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 24103 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2025-05-01 |
AI-Driven Microscopy: Cutting-Edge Approach for Breast Tissue Prognosis Using Microscopic Images
2025-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24788
PMID:39748498
|
研究论文 | 本文提出了一种基于AI驱动的显微镜技术，用于乳腺癌组织的预后预测，通过深度学习框架提高临床诊断的准确性和效率 | 结合了squeeze-and-excitation和dilated dense convolution blocks的深度学习框架，以及轻量级多尺度特征提取、动态区域注意力、子区域分类和区域正则化损失函数，显著提高了乳腺癌亚型分类的准确性 | 研究依赖于特定的显微镜图像数据集，可能在其他类型的数据或设备上表现不同 | 开发一种高效、精确的定量病理图像分析方法，以改善乳腺癌的临床诊断和预后预测 | 乳腺癌组织的显微镜图像 | 数字病理学 | 乳腺癌 | 深度学习 | DenseNet, VGGNet-19, ResNet152V2, EfficientNetV2-B1 | 图像 | 显微镜乳腺图像数据集，具体数量未提及 |
| 302 | 2025-05-01 |
Highly-Efficient Differentiation of Reactive Lymphocytes in Peripheral Blood Using Multi-Object Detection Network With Large Kernels
2025-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24775
PMID:39760201
|
研究论文 | 提出了一种高效的多目标检测网络，用于外周血中反应性淋巴细胞的分化检测 | 引入了空间到深度卷积(SPD-Conv)、动态大核注意力机制(DLKA)和渐进特征金字塔网络(AFPN)，提升了模型对小而密集目标的检测能力和多尺度特征融合能力 | 未提及模型在临床实际应用中的验证情况 | 开发计算机辅助诊断系统，用于反应性淋巴细胞和其他白细胞的检测 | 外周血中的反应性淋巴细胞和其他白细胞 | 计算机视觉 | 病毒感染 | 深度学习 | 多目标检测网络 | 医学影像 | NA |
| 303 | 2025-05-01 |
Enhancing panoramic dental imaging with AI-driven arch surface fitting: achieving improved clarity and accuracy through an optimal reconstruction zone
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf006
PMID:39832267
|
研究论文 | 本研究开发了一种基于AI的全自动方法，通过优化3D重建区域生成更清晰、对齐良好的全景牙科影像 | 采用3D U-Net深度学习模型生成牙弓曲面并调整全景视图，实现了关键牙科特征的高对比度和清晰度 | 未来研究需要验证该方法在不同牙科和颌面结构患者中的稳健性 | 开发自动化方法以生成更清晰、对齐良好的全景牙科影像 | 312名患者的锥形束CT（CBCT）扫描数据 | 数字病理 | 牙科疾病 | 锥形束CT（CBCT）扫描 | 3D U-Net | 医学影像 | 312名患者（平均年龄40岁，范围10-78岁，41.3%男性，58.7%女性） |
| 304 | 2025-05-01 |
Deep learning-based segmentation of the mandibular canals in cone-beam CT reaches human-level performance
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae069
PMID:39932925
|
research paper | 评估基于深度学习的下颌管分割技术在锥形束CT数据中的准确性和可靠性，为牙科种植治疗规划提供支持工具 | 提出的深度学习模型在下颌管分割任务中达到人类水平的表现，并可能减少神经血管并发症风险 | 样本量相对较小（90例CBCT扫描），且仅由两名经验丰富的牙科影像从业者进行定性评估 | 开发可靠且高效的牙科种植治疗规划支持工具 | 下颌管在锥形束CT（CBCT）中的分割 | digital pathology | NA | 锥形束CT（CBCT） | hierarchical convolutional neural network | image | 90例CBCT扫描（69例训练，1例验证，20例测试） |
| 305 | 2025-05-01 |
Predicting and Explaining Cognitive Load, Attention, and Working Memory in Virtual Multitasking
2025-May, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3549850
PMID:40063446
|
研究论文 | 本文利用深度学习模型预测和解释虚拟环境中多任务处理时的认知负荷、注意力及工作记忆，并通过SHAP分析识别关键特征 | 首次结合生理指标和眼动追踪数据，使用深度学习模型综合预测认知负荷、注意力及工作记忆，并应用SHAP分析解释模型决策 | 研究依赖于单一公开数据集VRWalking，未在其他数据集验证模型泛化能力 | 探索虚拟现实环境中用户认知状态的预测方法及其解释性 | 虚拟现实环境中的多任务处理者 | 虚拟现实 | NA | 眼动追踪、心率(HR)、皮肤电反应(GSR) | 深度学习 | 生理信号、眼动数据 | VRWalking公开数据集（具体样本量未说明） |
| 306 | 2025-05-01 |
Predicting Respiratory Disease Mortality Risk Using Open-Source AI on Chest Radiographs in an Asian Health Screening Population
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240628
PMID:40172326
|
research paper | 评估开源深度学习算法CXR-Lung-Risk在亚洲健康筛查人群中预测呼吸系统疾病死亡风险的预后价值 | 使用开源AI算法CXR-Lung-Risk对基线及随访胸片进行两层风险分层，探索性纵向分析提高了预测准确性 | 单中心回顾性研究，可能存在选择偏倚，且样本中呼吸系统疾病死亡率较低（0.7%） | 评估CXR-Lung-Risk算法在预测呼吸系统疾病死亡风险中的预后价值 | 亚洲健康筛查人群的胸片数据 | digital pathology | lung cancer | deep learning-based algorithm | CXR-Lung-Risk | chest radiographs | 36,924名接受健康筛查的个体 |
| 307 | 2025-04-04 |
scAtlasVAE: a deep learning framework for generating a human CD8+ T cell atlas
2025-May, Nature reviews. Cancer
DOI:10.1038/s41568-025-00811-0
PMID:40175619
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 308 | 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 |
| 309 | 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 |
| 310 | 2025-05-01 |
Hyperspectral Imaging and Deep Learning for Quality and Safety Inspection of Fruits and Vegetables: A Review
2025-Apr-30, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.4c11492
PMID:40237548
|
综述 | 本文综述了高光谱成像技术与深度学习方法在水果和蔬菜质量与安全检测中的应用 | 结合高光谱成像与深度学习，提高检测精度和效率，推动果蔬质量检测的智能化和精准化 | 未来研究需关注降低成本、优化设备、个性化特征提取及模型泛化能力等问题 | 探讨高光谱成像与深度学习在果蔬质量与安全检测中的应用及未来发展方向 | 水果和蔬菜的质量与安全检测 | 计算机视觉 | NA | 高光谱成像技术 | 深度学习 | 图像 | NA |
| 311 | 2025-05-01 |
Clinical Applications of Artificial Intelligence in Vascular Surgery
2025-Apr-30, Vascular specialist international
IF:0.8Q4
DOI:10.5758/vsi.240120
PMID:40302180
|
review | 本文综述了人工智能在血管外科中的临床应用及其面临的挑战 | 探讨了AI技术在血管外科中的具体应用及智能穿戴设备的使用 | 血管外科医生对计算机科学、编程语言和复杂AI技术的理解有限，阻碍了AI的广泛应用 | 介绍AI基础知识及其在血管外科中的应用 | 血管外科医生及AI技术 | machine learning | cardiovascular disease | machine learning, deep learning, artificial neural networks | NA | NA | NA |
| 312 | 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 |
| 313 | 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 |
| 314 | 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 |
| 315 | 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 |
| 316 | 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 |
| 317 | 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 |
| 318 | 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） |
| 319 | 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 |
| 320 | 2025-05-01 |
HoRNS-CNN model: an energy-efficient fully homomorphic residue number system convolutional neural network model for privacy-preserving classification of dyslexia neural-biomarkers
2025-Apr-30, Brain informatics
DOI:10.1186/s40708-025-00256-z
PMID:40304880
|
研究论文 | 提出了一种名为HoRNS-CNN的能量高效全同态残差数系统卷积神经网络模型，用于保护隐私的阅读障碍神经生物标志物分类 | 结合了残差数系统全同态加密方案(RNS-FHE)的能量高效特性与预训练深度CNN模型的高精度，解决了现有FHE CNN模型在精度、加密/解密延迟、能源效率、特征提取时间和密文图像扩展等方面的问题 | NA | 开发一种高效、保护隐私的深度学习模型，用于神经影像数据中神经生物标志物的分类 | 阅读障碍的神经生物标志物 | 数字病理学 | 神经发育障碍 | 全同态加密(FHE), 残差数系统(RNS) | CNN | 神经影像数据 | 能够在一小时内预测40万个神经生物标志物特征 |