深度学习在生物医药领域中的应用
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，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10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 26584 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2025-06-15 |
From pixels to patients: the evolution and future of deep learning in cancer diagnostics
2025-Jun, Trends in molecular medicine
IF:12.8Q1
DOI:10.1016/j.molmed.2024.11.009
PMID:39665958
|
评论 | 本文探讨了深度学习在癌症诊断中的演变和未来，从基于像素的图像分析转向更全面、以患者为中心的护理 | 强调了开发能够整合多种数据源的多模态大型语言模型，以提升癌症诊断的精确性和效率 | 未提及具体的技术实现细节或实验验证 | 探索深度学习在癌症诊断中的最新进展及其对医学影像解释和多模态数据整合的影响 | 深度学习模型及其在癌症诊断中的应用 | 数字病理学 | 癌症 | NA | 大型语言模型 | 多模态数据 | NA |
| 182 | 2025-06-15 |
Automated Deep Learning Phenotyping of Tricuspid Regurgitation in Echocardiography
2025-Jun-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2025.0498
PMID:40238103
|
research paper | 开发了一个深度学习计算机视觉工作流程，用于识别彩色多普勒超声心动图视频并表征三尖瓣反流（TR）的严重程度 | 提出了一个自动化深度学习流程，用于识别和评估三尖瓣反流的严重程度，具有卓越的性能 | 研究仅基于特定医疗中心的数据，未考虑其他临床或人口统计学特征的排除标准 | 设计和评估一个深度学习计算机视觉工作流程，用于识别和评估三尖瓣反流的严重程度 | 彩色多普勒超声心动图视频 | computer vision | cardiovascular disease | deep learning computer vision | deep learning | video | 47,312项研究（2,079,898个视频）来自Cedars-Sinai医疗中心（2011-2021年），测试集包括2,462项研究（108,138个视频）和5,549项研究（278,377个视频）来自Stanford Healthcare |
| 183 | 2025-05-01 |
BiaPy: accessible deep learning on bioimages
2025-Jun, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02699-y
PMID:40301624
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 184 | 2025-06-15 |
A multi-model deep learning approach for the identification of coronary artery calcifications within 2D coronary angiography images
2025-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03382-5
PMID:40341465
|
研究论文 | 本文提出了一种基于多模型深度学习的冠状动脉钙化识别方法，用于辅助临床医生在2D冠状动脉造影图像中识别冠状动脉钙化 | 首次提出了一种结合ResNet-18分类主干和U-Net解码器架构的临床决策支持系统，用于自动识别2D冠状动脉造影图像中的钙化区域 | 样本量较小（14名患者的44幅图像），未来可探索使用多个辅助任务进一步提高分割性能 | 开发一种辅助临床医生识别2D冠状动脉造影图像中冠状动脉钙化的自动化方法 | 2D冠状动脉造影图像中的冠状动脉钙化区域 | 计算机视觉 | 心血管疾病 | 深度学习 | ResNet-18, U-Net | 图像 | 14名患者的44幅2D冠状动脉造影图像 |
| 185 | 2025-06-15 |
Artificial Intelligence in Aesthetic Medicine: Applications, Challenges, and Future Directions
2025-Jun, Journal of cosmetic dermatology
IF:2.3Q2
DOI:10.1111/jocd.70241
PMID:40501296
|
综述 | 本文探讨了人工智能在美容医学中的应用、挑战及未来发展方向 | 深入分析了AI在面部分析、机器人辅助手术、预测性患者结果建模和个性化治疗规划中的创新应用，并探讨了伦理问题和监管挑战 | 存在训练数据偏见、AI决策透明度不足、监管审批不一致等问题，过度依赖AI可能削弱美容医学中以人为本的核心方法 | 评估人工智能在美容医学领域的应用潜力及其面临的伦理和监管挑战 | 美容医学中的AI技术应用 | 医疗人工智能 | NA | 机器学习（ML）、深度学习、计算机视觉 | NA | 医学图像、患者数据 | NA |
| 186 | 2025-06-15 |
Training Set Design for Uneven Illumination Correction in High-Resolution Whole Slide Images
2025-Jun, Journal of biomedical physics & engineering
DOI:10.31661/jbpe.v0i0.2502-1890
PMID:40510308
|
research paper | 本研究提出了一种新的训练集设计策略，用于高分辨率全切片图像中的不均匀光照校正 | 提出了一种新的训练集设计策略，优化神经网络性能并有效利用计算资源，确保整个WSI幻灯片上更均匀的校正 | 未具体提及样本量或实验验证的详细情况 | 提高深度学习模型在不均匀光照校正中的泛化能力和实用性 | 高分辨率全切片图像（WSI） | digital pathology | NA | deep learning | deep neural networks | image | NA |
| 187 | 2025-06-15 |
AE-BoNet: A Deep Learning Method for Pediatric Bone Age Estimation using an Unsupervised Pre-Trained Model
2025-Jun, Journal of biomedical physics & engineering
DOI:10.31661/jbpe.v0i0.2304-1609
PMID:40510303
|
research paper | 本研究提出了一种基于无监督预训练模型的深度学习方法AE-BoNet，用于儿科骨龄评估 | 利用无监督预训练的自动编码器进行骨龄估计，解决了标记数据有限和手骨X光图像独特特征的挑战 | 未提及具体样本量外的其他限制 | 开发一种自动骨龄估计方法，减少对标记数据的依赖 | 儿科手骨X光图像 | digital pathology | geriatric disease | autoencoder | AE-BoNet | image | Radiological Society of North America (RSNA) X-ray image collection |
| 188 | 2025-06-15 |
A comprehensive dataset of mandarin leaf images for classification
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111685
PMID:40510633
|
研究论文 | 该研究致力于使用深度学习方法对柑橘叶进行分类 | 提供了一个全面的柑橘叶图像数据集，并采用深度学习方法进行分类，支持早期健康叶片的识别 | 数据集仅包含健康叶片图像，可能限制了在病害叶片分类上的应用 | 提升柑橘叶分类技术，支持农业领域的自动化系统开发 | 柑橘叶片 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 1917张原始图像和8000张增强图像 |
| 189 | 2025-06-15 |
An annotated image dataset of urban insects for the development of computer vision and deep learning models with detection tasks
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111673
PMID:40510639
|
research paper | 该研究创建了一个用于开发计算机视觉和深度学习模型的带注释的城市昆虫图像数据集 | 提供了一个大规模、高分辨率的城市昆虫图像数据集，包含超过25,000个注释，用于开发昆虫识别算法 | 数据集仅包含通过UV光陷阱捕获的昆虫，可能无法涵盖所有城市昆虫种类 | 开发用于自动检测城市昆虫多样性或害虫控制的深度学习模型 | 城市昆虫 | computer vision | NA | UV光陷阱、高分辨率扫描 | YOLO | image | 超过25,000个注释的昆虫图像 |
| 190 | 2025-06-01 |
Letter to the Editor on "Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound"
2025-May-28, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2025.05.044
PMID:40447158
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 191 | 2025-06-15 |
Commercial Products Using Generative Artificial Intelligence Include Ambient Scribes, Automated Documentation and Scheduling, Revenue Cycle Management, Patient Engagement and Education, and Prior Authorization Platforms
2025-May-24, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2025.05.021
PMID:40419172
|
research paper | 本文探讨了生成式人工智能在医疗保健领域的商业应用及其对临床工作流程的变革 | 重点介绍了大型语言模型(LLMs)在医疗保健中的新兴商业应用，如环境记录员、自动化文档和调度等 | 当前限制包括缺乏监管监督、现有偏见、与电子健康记录的互操作性不一致，以及由于对LLM输出缺乏信心导致的医生和利益相关者支持不足 | 研究生成式人工智能在医疗保健领域的应用及其潜在影响 | 商业生成式人工智能产品及其在医疗保健中的应用 | natural language processing | NA | large language models (LLMs), deep learning | LLM | text | NA |
| 192 | 2025-06-15 |
Federated prediction for scalable and privacy-preserved knowledge-based planning in radiotherapy
2025-May-20, ArXiv
PMID:40470470
|
研究论文 | 开发了一个名为FedKBP+的联邦学习平台，用于放射治疗计划中的预测任务，以提高效率和保护数据隐私 | 提出了一个全面的联邦学习平台FedKBP+，支持集中式和完全分散式的联邦学习策略，并展示了其在多种预测任务中的高效性和鲁棒性 | 未明确提及具体局限性，但可能涉及在实际临床环境中的进一步验证需求 | 解决放射治疗计划中数据稀缺和异构性导致的模型泛化能力不足问题，同时保护患者数据隐私 | 放射治疗计划中的预测任务，包括3D剂量预测、脑肿瘤分割和器官分割 | 机器学习 | 脑肿瘤 | 联邦学习（FL） | SA-Net, FedAvg, FedProx, Gossip Contrastive Mutual Learning | 医学影像数据 | 340例（OpenKBP Challenge）、227例（BraTS challenge）、384例（PanSeg dataset） |
| 193 | 2025-06-15 |
VADEr: Vision Transformer-Inspired Framework for Polygenic Risk Reveals Underlying Genetic Heterogeneity in Prostate Cancer
2025-May-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.16.25327672
PMID:40463543
|
research paper | 提出了一种基于Vision Transformer的框架VADEr，用于捕捉基因数据中的局部和全局交互，以预测前列腺癌的多基因风险 | 结合自然语言处理和计算机视觉技术，利用Vision Transformer架构捕捉基因变异间的复杂交互，并引入DARTH评分提供可解释的疾病风险驱动因素 | 研究仅针对前列腺癌，未验证在其他复杂疾病中的适用性 | 开发一种能够捕捉基因变异间复杂交互的多基因风险预测框架 | 前列腺癌（PCa）的多基因风险预测 | machine learning | prostate cancer | Vision Transformer (ViT) | Transformer | genetic data | NA |
| 194 | 2025-06-15 |
ProtFun: A Protein Function Prediction Model Using Graph Attention Networks with a Protein Large Language Model
2025-May-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.13.653854
PMID:40463264
|
研究论文 | 提出了一种名为ProtFun的多模态深度学习架构，用于预测蛋白质功能 | 结合蛋白质大型语言模型（LLM）嵌入和图注意力网络（GAT）来学习蛋白质嵌入，并与InterPro的蛋白质特征表示整合 | 未提及具体局限性 | 开发计算方法来自动预测蛋白质功能 | 蛋白质 | 机器学习 | NA | 蛋白质大型语言模型（LLM）、图注意力网络（GAT） | GAT | 蛋白质序列数据 | 三个基准数据集 |
| 195 | 2025-06-15 |
Tracking Conditioned Fear in Pair-Housed Mice Using Deep Learning and Real-Time Cue Delivery
2025-May-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.10.653260
PMID:40463247
|
研究论文 | 该研究开发了一种基于深度学习的开源软件，用于在家庭笼环境中实时追踪配对饲养小鼠的条件恐惧行为 | 结合开源软件和深度学习姿态估计技术，在生态相关环境中研究小鼠的条件恐惧行为 | 研究仅关注小鼠模型，结果向人类PTSD的转化需要进一步验证 | 开发新工具研究创伤后应激障碍(PTSD)相关的恐惧行为 | 配对饲养的小鼠 | 数字病理学 | 创伤后应激障碍(PTSD) | 深度学习姿态估计 | 深度学习模型 | 视频 | 多对小鼠(具体数量未明确说明) |
| 196 | 2025-06-15 |
Distinct actin microfilament localization during early cell plate formation through deep learning-based image restoration
2025-May-08, Plant cell reports
IF:5.3Q1
DOI:10.1007/s00299-025-03498-7
PMID:40335746
|
研究论文 | 通过基于深度学习的图像恢复技术，实现了高分辨率4D成像，揭示了Lifeact-RFP标记的肌动蛋白微丝在细胞板形成初期的独特定位及其作用 | 利用深度学习进行图像恢复，实现了最小光损伤的高分辨率4D成像，揭示了两种不同标记的肌动蛋白微丝在细胞板形成初期的不同定位模式 | 研究仅使用了转基因烟草BY-2细胞，可能不适用于其他植物细胞类型 | 探究肌动蛋白微丝在细胞板形成初期的定位和功能 | 转基因烟草BY-2细胞 | 计算机视觉 | NA | 深度学习图像恢复技术 | 深度学习 | 图像 | 转基因烟草BY-2细胞 |
| 197 | 2025-06-15 |
Impact of Scanner Manufacturer, Endorectal Coil Use, and Clinical Variables on Deep Learning-assisted Prostate Cancer Classification Using Multiparametric MRI
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.230555
PMID:39841063
|
研究论文 | 评估扫描仪制造商和扫描协议对深度学习模型在前列腺癌（PCa）双参数MRI（bpMRI）中分类侵袭性性能的影响 | 研究了不同扫描仪制造商和直肠内线圈（ERC）使用对深度学习模型性能的影响，并分析了临床特征对模型性能的贡献 | 研究为回顾性设计，且临床特征的加入未显著提升模型性能 | 探讨自动化前列腺癌侵袭性分类中扫描仪制造商和扫描协议的影响 | 5478例来自13个中心的前列腺癌bpMRI数据 | 数字病理学 | 前列腺癌 | 双参数MRI（bpMRI） | CNN | 图像 | 5478例bpMRI病例（训练集4328例） |
| 198 | 2025-06-15 |
Performance of Two Deep Learning-based AI Models for Breast Cancer Detection and Localization on Screening Mammograms from BreastScreen Norway
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240039
PMID:39907587
|
research paper | 评估两种基于深度学习的AI模型在乳腺癌筛查中的检测和定位性能 | 比较两种AI模型（商业模型和内部模型）在乳腺癌筛查中的表现，并评估其标记准确性 | 研究为回顾性研究，可能受限于历史数据的质量和范围 | 评估AI模型在乳腺癌筛查中的癌症检测和定位准确性 | 129,434例乳腺癌筛查检查（女性患者，平均年龄59.2岁） | digital pathology | breast cancer | mammography | deep learning-based AI models | image | 129,434例筛查检查 |
| 199 | 2025-06-15 |
Machine Learning and Deep Learning Models for Automated Protocoling of Emergency Brain MRI Using Text from Clinical Referrals
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.230620
PMID:39969276
|
研究论文 | 开发和评估基于机器学习和深度学习的模型，用于根据临床转诊文本自动制定急诊脑MRI扫描方案 | 首次使用预训练的深度学习模型（如Finnish BERT和GPT-3.5）来自动化急诊脑MRI扫描方案的制定 | 单机构回顾性研究，样本量有限（1953例），可能影响模型的泛化能力 | 开发自动化的急诊脑MRI扫描方案制定系统 | 急诊脑MRI扫描的临床转诊文本 | 自然语言处理 | 脑部疾病 | 自然语言处理 | BERT, GPT-3.5, naive Bayes, SVM, XGBoost | 文本 | 1953例急诊脑MRI转诊数据 |
| 200 | 2025-06-15 |
Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240229
PMID:39969278
|
research paper | 开发了一种纵向感知分割网络（LAS-Net），用于量化儿童霍奇金淋巴瘤患者的系列PET/CT图像 | LAS-Net引入了纵向交叉注意力机制，允许PET1的相关特征为PET2的分析提供信息 | 外部测试队列的性能略有下降 | 量化儿童霍奇金淋巴瘤患者的系列PET/CT图像 | 儿童霍奇金淋巴瘤患者 | digital pathology | Hodgkin lymphoma | PET/CT | CNN | image | 297名儿童患者（内部数据集200名，外部测试数据集97名） |