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 19314 篇文献，本页显示第 13861 - 13880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13861 | 2025-05-17 |
Prediction of prognosis in acute ischemic stroke after mechanical thrombectomy based on multimodal MRI radiomics and deep learning
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1587347
PMID:40371075
|
研究论文 | 本研究探讨了基于多模态MRI影像组学和深度学习的CRD模型在预测接受机械取栓治疗的急性缺血性卒中患者不良预后中的价值 | 首次结合临床数据、影像组学特征和深度学习模型构建了综合预测模型CRD，在预测急性缺血性卒中预后方面表现出色 | 回顾性研究设计可能导致选择偏倚，样本量相对有限(222例患者) | 开发更准确的工具预测急性缺血性卒中患者机械取栓后的不良预后 | 接受机械取栓治疗的急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | 多模态MRI | ResNet101与逻辑回归结合的CRD模型 | 医学影像 | 222例患者(训练组155例，验证组67例) | NA | NA | NA | NA |
| 13862 | 2025-05-17 |
Review of different convolutional neural networks used in segmentation of prostate during fusion biopsy
2025, Central European journal of urology
IF:1.4Q3
DOI:10.5173/ceju.2024.0064
PMID:40371421
|
综述 | 本文综述了不同卷积神经网络在前列腺融合活检分割中的应用 | 强调了U-Net架构在高级医学图像分析中的主导地位，并指出所有算法在自动前列腺分割中均达到Dice相似系数74%以上的高精度 | 不同研究间评估分割结果的方法存在显著异质性，且需要更大样本量的未来研究来验证结果 | 探索深度学习算法在前列腺融合活检中加速前列腺轮廓勾画的潜力 | 前列腺癌患者的多参数磁共振成像（mpMRI）数据 | 数字病理学 | 前列腺癌 | 多参数磁共振成像（mpMRI） | CNN, U-Net | 医学图像 | NA | NA | NA | NA | NA |
| 13863 | 2025-05-17 |
An Explainable Deep Learning Framework for Predicting Postoperative Radiotherapy-Induced Vaginal Stenosis in Surgically Treated Cervical Cancer Patients
2025, Annali italiani di chirurgia
IF:0.9Q3
DOI:10.62713/aic.4011
PMID:40375370
|
研究论文 | 开发并验证了一个可解释的深度学习框架，用于预测宫颈癌患者术后放疗引起的阴道狭窄风险 | 结合Squeeze-and-Excitation网络和Grad-CAM可视化，提高了模型的准确性和可解释性 | 研究样本量较小（140例患者），且为回顾性研究 | 预测宫颈癌患者术后放疗引起的阴道狭窄风险，以实现早期个性化干预 | 接受根治性子宫切除术及放疗的宫颈癌患者 | 数字病理 | 宫颈癌 | CT成像 | SE-Inception, ResNet50, Random Forest | 图像 | 140例患者（51例发生阴道狭窄） | NA | NA | NA | NA |
| 13864 | 2025-05-16 |
Impact of deep learning reconstruction on radiation dose reduction and cancer risk in CT examinations: a real-world clinical analysis
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11212-6
PMID:39613960
|
research paper | 本研究评估了深度学习重建（DLR）在CT检查中降低辐射剂量和癌症风险的实际效果 | 首次利用真实世界临床数据分析DLR对辐射诱发癌症风险的影响 | 研究为单中心回顾性分析，可能存在选择偏倚 | 评估DLR技术对CT检查辐射剂量和癌症风险的降低效果 | 接受全身CT检查的成年患者 | medical imaging | radiation-induced cancer | deep learning reconstruction (DLR) | NA | CT scan data | 5247 matched cases (pre-DLR) + 5247 matched cases (post-DLR) | NA | NA | NA | NA |
| 13865 | 2025-05-16 |
Evaluation of a deep learning prostate cancer detection system on biparametric MRI against radiological reading
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11287-1
PMID:39699671
|
研究论文 | 本研究评估了一种基于双参数MRI的深度学习系统在检测临床显著性前列腺癌方面的性能，并与放射学解读进行了比较 | 开发了一个3D nnU-Net模型用于前列腺癌检测，在独立测试队列中表现优于放射科医生，特别是在中等和大尺寸病灶检测上 | 对小病灶的检测仍然具有挑战性 | 评估深度学习系统在前列腺癌检测中的性能 | 临床显著性前列腺癌(csPCa)，定义为Gleason Grade Group (GGG) ≥ 2 | 数字病理 | 前列腺癌 | 双参数MRI(bpMRI) | 3D nnU-Net | 医学影像 | 训练集4381例bpMRI病例(3800阳性，581阴性)，测试集328例来自PROSTATEx数据集 | NA | NA | NA | NA |
| 13866 | 2025-05-16 |
Cost-effectiveness of opportunistic osteoporosis screening using chest radiographs with deep learning in Germany
2025-May-13, Aging clinical and experimental research
IF:3.4Q2
DOI:10.1007/s40520-025-03048-x
PMID:40355760
|
research paper | 评估在德国50岁及以上女性中使用深度学习模型对胸部X光片进行机会性骨质疏松筛查的成本效益 | 利用AI驱动的胸部X光片进行骨质疏松筛查，提高早期检测率，降低骨折风险，改善公共卫生结果 | 研究基于德国骨质疏松指南和AI模型准确性，可能在其他地区或不同指南下结果不同 | 评估AI驱动的胸部X光片在骨质疏松筛查中的成本效益 | 德国50岁及以上的女性 | digital pathology | geriatric disease | deep learning | NA | image | NA | NA | NA | NA | NA |
| 13867 | 2025-05-16 |
An Interpretable AI for Smart Homes: Identifying Fall Prevention Strategies for Older Adults Using Multimodal Deep Learning
2025-May-13, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3569891
PMID:40366850
|
research paper | 开发了一个可解释的AI框架，用于通过多模态深度学习识别老年人跌倒预防策略 | 使用BiCrossNet架构的多模态预测模型，结合静态和时间序列数据，通过PIMP和SHAP方法解释特征重要性 | NA | 识别老年人家庭跌倒预防策略 | 老年人 | machine learning | geriatric disease | multimodal deep learning | BiCrossNet | multimodal (static and timeseries data) | 12,540 data points | NA | NA | NA | NA |
| 13868 | 2025-05-16 |
Deep learning applications in prosthodontics: A systematic review
2025-May-13, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.04.009
PMID:40368705
|
systematic review | 本文系统综述了深度学习在修复牙科中的应用，包括修复体设计、治疗计划辅助、颜色匹配及地标检测等方面 | 首次系统评估了深度学习在修复牙科中的多种应用，并总结了当前研究的主要方向和成果 | 研究方法缺乏标准化，且部分研究存在偏倚风险，需进一步验证以确保临床可靠性 | 评估深度学习在修复牙科中的应用，特别是在修复体设计、治疗计划辅助和颜色匹配等方面的效果 | 牙科修复体（如嵌体、高嵌体、牙冠及固定牙科修复体）及其相关治疗过程 | digital pathology | dental disease | deep learning | CNN, GAN | image | 31 studies (from 3359 screened) | NA | NA | NA | NA |
| 13869 | 2025-05-16 |
Automated seizure detection in epilepsy using a novel dynamic temporal-spatial graph attention network
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01015-0
PMID:40355495
|
research paper | 提出了一种动态时空图注意力网络（DTS-GAN）用于癫痫发作的自动检测 | 通过结合图信号处理和混合深度学习框架，DTS-GAN能够自适应地学习电极节点间的瞬态功能交互 | 未提及具体的数据集规模或多样性限制 | 解决固定拓扑图模型在分析时变脑网络中的局限性 | 癫痫患者的脑电图（EEG）数据 | digital pathology | epilepsy | EEG | DTS-GAN (Dynamic Temporal-Spatial Graph Attention Network) | EEG sequences | TUSZ数据集 | NA | NA | NA | NA |
| 13870 | 2025-05-16 |
Classification of multi-lead ECG based on multiple scales and hierarchical feature convolutional neural networks
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94127-6
PMID:40355498
|
research paper | 提出了一种结合多尺度和分层特征的卷积神经网络（CNN）及Lead Encoder Attention（LEA）机制，用于多导联心电图（ECG）分类 | 结合多尺度和分层特征的CNN及LEA机制，有效整合ECG的形态和时间特征 | 未提及具体局限性 | 提高心律失常的分类准确率，用于心血管疾病的诊断 | 多导联心电图（ECG）数据 | machine learning | cardiovascular disease | CNN, LEA | CNN | ECG信号 | MIT-BIH-AR数据库和超过150,000条ECG记录的CCDD数据库 | NA | NA | NA | NA |
| 13871 | 2025-05-16 |
Impact of pharmacology perception and learning strategies on academic achievement in undergraduate pharmacy students
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91510-1
PMID:40355613
|
研究论文 | 本研究评估了药学本科生对药理学教育的感知、学习策略及其对学业成就的影响 | 揭示了深度学习策略与学业成就之间的强正相关性，并验证了问卷的内部一致性和因子负荷 | 研究为横断面设计，无法追踪学习策略的长期变化 | 评估药理学教育在药学本科生中的感知作用及其对学业成就的影响 | 210名药学本科生（二年级至五年级） | 药学教育 | NA | 问卷调查、Pearson相关分析、多元回归分析、内部一致性检验（Cronbach's alpha）、因子负荷分析 | NA | 问卷数据 | 210名药学本科生（120名男性，90名女性） | NA | NA | NA | NA |
| 13872 | 2025-05-16 |
Advances to IoT security using a GRU-CNN deep learning model trained on SUCMO algorithm
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99574-9
PMID:40355669
|
研究论文 | 本文提出了一种结合CNN和GRU的混合深度学习模型，用于分类物联网安全威胁，并通过SUCMO算法优化模型性能 | 提出了一种结合CNN和GRU的混合深度学习模型，并采用SUCMO算法进行超参数优化，提高了分类准确率 | NA | 提高物联网安全威胁检测的准确性和效率 | 物联网安全威胁，如DoS攻击和Botnets | 机器学习 | NA | 深度学习 | CNN, GRU | 网络数据 | 两个数据集，UNSW-NB15和BoT-IoT | NA | NA | NA | NA |
| 13873 | 2025-05-16 |
The analysis of artificial intelligence knowledge graphs for online music learning platform under deep learning
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01810-9
PMID:40355699
|
研究论文 | 提出了一种基于深度学习的个性化音乐学习平台模型，通过整合音频、视频和用户行为数据提供高效且定制化的学习推荐 | 构建了一个融合音乐领域关键实体及其关系的知识图谱，并将其与提取的特征向量融合，以提高推荐准确性和个性化 | 未提及模型在大规模用户数据下的扩展性和实时性表现 | 开发一个高效且个性化的音乐学习推荐平台 | 在线音乐学习平台的用户 | 机器学习 | NA | 深度学习 | CNN, LSTM, 多层感知机 | 音频、视频、用户行为数据 | 基于不同数据集的实验分析 | NA | NA | NA | NA |
| 13874 | 2025-05-16 |
Interpretable artificial intelligence model for predicting heart failure severity after acute myocardial infarction
2025-May-12, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04818-1
PMID:40355836
|
研究论文 | 开发了一种可解释的人工智能模型，用于预测急性心肌梗死后心力衰竭的严重程度 | 结合多维临床数据和可解释性AI技术（SHAP方法），开发了预测心力衰竭严重程度的模型，并构建了便于临床应用的网络平台 | 未提及模型在其他独立数据集上的验证情况 | 预测急性心肌梗死后心力衰竭的严重程度，以启动预防措施和优化治疗策略 | 1574名急性心肌梗死患者 | 机器学习 | 心血管疾病 | SHAP方法 | TabNet, Multi-Layer Perceptron, Random Forest, XGboost | 临床数据（包括病史、临床特征、生理参数、实验室检测、冠状动脉造影和超声心动图结果） | 1574名急性心肌梗死患者 | NA | NA | NA | NA |
| 13875 | 2025-05-16 |
Exploring dental faculty awareness, knowledge, and attitudes toward AI integration in education and practice: a mixed-method study
2025-May-12, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-025-07259-8
PMID:40355937
|
研究论文 | 本研究通过混合方法评估了牙科教师对AI在教育和实践中整合的知识、意识和态度，并提出了基于共识的建议 | 首次在巴基斯坦的牙科教育背景下评估教师对AI的认知和态度，并提出了具体的整合建议 | 研究样本仅限于巴基斯坦的牙科教师，可能无法推广到其他地区 | 评估牙科教师对AI的认知和态度，并提出AI在牙科教育和实践中整合的建议 | 巴基斯坦公立和私立牙科学院的400名教师 | 医疗教育技术 | NA | 混合方法研究（GAAIS量表和焦点小组讨论） | NA | 问卷调查数据和定性讨论数据 | 400名牙科教师 | NA | NA | NA | NA |
| 13876 | 2025-05-16 |
[Research status of automatic localization of acupoint based on deep learning]
2025-May-12, Zhongguo zhen jiu = Chinese acupuncture & moxibustion
|
综述 | 本文回顾了近年来深度学习在穴位自动定位中的应用，并从数据集构建、神经网络模型设计和穴位定位精度评估三个关键环节进行了总结 | 总结了深度学习在穴位定位领域的显著进展，并提出了未来研究方向，包括标准化数据集的支持、3D建模和多模态数据融合的整合 | 穴位检测的规模需要扩大，模型的精度、泛化能力和实时性能有待提高 | 探讨深度学习在穴位自动定位中的应用现状及未来发展方向 | 穴位自动定位 | 深度学习 | NA | NA | 神经网络 | NA | NA | NA | NA | NA | NA |
| 13877 | 2025-05-16 |
Effectiveness and Implementation Outcomes of an mHealth App Aimed at Promoting Physical Activity and Improving Psychological Distress in the Workplace Setting: Cluster-Level Nonrandomized Controlled Trial
2025-May-06, JMIR mHealth and uHealth
IF:5.4Q1
DOI:10.2196/70473
PMID:40327360
|
研究论文 | 本研究评估了名为ASHARE的智能手机应用在工作场所促进身体活动和改善心理困扰的效果及实施结果 | 利用深度学习模型通过身体活动监测抑郁和焦虑，并在工作场所环境中进行混合效果-实施试验 | 组间差异无统计学显著性，应用的用户保留率较低（20%），实施结果在员工中评价不佳 | 评估mHealth应用在工作场所促进身体活动和改善心理健康的有效性与实施效果 | 日本工作场所的员工 | 数字健康 | 心理健康 | 深度学习模型 | NA | 移动健康数据 | 84名员工（干预组67人，对照组17人）来自7个工作单位 | NA | NA | NA | NA |
| 13878 | 2025-05-16 |
Reducing food waste in the HORECA sector using AI-based waste-tracking devices
2025-May-01, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2025.02.044
PMID:40024032
|
研究论文 | 本研究评估了一种基于AI的自动废物追踪系统在HORECA行业中减少食物浪费的有效性 | 利用计算机视觉和深度学习算法实时自动称重和光学分离食物浪费 | 未探索废物追踪设备与消费者层面干预措施的结合 | 评估AI技术在减少HORECA行业食物浪费方面的有效性 | HORECA行业中的餐厅、酒店和商业餐饮服务 | 计算机视觉 | NA | 深度学习算法 | NA | 图像 | 德国的度假村餐厅和商业餐饮服务、瑞士的酒店以及希腊的两家酒店 | NA | NA | NA | NA |
| 13879 | 2025-05-16 |
Revolutionizing biological digital twins: Integrating internet of bio-nano things, convolutional neural networks, and federated learning
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109970
PMID:40101583
|
研究论文 | 本文提出了一种整合生物纳米物联网、卷积神经网络和联邦学习的新型框架，以解决生物数字孪生在微生物领域的应用挑战 | 结合IoBNT进行微观数据采集与传输，并利用CNN和FL算法实现高效模式识别与带宽节省 | 未明确说明框架在非细菌类生物实体上的适用性 | 解决微生物数字孪生实现过程中的数据提取、传输和计算难题 | 微生物（如细菌）的数字孪生模型 | 数字病理学 | NA | IoBNT（生物纳米物联网）、联邦学习 | CNN（卷积神经网络） | 微观生物数据 | 33种细菌类别 | NA | NA | NA | NA |
| 13880 | 2025-05-16 |
Approach and surgical management of epiretinal membrane
2025-May-01, Current opinion in ophthalmology
IF:3.0Q1
DOI:10.1097/ICU.0000000000001135
PMID:40145317
|
综述 | 本文综述了近年来视网膜前膜（ERM）手术的最新研究进展，包括手术技术评估和内部限制膜（ILM）剥离的必要性 | 总结了ILM剥离可能减少ERM复发的优势，并探讨了光学相干断层扫描（OCT）在术前、术中和术后的应用，以及深度学习模型预测手术效果的能力 | 仍存在许多关于最佳手术实践的未解决问题，需要进一步评估 | 探讨视网膜前膜（ERM）手术的最新研究进展和手术技术 | 视网膜前膜（ERM）患者 | 数字病理学 | 视网膜疾病 | 光学相干断层扫描（OCT） | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |