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 8481 - 8500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8481 | 2025-10-06 |
An overview of artificial intelligence and machine learning in shoulder surgery
2025-Jun, Clinics in shoulder and elbow
IF:1.8Q2
DOI:10.5397/cise.2025.00185
PMID:40405638
|
综述 | 本文综述了人工智能和机器学习在肩部手术领域的应用现状与发展前景 | 系统总结了机器学习在肩关节置换术和肩袖撕裂治疗中的创新应用，包括术后结果预测、并发症预测和AI辅助导航等 | 面临数据变异性、模型可解释性以及临床工作流程整合等挑战 | 探讨机器学习在肩部手术中的临床应用价值和发展方向 | 肩关节置换术和肩袖撕裂患者 | 机器学习 | 骨科疾病 | 机器学习算法 | XGBoost, 神经网络, 生成对抗网络 | 医学影像数据（磁共振成像、超声）、临床数据 | NA | NA | 深度学习模型 | 准确率, AUC | NA |
| 8482 | 2025-10-06 |
A comprehensive image dataset of plum leaf and fruit for disease classification
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111625
PMID:40486236
|
研究论文 | 构建了一个用于疾病分类的李子叶片和果实综合图像数据集 | 创建了首个包含李子叶片和果实的综合图像数据集，涵盖多种疾病类别和环境条件 | NA | 通过机器学习技术推进农业研究并实现有效的疾病管理系统 | 李子叶片和果实 | 计算机视觉 | 植物疾病 | 图像采集和增强 | NA | 图像 | 3,554张原始图像，同等数量的处理后图像，以及18,000张增强图像 | NA | NA | NA | NA |
| 8483 | 2025-10-06 |
Predictive modeling for metastasis in oncology: current methods and future directions
2025-Jun, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000003279
PMID:40486555
|
综述 | 本文综述了肿瘤学中转移预测模型的当前方法、挑战及未来发展方向 | 系统整合了机器学习、基因组学和影像技术在转移预测中的最新应用，并提出了与精准医学结合的未来方向 | 存在数据异质性、模型可解释性不足以及需要更大规模高质量数据集进行验证等挑战 | 改善癌症转移预测以提升预后评估、指导治疗策略和改善患者结局 | 癌症转移的预测模型和方法 | 机器学习 | 肿瘤学 | 基因组分析、液体活检、影像组学 | 逻辑回归,决策树,支持向量机,神经网络 | 临床数据、病理数据、分子数据、多组学数据 | NA | NA | NA | NA | 先进计算工具 |
| 8484 | 2025-10-06 |
Bridging surgical oncology and personalized medicine: the role of artificial intelligence and machine learning in thoracic surgery
2025-Jun, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000003302
PMID:40486596
|
综述 | 探讨人工智能和机器学习在胸外科肿瘤学中优化早期检测、手术精度和个性化护理的潜力 | 系统整合AI/ML技术在胸外科肿瘤学的多领域应用，包括深度学习算法识别肺结节、预测免疫治疗反应及AI驱动机器人提升手术精度 | 面临数据标准化不足、伦理问题及缺乏稳健验证等临床推广挑战 | 探索AI/ML技术如何通过提升早期检测、手术精度和个性化护理来优化胸外科肿瘤学 | 肺癌患者及胸外科手术相关临床数据 | 机器学习 | 肺癌 | 基因组分析、低剂量CT扫描、深度学习 | 深度学习算法、预测模型 | 医学影像、基因组数据、临床数据 | NA | NA | NA | NA | NA |
| 8485 | 2025-06-12 |
Do Transformers and CNNs Learn Different Concepts of Brain Age?
2025-Jun-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70243
PMID:40489428
|
研究论文 | 比较Transformer和CNN在预测脑年龄方面的性能及其捕捉的脑老化效应差异 | 首次在脑年龄预测领域比较Transformer和CNN的性能，并探讨它们是否捕捉不同的脑老化效应概念 | 仅使用了UK Biobank的数据，可能无法完全代表其他人群 | 探索不同深度学习架构在脑年龄预测中的表现差异及其临床意义 | 脑年龄预测模型 | 计算机视觉 | 神经精神疾病 | T1加权脑磁共振成像 | Transformer (sViT, SwinT), CNN (ResNet50) | 图像 | 46,381张T1加权结构MR图像 | NA | NA | NA | NA |
| 8486 | 2025-06-12 |
HEDL: Deep learning multiple approaches for early detection of depression using sarcastic text
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103370
PMID:40491515
|
研究论文 | 本文提出了一种混合集成深度学习模型（HEDL），用于通过讽刺文本来早期检测抑郁迹象 | HEDL模型独特地整合了CNN、LSTM和GRU架构，以捕捉更复杂的特征表示模式，提高了准确性和鲁棒性 | 实验仅在新闻标题数据集上进行测试，未涉及其他类型的数据 | 开发一种更准确和可靠的讽刺检测方法，用于心理健康监测和情感分析 | 讽刺文本数据 | 自然语言处理 | 抑郁症 | 深度学习 | CNN, LSTM, GRU | 文本 | 新闻标题数据集（具体数量未提及） | NA | NA | NA | NA |
| 8487 | 2025-06-12 |
Detection of Undiagnosed Liver Cirrhosis via Artificial Intelligence-Enabled Electrocardiogram (DULCE): Rationale and design of a pragmatic cluster randomized clinical trial
2025-Jun, Contemporary clinical trials communications
IF:1.4Q4
DOI:10.1016/j.conctc.2025.101494
PMID:40491662
|
研究论文 | 该研究通过人工智能心电图（ECG）检测未诊断的肝硬化，设计了一项实用的集群随机临床试验 | 利用ECG支持的深度学习模型筛查晚期慢性肝病（CLD），在初级保健中展示了潜在的应用前景 | 研究仅在梅奥诊所的45个初级保健实践中进行，样本量和地域范围有限 | 评估ECG支持的人工智能模型在初级保健中筛查晚期CLD的有效性 | 初级保健患者，特别是那些在研究期间接受ECG检查的患者 | 数字病理学 | 肝硬化 | 深度学习 | 深度学习模型 | ECG数据 | 45个梅奥诊所初级保健实践的患者 | NA | NA | NA | NA |
| 8488 | 2025-06-12 |
Deep Learning in Digital Breast Tomosynthesis: Current Status, Challenges, and Future Trends
2025-Jun, MedComm
IF:10.7Q1
DOI:10.1002/mco2.70247
PMID:40491967
|
review | 本文综述了深度学习在数字乳腺断层合成（DBT）乳腺癌筛查中的应用与展望 | 总结了深度学习在DBT中的三大应用类别，并提出了未来研究方向如大语言模型和多源域迁移 | 缺乏公开数据集和模型训练问题是当前主要挑战 | 探讨深度学习如何提升DBT图像处理效率和诊断准确性 | 数字乳腺断层合成（DBT）图像 | digital pathology | breast cancer | deep learning | NA | 3D medical images | NA | NA | NA | NA | NA |
| 8489 | 2025-06-12 |
AI-powered remote monitoring of brain responses to clear and incomprehensible speech via speckle pattern analysis
2025-Jun, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.6.067001
PMID:40492267
|
研究论文 | 本文介绍了一种基于激光散斑图案分析和深度学习的远程无接触脑皮层活动监测技术 | 提出了一种远程、无接触、低成本的脑皮层活动监测方法，克服了传统功能磁共振成像和接触式监测技术的局限性 | 目前仅针对Wernicke区对清晰和不可理解语音的反应进行了测试，尚未验证在其他脑区的适用性 | 开发一种远程光子技术，通过深度学习分析激光散斑图案视频来检测人脑皮层活动 | 人脑Wernicke区对语音刺激的反应 | 神经影像技术 | NA | 激光散斑图案成像技术 | 卷积长短期记忆深度神经网络(CNN-LSTM) | 视频 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 8490 | 2025-10-06 |
Development and validation of a 3-D deep learning system for diabetic macular oedema classification on optical coherence tomography images
2025-May-31, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-099167
PMID:40449950
|
研究论文 | 开发并验证基于三维光学相干断层扫描图像的糖尿病黄斑水肿自动分类系统 | 首次使用3D卷积神经网络对来自不同设备的3D-OCT图像进行糖尿病黄斑水肿多分类 | 使用回顾性数据，需要前瞻性研究进一步验证 | 开发自动化的糖尿病黄斑水肿分类系统 | 糖尿病黄斑水肿患者的3D-OCT图像 | 计算机视觉 | 糖尿病黄斑水肿 | 三维光学相干断层扫描 | CNN | 3D医学图像 | 7790个图像体积，来自4254名患者的7146只眼睛 | NA | 3D卷积神经网络 | 准确率，F1分数，灵敏度，特异性，AUROC，Cohen's kappa | NA |
| 8491 | 2025-10-06 |
Methylomes Reveal Recent Evolutionary Changes in Populations of Two Plant Species
2025-May-30, Genome biology and evolution
IF:3.2Q2
DOI:10.1093/gbe/evaf101
PMID:40408446
|
研究论文 | 本研究通过比较拟南芥和二穗短柄草中CG甲基化组与基因组的进化特征，开发了基于深度学习的甲基化变异推断群体历史的新方法 | 开发了首个基于深度学习的利用甲基化变异数据推断群体历史的方法，揭示了甲基化变异能识别传统SNP无法检测的近期群体扩张事件 | 在拟南芥中甲基化变异识别群体分化的效果不如SNP，且SNP与SMP在核苷酸多样性和等位基因频率上的相关性较弱 | 研究植物种群遗传过程和群体历史推断的新方法 | 拟南芥(Arabidopsis thaliana)和二穗短柄草(Brachypodium distachyon)植物种群 | 机器学习 | NA | 甲基化测序 | 深度学习 | 甲基化数据,基因组数据 | 两种植物物种的多个种群样本 | NA | NA | 群体分化识别能力,核苷酸多样性估计,等位基因频率谱,连锁不平衡衰减 | NA |
| 8492 | 2025-10-06 |
Mammogram mastery: Breast cancer image classification using an ensemble of deep learning with explainable artificial intelligence
2025-May-30, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000042242
PMID:40441211
|
研究论文 | 提出一种基于深度学习集成和可解释人工智能的乳腺X线影像分类方法，用于乳腺癌自动检测 | 结合基于似然和均值的集成方法，并应用可解释AI技术增强分类过程透明度 | NA | 开发自动诊断系统以提高乳腺癌诊断的准确性和效率 | 乳腺X线影像 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 图像 | NA | NA | Inception V3 | 准确率, F1分数 | NA |
| 8493 | 2025-10-06 |
Three-dimensional automated segmentation of adolescent idiopathic scoliosis on computed tomography driven by deep learning: A retrospective study
2025-May-30, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000042644
PMID:40441215
|
研究论文 | 本研究探索深度学习网络在青少年特发性脊柱侧凸CT图像中自动分割椎骨的可行性 | 首次将U-Net和Attention U-Net应用于青少年特发性脊柱侧凸患者的椎骨三维自动分割 | 样本量较小(仅31例)，且为回顾性研究 | 开发基于深度学习的椎骨自动分割方法以辅助脊柱侧凸手术规划 | 青少年特发性脊柱侧凸患者的CT图像 | 计算机视觉 | 脊柱侧凸 | CT成像 | CNN | 三维CT图像 | 31例AIS患者样本，涵盖颈椎至腰椎的广泛脊柱区域 | NA | U-Net, Attention U-Net | Dice系数, Hausdorff距离 | NA |
| 8494 | 2025-10-06 |
MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images
2025-May-20, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102099
PMID:40306276
|
研究论文 | 开发用于从子宫内膜癌组织病理图像预测错配修复缺陷的集成深度学习模型 | 提出MMRNet深度学习模型，首次实现从H&E染色全切片图像直接预测子宫内膜癌的错配修复缺陷状态 | NA | 开发可负担且易获取的工具来检测子宫内膜癌患者的错配修复状态 | 子宫内膜癌患者的组织病理学全切片图像 | 数字病理学 | 子宫内膜癌 | H&E染色 | CNN | 图像 | NA | NA | MMRNet | AUROC, 敏感度, 特异度 | NA |
| 8495 | 2025-06-12 |
On the use of deep learning for computer-generated holography
2025-May-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112507
PMID:40491959
|
review | 本文综述了深度学习在计算机生成全息术（CGH）中的应用及其最新进展 | 探讨了深度学习如何推动高质量和实时全息显示的发展，并介绍了数据驱动模型、物理驱动模型和联合优化模型等前沿研究方向 | NA | 回顾深度学习在计算机生成全息术中的应用及其发展 | 计算机生成全息术（CGH）和深度学习 | computer vision | NA | NA | data-driven models, physics-driven models, jointly optimized models | NA | NA | NA | NA | NA | NA |
| 8496 | 2025-06-12 |
Consecutive low-frequency shifts in A/T content denote nucleosome positions across microeukaryotes
2025-May-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112472
PMID:40491964
|
research paper | 通过分析1117个微型真核生物基因组中的DNA特征，发现与核小体组织相关的≈150bp A/T含量变化，并构建深度学习模型改进核小体占据预测 | 发现真核生物中普遍存在的核小体有利DNA生成策略，并利用深度学习模型预测核小体占据 | 研究主要基于微型真核生物基因组，可能不适用于所有真核生物 | 探索核小体位置与DNA特征之间的关系，改进核小体占据预测 | 1117个微型真核生物基因组 | 基因组学 | NA | 深度学习 | DL | 基因组数据 | 1117个微型真核生物基因组 | NA | NA | NA | NA |
| 8497 | 2025-10-06 |
Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples
2025-May-15, ArXiv
PMID:40463694
|
研究论文 | 本研究开发了一种基于深度学习的自动化系统，用于对卵巢癌活检组织样本进行分级和分期 | 首次将迁移学习与ResNet-101结合应用于卵巢癌组织病理图像的分期预测，并采用遗传算法进行超参数优化 | 研究仅限于特定类型的卵巢癌组织样本，未涉及其他癌症类型或更广泛的临床验证 | 开发自动化卵巢癌分级分期系统以减少人工诊断时间和观察者间差异 | 卵巢癌活检组织薄切片的透射光学显微镜明场图像 | 数字病理学 | 卵巢癌 | 组织病理学成像 | CNN | 图像 | NA | NA | ResNet-101 | 准确率 | NA |
| 8498 | 2025-06-12 |
Research status and progress of deep learning in automatic esophageal cancer detection
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.104410
PMID:40487951
|
综述 | 本文全面探讨了深度学习在食管癌医学影像自动检测中的研究进展和应用前景 | 总结了深度学习在食管癌筛查和诊断中的临床价值，并指出了未来研究方向 | 需要解决高质量数据集构建、多模态特征融合和人工智能-临床工作流程优化等关键挑战 | 促进深度学习技术在食管癌管理中的临床应用，改善患者预后 | 食管癌医学影像 | 数字病理学 | 食管癌 | 深度学习 | CNN | 医学影像（包括数字病理、内窥镜、CT等） | NA | NA | NA | NA | NA |
| 8499 | 2025-06-12 |
Research status and trends of deep learning in colorectal cancer (2011-2023): Bibliometric analysis and visualization
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.103667
PMID:40487952
|
文献计量分析 | 通过文献计量学方法分析2011年至2023年间深度学习在结直肠癌领域的研究现状和发展趋势 | 首次对深度学习在结直肠癌领域的研究热点和趋势进行文献计量分析，并预测未来研究方向 | 仅基于Web of Science核心合集的数据，可能未涵盖所有相关研究 | 分析深度学习在结直肠癌领域的应用现状和发展趋势 | 结直肠癌相关研究文献 | 数字病理学 | 结直肠癌 | 文献计量分析 | NA | 文献数据 | 1275篇出版物，来自74个国家和2267个机构 | NA | NA | NA | NA |
| 8500 | 2025-06-12 |
Computed tomography-based deep learning radiomics model for preoperative prediction of tumor immune microenvironment in colorectal cancer
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.106103
PMID:40487956
|
research paper | 该研究开发了一种基于CT的深度学习放射组学模型，用于术前预测结直肠癌肿瘤免疫微环境的关键生物标志物 | 首次提出使用非侵入性的CT图像结合深度学习模型预测肿瘤免疫微环境，避免了传统侵入性活检的局限性 | 研究为回顾性设计，样本量相对有限（315例），需要前瞻性研究进一步验证 | 开发非侵入性方法评估结直肠癌患者的肿瘤免疫微环境成分 | 315例经病理确诊的结直肠癌患者的术前CT图像 | digital pathology | colorectal cancer | CT成像 | DenseNet-121/169 | image | 315例结直肠癌患者（训练队列220例，验证队列95例） | NA | NA | NA | NA |