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 3544 篇文献，本页显示第 1041 - 1060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1041 | 2025-10-06 |
Artificial intelligence in advanced gastric cancer: a comprehensive review of applications in precision oncology
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1630628
PMID:40904504
|
综述 | 本文全面综述了人工智能在晚期胃癌精准肿瘤学中的应用现状与前景 | 系统整合了多模态AI方法在晚期胃癌诊疗中的应用，强调多源数据融合对预测性能的提升 | 存在数据质量与标准化不足、模型泛化性与可解释性有限、缺乏严谨前瞻性验证等问题 | 探讨人工智能在晚期胃癌精准肿瘤学中的应用潜力与发展方向 | 晚期胃癌患者的多维数据（临床记录、基因组学、影像组学、病理组学） | 精准医疗 | 胃癌 | 机器学习、深度学习 | NA | 临床记录、基因组数据、医学影像、数字病理 | NA | NA | NA | NA | NA |
| 1042 | 2025-10-06 |
A new deep learning model for predicting IMRT dose distributions for lung cancer with dose masks
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1587788
PMID:40904510
|
研究论文 | 提出一种结合剂量掩模的深度学习模型，用于提高肺癌IMRT剂量分布的预测精度 | 首次在肺癌IMRT剂量预测中引入剂量掩模信息，显著提升了中低剂量区域的预测准确性 | 研究仅针对肺癌IMRT治疗，未验证在其他癌症类型或放疗技术中的适用性 | 开发更精确的肺癌IMRT剂量分布预测方法 | 肺癌患者的放疗剂量分布 | 数字病理 | 肺癌 | IMRT（调强放疗） | CNN | CT图像, 解剖结构, 剂量掩模 | 包含常规放疗和同步整合推量放疗的混合数据集 | NA | 3D U-Net | MAE（平均绝对误差） | NA |
| 1043 | 2025-10-06 |
Improving EEG classification of alcoholic and control subjects using DWT-CNN-BiGRU with various noise filtering techniques
2025, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2025.1618050
PMID:40904893
|
研究论文 | 本研究提出了一种结合离散小波变换、CNN和双向GRU的混合模型，用于提高酒精依赖者和正常对照组的EEG信号分类性能 | 首次将DWT-CNN-BiGRU混合架构应用于EEG酒精依赖分类，并系统比较了三种信号去噪技术的效果 | 未明确说明样本来源和数据集规模，可能影响结果的泛化能力 | 开发更可靠的EEG信号分类方法以辅助酒精依赖诊断 | 酒精依赖患者和正常对照组的脑电图信号 | 生物医学信号处理 | 酒精依赖症 | EEG信号分析, 离散小波变换, 离散傅里叶变换, 离散余弦变换 | CNN, BiGRU | EEG信号 | NA | NA | DWT-CNN-BiGRU, DWT-CNN-BiLSTM | 准确率, 精确率, 召回率, F1分数 | NA |
| 1044 | 2025-10-06 |
AI-driven early detection of severe influenza in Jiangsu, China: a deep learning model validated through the design of multi-center clinical trials and prospective real-world deployment
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1610244
PMID:40900711
|
研究论文 | 开发并验证基于深度学习的重症流感早期诊断模型 | 采用多中心临床试验设计和前瞻性真实世界部署验证的AI模型 | 研究范围限定在江苏省87家医院，可能存在地域局限性 | 开发重症流感早期诊断的深度学习模型 | 江苏省87家医院2019-2025年的电子健康记录数据 | 机器学习 | 流感 | 电子健康记录分析 | 深度学习 | 电子健康记录 | 江苏省87家医院2019-2025年数据 | NA | NA | AUC, 误诊率 | NA |
| 1045 | 2025-10-06 |
Automated Classification of Dental Caries in Bitewing Radiographs Using Machine Learning and the ICCMS Framework
2025, International journal of dentistry
IF:1.9Q2
DOI:10.1155/ijod/6644310
PMID:40894183
|
研究论文 | 本研究评估YOLOv11模型在咬翼片中基于ICCMS框架的龋齿自动检测与分割性能 | 首次将YOLOv11模型与标准化ICCMS框架结合用于龋齿分类，并系统评估不同阶段龋损的检测性能差异 | 模型对早期龋损（RA1+RA2和RA3类别）检测性能中等，mAP50分别为0.61和0.52 | 开发基于人工智能的龋齿自动检测系统以提高诊断准确性 | 咬翼片中的龋齿病变 | 计算机视觉 | 龋齿 | 深度学习 | YOLO | X射线图像 | 730张咬翼片，包含1115个标注龋损 | NA | YOLOv11 | IoU, Dice相似系数, 精确率, 召回率, mAP50 | NA |
| 1046 | 2025-10-06 |
A systematic study of DNN based speech enhancement in reverberant and reverberant-noisy environments
2025-Jan, Computer speech & language
DOI:10.1016/j.csl.2024.101677
PMID:40895519
|
研究论文 | 系统研究基于深度神经网络的语音增强方法在混响和混响-噪声环境中的性能 | 系统研究时域语音增强方法，发现大窗口尺寸有助于去混响，添加变换操作可提高表示稀疏性 | 仅针对特定DNN模型（ARN和DC-CRN）进行研究，未涵盖所有可能的网络架构 | 研究深度神经网络在语音增强任务中的性能优化 | 混响和混响-噪声环境下的语音信号 | 语音处理 | NA | 深度神经网络 | ARN, DC-CRN | 语音波形 | NA | NA | 注意力循环网络, 密集连接卷积循环网络 | NA | NA |
| 1047 | 2025-10-06 |
Characterizing Psychiatric Disorders Through Graph Neural Networks: A Functional Connectivity Analysis of Depression and Schizophrenia
2025, Depression and anxiety
IF:4.7Q1
DOI:10.1155/da/9062022
PMID:40895757
|
研究论文 | 本研究利用图神经网络分析抑郁症和精神分裂症的功能连接模式，揭示两种精神疾病的神经机制差异 | 首次将注意力机制分层池化图神经网络(SAGPool)应用于精神疾病的功能连接分析，并通过扰动可解释性方法识别关键功能连接 | 研究基于多中心静息态fMRI数据，但样本量相对有限，模型性能仍有提升空间 | 识别抑郁症和精神分裂症在大规模脑网络分布中的共性和差异模式 | 抑郁症患者、精神分裂症患者和健康对照者 | 机器学习 | 精神疾病 | 静息态功能磁共振成像(fMRI) | 图神经网络(GNN) | 脑功能连接数据 | 多中心fMRI数据集，包含抑郁症、精神分裂症患者和健康对照者 | NA | SAGPool | 准确率 | NA |
| 1048 | 2025-10-06 |
Pseudo-Rendering for Resolution and Topology-Invariant Cortical Parcellation
2025, Machine learning in medical imaging. MLMI (Workshop)
DOI:10.1007/978-3-031-73290-4_8
PMID:40896370
|
研究论文 | 提出一种名为PRIR的新型皮层网格分割方法，通过伪渲染-逆渲染框架将3D网格分割问题转化为2D分割任务 | 提出伪渲染-逆渲染框架，不受网格拓扑结构限制，能有效捕捉长程依赖关系 | 未明确说明计算复杂度与处理时间 | 开发拓扑不变且分辨率不变的皮层网格分割方法 | 皮层网格模型，包括白质网格和表面扫描数据 | 计算机视觉 | NA | 表面扫描，网格渲染 | CNN | 3D网格，2D图像 | NA | NA | U-Net | 准确率 | NA |
| 1049 | 2025-10-06 |
Validation of a deep learning-based AI system for HER2-targeted breast cancer assessment using ultrasound imaging in a clinical setting
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1639474
PMID:40896446
|
研究论文 | 评估基于深度学习的AI系统在临床环境中使用超声成像进行HER2靶向乳腺癌评估的性能 | 开发了首个在常规临床环境中验证的深度学习AI系统，用于HER2阳性乳腺癌的实时风险分层和治疗监测 | 样本量较小(86例)，统计功效处于边界水平(~0.74)，需要在更大更多样化的队列中进行更广泛验证 | 评估AI系统在乳腺癌治疗监测中的有效性，比较赫赛汀与多柔比星在降低AI预测恶性肿瘤风险百分比方面的效果 | HER2阳性乳腺癌患者 | 数字病理 | 乳腺癌 | B型超声成像，免疫组织化学，组织病理学 | CNN | 超声图像 | 86名患者(来自150人的更大队列) | NA | 卷积神经网络 | 诊断准确性，风险评分与治疗反应相关性 | NA |
| 1050 | 2025-10-06 |
Predicting Treatment Response to Transcatheter Arterial Chemoembolization in Hepatocellular Carcinoma Patients using a Deep Learning-based Approach
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于预测肝细胞癌患者对经导管动脉化疗栓塞术的治疗反应 | 提出了结合注意力机制的改进LeNet架构，用于预测HCC患者对TACE的治疗反应 | 样本量相对较小（111例患者），需要在更大规模数据集中验证模型性能 | 评估深度学习模型在预测HCC患者对TACE早期治疗反应中的有效性和精确性 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | MRI成像 | CNN | 医学影像 | 111例HCC患者（训练集91例645张图像，测试集20例155张图像） | NA | LeNet with attention mechanism | AUC, 准确率, ROC曲线, 混淆矩阵 | NA |
| 1051 | 2025-10-06 |
Artificial intelligence technologies for enhancing neurofunctionalities: a comprehensive review with applications in Alzheimer's disease research
2025, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2025.1609063
PMID:40893125
|
综述 | 本文综述人工智能技术在增强神经功能方面的应用，重点探讨其在阿尔茨海默病研究中的诊断、预测和治疗进展 | 系统整合AI在阿尔茨海默病早期生物标志物识别、认知康复训练及药物研发等多领域的创新应用 | 未提及具体数据验证结果和方法学局限性 | 探讨人工智能技术在神经功能增强和阿尔茨海默病研究中的应用前景 | 阿尔茨海默病患者及相关医疗数据 | 机器学习 | 阿尔茨海默病 | NA | 机器学习,深度学习 | 遗传数据,影像数据 | NA | NA | NA | NA | NA |
| 1052 | 2025-10-06 |
Identify doctors' online performance and prioritize service attributes: A framework with aspect-based sentiment analysis and empirical investigation
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251353320
PMID:40893170
|
研究论文 | 本研究提出基于方面情感分析的三阶段框架，用于识别医生在线表现并优先排序服务属性 | 结合深度学习和计量经济学模型，从患者评论中提取服务属性并量化其对满意度和咨询需求的影响 | 仅基于单一在线医疗平台数据，未考虑不同平台间的差异 | 优先排序与医生在线表现相关的服务属性，帮助医生优化服务质量 | 在线医疗平台上的医生和患者评论 | 自然语言处理 | NA | 方面情感分析 | 深度学习模型 | 文本 | 445,435条评论，涉及49,024名医生 | 极端梯度提升 | NA | NA | NA |
| 1053 | 2025-10-06 |
Robust deep MRI contrast synthesis using a prior-based and task-oriented 3D network
2025, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.116
PMID:40893451
|
研究论文 | 提出一种基于先验知识和任务导向的3D深度学习网络，用于从T1加权MRI合成T2加权MRI | 结合分割导向损失函数、频率空间信息损失和多图谱先验信息，采用半监督学习框架提升模型泛化能力 | NA | 开发鲁棒的MRI对比度合成方法以减少临床扫描时间和资源消耗 | T1加权和T2加权磁共振图像 | 医学影像分析 | NA | 磁共振成像 | 3D深度学习网络 | 3D医学图像 | NA | NA | NA | 分割性能指标 | NA |
| 1054 | 2025-10-06 |
RetinalVasNet: a deep learning approach for robust retinal microvasculature detection
2025, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2025.1562608
PMID:40894076
|
研究论文 | 提出了一种名为RetinalVasNet的深度学习方法，用于精确检测视网膜微血管 | 通过采用复杂的神经网络架构并整合多通道眼底图像来提升视网膜血管分割的准确性 | NA | 提高视网膜血管分割的准确性和有效性 | 视网膜微血管 | 计算机视觉 | 眼科疾病,心血管疾病 | 多通道眼底成像 | 深度学习 | 眼底图像 | NA | NA | RetinalVasNet | NA | NA |
| 1055 | 2025-10-06 |
Deep learning-based semantic segmentation for rice yield estimation by analyzing the dynamic change of panicle coverage
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1611653
PMID:40894489
|
研究论文 | 本研究提出了一种基于深度学习的时序框架，通过分析稻穗覆盖度的动态变化来预测水稻产量 | 首次将时序分析引入稻穗表型研究，通过分段函数建模稻穗覆盖度的生长和衰退动态，突破了传统单时间点分析的局限 | 研究仅基于RGB图像，未考虑多光谱或其他传感器数据；模型在两年生长季节数据上验证，需要更多年份数据验证普适性 | 开发水稻表型分析和产量预测的新方法 | 水稻冠层和稻穗 | 计算机视觉 | NA | RGB成像技术 | 语义分割模型, 回归模型 | 高分辨率RGB图像 | 两个生长季节的水稻冠层图像数据 | NA | DeepLabv3+, U-Net, PSPNet, FPN, LinkNet | mIoU, R2, 相关系数r | NA |
| 1056 | 2025-10-06 |
Cenobamate reduces epileptiform activity in the ex vivo F98 rat glioma model
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1629259
PMID:40896334
|
研究论文 | 评估新型抗癫痫药物cenobamate在胶质瘤相关癫痫临床前模型中的疗效 | 首次在胶质瘤相关癫痫模型中评估cenobamate的抗癫痫效果，并采用深度学习分析癫痫样事件 | 研究基于离体大鼠脑切片模型，尚未进行在体验证 | 开发针对胶质瘤相关癫痫的新型抗癫痫药物 | Fischer大鼠皮质切片（包括假手术组和F98肿瘤植入组） | 数字病理 | 脑胶质瘤 | 局部场电位记录、急性去抑制溶液、功率谱密度分析 | 深度学习 | 电生理信号 | 未明确样本数量，使用Fischer大鼠皮质切片 | NA | NA | 癫痫样事件持续时间比例、尖峰负荷、功率谱密度 | NA |
| 1057 | 2025-10-06 |
Magnetoencephalographic source localization and reconstruction via deep learning
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1578473
PMID:40896341
|
研究论文 | 提出一种名为Deep-MEG的深度学习算法，用于实现脑磁图信号的时空源定位与重建 | 采用混合神经网络架构同时提取MEG信号的时空信息，能够处理全脑信号而不局限于皮层源成像 | NA | 解决脑磁图数据源级信号估计的空间分辨率限制问题 | 脑磁图信号和脑内源活动 | 机器学习 | NA | 脑磁图 | 深度学习,混合神经网络 | 脑磁图信号 | NA | NA | NA | NA | NA |
| 1058 | 2025-10-06 |
HeteroMRI: Robust white matter abnormality classification across multi-scanner MRI data
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf092
PMID:40844084
|
研究论文 | 提出一种名为HeteroMRI的深度学习方法，用于在多扫描仪MRI数据中分类白质异常 | 通过白质组织强度聚类减少MRI数据异质性对分类性能的影响，无需额外机器学习方法处理异质性 | 在数据量减少64%和75%的有限数据场景下，模型准确率分别下降4%和12% | 开发对MRI扫描仪和采集协议高度独立的分类方法 | 人类大脑白质异常 | 医学影像分析 | 白质异常疾病 | MRI | 深度学习 | MRI图像 | 来自11个公共数据集的200个训练MRI，包含40种MRI协议 | NA | NA | 准确率 | NA |
| 1059 | 2025-10-06 |
A review of the emerging technologies and systems to mitigate food fraud in supply chains
2025, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2024.2405840
PMID:39356551
|
综述 | 本文综述了新兴技术和系统在缓解食品供应链欺诈方面的应用 | 重点探讨手持激光诱导击穿光谱和智能手机光谱等新型快速食品认证技术，以及结合深度学习策略的多功能设备 | 将实验室精密技术转化为高节奏实时工业应用存在显著差距 | 调查缓解食品欺诈的新兴技术和策略，探索其应用的主要障碍 | 食品供应链欺诈缓解技术和系统 | NA | NA | 激光诱导击穿光谱, 智能手机光谱, 光谱技术, 分离技术 | 深度学习 | 光谱数据, 食品指纹数据 | NA | NA | NA | NA | NA |
| 1060 | 2025-10-06 |
Artificial Intelligence and Chromothripsis
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4750-9_16
PMID:40884650
|
综述 | 探讨人工智能在基因组学领域特别是染色体碎裂检测与表征中的应用潜力 | 首次系统阐述人工智能技术在染色体碎裂研究中的创新应用，通过深度学习算法突破传统检测方法的局限 | 未涉及具体实验验证数据，主要基于理论探讨和案例研究 | 研究人工智能在基因组学领域的应用，特别是染色体碎裂的检测与表征 | 染色体碎裂现象及其相关的基因组重排 | 机器学习 | NA | 核型分析,FISH,array-CGH,NGS,多组学数据整合 | 深度学习,机器学习 | 基因组数据,多组学数据 | NA | NA | NA | NA | NA |