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 3101 - 3120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3101 | 2025-10-06 |
Artificial intelligence in joint arthroplasty: A bibliometric analysis of global research trends (2001-2025)
2025-Aug-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044136
PMID:40898573
|
文献计量分析 | 通过文献计量分析方法揭示2001-2025年间人工智能在关节置换领域的研究趋势和热点 | 首次系统分析人工智能在关节置换领域的全球研究趋势和发展脉络 | 仅基于Web of Science数据库，未包含其他学术数据库的文献 | 分析人工智能在关节置换领域的研究趋势和重点方向 | 关节置换相关的人工智能研究文献 | 机器学习 | 关节疾病 | 文献计量分析 | NA | 文献数据 | 533篇出版物 | CiteSpace, VOSviewer, Scimago Graphica | NA | NA | NA |
| 3102 | 2025-10-06 |
The art of diagnosing rare skin tumors: Can DL-CNNs enhance dermatologists' diagnostic accuracy?
2025-Aug-29, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.115751
PMID:40912058
|
研究论文 | 评估二元深度学习卷积神经网络在罕见皮肤肿瘤诊断中的性能及其对皮肤科医生的辅助作用 | 首次在国际皮肤科医生群体中系统评估DL-CNN对罕见皮肤肿瘤的诊断性能及其临床辅助价值 | DL-CNN在罕见皮肤肿瘤诊断中表现有限，无法显著提升专家诊断准确率，训练数据质量需改进 | 评估DL-CNN在罕见皮肤肿瘤诊断中的性能及其对皮肤科医生的决策支持水平 | 200张经组织学确认的罕见皮肤肿瘤皮肤镜图像 | 计算机视觉 | 皮肤肿瘤 | 皮肤镜成像 | CNN | 图像 | 200张皮肤镜图像 | NA | 二元DL-CNN（Moleanalyzer-Pro） | 灵敏度, 特异度, ROC-AUC | NA |
| 3103 | 2025-10-06 |
Foundation models in ophthalmology: a preliminary study on AI-assisted diagnosis of myopic maculopathy and posterior staphyloma using ultra-widefield fundus images
2025-Aug-28, BMJ open ophthalmology
IF:2.0Q2
DOI:10.1136/bmjophth-2024-002073
PMID:40876931
|
研究论文 | 本研究开发了一种基于眼科基础模型和超广角眼底图像的深度学习模型，用于诊断病理性近视相关的黄斑病变和后巩膜葡萄肿 | 首次将眼科基础模型RETFound应用于超广角眼底图像分析，在病理性近视病变检测中表现出优于其他方法的性能 | 研究为回顾性设计，样本量相对有限，仅来自两家医疗中心 | 开发AI辅助诊断系统，用于检测病理性近视的特征性眼底改变 | 高度近视患者的超广角眼底图像 | 计算机视觉 | 眼科疾病 | 超广角眼底成像 | 深度学习模型 | 图像 | 训练集：1105张图像来自543名患者；测试集：293张图像来自150名患者 | NA | RETFound | 准确率, F1分数, AUROC | NA |
| 3104 | 2025-10-06 |
Role of artificial intelligence-based ocular biomarkers in hepatobiliary diseases: A scoping review
2025-Aug-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i8.109801
PMID:40901593
|
综述 | 探讨基于人工智能的眼部生物标志物在肝胆疾病中的应用价值 | 首次系统综述AI技术通过眼部影像识别七类肝胆疾病的潜力 | 未涉及具体临床验证数据和技术实施细节 | 评估AI在肝胆疾病眼部生物标志物分析中的应用前景 | 肝胆疾病患者的眼部影像数据 | 数字病理 | 肝胆疾病 | 眼部影像技术（裂隙灯、视网膜眼底、光学相干断层扫描） | 深度学习 | 图像 | NA | NA | ResNet-101 | NA | NA |
| 3105 | 2025-10-06 |
Biparametric magnetic resonance imaging-based radiomic and deep learning models for predicting Ki-67 risk stratification in hepatocellular carcinoma
2025-Aug-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i8.109530
PMID:40901605
|
研究论文 | 开发基于双参数磁共振成像的放射组学和深度迁移学习模型预测肝细胞癌Ki-67风险分层和无复发生存期 | 首次整合bpMRI放射组学和深度迁移学习特征构建预测Ki-67风险分层的列线图模型 | 样本量有限（198例患者），仅使用双参数MRI序列 | 预测肝细胞癌Ki-67风险分层和患者无复发生存期 | 198例经病理确诊的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 双参数磁共振成像，免疫组织化学染色 | 深度迁移学习，随机森林 | 医学影像（T2加权和动脉期图像） | 198例肝细胞癌患者 | NA | 随机森林 | AUC | NA |
| 3106 | 2025-10-06 |
[Multi-source adversarial adaptation with calibration for electroencephalogram-based classification of meditation and resting states]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202504044
PMID:40887180
|
研究论文 | 提出一种用于脑电信号冥想状态分类的校准多源对抗自适应网络 | 首次将多源对抗自适应与校准机制结合用于脑电信号分类，通过目标域少量标注数据提升模型性能 | 样本量相对有限（18名受试者），仅针对特定人群（甲基苯丙胺康复者） | 开发能够克服个体差异的脑电信号冥想状态监测系统 | 接受甲基苯丙胺康复治疗的18名受试者的脑电信号 | 生物医学信息学 | 物质依赖障碍 | 脑电图 | 域对抗神经网络 | 脑电信号 | 18名受试者 | NA | 多源对抗自适应网络 | 准确率 | NA |
| 3107 | 2025-10-06 |
[Study on dental image segmentation and automatic root canal measurement based on multi-stage deep learning using cone beam computed tomography]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202503008
PMID:40887191
|
研究论文 | 基于锥形束CT图像开发全自动牙齿分割和根管测量方法 | 采用多阶段深度学习方法实现牙齿分割和根管自动测量，分割性能指标优于现有方法 | NA | 为临床根管诊断分级、器械选择和术前规划提供客观高效的测量结果 | 锥形束CT牙齿图像 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描(CBCT) | 深度学习 | 医学图像 | NA | NA | Attention U-Net | Dice系数,Jaccard系数,Hausdorff距离,平均表面距离,相对误差,角度误差,正确分类率 | NA |
| 3108 | 2025-10-06 |
[Brain midline segmentation method based on prior knowledge and path optimization]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202412032
PMID:40887192
|
研究论文 | 提出一种基于先验知识和路径优化的两阶段深度学习网络模型，用于解决脑中线分割精度不足和连续性差的问题 | 利用相邻脑中线切片特征一致性的先验知识，采用特征加权策略融合关联切片特征，并结合最优路径搜索策略解决分割不连续问题 | NA | 实现脑中线的精确分割 | 脑中线结构 | 医学图像分析 | 脑部疾病 | 深度学习 | 深度学习网络 | 医学影像 | CQ500数据集 | NA | 两阶段框架 | Dice相似系数, Hausdorff距离, 平均对称表面距离, 归一化表面Dice | NA |
| 3109 | 2025-10-06 |
[Research progress in electroencephalogram-based brain age prediction]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202503043
PMID:40887200
|
综述 | 本文系统回顾了基于脑电图（EEG）的脑年龄预测研究进展，涵盖数据处理、特征提取、模型构建和结果评估等关键环节 | 全面梳理了EEG脑年龄预测领域的技术发展脉络，系统总结了机器学习和深度学习方法的应用现状，并探讨了未来研究方向 | 存在数据质量问题和模型可解释性挑战 | 推动基于EEG的脑年龄预测在临床和研究场景中的广泛应用 | 脑电图信号及其与脑功能状态的关系 | 机器学习 | 神经退行性疾病 | 脑电图（EEG） | 机器学习,深度学习 | 神经生理信号 | NA | NA | NA | NA | NA |
| 3110 | 2025-10-06 |
Comparison of Foundation and Supervised Learning-Based Models for Detection of Referable Glaucoma from Fundus Photographs
2025-Aug-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.21.25334170
PMID:40894149
|
研究论文 | 比较基础模型和监督学习模型在眼底照片中检测需转诊青光眼的性能 | 首次系统比较基于自监督预训练的基础模型（RETFound）与传统监督学习模型（VGG-19）在青光眼检测任务中的表现，并分析训练数据量、图像裁剪和人口统计学因素对模型性能的影响 | 研究仅使用单一医疗系统的数据，外部验证集规模较小（N=300），且仅评估了两种模型架构 | 开发自动检测需转诊青光眼的深度学习模型 | 眼底照片 | 计算机视觉 | 青光眼 | 眼底摄影 | Vision Transformer, CNN | 图像 | 训练集8,996张，验证集3,002张，测试集1,000张，外部测试集300张眼底照片 | NA | RETFound, VGG-19 | AUC-ROC, 敏感性, 特异性, F1分数 | NA |
| 3111 | 2025-10-06 |
Deep learning models for pathological classification and staging of oesophageal cancer
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.109893
PMID:40901333
|
comments | 对Wei研究中应用Wave-Vision Transformer进行食管癌分类的评论，重点讨论其准确性、临床潜力及局限性 | 首次对Wave-Vision Transformer在食管癌病理分类中的应用进行系统性评述，强调其高效准确的特性 | 数据集多样性不足，缺乏可解释人工智能方法 | 评估深度学习模型在食管癌病理分类和分期中的临床应用价值 | 食管癌病理图像 | digital pathology | oesophageal cancer | NA | Vision Transformer | pathological images | NA | NA | Wave-Vision Transformer | accuracy, efficiency | NA |
| 3112 | 2025-10-06 |
Cell reprogramming in cancer: Interplay of genetic, epigenetic mechanisms, and the tumor microenvironment in carcinogenesis and metastasis
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.106838
PMID:40901331
|
综述 | 探讨细胞可塑性在癌症发生发展中的作用机制及其与肿瘤微环境的相互作用 | 提出'失调的细胞可塑性'可作为癌症新特征，并整合AlphaFold等AI技术加速癌症药物开发 | 主要基于理论机制探讨，缺乏具体实验数据验证 | 解析细胞重编程在癌症发生和转移中的分子机制 | 癌细胞的可塑性变化过程 | 计算生物学 | 癌症 | 下一代测序, 单细胞RNA分析, 深度学习 | 深度学习 | 基因组数据, 表观遗传数据, 蛋白质结构数据 | NA | AlphaFold | AlphaFold 2 | NA | NA |
| 3113 | 2025-10-06 |
Polymer-derived distance penalties improve chromatin interaction predictions from single-cell data across crop genomes
2025-Aug-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671329
PMID:40894789
|
研究论文 | 提出基于聚合物物理的距离惩罚函数，用于改进作物基因组中单细胞染色质相互作用预测 | 首次将聚合物物理学原理应用于作物基因组染色质相互作用预测，通过多组分幂律模型校正长程相互作用的系统性高估 | 方法主要针对植物物种验证，在动物或其他生物系统中的适用性尚未验证 | 改进单细胞数据中染色质相互作用的预测准确性，特别是减少长程相互作用的假阳性 | 玉米、水稻和大豆的染色质相互作用数据 | 计算生物学 | NA | Hi-C测序，单细胞可及性分析 | 多组分幂律模型 | 基因组相互作用数据，Hi-C数据 | 三种作物物种（玉米、水稻、大豆）的实验数据 | NA | 多组分幂律模型 | 假阳性率降低，与Hi-C数据一致性 | NA |
| 3114 | 2025-10-06 |
Efficient Double Helix Detection with Steerable Filters
2025-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670427
PMID:40894605
|
研究论文 | 提出一种使用可操纵滤波器的高效双螺旋点扩散函数检测方案，用于3D单分子定位显微镜或追踪 | 仅需7次卷积即可同时提取2D位置和波瓣方向（轴向位置）估计，计算量比基于深度学习的方法少几个数量级 | NA | 开发高效的3D单分子定位显微镜检测方法 | 双螺旋点扩散函数 | 计算机视觉 | NA | 单分子定位显微镜(SMLM) | 可操纵滤波器 | 显微镜图像 | NA | PYthon Microscopy Environment (PYME) | 双高斯模型 | NA | NA |
| 3115 | 2025-10-06 |
Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium
2025-Aug, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06804-x
PMID:40186633
|
研究论文 | 开发基于深度学习的模型，利用裂隙灯照片区分眼表鳞状上皮 neoplasia 和翼状胬肉 | 首次使用EfficientNet B7网络进行自动图像分割，并采用GoogleNet预训练神经网络对眼表疾病进行分类 | 样本量相对较小（162例患者），两组患者平均年龄存在统计学显著差异 | 开发能够准确区分眼表鳞状上皮 neoplasia 和翼状胬肉的深度学习模型 | 眼表疾病患者的裂隙灯照片 | 计算机视觉 | 眼表疾病 | 裂隙灯摄影 | CNN | 图像 | 162例患者（77例OSSN，85例PTG） | Python | EfficientNet B7, GoogleNet | AUC, 敏感性, F1分数, 准确率, Matthews相关系数 | NA |
| 3116 | 2025-10-06 |
Machine Listening for OSA Diagnosis: A Bayesian Meta-Analysis
2025-Aug, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.04.006
PMID:40220991
|
meta-analysis | 通过贝叶斯荟萃分析评估机器听觉在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性 | 首次采用贝叶斯双变量荟萃分析方法系统评估机器听觉技术对OSA的诊断性能，并识别影响诊断准确性的关键因素 | 纳入研究数量有限（16项研究），部分亚组分析样本量较小，需要更多外部验证研究 | 评估机器听觉技术在OSA诊断中的准确性并优化诊断方法 | 阻塞性睡眠呼吸暂停（OSA）患者 | machine learning | sleep apnea | overnight audio recordings, breathing sound analysis | deep learning, traditional machine learning | audio | 训练集4,864名参与者，测试集2,370名参与者 | NA | NA | sensitivity, specificity, diagnostic OR, positive likelihood ratio, negative likelihood ratio | NA |
| 3117 | 2025-10-06 |
Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy
2025-Aug-01, AIDS (London, England)
DOI:10.1097/QAD.0000000000004220
PMID:40643081
|
综述 | 探讨人工智能在美国CDC艾滋病干预中的变革潜力，重点关注创新与健康隐私的平衡 | 系统分析AI技术（包括机器学习、深度学习和生成式AI）在艾滋病预防领域的综合应用前景及其与公共卫生策略的整合 | 未涉及具体技术实施细节和实证数据支持 | 评估人工智能在艾滋病预防和治疗中的潜在应用价值及实施挑战 | 美国CDC艾滋病干预项目和全球艾滋病防治体系 | 医疗人工智能 | 艾滋病 | 机器学习(ML), 深度学习(DL), 生成式AI(Gen AI) | NA | 艾滋病相关复杂数据集 | NA | NA | NA | NA | NA |
| 3118 | 2025-10-06 |
Incorporating Artificial Intelligence into Fracture Risk Assessment: Using Clinical Imaging to Predict the Unpredictable
2025-Aug, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2025.2518
PMID:40754720
|
综述 | 本文综述人工智能在骨折风险评估中的最新进展，探讨其临床转化路径 | 将深度学习技术应用于常规影像数据进行机会性筛查和个体化风险评估，展示优于传统指标的预测性能 | 模型普适性不足、存在数据偏差和自动化偏差问题 | 探索人工智能作为传统骨折风险评估方法的补充工具 | 骨质疏松性骨折患者 | 医学影像分析 | 骨质疏松症 | 放射影像、计算机断层扫描 | 深度学习 | X光片、CT影像 | NA | NA | NA | NA | NA |
| 3119 | 2025-10-06 |
MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study
2025-Aug, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243412
PMID:40762846
|
研究论文 | 开发了一种基于MRI的卵巢病变分类流程，结合基础分割模型和多模态分析 | 首次将Meta的Segment Anything Model（SAM）用于卵巢病变分割，并结合DenseNet-121深度学习模型进行多模态分类 | 回顾性研究设计，外部验证数据集样本量相对较小 | 开发高效、可推广的MRI卵巢病变特征化流程 | 卵巢病变患者 | 医学影像分析 | 卵巢疾病 | 多参数MRI | 深度学习 | 医学影像, 临床数据 | 主要数据集：534个病灶（448名女性）；外部数据集：87个病灶（84名女性） | NA | Segment Anything Model, DenseNet-121 | Dice系数, AUC | NA |
| 3120 | 2025-10-06 |
Deep learning-based model for detection of intracranial waveforms with poor brain compliance in southern Thailand
2025-Aug, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.001425
PMID:40903411
|
研究论文 | 开发基于深度学习的模型用于检测泰国南部地区颅内顺应性不良的颅内压波形 | 首次将深度学习技术应用于颅内压波形分析，实现颅内顺应性不良的自动检测 | 回顾性研究，样本量相对较小（21名患者），仅来自单一地区 | 开发深度学习模型检测指示脑顺应性不良的颅内压波形 | 脑积水术后接受脑室造口术患者的颅内压波形图像 | 医疗信号处理 | 脑积水 | 颅内压波形分析 | 深度学习 | 图像 | 21名脑积水患者的2,744张颅内压波形图像 | NA | NA | 精确率,召回率,mAP_0.5,AUC,灵敏度,特异性 | NA |