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 24457 篇文献，本页显示第 1421 - 1440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1421 | 2025-05-01 |
Correction: Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug‑in modules
2025-Apr-29, Knee surgery & related research
IF:4.1Q1
DOI:10.1186/s43019-025-00268-3
PMID:40302005
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1422 | 2025-05-02 |
Comparative analysis of deep learning models for predicting biocompatibility in tissue scaffold images
2025-Apr-29, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110281
PMID:40306018
|
研究论文 | 本研究比较了ANN和CNN模型在预测组织支架生物相容性方面的性能 | 首次比较了ANN和CNN模型在组织支架生物相容性预测中的应用，并发现ANN模型在结构化数据处理上具有优势 | 样本量较小（仅5个支架），且存在过拟合风险 | 比较不同深度学习模型在组织支架生物相容性预测中的性能 | PrusaSlicer生成的组织支架设计参数和图像 | 数字病理 | NA | 深度学习 | ANN, CNN | 图像, 数值参数 | 5个支架组织样本 |
| 1423 | 2025-05-02 |
Advancing Intracranial Aneurysm Detection: A Comprehensive Systematic Review and Meta-analysis of Deep Learning Models Performance, Clinical Integration, and Future Directions
2025-Apr-29, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2025.111243
PMID:40306254
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习模型在颅内动脉瘤检测中的性能及其对临床诊断的影响 | 深度学习模型在颅内动脉瘤检测中表现出超越传统临床评估的性能，并显著提高了临床医生的诊断一致性和准确性 | 需要在多样化的临床环境中进一步验证，并实现与标准工作流程的无缝集成 | 评估深度学习模型在颅内动脉瘤检测和预测中的性能及其临床整合潜力 | 颅内动脉瘤 | digital pathology | cardiovascular disease | CT angiography (CTA), digital subtraction angiography (DSA), time-of-flight MR angiography (TOF-MRA) | DL | image | NA |
| 1424 | 2025-05-02 |
Enhancing the Diagnostic Accuracy of Deep Learning-Based CTS Grading Could Expand Its Clinical Applicability
2025-Apr-29, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.022
PMID:40307112
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1425 | 2025-05-02 |
Automatic smart brain tumor classification and prediction system using deep learning
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95803-3
PMID:40295548
|
research paper | 提出了一种基于深度学习的智能脑肿瘤分类和预测系统 | 结合定制CNN模型和预训练模型（Inception-v4和EfficientNet-B4）进行脑肿瘤分类，并构建智能监测系统 | 未提及具体的数据集来源和模型在临床环境中的实际应用验证 | 早期和及时检测、分类和预测脑肿瘤 | 脑肿瘤MRI图像 | digital pathology | brain tumor | deep learning | CNN, Inception-v4, EfficientNet-B4 | image | 1000张脑肿瘤图像 |
| 1426 | 2025-05-02 |
Harnessing deep learning to monitor people's perceptions towards climate change on social media
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97441-1
PMID:40295576
|
研究论文 | 利用深度学习监测社交媒体上人们对气候变化的看法 | 提出了一种基于自然语言处理的可扩展方法框架，用于长期监测社交媒体用户对气候变化的看法和反应 | 研究仅针对西班牙、葡萄牙和英语的社交媒体帖子，可能无法代表全球范围内的观点 | 监测和分析社交媒体上人们对气候变化的看法，以支持基于数据的决策 | 社交媒体用户对气候变化的看法和反应 | 自然语言处理 | NA | 自然语言处理 | 深度学习 | 文本 | 1771千条来自西班牙、葡萄牙和英语的X/Twitter帖子 |
| 1427 | 2025-05-02 |
SkinEHDLF a hybrid deep learning approach for accurate skin cancer classification in complex systems
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98205-7
PMID:40295588
|
research paper | 提出了一种名为SkinEHDLF的混合深度学习模型，用于提高皮肤癌分类的准确性 | 结合了ConvNeXt、EfficientNetV2和Swin Transformer的优势，并引入了自适应注意力特征融合机制 | 未提及具体局限性 | 提高皮肤癌分类的准确性和可靠性 | 皮肤病变图像 | computer vision | skin cancer | 深度学习 | ConvNeXt, EfficientNetV2, Swin Transformer | image | 401,059张皮肤病变图像 |
| 1428 | 2025-05-02 |
Optimizing photovoltaic integration in grid management via a deep learning-based scenario analysis
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98724-3
PMID:40295668
|
research paper | 该研究开发了一种结合深度学习技术的双阶段优化模型，以解决光伏系统并入电网的挑战 | 利用生成对抗网络（GANs）模拟多样化和高分辨率的能源生成-消耗模式，并通过实时自适应控制框架进行动态调整，显著提升电网效率和稳定性 | 未提及具体的地理或气候条件限制，可能影响模型的普适性 | 优化光伏系统在电网管理中的集成，提高经济与环境效益 | 光伏系统与电网的集成管理 | machine learning | NA | GANs | GAN | 能源生成与消耗数据 | NA |
| 1429 | 2025-05-02 |
Impact of fine-tuning parameters of convolutional neural network for skin cancer detection
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99529-0
PMID:40295678
|
research paper | 该研究探讨了卷积神经网络（CNN）参数微调对皮肤癌检测性能的影响 | 通过调整CNN的层数、Conv2D层的滤波器数量及去除dropout层，显著提高了分类器的准确率，从62.5%提升至85% | 研究未涉及其他类型的深度学习模型或更广泛的数据集验证 | 优化CNN参数以提高皮肤癌图像数据集的分类准确率 | 皮肤癌图像数据集 | computer vision | skin cancer | NA | CNN | image | NA |
| 1430 | 2025-05-02 |
Research on noninvasive electrophysiologic imaging based on cardiac electrophysiology simulation and deep learning methods for the inverse problem
2025-Apr-28, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04728-2
PMID:40295939
|
研究论文 | 本研究结合心脏电生理模拟和深度学习方法，为非侵入性心脏电生理成像（ECGI）的实现提供了新方案 | 结合三维双域心脏电生理活动模型与深度学习算法（包括粒子群优化-反向传播神经网络、CNN和LSTM）来重建心脏表面电位 | 未提及实际临床应用中的潜在限制或样本多样性问题 | 开发非侵入性心脏电生理成像技术以改善心律失常的诊断和治疗 | 心脏电活动及体表电位映射 | 数字病理 | 心血管疾病 | 心脏电生理模拟、深度学习 | 粒子群优化-BP神经网络、CNN、LSTM | 模拟心电图数据 | NA |
| 1431 | 2025-05-02 |
Intermittent hypoxemia during hemodialysis: AI-based identification of arterial oxygen saturation saw-tooth pattern
2025-Apr-28, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-025-04133-z
PMID:40295983
|
研究论文 | 利用人工智能技术自动识别血液透析患者中重复出现的间歇性动脉血氧饱和度锯齿模式 | 首次应用一维卷积神经网络(1D-CNN)对血液透析过程中的SaO2锯齿模式进行实时分类 | 研究样本量较小(仅22名患者)，且仅针对特定血管通路(动静脉瘘)患者 | 开发自动识别血液透析患者间歇性低氧血症的人工智能系统 | 维持性血液透析患者的动脉血氧饱和度(SaO2)数据 | 数字病理学 | 心血管疾病 | Crit-Line设备连续监测 | 1D-CNN | 时间序列数据 | 22名患者的89次血液透析治疗中的4075个5分钟片段 |
| 1432 | 2025-05-02 |
Deep learning-based tennis match type clustering
2025-Apr-28, BMC sports science, medicine & rehabilitation
DOI:10.1186/s13102-025-01147-w
PMID:40296175
|
研究论文 | 本研究旨在基于比赛方式定义和聚类网球比赛类型 | 首次使用深度学习模型对网球比赛类型进行聚类分析，并识别出四种不同的比赛类型 | 样本量较小，仅包含2023年国际网球公开赛五场决赛的32场比赛 | 聚类网球比赛类型并为每种类型制定比赛策略 | 2023年国际网球公开赛五场决赛的32场比赛 | 机器学习 | NA | 深度学习 | 三种未指定具体名称的聚类模型 | 比赛记录数据 | 32场比赛 |
| 1433 | 2025-05-02 |
Publisher Correction: The intelligent fault identification method based on multi-source information fusion and deep learning
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99035-3
PMID:40295585
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1434 | 2025-05-02 |
18F-FDG PET/CT-based deep learning models and a clinical-metabolic nomogram for predicting high-grade patterns in lung adenocarcinoma
2025-Apr-28, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01684-3
PMID:40295979
|
research paper | 开发并验证基于18F-FDG PET/CT图像的深度学习和传统临床代谢模型，用于无创预测侵袭性肺腺癌的高级别模式 | 结合深度学习和临床代谢参数构建预测模型，并通过列线图可视化 | 样本量较小且为回顾性研究，可能影响模型的泛化能力 | 预测侵袭性肺腺癌的高级别模式 | 303名侵袭性肺腺癌患者 | digital pathology | lung cancer | 18F-FDG PET/CT | DL (deep learning), logistic regression | image (PET/CT) | 303名患者，按7:1:2比例分为训练集、验证集和测试集 |
| 1435 | 2025-05-02 |
Deep Learning-Based Models for Ventricular Segmentation in Hydrocephalus: A Systematic Review and Meta-Analysis
2025-Apr-28, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2025.124001
PMID:40306409
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习模型在脑积水患者心室分割中的性能 | 首次对深度学习模型在脑积水心室分割中的应用进行了系统评价和荟萃分析 | 纳入研究的方法学异质性可能影响结果的可比性 | 评估深度学习模型在脑积水心室分割中的性能表现 | 脑积水患者的神经影像数据 | digital pathology | geriatric disease | MRI, CT, US | DL-based models | image | 24项研究共2911名患者 |
| 1436 | 2025-05-02 |
Deep learning-powered whole slide image analysis in cancer pathology
2025-Apr-28, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104186
PMID:40306572
|
review | 本文综述了深度学习在全切片图像分析中的应用及其在癌症病理学中的潜力 | 整合深度学习模型与全切片图像，探索超越病理学家视觉感知的形态学特征，以自动化临床诊断、评估组织病理学等级、预测临床结果并发现新的形态学生物标志物 | 讨论了将基于深度学习的数字病理学转化为临床实践的机会与挑战 | 提高癌症病理学中全切片图像分析的敏感性和准确性，支持个性化癌症治疗 | 全切片图像（WSI） | digital pathology | cancer | whole slide imaging technology | CNN, GCN, Transformer | image | NA |
| 1437 | 2025-05-02 |
Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives
2025-Apr-28, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2025.03.006
PMID:40307127
|
综述 | 本文综述了人工智能在病理学和肿瘤学领域的当前应用及未来前景 | 系统性地总结了AI在肿瘤诊断、分子生物标志物检测和癌症预后评估中的应用，并探讨了未来发展方向 | 目前尚无基于AI的预后或预测性生物标志物获得IA或IB级证据支持，数据可用性、可解释性和监管问题仍是主要障碍 | 探讨人工智能在肿瘤病理学中的应用现状和未来发展方向 | 肿瘤病理学中的AI应用 | 数字病理学 | 肿瘤 | AI算法（包括基础模型、通用模型和基于transformer的深度学习） | 深度学习模型 | 多组学数据 | NA |
| 1438 | 2025-05-02 |
MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images
2025-Apr-27, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102099
PMID:40306276
|
研究论文 | 本文介绍了一种名为MMRNet的深度卷积神经网络，用于从H&E染色的全切片图像中预测子宫内膜癌的错配修复缺陷 | 提出了一种新的深度学习方法MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并结合人机融合方法显著提高了诊断准确性 | 未提及具体的数据集大小和多样性限制 | 开发一种经济实惠且易于使用的工具，用于确定子宫内膜癌患者的错配修复状态 | 子宫内膜癌患者的组织病理学图像 | 数字病理学 | 子宫内膜癌 | H&E染色 | 深度卷积神经网络（CNN） | 图像 | NA |
| 1439 | 2025-05-02 |
Deep Learning-driven Microfluidic-SERS to Characterize the Heterogeneity in Exosomes for Classifying Non-Small Cell Lung Cancer Subtypes
2025-Apr-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03621
PMID:40167999
|
研究论文 | 本文提出了一种结合深度学习、微流控芯片和表面增强拉曼散射（SERS）的方法，用于非小细胞肺癌（NSCLC）的早期诊断和分子亚型分类 | 创新性地将深度学习、微流控技术和SERS结合，实现了对肺癌外泌体的高效捕获、检测和分析，并展示了高准确率的亚型分类能力 | 未提及该方法在临床样本中的验证情况以及与其他现有技术的比较 | 开发一种非侵入性方法用于肺癌的早期诊断和精确分型 | 非小细胞肺癌（NSCLC）的外泌体 | 数字病理学 | 肺癌 | 微流控技术、表面增强拉曼散射（SERS） | 深度学习 | 光学信号 | 三种不同的NSCLC细胞系和正常细胞系 |
| 1440 | 2025-05-02 |
Prediction of significant congenital heart disease in infants and children using continuous wavelet transform and deep convolutional neural network with 12-lead electrocardiogram
2025-Apr-24, BMC pediatrics
IF:2.0Q2
DOI:10.1186/s12887-025-05628-2
PMID:40275174
|
研究论文 | 本研究开发了一种基于连续小波变换和深度卷积神经网络的AI模型，用于预测五岁以下儿童中的显著先天性心脏病 | 使用真实世界的心电图数据训练AI模型，特别针对五岁以下儿童，显著提高了对血流动力学显著先天性心脏病的检测能力 | 研究数据来自单一中心，且未涵盖所有先天性心脏病亚型 | 开发一种AI辅助的心电图分析方法，用于早期检测儿童先天性心脏病 | 五岁以下儿童的心电图数据 | 数字病理学 | 心血管疾病 | 连续小波变换 | ResNet-18, InceptionResNet-V2, NasNetMobile | 心电图信号 | 1,035名五岁以下患者 |