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 24162 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-05-03 |
LLM-guided Decoupled Probabilistic Prompt for Continual Learning in Medical Image Diagnosis
2025-May-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3566105
PMID:40310742
|
研究论文 | 提出了一种基于LLM引导的解耦概率提示方法（LDPP），用于医学图像诊断中的持续学习 | 利用LLM获取解耦的专家知识和全面的类别描述，构建共享的解耦概率提示池，动态提供多样且灵活的输入图像描述 | 未明确提及具体局限性 | 解决动态临床环境中处理新疾病出现的持续学习问题 | 医学图像诊断 | 计算机视觉 | NA | 持续学习（CL）、提示调整（PT） | LLM-guided Decoupled Probabilistic Prompt (LDPP) | 医学图像 | 未明确提及样本数量 |
| 62 | 2025-05-03 |
Integrating Artificial Intelligence in Dermatological Cancer Screening and Diagnosis: Efficacy, Challenges, and Future Directions
2025-May-01, Annual review of biomedical data science
IF:7.0Q1
|
review | 探讨人工智能在皮肤癌筛查和诊断中的应用、挑战及未来发展方向 | 提出利用AI和深度学习技术改善皮肤癌诊断准确性及扩大医疗服务可及性，并探讨了未来研究方向如远程皮肤病学和视觉语言模型（VLMs）的进步 | 面临临床验证、算法偏见、监管审查及患者接受度等挑战，以及AI算法在可及性和公平性方面的伦理问题 | 评估AI在皮肤癌筛查和诊断中的效果，并探索其未来发展方向 | 皮肤癌筛查和诊断 | digital pathology | skin cancer | deep learning, AI | VLMs | image | NA |
| 63 | 2025-05-03 |
Embedding Methods for Electronic Health Record Research
2025-May-01, Annual review of biomedical data science
IF:7.0Q1
|
综述 | 本文综述了嵌入技术在电子健康记录数据分析与研究中的应用及其影响 | 探讨了多种嵌入方法（如词嵌入、图嵌入等）在提升电子健康记录数据效用方面的创新应用 | 未具体说明嵌入技术在特定临床场景中的局限性或挑战 | 阐明嵌入技术在电子健康记录研究中的作用和影响 | 电子健康记录数据 | 自然语言处理 | NA | 词嵌入、图嵌入、深度学习 | 深度学习模型 | 文本 | NA |
| 64 | 2025-05-03 |
Machine learning in prediction of epidermal growth factor receptor status in non-small cell lung cancer brain metastases: a systematic review and meta-analysis
2025-May-01, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14221-w
PMID:40312289
|
系统综述与荟萃分析 | 评估机器学习模型在预测非小细胞肺癌脑转移患者表皮生长因子受体状态中的性能 | 首次系统评估机器学习模型在预测非小细胞肺癌脑转移患者EGFR状态中的表现，并进行了荟萃分析 | 纳入研究数量有限（20项），且未显示机器学习与深度学习模型之间存在显著差异 | 评估机器学习模型预测非小细胞肺癌脑转移患者EGFR状态的性能 | 非小细胞肺癌脑转移患者 | 机器学习 | 肺癌 | 机器学习与深度学习 | ML和DL模型 | 临床和影像数据 | 3517名患者，6205个非小细胞肺癌脑转移病灶 |
| 65 | 2025-05-03 |
Ge-SAND: an explainable deep learning-driven framework for disease risk prediction by uncovering complex genetic interactions in parallel
2025-May-01, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-11588-9
PMID:40312319
|
研究论文 | 开发了一个可解释的深度学习框架Ge-SAND，用于通过揭示复杂的遗传相互作用来预测疾病风险 | Ge-SAND能够并行揭示超过10^6规模的复杂遗传相互作用，相比主流方法在AUC-ROC上提高了20% | 在处理大规模成对遗传组合时可能面临维度灾难问题 | 提高遗传风险预测的准确性并理解复杂疾病的潜在机制 | 克罗恩病、精神分裂症和阿尔茨海默病 | 基因组学 | 克罗恩病、精神分裂症、阿尔茨海默病 | 深度学习 | Ge-SAND（Genomic Embedding Self-Attention Neurodynamic Decoder） | 基因型和基因组位置信息 | 模拟数据集和UK Biobank队列 |
| 66 | 2025-05-03 |
A hybrid approach for binary and multi-class classification of voice disorders using a pre-trained model and ensemble classifiers
2025-May-01, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02978-w
PMID:40312383
|
研究论文 | 提出了一种新颖的混合方法，用于声音障碍的二元和多类分类，结合了预训练模型和集成分类器 | 使用两阶段框架结合深度学习特征和多种强大分类器，提高了声音障碍分类的性能，并在多类分类中达到了最先进的准确率 | 实验仅在Saarbruecken Voice Database (SVD)的一个子集上进行，可能需要进一步验证 | 提高声音障碍分类的准确率，尤其是多类分类任务 | 声音障碍的分类，包括健康声音和障碍声音的二元分类，以及不同类型声音障碍的多类分类 | 自然语言处理 | 声音障碍 | VGGish模型、SVM、LR、MLP、集成分类器 | VGGish、SVM、LR、MLP、EC | 音频 | Saarbruecken Voice Database (SVD)的子集，包括男性、女性和混合性别的说话者 |
| 67 | 2025-05-03 |
RaGeoSense for smart home gesture recognition using sparse millimeter wave radar point clouds
2025-May-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00065-8
PMID:40312411
|
研究论文 | 提出了一种基于稀疏毫米波点云的智能家居手势识别系统RaGeoSense，结合多种先进信号处理和深度学习方法提升识别性能和系统鲁棒性 | 结合K-均值聚类直通滤波、帧差滤波和中值滤波降低毫米波数据噪声，采用滑动序列采样和点云平铺提取动作时空特征，并集成GBDT、XGBoost和LSTM模型实现高效非线性特征提取和手势序列分类 | 仅针对单臂八种手势进行识别，未涉及更复杂手势或多肢体交互场景 | 开发适用于智能家居场景的高精度抗干扰手势识别系统 | 基于毫米波雷达点云的手势动作 | 计算机视觉 | NA | 毫米波雷达点云处理、深度学习 | GBDT、XGBoost、LSTM | 点云数据 | 八种单臂手势（未明确样本数量） |
| 68 | 2025-05-03 |
A human pose estimation network based on YOLOv8 framework with efficient multi-scale receptive field and expanded feature pyramid network
2025-May-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00259-0
PMID:40312474
|
research paper | 提出了一种基于YOLOv8框架的人体姿态估计网络EE-YOLOv8，通过集成高效多尺度感受野(EMRF)和扩展特征金字塔网络(EFPN)来提升性能 | 引入EMRF模块增强特征表示能力，EFPN优化跨层级信息交换，并使用Wise-IoU替代传统IoU以提高检测精度 | 未提及具体在极端遮挡或复杂背景下的性能表现 | 改进多人姿态估计在遮挡和重叠情况下的准确性 | 图像或视频中的人体姿态 | computer vision | NA | deep learning | YOLOv8, EMRF, EFPN | image | MS COCO 2017数据集 |
| 69 | 2025-05-03 |
Deep learning HRNet FCN for blood vessel identification in laparoscopic pancreatic surgery
2025-May-01, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01663-6
PMID:40312536
|
研究论文 | 评估HRNet-FCN模型在腹腔镜胰腺手术中准确识别血管轮廓的能力 | 首次将HRNet-FCN模型应用于腹腔镜胰腺手术中的血管识别，实现了实时处理速度 | 研究仅基于特定手术类型的图像数据，未涵盖所有可能的胰腺手术场景 | 提高腹腔镜胰腺手术的安全性和精准度 | 腹腔镜胰腺手术中的血管结构 | 计算机视觉 | 胰腺疾病 | 深度学习 | HRNet-FCN | 图像 | 126例腹腔镜远端胰腺切除术视频的12,694张图像和138例Whipple手术视频的35,986张图像 |
| 70 | 2025-05-03 |
Assessing english Language teachers' pedagogical effectiveness using convolutional neural networks optimized by modified virus colony search algorithm
2025-May-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98033-9
PMID:40312557
|
研究论文 | 本研究提出了一种结合深度学习和元启发式算法的新方法，用于评估英语作为外语（EFL）教学的课堂质量 | 采用改进的病毒群体搜索（VCS）算法优化的卷积神经网络（CNN）来评估教学效果，在准确性、鲁棒性、灵活性和效率方面优于现有方法 | NA | 开发一种可靠且高效的教师评估框架，以提供及时反馈、识别教师优缺点并指导专业发展领域 | 英语作为外语（EFL）教学的课堂质量 | 自然语言处理 | NA | CNN, VCS算法 | CNN | 音频和视频 | NA |
| 71 | 2025-05-03 |
Artifact estimation network for MR images: effectiveness of batch normalization and dropout layers
2025-May-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01663-8
PMID:40312665
|
research paper | 本研究开发了一种基于U-Net的回归网络用于去除运动伪影，并探讨了结合批量归一化（BN）和dropout层对此目的的影响 | 首次探索了在U-Net网络中结合BN和dropout层对运动伪影去除效果的影响 | 研究仅限于幻影图像，未在真实临床MR图像上验证 | 提高MR图像中运动伪影的去除效果 | MR图像中的运动伪影 | digital pathology | NA | MRI | U-Net, Transformer | image | 1200张图像（含/不含运动伪影） |
| 72 | 2025-05-03 |
A deep learning algorithm for automated adrenal gland segmentation on non-contrast CT images
2025-May-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01682-5
PMID:40312690
|
研究论文 | 开发了一种用于非对比CT图像上肾上腺自动分割的深度学习模型，并利用该模型对正常肾上腺与年龄相关的体积变化进行了初步大规模研究 | 首次开发了用于非对比CT图像上肾上腺自动分割的深度学习模型，并进行了大规模年龄相关肾上腺体积变化的研究 | 研究仅基于非对比CT图像，未考虑其他成像方式的影响 | 开发自动化肾上腺分割模型并研究年龄相关的肾上腺体积变化 | 非对比CT图像上的肾上腺 | 数字病理学 | NA | 非对比CT成像 | nnU-Net | CT图像 | 开发数据集包含1301例CT检查，大规模数据集包含2000例CT检查 |
| 73 | 2025-05-03 |
Quantitative susceptibility mapping in magnetically inhomogeneous tissues
2025-May-01, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30537
PMID:40312865
|
研究论文 | 本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性 | DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度学习卷积神经网络整合QUASAR模型，显著提高了磁敏感图的准确性和解剖一致性 | 研究主要基于模拟数据和有限的人脑数据验证，需要更多临床数据进一步验证其普适性 | 改进磁敏感定量成像技术，提高在生物组织中的成像质量和准确性 | 数字脑模型和人脑活体数据 | 医学影像处理 | 神经退行性疾病和脱髓鞘疾病 | 定量磁敏感成像（QSM） | 深度卷积神经网络 | 磁共振成像数据 | 数字脑模型和人脑活体数据（具体数量未提及） |
| 74 | 2025-05-03 |
Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume
2025-May-01, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30555
PMID:40312974
|
研究论文 | 开发了一种基于模型的自监督深度学习网络，用于同时映射心肌氧提取分数（mOEF）和心肌血容量（MBV） | 将物理模型整合到训练过程中，通过自监督学习（SSL）模式进行调节，同时使用包含均方误差和余弦相似度的损失函数来提高网络预测性能 | 研究样本量较小，仅包括10名健康受试者和10名心肌梗死患者 | 开发一种能够同时定量评估心肌氧提取分数和心肌血容量的深度学习网络 | 心肌氧提取分数（mOEF）和心肌血容量（MBV） | 医学影像分析 | 心肌梗死 | 自监督学习（SSL） | 深度学习网络 | 医学影像 | 10名健康受试者和10名心肌梗死患者 |
| 75 | 2025-05-03 |
Correction to: DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf218
PMID:40314061
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 76 | 2025-05-03 |
Deep Learning Radiopathomics for Predicting Tumor Vasculature and Prognosis in Hepatocellular Carcinoma
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.250141
PMID:40314587
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 77 | 2025-05-03 |
A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma
2025-May-01, Pancreas
IF:1.7Q3
DOI:10.1097/MPA.0000000000002463
PMID:40314741
|
研究论文 | 本研究利用深度学习和病理图像构建了一种新型的病理组学评分，用于胰腺导管腺癌的预后分层 | 开发了一种基于深度学习的病理组学评分，能够独立预测胰腺导管腺癌患者的生存率，并优于传统临床模型 | 研究为回顾性设计，样本来自两个中心，可能存在选择偏倚 | 提高胰腺导管腺癌的预后预测准确性，以支持个性化治疗策略 | 胰腺导管腺癌患者 | 数字病理 | 胰腺导管腺癌 | 深度学习，弱监督学习，多实例学习 | 随机生存森林，Cox回归 | 图像 | 864名胰腺导管腺癌患者（489名训练集，211名验证集，164名新辅助治疗组） |
| 78 | 2025-05-03 |
Detection of camellia oil adulteration based on near-infrared spectroscopy and smartphone combined with deep learning and multimodal fusion
2025-Apr-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.142930
PMID:39826519
|
研究论文 | 本研究开发了一种基于近红外光谱和智能手机的深度学习与多模态融合方法，用于检测茶油中掺假菜籽油的情况 | 结合近红外光谱和智能手机视觉数据，采用多模态融合方法提高检测准确性，为实时检测茶油真实性提供了新技术 | 仅针对茶油与菜籽油的二元掺假系统进行研究，未涉及其他可能的掺假油类 | 开发实时检测茶油掺假的技术方法，应对日益严重的食品安全问题 | 掺假茶油样品（茶油与菜籽油混合物） | 食品安全检测 | NA | 近红外光谱(NIR)、智能手机图像/视频分析 | 深度学习模型 | 光谱数据、图像数据、视频数据 | 243个掺假油样品 |
| 79 | 2025-05-03 |
3D tooth identification for forensic dentistry using deep learning
2025-Apr-30, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06017-y
PMID:40301795
|
research paper | 该研究提出了一种利用深度学习从3D牙齿模型中提取关键特征并转换为2D图像格式进行详细分析的新方法 | 创新性地将3D牙齿模型转换为2D图像格式，并使用RNN架构进行准确分类，提高了诊断效率和准确性 | 未提及具体的数据集大小或模型性能的详细比较 | 提高法医牙科中牙齿结构的分类准确性和效率 | 3D牙齿模型 | computer vision | NA | 3D成像和2D图像转换 | RNN | 3D模型和2D图像 | NA |
| 80 | 2025-05-03 |
Clinical Applications of Artificial Intelligence in Vascular Surgery
2025-Apr-30, Vascular specialist international
IF:0.8Q4
DOI:10.5758/vsi.240120
PMID:40302180
|
review | 本文综述了人工智能在血管外科中的临床应用，包括基础知识、技术应用及面临的挑战 | 探讨了人工智能在血管外科中的具体应用及智能穿戴设备的使用 | 血管外科医生对计算机科学和复杂AI技术的理解有限，阻碍了AI的广泛应用 | 促进人工智能技术在血管外科领域的应用与发展 | 血管外科医生及AI技术在血管外科的应用 | machine learning | cardiovascular disease | machine learning, deep learning, artificial neural networks | NA | NA | NA |