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 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2025-10-05 |
Leveraging deep learning for early detection of cervical cancer and dysplasia in China using U-NET++ and RepVGG networks
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1624111
PMID:41018091
|
研究论文 | 本研究利用深度学习技术改进阴道镜图像分析，提高宫颈癌及癌前病变的早期检测准确率 | 结合U-NET++图像分割和RepVGG分类网络，专门针对中国农村地区宫颈癌早期检测需求开发AI诊断工具 | 研究样本量相对有限（848例），且仅来自单一医疗中心，需要更多外部验证 | 通过深度学习提高阴道镜图像诊断准确性，实现宫颈癌早期检测 | 宫颈癌、HPV感染和宫颈上皮内瘤变(CIN) | 计算机视觉 | 宫颈癌 | 阴道镜检查 | CNN | 图像 | 848名受试者的阴道镜图像，其中424张用于训练，424张用于验证 | NA | U-NET++, RepVGG | 准确率 | NA |
| 502 | 2025-10-05 |
Radiotherapy for glioma in the AI era: current applications and future prospects
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1673752
PMID:41018092
|
综述 | 本文综述了人工智能时代胶质瘤放射治疗的当前应用与未来前景 | 系统探讨了人工智能技术（包括影像组学、深度学习和预测建模）在胶质瘤放疗工作流程中的整合应用 | 未提及具体研究数据验证AI技术的临床效果 | 探讨人工智能在胶质瘤放射治疗中的应用潜力与发展方向 | 胶质瘤患者，特别是高级别胶质母细胞瘤（GBM） | 数字病理 | 胶质瘤 | 放射治疗技术（IMRT、质子治疗、碳离子放疗、术中放疗、FLASH放疗） | 深度学习 | 医学影像数据 | NA | NA | NA | NA | NA |
| 503 | 2025-10-05 |
RefineFuse: an end-to-end network for multi-scale refinement fusion of multi-modality images
2025, Visual intelligence
DOI:10.1007/s44267-025-00087-w
PMID:41018163
|
研究论文 | 提出RefineFuse多尺度交互网络，用于多模态图像融合任务 | 通过双注意力特征交互模块和全局注意力机制，在像素域和语义域建模跨模态特征耦合，实现深层语义信息与浅层细节信息的逐步融合 | NA | 提升融合网络在复杂场景下保留细节信息的能力 | 红外图像、可见光图像和医学图像 | 计算机视觉 | NA | 深度学习 | CNN | 多模态图像 | NA | NA | 多尺度交互网络 | NA | NA |
| 504 | 2025-10-05 |
Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1665173
PMID:41018263
|
研究论文 | 开发并评估基于眼底彩照和光学相干断层扫描的双模态深度学习模型，用于多种视网膜疾病的诊断 | 首次将眼底彩照和光学相干断层扫描双模态成像结合，开发了融合多实例学习模型，并在多种设备和扫描模式下验证了其泛化能力 | 样本量相对有限，仅包含1,029名患者的数据 | 开发能够诊断多种视网膜疾病的深度学习模型，并评估其诊断性能和泛化能力 | 视网膜疾病患者，包括糖尿病视网膜病变、干性和湿性年龄相关性黄斑变性、病理性近视、视网膜前膜和黄斑水肿等七种视网膜疾病 | 医学影像分析 | 视网膜疾病 | 眼底彩照、光学相干断层扫描 | 深度学习 | 图像 | 1,445对CFP-OCT图像来自1,029名患者，另有1,184对图像用于ATN分类 | NA | Fusion-MIL, CFP-MIL, OCT-MIL | AUC, 准确率 | NA |
| 505 | 2025-10-05 |
TL-MED: Multiclass eye disease classification based on ensemble transfer learning and CRVO-BRVO detection via a single shot multibox detector
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251379729
PMID:41018518
|
研究论文 | 基于集成迁移学习和单发多框检测器的多类别眼病分类与视网膜静脉阻塞检测方法 | 提出五种基于迁移学习的深度卷积神经网络模型和一个集成模型，并首次将单发多框检测器应用于视网膜静脉阻塞检测 | 数据集规模相对有限（3744张原始视网膜图像），NASNetMobile模型准确率较低（87%） | 开发可靠的眼病早期精确检测AI解决方案 | 视网膜图像中的青光眼、白内障、糖尿病视网膜病变及视网膜静脉阻塞 | 计算机视觉 | 眼病 | 深度学习 | CNN, SSD | 图像 | 3744张原始视网膜图像 | NA | VGG16, ResNet152, DenseNet169, EfficientNetB3, NASNetMobile, 集成模型 | 准确率, 损失率 | NA |
| 506 | 2025-10-05 |
VAE deep learning model with domain adaptation, transfer learning and harmonization for diagnostic classification from multi-site neuroimaging data
2025, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2025.1553035
PMID:41018545
|
研究论文 | 开发了一种结合域适应、迁移学习和数据协调的VAE深度学习模型，用于多站点fMRI数据的诊断分类 | 首次将VAE-MMD模型应用于多站点fMRI数据的域适应，并展示了迁移学习和数据协调的协同效果 | 研究仅针对自闭症谱系障碍，未验证在其他神经发育疾病上的泛化能力 | 提高多站点神经影像数据的诊断分类性能 | 自闭症、阿斯伯格综合征和典型发育对照组的fMRI数据 | 医学影像分析 | 自闭症谱系障碍 | fMRI | VAE | 神经影像数据 | ABIDE-I和ABIDE-II数据集，外加HBN和AOMIC数据集的健康对照样本 | NA | VAE-MMD | 准确率 | NA |
| 507 | 2025-10-05 |
A review of AI-driven Google Earth Engine applications in surface water monitoring, assessment, and management
2025, Discover geoscience
DOI:10.1007/s44288-025-00255-x
PMID:41018550
|
综述 | 本文综述了人工智能与Google Earth Engine结合在地表水监测、评估和管理中的应用 | 系统总结了AI/ML/DL与GEE平台在地表水监测中的集成应用，并包含内布拉斯加州湖泊的案例研究 | 揭示了当前方法的局限性和改进机会 | 评估人工智能与地理空间技术在地表水监测和管理中的应用效果 | 地表水体的数量和质量监测 | 机器学习 | NA | 多传感器遥感技术 | 机器学习,深度学习 | 遥感影像 | 三个内布拉斯加州湖泊(2022-2023) | Google Earth Engine | NA | NA | 基于网络的并行处理平台 |
| 508 | 2025-10-05 |
An artificial intelligence model for early-stage breast cancer classification from histopathological biopsy images
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1627876
PMID:41018739
|
研究论文 | 提出一种基于深度学习的人工智能模型，用于从组织病理学活检图像中对早期乳腺癌进行分类 | 采用DenseNet121骨干网络结合多尺度特征融合策略，能够捕捉多个抽象层次的形态学特征 | 仅使用公开数据集进行验证，未在真实临床环境中测试 | 开发乳腺癌亚型分类的人工智能模型以辅助诊断 | 乳腺癌组织病理学活检图像 | 数字病理学 | 乳腺癌 | 组织病理学成像 | CNN | 图像 | BreaKHis公开数据集 | NA | DenseNet121 | 准确率 | NA |
| 509 | 2025-10-05 |
The Rise of Artificial Intelligence in Orthopedics: A Bibliometric and Visualization Analysis
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S536633
PMID:41019150
|
文献计量分析 | 通过文献计量学方法分析人工智能在骨科领域的研究进展和热点趋势 | 首次系统性地对人工智能在骨科领域的应用进行文献计量和可视化分析，识别当前研究热点 | 仅基于PubMed数据库，合作网络分析显示国际合作频率有限 | 调查人工智能在骨科领域的应用进展和研究现状 | 2010-2024年间PubMed数据库中112篇AI与骨科相关文献 | 文献计量学 | 骨科疾病 | 文献计量分析，可视化分析 | NA | 文献数据 | 112篇相关文章 | R软件 | NA | NA | R软件版本4.2.0 |
| 510 | 2025-10-05 |
Reshaping Anesthesia with Artificial Intelligence: From Concept to Reality
2025, Anesthesia and critical care (Houston, Tex.)
PMID:41019310
|
综述 | 本文综述人工智能在麻醉学领域的应用现状与发展前景 | 系统分析AI在麻醉领域从规则系统到深度学习模型的演进路径，提出可解释AI框架的整合方案 | 存在医疗系统间可重复性验证不足、伦理争议、临床质疑及数据深度不足等障碍 | 探讨人工智能技术在麻醉学领域的转化应用与未来发展 | 麻醉临床流程与患者管理 | 自然语言处理, 机器学习 | 围术期并发症 | 生理信号监测, 脑电图反馈, 超声成像, 药物基因组学 | 深度学习, 机器学习 | 生理信号, 文本记录, 影像数据 | NA | NA | NA | NA | NA |
| 511 | 2025-10-05 |
Explainable AI and mobile imaging for non-destructive avocado ripeness and internal quality assessment to reduce food waste
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101196
PMID:41019612
|
研究论文 | 本研究结合智能手机成像和深度学习技术，开发了一种非破坏性评估鳄梨成熟度和内部质量的方法 | 首次将可解释AI与移动成像结合用于鳄梨质量评估，开发了CNN残差回归模型并应用LIME技术提供模型解释 | 研究仅针对鳄梨单一水果，在室温储存条件下进行，样本量为1400张图像 | 通过非破坏性质量评估减少食物浪费，支持更智能的消费和分销决策 | 鳄梨果实 | 计算机视觉 | NA | 智能手机成像，纹理分析仪测量 | CNN, Vision Transformer, 支持向量机回归, 随机森林 | 图像 | 1400张鳄梨图像，采集于8天储存期间 | NA | ResNetR, CNN, Vision Transformer | 相关系数R, 准确率 | NA |
| 512 | 2025-10-05 |
Multidimensional quality evaluation and traceability study of Fritillariae Cirrhosae Bulbus from different sources
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1648434
PMID:41019711
|
研究论文 | 通过多维分析技术研究不同来源川贝母的质量差异并建立深度学习溯源模型 | 首次整合非靶向代谢组学、生物碱定量、矿物营养元素分析和高光谱成像特征，构建基于ResNet深度学习模型的川贝母溯源系统 | 外部验证准确率为86.67%，仍有提升空间；样本来源地域有限 | 建立川贝母多维质量评价体系和准确溯源方法 | 不同地理来源和栽培方式的川贝母样本 | 数字病理 | NA | 非靶向代谢组学,生物碱定量分析,矿物营养元素分析,高光谱成像 | 深度学习,CNN | 高光谱图像,代谢组数据,化学成分数据 | 来自色卡乡、八美镇、川主寺镇和安宏乡的川贝母样本 | NA | ResNet | 准确率 | NA |
| 513 | 2025-10-05 |
Deep-broad learning network model for precision identification and diagnosis of grape leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1611301
PMID:41019747
|
研究论文 | 提出一种结合宽度学习与深度学习的深度-宽度学习网络模型(ABLSS)，用于葡萄叶片病害的精准识别与诊断 | 将宽度学习网络模型与深度学习技术相结合，引入LTM机制和SENet注意力机制，并整合扩张空间金字塔池化和特征金字塔网络 | NA | 实现葡萄叶片病害的快速、精准、高效识别与诊断 | 葡萄叶片病害 | 计算机视觉 | 植物病害 | 图像识别 | 深度学习,宽度学习 | 图像 | NA | NA | BLS,U-Net,SENet | 准确率,MIOU,MPA | NA |
| 514 | 2025-10-05 |
IMNM: integrated multi-network model for identifying pepper leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1558349
PMID:41019742
|
研究论文 | 提出一种集成多网络模型(IMNM)用于识别辣椒叶片病害 | 结合改进的ResNet、动态卷积网络(DCN)和渐进式原型网络(PPN)构建集成模型，具备强大的跨作物泛化能力 | NA | 开发基于深度学习的作物病害智能识别方法 | 辣椒叶片病害（健康、病毒病、叶枯病、褐斑病、斑点病）以及苹果、小麦、水稻叶片病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 五种典型辣椒叶片样本 | NA | ResNet,DCN,PPN | 准确率,特异性,精确率,灵敏度 | NA |
| 515 | 2025-10-05 |
YOLO-LF: application of multi-scale information fusion and small target detection in agricultural disease detection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1609284
PMID:41019758
|
研究论文 | 提出改进的YOLO-LF模型用于农业病害检测，通过多尺度信息融合和小目标检测技术提升检测精度 | 引入CSPPA、SEA和LGCK模块，增强多尺度特征融合、注意力机制和小病变区域敏感性 | NA | 提高农业病害检测的准确性和效率，特别是针对小目标和复杂背景下的检测任务 | 农业作物病害 | 计算机视觉 | 农业病害 | 深度学习 | YOLO | 图像 | Plant Pathology 2020 - FGVC7和Plant Pathology 2021 - FGVC8数据集 | NA | YOLO-LF, CSPPA, SEA, LGCK | mAP@0.5%, mAP@0.5-0.95% | NA |
| 516 | 2025-10-05 |
Avoidance behaviours of farmed Atlantic salmon (Salmo salar L.) to artificial sound and light: a case study of net-pen mariculture in Norway
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1657567
PMID:41019777
|
研究论文 | 研究养殖大西洋鲑对人工声音和光照的回避行为，为水产养殖设备设计提供依据 | 首次系统研究商业网箱养殖环境下大西洋鲑对不同频率声音和不同深度光照强度的行为响应 | 仅针对挪威网箱养殖环境，未考虑其他养殖条件或鱼种 | 评估养殖设备产生的声音和光照对鱼类行为的影响，优化水产养殖设备设计 | 养殖大西洋鲑 | 水产养殖 | NA | 声纳监测，深度学习图像处理 | 深度学习 | 声纳图像数据 | 商业网箱中的成年养殖大西洋鲑 | NA | NA | 回避距离估计 | NA |
| 517 | 2025-10-05 |
Evaluation of the impact of AI-driven personalized learning platform on medical students' learning performance
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1610012
PMID:41020237
|
研究论文 | 评估基于Coze平台的AI驱动个性化学习对医学生学习成效的影响 | 首次在医学教育中整合动态学习路径优化、情感感知支持和BERT模型资源推荐的综合AI干预方案 | 样本量较小（40人），缺乏长期效果追踪，需多中心大样本研究进一步验证 | 评估AI个性化学习平台在医学教育中的应用价值 | 40名全日制医学本科生 | 自然语言处理 | NA | 自然语言处理（NLP），BERT模型 | BERT | 文本数据，学习行为数据，测评成绩 | 40名医学本科生（实验组20人，对照组20人） | NA | BERT | 标准化测试成绩，学习满意度量表，学习时长，课堂互动频率，文献阅读量 | NA |
| 518 | 2025-10-05 |
Automated segmentation of soft X-ray tomography: native cellular structure with sub-micron resolution at high throughput for whole-cell quantitative imaging in yeast
2024-Nov-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.31.621371
PMID:39554159
|
研究论文 | 开发基于深度学习的自动分割流程用于软X射线断层扫描数据中细胞结构的分割和标记 | 首次将深度学习自动分割应用于软X射线断层扫描，实现高通量全细胞定量成像分析 | 需要手动迭代优化来提高分割精度 | 实现酵母细胞亚微米分辨率下的高通量全细胞定量成像分析 | 三种酵母菌株（野生型、VPH1-GFP和另一菌株）的细胞结构 | 计算机视觉 | NA | 软X射线断层扫描(SXT) | 深度学习 | 3D断层扫描图像 | 数百个细胞，涵盖三种酵母菌株 | NA | NA | 分割精度 | NA |
| 519 | 2025-10-05 |
Selective Classification Under Distribution Shifts
2024-Oct, Transactions on machine learning research
PMID:41019465
|
研究论文 | 提出一种考虑分布偏移的选择性分类框架，适用于深度学习中标签偏移和协变量偏移场景 | 首次在选择性分类中系统考虑分布偏移问题，提出两种新的基于间隔的置信度评分函数 | 仅关注非基于训练的置信度评分函数，未涉及训练阶段的分布偏移适应方法 | 开发在数据分布偏移情况下仍能可靠工作的选择性分类系统 | 深度学习分类器在分布偏移下的选择性预测 | 机器学习 | NA | 深度学习 | 深度学习分类器 | NA | NA | NA | NA | NA | NA |
| 520 | 2025-10-05 |
SVPath: A Deep Learning Tool for Analysis of Stria Vascularis from Histology Slides
2024-Aug, Journal of the Association for Research in Otolaryngology : JARO
DOI:10.1007/s10162-024-00948-z
PMID:38760547
|
研究论文 | 开发了一种名为SVPath的深度学习工具，用于从颞骨组织病理学切片中自动分析和提取血管纹及其相关毛细血管床 | 首次结合YOLOv8和nnUnet深度学习模型，实现了血管纹的自动检测和分割，并开发了专门的SV分析工具(SVAT)进行形态学测量 | 研究样本数量有限，仅使用了正常猕猴耳的切片数据，缺乏病理状态下的验证 | 开发自动化工具用于血管纹的组织病理学分析 | 猕猴颞骨组织切片中的血管纹和毛细血管床 | 数字病理学 | 耳科疾病 | 组织病理学染色(苏木精-伊红染色) | CNN | 图像 | 内部数据集203张切片，外部验证集10张切片(均来自正常猕猴耳) | PyTorch | YOLOv8,nnUnet | 准确率,DICE分数 | NA |