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 32843 篇文献，本页显示第 9401 - 9420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9401 | 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 |
| 9402 | 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 |
| 9403 | 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 |
| 9404 | 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 |
| 9405 | 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 |
| 9406 | 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 |
| 9407 | 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 |
| 9408 | 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 |
| 9409 | 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 |
| 9410 | 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 |
| 9411 | 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 |
| 9412 | 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 |
| 9413 | 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 |
| 9414 | 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 |
| 9415 | 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 |
| 9416 | 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 |
| 9417 | 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 |
| 9418 | 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 |
| 9419 | 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 |
| 9420 | 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 |