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 1361 - 1380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1361 | 2025-10-07 |
[Deep Learning Approaches to Address the Shortage of Observers]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1554
PMID:40414718
|
研究论文 | 本研究开发了一种基于深度学习的AI观察器来解决熟练人类观察者短缺的问题，并评估了用AI替代人类观察者的影响 | 首次开发基于VGG19和VGG16的深度学习AI观察器，并在不同模块条件下评估其替代人类观察者的可行性 | 训练好的模型无法修改评估标准或阶段 | 解决熟练人类观察者短缺问题并评估AI替代的可行性 | CT系统扫描的体模图像 | 计算机视觉 | NA | CT扫描 | CNN | 医学图像 | 24张图像（6种管电流条件各扫描2次） | NA | VGG19,VGG16 | 方差,平均偏好度,统计显著性 | NA |
| 1362 | 2025-05-27 |
Editorial: Advances in computer vision: from deep learning models to practical applications
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1615276
PMID:40415892
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1363 | 2025-10-07 |
Mapping Artificial Intelligence Research Trends in Critical Care Nursing: A Bibliometric Analysis
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S522731
PMID:40416415
|
文献计量分析 | 通过文献计量方法分析2013-2023年重症监护护理领域人工智能研究的趋势和发展方向 | 首次系统性地对重症监护护理中人工智能研究进行文献计量分析，识别出七个代表性关键词聚类 | 分析仅限于2013-2023年期间的文献，可能无法反映更早期的研究趋势 | 分析重症监护护理领域人工智能研究趋势并展望未来研究方向 | 2013-2023年间发表的1,346篇相关学术文献 | 医疗人工智能 | 重症监护 | 文献计量分析，关键词聚类分析 | NA | 文献数据 | 1,346篇相关文章 | NA | NA | NA | NA |
| 1364 | 2025-10-07 |
The significance of an infant's cry: a narrative review of physiological, pathological, and analytical perspectives
2025, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2025.1558951
PMID:40416439
|
综述 | 本文系统回顾了婴儿哭声的生理机制、病理意义和分析方法，重点关注其作为生物标志物在健康评估和精准护理中的应用价值 | 首次系统整合婴儿哭声的多维度（生理、病理、心理）分析和深度学习应用研究，填补了现有文献的空白 | NA | 探讨婴儿哭声作为生物指标在健康监测和疾病早期诊断中的潜力 | 婴儿哭声特征及其与健康状况的关联 | 自然语言处理 | 神经系统疾病 | 深度学习 | NA | 音频 | NA | NA | NA | NA | NA |
| 1365 | 2025-10-07 |
Remote sensing-based detection of brown spot needle blight: a comprehensive review, and future directions
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.19407
PMID:40416626
|
综述 | 本文系统综述了基于遥感技术的褐斑针叶枯病检测方法，评估当前研究趋势和潜在应用 | 首次对褐斑针叶枯病的遥感检测方法进行全面文献计量分析，并整合地理空间分析与物种分布模型预测病原体范围扩张 | 针对褐斑针叶枯病的直接遥感应用研究仍然有限，存在关键知识空白 | 优化遥感监测方法，改进预测模型，开发早期预警系统以提升森林管理 | 松林褐斑针叶枯病及其遥感检测技术 | 遥感监测 | 植物病害 | 遥感技术，多源遥感，地理空间分析，物种分布建模 | 机器学习，深度学习 | 遥感影像，气候数据 | NA | NA | NA | NA | NA |
| 1366 | 2025-10-07 |
A transformation uncertainty and multi-scale contrastive learning-based semi-supervised segmentation method for oral cavity-derived cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1577198
PMID:40416865
|
研究论文 | 提出一种基于变换不确定性和多尺度对比学习的半监督分割方法，用于口腔癌病理图像分割 | 结合变换不确定性估计和多尺度对比学习，提出边界感知增强U-Net，减少对标注数据的依赖 | 仅在一个包含451张图像的数据集上验证，需要更多临床数据验证泛化能力 | 开发半监督分割方法以解决口腔癌病理图像标注数据稀缺问题 | 口腔鳞状细胞癌病理图像 | 数字病理 | 口腔癌 | H&E染色 | 半监督学习 | 病理图像 | 451张经病理学家标注验证的图像 | NA | U-Net | 分割性能指标 | NA |
| 1367 | 2025-10-07 |
Comparing factor mixture modeling and conditional Gaussian mixture variational autoencoders for cognitive profile clustering
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1474292
PMID:40417028
|
研究论文 | 比较因子混合模型和条件高斯混合变分自编码器在认知特征聚类中的表现 | 首次系统比较传统因子混合模型与深度学习方法的认知特征聚类能力，揭示不同方法在捕捉认知模式精细结构方面的差异 | CGMVAE方法存在复杂性和潜在聚类重叠问题，模型解释性相对较低 | 比较不同聚类方法在识别认知特征模式方面的效果 | 从PROFFILO评估游戏获得的六个认知维度的个体认知特征数据 | 机器学习 | NA | 认知评估游戏 | 因子混合模型,条件高斯混合变分自编码器 | 认知评估数据 | NA | NA | 条件高斯混合变分自编码器 | 轮廓系数 | NA |
| 1368 | 2025-10-07 |
Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1509377
PMID:40417183
|
研究论文 | 评估深度学习算法在非增强脑CT报告分类中的诊断精确性 | 使用DistilBERT模型对非增强脑CT报告进行四分类紧急程度评估，并在真实临床数据中验证其性能 | 束硬化伪影和过度噪声显著影响模型性能，无法确定性能差异的具体原因，工具泛化能力存在不确定性 | 确定深度学习算法在非增强脑CT报告分类中的诊断精确性 | 1,861份非增强脑CT报告 | 自然语言处理 | 神经系统疾病 | 文本分类 | Transformer | 文本 | 1,861份CT报告（800份训练，200份验证） | Python | DistilBERT | F1分数, 敏感性, 特异性, 阳性预测值 | 大学云系统 |
| 1369 | 2025-10-07 |
Application of 3D nnU-Net with Residual Encoder in the 2024 MICCAI Head and Neck Tumor Segmentation Challenge
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_20
PMID:40417457
|
研究论文 | 本研究探索使用3D nnU-Net模型在头颈部肿瘤MRI数据中自动分割原发肿瘤体积和转移淋巴结 | 采用带残差编码器的3D nnU-Net模型，并通过特定背景比例数据重训练优化分割性能 | 模型在高背景比例数据上表现不佳，对GTVp的分割效果不如GTVn | 改进放射治疗计划中头颈部肿瘤的自动分割精度 | 头颈部原发肿瘤体积(GTVp)和转移淋巴结(GTVn) | 医学图像分割 | 头颈部肿瘤 | MRI | 3D nnU-Net | 医学影像 | 2024 MICCAI头颈部肿瘤分割挑战赛提供的高质量数据集 | NA | 3D nnU-Net with Residual Encoder | DSCagg | NA |
| 1370 | 2025-10-07 |
Comparison of Deep Learning-Based Auto-Segmentation Results on Daily Kilovoltage, Megavoltage, and Cone Beam CT Images in Image-Guided Radiotherapy
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251344198
PMID:40397131
|
研究论文 | 比较基于深度学习的自动分割模型在不同在线CT成像模态（kVCT、kV-CBCT、MVCT）上对图像引导放疗中危及器官的分割效果 | 首次系统比较深度学习自动分割模型在三种常用放疗CT成像模态（kVCT、kV-CBCT、MVCT）上的性能差异 | 自动分割后仍需人工校正，特别是对于与周围组织对比度有限的器官 | 评估基于深度学习的自动分割模型在不同在线CT成像模态上的分割效果 | 60名患者的盆腔和胸部区域CT图像 | 医学影像分析 | 肿瘤放疗 | CT成像（kVCT、kV-CBCT、MVCT） | CNN | CT图像 | 60名患者（盆腔区域30名，胸部区域30名） | NA | NA | Dice相似系数,Jaccard相似系数,敏感度指数,包容性指数,95百分位Hausdorff距离 | NA |
| 1371 | 2025-10-07 |
Classification of fashion e-commerce products using ResNet-BERT multi-modal deep learning and transfer learning optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324621
PMID:40403022
|
研究论文 | 本研究提出了一种基于多模态深度学习和迁移学习的时尚电商产品分类方法 | 提出ResNet-BERT多模态深度学习框架，并开发了14种迁移学习策略来优化模型性能 | 未明确说明具体的数据集规模和模型计算资源需求 | 解决时尚电商平台产品分类不准确的问题，提高分类精度 | 时尚电商平台的产品数据 | 计算机视觉,自然语言处理 | NA | 多模态深度学习,迁移学习 | CNN,Transformer | 图像,文本 | NA | NA | ResNet,BERT | NA | NA |
| 1372 | 2025-10-07 |
EFCRFNet: A novel multi-scale framework for salient object detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323757
PMID:40403088
|
研究论文 | 提出一种新颖的多尺度显著目标检测框架EFCRFNet，通过增强条件随机场和边缘特征增强模块提升复杂场景下的检测性能 | 引入两个创新模块：增强条件随机场（ECRF）通过空间注意力机制增强多模态特征融合，边缘特征增强模块（EFEM）专门优化边缘特征以提升边界识别精度 | NA | 解决显著目标检测中边缘特征提取不足和复杂场景下检测精度不高的问题 | 图像中的显著区域 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | 标准基准数据集 | NA | EFCRFNet, ECRF, EFEM | MAE, Fm, Em, Sm | NA |
| 1373 | 2025-10-07 |
Artificial intelligence in vaccine research and development: an umbrella review
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1567116
PMID:40406131
|
综述 | 本文通过伞状综述整合了人工智能在疫苗研发、优化、临床试验、供应链物流和公众接受度等方面的应用证据 | 首次通过伞状综述系统整合AI在疫苗全生命周期中的应用证据，识别了从计算机模拟到现实转化的关键行动领域 | 纳入的27篇综述存在数据异质性、算法偏倚、监管框架有限和伦理问题等挑战 | 系统评估人工智能在疫苗研究与发展中的具体作用和有效性 | 疫苗发现、优化、临床测试、供应链物流和公众接受度 | 机器学习 | 传染病 | 多组学整合、预测分析、情感分析 | 随机森林, 支持向量机, 梯度提升, 逻辑回归, CNN, RNN, GAN, 变分自编码器 | 多组学数据, 供应链数据, 社交媒体数据 | 27篇系统综述、范围综述、叙述性综述和荟萃分析 | NA | NA | 标准化性能指标 | NA |
| 1374 | 2025-10-07 |
Artificial intelligence-based automated breast ultrasound radiomics for breast tumor diagnosis and treatment: a narrative review
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1578991
PMID:40406239
|
综述 | 本文综述了基于人工智能的自动乳腺超声影像组学在乳腺肿瘤诊断和治疗中的应用现状与发展前景 | 整合人工智能技术与自动乳腺超声影像组学，通过机器学习和深度学习算法提升乳腺肿瘤诊断和治疗评估能力 | 分析数据存在固有变异性，需要进一步评估模型在临床应用中的可靠性 | 探讨AI驱动的ABUS影像组学在乳腺癌诊断和治疗评估中的应用价值 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 自动乳腺超声(ABUS), 影像组学 | 机器学习(ML), 深度学习(DL) | 医学影像数据 | NA | NA | NA | NA | NA |
| 1375 | 2025-10-07 |
Development and validation of a predictive model combining radiomics and deep learning features for spread through air spaces in stage T1 non-small cell lung cancer: a multicenter study
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1572720
PMID:40406248
|
研究论文 | 开发并验证结合影像组学和深度学习特征预测T1期非小细胞肺癌气腔播散的联合模型 | 首次比较多种深度学习模型（2D/3D/2.5D）与影像组学模型（INTRA/Peri2mm/Fusion2mm）的性能，并开发出性能最优的联合预测模型 | 研究样本量相对有限（480例患者），且为回顾性多中心研究 | 开发最优预测模型用于T1期非小细胞肺癌气腔播散的术前预测，辅助临床手术规划 | T1期非小细胞肺癌患者 | 医学影像分析 | 肺癌 | CT影像分析 | 深度学习, 机器学习 | 医学影像 | 480例来自4个中心的患者 | NA | ResNet50, XGBoost | AUC | NA |
| 1376 | 2025-10-07 |
Critical review of OCT in clinical practice for the assessment of oral lesions
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1569197
PMID:40406268
|
综述 | 本文系统回顾了光学相干断层扫描(OCT)在口腔病变临床评估中的应用现状与挑战 | 首次全面评估OCT在口腔鳞状细胞癌(OSCC)和口腔潜在恶性疾病(OPMDs)中的临床应用价值，并特别关注人工智能辅助分析的进展 | 研究方法存在显著异质性，结果严格依赖操作者，样本扩展和制备影响AI算法性能，设备成本高昂限制广泛应用 | 评估OCT技术在口腔肿瘤学中的临床应用价值，特别关注其在早期检测、手术边缘评估和AI辅助诊断方面的潜力 | 口腔鳞状细胞癌(OSCC)和口腔潜在恶性疾病(OPMDs)患者 | 数字病理 | 口腔癌 | 光学相干断层扫描(OCT) | 机器学习,深度学习 | OCT图像 | NA | NA | NA | 诊断敏感性,准确性 | NA |
| 1377 | 2025-10-07 |
Deep ensemble learning-driven fully automated multi-structure segmentation for precision craniomaxillofacial surgery
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1580502
PMID:40406586
|
研究论文 | 开发基于深度集成学习的全自动多结构分割模型CMF-ELSeg，用于颅颌面外科手术 | 提出粗到细级联架构和集成学习方法，整合三种3D U-Net模型的优势 | 仅使用143个CT扫描进行训练和验证，样本量有限 | 实现颅颌面结构和单个牙齿的精确分割，推进计算机辅助颅颌面外科手术 | 颅颌面CT扫描图像 | 计算机视觉 | 颅颌面疾病 | CT扫描 | 3D CNN | 3D医学图像 | 143个颅颌面CT扫描 | NA | 3D U-Net, V-Net, nnU-Net, 3D UX-Net | Dice score, IoU | NA |
| 1378 | 2025-10-07 |
Automatic diagnosis and measurement of intracranial aneurysms using deep learning in MRA raw images
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1544571
PMID:40406704
|
研究论文 | 本研究开发了一种基于深度学习的全自动模型，用于颅内动脉瘤的诊断和尺寸测量 | 首次基于原始MRA图像开发一键式全自动深度学习模型，实现颅内动脉瘤的自动诊断和测量 | 模型在不同医院的独立验证集上性能略有下降，需要进一步扩大数据集验证泛化能力 | 开发自动化的颅内动脉瘤诊断和测量方法，提高临床工作效率 | 颅内动脉瘤患者和正常对照者 | 医学影像分析 | 脑血管疾病 | MRA成像 | 深度学习 | 医学影像 | 医院1：852名患者的1,014个动脉瘤；医院2：315名患者（179例有动脉瘤，136例无动脉瘤） | NA | 3D U-Net | 召回率, 敏感度, 特异性, AUC, 真阳性, 假阳性, 假阴性 | NA |
| 1379 | 2025-10-07 |
Audio-visual source separation with localization and individual control
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321856
PMID:40408322
|
研究论文 | 提出一种专为视频会议和远程呈现机器人设计的音视频源分离框架，用于在嘈杂环境中分离和增强个体参与者的语音 | 结合音频引导的视觉注意力机制和深度多分辨率网络模块，实现基于视频帧定位的个体音量控制 | 在AVE和Music 21数据集上的测试准确率为71.88%，仍有提升空间 | 解决多参与者视频会议环境中的音频质量管理和说话人识别问题 | 视频会议和远程呈现机器人应用中的音频信号 | 计算机视觉,自然语言处理 | NA | 音视频信号处理 | 深度学习神经网络 | 音频,视频 | AVE和Music 21数据集 | NA | DPRNN-TasNet,Deep Multi-Resolution Network | 准确率 | NA |
| 1380 | 2025-10-07 |
Detecting eavesdropping nodes in the power Internet of Things based on Kolmogorov-Arnold networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321179
PMID:40408323
|
研究论文 | 提出一种基于Kolmogorov-Arnold网络的电力物联网窃听节点检测方法 | 利用KAN网络逼近任意非线性函数的能力，通过样条函数的灵活组合构建从异构节点特征到窃听位置的端到端映射 | NA | 电力物联网环境下的窃听节点定位 | 电力物联网中的网络节点 | 物联网安全 | NA | Kolmogorov-Arnold网络 | KAN | 异构节点特征数据 | 真实电网数据 | NA | Kolmogorov-Arnold网络 | 定位精度、泛化能力、计算效率 | NA |