为研究记忆和认知的工具，通过25项前沿研究展示绘画在心理学多领域的应用 | 将绘画确立为研究认知过程的创新工具，整合多领域研究验证其科学价值 | 未具体说明单个研究的方法学局限，主要呈现整体研究趋势 | 探索绘画作为研究认知过程的工具在心理学中的应用价值 | 儿童、年轻人、老年人及特殊人群（失明者、顺行性遗忘症患者、失用症患者、语义性痴呆患者） | 心理学 | 认知障碍疾病 | 心理物理实验、深度学习、神经影像学 | NA | 绘画行为数据 | 涉及25项研究的多群体样本 | NA | NA | NA | NA |
| 2348 | 2025-02-12 |
The Efficacy of Artificial Intelligence in the Detection and Management of Atrial Fibrillation
2025-Jan, Cureus
DOI:10.7759/cureus.77135
PMID:39925585
|
系统综述 | 本文系统综述了人工智能在心房颤动（AF）风险预测、监测和管理中的应用 | 首次全面评估了人工智能与心房颤动的交叉领域，并总结了AI在AF风险预测、监测和管理中的具体应用 | AI工具的可靠性和一致性因数据异质性和方法学不一致性而存在差异，需要标准化、标记的数据集和前瞻性临床试验的验证 | 评估人工智能在心房颤动检测和管理中的有效性 | 心房颤动（AF） | 机器学习 | 心血管疾病 | 机器学习模型，包括AI-ECG方法 | 最优时变机器学习模型，观察性医疗结果伙伴关系通用数据模型 | 医疗数据 | 39项符合纳入标准的研究，其中19项研究关注AF风险预测，20项研究关注监测和管理 | NA | NA | NA | NA |
| 2349 | 2025-02-12 |
Stochasticity as a solution for overfitting-A new model and comparative study on non-invasive EEG prospects
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1484470
PMID:39925722
|
研究论文 | 本研究评估了多种机器学习和深度学习模型在公开数据集上的表现，提出了一种新的分类器BruteExtraTree以解决过拟合问题 | 提出了一种新的分类器BruteExtraTree，该分类器通过继承其基础模型ExtraTreeClassifier的中等随机性来有效解决过拟合问题 | 在独立于受试者的情况下，尽管新模型表现优异，但仍需大幅改进数据记录或噪声去除方法以提高实用性 | 开发实用的脑机接口（BCI）应用，特别是针对内部语音信号的处理 | 内部语音信号 | 机器学习 | NA | 机器学习和深度学习模型 | BruteExtraTree, ShallowFBCSPNet | EEG信号 | 公开数据集 | NA | NA | NA | NA |
| 2350 | 2025-02-12 |
Digital pathology and artificial intelligence in renal cell carcinoma focusing on feature extraction: a literature review
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1516264
PMID:39926279
|
review | 本文综述了数字病理学（DP）和人工智能（AI）在肾细胞癌（RCC）中的应用，特别是在特征提取方面的研究进展 | 本文填补了DP和AI在RCC中应用研究的综述空白，并展示了深度学习模型在RCC亚型分类、分子预测和生存预测中的高准确率 | 本文主要基于现有文献进行综述，未涉及新的实验数据或模型开发 | 探讨DP和AI在RCC中的应用，特别是在特征提取方面的潜力 | 肾细胞癌（RCC）的病理图像和分子数据 | 数字病理学 | 肾细胞癌 | 深度学习 | 深度学习模型 | 病理图像 | NA | NA | NA | NA | NA |
| 2351 | 2025-02-12 |
Deep learning-assisted diagnosis of acute mesenteric ischemia based on CT angiography images
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1510357
PMID:39926426
|
研究论文 | 本研究旨在开发一种基于CT血管造影（CTA）影像和临床数据的深度学习模型，用于诊断急性肠系膜缺血（AMI） | 结合CTA影像和临床信息构建融合模型，显著提高了AMI的诊断准确性和效率 | 研究为回顾性研究，样本量相对较小（228例患者） | 开发一种深度学习模型，用于诊断急性肠系膜缺血（AMI） | 228例疑似AMI的患者 | 数字病理学 | 急性肠系膜缺血 | CT血管造影（CTA） | 深度学习模型 | 影像和临床数据 | 228例患者 | NA | NA | NA | NA |
| 2352 | 2025-02-12 |
A comparative analysis of the binary and multiclass classified chest X-ray images of pneumonia and COVID-19 with ML and DL models
2025, Open medicine (Warsaw, Poland)
DOI:10.1515/med-2024-1110
PMID:39927166
|
研究论文 | 本文比较了机器学习和深度学习模型在胸部X光图像上对肺炎和COVID-19进行二分类和多分类的性能 | 使用ConvMixer模型在COVID-19和肺炎的分类任务中取得了最佳性能，并与其他模型进行了比较 | 研究结果在其他胸部X光图像数据库上的性能尚未充分验证 | 研究机器学习（ML）和深度学习（DL）模型在胸部X光图像上对COVID-19、肺炎（病毒性和细菌性）以及正常病例的分类性能 | 胸部X光图像 | 计算机视觉 | COVID-19, 肺炎 | 图像分类 | K-近邻, 逻辑回归, Visual Geometry Group-19, Vision transformer, ConvMixer | 图像 | NA | NA | NA | NA | NA |
| 2353 | 2025-02-12 |
New rectum dose surface mapping methodology to identify rectal subregions associated with toxicities following prostate cancer radiotherapy
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100701
PMID:39927213
|
研究论文 | 本文提出了一种新的直肠剂量表面映射方法，用于识别与前列腺癌放疗后毒性相关的直肠亚区域 | 开发了一种标准化直肠轮廓并将其展开为2D圆柱表面图的方法，以识别与毒性相关的直肠亚区域 | 仅分析了1,048名患者的数据，且仅发现下后部区域与毒性显著相关 | 研究前列腺癌放疗后直肠毒性与剂量分布的关系 | 1,048名前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习自动分割，圆柱映射，体素分析 | NA | 医学影像数据 | 1,048名前列腺癌患者 | NA | NA | NA | NA |
| 2354 | 2025-10-07 |
Quality prediction of seabream Sparus aurata by deep learning algorithms and explainable artificial intelligence
2025-Jan-31, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143150
PMID:39923522
|
研究论文 | 本研究使用深度学习算法和可解释人工智能技术通过海鲷鱼眼和鳃图像预测其新鲜度质量 | 首次结合多种CNN架构与可解释AI技术(Grad-CAM和LIME)进行海鲷新鲜度无损检测 | 研究仅针对冰箱储存条件下的海鲷，未涉及其他储存条件或鱼类品种 | 开发基于图像分析的海鲷新鲜度无损检测方法 | 海鲷(Sparus aurata)的眼部和鳃部图像 | 计算机视觉 | NA | 图像采集 | CNN, DenseNet121, Inception V3, ResNet50 | 图像 | NA | NA | CNN, DenseNet121, Inception V3, ResNet50 | 准确率, 混淆矩阵 | NA |
| 2355 | 2025-10-07 |
An interpretable hybrid machine learning approach for predicting three-month unfavorable outcomes in patients with acute ischemic stroke
2025-Jan-22, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105807
PMID:39923294
|
研究论文 | 开发可解释的混合机器学习模型预测急性缺血性脑卒中患者三个月不良结局 | 结合25种机器学习模型和14种评估指标进行聚类分析，通过集成建模和SHAP可解释性分析构建预测平台 | 仅使用731例训练数据，临床变量数量有限（30个） | 预测急性缺血性脑卒中患者三个月不良结局 | 急性缺血性脑卒中患者 | 机器学习 | 脑血管疾病 | 机器学习，深度学习 | XGBoost, CatBoost, 集成模型 | 临床数据 | 训练集731例，内部验证集1045例，外部验证集411例 | NA | 集成学习架构 | PRAUC, ROCAUC, 特异性, 平衡准确率, MCC | NA |
| 2356 | 2025-10-07 |
Virtual Gram staining of label-free bacteria using dark-field microscopy and deep learning
2025-Jan-10, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.ads2757
PMID:39772690
|
研究论文 | 利用暗场显微镜和深度学习对无标记细菌进行虚拟革兰氏染色 | 通过训练神经网络将未染色细菌的暗场图像数字转换为匹配亮场图像对比度的革兰氏染色等效图像，无需传统化学染色步骤 | NA | 开发一种替代传统革兰氏染色的虚拟染色方法 | 无标记细菌样本 | 计算机视觉 | NA | 暗场显微镜 | 神经网络 | 图像 | NA | NA | NA | 染色准确度 | NA |
| 2357 | 2025-10-07 |
Reliability of brain volume measures of accelerated 3D T1-weighted images with deep learning-based reconstruction
2025-Jan, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03461-5
PMID:39316090
|
研究论文 | 本研究评估基于深度学习的加速3D T1加权MRI扫描在脑体积测量中的可行性和可靠性 | 首次系统评估深度学习重建方法在不同加速水平(65%-75%欠采样)下对脑体积测量的可靠性 | 样本量相对较小(共90名参与者)，仅使用3T MRI设备 | 探索深度学习加速MRI扫描在脑萎缩定量评估中的临床应用价值 | 人脑3D T1加权MRI图像 | 医学影像分析 | 脑萎缩相关疾病 | 3D T1加权MRI, 深度学习重建 | 深度学习重建模型 | 医学影像(DICOM) | 90名参与者(42名模拟加速数据集, 48名验证数据集) | NA | NA | ICC, R2, 定量误差指标 | NA |
| 2358 | 2025-10-07 |
An examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models
2025-Jan, Environmental science and pollution research international
DOI:10.1007/s11356-024-35764-8
PMID:39800837
|
研究论文 | 比较分析机器学习、深度学习和统计模型在预测全球四大污染区域每日CO2排放量方面的性能 | 首次系统比较14种不同模型在每日CO2排放预测中的表现，并引入差分技术和集成方法提升模型性能 | 仅涵盖四大污染区域（中国、印度、美国和欧盟27国及英国），且深度学习模型计算资源需求较高 | 评估不同模型在每日CO2排放预测中的准确性和适用性 | 全球四大污染区域的每日CO2排放数据 | 机器学习 | NA | 时间序列分析 | 统计模型,机器学习模型,深度学习模型 | 时间序列数据 | 2022年1月1日至2023年9月30日的每日CO2排放数据 | NA | ARMA,ARIMA,SARMA,SARIMA,SVM,RF,GB,ANN,GRU,LSTM,BILSTM,CNN-RNN混合模型 | R平方,MAE,RMSE,MAPE | NA |
| 2359 | 2025-10-07 |
Ultrasound elastic modulus reconstruction using a deep learning model trained with simulated data
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.1.017001
PMID:39916991
|
研究论文 | 本研究开发了一种基于深度学习的超声弹性成像方法，用于从超声测量的位移场中重建弹性模量空间分布 | 采用数据驱动的深度学习模型替代传统逆问题求解方法，通过模拟数据训练网络，避免了传统方法计算量大和对噪声敏感的问题 | 模拟数据的多样性和代表性对模型泛化能力有重要影响，需要确保模拟数据能充分覆盖真实场景的变异性 | 开发并验证一种用于超声弹性成像逆问题求解的深度学习方法 | 超声弹性成像中的弹性模量分布重建 | 医学影像分析 | NA | 超声弹性成像 | 深度学习 | 超声位移场数据 | 模拟数据、体模实验数据和临床数据 | NA | U-Net | 均方误差(MSE), 平均绝对百分比误差(MAPE), 模量比, 对比度噪声比 | NA |
| 2360 | 2025-10-07 |
Multi-dimensional perceptual recognition of tourist destination using deep learning model and geographic information system
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318846
PMID:39919101
|
研究论文 | 本研究提出了一种结合深度学习模型和地理信息系统的旅游目的地多维感知识别方法 | 整合多种用户生成内容数据，采用改进的Inception V3模型、带多头注意力的双向长短期记忆网络和GIS技术，提出渐进式维度组合方法 | 仅以中国大同市作为实验案例，未在其他地区验证方法的普适性 | 实现旅游目的地的精确感知识别，支持目的地管理决策和旅游推荐 | 旅游目的地感知特征，包括内容、情感和时空维度 | 计算机视觉,自然语言处理,地理信息系统 | NA | 用户生成内容分析,地理信息系统技术 | CNN,LSTM | 图像,文本,时空信息 | 包含图像、文本和时空信息的综合UGC数据集 | NA | Inception V3,BiLSTM | 准确率 | NA |