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 44618 篇文献，本页显示第 1481 - 1500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1481 | 2026-05-08 |
Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study
2024, MedEdPublish (2016)
DOI:10.12688/mep.20554.3
PMID:39911314
|
研究论文 | 评估乌干达医学院教师对ChatGPT及其他人工智能工具的使用情况 | 首次在乌干达医学院教师中开展AI工具使用情况的横断面研究，揭示了年龄与AI使用率之间的关联 | 仅基于自我报告数据，可能存在回忆偏倚；样本来自四所公立大学，推广性有限 | 评估乌干达医学院教师对ChatGPT及其他人工智能工具的使用现状 | 乌干达四所公立大学的医学院教师 | 机器学习 | NA | NA | ChatGPT（大语言模型） | 问卷数据 | 224名医学院教师 | NA | NA | NA | NA |
| 1482 | 2026-05-08 |
Developing a clinician-friendly rubric for assessing history-taking skills in medical undergraduates speaking English as a foreign language
2024, MedEdPublish (2016)
DOI:10.12688/mep.19911.3
PMID:39534518
|
研究论文 | 评估乌干达医学院教师对ChatGPT等人工智能工具的使用情况 | 首次在乌干达医学院教师中调查ChatGPT等AI工具的使用率及影响因素 | 横断面研究设计，无法确定因果关系；样本仅来自四所公立大学，可能不具有全国代表性 | 评估乌干达医学院教师对ChatGPT及其他AI工具的使用情况 | 乌干达四所公立大学的医学院教师 | 机器学习 | NA | NA | ChatGPT | 问卷数据 | 224名医学院教师 | NA | NA | NA | NA |
| 1483 | 2026-05-08 |
Superpixel-ComBat modeling: A joint approach for harmonization and characterization of inter-scanner variability in T1-weighted images
2024, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/imag_a_00306
PMID:40800451
|
研究论文 | 提出一种基于超像素与ComBat建模的联合方法，用于表征和协调T1加权图像中的跨扫描仪变异 | 将统计ComBat方法扩展到图像域，结合3D超像素分割算法，实现可解释的跨扫描仪变异表征和协调 | NA | 开发一种可解释的跨扫描仪变异表征与协调策略，提升多中心研究的图像一致性 | 来自四个3T MRI扫描仪的匹配T1加权图像 | 计算机视觉 | NA | T1加权成像 | ComBat模型 | 图像 | NA | NA | 超像素分割算法 | 信号噪声比, 对比度噪声比, 信号不均匀性指数, 结构相似性指数 | NA |
| 1484 | 2026-05-08 |
Predicting Glaucoma Progression to Surgery with Artificial Intelligence Survival Models
2023-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2023.100336
PMID:37415920
|
研究论文 | 开发基于人工智能的生存模型预测青光眼患者进展至手术的风险，并比较不同方法的性能 | 首次将生存分析方法（包括深度生存模型）用于青光眼进展预测，弥补了传统分类器忽视纵向随访数据的不足 | 仅使用结构化电子健康记录数据，未纳入临床笔记或影像学信息；需进一步开发更复杂的深度生存模型 | 比较回归、树模型和深度学习三种生存分析预测青光眼手术进展的性能 | 2008-2020年某学术中心4512名青光眼患者 | 机器学习 | 青光眼 | 电子健康记录数据提取 | 生存模型（DeepSurv, 随机生存森林, 梯度提升生存, 惩罚Cox比例风险模型） | 结构化表格数据（人口学、眼部检查、诊断、用药共361个特征） | 4512名患者（748例接受手术） | NA | DeepSurv（深度学习生存网络） | 一致性指数（C-index）, 均值累积/动态曲线下面积（mean AUC） | NA |
| 1485 | 2026-05-08 |
An explainable autoencoder with multi-paradigm fMRI fusion for identifying differences in dynamic functional connectivity during brain development
2023-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2022.12.007
PMID:36580711
|
研究论文 | 提出一种基于多范式融合的可解释深度稀疏自编码器，用于识别脑发育过程中动态功能连接的差异 | 首次将多范式功能磁共振成像融合与可解释深度自编码器结合，通过非线性融合层和多范式超图正则化整合互补信息，同时保持模型可解释性 | 未提及具体限制，但可能受限于单一数据集（费城神经发育队列）的验证 | 开发可解释的多范式融合模型，识别脑发育过程中动态功能连接的变化模式 | 正常儿童和成人的大脑功能连接差异 | 机器学习 | 神经系统发育 | 功能磁共振成像 | 深度稀疏自编码器 | 图像（功能磁共振成像数据） | 费城神经发育队列的数据集 | NA | 多范式融合深度稀疏自编码器 | NA | NA |
| 1486 | 2026-05-08 |
Artificial intelligence and deep learning to map immune cell types in inflamed human tissue
2022-06, Journal of immunological methods
IF:1.6Q4
DOI:10.1016/j.jim.2022.113233
PMID:35131237
|
研究论文 | 开发深度学习算法，识别炎症组织活检中的免疫细胞类型 | 提出一种基于深度学习的方法，能够无偏且全面地识别炎症组织中的免疫细胞，包括罕见的Tfh细胞亚群，并可用于细胞间距离映射 | NA | 利用人工智能和深度学习技术，自动化识别和分类炎症组织中的免疫细胞，以量化活检切片中的复杂免疫细胞交互信息 | 皮肌炎活检图像中的Tfh细胞亚群和B细胞 | 计算机视觉 | 自身免疫疾病（皮肌炎） | NA | 深度学习 | 图像 | NA | NA | 深度学习算法（未具体指定） | 检测和分类性能（未具体指定） | NA |
| 1487 | 2026-05-08 |
Deep Learning Approaches for Predicting Glaucoma Progression Using Electronic Health Records and Natural Language Processing
2022-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2022.100127
PMID:36249690
|
research paper | 使用深度学习模型结合电子健康记录和自然语言处理预测青光眼进展 | 首次将自由文本临床笔记的自然语言处理特征与结构化临床数据结合，用于预测青光眼手术需求 | 未整合影像数据，仍需进一步研究最优方法以结合成像数据 | 预测青光眼患者是否需要手术干预 | 青光眼患者的电子健康记录，包括结构化数据和临床自由文本笔记 | natural language processing, machine learning | 青光眼 | NLP | 深度学习模型 | 文本结构化临床数据 | 4512名青光眼患者，其中748名接受手术 | NA | NA | AUC, F1分数 | NA |
| 1488 | 2026-05-08 |
Brain Functional Connectivity Analysis via Graphical Deep Learning
2022-05, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2021.3127173
PMID:34882539
|
研究论文 | 提出一种基于图卷积网络的框架，用于脑功能连接分析，通过结合区域间连接和受试者间关系来研究认知功能 | 在脑网络分析中引入拉普拉斯正则化项解决过拟合问题，并采用遮挡敏感性分析方法识别与认知功能相关的脑网络和脑区 | 样本量有限，且脑区之间关系复杂，限制了图深度学习模型的应用 | 开发一种基于图卷积网络的框架，用于分析脑功能连接并识别与认知功能相关的脑网络和脑区 | 费城神经发育队列（Philadelphia Neurodevelopmental Cohort）中的受试者脑功能连接数据 | 机器学习 | NA | NA | 图卷积网络（GCN） | 脑功能连接数据 | 基于费城神经发育队列的数据，具体样本量未在摘要中指定 | NA | 图卷积网络 | 分类准确率 | NA |
| 1489 | 2026-05-08 |
Image Quality Assessment of Fetal Brain MRI Using Multi-Instance Deep Learning Methods
2021-09, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.27649
PMID:33891778
|
research paper | 提出多实例深度学习方法用于自动评估三维胎儿脑MR图像质量 | 首次将多实例计数、投票和特征嵌入三种深度学习方法应用于胎儿脑MR图像质量自动评估，并量化胎龄对模型性能的影响 | 研究为回顾性设计，样本量有限，且仅针对T2加权单次激发快速自旋回波序列在1.5T场强下的数据 | 开发并评估多实例深度学习方法以实现胎儿脑MR图像质量的自动、客观、快速评估 | 211名胎儿的271次MR检查影像（平均胎龄30.9±5.5周） | computer vision | NA | MRI | 多实例深度学习模型 | 图像 | 271次MR检查（来自211名胎儿） | NA | MI-CB-DLM, MI-VB-DLM, MI-FE-DLM | 精确率, 召回率, F-score, 准确率, AUC | NA |
| 1490 | 2026-05-07 |
Validation of SynthSeg segmentation performance on CT using paired MRI from radiotherapy patients
2024-12-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120922
PMID:39557139
|
研究论文 | 本研究利用来自放射治疗患者的配对CT和MRI数据集，验证了深度学习模型SynthSeg在CT图像上进行脑部分割的性能 | 首次在多中心临床数据上系统评估SynthSeg用于CT脑部分割的可行性，并引入质量评分阈值以提升分割准确性 | SynthSeg在CT上分割精度低于MRI，仅适用于对精度要求不高的应用场景 | 验证SynthSeg模型在CT图像上的脑部分割性能，并探讨其与MRI分割的一致性 | 来自5个医疗中心的260名放射治疗患者的配对CT和MRI图像 | 计算机视觉 | NA | CT成像, MRI成像 | 深度学习模型 (SynthSeg) | 医学图像 (CT和MRI) | 260对CT和MRI图像 | Freesurfer | SynthSeg | Dice系数, Hausdorff 95距离 (HD95) | NA |
| 1491 | 2026-05-07 |
Delineating yeast cleavage and polyadenylation signals using deep learning
2024-08-20, Genome research
IF:6.2Q1
DOI:10.1101/gr.278606.123
PMID:38914436
|
research paper | 利用深度学习模型解析酵母裂解与聚腺苷酸化信号的退化解码机制 | 首次通过深度学习量化退化调控元件的位置重要性，揭示裂解异质性与位点强度的关联机制，以及远缘物种中聚腺苷酸信号的差异 | 未明确提及模型在不同酵母菌株或环境条件下的泛化能力评估 | 解析酵母裂解与聚腺苷酸化信号的退化解码机制及其在替代聚腺苷酸化调控中的作用 | 酵母（包括酿酒酵母等物种）的mRNA 3'端裂解与聚腺苷酸化位点 | machine learning | NA | 深度学习模型 | 深度学习模型（未指定具体类型，可能包含卷积神经网络或循环神经网络） | 基因组序列数据 | NA | NA | NA | NA | NA |
| 1492 | 2026-05-07 |
The scope of artificial intelligence in retinopathy of prematurity (ROP) management
2024-07-01, Indian journal of ophthalmology
IF:2.1Q2
DOI:10.4103/IJO.IJO_2544_23
PMID:38454859
|
综述 | 探讨人工智能在早产儿视网膜病变管理中的应用范围 | 聚焦印度背景下AI在ROP筛查中的应用潜力，并讨论其作为流行病学工具的客观优势 | AI实施存在医法律问题，可能遗漏视网母细胞瘤等致命疾病 | 评估AI在ROP管理中的角色与未来方向 | AI系统在ROP筛查、风险预测及流行病学分析中的性能 | 机器学习 | 早产儿视网膜病变 | NA | 卷积神经网络 | 图像 | NA | NA | CNN | NA | NA |
| 1493 | 2026-05-07 |
Tailored Intraoperative MRI Strategies in High-Grade Glioma Surgery: A Machine Learning-Based Radiomics Model Highlights Selective Benefits
2024-06-01, Operative neurosurgery (Hagerstown, Md.)
DOI:10.1227/ons.0000000000001023
PMID:38289331
|
研究论文 | 通过机器学习放射组学模型预测高级别胶质瘤手术中5-ALA单独使用的效果，识别需要联合术中MRI的复杂病例 | 首次利用基于U2-Net深度学习的放射组学预测模型，鉴别在HGG手术中5-ALA效果欠佳而需联合iMRI的特定场景，提出选择性使用iMRI的策略 | 样本量较小（73例），且未达到统计学显著性差异，需进一步外部验证 | 评估5-ALA联合iMRI在HGG手术中的效果，并开发预测模型识别需要iMRI的病例 | 高级别胶质瘤（HGG）患者 | 机器学习 | 高级别胶质瘤 | MRI, 5-氨基乙酰丙酸（5-ALA）荧光引导手术 | U2-Net, 二元逻辑回归 | 图像（术前MRI影像） | 73例HGG患者 | PyTorch | U2-Net | Nagelkerke R², 受试者工作特征曲线下面积 | NA |
| 1494 | 2026-05-07 |
Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study
2024-06, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30014
PMID:38247050
|
研究论文 | 提出了一种基于无监督深度学习与卷积神经网络的静态并行发射设计方法，用于减轻7T磁场下的B1+不均匀性 | 首次将CNN用于多通道B1+图的无监督训练，通过物理驱动的损失函数避免参考RF权重的计算 | 该研究为回顾性研究，未提及在临床数据集上的验证或实时应用中的计算效率 | 利用无监督深度学习方法改善7T磁共振成像中多通道发射阵列的B1+均匀性 | 健康人脑的B1+映射数据 | 机器学习 | NA | 7T磁共振成像 | 卷积神经网络 | 磁共振B1+映射图像 | 包含143名受试者的3824张二维矢状面多通道B1+图 | NA | CNN | 均方根误差、变异系数、能耗 | NA |
| 1495 | 2026-05-07 |
Applications of artificial intelligence in the utilisation of imaging modalities in dentistry: A systematic review and meta-analysis of in-vitro studies
2024-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e24221
PMID:38317889
|
系统综述与荟萃分析 | 系统评价人工智能在牙科影像模态应用中的体外研究，并分析其准确性 | 首次通过荟萃分析综合评估AI在牙科影像多项任务中的准确性，包括牙齿分割分类、龋齿检测、颌骨分割及三维模型创建 | 仅纳入体外研究，缺乏临床试验验证，且现有研究存在异质性 | 全面评估AI在牙科影像模态中的应用效果与潜力 | 牙科影像数据（包括X光片、三维扫描图像等） | 计算机视觉 | 牙科疾病 | 卷积神经网络、深度学习 | CNN | 图像 | 9项研究 | NA | 卷积神经网络 | 真阳性率、真阴性率、阳性预测值、阴性预测值 | NA |
| 1496 | 2026-05-07 |
3D CNN for neuropsychiatry: Predicting Autism with interpretable Deep Learning applied to minimally preprocessed structural MRI data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0276832
PMID:39432512
|
研究论文 | 利用3D深度学习对最小预处理的结构性MRI数据预测自闭症诊断，并提高模型可解释性 | 直接在原始空间（而非模板空间）训练3D CNN模型，减少偏差且提升对结构变化的敏感性，同时实现模型可解释性以识别关键脑区 | 受限于自闭症的临床异质性和数据站点效应，模型预测准确率仍需提升 | 开发一种可解释的3D深度学习流程，用于从结构MRI推断自闭症诊断 | 自闭症患者与健康对照组的脑结构MRI扫描数据 | 计算机视觉 | 自闭症 | MRI | 3D CNN | 影像 | 1329例（ABIDE I和II数据集，分为训练集、验证集和测试集） | NA | 3D CNN | 准确率 | NA |
| 1497 | 2026-05-07 |
W-WaveNet: A multi-site water quality prediction model incorporating adaptive graph convolution and CNN-LSTM
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0276155
PMID:38442101
|
研究论文 | 提出一种结合自适应图卷积和CNN-LSTM的多站点水质预测模型W-WaveNet | 首次处理多站点水质数据中的非对齐空间相关性，并通过交错堆叠集成时间和空间模型 | 未提及模型的局限性，如计算复杂度或应用范围限制 | 提高多站点水质预测的准确性，考虑时空相关性 | 两个真实河流断面上的多个站点水质数据 | 机器学习 | NA | 自适应图卷积 | CNN-LSTM | 水质数据 | 两个真实河流断面多站点数据 | NA | 自适应图卷积网络, CNN-LSTM | 平均绝对误差 | NA |
| 1498 | 2026-05-07 |
Delineating yeast cleavage and polyadenylation signals using deep learning
2023-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.10.561764
PMID:37873420
|
研究论文 | 利用深度学习模型解析酵母的切割和聚腺苷酸化信号 | 首次利用深度学习对酵母中退化的顺式调控元件进行解卷积，并量化其在介导酵母多聚A位点形成、切割异质性及强度中的位置重要性 | 未明确提及 | 阐明酵母中多聚腺苷酸化信号如何形成及其对mRNA成熟的作用机制 | 酵母物种中的多聚A位点及其调控元件 | 机器学习 | NA | 深度测序 | 深度学习模型 | DNA序列 | 未明确提及 | NA | 深度学习模型（未明确具体架构） | NA | NA |
| 1499 | 2026-05-06 |
A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109467
PMID:41764935
|
研究论文 | 开发了一种基于深度学习的自动化系统，用于在全景X光片上检测和分类与阻生第三磨牙相关的第二磨牙病变 | 提出增强型SMM-YOLOv8n模型，融合了Slim-Neck优化和多维注意力机制，显著优于基线YOLOv8模型 | 未在外部数据集上验证，且仅评估了内部测试集性能 | 开发自动化深度学习系统，提高第二磨牙病变诊断准确性并辅助临床决策 | 全景X光片中的第二磨牙与阻生第三磨牙 | 数字病理学 | 口腔疾病 | 全景X光成像 | CNN（卷积神经网络） | 图像 | 1170张全景X光片 | PyTorch | YOLOv8, SMM-YOLOv8n | mAP@50, precision, recall, F1-score | NA |
| 1500 | 2026-05-06 |
Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109456
PMID:41775013
|
综述 | 通过文献计量分析绘制口腔颌面外科中人工智能研究的现状、热点和新兴趋势 | 首次系统运用文献计量学方法对口腔颌面外科中人工智能研究进行全景分析，揭示从传统机器学习到深度学习与Transformer模型的范式转移，以及非影像应用（如路径分析和预后分析）作为新兴方向 | 仅基于Web of Science和Scopus数据库，可能遗漏其他来源文献；文献计量分析本身的局限性，无法深入评估每项研究的临床实用性 | 映射口腔颌面外科中人工智能研究的当前状态、热点和新兴趋势 | Web of Science核心合集和Scopus中关于人工智能和口腔颌面外科的出版物 | 自然语言处理, 机器翻译 | 头颈癌 | 文献计量分析 | Transformer | 文本 | 5267篇文献 | NA | Transformer | NA | NA |