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 8921 - 8940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8921 | 2025-06-07 |
Beyond episodic early warning systems: a continuous clinical alert system for early detection of in-hospital deterioration
2025-May-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.20.25327940
PMID:40475141
|
research paper | 开发了一种基于可穿戴设备的深度学习模型，用于早期检测住院患者的病情恶化 | 使用仅9个输入的可穿戴设备数据，开发了一种RNN模型，能够比传统早期预警系统更早识别病情恶化 | 数据缺失率为4-8%，且排除了SpO2数据 | 减少住院患者病情恶化的延迟识别，提高临床警报系统的效率 | 888名成人非ICU住院患者 | machine learning | geriatric disease | wearable biosensors | RNN | biosensor data | 888 adult non-ICU inpatient visits in four hospitals | NA | NA | NA | NA |
| 8922 | 2025-06-07 |
Advanced feature fusion of radiomics and deep learning for accurate detection of wrist fractures on X-ray images
2025-May-20, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-08733-6
PMID:40394557
|
研究论文 | 本研究开发了一种结合放射组学和深度学习特征的混合诊断框架，用于X射线图像中腕部骨折的准确检测和分类 | 提出了一种结合放射组学和深度学习特征的混合框架，显著提高了腕部骨折的诊断性能 | 研究仅基于三个医疗中心的数据，可能存在样本选择偏差 | 开发一个准确且可重复的腕部骨折检测和分类系统 | 腕部和前臂骨折的X射线图像 | 计算机视觉 | 骨折 | 放射组学特征提取和深度学习 | autoencoder, XGBoost, CatBoost, Random Forest, Voting Classifier | X射线图像 | 3,537张X射线图像（1,871例骨折和1,666例非骨折） | NA | NA | NA | NA |
| 8923 | 2025-06-07 |
Improved Breast Cancer Detection with Artificial Intelligence in a Real-World Digital Breast Tomosynthesis Screening Program
2025-May-09, Clinical breast cancer
IF:2.9Q2
DOI:10.1016/j.clbc.2025.05.007
PMID:40473527
|
研究论文 | 本研究比较了在数字乳腺断层合成（DBT）筛查项目中实施人工智能（AI）检测系统前后放射科医生的乳腺癌筛查性能 | 在真实世界的DBT筛查项目中实施AI检测系统，显著提高了癌症检测率（CDR），降低了异常解释率（AIR），并显著提高了阳性预测值（PPV1和PPV3） | 研究为回顾性设计，且仅涉及4名放射科医生和有限的临床站点 | 评估AI检测系统在DBT筛查中对放射科医生性能的影响 | 数字乳腺断层合成（DBT）筛查中的乳腺癌检测 | 数字病理 | 乳腺癌 | 深度学习AI支持系统 | 深度学习 | 图像 | 前AI时期10,322例标准DBT解释，后AI时期6,407例DBT解释 | NA | NA | NA | NA |
| 8924 | 2025-06-07 |
Detecting Arrhythmogenic Right Ventricular Cardiomyopathy From the Electrocardiogram Using Deep Learning
2025-May-06, JACC. Clinical electrophysiology
DOI:10.1016/j.jacep.2025.04.003
PMID:40471767
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8925 | 2025-06-07 |
Deep Learning-based Anatomy-Aware Morph Model for Registration of Prostate Whole-Mount Histopathology to MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240336
PMID:40445100
|
研究论文 | 开发并评估了一种基于深度学习的创新方法，用于配准前列腺术前MRI和全切片组织病理学（WMHP）图像 | 提出了一种结合注意力机制和卷积神经网络的混合模型（Anatomy-Aware Morph模型），用于多模态前列腺图像配准，显著优于现有VoxelMorph方法 | 研究为回顾性设计，样本量相对有限（315例患者） | 实现前列腺术前MRI与术后病理图像的精准配准，辅助前列腺癌病灶映射 | 前列腺MRI和全切片组织病理学图像 | 数字病理 | 前列腺癌 | 深度学习图像配准 | 混合注意力机制与CNN（Anatomy-Aware Morph模型） | 医学影像（MRI与病理切片图像） | 315例患者（270训练集/45测试集），含160张测试图像 | NA | NA | NA | NA |
| 8926 | 2025-06-07 |
Deep Learning-Based Automated Detection of Oral Leukoplakia in Clinical Imaging
2025-May, Cureus
DOI:10.7759/cureus.83368
PMID:40462818
|
研究论文 | 本研究开发并验证了一种基于深度学习的系统，用于自动识别口腔白斑（OLK），以解决临床实践中的诊断挑战 | 使用19种CNN架构进行比较分析，并选择经过微调的EfficientNetB0作为最优模型，通过CAM可视化决策区域，实现了高精度和可解释性 | 数据集仅包含446张经组织病理学确认的口腔白斑病例图像和1,041张正常口腔黏膜图像，样本量相对有限 | 开发并验证一种基于深度学习的系统，用于自动识别口腔白斑，以解决临床实践中的诊断挑战 | 口腔白斑（OLK）的临床图像 | 计算机视觉 | 口腔癌 | 深度学习 | CNN, EfficientNetB0 | 图像 | 446张口腔白斑病例图像和1,041张正常口腔黏膜图像 | NA | NA | NA | NA |
| 8927 | 2025-06-07 |
Trials and tribulations: Developing an artificial intelligence for screening malaria parasite from peripheral blood smears
2025 May-Jun, Medical journal, Armed Forces India
DOI:10.1016/j.mjafi.2023.10.007
PMID:40463611
|
研究论文 | 本研究旨在开发一种人工智能技术，用于自动化检测外周血涂片中的疟原虫 | 首次尝试开发一个完整模块，用于从自动化显微摄影/全切片图像中筛查疟原虫 | 模型A、B和C的性能在敏感性或特异性方面存在不足 | 开发人工智能技术以自动化疟原虫检测过程 | 外周血涂片中的疟原虫 | 数字病理学 | 疟疾 | 深度学习方法 | DCNN, Inception V3, Watershed Transform | 图像 | 352张Leishman-Giemsa染色的外周血涂片图像 | NA | NA | NA | NA |
| 8928 | 2025-06-07 |
Revolutionizing the diagnosis of dental caries using artificial intelligence-based methods
2025-May, Journal of conservative dentistry and endodontics
DOI:10.4103/JCDE.JCDE_172_25
PMID:40463673
|
review | 本文综述了人工智能在龋齿诊断中的应用及其潜力 | 探讨了AI如何通过机器学习和深度学习技术改进龋齿诊断的精确性和效率 | 讨论了当前AI在牙科诊断中面临的挑战和限制 | 探索人工智能在龋齿早期诊断和病变检测中的应用 | 龋齿诊断的影像数据和临床记录 | digital pathology | dental caries | machine learning, deep learning | NA | image, clinical records | NA | NA | NA | NA | NA |
| 8929 | 2025-06-07 |
Hybrid optimization enabled DenseNet for autism spectrum disorders using MRI image
2025-Apr, Computational biology and chemistry
IF:2.6Q2
|
research paper | 该研究提出了一种结合JSTO优化算法的DenseNet模型，用于通过MRI图像检测自闭症谱系障碍（ASD） | 引入了新型的Jaya Sewing Training Optimization (JSTO)算法，结合Jaya算法和Sewing Training-Based Optimization (STBO)，用于特征选择和模型训练 | 研究仅基于Abide 1数据集进行验证，未在其他数据集上测试模型的泛化能力 | 开发一种高效的自闭症谱系障碍早期检测方法 | 自闭症患者的MRI脑部图像 | digital pathology | autism spectrum disorder | MRI | DenseNet | image | 基于Abide 1数据集（具体样本数量未提及） | NA | NA | NA | NA |
| 8930 | 2025-06-07 |
Multi-region nomogram for predicting central lymph node metastasis in papillary thyroid carcinoma using multimodal imaging: A multicenter study
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108608
PMID:39827707
|
研究论文 | 本研究通过整合基于超声图像的深度学习特征、基于CT图像的脂肪放射组学特征及临床特征，构建了一个多模态多区域列线图（MMRN）用于预测甲状腺乳头状癌（PTC）的中央淋巴结转移（CLNM） | 首次结合深度学习特征、脂肪放射组学特征和临床特征构建多模态多区域列线图，用于预测PTC的CLNM | 研究仅基于两个独立中心的数据，样本量相对有限 | 预测甲状腺乳头状癌（PTC）的中央淋巴结转移（CLNM） | 661名通过甲状腺切除术诊断为PTC的患者 | 数字病理 | 甲状腺癌 | 深度学习、放射组学特征提取、LASSO回归 | Resnet50 | 超声图像、CT图像 | 661名患者，分为主要队列、内部测试队列和外部测试队列 | NA | NA | NA | NA |
| 8931 | 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 |
| 8932 | 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 |
| 8933 | 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 |
| 8934 | 2025-06-07 |
Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries by using 3-D imaging: a systematic review
2025-Mar, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.09.010
PMID:39701860
|
系统综述 | 本文综述了人工智能在利用3D影像进行颌骨矫正手术的治疗规划和结果预测中的作用 | 探讨了AI在颌骨矫正手术3D影像治疗规划和结果预测中的未充分探索的应用 | 由于显著的异质性和数据报告不足，未进行荟萃分析 | 评估AI在颌骨矫正手术3D影像治疗规划和结果预测中的应用 | 颌骨矫正手术 | 数字病理 | 颌骨畸形 | 3D成像 | 深度学习和机器学习 | CT数据 | 14项研究 | NA | NA | NA | NA |
| 8935 | 2025-06-07 |
Real-time assistance in suicide prevention helplines using a deep learning-based recommender system: A randomized controlled trial
2025-Mar, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105760
PMID:39705915
|
research paper | 评估AI辅助工具在自杀预防热线对话中为咨询师提供实时援助的有效性和可用性 | 使用基于BERT的句子嵌入生成建议，通过余弦相似性为咨询师提供前5个聊天情境 | 工具在不适当的情境下频繁使用，咨询师在最佳时机使用工具的频率较低，可能缺乏熟练度或对系统的初始信任问题 | 评估AI辅助工具在自杀预防热线中的效果 | 自杀预防热线的咨询师和求助者 | natural language processing | mental health | BERT, cosine similarity | BERT | text | 48名咨询师（27名实验组，21名对照组），共评估188次轮班 | NA | NA | NA | NA |
| 8936 | 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 |
| 8937 | 2025-06-07 |
Automatic medical imaging segmentation via self-supervising large-scale convolutional neural networks
2025-Mar, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110711
PMID:39798701
|
研究论文 | 本研究开发了一种基于自监督学习的大规模深度学习模型，用于医学图像分割，旨在克服监督学习和临床数据变异性的限制 | 利用自监督学习和稀疏子流形卷积进行大规模预训练，设计了不同规模的稀疏子流形U-Net（SS-UNets），并在多个未见数据集上展示了优越的性能和可扩展性 | 未提及具体的数据集来源和样本的具体数量，可能影响结果的普适性 | 开发一种鲁棒的医学图像分割模型，减少对大量标注数据的依赖，提高模型的泛化能力 | 医学图像（CT、MRI和PET） | 数字病理 | 癌症 | 自监督学习、稀疏子流形卷积 | SS-UNets（稀疏子流形U-Nets） | 医学图像（CT、MRI和PET） | 多中心CT数据集，具体数量未提及 | NA | NA | NA | NA |
| 8938 | 2025-06-07 |
Deep learning for age estimation from panoramic radiographs: A systematic review and meta-analysis
2025-Mar, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105560
PMID:39826609
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了深度学习在全景X光片年龄估计中的性能 | 首次对深度学习在全景X光片年龄估计中的应用进行了系统评价和荟萃分析 | 大多数研究存在偏倚风险不明确或偏高的问题，且方法学局限性需要进一步研究 | 评估深度学习在全景X光片年龄估计中的性能 | 使用深度学习进行年龄估计的研究 | 数字病理 | NA | 深度学习 | NA | 医学影像（全景X光片） | 42项研究（其中9项用于荟萃分析） | NA | NA | NA | NA |
| 8939 | 2025-06-07 |
Conotoxins: Classification, Prediction, and Future Directions in Bioinformatics
2025-02-09, Toxins
IF:3.9Q1
DOI:10.3390/toxins17020078
PMID:39998095
|
review | 本文探讨了机器学习（ML）和深度学习（DL）在芋螺毒素研究中的应用进展 | 综述了ML和DL在芋螺毒素序列分类、功能预测和从头肽设计中的创新应用 | 未提及具体实验验证或模型性能的局限性 | 探索计算生物学方法在芋螺毒素研究中的应用 | 芋螺毒素（conotoxins） | 生物信息学 | NA | 机器学习（ML）、深度学习（DL） | NA | 序列数据 | NA | NA | NA | NA | NA |
| 8940 | 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 |