深度学习在生物医药领域中的应用
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，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10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 30919 篇文献，本页显示第 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2025-09-07 |
Radiomics and deep learning methods for predicting the growth of subsolid nodules based on CT images
2025-Aug-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044104
PMID:40898494
|
研究论文 | 本研究评估了基于CT影像的放射组学和深度学习方法在预测亚实性肺结节生长中的临床效用 | 通过ResNet-based融合网络将放射组学特征与深度学习模型结合，构建了性能优于单一方法的集成模型 | 回顾性研究设计，样本量相对有限（387个结节） | 预测亚实性肺结节的生长以辅助肺癌临床管理 | 353名患者的387个亚实性肺结节 | 计算机视觉 | 肺癌 | CT成像、放射组学特征提取、深度学习 | ResNet18、LASSO、融合网络 | CT影像 | 387个亚实性肺结节（195个生长组，192个非生长组） |
| 1122 | 2025-09-07 |
Artificial intelligence in joint arthroplasty: A bibliometric analysis of global research trends (2001-2025)
2025-Aug-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044136
PMID:40898573
|
文献计量分析 | 本研究通过文献计量分析探讨了2001至2025年间人工智能在关节置换领域的研究趋势与热点 | 首次系统性地利用文献计量工具（如CiteSpace、VOSviewer）揭示人工智能在关节置换领域的全球研究演变与新兴焦点（如植入物识别） | 数据仅来源于Web of Science核心合集，可能未涵盖所有相关文献；时间范围包含未来年份（2025），实际数据可能存在偏差 | 分析人工智能在关节置换领域的研究趋势、核心主题及全球合作模式 | 533篇科学出版物（包括国家、机构、作者、期刊、关键词等文献计量单元） | 医疗人工智能 | 关节疾病 | 文献计量分析、关键词爆发检测 | NA | 文本元数据（文献标题、摘要、关键词等） | 533篇出版物 |
| 1123 | 2025-09-07 |
The art of diagnosing rare skin tumors: Can DL-CNNs enhance dermatologists' diagnostic accuracy?
2025-Aug-29, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.115751
PMID:40912058
|
研究论文 | 评估深度学习卷积神经网络在诊断罕见皮肤肿瘤中的性能及其对皮肤科医生诊断准确性的辅助作用 | 首次在国际多中心读者研究中测试市场批准的DL-CNN对罕见皮肤肿瘤的诊断能力，并分析其对专家决策的影响 | DL-CNN诊断性能有限（敏感度66.7%，特异度56.4%），未能显著提升皮肤科医生的整体诊断准确率 | 评估二元DL-CNN在罕见皮肤肿瘤诊断中的表现及其对皮肤科医生的辅助价值 | 罕见皮肤肿瘤（RST）的皮肤镜图像 | 计算机视觉 | 皮肤肿瘤 | 深度学习卷积神经网络（DL-CNN） | CNN | 图像 | 200张经组织学确认的罕见皮肤肿瘤皮肤镜图像 |
| 1124 | 2025-09-07 |
Foundation models in ophthalmology: a preliminary study on AI-assisted diagnosis of myopic maculopathy and posterior staphyloma using ultra-widefield fundus images
2025-Aug-28, BMJ open ophthalmology
IF:2.0Q2
DOI:10.1136/bmjophth-2024-002073
PMID:40876931
|
研究论文 | 本研究利用基于眼科基础模型的深度学习技术，通过超广角眼底图像辅助诊断病理性近视相关的黄斑病变和后巩膜葡萄肿 | 首次将眼科基础模型RETFound应用于超广角眼底图像分析，在病理性近视病变检测中表现出优于其他方法的性能 | 回顾性研究设计，样本仅来自两家医疗中心，需要进一步前瞻性验证 | 开发AI辅助诊断系统，用于病理性近视的眼底病变检测 | 高度近视患者 | 数字病理学 | 眼科疾病 | 超广角眼底成像 | 深度学习模型（基于RETFound基础模型） | 图像 | 543名患者的1105张图像用于模型开发，150名患者的293张图像用于外部测试 |
| 1125 | 2025-09-07 |
Role of artificial intelligence-based ocular biomarkers in hepatobiliary diseases: A scoping review
2025-Aug-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i8.109801
PMID:40901593
|
综述 | 探讨人工智能在利用眼部生物标志物诊断肝胆疾病中的应用与潜力 | 利用深度学习模型（如ResNet-101）从多种眼部影像中识别七类肝胆疾病，为资源有限地区提供新型诊断工具 | 未提及具体模型性能局限或临床推广障碍 | 评估人工智能技术在肝胆疾病诊断中的创新应用 | 眼部影像数据（裂隙灯、视网膜眼底、光学相干断层扫描图像） | 数字病理 | 肝胆疾病 | 深度学习 | ResNet-101 | 图像 | NA |
| 1126 | 2025-09-07 |
Biparametric magnetic resonance imaging-based radiomic and deep learning models for predicting Ki-67 risk stratification in hepatocellular carcinoma
2025-Aug-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i8.109530
PMID:40901605
|
研究论文 | 开发基于双参数磁共振成像的放射组学和深度迁移学习模型，用于预测肝细胞癌Ki-67风险分层和无复发生存期 | 首次整合bpMRI的放射组学和深度迁移学习特征构建预测模型，并开发了性能优异的列线图模型（AUC达0.92） | 研究样本量有限（198例患者），且为单中心回顾性研究 | 预测肝细胞癌患者的Ki-67风险分层和生存预后 | 经病理确诊的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 双参数磁共振成像（bpMRI）、免疫组化染色 | 随机森林、深度迁移学习（DTL） | 医学影像（T2加权和动脉期图像） | 198例肝细胞癌患者 |
| 1127 | 2025-09-07 |
[Multi-source adversarial adaptation with calibration for electroencephalogram-based classification of meditation and resting states]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202504044
PMID:40887180
|
研究论文 | 提出一种校准多源对抗适应网络（CMAAN），用于基于脑电图（EEG）的冥想与静息状态分类，以解决个体间EEG信号差异问题 | 首次结合多源对抗适应与校准机制，利用目标域少量标注数据提升模型性能，并分析冥想关键EEG频段与脑区 | NA | 提升跨个体EEG信号分类性能，实现冥想状态的精准监测 | 接受甲基苯丙胺康复治疗的18名受试者的EEG数据 | 生物医学信息学 | 成瘾性疾病 | 脑电图（EEG） | 多源对抗适应网络（CMAAN），域对抗神经网络 | EEG信号 | 18名受试者 |
| 1128 | 2025-09-07 |
[Study on dental image segmentation and automatic root canal measurement based on multi-stage deep learning using cone beam computed tomography]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202503008
PMID:40887191
|
研究论文 | 基于锥形束CT和多阶段深度学习实现牙齿图像分割与根管自动测量 | 采用Attention U-Net结合集成深度学习方法，实现全自动的牙齿分割和根管参数测量，各项指标超越现有方法 | NA | 开发全自动牙齿分割和根管测量方法，辅助临床根管诊断和治疗规划 | 锥形束CT牙齿图像 | 计算机视觉 | 牙科疾病 | 锥形束CT成像 | Attention U-Net, 集成深度学习 | 医学图像 | NA |
| 1129 | 2025-09-07 |
[Brain midline segmentation method based on prior knowledge and path optimization]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202412032
PMID:40887192
|
研究论文 | 提出一种基于先验知识和路径优化的两阶段深度学习网络模型，用于脑中线分割 | 采用关联切片相似性分析和特征加权策略融合整体变化特征与空间信息，并结合最优路径搜索解决分割不连续问题 | NA | 提高脑中线分割的准确性和连续性 | 脑中线结构 | 医学图像分析 | 神经系统疾病 | 深度学习 | 两阶段深度学习网络 | 医学影像（脑部切片） | CQ500数据集（具体样本数量未明确说明） |
| 1130 | 2025-09-07 |
[Research progress in electroencephalogram-based brain age prediction]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202503043
PMID:40887200
|
综述 | 本文全面回顾了基于脑电图（EEG）的脑年龄预测研究进展，涵盖数据处理、特征提取、模型构建及评估方法 | 系统总结了EEG脑年龄预测中机器学习与深度学习的应用，并探讨了未来临床与研究场景的应用方向 | 面临数据质量不足和模型可解释性差的挑战 | 评估脑健康及早期诊断神经退行性疾病 | 人类脑电图信号 | 机器学习 | 神经退行性疾病 | EEG（脑电图） | 机器学习和深度学习模型 | 神经生理信号 | NA |
| 1131 | 2025-09-07 |
Comparison of Foundation and Supervised Learning-Based Models for Detection of Referable Glaucoma from Fundus Photographs
2025-Aug-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.21.25334170
PMID:40894149
|
研究论文 | 比较基于基础模型和监督学习的模型在眼底照片中检测需转诊青光眼的性能 | 首次系统比较自监督预训练视觉Transformer（RETFound）与传统CNN（VGG-19）在青光眼检测中的表现，并分析裁剪图像对模型性能及泛化能力的影响 | 研究主要基于单一医疗系统的数据，外部验证集规模较小（N=300），且未评估模型在真实临床环境中的长期效果 | 开发并验证深度学习模型用于青光眼的自动筛查 | 眼底照片 | 计算机视觉 | 青光眼 | 深度学习 | Vision Transformer (RETFound), CNN (VGG-19) | 图像 | 训练集8,996张，验证集3,002张，测试集1,000张，外部测试集300张眼底照片 |
| 1132 | 2025-09-07 |
Deep learning models for pathological classification and staging of oesophageal cancer
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.109893
PMID:40901333
|
comments | 对Wei等人应用Wave-Vision Transformer进行食管癌分类的研究进行评论 | 强调该研究在准确性和效率方面的优越性，并讨论其在病理学和个性化治疗中的临床潜力 | 数据集多样性不足，需要可解释人工智能来提升应用接受度 | 评论食管癌病理分类和分期深度学习模型的应用价值 | 食管癌病理分类研究 | digital pathology | oesophageal cancer | Wave-Vision Transformer | Vision Transformer | 病理图像数据 | NA |
| 1133 | 2025-09-07 |
Cell reprogramming in cancer: Interplay of genetic, epigenetic mechanisms, and the tumor microenvironment in carcinogenesis and metastasis
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.106838
PMID:40901331
|
综述 | 本文探讨细胞重编程在癌症中的作用，重点关注遗传、表观遗传机制与肿瘤微环境的相互作用及其在致癌和转移中的意义 | 提出‘失调的细胞可塑性’作为癌症的新标志，并整合AI技术如AlphaFold预测癌细胞轨迹和药物设计 | NA | 解析细胞可塑性在癌症发生、进展、转移和治疗抵抗中的机制，探索新型治疗策略 | 癌细胞、肿瘤微环境、蛋白质结构 | 癌症生物学 | 癌症 | 下一代测序（NGS）、单细胞RNA分析、深度学习、AlphaFold | 深度学习 | 基因组数据、转录组数据、蛋白质结构数据 | NA |
| 1134 | 2025-09-07 |
Polymer-derived distance penalties improve chromatin interaction predictions from single-cell data across crop genomes
2025-Aug-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671329
PMID:40894789
|
研究论文 | 提出基于聚合物物理的距离惩罚函数，用于改进作物基因组中单细胞数据预测的染色质相互作用 | 首次将多组分幂律模型与实验Hi-C数据拟合，推导出聚合物物理基础的惩罚函数，显著减少长程相互作用的假阳性率 | NA | 改进单细胞数据对染色质相互作用的预测准确性，特别是在作物基因组中的应用 | 玉米、水稻和大豆的染色质相互作用数据 | 计算生物学 | NA | Hi-C, 单细胞共可及性分析, Deep Learning | 多组分幂律模型 | 基因组相互作用数据 | 来自三种作物（玉米、水稻、大豆）的实验Hi-C数据 |
| 1135 | 2025-09-07 |
Efficient Double Helix Detection with Steerable Filters
2025-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670427
PMID:40894605
|
研究论文 | 提出一种基于可操纵滤波器的高效双螺旋点扩散函数检测方案，用于3D单分子定位显微或追踪 | 仅需7次卷积即可提取2D位置和叶瓣方向（轴向位置）估计，计算量比基于深度学习的方法低数个数量级 | NA | 开发高效的3D单分子定位显微检测方法 | 双螺旋点扩散函数 | 计算机视觉 | NA | 可操纵滤波器，双高斯模型拟合 | NA | 显微图像 | NA |
| 1136 | 2025-09-07 |
Decoding the limits of deep learning in molecular docking for drug discovery
2025-Aug-19, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc05395a
PMID:40901622
|
研究论文 | 探讨深度学习在分子对接中的性能、局限及优化策略 | 首次系统评估生成扩散模型、回归架构和混合框架在分子对接五大维度的表现，并提出可操作的优化策略 | 深度学习模型在遇到新型蛋白质结合口袋时泛化能力显著不足，且多数方法存在高空间容忍度问题 | 分析深度学习在药物发现中分子对接应用的性能边界与改进方向 | 传统分子对接方法与深度学习驱动的新范式（生成扩散模型、回归架构、混合框架） | 计算药物设计 | NA | 分子对接，深度学习（生成扩散模型，回归架构） | 扩散模型，回归模型，混合框架 | 蛋白质-配体结构数据 | NA |
| 1137 | 2025-09-07 |
Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium
2025-Aug, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06804-x
PMID:40186633
|
研究论文 | 开发基于裂隙灯照片的深度学习模型，用于区分眼表鳞状上皮 neoplasia（OSSN）和翼状胬肉（PTG） | 首次使用EfficientNet B7和GoogleNet构建端到端深度学习系统，实现OSSN与PTG的自动分割与分类，AUC达98% | 样本量较小（仅162例），人群性别分布不均衡（男性占比超80%），需外部验证 | 建立眼表疾病的自动化诊断辅助系统 | 眼表疾病患者（OSSN和PTG）的裂隙灯照片 | 计算机视觉 | 眼科疾病 | 迁移学习，K折交叉验证 | EfficientNet B7（分割），GoogleNet（分类） | 图像 | 162例患者（77例OSSN，85例PTG）的裂隙灯照片 |
| 1138 | 2025-09-07 |
Machine Listening for OSA Diagnosis: A Bayesian Meta-Analysis
2025-Aug, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.04.006
PMID:40220991
|
meta-analysis | 通过贝叶斯荟萃分析评估基于呼吸音记录的机器学习方法在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性 | 首次使用贝叶斯双变量荟萃分析方法系统评估机器学习在OSA诊断中的性能，并识别影响诊断准确性的关键因素 | 纳入研究数量有限（16项研究），可能存在未发现的异质性 | 评估和优化基于音频记录的机器学习方法在OSA诊断中的准确性 | OSA患者和疑似患者的呼吸音记录数据 | machine learning | sleep apnea | Bayesian meta-analysis, meta-regression | deep learning, traditional machine learning | audio recordings | 训练集4,864名参与者，测试集2,370名参与者 |
| 1139 | 2025-09-07 |
Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy
2025-Aug-01, AIDS (London, England)
DOI:10.1097/QAD.0000000000004220
PMID:40643081
|
评论 | 探讨人工智能在美国CDC HIV干预中的变革潜力，并分析创新与健康隐私之间的平衡 | 提出将机器学习、深度学习和生成式AI整合到HIV预防体系，并强调在非传统环境中扩大PrEP护理的可及性 | 需解决算法偏见、伦理标准维护及AI幻觉风险等实施挑战 | 优化HIV预防和治疗策略，推动全球终结HIV流行的公共卫生目标 | HIV相关数据集及预防干预体系 | 自然语言处理 | HIV/AIDS | 机器学习(ML), 深度学习(DL), 生成式AI(Gen AI) | NA | 文本数据 | NA |
| 1140 | 2025-09-07 |
Incorporating Artificial Intelligence into Fracture Risk Assessment: Using Clinical Imaging to Predict the Unpredictable
2025-Aug, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2025.2518
PMID:40754720
|
综述 | 本文综述人工智能在骨折风险评估中的应用，特别是利用临床影像数据进行个体化风险预测的最新进展 | 将深度学习技术应用于常规X光和CT影像，实现机会性筛查和个体化骨折风险预测，优于传统骨密度测量方法 | 模型泛化性、数据偏差和自动化偏差等挑战仍然存在 | 探索人工智能作为传统骨折风险评估方法的补充工具 | 骨质疏松性骨折的检测和风险预测 | medical imaging analysis | 骨质疏松症 | 深度学习 | 深度学习模型 | X光影像、CT影像 | NA |