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 36465 篇文献，本页显示第 21861 - 21880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21861 | 2025-01-25 |
A CT-based deep learning model for preoperative prediction of spread through air spaces in clinical stage I lung adenocarcinoma
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1482965
PMID:39845323
|
研究论文 | 本文开发并验证了一种基于CT的深度学习模型，用于非侵入性预测临床I期肺腺癌的气道扩散（STAS），并与传统的临床语义模型进行了预测性能比较 | 采用Swin Transformer架构开发深度学习模型，用于预测STAS，其性能优于传统的临床语义模型 | 研究为回顾性设计，可能引入选择偏差，且样本量相对有限 | 开发并验证一种深度学习模型，用于预测临床I期肺腺癌的STAS | 513例经病理证实的I期肺腺癌患者 | 数字病理 | 肺癌 | CT扫描 | Swin Transformer | 图像 | 513例患者（训练队列386例，验证队列127例） | NA | NA | NA | NA |
| 21862 | 2025-01-25 |
Deep CNN ResNet-18 based model with attention and transfer learning for Alzheimer's disease detection
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1507217
PMID:39845347
|
研究论文 | 本文提出了一种基于ResNet-18的深度学习模型，结合深度卷积和Squeeze and Excitation (SE)模块，用于阿尔茨海默病的检测 | 提出了一种结合SE模块的ResNet-18模型，减少了调参需求，并在小样本和不平衡数据集上表现优异 | 医疗数据收集成本高且涉及伦理问题，小数据集容易导致成本函数的局部最小值问题，类不平衡也会降低性能 | 开发一种有效的深度学习模型用于阿尔茨海默病的检测 | 阿尔茨海默病（AD）、认知正常（CN）和轻度认知障碍（MCI）患者 | 计算机视觉 | 阿尔茨海默病 | 深度卷积、Squeeze and Excitation (SE)模块、迁移学习 | ResNet-18 | 图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 21863 | 2025-01-25 |
A fast monocular 6D pose estimation method for textureless objects based on perceptual hashing and template matching
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1424036
PMID:39845569
|
研究论文 | 本文提出了一种基于感知哈希和模板匹配的快速单目6D姿态估计方法，适用于无纹理物体 | 提出了一种新的感知哈希方法用于二值图像，实现了快速且鲁棒的姿态估计，并自动预选模板子集以减少推理时间 | 在绝对精度上不如最先进的深度学习模型，但在精度和处理时间之间提供了更有利的权衡 | 开发一种在资源受限设备上高效运行的6D姿态估计方法，以降低硬件成本和功耗 | 无纹理物体 | 计算机视觉 | NA | 感知哈希和模板匹配 | NA | 图像 | 合成生成的数据集和一个公开可用的数据集 | NA | NA | NA | NA |
| 21864 | 2025-01-25 |
Quantitative immunohistochemistry analysis of breast Ki67 based on artificial intelligence
2024, Open life sciences
IF:1.7Q3
DOI:10.1515/biol-2022-1013
PMID:39845722
|
研究论文 | 本文提出了一种基于深度学习的乳腺癌Ki67定量分析方法，旨在提高诊断效率和准确性 | 采用深度学习技术对乳腺癌Ki67进行定量分析，显著提高了诊断效率和一致性 | 未提及方法在其他类型癌症或更大样本中的适用性 | 开发一种高效的乳腺癌Ki67定量分析系统，以辅助病理诊断 | 乳腺癌病理图像中的Ki67表达 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 图像 | 未明确提及具体样本数量，但提到在临床独立样本实验中进行了验证 | NA | NA | NA | NA |
| 21865 | 2025-01-25 |
Transformer-based model for predicting length of stay in intensive care unit in sepsis patients
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1473533
PMID:39845825
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型，用于预测脓毒症患者在重症监护病房（ICU）的住院时间 | 利用Transformer模型结合全局和局部输入数据分析，通过分类和特征标记，基于序贯器官衰竭评估（SOFA）标准进行预测 | 研究仅基于单一医院的521名患者数据，可能缺乏广泛代表性 | 优化ICU资源分配，减少医疗费用 | 脓毒症患者 | 机器学习 | 脓毒症 | 深度学习 | Transformer | 医疗数据 | 521名患者 | NA | NA | NA | NA |
| 21866 | 2025-01-25 |
Transforming Healthcare: Artificial Intelligence (AI) Applications in Medical Imaging and Drug Response Prediction
2024, Genome integrity
DOI:10.14293/genint.15.1.002
PMID:39845982
|
评论 | 本文讨论了人工智能在医学影像和药物反应预测中的应用及其面临的挑战 | 探讨了人工智能在医学影像诊断和药物反应预测中的潜在应用，并强调了数据泛化和模型可解释性的重要性 | 未提供具体实验数据或案例研究，主要基于理论讨论 | 探讨人工智能在医学领域的应用潜力及实施挑战 | 医学影像和药物反应预测 | 机器学习 | NA | 机器学习和深度学习 | NA | 医学影像和药物反应数据 | NA | NA | NA | NA | NA |
| 21867 | 2025-01-25 |
Retraction Note: COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images
2024, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-024-09992-6
PMID:39847664
|
retraction | 本文撤回了关于使用混合深度学习框架识别胸部X光图像中COVID-19病毒的文章 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21868 | 2025-01-25 |
Retraction Note: Performance evaluation of deep learning techniques for lung cancer prediction
2024, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-024-10107-4
PMID:39847665
|
retraction | 本文是对先前发表的关于深度学习技术在肺癌预测中性能评估的文章的撤稿声明 | NA | NA | NA | NA | NA | lung cancer | NA | NA | NA | NA | NA | NA | NA | NA |
| 21869 | 2025-01-25 |
Retraction Note: Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm
2024, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-024-09993-5
PMID:39847670
|
撤回声明 | 本文是对先前发表的关于使用深度学习算法基于X光和CT图像早期诊断COVID-19患者的文章的撤回声明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21870 | 2025-10-07 |
Shape-Aware 3D Small Vessel Segmentation with Local Contrast Guided Attention
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43901-8_34
PMID:38500803
|
研究论文 | 提出一种新型自监督网络用于3D小血管分割，通过形状感知通量测量和局部对比度引导注意力机制提升小血管检测性能 | 提出形状感知通量测量方法增强非圆形不规则小血管估计，开发局部对比度引导注意力和增强模块提升低对比度血管区域的血管性响应 | 未明确说明样本数量和数据来源的具体限制 | 改进3D成像数据中小血管的自动分割和检测 | 3D成像数据中的小血管结构 | 计算机视觉 | NA | 3D成像技术 | 自监督深度学习网络 | 3D图像数据 | NA | NA | LCNetVesselSeg | NA | NA |
| 21871 | 2025-10-07 |
Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-020-05275-y
PMID:32904395
|
研究论文 | 本研究使用深度学习算法基于X射线和CT图像对COVID-19患者进行早期诊断 | 采用改进的VGG-19、Inception_V2和决策树模型进行肺炎二分类，在COVID-19早期诊断中实现高准确率 | 数据集规模较小（仅360张图像），模型性能在不同架构间存在较大差异 | 开发基于医学影像的COVID-19早期诊断方法 | COVID-19患者和肺炎患者的X射线及CT图像 | 计算机视觉 | COVID-19 | X射线成像，计算机断层扫描 | CNN，决策树 | 图像 | 360张X射线和CT图像 | NA | VGG-19，Inception_V2，决策树 | 准确率 | NA |
| 21872 | 2025-10-07 |
COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-020-05424-3
PMID:33250662
|
研究论文 | 开发了一种混合深度学习框架COVID-CheXNet，用于在胸部X光图像中识别COVID-19病毒 | 提出了一种结合ResNet34和高分辨率网络模型的并行架构，采用加权求和规则在分数级融合两个预训练模型的结果 | NA | 快速准确诊断COVID-19感染，减轻放射科医生压力并控制疫情传播 | 胸部X光图像中的COVID-19病毒识别 | 计算机视觉 | COVID-19 | 胸部X光成像 | 深度学习 | 图像 | NA | NA | ResNet34,高分辨率网络 | 准确率,灵敏度,特异性,精确率,F1分数,均方误差,均方根误差 | NA |
| 21873 | 2025-10-07 |
Performance evaluation of deep learning techniques for lung cancer prediction
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08313-7
PMID:37255920
|
研究论文 | 评估多种深度学习技术在肺癌预测中的性能表现 | 系统比较不同深度学习模型在肺癌预测任务中的表现，确定最优技术方案 | NA | 识别用于肺部疾病预测的最佳深度学习技术 | 肺部疾病患者 | 计算机视觉 | 肺癌 | 胸部X光成像, CT扫描 | 深度学习 | 图像 | NA | NA | NA | 精确率, 召回率, 准确率, Jaccard指数 | NA |
| 21874 | 2025-01-25 |
GPT-D: Inducing Dementia-related Linguistic Anomalies by Deliberate Degradation of Artificial Neural Language Models
2022-May, Proceedings of the conference. Association for Computational Linguistics. Meeting
DOI:10.18653/v1/2022.acl-long.131
PMID:39845531
|
研究论文 | 本文提出了一种通过人工降级预训练的Transformer深度学习模型（GPT-2）来诱导与痴呆症相关的语言异常的新方法 | 提出了一种新颖的方法，通过将预训练的GPT-2模型与其人工降级版本（GPT-D）配对，计算这两个模型在认知健康与受损个体语言上的比率，从而诱导痴呆症相关的语言异常 | 方法的泛化能力仍需进一步验证，尤其是在更大规模的数据集上 | 研究深度学习模型在区分认知健康个体与阿尔茨海默病患者语言方面的能力，并探索生成神经语言模型与痴呆症对人类语言特征的影响之间的关系 | 认知健康个体与阿尔茨海默病患者的语言数据 | 自然语言处理 | 阿尔茨海默病 | Transformer深度学习模型 | GPT-2, GPT-D | 文本 | NA | NA | NA | NA | NA |
| 21875 | 2025-10-07 |
A deep neural network for the classification of epileptic seizures using hierarchical attention mechanism
2022, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-022-07122-8
PMID:35465467
|
研究论文 | 提出一种集成层次注意力机制的深度神经网络用于癫痫发作分类 | 将层次注意力机制与卷积架构相结合，在保证高精度的同时降低计算复杂度 | 未明确说明具体计算复杂度的量化指标和对比基线 | 开发计算复杂度低且分类精度高的癫痫发作分类算法 | 脑电图信号和癫痫发作患者 | 机器学习 | 癫痫 | 脑电图 | CNN | 脑电图信号 | NA | NA | 自定义卷积架构集成层次注意力机制 | 准确率, 计算时间 | NA |
| 21876 | 2025-10-07 |
Feasibility verification of deep-learning based collimator-less imaging system using a voxelated GAGG(Ce) single volume detector: A Monte Carlo simulation
2025-Mar, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2024.111605
PMID:39616796
|
研究论文 | 通过蒙特卡罗模拟验证基于深度学习的无准直器成像系统在体素化GAGG(Ce)单体积探测器中的可行性 | 提出无需任何类型相互作用过滤的深度学习无准直器成像系统，利用体素化探测器能量沉积模式重建源分布 | 基于蒙特卡罗模拟研究，尚未进行实际物理实验验证 | 验证基于深度学习的无准直器成像系统的可行性 | Co、Ba、Na、Cs点源在2000个位置的成像 | 医学成像 | NA | 蒙特卡罗模拟(MCNP6) | 全卷积网络 | 能量沉积模式数据、能谱数据 | 2000个点源位置，单源和多源数据 | NA | 全卷积网络 | 图像相似度 | NA |
| 21877 | 2024-08-07 |
Deep learning to predict fetal acidemia
2025-Feb, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2024.07.031
PMID:39084497
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21878 | 2024-08-07 |
Deep learning to predict fetal acidemia: a response
2025-Feb, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2024.07.037
PMID:39074680
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21879 | 2025-10-07 |
Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT
2025-Feb, Ophthalmology
IF:13.1Q1
DOI:10.1016/j.ophtha.2024.08.017
PMID:39151755
|
研究论文 | 使用基于深度学习的OCT图像分析量化pegcetacoplan治疗下地理萎缩患者光感受器和视网膜色素上皮层的形态变化 | 首次采用深度学习技术对OCT图像进行自动分割，量化分析地理萎缩治疗中光感受器与视网膜色素上皮层的动态变化 | 研究为事后纵向图像分析，样本来源仅限于两项III期临床试验 | 评估pegcetacoplan治疗对地理萎缩患者视网膜结构的治疗效果 | 年龄相关性黄斑变性导致地理萎缩的患者 | 数字病理 | 年龄相关性黄斑变性 | OCT成像 | 深度学习 | 医学图像 | 897名患者的897只眼睛 | NA | NA | RPE损失面积变化率,EZ损失面积变化率 | NA |
| 21880 | 2025-10-07 |
Skeletal muscle is independently associated with grade 3-4 toxicity in advanced stage pancreatic ductal adenocarcinoma patients receiving chemotherapy
2025-Feb, Clinical nutrition ESPEN
IF:2.9Q3
DOI:10.1016/j.clnesp.2024.11.004
PMID:39577693
|
研究论文 | 本研究探讨晚期胰腺导管腺癌患者身体成分与FOLFIRINOX化疗方案毒性之间的关联 | 首次使用深度学习自动分割CT图像评估身体成分，并发现肌肉减少症和早期肌肉脂肪消耗与治疗毒性独立相关 | 回顾性研究设计，样本量较小(n=65)，单中心数据 | 研究晚期胰腺癌患者身体成分与化疗毒性的关系 | 晚期胰腺导管腺癌患者 | 数字病理 | 胰腺癌 | CT成像，深度学习分割 | 深度学习 | CT医学影像 | 65名患者 | NA | NA | 回归系数，置信区间，p值 | NA |