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 11601 - 11620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11601 | 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 |
| 11602 | 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 |
| 11603 | 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 |
| 11604 | 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 |
| 11605 | 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 |
| 11606 | 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 |
| 11607 | 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 |
| 11608 | 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 |
| 11609 | 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 |
| 11610 | 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 |
| 11611 | 2025-05-23 |
Quantum-Chemical Simulation of Multiresonance Thermally Activated Delayed Fluorescence Materials Based on B,N-Heteroarenes Using Graph Neural Networks
2025-May-22, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.5c01243
PMID:40338523
|
研究论文 | 本研究开发了一种基于B,N-杂芳烃的多共振热激活延迟荧光（MR-TADF）材料的简单分子设计方法，并利用图神经网络加速了MR-TADF发射体的搜索 | 提出了一种基于π扩展DABNA核心的简单分子设计方法，并开发了基于深度学习的加速搜索工具，用于预测MR-TADF发射体的能量值 | NA | 开发高效、窄带发射的MR-TADF材料，用于下一代电致发光器件 | 基于B,N-杂芳烃的MR-TADF材料 | 机器学习 | NA | 密度泛函理论，深度学习 | 图神经网络 | 化学分子数据 | 18种不同的环状系统修饰的化合物 | NA | NA | NA | NA |
| 11612 | 2025-05-23 |
Whole-body CT-to-PET synthesis using a customized transformer-enhanced GAN
2025-May-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/add8dd
PMID:40367973
|
research paper | 提出了一种基于深度学习的全身CT到PET图像合成方法，使用定制的transformer增强GAN模型 | 提出了一个结合残差块和全连接transformer残差块的CPGAN模型，能够同时捕捉局部特征和全局上下文信息，并设计了包含结构一致性的定制损失函数以提高合成PET图像的质量 | CT图像本身无法直接反映代谢组织的生物信息 | 开发一种能够从CT图像合成高质量PET图像的深度学习方法，以减少对实际PET-CT扫描的依赖 | 全身CT和PET图像 | digital pathology | tumors | 深度学习 | transformer-enhanced GAN (CPGAN) | 3D和2D医学图像 | 102对3D CT和PET扫描，切片为27,240对2D图像（训练21,855对，验证2,810对，测试2,575对） | NA | NA | NA | NA |
| 11613 | 2025-05-23 |
Recognizing artery segments on carotid ultrasonography using embedding concatenation of deep image and vision-language models
2025-May-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/add8db
PMID:40367970
|
研究论文 | 本研究提出了一种自动分类模型，用于识别颈动脉超声图像中的不同动脉段，以提高颈动脉检查的量化准确性 | 结合了预训练的DenseNet201、视觉变换器和回声对比语言-图像预训练模型的嵌入特征，使用支持向量机分类器进行解剖结构识别 | 样本量相对较小（288名患者），且仅使用了B型超声图像 | 提高颈动脉超声检查的准确性和一致性 | 颈总动脉（CCA）、颈动脉球部、颈内动脉（ICA）和颈外动脉（ECA） | 计算机视觉 | 心血管疾病 | 深度学习 | DenseNet201, 视觉变换器, 支持向量机 | 图像 | 288名患者的2943张B型超声图像（CCA: 1563; 球部: 611; ICA: 476; ECA: 293） | NA | NA | NA | NA |
| 11614 | 2025-05-23 |
A Review of ChatGPT as a Reliable Source of Scientific Information Regarding Endodontic Local Anesthesia
2025-May, Journal of endodontics
IF:3.5Q1
DOI:10.1016/j.joen.2025.02.002
PMID:39952316
|
review | 评估ChatGPT作为牙髓病局部麻醉科学信息可靠来源的能力 | 首次评估ChatGPT在牙髓病局部麻醉领域的回答准确性和引用可靠性 | 仅评估了16个问题，样本量有限，且仅针对牙髓病局部麻醉这一细分领域 | 评估ChatGPT作为牙髓病局部麻醉科学信息可靠来源的能力 | ChatGPT生成的关于牙髓病局部麻醉的回答和引用 | natural language processing | NA | 自然语言处理 | Deep Learning | text | 16个关于牙髓病局部麻醉的问题 | NA | NA | NA | NA |
| 11615 | 2025-05-23 |
Estimating hair density with XGBoost
2025-Apr, International journal of cosmetic science
IF:2.7Q2
DOI:10.1111/ics.13030
PMID:39551627
|
研究论文 | 本研究探索使用XGBoost算法进行头发密度估计，旨在开发一种更准确和通用的方法 | 采用XGBoost算法进行头发密度估计，相比之前的方法在测试集上达到了95.3%的准确率，显著优于其他研究 | 研究仅使用了895张头皮图像，样本量可能不足以覆盖所有临床情况 | 开发一种更准确和通用的头发密度估计方法 | 头皮图像 | 计算机视觉 | NA | 图像处理 | XGBoost | 图像 | 895张头皮图像（745张用于训练，150张用于测试） | NA | NA | NA | NA |
| 11616 | 2025-05-23 |
Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting
2025-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104532
PMID:40015615
|
研究论文 | 本研究探讨了在儿童超广角眼底成像中，通过瞳孔扩大和眼睑提升来最大化可见视网膜区域（VRA）的效果 | 首次在儿童群体中量化评估了瞳孔扩大和眼睑提升对超广角眼底成像可见视网膜区域的协同增效作用 | 样本量较小（53名儿童），且为单中心研究 | 优化儿童超广角眼底成像技术以提高周边视网膜病变检出率 | 53名儿童（106只眼）的超广角眼底图像 | 数字病理 | 视网膜病变 | 超广角Optos成像系统（Daytona P200T） | 基于深度学习的图像分割工具 | 图像 | 53名儿童（106只眼） | NA | NA | NA | NA |
| 11617 | 2025-05-23 |
Preoperative diagnosis of meningioma sinus invasion based on MRI radiomics and deep learning: a multicenter study
2025-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00845-5
PMID:40022261
|
研究论文 | 本研究通过结合放射组学和深度学习特征构建融合模型，用于脑膜瘤窦侵犯的术前精确诊断 | 首次构建了结合放射组学和多种深度学习特征（VGG、ResNet、DenseNet）的融合模型，并在多中心数据集中验证了其优越的诊断性能 | 研究为回顾性设计，需要前瞻性研究进一步验证模型的临床适用性 | 开发脑膜瘤窦侵犯的术前精确诊断方法 | 601例经手术病理证实的脑膜瘤患者 | 数字病理 | 脑膜瘤 | MRI影像分析 | 随机森林（RF）、VGG、ResNet、DenseNet | 医学影像 | 601例患者（训练集、内部验证集和独立外部验证集） | NA | NA | NA | NA |
| 11618 | 2025-05-23 |
Enhancing Domain Diversity of Transfer Learning-Based SSVEP-BCIs by the Reconstruction of Channel Correlation
2025-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3458389
PMID:39255081
|
研究论文 | 本研究提出了一种名为通道相关性重建(RCC)的数据增强方法，用于优化基于稳态视觉诱发电位(SSVEP)的脑机接口(BCI)中迁移学习的源域数据利用 | 通过概率混合源域协方差矩阵的特征向量矩阵来重建训练样本，操纵通道相关性以隐式创建新的合成域，从而增加源域多样性 | NA | 提高SSVEP-BCI系统中迁移学习的性能 | 稳态视觉诱发电位(SSVEP)脑机接口系统 | 脑机接口 | NA | 迁移学习(预训练和微调) | 深度学习模型 | 脑电信号数据 | NA | NA | NA | NA | NA |
| 11619 | 2025-05-23 |
A Deep and Interpretable Learning Approach for Long-Term ECG Clinical Noise Classification
2025-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3454545
PMID:39231059
|
research paper | 本研究探讨了深度学习模型在长期监测心电图中临床噪声分类的应用，并设计了可解释的架构 | 结合深度学习和可解释系统，提高了临床噪声分类的性能，并为决策过程提供定性解释 | 需避免患者内过拟合，且性能仍有提升空间 | 提高长期监测心电图中临床噪声分类的准确性和可解释性 | 长期监测心电图中的临床噪声 | machine learning | cardiovascular disease | 深度学习 | CNN, Autoencoder | ECG信号 | NA | NA | NA | NA | NA |
| 11620 | 2025-05-23 |
A novel deep learning model for obstructive sleep apnea diagnosis: hybrid CNN-Transformer approach for radar-based detection of apnea-hypopnea events
2024-12-11, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsae184
PMID:39115132
|
研究论文 | 本研究开发了一种基于雷达数据的深度学习模型，用于检测阻塞性睡眠呼吸暂停（OSA）中的呼吸暂停-低通气事件 | 采用混合CNN-Transformer架构，结合雷达数据进行OSA诊断，为传统多导睡眠图（PSG）提供了一种成本效益高且易于获取的替代方案 | 研究为单中心前瞻性队列研究，样本量相对较小（开发集54人，测试集35人） | 开发并验证一种用于阻塞性睡眠呼吸暂停诊断的深度学习模型 | 疑似睡眠呼吸障碍的参与者 | 数字病理 | 阻塞性睡眠呼吸暂停 | 雷达数据采集 | 混合CNN-Transformer架构 | 雷达信号数据 | 开发集54人，测试集35人 | NA | NA | NA | NA |