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 2621 - 2640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2621 | 2025-03-26 |
Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography
2025, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S501316
PMID:40125481
|
研究论文 | 开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜 | 首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD) | 存在少量误分类情况，有7例RD被错误标记为PVD | 提高在超声检查中识别和区分附着于视盘的膜的准确性 | 眼部超声B扫描图像 | 计算机视觉 | 眼科疾病 | 超声检查(USG) | Vision Transformer (ViT) | 图像 | 训练和验证集505个样本，测试集212个样本 | NA | NA | NA | NA |
| 2622 | 2025-03-26 |
[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-0303
PMID:40128957
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2623 | 2025-10-07 |
A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils
2025-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84940-w
PMID:39820053
|
研究论文 | 提出一种基于混合架构深度学习模型预测二维翼型压力分布图像的新方法 | 结合无监督和监督学习范式，开发了融合传统自编码器、卷积自编码器和混合CAE的混合架构模型 | 仅针对二维翼型进行验证，未扩展到三维复杂几何形状 | 开发图像预测方法以支持基于图像的近似优化设计 | 二维翼型的压力分布图像 | 计算机视觉 | NA | 计算流体动力学模拟 | 自编码器, 全连接神经网络 | 图像 | NA | NA | 自编码器, 卷积自编码器, 混合CAE | 匹配率 | NA |
| 2624 | 2025-10-07 |
Evaluating and implementing machine learning models for personalised mobile health app recommendations
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319828
PMID:40106462
|
研究论文 | 本文评估并实现了用于个性化移动健康应用推荐的机器学习模型 | 引入Rating_Reviews特征捕捉评分和评论的累积影响，并采用BERT等先进模型在健康应用推荐中实现高效迁移学习 | NA | 设计一个利用应用属性为用户提供相关上下文建议的推荐系统 | 来自各健康应用平台的应用描述、评分、评论和其他相关属性 | 机器学习 | NA | 机器学习，深度学习 | Random Forest Classifier, BERT | 文本数据（应用描述、评论），结构化数据（评分、属性） | NA | NA | BERT | 准确率 | NA |
| 2625 | 2025-03-23 |
Improvement of BCI performance with bimodal SSMVEPs: enhancing response intensity and reducing fatigue
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1506104
PMID:40115888
|
研究论文 | 本文提出了一种创新的稳态运动视觉诱发电位（SSMVEP）范式，结合运动和颜色刺激，旨在增强脑机接口（BCI）性能并减少视觉疲劳 | 开发了一种结合运动和颜色刺激的SSMVEP范式，显著提高了分类准确率和信号噪声比，同时减少了视觉疲劳 | 实验在受控的实验室条件下进行，未在真实环境中验证 | 增强SSMVEP响应强度并减少视觉疲劳 | 稳态运动视觉诱发电位（SSMVEP）和稳态视觉诱发电位（SSVEP） | 脑机接口 | NA | EEGNet深度学习算法和快速傅里叶变换（FFT） | EEGNet | 脑电图（EEG）数据 | NA | NA | NA | NA | NA |
| 2626 | 2025-03-23 |
AM-MTEEG: multi-task EEG classification based on impulsive associative memory
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1557287
PMID:40115889
|
研究论文 | 本文提出了一种基于冲动联想记忆的多任务EEG分类模型AM-MTEEG，用于跨受试者的EEG分类 | AM-MTEEG模型结合了深度学习的卷积网络和冲动网络，利用双向联想记忆进行跨受试者的EEG分类，提高了分类精度并减少了性能差异 | NA | 提高跨受试者EEG分类的准确性和一致性 | 脑电图（EEG）数据 | 脑机接口 | NA | 深度学习 | 卷积编码器-解码器、冲动神经元、双向联想记忆 | EEG数据 | 两个BCI竞赛数据集 | NA | NA | NA | NA |
| 2627 | 2025-03-22 |
Current Status of Artificial Intelligence Use in Colonoscopy
2025, Digestion
IF:3.0Q2
DOI:10.1159/000543345
PMID:39724867
|
研究论文 | 本文探讨了人工智能在结肠镜检查中的应用现状及其对结直肠癌筛查的影响 | 介绍了实时计算机辅助检测系统和用于组织病理学预测的计算机辅助诊断系统，这些系统有助于区分肿瘤性和非肿瘤性病变 | 存在霍桑效应和潜在过度诊断等偏差，需要大规模临床试验验证AI的长期效益 | 评估人工智能在提高结肠镜检查质量和结直肠癌筛查效果方面的潜力 | 结肠镜检查中的结直肠息肉检测和诊断 | 数字病理学 | 结直肠癌 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 2628 | 2025-10-07 |
Value of vendor-agnostic deep learning image denoising in brain computed tomography: A multi-scanner study
2025-01, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2290-4781
PMID:38749431
|
研究论文 | 评估供应商无关的深度学习去噪算法在五种CT扫描仪上对非对比颅脑CT图像质量的改善效果 | 首次在多扫描仪研究中验证供应商无关深度学习去噪算法的普适性，证明其在不同厂商设备上的有效性 | 单中心回顾性研究，样本量有限（150例患者），仅针对轻微头部创伤患者 | 评估深度学习去噪算法在脑部CT图像质量改善方面的价值 | 轻微头部创伤后接受常规成像的150例患者 | 医学影像处理 | 头部创伤 | 计算机断层扫描 | 深度学习 | 医学影像 | 150例患者（5种扫描仪各30例） | NA | NA | 图像噪声、信噪比、对比噪声比、伪影指数、4点Likert量表评分 | NA |
| 2629 | 2025-10-07 |
Language model-based labeling of German thoracic radiology reports
2025-01, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2287-5054
PMID:38663428
|
研究论文 | 本研究开发了一种基于深度学习的德语胸部放射学报告标签提取模型，并评估其在胸部X光分类中的性能 | 提出使用弱监督方法训练德语BERT模型进行放射学报告标签提取，仅需少量人工标注数据即可达到接近人工标注的性能 | 研究仅针对德语放射学报告，模型在其他语言上的适用性需要进一步验证 | 探索弱监督在深度学习标签预测模型中的潜力，用于从德语自由文本胸部放射学报告中提取标签并训练胸部X光分类模型 | 德语胸部放射学报告和相关的胸部X光图像 | 自然语言处理 | 肺部疾病 | 放射学报告分析，胸部X光成像 | BERT, DenseNet | 文本，图像 | 66071份回顾性收集的放射学报告(DS 0)，1091份手动标注报告(DS 1)，6434张胸部X光片(DS 2) | NA | German BERT, DenseNet-121 | F1分数，AUC | NA |
| 2630 | 2025-10-07 |
Artificial intelligence-enhanced magnetic resonance imaging-based pre-operative staging in patients with endometrial cancer
2025-Jan, International journal of gynecological cancer : official journal of the International Gynecological Cancer Society
IF:4.1Q2
DOI:10.1016/j.ijgc.2024.100017
PMID:39878275
|
研究论文 | 本研究开发了一种基于深度学习的MRI图像分析流程，用于子宫内膜癌患者的术前分期评估 | 提出了一种两阶段深度学习管道，先分割整个MRI体积中的子宫，再在预测的感兴趣区域中进行肿瘤分割 | 数据变异、类别不平衡和伪影存在带来的挑战 | 通过AI辅助子宫内膜癌的术前分期，预测深肌层浸润和宫颈基质浸润 | 子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 磁共振成像 | 深度学习 | MRI图像 | 178名患者 | NA | NA | 准确率, Dice系数 | NA |
| 2631 | 2025-03-20 |
Retraction: Control of hybrid electromagnetic bearing and elastic foil gas bearing under deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320337
PMID:40100785
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2632 | 2025-10-07 |
Automated program using convolutional neural networks for objective and reproducible selection of corneal confocal microscopy images
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251326223
PMID:40103638
|
研究论文 | 开发基于卷积神经网络的自动程序用于客观可重复地选择角膜共聚焦显微镜图像 | 首次提出结合ResNet-18深度特征提取和无监督聚类的全自动CCM图像选择算法，通过平衡非冗余性和代表性确保客观性和可重复性 | 需要多中心研究在不同人群中验证结果 | 开发自动化算法改善糖尿病周围神经病变的诊断效率 | 角膜共聚焦显微镜图像 | 计算机视觉 | 糖尿病周围神经病变 | 角膜共聚焦显微镜 | CNN | 图像 | 数百张图像 | NA | ResNet-18 | 诊断准确率 | 分析数百张图像仅需1秒 |
| 2633 | 2025-10-07 |
Intraoperative robotic measurements of coronal alignment in total knee arthroplasty correlate with pre- and post-operative long-leg radiographs
2025-Jan, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70220
PMID:40103674
|
研究论文 | 本研究通过比较机器人测量与长腿X光片测量，验证了全膝关节置换术中机器人测量冠状位对齐的准确性 | 首次将无图像机器人系统测量与基于深度学习的术前术后长腿X光片测量进行对比验证 | 回顾性研究，单中心数据，样本量有限（59例患者） | 验证全膝关节置换术中机器人测量冠状位对齐的准确性和可靠性 | 接受初次全膝关节置换术的59名患者 | 数字病理 | 骨科疾病 | 长腿X光片，机器人测量系统 | 深度学习模型 | 医学影像 | 59名患者 | NA | NA | Pearson相关系数，p值，平均差异 | NA |
| 2634 | 2025-10-07 |
Role of AI in empowering and redefining the oncology care landscape: perspective from a developing nation
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1550407
PMID:40103737
|
综述 | 探讨人工智能在印度等发展中国家肿瘤护理领域中的应用潜力与变革作用 | 从发展中国家视角系统分析AI在肿瘤全程管理中的实施路径，强调针对人口大国医疗资源不均的解决方案 | 未涉及具体临床验证数据，主要基于理论分析和现有文献综述 | 评估AI技术如何帮助发展中国家应对肿瘤诊疗挑战并优化医疗资源配置 | 印度医疗体系、肿瘤患者群体、医疗资源配置 | 医疗人工智能 | 癌症 | 机器学习、深度学习、自然语言处理 | NA | 医疗健康数据、人口统计数据 | 年报告140万癌症病例 | NA | NA | NA | NA |
| 2635 | 2025-10-07 |
A bibliometric analysis of artificial intelligence research in critical illness: a quantitative approach and visualization study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1553970
PMID:40103796
|
文献计量分析 | 通过文献计量学方法对重症医学领域人工智能研究进行定量分析和可视化展示 | 首次系统性地对重症医学AI研究领域进行文献计量分析，识别核心作者、机构和研究热点 | 仅基于文献数据库分析，未涉及具体临床验证和模型性能评估 | 分析人工智能在重症医学领域的研究现状和发展趋势 | 2005-2024年间900篇相关学术文献 | 机器学习 | 重症疾病 | 文献计量分析 | NA | 文献数据 | 900篇文章，涉及6,653位作者和82个国家 | R-bibliometrix, VOSviewer, CiteSpace | NA | NA | NA |
| 2636 | 2025-10-07 |
Evaluating deep learning auto-contouring for lung radiation therapy: A review of accuracy, variability, efficiency and dose, in target volumes and organs at risk
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100736
PMID:40104215
|
综述 | 评估深度学习自动勾画在肺癌放疗中对靶区和危及器官轮廓的准确性、变异性和效率 | 系统评估深度学习自动勾画在肺癌放疗中的综合表现，包括准确性、观察者间变异性、时间效率和剂量体积影响 | 观察者间变异性研究结果不一致，剂量体积评估研究数量有限，需要更多临床验证 | 评估深度学习算法在肺癌放疗计划中自动勾画靶区和危及器官的应用效果 | 肺癌患者的放疗靶区体积和危及器官 | 医学影像分析 | 肺癌 | 深度学习自动轮廓勾画 | 深度学习算法 | 医学影像数据 | 包含40项研究 | NA | NA | 准确性, 观察者间变异性, 勾画时间, 剂量体积指标 | NA |
| 2637 | 2025-10-07 |
Duple-MONDNet: duple deep learning-based mobile net for motor neuron disease identification
2025, Turkish journal of medical sciences
IF:1.2Q2
DOI:10.55730/1300-0144.5952
PMID:40104302
|
研究论文 | 提出一种基于双重深度学习的移动网络模型Duple-MONDNet，用于运动神经元疾病的早期识别 | 采用双重特征提取框架，结合局部二值模式纹理特征和颜色信息特征进行疾病分类 | NA | 运动神经元疾病的早期检测 | 运动神经元疾病患者 | 医学影像分析 | 运动神经元疾病 | 弥散张量成像纤维束成像 | 深度学习 | 医学影像 | NA | NA | MobileNet | 检测率,F1分数 | NA |
| 2638 | 2025-10-07 |
Integrated convolutional neural network for skin cancer classification with hair and noise restoration
2025, Turkish journal of medical sciences
IF:1.2Q2
DOI:10.55730/1300-0144.5954
PMID:40104314
|
研究论文 | 提出集成卷积神经网络用于皮肤癌分类，通过头发修复和噪声去除提升诊断准确率 | 提出集成头发去除(IHR)和集成噪声去除(INR)的CNN方法，结合头发修复和图像去噪技术来提升皮肤病变分类性能 | 使用合成数据集进行实验，可能无法完全反映真实临床场景的复杂性 | 研究皮肤病变图像中头发和噪声伪影对分类器性能的影响，并开发去除方法以提高诊断准确性 | 皮肤病变的皮肤镜图像 | 计算机视觉 | 皮肤癌 | 头发模拟、噪声模拟、非局部均值去噪 | CNN | 图像 | HAM10000基准数据集和合成数据集 | NA | ResNet50, DenseNet121, ResNet152, VGG16, VGG19 | 准确率 | NA |
| 2639 | 2025-10-07 |
Deep learning-based analysis of 12-lead electrocardiograms in school-age children: a proof of concept study
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1471989
PMID:40109297
|
研究论文 | 开发并验证基于深度学习的12导联心电图自动分析模型，用于筛查学龄儿童异常心电图 | 首次将深度学习技术应用于学龄儿童12导联心电图的自动分析，相比传统算法在检测多种心电图异常时具有更高的特异性 | 研究样本仅来自日本一家三级转诊医院，需要进一步研究验证模型的普适性 | 开发自动分析儿童心电图的深度学习模型，用于筛查有猝死风险的儿童心脏病 | 6-18岁学龄儿童的心电图数据 | 机器学习 | 心血管疾病 | 心电图信号处理 | 深度学习 | 心电图波形数据 | 1,842份心电图（来自1,062名患者），其中测试组310份心电图（来自177名患者） | NA | NA | 特异性, 敏感性, McNemar检验, 决策曲线分析 | NA |
| 2640 | 2025-10-07 |
PoseRL-Net: human pose analysis for motion training guided by robot vision
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1531894
PMID:40109574
|
研究论文 | 提出PoseRL-Net深度学习模型用于机器人视觉引导下的人体姿态分析，提升复杂动态环境中的人机交互能力 | 集成时空图卷积网络、注意力机制、门控循环单元、姿态优化和对称约束的多组件融合架构 | NA | 解决传统人体姿态识别方法在遮挡、光照变化和运动连续性方面的局限性 | 人体姿态识别与分析 | 计算机视觉 | NA | 深度学习 | STGCN, GRU | 运动姿态数据 | Human3.6M和MPI-INF-3DHP数据集 | NA | Spatial-Temporal Graph Convolutional Network, Gated Recurrent Unit | MPIPE, P-MPIPE | NA |