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 32373 篇文献，本页显示第 14401 - 14420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14401 | 2025-10-07 |
Global research evolution and frontier analysis of artificial intelligence in brain injury: A bibliometric analysis
2024-04, Brain research bulletin
IF:3.5Q2
|
文献计量分析 | 通过文献计量学方法分析人工智能在脑损伤领域的研究演进与前沿趋势 | 首次系统梳理人工智能在脑损伤领域的全球研究演进历程，识别研究热点并揭示该领域发展的波动特征 | 仅基于Web of Science核心数据库的3000篇文献，缺乏研究团队间的合作交流分析 | 识别人工智能在脑损伤领域的研究热点和前沿趋势 | 1998-2023年间Web of Science核心数据库收录的3000篇相关文献 | 文献计量学 | 脑损伤 | 文献计量分析，可视化分析 | NA | 文献数据 | 3000篇学术论文 | VOSviewer, CiteSpace | NA | NA | NA |
| 14402 | 2025-10-07 |
Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images
2021-11, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.28908
PMID:34227163
|
研究论文 | 比较基于直方图和基于图像的算法在肺超极化气体图像语义分割中的性能差异 | 首次系统比较传统直方图分割方法与基于卷积神经网络的图像分割方法在超极化气体肺图像中的表现 | 研究仅针对模拟数据集，未在真实临床环境中验证 | 评估不同分割算法在存在常见MRI伪影情况下的性能差异 | 超极化129Xe气体肺图像 | 计算机视觉 | 肺疾病 | MRI | CNN | 医学图像 | 80名受试者（29名公共数据集+51名回顾性数据集） | NA | 卷积神经网络 | 测量偏差, 测量精度 | NA |
| 14403 | 2025-04-04 |
Advanced Anticounterfeiting: Angle-Dependent Structural Color-Based CuO/ZnO Nanopatterns with Deep Neural Network Supervised Learning
2025-Apr-02, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c17414
PMID:40072024
|
研究论文 | 本研究提出了一种基于结构颜色的低成本、可大规模生产的防伪图案及简单鉴别算法 | 利用电纺丝技术制造纳米图案，结合CuO和ZnO的溶液生长过程，创造出具有角度依赖性颜色的不可克隆图案，并通过深度学习算法实现高效鉴别 | 需要标准高分辨率相机获取训练图像，可能在某些应用场景中受限 | 开发新一代高效、可扩展的防伪解决方案 | 防伪图案及其鉴别算法 | 计算机视觉 | NA | 电纺丝技术、溶液生长过程、深度学习 | 深度学习算法 | 图像 | NA | NA | NA | NA | NA |
| 14404 | 2025-04-04 |
Deep Learning-Based Framework for Efficient Design of Multicomponent High Hardness High Entropy Alloys
2025-Apr-02, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c23010
PMID:40114633
|
研究论文 | 提出了一种基于深度学习的框架，用于高效设计多组分高硬度高熵合金 | 结合材料领域知识与数据驱动技术，开发了材料串联嵌入模块与BiLSTM-CRF网络，自动化分析文献并提取数据，采用两阶段设计策略（GA与PSO结合）优化合金系统与成分比例 | 未明确提及实验验证的广泛性或实际应用中的性能稳定性 | 优化多组分高硬度高熵合金的设计过程 | 高熵合金（HEAs） | 机器学习 | NA | 深度学习、遗传算法（GA）、粒子群优化（PSO） | BiLSTM-CRF | 文本、数值数据 | 2698篇论文中提取的8067个数据点，构建的硬度数据集包含13种元素 | NA | NA | NA | NA |
| 14405 | 2025-04-04 |
Prediction of Future Risk of Moderate to Severe Kidney Function Loss Using a Deep Learning Model-Enabled Chest Radiography
2025-Apr-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01489-4
PMID:40175823
|
research paper | 本研究评估了一种利用原始胸部X光数据预测中度至重度肾功能下降的深度学习模型 | 首次使用深度学习模型通过胸部X光数据预测慢性肾脏病的进展风险 | 研究为回顾性分析，需要前瞻性研究进一步验证 | 开发早期预测慢性肾脏病进展风险的工具 | 79,219名eGFR在65-120之间的患者 | digital pathology | chronic kidney disease | deep learning | DLM | image | 79,219名患者的胸部X光数据 | NA | NA | NA | NA |
| 14406 | 2025-04-04 |
Application of an Automated Deep Learning Program to A Diagnostic Classification Model: Differentiating High-Risk Adenomas Among Colorectal Polyps 10 mm or Smaller
2025-Apr-02, Journal of digestive diseases
IF:2.3Q3
DOI:10.1111/1751-2980.13340
PMID:40176375
|
研究论文 | 本研究开发了一种基于自动深度学习程序的计算机辅助诊断模型，用于分类≤10毫米结直肠息肉中的低风险和高风险腺瘤 | 使用自动深度学习软件Neuro-T v3.2.1开发CADx模型，其性能与专家相当且优于学员 | 研究仅使用了静态内窥镜图像，未考虑动态视频或临床背景信息 | 开发能区分≤10毫米结直肠息肉中高风险和低风险腺瘤的计算机辅助诊断模型 | ≤10毫米的结直肠腺瘤 | 数字病理学 | 结直肠癌 | 自动深度学习 | DL | 内窥镜图像 | 2696张训练图像（2460张低级别和236张高级别腺瘤）和439张外部验证图像（398张低级别和41张高级别腺瘤） | NA | NA | NA | NA |
| 14407 | 2025-04-04 |
What's new in pediatric musculoskeletal imaging
2025-Apr, Journal of children's orthopaedics
DOI:10.1177/18632521251325122
PMID:40093030
|
review | 本文综述了儿科肌肉骨骼影像学领域的最新技术进展，包括成像方式的创新和人工智能应用 | 探讨了辐射剂量减少技术、对比增强超声和超高频率成像等增强诊断工具，以及人工智能在病理检测和工作流程优化中的应用 | 存在外部验证和范围有限等挑战 | 提高儿科肌肉骨骼护理的诊断准确性和治疗效果 | 儿科肌肉骨骼影像学 | digital pathology | NA | advanced magnetic resonance imaging, ultrasound innovations, artificial intelligence, photon-counting detector computed tomography, deep learning-based reconstructions, diffusion-weighted imaging, positron emission tomography-magnetic resonance imaging integration | deep learning | image | NA | NA | NA | NA | NA |
| 14408 | 2025-04-04 |
Benchmarking deep learning for automated peak detection on GIWAXS data
2025-Apr-01, Journal of applied crystallography
IF:5.2Q1
DOI:10.1107/S1600576725000974
PMID:40170972
|
研究论文 | 本文提出了一个用于评估深度学习在GIWAXS数据自动峰值检测中性能的综合框架 | 引入了包含标注实验数据集、物理信息指标和优化基线算法的全面框架，并首次对基于模拟数据训练的深度学习解决方案进行了系统评估 | 研究可能受限于标注数据集的大小和多样性，以及基线算法的选择 | 评估深度学习在GIWAXS数据峰值检测中的可靠性并建立标准化评估体系 | GIWAXS衍射图像数据 | 机器学习和X射线散射数据分析 | NA | GIWAXS和深度学习技术 | 未明确说明具体DL模型类型 | X射线衍射图像数据 | 未明确说明具体样本数量，但提到单日可产生数十万衍射图像 | NA | NA | NA | NA |
| 14409 | 2025-04-04 |
Generating synthetic brain PET images of synaptic density based on MR T1 images using deep learning
2025-Mar-31, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00744-5
PMID:40163154
|
研究论文 | 本研究利用深度学习技术基于MRI T1图像生成合成的大脑突触密度PET图像 | 首次使用卷积基础的3D编码器-解码器模型从MRI生成[11C]UCB-J SV2A PET合成图像，解决了SV2A示踪剂在实际应用中的可获得性问题 | 研究样本量相对有限（160名参与者），且未明确说明模型在不同疾病群体间的泛化能力 | 开发一种通过MRI生成合成[11C]UCB-J PET图像的方法，以解决SV2A示踪剂在实际应用中的限制 | 160名同时接受MRI和[11C]UCB-J PET成像的参与者，包括精神分裂症、大麻使用障碍和阿尔茨海默病患者 | 数字病理学 | 神经系统疾病 | 深度学习 | 3D CNN编码器-解码器 | 医学影像（MRI和PET图像） | 160名参与者 | NA | NA | NA | NA |
| 14410 | 2025-04-04 |
Partial discharge defect recognition method of switchgear based on cloud-edge collaborative deep learning
2025-Mar-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81478-9
PMID:40164608
|
研究论文 | 提出了一种基于边缘计算和深度学习的开关柜局部放电联合识别方法 | 构建了终端设备侧、终端采集侧、边缘计算侧和云计算侧的边缘协同缺陷识别架构，并基于DBN提出了开关柜局部放电缺陷识别方法 | 验证使用的是实验室模拟的局部放电样本，实际应用中的效果可能需要进一步验证 | 解决传统局部放电检测方法在实时监测、快速评估、样本融合和联合分析方面的不足 | 开关柜的局部放电信号 | 机器学习 | NA | UHF传感器和宽带脉冲电流传感器 | DBN | 信号数据 | 实验室模拟的局部放电样本 | NA | NA | NA | NA |
| 14411 | 2025-04-04 |
Well log data generation and imputation using sequence based generative adversarial networks
2025-Mar-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95709-0
PMID:40164658
|
研究论文 | 本研究提出了一种基于序列生成对抗网络（GANs）的新框架，用于测井数据的生成和缺失数据填补 | 采用两种序列GAN模型（TSGAN和SeqGAN）分别进行合成数据生成和缺失数据填补，在北海荷兰地区数据集上验证了其优越性 | 实验仅使用了特定区域（北海荷兰地区）的数据集，未验证在其他地质区域的泛化能力 | 解决测井数据中的缺失和不准确定问题，提高储层评估的可靠性 | 测井数据 | 机器学习 | NA | 生成对抗网络（GANs） | TSGAN, SeqGAN | 时间序列数据 | 5、10和50个数据点的不同区段 | NA | NA | NA | NA |
| 14412 | 2025-04-04 |
The clinical implications and interpretability of computational medical imaging (radiomics) in brain tumors
2025-Mar-30, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01950-6
PMID:40159380
|
review | 本文综述了影像组学在脑肿瘤研究中的应用及其可解释性问题 | 整合脑肿瘤生物学领域知识与可解释性方法，提升传统手工特征影像组学和深度学习影像组学的可解释性 | 深度学习模型缺乏生物学机制基础 | 探讨影像组学在脑肿瘤研究中的应用及其临床转化潜力 | 脑肿瘤影像组学 | digital pathology | brain tumors | radiomics | deep learning-based models | medical imaging | NA | NA | NA | NA | NA |
| 14413 | 2025-04-04 |
Dual discriminator GAN-based synthetic crop disease image generation for precise crop disease identification
2025-Mar-30, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01361-0
PMID:40159478
|
研究论文 | 本文提出了一种基于双判别器GAN的合成作物病害图像生成方法，用于提高作物病害识别的精确度 | 设计了具有双判别器结构的频域和小波图像增强网络（FHWD），结合小波损失和快速傅里叶变换损失函数，提升生成图像的视觉质量和真实性 | 实验仅在PlantVillage数据集的十种作物病害上进行，未验证在其他作物病害上的泛化能力 | 解决作物病害图像稀缺问题，提升深度学习模型的病害识别准确率和泛化能力 | 作物病害图像 | 计算机视觉 | 作物病害 | GAN | 双判别器GAN | 图像 | PlantVillage数据集中的十种作物病害 | NA | NA | NA | NA |
| 14414 | 2025-04-04 |
Deep learning-based mobile application for efficient eyelid tumor recognition in clinical images
2025-Mar-30, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01539-9
PMID:40159516
|
research paper | 本研究验证了一种基于深度学习的移动应用程序，用于自我诊断眼睑肿瘤，以改善患者的健康支持系统 | 开发了一种基于YOLOv5和Efficient-Net v2-B架构的移动应用，用于眼睑肿瘤的自我诊断，其准确率高于普通医生、住院医生和眼科专家 | 研究仅基于1195张预处理临床眼部照片和活检结果，样本量可能不足以覆盖所有眼睑肿瘤类型 | 开发一种高效的移动应用程序，用于眼睑肿瘤的早期检测和监测 | 眼睑肿瘤患者 | computer vision | 眼睑肿瘤 | 深度学习 | YOLOv5, Efficient-Net v2-B | image | 1195张预处理临床眼部照片和活检结果 | NA | NA | NA | NA |
| 14415 | 2025-04-04 |
An integration of ensemble deep learning with hybrid optimization approaches for effective underwater object detection and classification model
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95596-5
PMID:40158003
|
research paper | 该研究提出了一种结合集成深度学习和混合优化算法的水下物体检测与分类模型（UODC-EDLHOA） | 采用集成深度学习方法（DNN、DBN、LSTM）和混合优化算法（STSC）进行水下物体检测与分类，提高了检测精度 | 未提及模型在实时性、计算资源消耗或实际部署中的表现 | 提升水下物体检测与分类的准确性和鲁棒性 | 水下物体 | computer vision | NA | deep learning, hybrid optimization algorithms | EfficientNetB7, YOLOv9, DNN, DBN, LSTM | image | UOD数据集（未提及具体数量） | NA | NA | NA | NA |
| 14416 | 2025-04-04 |
Quantitative analysis and visualization of chemical compositions during shrimp flesh deterioration using hyperspectral imaging: A comparative study of machine learning and deep learning models
2025-Mar-29, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143997
PMID:40174377
|
研究论文 | 利用高光谱成像技术定量分析虾肉变质过程中的化学成分变化，并比较机器学习和深度学习模型的性能 | 结合低层数据融合和预测模型，比较了传统化学计量学方法和深度学习方法在虾肉变质分析中的表现，并生成了化学成分变化的空间分布图 | 未来研究需要优化模型以适应不同条件，并探索将高光谱成像方法与其他传感器技术结合 | 快速、无损地预测虾肉变质过程中的化学成分变化，监控冷链物流中的虾肉质量 | 虾肉 | 计算机视觉 | NA | 高光谱成像(HSI) | PLS, CNN, LSTM, CNN-LSTM | 图像 | NA | NA | NA | NA | NA |
| 14417 | 2025-04-04 |
A deep-learning model to predict the completeness of cytoreductive surgery in colorectal cancer with peritoneal metastasis☆
2025-Mar-10, 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.2025.109760
PMID:40174333
|
研究论文 | 开发了一种名为DeAF的深度学习模型，用于预测结直肠癌腹膜转移患者细胞减灭术的完整性 | 提出了一种新型AI框架DeAF，通过解耦特征对齐和融合来辅助选择适合CRS的患者并预测手术完整性 | 研究样本量有限（186例患者），且所有数据来自三级医院，可能影响模型的普遍适用性 | 改善结直肠癌腹膜转移患者细胞减灭术的患者选择和手术完整性预测 | 结直肠癌伴腹膜转移患者 | 数字病理学 | 结直肠癌 | 深度学习 | DeAF框架（基于Simsiam算法） | CT图像和临床病理参数 | 186例来自4家三级医院的结直肠癌伴腹膜转移患者 | NA | NA | NA | NA |
| 14418 | 2025-04-04 |
Introduction to Artificial Intelligence for General Surgeons: A Narrative Review
2025-Mar, Cureus
DOI:10.7759/cureus.79871
PMID:40171361
|
review | 本文是一篇叙述性综述，旨在向普通外科医生介绍人工智能（AI）的基础知识及其在胸腹部创伤中的应用 | 综述了AI在创伤护理中的潜在应用，特别是在诊断、风险预测和决策支持方面，并讨论了将AI整合到澳大利亚医疗系统中的意义 | 当前AI在临床实践中的应用仍有限，需要未来进行前瞻性和本地验证的研究 | 教育普通外科医生了解AI的基础知识及其在创伤护理中的应用 | 普通外科医生及AI在胸腹部创伤中的应用 | machine learning | trauma | machine learning, deep learning, natural language processing, computer vision | NA | NA | NA | NA | NA | NA | NA |
| 14419 | 2025-04-04 |
Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images
2025, Health data science
DOI:10.34133/hds.0256
PMID:40170800
|
research paper | 评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见 | 首次评估了多模态大语言模型（如ChatGPT-4和LLaVA-1.6）在皮肤疾病识别中的性别和年龄偏见，并与传统的CNN和视觉Transformer模型进行了比较 | 研究使用的数据集虽然较大（约10,000张图像），但未来需要使用更大、更多样化的数据集来进一步验证模型的可靠性和公平性 | 探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见 | 皮肤疾病（黑色素瘤、黑色素细胞痣和良性角化病样病变） | digital pathology | skin disease | multimodal large language models (LLMs), CNN, vision transformer | ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B | image | 约10,000张皮肤镜图像 | NA | NA | NA | NA |
| 14420 | 2025-04-04 |
Cnidaria herd optimized fuzzy C-means clustering enabled deep learning model for lung nodule detection
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1511716
PMID:40171113
|
research paper | 提出了一种结合Cnidaria群体优化模糊C均值聚类和深度学习的模型，用于有效检测肺结节 | 结合Cnidaria群体优化算法（CHO）和双向长短期记忆模型（CHSTM），以及优化的模糊C均值聚类算法和Resnet-101深度学习模型，提高了肺结节检测的准确性和性能 | 现有方法在可扩展性、鲁棒性、数据可用性和误检率方面存在一定限制 | 提高肺结节检测的准确性和性能 | 肺结节 | digital pathology | lung cancer | Cnidaria Herd Optimization (CHO) algorithm, Bi-directional Long Short-Term Memory (CHSTM), fuzzy C-means clustering, Resnet-101 | CHSTM, Resnet-101 | medical images | LUNA-16数据集和LIDC/IDRI数据集 | NA | NA | NA | NA |