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 32372 篇文献，本页显示第 4861 - 4880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4861 | 2025-10-06 |
Detecting wing fractures in chickens using deep learning, photographs and computed tomography scanning
2025-Aug, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2025.105264
PMID:40398294
|
研究论文 | 本研究评估了三种深度学习模型在通过CT扫描和照片检测鸡翅骨折和挫伤方面的适用性 | 首次将深度学习技术应用于结合CT扫描和照片的鸡翅骨折与挫伤自动检测，相比传统人工检查更客观高效 | 样本量有限（306个CT扫描和285张照片），挫伤检测模型准确率相对较低（82%） | 开发自动化技术以改进家禽屠宰场的动物福利监测 | 鸡翅膀的骨折和软组织损伤（挫伤） | 计算机视觉 | 动物损伤 | 计算机断层扫描（CT）、摄影 | 深度学习 | CT扫描图像、照片 | 306个CT扫描和285张照片 | NA | 3D ResNet34, 2D EfficientNetV2_s | 准确率 | NA |
| 4862 | 2025-10-06 |
Tailoring task arithmetic to address bias in models trained on multi-institutional datasets
2025-Aug, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104858
PMID:40494422
|
研究论文 | 本研究提出两种基于任务向量的方法TAPER和DAPPER，用于减轻多机构数据集中因数据来源导致的模型偏差问题 | 将任务向量算术方法扩展到解决数据来源混淆偏差的新问题领域，提出了模型无关的偏差缓解策略 | 仅在三个数据集上进行了评估，需要更多验证 | 解决多机构临床数据训练中深度学习模型因数据来源导致的预测偏差问题 | 多机构临床数据集中的深度学习模型 | 自然语言处理 | NA | 任务向量算术 | RoBERTa, Llama-2 | 文本数据 | NA | NA | Transformer | 鲁棒性评估，分布偏移极端情况下的性能 | NA |
| 4863 | 2025-10-06 |
Artificial Intelligence Solutions to Improve Emergency Department Wait Times: Living Systematic Review
2025-Aug, The Journal of emergency medicine
IF:1.2Q3
DOI:10.1016/j.jemermed.2025.05.031
PMID:40664005
|
living systematic review | 本系统综述评估人工智能在改善急诊科等待时间方面的应用现状和潜力 | 首次对AI在急诊科流程优化中的应用进行全面系统评价，并采用动态更新机制确保内容时效性 | 缺乏真实急诊科环境下的实施研究，大多数研究缺少急诊专家的参与 | 评估人工智能建模策略在优化急诊科流程和减少等待时间方面的应用 | 急诊科运营流程和患者等待时间 | 医疗健康信息学 | 急诊医学 | 系统文献综述方法 | 回归方法,传统机器学习,神经网络/深度学习,自然语言处理,集成方法 | 文献数据 | 16项定量观察性研究（从17,569篇筛选文献中选出） | NA | NA | 等待时间减少量（7-43.2分钟） | NA |
| 4864 | 2025-10-06 |
HCCD: A handwritten camera-captured dataset for document enhancement under varied degradation conditions
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111849
PMID:40697364
|
研究论文 | 本文提出了一个用于真实场景下手写文档增强和识别任务的手写相机拍摄数据集HCCD | 与现有在受控环境下使用扫描仪或智能手机拍摄的数据集不同，HCCD包含实时相机拍摄的手写文档，具有多种自然退化特征 | NA | 解决智能手机拍摄的退化手写文档增强问题 | 手写文档图像 | 计算机视觉 | NA | 计算机视觉成像技术 | NA | 图像 | 多个人贡献的不同书写风格的手写文档 | NA | NA | NA | NA |
| 4865 | 2025-07-26 |
Letter to the Editor: "Development and Validation of a Deep Learning Ultrasound Radiomics Model for Predicting Drug Resistance in Lymph Node Tuberculosis a Multicenter Study"
2025-Jul-25, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003118
PMID:40705514
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4866 | 2025-07-26 |
Letter to the editor: multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study
2025-Jul-25, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003109
PMID:40705510
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4867 | 2025-07-26 |
Comments on "deep learning for kidney trauma detection: CT image algorithm performance and external validation. - experimental study"
2025-Jul-25, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002703
PMID:40705511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4868 | 2025-10-06 |
Advances and challenges in AI-assisted MRI for lumbar disc degeneration detection and classification
2025-Jul-25, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09179-z
PMID:40707791
|
综述 | 本文全面综述了人工智能在基于MRI的腰椎间盘退变检测与分级中的应用现状、临床价值和未来方向 | 系统总结了AI在腰椎间盘退变MRI分析中的最新进展，包括混合模型架构和可解释性方法的应用 | 存在泛化性不足、数据不平衡、可解释性有限和监管整合困难等挑战 | 评估人工智能在腰椎间盘退变MRI自动检测和分级中的应用价值与发展前景 | 腰椎间盘退变的MRI影像数据 | 医学影像分析 | 腰椎间盘退变疾病 | MRI | CNN,支持向量机,Transformer,多任务学习 | 医学影像 | NA | NA | SpineNet,ResNet,U-Net | 准确率,可重复性 | NA |
| 4869 | 2025-10-06 |
Artificial Intelligence-Enabled Short-Term Ambulatory Monitoring ECG during Sinus Rhythm for Prediction of Hidden Atrial Fibrillation
2025-Jul-25, Journal of cardiovascular electrophysiology
IF:2.3Q2
DOI:10.1111/jce.70028
PMID:40709543
|
研究论文 | 开发了一种基于深度学习的模型，利用窦性心律期间的10分钟动态心电图记录预测隐藏性心房颤动 | 首次使用ConvNeXt和LSTM两阶段深度学习模型，通过窦性心律期间的短时心电图预测隐藏性房颤 | 回顾性研究设计，第二阶段的长时间记录可能导致与房颤更相关特征被稀释而降低特异性 | 预测无症状/隐匿性心房颤动 | 接受24小时动态心电图监测的患者 | 医疗人工智能 | 心血管疾病 | 动态心电图监测 | CNN, LSTM | 心电图信号 | 934名患者（640名房颤组，294名对照组），368,550个窦性心律ECG段 | NA | ConvNeXt, LSTM | AUC, 准确率, 灵敏度, 特异性 | NA |
| 4870 | 2025-10-06 |
Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography
2025-Jul-25, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500181
PMID:40709742
|
研究论文 | 开发用于三维光学相干断层扫描图像分析的3D卷积神经网络，以增强经皮肾造瘘术中的内窥镜引导 | 提出专门用于三维OCT图像分析的3D-CNN架构，在实时推理延迟方面显著优于其他先进体积架构 | 仅使用10个猪肾脏数据集进行验证，样本规模有限 | 开发用于外科手术引导的自主深度学习系统 | 猪肾脏的容积光学相干断层扫描图像 | 计算机视觉 | 肾脏疾病 | 光学相干断层扫描 | 3D-CNN | 三维图像 | 10个猪肾脏 | NA | 3D-CNN, 3D-ViT, 3D-DenseNet121, M3T | 准确率, 推理延迟 | NA |
| 4871 | 2025-10-06 |
Development and validation of deep learning for predicting the growth of ovarian cancer organoids
2025-Jul-25, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003575
PMID:40709801
|
研究论文 | 开发并验证用于预测卵巢癌类器官生长的可解释深度学习模型 | 首次将深度学习应用于卵巢癌类器官生长预测，并采用同质迁移学习优化方法和Grad-CAM可解释性分析 | 样本量有限（517个类器官液滴），仅针对卵巢癌类器官进行研究 | 开发可提前预测卵巢癌类器官培养结果的深度学习模型 | 卵巢癌患者来源类器官（PDOs） | 计算机视觉 | 卵巢癌 | 纵向显微镜成像 | CNN, Transformer | 图像 | 517个卵巢癌类器官液滴（训练集325，验证集88，测试集104），外加179个多中心前瞻性验证样本 | NA | ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2 | AUC, Brier分数, 校准曲线, 决策曲线 | NA |
| 4872 | 2025-10-06 |
Vox-MMSD: Voxel-wise Multi-scale and Multi-modal Self-Distillation for Self-supervised Brain Tumor Segmentation
2025-Jul-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3592116
PMID:40705573
|
研究论文 | 提出一种用于脑肿瘤分割的自监督学习框架，充分利用多模态MRI扫描提取模态不变特征 | 提出Siamese块状模态掩蔽策略和重叠随机模态采样方法，同时学习上下文和模态不变特征，增强体素级表示 | NA | 开发自监督学习方法解决脑肿瘤分割中标注数据不足的问题 | 脑肿瘤患者的多模态MRI扫描数据 | 医学图像分割 | 脑胶质瘤 | 多模态磁共振成像 | 自监督学习 | 医学图像 | BraTS 2024成人胶质瘤分割数据集及其他三个小型下游数据集 | NA | NA | Dice系数 | NA |
| 4873 | 2025-10-06 |
Predicting Traumatic Brain Injury Post-Trauma Using Temporal Attention on Sleep-Wake Data
2025-Jul-24, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3592009
PMID:40705576
|
研究论文 | 本研究利用深度学习模型分析创伤后睡眠/觉醒数据，以预测创伤性脑损伤 | 首次使用时间注意力机制分析创伤后早期睡眠/觉醒数据用于TBI分类，并确定了最佳时间窗口 | 模型性能指标相对较低（F1分数最高22%），特异性在最佳时间窗口仅为25% | 开发基于睡眠/觉醒数据的创伤性脑损伤分类方法 | 2000多名急诊科患者，包括有和无血液生物标志物证实的TBI患者 | 机器学习 | 创伤性脑损伤 | 睡眠/觉醒行为监测，血液生物标志物检测（GFAP） | 深度学习，时间注意力模型 | 纵向睡眠/觉醒时间序列数据 | 超过2000名急诊科患者 | NA | 时间注意力模型 | 灵敏度，特异性，F1分数 | NA |
| 4874 | 2025-10-06 |
SUP-Net: Slow-time Upsampling Network for Aliasing Removal in Doppler Ultrasound
2025-Jul-24, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3591820
PMID:40705591
|
研究论文 | 提出一种基于深度学习的慢时间上采样网络(SUP-Net)，用于解决多普勒超声中的混叠伪影问题 | 首次设计专门用于多普勒超声慢时间信号上采样的深度学习框架，利用时空特征从低PRF信号推断高PRF信号 | 仅在20名参与者的股动脉采集数据上进行训练和评估，样本规模有限 | 改善多普勒超声在低脉冲重复频率下的血流估计质量，消除混叠误差 | 多普勒超声信号，特别是股动脉血流数据 | 医学影像处理 | 心血管疾病 | 高帧率超声(HiFRUS)，脉冲回波传感，相位偏移估计 | CNN | 超声信号数据 | 20名参与者的股动脉采集数据 | NA | SUP-Net | NA | NA |
| 4875 | 2025-10-06 |
Hazard-free outdoor path navigator for visually challenged people
2025-Jul-24, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2530674
PMID:40705835
|
研究论文 | 提出一种面向视障人士的无危险户外路径导航系统，结合多种技术实现安全路径规划 | 提出模糊可信无危险路由路径(FTHRP)算法，结合在线和离线导航模式，利用AI和DL技术识别多种户外危险因素 | NA | 为视障人士开发能够在户外环境中识别危险并规划安全路径的导航系统 | 视障人士的户外导航需求 | 机器学习和计算机视觉 | 视力障碍 | 人工智能(AI)、深度学习(DL)、机器学习(ML)、模糊逻辑 | 深度学习模型 | 路径数据集、环境感知数据 | 使用'hazard-route data set'数据集 | NA | NA | NA | 云端计算、张量处理单元(TPU) |
| 4876 | 2025-10-06 |
A Weighted Voting Approach for Traditional Chinese Medicine Formula Classification Using Large Language Models: Algorithm Development and Validation Study
2025-Jul-24, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/69286
PMID:40705933
|
研究论文 | 本研究开发了一种基于大语言模型的加权投票集成方法用于中药方剂分类 | 首次将大语言模型集成学习方法应用于中药方剂分类任务，提出加权投票机制提升分类准确率 | 数据集规模相对有限（2441个方剂），仅支持中文的大语言模型参与评估 | 评估不同大语言模型在中药方剂分类任务中的性能，并通过集成学习提升分类准确率 | 中药方剂 | 自然语言处理 | NA | 大语言模型微调，集成学习 | 大语言模型 | 文本 | 2441个中药方剂（训练集1999个，测试集442个） | NA | Qwen-14B等10个支持中文的大语言模型 | 准确率 | NA |
| 4877 | 2025-10-06 |
Deep learning-based real-time detection of head and neck tumors during radiation therapy
2025-Jul-24, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adf40e
PMID:40706626
|
研究论文 | 本研究开发了一种基于深度学习的实时头颈部肿瘤分割方法，用于放射治疗过程中的肿瘤追踪 | 首次使用个性化条件生成对抗网络在千伏X射线图像中实现无标记头颈部肿瘤实时检测 | 研究样本量较小（17例患者），肿瘤位置与质心误差存在相关性 | 开发实时头颈部肿瘤追踪方法以提高放射治疗精度 | 头颈部癌症患者（鼻咽癌、口咽癌、喉癌） | 医学影像分析 | 头颈部肿瘤 | 千伏X射线成像，锥形束CT | cGAN | X射线图像，CT影像 | 17名头颈部癌症患者（4例鼻咽癌，9例口咽癌，4例喉癌） | NA | 条件生成对抗网络 | 质心误差，平均表面距离 | NA |
| 4878 | 2025-10-06 |
EXPEDITION: an Exploratory deep learning method to quantitatively predict hematoma progression after intracerebral hemorrhage
2025-Jul-24, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2536668
PMID:40707006
|
研究论文 | 提出一种探索性深度学习方法EXPEDITION，用于定量预测脑出血后血肿进展 | 首次结合脑静脉血流动力学特征与深度学习技术，开发定量预测脑出血后血肿进展的新方法 | 样本量较小（73例患者），仅针对基底节或丘脑的原发性脑出血患者 | 开发定量预测脑出血后血肿进展的深度学习方法 | 原发性脑出血患者（基底节或丘脑部位） | 医学影像分析 | 脑出血 | NCCT, CTP | 深度学习 | 医学影像 | 73例患者（训练集58例93次扫描，测试集15例50次扫描） | NA | NA | Bland-Altman分析 | NA |
| 4879 | 2025-10-06 |
Association of initial core volume on non-contrast CT using a deep learning algorithm with clinical outcomes in acute ischemic stroke: a potential tool for selection and prognosis?
2025-Jul-24, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023897
PMID:40707242
|
研究论文 | 本研究探讨基于深度学习的非增强CT初始核心体积测量与急性缺血性卒中患者临床结局的关联 | 首次使用经过验证的深度学习算法(Methinks)在非增强CT上自动测量初始核心体积，并验证其与卒中患者预后的关联 | 研究基于三个卒中中心的注册数据，可能存在选择偏倚，且需要进一步研究验证aICV在扩展治疗时间窗中的作用 | 评估非增强CT测量的初始核心体积与接受再灌注治疗的卒中患者临床结局的关联 | 接受再灌注治疗的急性缺血性卒中患者 | 数字病理 | 脑血管疾病 | 非增强CT成像 | 深度学习算法 | 医学影像 | 658名患者，平均年龄72.7岁，基线NIHSS评分中位数12分 | NA | Methinks | 调整后比值比, 95%置信区间, P值 | NA |
| 4880 | 2025-10-06 |
Multi-cascaded heart disease prediction using hybrid deep learning and optimization techniques
2025-Jul-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2525981
PMID:40707398
|
研究论文 | 提出一种基于混合深度学习和优化技术的多级联心脏病预测模型 | 开发了MI-FHCO优化算法进行特征选择，并采用多级联深度学习网络进行疾病预测 | NA | 提高心脏病预测的准确率 | 心脏病患者数据 | 机器学习 | 心血管疾病 | NaN填充方法、数据归一化 | 深度学习 | 医疗数据 | NA | NA | 多级联深度学习网络(MDLNet) | 准确率 | NA |