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 12161 - 12180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12161 | 2025-05-04 |
Comparative Evaluation of Machine Learning-Based Radiomics and Deep Learning for Breast Lesion Classification in Mammography
2025-Apr-09, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15080953
PMID:40310389
|
研究论文 | 比较基于机器学习的放射组学与深度学习方法在乳腺病变分类中的性能 | 比较了传统机器学习（LDA）与深度学习（EfficientNetB6）在乳腺病变分类中的表现，发现深度学习具有更高的诊断准确性 | 机器学习方法在乳腺病变分类中的表现不如深度学习方法 | 提高乳腺病变分类的准确性和效率，支持临床医生改善患者管理 | 乳腺病变（微钙化和肿块） | 计算机视觉 | 乳腺癌 | 放射组学特征提取 | LDA, EfficientNetB6 | 图像 | 1219例患者（CBIS-DDSM公共数据库），外加222例外部验证图像 | NA | NA | NA | NA |
| 12162 | 2025-05-04 |
Multiscale feature enhanced gating network for atrial fibrillation detection
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108606
PMID:39847993
|
research paper | 提出了一种新型多尺度特征增强门控网络（MFEG Net）用于心房颤动（AF）的自动检测 | 结合多尺度卷积、自适应特征增强和动态时间处理，提高了模型在噪声环境下的鲁棒性和准确性 | 未提及具体在哪些噪声类型或环境下表现不佳 | 提升基于心电图的心房颤动自动诊断的准确性和鲁棒性 | 心电图信号 | digital pathology | cardiovascular disease | deep learning | MFEG Net（结合多尺度卷积、SE模块等） | ECG信号 | PhysioNet Challenge 2017数据集、CinC2017数据库、CPSC2018数据库和AFDB数据库 | NA | NA | NA | NA |
| 12163 | 2025-05-04 |
SAF-IS: A spatial annotation free framework for instance segmentation of surgical tools
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103471
PMID:39854817
|
research paper | 提出了一种无需空间标注的手术工具实例分割框架SAF-IS | 开发了一种不依赖空间标注的训练框架，仅需二元工具掩码和工具存在标签 | 需要依赖二元工具掩码的准确性，且人工标注的实例数量较少 | 解决手术工具实例分割问题，推动计算机辅助手术应用的发展 | 手术工具 | computer vision | NA | 深度学习 | instance segmentation model | image | EndoVis 2017和2018分割数据集 | NA | NA | NA | NA |
| 12164 | 2025-05-04 |
Utilizing deep learning for automatic segmentation of the cochleae in temporal bone computed tomography
2025-Mar, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851241307333
PMID:39840644
|
研究论文 | 利用深度学习在颞骨计算机断层扫描中自动分割耳蜗 | 比较了三种深度学习模型（3D U-Net、UNETR和SegResNet）在耳蜗自动分割中的性能，并发现SegResNet表现最佳 | 样本量相对较小，仅包含231个样本，且仅测试了三种CT类型 | 评估深度学习在颞骨CT中自动分割耳蜗的实用性，以区分异常和正常图像 | 颞骨CT图像中的耳蜗 | 计算机视觉 | NA | CT扫描 | 3D U-Net, UNETR, SegResNet | 图像 | 231个样本（77个正常和154个异常） | NA | NA | NA | NA |
| 12165 | 2025-05-04 |
A novel hybrid ViT-LSTM model with explainable AI for brain stroke detection and classification in CT images: A case study of Rajshahi region
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109711
PMID:39847947
|
研究论文 | 提出了一种结合ViT和LSTM的混合模型，用于CT图像中脑卒中的检测和分类，并通过可解释AI方法提高预测的可靠性 | 首次将Vision Transformer (ViT)和LSTM结合用于脑卒中检测，并引入可解释AI方法增强模型的可信度 | 研究主要基于Rajshahi地区的数据，可能在其他地区的泛化性有待验证 | 开发自动化解决方案以提高脑卒中CT图像诊断的准确性和及时性 | CT图像中的脑卒中特征 | 计算机视觉 | 脑卒中 | 深度学习 | ViT-LSTM混合模型 | CT图像 | BrSCTHD-2023数据集（来源：Rajshahi Medical College Hospital）和Kaggle脑卒中数据集 | NA | NA | NA | NA |
| 12166 | 2025-05-04 |
Interpretable COVID-19 chest X-ray detection based on handcrafted feature analysis and sequential neural network
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109659
PMID:39847942
|
research paper | 该研究提出两种新算法DC-GLM和CAMSGNeT，用于提高COVID-19胸部X光检测的可解释性和准确性 | 引入了动态共现灰度矩阵(DC-GLM)和上下文自适应多尺度Gabor网络(CAMSGNeT)，以增强纹理特征提取和模型可解释性 | 未提及具体的数据集规模限制或计算资源需求 | 开发更可解释、精确且资源高效的COVID-19胸部X光检测方法 | COVID-19患者的胸部X光图像 | digital pathology | COVID-19 | DC-GLM, CAMSGNeT | sequential neural network | image | 两个数据集（具体数量未提及） | NA | NA | NA | NA |
| 12167 | 2025-05-04 |
A multimodal deep learning model for cervical pre-cancers and cancers prediction: Development and internal validation study
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109710
PMID:39847948
|
研究论文 | 开发并验证了一种基于深度学习的多模态模型，用于预测宫颈癌前病变和癌症 | 结合临床数据和阴道镜图像的多模态深度学习模型，在预测CIN2+状态方面表现优于单独使用图像或临床数据的模型及临床医生的阴道镜印象 | 需要外部验证研究以评估模型的泛化能力 | 开发一种能够提高宫颈癌筛查和诊断客观性和可重复性的深度学习模型 | 6356例LEEP锥切/锥活检病例（金标准诊断） | 数字病理 | 宫颈癌 | 深度学习 | 多模态深度学习模型 | 临床数据和阴道镜图像 | 6356例病例 | NA | NA | NA | NA |
| 12168 | 2025-05-04 |
Structural and functional alterations in hypothalamic subregions in male patients with alcohol use disorder
2025-Mar-01, Drug and alcohol dependence
IF:3.9Q1
DOI:10.1016/j.drugalcdep.2025.112554
PMID:39848134
|
研究论文 | 本研究探讨了酒精使用障碍（AUD）男性患者下丘脑亚区的结构和功能变化 | 首次使用深度学习算法对下丘脑进行亚区分割，并研究了AUD患者下丘脑亚区的体积和功能连接变化 | 样本量较小（24名患者和24名对照），且仅包括男性患者 | 研究酒精使用障碍对下丘脑亚区结构和功能的影响 | 男性酒精使用障碍患者和健康男性对照 | 神经影像学 | 酒精使用障碍 | 结构磁共振成像和静息态功能磁共振成像 | 深度学习算法 | MRI图像 | 24名男性AUD患者和24名健康男性对照 | NA | NA | NA | NA |
| 12169 | 2025-05-04 |
Opportunistic AI for enhanced cardiovascular disease risk stratification using abdominal CT scans
2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究提出了一种基于深度学习的DL-CVDi评分，用于通过常规腹部CT扫描预测心血管疾病风险 | 利用常规腹部CT扫描中的机会性生物标志物，通过深度生存学习预测心血管疾病风险，提高了现有基线模型的预测一致性 | 未来研究需要在多民族队列中验证结果，并探索其在合并症患者中的效用 | 开发一种新型生物标志物，用于心血管疾病风险分层 | 心血管疾病风险预测 | 数字病理学 | 心血管疾病 | CT扫描 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 12170 | 2025-05-04 |
Monkeypox diagnosis based on probabilistic K-nearest neighbors (PKNN) algorithm
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109676
PMID:39855034
|
研究论文 | 本文提出了一种基于人工智能的猴痘诊断新方法，称为有效猴痘诊断策略（EMDS），通过预处理和诊断两个阶段实现 | 引入了基于四分位距（IQR）的新方法来拒绝输入图像数据集中的异常，并提出了一种新的K-最近邻分类器实例——概率K-最近邻（PKNN）算法 | NA | 开发一种高效的人工智能方法来诊断猴痘 | 猴痘皮肤图像和病变数据集（MSID和MSLD） | 计算机视觉 | 猴痘 | GoogleNet预训练深度学习模型，Leopard Seal Optimization（LSO）特征选择 | PKNN（概率K-最近邻算法） | 图像 | 两个公开的猴痘数据集（MSID和MSLD） | NA | NA | NA | NA |
| 12171 | 2025-05-04 |
[Deep learning algorithms for intelligent construction of a three-dimensional maxillofacial symmetry reference plane]
2025-Feb-18, Beijing da xue xue bao. Yi xue ban = Journal of Peking University. Health sciences
PMID:39856515
|
研究论文 | 开发了一种基于动态图的深度学习算法MDGR-Net，用于智能配准三维颌面点云数据，为临床牙科应用中的数字设计与分析提供参考 | 提出了MDGR-Net关联方法，基于智能点云配准构建三维颌面对称参考平面，显著提高诊疗效率和效果，减少专家依赖 | 研究主要针对无明显畸形的患者，对于复杂畸形患者的适用性未明确说明 | 开发智能点云配准算法，构建三维颌面对称参考平面，提升临床牙科诊疗效率 | 400名无明显畸形的临床患者的三维颌面点云数据 | 计算机视觉 | 牙科疾病 | 深度学习 | MDGR-Net | 三维点云 | 400名患者，通过数据增强生成2000个数据集 | NA | NA | NA | NA |
| 12172 | 2025-05-04 |
Automated detection of traumatic bleeding in CT images using 3D U-Net# and multi-organ segmentation
2025-Feb-06, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adae14
PMID:39854772
|
研究论文 | 提出了一种基于3D U-Net#和多器官分割的自动化方法，用于在CT图像中检测创伤性出血 | 结合了3D U-Net#模型和多器官分割技术，显著减少了假阳性率 | 假阳性率仍有76.2例/病例，处理时间较长（6.3±1.4分钟） | 提高创伤性出血在CT图像中的自动化检测准确率 | 延迟期对比增强创伤CT图像 | 数字病理学 | 创伤 | 深度学习 | 3D U-Net# | CT图像 | 来自四个机构的延迟期对比增强创伤CT图像数据集 | NA | NA | NA | NA |
| 12173 | 2025-05-04 |
Artificial intelligence-enhanced comprehensive assessment of the aortic valve stenosis continuum in echocardiography
2025-Feb, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2025.105560
PMID:39842286
|
research paper | 开发并验证了一种基于人工智能的系统，用于评估主动脉瓣狭窄（AS），适用于资源有限和先进的临床环境 | 开发了双路径AI系统，包括基于深度学习的AS连续评估算法和自动化常规AS评估，展示了优异的诊断和预后价值 | 需要进一步在不同环境中验证其有效性 | 评估主动脉瓣狭窄（AS）的诊断和预后 | 主动脉瓣狭窄（AS）患者 | digital pathology | cardiovascular disease | 深度学习 | DL | 2D TTE videos | developmental dataset (n=8427), internal test dataset (n=841), distinct hospital dataset (n=1696), temporally distinct dataset (n=772) | NA | NA | NA | NA |
| 12174 | 2025-05-04 |
MI-Mamba: A hybrid motor imagery electroencephalograph classification model with Mamba's global scanning
2025-Feb, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.15288
PMID:39844431
|
研究论文 | 提出了一种结合CNN和Mamba的混合模型MI-Mamba，用于解码运动想象（MI）脑电图数据 | 首次将Mamba模型应用于脑电图解码，结合CNN和Mamba的优势，有效处理长序列依赖并减少参数数量 | 仅在两个公开数据集上进行了验证，需要更多数据集验证其泛化能力 | 改进运动想象脑电图解码的准确性和效率 | 多通道脑电图信号 | 机器学习 | NA | 脑电图解码 | CNN与Mamba混合模型 | 脑电图信号 | 两个公开数据集（BCI Competition IV 2a和2b） | NA | NA | NA | NA |
| 12175 | 2025-05-04 |
Deep learning enabled rapid classification of yeast species in food by imaging of yeast microcolonies
2025-Feb, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2024.115604
PMID:39849741
|
研究论文 | 本研究提出了一种基于深度学习的酵母分类方法，通过结合传统培养方法、白光光学显微镜和深度学习技术，快速检测和分类食品中的酵母 | 利用深度卷积神经网络在6小时内准确区分7种不同酵母，并通过生成对抗网络（GAN）生成的合成图像数据集提高了特定酵母物种的分类性能 | 研究仅验证了番茄和番茄汁中的模型性能，未涵盖所有食品类型 | 加速食品中酵母物种的检测和分类，以控制食品腐败 | 食品中的酵母物种 | 计算机视觉 | NA | 白光光学显微镜、深度学习 | CNN、GAN | 图像 | 7种不同酵母 | NA | NA | NA | NA |
| 12176 | 2025-05-04 |
AI-based processing of future prepared foods: Progress and prospects
2025-Feb, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.115675
PMID:39849794
|
review | 本文综述了人工智能在预制食品加工中的分类、清洁、切割、预处理和冷冻等环节的应用进展与前景 | 总结了AI在预制食品加工中的多种应用技术，如计算机视觉、深度学习模型等，并探讨了其在提高效率、准确性和一致性方面的潜力 | 面临大规模数据和复杂模型管理的挑战 | 探讨人工智能在预制食品加工中的应用及其对行业发展的影响 | 预制食品的加工过程 | machine learning | NA | 数学建模、化学计量学、机器学习、模糊逻辑、自适应神经模糊推理系统 | 深度学习模型 | 图像、光谱数据 | NA | NA | NA | NA | NA |
| 12177 | 2025-05-04 |
Performance of Radiomics-based machine learning and deep learning-based methods in the prediction of tumor grade in meningioma: a systematic review and meta-analysis
2025-Jan-24, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03236-3
PMID:39849257
|
meta-analysis | 评估基于机器学习和深度学习的影像组学方法在预测脑膜瘤WHO分级中的性能 | 首次通过系统综述和荟萃分析评估ML和DL模型在预测脑膜瘤WHO分级中的表现 | 需要更多使用外部验证的大规模数据集来进一步验证DL算法的性能 | 评估机器学习和深度学习模型在预测脑膜瘤WHO分级中的准确性 | 脑膜瘤患者的影像数据 | digital pathology | meningioma | imaging studies | ML/DL | image | 32项研究，共15,365名患者 | NA | NA | NA | NA |
| 12178 | 2025-05-04 |
Clinically oriented automatic three-dimensional enamel segmentation via deep learning
2025-Jan-24, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-05385-1
PMID:39856656
|
research paper | 开发了一种基于深度学习的自动三维牙釉质分割方法，用于临床牙科诊断和治疗 | 提出了2.5D Attention U-Net模型，能够在少量样本数据集上进行训练，实现高效、准确的牙釉质分割 | 模型在少量样本数据集上进行训练，可能在大规模数据上的泛化能力有待验证 | 开发一种自动、高效、准确的牙釉质分割方法，以支持临床牙科诊断和治疗 | 牙釉质 | digital pathology | dental disease | deep learning | 2.5D Attention U-Net | image | 手动标注的牙釉质分割数据 | NA | NA | NA | NA |
| 12179 | 2025-05-04 |
Spatial transcriptome reveals histology-correlated immune signature learnt by deep learning attention mechanism on H&E-stained images for ovarian cancer prognosis
2025-Jan-24, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-06007-8
PMID:39856778
|
研究论文 | 利用深度学习注意力机制从H&E染色图像中学习与组织学相关的免疫特征，用于卵巢癌预后预测 | 通过空间转录组数据解析深度学习模型学习的注意力特征，揭示其与免疫特征的关联 | 研究依赖于特定数据集（TCGA），可能限制了结果的普适性 | 预测卵巢癌患者的预后，并理解预测机制 | 卵巢癌患者的H&E染色肿瘤样本 | 数字病理学 | 卵巢癌 | 空间转录组测序 | ResNet101 CNN（带注意力机制） | 图像（H&E染色全切片图像） | 335名初治高级别浆液性卵巢癌患者的773张H&E染色切片 | NA | NA | NA | NA |
| 12180 | 2025-05-04 |
Evaluating the impact of ESICM 2023 guidelines and the new global definition of ARDS on clinical outcomes: insights from MIMIC-IV cohort data
2025-Jan-23, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-02289-w
PMID:39849624
|
研究论文 | 本研究评估了ESICM 2023指南和新全球ARDS定义对临床结果的影响，并基于MIMIC-IV队列数据进行了分析 | 比较了新ARDS定义与柏林定义在早期诊断、准确分级和资源有限环境中的应用优势，并建立了早期ARDS识别的预测模型 | 研究仅基于MIMIC-IV数据库的数据，可能无法完全代表所有临床环境 | 确定新ARDS定义对低氧性呼吸衰竭患者的影响，并研究新定义下患者的异质性以指导治疗 | 低氧性呼吸衰竭患者和ARDS患者 | 医学研究 | 急性呼吸窘迫综合征(ARDS) | Kaplan-Meier生存分析、层次聚类方法、XGBoost分类器 | XGBoost | 临床咨询数据 | MIMIC-IV数据库中的患者数据 | NA | NA | NA | NA |