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 1206 篇文献，本页显示第 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2025-03-30 |
Brain Tumor Detection and Prediction in MRI Images Utilizing a Fine-Tuned Transfer Learning Model Integrated Within Deep Learning Frameworks
2025-Feb-20, Life (Basel, Switzerland)
DOI:10.3390/life15030327
PMID:40141673
|
research paper | 该研究通过微调迁移学习模型，利用深度学习框架提高MRI图像中脑肿瘤检测和预测的准确性 | 采用多种迁移学习模型（如InceptionResNetV2、VGG19、Xception和MobileNetV2）进行脑肿瘤分类，其中Xception模型表现最佳，准确率达到96.11% | 数据集来自Kaggle，可能存在样本多样性和泛化能力的限制 | 提高脑肿瘤分类的准确性和效率，支持临床决策 | MRI图像中的脑肿瘤与非肿瘤图像 | computer vision | brain tumor | deep transfer learning | InceptionResNetV2, VGG19, Xception, MobileNetV2 | image | Kaggle数据集中的肿瘤与非肿瘤图像，具体数量未提及 | NA | NA | NA | NA |
| 602 | 2025-03-29 |
Multimodal Deep Learning Model for Cylindrical Grasp Prediction Using Surface Electromyography and Contextual Data During Reaching
2025-Feb-27, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10030145
PMID:40136799
|
research paper | 该研究提出了一种多模态深度学习模型，用于结合表面肌电信号和上下文数据预测圆柱形抓握动作 | 整合了表面肌电信号和上下文信息的多模态模型，相比传统单模态方法能更好地预测真实场景中的抓握动作 | 仅针对圆柱形抓握这一特定抓握类型进行研究，未涵盖其他常见抓握类型 | 改进人机交互系统中抓握动作的预测精度 | 人体抓握动作（特别是圆柱形抓握） | machine learning | NA | 表面肌电信号(EMG)采集 | CNN（用于EMG处理）和全连接网络（用于上下文信息处理）的混合架构 | 生物电信号（EMG）和上下文数据 | 未明确说明受试者数量 | NA | NA | NA | NA |
| 603 | 2025-03-29 |
Concealed Weapon Detection Using Thermal Cameras
2025-Feb-26, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11030072
PMID:40137184
|
研究论文 | 本文提出了一种利用热成像和深度学习的两阶段方法，用于隐蔽手枪检测，为执法和监控应用提供潜在的实时解决方案 | 提出了一种轻量级算法，适用于低端嵌入式设备，并创建了一个针对隐蔽场景定制的热数据集 | 实验数据集可能不够广泛，且仅针对手枪检测 | 开发一种高效、可靠的隐蔽武器检测技术，以提升公共安全 | 隐蔽手枪 | 计算机视觉 | NA | 热成像和深度学习 | NA | 热成像图像 | 定制热数据集（具体数量未提及） | NA | NA | NA | NA |
| 604 | 2025-03-29 |
Explainable Siamese Neural Networks for Detection of High Fall Risk Older Adults in the Community Based on Gait Analysis
2025-Feb-22, Journal of functional morphology and kinesiology
IF:2.6Q1
DOI:10.3390/jfmk10010073
PMID:40137325
|
research paper | 该研究提出了一种基于步态分析的深度学习新方法，用于检测社区中高跌倒风险的老年人 | 将生物力学时间序列数据转化为视觉表示，并应用CNN和SNN进行跌倒风险评估，同时利用Grad-CAM增强模型的可解释性 | 未提及具体的数据集规模限制或模型在其他人群中的泛化能力 | 提高老年人跌倒风险预测的准确性，以实施及时预防措施 | 社区中的老年人 | machine learning | geriatric disease | gait analysis | CNN, SNN, RF | time-series data, visual representations | NA | NA | NA | NA | NA |
| 605 | 2025-03-29 |
A Narrative Review on the Role of Artificial Intelligence (AI) in Colorectal Cancer Management
2025-Feb, Cureus
DOI:10.7759/cureus.79570
PMID:40144438
|
review | 本文综述了人工智能（AI）在结直肠癌管理中的作用及其潜在优势 | 探讨了AI在结直肠癌筛查、病理评估、精准手术和术后护理中的创新应用 | 多中心研究和随机试验的缺乏限制了AI在标准实践中全面评估和整合的可能性 | 评估AI在结直肠癌管理中的应用及其对临床实践的潜在影响 | 结直肠癌患者，特别是35岁以上的成年患者 | digital pathology | colorectal cancer | deep learning | NA | NA | 122篇文献（包括随机对照试验、队列研究、荟萃分析等） | NA | NA | NA | NA |
| 606 | 2025-10-07 |
HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2424248
PMID:39552170
|
研究论文 | 提出一种基于混合卷积的自适应ResNet与注意力机制模型，用于花生叶部病害检测与自适应分割 | 结合自适应TransResunet++分割、HP-BWCF优化算法和HCAR-AM分类模型，通过双阶段特征提取提升检测精度 | NA | 开发高效的花生叶部病害检测系统 | 花生叶片图像 | 计算机视觉 | 植物病害 | 深度学习 | CNN, ResNet, 注意力机制 | 图像 | NA | NA | 自适应TransResunet++, HCAR-AM, ResNet | 多种性能指标 | NA |
| 607 | 2025-03-27 |
Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review
2025-Feb, Cureus
DOI:10.7759/cureus.79391
PMID:40130121
|
系统综述 | 本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性 | 强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术 | 部署AI工具用于诊断目的的问题需要更多关注 | 探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合 | 肌肉骨骼疾病 | 数字病理学 | 肌肉骨骼疾病 | 机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs） | CNN | 图像 | NA | NA | NA | NA | NA |
| 608 | 2025-10-07 |
Human sleep position classification using a lightweight model and acceleration data
2025-Feb-10, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-025-03247-w
PMID:39928075
|
研究论文 | 本研究开发了一种基于轻量级深度学习模型的便携式可穿戴设备，用于监测12种睡眠姿势 | 提出了结合1D-CNN和LSTM的轻量级模型AnpoNet，使用单个加速度计实现多姿势睡眠监测，适用于家庭环境 | 样本量较小（15名参与者），监测时间较短（每种姿势仅记录1分钟），需要更大规模和更长期的验证 | 开发便携式睡眠姿势监测系统，帮助胃食管反流病患者改善睡眠质量和反流症状 | 15名参与者的睡眠姿势数据 | 机器学习 | 胃食管反流病 | 加速度计数据采集 | CNN, LSTM | 加速度数据 | 15名参与者，12种睡眠姿势各记录1分钟，采样频率50Hz | NA | 1D-CNN结合LSTM，使用BN和Dropout优化 | 准确率, F1分数 | NA |
| 609 | 2025-03-26 |
Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review
2025-Feb, Cureus
DOI:10.7759/cureus.79199
PMID:40125138
|
综述 | 本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响 | 强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展 | 面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决 | 探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程 | 乳腺癌、肺癌和结肠癌的筛查与诊断 | 数字病理学 | 乳腺癌、肺癌、结肠癌 | 深度学习 | CNN | 影像数据 | NA | NA | NA | NA | NA |
| 610 | 2025-10-07 |
Deep Learning-Based Electrocardiogram Model (EIANet) to Predict Emergency Department Cardiac Arrest: Development and External Validation Study
2025-Feb-28, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/67576
PMID:40053733
|
研究论文 | 开发并验证基于深度学习的心电图图像模型EIANet，用于预测急诊科心脏骤停 | 提出首个使用12导联心电图图像的深度学习模型，结合空间注意力机制和自定义二元召回损失函数，可直接利用常规分诊心电图图像进行预测 | 数据集来自两家医院，需要更多外部验证；样本量相对有限 | 开发早期预测急诊科心脏骤停的深度学习模型 | 急诊科成年患者的心电图图像数据 | 医疗影像分析 | 心血管疾病 | 心电图图像分析 | CNN | 图像 | NTUH数据集：571例病例ECG和826例对照ECG；FEMH数据集：378例病例ECG和713例对照ECG | PyTorch | ResNet50 | F1-score, AUROC, AUPRC | NA |
| 611 | 2025-03-23 |
Spectral dual-layer detector CT-based radiomics-deep learning for predicting pathological aggressiveness of stage I lung adenocarcinoma: discrimination of precursor glandular lesions and invasive adenocarcinomas
2025-Feb-28, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-726
PMID:40114963
|
研究论文 | 本研究评估了基于光谱双层探测器CT（SDCT）的有效原子数（Zeff）的放射组学、深度学习和临床特征在区分磨玻璃结节（GGN）特征的腺前体病变（PGLs）和腺癌中的效用 | 结合SDCT-Zeff放射组学、深度学习和临床特征，构建了临床基于深度学习的放射组学（DLR）签名诺模图，提高了预测性能 | 研究仅在中国两个医疗中心进行，样本量和地理多样性可能有限 | 区分I期肺腺癌的病理侵袭性，特别是腺前体病变和侵袭性腺癌 | 磨玻璃结节（GGN）患者 | 数字病理 | 肺癌 | 光谱双层探测器CT（SDCT） | ResNet50, LightGBM | 医学影像 | 792个GGN（训练队列582个，外部验证队列210个） | NA | NA | NA | NA |
| 612 | 2025-03-23 |
The role of artificial intelligence in sepsis in the Emergency Department: a narrative review
2025-Feb-28, Annals of translational medicine
DOI:10.21037/atm-24-150
PMID:40115064
|
综述 | 本文综述了人工智能在急诊科脓毒症诊断、管理和预后中的应用 | 与传统预测分析相比，AI能够整合多种变量，提高诊断性能，并在脓毒症的诊断和预后中优于传统评分工具 | 现有的AI工具缺乏普适性和用户接受度，存在自动化偏差的风险，可能导致临床医生技能退化 | 探讨人工智能在急诊科脓毒症管理中的应用潜力 | 急诊科成年脓毒症患者 | 医疗人工智能 | 脓毒症 | 机器学习 | 机器学习模型 | 生命体征、自由文本输入、实验室测试和心电图 | NA | NA | NA | NA | NA |
| 613 | 2025-03-23 |
Artificial intelligence algorithm was used to establish and verify the prediction model of portal hypertension in hepatocellular carcinoma based on clinical parameters and imaging features
2025-Feb-28, Journal of gastrointestinal oncology
IF:2.0Q3
DOI:10.21037/jgo-2024-931
PMID:40115915
|
研究论文 | 本研究旨在基于临床参数和影像特征，利用人工智能算法建立并验证肝细胞癌患者门静脉高压的预测模型 | 结合临床特征、放射组学特征和深度学习特征，构建了一个综合预测模型，以更全面地捕捉与门静脉高压相关的复杂信息，从而实现高预测准确性和实用性 | 验证集的AUC和敏感性较低，表明模型在外部验证中的表现有待提高 | 建立并验证肝细胞癌患者门静脉高压的预测模型，以支持早期干预和个性化治疗 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | 放射组学和深度学习特征提取 | 逻辑回归模型 | 临床参数和CT影像 | 884名患者（707名训练集，177名验证集） | NA | NA | NA | NA |
| 614 | 2025-10-07 |
Inherently imperfect, inherently evolving - The pursuit of precision through biomarkers
2025-Feb, Biomedical journal
IF:4.1Q2
DOI:10.1016/j.bj.2025.100839
PMID:40015558
|
特刊 | 本期生物医学期刊聚焦癌症生物标志物研究，涵盖多种检测技术及疾病应用，同时探讨传染病研究、深度学习在医学影像中的应用等前沿话题 | 整合多种新兴生物标志物（cfDNA、粪便miRNA、EB病毒DNA等）与LC-MS技术结合的多标志物面板，并探索深度学习在创伤影像和心电图死亡率预测中的创新应用 | 研究范围广泛但深度有限，各主题间缺乏系统性关联，未提供具体实验数据和性能指标验证 | 推进精准医疗通过生物标志物开发，探索多种疾病检测和管理的新方法 | 结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等癌症患者，以及圆虫感染、自身免疫性肝炎、急性肾损伤等疾病模型 | 生物医学 | 多癌种及其他疾病 | cfDNA检测、miRNA分析、LC-MS质谱、循环肿瘤细胞检测、深度学习 | 深度学习模型 | 基因组数据、医学影像、心电图信号、临床样本 | NA | NA | NA | NA | NA |
| 615 | 2025-03-22 |
Dynamic MRI with Locally Low-Rank Subspace Constraint: Towards 1-Second Temporal Resolution Aided by Deep Learning
2025-Feb-27, Research square
DOI:10.21203/rs.3.rs-5448452/v1
PMID:40060040
|
研究论文 | 本文提出了一种结合局部低秩子空间约束和深度学习的动态MRI重建框架，旨在提高动态对比增强成像的时空分辨率 | 结合局部低秩子空间模型和神经网络，实现了从几秒到1秒的灵活时间分辨率，显著提高了图像质量 | 未明确提及具体样本量或临床验证结果 | 解决动态MRI中空间和时间分辨率平衡的挑战，提升动态对比增强成像的质量 | 高风险的乳腺癌患者，以及头颈部和脑部MRI应用 | 医学影像处理 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | 神经网络 | MRI图像 | NA | NA | NA | NA | NA |
| 616 | 2025-10-07 |
Applications of deep learning in trauma radiology: A narrative review
2025-Feb, Biomedical journal
IF:4.1Q2
DOI:10.1016/j.bj.2024.100743
PMID:38679199
|
综述 | 本文综述了深度学习在创伤放射学中的应用现状与未来发展 | 系统总结了深度学习在创伤影像各模态（FAST超声、X射线、CT）中的具体应用场景，并提出了联邦学习、模型可解释性、多模态数据整合等未来发展方向 | 临床采用仍然有限，需要多学科团队合作开发实用的现实世界解决方案 | 探讨深度学习在创伤放射学领域的应用潜力与发展方向 | 创伤影像数据（FAST超声、X射线、CT扫描） | 医学影像分析 | 创伤性疾病 | 深度学习 | NA | 医学影像（超声、X射线、CT） | NA | NA | NA | NA | NA |
| 617 | 2025-10-07 |
ECG-surv: A deep learning-based model to predict time to 1-year mortality from 12-lead electrocardiogram
2025-Feb, Biomedical journal
IF:4.1Q2
DOI:10.1016/j.bj.2024.100732
PMID:38697480
|
研究论文 | 开发了一种基于深度学习的ECG-surv模型，用于从12导联心电图预测1年死亡率 | 首次提出能同时处理删失数据和非结构化心电图数据的深度学习生存分析模型 | 模型在不同心电图设备采集的数据上性能有所差异 | 利用深度学习技术改进基于心电图的生存预测 | 心电图数据和患者生存时间数据 | 机器学习 | 心血管疾病 | 12导联心电图 | 深度神经网络 | 心电图信号 | 独立测试集和外部验证集 | NA | 特征提取神经网络+时间事件分析神经网络 | C-index | NA |
| 618 | 2025-10-07 |
SE(3)-Equivariant Ternary Complex Prediction Towards Target Protein Degradation
2025-Feb-26, ArXiv
PMID:40061120
|
研究论文 | 提出一种名为DeepTernary的深度学习方法来预测靶向蛋白降解中的三元复合物结构 | 首次使用SE(3)-等变图神经网络结合三元图间注意力机制，实现端到端的三元复合物结构预测 | 训练数据TernaryDB可能仍不够充分，对分子胶降解剂的预测仍有挑战 | 开发准确高效的三元复合物结构预测方法以加速靶向蛋白降解药物发现 | PROTACs和分子胶降解剂形成的三元复合物结构 | 计算生物学, 药物发现 | 多种疾病相关的蛋白靶点 | 深度学习, 结构预测 | 图神经网络 | 3D分子结构数据 | 从TernaryDB收集的高质量训练数据集 | 深度学习框架 | SE(3)-等变图神经网络, 编码器-解码器架构 | 预测准确性, 计算速度, 与实验降解效价的相关性 | NA |
| 619 | 2025-10-07 |
AI and Neurology
2025-Feb-17, Neurological research and practice
DOI:10.1186/s42466-025-00367-2
PMID:39956906
|
综述 | 本文综述了人工智能在神经病学领域的应用现状、潜力及面临的挑战 | 系统总结了人工智能在神经病学多个子领域（急重症神经病学、卒中、癫痫、运动障碍）的应用潜力，并首次将技术潜力与伦理安全挑战进行匹配分析 | 基于现有文献的回顾性分析，缺乏前瞻性研究验证 | 探讨人工智能在神经病学领域的应用前景及面临的挑战 | 神经病学领域的诊断、预后预测、决策制定和治疗方法 | 机器学习 | 神经系统疾病 | 机器学习和深度学习方法 | NA | 神经影像数据及其他临床数据 | NA | NA | NA | NA | NA |
| 620 | 2025-10-07 |
Detection of concha bullosa using deep learning models in cone-beam computed tomography images: a feasibility study
2025-Feb, Archives of craniofacial surgery
DOI:10.7181/acfs.2024.00283
PMID:40068625
|
研究论文 | 本研究评估深度学习模型在锥形束CT图像中检测鼻甲气房（concha bullosa）的可行性 | 首次将离散小波变换与对比度增强技术结合应用于CBCT图像的预处理，并采用预训练深度学习模型与随机森林分类器的混合架构 | 样本量有限（仅203个CBCT扫描），需要更大样本量和更多深度学习模型验证结果 | 评估深度学习模型在CBCT图像中检测鼻甲气房的性能 | 锥形束CT图像中的鼻甲气房 | 计算机视觉 | 鼻部疾病 | 锥形束CT成像，离散小波变换，对比度增强 | CNN | 医学图像 | 203个CBCT扫描（83个有CB，119个无CB），其中162个训练，41个测试 | TensorFlow, PyTorch, Keras, Scikit-learn | ResNet50, ResNet101, MobileNet | 准确率, AUC, 精确率, 召回率, F1分数 | NA |