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 15241 - 15260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15241 | 2025-03-17 |
Self-training EEG discrimination model with weakly supervised sample construction: An age-based perspective on ASD evaluation
2025-Mar-10, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107337
PMID:40088831
|
研究论文 | 本研究开发了一个名为STEM的自训练EEG判别模型框架，用于在标记样本有限的情况下优化自闭症谱系障碍（ASD）的评估 | STEM框架通过自训练模型和伪标签样本构建，解决了标记样本有限和个体差异的问题，特别是在ASD评估中表现出色 | 研究主要依赖于有限的标记样本，且样本来自ASD可疑儿童，可能限制了模型的泛化能力 | 优化EEG判别模型，提高ASD评估的准确性和适应性 | 自闭症谱系障碍（ASD）可疑儿童的静息态EEG数据 | 脑机接口 | 自闭症谱系障碍 | 自训练模型，伪标签样本构建 | AutoEncoder, BiGRU, 多任务学习模型（MAC） | EEG数据 | 175名不同年龄组的ASD可疑儿童 | NA | NA | NA | NA |
| 15242 | 2025-10-07 |
Toward understanding the role of genomic repeat elements in neurodegenerative diseases
2025-Mar-01, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-23-01568
PMID:38886931
|
综述 | 本文综述了基因组重复元件在神经退行性疾病中的作用及其分子机制 | 系统探讨了长读长测序技术和深度学习语言模型在解析重复元件变异功能影响中的创新应用 | NA | 理解基因组重复元件在神经退行性疾病中的角色 | 基因组重复元件变异 | 自然语言处理 | 神经退行性疾病 | 全基因组关联研究, 靶向测序, 长读长测序技术 | 深度学习语言模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 15243 | 2025-03-17 |
Can artificial intelligence lower the global sudden cardiac death rate? A narrative review
2025 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
综述 | 本文探讨了人工智能在预测和预防心脏骤停中的作用和应用 | 综述了人工智能、机器学习和深度学习在心脏骤停风险分层中的显著前景，并提出了未来研究的方向 | 当前的人工智能技术尚未得到充分的训练和测试，需要进一步研究可解释性技术、更大的样本量、外部验证、更多样化的患者样本、多模态工具、伦理和偏见缓解 | 探索人工智能在预测和预防心脏骤停中的作用和应用 | 心脏骤停 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 15244 | 2025-03-17 |
The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study
2025-Mar, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.01.011
PMID:39890480
|
研究论文 | 本研究探讨了基于深度学习的自动检测算法（DLAD）在胸部X光片（CXR）解释中用于肺癌早期诊断的效果 | 研究表明AI软件在检测CXR上最初未被发现的肺癌方面表现出色，并有可能提高肺癌检测率并缩短诊断时间 | 研究中存在假阳性率较高的问题，且样本量相对较小 | 评估AI软件在肺癌诊断中的临床有效性 | 105名肺癌患者和103名阴性对照的CXR和胸部CT扫描 | 数字病理 | 肺癌 | 深度学习 | DLAD | 图像 | 208名患者的320张CXR | NA | NA | NA | NA |
| 15245 | 2025-03-17 |
The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy
2025-Mar, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.01.016
PMID:39892051
|
研究论文 | 本文探讨了使用深度学习在放射治疗中自动校正患者定位错误的可行性 | 利用神经网络对获取的端口图像（PFIs）和数字重建放射影像（DRRs）进行自动校正，展示了AI在放射治疗中的潜在应用 | 需要进一步研究以验证该方法在临床实践中的有效性 | 探索人工智能在辅助放射治疗患者定位校正中的应用 | 接受放射治疗的脑部和气道消化道恶性肿瘤患者 | 数字病理 | 脑癌, 气道消化道恶性肿瘤 | 神经网络 | 神经网络 | 图像 | 156名患者（96名气道消化道恶性肿瘤患者，60名脑肿瘤患者） | NA | NA | NA | NA |
| 15246 | 2025-10-07 |
A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103732
PMID:39826393
|
研究论文 | 本研究开发并验证了一种基于深度学习的3D-DenseNet模型，用于通过CT灌注成像分类后循环梗死，并与专家临床医生小组进行性能比较 | 首次将3D-DenseNet应用于后循环梗死的CT灌注成像分类，并系统比较了深度学习模型与专家临床医生的诊断性能 | 研究基于特定患者队列（1:3的POCI与参考比例），结果可能受限于样本选择和临床环境差异 | 开发并验证深度学习模型在分类后循环梗死方面的应用，解决专科医生资源有限的问题 | 来自国际卒中灌注登记处（INSPIRE）的541名患者 | 医学影像分析 | 后循环梗死 | CT灌注成像，多模态CT | CNN | 医学影像 | 541名患者 | NA | 3D-DenseNet | AUC, 敏感性, 特异性, 准确率, 精确率, Fleiss-Kappa统计量 | NA |
| 15247 | 2025-10-07 |
DeepSeeded: Volumetric Segmentation of Dense Cell Populations with a Cascade of Deep Neural Networks in Bacterial Biofilm Applications
2024-Mar-15, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2023.122094
PMID:38646063
|
研究论文 | 提出一种名为DeepSeeded的新型3D细胞分割方法，通过级联深度学习架构改进密集细胞群体的体积分割 | 提出级联深度学习架构，结合欧几里得距离变换增强细胞内部和边界信息，并通过体素级分类检测细胞种子 | 主要针对密集细胞群体（如细菌生物膜）的分割，在其他细胞类型上的适用性未验证 | 开发精确的3D细胞自动分割方法以量化细胞属性 | 细菌生物膜中的密集细胞群体 | 计算机视觉 | NA | 显微镜成像 | 级联深度学习架构 | 3D显微镜图像 | 合成数据集和两个真实生物膜数据集 | NA | 级联神经网络 | 分割精度 | NA |
| 15248 | 2025-03-16 |
Fast and reliable probabilistic reflectometry inversion with prior-amortized neural posterior estimation
2025-Mar-14, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adr9668
PMID:40085716
|
研究论文 | 本文提出了一种新的概率深度学习方法，用于快速可靠地从X射线或中子散射测量中重建薄膜和多层结构 | 提出了一种名为PANPE（先验摊销神经后验估计）的新方法，结合了基于模拟的推理和自适应先验，能够在几秒钟内识别所有现实结构 | 未明确提及具体限制 | 提高从反射测量数据中重建薄膜和多层结构的可靠性和计算效率 | 薄膜和多层结构 | 物理学 | NA | 反射测量 | PANPE（先验摊销神经后验估计） | X射线或中子散射测量数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 15249 | 2025-03-16 |
Deep learning models in classifying primary bone tumors and bone infections based on radiographs
2025-Mar-13, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00855-3
PMID:40074845
|
研究论文 | 本研究开发了一种集成深度学习框架，用于基于X光片准确区分原发性骨肿瘤和骨感染 | 提出了一种集成深度学习框架，结合多中心X光片和广泛的临床特征，提高了诊断准确性 | 研究依赖于特定数据集，可能无法完全推广到其他医疗环境 | 提高原发性骨肿瘤和骨感染的诊断精度 | 原发性骨肿瘤和骨感染 | 计算机视觉 | 骨肿瘤 | 深度学习 | EfficientNet B3, EfficientNet B4, Vision Transformer, Swin Transformers | X光片 | 外部数据集423例，内部数据集1044例（训练集）、354例（测试集）、171例（验证集） | NA | NA | NA | NA |
| 15250 | 2025-03-16 |
AI in Histopathology Explorer for comprehensive analysis of the evolving AI landscape in histopathology
2025-Mar-12, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01524-2
PMID:40074858
|
研究论文 | 本文介绍了AI在组织病理学中的应用探索器（HistoPathExplorer），一个实时在线资源，用于评估AI在特定临床任务中的应用现状、分析其性能并探索影响其转化为实践的因素 | 开发了一个交互式仪表板HistoPathExplorer，提供了一个实时在线资源，用于评估AI在组织病理学中的应用现状，并定义了一个质量指数来评估已发表AI方法的全面性 | 未明确提及具体的研究限制 | 深入了解应用于组织病理学数据的深度学习算法方法，并评估其在不同任务中的表现，以开发下一代AI技术 | 组织病理学数据 | 数字病理学 | 癌症 | 深度学习算法 | NA | 组织病理学数据 | NA | NA | NA | NA | NA |
| 15251 | 2025-03-16 |
Fine-Tuned Machine Learning Classifiers for Diagnosing Parkinson's Disease Using Vocal Characteristics: A Comparative Analysis
2025-Mar-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050645
PMID:40075891
|
研究论文 | 本文通过优化机器学习算法，利用声音特征对帕金森病进行分类，旨在提供一种非侵入性且易于访问的诊断工具 | 结合先进的特征选择技术和超参数优化策略，提升基于声音特征的机器学习诊断帕金森病的性能，特别是堆叠模型通过网格搜索调优表现出最佳性能 | 未来研究可关注深度学习方法和时间特征整合，以进一步提高诊断准确性和临床应用的扩展性 | 评估优化后的机器学习算法在基于声音特征分类帕金森病中的有效性 | 188名帕金森病患者和64名对照者的声音样本 | 机器学习 | 帕金森病 | 贝叶斯优化、网格搜索、随机搜索 | SVM、k-NN、DT、NN、集成模型、堆叠模型 | 声音数据 | 252人（188名患者和64名对照者） | NA | NA | NA | NA |
| 15252 | 2025-03-16 |
Secure Hybrid Deep Learning for MRI-Based Brain Tumor Detection in Smart Medical IoT Systems
2025-Mar-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050639
PMID:40075886
|
研究论文 | 本文提出了一种结合混沌和Arnold加密技术与混合深度学习模型的自动化MRI图像分类系统，用于智能医疗物联网系统中的脑肿瘤检测 | 结合混沌和Arnold加密技术，确保MRI图像的机密性，同时不降低脑肿瘤分类的准确性 | 未提及具体的研究局限性 | 开发一种安全且自动化的MRI图像分类系统，用于脑肿瘤检测 | MRI图像 | 计算机视觉 | 脑肿瘤 | 混沌加密、Arnold加密 | VGG16、深度神经网络（DNN） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 15253 | 2025-03-16 |
Exploring the Role of Artificial Intelligence (AI)-Driven Training in Laparoscopic Suturing: A Systematic Review of Skills Mastery, Retention, and Clinical Performance in Surgical Education
2025-Mar-06, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare13050571
PMID:40077133
|
系统综述 | 本文系统综述了人工智能（AI）驱动的培训系统在腹腔镜缝合技能掌握、长期保持和临床表现方面的作用 | 本文创新性地评估了AI在腹腔镜缝合培训中的应用，特别是深度学习、动作捕捉和视频分割等机器学习技术的优势和局限性 | AI在准确性、可扩展性和集成方面仍存在局限性，需要进一步的大规模高质量研究来完善这些工具 | 评估AI在腹腔镜缝合技能获取、长期保持和临床表现方面的影响 | 腹腔镜缝合培训中的机器学习技术 | 机器学习 | NA | 深度学习、动作捕捉、视频分割 | NA | 视频、动作数据 | 33项研究符合纳入标准 | NA | NA | NA | NA |
| 15254 | 2025-03-16 |
Comparing and Combining Artificial Intelligence and Spectral/Statistical Approaches for Elevating Prostate Cancer Assessment in a Biparametric MRI: A Pilot Study
2025-Mar-05, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050625
PMID:40075871
|
研究论文 | 本研究比较并结合了人工智能和光谱/统计方法，以提升双参数MRI中前列腺癌评估的准确性 | 首次将自监督网格网络（Z-SSMNet）与光谱/统计方法结合，用于前列腺癌评估 | 样本量较小（42名患者），且深度学习/人工智能方法表现不如光谱/统计方法 | 评估和改进光谱/统计方法，结合人工智能提升前列腺癌评估准确性 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习（DL），光谱/统计方法 | Z-SSMNet（自监督网格网络） | MRI图像 | 42名患者 | NA | NA | NA | NA |
| 15255 | 2025-03-16 |
Explainable Artificial Intelligence in Neuroimaging of Alzheimer's Disease
2025-Mar-04, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050612
PMID:40075859
|
综述 | 本文探讨了可解释人工智能（XAI）在阿尔茨海默病（AD）神经影像学中的应用 | 强调了XAI在提高AI模型透明度和临床适用性方面的创新，特别是在AD诊断中的应用 | 当前挑战包括数据集限制、监管问题和标准化问题 | 改进XAI在临床实践中的整合，以优化AD诊断和个性化治疗策略 | 阿尔茨海默病（AD）的神经影像数据 | 神经影像学 | 阿尔茨海默病 | SHAP, LIME, Grad-CAM, Layer-wise Relevance Propagation (LRP) | 深度学习, 机器学习 | MRI, PET影像 | NA | NA | NA | NA | NA |
| 15256 | 2025-03-16 |
Enhancing Lymph Node Metastasis Risk Prediction in Early Gastric Cancer Through the Integration of Endoscopic Images and Real-World Data in a Multimodal AI Model
2025-Mar-03, Cancers
IF:4.5Q1
DOI:10.3390/cancers17050869
PMID:40075715
|
研究论文 | 本研究旨在开发和验证一种基于深度学习的临床决策支持系统（CDSS），用于预测早期胃癌（EGC）中的淋巴结转移（LNM）和淋巴血管侵犯（LVI） | 通过整合内镜图像、人口统计数据、活检病理和CT检查结果，开发了一种基于Transformer的多模态AI模型，显著提高了LNM/LVI的预测准确性 | 研究依赖于多机构数据，可能存在数据异质性问题，且外部验证样本量相对较小 | 提高早期胃癌中淋巴结转移和淋巴血管侵犯的预测准确性，以指导治疗策略 | 早期胃癌患者 | 数字病理 | 胃癌 | 深度学习 | Transformer, CNN, 随机森林 | 图像, 人口统计数据, 活检病理, CT检查结果 | 2927名患者（训练集），449名患者（内部验证集），766名患者（外部验证集） | NA | NA | NA | NA |
| 15257 | 2025-03-16 |
Clinical value of aortic arch morphology in transfemoral TAVR: artificial intelligence evaluation
2025-Mar-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002232
PMID:39869394
|
研究论文 | 本研究利用人工智能算法评估主动脉弓形态对经股动脉导管主动脉瓣置换术（TF-TAVR）患者临床结果的影响 | 首次使用深度学习评估主动脉弓形态对TF-TAVR患者临床结果的影响，并构建了预测模型 | 研究为回顾性研究，可能存在选择偏倚 | 评估主动脉弓形态对TF-TAVR患者临床结果的影响 | 接受TF-TAVR的患者 | 数字病理学 | 心血管疾病 | 深度学习，机器学习 | 随机森林，逻辑回归 | 医学影像 | 1480名连续接受TF-TAVR的患者 | NA | NA | NA | NA |
| 15258 | 2025-03-16 |
Assessing Image Quality in Multiplexed Sensitivity-Encoding Diffusion-Weighted Imaging with Deep Learning-Based Reconstruction in Bladder MRI
2025-Feb-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050595
PMID:40075842
|
研究论文 | 本研究比较了传统多路复用灵敏度编码扩散加权成像（MUSE-DWI）与深度学习MUSE-DWI在膀胱MRI中的图像质量，并应用了供应商特定的深度学习（DL）重建技术 | 首次将基于CNN的深度学习算法应用于MUSE-DWI，显著提高了图像质量，特别是在病变清晰度和信号质量方面 | 研究为回顾性研究，样本量较小（57例患者），且仅针对膀胱肿块，可能限制了结果的普遍性 | 评估深度学习重建技术在膀胱MRI中的图像质量 | 57例膀胱肿块患者 | 医学影像 | 膀胱癌 | 多路复用灵敏度编码扩散加权成像（MUSE-DWI） | CNN | MRI图像 | 57例膀胱肿块患者 | NA | NA | NA | NA |
| 15259 | 2025-03-16 |
Automatic Detection of Radiographic Alveolar Bone Loss in Bitewing and Periapical Intraoral Radiographs Using Deep Learning Technology: A Preliminary Evaluation
2025-Feb-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050576
PMID:40075823
|
研究论文 | 本研究评估了使用深度学习技术（Denti.AI）在口腔内X光片中自动检测放射学牙槽骨丢失（RBL）的诊断准确性 | 利用FDA批准的Denti.AI软件，通过卷积神经网络（CNNs）提高RBL检测的准确性，支持临床决策 | 尽管在根尖片上的表现稳健，但在咬翼片上的准确性有待进一步优化 | 评估Denti.AI在口腔内X光片中检测RBL的诊断准确性 | 39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面 | 数字病理 | 牙周病 | 深度学习 | CNN | 图像 | 39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面 | NA | NA | NA | NA |
| 15260 | 2025-03-16 |
Enhanced Multi-Class Breast Cancer Classification from Whole-Slide Histopathology Images Using a Proposed Deep Learning Model
2025-Feb-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050582
PMID:40075829
|
研究论文 | 本文提出了一种基于DenseNet121的深度学习模型，用于乳腺癌的检测和多类别分类 | 提出的模型在二分类和多分类任务中均达到了最先进的性能，特别是在区分良性和恶性肿瘤以及分类特定恶性肿瘤亚型方面表现优异 | NA | 提高乳腺癌从组织学照片中的准确分类，以辅助诊断和有效治疗计划 | 乳腺癌 | 数字病理学 | 乳腺癌 | 深度学习 | DenseNet121 | 图像 | 使用BreakHis数据集中的全切片组织病理学图像 | NA | NA | NA | NA |