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 32939 篇文献，本页显示第 15041 - 15060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15041 | 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 |
| 15042 | 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 |
| 15043 | 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 |
| 15044 | 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 |
| 15045 | 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 |
| 15046 | 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 |
| 15047 | 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 |
| 15048 | 2025-04-04 |
Smart insole-based abnormal gait identification: Deep sequential networks and feature ablation study
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251332999
PMID:40171146
|
research paper | 该研究利用智能鞋垫传感器数据，通过深度序列网络和特征消融研究，对九种步态（包括一种正常和八种异常步态）进行分类 | 结合多种传感器特征（压力信号、IMU数据等）进行步态分类，并通过消融研究验证不同特征组合的效果 | 未提及样本的多样性或跨数据集验证的局限性 | 开发高效的步态分类方法以评估行走能力 | 使用智能鞋垫传感器收集的步态数据 | digital health | gait-related disorders | 压力传感器和惯性测量单元（IMU） | deep sequential networks | sensor data（压力信号、IMU数据等） | 未明确提及具体样本数量，仅描述为受试者进行15米步行测试 | NA | NA | NA | NA |
| 15049 | 2025-04-04 |
Quantitative analysis of studies that use artificial intelligence on thyroid cancer: a 20-year bibliometric analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1525650
PMID:40171256
|
研究论文 | 通过文献计量分析评估人工智能在甲状腺癌领域的研究进展、热点和未来方向 | 首次对过去20年人工智能在甲状腺癌领域的应用进行全面的文献计量分析，揭示了研究热点和发展趋势 | 仅基于Web of Science数据库的文献，可能未涵盖所有相关研究 | 评估人工智能在甲状腺癌领域的应用现状和发展趋势 | 2004-2024年间发表的956篇关于人工智能在甲状腺癌中应用的文献 | 数字病理 | 甲状腺癌 | 文献计量分析 | NA | 文献数据 | 956篇文献 | NA | NA | NA | NA |
| 15050 | 2025-04-04 |
Knowledge graph and its application in the study of neurological and mental disorders
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1452557
PMID:40171303
|
综述 | 本文综述了知识图谱在神经和精神障碍研究中的应用，并探讨了医学知识图谱的现状及其面临的挑战 | 结合大数据和深度学习技术，探讨知识图谱在神经和精神障碍研究中的潜力 | 仍需克服知识图谱在医学领域应用中的障碍和限制 | 研究知识图谱在神经和精神障碍领域的应用及其潜力 | 神经障碍（如阿尔茨海默病和帕金森病）和精神障碍（如抑郁症和焦虑症） | 自然语言处理 | 神经和精神障碍 | 知识图谱（KG） | NA | 医学数据 | NA | NA | NA | NA | NA |
| 15051 | 2025-04-04 |
Bridging technology and ecology: enhancing applicability of deep learning and UAV-based flower recognition
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1498913
PMID:40171479
|
研究论文 | 本研究将无人机和深度学习技术应用于生态研究，特别是花卉识别，以简化这些技术的实际应用 | 更新目标检测工具箱至TensorFlow 2，提升性能并确保与新软件包的兼容性，同时评估了三种目标检测模型在无人机花卉图像上的应用潜力 | 在密集植被中检测花卉及应对环境变化方面仍存在挑战 | 增强深度学习和无人机技术在生态研究中的适用性，特别是花卉资源的监测 | 花卉丰富的草地无人机图像 | 计算机视觉 | NA | 无人机成像、深度学习 | Faster R-CNN, SSD, EfficientDet | 图像 | 两个无人机图像数据集 | NA | NA | NA | NA |
| 15052 | 2025-04-04 |
Multicenter investigation of preoperative distinction between primary central nervous system lymphomas and glioblastomas through interpretable artificial intelligence models
2024-Nov, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03451-7
PMID:39225815
|
research paper | 本研究通过可解释的人工智能模型，基于MRI图像对原发性中枢神经系统淋巴瘤（PCNSL）和胶质母细胞瘤（GBM）进行术前区分 | 结合了放射组学模型和深度学习模型，提出了最优的Max-Fusion模型，并利用SHAP和Grad-CAM进行可解释性分析 | 研究为回顾性分析，样本量相对有限（261例患者），且仅来自两个医疗中心 | 探索基于MRI的深度学习和放射组学模型在术前区分PCNSL和GBM中的有效性和适用性 | 261例PCNSL和GBM患者的MRI图像和临床数据 | digital pathology | brain tumor | MRI | MobileVIT, ConvNeXt, Max-Fusion Model | image | 261例患者（训练集153例，外部测试集108例） | NA | NA | NA | NA |
| 15053 | 2025-04-04 |
Evaluating Deep Learning Techniques for Detecting Aneurysmal Subarachnoid Hemorrhage: A Comparative Analysis of Convolutional Neural Network and Transfer Learning Models
2024-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.04.168
PMID:38710407
|
研究论文 | 本研究评估了卷积神经网络（CNN）和基于CNN的迁移学习模型在区分动脉瘤性蛛网膜下腔出血（SAH）和非动脉瘤性SAH中的有效性 | 采用迁移学习方法缓解了传统技术的时间限制，并展示了优越的性能 | NA | 评估深度学习技术在SAH检测中的有效性 | 动脉瘤性SAH和非动脉瘤性SAH患者 | 数字病理学 | 心血管疾病 | 深度学习 | CNN, Inception-V3, EfficientNetB4 | 医学影像 | 203名患者（123名动脉瘤性SAH和80名非动脉瘤性SAH），共23,393张DICOM图像 | NA | NA | NA | NA |
| 15054 | 2025-04-04 |
Deepdefense: annotation of immune systems in prokaryotes using deep learning
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae062
PMID:39388605
|
研究论文 | 使用深度学习对原核生物中的免疫系统进行注释和分类 | 开发了名为Deepdefense的算法，通过深度学习模型预测免疫系统相关蛋白，并结合校准方法提高准确性，能够识别已知和潜在的新型免疫系统蛋白 | 现有方法通常基于封闭世界假设，而基因组学中新样本的出现可能超出训练数据范围 | 开发一种自动检测和分类原核生物免疫系统蛋白的算法 | 原核生物（古菌和细菌）的免疫系统蛋白 | 机器学习 | NA | 深度学习 | 神经网络 | 基因组数据 | NA | NA | NA | NA | NA |
| 15055 | 2025-04-04 |
Accurate prediction of protein tertiary structural changes induced by single-site mutations with equivariant graph neural networks
2023-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.03.560758
PMID:37873289
|
research paper | 开发了一种基于等变图神经网络（EGNN）的深度学习方法，用于直接预测单点突变引起的蛋白质三级结构变化 | 首次使用等变图神经网络（EGNN）直接预测单点突变引起的蛋白质三级结构变化，并显著优于广泛使用的蛋白质结构预测方法AlphaFold | 未提及该方法在复杂突变或多点突变情况下的表现 | 研究蛋白质单点突变引起的三级结构变化 | 蛋白质及其单点突变体 | machine learning | NA | equivariant graph neural networks (EGNN) | EGNN | protein tertiary structure data | NA | NA | NA | NA | NA |
| 15056 | 2025-04-04 |
Rapid 3D T1 mapping using deep learning-assisted Look-Locker inversion recovery MRI
2023-08, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29672
PMID:37125662
|
研究论文 | 提出了一种基于深度学习的快速3D T1映射方法，无需延迟时间即可进行MRI成像 | 利用深度学习学习T1*到T1的转换，消除了传统方法中需要的延迟时间，从而缩短了扫描时间 | 训练数据仅包含39个GraspT1-TD6数据集和14个GraspT1-TD0数据集，样本量相对较小 | 开发一种更高效和稳健的3D LLIR T1映射方法 | MRI成像中的T1映射 | 医学影像分析 | NA | 深度学习辅助的Look-Locker反转恢复MRI | 深度学习模型 | MRI图像 | 39个GraspT1-TD6数据集和14个GraspT1-TD0数据集 | NA | NA | NA | NA |
| 15057 | 2025-04-04 |
Machine Learning for Adrenal Gland Segmentation and Classification of Normal and Adrenal Masses at CT
2023-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.220101
PMID:36125375
|
研究论文 | 本研究开发了一种机器学习算法，用于在增强CT图像上分割肾上腺并分类正常和含肿块的肾上腺 | 提出了一种两阶段的机器学习流程，能够自动分割肾上腺并区分正常肾上腺和含肿块的肾上腺 | 在二次测试集上的分类敏感性较低（69%） | 开发一种用于肾上腺分割和分类的机器学习算法 | 增强CT图像中的肾上腺 | 计算机视觉 | 肾上腺疾病 | 深度学习 | 深度学习分割和分类模型 | CT图像 | 开发数据集包含274例CT检查（251名患者），二次测试集包含991例CT检查（991名患者） | NA | NA | NA | NA |
| 15058 | 2025-04-04 |
Detecting negative valence symptoms in adolescents based on longitudinal self-reports and behavioral assessments
2022-09-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2022.06.002
PMID:35688394
|
research paper | 该研究提出了一种纵向深度学习框架，用于检测青少年负价症状的自我报告和行为评估 | 利用深度学习框架识别与负价系统相关的抑郁症状预测因子，包括外向性较低、睡眠质量较差、执行控制功能受损和物质使用相关因素 | 结果主要依赖于自我报告测量，未提供潜在神经相关性的信息，且需要更大的样本来理解性别和其他人口统计学因素在负价症状风险中的作用 | 理解青少年负价症状的轨迹及其对成年后心理健康的影响 | 621名12至17岁的青少年参与者 | machine learning | depression | deep learning | NA | self-reports and behavioral assessments | 621名参与者 | NA | NA | NA | NA |
| 15059 | 2025-04-04 |
DRTOP
: deep learning-based radiomics for the time-to-event outcome prediction in lung cancer
2020-07-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-69106-8
PMID:32703973
|
研究论文 | 提出了一种基于深度学习的放射组学模型DRTOP，用于预测肺癌患者的时间-事件结果 | DRTOP模型直接处理原始图像，无需预先定义特征或精确肿瘤分割，提高了预测效率和准确性 | 研究样本量较小（132例肺癌患者），且为内部数据集，可能需要更大规模的外部验证 | 开发深度学习模型以预测肺癌患者的生存和复发时间 | 肺癌患者 | 数字病理学 | 肺癌 | 深度学习放射组学 | 深度学习模型（未指定具体架构） | CT和PET医学影像 | 132例肺癌患者 | NA | NA | NA | NA |
| 15060 | 2025-04-03 |
CabriTrack: Accelerometer data for automated behavioural monitoring of grazing Creole goats
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111431
PMID:40160528
|
研究论文 | 介绍了一个名为CabriTrack的数据集，用于通过加速度计数据自动监测克雷奥尔山羊的放牧行为 | 提供了一个包含144小时以上三轴加速度计数据的数据集，用于训练和评估基于加速度数据的行为预测方法 | 数据集仅针对克雷奥尔山羊，且行为分类有限（五种行为） | 开发自动化动物行为监测方法 | 克雷奥尔山羊的放牧行为 | 机器学习 | NA | 加速度计数据采集和AI行为预测 | NA | 加速度计数据和视频数据 | 59只不同的动物，数据收集时间为2023年3月至2024年3月 | NA | NA | NA | NA |