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 17521 - 17540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17521 | 2025-03-16 |
Enhancing Lymph Node Metastasis Risk Prediction in Early Gastric Cancer Through the Integration of Endoscopic Images and Real-World Data in a Multimodal AI Model
2025-Mar-03, Cancers
IF:4.5Q1
DOI:10.3390/cancers17050869
PMID:40075715
|
研究论文 | 本研究旨在开发和验证一种基于深度学习的临床决策支持系统（CDSS），用于预测早期胃癌（EGC）中的淋巴结转移（LNM）和淋巴血管侵犯（LVI） | 通过整合内镜图像、人口统计数据、活检病理和CT检查结果，开发了一种基于Transformer的多模态AI模型，显著提高了LNM/LVI的预测准确性 | 研究依赖于多机构数据，可能存在数据异质性问题，且外部验证样本量相对较小 | 提高早期胃癌中淋巴结转移和淋巴血管侵犯的预测准确性，以指导治疗策略 | 早期胃癌患者 | 数字病理 | 胃癌 | 深度学习 | Transformer, CNN, 随机森林 | 图像, 人口统计数据, 活检病理, CT检查结果 | 2927名患者（训练集），449名患者（内部验证集），766名患者（外部验证集） | NA | NA | NA | NA |
| 17522 | 2025-03-16 |
Clinical value of aortic arch morphology in transfemoral TAVR: artificial intelligence evaluation
2025-Mar-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002232
PMID:39869394
|
研究论文 | 本研究利用人工智能算法评估主动脉弓形态对经股动脉导管主动脉瓣置换术（TF-TAVR）患者临床结果的影响 | 首次使用深度学习评估主动脉弓形态对TF-TAVR患者临床结果的影响，并构建了预测模型 | 研究为回顾性研究，可能存在选择偏倚 | 评估主动脉弓形态对TF-TAVR患者临床结果的影响 | 接受TF-TAVR的患者 | 数字病理学 | 心血管疾病 | 深度学习，机器学习 | 随机森林，逻辑回归 | 医学影像 | 1480名连续接受TF-TAVR的患者 | NA | NA | NA | NA |
| 17523 | 2025-03-16 |
Assessing Image Quality in Multiplexed Sensitivity-Encoding Diffusion-Weighted Imaging with Deep Learning-Based Reconstruction in Bladder MRI
2025-Feb-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050595
PMID:40075842
|
研究论文 | 本研究比较了传统多路复用灵敏度编码扩散加权成像（MUSE-DWI）与深度学习MUSE-DWI在膀胱MRI中的图像质量，并应用了供应商特定的深度学习（DL）重建技术 | 首次将基于CNN的深度学习算法应用于MUSE-DWI，显著提高了图像质量，特别是在病变清晰度和信号质量方面 | 研究为回顾性研究，样本量较小（57例患者），且仅针对膀胱肿块，可能限制了结果的普遍性 | 评估深度学习重建技术在膀胱MRI中的图像质量 | 57例膀胱肿块患者 | 医学影像 | 膀胱癌 | 多路复用灵敏度编码扩散加权成像（MUSE-DWI） | CNN | MRI图像 | 57例膀胱肿块患者 | NA | NA | NA | NA |
| 17524 | 2025-03-16 |
Automatic Detection of Radiographic Alveolar Bone Loss in Bitewing and Periapical Intraoral Radiographs Using Deep Learning Technology: A Preliminary Evaluation
2025-Feb-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050576
PMID:40075823
|
研究论文 | 本研究评估了使用深度学习技术（Denti.AI）在口腔内X光片中自动检测放射学牙槽骨丢失（RBL）的诊断准确性 | 利用FDA批准的Denti.AI软件，通过卷积神经网络（CNNs）提高RBL检测的准确性，支持临床决策 | 尽管在根尖片上的表现稳健，但在咬翼片上的准确性有待进一步优化 | 评估Denti.AI在口腔内X光片中检测RBL的诊断准确性 | 39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面 | 数字病理 | 牙周病 | 深度学习 | CNN | 图像 | 39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面 | NA | NA | NA | NA |
| 17525 | 2025-03-16 |
Enhanced Multi-Class Breast Cancer Classification from Whole-Slide Histopathology Images Using a Proposed Deep Learning Model
2025-Feb-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050582
PMID:40075829
|
研究论文 | 本文提出了一种基于DenseNet121的深度学习模型，用于乳腺癌的检测和多类别分类 | 提出的模型在二分类和多分类任务中均达到了最先进的性能，特别是在区分良性和恶性肿瘤以及分类特定恶性肿瘤亚型方面表现优异 | NA | 提高乳腺癌从组织学照片中的准确分类，以辅助诊断和有效治疗计划 | 乳腺癌 | 数字病理学 | 乳腺癌 | 深度学习 | DenseNet121 | 图像 | 使用BreakHis数据集中的全切片组织病理学图像 | NA | NA | NA | NA |
| 17526 | 2025-03-16 |
Integration of Hyperspectral Imaging and Deep Learning for Discrimination of Fumigated Lilies and Prediction of Quality Indicator Contents
2025-Feb-27, Foods (Basel, Switzerland)
DOI:10.3390/foods14050825
PMID:40077527
|
研究论文 | 本文结合高光谱成像和深度学习技术，用于快速预测百合的营养质量，并区分硫磺熏蒸模式 | 首次将CLSTM模型与高光谱成像结合，用于百合营养质量的快速预测和硫磺熏蒸模式的区分 | 未提及样本量的具体数量，可能影响模型的泛化能力 | 提高百合产品的质量评估和营养完整性 | 百合 | 计算机视觉 | NA | 高光谱成像 | CLSTM (卷积神经网络-长短期记忆网络) | 图像 | 未提及具体数量 | NA | NA | NA | NA |
| 17527 | 2025-03-16 |
HeartEnsembleNet: An Innovative Hybrid Ensemble Learning Approach for Cardiovascular Risk Prediction
2025-Feb-26, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare13050507
PMID:40077069
|
研究论文 | 本文提出了一种名为HeartEnsembleNet的新型混合集成学习模型，用于心血管疾病风险预测，并在70,000名心脏病患者的数据集上进行了评估 | 提出了一种新的混合集成学习模型HeartEnsembleNet，结合了多种机器学习分类器，显著提高了心血管疾病风险预测的准确性 | 未提及模型的泛化能力及在其他数据集上的表现 | 提高心血管疾病风险预测的准确性 | 70,000名心脏病患者 | 机器学习 | 心血管疾病 | 集成学习 | HeartEnsembleNet, SVM, GB, DT, LR, KNN, RF, HRFLM | 临床数据 | 70,000名心脏病患者 | NA | NA | NA | NA |
| 17528 | 2025-03-16 |
Breast Cancer Detection via Multi-Tiered Self-Contrastive Learning in Microwave Radiometric Imaging
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050549
PMID:40075796
|
研究论文 | 本文提出了一种名为J-MWR的分层自对比模型，用于分析微波辐射成像（MWR）数据，以提高乳腺癌的早期和准确检测 | J-MWR模型通过比较个体内部两个乳房相应子区域的温度变化，而非跨样本比较，来检测可能指示潜在问题的细微热异常 | NA | 提高乳腺癌的早期和准确检测 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 微波辐射成像（MWR） | 分层自对比模型（J-MWR） | 温度数据 | 4932名患者 | NA | NA | NA | NA |
| 17529 | 2025-03-16 |
An Integrated Deep Learning Model with EfficientNet and ResNet for Accurate Multi-Class Skin Disease Classification
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050551
PMID:40075797
|
研究论文 | 本文提出了一种结合EfficientNet和ResNet的深度学习模型，用于准确的多类皮肤疾病分类 | 创新点在于融合了三种卷积神经网络（EfficientNet-B0、EfficientNet-B2和ResNet50），通过独立分支操作提取详细特征，并通过融合机制进行特征传递和降维 | 未提及具体局限性 | 研究目标是创建一个融合级深度学习模型，以提高皮肤疾病分类的稳定性和性能 | 研究对象为皮肤疾病图像数据，包括白血病、早期皮肤癌、良性肿瘤和其他皮肤疾病 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN（EfficientNet-B0、EfficientNet-B2、ResNet50） | 图像 | 27,153张图像，来自Kaggle皮肤疾病图像数据集，分为训练集（80%）、验证集（10%）和测试集（10%） | NA | NA | NA | NA |
| 17530 | 2025-03-16 |
Detection of Gallbladder Disease Types Using a Feature Engineering-Based Developed CBIR System
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050552
PMID:40075799
|
研究论文 | 本文介绍了一种基于特征工程开发的内容基于图像检索（CBIR）系统，用于早期检测和诊断胆囊疾病 | 提出的CBIR模型结合了三种不同预训练架构的特征提取，并在六种不同模型中取得了成功的结果，AP值达到0.94 | 研究未提及样本的具体数量及多样性，可能影响模型的泛化能力 | 开发一种能够早期检测和诊断胆囊疾病的AI系统 | 胆囊疾病 | 计算机视觉 | 胆囊疾病 | 内容基于图像检索（CBIR） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 17531 | 2025-03-16 |
SADASNet: A Selective and Adaptive Deep Architecture Search Network with Hyperparameter Optimization for Robust Skin Cancer Classification
2025-Feb-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050541
PMID:40075789
|
研究论文 | 本文提出了一种基于元启发式优化的深度学习方法SADASNet，用于多类皮肤癌分类，旨在提高诊断准确性并降低计算复杂度 | SADASNet方法结合了粒子群优化技术，创新性地解决了超参数优化问题，并应用了数据增强技术以克服类别不平衡问题 | NA | 提高皮肤癌分类的准确性并降低计算复杂度 | 皮肤癌 | 计算机视觉 | 皮肤癌 | 粒子群优化（PSO） | SADASNet | 图像 | HAM10000数据集 | NA | NA | NA | NA |
| 17532 | 2025-03-16 |
A Multi-Agent and Attention-Aware Enhanced CNN-BiLSTM Model for Human Activity Recognition for Enhanced Disability Assistance
2025-Feb-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050537
PMID:40075785
|
研究论文 | 本文提出了一种新颖的三阶段特征集成策略，结合深度学习和机器学习，用于准确自动分类人类活动识别，以增强残疾辅助技术 | 通过增强最先进的卷积神经网络（CNN）和双向长短期记忆（BiLSTM）模型，结合选择性机器学习分类器和注意力机制，开发了一种独特的活动检测方法 | NA | 增强残疾辅助技术，包括跌倒检测、康复进度跟踪和个性化运动模式分析 | 人类活动识别 | 机器学习 | 残疾 | 深度学习（DL）和机器学习（ML） | CNN, BiLSTM, Attention-CNN-BiLSTM | 活动数据 | 公开可用的数据集（UCI-HAR数据集和WISDM） | NA | NA | NA | NA |
| 17533 | 2025-03-15 |
Deep learning the flow law of Antarctic ice shelves
2025-Mar-14, Science (New York, N.Y.)
DOI:10.1126/science.adp3300
PMID:40080586
|
研究论文 | 本研究利用遥感数据和物理信息深度学习，揭示了南极冰架流动规律及其粘度结构 | 首次通过深度学习方法揭示了南极冰架在压缩区和扩展区的流动规律，并构建了冰架范围的各向异性粘度图 | 研究结果依赖于遥感数据，可能存在数据精度和覆盖范围的限制 | 研究南极冰架的流动规律和粘度结构，以预测南极冰盖的未来质量损失 | 南极冰架 | 机器学习 | NA | 物理信息深度学习 | 深度学习 | 遥感数据 | 多个冰架的数据 | NA | NA | NA | NA |
| 17534 | 2025-03-15 |
A transformer-based real-time earthquake detection framework in heterogeneous environments
2025-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82087-2
PMID:40069212
|
研究论文 | 本文介绍了一种基于Transformer的实时地震检测框架TFEQ，旨在解决在高度异构环境中部署深度学习技术的挑战 | TFEQ模型独特地同时分析P波和S波，解决了现有模型通常只关注S波检测而忽视P波早期检测的问题 | NA | 开发一种能够在异构物联网环境中进行实时地震检测的深度学习模型 | 地震波（P波和S波） | 机器学习 | NA | 深度学习 | Transformer | 传感器数据 | CrowdQuake计划收集的MEMS传感器数据 | NA | NA | NA | NA |
| 17535 | 2025-03-15 |
Fuzzy control algorithm of cleaning parameters of street sweeper based on road garbage volume grading
2025-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92771-6
PMID:40069257
|
研究论文 | 本文提出了一种基于道路垃圾量分级的模糊控制算法，用于调整街道清扫车的清洁参数，以提高清洁效率和降低能耗 | 创新点在于结合YOLO v5深度学习模型进行目标检测和垃圾分类，并基于垃圾覆盖率和重量计算道路垃圾量分级系数，进而开发模糊控制模型以优化清扫车操作参数 | 未提及算法的泛化能力及在不同城市环境中的适用性 | 研究目的是通过智能算法优化街道清扫车的清洁参数，以提高清洁效率和降低能耗 | 研究对象是街道清扫车及其清洁参数 | 计算机视觉 | NA | YOLO v5 | 模糊控制模型 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17536 | 2025-03-15 |
Medical image classification by incorporating clinical variables and learned features
2025-Mar, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.241222
PMID:40078919
|
研究论文 | 本文提出了一种新颖的方法，通过结合临床变量来增强深度学习模型在医学图像分类中的表现，同时不压倒信息 | 与大多数现有深度神经网络模型仅考虑单像素信息不同，该方法捕捉了更全面的视角，并通过降维技术优化特征，与临床变量信息保持平衡 | 未明确提及具体局限性 | 提升医学图像分类的准确性 | 医学图像 | 计算机视觉 | 结核病和皮肤病 | 深度学习 | 预训练的深度神经网络 | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 17537 | 2025-03-15 |
Learning maximally spanning representations improves protein function annotation
2025-Feb-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.13.638156
PMID:40027840
|
研究论文 | 本文提出了一种名为MSRep的新型深度学习框架，旨在解决蛋白质功能注释中的不平衡问题，并提高注释准确性 | MSRep框架通过优化受神经崩溃（NC）启发的损失函数，确保少数功能在嵌入空间中与多数功能同等表示，从而提高了预测准确性和泛化能力 | 虽然MSRep在多个蛋白质功能注释任务中表现出色，但其在未表征蛋白质上的应用仍需进一步验证 | 提高蛋白质功能注释的准确性，特别是对于研究不足的功能类别 | 蛋白质功能注释 | 计算生物学 | NA | 深度学习 | 预训练蛋白质语言模型 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 17538 | 2025-03-15 |
CT-based radiomics-deep learning model predicts occult lymph node metastasis in early-stage lung adenocarcinoma patients: A multicenter study
2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|
研究论文 | 本研究开发并验证了一种基于CT的放射组学和深度学习融合模型，用于预测早期肺腺癌患者的隐匿性淋巴结转移 | 结合了放射组学和深度学习技术，使用3D SE-ResNet34网络构建融合模型，显著提高了预测隐匿性淋巴结转移的准确性 | 研究为回顾性分析，可能存在选择偏倚；样本量相对较小，需要更大规模的多中心研究进一步验证 | 开发并验证一种非侵入性预测模型，用于早期肺腺癌患者的隐匿性淋巴结转移 | 早期肺腺癌患者 | 数字病理 | 肺癌 | CT成像，深度学习 | 3D SE-ResNet34 | CT图像 | 358名患者（训练队列186名，内部验证队列48名，外部测试队列124名） | NA | NA | NA | NA |
| 17539 | 2025-03-15 |
Deep learning-based multi-task prediction of response to neoadjuvant chemotherapy using multiscale whole slide images in breast cancer: A multicenter study
2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|
研究论文 | 本研究开发了一种基于多尺度全切片图像（WSIs）的多任务深度学习模型（DLMM），用于预测乳腺癌患者对新辅助化疗（NAC）的反应 | 通过多尺度特征表示的串联融合和基于门控的注意力机制，模型能够精细预测治疗反应和病理完全缓解（pCR） | 尽管在多个测试集中表现出色，但模型仍需进一步验证其在不同临床环境中的普适性 | 开发一种深度学习模型，以更精确地预测乳腺癌患者对新辅助化疗的反应 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 多任务深度学习模型（DLMM） | 图像 | 1,670张全切片图像，包括训练集、验证集、内部测试集、外部测试集和前瞻性测试集 | NA | NA | NA | NA |
| 17540 | 2025-03-15 |
AI models for the identification of prognostic and predictive biomarkers in lung cancer: a systematic review and meta-analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1424647
PMID:40078179
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能模型在识别肺癌预后和预测生物标志物方面的有效性 | 本文首次系统地评估了AI模型在肺癌生物标志物识别中的应用，涵盖了多种AI方法和生物标志物目标 | 需要进一步的大规模前瞻性研究来验证和优化AI驱动生物标志物的临床效用 | 评估人工智能模型在识别肺癌预后和预测生物标志物方面的有效性 | 肺癌患者及其生物标志物 | 机器学习 | 肺癌 | 深度学习与机器学习算法 | NA | NA | 34项研究 | NA | NA | NA | NA |