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 32371 篇文献，本页显示第 10021 - 10040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10021 | 2025-05-27 |
Hybrid AI models for predicting heat distribution in complex tissue structures with bioheat transfer simulation
2025-Apr, Journal of thermal biology
IF:2.9Q1
DOI:10.1016/j.jtherbio.2025.104122
PMID:40311397
|
研究论文 | 本文提出了一种结合深度学习与分数阶Legendre小波方法的生物热传递模型，用于精确预测工程组织构建中的热效应 | 该模型整合了分数阶Legendre小波方法，实现了比传统方法快15%的热预测速度，并在多种组织类型中保持预测误差低于0.4°C | 实验验证仅针对5厘米组织构建体进行，未涉及更复杂或更大规模的组织结构 | 提高生物组织热行为的预测精度，以支持热疗、热消融和组织工程等医疗应用 | 工程组织构建体（包括皮肤、肌肉、脂肪和骨骼等多种组织类型） | 生物医学工程 | NA | 深度学习增强的生物热传递模拟 | 深度学习与分数阶Legendre小波混合模型 | 热分布数据 | 5厘米组织构建体，暴露于15W热源120分钟 | NA | NA | NA | NA |
| 10022 | 2025-05-27 |
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 | 本文系统性综述了利用深度学习模型整合序列诊断数据以预测患者结局的研究现状 | 首次系统评估了序列诊断数据在深度学习模型中的应用及其对预测性能的影响 | 研究方法和结局指标存在异质性，且多数研究存在高偏倚风险 | 评估序列诊断数据在深度学习模型中的整合方式及其对预测性能的影响 | 基于电子健康记录中序列诊断代码的深度学习预测模型 | 医疗人工智能 | 多种疾病（重点关注心力衰竭） | 深度学习 | RNN及其衍生模型（56%）、Transformer（26%） | 序列诊断代码、用药记录等结构化电子健康记录数据 | 84项符合条件的研究（共740篇初筛文献） | NA | NA | NA | NA |
| 10023 | 2025-05-27 |
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
|
meta-analysis | 该研究通过系统综述和荟萃分析评估了眼组学方法（包括深度学习、机器学习和逻辑回归模型）在利用视网膜成像检测主要精神障碍中的诊断性能 | 首次通过荟萃分析方法综合评估了眼组学技术在精神障碍诊断中的应用效果，并揭示了其高诊断准确性 | 所有研究存在高偏倚风险，主要源于病例对照研究设计、缺乏外部验证和选择偏倚，部分模型出现过拟合现象，且未发现精神障碍特异性视网膜生物标志物 | 评估眼组学方法在精神障碍诊断中的性能并探讨其临床应用潜力 | 主要精神障碍（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍）患者 | 数字病理学 | 精神障碍 | 深度学习，机器学习，逻辑回归模型 | NA | 视网膜图像（包括彩色眼底照相、光学相干断层扫描和光学相干断层扫描血管成像） | 11项研究中的13个诊断模型 | NA | NA | NA | NA |
| 10024 | 2025-05-27 |
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，探讨了计算机视觉在水果分选和质量检测中的应用领域、硬件配置及算法技术 | 总结了2015至2024年间56篇相关文献，提供了水果质量检测系统开发的基础指南 | 仅分析了2015至2024年的文献，可能未涵盖早期的重要研究 | 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和算法 | 水果分选和质量检测 | 计算机视觉 | NA | RGB相机、LED照明系统、多光谱相机、Otsu和Sobel算法、ResNet和VGG模型 | ResNet, VGG | 图像 | 56篇文献 | NA | NA | NA | NA |
| 10025 | 2025-05-27 |
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 | 本文全面分析了人脸识别、跟踪、识别和人员检测技术的最新发展，强调了现有技术的优缺点 | 通过PRISMA方法系统综述了100多篇著名期刊文章，概括了该领域最相关的研究，并强调了从传统方法向深度学习方法转变的趋势 | 模型在不同环境条件下的鲁棒性有待提高，包括多样光照和遮挡；对不同摄像机角度的适应性；以及与隐私权相关的伦理和法律问题 | 评估人脸识别、跟踪、识别和人员检测技术的最新发展 | 142篇相关论文 | 计算机视觉 | NA | 机器学习、深度学习 | NA | NA | 142篇论文 | NA | NA | NA | NA |
| 10026 | 2025-05-27 |
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
|
research paper | 开发了一种基于RTMpose深度学习技术的模型，用于快速自动测量青少年特发性脊柱侧凸（AIS）患者的全脊柱X光片 | 利用RTMpose深度学习技术自动化测量过程，解决了手动测量耗时和个体间变异性的问题 | 不同医院数据格式和规范的变异性是一个挑战，通过数据增强技术进行了处理 | 开发一种深度学习模型，用于快速自动测量AIS患者的全脊柱X光片 | 10-18岁青少年特发性脊柱侧凸（AIS）患者 | digital pathology | idiopathic scoliosis | RTMpose deep learning technology | RTMpose | X-ray images | 560张全脊柱矢状面X光片，来自内蒙古五家医院 | NA | NA | NA | NA |
| 10027 | 2025-05-27 |
[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观察者，以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 | 使用VGG19和VGG16深度学习模型替代人类观察者，解决了观察者短缺问题，并验证了AI与人类观察结果的一致性 | 无法修改训练模型的评估标准或阶段 | 解决熟练人类观察者短缺问题并评估AI替代人类观察者的可行性 | CT扫描图像和人类观察者 | 计算机视觉 | NA | CT扫描 | VGG19, VGG16 | 图像 | 24张CT扫描图像，5名人类观察者 | NA | NA | NA | NA |
| 10028 | 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 |
| 10029 | 2025-05-27 |
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 | 本文提出了一个基于验证教学实践的医师助理(PA)教育视频制作蓝图，旨在改进视频制作实践并提高学生学习效果 | 结合认知负荷理论和专门为PA教育设计的视频制作蓝图，提出改进视频教学效果的新方法 | NA | 改进医师助理教育中的视频教学方法 | 医师助理教育中的视频教学 | 教育技术 | NA | 视频制作技术 | NA | 视频 | NA | NA | NA | NA | NA |
| 10030 | 2025-05-26 |
Automatic detection of gastrointestinal system abnormalities using deep learning-based segmentation and classification methods
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00354-6
PMID:40406365
|
研究论文 | 本文提出了一种基于深度学习的创新方法，用于胃肠道系统病理区域的自动分割和分类 | 开发了新型分割网络GISegNet，并提出了一种结合transformer模型特征和mRMR算法优化的混合深度学习方法 | 研究仅基于Kvasir数据集进行验证，未在其他数据集上测试泛化能力 | 提高胃肠道系统异常的自动检测和分类准确率 | 胃肠道系统异常 | 计算机视觉 | 胃肠道疾病 | 深度学习 | GISegNet, DeiT, ViT, SVM | 内窥镜图像 | Kvasir数据集 | NA | NA | NA | NA |
| 10031 | 2024-09-19 |
Reply to: "Enhancing diagnostic accuracy for primary bone tumors: The role of expert histological analysis and AI-driven deep learning models"
2025-Jun, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2024.108670
PMID:39289050
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10032 | 2025-05-26 |
Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions
2025-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00892-4
PMID:40035984
|
研究论文 | 使用条件去噪扩散概率模型（CDDPM）改进盆腔区域的锥形束计算机断层扫描（CBCT）图像质量 | 提出了一种基于CDDPM的方法，通过将伪散射添加到计划CT生成的伪CBCT来训练模型，从而将CBCT转换为高质量合成CT（sCT），显著提高了HU准确性和解剖结构保留 | 研究仅针对盆腔区域，未验证在其他身体部位的适用性 | 提高CBCT图像质量以促进自适应放射治疗（ART）的应用 | 盆腔区域的CBCT图像 | 医学影像处理 | 前列腺癌 | 条件去噪扩散概率模型（CDDPM） | CDDPM | 医学影像（CBCT和CT） | 未明确提及样本数量，但涉及结肠、前列腺和膀胱等器官的评估 | NA | NA | NA | NA |
| 10033 | 2025-05-26 |
A CT-free deep-learning-based attenuation and scatter correction for copper-64 PET in different time-point scans
2025-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00905-2
PMID:40261572
|
研究论文 | 本研究开发并评估了一种基于深度学习的全身64Cu PET成像中的衰减和散射校正模型 | 使用swinUNETR模型和迁移学习技术，在有限的Cu基PET图像数据集上实现了有效的衰减和散射校正 | 训练数据集规模有限，可能影响模型的泛化能力 | 开发无需CT的深度学习方法来校正64Cu PET成像中的衰减和散射效应 | 64Cu基PET成像数据 | 医学影像分析 | NA | 深度学习，迁移学习 | swinUNETR | 医学影像(PET-CT图像) | 15张Cu基PET图像用于训练，6张用于测试(包含1小时、12小时和48小时三个时间点各2张) | NA | NA | NA | NA |
| 10034 | 2025-05-26 |
Deep learning reconstruction combined with contrast-enhancement boost in dual-low dose CT pulmonary angiography: a two-center prospective trial
2025-May-24, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11681-3
PMID:40411550
|
research paper | 研究深度学习重建（DLR）结合对比增强提升（CE-boost）技术在双低剂量CT肺动脉造影（CTPA）中的应用效果 | 首次将DLR与CE-boost技术结合应用于双低剂量CTPA，显著提升了图像质量和诊断准确性 | 研究仅在两中心进行，样本量为130例，可能需要更大规模验证 | 评估DLR结合CE-boost技术在降低辐射和对比剂剂量情况下提升CTPA图像质量的效果 | 疑似肺栓塞患者 | digital pathology | pulmonary embolism | CT pulmonary angiography (CTPA) | deep learning reconstruction (DLR) | CT图像 | 130例患者 | NA | NA | NA | NA |
| 10035 | 2025-05-26 |
Improvement of deep learning-based dose conversion accuracy to a Monte Carlo algorithm in proton beam therapy for head and neck cancers
2025-May-23, Journal of radiation research
IF:1.9Q3
DOI:10.1093/jrr/rraf019
PMID:40267259
|
研究论文 | 本研究探讨了图像旋转技术和缩放增强在提高质子束治疗中基于深度学习的剂量转换精度方面的有效性 | 引入了图像旋转技术和缩放增强方法，显著提高了从铅笔束到蒙特卡洛算法的剂量转换精度 | 研究仅针对头颈癌患者，样本量相对较小 | 提高质子束治疗中基于深度学习的剂量计算精度 | 头颈癌患者 | 医学影像处理 | 头颈癌 | 深度学习 | DL模型 | CT图像和剂量数据 | 85名患者，分为101个训练/验证计划（334束）和11个测试计划（34束） | NA | NA | NA | NA |
| 10036 | 2025-05-26 |
Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer
2025-May-23, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adu2151
PMID:40408481
|
research paper | 该研究通过单细胞多模态分析揭示了非小细胞肺癌肿瘤微环境对治疗反应的预测作用 | 开发了NucSegAI深度学习模型用于自动化核分割和细胞分类，并识别了预测免疫治疗反应的特定淋巴细胞表型 | 研究样本量相对有限（119张全切片图像），且仅针对非小细胞肺癌 | 优化非小细胞肺癌患者的治疗反应预测，改善患者分层和治疗方案选择 | 人类非小细胞肺癌组织 | digital pathology | lung cancer | multiplex immunofluorescence (mIF), RNA sequencing | deep learning model (NucSegAI) | image, RNA-seq data | 119张全切片图像中的4560万个细胞 | NA | NA | NA | NA |
| 10037 | 2025-05-26 |
Multimodal ultrasound-based radiomics and deep learning for differential diagnosis of O-RADS 4-5 adnexal masses
2025-May-23, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00883-z
PMID:40410823
|
research paper | 该研究开发并验证了一种基于多模态超声的列线图，结合临床变量、放射组学和深度学习特征，以有效区分O-RADS 4-5类别的附件肿块 | 首次探索基于CEUS的放射组学在区分附件肿块中的应用，并开发了结合临床变量、放射组学和深度学习特征的多模态列线图 | 研究依赖于放射科医生的手动分割，可能存在主观偏差 | 提高O-RADS 4-5类别附件肿块的诊断准确性 | 340名接受2DUS和CEUS检查并被分类为O-RADS 4-5的患者 | digital pathology | 卵巢癌 | CEUS, 2DUS | ML, DL | image | 340名患者 | NA | NA | NA | NA |
| 10038 | 2025-05-26 |
Revealing 3D microanatomical structures of unlabeled thick cancer tissues using holotomography and virtual H&E staining
2025-May-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59820-0
PMID:40404616
|
research paper | 该研究通过整合全息断层扫描和深度学习技术，从未标记的厚癌组织中创建3D虚拟H&E图像，以揭示亚细胞级别的三维组织结构 | 结合全息断层扫描和深度学习，实现无需标记的厚癌组织3D虚拟H&E染色，突破了传统切片厚度的限制 | 方法在结肠癌和胃癌样本中进行了验证，但尚未在其他类型癌症中广泛应用 | 开发一种高效、无损的三维组织结构获取方法，提升组织病理学的效率和可靠性 | 结肠癌和胃癌组织 | digital pathology | colon cancer, gastric cancer | holotomography, deep learning | deep learning-based image translation framework | 3D refractive index distribution, virtual H&E images | 结肠癌组织（厚度达50µm）和胃癌样本 | NA | NA | NA | NA |
| 10039 | 2025-05-26 |
Self-supervised model-informed deep learning for low-SNR SS-OCT domain transformation
2025-May-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02375-3
PMID:40404743
|
research paper | 介绍了一种基于深度学习的框架SDNet，用于同时去噪和提升扫频光学相干断层扫描（SS-OCT）图像的超分辨率 | 结合数据驱动的深度学习和模型引导的噪声表示，专门针对SS-OCT成像中极低信噪比（SNR）和低分辨率的挑战，采用两步训练过程，并引入PCA作为自监督去噪策略 | 未提及具体局限性 | 提升SS-OCT图像的质量和诊断准确性 | 扫频光学相干断层扫描（SS-OCT）图像 | computer vision | diabetic macular edema (DME) | 深度学习 | SDNet | image | NA | NA | NA | NA | NA |
| 10040 | 2025-05-26 |
RecyBat24: a dataset for detecting lithium-ion batteries in electronic waste disposal
2025-May-22, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05211-5
PMID:40404746
|
research paper | 介绍了一个名为RecyBat24的公开图像数据集，用于检测和分类三种锂电池类型 | 提出了一个公开可访问的数据集RecyBat24，支持学术研究和工业应用，并通过数据增强技术模拟各种外部条件 | 未提及具体的数据集规模或标注过程的详细成本 | 开发一个用于锂电池检测和分类的公开数据集，支持轻量级机器学习模型的应用 | 三种锂电池类型：Pouch、Prismatic和Cylindrical | computer vision | NA | 数据增强技术 | 轻量级机器学习模型 | image | 未提及具体样本数量 | NA | NA | NA | NA |