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 24567 篇文献，本页显示第 2361 - 2380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2361 | 2025-05-01 |
Analyzing resuscitation conference content through the lens of the chain of survival
2025-May, Resuscitation plus
IF:2.1Q2
DOI:10.1016/j.resplu.2025.100951
PMID:40297165
|
研究论文 | 通过生存链框架分析复苏会议的内容 | 首次使用生存链框架对复苏会议摘要进行系统分析，并考察了人工智能和机器学习在数据分析中的应用 | 仅分析了两大会议的数据，可能无法代表所有复苏科学会议的情况 | 了解复苏科学会议中讨论的主题分布及其与生存链框架的对应关系 | 复苏会议摘要 | 医学信息学 | 心血管疾病 | 机器学习 | NA | 文本 | Resuscitation 2024的54篇摘要和Resuscitation Science Symposium 2024的47篇摘要 |
| 2362 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2363 | 2025-05-01 |
Enhanced heart disease risk prediction using adaptive botox optimization based deep long-term recurrent convolutional network
2025-Apr-30, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329251333750
PMID:40302494
|
研究论文 | 该研究提出了一种结合先进数据预处理、特征选择和深度学习技术的方法，用于基于物联网传感器数据的心脏病分类 | 采用改进的二进制量子鸟类导航优化算法(IBQANO)进行特征选择，并使用自适应肉毒杆菌优化算法(ABOA)微调的深度长期递归卷积网络(DLRCN)进行分类 | NA | 开发一种可靠且准确的心脏病预测方法，用于远程医疗监测 | 心脏病患者数据 | 机器学习 | 心血管疾病 | 深度学习 | DLRCN | 传感器数据 | 匈牙利、UCI和克利夫兰心脏病数据集 |
| 2364 | 2025-05-01 |
Deep learning-based decision support system for cervical cancer identification in liquid-based cytology pap smears
2025-Apr-30, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329251330081
PMID:40302490
|
研究论文 | 本文提出了一种基于深度学习的决策支持系统，用于在液基细胞学巴氏涂片中识别宫颈癌 | 结合稀疏自动编码器和Binary Harris Hawk元启发式优化算法的新型混合特征降维和优化模块，以及使用三个预训练的CNN提取补充特征集 | 未提及具体样本量或外部验证结果 | 开发高效的计算机辅助诊断系统以改善宫颈癌早期检测 | 液基细胞学巴氏涂片图像 | 数字病理学 | 宫颈癌 | 深度学习 | 稀疏自动编码器、CNN、K最近邻 | 图像 | NA |
| 2365 | 2025-05-01 |
Engaging the Community: CASP Special Interest Groups
2025-Apr-30, Proteins
IF:3.2Q2
DOI:10.1002/prot.26833
PMID:40304050
|
评论 | 本文介绍了CASP特别兴趣小组（SIGs）的成立及其在促进跨学科对话和合作中的作用 | 通过建立特别兴趣小组和在线研讨会系列，促进了CASP社区成员之间的持续对话和跨学科合作 | 未提及具体的预测算法或技术的改进细节 | 促进CASP社区成员之间的持续对话和跨学科合作 | CASP社区成员，包括深度学习专家和NMR专家等 | 生物分子结构预测 | NA | NA | NA | NA | NA |
| 2366 | 2025-05-01 |
AI-Assisted Glucocorticoid Treatment Response Prediction of Active Ulcerative Active Patients
2025-Apr-30, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16961
PMID:40304464
|
研究论文 | 使用深度学习模型预测活动性溃疡性结肠炎患者对糖皮质激素治疗的反应 | 开发并验证了一种基于全切片图像和临床数据的深度学习模型（UCG-SwinT），用于预测糖皮质激素诱导治疗的反应 | 样本量相对较小，仅来自中国的两个医疗中心 | 预测活动性溃疡性结肠炎患者对糖皮质激素治疗的反应，以实现更精确的治疗管理 | 212名溃疡性结肠炎患者的485张肠道组织学全切片图像 | 数字病理学 | 溃疡性结肠炎 | 深度学习 | UCG-SwinT | 图像和临床数据 | 212名患者的485张全切片图像 |
| 2367 | 2025-05-01 |
Automated Operative Phase and Step Recognition in Vestibular Schwannoma Surgery: Development and Preclinical Evaluation of a Deep Learning Neural Network (IDEAL Stage 0)
2025-Apr-30, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000003466
PMID:40304484
|
research paper | 开发并评估了一种深度学习神经网络，用于自动识别前庭神经鞘瘤手术中的操作阶段和步骤 | 首次将机器学习应用于长时间（中位数超过5小时）、数据量大的手术视频分析，特别是在前庭神经鞘瘤切除术中 | 在个别步骤分类上仍有改进空间，且样本量较小 | 开发并评估一种能够自动识别手术工作流程的机器学习模型，用于前庭神经鞘瘤切除术 | 21例显微镜下经乙状窦后入路前庭神经鞘瘤切除术的手术视频 | digital pathology | vestibular schwannoma | deep learning | CNN and RNN | video | 21例手术视频 |
| 2368 | 2025-05-01 |
Functional blepharoptosis screening with generative augmented deep learning from external ocular photography
2025-Apr-30, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2497460
PMID:40304715
|
research paper | 开发并验证了一种深度学习模型，用于从外部眼部照片中检测功能性上睑下垂，并量化了使用合成图像增强训练数据对模型性能的影响 | 利用生成对抗网络（StyleGAN）生成的合成数据增强训练集，提高了模型检测功能性上睑下垂的性能 | 样本量相对较小，且仅来自单一的三级眼整形诊所，可能影响模型的泛化能力 | 开发一种能够从外部眼部照片中高置信度检测功能性上睑下垂的深度学习模型 | 771只眼睛的外部眼部照片，包括639例临床诊断为功能性上睑下垂和132例无此症状的患者 | computer vision | geriatric disease | deep learning, StyleGAN | CNN, GAN | image | 771只眼睛（539训练，76验证，156测试），并额外使用2000张合成图像增强训练集 |
| 2369 | 2025-05-01 |
Computer-aided diagnosis tool utilizing a deep learning model for preoperative T-staging of rectal cancer based on three-dimensional endorectal ultrasound
2025-Apr-30, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04966-0
PMID:40304753
|
research paper | 开发了一种基于深度学习模型的计算机辅助诊断工具，用于直肠癌术前T分期 | 利用三维直肠内超声（3D-ERUS）图像，开发了一种新的深度学习模型辅助诊断工具，提高了直肠癌T分期的准确性和一致性 | 研究为回顾性分析，样本量相对较小（216例患者） | 提高直肠癌术前T分期的准确性和一致性 | 216例直肠癌患者 | digital pathology | rectal cancer | 3D-ERUS | deep learning model | image | 216例直肠癌患者（训练队列156例，测试队列60例） |
| 2370 | 2025-05-01 |
Association between the retinal age gap and systemic diseases in the Japanese population: the Nagahama study
2025-Apr-30, Japanese journal of ophthalmology
IF:2.1Q2
DOI:10.1007/s10384-025-01205-3
PMID:40304887
|
研究论文 | 研究视网膜年龄差距（深度学习预测的视网膜年龄与实际年龄的差异）作为日本人群系统性健康潜在生物标志物的关联 | 首次利用深度学习模型预测视网膜年龄，并探讨其与系统性疾病的关联 | 纵向分析未发现基线视网膜年龄差距与疾病发病的显著关联 | 探讨视网膜年龄差距作为系统性健康生物标志物的潜力 | 日本人群 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 调优队列2,261人，分析队列6,070人 |
| 2371 | 2025-05-01 |
X-ray CT metal artifact reduction using neural attenuation field prior
2025-Apr-30, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17859
PMID:40305006
|
research paper | 提出了一种利用神经衰减场（NAF）先验进行CT金属伪影减少的自监督方法NAFMAR | 采用自监督优化的神经衰减场作为先验，无需大规模训练数据集，通过金属感知损失函数优化网络学习解剖特征 | 未提及在极端金属密度或复杂几何结构下的性能表现 | 解决CT成像中金属物体导致的伪影问题，提升图像质量 | 模拟牙科CT和临床盆腔CT图像 | 医学影像处理 | NA | 神经衰减场优化、3D前向投影、正弦图修复 | 基于模型的神经场（NAF） | 3D CT图像 | 模拟牙科CT及临床盆腔CT图像（具体数量未说明） |
| 2372 | 2025-05-01 |
Multi-task Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer
2025-Apr-30, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-4190
PMID:40305075
|
research paper | 本研究开发了一种基于纵向CT图像的多任务深度学习模型CTSMamba，用于同时预测化疗治疗胃癌患者的淋巴结转移和总生存期 | 提出了名为co-attention tri-oriented spatial Mamba (CTSMamba)的新型多任务深度学习模型，能够同时预测淋巴结转移和总生存期 | 研究仅在三个医疗中心进行验证，可能需要更多外部验证 | 提高局部进展期胃癌患者淋巴结转移和总生存期的预测准确性 | 1,021例接受新辅助化疗的局部进展期胃癌患者 | digital pathology | gastric cancer | longitudinal CT imaging | multi-task deep learning (CTSMamba) | CT images | 1,021例患者（训练/验证组398例，外部验证组623例） |
| 2373 | 2025-05-01 |
Advances in Infant Cry Paralinguistic Classification-Methods, Implementation, and Applications: Systematic Review
2025-Apr-29, JMIR rehabilitation and assistive technologies
DOI:10.2196/69457
PMID:40163619
|
综述 | 本文系统回顾了过去24年婴儿哭声分类方法、实施和应用的进展 | 总结了从传统统计方法到机器学习和深度学习方法的演变，并提出了未来研究方向，如数据隐私保护和多模态音频方法 | 大部分模型(90%)未实际部署，数据隐私和保密性考虑不足 | 系统评估婴儿哭声分类技术发展现状并指出未来研究方向 | 婴儿哭声信号 | 自然语言处理 | NA | 机器学习, 深度学习, 混合方法 | NA | 音频信号 | 126项符合条件的研究 |
| 2374 | 2025-05-01 |
Correction: Improving the Robustness and Clinical Applicability of Automatic Respiratory Sound Classification Using Deep Learning-Based Audio Enhancement: Algorithm Development and Validation
2025-Apr-29, JMIR AI
DOI:10.2196/76150
PMID:40299541
|
correction | 对一篇关于使用基于深度学习的音频增强技术改进自动呼吸音分类的稳健性和临床适用性的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2375 | 2025-05-01 |
Artificial Intelligence Tools for Preconception Cardiomyopathy Screening Among Women of Reproductive Age
2025-Apr-29, Annals of family medicine
IF:4.4Q1
DOI:10.1370/afm.230627
PMID:40300816
|
研究论文 | 评估人工智能工具在育龄妇女中检测左心室收缩功能障碍（LVSD）的诊断性能 | 使用深度学习技术从12导联心电图和数字听诊器记录中生成LVSD的预测概率，展示了AI在心血管疾病筛查中的潜力 | 研究样本量较小（两个队列各100名参与者），且主要在非西班牙裔白人女性中进行，可能限制结果的普遍性 | 评估AI工具在育龄妇女中筛查心肌病的有效性 | 育龄妇女（18-49岁） | 数字病理学 | 心血管疾病 | 深度学习 | NA | 心电图（ECG）和听诊器记录 | 两个队列各100名参与者，总计200名育龄妇女 |
| 2376 | 2025-05-01 |
Deep learning based automated left atrial segmentation and flow quantification of real time phase contrast MRI in patients with atrial fibrillation
2025-Apr-29, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03407-9
PMID:40301204
|
research paper | 开发基于卷积神经网络（CNN）的全自动左心房（LA）流量量化方法，用于心房颤动（AF）患者的实时相位对比MRI数据分析 | 首次将CNN应用于AF患者的左心房流量全自动量化，表现出与半手动分析良好的一致性，并对心跳变异性具有鲁棒性 | 样本量相对较小（44名AF患者），且仅在AF患者中验证 | 开发自动化工具以简化心房颤动患者的心脏MRI数据分析流程 | 心房颤动患者的左心房流量数据 | digital pathology | cardiovascular disease | real time 2D phase contrast (RTPC) MRI | CNN | MRI图像 | 44名AF患者，共15,307个半手动标注的RTPC LA轮廓 |
| 2377 | 2025-05-01 |
Low-Rank Fine-Tuning Meets Cross-modal Analysis: A Robust Framework for Age-Related Macular Degeneration Categorization
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01513-7
PMID:40301288
|
研究论文 | 提出了一种创新的多模态深度学习框架，用于高效应用于多模态年龄相关性黄斑变性分类任务 | 引入了低秩适应（LoRA）技术以减少多模态集成的计算复杂性，并使用深度典型相关分析（DCCA）进行非线性映射和特征融合 | NA | 解决单模态信息不足以完全捕捉年龄相关性黄斑变性复杂病理特征的问题 | 年龄相关性黄斑变性（AMD）患者 | 计算机视觉 | 年龄相关性黄斑变性 | 深度典型相关分析（DCCA），低秩适应（LoRA） | Vision Transformer | 图像（CFP和OCT） | 公共数据集MMC-AMD |
| 2378 | 2025-05-01 |
Attention-Based Dual-Path Deep Learning for Blood Cell Image Classification Using ConvNeXt and Swin Transformer
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01479-6
PMID:40301289
|
研究论文 | 本文提出了一种基于注意力机制的双路径深度学习架构，结合ConvNeXt和Swin Transformer网络，用于血液细胞图像分类 | 创新性地结合了卷积神经网络和Transformer的优势，并引入了多尺度预处理模块（MPM）以提升图像质量 | 未提及模型在临床实际应用中的具体验证情况 | 提高血液细胞图像分类的准确性和效率，以辅助血液学疾病的诊断 | 血液细胞图像 | 计算机视觉 | 血液疾病 | 深度学习 | ConvNeXt, Swin Transformer | 图像 | 17,092张血液细胞图像 |
| 2379 | 2025-05-01 |
Super-Resolution Deep Learning Reconstruction for T2*-Weighted Images: Improvement in Microbleed Lesion Detection and Image Quality
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01522-6
PMID:40301290
|
research paper | 本研究评估了超分辨率深度学习重建（SR-DLR）在脑部MRI中检测微出血和提升图像质量的效果 | SR-DLR在微出血检测和图像清晰度方面显著优于传统DLR方法 | 研究为回顾性分析，样本量较小（69例患者） | 评估SR-DLR在脑部MRI中提升微出血检测和图像质量的效果 | 69例接受3T脑部MRI检查的患者（44名女性，平均年龄66.2岁） | digital pathology | 脑血管疾病 | 3T脑部MRI（T2*加权2D梯度回波和3D血流敏感黑血成像） | 深度学习超分辨率重建（SR-DLR） | MRI图像 | 69例患者 |
| 2380 | 2025-05-01 |
A Dirichlet Distribution-Based Complex Ensemble Approach for Breast Cancer Classification from Ultrasound Images with Transfer Learning and Multiphase Spaced Repetition Method
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01515-5
PMID:40301291
|
研究论文 | 提出了一种基于Dirichlet分布的复杂集成方法，结合迁移学习和多阶段间隔重复方法，用于从超声图像中进行乳腺癌分类 | 将教育科学中的间隔重复方法首次应用于人工智能领域，结合Dirichlet分布进行模型集成，提高了分类准确率和学习效率 | 研究仅使用了BUSI数据集，样本来源单一，需要更多外部数据验证模型的泛化能力 | 开发一种高精度的乳腺癌超声图像分类系统 | 乳腺癌超声图像 | 计算机视觉 | 乳腺癌 | 迁移学习、数据增强、间隔重复方法 | DenseNet201, InceptionV3, VGG16, ResNet152的集成模型 | 超声图像 | BUSI数据集（具体数量未提及） |