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 19281 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 | 2025-03-09 |
Pathways to chronic disease detection and prediction: Mapping the potential of machine learning to the pathophysiological processes while navigating ethical challenges
2025-Mar, Chronic diseases and translational medicine
DOI:10.1002/cdt3.137
PMID:40051825
|
综述 | 本文综述了机器学习在慢性疾病检测和预测中的最新应用，涵盖了从传统技术到现代深度学习神经网络架构的主要方法 | 本文综合了机器学习在慢性疾病预测中的最新趋势和轨迹，为未来研究和临床转化提供了信息 | 本文指出了在实现可扩展、公平和临床可实施的机器学习解决方案方面仍需解决的关键挑战和限制 | 探索机器学习在慢性疾病早期检测和预测中的潜力 | 慢性疾病（如心脏病、癌症和糖尿病） | 机器学习 | 慢性疾病 | 基因组学、转录组学、蛋白质组学、糖组学和脂质组学 | 逻辑回归、随机森林、深度学习神经网络 | 医学影像、基因组数据、可穿戴设备数据、电子健康记录 | NA | NA | NA | NA | NA |
| 17502 | 2025-10-07 |
Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering
2025-Jan-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85866-7
PMID:39799225
|
研究论文 | 本研究通过结合机器学习和深度学习方法，利用模糊聚类增强签名式入侵检测系统以提高网络安全 | 将模糊聚类与多种机器学习和深度学习模型结合用于入侵检测，并比较不同模型在识别网络攻击中的性能表现 | NA | 提高网络安全，通过入侵检测系统识别和预防网络攻击 | 网络流量数据和入侵行为 | 机器学习 | NA | 模糊聚类 | SVM,KNN,RF,DT,LSTM,ANN | 网络流量数据 | NA | NA | NA | 精确度,准确率,召回率 | NA |
| 17503 | 2025-10-07 |
Mapping the scientific landscape and evolution of the International Journal of Surgery : a scientometric analysis (2004-2024)
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002107
PMID:39576039
|
研究论文 | 对《国际外科学杂志》2004-2024年间发表的科学文献进行科学计量学分析 | 首次对该期刊20年发展历程进行系统性科学计量分析，识别研究趋势和未来方向 | 仅分析单一期刊数据，可能无法代表整个外科学领域 | 分析期刊出版特征和发展轨迹，识别研究热点和演变趋势 | 《国际外科学杂志》2004-2024年间发表的6320篇文献 | 科学计量学 | 外科疾病 | 科学计量分析，文献计量学 | NA | 文献元数据，引文数据 | 6320篇出版物（2004-2023年5964篇，2024年356篇） | Citespace, VOS viewer, Bibliometrix (R软件) | NA | 发文量统计，引用分析，研究主题识别 | NA |
| 17504 | 2025-10-07 |
Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002105
PMID:39724577
|
研究论文 | 开发基于弹性成像和深度学习的组合模型预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 首次将剪切波弹性成像与深度学习放射组学相结合，构建预测腋窝淋巴结病理完全缓解的组合模型 | 研究为前瞻性多中心设计但需进一步外部验证，样本量相对有限 | 准确预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 671例经活检证实淋巴结转移并接受新辅助化疗的乳腺癌患者 | 数字病理 | 乳腺癌 | 超声成像, 剪切波弹性成像 | 深度学习 | 医学图像 | 671例患者（训练集与测试集按8:2随机分配） | NA | 深度学习放射组学模型 | 准确率, AUC, 假阴性率, 校准曲线, 决策曲线 | NA |
| 17505 | 2025-03-09 |
Identification of BCL11A, NTN5, and OGN as Diagnosis Biomarker of Papillary Renal Cell Carcinomas by Bioinformatic Analysis
2025, Journal of kidney cancer and VHL
IF:1.9Q3
DOI:10.15586/jkc.v12i1.366
PMID:40051609
|
研究论文 | 本研究通过生物信息学和深度学习技术，识别出BCL11A、NTN5和OGN作为乳头状肾细胞癌（PRCC）的诊断生物标志物 | 首次将BCL11A、NTN5和OGN识别为PRCC的诊断生物标志物，并利用机器学习和ROC曲线分析验证其诊断效能 | 研究主要依赖于TCGA数据库的数据，未进行实验验证 | 寻找PRCC的早期诊断生物标志物 | 乳头状肾细胞癌（PRCC）患者 | 生物信息学 | 肾癌 | RNA表达谱分析、机器学习 | 深度学习 | RNA表达数据 | TCGA数据库中的PRCC患者数据 | NA | NA | NA | NA |
| 17506 | 2025-03-09 |
Artificial intelligence and perinatology: a study on accelerated academic production- a bibliometric analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1505450
PMID:40051727
|
研究论文 | 本文通过文献计量学方法，分析了近年来围产医学领域中人工智能应用的快速增长及其研究热点 | 首次系统性地通过文献计量学方法分析围产医学领域中人工智能的研究趋势和应用热点 | 研究仅基于特定数据库（WOSCC）的数据，可能无法涵盖所有相关文献 | 分析围产医学领域中人工智能的研究趋势和应用热点 | 围产医学领域的文献 | 医学信息学 | 围产医学 | 文献计量学分析 | NA | 文献数据 | 382篇相关文献，其中121篇高被引文献 | NA | NA | NA | NA |
| 17507 | 2025-03-09 |
Breaking new ground: machine learning enhances survival forecasts in hypercapnic respiratory failure
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1497651
PMID:40051730
|
研究论文 | 本研究旨在开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型 | 使用随机生存森林（RSF）模型在预测高碳酸血症性呼吸衰竭患者预后方面表现出优于传统CoxPH模型和DeepSurv模型的性能 | 研究样本主要来自两家医院，可能限制了模型的普遍适用性 | 开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型 | 高碳酸血症性呼吸衰竭患者 | 机器学习 | 呼吸系统疾病 | 随机生存森林（RSF）、DeepSurv、Cox比例风险模型（CoxPH） | RSF, DeepSurv, CoxPH | 临床数据 | 697名患者（565名建模组，132名外部验证组） | NA | NA | NA | NA |
| 17508 | 2025-03-09 |
MRI quantified enlarged perivascular space volumes as imaging biomarkers correlating with severity of anxiety depression in young adults with long-time mobile phone use
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1532256
PMID:40051766
|
研究论文 | 本研究旨在利用MRI量化的扩大血管周围间隙（EPVS）指标和机器学习算法，评估长时间使用手机（LTMPU）患者的焦虑和抑郁症状严重程度 | 首次将MRI量化的EPVS指标与机器学习算法结合，用于评估LTMPU患者的焦虑和抑郁症状严重程度，提供了一种非侵入性、客观且定量的诊断方法 | 样本量较小（82名参与者），且仅针对长时间使用手机的人群，可能限制了结果的普遍性 | 开发一种预测模型，评估长时间使用手机患者的焦虑和抑郁症状严重程度 | 长时间使用手机的年轻成年人 | 数字病理学 | 焦虑和抑郁 | MRI | 逻辑回归模型和K近邻模型 | 图像 | 82名长时间使用手机的参与者，其中37名患有焦虑，44名患有抑郁 | NA | NA | NA | NA |
| 17509 | 2025-03-09 |
Practical Applications of Artificial Intelligence Diagnostic Systems in Fundus Retinal Disease Screening
2025, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S507100
PMID:40051895
|
研究论文 | 本研究评估了一种基于深度学习的AI诊断系统在视网膜疾病分析中的性能，评估其与专家诊断的一致性及其在筛查应用中的整体效用 | 使用深度学习AI系统进行视网膜疾病筛查，并与专家诊断进行对比，评估其在实际应用中的可靠性和可行性 | 研究仅在一家医院进行，样本量虽大但可能缺乏多样性 | 评估AI诊断系统在视网膜疾病筛查中的性能 | 3076名接受全面眼科检查的患者 | 数字病理 | 视网膜疾病 | 深度学习 | CARE系统 | 图像 | 3076名患者 | NA | NA | NA | NA |
| 17510 | 2025-03-09 |
Research progress on artificial intelligence technology-assisted diagnosis of thyroid diseases
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1536039
PMID:40052126
|
综述 | 本文综述了人工智能技术在甲状腺疾病早期诊断中的应用研究，特别是深度学习算法在超声和病理图像识别中的应用 | 整合了多项研究结果，指出卷积神经网络模型在甲状腺结节和甲状腺病理细胞病变识别中具有高准确率，U-Net网络模型作为分割算法能显著提高甲状腺结节超声图像的识别准确率 | 目前甲状腺疾病的早期诊断仍依赖于检查设备和医生的临床经验，存在一定的误诊率 | 探索一种能在早期阶段客观筛查甲状腺病变的技术 | 甲状腺疾病的早期筛查和诊断 | 数字病理学 | 甲状腺癌 | 深度学习算法 | 卷积神经网络, U-Net网络模型 | 超声图像, 病理切片 | NA | NA | NA | NA | NA |
| 17511 | 2025-03-09 |
A review of AI-based radiogenomics in neurodegenerative disease
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1515341
PMID:40052173
|
review | 本文综述了基于人工智能的放射基因组学在神经退行性疾病中的应用 | 结合放射组学和基因组学，利用人工智能技术提高神经退行性疾病的诊断准确性和及时性 | NA | 探讨人工智能在神经退行性疾病放射基因组学中的应用 | 神经退行性疾病 | digital pathology | geriatric disease | radiomics, genomics | machine learning, deep learning | imaging, genomic data | NA | NA | NA | NA | NA |
| 17512 | 2025-03-08 |
Kellgren-Lawrence grading of knee osteoarthritis using deep learning: Diagnostic performance with external dataset and comparison with four readers
2025-Jun, Osteoarthritis and cartilage open
DOI:10.1016/j.ocarto.2025.100580
PMID:40046240
|
研究论文 | 本研究评估了深度学习模型在外部数据集上对膝关节骨关节炎的Kellgren-Lawrence (KL)分级诊断性能，并与四位读者进行了比较 | 使用深度学习模型在外部数据集上评估膝关节骨关节炎的KL分级，并与多位人类读者进行比较，展示了深度学习在医学影像诊断中的潜力 | 研究样本量较小（208例膝关节X光片），且仅使用了单一外部数据集进行验证 | 评估深度学习模型在膝关节骨关节炎KL分级中的诊断性能 | 膝关节骨关节炎的X光片 | 计算机视觉 | 骨关节炎 | 深度学习 | 深度学习模型 | 图像 | 208例膝关节X光片 | NA | NA | NA | NA |
| 17513 | 2025-03-08 |
Optimizing Catheter Verification: An Understandable AI Model for Efficient Assessment of Central Venous Catheter Placement in Chest Radiography
2025-Apr-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001126
PMID:39724590
|
研究论文 | 本研究旨在通过分割支持材料和解剖结构来提高中心静脉导管（CVC）错位检测的精确性和可理解性 | 结合分类网络和分割网络的深度学习模型，提高了CVC错位检测的准确性和临床可解释性 | 研究中使用的数据集可能存在标签不准确的问题，且模型的泛化能力需要进一步验证 | 提高中心静脉导管（CVC）错位检测的准确性和临床可解释性 | 中心静脉导管（CVC）在胸部X光片中的位置 | 医学影像分析 | NA | 深度学习 | 分类网络、分割网络及其组合 | 胸部X光片 | 1006张带注释的仰卧胸部X光片 | NA | NA | NA | NA |
| 17514 | 2025-03-08 |
Assessment of Emphysema on X-ray Equivalent Dose Photon-Counting Detector CT: Evaluation of Visual Scoring and Automated Quantification Algorithms
2025-Apr-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001128
PMID:39729642
|
研究论文 | 本研究评估了在X射线等效剂量光子计数探测器CT上使用视觉评分、低衰减体积（LAV）和深度学习方法估计肺气肿范围的可行性和效果，旨在探索未来剂量减少的潜力 | 首次在X射线等效剂量光子计数探测器CT上评估了视觉评分和自动化量化算法在肺气肿估计中的应用，并探索了剂量减少的潜力 | 深度学习和LAV算法在X射线剂量扫描中高估了肺气肿范围 | 评估在X射线等效剂量光子计数探测器CT上估计肺气肿范围的可行性和效果 | 101名前瞻性入组的患者 | 数字病理学 | 慢性阻塞性肺疾病 | CT扫描、深度学习方法 | 深度学习模型 | 图像 | 101名患者 | NA | NA | NA | NA |
| 17515 | 2025-03-08 |
FusionNet: Dual input feature fusion network with ensemble based filter feature selection for enhanced brain tumor classification
2025-Apr-01, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2025.149507
PMID:39970997
|
研究论文 | 本文提出了一种名为FusionNet的新方法，利用正常和分割的MRI图像来提高脑肿瘤分类的准确性 | FusionNet结合了正常和分割的MRI图像，使用基于注意力机制和集成特征选择的方法来优先考虑相关特征，从而提高分类性能 | NA | 提高脑肿瘤分类的准确性 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习 | FusionNet | MRI图像 | 多个数据集（Figshare, Kaggle, Sartaj, 组合数据集） | NA | NA | NA | NA |
| 17516 | 2025-03-08 |
Lightweight sparse optoacoustic image reconstruction via an attention-driven multi-scale wavelet network
2025-Apr, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100695
PMID:40046019
|
研究论文 | 本文提出了一种轻量级的稀疏光声图像重建网络AD-WaveNet，通过结合离散二维小波变换和自适应注意力机制，提高了稀疏采样下的图像重建质量并降低了计算复杂度 | AD-WaveNet网络创新性地将离散二维小波变换与自适应注意力机制相结合，利用小波变换的多尺度分解特性，强调不同尺度下的关键特征，从而在降低计算复杂度和参数量的同时保持最佳重建质量 | NA | 提高稀疏采样下光声断层扫描（PAT）图像的重建质量，并降低计算复杂度 | 光声断层扫描（PAT）图像 | 计算机视觉 | NA | 离散二维小波变换（DWT） | AD-WaveNet | 图像 | NA | NA | NA | NA | NA |
| 17517 | 2025-03-08 |
Deep Learning-based Multi-class Classification for Neonatal Respiratory Diseases on Chest Radiographs in Neonatal Intensive Care Units
2025-Mar-06, Neonatology
IF:2.6Q1
DOI:10.1159/000545107
PMID:40049153
|
研究论文 | 本研究介绍了一种基于深度学习的自动算法，用于分类新生儿重症监护病房中的各种新生儿呼吸系统疾病和健康肺 | 使用大规模高质量多类标注的胸部X光图像数据集，结合非影像数据，开发了一种新的深度学习模型，用于新生儿呼吸系统疾病的自动分类 | 研究仅基于韩国10所大学医院的数据，可能限制了模型的普遍适用性 | 开发一种自动分类算法，以支持新生儿科医生对重症新生儿的及时准确决策 | 新生儿重症监护病房中的新生儿 | 计算机视觉 | 新生儿呼吸系统疾病 | 深度学习 | 修改后的ResNet50 | 胸部X光图像 | 训练集34,598张，验证集4,370张，测试集4,370张 | NA | NA | NA | NA |
| 17518 | 2025-03-08 |
An automated treatment planning portfolio for whole breast radiotherapy
2025-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17588
PMID:39699058
|
研究论文 | 本研究开发了一套完整的自动化放射治疗计划组合，用于全乳放疗，适应不同的患者因素、临床方法和可用资源 | 提出了一个全面的、端到端的自动化放疗解决方案，结合了多种治疗方法和深度学习模型，适应不同的患者和治疗需求 | 研究中使用的样本量相对较小，且主要来自特定机构，可能限制了结果的普遍性 | 开发一套自动化放疗计划组合，以适应不同的患者因素和临床需求 | 全乳放疗患者 | 数字病理 | 乳腺癌 | 深度学习模型（nnU-net）、RapidPlan模型 | nnU-net | 放疗计划数据 | 15名内部患者（150个计划）和40名来自瑞士、阿根廷、伊朗和美国的外部患者（360个计划） | NA | NA | NA | NA |
| 17519 | 2025-02-10 |
A 2.5D transfer deep learning model based on artificial intelligence for differentiating lymphoma and tuberculous lymphadenitis in HIV/AIDS patients
2025-Mar, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2025.106439
PMID:39922386
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17520 | 2025-03-08 |
Deep5mC: Predicting 5-methylcytosine (5mC) methylation status using a deep learning transformer approach
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.02.007
PMID:40041569
|
研究论文 | 本文介绍了一种基于深度学习Transformer的方法Deep5mC，用于预测5-甲基胞嘧啶（5mC）的甲基化状态 | Deep5mC利用基因组序列中的长程依赖性来预测5mC甲基化，显著优于现有方法，并揭示了长程序列上下文对5mC预测的影响 | 现有方法大多关注特定基因组区域，而Deep5mC虽然考虑了长程依赖性，但仍需进一步验证其在跨物种和人类疾病中的适用性 | 研究5mC甲基化状态与基因组序列的依赖性，并开发一种高效的预测方法 | 5-甲基胞嘧啶（5mC）的甲基化状态 | 机器学习 | NA | 深度学习 | Transformer | DNA序列 | NA | NA | NA | NA | NA |