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 1401 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 |
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 |
| 222 | 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 |
| 223 | 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 |
| 224 | 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 |
| 225 | 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 |
| 226 | 2025-10-07 |
Spider-Inspired Ion Gel Sensor for Dual-Mode Detection of Force and Speed via Magnetic Induction
2025-04-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c00403
PMID:40152352
|
研究论文 | 基于蜘蛛感知机制设计了一种可同时检测风速和压力的双模式离子凝胶柔性传感器 | 结合蜘蛛感知机制开发了集成磁感应和电容设计的双模式传感器，实现了力与速度的同时检测 | NA | 开发多功能、高灵敏度、宽检测范围且耐用的柔性传感器 | 风速和压力检测，人体运动监测 | 传感器技术 | NA | 磁感应共振原理，电容设计 | 深度学习算法 | 阻抗信号，电容信号 | NA | NA | NA | 准确率 | NA |
| 227 | 2025-10-07 |
Deep Learning-driven Microfluidic-SERS to Characterize the Heterogeneity in Exosomes for Classifying Non-Small Cell Lung Cancer Subtypes
2025-04-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03621
PMID:40167999
|
研究论文 | 开发了一种结合深度学习、微流控芯片和表面增强拉曼散射的技术，用于通过外泌体表征实现非小细胞肺癌的早期诊断和分子分型 | 首次将深度学习与微流控-SERS技术集成，实现了外泌体的高效捕获、富集和分析，能够区分不同NSCLC细胞系 | 未提及临床样本验证规模及多中心验证数据 | 实现非小细胞肺癌的早期诊断和精确分子分型 | 非小细胞肺癌细胞系的外泌体 | 生物医学工程 | 肺癌 | 微流控技术, 表面增强拉曼散射(SERS), 外泌体分析 | 深度学习 | 拉曼光谱数据 | 三种NSCLC细胞系和正常细胞系 | NA | NA | 准确率, AUC曲线 | NA |
| 228 | 2025-04-26 |
Informing Deep Learning of Sensing Data with Physics and Chemistry
2025-04-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c01075
PMID:40275811
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 229 | 2025-10-07 |
The application of natural language processing technology in hospital network information management systems: Potential for improving diagnostic accuracy and efficiency
2025-Apr-18, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100287
PMID:40254184
|
研究论文 | 本研究探索了自然语言处理技术在医院网络信息管理系统中处理扫描文档的应用，旨在提高诊断准确性和效率 | 提出了一种新颖的隐藏贝叶斯集成密集双向LSTM（HB-DBi-LSTM）策略来优化词袋模型 | 深度学习序列模型因高计算需求需要额外的训练验证集分割，可能限制模型训练效率 | 研究在医院网络信息管理系统中应用自然语言处理技术提高诊断效率和准确性的可能性 | 电子健康记录中的扫描文档，特别是针对各种睡眠问题的诊断报告 | 自然语言处理 | 睡眠障碍 | 自然语言处理，光学字符识别，图像预处理 | Bi-LSTM, 贝叶斯模型 | 扫描PDF图像，文本数据 | 未明确说明具体样本数量，但按70%训练集和30%测试集划分 | NA | 密集双向LSTM，隐藏贝叶斯集成模型 | F1分数，准确率，召回率，精确率，ROC，AUROC | 使用Adam优化器训练100个epoch，因高计算需求需要额外的训练验证集分割 |
| 230 | 2025-05-18 |
Advanced Deep Learning Approaches in Detection Technologies for Comprehensive Breast Cancer Assessment Based on WSIs: A Systematic Literature Review
2025-Apr-30, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091150
PMID:40361968
|
系统综述 | 本文系统综述了2020年至2024年间基于深度学习的乳腺癌检测方法，分析了39项同行评审研究和20个广泛使用的WSI数据集 | 提出了一个五维评估框架，涵盖准确性和性能、鲁棒性和泛化性、可解释性、计算效率和注释质量，以增强临床相关性并指导模型开发 | 研究中存在的挑战包括图像质量的可变性、高质量注释的有限可用性、模型可解释性差、计算需求高以及处理效率不佳 | 优化和将基于WSI的技术转化为临床工作流程，以实现全面的乳腺癌评估 | 乳腺癌的淋巴细胞和分子生物标志物 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像（WSI） | 39项研究和20个WSI数据集 | NA | NA | NA | NA |
| 231 | 2025-05-18 |
Postural Analysis in Ventral and Dorsal Decubitus Babies Using Deep Learning Techniques: A Protocol Study
2025-Apr-30, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14093096
PMID:40364127
|
研究论文 | 使用深度学习技术分析0至6个月大婴儿在俯卧和仰卧姿势中的体位，以确定客观的体位评估参数 | 首次将人工智能技术应用于婴儿体位分析，以客观评估体位控制并检测可能的发育延迟 | 研究为观察性和横断面研究，可能无法全面反映婴儿体位发育的长期变化 | 分析婴儿体位以优化早期运动或体位发育延迟的检测和治疗 | 0至6个月大的婴儿 | 数字病理学 | NA | 深度学习 | NA | 图像 | 未明确说明样本数量，研究对象为0至6个月大的婴儿 | NA | NA | NA | NA |
| 232 | 2025-05-18 |
Non-Invasive Jaundice Screening Using AI: Machine Learning Analysis of Sclera and Urine Images
2025-Apr-30, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14093125
PMID:40364159
|
research paper | 该研究开发了一种基于AI的非侵入性黄疸筛查方法，通过分析巩膜和尿液图像来预测黄疸，并与标准血液检测的准确性进行比较 | 利用巩膜和尿液图像结合AI技术进行非侵入性黄疸筛查，避免了传统血液检测的侵入性 | 样本量较小（57名肝病患者和31名对照），且为回顾性研究 | 开发一种非侵入性的黄疸筛查方法，提高黄疸诊断的便捷性和准确性 | 肝病患者和健康对照者的巩膜和尿液图像 | digital pathology | liver disease | machine learning and deep learning | Decision Tree, Random Forest, XGBoost, DeepSets, ResNet | image | 57名肝病患者和31名对照者 | NA | NA | NA | NA |
| 233 | 2025-05-18 |
Monitoring Double-Cropped Extent with Remote Sensing in Areas with High Crop Diversity
2025-Apr-30, Plants (Basel, Switzerland)
DOI:10.3390/plants14091362
PMID:40364389
|
研究论文 | 本文开发并应用了一种低成本、可扩展的方法，利用卫星（Landsat）影像在田间尺度上识别双季种植 | 结合机器学习方法与专家标注，开发了一种在作物多样性高的地区准确识别双季种植的新方法 | 方法在作物多样性高的地区表现良好，但在其他地区的适用性未经验证 | 开发一种可靠的方法来监测高作物多样性地区的双季种植范围 | 美国华盛顿州太平洋西北部一个干旱地区的双季种植情况 | 遥感 | NA | 卫星遥感（Landsat影像） | 深度学习模型 | 卫星影像时间序列数据 | 包含60多种不同类型作物的灌溉农田区域 | NA | NA | NA | NA |
| 234 | 2025-05-18 |
Identifying Key Predictors of Sarcopenic Obesity in Italian Severely Obese Older Adults: Deep Learning Approach
2025-Apr-29, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14093069
PMID:40364101
|
研究论文 | 本研究旨在利用深度学习神经网络识别意大利严重肥胖老年人中肌肉减少性肥胖（SO）的关键预测因子 | 首次在严重肥胖老年人群中应用深度学习模型识别SO的关键预测因子，并展示了深度学习在SO早期诊断中的潜力 | 样本量相对较小（未明确具体数量），且研究设计为横断面研究，无法确定因果关系 | 识别严重肥胖老年人中肌肉减少性肥胖的关键预测因子 | 意大利住院的严重肥胖老年人 | 数字病理学 | 老年疾病 | 深度学习神经网络 | 深度学习 | 临床参数和身体成分数据 | 未明确具体数量（意大利住院的严重肥胖老年人） | NA | NA | NA | NA |
| 235 | 2025-05-18 |
Construction and Evaluation of an Artificial Intelligence Assistant Decision-Making System Focused on the Treat-to-Target Framework and Full Process Management for Atopic Dermatitis: Study Protocol for a Randomized Controlled Trial
2025-Apr-27, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14093015
PMID:40364047
|
研究论文 | 本研究旨在构建和评估一个基于人工智能的辅助决策系统，用于特应性皮炎的全过程管理和达标治疗框架 | 结合深度学习模型和移动应用形式的人工智能辅助决策系统，实现特应性皮炎的达标治疗和全过程管理 | 研究样本量有限（232名参与者），且仅针对中重度特应性皮炎患者 | 通过AI辅助决策系统改善特应性皮炎的治疗效果和长期控制 | 中重度特应性皮炎患者 | 数字病理 | 特应性皮炎 | 深度学习 | 深度学习模型（未指定具体类型） | 临床数据 | 232名中重度特应性皮炎患者 | NA | NA | NA | NA |
| 236 | 2025-10-07 |
NiO/ZnO Nanocomposites for Multimodal Intelligent MEMS Gas Sensors
2025-04-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c02789
PMID:40126565
|
研究论文 | 通过优化NiO/ZnO纳米复合材料比例开发多模态智能MEMS气体传感器，结合多任务深度学习模型实现VOCs的实时定量检测 | 通过精确调控NiO/ZnO纳米复合材料比例实现材料特异性选择性，并首次将多任务深度学习模型应用于气体传感器的实时VOCs检测 | 仅针对乙二醇和柠檬烯两种VOCs进行了验证，环境条件变化的影响需进一步研究 | 开发高灵敏度和选择性的多模态智能MEMS气体传感器，解决多种挥发性有机化合物的检测难题 | 挥发性有机化合物（VOCs），特别是乙二醇和柠檬烯 | 传感器技术 | NA | MEMS技术，纳米复合材料合成 | 多任务深度学习模型 | 气体传感器响应数据 | NA | NA | NA | 灵敏度，选择性，浓度预测准确度，类型识别准确度 | NA |
| 237 | 2025-05-18 |
From Morphology to Gene Expression Profiling in Mycosis Fungoides: Is It Still a Diagnostic Challenge?
2025-Apr-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091089
PMID:40361907
|
综述 | 本文回顾了蕈样肉芽肿（MF）最重要的临床病理特征，并探讨了人工智能在皮肤淋巴瘤诊断中的应用前景 | 结合深度学习与临床数据探索MF的组织学特征，提出人工智能在寻找疾病进展生物标志物方面的潜力 | 基因改变主要在疾病晚期被发现，其在疾病起始阶段的重要性尚不明确 | 提高蕈样肉芽肿的早期诊断准确性并阐明其发病机制 | 蕈样肉芽肿（MF）患者 | 数字病理学 | 皮肤淋巴瘤 | 全基因组表达分析 | 深度学习 | 组织学图像和临床数据 | NA | NA | NA | NA | NA |
| 238 | 2025-10-07 |
Representation of high-dimensional cell morphology and morphodynamics in 2D latent space
2025-Apr-24, Physical biology
IF:2.0Q3
DOI:10.1088/1478-3975/adcd37
PMID:40233771
|
研究论文 | 开发基于深度学习的算法将13维细胞形态特征向量投影到2维潜在空间 | 提出2维形态潜在空间(MLS)表示高维细胞形态数据，信息损失小于5%且能区分不同迁移表型 | NA | 解决高维细胞形态数据在沟通、解释和可视化方面的障碍 | 转移性乳腺癌细胞的形态和形态动力学 | 计算生物学 | 乳腺癌 | 深度学习 | NA | 细胞形态特征向量 | NA | NA | NA | 信息损失率, 扩散功率, Lyapunov指数 | NA |
| 239 | 2025-10-07 |
The Effectiveness of Deep Learning in the Differential Diagnosis of Hemorrhagic Transformation and Contrast Accumulation After Endovascular Thrombectomy in Acute Ischemic Stroke Patients
2025-Apr-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091080
PMID:40361898
|
研究论文 | 本研究使用深度学习模型在急性缺血性卒中患者血管内血栓切除术后，通过非对比计算机断层扫描图像区分出血性转化和造影剂积聚 | 首次在急性缺血性卒中患者中应用多种CNN架构对EVT术后NCCT图像中的高密度区域进行HT和CA的自动鉴别 | 样本量相对较小（52名患者），所有数据来自单中心研究 | 开发基于深度学习的自动诊断工具，用于早期区分EVT术后NCCT图像中的HT和CA | 急性缺血性卒中接受血管内血栓切除术的患者 | 医学影像分析 | 急性缺血性卒中 | 非对比计算机断层扫描 | CNN | 医学影像 | 52名患者（21名女性，31名男性）的556张图像 | NA | DenseNet201, InceptionResNet, InceptionV3, NASNetLarge, ResNet50, ResNet101, VGG16, VGG19, Xception | 准确率, 损失值, 验证准确率, 验证损失, F1分数, ROC曲线, 混淆矩阵, 置信区间, p值分析, AUC | NA |
| 240 | 2025-05-18 |
Rapid and Efficient Screening of Helicobacter pylori in Gastric Samples Stained with Warthin-Starry Using Deep Learning
2025-Apr-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091085
PMID:40361903
|
research paper | 该研究开发了一种结合特征金字塔网络和ResNet架构的深度学习算法，用于在Warthin-Starry染色的胃活检数字化图像中自动快速检测幽门螺杆菌 | 提出了一种结合特征金字塔网络和ResNet架构的新算法，显著减少了幽门螺杆菌检测的周转时间，并提高了诊断准确性，特别是对经验较少的人员 | NA | 开发一种自动快速检测幽门螺杆菌的算法，以减少检测周转时间并提高诊断准确性 | Warthin-Starry染色的胃活检数字化图像 | digital pathology | gastric cancer | deep learning | FPN, ResNet | image | NA | NA | NA | NA | NA |