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 10961 - 10980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10961 | 2025-05-23 |
Machine learning techniques for detecting electrode misplacement and interchanges when recording ECGs: A systematic review and meta-analysis
2020 Sep - Oct, Journal of electrocardiology
IF:1.3Q3
|
系统综述与荟萃分析 | 本文综述了机器学习技术在检测心电图电极错位和互换中的应用及其效果 | 系统评估了机器学习在检测电极错位和互换中的性能，并识别了最常用的机器学习技术 | 研究仅包括14篇文章，可能无法涵盖所有相关研究 | 研究电极错位对心电图信号和解释的影响，评估机器学习检测电极错位的性能 | 心电图（ECG）电极错位和互换 | 机器学习 | 心血管疾病 | 机器学习（ML） | 卷积神经网络（CNN） | 心电图信号 | 14篇文章 | NA | NA | NA | NA |
| 10962 | 2025-05-23 |
Deep Learning in Radiation Oncology Treatment Planning for Prostate Cancer: A Systematic Review
2020-Aug-30, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-020-01641-3
PMID:32862251
|
综述 | 本文系统回顾了深度学习在前列腺癌放射肿瘤治疗计划中的应用 | 总结了基于CT或MRI的不同深度学习网络架构在放射治疗目标轮廓分割中的应用 | 大多数研究使用的患者数据量有限，且这些模型在临床实践中的安全性和有效性仍需进一步验证 | 探索深度学习在放射治疗计划自动化中的应用，以提高治疗效率和质量 | 前列腺癌放射治疗计划中的目标轮廓分割 | 计算机视觉 | 前列腺癌 | 深度学习 | NA | 医学影像（CT或MRI） | 患者数据量有限 | NA | NA | NA | NA |
| 10963 | 2025-10-07 |
Creating Artificial Images for Radiology Applications Using Generative Adversarial Networks (GANs) - A Systematic Review
2020-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2019.12.024
PMID:32035758
|
系统综述 | 系统回顾生成对抗网络在放射学中应用的文献 | 首次系统综述GAN在放射学领域的多种应用场景 | 仅包含截至2019年9月发表的研究，可能遗漏最新进展 | 评估GAN在放射学领域的应用现状和效果 | 33项关于GAN在放射学中应用的研究 | 计算机视觉 | NA | 生成对抗网络 | GAN | 医学影像 | 33项研究（2017-2019年发表） | NA | NA | NA | NA |
| 10964 | 2025-05-23 |
Accuracy of deep learning for automated detection of pneumonia using chest X-Ray images: A systematic review and meta-analysis
2020-08, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2020.103898
PMID:32768045
|
meta-analysis | 该研究通过系统综述和荟萃分析评估了深度学习模型在利用胸部X光图像检测和分类肺炎方面的诊断性能 | 首次对深度学习在肺炎检测和分类中的诊断性能进行了系统评价和荟萃分析 | 存在主要方法学问题，未来研究需解决以应用于临床 | 评估深度学习模型在肺炎检测和分类中的诊断性能 | 肺炎患者与健康对照者的胸部X光图像 | digital pathology | pneumonia | deep learning | DL | image | NA | NA | NA | NA | NA |
| 10965 | 2025-05-23 |
Deep learning to find colorectal polyps in colonoscopy: A systematic literature review
2020-08, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2020.101923
PMID:32972656
|
系统文献综述 | 本文通过系统综述分析了深度学习在结肠镜检查中检测结直肠息肉的应用 | 总结了深度学习在息肉检测、定位和分割中的最新方法，并分析了公开数据集和评估指标 | 方法间的公平比较和可重复性存在困难，缺乏基于大型公开数据库的统一验证框架 | 提高结肠镜检查中腺瘤检测率，从而预防结直肠癌 | 结直肠息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 35篇相关研究和7个公开的结肠镜图像数据集 | NA | NA | NA | NA |
| 10966 | 2025-05-23 |
Opportunities and challenges of deep learning methods for electrocardiogram data: A systematic review
2020-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2020.103801
PMID:32658725
|
系统综述 | 本文系统综述了深度学习在心电图（ECG）数据分析中的建模和应用 | 总结了深度学习在ECG数据分析中的最新进展，并提出了未来研究方向 | 未解决可解释性、可扩展性和效率等新挑战 | 探讨深度学习在ECG数据分析中的应用和挑战 | ECG数据 | 机器学习 | 心血管疾病 | 深度学习 | CNN, RNN, 混合架构 | ECG信号 | 191篇论文（2010-2020年） | NA | NA | NA | NA |
| 10967 | 2025-10-07 |
Lung Nodule Detection from Feature Engineering to Deep Learning in Thoracic CT Images: a Comprehensive Review
2020-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-020-00320-6
PMID:31997045
|
综述 | 本文系统回顾了2009年至2018年4月期间胸部CT图像中肺结节检测的研究进展 | 全面梳理了从传统特征工程到深度学习的肺结节检测技术发展脉络，特别聚焦于卷积神经网络的应用 | 仅涵盖截至2018年4月的研究成果，未包含最新技术发展 | 为研究人员提供肺结节检测领域的现状和技术进展综述 | 胸部CT图像中的肺结节 | 计算机视觉 | 肺癌 | CT扫描 | CNN | 医学图像 | NA | NA | NA | NA | NA |
| 10968 | 2025-10-07 |
Deep learning-based detection of bacterial swarm motion using a single image
2025-Dec, Gut microbes
IF:12.2Q1
DOI:10.1080/19490976.2025.2505115
PMID:40366861
|
研究论文 | 开发基于深度学习的细菌集群运动检测方法，通过单张模糊图像快速预测细菌集群运动概率 | 首次利用单张模糊图像实现细菌集群运动的自动化检测，相比传统方法更快速、客观且适合高通量环境 | 未明确说明训练数据的具体规模和多样性，可能对某些细菌物种的检测效果有限 | 开发快速、客观的细菌集群运动检测方法以替代传统依赖人工观察的方法 | 细菌运动行为（集群运动与游泳运动） | 计算机视觉 | 炎症性肠病,尿路感染 | 深度学习 | CNN | 图像 | SM3细菌训练数据，DB10和H6细菌测试数据 | NA | NA | 灵敏度,特异性 | NA |
| 10969 | 2025-10-07 |
Integrating artificial intelligence into orthopedics: Opportunities, challenges, and future directions
2025-Jul, Journal of hand and microsurgery
IF:0.3Q4
DOI:10.1016/j.jham.2025.100257
PMID:40395968
|
综述 | 本文评估人工智能在骨科领域的应用现状、挑战和未来发展方向 | 系统评估AI在骨科领域的整合机遇与挑战，并提出未来研究方向 | 数据标准化和临床验证仍是主要挑战，需要更多多中心临床试验 | 评估人工智能在骨科领域的应用效果和临床整合前景 | 骨科领域的AI应用研究 | 机器学习 | 骨科疾病 | 机器学习，深度学习 | NA | 医学文献数据 | NA | NA | NA | NA | NA |
| 10970 | 2025-10-07 |
Accelerating CEST MRI With Deep Learning-Based Frequency Selection and Parameter Estimation
2025-Jul, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70068
PMID:40396230
|
研究论文 | 提出一种基于深度学习的频率选择和参数估计框架，用于加速化学交换饱和转移磁共振成像 | 首次将通道剪枝与参数估计相结合，通过批归一化识别最有信息量的频率偏移，同时训练网络进行参数图预测 | 目前仅在健康志愿者数据上验证，尚未在患者群体中测试，且未解决B场不均匀性和病变组织异常信号变化等挑战 | 加速CEST MRI扫描过程，减少临床采集时间 | 健康志愿者的大脑CEST MRI数据 | 医学影像分析 | NA | 化学交换饱和转移磁共振成像 | 深度学习 | 磁共振图像 | 6名健康志愿者 | NA | NA | 参数图质量比较 | NA |
| 10971 | 2025-10-07 |
Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning
2025-Jun-10, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000213691
PMID:40378378
|
研究论文 | 开发基于磁共振指纹技术和深度学习的全脑局灶性皮质发育不良自动检测框架 | 首次将磁共振指纹技术与深度学习相结合用于全脑FCD检测，通过单次扫描获取多参数特征 | 样本量相对较小（40例患者），需要进一步验证 | 开发自动检测局灶性皮质发育不良的深度学习工具 | 药物难治性局灶性癫痫患者和健康对照者 | 医学影像分析 | 癫痫 | 磁共振指纹技术，临床MRI | 深度学习 | 3D MRI图像，定量组织特性图 | 40例FCD患者（平均年龄28.1岁，47.5%女性）和67例健康对照 | NA | U-Net | 灵敏度，假阳性数，病灶标签重叠度 | NA |
| 10972 | 2025-10-07 |
Current Status, Hotspots, and Prospects of Artificial Intelligence in Ophthalmology: A Bibliometric Analysis (2003-2023)
2025-Jun, Ophthalmic epidemiology
IF:1.7Q3
DOI:10.1080/09286586.2024.2373956
PMID:39146462
|
文献计量分析 | 通过文献计量学方法分析2003-2023年人工智能在眼科领域的研究现状、热点和趋势 | 首次系统梳理眼科AI领域20年的研究发展轨迹，识别核心研究机构和热点技术 | 仅基于Web of Science数据库文献，可能遗漏其他重要数据库的研究成果 | 评估人工智能在眼科领域的研究现状和发展趋势 | 3,377篇眼科AI相关研究文献 | 医学人工智能 | 眼科疾病 | 文献计量分析 | Deep learning, Machine learning, GAN | 文献元数据 | 3,377篇出版物，来自98个国家的4,035个机构 | VOSviewer, CiteSpace, R package Bibliometrix | NA | NA | NA |
| 10973 | 2024-10-24 |
Correction: Checklist for Reproducibility of Deep Learning in Medical Imaging
2025-Jun, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01295-4
PMID:39438367
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10974 | 2025-10-07 |
DRBP-EDP: classification of DNA-binding proteins and RNA-binding proteins using ESM-2 and dual-path neural network
2025-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf058
PMID:40391089
|
研究论文 | 提出一种结合ESM-2和双路径神经网络的DNA结合蛋白与RNA结合蛋白分类方法DRBP-EDP | 整合ESM-2蛋白质语言模型与双路径神经网络的分阶段分类方法，并设计了高质量数据集构建方案 | NA | 开发高效准确的DNA结合蛋白和RNA结合蛋白分类方法 | 核酸结合蛋白（包括DNA结合蛋白和RNA结合蛋白） | 生物信息学 | NA | 蛋白质序列分析 | 双路径神经网络 | 蛋白质序列数据 | NA | NA | ESM-2, 双路径神经网络 | 准确率 | NA |
| 10975 | 2025-10-07 |
Parkinson's disease detection using inceptionV3: A Deep learning approach
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103333
PMID:40395929
|
研究论文 | 本研究使用深度学习算法对帕金森病患者绘制的螺旋图像进行分类，实现帕金森病的早期检测 | 利用迁移学习提取螺旋图像中的精细运动障碍模式，并通过混合深度学习模型增强特征提取能力 | 数据集相对有限，未来需要结合其他生物标志物或更广泛的运动测量数据 | 开发基于螺旋图像分析的帕金森病非侵入性早期诊断方法 | 帕金森病患者和健康个体绘制的螺旋图像 | 计算机视觉 | 帕金森病 | 图像分析 | CNN | 图像 | 帕金森病患者和正常个体绘制的螺旋图像数据库 | NA | DenseNet121,InceptionV3,VGG16,LeNet | 准确率 | NA |
| 10976 | 2025-10-07 |
Deep learning-based technique for investigating the behavior of MEMS systems with multiwalled carbon nanotubes and electrically actuated microbeams
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103337
PMID:40395931
|
研究论文 | 提出基于深度学习的非线性系统求解方法，用于研究含多壁碳纳米管的电驱动微梁MEMS系统行为 | 首次将深度神经网络应用于MEMS中非线性系统的求解，特别是针对多壁碳纳米管和电驱动微梁的振荡器 | NA | 研究MEMS振荡器的非线性振动特性，特别是与纳米管和电驱动微梁相关的特性 | 双端固定电驱动微梁和多壁碳纳米管在MEMS中的性能表现 | 机器学习 | NA | Galerkin技术，平行板电容器模型，欧拉-伯努利梁理论 | DNN | 数值模拟数据 | NA | NA | 深度神经网络 | 准确性，效率 | NA |
| 10977 | 2025-10-07 |
Machine learning-based label-free macrophage phenotyping in immune-material interactions
2025-May-21, Journal of materials chemistry. B
DOI:10.1039/d5tb00365b
PMID:40289902
|
研究论文 | 本研究开发了一种基于人工智能的无标记巨噬细胞表型分析方法，结合定量相位成像和深度学习模型 | 首次将AI驱动的图像分类与定量相位成像结合用于无标记巨噬细胞表型分析，避免了传统方法的固定和终点分析限制 | 单独使用定量相位成像无法完全区分表型，需要深度学习模型辅助 | 优化植入式生物医学材料的免疫相容性评估 | THP-1来源的巨噬细胞（M0、M1、M2a、M2c表型）及其对不同胶原涂层的反应 | 计算机视觉 | NA | 定量相位成像（QPI） | CNN | 图像 | THP-1来源的巨噬细胞四种表型 | NA | GoogLeNet, ShuffleNet, VGG-16, ResNet-18 | 准确率 | NA |
| 10978 | 2025-10-07 |
A Chemistry-Informed Generative Deep Learning Approach for Enhancing Voltammetric Neurochemical Sensing in Living Mouse Brain
2025-May-21, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c05393
PMID:40358003
|
研究论文 | 提出一种化学信息引导的生成神经网络模型，用于增强活体小鼠脑部伏安法神经化学传感的定量准确性 | 开发了结合化学原理的生成深度学习模型，能够分离伏安电流中的法拉第和非法拉第成分，减少信号串扰 | NA | 开发同时监测多种神经化学物质动态的高精度传感平台 | 活体小鼠脑部的多巴胺、抗坏血酸和离子强度动态 | 机器学习 | 神经炎症 | 伏安法神经化学传感 | 生成神经网络 | 伏安电流信号 | 神经炎症模型小鼠和对照小鼠 | NA | 化学信息引导的生成神经网络(CIGNN) | 定量准确性 | NA |
| 10979 | 2025-10-07 |
An Ultrasound Image-Based Deep Learning Radiomics Nomogram for Differentiating Between Benign and Malignant Indeterminate Cytology (Bethesda III) Thyroid Nodules: A Retrospective Study
2025-May-21, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.24058
PMID:40396203
|
研究论文 | 开发并验证基于超声图像和临床特征的深度学习放射组学列线图，用于预测不确定细胞学（Bethesda III）甲状腺结节的恶性风险 | 首次结合深度学习迁移特征、超声放射组学特征和临床特征构建综合诊断模型，用于Bethesda III类甲状腺结节的良恶性鉴别 | 回顾性研究设计，样本量相对有限（训练集155例，内部验证集39例） | 开发甲状腺结节良恶性鉴别诊断工具 | 不确定细胞学（Bethesda III）甲状腺结节患者 | 医学影像分析 | 甲状腺结节 | 超声成像 | 深度学习 | 超声图像，临床数据 | 训练集155例，内部验证集39例，外部验证集160例（来自两个医疗中心各80例） | NA | ResNet34 | AUC, 准确率, 灵敏度, 特异度, 精确率, 召回率 | NA |
| 10980 | 2025-10-07 |
Validation of a deep learning model for the automated detection and quantification of cystoid macular oedema on optical coherence tomography in patients with retinitis pigmentosa
2025-May-21, Acta ophthalmologica
IF:3.0Q1
DOI:10.1111/aos.17518
PMID:40396533
|
研究论文 | 验证基于深度学习的模型在视网膜色素变性患者光学相干断层扫描中自动检测和量化囊样黄斑水肿的能力 | 首次在视网膜色素变性患者中验证nnU-Net架构用于囊样黄斑水肿的自动分割，性能达到与人类专家相当的水平 | 样本量相对有限（37个外部测试扫描），仅在特定患者群体（视网膜色素变性）中验证 | 开发并验证用于自动检测和量化囊样黄斑水肿的深度学习模型 | 视网膜色素变性患者的囊样黄斑水肿 | 医学影像分析 | 视网膜色素变性 | 光谱域光学相干断层扫描 | 深度学习 | 医学影像 | 112个OCT体积（70训练，42验证），37个外部测试扫描 | nnU-Net | nnU-Net | Dice相似系数，组内相关系数 | NA |