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 32372 篇文献，本页显示第 11881 - 11900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11881 | 2025-05-08 |
A novel method for assessing cycling movement status: an exploratory study integrating deep learning and signal processing technologies
2025-Feb-11, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02828-1
PMID:39934805
|
研究论文 | 本研究提出了一种基于深度学习的运动评估方法，结合了姿态估计算法（Keypoint RCNN）与信号处理技术，验证了其可靠性和有效性 | 整合了Keypoint RCNN算法与信号处理技术，用于评估骑行运动状态，并验证了其在家居或社区环境中个体化运动功能评估的潜力 | 样本量较小（仅20名大学生），且仅在静态自行车上进行测试，未涉及其他运动场景 | 开发一种可靠且有效的运动评估方法，用于个体化运动功能评估 | 骑行运动状态 | 计算机视觉 | NA | 信号处理技术、Keypoint RCNN算法 | Keypoint RCNN | 视频、传感器数据 | 20名大学生 | NA | NA | NA | NA |
| 11882 | 2025-05-08 |
Classifying and fact-checking health-related information about COVID-19 on Twitter/X using machine learning and deep learning models
2025-Feb-11, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02895-y
PMID:39934858
|
研究论文 | 本研究旨在开发和比较机器学习及深度学习模型，以分类和验证Twitter/X上关于COVID-19的健康信息是否可靠 | 采用TextConvoNet模型在健康信息分类中表现出色，特别是在处理可信信息与错误信息的平衡问题上 | 研究可能受限于Twitter/X数据的代表性和标签过程的准确性 | 开发更强大的事实核查模型，以应对健康信息分享中的独特挑战 | Twitter/X上关于COVID-19的健康相关信息 | 自然语言处理 | COVID-19 | 机器学习/深度学习模型 | TextConvoNet及其他6种模型 | 文本 | 通过关键词和标签收集的推文数据集，分为'可信信息'和'错误信息'两类 | NA | NA | NA | NA |
| 11883 | 2025-05-08 |
Smart IoT-based snake trapping device for automated snake capture and identification
2025-Feb-10, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13722-2
PMID:39928180
|
research paper | 介绍了一种基于物联网和人工智能的智能捕蛇设备，用于自动捕获和识别蛇类 | 结合IoT和AI技术，开发出非侵入式智能捕蛇设备，能实时分类蛇类并采取相应措施 | 识别准确率为91.3%，仍有提升空间 | 开发智能设备以减少蛇咬伤风险并研究蛇类生态 | 蛇类（毒蛇与非毒蛇） | 物联网与人工智能应用 | NA | 深度学习、IoT技术 | CNN | 图像、传感器数据 | 使用蛇类图像训练模型 | NA | NA | NA | NA |
| 11884 | 2025-05-08 |
A robust deep learning framework for multiclass skin cancer classification
2025-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89230-7
PMID:39930026
|
研究论文 | 提出了一种结合ConvNeXtV2块和可分离自注意力机制的混合深度学习模型，用于多类皮肤癌分类 | 创新性地结合ConvNeXtV2块和可分离自注意力机制，优化特征提取和分类性能 | 未提及具体局限性 | 提高皮肤癌早期和精确诊断的准确率 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 深度学习 | 混合模型（ConvNeXtV2 + 可分离自注意力机制） | 图像 | ISIC 2019数据集中的八种皮肤病变类别 | NA | NA | NA | NA |
| 11885 | 2025-05-08 |
A deep learning-based system for automatic detection of emesis with high accuracy in Suncus murinus
2025-Feb-10, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-07479-0
PMID:39930110
|
research paper | 开发了一种基于深度学习的自动检测系统，用于高精度检测Suncus murinus的呕吐行为 | 首次结合3D卷积神经网络和自注意力机制开发自动呕吐检测工具AED，在多种催吐剂测试中表现出高准确率 | 研究仅针对Suncus murinus这一特定动物模型，未验证在其他物种上的适用性 | 开发自动化工具以提高呕吐行为检测的效率和准确性 | Suncus murinus（树鼩）的呕吐行为 | computer vision | NA | 深度学习视频分析 | 3D CNN + self-attention机制 | video | 使用运动诱导呕吐视频作为训练数据集，并测试了8种不同催吐剂（树脂毒素、尼古丁等） | NA | NA | NA | NA |
| 11886 | 2025-05-08 |
Development of a deep learning system for predicting biochemical recurrence in prostate cancer
2025-Feb-10, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13628-9
PMID:39930342
|
research paper | 开发了一个深度学习系统，用于预测前列腺癌患者的生化复发风险 | 利用深度学习系统预测前列腺癌的生化复发，超越了传统的Gleason分级系统，能够捕捉更细微的组织病理学特征 | 研究样本量相对较小（317名患者），且仅基于前列腺活检图像 | 预测前列腺癌患者在根治性前列腺切除术前的生化复发风险，以制定更有针对性的治疗方案 | 前列腺癌患者 | digital pathology | prostate cancer | 深度学习 | Inception_v3, 多实例学习方法 | image | 1585张前列腺活检图像（来自317名患者，每人5张全切片图像） | NA | NA | NA | NA |
| 11887 | 2025-05-08 |
Detection of dental caries under fixed dental prostheses by analyzing digital panoramic radiographs with artificial intelligence algorithms based on deep learning methods
2025-Feb-10, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05577-3
PMID:39930440
|
研究论文 | 本研究通过深度学习算法分析数字全景X光片，评估了在固定牙科修复体（FDPs）下检测龋齿的效果 | 使用基于YOLOv7的卷积神经网络模型和改进的YOLOv7+CBAM模型，首次在全景X光片上自动检测FDPs下的龋齿 | 研究样本量有限，仅包含1004名患者的影像数据，且未与其他检测方法进行对比 | 评估深度学习算法在检测固定牙科修复体下龋齿的准确性和效率 | 固定牙科修复体（FDPs）下的龋齿 | 计算机视觉 | 牙科疾病 | 深度学习 | YOLOv7, YOLOv7+CBAM | 图像 | 1004名患者的全景X光片，其中2467张裁剪图像用于第二阶段分析 | NA | NA | NA | NA |
| 11888 | 2025-05-08 |
Flexible and cost-effective deep learning for accelerated multi-parametric relaxometry using phase-cycled bSSFP
2025-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88579-z
PMID:39924554
|
研究论文 | 本研究比较了基于前馈深度神经网络（DNN）和迭代拟合的框架，用于基于相位循环平衡稳态自由进动（pc-bSSFP）成像的多参数弛豫测量 | 引入了自监督物理信息深度神经网络（PINN）框架，该框架在训练过程中融入了物理知识，提高了推理的一致性和对训练数据分布的鲁棒性 | 研究主要针对健康受试者的脑组织，未涉及疾病状态下的验证 | 加速定量磁共振成像（qMRI）的临床应用，提高数据采集的灵活性和成本效益 | 健康受试者的脑组织 | 医学影像分析 | NA | 相位循环平衡稳态自由进动（pc-bSSFP）成像 | 深度神经网络（DNN）、自监督物理信息深度神经网络（PINN） | 磁共振成像（MRI）数据 | 健康受试者的脑组织（具体样本数量未提及） | NA | NA | NA | NA |
| 11889 | 2025-05-08 |
Precision and efficiency in skin cancer segmentation through a dual encoder deep learning model
2025-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88753-3
PMID:39924555
|
research paper | 提出了一种名为DuaSkinSeg的双编码器深度学习模型，用于提高皮肤癌病变分割的精确性和效率 | 结合了MobileNetV2的高效局部特征提取能力和ViT-CNN编码器-解码器架构的长距离依赖特征提取能力 | 未提及模型在临床环境中的实际应用效果和泛化能力 | 提高皮肤癌病变分割的准确性和效率 | 皮肤癌病变图像 | computer vision | skin cancer | deep learning | Dual Skin Segmentation (DuaSkinSeg), MobileNetV2, ViT-CNN | image | 三个公开基准数据集：ISIC 2016、ISIC 2017和ISIC 2018 | NA | NA | NA | NA |
| 11890 | 2025-05-08 |
Modeling and designing enhancers by introducing and harnessing transcription factor binding units
2025-Feb-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56749-2
PMID:39922842
|
research paper | 提出转录因子结合单元（TFBU）概念，并开发DeepTFBU工具包用于增强子设计 | 首次提出TFBU概念，通过深度学习量化TFBS周围序列的影响，并开发了高效的增强子设计工具DeepTFBU | 未提及实验验证的具体细胞类型或生物过程的广泛性 | 研究增强子设计与调控基因表达的机制 | 转录因子结合位点（TFBS）及其周围序列 | machine learning | NA | deep learning | 深度学习模型 | 序列数据 | NA | NA | NA | NA | NA |
| 11891 | 2025-05-08 |
Diagnosis of Chronic Kidney Disease Using Retinal Imaging and Urine Dipstick Data: Multimodal Deep Learning Approach
2025-Feb-07, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/55825
PMID:39924305
|
研究论文 | 本研究通过整合视网膜图像和尿液试纸数据，开发了一种多模态深度学习模型，用于慢性肾脏病（CKD）的非侵入性筛查 | 首次将视网膜图像和尿液试纸数据结合用于CKD诊断，并通过多模态深度学习模型展示了协同效应 | 在65岁及以上年龄组中模型性能有限 | 评估整合视网膜图像和尿液试纸数据的深度学习模型在CKD诊断中的效果 | 20-79岁人群的视网膜图像和尿液试纸数据 | 数字病理学 | 慢性肾脏病 | 深度学习 | Wide Residual Networks | 图像和尿液试纸数据 | 开发集65,082人，外部验证集58,284人 | NA | NA | NA | NA |
| 11892 | 2025-05-08 |
Capsule endoscopy: Do we still need it after 24 years of clinical use?
2025-Feb-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i5.102692
PMID:39926220
|
comments | 本文评论了一篇关于使用深度学习模型自动检测胶囊内窥镜（CE）中胃肠道病变的文章，并总结了CE当前面临的挑战及可能的解决方法 | 讨论了CE在临床应用中的持续必要性及其面临的挑战 | NA | 探讨胶囊内窥镜在临床应用中的持续必要性 | 胶囊内窥镜（CE）及其在胃肠道病变检测中的应用 | digital pathology | gastrointestinal disease | deep learning | NA | image | NA | NA | NA | NA | NA |
| 11893 | 2025-05-08 |
Quantifying multilabeled brain cells in the whole prefrontal cortex reveals reduced inhibitory and a subtype of excitatory neuronal marker expression in serotonin transporter knockout rats
2025-Feb-05, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae486
PMID:39932853
|
研究论文 | 本文提出了一种新方法，用于量化动物模型中全脑亚区域的多标记细胞，并展示了5-HTT敲除大鼠前额叶皮层亚区域中兴奋性和抑制性神经元标记表达的减少 | 结合StarDist方法的深度学习网络和新型开源方法，实现了前额叶皮层亚区域中细胞的自动计数 | 标准免疫组化方法无法考虑感兴趣区域的体积变化 | 研究5-HTT敲除对大鼠前额叶皮层兴奋性和抑制性神经元标记表达的影响 | 5-HTT敲除大鼠的前额叶皮层亚区域 | 数字病理学 | 焦虑症 | 免疫组化、深度学习 | StarDist | 图像 | 5-HTT敲除大鼠和野生型大鼠的前额叶皮层样本 | NA | NA | NA | NA |
| 11894 | 2025-10-07 |
Deep learning-assisted colonoscopy images for prediction of mismatch repair deficiency in colorectal cancer
2025-02, Surgical endoscopy
DOI:10.1007/s00464-024-11426-1
PMID:39623175
|
研究论文 | 开发基于深度学习的分类器，通过常规结肠镜图像预测结直肠癌的错配修复缺陷状态 | 首次利用常规结肠镜图像通过深度学习预测错配修复缺陷状态，为免疫检查点抑制剂疗效预测提供低成本筛查工具 | 研究样本主要来自单一医疗中心，需要多中心验证以提高泛化能力 | 开发自动筛查工具以解决错配修复缺陷检测的成本和资源限制问题 | 结直肠癌患者的结肠镜图像 | 计算机视觉 | 结直肠癌 | 结肠镜检查 | 深度学习分类器 | 图像 | 892个肿瘤的5226张图像（开发集2105张图像/306个肿瘤，验证集3121张图像/586个肿瘤） | NA | NA | AUROC, NPV | NA |
| 11895 | 2025-10-07 |
Development of an artificial intelligence system to indicate intraoperative findings of scarring in laparoscopic cholecystectomy for cholecystitis
2025-02, Surgical endoscopy
DOI:10.1007/s00464-024-11514-2
PMID:39838147
|
研究论文 | 开发用于检测急性胆囊炎腹腔镜胆囊切除术中瘢痕区域的人工智能系统 | 首次开发基于深度学习的AI系统用于术中实时识别胆囊炎手术中的瘢痕区域 | 训练数据仅来自21个病例的2025张图像，样本量有限 | 开发AI系统以识别腹腔镜胆囊切除术中的瘢痕区域，降低胆管损伤风险 | 急性胆囊炎患者的腹腔镜手术视频图像 | 计算机视觉 | 胆囊炎 | 腹腔镜手术视频分析 | 深度学习 | 图像 | 21个病例的2025张训练图像，20个外部验证病例 | NA | 语义分割算法 | DICE系数, Likert量表评分 | NA |
| 11896 | 2025-05-08 |
Artificial Intelligence Applications in Cardiac CT Imaging for Ischemic Disease Assessment
2025-Feb, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.70098
PMID:39927866
|
review | 本文综述了人工智能在心脏CT成像中用于缺血性疾病评估的应用 | 强调了AI在提高心脏CT成像诊断效率和准确性方面的潜力，特别是在冠状动脉疾病评估中的应用 | NA | 探讨AI在心脏CT成像中对缺血性心脏病的评估作用 | 心脏CT成像数据 | 数字病理学 | 心血管疾病 | CT成像 | 机器学习和深度学习 | 图像 | NA | NA | NA | NA | NA |
| 11897 | 2025-10-07 |
Recent Advances in Nanomaterial-Based Biosignal Sensors
2025-01, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202405301
PMID:39610205
|
综述 | 本文综述了基于纳米材料的生物信号传感器的最新进展，包括其分类、应用及未来发展方向 | 系统地将纳米材料生物信号传感器分为三类进行分析，并重点探讨了深度学习信号处理和人机界面应用对传感器潜能的提升 | NA | 提供对纳米材料生物信号传感器的理解，概述技术现状，讨论需要解决的挑战并提出发展方向 | 基于纳米材料的生物信号传感器 | 生物医学工程 | NA | 纳米材料技术（金属基纳米颗粒/纳米线、碳基/聚合物基纳米材料） | 深度学习 | 生物信号数据（生物物理信号、生物电信号、生化信号） | NA | NA | NA | NA | NA |
| 11898 | 2025-05-08 |
Enhancing machine learning performance in cardiac surgery ICU: Hyperparameter optimization with metaheuristic algorithm
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311250
PMID:39928609
|
研究论文 | 本研究通过元启发式算法优化机器学习模型的超参数，提升心脏手术ICU中患者呼吸机需求预测的性能 | 结合模拟退火(SA)和遗传算法(GA)优化集成模型的超参数，显著提高了模型灵敏度 | 研究仅针对心脏手术ICU患者，可能不适用于其他类型的ICU患者 | 优化机器学习模型以更准确地预测ICU患者对呼吸机的需求 | 心脏手术ICU患者 | 机器学习 | 心血管疾病 | 模拟退火(SA), 遗传算法(GA) | LDA, CatBoost, ANN, XGBoost, 集成模型 | 临床数据 | NA | NA | NA | NA | NA |
| 11899 | 2025-05-08 |
Quantitative research on aesthetic value of the world heritage karst based on UGC data: A case study of Huangguoshu Scenic Area
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317304
PMID:39928674
|
研究论文 | 基于用户生成内容(UGC)数据和深度学习模型，对世界遗产喀斯特地貌的美学价值进行定量研究，以黄果树风景区为例 | 首次结合社交媒体的UGC数据、SegFormer深度学习模型、ArcGIS空间分析和自然语言处理技术(NLP)对自然景观美学价值进行定量评估 | 研究仅针对黄果树风景区，结果可能无法直接推广到其他世界遗产地 | 量化世界自然遗产地的美学价值 | 黄果树风景区的景观美学价值 | 数字景观分析 | NA | SegFormer深度学习模型、ArcGIS空间分析、自然语言处理技术(NLP) | SegFormer | 图像、文本 | NA | NA | NA | NA | NA |
| 11900 | 2025-05-08 |
Enhancing PM2.5 prediction by mitigating annual data drift using wrapped loss and neural networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314327
PMID:39932913
|
research paper | 该论文提出两种考虑数据漂移特性的模型，用于PM2.5预测，并通过与多种深度学习模型比较，展示了其优越性 | 提出Front-loaded connection模型(FLC)和Back-loaded connection模型(BLC)来解决数据漂移问题，并引入包裹损失函数以提高预测准确性 | 研究仅基于2014-2018年的数据，可能无法涵盖所有潜在的数据漂移情况 | 提高PM2.5预测的准确性，特别是在存在年度数据漂移的情况下 | 气象空气质量数据和天气数据 | machine learning | NA | 统计技术分析年度数据漂移 | LSTM, CNN, FLC, BLC | 时间序列数据 | 2014-2018年五年的数据 | NA | NA | NA | NA |