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 24902 篇文献，本页显示第 5781 - 5800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5781 | 2025-03-13 |
Publisher Correction: A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images
2025-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92325-w
PMID:40069280
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5782 | 2025-04-03 |
Comparative analysis of U-Mamba and no new U-Net for the detection and segmentation of esophageal cancer in contrast-enhanced computed tomography images
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1116
PMID:40160632
|
研究论文 | 本研究旨在开发和验证一种深度学习模型，用于在增强CT图像中自动检测和分割食管癌病变 | 比较了U-Mamba和nnU-Net两种深度学习网络在食管癌检测和分割中的性能，并展示了其在减少漏诊和提供一致病变标注方面的优势 | 研究为回顾性设计，可能受到选择偏倚的影响，且仅使用了来自三家医院的数据 | 开发自动检测和分割食管癌病变的深度学习模型 | 食管癌患者和健康食管的个体 | 数字病理 | 食管癌 | 对比增强CT成像 | U-Mamba和nnU-Net | 医学图像 | 871名患者（564名男性），中位年龄67岁 |
| 5783 | 2025-04-03 |
Ultrasound-based deep learning radiomics for multi-stage assisted diagnosis in reducing unnecessary biopsies of BI-RADS 4A lesions
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-580
PMID:40160614
|
研究论文 | 本研究开发了基于超声图像的深度学习放射组学模型，用于改善BI-RADS 4A病变的诊断一致性并减少不必要的活检 | 提出了两种深度学习放射组学模型（DLR_LH和DLR_BM），用于乳腺病变风险重新分层和识别低恶性概率的BI-RADS 4A病变，以减少不必要的活检 | 研究为回顾性设计，可能受到选择偏倚的影响 | 提高乳腺超声成像诊断的准确性，减少不必要的活检 | 746名乳腺病变患者 | 数字病理 | 乳腺癌 | 深度学习放射组学 | DLR（深度学习放射组学模型） | 超声图像和临床变量 | 746名患者 |
| 5784 | 2025-04-03 |
Multitask Swin Transformer for classification and characterization of pulmonary nodules in CT images
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1619
PMID:40160630
|
research paper | 提出了一种多任务Swin Transformer（MTST）模型，用于CT图像中肺结节的分类和特征分析 | 结合多任务学习框架，同时输出良恶性分类、多级分类和结节特征分析，提高了模型的性能和可解释性 | 模型性能依赖于数据质量和数量，且在实际临床环境中的泛化能力有待进一步验证 | 开发一种计算机辅助诊断（CAD）系统，用于肺结节的早期诊断和特征分析 | CT图像中的肺结节 | digital pathology | lung cancer | U-Net GAN用于图像增强 | Swin Transformer, CNN | CT图像 | 训练集/验证集/测试集分别为9,600/2,400/1,600个结节 |
| 5785 | 2025-04-03 |
Deep learning for identifying cervical ossification of the posterior longitudinal ligament: a systematic review and meta-analysis
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1485
PMID:40160638
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估深度学习模型在诊断和预测颈椎后纵韧带骨化症中的性能 | 首次系统评估深度学习模型在颈椎后纵韧带骨化症诊断中的表现，并与传统方法进行比较 | 研究方法存在差异，深度学习技术本身存在挑战 | 评估深度学习模型在颈椎后纵韧带骨化症诊断和预测中的准确性和可靠性 | 颈椎后纵韧带骨化症患者 | 数字病理学 | 颈椎病 | 深度学习 | DLM | 医学影像 | 7项研究共3,373名患者，荟萃分析包含1,016名患者 |
| 5786 | 2025-04-03 |
Advanced deep learning for multi-class colorectal cancer histopathology: integrating transfer learning and ensemble methods
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1641
PMID:40160652
|
research paper | 本研究开发了一种基于深度卷积神经网络（CNNs）的集成模型，用于结直肠癌组织病理学图像的多分类 | 结合迁移学习和集成方法优化深度学习模型在结直肠癌组织病理学图像分类中的性能 | 研究仅在一个公开数据集（EBHI）上进行了测试，未在其他数据集上验证模型的泛化能力 | 优化深度学习模型在结直肠癌组织病理学图像分类中的性能，以提高早期检测率和诊断准确性 | 结直肠癌组织病理学图像 | digital pathology | colorectal cancer | deep learning, transfer learning, ensemble methods | CNN, ensemble model | image | EBHI数据集（具体样本数量未提及） |
| 5787 | 2025-04-03 |
An automatic deep learning-based bone mineral density measurement method using X-ray images of children
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-283
PMID:40160646
|
研究论文 | 提出了一种基于深度学习的自动骨密度测量方法，利用儿童X射线图像进行骨密度评估 | 通过单次X射线图像结合等效阶梯体模，实现骨龄或损伤评估的同时测量前臂骨密度，且采用深度学习方法消除软组织对骨密度测量的影响 | 方法仅在500张临床X射线图像上验证，样本量相对有限 | 开发一种适用于临床环境的自动骨密度测量方法，以替代或补充DXA技术 | 儿童的手部和前臂X射线图像 | 数字病理 | 骨质疏松症 | X射线成像 | 深度学习 | 图像 | 500张临床X射线图像 |
| 5788 | 2025-04-03 |
Enhancing bone radiology images classification through appropriate preprocessing: a deep learning and explainable artificial intelligence approach
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1745
PMID:40160653
|
研究论文 | 本文通过深度学习和可解释人工智能方法，探讨了适当的预处理对骨放射学图像分类性能的提升作用 | 本文的创新点在于将特定的预处理技术（如去除背景和无关部分）应用于医学图像，以提高深度学习模型在分类任务中的性能，并结合XAI技术验证和说明其益处 | NA | 强调医学深度学习模型结果的真实性和模型及其创建者的责任，通过提出针对医学数据集的预处理方法来提高模型的性能和可靠性 | 骨放射学图像数据集 | 计算机视觉 | NA | 深度学习，可解释人工智能（XAI） | DenseNet201等深度学习神经网络 | 图像 | 两个骨放射学图像数据集 |
| 5789 | 2025-04-03 |
A multi-scale pyramid residual weight network for medical image fusion
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-851
PMID:40160660
|
research paper | 提出了一种名为LYWNet的多尺度金字塔残差权重网络，用于医学图像融合，旨在有效整合高频细节信息和低频上下文信息 | 提出了一种新的CNN网络LYWNet，通过多尺度金字塔残差权重块和特征蒸馏融合算法，有效保留高频细节和低频上下文信息 | 未提及具体的样本量或实验数据集的规模，可能影响方法的普适性验证 | 改进多模态医学图像融合技术，提升临床诊断和手术导航的准确性和质量 | 医学图像（如SPECT-MRI、PET-MRI、MRI-CT等） | digital pathology | NA | CNN-based image fusion | CNN (LYWNet) | image | NA |
| 5790 | 2025-04-03 |
Quantitative assessment and risk stratification of random acute pulmonary embolism cases using a deep learning model based on computed tomography pulmonary angiography images
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1412
PMID:40160671
|
研究论文 | 本研究开发了一种结合Transformer的VB-Net深度学习模型，用于从CTPA图像中检测肺栓塞并自动计算血栓负荷评分 | 首次报道了结合Transformer的VB-Net深度学习模型在肺栓塞检测和血栓负荷评分自动计算中的应用 | 模型在随机CTPA检查中的灵敏度为76.67%，仍有提升空间 | 通过早期诊断、风险分层和治疗方案确定来帮助患者，改善预后并减轻放射科医生的负担 | 肺栓塞患者 | 数字病理学 | 肺栓塞 | CTPA | VB-Net结合Transformer | 医学影像 | 2,424例CTPA检查病例（44%男性）用于训练和测试模型，另外70例随机CTPA数据（30例急性肺栓塞，40例无肺栓塞）用于验证 |
| 5791 | 2025-04-03 |
Artificial Intelligence Applications in Image-Based Diagnosis of Early Esophageal and Gastric Neoplasms
2025-Mar-03, Gastroenterology
IF:25.7Q1
DOI:10.1053/j.gastro.2025.01.253
PMID:40043857
|
research paper | 本文探讨了人工智能在早期食管和胃肿瘤图像诊断中的应用 | 利用深度学习和卷积神经网络提高诊断准确性，减少诊断变异性，特别是在人类错误或疲劳可能影响诊断精度的情况下 | 训练数据集的多样性受限，且AI系统的'黑箱'性质可能影响其可解释性和临床医生的信任 | 探索人工智能在上消化道内窥镜诊断中的潜在应用，以提高早期癌症检测和治疗规划的有效性 | 巴雷特食管、食管鳞状细胞癌和早期胃癌等上消化道疾病 | digital pathology | esophageal and gastric neoplasms | deep learning, convolutional neural networks | CNN | image | NA |
| 5792 | 2025-02-19 |
Interpreting and comparing neural activity across systems by geometric deep learning
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02581-3
PMID:39962313
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5793 | 2025-04-03 |
A Real-Time Computer-Aided Diagnosis System for Coronary Heart Disease Prediction Using Clinical Information
2025-Mar, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM26204
PMID:40160568
|
研究论文 | 本研究旨在设计一个快速且高精度的智能模型，利用临床信息预测冠心病 | 提出了一种基于机器学习的冠心病预测模型，具有高精度和效率，适用于临床应用 | 模型依赖于公开数据集，可能无法涵盖所有临床场景 | 设计一个高效且高精度的冠心病预测模型 | 冠心病患者 | 机器学习 | 心血管疾病 | 奇异值分解方法 | 多层感知机 | 临床信息 | 五个公开数据集，共1222名患者 |
| 5794 | 2024-10-18 |
Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias
2025-02, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31963
PMID:39413236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5795 | 2025-04-03 |
Machine learning-based prediction model integrating ultrasound scores and clinical features for the progression to rheumatoid arthritis in patients with undifferentiated arthritis
2025-Feb, Clinical rheumatology
IF:2.9Q2
DOI:10.1007/s10067-025-07304-3
PMID:39789318
|
研究论文 | 本研究开发了一种基于机器学习的预测模型，整合超声评分和临床特征，用于预测未分化关节炎患者向类风湿性关节炎的进展 | 首次将18关节超声评分系统（US18）与临床数据结合，利用机器学习模型提高高风险患者的早期识别能力 | 研究仅跟踪了患者1年时间，长期预测效果尚不明确 | 提高未分化关节炎患者向类风湿性关节炎进展的早期预测准确性 | 432名未分化关节炎患者 | 机器学习 | 类风湿性关节炎 | 18关节超声评分系统（US18） | Random Forest (RnFr), 深度学习模型 | 临床数据和超声评分数据 | 432名未分化关节炎患者（其中152名进展为类风湿性关节炎） |
| 5796 | 2025-04-03 |
Deep learning helps discriminate between autoimmune hepatitis and primary biliary cholangitis
2025-Feb, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2024.101198
PMID:39829723
|
research paper | 本研究开发了一种基于深度学习的系统（ALNE），用于区分自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC） | 首次提出了一个无需人工标注的深度学习模型（ALNE），能够定量且准确地区分AIH和PBC | 扫描技术和切片染色的多样性可能影响模型的鲁棒性和泛化能力 | 开发一种辅助诊断工具，以减少AIH和PBC的误诊 | 自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）患者 | digital pathology | liver disease | H&E染色全切片图像分析 | transformer-based deep learning system (ALNE) | image | 训练集354例（266例AIH和102例PBC），外部验证集92例（62例AIH和30例PBC） |
| 5797 | 2025-04-03 |
Artificial Intelligence-Based Predictive Modeling for Aortic Aneurysms
2025-Feb, Cureus
DOI:10.7759/cureus.79662
PMID:40161150
|
review | 本文综述了人工智能和机器学习在主动脉瘤预测建模中的当前状态和未来方向，强调了其在风险评估、筛查和预后中的多样性和进展 | 探讨了将临床、影像和基因组数据整合到AI/ML中以提高预测性和临床适用性，并讨论了将AI预测模型转化为临床实践的挑战和前景 | 数据质量、模型可解释性以及法律和伦理问题 | 增强主动脉瘤的风险评估和管理，推动心血管护理向精准医学转变 | 腹主动脉瘤（AAAs） | machine learning | cardiovascular disease | supervised and unsupervised learning, deep learning | NA | clinical, imaging, genomic data | NA |
| 5798 | 2025-04-03 |
COVINet: a deep learning-based and interpretable prediction model for the county-wise trajectories of COVID-19 in the United States
2025, Journal of applied statistics
IF:1.2Q2
DOI:10.1080/02664763.2024.2412284
PMID:40160484
|
research paper | 提出了一种基于深度学习的可解释预测模型COVINet，用于预测美国各县的COVID-19疫情轨迹 | 结合LSTM和GRU架构，整合可操作协变量，提供高精度预测和可解释响应 | 仅针对美国特定时间段和县区进行验证，未涉及其他地区或更长时间段 | 准确预测COVID-19疫情轨迹并制定遏制策略 | 美国各县的COVID-19确诊病例和死亡病例 | machine learning | COVID-19 | NA | LSTM, GRU | time-series data | 美国CDC提供的最后四周数据（截至2021年4月26日）及热点州最严重县区数据（截至2023年3月23日） |
| 5799 | 2025-04-03 |
Unravelling pathological ageing with brain age gap estimation in Alzheimer's disease, diabetes and schizophrenia
2025, Brain communications
IF:4.1Q2
DOI:10.1093/braincomms/fcaf109
PMID:40161217
|
research paper | 该研究通过脑年龄差距估计（BrainAGE）探讨阿尔茨海默病、糖尿病和精神分裂症中的病理性老化 | 利用敏感性图谱揭示不同病理条件下脑区域对BrainAGE预测的贡献差异，为理解神经退行性疾病的机制提供新视角 | 神经生物学限制尚未明确，生物标志物的特异性有待进一步验证 | 评估BrainAGE作为病理性脑老化生物标志物的潜力，并比较不同病理条件下的神经退行性机制 | 阿尔茨海默病（AD）、精神分裂症和2型糖尿病（T2D）患者 | digital pathology | Alzheimer's disease, schizophrenia, Type 2 diabetes | structural magnetic resonance imaging (MRI) | deep learning models | MRI scans (T-weighted, grey matter, white matter, cerebrospinal fluid tissue segmentation, deformation fields) | NA |
| 5800 | 2025-04-03 |
Automatic classification of Giardia infection from stool microscopic images using deep neural networks
2025, BioImpacts : BI
IF:2.2Q3
DOI:10.34172/bi.30272
PMID:40161947
|
研究论文 | 本研究应用深度学习模型自动分类粪便显微镜图像中的贾第虫感染 | 与以往研究不同，本研究专注于粪便样本而非饮用水样本，并采用智能手机拍摄的显微镜图像 | 样本量相对较小（1610张图像），且仅针对贾第虫感染 | 开发一种自动分类贾第虫感染的方法，以辅助快速准确诊断贾第虫病 | 粪便显微镜图像中的贾第虫寄生虫 | 数字病理学 | 贾第虫病 | 深度学习 | Xception, ResNet-50, EfficientNet-B0 | 图像 | 1610张粪便显微镜图像 |