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 7661 - 7680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7661 | 2025-10-06 |
Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models to predict microvascular invasion in hepatocellular carcinoma: a multicenter study
2025-Mar-31, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01646-9
PMID:40165094
|
研究论文 | 基于Gd-EOB-DTPA增强MRI开发结合双区域特征和两种机器学习算法的影像组学模型，用于预测肝细胞癌微血管侵犯 | 首次结合传统影像组学特征和深度学习特征的双区域模型，采用多中心数据验证 | 回顾性研究设计，样本量相对有限，模型性能在测试队列中有所下降 | 术前预测肝细胞癌微血管侵犯状态 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | Gd-EOB-DTPA增强MRI | 支持向量机, 3D ResNet | MRI图像 | 304例HCC患者（训练队列216例，测试队列88例）来自三家医院 | FeAture Explorer, PyTorch（推断） | ResNet-18 | AUC, 准确率, 敏感度, 特异性 | NA |
| 7662 | 2025-10-06 |
Effectiveness and clinical impact of using deep learning for first-trimester fetal ultrasound image quality auditing
2025-Mar-31, BMC pregnancy and childbirth
IF:2.8Q1
DOI:10.1186/s12884-025-07485-4
PMID:40165135
|
研究论文 | 开发并验证基于人工智能的早孕期胎儿超声图像质量审核系统 | 首次将YOLOv7目标检测网络与多分支图像质量回归网络结合，实现自动化的超声图像质量审核 | 研究仅针对早孕期四个关键切面，未涵盖其他孕期或切面类型 | 开发自动化超声图像质量审核系统以替代耗时的人工审核 | 早孕期胎儿超声图像 | 计算机视觉 | 产科超声 | 超声成像 | CNN | 图像 | 567例由4名不同经验水平放射科医师扫描的病例 | NA | YOLOv7, 多分支图像质量回归网络 | 准确率, 精确率, 召回率, F1分数, Cohen's Kappa系数 | NA |
| 7663 | 2025-10-06 |
Multiparametric MRI-Based Deep Learning Models for Preoperative Prediction of Tumor Deposits in Rectal Cancer and Prognostic Outcome
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.004
PMID:39438175
|
研究论文 | 基于多参数MRI的深度学习模型预测直肠癌肿瘤沉积及预后结果 | 首次将多参数MRI的深度放射组学特征与临床特征结合构建诺莫图模型，用于术前预测直肠癌肿瘤沉积 | 回顾性研究设计，样本量相对有限（529例患者） | 预测直肠癌患者术前肿瘤沉积状态并分析预后结果 | 直肠癌患者 | 医学影像分析 | 直肠癌 | 多参数MRI | 深度学习 | 医学影像 | 529例直肠癌患者（中心一：379例，中心二：150例） | NA | ResNet-101 | AUC, ROC曲线, 决策曲线分析, 临床影响曲线, deLong检验 | NA |
| 7664 | 2025-10-06 |
Detection of Auto-Immune Disease using Deep Learning Techniques
2025-Mar, Mediterranean journal of rheumatology
DOI:10.31138/mjr.060624.doa
PMID:40557183
|
研究论文 | 本研究提出了一种基于深度学习的自动化方法，用于通过HEp-2细胞和分裂细胞实例分割检测自身免疫疾病 | 整合深度学习、先进图像处理、引导式HEp-2细胞和分裂细胞实例分割的创新自动化方法 | 数据集存在不平衡问题，分裂细胞数量显著少于HEp-2同质细胞 | 开发可靠的自动化方法用于自身免疫疾病诊断 | HEp-2细胞和分裂细胞 | 计算机视觉 | 自身免疫疾病 | 间接免疫荧光检测 | 深度学习 | 图像 | ICPR 2016数据集 | Detectron2 | YOLOv8n | 平均精度均值 | NA |
| 7665 | 2025-10-06 |
Deep learning in surgical process modeling: A systematic review of workflow recognition
2025-Feb, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104779
PMID:39832608
|
综述 | 系统回顾深度学习在手术流程建模中用于工作流识别的研究进展 | 系统分析深度学习在微创手术工作流识别中的应用，强调时间与空间序列对手术阶段识别的关键作用 | 手术标注过程缺乏详细描述，不同手术程序的标注过程存在显著差异，公开数据集常缺乏临床知识 | 研究深度学习在识别手术工作流和从微创手术数据集中提取可靠模式的作用 | 使用腹腔镜和显微镜进行的微创手术视频数据 | 计算机视觉 | NA | 深度学习 | RNN, TCN, Transformer | 手术视频 | 59篇经过全文评审的文章（从2937篇初筛文章中筛选） | NA | Transformer | NA | NA |
| 7666 | 2025-10-06 |
Smartphone image dataset for radish plant leaf disease classification from Bangladesh
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111263
PMID:39850369
|
研究论文 | 构建了一个用于萝卜叶病分类的智能手机图像数据集 | 创建了首个针对孟加拉国萝卜叶病的智能手机图像数据集，包含四种常见病害类型 | 数据集仅包含2801张图像，可能不足以训练更复杂的深度学习模型 | 通过深度学习技术精确识别萝卜叶部病害 | 萝卜植物的叶片 | 计算机视觉 | 植物病害 | 智能手机图像采集 | 深度学习模型 | 图像 | 2801张萝卜叶片图像（包含健康叶片和四种病害类型） | NA | NA | NA | NA |
| 7667 | 2025-10-06 |
Classroom Behavior Recognition Using Computer Vision: A Systematic Review
2025-Jan-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25020373
PMID:39860742
|
系统综述 | 对基于计算机视觉的课堂行为识别研究进行系统性文献综述 | 首次系统梳理计算机视觉在课堂行为识别领域的研究现状、技术方法和未来挑战 | 仅纳入80篇同行评审期刊文章，可能存在发表偏倚 | 分析计算机视觉支持的课堂行为识别研究现状和未来趋势 | 教师和学生的课堂行为 | 计算机视觉 | NA | 深度学习 | YOLO系列 | 视频 | 80篇期刊文章 | NA | YOLO | NA | NA |
| 7668 | 2025-10-06 |
A Comprehensive Review of Artificial Intelligence (AI) Applications in Pulmonary Hypertension (PH)
2025-Jan-07, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina61010085
PMID:39859065
|
综述 | 本文系统回顾了人工智能在肺动脉高压领域的应用现状与潜力 | 首次系统性地综述了AI在肺动脉高压诊疗中的全面应用，涵盖诊断、分类和预后预测等多个方面 | 存在研究偏倚风险，AI工具仍需进一步探索和完善 | 评估人工智能在肺动脉高压诊疗管理中的转化应用价值 | 肺动脉高压患者及相关医学数据 | 医疗人工智能 | 肺动脉高压 | 机器学习、深度学习 | NA | 医学数据 | 45项相关研究（从500多篇初选文章中筛选） | NA | NA | NA | NA |
| 7669 | 2025-10-06 |
Data-driven identification of urgent surgical procedures for use in trauma outcomes measurement
2025, Trauma surgery & acute care open
IF:2.1Q2
DOI:10.1136/tsaco-2025-001783
PMID:40406235
|
研究论文 | 提出一种基于常规管理数据识别创伤患者紧急手术程序的数据驱动方法 | 开发了无需专家共识的灵活数据驱动方法，通过手术时间框架自动识别紧急手术程序 | 研究基于单家医院数据，方法尚未在其他机构验证 | 建立标准化的创伤紧急手术程序列表以促进创伤系统评估比较 | 创伤患者的手术程序数据 | 医疗数据分析 | 创伤 | 管理数据链接分析 | NA | 围手术期和住院管理数据 | 4737例创伤入院，6750次手术，567种独特手术程序 | NA | NA | 紧急协议分类标准（75%手术在4小时内完成），紧急共识分类标准（50-75%手术在4小时内完成且共识度低于0.7） | NA |
| 7670 | 2025-10-06 |
LOD-PCAC: Level-of-Detail-Based Deep Lossless Point Cloud Attribute Compression
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3578760
PMID:40526560
|
研究论文 | 提出一种基于细节层次结构的无损点云属性压缩框架LOD-PCAC | 利用细节层次结构实现密度鲁棒压缩，提出比特级残差编码器和参考集构建方法 | 未明确说明计算复杂度和实时性能表现 | 解决稀疏或不均匀分布点云的无损属性压缩问题 | 点云属性数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 点云数据 | 多种点云数据集 | NA | NA | 压缩性能 | NA |
| 7671 | 2025-10-06 |
Fast 3D Room Layout Estimation Based on Compact High-Level Representation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3578785
PMID:40531646
|
研究论文 | 提出一种基于紧凑高层表示的快速3D房间布局估计方法 | 使用仅29个实数的紧凑高层表示替代传统高分辨率2D表示，显著提升推理速度并降低内存消耗 | 未明确说明在复杂场景或非平面结构房间中的适用性 | 实现从室内RGB图像快速重建整体3D结构 | 室内场景的3D房间布局 | 计算机视觉 | NA | 深度学习 | 通用回归网络 | RGB图像 | NA | NA | NA | 推理速度，布局估计性能 | NA |
| 7672 | 2025-10-06 |
MLCDL: A Critical Practice and Implementation of Multi-tissue Classification and Diagnosis Using Deep Learning Algorithm
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_18
PMID:40553341
|
研究论文 | 本研究提出了一种基于深度学习的多组织分类与诊断方法，使用集成迁移学习的EfficientNet-B7卷积神经网络进行纹理分类 | 采用集成迁移学习策略的EfficientNet-B7模型进行多组织分类，相比传统机器学习方法具有更高性能 | 测试集准确率相对较低（51.326%），模型泛化能力有待进一步提升 | 开发基于深度学习的多组织分类与诊断系统 | 医学图像中的组织纹理 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 381张150×150像素图像 | NA | EfficientNet-B7 | 准确率, 训练损失 | NA |
| 7673 | 2025-10-06 |
Artificial Intelligence in CRISPR-Cas Systems: A Review of Tool Applications
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_14
PMID:40553337
|
综述 | 本文综述了人工智能在CRISPR-Cas系统工具应用中的整合与发展 | 将人工智能与CRISPR-Cas系统相结合，为基因工程研究开辟新视角 | NA | 探索人工智能在基因编辑工具CRISPR-Cas系统中的应用 | CRISPR-Cas系统及其基因编辑应用 | 机器学习 | NA | CRISPR-Cas基因编辑技术 | 深度学习, 机器学习 | 基因组数据 | NA | NA | NA | NA | NA |
| 7674 | 2025-10-06 |
The Use of AI for Phenotype-Genotype Mapping
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_21
PMID:40553344
|
综述 | 探讨人工智能在表型-基因型映射中的方法、应用、挑战及未来前景 | 系统综述AI在整合多组学数据、识别疾病亚型和加速精准医疗方面的创新应用 | 数据异质性、模型可解释性不足、隐私问题及罕见病数据稀缺 | 推动基因型-表型映射研究以促进精准医疗发展 | 基因组数据与表型数据的关联分析 | 机器学习 | NA | 下一代测序(NGS), 多组学数据整合 | 支持向量机(SVM), 随机森林, 梯度提升, k均值聚类, 层次聚类, 卷积神经网络(CNN), 循环神经网络(RNN), 生成对抗网络(GAN) | 基因组数据, 基因表达谱, 转录组数据, 蛋白质组数据 | NA | NA | NA | NA | NA |
| 7675 | 2025-10-06 |
Deep Genomics: Deep Learning-Based Analysis of Genome-Sequenced Data for Identification of Gene Alterations
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_20
PMID:40553343
|
综述 | 本章综述了深度基因组学领域，探讨深度学习框架在基因组数据分析中的应用及其对基因变异识别的贡献 | 整合多种深度学习架构分析多组学数据，强调可解释性方法和伦理框架在基因组学中的应用 | 面临数据协调和模型可解释性的方法论挑战，存在系统偏差风险 | 探索深度学习在基因组数据分析中的应用，提升基因变异识别和解释能力 | 基因组测序数据和多组学数据 | 机器学习 | NA | 下一代测序, 多组学分析 | CNN, RNN, Transformer, GNN | 基因组序列数据, 表观基因组数据, 转录组数据, 蛋白质组数据 | NA | NA | 卷积神经网络, 循环神经网络, 变换器, 图神经网络 | NA | 联邦学习, 安全多方计算, 量子计算 |
| 7676 | 2025-10-06 |
Review on Advancement of AI in Nutrigenomics
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_23
PMID:40553346
|
综述 | 探讨人工智能在营养基因组学研究中的进展及其在个性化营养中的应用 | AI与营养基因组学的融合实现了对基因-饮食相互作用的革命性理解，通过先进算法生成前所未有的精准个性化营养建议 | 面临数据隐私问题和算法偏差等挑战，需要谨慎的验证和实施策略 | 研究人工智能如何推动营养基因组学发展及其在个性化营养中的实际应用 | 基因-饮食相互作用、个体营养反应、个性化营养建议 | 机器学习 | 2型糖尿病 | 连续血糖监测(CGM)、代谢分析 | 机器学习算法、深度学习方法 | 遗传数据、饮食数据 | NA | NA | NA | NA | NA |
| 7677 | 2025-10-06 |
Review on Advancement of AI in Synthetic Biology
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_26
PMID:40553349
|
综述 | 本文综述了人工智能在合成生物学领域的最新进展及其应用 | 系统阐述了AI如何推动合成生物学在预测建模、优化设计和复杂生物系统构建方面的创新 | 高质量生物数据集构建困难以及计算与实验科学家之间的跨学科协作障碍 | 探讨人工智能在合成生物学发展中的作用和未来前景 | 合成生物学中的基因组编辑、代谢通路优化和生物电路设计等 | 机器学习 | NA | CRISPR-cas9, 从头蛋白质设计, 基因电路开发 | 深度学习, 机器学习 | 生物数据集 | NA | NA | NA | NA | NA |
| 7678 | 2025-10-06 |
DeepPredict: a state-of-the-art web server for protein secondary structure and relative solvent accessibility prediction
2025, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2025.1607402
PMID:40546733
|
研究论文 | 介绍DeepPredict蛋白质二级结构和相对溶剂可及性预测网络服务器 | 集成Porter6和PaleAle6两个深度学习模型，利用预训练蛋白质语言模型ESM-2无需多序列比对即可实现快速准确预测 | NA | 开发高性能蛋白质二级结构和相对溶剂可及性预测工具 | 蛋白质序列 | 生物信息学 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列数据 | NA | NA | ESM-2 | NA | 网络服务器 |
| 7679 | 2025-10-06 |
Is AI currently capable of identifying wild oysters? A comparison of human annotators against the AI model, ODYSSEE
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1587033
PMID:40546741
|
研究论文 | 比较ODYSSEE AI模型与人类标注者在识别野生牡蛎方面的性能表现 | 首次系统比较深度学习模型与专家/非专家在牡蛎识别任务上的表现，并分析预测误差来源 | 模型准确率(63%)低于人类标注者(专家74%，非专家75%)，存在过度预测活牡蛎数量的问题 | 评估AI模型在牡蛎礁监测中的可行性，改进种群统计方法 | 野生牡蛎礁中的活体牡蛎 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像, 视频 | NA | NA | ODYSSEE | 准确率, 推理速度 | NA |
| 7680 | 2025-10-06 |
Self-supervised and few-shot learning for robust bioaerosol monitoring
2025, Aerobiologia
IF:2.2Q3
DOI:10.1007/s10453-025-09850-4
PMID:40547191
|
研究论文 | 本研究结合自监督学习和少样本学习技术，使用大量未标记数据和少量标记样本对全息花粉图像进行分类 | 首次将自监督学习与少样本学习相结合用于生物气溶胶监测，显著减少对大量标注数据的依赖 | 仅针对花粉颗粒进行研究，未验证在其他类型生物气溶胶上的适用性 | 优化实时生物气溶胶监测工作流程，降低模型在不同场景下的适应成本 | 花粉颗粒的全息图像 | 计算机视觉 | 过敏性疾病 | 全息成像技术 | 深度学习模型 | 图像 | 大量未标记环境空气颗粒图像+每类少量标记样本 | NA | NA | 分类准确率 | NA |