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 31748 篇文献，本页显示第 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2025-09-23 |
Development of machine learning-based mpox surveillance models in a learning health system
2025-May-02, Sexually transmitted infections
IF:3.6Q2
DOI:10.1136/sextrans-2024-056382
PMID:40318862
|
研究论文 | 开发基于机器学习和深度学习的猴痘监测模型，利用临床笔记进行病例检测 | 首次在学习型医疗系统框架下比较传统机器学习（LASSO回归）与深度学习模型（ClinicalBERT、ClinicalLongformer）在猴痘监测中的性能 | 单中心回顾性研究，样本量有限（228例病例），需外部验证 | 开发高效的猴痘病例自动监测模型以支持公共卫生 surveillance | 经PCR确诊的猴痘患者及匹配对照组 | 自然语言处理 | 猴痘 | 机器学习、深度学习、自然语言处理 | LASSO、ClinicalBERT、ClinicalLongformer | 临床文本笔记 | 228例确诊病例和698例匹配对照 |
| 742 | 2025-09-23 |
Evaluation by dental professionals of an artificial intelligence-based application to measure alveolar bone loss
2025-Mar-01, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05677-0
PMID:40025477
|
研究论文 | 评估牙科专业人士对基于人工智能的牙槽骨丧失测量应用的接受度和使用效果 | 首次开发结合语义分割和物体检测网络的深度学习模型用于牙槽骨测量，并系统调查牙科专业人士对AI应用的接受度 | 样本量有限（56名专业人士），仅使用550张咬翼片X光片数据集 | 评估AI应用在牙槽骨高度测量中的准确性和牙科专业人士的接受度 | 牙科专业人士和咬翼片X光影像 | 数字病理 | 牙周病 | 深度学习 | 语义分割神经网络和物体检测网络 | X光影像 | 56名牙科专业人士评估35个可计算测量值，使用550张咬翼片X光片训练集 |
| 743 | 2025-09-23 |
Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images
2025-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82639-6
PMID:39952935
|
研究论文 | 本研究验证了深度学习网络Cellpose在自发荧光显微镜图像中进行单细胞分割的可靠性 | 开发了专门针对低信噪比自发荧光图像的自动荧光训练模型（ATM），首次系统验证了Cellpose在NAD(P)H自发荧光成像中的性能 | 研究主要针对PANC-1细胞系和9例患者来源的类器官，样本多样性有限 | 验证Cellpose深度学习网络在自发荧光显微镜图像单细胞分割中的准确性和可靠性 | PANC-1细胞系和9例患者来源的癌症类器官 | 数字病理 | 癌症 | 多光子强度成像、荧光寿命成像显微镜（FLIM） | Cellpose深度学习网络 | 自发荧光显微镜图像 | PANC-1细胞系和9例患者来源的癌症类器官 |
| 744 | 2025-09-23 |
Large-scale multi-center CT and MRI segmentation of pancreas with deep learning
2025-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103382
PMID:39541706
|
研究论文 | 本研究开发了一种名为PanSegNet的深度学习模型，用于大规模多中心的CT和MRI胰腺自动分割 | 结合nnUNet和Transformer网络优势，引入新型线性注意力模块实现体积计算，首次在大型多中心MRI数据集上进行胰腺分割研究 | 回顾性研究设计，缺乏前瞻性验证 | 开发精准的胰腺自动分割方法以辅助胰腺疾病诊断和随访 | 胰腺器官 | 医学影像分析 | 胰腺疾病 | 深度学习 | nnUNet + Transformer | CT和MRI影像 | 2,117例扫描（767例MRI来自499名参与者，1,350例CT来自公开数据集） |
| 745 | 2025-09-23 |
Histopathological image analysis and enhanced diagnostic accuracy explainability for oral cancer detection
2025, Polish journal of pathology : official journal of the Polish Society of Pathologists
IF:0.7Q4
DOI:10.5114/pjp.2025.153973
PMID:40977550
|
研究论文 | 提出一种用于口腔癌组织病理学图像分类的深度学习模型，通过特征选择和可解释性增强诊断准确性 | 结合Vahadane染色标准化、加权Fisher评分特征选择和可解释人工智能技术，改进U-Net分类器使用特征输入而非完整图像 | NA | 开发高精度可解释的口腔癌检测系统以减少诊断错误 | 口腔癌组织病理学图像 | 数字病理学 | 口腔癌 | 深度学习，染色标准化，分水岭分割，数据增强 | U-Net，DenseNet201，VGG10 | 组织病理学图像 | NA |
| 746 | 2025-09-23 |
Accuracy of Machine Learning in Detecting Pediatric Epileptic Seizures: Systematic Review and Meta-Analysis
2024-12-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/55986
PMID:39661965
|
系统综述与Meta分析 | 通过系统评价和Meta分析评估机器学习在儿童癫痫发作检测中的准确性 | 首次对机器学习在儿科癫痫发作检测领域的应用效果进行系统性量化评估，并比较了传统机器学习与深度学习的性能差异 | 纳入研究数量有限（28项），可能存在发表偏倚，各研究间方法学异质性较高 | 评估机器学习方法在儿童癫痫发作检测中的诊断准确性 | 儿童癫痫患者 | 机器学习 | 癫痫 | 机器学习（ML）、深度学习（DL） | 多种ML/DL模型 | 脑电图（EEG）数据 | 基于28项原始研究（15项ML研究，13项DL研究）的汇总分析 |
| 747 | 2025-09-23 |
Leveraging Large Language Models for Improved Understanding of Communications With Patients With Cancer in a Call Center Setting: Proof-of-Concept Study
2024-12-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/63892
PMID:39661975
|
研究论文 | 本研究评估GPT-4在癌症患者电话咨询意图分类中的性能，并与传统深度学习模型进行比较 | 首次将GPT-4的上下文学习能力应用于癌症患者电话咨询分类，无需大量标注数据即可处理复杂查询 | 提示设计和类别定义需要进一步优化，尚未在实际医疗场景中完全验证 | 评估大语言模型在癌症患者电话咨询意图分类中的有效性 | 癌症患者的电话咨询记录 | 自然语言处理 | 癌症 | 大型语言模型、零样本学习、少样本学习 | GPT-4、LSTM、BERT | 文本 | 430,355条电话咨询句子（2016-2020年） |
| 748 | 2025-09-23 |
Sex-and Stress-Dependent Plasticity of a Corticotropin Releasing Hormone / GABA Projection from the Basolateral Amygdala to Nucleus Accumbens that Mediates Reward Behaviors
2024-Dec-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.30.626183
PMID:39651305
|
研究论文 | 本研究揭示了基底外侧杏仁核向伏隔核的CRH/GABA投射在调控奖赏行为中的性别差异机制 | 首次发现CRH+/GABA能BLA-NAc投射的神经支配模式存在性别和早期逆境依赖差异 | 研究局限于小鼠模型，人类相关性需进一步验证 | 探究早期逆境对奖赏回路功能的性别特异性影响机制 | 成年雄性和雌性CRH-Cre转基因小鼠 | 神经科学 | 情感障碍 | 化学遗传学、免疫染色、电生理、组织透明化、光片荧光显微镜、深度学习 | DREADD技术 | 神经影像数据、行为数据、电生理数据 | 控制组和早期逆境组的成年雄雌CRH-Cre小鼠 |
| 749 | 2025-09-23 |
Research trends of computational toxicology: a bibliometric analysis
2024-Oct, Toxicology research
IF:2.2Q3
DOI:10.1093/toxres/tfae147
PMID:39309752
|
文献计量分析 | 通过文献计量学方法分析1977年至2024年计算毒理学领域的研究趋势 | 首次对计算毒理学领域近50年的研究发展进行系统性文献计量分析，揭示该领域向机器学习、分子对接和深度学习等先进计算方法演进的重要趋势 | 仅基于Web of Science数据库进行分析，可能未涵盖所有相关文献 | 评估计算毒理学领域的研究影响和发展趋势 | 计算毒理学领域的科学文献 | 计算毒理学 | NA | 文献计量分析、机器学习、分子对接、深度学习 | pkCSM等预测模型 | 科学文献数据 | 1977年至2024年2月12日期间Web of Science数据库收录的计算毒理学相关文献 |
| 750 | 2025-09-23 |
Development and evaluation of a deep learning framework for the diagnosis of malnutrition using a 3D facial points cloud: A cross-sectional study
2024-07, JPEN. Journal of parenteral and enteral nutrition
DOI:10.1002/jpen.2643
PMID:38796717
|
研究论文 | 开发并评估基于3D面部点云的深度学习框架用于营养不良诊断 | 首次使用PointNet++深度学习模型处理3D面部点云数据实现营养不良自动分类 | 样本量有限（482名患者），且为单中心横断面研究 | 开发精准诊断营养不良的深度学习工具 | 营养不良患者的面部特征 | 计算机视觉 | 营养不良 | 3D摄像技术 | PointNet++ | 3D点云 | 482名患者（150名中度营养不良，54名重度营养不良） |
| 751 | 2025-09-23 |
Deep Learning-Based H-Score Quantification of Immunohistochemistry-Stained Images
2024-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100398
PMID:38043788
|
研究论文 | 开发基于深度学习的自动化算法用于免疫组化图像H-score定量分析 | 首次提出仅基于苏木精染色训练深度学习模型进行区域识别，实现IHC图像的自动化H-score计算 | 未提及算法在不同类型IHC染色或罕见病例中的泛化能力验证 | 提高免疫组化图像分析的效率和准确性 | 免疫组化染色图像 | 数字病理 | NA | 免疫组化染色 | 深度学习模型 | 图像 | NA |
| 752 | 2025-09-23 |
Displacement of the Lamina Cribrosa With Acute Intraocular Pressure Increase in Brain-Dead Organ Donors
2023-12-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.64.15.19
PMID:38099735
|
研究论文 | 本研究通过光学相干断层扫描技术探究急性眼压升高对脑死亡器官捐献者视神经头深层组织变形的影响 | 首次在脑死亡器官捐献者中结合深度学习自动分割和三维量化算法，系统分析不同参考平面对筛板位移测量的影响 | 样本仅来自脑死亡器官捐献者，结果可能不适用于健康人群 | 研究急性眼压升高对视神经头深层组织结构的生物力学响应 | 20名脑死亡器官捐献者的26只眼睛 | 医学影像分析 | 眼科疾病 | 光谱域光学相干断层扫描（OCT）、深度学习分割算法 | 线性混合效应模型 | 医学影像数据 | 26只眼睛（来自20名捐献者，年龄范围22-62岁） |
| 753 | 2025-09-23 |
Transfer learning enables predictions in network biology
2023-06, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06139-9
PMID:37258680
|
研究论文 | 开发了基于注意力机制的深度学习模型Geneformer，通过迁移学习提升网络生物学中数据稀缺场景下的预测能力 | 首次将迁移学习理念引入网络生物学领域，通过3000万单细胞转录组预训练模型，实现注意力权重自动编码网络层次结构 | NA | 解决罕见疾病和临床难以获取组织等数据稀缺场景下的基因网络预测问题 | 基因网络、染色质动力学、心肌病治疗靶点 | 机器学习 | 心肌病 | 单细胞转录组测序 | 基于注意力的深度学习模型（Geneformer） | 转录组数据 | 约3000万个单细胞转录组 |
| 754 | 2025-06-06 |
Intrapartum electronic fetal monitoring: the importance of accurate signal capture to harness the potential of deep learning
2025-Oct, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2025.05.026
PMID:40466886
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 755 | 2025-09-22 |
Deep learning-based morphological assessment of myelodysplastic syndrome on bone marrow smears
2025-Oct, Leukemia research
IF:2.1Q3
DOI:10.1016/j.leukres.2025.107923
PMID:40749584
|
研究论文 | 本文提出一种基于深度学习的骨髓涂片形态学评估方法，用于识别与细胞遗传学定义的骨髓增生异常综合征相关的形态异常 | 开发了结合红细胞二值掩模分析的新型深度学习模型，发现了人类专家先前忽视的红细胞形态特征与cMDS的强关联性 | NA | 提高骨髓增生异常综合征的诊断精确性和客观性 | 骨髓涂片全切片图像中的红细胞形态特征 | 数字病理学 | 骨髓增生异常综合征 | 全切片图像分析 | 深度学习图像分类模型 | 图像 | NA |
| 756 | 2025-08-05 |
Can radiology be first to use prognostic deep learning models for oncological treatment?
2025-Oct, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2025.07.013
PMID:40754034
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 757 | 2025-09-22 |
From data to decisions: Statistical tools and Artificial Intelligence in tuberculosis Operational Research
2025-Oct, The Indian journal of tuberculosis
DOI:10.1016/j.ijtb.2025.09.001
PMID:40975573
|
综述 | 本文综述了结核病操作研究中应用的统计工具和人工智能技术，强调其在数据驱动决策中的作用 | 探讨了人工智能（如机器学习和深度学习）在传统统计方法基础上的新兴应用，以增强预测和实时监测能力 | NA | 优化结核病控制策略，通过统计和人工智能方法支持数据驱动的决策制定 | 结核病控制项目，包括监测、诊断、治疗评估和政策建模 | 自然语言处理 | 结核病 | 统计推断、预测建模、成本效益分析、机器学习和深度学习 | NA | NA | NA |
| 758 | 2025-09-22 |
Feasibility study of using CNN-GRU-Dense model for real-time liver tumor tracking during radiotherapy
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70014
PMID:40975844
|
研究论文 | 本研究探讨了使用CNN-GRU-Dense深度学习模型在放疗过程中实时跟踪肝肿瘤的可行性 | 提出了一种结合CNN、GRU和全连接层的混合深度学习模型，无需治疗中更新即可实现高精度实时肿瘤跟踪 | 基于模拟研究，使用单一患者特定数据进行训练（26分钟运动模式），样本来源有限 | 开发无需持续更新的实时肝肿瘤跟踪方法，提高放疗准确性 | 肝肿瘤患者 | 医疗影像分析 | 肝癌 | 深度学习，实时运动跟踪 | CNN-GRU-Dense混合模型 | 运动轨迹数据，X射线影像数据 | 57个来自CyberKnife系统的运动轨迹数据集，分为肝中央区、下区和上区三个区域 |
| 759 | 2025-09-22 |
Enhanced mapping of essential urban land use categories in China (EULUC-China 2.0): integrating multimodal deep learning with multisource geospatial data
2025-Sep-30, Science bulletin
IF:18.8Q1
DOI:10.1016/j.scib.2025.07.006
PMID:40774897
|
研究论文 | 通过集成多模态深度学习与多源地理空间数据，开发了中国2022年增强版城市基本土地利用分类图（EULUC-China 2.0） | 采用多模态深度学习模型处理多源地理空间数据，并通过POI数据的图建模显著提升分类精度 | 未明确说明模型在不同地理区域的泛化能力或处理极端案例的局限性 | 提升中国城市土地利用分类的精细度和准确性，支持城市规划和可持续发展 | 中国所有城市的土地利用单元，以OpenStreetMap和天地图道路网络衍生的地块为最小分类单位 | 地理信息科学 | NA | 多模态深度学习，图建模，POI数据分析 | 深度学习（具体架构未指明） | 多源地理空间数据，包括道路网络和POI数据 | 覆盖中国所有城市的2022年土地利用数据，具体样本数量未明确 |
| 760 | 2025-09-22 |
TMolNet: a task-aware multimodal neural network for molecular property prediction
2025-Sep-21, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11350-z
PMID:40975857
|
研究论文 | 提出一种任务感知的多模态神经网络TMolNet，用于分子属性预测 | 采用任务感知门控模块动态调节多模态贡献，并引入模态熵正则化损失以平衡训练中的模态使用 | NA | 提升分子属性预测的准确性和泛化能力 | 分子数据（包括1D序列/指纹、2D拓扑图和3D几何构象） | 机器学习 | NA | 对比学习，深度学习 | 多模态神经网络 | 多模态数据（1D、2D、3D） | 多个基准数据集（具体数量未说明） |