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 |
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 |
| 502 | 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 |
| 503 | 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 |
| 504 | 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 |
| 505 | 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 |
| 506 | 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 |
| 507 | 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 |
| 508 | 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 |
| 509 | 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 |
| 510 | 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 |
| 511 | 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 |
| 512 | 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 |
| 513 | 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 |
| 514 | 2025-10-05 |
Predicting the Tumor Microenvironment Composition and Immunotherapy Response in Non-Small Cell Lung Cancer from Digital Histopathology Images
2024-Jun-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.11.24308696
PMID:41030932
|
研究论文 | 提出一种名为HistoTME的弱监督深度学习方法，直接从非小细胞肺癌患者的组织病理学图像预测肿瘤微环境组成和免疫治疗反应 | 首次开发能够直接从组织病理学图像推断肿瘤微环境组成的弱监督深度学习方法，无需额外分子检测 | 研究基于特定患者队列，需要在更广泛人群中验证 | 预测非小细胞肺癌肿瘤微环境组成和免疫治疗反应 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | 数字组织病理学成像 | 深度学习 | 全切片图像 | 外部临床队列652名患者 | NA | NA | Pearson相关系数, AUROC | NA |
| 515 | 2025-10-05 |
Predicting Progression From Mild Cognitive Impairment to Alzheimer's Dementia With Adversarial Attacks
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3373703
PMID:38507374
|
研究论文 | 提出一种结合浅层神经网络和对抗性攻击的框架，用于预测轻度认知障碍向阿尔茨海默病痴呆的转化 | 使用单步梯度对抗性攻击寻找输入空间中的对抗性进展方向，通过到决策边界的距离预测疾病转化 | 阿尔茨海默病研究可用数据集规模不足以学习复杂模型 | 预测轻度认知障碍向阿尔茨海默病痴呆的转化 | 轻度认知障碍患者 | 机器学习 | 阿尔茨海默病 | 对抗性攻击 | 神经网络 | 患者数据 | 两个公开可用数据集 | NA | 浅层神经网络 | NA | NA |
| 516 | 2025-10-05 |
CONUNETR: A CONDITIONAL TRANSFORMER NETWORK FOR 3D MICRO-CT EMBRYONIC CARTILAGE SEGMENTATION
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635851
PMID:41018045
|
研究论文 | 提出一种基于Transformer的条件网络CONUNETR，用于3D显微CT胚胎软骨分割 | 引入改进的生物先验知识和条件机制，能够通过单一模型准确预测多个年龄组的软骨形态 | NA | 解决胚胎软骨快速结构变化导致的深度学习模型泛化问题 | 小鼠胚胎软骨 | 计算机视觉 | 骨骼发育异常 | 显微CT | Transformer | 3D图像 | NA | NA | CONUNETR | NA | NA |
| 517 | 2025-10-05 |
High-throughput target trial emulation for Alzheimer's disease drug repurposing with real-world data
2023-12-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43929-1
PMID:38081829
|
研究论文 | 本研究使用真实世界数据模拟目标临床试验，评估数千种药物对阿尔茨海默病的潜在治疗效果 | 提出基于倾向评分模型的改进选择策略，并在大规模真实世界数据上系统评估深度学习与传统逻辑回归方法在协变量平衡方面的表现 | 基于观察性数据，可能存在未测量的混杂因素 | 通过目标试验模拟方法进行阿尔茨海默病药物再利用研究 | 170多万患者的临床记录和数千种已批准药物 | 医学信息学 | 阿尔茨海默病 | 目标试验模拟，逆概率加权 | 深度学习，逻辑回归 | 真实世界临床数据 | 超过170万患者，覆盖10多年临床记录 | NA | NA | 协变量平衡 | NA |
| 518 | 2025-10-05 |
Comprehensive tissue deconvolution of cell-free DNA by deep learning for disease diagnosis and monitoring
2023-07-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2305236120
PMID:37399400
|
研究论文 | 通过深度学习对血浆游离DNA进行组织溯源分析，用于疾病诊断和治疗监测 | 构建了基于521个非癌组织样本的全面高分辨率甲基化图谱，开发了基于深度学习的监督组织反卷积方法 | 仅包含29种主要人体组织类型，可能未覆盖所有组织类型 | 开发高灵敏度和准确性的组织来源cfDNA定量方法，用于疾病检测和监测 | 血浆游离DNA和组织特异性甲基化模式 | 数字病理 | 多种疾病 | 甲基化测序 | 深度学习 | 甲基化数据 | 521个非癌组织样本，涵盖29种主要人体组织类型 | NA | NA | 灵敏度, 准确度 | NA |
| 519 | 2025-10-05 |
Application of Machine learning to predict RF heating of cardiac leads during magnetic resonance imaging at 1.5 T and 3 T: A simulation study
2023-04, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2023.107384
PMID:36842429
|
研究论文 | 本研究探索应用深度学习预测心脏导联在1.5T和3T磁共振成像中射频加热的可行性 | 首次将深度学习应用于预测位置和方向可变的导电导联在MRI中的射频加热，突破了传统固定位置预测的限制 | 基于仿真数据的研究，需要进一步实验验证；SAR预测误差范围较大（223W/kg和206W/kg） | 开发快速预测磁共振成像中导电植入物射频加热的机器学习方法 | 心脏导联模型（心血管植入电子设备中的导联） | 机器学习 | 心血管疾病 | 电磁仿真，磁共振成像 | 神经网络 | 仿真数据，坐标数据 | 600个具有临床相关轨迹的心脏导联模型 | NA | 神经网络 | 均方根误差，R分数 | NA |
| 520 | 2025-10-05 |
Machine-learning based investigation of prognostic indicators for oncological outcome of pancreatic ductal adenocarcinoma
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.895515
PMID:36568148
|
研究论文 | 开发基于3D-CNN的机器学习模型，利用术前CT扫描预测胰腺导管腺癌的淋巴结转移和术后切缘状态 | 首次将三维卷积神经网络应用于胰腺癌术前CT扫描，同时预测淋巴结转移和术后切缘状态 | 样本量较小（110名患者），需要更大规模研究验证模型的普适性 | 改善胰腺导管腺癌术前影像学分期，预测术后切缘和淋巴结状态 | 胰腺导管腺癌患者 | 计算机视觉 | 胰腺癌 | CT扫描 | CNN | 医学影像 | 110名患者的881个CT扫描 | NA | 3D-CNN | 准确率 | NA |