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 33150 篇文献，本页显示第 10921 - 10940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10921 | 2025-10-07 |
Deep Learning and Multidisciplinary Imaging in Pediatric Surgical Oncology: A Scoping Review
2025-Jan, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.70574
PMID:39812075
|
综述 | 本综述探讨了深度学习在儿童外科肿瘤学多学科影像中的应用现状 | 首次系统梳理了深度学习在儿童外科肿瘤学多学科影像（放射学、病理学等）中的应用情况 | 由于纳入研究的异质性，无法对研究性能做出总体评价 | 评估深度学习在儿童外科肿瘤学多学科影像中的应用现状和发展前景 | 儿童实体肿瘤的医学影像数据 | 数字病理学 | 儿童肿瘤 | 医学影像分析 | 深度学习 | 医学影像 | 36篇相关研究文章（放射学22篇，病理学9篇，其他影像诊断5篇） | NA | NA | NA | NA |
| 10922 | 2025-10-07 |
Prompting large language models to extract chemical‒disease relation precisely and comprehensively at the document level: an evaluation study
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320123
PMID:40198724
|
研究论文 | 评估大型语言模型在文档级化学-疾病关系抽取中的精确性和全面性表现 | 首次系统评估GPT3.5、GPT4.0和Claude-opus在文档级化学-疾病关系抽取中的能力，并设计了多种提示工程策略 | 模型在抽取过程中表现出一定顽固性，提示工程策略效果有限，存在内容偏见 | 评估大型语言模型在文档级化学-疾病关系抽取任务中的精确和全面抽取能力 | 化学-疾病关系 | 自然语言处理 | NA | 提示工程 | 大型语言模型 | 文本 | 自建数据集 | NA | GPT3.5, GPT4.0, Claude-opus | F1分数 | NA |
| 10923 | 2025-10-07 |
Continuous three-dimensional transesophageal echocardiography and deep learning for perioperative monitoring of left ventricular longitudinal function
2025-Jan, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyaf052
PMID:40400533
|
研究论文 | 开发结合三维经食管超声心动图和深度学习的3D autoMAPSE方法，用于围手术期左心室功能的连续监测 | 首次将三维经食管超声心动图与深度学习相结合，实现自动测量二尖瓣环平面收缩期位移的连续监测 | 研究样本量较小（50例），仅在心脏手术后重症患者中验证 | 开发左心室功能的连续监测方法以改善心肺管理 | 心脏手术后成人重症监护患者 | 医学影像分析 | 心血管疾病 | 三维经食管超声心动图 | 深度学习 | 三维超声图像 | 50例心脏手术后重症患者 | NA | NA | 最小显著变化, 偏差, 一致性界限, 相关系数 | NA |
| 10924 | 2025-10-07 |
Multimodal AI diagnostic system for neuromyelitis optica based on ultrawide-field fundus photography
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1555380
PMID:40400634
|
研究论文 | 开发基于超广角眼底摄影和临床检查数据的多模态AI诊断系统用于视神经脊髓炎的诊断预测 | 首个结合超广角眼底摄影和临床数据用于视神经脊髓炎诊断的多模态AI模型 | NA | 开发用于预测视神经脊髓炎发病和分期的AI诊断模型 | 视神经脊髓炎患者和非患者群体 | 计算机视觉 | 视神经脊髓炎 | 超广角眼底摄影 | 深度学习 | 图像, 临床数据 | 285名NMO患者的330只眼和770名非NMO参与者的1288只眼 | NA | NA | AUC, 敏感性, 特异性, Youden指数 | NA |
| 10925 | 2025-10-07 |
Multimodal LLMs for retinal disease diagnosis via OCT: few-shot versus single-shot learning
2025 Jan-Dec, Therapeutic advances in ophthalmology
IF:2.3Q2
DOI:10.1177/25158414251340569
PMID:40400723
|
研究论文 | 评估多模态大语言模型在OCT图像中诊断视网膜疾病的性能，比较单样本与少样本学习的效果 | 首次系统评估GPT-4o和Claude Sonnet 3.5在视网膜疾病OCT图像诊断中的表现，并比较单样本与少样本学习的性能差异 | 模型诊断准确性仍低于传统深度学习方法，未整合临床文本数据 | 评估多模态大语言模型在视网膜疾病诊断中的临床应用价值 | 光学相干断层扫描(OCT)图像中的视网膜疾病 | 医学影像分析 | 视网膜疾病 | 光学相干断层扫描(OCT) | 多模态大语言模型 | 图像, 文本 | 两个公共OCT数据集(OCTID, OCTDL)，包含四种病理状况和正常视网膜的专家标注图像，共3088次API调用 | NA | GPT-4o, Claude Sonnet 3.5 | 准确率 | API调用 |
| 10926 | 2025-10-07 |
Integration of magnetic resonance imaging and deep learning for prostate cancer detection: a systematic review
2025, American journal of clinical and experimental urology
IF:1.5Q3
DOI:10.62347/CSIJ8326
PMID:40400999
|
系统评价 | 系统评价磁共振成像与深度学习整合在前列腺癌检测和分层中的诊断性能 | 首次系统评估深度学习与MRI结合在前列腺癌诊断中的整体影响，并采用CLAIM指南评估研究质量 | 移行区前列腺癌的检测和分层研究最少，CLAIM清单依从性中等（中位数61.90%） | 评估深度学习与磁共振成像整合对前列腺癌诊断性能的改善效果 | 前列腺癌患者 | 数字病理 | 前列腺癌 | 磁共振成像（MRI），包括T2加权成像（T2WI）和扩散加权成像（DWI）的表观扩散系数（ADC） | 深度学习 | 医学影像 | 29项研究，共17,954名参与者 | NA | NA | 敏感性，特异性 | NA |
| 10927 | 2025-10-07 |
Advances in functional magnetic resonance imaging-based brain function mapping: a deep learning perspective
2025, Psychoradiology
DOI:10.1093/psyrad/kkaf007
PMID:40401160
|
综述 | 从深度学习视角探讨基于功能磁共振成像的脑功能映射技术进展 | 系统梳理了基于深度学习的fMRI脑功能映射方法演进，重点关注fMRI嵌入、脑基础模型和脑启发人工智能等新兴趋势 | 作为综述文章，未涉及原始实验数据验证 | 探索深度学习在fMRI脑功能映射中的应用与发展方向 | 功能磁共振成像数据和脑功能映射方法 | 医学影像分析 | 神经系统疾病 | 功能磁共振成像 | CNN, RNN, Transformer | 功能磁共振成像数据 | NA | NA | 卷积神经网络, 循环神经网络, 变换器 | NA | NA |
| 10928 | 2025-10-07 |
Data source and utilization of artificial intelligence technologies in vascular surgery-a scoping review
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1497822
PMID:40401223
|
综述 | 本范围综述分析了血管外科领域人工智能技术的数据来源和应用现状，特别关注自然语言处理技术的使用情况 | 首次系统评估血管外科领域AI技术的数据来源分布和应用模式，揭示NLP技术在该领域的相对利用不足 | 仅涵盖1996年至2023年3月的文献，可能存在发表偏倚 | 确定血管外科AI算法开发的数据来源，评估其在不同领域的应用情况 | 342篇符合纳入标准的同行评审文献 | 自然语言处理, 机器学习, 深度学习 | 血管疾病 | 自然语言处理, 机器学习, 深度学习 | NA | 图像数据, 医疗记录, 临床参数 | 342篇文献 | NA | NA | NA | NA |
| 10929 | 2025-10-07 |
An explainable longitudinal multi-modal fusion model for predicting neoadjuvant therapy response in women with breast cancer
2024-11-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53450-8
PMID:39511143
|
研究论文 | 开发了一种可解释的纵向多模态融合模型，用于预测乳腺癌患者新辅助治疗反应 | 提出MRP系统模拟真实世界医生评估，整合跨模态知识挖掘和时间信息嵌入策略处理缺失模态数据 | 未明确说明模型在更广泛人群中的泛化能力 | 预测乳腺癌患者新辅助治疗反应 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | 多模态图像分析 | 深度学习模型 | 多模态图像数据 | 多中心研究数据 | NA | 多模态融合模型 | AUROC | NA |
| 10930 | 2025-10-07 |
PACT-3D, a deep learning algorithm for pneumoperitoneum detection in abdominal CT scans
2024-11-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54043-1
PMID:39511229
|
研究论文 | 开发并验证用于腹部CT扫描中气腹检测的深度学习算法PACT-3D | 首个专门针对气腹检测的深度学习模型，在排除少量游离气体病例时灵敏度显著提升至0.92-0.98 | 未提及模型在更广泛医疗机构中的泛化能力验证 | 开发能够准确检测CT扫描中气腹的深度学习模型以改善急诊诊疗流程 | 腹部CT扫描图像 | 计算机视觉 | 气腹 | CT扫描 | 深度学习 | 医学影像 | 远东纪念医院20,390例扫描（训练集14,039+前瞻测试集6,351）+ Cedars-Sinai医学中心480例外部验证 | NA | PACT-3D | 灵敏度, 特异性 | NA |
| 10931 | 2025-10-07 |
Deep learning for rapid analysis of cell divisions in vivo during epithelial morphogenesis and repair
2024-Sep-23, eLife
IF:6.4Q1
DOI:10.7554/eLife.87949
PMID:39312468
|
研究论文 | 开发深度学习管道自动分析上皮组织中细胞分裂的动态特征 | 首次建立能够同时识别细胞分裂事件、确定分裂轴方向并量化分裂前后形状变化的深度学习管道 | 方法主要应用于果蝇蛹翅上皮组织，在其他组织类型中的适用性需要进一步验证 | 开发自动化工具分析上皮组织发育和修复过程中的细胞分裂动态 | 果蝇蛹翅上皮组织 | 计算机视觉 | NA | 延时显微成像 | 深度学习 | 延时显微图像序列 | NA | NA | NA | 准确性 | NA |
| 10932 | 2025-10-07 |
An Exaggeration? Reality?: Can ChatGPT Be Used in Neonatal Nursing?
2024 Apr-Jun 01, The Journal of perinatal & neonatal nursing
IF:1.5Q2
DOI:10.1097/JPN.0000000000000826
PMID:38758263
|
评论 | 探讨ChatGPT在新生儿护理领域的应用潜力与局限性 | 首次系统评估ChatGPT在新生儿护理特定场景（疼痛评估、喂养过程、患者状态判断）中的应用可行性 | 缺乏临床实证研究支持，数据准确性需严格验证，存在未经科学验证结果的风险 | 评估人工智能在新生儿护理领域的应用价值与风险 | 新生儿护理中的疼痛评估、喂养过程和患者状态判断 | 自然语言处理 | 新生儿护理 | 语言建模 | 大型语言模型 | 文本 | NA | OpenAI | ChatGPT | NA | NA |
| 10933 | 2025-10-07 |
Differentiating molecular etiologies of Angelman syndrome through facial phenotyping using deep learning
2020-09, American journal of medical genetics. Part A
DOI:10.1002/ajmg.a.61720
PMID:32524756
|
研究论文 | 本研究使用深度学习面部表型分析系统DeepGestalt区分Angelman综合征不同分子病因 | 首次将面部识别技术应用于Angelman综合征不同分子亚型的表型差异识别 | 样本量有限（261人），年龄跨度较大（10个月至32岁），UBE3A致病变异亚型的区分度较低 | 探索基于面部表型的深度学习系统在区分Angelman综合征分子病因方面的应用价值 | 261名Angelman综合征患者的面部图像和分子数据 | 计算机视觉 | Angelman综合征 | 面部表型分析 | 深度学习 | 面部图像 | 261名Angelman综合征患者，年龄范围10个月至32岁 | DeepGestalt | NA | AUC, ROC曲线 | NA |
| 10934 | 2025-05-23 |
A Minimal Annotation Pipeline for Deep Learning Segmentation of Skeletal Muscles
2025-Jul, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70066
PMID:40390325
|
研究论文 | 本研究探讨了一种简单有效的迭代方法，用于构建高质量自动分割模型，同时最小化手动标注工作 | 提出了一种最小化标注工作的迭代方法，用于训练高质量的nnU-Net分割模型 | 训练集规模较小（n=30），且五级评分量表上的评分者间一致性仅为一般到中等 | 开发高效的自动分割方法，将骨骼肌MRI生物标志物转化为临床应用 | 健康志愿者和患有各种神经肌肉疾病的患者（包括肌营养不良、炎症性、神经源性和未标记的NMDs） | 数字病理 | 神经肌肉疾病 | 定量MRI | nnU-Net | MRI图像 | 训练集70例（健康与病理大腿），独立测试集20例 | NA | NA | NA | NA |
| 10935 | 2025-05-23 |
Artificial intelligence (AI) in point-of-care testing
2025-Jun-15, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2025.120341
PMID:40324611
|
research paper | 本文探讨了人工智能（AI）在即时检测（POCT）中的应用及其对现代医疗的变革性影响 | AI技术（包括机器学习、深度学习和自然语言处理）显著提升了POCT的准确性和效率，例如卷积神经网络将疟疾检测的灵敏度提高到95%，预测分析在资源有限的环境中减少了20%的设备停机时间 | 数据隐私风险、算法不透明性以及低收入和中等收入国家的基础设施差距 | 探讨AI在POCT中的应用，以解决诊断准确性、工作流程效率和公平获取医疗资源等关键挑战 | 即时检测（POCT）技术及其在医疗诊断中的应用 | machine learning | malaria, cardiovascular disease | machine learning, deep learning, natural language processing, predictive analytics | CNN | image, real-time data | NA | NA | NA | NA | NA |
| 10936 | 2025-04-24 |
Corrigendum to: Pollen analysis using multispectral imaging flow cytometry and deep learning
2025-Jun, The New phytologist
DOI:10.1111/nph.70163
PMID:40263692
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10937 | 2025-05-23 |
Diagnosis of carpal tunnel syndrome using deep learning with comparative guidance
2025-Jun, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
IF:3.7Q2
DOI:10.1016/j.clinph.2025.03.038
PMID:40300239
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于通过比较分类方法对腕管综合征（CTS）进行稳健诊断 | 提出了基于余弦相似度的比较引导方法，使模型能够自动识别超声图像中异常回声纹理差异 | 样本量相对较小（152名参与者），且仅使用超声图像数据 | 开发一种能够自动识别CTS重要特征的深度学习模型 | 腕管综合征患者和健康个体的超声图像 | 数字病理学 | 腕管综合征 | 超声成像 | 深度学习模型（具体架构未提及） | 超声图像 | 152名参与者（包括不同严重程度的CTS患者和健康个体） | NA | NA | NA | NA |
| 10938 | 2025-05-23 |
Recent trends in diabetes mellitus diagnosis: an in-depth review of artificial intelligence-based techniques
2025-Jun, Diabetes research and clinical practice
IF:6.1Q1
DOI:10.1016/j.diabres.2025.112221
PMID:40328407
|
综述 | 本文综述了人工智能（AI）在糖尿病诊断中的最新进展，重点关注机器学习和深度学习的应用 | 探讨了AI驱动诊断工具的最新突破方法及其在临床实践中的实际应用 | 讨论了模型可解释性、伦理考虑和实际实施中的挑战 | 提高糖尿病的诊断准确性并支持AI技术在临床实践中的整合 | 糖尿病 | 机器学习 | 糖尿病 | 机器学习和深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 10939 | 2025-05-23 |
Molecular insights fast-tracked: AI in biosynthetic pathway research
2025-May-22, Natural product reports
IF:10.2Q1
DOI:10.1039/d4np00003j
PMID:40130306
|
综述 | 本文探讨了人工智能在生物合成途径研究中的潜力，以加速分子洞察并应对相关挑战 | 综述了AI技术在生物合成途径研究中的应用，包括机器学习、深度学习、自然语言处理等多种技术，并讨论了AI在途径发现、设计和优化中的具体应用 | 指出了当前AI在生物合成途径研究中的局限性，并强调了AI与实验方法协同的重要性 | 探讨AI如何加速生物合成途径研究，以开发具有药理学、农业和生物技术应用的生物活性天然产物 | 生物合成途径研究 | 机器学习 | NA | 机器学习(ML)、深度学习(DL)、自然语言处理、网络分析、数据挖掘 | NA | 组学数据 | NA | NA | NA | NA | NA |
| 10940 | 2025-05-23 |
On factors that influence deep learning-based dose prediction of head and neck tumors
2025-May-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adcfeb
PMID:40267938
|
研究论文 | 本研究探讨了影响基于深度学习的头颈部肿瘤剂量预测模型的关键因素 | 系统分析了输入和剂量网格分辨率、输入类型、损失函数、模型架构和噪声对模型性能的影响，并提出了优化建议 | 仅使用了两个数据集（一个公共数据集和一个内部临床数据集），可能限制了结果的普适性 | 评估深度学习模型在头颈部癌症放射治疗剂量预测中的准确性、鲁棒性和计算效率 | 头颈部肿瘤的放射治疗剂量预测 | 数字病理 | 头颈部癌症 | 深度学习 | SwinUNETR | CT图像和剂量网格数据 | 两个数据集（OpenKBP公共数据集和内部临床数据集） | NA | NA | NA | NA |