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 19275 篇文献，本页显示第 17501 - 17520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17501 | 2025-03-19 |
A review of machine learning and deep learning for Parkinson's disease detection
2025, Discover artificial intelligence
DOI:10.1007/s44163-025-00241-9
PMID:40092968
|
review | 本文综述了机器学习和深度学习在帕金森病检测和进展监测中的应用 | 通过整合多种数据源，提供了新的视角，并特别展示了音频分析和步态分析在早期症状检测和疾病进展监测中的有效性 | 需要大量且多样化的数据集，数据隐私问题，以及医疗数据质量的挑战，开发可解释的AI以确保临床医生能够信任和理解ML和DL模型 | 提高帕金森病诊断的准确性 | 帕金森病患者 | machine learning | geriatric disease | NA | SVM, RF, CNN | audio recordings, gait analysis, medical imaging | NA | NA | NA | NA | NA |
| 17502 | 2025-03-19 |
Pollen image manipulation and projection using latent space
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1539128
PMID:40093610
|
研究论文 | 本文利用深度学习技术中的风格迁移方法，研究如何通过显微镜图像处理改变花粉颗粒的大小和形状 | 首次将风格迁移技术应用于花粉颗粒图像的处理，以揭示其结构特征并生成多样化的花粉图像 | 未明确提及具体的数据集规模或实验验证的详细结果 | 研究花粉颗粒图像的处理方法，以增强对植物分类和生态学的理解 | 花粉颗粒的显微镜图像 | 计算机视觉 | NA | 风格迁移 | NA | 图像 | NA | NA | NA | NA | NA |
| 17503 | 2025-03-19 |
A two-step concept-based approach for enhanced interpretability and trust in skin lesion diagnosis
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.02.013
PMID:40093651
|
研究论文 | 本文提出了一种新颖的两步概念驱动方法，旨在提高皮肤病变诊断的可解释性和信任度 | 通过模拟概念瓶颈模型的两个阶段，利用预训练的视觉语言模型自动预测临床概念，并使用现成的大型语言模型基于预测概念生成疾病诊断，支持测试时的人工干预以修正预测概念，从而提高最终诊断的准确性和决策透明度 | 需要少量标注示例，且未提及在大规模数据集上的验证 | 提高深度学习系统在临床环境中的可解释性和信任度 | 皮肤病变诊断 | 计算机视觉 | 皮肤病变 | 概念瓶颈模型（CBM）、视觉语言模型（VLM）、大型语言模型（LLM） | CBM、VLM、LLM | 图像 | 三个皮肤病变数据集 | NA | NA | NA | NA |
| 17504 | 2025-03-19 |
The global research of artificial intelligence on inflammatory bowel disease: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251326217
PMID:40093709
|
研究论文 | 本文通过文献计量学分析评估了人工智能（AI）在炎症性肠病（IBD）中的相关研究，识别了研究基础、当前热点和未来发展方向 | 首次通过文献计量学分析总结了AI在IBD中的应用现状，并可视化揭示了发展趋势和未来研究热点 | AI在IBD中的应用仍处于初期阶段，研究深度和广度有待进一步扩展 | 评估AI在IBD中的研究现状，识别研究基础和未来发展方向 | 炎症性肠病（IBD） | 机器学习 | 炎症性肠病 | 文献计量学分析 | 深度学习模型 | 文献数据 | 176篇AI相关论文，涉及1919位作者、790个研究机构、184种期刊和49个国家/地区 | NA | NA | NA | NA |
| 17505 | 2025-03-19 |
Data transformation of unstructured electroencephalography reports by natural language processing: improving data usability for large-scale epilepsy studies
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1521001
PMID:40093737
|
研究论文 | 本研究介绍了一种利用自然语言处理技术将癫痫患儿的非结构化脑电图报告转化为结构化数据的层次算法 | 开发了一种结合深度学习和基于规则的关键词提取的分层算法，用于将非结构化脑电图报告转化为结构化数据，提高了数据可用性 | 研究主要针对儿科癫痫患者，可能不适用于其他类型的患者或疾病 | 提高脑电图报告的数据可用性，以支持大规模癫痫研究 | 儿科癫痫患者的脑电图报告 | 自然语言处理 | 癫痫 | 自然语言处理（NLP） | 深度学习 | 文本 | 17,172份脑电图报告，来自3,423名儿科患者，其中6,173份正常和6,173份异常报告用于算法开发 | NA | NA | NA | NA |
| 17506 | 2025-03-19 |
ViE-Take: A Vision-Driven Multi-Modal Dataset for Exploring the Emotional Landscape in Takeover Safety of Autonomous Driving
2025, Research (Washington, D.C.)
DOI:10.34133/research.0603
PMID:40093973
|
研究论文 | 本文介绍了ViE-Take，一个用于探索自动驾驶接管安全中情感影响的多模态数据集 | ViE-Take是首个以视觉驱动的方式探索自动驾驶接管中情感影响的数据集，具有多源情感激发、多模态驾驶员数据收集和多维情感注释三个关键属性 | 数据集的应用范围和深度仍需进一步验证和扩展 | 探索情感对驾驶员接管表现的影响，并开发相关预测模型 | 自动驾驶中的驾驶员接管表现 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, GAN等 | 图像、视频 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 17507 | 2025-03-18 |
Physics-based generative adversarial network for real-time acoustic holography
2025-May, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107583
PMID:39893755
|
研究论文 | 本文提出了一种基于物理模型的生成对抗网络（GAN），用于实时声学全息成像 | 提出了一种结合物理模型（ASM）的深度学习算法，用于学习从目标场到源相位全息图的逆物理映射，并开发了具有两个解码器分支的Y-Net结构，以解决神经网络在高频特征上的固有局限性 | 神经网络在高频特征上的固有局限性 | 提高相位全息图计算的高保真度和实时性能 | 声学全息成像中的相位全息图 | 计算机视觉 | NA | 生成对抗网络（GAN） | GAN, Y-Net | 声学全息图 | NA | NA | NA | NA | NA |
| 17508 | 2025-10-07 |
Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts
2025-Jan-20, ArXiv
PMID:39148932
|
研究论文 | 提出首个自动评估不完全海马反转的方法，通过预测四个解剖学标准并汇总成可解释的IHI评分 | 首次实现IHI的自动评级，提供可解释的评分系统，并在多队列中进行广泛验证 | 研究主要依赖特定队列数据，未涉及IHI形成的遗传或环境因素分析 | 开发自动评估不完全海马反转的方法，以替代耗时的人工视觉评估 | 来自IMAGEN、QTIM、QTAB和UKBiobank研究的4,389名参与者的海马结构 | 医学影像分析 | 神经系统疾病 | T1加权磁共振成像 | CNN, 深度学习模型 | 医学影像 | 4,389名参与者（IMAGEN: 2,008, QTIM: 993, QTAB: 403, UKBiobank: 985） | NA | conv5-FC3, ResNet, SECNN | NA | NA |
| 17509 | 2025-10-07 |
Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis
2025-Apr-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137233
PMID:39823885
|
研究论文 | 提出一种基于核表示的端到端网络CellNet，用于精确检测密集目标并应用于医学诊断 | 使用形状感知径向基函数学习目标的核表示，提高密集目标计数精度 | NA | 开发精确检测密集目标的神经网络模型并应用于医学诊断 | 粘附聚苯乙烯微球、血清样本中的降钙素原、不规则粘附细胞 | 计算机视觉 | NA | 生物素-链霉亲和素生物传感方法、人工智能转码 | 神经网络 | 数字图像 | NA | NA | CellNet | 检测准确率, 检测限 | NA |
| 17510 | 2025-03-17 |
Spatiotemporal estimates of anthropogenic NOx emissions across China during 2015-2022 using a deep learning model
2025-Apr-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137308
PMID:39847932
|
研究论文 | 本文开发了一种新的深度学习模型，用于模拟GEOS-Chem模型的逆过程，以改进2015-2019年期间的人为NOx排放强度估计，并预测2020-2022年的排放强度 | 使用深度学习模型模拟GEOS-Chem模型的逆过程，提高了NOx排放强度的估计精度 | 模型依赖于高分辨率NO浓度数据集，可能受数据质量和可用性的限制 | 改进人为NOx排放强度的估计，并预测未来几年的排放趋势 | 中国2015-2022年的人为NOx排放 | 机器学习 | NA | 深度学习 | 深度学习模型 | 高分辨率NO浓度数据 | 2015-2022年的NOx排放数据 | NA | NA | NA | NA |
| 17511 | 2025-03-17 |
A deep learning framework for multiplet splitting classification in 1H NMR
2025-Apr, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2025.107851
PMID:39978294
|
研究论文 | 本文提出了一种名为MuSe Net的深度学习框架，用于一维核磁共振（NMR）光谱中的多重峰分裂分类 | MuSe Net是一种新颖的监督概率深度学习框架，能够模拟专家光谱学家在注释小分子生成的一维NMR光谱时的任务，并利用不确定性量化生成置信度评分 | NA | 开发一种自动化方法，以简化化学化合物的表征，并确保科学界结果的一致性 | 小分子生成的一维NMR光谱 | 机器学习 | NA | NMR | 深度学习 | 光谱数据 | 48个实验性H NMR光谱 | NA | NA | NA | NA |
| 17512 | 2025-03-17 |
Self-training EEG discrimination model with weakly supervised sample construction: An age-based perspective on ASD evaluation
2025-Mar-10, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107337
PMID:40088831
|
研究论文 | 本研究开发了一个名为STEM的自训练EEG判别模型框架，用于在标记样本有限的情况下优化自闭症谱系障碍（ASD）的评估 | STEM框架通过自训练模型和伪标签样本构建，解决了标记样本有限和个体差异的问题，特别是在ASD评估中表现出色 | 研究主要依赖于有限的标记样本，且样本来自ASD可疑儿童，可能限制了模型的泛化能力 | 优化EEG判别模型，提高ASD评估的准确性和适应性 | 自闭症谱系障碍（ASD）可疑儿童的静息态EEG数据 | 脑机接口 | 自闭症谱系障碍 | 自训练模型，伪标签样本构建 | AutoEncoder, BiGRU, 多任务学习模型（MAC） | EEG数据 | 175名不同年龄组的ASD可疑儿童 | NA | NA | NA | NA |
| 17513 | 2025-03-17 |
Can artificial intelligence lower the global sudden cardiac death rate? A narrative review
2025 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
综述 | 本文探讨了人工智能在预测和预防心脏骤停中的作用和应用 | 综述了人工智能、机器学习和深度学习在心脏骤停风险分层中的显著前景，并提出了未来研究的方向 | 当前的人工智能技术尚未得到充分的训练和测试，需要进一步研究可解释性技术、更大的样本量、外部验证、更多样化的患者样本、多模态工具、伦理和偏见缓解 | 探索人工智能在预测和预防心脏骤停中的作用和应用 | 心脏骤停 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 17514 | 2025-03-16 |
Deep learning models in classifying primary bone tumors and bone infections based on radiographs
2025-Mar-13, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00855-3
PMID:40074845
|
研究论文 | 本研究开发了一种集成深度学习框架，用于基于X光片准确区分原发性骨肿瘤和骨感染 | 提出了一种集成深度学习框架，结合多中心X光片和广泛的临床特征，提高了诊断准确性 | 研究依赖于特定数据集，可能无法完全推广到其他医疗环境 | 提高原发性骨肿瘤和骨感染的诊断精度 | 原发性骨肿瘤和骨感染 | 计算机视觉 | 骨肿瘤 | 深度学习 | EfficientNet B3, EfficientNet B4, Vision Transformer, Swin Transformers | X光片 | 外部数据集423例，内部数据集1044例（训练集）、354例（测试集）、171例（验证集） | NA | NA | NA | NA |
| 17515 | 2025-03-16 |
AI in Histopathology Explorer for comprehensive analysis of the evolving AI landscape in histopathology
2025-Mar-12, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01524-2
PMID:40074858
|
研究论文 | 本文介绍了AI在组织病理学中的应用探索器（HistoPathExplorer），一个实时在线资源，用于评估AI在特定临床任务中的应用现状、分析其性能并探索影响其转化为实践的因素 | 开发了一个交互式仪表板HistoPathExplorer，提供了一个实时在线资源，用于评估AI在组织病理学中的应用现状，并定义了一个质量指数来评估已发表AI方法的全面性 | 未明确提及具体的研究限制 | 深入了解应用于组织病理学数据的深度学习算法方法，并评估其在不同任务中的表现，以开发下一代AI技术 | 组织病理学数据 | 数字病理学 | 癌症 | 深度学习算法 | NA | 组织病理学数据 | NA | NA | NA | NA | NA |
| 17516 | 2025-03-16 |
Fine-Tuned Machine Learning Classifiers for Diagnosing Parkinson's Disease Using Vocal Characteristics: A Comparative Analysis
2025-Mar-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050645
PMID:40075891
|
研究论文 | 本文通过优化机器学习算法，利用声音特征对帕金森病进行分类，旨在提供一种非侵入性且易于访问的诊断工具 | 结合先进的特征选择技术和超参数优化策略，提升基于声音特征的机器学习诊断帕金森病的性能，特别是堆叠模型通过网格搜索调优表现出最佳性能 | 未来研究可关注深度学习方法和时间特征整合，以进一步提高诊断准确性和临床应用的扩展性 | 评估优化后的机器学习算法在基于声音特征分类帕金森病中的有效性 | 188名帕金森病患者和64名对照者的声音样本 | 机器学习 | 帕金森病 | 贝叶斯优化、网格搜索、随机搜索 | SVM、k-NN、DT、NN、集成模型、堆叠模型 | 声音数据 | 252人（188名患者和64名对照者） | NA | NA | NA | NA |
| 17517 | 2025-03-16 |
Secure Hybrid Deep Learning for MRI-Based Brain Tumor Detection in Smart Medical IoT Systems
2025-Mar-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050639
PMID:40075886
|
研究论文 | 本文提出了一种结合混沌和Arnold加密技术与混合深度学习模型的自动化MRI图像分类系统，用于智能医疗物联网系统中的脑肿瘤检测 | 结合混沌和Arnold加密技术，确保MRI图像的机密性，同时不降低脑肿瘤分类的准确性 | 未提及具体的研究局限性 | 开发一种安全且自动化的MRI图像分类系统，用于脑肿瘤检测 | MRI图像 | 计算机视觉 | 脑肿瘤 | 混沌加密、Arnold加密 | VGG16、深度神经网络（DNN） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17518 | 2025-03-16 |
Exploring the Role of Artificial Intelligence (AI)-Driven Training in Laparoscopic Suturing: A Systematic Review of Skills Mastery, Retention, and Clinical Performance in Surgical Education
2025-Mar-06, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare13050571
PMID:40077133
|
系统综述 | 本文系统综述了人工智能（AI）驱动的培训系统在腹腔镜缝合技能掌握、长期保持和临床表现方面的作用 | 本文创新性地评估了AI在腹腔镜缝合培训中的应用，特别是深度学习、动作捕捉和视频分割等机器学习技术的优势和局限性 | AI在准确性、可扩展性和集成方面仍存在局限性，需要进一步的大规模高质量研究来完善这些工具 | 评估AI在腹腔镜缝合技能获取、长期保持和临床表现方面的影响 | 腹腔镜缝合培训中的机器学习技术 | 机器学习 | NA | 深度学习、动作捕捉、视频分割 | NA | 视频、动作数据 | 33项研究符合纳入标准 | NA | NA | NA | NA |
| 17519 | 2025-03-16 |
Comparing and Combining Artificial Intelligence and Spectral/Statistical Approaches for Elevating Prostate Cancer Assessment in a Biparametric MRI: A Pilot Study
2025-Mar-05, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050625
PMID:40075871
|
研究论文 | 本研究比较并结合了人工智能和光谱/统计方法，以提升双参数MRI中前列腺癌评估的准确性 | 首次将自监督网格网络（Z-SSMNet）与光谱/统计方法结合，用于前列腺癌评估 | 样本量较小（42名患者），且深度学习/人工智能方法表现不如光谱/统计方法 | 评估和改进光谱/统计方法，结合人工智能提升前列腺癌评估准确性 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习（DL），光谱/统计方法 | Z-SSMNet（自监督网格网络） | MRI图像 | 42名患者 | NA | NA | NA | NA |
| 17520 | 2025-03-16 |
Explainable Artificial Intelligence in Neuroimaging of Alzheimer's Disease
2025-Mar-04, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050612
PMID:40075859
|
综述 | 本文探讨了可解释人工智能（XAI）在阿尔茨海默病（AD）神经影像学中的应用 | 强调了XAI在提高AI模型透明度和临床适用性方面的创新，特别是在AD诊断中的应用 | 当前挑战包括数据集限制、监管问题和标准化问题 | 改进XAI在临床实践中的整合，以优化AD诊断和个性化治疗策略 | 阿尔茨海默病（AD）的神经影像数据 | 神经影像学 | 阿尔茨海默病 | SHAP, LIME, Grad-CAM, Layer-wise Relevance Propagation (LRP) | 深度学习, 机器学习 | MRI, PET影像 | NA | NA | NA | NA | NA |