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 33776 篇文献，本页显示第 11381 - 11400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11381 | 2025-10-07 |
Mapping Artificial Intelligence Research Trends in Critical Care Nursing: A Bibliometric Analysis
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S522731
PMID:40416415
|
文献计量分析 | 通过文献计量方法分析2013-2023年重症监护护理领域人工智能研究的趋势和发展方向 | 首次系统性地对重症监护护理中人工智能研究进行文献计量分析，识别出七个代表性关键词聚类 | 分析仅限于2013-2023年期间的文献，可能无法反映更早期的研究趋势 | 分析重症监护护理领域人工智能研究趋势并展望未来研究方向 | 2013-2023年间发表的1,346篇相关学术文献 | 医疗人工智能 | 重症监护 | 文献计量分析，关键词聚类分析 | NA | 文献数据 | 1,346篇相关文章 | NA | NA | NA | NA |
| 11382 | 2025-10-07 |
The significance of an infant's cry: a narrative review of physiological, pathological, and analytical perspectives
2025, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2025.1558951
PMID:40416439
|
综述 | 本文系统回顾了婴儿哭声的生理机制、病理意义和分析方法，重点关注其作为生物标志物在健康评估和精准护理中的应用价值 | 首次系统整合婴儿哭声的多维度（生理、病理、心理）分析和深度学习应用研究，填补了现有文献的空白 | NA | 探讨婴儿哭声作为生物指标在健康监测和疾病早期诊断中的潜力 | 婴儿哭声特征及其与健康状况的关联 | 自然语言处理 | 神经系统疾病 | 深度学习 | NA | 音频 | NA | NA | NA | NA | NA |
| 11383 | 2025-10-07 |
Remote sensing-based detection of brown spot needle blight: a comprehensive review, and future directions
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.19407
PMID:40416626
|
综述 | 本文系统综述了基于遥感技术的褐斑针叶枯病检测方法，评估当前研究趋势和潜在应用 | 首次对褐斑针叶枯病的遥感检测方法进行全面文献计量分析，并整合地理空间分析与物种分布模型预测病原体范围扩张 | 针对褐斑针叶枯病的直接遥感应用研究仍然有限，存在关键知识空白 | 优化遥感监测方法，改进预测模型，开发早期预警系统以提升森林管理 | 松林褐斑针叶枯病及其遥感检测技术 | 遥感监测 | 植物病害 | 遥感技术，多源遥感，地理空间分析，物种分布建模 | 机器学习，深度学习 | 遥感影像，气候数据 | NA | NA | NA | NA | NA |
| 11384 | 2025-10-07 |
A transformation uncertainty and multi-scale contrastive learning-based semi-supervised segmentation method for oral cavity-derived cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1577198
PMID:40416865
|
研究论文 | 提出一种基于变换不确定性和多尺度对比学习的半监督分割方法，用于口腔癌病理图像分割 | 结合变换不确定性估计和多尺度对比学习，提出边界感知增强U-Net，减少对标注数据的依赖 | 仅在一个包含451张图像的数据集上验证，需要更多临床数据验证泛化能力 | 开发半监督分割方法以解决口腔癌病理图像标注数据稀缺问题 | 口腔鳞状细胞癌病理图像 | 数字病理 | 口腔癌 | H&E染色 | 半监督学习 | 病理图像 | 451张经病理学家标注验证的图像 | NA | U-Net | 分割性能指标 | NA |
| 11385 | 2025-10-07 |
Comparing factor mixture modeling and conditional Gaussian mixture variational autoencoders for cognitive profile clustering
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1474292
PMID:40417028
|
研究论文 | 比较因子混合模型和条件高斯混合变分自编码器在认知特征聚类中的表现 | 首次系统比较传统因子混合模型与深度学习方法的认知特征聚类能力，揭示不同方法在捕捉认知模式精细结构方面的差异 | CGMVAE方法存在复杂性和潜在聚类重叠问题，模型解释性相对较低 | 比较不同聚类方法在识别认知特征模式方面的效果 | 从PROFFILO评估游戏获得的六个认知维度的个体认知特征数据 | 机器学习 | NA | 认知评估游戏 | 因子混合模型,条件高斯混合变分自编码器 | 认知评估数据 | NA | NA | 条件高斯混合变分自编码器 | 轮廓系数 | NA |
| 11386 | 2025-10-07 |
Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1509377
PMID:40417183
|
研究论文 | 评估深度学习算法在非增强脑CT报告分类中的诊断精确性 | 使用DistilBERT模型对非增强脑CT报告进行四分类紧急程度评估，并在真实临床数据中验证其性能 | 束硬化伪影和过度噪声显著影响模型性能，无法确定性能差异的具体原因，工具泛化能力存在不确定性 | 确定深度学习算法在非增强脑CT报告分类中的诊断精确性 | 1,861份非增强脑CT报告 | 自然语言处理 | 神经系统疾病 | 文本分类 | Transformer | 文本 | 1,861份CT报告（800份训练，200份验证） | Python | DistilBERT | F1分数, 敏感性, 特异性, 阳性预测值 | 大学云系统 |
| 11387 | 2025-10-07 |
Application of 3D nnU-Net with Residual Encoder in the 2024 MICCAI Head and Neck Tumor Segmentation Challenge
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_20
PMID:40417457
|
研究论文 | 本研究探索使用3D nnU-Net模型在头颈部肿瘤MRI数据中自动分割原发肿瘤体积和转移淋巴结 | 采用带残差编码器的3D nnU-Net模型，并通过特定背景比例数据重训练优化分割性能 | 模型在高背景比例数据上表现不佳，对GTVp的分割效果不如GTVn | 改进放射治疗计划中头颈部肿瘤的自动分割精度 | 头颈部原发肿瘤体积(GTVp)和转移淋巴结(GTVn) | 医学图像分割 | 头颈部肿瘤 | MRI | 3D nnU-Net | 医学影像 | 2024 MICCAI头颈部肿瘤分割挑战赛提供的高质量数据集 | NA | 3D nnU-Net with Residual Encoder | DSCagg | NA |
| 11388 | 2025-10-07 |
Physician Assistant Educators' Production Blueprint for Video Pedagogy
2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association
DOI:10.1097/JPA.0000000000000592
PMID:38684095
|
研究论文 | 本文提出了基于验证教学实践的医师助理教育视频制作蓝图 | 结合认知负荷理论为医师助理教育开发专门的视频制作蓝图 | 基于文献综述和作者经验，缺乏实证研究验证 | 改进医师助理教育中的视频制作实践以提升学习效果 | 医师助理教育者和学生 | 教育技术 | NA | 视频教学法 | NA | 教学视频 | NA | NA | NA | NA | NA |
| 11389 | 2025-10-07 |
Towards Interpretable End-Stage Renal Disease (ESRD) Prediction: Utilizing Administrative Claims Data with Explainable AI Techniques
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417492
|
研究论文 | 本研究利用行政索赔数据结合可解释AI技术预测慢性肾脏病向终末期肾病的进展 | 首次将LSTM模型与SHAP可解释性分析结合应用于行政索赔数据的ESRD预测，并在24个月观察窗口表现出最优性能 | 数据来源于单一健康保险机构，可能影响模型泛化能力 | 预测慢性肾脏病向终末期肾病的疾病进展 | 慢性肾脏病患者 | 机器学习 | 肾脏疾病 | 行政索赔数据分析 | LSTM, Random Forest, XGBoost | 结构化医疗索赔数据 | 10年期的综合数据集 | NA | LSTM | NA | NA |
| 11390 | 2025-10-07 |
Enhancing Wearable Sensor Data Classification Through Novel Modified- Recurrent Plot-Based Image Representation and Mixup Augmentation
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417521
|
研究论文 | 提出一种基于改进递归图的图像表示方法和Mixup数据增强技术，用于提升可穿戴传感器数据的分类性能 | 开发了结合时域和频域信息的改进递归图图像表示方法，并采用傅里叶变换的频域角度差估计方案 | NA | 提升可穿戴传感器数据的分类性能和领域适应能力 | 加速度计活动识别和实时血糖水平预测 | 机器学习 | NA | 傅里叶变换，递归图，Mixup数据增强 | 深度学习 | 传感器数据，图像表示 | NA | NA | NA | 准确率 | NA |
| 11391 | 2025-10-07 |
Meta-Learning on Augmented Gene Expression Profiles for Enhanced Lung Cancer Detection
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417531
|
研究论文 | 提出一种基于元学习的基因表达谱增强方法用于肺癌检测 | 首次将元学习应用于基因表达谱数据增强，通过多数据集协同优化解决小样本问题 | 依赖多个相关数据集的可获得性，且数据集间可能存在批次效应 | 开发能够在小样本基因表达数据上有效工作的肺癌检测方法 | 肺癌患者的基因表达谱数据 | 机器学习 | 肺癌 | DNA微阵列 | 深度神经网络 | 基因表达谱 | 四个不同数据集（一个目标数据集，三个源数据集） | NA | NA | NA | NA |
| 11392 | 2025-10-07 |
A Large Language Model Outperforms Other Computational Approaches to the High-Throughput Phenotyping of Physician Notes
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417529
|
研究论文 | 比较三种计算方法在医生笔记高通量表型分析中的性能，发现大型语言模型表现最佳 | 首次系统比较大型语言模型、深度学习和传统机器学习在医生笔记高通量表型分析中的性能差异 | 仅比较了三种计算方法，可能未涵盖所有现有技术；研究范围限于医生笔记的表型分析 | 评估不同计算方法在电子健康记录高通量表型分析中的效果 | 医生临床笔记 | 自然语言处理 | NA | 高通量表型分析 | LLM, DL, ML | 文本 | NA | NA | GPT-4 | NA | NA |
| 11393 | 2025-10-07 |
Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417538
|
研究论文 | 本研究比较了使用叙事特征和结构化特征的机器学习模型在识别癌症患者心力衰竭风险方面的性能 | 提出了从结构化医疗代码中提取叙事特征的方法，并证明其能显著提高特征密度和模型性能 | 研究数据仅来自单一医疗机构（佛罗里达大学健康中心），样本代表性可能受限 | 识别癌症患者中具有心力衰竭风险的人群，以改善癌症治疗结果和安全性 | 被诊断患有肺癌、乳腺癌和结直肠癌的癌症患者 | 自然语言处理 | 癌症 | 电子健康记录分析 | LLM, LSTM, SVM, BERT | 电子健康记录文本数据 | 12,806名癌症患者，其中1,602人在癌症后发生心力衰竭 | NA | T-LSTM, GatorTron-3.9B, BERT | F1分数 | NA |
| 11394 | 2025-10-07 |
Deep Learning-based Time-to-event Analysis of Depression and Asthma using the All of Us Research Program
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417537
|
研究论文 | 使用深度学习模型分析抑郁症与哮喘之间的时间-事件关联 | 首次在大型回顾性队列研究中使用深度学习模型分析抑郁症与哮喘的关联，并采用SHAP值进行模型解释 | 深度学习模型在c-index指标上未优于传统Cox比例风险模型 | 探讨抑郁症与哮喘之间的关联关系 | All of Us研究项目的239,161名参与者 | 机器学习 | 抑郁症,哮喘 | 深度学习,逻辑回归,Cox比例风险模型 | DeepSurv,DeepHit | 临床队列数据 | 239,161名参与者 | NA | DeepSurv,DeepHit | c-index,SHAP值 | NA |
| 11395 | 2025-10-07 |
Automatic detection of gastrointestinal system abnormalities using deep learning-based segmentation and classification methods
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00354-6
PMID:40406365
|
研究论文 | 提出基于深度学习的胃肠系统异常分割与分类方法 | 开发新型分割网络GISegNet，并首次将Transformer模型特征与mRMR特征选择结合用于胃肠疾病分类 | 仅使用Kvasir单一数据集进行验证，缺乏多中心数据验证 | 开发自动检测胃肠系统异常的深度学习系统 | 胃肠内窥镜图像中的病理区域 | 计算机视觉 | 胃肠疾病 | 内窥镜成像 | CNN, Transformer, SVM | 图像 | Kvasir数据集 | NA | GISegNet, DeiT, ViT | Jaccard系数, Dice系数, 准确率 | NA |
| 11396 | 2024-09-19 |
Reply to: "Enhancing diagnostic accuracy for primary bone tumors: The role of expert histological analysis and AI-driven deep learning models"
2025-Jun, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2024.108670
PMID:39289050
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11397 | 2025-10-07 |
Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions
2025-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00892-4
PMID:40035984
|
研究论文 | 提出一种基于条件去噪扩散概率模型的CBCT图像质量改进方法，用于提高盆腔区域放疗中的图像质量 | 首次将条件去噪扩散概率模型应用于CBCT图像质量改进，通过伪CBCT作为条件输入生成高质量合成CT | 研究仅针对盆腔区域，未验证其他身体部位的适用性 | 提高CBCT图像质量以促进自适应放射治疗的临床应用 | 盆腔区域CBCT图像，包括结肠、前列腺和膀胱等器官 | 医学影像处理 | 前列腺癌 | 锥形束计算机断层扫描(CBCT) | 条件去噪扩散概率模型(CDDPM) | 医学影像 | NA | NA | 条件去噪扩散概率模型 | 平均绝对误差(MAE), 峰值信噪比(PSNR), Dice系数, Jaccard系数, 剂量误差, Gamma通过率 | NA |
| 11398 | 2025-10-07 |
A CT-free deep-learning-based attenuation and scatter correction for copper-64 PET in different time-point scans
2025-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00905-2
PMID:40261572
|
研究论文 | 开发并评估了一种基于深度学习的铜-64 PET成像衰减和散射校正方法 | 提出无需CT扫描的深度学习校正方法，通过迁移学习在有限铜基PET数据上实现有效校正 | 训练数据集规模有限，仅使用15个铜基PET图像进行微调 | 开发铜-64 PET成像的衰减和散射校正深度学习模型 | 铜-64 PET全身扫描图像 | 医学影像处理 | NA | PET成像，深度学习 | 深度学习 | 医学影像 | 15个铜基PET图像用于训练，6个用于测试（包含1小时、12小时、48小时三个时间点各2个） | MONAI | swinUNETR | MSE, PSNR, SSIM | NA |
| 11399 | 2025-10-07 |
Exploring interpretable echo analysis using self-supervised parcels
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110322
PMID:40383057
|
研究论文 | 本研究探索使用自监督学习进行可解释的心脏超声分析，通过生成称为“parcels”的自分割输出来识别心脏的解剖子区域 | 将改进的STEGO网络与DINO骨干模型结合，在多样化医疗和非医疗数据上预训练，生成可解释的自学习心脏解剖分区 | 需要大量无标签数据进行自监督预训练，模型性能依赖于预训练数据的多样性和质量 | 解决医学影像中标注数据稀缺问题，提高心脏成像分析的可解释性和鲁棒性 | 心脏超声图像序列和不同患者群体的心脏解剖结构 | 医学影像分析 | 心力衰竭 | 超声心动图 | Transformer, 自监督学习 | 超声图像序列 | 大型无标签数据集和公开可用数据集 | PyTorch | STEGO, DINO | 可解释性, 鲁棒性, 适应性 | NA |
| 11400 | 2025-10-07 |
Improvement of deep learning-based dose conversion accuracy to a Monte Carlo algorithm in proton beam therapy for head and neck cancers
2025-May-23, Journal of radiation research
IF:1.9Q3
DOI:10.1093/jrr/rraf019
PMID:40267259
|
研究论文 | 本研究通过图像旋转技术和缩放增强改进基于深度学习的质子束治疗中从笔形束到蒙特卡罗算法的剂量转换精度 | 首次将图像旋转技术和缩放增强应用于质子束治疗中的深度学习剂量转换，显著提高了转换精度 | 研究仅针对头颈部癌症患者，样本量相对有限（85例患者） | 提高质子束治疗中基于深度学习的剂量计算精度 | 头颈部癌症患者 | 医学影像分析 | 头颈部癌症 | 质子束治疗，蒙特卡罗算法，深度学习 | 深度学习模型 | CT图像，剂量数据 | 85例头颈部癌症患者，分为101个计划（334个射束）用于训练/验证，11个计划（34个射束）用于测试 | NA | NA | γ通过率（3%/3mm标准），范围差异（R90） | NA |