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 3742 篇文献，本页显示第 2481 - 2500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2481 | 2025-10-07 |
Expert level of detection of interictal discharges with a deep neural network
2025-Jan, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18164
PMID:39530797
|
研究论文 | 开发并验证用于检测脑电图痫样放电的深度神经网络，性能达到专家水平 | 首次将深度神经网络与多位专家在痫样放电检测方面进行系统性比较，并采用混合方法进行外部验证 | 样本量相对有限，专家间存在观察者间变异性 | 评估深度神经网络在脑电图痫样放电自动检测中的临床应用潜力 | 脑电图记录和痫样放电 | 医疗人工智能 | 癫痫 | 脑电图分析 | 深度神经网络 | 脑电图信号 | 内部验证：50例脑电图研究（22例有痫样放电，28例对照）；外部验证：174例脑电图研究 | NA | 深度神经网络 | 灵敏度，特异性，假阳性率，Cohen's κ，Fleiss' κ | NA |
| 2482 | 2025-10-07 |
Enhancing detection of various pancreatic lesions on endoscopic ultrasound through artificial intelligence: a basis for computer-aided detection systems
2025-Jan, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16814
PMID:39538430
|
研究论文 | 开发基于人工智能的计算机辅助检测系统，用于实时检测和分割内镜超声下的各种胰腺病变 | 首次针对内镜超声开发实时胰腺病变检测和分割的深度学习模型，为计算机辅助检测系统奠定基础 | 单中心研究，需要进一步验证和泛化研究 | 开发用于内镜超声的计算机辅助检测系统，减少操作者依赖性 | 胰腺病变（恶性肿瘤、神经内分泌肿瘤、良性囊肿、胰腺炎等） | 计算机视觉 | 胰腺疾病 | 内镜超声 | 深度学习模型 | 图像 | 165名患者的1497张内镜超声图像 | NA | NA | IoU, PPV, NPV, 准确率, ROC | NA |
| 2483 | 2025-04-25 |
Retraction: Unreferenced English articles' translation quality-oriented automatic evaluation technology using sparse autoencoder under the background of deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322063
PMID:40267925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2484 | 2025-04-27 |
Elevator fault precursor prediction based on improved LSTM-AE algorithm and TSO-VMD denoising technique
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320566
PMID:40273057
|
研究论文 | 提出一种结合VMD、BILSTM和AEAM的电梯故障前兆预测方法，提升预测的稳定性和准确性 | 整合VMD、BILSTM和AEAM算法，提出VMD-BILSTM-AEAM模型，有效解决电梯运行数据中的特征冗余和噪声干扰问题 | 未提及模型在极端噪声环境下的表现或对其他类型机械故障的适用性 | 提升电梯故障前兆预测的准确性和稳定性 | 电梯运行参数（电流、电压、运行速度等） | 机器学习 | NA | VMD（变分模态分解）、BILSTM（双向长短期记忆网络）、AEAM（带注意力机制的自编码器） | VMD-BILSTM-AEAM | 时间序列数据 | 未明确提及具体样本数量，仅提到电梯运行参数数据集 | NA | NA | NA | NA |
| 2485 | 2025-04-27 |
Intelligent recognition of human activities using deep learning techniques
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321754
PMID:40273193
|
research paper | 该研究利用深度学习技术，通过集成3D-AlexNet-RF和InceptionV3 Google-Net模型，提高了RGB视频中人类活动识别的准确性 | 采用集成方法结合两种深度学习模型的预测结果，显著提升了人类活动识别的性能 | 研究仅基于HMDB51数据集进行评估，可能在其他数据集上的泛化能力有待验证 | 提升人类活动识别（HAR）的准确性，以改善患者护理、增强安全监控和促进人机交互 | RGB视频中的人类活动 | computer vision | NA | 深度学习 | 3D-AlexNet-RF, InceptionV3 Google-Net | video | HMDB51数据集 | NA | NA | NA | NA |
| 2486 | 2025-04-27 |
ToxDL 2.0: Protein toxicity prediction using a pretrained language model and graph neural networks
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.04.002
PMID:40276117
|
研究论文 | 介绍了一种名为ToxDL 2.0的新型多模态深度学习模型，用于预测蛋白质毒性 | 整合了来自预训练语言模型和AlphaFold2的进化和结构信息，通过图卷积网络（GCN）模块、域嵌入模块和密集模块来预测蛋白质毒性 | 未提及具体局限性 | 开发高效的计算方法来预测蛋白质毒性，替代传统耗时、昂贵且劳动密集型的实验方法 | 蛋白质 | 机器学习 | NA | 预训练语言模型、AlphaFold2、图卷积网络（GCN） | GCN | 蛋白质序列和结构数据 | 原始非冗余测试集（2022年前的蛋白质序列）和独立非冗余测试集（2022年后的蛋白质序列） | NA | NA | NA | NA |
| 2487 | 2025-04-27 |
Frontotemporal dementia: a systematic review of artificial intelligence approaches in differential diagnosis
2025, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2025.1547727
PMID:40276595
|
系统综述 | 本文系统综述了人工智能方法在额颞叶痴呆鉴别诊断中的应用 | 评估了当前机器学习模型在区分额颞叶痴呆与其他神经系统疾病中的优势和局限性，并提出了多模态数据整合的建议 | 样本量小、类别不平衡和缺乏标准化限制了模型的泛化能力 | 提高额颞叶痴呆的早期和准确鉴别诊断 | 额颞叶痴呆及其亚型与其他痴呆症（如阿尔茨海默病）的患者 | 自然语言处理 | 老年疾病 | 机器学习 | SVM, CNN | 神经影像和电生理数据 | 6,544名痴呆患者（包括2,984名额颞叶痴呆患者、3,437名阿尔茨海默病患者、103名轻度认知障碍患者和20名帕金森病痴呆或可能的路易体痴呆患者） | NA | NA | NA | NA |
| 2488 | 2025-04-27 |
Improving healthcare sustainability using advanced brain simulations using a multi-modal deep learning strategy with VGG19 and bidirectional LSTM
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1574428
PMID:40276738
|
research paper | 该研究提出了一种结合深度学习和集成学习方法的多模态方案，用于改进MRI上的脑肿瘤分类 | 结合预训练的VGG19网络、双向LSTM和LightGBM分类器，利用空间特征提取和序列依赖学习的互补优势 | 未提及具体的数据集规模或多样性限制 | 提高脑肿瘤分类的准确性和鲁棒性，以增强医疗成像诊断应用 | MRI图像中的脑肿瘤 | digital pathology | brain tumor | deep learning, ensemble learning | VGG19, Bidirectional LSTM, LightGBM | MRI images | NA | NA | NA | NA | NA |
| 2489 | 2025-10-07 |
GCLmf: A Novel Molecular Graph Contrastive Learning Framework Based on Hard Negatives and Application in Toxicity Prediction
2025-Jan, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400169
PMID:39421969
|
研究论文 | 提出了一种基于困难负样本的分子图对比学习框架GCLmf，用于毒性预测 | 首次在分子图对比学习中引入满足特定条件的分子片段作为困难负样本，提高负样本集质量 | 未明确说明数据集的规模限制和模型泛化能力的具体评估 | 开发更准确的化学毒性预测模型以降低药物发现成本 | 分子图数据 | 机器学习 | NA | 对比学习 | 深度学习 | 分子图 | NA | NA | GCLmf | 预测性能指标 | NA |
| 2490 | 2025-10-07 |
Diagnostic accuracy of deep learning-based algorithms in laryngoscopy: a systematic review and meta-analysis
2025-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-024-09049-2
PMID:39446141
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估深度学习算法在喉镜检查中对喉癌的诊断准确性 | 首次对深度学习在喉镜图像诊断中的性能进行系统评价和定量荟萃分析 | 纳入研究数量有限（9项研究），可能存在发表偏倚 | 评估深度学习算法在喉镜检查中的诊断效用 | 喉镜图像和喉癌诊断 | 计算机视觉 | 喉癌 | 喉镜检查 | 深度学习算法 | 内窥镜图像 | 106,175张内窥镜图像 | NA | NA | 灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, AUC | NA |
| 2491 | 2025-10-07 |
Evaluation of root canal filling length on periapical radiograph using artificial intelligence
2025-Jan, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00781-3
PMID:39465425
|
研究论文 | 本研究提出了一种基于人工智能和图像分析技术评估根管充填效果的新方法 | 首次将5种不同的卷积神经网络模型应用于根管充填分割，并开发了供牙科临床医生使用的图形用户界面进行根尖标记和距离测量 | 研究样本量相对有限（1121颗牙齿），仅基于597张根尖周X线片 | 开发人工智能系统来评估根管充填的质量和长度 | 接受根管治疗的牙齿和根管充填材料 | 计算机视觉 | 牙科疾病 | X射线成像 | CNN | 医学图像 | 597张根尖周X线片中的1121颗牙齿 | NA | 基于卷积神经网络的不同先进深度学习模型 | IoU, Dice分数, 准确率 | NA |
| 2492 | 2025-10-07 |
Cardiac motion correction with a deep learning network for perfusion defect assessment in single-photon emission computed tomography myocardial perfusion imaging
2025-Jan, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2024.102071
PMID:39491716
|
研究论文 | 本研究开发了一种基于深度学习的心脏运动校正方法，用于提高SPECT心肌灌注成像中灌注缺损的检测能力 | 首次将深度学习网络应用于SPECT-MPI的心脏运动校正，并在标准计数和低计数研究中验证了灌注缺损检测性能的提升 | 研究样本量有限（训练集197例，测试集194例），且使用模拟病变作为金标准而非真实临床病变 | 评估深度学习运动校正方法在SPECT心肌灌注成像中检测灌注缺损的潜在价值 | 心脏SPECT-MPI图像 | 医学影像分析 | 心血管疾病 | 单光子发射计算机断层扫描（SPECT），心电图门控 | 深度学习网络 | 医学影像 | 训练集197例，测试集194例临床受试者 | NA | NA | ROC曲线下面积（AUC） | NA |
| 2493 | 2025-10-07 |
Style harmonization of panoramic radiography using deep learning
2025-Jan, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00782-2
PMID:39470914
|
研究论文 | 本研究使用深度学习技术对来自不同设备的全景放射影像进行风格统一 | 首次使用CycleGAN对全景放射影像进行设备间风格统一，实现不同设备图像显示相似风格 | 仅使用单一机构的两种设备数据，模型需要进一步优化以适用于更多设备类型 | 统一不同设备生成的全景放射影像的显示风格 | 全景放射影像 | 计算机视觉 | NA | 全景放射成像 | CycleGAN | 图像 | 15,624张全景影像（Rayscan Alpha Plus设备8,079张，Pax-i plus设备7,545张），其中测试集包含222对患者图像（444张） | NA | CycleGAN | Frechet Inception Distance (FID), Learned Perceptual Image Patch Similarity (LPIPS), 专家评估 | NA |
| 2494 | 2025-10-07 |
Retinal OCT biomarkers and their association with cognitive function-clinical and AI approaches
2025-Jan, Die Ophthalmologie
DOI:10.1007/s00347-024-01988-9
PMID:38381373
|
综述 | 探讨视网膜OCT生物标志物与认知功能的关联及其在临床和人工智能中的应用前景 | 系统阐述视网膜OCT生物标志物作为认知障碍早期非侵入性标记物的潜力，并整合人工智能方法进行分析 | AI方法存在黑箱问题且在外部数据集表现不佳，生物标志物在临床常规应用的有效性仍需进一步验证 | 研究视网膜OCT生物标志物与认知功能的关联及其在神经退行性疾病早期检测中的应用 | 视网膜OCT生物标志物与认知功能关联机制 | 医学影像分析 | 神经退行性疾病 | 光学相干断层扫描(OCT) | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 2495 | 2025-10-07 |
Pruning Sparse Tensor Neural Networks Enables Deep Learning for 3D Ultrasound Localization Microscopy
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3552198
PMID:40126968
|
研究论文 | 提出使用稀疏张量神经网络实现基于深度学习的3D超声定位显微镜，显著降低内存需求 | 首次将稀疏张量神经网络应用于3D超声定位显微镜，实现两个数量级的内存需求降低 | 稀疏格式转换会导致一定程度的信息损失，在2D应用中性能略有下降 | 通过深度学习减少超声定位显微镜的采集时间，提高成像效率 | 体内微血管成像和微泡轨迹检测 | 医学影像分析 | 血管疾病 | 超声定位显微镜(ULM) | 神经网络 | 3D超声图像 | NA | NA | 稀疏张量神经网络 | 内存效率，检测性能 | NA |
| 2496 | 2025-10-07 |
CRCL: Causal Representation Consistency Learning for Anomaly Detection in Surveillance Videos
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3558089
PMID:40215152
|
研究论文 | 提出一种基于因果表示一致性学习的视频异常检测方法，通过挖掘场景鲁棒的因果变量来提升检测性能 | 首次将因果学习引入视频异常检测，提出场景去偏学习和因果启发式正态性学习来消除场景偏差并学习因果视频正态性 | 未明确说明在极端复杂场景下的适用性，且对实时性要求高的场景可能面临计算挑战 | 开发能够应对多场景设置中标签无关偏差的鲁棒视频异常检测方法 | 监控视频中的异常事件 | 计算机视觉 | NA | 因果表示学习 | 深度神经网络 | 监控视频 | 基准数据集上的广泛实验，包含多场景设置 | NA | NA | 通过消融研究和扩展验证评估性能稳定性 | NA |
| 2497 | 2025-04-26 |
Depth prediction of urban waterlogging based on BiTCN-GRU modeling
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321637
PMID:40267055
|
research paper | 提出了一种基于BiTCN-GRU混合深度学习模型的城市内涝深度预测方法 | 结合双向时间卷积网络(BiTCN)和门控循环单元(GRU)提升预测性能，相比现有模型如GBDT、LSTM和TCN-LSTM具有更高精度 | 未明确说明模型在其他城市或区域的泛化能力 | 提高城市内涝深度的预测准确性，为防灾减灾提供科学依据 | 城市易涝区域的内涝深度 | machine learning | NA | 深度学习 | BiTCN-GRU | 时序数据 | 两个数据集（Minshan Road和Huaihe Road） | NA | NA | NA | NA |
| 2498 | 2025-04-26 |
Opportunities and challenges with artificial intelligence in allergy and immunology: a bibliometric study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1523902
PMID:40270494
|
研究论文 | 通过文献计量学方法系统评估人工智能在过敏和免疫学领域的应用现状、趋势及未来热点 | 首次采用文献计量学方法全面分析AI在过敏和免疫学领域的研究格局，识别领先国家、主流研究主题及合作模式 | 存在技术限制、伦理问题及监管框架等潜在阻碍因素 | 评估人工智能在过敏和免疫学领域的应用现状与发展趋势 | 全球范围内AI在过敏和免疫学领域的3883篇研究文献 | 人工智能 | 过敏和免疫学疾病 | 文献计量分析 | 机器学习和深度学习 | 文献数据 | 3883篇文献，涉及21552位作者和1247种期刊 | NA | NA | NA | NA |
| 2499 | 2025-04-26 |
Construction and validation of a deep learning-based diagnostic model for segmentation and classification of diabetic foot
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1543192
PMID:40270716
|
研究论文 | 本研究利用深度学习模型对糖尿病足溃疡图像进行深入分析，实现伤口的自动分割和分类，探索人工智能在糖尿病足护理领域的应用 | 比较了三种实例分割模型（Mask2former、Deeplabv3plus和Swin-Transformer）在糖尿病足溃疡识别中的性能，发现Mask2former表现最佳 | 样本量较小（671张图像），可能影响模型的泛化能力 | 探索人工智能在糖尿病足护理领域的应用，实现伤口自动分割和分类 | 糖尿病足溃疡图像 | 计算机视觉 | 糖尿病足 | 深度学习 | Mask2former, Deeplabv3plus, Swin-Transformer | 图像 | 671张糖尿病足溃疡图像 | NA | NA | NA | NA |
| 2500 | 2025-04-26 |
Evaluating the Accuracy of Deep Learning Models and Dental Postgraduate Students in Measuring Working Length on Intraoral Periapical X-rays: An In vitro Study
2025 Jan-Mar, Contemporary clinical dentistry
IF:0.9Q3
DOI:10.4103/ccd.ccd_274_24
PMID:40270870
|
research paper | 本研究评估并比较了深度学习模型与牙科研究生在测量根尖周X光片工作长度上的准确性 | 首次将深度学习模型应用于牙科根尖周X光片工作长度的测量，并与人类专家进行比较 | 研究样本仅包含单根牙的X光片，可能不适用于多根牙的情况 | 评估人工智能在牙科诊断影像中的准确性 | 单根牙的根尖周X光片 | digital pathology | dental disease | deep learning | CNN | image | 100张根尖周X光片 | NA | NA | NA | NA |