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 48024 篇文献，本页显示第 26781 - 26800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26781 | 2025-06-07 |
Patient-specific prostate segmentation in kilovoltage images for radiation therapy intrafraction monitoring via deep learning
2025-Jun-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00935-2
PMID:40461695
|
研究论文 | 本研究通过深度学习技术，在千伏级图像中实现患者特异性的前列腺分割，用于放射治疗中的实时监测 | 提出了一种无需标记物的前列腺分割方法，避免了标记物植入的成本、延迟和风险 | 研究仅在30名患者的两组治疗数据上进行了验证，样本量相对有限 | 开发一种无需标记物的实时图像引导自适应放射治疗方法 | 前列腺癌患者 | 数字病理 | 前列腺癌 | 深度学习 | 条件生成对抗网络（GAN） | 千伏级图像 | 30名前列腺癌患者的两组治疗数据 | NA | NA | NA | NA |
| 26782 | 2025-06-07 |
Quantum neural networks with data re-uploading for urban traffic time series forecasting
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04546-8
PMID:40461703
|
研究论文 | 本研究探索了量子神经网络（QNN）及其数据重新上传技术在雅典主要城市区域交通时间序列预测中的应用 | 首次将量子数据重新上传技术应用于交通预测领域，展示了量子机器学习在提升预测能力方面的潜力 | 在完全连接网络设置中，混合量子-经典模型的性能比纯经典模型差约10% | 探索量子机器学习在智能交通系统中的潜在应用，提升交通预测的准确性 | 雅典主要城市区域的交通数据 | 量子机器学习 | NA | 量子数据重新上传 | 量子神经网络（QNN） | 时间序列数据 | NA | NA | NA | NA | NA |
| 26783 | 2025-06-07 |
Artificial intelligence for streamflow prediction in river basins: a use case in Mar Menor
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04524-0
PMID:40461712
|
研究论文 | 利用机器学习和深度学习技术预测西班牙穆尔西亚地区Mar Menor流域的河流流量 | 采用先进的数据增强技术平衡低流量和高流量时期，比较了Random Forest和LSTM在不同时间尺度预测中的表现 | 研究主要针对Mar Menor流域，结果可能不适用于其他地区 | 提高脆弱地区河流流量预测的准确性，以支持水资源管理和洪水预报 | Mar Menor流域的Albujón水道，重点关注"La Puebla"和"Desembocadura"两个关键点 | 机器学习 | NA | 机器学习和深度学习 | Random Forest, LSTM | 河流流量、降雨量和地下水位数据 | 来自流量监测站、雨量站和测压计的数据 | NA | NA | NA | NA |
| 26784 | 2025-06-07 |
DeepGFT: identifying spatial domains in spatial transcriptomics of complex and 3D tissue using deep learning and graph Fourier transform
2025-Jun-03, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03631-5
PMID:40462157
|
research paper | 提出了一种名为DeepGFT的新方法，通过结合深度学习和图傅里叶变换来识别空间转录组学中的空间域 | DeepGFT方法首次同时建模点间和基因间的关系，用于空间域识别，并在多种复杂组织和3D组织中表现出优越性 | 未明确提及方法的计算复杂度或对大规模数据集的适用性 | 开发一种更准确的空间转录组学空间域识别方法 | 人类乳腺癌组织、人类淋巴结组织和3D果蝇数据 | digital pathology | breast cancer | spatially resolved transcriptomics (SRT) | deep learning, graph Fourier transform | spatial transcriptomics data | 人类乳腺癌样本、人类淋巴结样本和3D果蝇数据（具体数量未提及） | NA | NA | NA | NA |
| 26785 | 2025-06-07 |
Robust Uncertainty-Informed Glaucoma Classification Under Data Shift
2025-Jun-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.6.3
PMID:40455037
|
research paper | 提出一种基于深度证据不确定性量化的统一自我审查框架，用于青光眼分类，以应对数据分布变化带来的挑战 | 引入数据集级和图像级的自我审查机制，通过模型不确定性检测分布外样本，提升模型在分布外数据上的性能 | 未明确说明模型在临床环境中的实时性能表现 | 解决标准深度学习模型在分布外数据上性能下降的问题，提高青光眼分类的泛化能力 | 青光眼分类 | medical imaging | glaucoma | deep evidential uncertainty quantification | DL | image | 14个分布外数据集和4个外部青光眼数据集 | NA | NA | NA | NA |
| 26786 | 2025-06-07 |
Current AI technologies in cancer diagnostics and treatment
2025-Jun-02, Molecular cancer
IF:27.7Q1
DOI:10.1186/s12943-025-02369-9
PMID:40457408
|
综述 | 本文系统回顾了当前人工智能技术在癌症诊断和治疗中的应用及其潜力 | 强调了深度学习在早期癌症检测中的日益重要作用，以及AI在基因组学、生物标志物发现、液体活检和非侵入性诊断中的应用 | 讨论了数据隐私、可解释性和监管问题等重要挑战 | 评估人工智能技术在癌症诊断和治疗中的当前状态和未来潜力 | 癌症诊断和治疗中的人工智能技术 | 数字病理学 | 癌症 | 深度学习 | NA | 图像、基因组数据 | NA | NA | NA | NA | NA |
| 26787 | 2025-06-07 |
Comparison of AI-Automated and Manual Subfoveal Choroidal Thickness Measurements in an Elderly Population Using Optical Coherence Tomography
2025-Jun-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.6.9
PMID:40459523
|
research paper | 比较AI自动化和手动测量老年人群黄斑下脉络膜厚度的差异，并探讨影响测量差异的因素 | 使用基于TransUNet的深度学习模型自动测量SFCT，并在大规模老年人群中验证其与手动测量的一致性 | 存在系统性偏差，手动测量值普遍低于自动测量值 | 评估自动和手动测量SFCT的一致性和相关性，并研究影响测量差异的因素 | 老年人群的黄斑下脉络膜厚度（SFCT） | digital pathology | geriatric disease | enhanced depth imaging spectral-domain optical coherence tomography | TransUNet | image | 2896名参与者 | NA | NA | NA | NA |
| 26788 | 2025-06-07 |
Integrating CBAM and Squeeze-and-Excitation Networks for Accurate Grapevine Leaf Disease Diagnosis
2025-Jun, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.70377
PMID:40463992
|
研究论文 | 本研究旨在通过深度学习技术自动分类葡萄叶常见病害，包括葡萄痂病、霜霉病及健康叶片 | 将CBAM和Squeeze-and-Excitation Networks集成到预训练模型中，显著提高了分类准确率 | 仅针对两种常见葡萄叶病害进行分类，未涵盖其他可能的病害类型 | 开发基于深度学习的模型，实现葡萄叶病害的自动分类 | 葡萄叶病害（葡萄痂病、霜霉病）及健康叶片 | 计算机视觉 | 葡萄叶病害 | 深度学习 | CNN（集成CBAM和SE模块） | 图像 | NA | NA | NA | NA | NA |
| 26789 | 2025-06-07 |
Comparison of Sarcopenia Assessment in Liver Transplant Recipients by Computed Tomography Freehand Region-of-Interest versus an Automated Deep Learning System
2025-Jun, Clinical transplantation
IF:1.9Q3
DOI:10.1111/ctr.70201
PMID:40465826
|
research paper | 本研究比较了在肝移植受者中通过CT手动ROI和自动化深度学习系统评估肌肉减少症的两种方法 | 首次直接比较了手动ROI和深度学习系统在肌肉减少症评估中的表现，并分析了它们与住院时间的关联 | 样本量较小（50人），且为单中心研究 | 比较两种肌肉减少症评估方法在预测肝移植患者临床结局方面的效果 | 肝移植受者 | digital pathology | liver disease | computed tomography (CT) | deep learning | medical image | 50名肝移植受者 | NA | NA | NA | NA |
| 26790 | 2025-06-07 |
Ultrasound measurement of relative tongue size and its correlation with tongue mobility for healthy individuals
2025-Jun-01, JASA express letters
IF:1.2Q3
DOI:10.1121/10.0036838
PMID:40478168
|
研究论文 | 本研究介绍了一种基于超声的测量相对舌大小的方法，称为uRTS，作为MRI方法的成本效益替代方案 | 提出了一种新的基于超声的测量方法uRTS，并使用深度学习提取舌轮廓，验证了其与MRI测量结果的高度相关性 | 样本量较小（仅10名说话者），可能影响结果的普遍性 | 评估相对舌大小与舌运动速度之间的关系，开发更经济的测量方法 | 健康个体的舌头 | 医学影像分析 | NA | 超声测量，深度学习 | 深度学习（未指定具体模型） | 超声影像 | 10名说话者 | NA | NA | NA | NA |
| 26791 | 2025-06-07 |
Beyond episodic early warning systems: a continuous clinical alert system for early detection of in-hospital deterioration
2025-May-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.20.25327940
PMID:40475141
|
research paper | 开发了一种基于可穿戴设备的深度学习模型，用于早期检测住院患者的病情恶化 | 使用仅9个输入的可穿戴设备数据，开发了一种RNN模型，能够比传统早期预警系统更早识别病情恶化 | 数据缺失率为4-8%，且排除了SpO2数据 | 减少住院患者病情恶化的延迟识别，提高临床警报系统的效率 | 888名成人非ICU住院患者 | machine learning | geriatric disease | wearable biosensors | RNN | biosensor data | 888 adult non-ICU inpatient visits in four hospitals | NA | NA | NA | NA |
| 26792 | 2025-06-07 |
Detecting Arrhythmogenic Right Ventricular Cardiomyopathy From the Electrocardiogram Using Deep Learning
2025-May-06, JACC. Clinical electrophysiology
DOI:10.1016/j.jacep.2025.04.003
PMID:40471767
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 26793 | 2025-06-07 |
Deep Learning-based Anatomy-Aware Morph Model for Registration of Prostate Whole-Mount Histopathology to MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240336
PMID:40445100
|
研究论文 | 开发并评估了一种基于深度学习的创新方法，用于配准前列腺术前MRI和全切片组织病理学（WMHP）图像 | 提出了一种结合注意力机制和卷积神经网络的混合模型（Anatomy-Aware Morph模型），用于多模态前列腺图像配准，显著优于现有VoxelMorph方法 | 研究为回顾性设计，样本量相对有限（315例患者） | 实现前列腺术前MRI与术后病理图像的精准配准，辅助前列腺癌病灶映射 | 前列腺MRI和全切片组织病理学图像 | 数字病理 | 前列腺癌 | 深度学习图像配准 | 混合注意力机制与CNN（Anatomy-Aware Morph模型） | 医学影像（MRI与病理切片图像） | 315例患者（270训练集/45测试集），含160张测试图像 | NA | NA | NA | NA |
| 26794 | 2025-06-07 |
Deep Learning-Based Automated Detection of Oral Leukoplakia in Clinical Imaging
2025-May, Cureus
DOI:10.7759/cureus.83368
PMID:40462818
|
研究论文 | 本研究开发并验证了一种基于深度学习的系统，用于自动识别口腔白斑（OLK），以解决临床实践中的诊断挑战 | 使用19种CNN架构进行比较分析，并选择经过微调的EfficientNetB0作为最优模型，通过CAM可视化决策区域，实现了高精度和可解释性 | 数据集仅包含446张经组织病理学确认的口腔白斑病例图像和1,041张正常口腔黏膜图像，样本量相对有限 | 开发并验证一种基于深度学习的系统，用于自动识别口腔白斑，以解决临床实践中的诊断挑战 | 口腔白斑（OLK）的临床图像 | 计算机视觉 | 口腔癌 | 深度学习 | CNN, EfficientNetB0 | 图像 | 446张口腔白斑病例图像和1,041张正常口腔黏膜图像 | NA | NA | NA | NA |
| 26795 | 2025-06-07 |
Revolutionizing the diagnosis of dental caries using artificial intelligence-based methods
2025-May, Journal of conservative dentistry and endodontics
DOI:10.4103/JCDE.JCDE_172_25
PMID:40463673
|
review | 本文综述了人工智能在龋齿诊断中的应用及其潜力 | 探讨了AI如何通过机器学习和深度学习技术改进龋齿诊断的精确性和效率 | 讨论了当前AI在牙科诊断中面临的挑战和限制 | 探索人工智能在龋齿早期诊断和病变检测中的应用 | 龋齿诊断的影像数据和临床记录 | digital pathology | dental caries | machine learning, deep learning | NA | image, clinical records | NA | NA | NA | NA | NA |
| 26796 | 2025-06-07 |
Deep learning model for detecting high-grade dysplasia in colorectal adenomas
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100441
PMID:40463412
|
研究论文 | 本研究开发了一种深度学习模型，用于区分结直肠腺瘤中的低级别异型增生（LGD）和高级别异型增生（HGD） | 首次使用深度学习模型对结直肠腺瘤的异型增生程度进行准确分类 | 样本量相对较小，可能影响模型的泛化能力 | 提高结直肠腺瘤异型增生程度的自动诊断准确性 | 结直肠腺瘤组织切片 | 数字病理学 | 结直肠癌 | 深度学习 | ResNet34 | 病理图像 | 200张组织切片（71例HGD，129例LGD） | NA | NA | NA | NA |
| 26797 | 2025-06-07 |
Efficient merging and validation of deep learning-based nuclei segmentations in H&E slides from multiple models
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100443
PMID:40463413
|
研究论文 | 本研究提出了一种整合多种深度学习模型进行H&E切片中细胞核分割的新方法，以提高细胞类型定量的准确性 | 提出了一种新颖的整合多种深度学习模型的方法，用于细胞核分割，相比单一模型和人工病理学检查，提高了细胞类型比例的准确性和基因表达变异的解释能力 | 深度学习模型在分割特定细胞类型方面仍存在局限性，且某些模型在特定任务上可能比其他模型更有效 | 开发一种高效整合多种深度学习模型的方法，以改进H&E切片中细胞核分割和细胞类型定量 | 471例正常前列腺样本的H&E切片 | 数字病理学 | 前列腺癌 | 深度学习 | 多种深度学习模型 | 图像 | 471例正常前列腺样本 | NA | NA | NA | NA |
| 26798 | 2025-06-07 |
Burnout crisis in Chinese radiology: will artificial intelligence help?
2025-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11206-4
PMID:39567429
|
research paper | 评估人工智能（AI）软件使用与中国医院放射科职业倦怠之间的相关性 | 首次量化研究AI软件使用与放射科人员职业倦怠的关系，并发现AI使用时长与倦怠程度呈显著负相关 | 研究设计为横断面研究，无法确定因果关系 | 探讨AI在减轻放射科人员职业倦怠方面的作用 | 中国68家公立医院的放射科医生和技术人员 | digital pathology | NA | 问卷调查（MBI-HSS量表和AI使用问卷） | NA | survey data | 522名放射科工作人员 | NA | NA | NA | NA |
| 26799 | 2025-06-07 |
Colorectal cancer classification using weakly annotated whole slide images: Multiple instance learning optimization study
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109649
PMID:39798507
|
研究论文 | 本研究利用深度学习技术，通过弱标注的组织病理学全切片图像（WSIs）研究结直肠癌（CRC）分类问题 | 提出了与多实例学习（MIL）集成的WSI标签预测函数，显著提高了WSI级别分类的性能 | NA | 开发高效的计算机辅助诊断（CAD）系统，用于结直肠癌的早期检测和分类 | 结直肠癌的组织病理学全切片图像 | 数字病理学 | 结直肠癌 | 深度学习 | 多实例学习（MIL） | 图像 | NA | NA | NA | NA | NA |
| 26800 | 2025-06-07 |
Autofluorescence Virtual Staining System for H&E Histology and Multiplex Immunofluorescence Applied to Immuno-Oncology Biomarkers in Lung Cancer
2025-01-01, Cancer research communications
IF:2.0Q3
DOI:10.1158/2767-9764.CRC-24-0327
PMID:39636222
|
research paper | 本研究展示了通过结合高通量高光谱荧光显微镜和机器学习，从未染色的非小细胞肺癌组织的自发荧光图像生成虚拟H&E染色和多重免疫荧光染色的可行性 | 将虚拟染色技术从AF扩展到不同疾病（肺癌）和染色模式（mIF），并开发了新的虚拟H&E和多重免疫荧光染色 | 虚拟染色在各种评估指标上表现中等至良好，但未提及是否在所有情况下都优于传统染色方法 | 探索虚拟染色在数字病理学中的潜力，以促进空间生物学研究，提高临床工作流程的效率和可靠性 | 非小细胞肺癌组织 | digital pathology | lung cancer | hyperspectral fluorescence microscopy, machine learning | deep learning | image | NA | NA | NA | NA | NA |