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 22361 - 22380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22361 | 2025-10-07 |
Endoscopic Artificial Intelligence for Image Analysis in Gastrointestinal Neoplasms
2024, Digestion
IF:3.0Q2
DOI:10.1159/000540251
PMID:39068926
|
综述 | 本文综述了内镜人工智能系统在胃肠道肿瘤图像分析中的最新研究进展与应用 | 系统总结了内镜AI在食管鳞癌、食管腺癌、胃癌和结直肠息肉等多个胃肠道肿瘤领域的应用现状与性能表现 | 部分CADx系统尚未进行随机对照试验验证，研究主要基于现有文献分析 | 评估内镜人工智能系统在胃肠道肿瘤检测和诊断中的应用价值 | 食管鳞状细胞癌、食管腺癌、胃癌、结直肠息肉等胃肠道肿瘤 | 计算机视觉 | 胃肠道肿瘤 | 深度学习 | 深度学习系统 | 内镜图像 | NA | NA | NA | 灵敏度, 特异度, 准确率 | NA |
| 22362 | 2025-10-07 |
Experimental validation of computer-vision methods for the successful detection of endodontic treatment obturation and progression from noisy radiographs
2023-10, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-023-00685-8
PMID:37097541
|
研究论文 | 本研究开发并验证了基于计算机视觉的深度学习方法，用于从噪声牙科X光片中检测根管治疗充填质量和进展 | 首次系统评估了去噪和数据平衡对深度学习检测根管治疗结果的影响，并建立了自定义的渐进分类系统 | 样本量相对有限（250张原始X光片），使用自定义分类标准可能限制泛化能力 | 评估去噪和数据平衡对深度学习检测根管治疗结果的影响，开发预测充填质量的模型 | 牙科X光片中的根管治疗充填 | 计算机视觉 | 牙科疾病 | 放射组学分析 | YOLO | X光图像 | 250张原始牙科X光片，通过数据增强扩展到2226张图像 | NA | YOLOv5s, YOLOv5x, YOLOv7 | 灵敏度, 特异度, 准确率, 精确率, 召回率, 平均精度均值, 置信度 | NA |
| 22363 | 2025-10-07 |
Effect of data size on tooth numbering performance via artificial intelligence using panoramic radiographs
2023-10, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-023-00689-4
PMID:37405624
|
研究论文 | 本研究通过人工智能技术探讨数据量对全景X光片牙齿编号识别性能的影响 | 首次系统研究数据规模对牙齿编号识别模型性能的影响，为牙科AI应用提供数据量选择的实证依据 | 仅使用单一数据集和YOLOv4算法，未考虑其他模型架构和数据增强技术的影响 | 探究训练数据量对牙齿编号识别模型性能的影响规律 | 牙齿全景X光片中的牙齿编号识别 | 计算机视觉 | 牙科疾病 | X光成像 | CNN | 图像 | 3000张匿名牙齿全景X光片，分别使用1000、1500、2000、2500张子集进行训练，500张固定测试集 | NA | YOLOv4 | F1分数,mAP,敏感度,精确度,召回率 | NA |
| 22364 | 2025-10-07 |
Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass
2023-03-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37173-w
PMID:36944631
|
研究论文 | 本研究使用深度学习技术对心脏磁共振衍生的左心室质量进行全基因组关联分析，识别出11个新变异位点并证明其与心肌病发病风险相关 | 首次将深度学习应用于大规模人群的心脏磁共振左心室质量测量，并成功识别出11个新的左心室质量相关基因位点 | 研究主要基于英国生物银行数据，需要在其他人群中验证结果的普适性 | 探索左心室质量的遗传基础及其与心肌病发病风险的关联 | 43,230名英国生物银行参与者的心脏磁共振数据 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像，全基因组关联研究 | 深度学习 | 医学影像数据，基因数据 | 43,230名英国生物银行参与者，另在Mass General Brigham样本中验证 | NA | NA | 风险比，95%置信区间 | NA |
| 22365 | 2025-10-07 |
Poly(A)-DG: A deep-learning-based domain generalization method to identify cross-species Poly(A) signal without prior knowledge from target species
2020-11, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1008297
PMID:33151940
|
研究论文 | 提出一种基于深度学习的域泛化方法Poly(A)-DG，用于无需目标物种先验知识的跨物种Poly(A)信号识别 | 首次将域泛化技术应用于跨物种Poly(A)信号识别，无需目标物种的重新训练即可实现准确预测 | 仅在四种物种上进行测试，尚未验证在更广泛物种上的泛化能力 | 开发能够跨物种识别Poly(A)信号的深度学习方法 | 真核生物mRNA成熟过程中的poly(A)信号 | 生物信息学 | NA | 深度学习 | CNN, MLP | DNA序列数据 | 四个物种的数据集，其中两个用于训练，其余用于评估 | NA | 卷积神经网络-多层感知器(CNN-MLP)网络 | 准确率 | NA |
| 22366 | 2025-10-07 |
deep-AMPpred: A Deep Learning Method for Identifying Antimicrobial Peptides and Their Functional Activities
2025-Jan-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01913
PMID:39792442
|
研究论文 | 提出一种名为deep-AMPpred的两阶段深度学习方法来识别抗菌肽及其功能活性 | 结合ESM-2模型编码肽序列特征，并集成CNN、BiLSTM和CBAM模型来识别抗菌肽及其13种常见功能活性 | NA | 准确识别抗菌肽并预测其多种功能活性 | 抗菌肽及其功能活性 | 生物信息学 | 传染病 | 深度学习 | CNN, BiLSTM, CBAM | 肽序列数据 | NA | NA | ESM-2, CNN, BiLSTM, CBAM | NA | NA |
| 22367 | 2025-10-07 |
Automated stenosis estimation of coronary angiographies using end-to-end learning
2025-Jan-09, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03324-x
PMID:39789341
|
研究论文 | 开发了一种基于深度学习的自动化冠状动脉造影狭窄评估系统 | 相比先前工作，性能提升，包含全部16个血管段，不排除血运重建患者，进行了外部验证，且流程更简化 | NA | 通过深度学习实现冠状动脉狭窄的自动化评估 | 冠状动脉造影影像和患者 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 影像 | 19,414名患者的332,582个电影循环，其中13,480名患者用于模型开发，5,056名用于内部测试，608名用于外部测试 | NA | 端到端学习 | ROC曲线下面积 | NA |
| 22368 | 2025-10-07 |
Enhanced prediction of partial nitrification-anammox process in wastewater treatment by developing an attention-based deep learning network
2025-Jan-08, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.124012
PMID:39788059
|
研究论文 | 本研究开发了一种基于注意力机制的深度学习网络，用于改进污水处理中部分硝化-厌氧氨氧化过程的预测性能 | 开发了增强型基于注意力的DenseNet网络(AttentionNet)，在传统LSTM和DenseNet基础上进一步提升了预测精度 | 对某些输出参数的预测准确性相对较低，未明确说明模型在其他类型废水中的适用性 | 改进部分硝化-厌氧氨氧化过程的建模和预测能力，实现更及时的过程干预 | 低浓度废水处理中的部分硝化-厌氧氨氧化反应器 | 机器学习 | NA | 深度学习建模 | LSTM, DenseNet, 注意力机制网络 | 污水处理过程数据 | 基于长期实验构建的数据集 | NA | LSTM, DenseNet, AttentionNet | 平均相对误差, Bland-Altman分析 | NA |
| 22369 | 2025-10-07 |
Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients
2025-Jan-08, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2024.10.048
PMID:39788817
|
研究论文 | 使用无监督深度学习算法识别和验证外科及危重症患者中的低血压内型 | 首次将深度自编码器与高斯混合模型结合用于低血压内型识别，并在大型数据集上进行独立验证 | 研究仅基于特定血流动力学参数，未考虑其他潜在影响因素 | 识别和验证外科及危重症患者中不同类型的低血压内型 | 外科患者和危重症患者 | 机器学习 | 心血管疾病 | 无监督深度学习 | 自编码器, 高斯混合模型 | 血流动力学参数数据 | 开发集：871名外科患者（6962次低血压事件）；验证集1：1000名外科患者（7904次低血压事件）；验证集2：1000名危重症患者（53821次低血压事件） | NA | 自编码器 | 内型识别一致性 | NA |
| 22370 | 2025-10-07 |
Innovative breast cancer detection using a segmentation-guided ensemble classification framework
2025-Jan, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00435-7
PMID:39781047
|
研究论文 | 提出一种分割引导的集成分类框架用于乳腺癌检测，通过两阶段方法提升诊断准确性 | 结合注意力U-Net分割和多元集成分类器，通过精确的感兴趣区域分析提升小尺寸肿块检测能力 | 未明确说明数据集规模和多样性限制，可能影响模型泛化能力 | 提高乳腺癌早期检测和诊断的准确性 | 乳腺肿瘤（恶性、良性和正常类别） | 计算机视觉 | 乳腺癌 | 超声成像 | Attention U-Net, 集成分类器 | 超声图像 | NA | NA | Attention U-Net, SVM, 决策树, KNN, 人工神经网络, 随机森林 | 准确率, F1分数 | NA |
| 22371 | 2025-10-07 |
Spinal tissue identification using a Forward-oriented endoscopic ultrasound technique
2025-Jan, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00440-w
PMID:39781062
|
研究论文 | 本研究开发了一种前向超声内镜系统，用于微创脊柱手术中脊髓组织的自动识别 | 首次将前向超声内镜技术与深度学习模型相结合，实现脊柱软组织的实时识别 | 研究使用离体绵羊脊柱组织，尚未进行人体临床试验 | 提高微创脊柱手术中关键组织识别的准确性和安全性 | 绵羊脊柱软组织样本 | 医学影像分析 | 脊柱疾病 | 前向超声内镜技术 | DenseNet, Vision Transformer | 超声信号数据 | 758个离体软组织样本 | NA | DenseNet, 一维Vision Transformer | 准确率, 特异性, 推理延迟 | NA |
| 22372 | 2025-10-07 |
A Review for automated classification of knee osteoarthritis using KL grading scheme for X-rays
2025-Jan, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00437-5
PMID:39781063
|
综述 | 本文综述了基于KL分级系统对膝关节骨关节炎X光片进行自动分类的最新研究进展 | 系统回顾了85篇相关文献，总结了人工智能技术在膝关节骨关节炎自动诊断中的最新应用 | 仅关注基于KL分级系统的X光片分类方法，未涵盖其他诊断方式或分类系统 | 回顾膝关节骨关节炎自动放射学分类和检测技术 | 膝关节骨关节炎的X光影像 | 计算机视觉 | 骨关节炎 | X射线成像 | NA | X光图像 | NA | NA | NA | NA | NA |
| 22373 | 2025-01-11 |
Addendum to: The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT
2025, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-249001
PMID:39792355
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22374 | 2025-10-07 |
[Research progress on prognostic prediction models for patients undergoing extracorporeal membrane oxygenation]
2024-Dec, Zhonghua wei zhong bing ji jiu yi xue
|
综述 | 本文系统回顾了体外膜肺氧合(ECMO)患者预后预测模型的研究进展，并对现有模型进行分类和局限性分析 | 首次基于方法学分类、患者人群和理论框架对成人ECMO预后预测模型进行系统分类，并提出整合机器学习和深度学习技术的未来发展方向 | 现有模型存在样本量有限、多中心验证不足、静态数据分析以及模型适用性受限等问题 | 优化ECMO治疗决策并提高患者生存率 | 接受体外膜肺氧合治疗的成人患者 | 医学预测模型 | 难治性呼吸循环衰竭 | 预后预测模型开发与验证 | 机器学习,深度学习 | 临床数据 | NA | NA | NA | NA | NA |
| 22375 | 2025-10-07 |
Comparing the Artificial Intelligence Detection Models to Standard Diagnostic Methods and Alternative Models in Identifying Alzheimer's Disease in At-Risk or Early Symptomatic Individuals: A Scoping Review
2024-Dec, Cureus
DOI:10.7759/cureus.75389
PMID:39781179
|
综述 | 本范围综述比较了人工智能检测模型与标准诊断方法在阿尔茨海默病早期识别中的表现 | 系统评估了2022-2023年最新AI技术在AD早期检测中的应用，重点关注多模态方法和可解释性AI | 存在数据异质性问题，需要更高质量和多样化的数据集，临床工作流整合和伦理考虑是实际应用的主要障碍 | 比较AI检测模型与传统方法在阿尔茨海默病早期识别中的效果 | 处于风险或早期症状的阿尔茨海默病个体 | 机器学习 | 阿尔茨海默病 | 神经影像学、基因组学、认知测试、血液生物标志物 | 深度学习 | 多模态数据（神经影像、临床评估、基因数据） | 从2,966篇文章中筛选44篇进行定性分析 | NA | NA | 灵敏度, 特异度, AUC | NA |
| 22376 | 2025-10-07 |
Assessing Artificial Intelligence in Oral Cancer Diagnosis: A Systematic Review
2024-Oct-29, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000010663
PMID:39787481
|
系统综述 | 本系统综述评估了2020-2024年间人工智能技术在口腔癌检测和诊断中的有效性和准确性 | 首次系统评估2020-2024年间AI在口腔癌诊断中的应用效果，涵盖多种AI技术和数据类型的综合分析 | 数据集变异性大和监管问题等限制因素 | 评估人工智能技术在口腔癌检测和诊断中的有效性和准确性 | 口腔癌诊断相关的AI技术应用研究 | 医学影像分析 | 口腔癌 | 机器学习、深度学习 | 机器学习算法、深度学习算法 | 组织病理学切片、口腔内图片 | 12篇符合纳入标准的研究论文 | NA | NA | 诊断精度、病变识别效果、预后预测准确性 | NA |
| 22377 | 2025-10-07 |
Precision Opioid Prescription in ICU Surgery: Insights from an Interpretable Deep Learning Framework
2024, Journal of surgery (Lisle, IL)
DOI:10.29011/2575-9760.11189
PMID:39781484
|
研究论文 | 开发可解释深度学习框架预测ICU手术患者术后阿片类药物需求 | 首次将Permutation Feature Importance Test应用于多种机器学习模型的可解释性分析，识别影响术后阿片类药物使用的关键因素 | 仅使用单一数据库（MIMIC）数据，模型性能仍有提升空间（PCC=0.283） | 通过可解释AI方法精准预测ICU手术患者术后阿片类药物需求 | ICU手术患者 | 机器学习 | 术后疼痛管理 | 电子健康记录分析 | DNN, SVM, XGBoost, Random Forest | 结构化电子健康记录 | 4,912名手术患者 | NA | 深度神经网络 | 均方误差, 皮尔逊相关系数 | NA |
| 22378 | 2025-10-07 |
Antibody-supervised deep learning for quantification of tumor-infiltrating immune cells in hematoxylin and eosin stained breast cancer samples
2016, Journal of pathology informatics
DOI:10.4103/2153-3539.189703
PMID:27688929
|
研究论文 | 提出基于抗体引导标注和深度学习的创新方法，用于量化乳腺癌H&E染色样本中免疫细胞浸润区域 | 首次将抗体引导标注与深度学习相结合，仅使用常规H&E染色实现免疫细胞浸润的自动量化 | 样本量较小（仅20例患者），需进一步验证方法的泛化能力 | 开发自动量化肿瘤浸润免疫细胞的新方法 | 乳腺癌患者的福尔马林固定石蜡包埋组织样本 | 数字病理学 | 乳腺癌 | H&E染色, CD45免疫组化染色, 全玻片数字化扫描 | CNN, SVM | 病理图像 | 20例乳腺癌患者，123,442个标注超像素 | NA | 预训练卷积神经网络 | F-score, Kappa系数 | NA |
| 22379 | 2025-01-07 |
EEG-based cross-subject passive music pitch perception using deep learning models
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10196-9
PMID:39758357
|
研究论文 | 本研究利用深度学习模型，基于脑电图（EEG）数据，探索跨被试的音乐音高感知 | 提出了轻量级改进的EEGNet模型用于EEG音高分类，并采用分类器集成方法构建跨被试模型 | 研究仅针对小提琴的G3和B6音高，未涵盖更广泛的音高范围 | 客观检测和解码跨被试的音乐音高感知的脑响应 | 34名被试在听到小提琴G3和B6音高时的EEG信号 | 机器学习 | NA | EEG | 改进的EEGNet模型 | EEG信号 | 34名被试 | NA | NA | NA | NA |
| 22380 | 2025-01-07 |
Deep learning enabled near-isotropic CAIPIRINHA VIBE in the nephrogenic phase improves image quality and renal lesion conspicuity
2025-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2024.100622
PMID:39758710
|
研究论文 | 本研究探讨了深度学习加速的CAIPIRINHA-VIBE技术在肾脏成像中的应用，以提升图像质量和病变检测能力 | 首次将深度学习技术应用于CAIPIRINHA-VIBE序列，以改善肾脏成像的图像质量和病变显着性 | DL-CAIPIRINHA-VIBE呈现出更多的合成外观和混叠伪影 | 比较DL-CAIPIRINHA-VIBE与标准CAIPIRINHA-VIBE在肾脏成像中的图像质量和病变检测能力 | 50名患者，包括23个实性和45个囊性肾脏病变 | 医学影像 | 肾脏疾病 | 深度学习加速的CAIPIRINHA-VIBE技术 | 深度学习模型 | MRI图像 | 50名患者，68个肾脏病变 | NA | NA | NA | NA |