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 32373 篇文献，本页显示第 2721 - 2740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2721 | 2025-10-06 |
An explainable AI approach for mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf051
PMID:40860594
|
研究论文 | 本研究开发了一种可解释AI方法，通过MRI数据预测大脑年龄并识别阿尔茨海默病相关的多变量脑区模式 | 首次将深度学习模型与多种特征重要性方法结合，探索多变量脑区与年龄的关联，而不仅限于单变量关系 | 样本量相对有限（n=825），且主要基于MRI数据，未整合多模态数据 | 开发可解释AI方法以理解大脑老化模式和阿尔茨海默病临床严重程度的关系 | 阿尔茨海默病连续谱患者，包括认知正常者、轻度认知障碍者和阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | MRI | 深度学习, 机器学习 | 医学影像 | 825个MRI样本 | NA | AgeNet | 预测准确性 | NA |
| 2722 | 2025-10-06 |
Comparative analysis of cervical cancer classification of DPAGCHE-enhanced Pap smear images using convolutional neural network models
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330103
PMID:40920705
|
研究论文 | 本研究提出基于DPAGCHE增强的宫颈涂片图像分类方法，通过比较不同CNN模型在原始和增强图像上的性能 | 提出DPAGCHE图像增强方法改善宫颈涂片图像质量，并结合迁移学习实现自动化分类 | 仅使用Herlev公开数据集，样本来源相对单一 | 开发自动化宫颈癌检测方法以提高诊断准确性和效率 | 宫颈涂片图像 | 计算机视觉 | 宫颈癌 | 图像增强技术 | CNN | 图像 | Herlev公开数据集 | MATLAB Online | ResNet50, Baseline CNN | 准确率, 特异性, 召回率, 精确率, F1分数 | NA |
| 2723 | 2025-10-06 |
Automated segmentation of retinal vessel using HarDNet fully convolutional networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330641
PMID:40920773
|
研究论文 | 提出一种基于HarDNet的改进模型用于视网膜血管自动分割 | 集成HarDNet模块、感受野块模块和密集聚合模块的创新架构，能有效提取多尺度特征并提升小血管分割精度 | 未明确说明模型在更大规模或更多样化数据集上的泛化能力 | 开发高精度的视网膜血管自动分割方法以辅助眼底疾病诊断 | 彩色眼底图像中的视网膜血管结构 | 计算机视觉 | 糖尿病、高血压、脑血管疾病 | 深度学习 | 全卷积网络 | 图像 | DRIVE和CHASE_DB1数据集 | NA | HarDNet, Receptive Field Block, Dense Aggregation | 准确率 | NA |
| 2724 | 2025-10-06 |
AI-Driven quality assurance in mammography: Enhancing quality control efficiency through automated phantom image evaluation in South Korea
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330091
PMID:40920794
|
研究论文 | 开发并验证基于深度学习的乳腺摄影体模图像自动评估模型，旨在提高放射科医师间评分一致性和质量控制效率 | 首次在韩国国家认证体系中使用EfficientNetV2_L模型实现乳腺摄影体模图像的自动化评估，结合可解释AI技术验证模型决策与指南标准的一致性 | 模型在肿块评估中存在尺寸相关偏差，且研究数据仅来自单一机构 | 提升乳腺摄影质量控制的效率和评分一致性 | 乳腺摄影体模图像中的模拟病灶（纤维、斑点、肿块） | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 医学图像 | 5,813张符合质量标准的乳腺摄影体模图像 | 未明确说明 | EfficientNetV2_L | 准确率,F1分数,AUC,置信区间 | NA |
| 2725 | 2025-10-06 |
A robust hydroponic system for horticulture farming using deep learning, IoT, and mobile application
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330488
PMID:40920816
|
研究论文 | 开发了一个结合深度学习、物联网和移动应用的稳健水培系统，用于支持孟加拉国基层农民 | 集成硬件实现、深度学习疾病检测和移动应用的三阶段系统架构，实现98.5%的高疾病检测准确率 | 未提及系统在更大规模或不同环境条件下的测试结果 | 通过技术系统简化水培种植过程，提高农民操作便利性和系统监控能力 | 孟加拉国基层农民和水培种植系统 | 计算机视觉,物联网 | 园艺作物病害 | 深度学习,物联网传感器技术 | 深度学习模型 | 传感器数据,图像数据 | 约80%的基层农民参与调查 | NA | NA | 准确率 | NA |
| 2726 | 2025-10-06 |
Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors
2024-12-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82045-y
PMID:39730745
|
研究论文 | 提出一种结合深度CNN和双向LSTM的混合模型，通过可穿戴传感器数据提升医疗紧急情况下的人类活动识别能力 | 首次将CNN-BiLSTM模型与欠采样技术结合用于人类活动识别，在公开数据集上取得显著性能提升 | 仅使用两个公开数据集进行验证，未在更多样化的实际场景中测试 | 提高医疗紧急情况下人类活动识别的准确性和可靠性 | 通过可穿戴传感器采集的人类活动数据，特别关注老年人跌倒和异常动作识别 | 机器学习 | 老年疾病 | 可穿戴传感器数据采集 | CNN, BiLSTM | 传感器时序数据 | MHEALTH和Actitracker两个公开数据集 | NA | CNN-BiLSTM混合架构 | 准确率, 精确率, 召回率, F1分数 | NA |
| 2727 | 2025-10-06 |
Artificial intelligence-enabled electrocardiogram for mortality and cardiovascular risk estimation: a model development and validation study
2024-11, The Lancet. Digital health
DOI:10.1016/S2589-7500(24)00172-9
PMID:39455192
|
研究论文 | 开发并验证了一种基于人工智能的心电图风险估计平台，用于预测死亡率和心血管风险 | 开发了具有可操作性、可解释性和生物学合理性的AI-ECG风险估计平台，能够生成患者特异性生存曲线并预测死亡时间 | NA | 开发能够预测死亡率和心血管风险的AI-ECG平台，解决现有模型在个体层面缺乏可操作性和可解释性的问题 | 心电图数据和患者群体 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 心电图信号 | 1,163,401份心电图，来自189,539名患者，并在五个跨国队列中验证 | NA | 离散时间生存模型 | C-index | NA |
| 2728 | 2025-10-06 |
Artificial intelligence-assisted automated heart failure detection and classification from electronic health records
2024-Oct, ESC heart failure
IF:3.2Q2
DOI:10.1002/ehf2.14828
PMID:38700133
|
研究论文 | 本研究开发了一种结合电子健康记录、深度学习自动解读超声心动图和生物样本分析的人工智能系统，用于自动检测和分类心力衰竭患者 | 首次将电子健康记录关键词搜索、深度学习自动解读DICOM超声心动图像和生物标志物分析相结合，实现心力衰竭亚型的自动识别和分类 | 研究仅基于苏格兰Tayside和Fife地区数据，样本代表性可能受限；需要排除数据不匹配或严重瓣膜性心脏病患者 | 开发自动化心力衰竭检测和分类系统，改善患者护理和监测 | 心力衰竭患者，包括射血分数降低型心力衰竭(HFrEF)、射血分数保留型心力衰竭(HFpEF)和无心力衰竭对照组 | 医疗人工智能 | 心力衰竭 | 电子健康记录分析、DICOM图像处理、生物标志物检测、深度学习 | 深度学习模型 | 电子健康记录、DICOM超声心动图像、血浆样本生物标志物数据 | 从60,850例电子健康记录中筛选出578名患者（186名对照组，236名HFpEF，156名HFrEF） | NA | NA | 准确性、一致性验证 | NA |
| 2729 | 2025-10-06 |
Refined matrix completion for spectrum estimation of heart rate variability
2024-Aug-02, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2024296
PMID:39483092
|
研究论文 | 本研究提出了一种基于矩阵补全的心率变异性频谱不确定性估计新方法 | 利用HRV频谱矩阵的低秩特性进行数据不确定性估计，并开发了精炼的矩阵补全技术以提高估计精度和计算效率 | NA | 开发可靠的心率变异性频谱不确定性估计方法 | 心率变异性频谱数据 | 机器学习 | 心血管疾病 | 频谱分析 | 统计机器学习模型 | 生理信号数据 | 五个公共数据集 | NA | 矩阵补全 | 有效性、可靠性 | NA |
| 2730 | 2025-10-06 |
The Integration of Deep Learning in Radiotherapy: Exploring Challenges, Opportunities, and Future Directions through an Umbrella Review
2024-Apr-30, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090939
PMID:38732351
|
综述 | 通过伞式综述探讨深度学习在放射治疗领域的整合应用，分析其挑战、机遇与未来发展方向 | 首次采用伞式综述方法系统梳理深度学习在放疗领域的应用现状，特别关注COVID-19大流行背景下的加速发展 | 基于19篇系统综述的二次分析，缺乏原始研究数据的直接验证 | 探索深度学习技术在放射治疗中的变革性影响和发展前景 | 放射治疗领域的深度学习应用研究 | 医疗人工智能 | 放射治疗相关疾病 | 深度学习 | NA | 医学影像数据 | 基于19篇系统综述的二次分析 | NA | NA | NA | NA |
| 2731 | 2025-10-06 |
Characterization of organic fouling on thermal bubble-driven micro-pumps
2024 Mar-Apr, Biofouling
IF:2.6Q1
DOI:10.1080/08927014.2024.2353034
PMID:38785127
|
研究论文 | 本研究通过高速成像和深度学习网络表征热气泡驱动微泵在生物流体中的有机污垢现象 | 首次研究热气泡微泵与生物流体的相互作用，提出基于气泡面积减少的污垢量化新指标 | 仅测试了蛋清蛋白和牛全血两种生物流体，未涉及其他生物流体类型 | 表征热气泡驱动微泵在生物流体中的有机污垢效应 | 热气泡驱动微泵与生物流体（蛋清蛋白、牛全血）的相互作用 | 微流控技术 | NA | 频闪高速成像、深度学习 | CNN | 图像 | 使用蛋清蛋白和牛全血两种生物流体进行测试 | PyTorch | ResNet-18 | 气泡面积减少量 | NA |
| 2732 | 2025-10-06 |
Deep Learning from Phylogenies for Diversification Analyses
2023-12-30, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syad044
PMID:37556735
|
研究论文 | 本文提出一种基于深度学习的系统发育树多样化分析方法，用于推断物种多样化动态 | 将病原体系统动力学中的深度学习方法首次应用于多样化推断，并扩展至基于性状数据的状态依赖多样化模型 | 目前仅验证了时间恒定同质出生-死亡模型和二元状态物种形成与灭绝模型的准确性 | 开发一种通用且高效的多样化模型推断方法 | 物种系统发育树和性状数据 | 机器学习 | NA | 系统发育分析 | 深度神经网络 | 系统发育树数据, 性状数据 | NA | NA | NA | 准确性, 时间效率 | NA |
| 2733 | 2025-10-06 |
Developing and deploying deep learning models in brain magnetic resonance imaging: A review
2023-12, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5014
PMID:37539775
|
综述 | 本文系统回顾了脑部磁共振成像中深度学习模型的开发与临床部署流程 | 整合了从数据收集到临床部署的全流程指南，并基于认证机构标准提供了可解释性机器学习实践框架 | 未涉及具体模型性能比较，主要聚焦方法论和部署挑战 | 促进脑部MRI深度学习模型在临床环境中的实际应用 | 脑部磁共振成像数据及深度学习模型 | 医学影像分析 | 神经系统疾病 | 磁共振成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 2734 | 2025-10-06 |
Deep learning based correction of RF field induced inhomogeneities for T2w prostate imaging at 7 T
2023-12, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5019
PMID:37622473
|
研究论文 | 提出基于深度学习的偏置场校正方法，用于改善7T磁场下T2加权前列腺图像的射频场不均匀性问题 | 首次将深度学习应用于7T超高场强下T2加权前列腺图像的偏置场校正，通过合成数据训练神经网络 | 偶尔在前列腺区域内观察到对比度变化，特别是t-Image网络较为明显 | 解决超高场强磁共振成像中的射频场不均匀性问题 | 7T磁场下的T2加权前列腺图像 | 医学影像处理 | 前列腺癌 | 磁共振成像，T2加权成像 | 神经网络 | 医学影像 | 合成训练数据集、7T志愿者和患者图像、3T患者图像四个测试集 | NA | t-Image神经网络, t-Biasf神经网络 | 结构相似性指数, Wasserstein距离, 均方根误差, GLCM均匀性, GLCM能量 | NA |
| 2735 | 2025-10-06 |
Predicting individual cases of major adolescent psychiatric conditions with artificial intelligence
2023-10-10, Translational psychiatry
IF:5.8Q1
DOI:10.1038/s41398-023-02599-9
PMID:37816706
|
研究论文 | 利用人工智能和多领域高维数据预测青少年主要精神疾病的个体病例 | 首次在相同研究设计中比较不同类别黄金标准算法对多种青少年精神健康状况的预测能力，使用超过100个候选预测因子 | 需要在纵向数据中进一步探索发现并在外部数据集中验证结果 | 稳健识别有精神疾病风险的青少年以进行针对性干预 | 青少年精神疾病病例（焦虑症、抑郁症、注意力缺陷、破坏性行为、创伤后应激） | 机器学习 | 精神疾病 | 多领域高维数据分析 | 人工神经网络,XGBoost,逻辑回归 | 多领域数据（神经、产前、发育、生理、社会文化、环境、情绪和认知特征） | 大型跨诊断青少年样本 | NA | 人工神经网络,树基学习,ElasticNet逻辑回归 | AUC | NA |
| 2736 | 2025-10-06 |
A Large-Scale Clinical Benchmark of ResNet-based Deep Models for Newborn Face Recognition
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340883
PMID:38082835
|
研究论文 | 本研究通过构建大规模新生儿面部数据集并评估四种基于ResNet的深度模型，探索新生儿面部识别的临床应用 | 创建了目前医院场景下最大的新生儿面部数据集NEWBORN200，并首次系统评估了多种先进ResNet模型在新生儿面部识别中的性能 | 模型对新生儿不同姿态的鲁棒性仍需改进，数据集规模虽为当前最大但仍有限 | 开发适用于医院产科的新生儿面部识别系统，防止婴儿调换和绑架 | 200名新生儿的面部图像数据 | 计算机视觉 | NA | 面部识别技术 | CNN | 图像 | 200名新生儿的面部图像，采集于出生后一小时内 | NA | ResNet, ArcFace, CurricularFace, MagFace, AdaFace | 验证准确率, 错误接受率, Rank-1识别准确率 | NA |
| 2737 | 2025-10-06 |
Exploiting Physical Presence Sensing to Secure Voice Assistant Systems
2021-Jun, IEEE International Conference on Communications : [proceedings]. IEEE International Conference on Communications
DOI:10.1109/icc42927.2021.9500792
PMID:40919066
|
研究论文 | 提出一种利用物理存在感知保护语音助手系统免受语音重放和注入攻击的防御系统 | 通过分析语音数据与无线数据的相关性来检测攻击，无需额外设备或用户操作 | 在测试场景中检测成功率在76.4%至89.1%之间，尚未达到完全可靠 | 保护语音助手系统免受远程语音攻击 | 智能家居环境中的语音助手设备 | 机器学习 | NA | 梅尔频率倒谱系数特征提取 | 深度学习模型 | 语音数据, 无线数据 | NA | NA | NA | 攻击检测成功率 | NA |
| 2738 | 2025-10-06 |
The value of machine and deep learning in management of critically ill patients: An umbrella review
2025-Dec, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106081
PMID:40795609
|
综述 | 本伞状系统评价探讨机器学习和深度学习在危重症患者管理中的应用价值 | 首次通过伞状系统评价全面评估人工智能在ICU危重症管理中的综合证据 | 外部验证不足、方法学不一致性、未解决的伦理问题限制了临床应用 | 评估机器学习和深度学习在危重症患者管理中的应用潜力 | ICU危重症患者 | 机器学习 | 危重症疾病 | 机器学习、深度学习 | ML, DL | 临床数据 | 42项符合分析标准的研究 | NA | NA | NA | NA |
| 2739 | 2025-10-06 |
Interpretability-driven deep learning for SERS-based classification of respiratory viruses
2025-Dec-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117891
PMID:40840132
|
研究论文 | 开发了一种结合表面增强拉曼散射和可解释性深度学习的呼吸病毒诊断平台 | 将三维等离子体纳米柱基底与可解释性驱动的深度学习相结合，通过Grad-CAM技术揭示病毒鉴别的关键拉曼位移区域 | NA | 开发快速准确的呼吸病毒变体级别诊断方法 | 13种呼吸病毒类型，包括SARS-CoV-2变体和亚系 | 机器学习 | 呼吸系统疾病 | 表面增强拉曼散射(SERS) | CNN | SERS光谱 | NA | NA | 一维卷积神经网络(1D-CNN) | 分类准确率 | NA |
| 2740 | 2025-09-10 |
Letter to the editor regarding 'a deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score'
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2552928
PMID:40922498
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |