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 8841 - 8860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8841 | 2025-06-07 |
Deep learning model for detecting high-grade dysplasia in colorectal adenomas
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100441
PMID:40463412
|
研究论文 | 本研究开发了一种深度学习模型，用于区分结直肠腺瘤中的低级别异型增生（LGD）和高级别异型增生（HGD） | 首次使用深度学习模型对结直肠腺瘤的异型增生程度进行准确分类 | 样本量相对较小，可能影响模型的泛化能力 | 提高结直肠腺瘤异型增生程度的自动诊断准确性 | 结直肠腺瘤组织切片 | 数字病理学 | 结直肠癌 | 深度学习 | ResNet34 | 病理图像 | 200张组织切片（71例HGD，129例LGD） | NA | NA | NA | NA |
| 8842 | 2025-06-07 |
Efficient merging and validation of deep learning-based nuclei segmentations in H&E slides from multiple models
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100443
PMID:40463413
|
研究论文 | 本研究提出了一种整合多种深度学习模型进行H&E切片中细胞核分割的新方法，以提高细胞类型定量的准确性 | 提出了一种新颖的整合多种深度学习模型的方法，用于细胞核分割，相比单一模型和人工病理学检查，提高了细胞类型比例的准确性和基因表达变异的解释能力 | 深度学习模型在分割特定细胞类型方面仍存在局限性，且某些模型在特定任务上可能比其他模型更有效 | 开发一种高效整合多种深度学习模型的方法，以改进H&E切片中细胞核分割和细胞类型定量 | 471例正常前列腺样本的H&E切片 | 数字病理学 | 前列腺癌 | 深度学习 | 多种深度学习模型 | 图像 | 471例正常前列腺样本 | NA | NA | NA | NA |
| 8843 | 2025-06-07 |
Burnout crisis in Chinese radiology: will artificial intelligence help?
2025-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11206-4
PMID:39567429
|
research paper | 评估人工智能（AI）软件使用与中国医院放射科职业倦怠之间的相关性 | 首次量化研究AI软件使用与放射科人员职业倦怠的关系，并发现AI使用时长与倦怠程度呈显著负相关 | 研究设计为横断面研究，无法确定因果关系 | 探讨AI在减轻放射科人员职业倦怠方面的作用 | 中国68家公立医院的放射科医生和技术人员 | digital pathology | NA | 问卷调查（MBI-HSS量表和AI使用问卷） | NA | survey data | 522名放射科工作人员 | NA | NA | NA | NA |
| 8844 | 2025-06-07 |
Colorectal cancer classification using weakly annotated whole slide images: Multiple instance learning optimization study
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109649
PMID:39798507
|
研究论文 | 本研究利用深度学习技术，通过弱标注的组织病理学全切片图像（WSIs）研究结直肠癌（CRC）分类问题 | 提出了与多实例学习（MIL）集成的WSI标签预测函数，显著提高了WSI级别分类的性能 | NA | 开发高效的计算机辅助诊断（CAD）系统，用于结直肠癌的早期检测和分类 | 结直肠癌的组织病理学全切片图像 | 数字病理学 | 结直肠癌 | 深度学习 | 多实例学习（MIL） | 图像 | NA | NA | NA | NA | NA |
| 8845 | 2025-06-07 |
Quantification of coronary artery calcification in systemic sclerosis using visual ordinal and deep learning scoring: Association with systemic sclerosis clinical features
2025-02, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2024.152598
PMID:39613484
|
research paper | 本研究探讨了系统性硬化症（SSc）临床特征与冠状动脉钙化程度及进展之间的关联 | 结合视觉序数评分和深度学习（DeepCAC）方法量化冠状动脉钙化，并探索其与SSc临床特征的关联 | 单中心回顾性研究，样本量有限（86例和171例） | 研究SSc临床特征与冠状动脉钙化进展的关系 | 系统性硬化症患者 | digital pathology | cardiovascular disease | DeepCAC | deep learning | medical imaging | 86例（主要目标）和171例（次要目标）SSc患者 | NA | NA | NA | NA |
| 8846 | 2025-06-07 |
PRISM Lite: A lightweight model for interactive 3D placenta segmentation in ultrasound
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047410
PMID:40463735
|
research paper | 提出了一种轻量级交互式分割模型PRISM Lite，用于实时从3D超声图像中分割胎盘 | 设计了一个轻量级模型，适用于临床使用，能够在资源有限的环境中实时运行，并通过人机交互实现迭代改进 | 尽管模型在分割精度上表现优异，但其在低资源环境或移动设备上的实际应用仍需进一步验证 | 开发一种适用于临床的轻量级交互式胎盘分割模型，以提高分割效率和质量 | 3D超声图像中的胎盘 | digital pathology | pregnancy outcomes | 3D ultrasound (3DUS) | lightweight interactive segmentation model | 3D image | NA | NA | NA | NA | NA |
| 8847 | 2025-06-07 |
Autofluorescence Virtual Staining System for H&E Histology and Multiplex Immunofluorescence Applied to Immuno-Oncology Biomarkers in Lung Cancer
2025-01-01, Cancer research communications
IF:2.0Q3
DOI:10.1158/2767-9764.CRC-24-0327
PMID:39636222
|
research paper | 本研究展示了通过结合高通量高光谱荧光显微镜和机器学习，从未染色的非小细胞肺癌组织的自发荧光图像生成虚拟H&E染色和多重免疫荧光染色的可行性 | 将虚拟染色技术从AF扩展到不同疾病（肺癌）和染色模式（mIF），并开发了新的虚拟H&E和多重免疫荧光染色 | 虚拟染色在各种评估指标上表现中等至良好，但未提及是否在所有情况下都优于传统染色方法 | 探索虚拟染色在数字病理学中的潜力，以促进空间生物学研究，提高临床工作流程的效率和可靠性 | 非小细胞肺癌组织 | digital pathology | lung cancer | hyperspectral fluorescence microscopy, machine learning | deep learning | image | NA | NA | NA | NA | NA |
| 8848 | 2025-06-07 |
Deep Learning to Simulate Contrast-Enhanced MRI for Evaluating Suspected Prostate Cancer
2025-Jan, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240238
PMID:39807983
|
research paper | 本研究探讨了使用深度学习从非对比MRI序列生成模拟对比增强MRI的可行性，并评估其在评估临床显著性前列腺癌中的潜在价值 | 利用深度学习模型（pix2pix算法）从非对比MRI序列合成对比增强MRI扫描，为减少对比剂使用提供可能 | 研究为回顾性设计，且样本量有限，可能影响结果的普遍性 | 评估深度学习生成模拟对比增强MRI的可行性及其在前列腺癌评估中的应用价值 | 疑似前列腺癌的男性患者 | digital pathology | prostate cancer | MRI | pix2pix algorithm | image | 567名男性患者（平均年龄66岁±11） | NA | NA | NA | NA |
| 8849 | 2025-06-07 |
Investigating the Key Trends in Applying Artificial Intelligence to Health Technologies: A Scoping Review
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322197
PMID:40372995
|
综述 | 本文探讨了人工智能在医疗技术中的关键趋势，重点关注其在诊断和治疗中的变革潜力以及面临的挑战 | 系统总结了2020年至2024年间68项关于医疗AI的研究，揭示了AI在医疗流程中的准确性和时效性提升 | 存在数据整合、处理错误、决策制定和患者安全方面的挑战，且需要更深入的伦理和隐私考量 | 研究人工智能在医疗健康领域的整合及其未来发展的潜力 | 医疗健康领域的人工智能应用 | 人工智能 | NA | 深度学习方法和机器学习 | NA | 学术研究数据 | 68项学术研究 | NA | NA | NA | NA |
| 8850 | 2025-06-07 |
Intelligent and precise auxiliary diagnosis of breast tumors using deep learning and radiomics
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320732
PMID:40455816
|
research paper | 开发了一种结合深度学习和放射组学的智能诊断模型，用于提高乳腺肿瘤的诊断准确性 | 结合MobileNet与ResNeXt启发的深度可分离和分组卷积，改进了特征处理效率和参数数量 | 外部验证集的准确率（69.44%）和AUC（0.75）低于内部验证集，可能表明模型在泛化性上仍有提升空间 | 提高乳腺肿瘤的智能辅助诊断准确性 | 乳腺肿瘤 | digital pathology | breast cancer | deep learning, radiomics | MobileNet, ResNeXt, VGG16, ResNet, AlexNet | image | AI-Dhabyani和TCIA乳腺超声数据集 | NA | NA | NA | NA |
| 8851 | 2025-06-07 |
UICD: A new dataset and approach for urdu image captioning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320701
PMID:40455832
|
research paper | 该研究创建了一个新的乌尔都语图像描述数据集(UCID)并提出了专为乌尔都语图像描述设计的深度学习架构 | 提出了首个乌尔都语图像描述数据集UC-23-RY，并设计了NASNetLarge-LSTM和ResNet-50-LSTM两种深度学习架构 | 乌尔都语图像描述研究资源匮乏，且数据集基于Flickr30k数据集启发 | 填补乌尔都语图像描述研究的空白，提升自动乌尔都语图像描述的质量 | 乌尔都语图像描述 | natural language processing | NA | deep learning | NASNetLarge-LSTM, ResNet-50-LSTM | image, text | 159,816 Urdu captions | NA | NA | NA | NA |
| 8852 | 2025-06-07 |
A dynamic early-warning method for bridge structural safety based on data reconstruction and depth prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324816
PMID:40460166
|
研究论文 | 提出了一种基于数据重构和深度预测的桥梁结构安全动态预警方法 | 利用SVD算法分解和重构监测数据，结合LSTM网络建立预测模型，显著提高了预测准确性 | 未提及具体桥梁类型或环境条件下的适用性限制 | 解决复杂耦合荷载下桥梁结构异常监测数据的有效检测和预警问题 | 桥梁结构的安全监测数据 | 结构健康监测 | NA | 奇异值分解(SVD), 长短期记忆网络(LSTM) | LSTM | 应变监测数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 8853 | 2025-06-07 |
Multi-modal remote sensory learning for multi-objects over autonomous devices
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1430222
PMID:40462839
|
研究论文 | 提出了一种结合马尔可夫随机场和Alex Net模型的新方法，用于遥感图像中多对象的精确识别和场景分类 | 采用马尔可夫随机场进行精确标记和Alex Net模型进行场景识别的协同组合，提高了对复杂空中物体间交互的理解和识别能力 | 未提及具体样本量限制或计算资源需求 | 提高遥感图像中多对象识别的准确性和速度 | 遥感图像中的多类对象 | 计算机视觉 | NA | 马尔可夫随机场(MRF), Alex Net模型 | MRF, CNN(Alex Net) | 遥感图像 | 基准数据集(UC Merced Land Use和AID) | NA | NA | NA | NA |
| 8854 | 2025-06-07 |
MultiCubeNet: Multitask deep learning for molecular subtyping and prognostic prediction in gliomas
2025 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdaf079
PMID:40463652
|
research paper | 开发并验证了一个名为MultiCubeNet的多任务深度学习模型，用于同时预测胶质瘤的关键分子标记和预后 | 提出了一个多序列、多尺度、多任务的深度学习框架，能够同时预测IDH突变、1p/19q共缺失、TERT启动子突变和预后 | 在TCGA队列中的性能不太理想，AUC值低于0.8 | 开发一个深度学习模型，用于胶质瘤的分子亚型和预后预测 | 457例成人型弥漫性胶质瘤（193例训练队列；162例和102例分别在SZS和TCGA验证队列中） | digital pathology | glioma | deep learning | MultiCubeNet | image | 457例成人型弥漫性胶质瘤 | NA | NA | NA | NA |
| 8855 | 2025-06-07 |
Interactive Segmentation Model for Placenta Segmentation from 3D Ultrasound images
2025, Simplifying medical ultrasound : 5th international workshop, ASMUS 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, proceedings. ASMUS (Workshop) (5th : 2024 : Marrakech, Morocco)
DOI:10.1007/978-3-031-73647-6_13
PMID:40463734
|
research paper | 本文评估了3D交互式分割模型在人机协作胎盘分割任务中的表现，并提出了一种高效的人机交互模型 | 首次将人机交互模型应用于3D超声图像胎盘分割任务，并验证其有效性 | 未说明模型在临床环境中的实际应用效果 | 开发高效的3D超声图像胎盘分割方法 | 3D超声图像中的胎盘组织 | digital pathology | 产科疾病 | 3D超声成像 | interactive segmentation model (基于SAM) | 3D医学图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 8856 | 2025-06-07 |
Advancements and challenges of artificial intelligence in climate modeling for sustainable urban planning
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1517986
PMID:40463823
|
Mini Review | 探讨人工智能在气候建模中的进展与挑战，以促进可持续城市规划 | 综述了机器学习和深度学习技术在提高气候风险评估、资源优化和基础设施韧性方面的最新进展 | 数据质量不一致、模型可解释性限制、伦理问题以及AI模型在不同城市环境中的可扩展性 | 促进气候适应和可持续城市规划 | 气候建模和城市规划 | 机器学习 | NA | 机器学习和深度学习 | ML和DL | 多源数据 | NA | NA | NA | NA | NA |
| 8857 | 2025-06-07 |
BrainTumNet: multi-task deep learning framework for brain tumor segmentation and classification using adaptive masked transformers
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1585891
PMID:40463867
|
research paper | 开发了一个名为BrainTumNet的多任务深度学习框架，用于脑肿瘤的分割和分类 | 结合了改进的编码器-解码器架构、自适应掩码Transformer和多尺度特征融合策略，实现了肿瘤分割和分类的多任务学习 | 研究仅基于485例病理确诊的病例，样本量可能不足以覆盖所有脑肿瘤类型和变异 | 开发一个多任务深度学习模型，用于精确的脑肿瘤分割和类型分类 | 高级别胶质瘤、转移性肿瘤和脑膜瘤的T1增强MRI序列图像 | digital pathology | brain tumor | MRI | CNN, Transformer | image | 485例病理确诊的病例（训练集378例，测试集109例，外部验证集51例） | NA | NA | NA | NA |
| 8858 | 2025-06-07 |
A novel method of BiFormer with temporal-spatial characteristics for ECG-based PVC detection
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1549380
PMID:40463999
|
研究论文 | 提出了一种结合BiFormer模型和时空特征的ECG信号处理方法，用于检测室性早搏（PVC） | 使用BiFormer分类模型和Bi-level Routing Attention机制，结合Markov Transition Fields将一维时间序列信号转换为二维图像，提高了PVC检测的准确性和计算效率 | NA | 开发一种更准确和高效的ECG信号分析方法，用于早期检测室性早搏（PVC） | ECG信号 | 机器学习 | 心血管疾病 | Markov Transition Fields (MTFs), Bi-level Routing Attention (BRA) | BiFormer | ECG信号 | MIT-BIH心律失常数据库 | NA | NA | NA | NA |
| 8859 | 2025-06-07 |
YOLO for early detection and management of Tuta absoluta-induced tomato leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1524630
PMID:40464016
|
研究论文 | 该研究利用YOLOv8模型进行Tuta absoluta引起的番茄叶部病害的早期检测与管理 | 首次公开了一个名为TomatoEbola的数据集，并提出了基于迁移学习的方法评估YOLOv8在检测Tuta absoluta中的性能 | 数据集样本量较小，仅包含326张图像和784个标注，可能影响模型的泛化能力 | 通过AI技术提高农业病害检测效率，减少作物损失并增强粮食安全 | 番茄叶部病害（由Tuta absoluta引起） | 计算机视觉 | 植物病害 | 迁移学习 | YOLOv8 | 图像 | 326张图像和784个标注，来自三个不同的农场 | NA | NA | NA | NA |
| 8860 | 2025-06-07 |
Toward trustable use of machine learning models of variant effects in the clinic
2024-Dec-05, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2024.10.011
PMID:39561772
|
研究论文 | 本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响 | 提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用 | 现有模型验证和校准策略仍存在重要局限性 | 提高临床变异注释的可靠性和影响力，以指导诊断和治疗 | 蛋白质编码基因中的错义替换 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |