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 29582 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2025-08-05 |
Incorporating Artificial Intelligence into Fracture Risk Assessment: Using Clinical Imaging to Predict the Unpredictable
2025-Aug-04, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2025.2518
PMID:40754720
|
综述 | 本文综述了人工智能在骨折风险评估中的应用，探讨了其在临床影像分析中的潜力与挑战 | 利用深度学习技术分析常规影像数据，实现个体化骨折风险评估，超越传统群体分层方法 | 模型泛化能力不足、数据偏差和自动化偏差等问题尚未解决 | 探索人工智能作为传统骨折风险评估方法的补充工具 | 骨质疏松性骨折的风险预测 | 数字病理学 | 骨质疏松症 | 深度学习 | 深度学习模型 | 影像数据（X光和CT） | 多样化的队列研究 |
| 222 | 2025-08-05 |
Respiratory viral infections: when and where? A scoping review of spatiotemporal methods
2025-Aug-04, Journal of global health
IF:4.5Q1
DOI:10.7189/jogh.15.04213
PMID:40755019
|
综述 | 本文通过范围综述方法，综合分析了呼吸道病毒感染时空特征研究的定量方法学现状 | 综合评估了COVID-19大流行期间呼吸道病毒感染时空分析方法的应用与发展 | 深度学习模型在疾病预测分析中的应用受到疾病数据质量的限制 | 综述呼吸道病毒感染时空特征研究的定量方法学 | 呼吸道病毒感染 | 流行病学 | 呼吸道病毒感染 | PRISMA-ScR指南 | 机器学习方法、深度学习模型 | 文献数据 | 152篇符合纳入标准的文章 |
| 223 | 2025-08-05 |
Deep Learning Reconstruction for T2 Weighted Turbo-Spin-Echo Imaging of the Pelvis: Prospective Comparison With Standard T2-Weighted TSE Imaging With Respect to Image Quality, Lesion Depiction, and Acquisition Time
2025-Aug-04, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371251357790
PMID:40755270
|
research paper | 本研究比较了深度学习重建的T2加权快速自旋回波成像（DL-TSE）与传统TSE在盆腔MRI中的图像质量、病变描绘和采集时间 | 首次在盆腔MRI中全面评估DL-TSE的性能，并证明其能在减少50%扫描时间的同时保持或提升图像质量 | 样本量较小（55例），且仅评估了两种扫描平面（轴位和斜位） | 评估深度学习加速技术在盆腔MRI中的应用效果 | 盆腔MRI扫描 | 医学影像分析 | 盆腔疾病 | 深度学习重建（DL）、Turbo Spin Echo（TSE） | 深度学习模型（未指定具体架构） | MRI图像 | 55名受试者（33名女性，22名男性） |
| 224 | 2025-08-05 |
Accurate VLE Predictions via COSMO-RS-Guided Deep Learning Models: Solubility and Selectivity in Physical Solvent Systems for Carbon Capture
2025-Aug-04, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01148
PMID:40757514
|
研究论文 | 本文开发了一种基于COSMO-RS和深度学习的机器学习流程，用于准确预测物理溶剂系统中的溶解度和选择性，以支持碳捕获应用中的溶剂筛选 | 结合量子化学热力学模型COSMO-RS和D-MPNN神经网络架构，利用分子表征、附加特征和迁移学习来改进预测，显著提高了单独使用COSMO的准确性 | 模型依赖于COSMO-RS模拟数据和实验数据的结合，可能受到数据量和质量的限制 | 开发一种准确预测物理溶剂系统中溶解度和选择性的方法，以支持碳捕获应用中的溶剂筛选和优化 | 物理溶剂系统中的溶解度和选择性 | 机器学习 | NA | COSMO-RS, D-MPNN | D-MPNN | 模拟数据和实验数据 | 30,000个COSMO-RS模拟数据点和实验VLE数据集 |
| 225 | 2025-08-05 |
"Computational Prediction of Mutagenicity Through Comprehensive Cell Painting Analysis"
2025-Aug-04, Mutagenesis
IF:2.5Q3
DOI:10.1093/mutage/geaf014
PMID:40757573
|
研究论文 | 本研究利用Cell Painting数据和机器学习模型预测化学物质的致突变性，并与基于结构的模型进行比较 | 首次整合Cell Painting数据与机器学习算法预测致突变性，发现Phenotypic Altering Concentration能显著提高预测准确性 | 数据集存在固有局限性，且Cell Painting技术存在实验室间差异，某些化合物仍难以预测 | 开发基于Cell Painting的致突变性预测方法 | 化学化合物 | 机器学习 | NA | Cell Painting | Random Forest, Support Vector Machine, Extreme Gradient Boosting | 图像 | Broad Institute数据集包含30,000多个分子，US-EPA数据集包含1,200种化学物质 |
| 226 | 2025-08-05 |
A Molecular Representation Learning Model Based on Multidimensional Joint and Cross-Learning for Drug-Drug Interaction Prediction
2025-Aug-04, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01171
PMID:40758117
|
research paper | 提出了一种基于多维联合与交叉学习的分子表示学习模型，用于预测药物-药物相互作用 | 提出了一种新的多维联合与交叉学习模型（MDJCL），有效整合了药物的1D、2D和3D分子特征，并通过交叉注意力融合模块和分子对反应模块提升了预测性能 | 未提及具体的数据集规模或模型在真实临床环境中的验证情况 | 提升药物-药物相互作用（DDI）的预测性能，为临床决策和精准医学提供可靠工具 | 药物分子及其相互作用 | machine learning | NA | deep learning | MDJCL（多维联合与交叉学习模型） | 分子特征数据（1D、2D、3D） | NA |
| 227 | 2025-08-05 |
A Novel Dual-Output Deep Learning Model Based on InceptionV3 for Radiographic Bone Age and Gender Assessment
2025-Aug-04, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01623-2
PMID:40758204
|
研究论文 | 本研究设计了一个基于InceptionV3架构的多输出预测模型，用于通过数字手腕X光片预测骨龄和性别 | 提出了一种新颖的双输出深度学习模型，结合Squeeze-and-Excitation块进行稳健特征管理，同时预测骨龄和性别 | 中高端硬件要求可能限制其在临床本地机器上的使用 | 开发计算机辅助临床决策支持系统，改进放射学骨龄评估方法 | 手腕X光片 | 计算机视觉 | 儿科疾病 | 深度学习 | InceptionV3, CNN | 图像 | 14,048个样本（训练:验证:测试=7:2:1） |
| 228 | 2025-08-05 |
Adapting foundation models for rapid clinical response: intracerebral hemorrhage segmentation in emergency settings
2025-Aug-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13742-5
PMID:40754551
|
研究论文 | 本研究提出了一种结合深度学习模型的新方法，用于在非增强CT扫描中分割形态多变的大面积脑出血病灶 | 采用两阶段方法，先通过用户定义的宽松边界框定位病灶，再使用微调的YOLOv8-S模型生成精确的切片特异性边界框，最后利用Medical Segment Anything Model进行精确分割 | 需要用户初始输入宽松边界框，存在一定的人工干预需求 | 开发快速准确的脑出血自动分割方法以支持临床决策 | 脑出血患者的非增强CT扫描图像 | 数字病理学 | 脑出血 | 深度学习 | YOLOv8-S, Medical Segment Anything Model | CT图像 | 252例CT扫描 |
| 229 | 2025-08-05 |
Sentiment analysis for deepfake X posts using novel transfer learning based word embedding and hybrid LGR approach
2025-Aug-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10661-3
PMID:40754634
|
研究论文 | 本文提出了一种基于迁移学习和混合LGR方法的深度伪造X帖子情感分析新方法 | 结合迁移学习的特征提取方法和混合深度学习技术（LSTM+GRU+RNN）来捕捉全局和局部上下文信息 | 未提及具体的数据集规模限制或实际应用场景中的潜在问题 | 开发一种有效的情感分析方法来检测和防止深度伪造内容的传播 | 社交媒体上的深度伪造文本内容 | 自然语言处理 | NA | 迁移学习、混合深度学习（LSTM+GRU+RNN） | LSTM, GRU, RNN | 文本 | 未明确提及具体样本数量 |
| 230 | 2025-08-05 |
Detection of Dens Invaginatus on Panoramic Radiographs Using Deep Learning Algorithms
2025-Aug-03, International journal of paediatric dentistry
IF:2.3Q2
DOI:10.1111/ipd.70027
PMID:40754680
|
研究论文 | 本研究评估了YOLOv5和YOLOv8深度学习模型在检测全景X光片中牙内陷的成功率和可靠性 | 首次使用YOLOv5和YOLOv8模型结合两种不同标注方法检测牙内陷 | 样本仅限于8-18岁患者的前牙区全景X光片 | 评估深度学习模型在牙内陷检测中的应用效果 | 656张8-18岁患者的全景X光片 | 计算机视觉 | 牙科发育异常 | 深度学习 | YOLOv5, YOLOv8 | X光图像 | 656张全景X光片 |
| 231 | 2025-08-05 |
Reflection-Enhanced Raman Identification of Single Bacterial Cells Patterned Using Capillary Assembly
2025-Aug-03, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c01225
PMID:40754993
|
研究论文 | 本文提出了一种利用反射增强拉曼光谱技术对单个细菌细胞进行快速识别的方法 | 使用反射性Ag/SiO薄膜增强拉曼信号，并结合毛细管辅助粒子组装技术精确定位单个细菌细胞 | 未提及具体临床应用中的大规模验证数据 | 开发一种简单、准确且可重复的单细胞水平细菌检测平台 | 单个细菌细胞 | 生物医学光学 | 细菌感染 | 拉曼光谱技术, 毛细管辅助粒子组装(CAPA) | 深度学习分析 | 光学信号 | 人工尿液悬浮液中的单个细菌细胞 |
| 232 | 2025-08-05 |
Evaluating the Efficacy of Various Deep Learning Architectures for Automated Preprocessing and Identification of Impacted Maxillary Canines in Panoramic Radiographs
2025-Aug-02, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.100940
PMID:40753865
|
research paper | 本研究评估了多种卷积神经网络架构在自动预处理和识别全景X光片中上颌阻生犬齿方面的效果 | 比较了八种CNN架构在自动识别上颌阻生犬齿方面的性能，并展示了GoogLeNet在未预处理和预处理数据上的最高分类性能 | 研究样本量较小（每组91例），可能影响结果的泛化能力 | 提高自动识别全景X光片中上颌阻生犬齿的准确性，为开发全自动软件奠定基础 | 全景X光片中的上颌阻生犬齿和非阻生犬齿 | digital pathology | dental disease | panoramic radiographs | CNN (包括SqueezeNet, GoogLeNet, NASNet-Mobile, ShuffleNet, VGG-16, ResNet 50, DenseNet 201, Inception V3) | image | 182例全景X光片（阻生组91例，非阻生组91例） |
| 233 | 2025-08-05 |
High-efficiency spatially guided learning network for lymphoblastic leukemia detection in bone marrow microscopy images
2025-Aug-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110860
PMID:40753948
|
研究论文 | 本文提出了一种基于空间引导学习网络的高效方法，用于骨髓显微镜图像中的淋巴细胞白血病检测 | 引入了空间引导学习框架、尺度感知融合模块、小目标增强机制和高效的IoU损失函数，显著提高了检测准确性 | 高质量数据集的稀缺性以及骨髓涂片中细胞形态异质性、染色不均、尺度变化和细胞边界遮挡等挑战 | 开发一种全自动诊断方法，用于白血病的早期和准确检测 | 骨髓显微镜图像中的淋巴细胞白血病细胞 | 数字病理学 | 白血病 | 深度学习 | SGLNet | 图像 | 1794张高质量显微镜图像 |
| 234 | 2025-08-05 |
Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning
2025-Aug, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70011
PMID:40129053
|
研究论文 | 本研究探索使用无监督深度学习技术，从人类血液的红外分子指纹中提取低维表示 | 开发了一种全卷积去噪自编码器，用于处理傅里叶变换红外光谱数据，并通过自定义损失函数有效降噪并保留关键分子信息 | NA | 探索红外光谱数据的低维表示方法以提高肺癌检测准确率 | 人类血液的红外分子指纹 | 机器学习 | 肺癌 | 傅里叶变换红外光谱(FTIR) | 全卷积去噪自编码器 | 光谱数据 | NA |
| 235 | 2025-06-10 |
Insights into "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-Aug, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.04.046
PMID:40450446
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 236 | 2025-06-10 |
Response to Letter to the Editor regarding "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-Aug, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.05.012
PMID:40450443
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 237 | 2025-08-05 |
Artificial intelligence in orthopedic trauma: a comprehensive review
2025-Aug, Injury
IF:2.2Q2
DOI:10.1016/j.injury.2025.112570
PMID:40683054
|
综述 | 本文全面回顾了人工智能在骨科创伤领域的应用现状、发展趋势及未来方向 | 分析了2015年至2025年间发表的217项研究，揭示了AI在骨折检测、分类、预测和分割等任务中的卓越表现 | 仅有14.5%的研究经过外部验证，仅3.2%报告了前瞻性临床验证，临床整合和数据标准化仍面临重大挑战 | 评估人工智能在骨科创伤领域的应用现状及未来发展方向 | 骨科创伤相关研究 | 人工智能在医疗健康的应用 | 骨科创伤 | 深度学习和传统机器学习方法 | 深度学习与传统机器学习模型 | 医学影像数据 | 217项研究（2015-2025年） |
| 238 | 2025-08-05 |
Clinical benefits of deep learning-assisted ultrasound in predicting lymph node metastasis in pancreatic cancer patients
2025-Aug, Future oncology (London, England)
DOI:10.1080/14796694.2025.2520149
PMID:40548666
|
研究论文 | 本研究开发并验证了一种基于超声图像的深度学习放射组学列线图（DLRN），用于提高胰腺癌患者淋巴结转移（LNM）的预测准确性 | 结合深度学习和放射组学特征，开发了DLRN模型，显著提升了淋巴结转移的预测准确性，并为临床医生提供了决策支持工具 | 研究为回顾性分析，样本量相对较小（249例），且测试集比例较低（20%） | 提高胰腺癌患者淋巴结转移的预测准确性 | 胰腺癌患者 | 数字病理 | 胰腺癌 | 超声成像，深度学习 | InceptionV3, 逻辑回归 | 图像 | 249例经病理证实的胰腺癌病例（其中78例有淋巴结转移） |
| 239 | 2025-08-05 |
Can radiology be first to use prognostic deep learning models for oncological treatment?
2025-Aug-01, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2025.07.013
PMID:40754034
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 240 | 2025-08-05 |
Factors associated with glucocorticoid dosing in treating patients with noncritical COVID-19 pneumonia: Insights from an artificial intelligence-based CT imaging analysis
2025 Aug-Sep, Enfermedades infecciosas y microbiologia clinica (English ed.)
DOI:10.1016/j.eimce.2025.06.004
PMID:40754353
|
研究论文 | 通过基于人工智能的CT影像分析，探讨影响非重症COVID-19肺炎患者糖皮质激素剂量的因素，并开发预测模型 | 利用AI深度学习技术评估肺部CT图像，开发预测模型以确定糖皮质激素的最佳剂量 | 需要更大规模的前瞻性研究进行验证 | 确定非重症COVID-19患者糖皮质激素的最佳剂量 | 273名非重症COVID-19肺炎患者 | 数字病理学 | COVID-19 | 基于AI的深度学习 | 多变量逻辑回归 | CT影像 | 273名患者（训练集168名，验证集75名） |