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 1386 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2025-10-07 |
Artificial intelligence to predict treatment response in rheumatoid arthritis and spondyloarthritis: a scoping review
2025-04-07, Rheumatology international
IF:3.2Q2
DOI:10.1007/s00296-025-05825-3
PMID:40192881
|
综述 | 分析人工智能技术在预测类风湿关节炎和脊柱关节炎治疗反应中的应用类型与方法 | 首次系统综述AI在风湿病领域预测治疗反应的应用现状与潜力 | 研究方法异质性限制了结果的普适性，缺乏外部验证 | 评估AI技术在预测风湿性疾病治疗反应中的应用效果 | 类风湿关节炎和脊柱关节炎患者 | 机器学习 | 风湿性疾病 | 多组学分析、医学影像分析 | 监督机器学习、无监督聚类、深度学习 | 电子病历、临床生物标志物、遗传数据、蛋白质组数据、影像数据 | 89项符合条件的研究（74项RA研究，7项SpA研究，4项银屑病关节炎研究，4项混合研究） | NA | 随机森林, 支持向量机 | 准确率, AUC | NA |
| 222 | 2025-10-07 |
Difficulty aware programming knowledge tracing via large language models
2025-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96540-3
PMID:40181055
|
研究论文 | 提出了一种基于大语言模型的难度感知编程知识追踪方法，通过分析编程问题的文本理解难度和知识点难度来提升学生知识状态预测精度 | 首次将文本理解难度和知识点难度同时引入知识追踪，结合注意力机制和大语言模型动态更新学生知识状态 | NA | 提高编程知识追踪的准确性和时空反映能力 | 编程教育中的学生知识状态 | 自然语言处理 | NA | 大语言模型 | 图注意力网络 | 文本 | NA | NA | 注意力机制,图注意力网络 | 评估精度,时空反映能力 | NA |
| 223 | 2025-10-07 |
Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM
2025-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3494732
PMID:39514345
|
研究论文 | 提出一种基于增量重训练LSTM的个性化血糖预测方法，可在有限连续血糖监测数据下实现准确预测 | 提出增量重训练堆叠LSTM框架，通过逐步适应个体数据和参数迁移提高效率，解决传统方法需要大量训练数据的问题 | 研究主要针对1型糖尿病患者，未涉及其他类型糖尿病 | 开发适用于有限CGM数据的个性化血糖预测方法，提升人工胰腺系统的胰岛素输送效果 | 1型糖尿病患者的连续血糖监测数据 | 机器学习 | 糖尿病 | 连续血糖监测 | LSTM | 时间序列数据 | 两个CGM数据集：OpenAPS和Replace-BG | TensorFlow, PyTorch | 堆叠LSTM | 均方根误差, Clarke误差网格分析 | NA |
| 224 | 2025-10-07 |
Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review
2025-Apr, Drug safety
IF:4.0Q1
DOI:10.1007/s40264-024-01505-6
PMID:39786481
|
综述 | 本文通过范围综述评估自然语言处理和机器学习方法在电子健康记录中检测药物不良事件的有效性 | 系统性地总结了NLP/ML技术在利用非结构化EHR数据进行药物警戒的最新应用进展 | 研究方法存在显著异质性，缺乏标准化方法和验证标准，限制了实践应用 | 评估NLP/ML技术从非结构化EHR数据中检测药物不良事件的有效性以改善药物警戒 | 电子健康记录中的非结构化文本数据 | 自然语言处理, 机器学习 | 药物不良事件 | 自然语言处理, 机器学习 | 基于规则的NLP, 统计模型, 深度学习 | 非结构化文本 | 7项符合纳入标准的研究 | NA | NA | 模型性能评估指标 | NA |
| 225 | 2025-10-07 |
Brain-wide 3D neuron detection and mapping with deep learning
2025-Apr, Neurophotonics
IF:4.8Q1
DOI:10.1117/1.NPh.12.2.025012
PMID:40401216
|
研究论文 | 提出了一种基于深度学习的全脑3D神经元检测与映射方法NeuronMapper | 首次将Video Swin Transformer应用于全脑3D神经元检测，实现了百万级别神经元定位 | 方法主要针对小鼠脑数据，尚未在其他物种上验证 | 开发自动可靠的神经元检测与映射技术以理解神经回路 | 小鼠全脑神经元胞体 | 计算机视觉 | NA | 3D成像 | Transformer, CNN | 3D图像 | 百万级别神经元 | PyTorch | Video Swin Transformer | 检测准确率, 定位精度 | GPU |
| 226 | 2025-05-23 |
Estimating hair density with XGBoost
2025-Apr, International journal of cosmetic science
IF:2.7Q2
DOI:10.1111/ics.13030
PMID:39551627
|
研究论文 | 本研究探索使用XGBoost算法进行头发密度估计，旨在开发一种更准确和通用的方法 | 采用XGBoost算法进行头发密度估计，相比之前的方法在测试集上达到了95.3%的准确率，显著优于其他研究 | 研究仅使用了895张头皮图像，样本量可能不足以覆盖所有临床情况 | 开发一种更准确和通用的头发密度估计方法 | 头皮图像 | 计算机视觉 | NA | 图像处理 | XGBoost | 图像 | 895张头皮图像（745张用于训练，150张用于测试） | NA | NA | NA | NA |
| 227 | 2025-05-23 |
Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting
2025-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104532
PMID:40015615
|
研究论文 | 本研究探讨了在儿童超广角眼底成像中，通过瞳孔扩大和眼睑提升来最大化可见视网膜区域（VRA）的效果 | 首次在儿童群体中量化评估了瞳孔扩大和眼睑提升对超广角眼底成像可见视网膜区域的协同增效作用 | 样本量较小（53名儿童），且为单中心研究 | 优化儿童超广角眼底成像技术以提高周边视网膜病变检出率 | 53名儿童（106只眼）的超广角眼底图像 | 数字病理 | 视网膜病变 | 超广角Optos成像系统（Daytona P200T） | 基于深度学习的图像分割工具 | 图像 | 53名儿童（106只眼） | NA | NA | NA | NA |
| 228 | 2025-04-26 |
Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors
2025-Apr-24, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01476-9
PMID:40274694
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 229 | 2025-10-07 |
Primary angle-closed diseases recognition through artificial intelligence-based anterior segment-optical coherence tomography imaging
2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-024-06709-1
PMID:39680113
|
研究论文 | 本研究开发了一种基于深度学习的前段光学相干断层扫描图像自动分析系统，用于识别原发性房角关闭疾病 | 首次将迁移学习应用于ResNet-50架构，实现对AS-OCT图像的自动房角分类分析 | 研究样本仅来自上海社区老年人群，可能限制模型的泛化能力 | 开发人工智能系统以提高AS-OCT图像分析效率并自动识别房角关闭 | 687名参与者的94895张AS-OCT图像 | 计算机视觉 | 青光眼 | 光学相干断层扫描 | CNN | 图像 | 687名参与者，94895张AS-OCT图像 | NA | ResNet-50 | 准确率, AUC | NA |
| 230 | 2025-10-07 |
Enhancing diabetic retinopathy and macular edema detection through multi scale feature fusion using deep learning model
2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-024-06687-4
PMID:39680112
|
研究论文 | 通过深度学习模型的多尺度特征融合技术增强糖尿病视网膜病变和黄斑水肿的检测能力 | 采用独特的多尺度特征融合技术，将高层次语义信息与低层次纹理特征相结合，提升自动化诊断精度 | NA | 提高糖尿病视网膜病变和糖尿病黄斑水肿的早期识别准确率 | 视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN | 图像 | MESSIDOR数据集中的视网膜图像 | NA | 卷积神经网络 | 准确率,精确度 | NA |
| 231 | 2025-10-07 |
The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology
2025-Apr, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112014
PMID:40031377
|
评论 | 探讨放射学中人工智能实施面临的挑战，并倡导优先采用可解释人工智能以增强透明度 | 提出在放射学领域平衡'黑盒'系统与可解释人工智能的必要性，强调透明度和伦理标准 | 承认可解释人工智能可能性能低于黑盒模型 | 分析AI在放射学实施的挑战并推动可解释AI的应用 | 放射学中的人工智能系统 | 医疗人工智能 | NA | 机器学习和深度学习 | 黑盒AI模型，可解释AI模型 | 医学影像数据 | NA | NA | NA | NA | NA |
| 232 | 2025-10-07 |
Validation of multiple deep learning models for colorectal tumor differentiation with endoscopic ultrasound images: a dual-center study
2025-Apr-30, Journal of gastrointestinal oncology
IF:2.0Q3
DOI:10.21037/jgo-2024-1024
PMID:40386596
|
研究论文 | 本研究验证了多种深度学习模型在结直肠肿瘤分化诊断中的效能，通过内镜超声图像进行结直肠腺瘤和癌症的分类 | 首次在双中心研究中比较了四种深度学习模型（ResNet50、EfficientNet-B0、VGG_11_BN、ViT）在结直肠肿瘤分化诊断中的性能，并与内镜医师进行对比 | 回顾性研究设计，样本量相对有限（554例患者），未进行外部验证 | 验证内镜超声结合人工智能在结直肠腺瘤和癌症诊断中的效能，并与传统内镜诊断方法进行比较 | 结直肠癌患者、结直肠腺瘤患者和对照组患者 | 计算机视觉 | 结直肠癌 | 内镜超声 | CNN, Transformer | 图像 | 554例患者（167例结直肠癌，136例腺瘤，251例对照组），来自两个独立医疗中心 | NA | ResNet50, EfficientNet-B0, VGG_11_BN, Vision Transformer | 准确率, 敏感度, 特异性, F1分数, Fleiss' kappa | NA |
| 233 | 2025-10-07 |
Deep learning model for predicting spread through air spaces of lung adenocarcinoma based on transfer learning mechanism
2025-Apr-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-985
PMID:40386718
|
研究论文 | 基于迁移学习机制开发深度学习模型预测肺腺癌气腔播散 | 结合语义特征与深度学习构建混合模型，首次基于CT图像实现STAS术前预测 | 回顾性研究且样本量有限（290例患者） | 开发并验证基于深度学习算法的肺腺癌STAS术前预测模型 | 肺腺癌患者术前胸部CT图像 | 计算机视觉 | 肺癌 | CT影像分析 | CNN | 医学影像 | 290例肺腺癌患者 | NA | ResNet50 | AUC, 敏感度, 特异度, 准确率 | NA |
| 234 | 2025-10-07 |
A narrative review of preoperative CT for predicting spread through air spaces of lung cancer
2025-Apr-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-952
PMID:40386727
|
综述 | 回顾和总结计算机断层扫描(CT)在预测肺癌气腔播散(STAS)中的研究进展 | 系统评估了传统影像学征象结合人工智能技术在STAS预测中的应用价值 | 风险分层研究有限，需要更全面的STAS病理学定义和大样本前瞻性研究验证 | 评估术前CT影像预测肺癌气腔播散的可行性 | 肺癌患者的气腔播散现象 | 数字病理 | 肺癌 | 计算机断层扫描(CT) | 深度学习, 放射组学 | CT影像 | NA | NA | NA | 预测效能 | NA |
| 235 | 2025-10-07 |
Integrating radiomics and deep learning for enhanced prediction of high-grade patterns in stage IA lung adenocarcinoma
2025-Apr-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-995
PMID:40386715
|
研究论文 | 本研究开发了一种基于术前CT图像的融合模型，用于预测IA期肺浸润性非黏液腺癌中高级别模式的存在 | 首次将放射组学特征与深度学习特征相结合构建预测模型，显著提升了高级别模式的识别性能 | 回顾性研究设计，样本量相对有限（403例患者），需要外部验证 | 开发术前预测肺腺癌高级别模式的影像学模型 | IA期肺浸润性非黏液腺癌患者 | 医学影像分析 | 肺癌 | 计算机断层扫描（CT） | XGBoost | 医学影像 | 403例手术治疗的IA期肺腺癌患者 | NA | NA | AUC, 校准曲线, 决策曲线分析 | NA |
| 236 | 2025-10-07 |
Fully automated MRI-based analysis of the locus coeruleus in aging and Alzheimer's disease dementia using ELSI-Net
2025 Apr-Jun, Alzheimer's & dementia (Amsterdam, Netherlands)
DOI:10.1002/dad2.70118
PMID:40365469
|
研究论文 | 提出了一种基于深度学习的自动化蓝斑核分割和特征提取方法ELSI-Net，应用于衰老和阿尔茨海默病痴呆的MRI数据分析 | 开发了集成式蓝斑核分割网络ELSI-Net，实现了完全自动化的蓝斑核分析，性能优于先前工作 | 需要在更多样化的临床队列数据集上进行进一步评估以确认其普适性 | 开发自动化蓝斑核分析方法并应用于衰老和阿尔茨海默病痴呆研究 | 健康衰老人群和阿尔茨海默病痴呆患者的蓝斑核 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 深度学习 | MRI图像 | NA | NA | 集成网络 | 与专家评分一致性，与已发表图谱一致性 | NA |
| 237 | 2025-10-07 |
Potential of Artificial Intelligence for Bone Age Assessment in Iranian Children and Adolescents: An Exploratory Study
2025-Apr-01, Archives of Iranian medicine
IF:1.0Q3
DOI:10.34172/aim.32070
PMID:40382691
|
研究论文 | 探索人工智能系统在伊朗儿童和青少年骨龄评估中的准确性 | 开发了专门针对伊朗人群的深度学习模型进行骨龄评估 | 95%一致性界限相对较宽（特别是男孩），年龄范围两端的预测误差较大，需要更大更多样化的数据集验证 | 研究人工智能系统能否准确评估伊朗儿童的骨龄 | 1-18岁伊朗儿童和青少年的左手X光片 | 医学影像分析 | 肌肉骨骼疾病 | X光成像 | 深度学习模型 | X光图像 | 555张左手X光片（220名男孩，335名女孩） | NA | NA | 均方误差, 平均绝对误差, 组内相关系数, 95%一致性界限 | NA |
| 238 | 2025-10-07 |
Artificial Intelligence as a Screening Tool for MRI Evaluation of Normal and Abnormal Medial Meniscus
2025-Apr, Cureus
DOI:10.7759/cureus.82523
PMID:40385820
|
研究论文 | 本研究评估了基于Mask R-CNN的深度学习模型在MRI图像中对内侧半月板进行分割和分类的性能 | 使用精确的多边形标注实现像素级半月板分割，而非传统的边界框分割方法，确保排除相邻解剖结构干扰 | 需要多中心数据集验证，尚未对半月板异常进行细分类 | 开发AI辅助工具自动化评估膝关节MRI中的半月板异常 | 膝关节内侧半月板 | 计算机视觉 | 骨科疾病 | MRI成像技术 | Mask R-CNN | 医学图像 | 3,600幅矢状位质子密度加权脂肪抑制(PD-FS) MRI图像 | PyTorch | Mask R-CNN with ResNet-50, FPN | AUC, 分割准确率, 灵敏度, 特异性 | NA |
| 239 | 2025-10-07 |
The Role of Artificial Intelligence in the Prediction of Bariatric Surgery Complications: A Systematic Review
2025-Apr, Cureus
DOI:10.7759/cureus.82461
PMID:40385919
|
系统评价 | 系统评价人工智能在预测减重手术后并发症中的作用 | 首次系统评估AI在减重手术并发症预测中的应用，比较不同AI算法与传统方法的性能差异 | 研究异质性高，存在过拟合、数据不平衡和泛化能力有限等问题，且多数研究存在地域偏倚 | 评估人工智能在预测减重手术并发症中的有效性和应用前景 | 减重手术患者 | 机器学习 | 肥胖症 | AI算法分析 | 集成方法,神经网络,逻辑回归 | 临床数据 | 7项回顾性队列研究的大型数据集 | NA | NA | AUC,准确率 | NA |
| 240 | 2025-10-07 |
Food Freshness Prediction Platform Utilizing Deep Learning-Based Multimodal Sensor Fusion of Volatile Organic Compounds and Moisture Distribution
2025-04-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c00254
PMID:40123082
|
研究论文 | 开发了一种基于深度学习的多模态传感器融合平台，用于通过挥发性有机化合物和水分分布预测牛肉新鲜度 | 将自注意力机制和SENet缩放特征引入多模态深度学习模型，实现传感器重要特征的自适应融合和聚焦 | 仅针对牛肉样品进行研究，未验证在其他食品类型上的适用性 | 开发能够精确监测牛肉腐败过程的多模态传感技术 | 牛肉样品 | 机器学习 | NA | 表面增强拉曼散射(SERS), 低场核磁共振(LF-NMR) | 深度学习 | 传感器数据, 挥发性有机化合物数据, 水分分布数据 | NA | NA | 自注意力机制, SENet | R², 准确率 | NA |