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 24188 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2025-05-03 |
Approach for enhancing the accuracy of semantic segmentation of chest X-ray images by edge detection and deep learning integration
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1522730
PMID:40309721
|
研究论文 | 提出了一种结合边缘检测和深度学习的方法来提高胸部X光图像语义分割的准确性 | 整合了Sobel和Scharr边缘检测滤波器与U-net深度学习架构，显著提升了分割精度 | 未提及对不同设备或不同质量X光图像的泛化能力 | 提高胸部X光图像中解剖结构的分割准确性，以改善心胸疾病的诊断 | 胸部X光图像中的肺、心脏和锁骨 | 计算机视觉 | 心胸疾病 | 边缘检测（Sobel和Scharr滤波器） | U-net | 图像 | NA |
| 422 | 2025-05-03 |
EfficientNetB0-Based End-to-End Diagnostic System for Diabetic Retinopathy Grading and Macular Edema Detection
2025, Diabetes, metabolic syndrome and obesity : targets and therapy
DOI:10.2147/DMSO.S506494
PMID:40309724
|
研究论文 | 开发并验证了一种基于深度学习的自动化诊断系统，用于快速准确诊断糖尿病视网膜病变（DR）及其并发症 | 采用EfficientNetB0模型构建端到端诊断系统，实现DR分级和糖尿病黄斑水肿（DME）检测，并通过Grad-CAM增强模型可解释性 | 未提及模型在不同人群或设备采集图像上的泛化能力 | 提高糖尿病视网膜病变诊断的效率和准确性 | 2753名患者的19,031张荧光素血管造影（FFA）图像 | 数字病理学 | 糖尿病视网膜病变 | 荧光素血管造影（FFA） | EfficientNetB0 | 图像 | 19,031张FFA图像（来自2,753名患者） |
| 423 | 2025-05-03 |
Corrigendum: Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1607769
PMID:40313407
|
correction | 本文是对先前发表的文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 424 | 2025-05-03 |
Psoriasis severity assessment: Optimizing diagnostic models with deep learning
2024-Dec, Narra J
DOI:10.52225/narra.v4i3.1512
PMID:39816098
|
research paper | 本研究评估了深度学习模型在银屑病严重程度自动分类中的应用 | 使用五种改进的深度卷积神经网络（DCNN）进行银屑病严重程度分类，并确定ResNet50为最优模型 | 需要进一步的临床验证和模型优化 | 优化银屑病严重程度的诊断模型 | 银屑病临床图像 | computer vision | psoriasis | deep learning | ResNet50, VGGNet19, MobileNetV3, MnasNet, EfficientNetB0 | image | 1,546张临床图像（1,082张用于训练，463张用于验证和测试） |
| 425 | 2025-05-03 |
A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae709
PMID:39815828
|
research paper | 提出了一种名为HdFIT的深度学习特征重要性测试框架，用于整合高维生物标志物以提高疾病结果预测 | HdFIT框架结合了特征筛选步骤和机器学习模型，能够有效识别关键生物标志物并提高预测准确性 | 框架在高维设置下的性能尚未在所有类型的生物标志物上得到验证 | 提高疾病结果预测的准确性并理解疾病机制 | 行为、临床和高维分子特征 | machine learning | NA | deep learning | deep neural networks | high-dimensional molecular profiles | NA |
| 426 | 2025-05-03 |
scGO: interpretable deep neural network for cell status annotation and disease diagnosis
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf018
PMID:39820437
|
research paper | 介绍了一种名为scGO的深度学习框架，用于单细胞RNA测序数据的可解释性细胞状态注释和疾病诊断 | scGO利用稀疏神经网络和基因本体论（GO）的内在生物学关系，显著提高了可解释性并降低了计算成本 | 未明确提及具体局限性 | 开发一种可解释的深度学习模型，用于细胞状态注释和疾病诊断 | 单细胞RNA测序数据 | machine learning | NA | scRNA-seq | deep neural network | RNA-seq data | 多样化的scRNA-seq数据集 |
| 427 | 2025-05-03 |
scHiClassifier: a deep learning framework for cell type prediction by fusing multiple feature sets from single-cell Hi-C data
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf009
PMID:39831891
|
研究论文 | 提出了一种名为scHiClassifier的深度学习框架，通过融合单细胞Hi-C数据的多个特征集来预测细胞类型 | 提出了四个具有明确解释性和生物学意义的新特征集，并开发了一个基于多头自注意力编码器、1D卷积和特征融合的新型深度学习框架 | 当前基于单细胞Hi-C数据的细胞类型预测框架有限，常面临特征解释性和生物学意义的挑战，且缺乏令人信服和稳健的分类性能验证 | 开发一种能够利用单细胞Hi-C数据识别细胞类型的方法 | 单细胞Hi-C数据 | 生物信息学 | NA | 单细胞高通量染色体构象捕获技术（Hi-C） | 多头自注意力编码器、1D卷积 | 单细胞Hi-C数据 | 六个数据集 |
| 428 | 2025-05-03 |
Enhancing Generalizability in Biomedical Entity Recognition: Self-Attention PCA-CLS Model
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3429234
PMID:39012749
|
研究论文 | 提出了一种名为PCA-CLS的自注意力模型，用于提高生物医学实体识别的泛化能力 | 结合全局自注意力和字符级卷积神经网络技术，解决生物医学文本中的词汇外挑战 | 未提及具体局限性 | 提高生物医学实体识别的泛化能力 | 生物医学文本中的基因、药物、疾病和物种等实体 | 自然语言处理 | NA | 自注意力机制、CNN-LSTM-Softmax | PCA-CLS (Position and Contextual Attention with CNN-LSTM-Softmax) | 文本 | 八个不同的生物医学领域数据集 |
| 429 | 2025-05-03 |
The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0)
2024-Nov-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.124.268292
PMID:39362762
|
研究论文 | 介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果 | 扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化 | 仅8.4%的患者有侵入性冠状动脉造影相关数据 | 评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果 | 45,252名患者的心肌灌注成像数据 | 数字病理学 | 心血管疾病 | SPECT, CT衰减校正成像, 深度学习 | 深度学习 | 图像 | 45,252名患者来自13个中心 |
| 430 | 2025-05-03 |
Advancing Vascular Surgery: The Role Of Artificial Intelligence And Machine Learning In Managing Carotid Stenosis
2024-Oct-12, Portuguese journal of cardiac thoracic and vascular surgery
DOI:10.48729/pjctvs.411
PMID:39820882
|
review | 本文探讨了人工智能和机器学习在颈动脉狭窄诊断、风险分层和管理中的应用 | 利用AI增强的影像技术和深度学习显著提高了颈动脉斑块易损性和症状性斑块的诊断准确性 | 面临临床验证和数据隐私的挑战 | 提高颈动脉狭窄的诊断准确性和风险分层，改善患者管理 | 颈动脉狭窄患者 | machine learning | cardiovascular disease | deep learning | NA | image | NA |
| 431 | 2025-05-03 |
Predicting metabolite response to dietary intervention using deep learning
2024-Sep-19, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.14.532589
PMID:36993761
|
研究论文 | 开发了一种名为McMLP的深度学习方法，用于预测个体对饮食干预的代谢物反应 | 首次提出使用耦合多层感知器（McMLP）来预测代谢物反应，填补了深度学习在该领域的空白 | NA | 实现精准营养，通过预测个体对饮食干预的代谢物反应来设计个性化的饮食策略 | 个体的肠道微生物组成及其对食物和营养素的代谢物反应 | 机器学习 | NA | 深度学习 | McMLP（耦合多层感知器） | 合成数据和真实数据 | 来自六项饮食干预研究的真实数据 |
| 432 | 2025-05-03 |
Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence
2024-Jun-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.0749
PMID:38691380
|
研究论文 | 本研究利用深度学习技术从卫星图像中提取建筑环境特征，并探讨其与城市中心脏代谢疾病患病率之间的关联 | 首次大规模使用Google卫星图像结合卷积神经网络评估建筑环境与心脏代谢疾病的关系，并发现特定建筑环境特征与疾病的相关性 | 横断面研究设计无法确定因果关系，且仅覆盖了美国7个城市的数据 | 探究基于图像的建筑环境特征与心脏代谢疾病患病率之间的关系 | 美国7个城市(克利夫兰、弗里蒙特等)的789个人口普查区的建筑环境和居民健康数据 | 计算机视觉 | 心血管疾病 | 卫星图像分析 | CNN(卷积神经网络)、LightGBM(轻量梯度提升机) | 卫星图像、人口普查数据 | 31,786张航拍图像覆盖789个人口普查区 |
| 433 | 2025-05-03 |
Development and validation of a deep learning model to predict axial length from ultra-wide field images
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02885-2
PMID:38102471
|
研究论文 | 开发并验证了一种深度学习模型，用于从超广角眼底图像预测中高度近视患者的眼轴长度 | 首次利用深度学习模型从超广角眼底图像预测眼轴长度，并验证了其可行性 | 模型预测偏差与真实眼轴长度值呈强负相关，且在男女之间存在显著差异 | 验证利用深度学习模型从超广角眼底图像预测中高度近视患者眼轴长度的可行性 | 3134名近视患者的6174张超广角眼底图像 | 计算机视觉 | 近视 | 深度学习 | 深度学习模型 | 图像 | 6174张超广角眼底图像（来自3134名患者） |
| 434 | 2025-05-03 |
Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02914-0
PMID:38238576
|
系统综述 | 本文系统综述了使用深度学习技术分析眼底图像预测系统性疾病的文献，评估了研究质量并提出了临床转化建议 | 首次对深度学习在眼底图像预测系统性疾病领域的文献进行全面系统评价，并采用TRIPOD和PROBAST标准评估报告透明度和偏倚风险 | 仅纳入31篇文献，大多数研究存在高偏倚风险，临床可用性数据不足 | 评估深度学习在眼底图像预测系统性疾病中的应用现状和研究质量 | 使用深度学习和眼底图像预测系统性参数的文献 | 数字病理学 | 糖尿病及相关疾病、心血管疾病等 | 深度学习 | NA | 眼底图像 | 31篇研究文献（涉及4969篇初步筛选文献） |
| 435 | 2025-05-03 |
AI-guided histopathology predicts brain metastasis in lung cancer patients
2024-05, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.6263
PMID:38433721
|
研究论文 | 使用深度学习技术分析常规H&E染色组织切片，预测非小细胞肺癌患者脑转移风险 | 首次将深度学习应用于常规H&E染色切片预测脑转移风险，准确率显著高于病理专家 | 样本量相对较小（158例），需要更大规模验证 | 开发AI模型预测非小细胞肺癌患者的脑转移风险 | I-III期非小细胞肺癌患者的H&E染色组织切片 | 数字病理学 | 肺癌 | 深度学习 | DL算法 | 病理图像 | 158例I-III期NSCLC患者（65例发生脑转移，93例未进展） |
| 436 | 2025-05-03 |
Explainable AI-based Deep-SHAP for mapping the multivariate relationships between regional neuroimaging biomarkers and cognition
2024-May, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111403
PMID:38452732
|
research paper | 该研究开发了一种名为Deep-SHAP的可解释AI方法，用于探索轻度认知障碍(MCI)/阿尔茨海默病(AD)患者区域神经影像生物标志物与认知功能之间的多变量关系 | 结合深度学习和SHAP方法，首次提出Deep-SHAP方法来揭示MCI/AD中区域脑部特征与认知功能之间的复杂多变量关系 | 研究仅针对MCI/AD患者，结果可能不适用于其他神经退行性疾病 | 探索MCI/AD患者区域脑成像指标与认知功能之间的多变量关系 | MCI/AD患者 | digital pathology | geriatric disease | MRI, PET | 深度学习神经网络 | 神经影像数据 | MCI/AD患者的实验数据 |
| 437 | 2024-08-07 |
Deep learning in ophthalmic and orbital ultrasound for spaceflight associated neuro-ocular syndrome (SANS)
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02877-2
PMID:38135772
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 438 | 2024-08-07 |
Response to 'Deep learning in ophthalmic ultrasound to enable further insights in Spaceflight Associated Neuro-Ocular Syndrome (SANS)'
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02878-1
PMID:38135773
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 439 | 2025-05-03 |
Evaluation of a Cascaded Deep Learning-based Algorithm for Prostate Lesion Detection at Biparametric MRI
2024-05, Radiology
IF:12.1Q1
DOI:10.1148/radiol.230750
PMID:38713024
|
研究论文 | 评估一种基于级联深度学习的算法在双参数MRI中检测前列腺病变的性能，并与放射科医生的读取和活检结果进行比较 | 开发了一种用于双参数MRI的前列腺病变检测和分割的AI算法，其性能与经验丰富的放射科医生相当 | 算法在病变级别的检测灵敏度为55%，阳性预测值为57%，且每个参与者的平均假阳性病变数为0.61 | 评估AI算法在双参数MRI中检测前列腺病变的性能 | 疑似或已知前列腺癌的患者 | 数字病理学 | 前列腺癌 | 双参数MRI | 级联深度学习算法 | MRI图像 | 658名男性参与者，共1029个MRI可见病变 |
| 440 | 2025-05-03 |
NRG Oncology Assessment of Artificial Intelligence Deep Learning-Based Auto-segmentation for Radiation Therapy: Current Developments, Clinical Considerations, and Future Directions
2024-May-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2023.10.033
PMID:37972715
|
research paper | 评估基于人工智能深度学习的自动分割在放射治疗中的当前发展、临床考虑和未来方向 | 探讨了AI深度学习神经网络在放射治疗自动分割中的应用，特别是在减少人工勾画工作量和缩短治疗计划时间方面的显著优势 | 商业AI分割模型在多样化临床场景中应用时面临挑战，特别是在非受控环境中 | 评估商业AI自动分割工具的临床应用和潜力 | 商业AI自动分割工具及其在放射治疗中的应用 | digital pathology | NA | deep learning neural networks (DLNN) | AI-based models | medical imaging data | NA |