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 24240 篇文献，本页显示第 4761 - 4780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4761 | 2025-03-21 |
Role of AI in empowering and redefining the oncology care landscape: perspective from a developing nation
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1550407
PMID:40103737
|
综述 | 本文探讨了人工智能（AI）在印度等发展中国家癌症管理中的潜在作用，包括预防、诊断、精准治疗、预后和药物发现等方面 | 强调了AI在解决印度等发展中国家医疗资源不足、癌症负担重等问题中的创新应用 | 需要解决AI在医疗领域应用中的伦理和隐私问题 | 探索AI在癌症管理中的应用，以改善医疗资源不足和提高癌症治疗效果 | 印度的癌症患者和医疗系统 | 医疗人工智能 | 癌症 | 机器学习、深度学习、自然语言处理 | NA | 医疗数据 | NA |
| 4762 | 2025-03-21 |
A bibliometric analysis of artificial intelligence research in critical illness: a quantitative approach and visualization study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1553970
PMID:40103796
|
研究论文 | 本文通过文献计量学方法和可视化工具对人工智能在危重病医学中的应用进行了定量分析和可视化研究 | 首次使用文献计量学方法和可视化工具对人工智能在危重病医学中的应用进行全面分析，揭示了该领域的研究趋势和核心贡献者 | 数据隐私、模型可解释性和伦理问题等挑战需要进一步解决，以确保AI技术在临床实践中的广泛应用 | 探讨人工智能在危重病医学中的应用潜力，特别是在提高诊断准确性、个性化治疗和临床决策支持方面的作用 | 2005年至2024年间发表的900篇相关文章，涉及6,653位作者和82个国家 | 机器学习 | 危重病 | 文献计量学方法、R-bibliometrix、VOSviewer 1.6.19、CiteSpace 6.2.R4 | NA | 文献数据 | 900篇文章，6,653位作者，82个国家 |
| 4763 | 2025-03-21 |
Evaluating deep learning auto-contouring for lung radiation therapy: A review of accuracy, variability, efficiency and dose, in target volumes and organs at risk
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100736
PMID:40104215
|
review | 本文综述了深度学习自动轮廓勾画在肺癌放射治疗中的应用，评估了其在目标体积和风险器官勾画中的准确性、变异性、效率和剂量影响 | 本文首次系统性地评估了深度学习算法在肺癌放射治疗中自动勾画目标体积和风险器官的准确性、变异性、效率和剂量影响，填补了该领域的研究空白 | 研究在观察者间变异性和剂量-体积指标评估方面仍需进一步研究，以进一步证实其临床应用 | 评估深度学习自动轮廓勾画在肺癌放射治疗中的准确性和效率 | 肺癌患者的目标体积（TVs）和风险器官（OARs） | digital pathology | lung cancer | deep learning | NA | image | 40项研究 |
| 4764 | 2025-03-21 |
Duple-MONDNet: duple deep learning-based mobile net for motor neuron disease identification
2025, Turkish journal of medical sciences
IF:1.2Q2
DOI:10.55730/1300-0144.5952
PMID:40104302
|
研究论文 | 本文提出了一种基于深度学习的双重特征提取框架Duple-MONDNet，用于早期识别运动神经元疾病（MND） | 提出了一种新的双重特征提取框架，结合颜色和纹理特征进行MND的早期检测 | 未提及具体的数据集规模或外部验证结果 | 开发一种深度学习模型，用于早期检测运动神经元疾病 | 运动神经元疾病（MND）患者 | 计算机视觉 | 运动神经元疾病 | 扩散张量成像纤维束成像（DTI） | MONDNet（基于MobileNet的深度学习模型） | 图像 | 未提及具体样本数量 |
| 4765 | 2025-03-21 |
Integrated convolutional neural network for skin cancer classification with hair and noise restoration
2025, Turkish journal of medical sciences
IF:1.2Q2
DOI:10.55730/1300-0144.5954
PMID:40104314
|
研究论文 | 本研究探讨了皮肤病变图像中的毛发和噪声伪影对分类器性能的影响，并提出了集成卷积神经网络（CNN）用于去除这些伪影以提高诊断准确性 | 提出了集成毛发去除（IHR）和集成噪声去除（INR）的CNN模型，显著提高了去除毛发和噪声后的图像分类准确率 | 研究中使用了合成数据集，可能无法完全反映真实世界中的复杂情况 | 提高皮肤病变图像的自动诊断准确性 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN, ResNet50, DenseNet121, ResNet152, VGG16, VGG19 | 图像 | HAM10000基准数据集及合成数据集 |
| 4766 | 2025-03-21 |
Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children
2024-Dec-01, Critical care explorations
DOI:10.1097/CCE.0000000000001188
PMID:39688905
|
研究论文 | 本研究旨在使用机器学习技术预测接受连续肾脏替代疗法（CRRT）的儿童和年轻成年人的ICU和医院出院生存率 | 这是首个使用机器学习模型预测接受CRRT的儿童和年轻成年人ICU和医院出院生存率的研究 | 数据集不平衡，未来研究应扩展输入变量，进行更复杂的特征选择，并使用深度学习算法生成更精确的模型 | 预测接受CRRT的儿童和年轻成年人的ICU和医院出院生存率 | 接受CRRT的儿童和年轻成年人 | 机器学习 | 急性肾损伤 | 机器学习 | 逻辑回归（LR）、决策树、随机森林（RF）、梯度提升机、支持向量机（线性核） | 临床数据 | 933名患者 |
| 4767 | 2025-03-21 |
A deep profile of gene expression across 18 human cancers
2024-Oct-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.17.585426
PMID:38559197
|
研究论文 | 本文介绍了DeepProfile，一个用于从18种人类癌症的50,211个转录组中学习低维潜在空间的综合框架 | DeepProfile在生物解释性方面优于现有的降维方法，并揭示了跨所有癌症类型普遍重要的基因控制免疫细胞激活，而癌症类型特异性基因和通路定义了分子疾病亚型 | NA | 应用无监督深度学习从基因表达数据中提取临床和生物学上有价值的信息 | 18种人类癌症的50,211个转录组 | 机器学习 | 癌症 | 无监督深度学习 | DeepProfile | 基因表达数据 | 50,211个转录组 |
| 4768 | 2025-03-21 |
Evolution of white matter hyperintensity segmentation methods and implementation over the past two decades; an incomplete shift towards deep learning
2024-Oct, Brain imaging and behavior
IF:2.4Q2
DOI:10.1007/s11682-024-00902-w
PMID:39083144
|
系统综述 | 本文系统回顾了过去二十年中白质高信号（WMH）分割方法的演变和实施情况，重点关注了深度学习的应用 | 本文首次系统性地回顾了WMH分割方法的发展历程，并特别指出了深度学习技术的兴起 | 尽管定量分割方法日益复杂，视觉评分量表仍然广泛使用，且SPM技术作为参考标准可能限制了新技术的推广 | 探讨WMH分割方法的演变和实施情况，特别是深度学习的应用 | 白质高信号（WMH）分割方法 | 医学影像分析 | 老年疾病 | 深度学习 | NA | 医学影像 | 1007个视觉评分量表，118篇管道开发文章，509篇实施文章 |
| 4769 | 2025-03-21 |
A Deep Learning Model for Predicting Molecular Subtype of Breast Cancer by Fusing Multiple Sequences of DCE-MRI From Two Institutes
2024-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.03.002
PMID:38637240
|
研究论文 | 本文评估了深度学习在利用来自两个机构的DCE-MRI预测不同乳腺癌分子亚型中的性能 | 开发了一种多分支卷积神经网络（MBCNN），并采用中间融合和80像素的ROI大小进行外观转换，以优化性能 | 在预测luminal B、HER2-enriched和TN亚型时，MBCNN虽然表现优于CNN和CLSTM，但除了在TN亚型中对CNN表现出统计显著性外，其他情况下未达到统计显著性 | 评估深度学习在预测乳腺癌分子亚型中的性能 | 366名乳腺癌患者 | 计算机视觉 | 乳腺癌 | DCE-MRI | MBCNN, CNN, CLSTM | 图像 | 366名乳腺癌患者（训练集292名，验证集49名，测试集25名） |
| 4770 | 2025-03-21 |
Develop and Validate a Nomogram Combining Contrast-Enhanced Spectral Mammography Deep Learning with Clinical-Pathological Features to Predict Neoadjuvant Chemotherapy Response in Patients with ER-Positive/HER2-Negative Breast Cancer
2024-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.03.035
PMID:38641451
|
研究论文 | 开发并验证了一个结合对比增强光谱乳腺摄影（CESM）深度学习和临床病理特征的列线图，用于预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗（NAC）反应 | 结合CESM深度学习和临床病理特征，开发了一个新的列线图模型，用于预测NAC反应，该模型在预测性能上优于单独的深度学习模型和临床模型 | 研究为回顾性研究，可能存在选择偏差，且样本量相对较小 | 预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应 | 265名ER阳性/HER2阴性乳腺癌患者 | 数字病理 | 乳腺癌 | 对比增强光谱乳腺摄影（CESM） | ResNet34 | 图像 | 265名乳腺癌患者 |
| 4771 | 2025-03-21 |
Deep Learning-Based Reconstruction Improves the Image Quality of Low-Dose CT Colonography
2024-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.021
PMID:38290889
|
研究论文 | 本研究评估了基于深度学习的重建（DLR）在低剂量CT结肠成像（CTC）中的图像质量，并与迭代重建（IR）进行了比较 | 首次将深度学习重建技术应用于低剂量CT结肠成像，显著提高了图像质量 | 研究仅针对特定BMI群体的成年人，未涵盖更广泛的人群 | 评估低剂量CT结肠成像的图像质量 | 270名成年志愿者 | 计算机视觉 | 结直肠癌 | CT成像 | 深度学习 | 图像 | 270名志愿者（平均年龄47.94岁，115名男性） |
| 4772 | 2025-03-21 |
Research Progress of Artificial Intelligence in the Grading and Classification of Meningiomas
2024-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.02.003
PMID:38413314
|
综述 | 本文总结了人工智能在脑膜瘤分级和分类中的研究进展，分析了放射组学和深度学习的应用及其在临床治疗和预后中的价值 | 本文综述了人工智能在脑膜瘤分级和分类中的最新研究进展，提出了现有研究的局限性和未来改进建议 | 现有研究存在一定的局限性，未来需要进一步改进 | 探讨人工智能在脑膜瘤分级和分类中的应用，以促进其在脑膜瘤诊断和治疗中的未来应用 | 脑膜瘤 | 数字病理学 | 脑膜瘤 | 放射组学, 深度学习 | 深度学习 | 医学影像 | NA |
| 4773 | 2025-03-21 |
A Transvaginal Ultrasound-Based Deep Learning Model for the Noninvasive Diagnosis of Myometrial Invasion in Patients with Endometrial Cancer: Comparison with Radiologists
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.12.035
PMID:38182443
|
研究论文 | 本研究探讨了使用深度学习模型基于超声图像非侵入性诊断子宫内膜癌患者肌层浸润程度的可行性，并与放射科医生的诊断效果进行了比较 | 首次将深度学习模型应用于子宫内膜癌肌层浸润程度的非侵入性诊断，并证明其性能显著优于放射科医生 | 研究样本主要来自特定医疗中心，可能限制了结果的普遍适用性 | 评估深度学习模型在诊断子宫内膜癌肌层浸润程度中的应用效果 | 子宫内膜癌患者的超声图像 | 计算机视觉 | 子宫内膜癌 | 深度学习 | EfficientNet-B6 | 图像 | 604名患者的1289张超声图像 |
| 4774 | 2025-03-21 |
nnU-Net-Based Pancreas Segmentation and Volume Measurement on CT Imaging in Patients with Pancreatic Cancer
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.004
PMID:38350812
|
研究论文 | 本研究开发并验证了一种基于深度学习的CT图像胰腺分割和胰腺体积自动测量方法，用于胰腺癌患者 | 使用3D nnU-net架构进行全自动胰腺分割，并通过自动和手动分割结果的比较验证了模型的有效性 | 研究为回顾性研究，样本量相对有限，且仅使用了一种深度学习模型 | 开发并验证一种基于深度学习的胰腺分割和体积测量方法 | 胰腺癌患者的CT图像 | 数字病理学 | 胰腺癌 | CT成像 | 3D nnU-net | CT图像 | 851张门静脉期CT图像（499例胰腺癌和352例正常胰腺） |
| 4775 | 2025-03-21 |
Improving Image Quality and Nodule Characterization in Ultra-low-dose Lung CT with Deep Learning Image Reconstruction
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.010
PMID:38429189
|
研究论文 | 本研究探讨了深度学习图像重建（DLIR）在超低剂量肺部CT条件下对图像质量和肺结节定量分析的影响 | 首次在超低剂量CT中使用高强度的深度学习图像重建（DLIR-H）技术，并与传统的自适应统计迭代重建（ASIR-V40%）进行比较 | 样本量相对较小，仅包括56名患者 | 研究DLIR在超低剂量肺部CT中对图像质量和肺结节定量分析的影响 | 56名疑似肺结节患者 | 计算机视觉 | 肺癌 | 深度学习图像重建（DLIR） | NA | 图像 | 56名患者，共检测到104个肺结节 |
| 4776 | 2024-08-07 |
Correction: Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning
2024-Jul, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-024-01460-w
PMID:38787517
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4777 | 2025-03-21 |
DeepLabCut-based daily behavioural and posture analysis in a cricket
2024-04-15, Biology open
IF:1.8Q3
DOI:10.1242/bio.060237
PMID:38533608
|
研究论文 | 本文介绍了一种基于DeepLabCut的系统，用于长期量化蟋蟀的多种行为，如运动活动、进食和类似睡眠状态 | 使用DeepLabCut软件进行蟋蟀行为和姿态的自动分析，避免了人类偏见且无需物理标记个体动物 | NA | 研究蟋蟀的昼夜节律行为 | 蟋蟀 | 计算机视觉 | NA | DeepLabCut | 监督机器学习 | 视频 | 单个蟋蟀 |
| 4778 | 2025-03-21 |
Examining evolutionary scale modeling-derived different-dimensional embeddings in the antimicrobial peptide classification through a KNIME workflow
2024-Apr, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4928
PMID:38501511
|
研究论文 | 本文研究了从ESM-2模型中提取的不同维度嵌入在抗菌肽分类中的应用，并开发了一个KNIME工作流以确保实验的公平性 | 首次将ESM-2模型的不同维度嵌入应用于抗菌肽分类，并通过KNIME工作流确保实验的公平性 | 研究中发现只有部分ESM-2嵌入对建模任务有价值，43%至66%的特征从未被使用 | 研究ESM-2模型的不同维度嵌入在抗菌肽分类中的有效性 | 抗菌肽（AMPs） | 生物信息学 | NA | ESM-2模型，KNIME工作流 | QSAR模型 | 分子特征 | NA |
| 4779 | 2025-03-21 |
A full-stack platform for spiking deep learning
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00565-5
PMID:38177599
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4780 | 2025-03-21 |
Accurately predicting molecular spectra with deep learning
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00553-9
PMID:38177595
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |