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 32373 篇文献，本页显示第 9821 - 9840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9821 | 2025-10-07 |
Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review
2025-Mar-18, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/57358
PMID:40100249
|
系统性综述 | 本系统性综述评估了利用电子健康记录中顺序诊断代码的深度学习模型在预测患者结局中的应用现状 | 首次系统性地评估了顺序诊断代码在深度学习模型中的应用情况，并分析了样本量与模型性能的关系以及模型泛化能力 | 研究方法和结果的异质性较大，大多数研究存在高偏倚风险 | 评估顺序诊断数据在深度学习模型中的应用情况，分析数据整合方式、样本量对性能的影响以及模型泛化能力 | 使用顺序诊断代码训练深度学习算法预测患者结局的研究 | 医疗人工智能 | 多种疾病 | 电子健康记录数据分析 | RNN, Transformer | 顺序诊断代码 | 84项符合条件的研究 | NA | 循环神经网络及其衍生模型, Transformer | AUC | NA |
| 9822 | 2025-10-07 |
Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis
2025-Mar-18, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03500-x
PMID:40100514
|
系统综述与荟萃分析 | 通过荟萃分析评估眼组学方法利用视网膜影像诊断精神健康障碍的诊断性能 | 首次系统评估眼组学方法在多种精神障碍诊断中的应用价值 | 纳入研究存在高偏倚风险、样本量小、缺乏外部验证、可能存在过拟合问题 | 评估眼组学方法在精神障碍诊断中的准确性和临床应用价值 | 重度抑郁障碍、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍患者 | 医学影像分析 | 精神健康障碍 | 彩色眼底照相、光学相干断层扫描、OCT血管成像 | 深度学习, 机器学习, 逻辑回归 | 视网膜影像 | 11项研究中的13个诊断模型 | NA | NA | 敏感性, 特异性, 曲线下面积 | NA |
| 9823 | 2025-10-07 |
Artificial Vision Systems for Fruit Inspection and Classification: Systematic Literature Review
2025-Feb-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25051524
PMID:40096367
|
系统文献综述 | 本文通过系统文献综述方法分析水果检测与分类中的人工视觉系统应用 | 采用PRISMA方法对2015-2024年间56篇文献进行系统分析，全面总结水果分选在不同应用场景的技术配置 | 仅涵盖特定数据库（Web of Science和Scopus）的文献，时间范围限定为近十年 | 识别水果分选的不同应用领域、典型硬件配置及使用的技术与算法 | 水果分选与质量检测系统 | 计算机视觉 | NA | 计算机视觉、多光谱成像 | 深度学习模型 | 图像 | 56篇文献（2015-2024年） | NA | ResNet, VGG | NA | NA |
| 9824 | 2025-10-07 |
A Review of Machine Learning and Deep Learning Methods for Person Detection, Tracking and Identification, and Face Recognition with Applications
2025-Feb-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25051410
PMID:40096196
|
综述 | 本文系统回顾了人脸识别、人员检测与追踪技术的最新发展，重点分析了机器学习和深度学习方法在该领域的应用现状与挑战 | 采用PRISMA系统综述方法对142篇相关文献进行质量评估，揭示了从传统方法向深度学习方法的技术转变趋势 | 模型在多变环境条件（如不同光照和遮挡）、不同摄像机角度下的鲁棒性仍需提升，且存在隐私权相关的伦理法律问题 | 评估人员检测、追踪识别和人脸识别技术的最新发展状况 | 142篇相关学术论文 | 计算机视觉 | NA | 系统文献综述 | 机器学习,深度学习 | 文献数据 | 142篇相关论文 | NA | NA | 报告合规性,充分性,方法学质量 | NA |
| 9825 | 2025-10-07 |
Development of a model for measuring sagittal plane parameters in 10-18-year old adolescents with idiopathic scoliosis based on RTMpose deep learning technology
2025-Jan-11, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-024-05334-2
PMID:39799363
|
研究论文 | 本研究开发了一种基于RTMpose深度学习技术的模型，用于自动测量青少年特发性脊柱侧凸患者的全脊柱X射线矢状面参数 | 首次将RTMpose深度学习技术应用于青少年特发性脊柱侧凸的脊柱参数自动测量，解决了传统手动测量耗时且存在个体差异的问题 | 数据来自内蒙古五家医院，可能存在地域局限性；不同医院数据格式和规格不一致需要通过数据增强技术处理 | 开发快速自动测量青少年特发性脊柱侧凸患者全脊柱X射线的深度学习模型 | 10-18岁青少年特发性脊柱侧凸患者 | 计算机视觉 | 脊柱侧凸 | X射线成像 | 深度学习 | X射线图像 | 560张全脊柱矢状面X射线图像（500张用于训练验证，60张用于外部验证） | RTMpose | RTMpose | 一致性百分比，准确率，组内相关系数，平均绝对误差 | NA |
| 9826 | 2025-10-07 |
[Deep Learning Approaches to Address the Shortage of Observers]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1554
PMID:40414718
|
研究论文 | 本研究开发了一种基于深度学习的AI观察器来解决熟练人类观察者短缺的问题，并评估了用AI替代人类观察者的影响 | 首次开发基于VGG19和VGG16的深度学习AI观察器，并在不同模块条件下评估其替代人类观察者的可行性 | 训练好的模型无法修改评估标准或阶段 | 解决熟练人类观察者短缺问题并评估AI替代的可行性 | CT系统扫描的体模图像 | 计算机视觉 | NA | CT扫描 | CNN | 医学图像 | 24张图像（6种管电流条件各扫描2次） | NA | VGG19,VGG16 | 方差,平均偏好度,统计显著性 | NA |
| 9827 | 2025-05-27 |
Editorial: Advances in computer vision: from deep learning models to practical applications
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1615276
PMID:40415892
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9828 | 2025-10-07 |
Mapping Artificial Intelligence Research Trends in Critical Care Nursing: A Bibliometric Analysis
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S522731
PMID:40416415
|
文献计量分析 | 通过文献计量方法分析2013-2023年重症监护护理领域人工智能研究的趋势和发展方向 | 首次系统性地对重症监护护理中人工智能研究进行文献计量分析，识别出七个代表性关键词聚类 | 分析仅限于2013-2023年期间的文献，可能无法反映更早期的研究趋势 | 分析重症监护护理领域人工智能研究趋势并展望未来研究方向 | 2013-2023年间发表的1,346篇相关学术文献 | 医疗人工智能 | 重症监护 | 文献计量分析，关键词聚类分析 | NA | 文献数据 | 1,346篇相关文章 | NA | NA | NA | NA |
| 9829 | 2025-10-07 |
The significance of an infant's cry: a narrative review of physiological, pathological, and analytical perspectives
2025, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2025.1558951
PMID:40416439
|
综述 | 本文系统回顾了婴儿哭声的生理机制、病理意义和分析方法，重点关注其作为生物标志物在健康评估和精准护理中的应用价值 | 首次系统整合婴儿哭声的多维度（生理、病理、心理）分析和深度学习应用研究，填补了现有文献的空白 | NA | 探讨婴儿哭声作为生物指标在健康监测和疾病早期诊断中的潜力 | 婴儿哭声特征及其与健康状况的关联 | 自然语言处理 | 神经系统疾病 | 深度学习 | NA | 音频 | NA | NA | NA | NA | NA |
| 9830 | 2025-10-07 |
Remote sensing-based detection of brown spot needle blight: a comprehensive review, and future directions
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.19407
PMID:40416626
|
综述 | 本文系统综述了基于遥感技术的褐斑针叶枯病检测方法，评估当前研究趋势和潜在应用 | 首次对褐斑针叶枯病的遥感检测方法进行全面文献计量分析，并整合地理空间分析与物种分布模型预测病原体范围扩张 | 针对褐斑针叶枯病的直接遥感应用研究仍然有限，存在关键知识空白 | 优化遥感监测方法，改进预测模型，开发早期预警系统以提升森林管理 | 松林褐斑针叶枯病及其遥感检测技术 | 遥感监测 | 植物病害 | 遥感技术，多源遥感，地理空间分析，物种分布建模 | 机器学习，深度学习 | 遥感影像，气候数据 | NA | NA | NA | NA | NA |
| 9831 | 2025-10-07 |
A transformation uncertainty and multi-scale contrastive learning-based semi-supervised segmentation method for oral cavity-derived cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1577198
PMID:40416865
|
研究论文 | 提出一种基于变换不确定性和多尺度对比学习的半监督分割方法，用于口腔癌病理图像分割 | 结合变换不确定性估计和多尺度对比学习，提出边界感知增强U-Net，减少对标注数据的依赖 | 仅在一个包含451张图像的数据集上验证，需要更多临床数据验证泛化能力 | 开发半监督分割方法以解决口腔癌病理图像标注数据稀缺问题 | 口腔鳞状细胞癌病理图像 | 数字病理 | 口腔癌 | H&E染色 | 半监督学习 | 病理图像 | 451张经病理学家标注验证的图像 | NA | U-Net | 分割性能指标 | NA |
| 9832 | 2025-10-07 |
Comparing factor mixture modeling and conditional Gaussian mixture variational autoencoders for cognitive profile clustering
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1474292
PMID:40417028
|
研究论文 | 比较因子混合模型和条件高斯混合变分自编码器在认知特征聚类中的表现 | 首次系统比较传统因子混合模型与深度学习方法的认知特征聚类能力，揭示不同方法在捕捉认知模式精细结构方面的差异 | CGMVAE方法存在复杂性和潜在聚类重叠问题，模型解释性相对较低 | 比较不同聚类方法在识别认知特征模式方面的效果 | 从PROFFILO评估游戏获得的六个认知维度的个体认知特征数据 | 机器学习 | NA | 认知评估游戏 | 因子混合模型,条件高斯混合变分自编码器 | 认知评估数据 | NA | NA | 条件高斯混合变分自编码器 | 轮廓系数 | NA |
| 9833 | 2025-10-07 |
Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1509377
PMID:40417183
|
研究论文 | 评估深度学习算法在非增强脑CT报告分类中的诊断精确性 | 使用DistilBERT模型对非增强脑CT报告进行四分类紧急程度评估，并在真实临床数据中验证其性能 | 束硬化伪影和过度噪声显著影响模型性能，无法确定性能差异的具体原因，工具泛化能力存在不确定性 | 确定深度学习算法在非增强脑CT报告分类中的诊断精确性 | 1,861份非增强脑CT报告 | 自然语言处理 | 神经系统疾病 | 文本分类 | Transformer | 文本 | 1,861份CT报告（800份训练，200份验证） | Python | DistilBERT | F1分数, 敏感性, 特异性, 阳性预测值 | 大学云系统 |
| 9834 | 2025-10-07 |
Application of 3D nnU-Net with Residual Encoder in the 2024 MICCAI Head and Neck Tumor Segmentation Challenge
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_20
PMID:40417457
|
研究论文 | 本研究探索使用3D nnU-Net模型在头颈部肿瘤MRI数据中自动分割原发肿瘤体积和转移淋巴结 | 采用带残差编码器的3D nnU-Net模型，并通过特定背景比例数据重训练优化分割性能 | 模型在高背景比例数据上表现不佳，对GTVp的分割效果不如GTVn | 改进放射治疗计划中头颈部肿瘤的自动分割精度 | 头颈部原发肿瘤体积(GTVp)和转移淋巴结(GTVn) | 医学图像分割 | 头颈部肿瘤 | MRI | 3D nnU-Net | 医学影像 | 2024 MICCAI头颈部肿瘤分割挑战赛提供的高质量数据集 | NA | 3D nnU-Net with Residual Encoder | DSCagg | NA |
| 9835 | 2025-10-07 |
Physician Assistant Educators' Production Blueprint for Video Pedagogy
2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association
DOI:10.1097/JPA.0000000000000592
PMID:38684095
|
研究论文 | 本文提出了基于验证教学实践的医师助理教育视频制作蓝图 | 结合认知负荷理论为医师助理教育开发专门的视频制作蓝图 | 基于文献综述和作者经验，缺乏实证研究验证 | 改进医师助理教育中的视频制作实践以提升学习效果 | 医师助理教育者和学生 | 教育技术 | NA | 视频教学法 | NA | 教学视频 | NA | NA | NA | NA | NA |
| 9836 | 2025-10-07 |
Towards Interpretable End-Stage Renal Disease (ESRD) Prediction: Utilizing Administrative Claims Data with Explainable AI Techniques
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417492
|
研究论文 | 本研究利用行政索赔数据结合可解释AI技术预测慢性肾脏病向终末期肾病的进展 | 首次将LSTM模型与SHAP可解释性分析结合应用于行政索赔数据的ESRD预测，并在24个月观察窗口表现出最优性能 | 数据来源于单一健康保险机构，可能影响模型泛化能力 | 预测慢性肾脏病向终末期肾病的疾病进展 | 慢性肾脏病患者 | 机器学习 | 肾脏疾病 | 行政索赔数据分析 | LSTM, Random Forest, XGBoost | 结构化医疗索赔数据 | 10年期的综合数据集 | NA | LSTM | NA | NA |
| 9837 | 2025-10-07 |
Enhancing Wearable Sensor Data Classification Through Novel Modified- Recurrent Plot-Based Image Representation and Mixup Augmentation
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417521
|
研究论文 | 提出一种基于改进递归图的图像表示方法和Mixup数据增强技术，用于提升可穿戴传感器数据的分类性能 | 开发了结合时域和频域信息的改进递归图图像表示方法，并采用傅里叶变换的频域角度差估计方案 | NA | 提升可穿戴传感器数据的分类性能和领域适应能力 | 加速度计活动识别和实时血糖水平预测 | 机器学习 | NA | 傅里叶变换，递归图，Mixup数据增强 | 深度学习 | 传感器数据，图像表示 | NA | NA | NA | 准确率 | NA |
| 9838 | 2025-10-07 |
Meta-Learning on Augmented Gene Expression Profiles for Enhanced Lung Cancer Detection
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417531
|
研究论文 | 提出一种基于元学习的基因表达谱增强方法用于肺癌检测 | 首次将元学习应用于基因表达谱数据增强，通过多数据集协同优化解决小样本问题 | 依赖多个相关数据集的可获得性，且数据集间可能存在批次效应 | 开发能够在小样本基因表达数据上有效工作的肺癌检测方法 | 肺癌患者的基因表达谱数据 | 机器学习 | 肺癌 | DNA微阵列 | 深度神经网络 | 基因表达谱 | 四个不同数据集（一个目标数据集，三个源数据集） | NA | NA | NA | NA |
| 9839 | 2025-10-07 |
A Large Language Model Outperforms Other Computational Approaches to the High-Throughput Phenotyping of Physician Notes
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417529
|
研究论文 | 比较三种计算方法在医生笔记高通量表型分析中的性能，发现大型语言模型表现最佳 | 首次系统比较大型语言模型、深度学习和传统机器学习在医生笔记高通量表型分析中的性能差异 | 仅比较了三种计算方法，可能未涵盖所有现有技术；研究范围限于医生笔记的表型分析 | 评估不同计算方法在电子健康记录高通量表型分析中的效果 | 医生临床笔记 | 自然语言处理 | NA | 高通量表型分析 | LLM, DL, ML | 文本 | NA | NA | GPT-4 | NA | NA |
| 9840 | 2025-10-07 |
Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417538
|
研究论文 | 本研究比较了使用叙事特征和结构化特征的机器学习模型在识别癌症患者心力衰竭风险方面的性能 | 提出了从结构化医疗代码中提取叙事特征的方法，并证明其能显著提高特征密度和模型性能 | 研究数据仅来自单一医疗机构（佛罗里达大学健康中心），样本代表性可能受限 | 识别癌症患者中具有心力衰竭风险的人群，以改善癌症治疗结果和安全性 | 被诊断患有肺癌、乳腺癌和结直肠癌的癌症患者 | 自然语言处理 | 癌症 | 电子健康记录分析 | LLM, LSTM, SVM, BERT | 电子健康记录文本数据 | 12,806名癌症患者，其中1,602人在癌症后发生心力衰竭 | NA | T-LSTM, GatorTron-3.9B, BERT | F1分数 | NA |