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 10361 - 10380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10361 | 2025-05-19 |
EnGCI: enhancing GPCR-compound interaction prediction via large molecular models and KAN network
2025-May-15, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02238-3
PMID:40375308
|
研究论文 | 本文提出了一种名为EnGCI的新模型，用于增强G蛋白偶联受体-化合物相互作用（GCI）的预测能力 | EnGCI模型结合了两种互补模块：一种从零开始学习分子特征，另一种利用预训练的大型分子模型提取分子特征，通过KAN网络进行决策，显著提高了预测准确性 | NA | 研究旨在提高G蛋白偶联受体-化合物相互作用（GCI）的预测能力，以促进药物发现和化学基因组学 | G蛋白偶联受体（GPCRs）和化合物 | 机器学习 | NA | 深度学习 | GIN, CNN, KAN | 分子数据 | NA | NA | NA | NA | NA |
| 10362 | 2025-05-19 |
Applications of machine learning and deep learning in musculoskeletal medicine: a narrative review
2025-May-15, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-02511-9
PMID:40375335
|
综述 | 本文综述了机器学习和深度学习在肌肉骨骼医学中的应用 | 提供了机器学习和深度学习在肌肉骨骼医学中的全面应用概述，包括不同机器学习概念及其临床应用 | 数据标注标准化不足，结果有效性不够，法律方面尚未明确 | 探讨机器学习和深度学习在肌肉骨骼医学中的应用及其潜力 | 肌肉骨骼医学领域 | 机器学习 | 肌肉骨骼疾病 | 机器学习，深度学习 | 监督学习，无监督学习，强化学习 | NA | NA | NA | NA | NA | NA |
| 10363 | 2025-05-19 |
Deep normative modelling reveals insights into early-stage Alzheimer's disease using multi-modal neuroimaging data
2025-May-15, Alzheimer's research & therapy
DOI:10.1186/s13195-025-01753-3
PMID:40375339
|
研究论文 | 本研究应用深度学习规范模型分析多模态神经影像数据，探索早期阿尔茨海默病的细微差异 | 首次将深度学习规范模型应用于多模态MRI数据，量化个体与健康人群的偏差，检测早期AD相关差异 | 研究依赖于外部EPAD队列数据，样本可能受未诊断或共病因素影响 | 探索规范建模在检测早期阿尔茨海默病相关脑形态差异中的应用 | 非痴呆人群（含AD风险个体）的多模态MRI数据 | 数字病理学 | 阿尔茨海默病 | 多模态MRI扫描 | 深度学习规范模型 | 神经影像数据 | UK Biobank预训练数据+外部EPAD队列非痴呆个体 | NA | NA | NA | NA |
| 10364 | 2025-05-19 |
Privacy-Protecting Image Classification Within the Web Browser Using Deep Learning Models from Zenodo
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250288
PMID:40380400
|
研究论文 | 介绍了一个基于Web的应用程序WebIPred，用于在客户端浏览器内直接加载深度学习模型，以保护患者隐私并保持与临床IT环境的兼容性 | 提出了WebIPred，一个直接在客户端浏览器内运行深度学习模型的隐私保护解决方案，无需依赖云端处理 | 未提及具体性能指标或与现有解决方案的详细比较 | 开发一个隐私保护的图像分类工具，便于临床医生将AI整合到工作流程中 | 医疗图像分析 | 数字病理 | NA | 深度学习 | 预训练深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 10365 | 2025-05-19 |
Bias Detection in Histology Images Using Explainable AI and Image Darkness Assessment
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250302
PMID:40380414
|
research paper | 该研究提出了一种结合可解释AI和图像暗度评估的新框架，用于检测和减轻宫颈组织学图像分类中的偏差 | 结合可解释AI和图像暗度评估来检测和减轻医学AI模型中的偏差，提高了模型的准确性和公平性 | 研究中仅使用了四种深度学习架构，可能未涵盖所有可能的模型类型 | 提高医学AI模型的公平性、泛化能力和临床实用性 | 宫颈组织学图像 | digital pathology | cervical cancer | Explainable AI (XAI), image darkness assessment | AlexNet, ResNet-50, EfficientNet-B0, DenseNet-121 | image | NA | NA | NA | NA | NA |
| 10366 | 2025-05-19 |
Exploring Differential Diagnosis-Based Explainable AI: A Case Study in Melanoma Detection
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250389
PMID:40380499
|
研究论文 | 本文提出了一种基于鉴别诊断的可解释AI方法，用于黑色素瘤检测，并通过与常用XAI方法的比较验证其优越性 | 提出了一种与临床鉴别诊断技术相一致的创新XAI方法，提供了更全面的解释 | 仅针对黑色素瘤检测进行了案例研究，未验证在其他疾病诊断中的适用性 | 提高AI模型在黑色素瘤检测中的可解释性和临床可信度 | 黑色素瘤诊断 | 数字病理 | 黑色素瘤 | 深度学习 | XAI | 图像 | NA | NA | NA | NA | NA |
| 10367 | 2025-05-19 |
Challenging Black-Box Models: Interpretable Explanations for ECG Classification
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250405
PMID:40380515
|
research paper | 本文提出了一种基于时间对齐心电图的可解释性逻辑回归分类器，用于心电图分类 | 使用非深度学习的分类器实现可比较的性能，并引入实时反事实解释的新机会 | 未提及具体性能对比数据或与其他方法的详细比较 | 提高心电图分类模型的可解释性 | 心电图数据 | machine learning | 心血管疾病 | 逻辑回归 | logistic regression | 时间序列数据（心电图） | NA | NA | NA | NA | NA |
| 10368 | 2025-05-19 |
Patient Survival Prediction by Analyzing Pathological Images of Patients After Liver Transplantation
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250430
PMID:40380539
|
研究论文 | 通过分析肝移植后患者的病理图像预测患者生存情况 | 自动完成从病理图像中提取细胞核特征到预测患者生存的整个过程，并建立了在数据量小的情况下仍能正确预测生存的方法 | 样本量较小（n=67），且仅针对肝移植患者 | 预测肝移植后患者的生存情况，辅助临床决策 | 肝移植患者的病理图像 | 数字病理 | 肝癌 | 深度学习 | VIT (Vision Transformer), CoxPH, Kaplan-Meier | 图像 | 67名肝移植患者，每位患者约2张病理图像，每张大图像平均分割为30张小图像 | NA | NA | NA | NA |
| 10369 | 2025-05-19 |
Artificial Intelligence Powered Audiomics: The Futuristic Biomarker in Pulmonary Medicine - A State-of-the-Art Review
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250491
PMID:40380599
|
review | 本文综述了AI驱动的'声组学'在利用声音和呼吸音作为非侵入性生物标志物诊断和管理肺部疾病中的应用 | 利用AI分析声学特征，提高诊断准确性并追踪疾病进展，为肺部疾病提供新型非侵入性诊断方法 | 数据隐私和标准化等伦理挑战仍是临床应用的障碍 | 探索AI驱动的声组学在肺部疾病诊断和管理中的应用潜力 | COVID-19、结核病、间质性肺病(ILD)、哮喘和慢性阻塞性肺病(COPD)等肺部疾病 | 数字病理学 | lung cancer | 机器学习和深度学习 | NA | 声音信号 | NA | NA | NA | NA | NA |
| 10370 | 2025-05-19 |
Leveraging Vision Transformers in Multimodal Models for Retinal OCT Analysis
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250567
PMID:40380672
|
research paper | 本研究探讨了深度学习模型（包括CNN和ViT）在视网膜OCT图像分类中的效果，并研究了整合元数据对分类过程的影响 | 探索了Vision Transformers (ViTs)在医学图像分析中的潜力，特别是在处理复杂多模态数据时 | 研究中存在大量元数据缺失的情况 | 提高视网膜OCT图像的分类准确性，以辅助诊断视网膜疾病 | 视网膜OCT图像 | computer vision | Age-related Macular Degeneration (AMD), Diabetic Macular Edema (DME) | OCT | CNN, Vision Transformers (ViTs), Multimodal ResNet18, DenseNet121 | image, metadata | NA | NA | NA | NA | NA |
| 10371 | 2025-05-19 |
Energy-Efficient AI for Medical Diagnostics: Performance and Sustainability Analysis of ResNet and MobileNet
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250585
PMID:40380690
|
研究论文 | 比较ResNet和MobileNet在胸部疾病分类中的能源效率 | 首次系统比较ResNet和MobileNet在医疗诊断中的能源消耗，强调AI模型的能效优化 | 仅比较了两种模型，未考虑其他可能更高效的架构 | 评估AI模型在医疗诊断中的能源效率 | ResNet和MobileNet模型 | 计算机视觉 | 胸部疾病 | 深度学习 | ResNet, MobileNet | 医学影像数据 | CheXpert数据集 | NA | NA | NA | NA |
| 10372 | 2025-05-19 |
Explainable Versus Interpretable AI in Healthcare: How to Achieve Understanding
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250639
PMID:40380742
|
research paper | 本文探讨了在医疗领域中可解释AI与可理解AI的区别，并提出了一种基于Daniel Dennett意向立场的方法论，以分析AI解释如何促进用户更深层次的参与和理解 | 提出了一种基于Daniel Dennett意向立场的方法论，用于分析AI解释如何促进用户理解，并探讨了该方法论对医疗聊天机器人开发和监管的影响 | 未提及具体实验数据或案例研究来验证所提方法论的有效性 | 探讨AI在医疗决策支持系统中的解释、解释与理解之间的区别，并提出促进用户理解的方法 | AI驱动的决策支持系统，特别是基于大型语言模型（LLMs）的医疗聊天机器人 | natural language processing | NA | NA | LLM | text | NA | NA | NA | NA | NA |
| 10373 | 2025-10-07 |
Blockchain enabled collective and combined deep learning framework for COVID19 diagnosis
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00252-7
PMID:40360521
|
研究论文 | 提出一种结合区块链技术和集体深度学习的新框架CLCD-Block，用于COVID-19的智能诊断 | 首次将区块链技术与集体学习范式相结合，实现安全数据分发和隐私保护的协同诊断模型 | 需要进一步优化可扩展性和实时性能，适应更广泛的医疗数据集 | 开发兼顾准确性和隐私保护的协同诊断模型，解决COVID-19诊断中的挑战 | COVID-19患者的肺部CT图像 | 计算机视觉 | COVID-19 | CT成像 | 深度学习 | 医学图像 | 来自多个机构的肺部CT图像数据集 | NA | 混合胶囊学习网络 | 准确率,精确率,召回率,特异性,F1分数 | NA |
| 10374 | 2025-10-07 |
User preference modeling for movie recommendations based on deep learning
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00030-5
PMID:40360567
|
研究论文 | 提出一种基于深度学习的电影推荐方法，通过分析用户行为记录和电影内容元素实现个性化推荐 | 结合图技术（PageRank）和卷积神经网络（CNN）来建模用户偏好，相比传统方法能更好地捕捉复杂用户偏好动态 | 仅使用215名用户的浏览数据进行验证，样本规模有限 | 提升电影推荐系统的个性化推荐效果 | 电影推荐系统和用户偏好建模 | 机器学习 | NA | 图技术，文本挖掘 | CNN | 用户浏览记录，电影内容数据 | 215名用户在508个电影页面的浏览活动 | NA | CNN | 精确率，召回率 | NA |
| 10375 | 2025-10-07 |
Dual level dengue diagnosis using lightweight multilayer perceptron with XAI in fog computing environment and rule based inference
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98365-6
PMID:40360639
|
研究论文 | 本研究提出了一种在雾计算环境中使用轻量级多层感知器和可解释人工智能进行双级登革热诊断的框架 | 结合雾计算环境提出双级诊断框架，第一级使用优化的轻量级MLP模型，第二级使用基于规则的推理方法，这在近期研究中较为罕见 | 使用小数据集进行模型训练，可能影响模型的泛化能力 | 提高登革热诊断效率，促进远程诊断和快速治疗 | 登革热疑似患者 | 机器学习 | 登革热 | 机器学习，深度学习 | MLP | 症状数据，血清学检测报告 | 小数据集 | NA | 轻量级多层感知器 | 准确率，精确率，F1分数 | 雾计算环境 |
| 10376 | 2025-10-07 |
Detection of sugar beet seed coating defects via deep learning
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98253-z
PMID:40360658
|
研究论文 | 本研究使用YOLO算法对甜菜种子包衣缺陷进行检测和分类 | 首次将YOLOv10系列模型应用于甜菜种子包衣缺陷检测，并比较了不同模型变体的性能 | 研究仅针对单一作物（甜菜种子）和固定拍摄条件，未验证在其他作物或不同光照条件下的适用性 | 通过深度学习技术提高种子包衣质量检测效率和准确性 | 甜菜种子包衣缺陷 | 计算机视觉 | NA | 图像处理技术 | YOLO | RGB图像 | 2000个包衣甜菜种子的高分辨率图像 | YOLOv10 | YOLOv10-N, YOLOv10-L, YOLOv10-X | 准确率, 推理时间 | NA |
| 10377 | 2025-10-07 |
AI-IoT based smart agriculture pivot for plant diseases detection and treatment
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98454-6
PMID:40360734
|
研究论文 | 提出一种基于AI-IoT的智能农业枢纽系统，用于植物病害检测与治疗 | 基于现有中心枢纽开发新型IoT系统架构和硬件试点，克服无人机和机器人技术的局限性 | 未明确说明系统部署成本和维护难度等实际应用限制 | 开发智能农业系统解决植物病害检测与治疗问题 | 多种作物的植物叶片 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 25,940张增强图像，涵盖11类植物叶片 | NA | ResNet50 | 准确率,F1-score,召回率,精确率 | NA |
| 10378 | 2025-10-07 |
Prediction of real-time cine-MR images during MRI-guided radiotherapy of liver cancer using a GAN-ConvLSTM network
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17609
PMID:39755123
|
研究论文 | 提出一种改进的GAN-ConvLSTM网络用于实时预测肝癌放疗过程中的动态磁共振图像 | 将pix2pix GAN的生成器替换为卷积长短期记忆网络(ConvLSTM)，能够基于前五帧图像预测后续五帧动态磁共振图像 | 仅针对15名肝癌患者进行个性化模型训练，样本量有限 | 解决放疗过程中呼吸运动导致的系统延迟问题，提高图像引导自适应放疗的精度 | 接受放疗的肝癌患者 | 医学影像分析 | 肝癌 | 动态磁共振成像(cine-MR) | GAN, ConvLSTM | 医学影像 | 15名肝癌患者，每名患者300帧图像序列 | NA | pix2pix GAN, ConvLSTM, E3D-LSTM, SwinLSTM | PSNR, SSIM, VIF, Pearson相关系数, 地标跟踪误差 | NA |
| 10379 | 2025-10-07 |
Segmentation of coronary artery and calcification using prior knowledge based deep learning framework
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17642
PMID:39878608
|
研究论文 | 提出一种基于解剖先验知识的深度学习框架，用于冠状动脉和钙化区域的自动分割 | 首次将冠状动脉的解剖先验知识（空间关系和连续特性）系统整合到深度学习分割框架中 | 样本量相对较小（72例患者），需要进一步验证在更大数据集上的泛化能力 | 开发高精度的冠状动脉和钙化分割方法，并探索分割结果对旋磨术的预测价值 | 冠状动脉和钙化区域 | 医学图像分析 | 心血管疾病 | 计算机断层扫描血管造影（CTA） | 深度学习 | 3D医学图像 | 72例患者的CTA图像数据集 | NA | 变分自编码器,自注意力机制 | 分割精度,预测准确率 | NA |
| 10380 | 2025-10-07 |
Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17647
PMID:39887423
|
研究论文 | 提出一种多级感知边界引导网络(PBNet)用于超声图像中乳腺病灶的精确分割 | 设计了多级全局感知模块和边界引导模块，通过融合层内和层间语义信息增强肿瘤识别，并利用边界信息指导特征融合 | 效应量小于0.2，表明性能提升幅度有限 | 实现超声图像中非增强乳腺病灶的精确边界分割 | 乳腺肿瘤超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 公共数据集BUSI包含780张图像，内部数据集包含995张图像 | NA | PBNet | Dice系数,Jaccard系数,Hausdorff距离,敏感性,特异性 | NA |