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 32372 篇文献，本页显示第 10601 - 10620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10601 | 2025-10-07 |
Deep Learning for Smartphone-Based Malaria Parasite Detection in Thick Blood Smears
2020-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2019.2939121
PMID:31545747
|
研究论文 | 本研究开发了一种基于深度学习的智能手机应用，用于厚血涂片中疟疾寄生虫的自动检测 | 首个能在智能手机上运行的厚血涂片疟疾寄生虫检测深度学习方法，结合了强度-based IGMS快速筛选和定制CNN分类的两步处理流程 | NA | 开发智能手机平台的自动化疟疾寄生虫检测方法 | 厚血涂片中的疟疾寄生虫 | 计算机视觉 | 疟疾 | 厚血涂片成像 | CNN | 图像 | 150名患者的1819张厚血涂片图像 | NA | 定制卷积神经网络 | 准确率, AUC, 灵敏度, 特异度, 精确率, 阴性预测值 | 智能手机平台 |
| 10602 | 2025-10-07 |
A Systematic Review of Detecting Sleep Apnea Using Deep Learning
2019-Nov-12, Sensors (Basel, Switzerland)
DOI:10.3390/s19224934
PMID:31726771
|
系统综述 | 本文对2008-2018年间使用深度学习检测睡眠呼吸暂停的研究进行了系统性回顾分析 | 首次系统性地综述了深度学习在睡眠呼吸暂停检测中的应用，比较了不同深度网络架构的实现方法、预处理需求和优缺点 | 仅纳入了2008-2018年间的21篇文献，可能未覆盖最新研究进展 | 分析深度学习在睡眠呼吸暂停检测中的应用现状，回答不同深度网络的实现方法、预处理需求和网络优缺点等研究问题 | 睡眠呼吸暂停检测相关研究文献 | 机器学习 | 睡眠呼吸暂停 | 深度学习 | 深度神经网络 | 生理信号数据 | 255篇文献中筛选出21篇符合标准的研究 | NA | NA | NA | NA |
| 10603 | 2025-05-16 |
Impact of deep learning reconstruction on radiation dose reduction and cancer risk in CT examinations: a real-world clinical analysis
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11212-6
PMID:39613960
|
research paper | 本研究评估了深度学习重建（DLR）在CT检查中降低辐射剂量和癌症风险的实际效果 | 首次利用真实世界临床数据分析DLR对辐射诱发癌症风险的影响 | 研究为单中心回顾性分析，可能存在选择偏倚 | 评估DLR技术对CT检查辐射剂量和癌症风险的降低效果 | 接受全身CT检查的成年患者 | medical imaging | radiation-induced cancer | deep learning reconstruction (DLR) | NA | CT scan data | 5247 matched cases (pre-DLR) + 5247 matched cases (post-DLR) | NA | NA | NA | NA |
| 10604 | 2025-05-16 |
Evaluation of a deep learning prostate cancer detection system on biparametric MRI against radiological reading
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11287-1
PMID:39699671
|
研究论文 | 本研究评估了一种基于双参数MRI的深度学习系统在检测临床显著性前列腺癌方面的性能，并与放射学解读进行了比较 | 开发了一个3D nnU-Net模型用于前列腺癌检测，在独立测试队列中表现优于放射科医生，特别是在中等和大尺寸病灶检测上 | 对小病灶的检测仍然具有挑战性 | 评估深度学习系统在前列腺癌检测中的性能 | 临床显著性前列腺癌(csPCa)，定义为Gleason Grade Group (GGG) ≥ 2 | 数字病理 | 前列腺癌 | 双参数MRI(bpMRI) | 3D nnU-Net | 医学影像 | 训练集4381例bpMRI病例(3800阳性，581阴性)，测试集328例来自PROSTATEx数据集 | NA | NA | NA | NA |
| 10605 | 2025-05-16 |
The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis
2025-May-15, Brain connectivity
IF:2.4Q3
DOI:10.1089/brain.2024.0084
PMID:40371570
|
系统性综述 | 本文对创伤后应激障碍（PTSD）神经反馈（NF）研究进行了系统性综述和统计分析，探讨了现有研究的不足并提出了改进方向 | 首次对PTSD-NF研究进行了全面的统计分析和分类，提出了改进NF过程评估机制和调制指导的建议 | 研究仅纳入了31项原始研究，样本量较小（EEG-NF平均17.4人，fMRI-NF平均14.6人），且缺乏深度学习方法的运用 | 探讨PTSD-NF研究中存在的问题并提出改进方向 | 创伤后应激障碍（PTSD）患者 | 脑机接口 | 创伤后应激障碍 | 脑电图神经反馈（EEG-NF）和功能磁共振成像神经反馈（fMRI-NF） | 传统统计方法和基础机器学习方法 | 神经信号数据 | EEG-NF研究平均17.4人（SD 7.13），fMRI-NF研究平均14.6人（SD 6.37） | NA | NA | NA | NA |
| 10606 | 2025-05-16 |
Application of deep learning with fractal images to sparse-view CT
2025-May-15, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03378-1
PMID:40372595
|
研究论文 | 本研究探讨了使用分形图像进行预训练以提高稀疏视图CT图像质量的方法 | 利用非医学分形图像进行预训练，减少对医学图像数量的依赖，提高稀疏视图CT图像重建质量 | 研究仅使用了CHAOS数据集中的医学图像，可能无法涵盖所有临床场景 | 提高稀疏视图CT图像重建质量，减少对大量医学训练图像的依赖 | 稀疏视图CT图像 | 计算机视觉 | NA | 迭代函数系统(IFS)、滤波反投影(FBP) | FBPConvNet、WNet | 图像 | 医学图像从5000减少到1000（减少80%） | NA | NA | NA | NA |
| 10607 | 2025-05-16 |
AI-based metal artefact correction algorithm for radiotherapy patients with dental hardware in head and neck CT: Towards precise imaging
2025-May-14, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf038
PMID:40366748
|
research paper | 研究AI-based金属伪影校正算法在头颈部CT中对放疗患者牙科硬件的临床效果 | 提出了一种基于深度学习的AI-MAC技术，首次在体内研究中展示了其在减少金属伪影同时保留器官可视化方面的能力 | 样本量较小（仅41例患者），且未探讨AI-MAC在不同类型牙科硬件上的泛化性能 | 评估AI-based金属伪影校正算法在头颈部CT中的临床效果 | 41例带有不可移除牙科硬件的头颈部放疗患者 | digital pathology | head and neck cancer | CT imaging, deep learning | deep learning-based algorithm (AI-MAC) | CT images | 41例患者 | NA | NA | NA | NA |
| 10608 | 2025-05-16 |
Cost-effectiveness of opportunistic osteoporosis screening using chest radiographs with deep learning in Germany
2025-May-13, Aging clinical and experimental research
IF:3.4Q2
DOI:10.1007/s40520-025-03048-x
PMID:40355760
|
research paper | 评估在德国50岁及以上女性中使用深度学习模型对胸部X光片进行机会性骨质疏松筛查的成本效益 | 利用AI驱动的胸部X光片进行骨质疏松筛查，提高早期检测率，降低骨折风险，改善公共卫生结果 | 研究基于德国骨质疏松指南和AI模型准确性，可能在其他地区或不同指南下结果不同 | 评估AI驱动的胸部X光片在骨质疏松筛查中的成本效益 | 德国50岁及以上的女性 | digital pathology | geriatric disease | deep learning | NA | image | NA | NA | NA | NA | NA |
| 10609 | 2025-05-16 |
Text-Assisted Vision Model for Medical Image Segmentation
2025-May-13, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3569491
PMID:40366847
|
research paper | 提出了一种文本辅助视觉模型（TAV），用于医学图像分割，通过新型的三引导注意力模块（TGAM）提升分割精度 | 引入了三引导注意力模块（TGAM），能够计算视觉-视觉、语言-语言和语言-视觉注意力，有效利用文本报告提升图像分割性能 | 未明确提及模型在更大规模或多样化数据集上的泛化能力 | 提高医学图像分割的精确度，以支持自动化诊断和治疗规划 | 医学图像及其对应的文本报告 | digital pathology | NA | deep learning | TAV with TGAM | image, text | 两个流行数据集中的图像及对应文本注释 | NA | NA | NA | NA |
| 10610 | 2025-05-16 |
An Interpretable AI for Smart Homes: Identifying Fall Prevention Strategies for Older Adults Using Multimodal Deep Learning
2025-May-13, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3569891
PMID:40366850
|
research paper | 开发了一个可解释的AI框架，用于通过多模态深度学习识别老年人跌倒预防策略 | 使用BiCrossNet架构的多模态预测模型，结合静态和时间序列数据，通过PIMP和SHAP方法解释特征重要性 | NA | 识别老年人家庭跌倒预防策略 | 老年人 | machine learning | geriatric disease | multimodal deep learning | BiCrossNet | multimodal (static and timeseries data) | 12,540 data points | NA | NA | NA | NA |
| 10611 | 2025-05-16 |
Deep learning applications in prosthodontics: A systematic review
2025-May-13, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.04.009
PMID:40368705
|
systematic review | 本文系统综述了深度学习在修复牙科中的应用，包括修复体设计、治疗计划辅助、颜色匹配及地标检测等方面 | 首次系统评估了深度学习在修复牙科中的多种应用，并总结了当前研究的主要方向和成果 | 研究方法缺乏标准化，且部分研究存在偏倚风险，需进一步验证以确保临床可靠性 | 评估深度学习在修复牙科中的应用，特别是在修复体设计、治疗计划辅助和颜色匹配等方面的效果 | 牙科修复体（如嵌体、高嵌体、牙冠及固定牙科修复体）及其相关治疗过程 | digital pathology | dental disease | deep learning | CNN, GAN | image | 31 studies (from 3359 screened) | NA | NA | NA | NA |
| 10612 | 2025-05-16 |
Automated seizure detection in epilepsy using a novel dynamic temporal-spatial graph attention network
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01015-0
PMID:40355495
|
research paper | 提出了一种动态时空图注意力网络（DTS-GAN）用于癫痫发作的自动检测 | 通过结合图信号处理和混合深度学习框架，DTS-GAN能够自适应地学习电极节点间的瞬态功能交互 | 未提及具体的数据集规模或多样性限制 | 解决固定拓扑图模型在分析时变脑网络中的局限性 | 癫痫患者的脑电图（EEG）数据 | digital pathology | epilepsy | EEG | DTS-GAN (Dynamic Temporal-Spatial Graph Attention Network) | EEG sequences | TUSZ数据集 | NA | NA | NA | NA |
| 10613 | 2025-05-16 |
Classification of multi-lead ECG based on multiple scales and hierarchical feature convolutional neural networks
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94127-6
PMID:40355498
|
research paper | 提出了一种结合多尺度和分层特征的卷积神经网络（CNN）及Lead Encoder Attention（LEA）机制，用于多导联心电图（ECG）分类 | 结合多尺度和分层特征的CNN及LEA机制，有效整合ECG的形态和时间特征 | 未提及具体局限性 | 提高心律失常的分类准确率，用于心血管疾病的诊断 | 多导联心电图（ECG）数据 | machine learning | cardiovascular disease | CNN, LEA | CNN | ECG信号 | MIT-BIH-AR数据库和超过150,000条ECG记录的CCDD数据库 | NA | NA | NA | NA |
| 10614 | 2025-05-16 |
Impact of pharmacology perception and learning strategies on academic achievement in undergraduate pharmacy students
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91510-1
PMID:40355613
|
研究论文 | 本研究评估了药学本科生对药理学教育的感知、学习策略及其对学业成就的影响 | 揭示了深度学习策略与学业成就之间的强正相关性，并验证了问卷的内部一致性和因子负荷 | 研究为横断面设计，无法追踪学习策略的长期变化 | 评估药理学教育在药学本科生中的感知作用及其对学业成就的影响 | 210名药学本科生（二年级至五年级） | 药学教育 | NA | 问卷调查、Pearson相关分析、多元回归分析、内部一致性检验（Cronbach's alpha）、因子负荷分析 | NA | 问卷数据 | 210名药学本科生（120名男性，90名女性） | NA | NA | NA | NA |
| 10615 | 2025-05-16 |
Advances to IoT security using a GRU-CNN deep learning model trained on SUCMO algorithm
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99574-9
PMID:40355669
|
研究论文 | 本文提出了一种结合CNN和GRU的混合深度学习模型，用于分类物联网安全威胁，并通过SUCMO算法优化模型性能 | 提出了一种结合CNN和GRU的混合深度学习模型，并采用SUCMO算法进行超参数优化，提高了分类准确率 | NA | 提高物联网安全威胁检测的准确性和效率 | 物联网安全威胁，如DoS攻击和Botnets | 机器学习 | NA | 深度学习 | CNN, GRU | 网络数据 | 两个数据集，UNSW-NB15和BoT-IoT | NA | NA | NA | NA |
| 10616 | 2025-05-16 |
The analysis of artificial intelligence knowledge graphs for online music learning platform under deep learning
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01810-9
PMID:40355699
|
研究论文 | 提出了一种基于深度学习的个性化音乐学习平台模型，通过整合音频、视频和用户行为数据提供高效且定制化的学习推荐 | 构建了一个融合音乐领域关键实体及其关系的知识图谱，并将其与提取的特征向量融合，以提高推荐准确性和个性化 | 未提及模型在大规模用户数据下的扩展性和实时性表现 | 开发一个高效且个性化的音乐学习推荐平台 | 在线音乐学习平台的用户 | 机器学习 | NA | 深度学习 | CNN, LSTM, 多层感知机 | 音频、视频、用户行为数据 | 基于不同数据集的实验分析 | NA | NA | NA | NA |
| 10617 | 2025-05-16 |
Interpretable artificial intelligence model for predicting heart failure severity after acute myocardial infarction
2025-May-12, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04818-1
PMID:40355836
|
研究论文 | 开发了一种可解释的人工智能模型，用于预测急性心肌梗死后心力衰竭的严重程度 | 结合多维临床数据和可解释性AI技术（SHAP方法），开发了预测心力衰竭严重程度的模型，并构建了便于临床应用的网络平台 | 未提及模型在其他独立数据集上的验证情况 | 预测急性心肌梗死后心力衰竭的严重程度，以启动预防措施和优化治疗策略 | 1574名急性心肌梗死患者 | 机器学习 | 心血管疾病 | SHAP方法 | TabNet, Multi-Layer Perceptron, Random Forest, XGboost | 临床数据（包括病史、临床特征、生理参数、实验室检测、冠状动脉造影和超声心动图结果） | 1574名急性心肌梗死患者 | NA | NA | NA | NA |
| 10618 | 2025-05-16 |
Exploring dental faculty awareness, knowledge, and attitudes toward AI integration in education and practice: a mixed-method study
2025-May-12, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-025-07259-8
PMID:40355937
|
研究论文 | 本研究通过混合方法评估了牙科教师对AI在教育和实践中整合的知识、意识和态度，并提出了基于共识的建议 | 首次在巴基斯坦的牙科教育背景下评估教师对AI的认知和态度，并提出了具体的整合建议 | 研究样本仅限于巴基斯坦的牙科教师，可能无法推广到其他地区 | 评估牙科教师对AI的认知和态度，并提出AI在牙科教育和实践中整合的建议 | 巴基斯坦公立和私立牙科学院的400名教师 | 医疗教育技术 | NA | 混合方法研究（GAAIS量表和焦点小组讨论） | NA | 问卷调查数据和定性讨论数据 | 400名牙科教师 | NA | NA | NA | NA |
| 10619 | 2025-05-16 |
[Research status of automatic localization of acupoint based on deep learning]
2025-May-12, Zhongguo zhen jiu = Chinese acupuncture & moxibustion
|
综述 | 本文回顾了近年来深度学习在穴位自动定位中的应用，并从数据集构建、神经网络模型设计和穴位定位精度评估三个关键环节进行了总结 | 总结了深度学习在穴位定位领域的显著进展，并提出了未来研究方向，包括标准化数据集的支持、3D建模和多模态数据融合的整合 | 穴位检测的规模需要扩大，模型的精度、泛化能力和实时性能有待提高 | 探讨深度学习在穴位自动定位中的应用现状及未来发展方向 | 穴位自动定位 | 深度学习 | NA | NA | 神经网络 | NA | NA | NA | NA | NA | NA |
| 10620 | 2025-05-16 |
Effectiveness and Implementation Outcomes of an mHealth App Aimed at Promoting Physical Activity and Improving Psychological Distress in the Workplace Setting: Cluster-Level Nonrandomized Controlled Trial
2025-May-06, JMIR mHealth and uHealth
IF:5.4Q1
DOI:10.2196/70473
PMID:40327360
|
研究论文 | 本研究评估了名为ASHARE的智能手机应用在工作场所促进身体活动和改善心理困扰的效果及实施结果 | 利用深度学习模型通过身体活动监测抑郁和焦虑，并在工作场所环境中进行混合效果-实施试验 | 组间差异无统计学显著性，应用的用户保留率较低（20%），实施结果在员工中评价不佳 | 评估mHealth应用在工作场所促进身体活动和改善心理健康的有效性与实施效果 | 日本工作场所的员工 | 数字健康 | 心理健康 | 深度学习模型 | NA | 移动健康数据 | 84名员工（干预组67人，对照组17人）来自7个工作单位 | NA | NA | NA | NA |