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 32492 篇文献，本页显示第 6581 - 6600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6581 | 2025-10-06 |
Artificial Intelligence in Computed Tomography Image Reconstruction: A Review of Recent Advances
2025 Jul-Aug 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001734
PMID:40008975
|
综述 | 本文综述了人工智能在计算机断层扫描图像重建领域的最新进展 | 系统总结了AI技术在低剂量、稀疏视图、有限角度和内部断层扫描等挑战性CT重建条件下的突破性表现 | NA | 探讨人工智能技术在CT图像重建中的应用与发展 | 计算机断层扫描图像重建算法 | 计算机视觉 | NA | 深度学习 | NA | CT图像 | NA | NA | NA | 图像质量、噪声纹理 | NA |
| 6582 | 2025-10-06 |
Artificial intelligence and its application in clinical microbiology
2025-Jul, Expert review of anti-infective therapy
IF:4.2Q1
DOI:10.1080/14787210.2025.2484284
PMID:40131188
|
综述 | 本文全面回顾了人工智能在临床微生物学中的应用、进展和整合挑战 | 系统分析了AI在病原体检测、抗菌药物耐药性预测和诊断成像中的最新应用，并提出了可解释AI和联邦学习框架的未来发展方向 | 面临数据异质性、模型可解释性和伦理问题等挑战，需要更强大的验证 | 评估人工智能在临床微生物学诊断中的应用价值和挑战 | 临床微生物诊断中的病原体识别和抗菌药物耐药性评估 | 机器学习 | 传染病 | RT-PCR, 诊断成像 | 机器学习, 深度学习, CNN | 微生物数据, 诊断图像 | NA | NA | 卷积神经网络 | 诊断准确性, 工作流程效率, 临床验证 | NA |
| 6583 | 2025-10-06 |
Artificial Intelligent-Enhanced Metabolite Profiling for Intraoperative IDH1 Genotyping in Glioma Using an Orthogonally Responsive SERS Probe
2025-Jul, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202503360
PMID:40171868
|
研究论文 | 开发了一种结合人工智能的表面增强拉曼散射探针，用于神经胶质瘤术中IDH1基因分型 | 通过正交响应拉曼信号同时检测两种氧化还原相关代谢物，并采用深度学习算法提升测量速度和准确性 | 研究样本量较小（31例患者），需要更大规模验证 | 实现神经胶质瘤术中IDH1基因型的快速准确识别 | 神经胶质瘤患者 | 数字病理 | 神经胶质瘤 | 表面增强拉曼散射（SERS） | 深度学习 | 拉曼光谱 | 31例神经胶质瘤患者 | NA | 多任务学习 | AUC（受试者工作特征曲线下面积） | NA |
| 6584 | 2025-10-06 |
Deep Learning-accelerated MRI in Body and Chest
2025 Jul-Aug 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001762
PMID:40360272
|
综述 | 探讨深度学习重建技术在加速身体和胸部磁共振成像中的应用与挑战 | 提出深度学习重建作为磁共振加速的优雅解决方案，在保持图像质量的同时显著缩短采集时间 | 存在病灶检测率轻微降低、心脏运动相关信号丢失、区域信噪比变化和ADC测量变异等挑战 | 研究深度学习重建技术在磁共振成像中的加速应用与性能评估 | 腹部、盆腔和胸部器官系统（特别是肝脏和前列腺）的磁共振成像 | 医学影像分析 | 多器官系统疾病 | 磁共振成像（T2、T1、弥散加权成像） | 监督深度学习模型 | 医学影像数据 | NA | NA | 变分网络 | 图像质量指标、病灶显着性、信噪比、对比噪声比、ADC测量 | NA |
| 6585 | 2025-10-06 |
Application of Hyperspectral Imaging and Machine Learning for Differential Diagnosis of Hashimoto's Thyroiditis and Papillary Thyroid Carcinoma
2025-Jul, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500123
PMID:40364460
|
研究论文 | 本研究应用高光谱成像和深度学习模型区分桥本甲状腺炎和甲状腺乳头状癌 | 首次结合高光谱成像技术和自适应光谱特征选择网络模型分析甲状腺疾病的光谱特征差异 | 研究样本量有限，仅针对两种特定甲状腺疾病进行分析 | 开发基于高光谱成像的甲状腺疾病精确诊断方法 | 桥本甲状腺炎和甲状腺乳头状癌患者组织样本 | 计算机视觉 | 甲状腺疾病 | 高光谱成像 | 深度学习 | 高光谱图像 | NA | NA | 自适应光谱特征选择网络 | 准确率 | NA |
| 6586 | 2025-10-06 |
Development of 3D Intelligent Quantitative Phase Microscope for Sickle Cells Screening
2025-Jul, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400512
PMID:40364484
|
研究论文 | 开发用于镰状细胞筛查的3D智能定量相位显微镜系统 | 结合干涉测量法和深度学习UNET模型，实现镰状细胞的自动语义分割和分类 | 系统鲁棒性需进一步提升，尚未经过广泛临床验证 | 开发自动化的镰状细胞病筛查系统 | 镰状细胞和健康红细胞 | 计算机视觉 | 镰状细胞病 | 干涉测量法 | UNET, 梯度提升模型 | 3D相位图像 | NA | NA | UNET | 准确率 | NA |
| 6587 | 2025-10-06 |
A fully open AI foundation model applied to chest radiography
2025-Jul, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-09079-8
PMID:40500447
|
研究论文 | 开发了名为Ark的胸部X光基础模型，通过循环积累和重用多数据集专家标注知识训练而成 | 首个完全开放的医学影像基础模型，能够通过循环积累异构专家标注知识实现多疾病诊断、适应新疾病、小样本学习和联邦学习 | NA | 开发一个诊断范围广、泛化性强、适应性强、鲁棒性好且可扩展的胸部X光AI基础模型 | 胸部X光影像 | 医学影像分析 | 肺部疾病 | 深度学习 | 基础模型 | 医学影像 | 多个公共数据集（大小不一）的异构数据 | NA | NA | NA | NA |
| 6588 | 2025-10-06 |
nuTCRacker: Predicting the Recognition of HLA-I-Peptide Complexes by αβTCRs for Unseen Peptides
2025-Jul, European journal of immunology
IF:4.5Q2
DOI:10.1002/eji.202451607
PMID:40629982
|
研究论文 | 提出一种名为nuTCRacker的新型深度学习方法，用于预测αβTCR对HLA-I-肽复合物的识别能力，特别针对训练数据中未出现的肽段 | 能够对训练数据中未出现的抗原肽段进行准确预测，解决了现有方法无法准确预测未见肽段的局限性 | 仅能对部分未见肽段进行准确预测，且预测性能依赖于训练数据的特定条件 | 开发能够预测αβTCR识别HLA-I-肽复合物的计算方法，以促进T细胞库选择和靶向细胞免疫疗法的发展 | αβT细胞受体（TCR）和HLA-I-肽复合物 | 机器学习 | 癌症 | 深度学习 | 深度学习模型 | 生物序列数据 | 来自公共资源的大型数据集和一个小型细胞验证数据集 | NA | nuTCRacker | AUC | NA |
| 6589 | 2025-10-06 |
SetBERT: the deep learning platform for contextualized embeddings and explainable predictions from high-throughput sequencing
2025-Jul-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf370
PMID:40563247
|
研究论文 | 提出SetBERT深度学习平台，用于从高通量测序数据生成情境化嵌入和可解释预测 | 通过利用序列间相互作用处理非结构化HTS数据，显著提升分类准确性并实现自主可解释预测 | 未明确说明模型在处理超大规模数据集时的计算效率限制 | 开发能够处理高通量测序数据并理解微生物群落功能关系的深度学习平台 | 微生物群落的高通量测序数据 | 机器学习 | NA | 高通量测序 | BERT | DNA序列数据 | NA | PyTorch, TensorFlow | SetBERT | 准确率 | NA |
| 6590 | 2025-10-06 |
miR-143 and miR-145 in Colorectal Cancer: A Digital Pathology Approach on Expressions and Protein Correlations
2025-Jul, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica
IF:2.2Q3
DOI:10.1111/apm.70051
PMID:40642870
|
研究论文 | 本研究采用数字病理学方法重新评估结直肠癌中miR-143和miR-145的表达及其与蛋白质靶标的关联 | 首次在原生肿瘤微环境中使用原位方法验证miRNA表达，并与先前报道的组织匀浆分析结果形成对比 | 仅发现11个miRNA-蛋白质关系中的4个存在显著相关性，样本量有限（100例患者） | 重新评估结直肠癌中miR-143和miR-145的表达模式及其与已验证蛋白质靶标的关系 | 100名结直肠癌患者的临床样本 | 数字病理学 | 结直肠癌 | 原位杂交, 免疫组织化学, 基于深度学习的上皮分割 | 深度学习 | 病理图像 | 100名结直肠癌患者 | NA | NA | 相关性分析 | NA |
| 6591 | 2025-10-06 |
Artificial Intelligence in cancer epigenomics: a review on advances in pan-cancer detection and precision medicine
2025-Jun-14, Epigenetics & chromatin
IF:4.2Q1
DOI:10.1186/s13072-025-00595-5
PMID:40517231
|
综述 | 本文综述人工智能在癌症表观基因组学中的应用进展，重点关注泛癌检测和精准医学 | 系统探讨AI与DNA甲基化分析的协同作用，推动多癌种早期检测和精准肿瘤学发展 | 早期癌症检测灵敏度有限、AI算法黑箱问题、缺乏多样化人群验证 | 探索人工智能如何通过DNA甲基化分析推进癌症精准医疗 | DNA甲基化谱和癌症表观遗传数据 | 机器学习 | 泛癌种 | DNA甲基化分析 | 深度学习网络, 图模型 | 表观遗传数据 | NA | NA | NA | 诊断准确率 | NA |
| 6592 | 2025-06-16 |
Commentary on "Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection" by Gencer et al., 2025
2025-Jun-13, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104666
PMID:40516582
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6593 | 2025-10-06 |
Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review
2025-Jun, Evidence-based dentistry
DOI:10.1038/s41432-025-01134-7
PMID:40114013
|
系统综述 | 系统综述深度卷积神经网络在咬翼片上检测邻面龋的应用效果 | 首次系统评估不同深度卷积神经网络模型在咬翼片邻面龋检测中的性能比较，特别指出YOLOv8模型的优势 | 纳入研究数量有限（仅10篇），样本量差异大（112-3989名参与者），仅40%研究在参考标准领域偏倚风险较低 | 评估深度卷积神经网络在咬翼片上检测邻面龋的诊断准确性和临床应用价值 | 咬翼片X光影像中的邻面龋病变 | 计算机视觉 | 龋齿 | 口腔X射线成像 | CNN | 医学影像 | 10项研究，参与者数量从112到3989不等 | NA | YOLOv8, 深度卷积神经网络 | 诊断准确性 | NA |
| 6594 | 2025-10-06 |
Analysis of influenza-like illness trends in Saudi Arabia: a comparative study of statistical and deep learning techniques
2025-Jun, Osong public health and research perspectives
IF:2.1Q3
DOI:10.24171/j.phrp.2025.0080
PMID:40501115
|
研究论文 | 比较Holt-Winters统计方法和LSTM深度学习模型在沙特阿拉伯流感样疾病趋势预测中的性能 | 首次在中东流行病学建模中整合区域特异性外生变量（气候条件和人口流动趋势）进行流感预测 | 研究期间包含COVID-19大流行可能影响流感数据模式，模型在高峰发病率波动期间表现不稳定 | 开发和评估流感样疾病周发病率预测模型 | 沙特阿拉伯2017-2022年每周流感样疾病发病率数据 | 机器学习 | 流感 | 时间序列分析 | LSTM, Holt-Winters | 时间序列数据 | 2017-2022年沙特阿拉伯每周流感数据 | NA | LSTM | RMSE, MAE, R2, PBIAS | NA |
| 6595 | 2025-10-06 |
Accurate classification of benign and malignant breast tumors in ultrasound imaging with an enhanced deep learning model
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1526260
PMID:40635689
|
研究论文 | 本研究开发了一种增强型深度学习模型RcdNet，用于超声图像中乳腺肿瘤良恶性的准确分类 | 提出结合深度可分离卷积和CBAM注意力模块的RcdNet模型，增强对超声图像关键病灶区域的识别能力 | 未提及模型在实时超声诊断系统中的具体应用挑战 | 通过深度学习技术构建可靠的乳腺超声图像良恶性分类模型，提高诊断准确性和一致性 | 乳腺超声图像中的良性和恶性肿瘤 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 未明确说明具体样本数量 | NA | RcdNet, ResNet, MobileNet, RegNet, ViT, ResNeXt | 准确率, 精确率, 召回率, F1分数 | NA |
| 6596 | 2025-10-06 |
Deep learning-based feature selection for detection of autism spectrum disorder
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1594372
PMID:40636395
|
研究论文 | 提出一种结合深度学习与优化特征选择算法的自闭症谱系障碍检测方法 | 采用混合堆叠稀疏去噪自编码器和多层感知器模型，并集成改进的徒步优化算法进行特征选择 | 样本量有限，仅使用ABIDE I数据集 | 开发更准确的自闭症谱系障碍检测模型 | 自闭症谱系障碍患者的静息态功能磁共振成像数据 | 机器学习 | 自闭症谱系障碍 | 静息态功能磁共振成像 | SSDAE, MLP | 神经影像数据 | ABIDE I数据集 | NA | 堆叠稀疏去噪自编码器, 多层感知器 | 准确率, 敏感度, 特异度 | NA |
| 6597 | 2025-10-06 |
Fourier convolutional decoder: reconstructing solar flare images via deep learning
2025, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-025-11283-6
PMID:40636402
|
研究论文 | 开发傅里叶卷积解码器用于太阳耀斑图像重建 | 提出定制化的过完备自编码器架构，能够在模拟数据上训练并生成接近真实地面的输出 | 在实验观测数据上的性能相比模拟数据有所下降 | 解决天文图像重建中计算资源消耗大和需要专家解释的问题 | 太阳耀斑图像 | 计算机视觉 | NA | 深度学习 | 自编码器 | 图像 | NA | NA | 傅里叶卷积解码器 | MS-SSIM, LPIPS, PSNR, Dice系数, Hausdorff距离 | CPU, GPU |
| 6598 | 2025-10-06 |
Leveraging learned monocular depth prediction for pose estimation and mapping on unmanned underwater vehicles
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1609765
PMID:40642204
|
研究论文 | 提出一种融合视觉与声学传感器的框架，用于无人水下航行器在复杂水下环境中的定位与建图 | 结合深度学习单目深度预测与基于FFT的稀疏深度先验，实现仅凭视觉数据的网箱相对姿态估计和深度预测 | NA | 提升无人水下航行器在动态水下环境（特别是水产养殖场景）中的定位与建图能力 | 无人水下航行器、水产养殖网箱 | 计算机视觉 | NA | 深度学习、快速傅里叶变换、声学测量 | 深度学习模型 | 视觉数据、声学数据 | 工业级水产养殖场收集的数据集 | NA | NA | 实时定位精度、3D地图质量 | NA |
| 6599 | 2025-10-06 |
Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT
2024-Dec-18, ArXiv
PMID:39764397
|
研究论文 | 提出一种基于能谱间结构相似性正则化的优化重建方法，用于解决有限角度双能锥束CT的图像重建问题 | 无需X射线能谱测量或配对数据集进行模型训练，通过能谱间结构相似性正则化有效减少有限角度伪影 | NA | 开发一种实用的图像重建方法，促进快速低剂量双能锥束CT的临床应用 | 四个物理体模和三个数字体模 | 医学影像 | NA | 双能锥束CT成像 | NA | CT投影数据 | 七个体模（四个物理体模和三个数字体模） | NA | NA | NA | NA |
| 6600 | 2025-10-06 |
The Current Application and Future Potential of Artificial Intelligence in Renal Cancer
2024-11, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2024.07.010
PMID:39029807
|
综述 | 本文通过文献回顾探讨人工智能在肾癌评估、管理和预后预测中的应用现状与未来潜力 | 系统梳理了72项具有临床影响力的AI肾癌研究，涵盖影像学、组织病理学和预后预测等多个领域 | 基于叙述性综述方法，可能存在文献选择偏倚 | 评估人工智能在肾癌领域的应用现状并展望未来发展潜力 | 肾癌相关研究 | 医疗人工智能 | 肾癌 | 监督/无监督机器学习、深度学习、自然语言处理、神经网络、影像组学、病理组学 | NA | 医学影像、组织病理数据 | 72项相关研究 | NA | NA | NA | NA |