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 10101 - 10120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10101 | 2025-05-23 |
High-resolution deep learning reconstruction to improve the accuracy of CT fractional flow reserve
2025-May-22, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11707-w
PMID:40402290
|
research paper | 比较基于模型迭代重建（MBIR）和高分辨率深度学习重建（HR-DLR）图像的CT衍生的血流储备分数（CT-FFR）在检测功能显著性狭窄中的诊断性能 | 首次研究了HR-DLR对CT-FFR诊断性能的影响，并证明其优于MBIR | 单中心回顾性研究，样本量较小（79例患者） | 评估HR-DLR在提高CT-FFR诊断功能显著性狭窄准确性方面的效果 | 79例连续患者（平均年龄70±11岁，57名男性）的98条血管 | 医学影像分析 | 心血管疾病 | CT血管造影，深度学习重建 | 深度学习模型（未具体说明） | 医学影像（CT图像） | 79例患者（98条血管） | NA | NA | NA | NA |
| 10102 | 2025-05-23 |
Influence of content-based image retrieval on the accuracy and inter-reader agreement of usual interstitial pneumonia CT pattern classification
2025-May-22, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11689-9
PMID:40402291
|
research paper | 研究基于内容的图像检索（CBIR）对不同经验水平的读者在普通间质性肺炎（UIP）CT模式分类中的准确性和读者间一致性的影响 | 使用深度学习算法检索相似的胸部CT图像，辅助UIP分类，提高了诊断准确性和读者间一致性 | CBIR系统的影响因读者经验水平而异，对经验丰富的读者更有益 | 探讨CBIR在UIP CT模式分类中的应用效果 | 587名接受高分辨率胸部CT检查的纤维化间质性肺疾病患者 | digital pathology | lung cancer | deep learning | NA | image | 587名患者（100例作为查询案例） | NA | NA | NA | NA |
| 10103 | 2025-05-23 |
Artificial intelligence in neuro-oncology: methodological bases, practical applications and ethical and regulatory issues
2025-May-22, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-025-03948-4
PMID:40402414
|
review | 本文综述了人工智能在神经肿瘤学中的方法学基础、实际应用及伦理与监管问题 | 探讨了解释性AI方法解决'黑箱'问题，以及机制模型整合生物学原理以提高肿瘤生长预测和治疗反应评估的精确性 | 面临数据偏见、伦理问题和监管合规等挑战 | 探索人工智能在神经肿瘤学中的应用及其面临的伦理与监管挑战 | 神经肿瘤学中的诊断、治疗规划和预后预测 | digital pathology | brain tumors | advanced imaging techniques and genomic analysis | CNNs and deep learning | image and genomic data | NA | NA | NA | NA | NA |
| 10104 | 2025-05-23 |
A Review of ChatGPT as a Reliable Source of Scientific Information Regarding Endodontic Local Anesthesia
2025-May, Journal of endodontics
IF:3.5Q1
DOI:10.1016/j.joen.2025.02.002
PMID:39952316
|
review | 评估ChatGPT作为牙髓病局部麻醉科学信息可靠来源的能力 | 首次评估ChatGPT在牙髓病局部麻醉领域的回答准确性和引用可靠性 | 仅评估了16个问题，样本量有限，且仅针对牙髓病局部麻醉这一细分领域 | 评估ChatGPT作为牙髓病局部麻醉科学信息可靠来源的能力 | ChatGPT生成的关于牙髓病局部麻醉的回答和引用 | natural language processing | NA | 自然语言处理 | Deep Learning | text | 16个关于牙髓病局部麻醉的问题 | NA | NA | NA | NA |
| 10105 | 2025-05-23 |
Estimating hair density with XGBoost
2025-Apr, International journal of cosmetic science
IF:2.7Q2
DOI:10.1111/ics.13030
PMID:39551627
|
研究论文 | 本研究探索使用XGBoost算法进行头发密度估计，旨在开发一种更准确和通用的方法 | 采用XGBoost算法进行头发密度估计，相比之前的方法在测试集上达到了95.3%的准确率，显著优于其他研究 | 研究仅使用了895张头皮图像，样本量可能不足以覆盖所有临床情况 | 开发一种更准确和通用的头发密度估计方法 | 头皮图像 | 计算机视觉 | NA | 图像处理 | XGBoost | 图像 | 895张头皮图像（745张用于训练，150张用于测试） | NA | NA | NA | NA |
| 10106 | 2025-05-23 |
Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting
2025-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104532
PMID:40015615
|
研究论文 | 本研究探讨了在儿童超广角眼底成像中，通过瞳孔扩大和眼睑提升来最大化可见视网膜区域（VRA）的效果 | 首次在儿童群体中量化评估了瞳孔扩大和眼睑提升对超广角眼底成像可见视网膜区域的协同增效作用 | 样本量较小（53名儿童），且为单中心研究 | 优化儿童超广角眼底成像技术以提高周边视网膜病变检出率 | 53名儿童（106只眼）的超广角眼底图像 | 数字病理 | 视网膜病变 | 超广角Optos成像系统（Daytona P200T） | 基于深度学习的图像分割工具 | 图像 | 53名儿童（106只眼） | NA | NA | NA | NA |
| 10107 | 2025-05-23 |
Preoperative diagnosis of meningioma sinus invasion based on MRI radiomics and deep learning: a multicenter study
2025-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00845-5
PMID:40022261
|
研究论文 | 本研究通过结合放射组学和深度学习特征构建融合模型，用于脑膜瘤窦侵犯的术前精确诊断 | 首次构建了结合放射组学和多种深度学习特征（VGG、ResNet、DenseNet）的融合模型，并在多中心数据集中验证了其优越的诊断性能 | 研究为回顾性设计，需要前瞻性研究进一步验证模型的临床适用性 | 开发脑膜瘤窦侵犯的术前精确诊断方法 | 601例经手术病理证实的脑膜瘤患者 | 数字病理 | 脑膜瘤 | MRI影像分析 | 随机森林（RF）、VGG、ResNet、DenseNet | 医学影像 | 601例患者（训练集、内部验证集和独立外部验证集） | NA | NA | NA | NA |
| 10108 | 2025-05-23 |
Enhancing Domain Diversity of Transfer Learning-Based SSVEP-BCIs by the Reconstruction of Channel Correlation
2025-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3458389
PMID:39255081
|
研究论文 | 本研究提出了一种名为通道相关性重建(RCC)的数据增强方法，用于优化基于稳态视觉诱发电位(SSVEP)的脑机接口(BCI)中迁移学习的源域数据利用 | 通过概率混合源域协方差矩阵的特征向量矩阵来重建训练样本，操纵通道相关性以隐式创建新的合成域，从而增加源域多样性 | NA | 提高SSVEP-BCI系统中迁移学习的性能 | 稳态视觉诱发电位(SSVEP)脑机接口系统 | 脑机接口 | NA | 迁移学习(预训练和微调) | 深度学习模型 | 脑电信号数据 | NA | NA | NA | NA | NA |
| 10109 | 2025-05-23 |
A Deep and Interpretable Learning Approach for Long-Term ECG Clinical Noise Classification
2025-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3454545
PMID:39231059
|
research paper | 本研究探讨了深度学习模型在长期监测心电图中临床噪声分类的应用，并设计了可解释的架构 | 结合深度学习和可解释系统，提高了临床噪声分类的性能，并为决策过程提供定性解释 | 需避免患者内过拟合，且性能仍有提升空间 | 提高长期监测心电图中临床噪声分类的准确性和可解释性 | 长期监测心电图中的临床噪声 | machine learning | cardiovascular disease | 深度学习 | CNN, Autoencoder | ECG信号 | NA | NA | NA | NA | NA |
| 10110 | 2025-05-23 |
A novel deep learning model for obstructive sleep apnea diagnosis: hybrid CNN-Transformer approach for radar-based detection of apnea-hypopnea events
2024-12-11, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsae184
PMID:39115132
|
研究论文 | 本研究开发了一种基于雷达数据的深度学习模型，用于检测阻塞性睡眠呼吸暂停（OSA）中的呼吸暂停-低通气事件 | 采用混合CNN-Transformer架构，结合雷达数据进行OSA诊断，为传统多导睡眠图（PSG）提供了一种成本效益高且易于获取的替代方案 | 研究为单中心前瞻性队列研究，样本量相对较小（开发集54人，测试集35人） | 开发并验证一种用于阻塞性睡眠呼吸暂停诊断的深度学习模型 | 疑似睡眠呼吸障碍的参与者 | 数字病理 | 阻塞性睡眠呼吸暂停 | 雷达数据采集 | 混合CNN-Transformer架构 | 雷达信号数据 | 开发集54人，测试集35人 | NA | NA | NA | NA |
| 10111 | 2025-05-23 |
Deep learning assists detection of esophageal cancer and precursor lesions in a prospective, randomized controlled study
2024-04-17, Science translational medicine
IF:15.8Q1
DOI:10.1126/scitranslmed.adk5395
PMID:38630847
|
研究论文 | 本研究开发了一种基于深度卷积神经网络(CNN)的系统，用于检测食管癌及其癌前病变，并在临床实践中验证了其提高高风险食管病变(HrEL)检出率的有效性 | 首次在随机对照研究中验证了深度学习辅助内窥镜检测食管癌及癌前病变的有效性，显著提高了HrEL的检出率 | 研究仅在中国浙江省的一家医院进行，样本来源相对单一 | 提高食管鳞状细胞癌(ESCC)及其癌前病变的内窥镜检出率 | 50岁以上的患者，包括食管癌和癌前病变(HrELs) | 数字病理 | 食管癌 | 深度学习辅助内窥镜检查 | CNN | 内窥镜图像 | 3117名患者(实验组1556人，对照组1561人) | NA | NA | NA | NA |
| 10112 | 2025-05-23 |
Splicing neoantigen discovery with SNAF reveals shared targets for cancer immunotherapy
2024-01-17, Science translational medicine
IF:15.8Q1
DOI:10.1126/scitranslmed.ade2886
PMID:38232136
|
研究论文 | 该研究开发了一个名为SNAF的计算工作流程，用于从患者RNA-Seq数据中预测剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白，以发现癌症免疫治疗的共享靶点 | 开发了SNAF工作流程，结合DeepImmuno深度学习策略和新的算法（BayesTS和RNA-SPRINT），首次系统性地识别剪接新抗原，并发现了新的肿瘤特异性细胞外新表位（ExNeoEpitopes） | 研究主要基于计算预测，部分结果需要进一步的实验验证 | 发现癌症免疫治疗的共享靶点 | 剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白 | 生物信息学 | 黑色素瘤 | RNA-Seq, 质谱分析, 长读长异构体测序 | DeepImmuno, BayesTS, RNA-SPRINT | RNA-Seq数据 | 多个癌症队列的患者数据 | NA | NA | NA | NA |
| 10113 | 2025-05-23 |
Integrated imaging and molecular analysis to decipher tumor microenvironment in the era of immunotherapy
2022-09, Seminars in cancer biology
IF:12.1Q1
DOI:10.1016/j.semcancer.2020.12.005
PMID:33290844
|
综述 | 本文系统回顾了免疫治疗时代下的放射基因组学最新研究，探讨了AI和深度学习方法的新兴范式与机遇 | 整合影像学和分子分析以非侵入性方式解析肿瘤微环境，特别是在免疫治疗中的应用 | 未提及具体技术或模型的性能限制 | 探索放射基因组学在癌症精准治疗中的临床应用潜力 | 肿瘤微环境，特别是肿瘤浸润淋巴细胞 | 数字病理 | 癌症 | 放射组学，AI，深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 10114 | 2025-05-23 |
Emerging role of artificial intelligence in therapeutics for COVID-19: a systematic review
2022-07, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2020.1855250
PMID:33300456
|
系统综述 | 探讨人工智能在COVID-19治疗中的作用 | 首次系统综述了人工智能在COVID-19药物再利用、新药发现、疫苗和抗体开发中的应用 | 人工智能筛选程序目前处于起步阶段，仅依赖此类算法并不可取，需要基于证据的方法来确认其有效性 | 阐明人工智能在COVID-19治疗中的作用 | COVID-19的治疗方法，包括药物再利用、新药发现、疫苗和抗体开发 | 人工智能 | COVID-19 | AI, 机器学习, 深度学习 | NA | 文献数据 | 31项研究 | NA | NA | NA | NA |
| 10115 | 2025-05-23 |
Computer-aided diagnosis of esophageal cancer and neoplasms in endoscopic images: a systematic review and meta-analysis of diagnostic test accuracy
2021-05, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2020.11.025
PMID:33290771
|
meta-analysis | 通过系统性回顾和荟萃分析评估计算机辅助诊断（CAD）算法在内镜图像中对食管癌及肿瘤的诊断准确性 | 首次通过荟萃分析评估CAD算法在食管癌及肿瘤内镜诊断中的准确性，并提供了全面的诊断性能指标 | 缺乏外部验证和临床应用的表现数据 | 评估CAD算法在内镜图像中对食管癌及肿瘤的诊断准确性 | 食管癌及肿瘤的内镜图像 | digital pathology | esophageal cancer | deep learning, machine learning | NA | image | 21项研究用于系统性回顾，19项研究用于荟萃分析 | NA | NA | NA | NA |
| 10116 | 2025-05-23 |
Performance of artificial intelligence in colonoscopy for adenoma and polyp detection: a systematic review and meta-analysis
2021-01, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2020.06.059
PMID:32598963
|
meta-analysis | 本文通过系统综述和荟萃分析评估了人工智能在结肠镜检查中检测腺瘤和息肉的表现 | 首次对实时计算机辅助息肉检测（CADe）系统在结直肠肿瘤检测中的随机对照试验进行荟萃分析，证实其显著提高腺瘤检出率 | 纳入的随机对照试验数量有限（5项），部分指标如高级别腺瘤检出率的证据等级不高 | 评估人工智能辅助系统在结直肠肿瘤检测中的临床效能 | 结直肠肿瘤（腺瘤和息肉） | digital pathology | colorectal cancer | deep learning | CADe | colonoscopy images | 4354例患者（来自5项随机对照试验） | NA | NA | NA | NA |
| 10117 | 2025-05-23 |
Lake water-level fluctuation forecasting using machine learning models: a systematic review
2020-Dec, Environmental science and pollution research international
DOI:10.1007/s11356-020-10917-7
PMID:32978734
|
综述 | 本文对机器学习模型在湖泊水位波动预测中的应用进行了全面回顾 | 系统总结了七种流行的机器学习模型在湖泊水位预测中的应用，并讨论了模型输入、性能标准及比较 | 未涉及具体模型的详细实现细节和特定湖泊案例的深入分析 | 评估机器学习模型在湖泊水位波动预测中的效果和应用前景 | 湖泊水位波动 | 机器学习 | NA | NA | ANN, SVM, ANFIS, WA-ANN, WA-ANFIS, WA-SVM, GEP, GP, ELM, DL | 水文数据 | NA | NA | NA | NA | NA |
| 10118 | 2025-05-23 |
Computer-aided diagnosis of liver lesions using CT images: A systematic review
2020-12, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2020.104035
PMID:33099219
|
综述 | 本文综述了1998年至2020年间发表的关于使用计算机辅助诊断系统通过CT图像预测肝脏良恶性病变的最新技术 | 提供了肝脏病变计算机辅助诊断系统的全面概述，包括传统和基于深度学习的方法 | 未开发出适用于多样化图像的高效分割方法，未研究无监督和半监督深度学习模型 | 概述计算机辅助诊断系统在肝脏病变诊断中的最新技术 | 肝脏病变 | 数字病理学 | 肝脏疾病 | CT成像 | 深度学习与传统方法 | 图像 | NA | NA | NA | NA | NA |
| 10119 | 2025-05-23 |
Accuracy and reliability of automatic three-dimensional cephalometric landmarking
2020-Oct, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2020.02.015
PMID:32169306
|
系统综述 | 评估三维颅面图像自动标志点定位的准确性和可靠性 | 比较了知识基础、图谱基础和学习基础算法在自动标志点定位中的表现，发现深度学习方法的性能最佳 | 研究中存在患者选择和参考标准实施方面的偏倚风险，可能导致结果过于乐观 | 评估自动标志点定位技术在三维头影测量分析中的准确性和可靠性 | 人类头部计算机断层扫描或锥形束计算机断层扫描图像 | 医学图像分析 | NA | 自动标志点定位技术 | 深度学习 | 三维图像 | 11项研究，测试数据集样本量从18到77张图像不等 | NA | NA | NA | NA |
| 10120 | 2025-05-23 |
Deep learning for wireless capsule endoscopy: a systematic review and meta-analysis
2020-10, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2020.04.039
PMID:32334015
|
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无线胶囊内窥镜(WCE)中的应用效果 | 首次对深度学习在WCE中的应用进行系统性评价和荟萃分析 | 现有研究均为回顾性研究且存在较高偏倚风险 | 评估深度学习算法在WCE疾病检测中的性能表现 | 无线胶囊内窥镜图像数据 | 计算机视觉 | 肠道疾病 | 深度学习 | 神经网络 | 医学影像 | 19项研究(45篇原始文献) | NA | NA | NA | NA |