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 15261 - 15280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15261 | 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 |
| 15262 | 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 |
| 15263 | 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 |
| 15264 | 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 |
| 15265 | 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 |
| 15266 | 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 |
| 15267 | 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 |
| 15268 | 2025-03-16 |
Integration of Hyperspectral Imaging and Deep Learning for Discrimination of Fumigated Lilies and Prediction of Quality Indicator Contents
2025-Feb-27, Foods (Basel, Switzerland)
DOI:10.3390/foods14050825
PMID:40077527
|
研究论文 | 本文结合高光谱成像和深度学习技术，用于快速预测百合的营养质量，并区分硫磺熏蒸模式 | 首次将CLSTM模型与高光谱成像结合，用于百合营养质量的快速预测和硫磺熏蒸模式的区分 | 未提及样本量的具体数量，可能影响模型的泛化能力 | 提高百合产品的质量评估和营养完整性 | 百合 | 计算机视觉 | NA | 高光谱成像 | CLSTM (卷积神经网络-长短期记忆网络) | 图像 | 未提及具体数量 | NA | NA | NA | NA |
| 15269 | 2025-03-16 |
HeartEnsembleNet: An Innovative Hybrid Ensemble Learning Approach for Cardiovascular Risk Prediction
2025-Feb-26, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare13050507
PMID:40077069
|
研究论文 | 本文提出了一种名为HeartEnsembleNet的新型混合集成学习模型，用于心血管疾病风险预测，并在70,000名心脏病患者的数据集上进行了评估 | 提出了一种新的混合集成学习模型HeartEnsembleNet，结合了多种机器学习分类器，显著提高了心血管疾病风险预测的准确性 | 未提及模型的泛化能力及在其他数据集上的表现 | 提高心血管疾病风险预测的准确性 | 70,000名心脏病患者 | 机器学习 | 心血管疾病 | 集成学习 | HeartEnsembleNet, SVM, GB, DT, LR, KNN, RF, HRFLM | 临床数据 | 70,000名心脏病患者 | NA | NA | NA | NA |
| 15270 | 2025-03-16 |
Breast Cancer Detection via Multi-Tiered Self-Contrastive Learning in Microwave Radiometric Imaging
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050549
PMID:40075796
|
研究论文 | 本文提出了一种名为J-MWR的分层自对比模型，用于分析微波辐射成像（MWR）数据，以提高乳腺癌的早期和准确检测 | J-MWR模型通过比较个体内部两个乳房相应子区域的温度变化，而非跨样本比较，来检测可能指示潜在问题的细微热异常 | NA | 提高乳腺癌的早期和准确检测 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 微波辐射成像（MWR） | 分层自对比模型（J-MWR） | 温度数据 | 4932名患者 | NA | NA | NA | NA |
| 15271 | 2025-03-16 |
An Integrated Deep Learning Model with EfficientNet and ResNet for Accurate Multi-Class Skin Disease Classification
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050551
PMID:40075797
|
研究论文 | 本文提出了一种结合EfficientNet和ResNet的深度学习模型，用于准确的多类皮肤疾病分类 | 创新点在于融合了三种卷积神经网络（EfficientNet-B0、EfficientNet-B2和ResNet50），通过独立分支操作提取详细特征，并通过融合机制进行特征传递和降维 | 未提及具体局限性 | 研究目标是创建一个融合级深度学习模型，以提高皮肤疾病分类的稳定性和性能 | 研究对象为皮肤疾病图像数据，包括白血病、早期皮肤癌、良性肿瘤和其他皮肤疾病 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN（EfficientNet-B0、EfficientNet-B2、ResNet50） | 图像 | 27,153张图像，来自Kaggle皮肤疾病图像数据集，分为训练集（80%）、验证集（10%）和测试集（10%） | NA | NA | NA | NA |
| 15272 | 2025-03-16 |
Detection of Gallbladder Disease Types Using a Feature Engineering-Based Developed CBIR System
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050552
PMID:40075799
|
研究论文 | 本文介绍了一种基于特征工程开发的内容基于图像检索（CBIR）系统，用于早期检测和诊断胆囊疾病 | 提出的CBIR模型结合了三种不同预训练架构的特征提取，并在六种不同模型中取得了成功的结果，AP值达到0.94 | 研究未提及样本的具体数量及多样性，可能影响模型的泛化能力 | 开发一种能够早期检测和诊断胆囊疾病的AI系统 | 胆囊疾病 | 计算机视觉 | 胆囊疾病 | 内容基于图像检索（CBIR） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 15273 | 2025-03-16 |
SADASNet: A Selective and Adaptive Deep Architecture Search Network with Hyperparameter Optimization for Robust Skin Cancer Classification
2025-Feb-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050541
PMID:40075789
|
研究论文 | 本文提出了一种基于元启发式优化的深度学习方法SADASNet，用于多类皮肤癌分类，旨在提高诊断准确性并降低计算复杂度 | SADASNet方法结合了粒子群优化技术，创新性地解决了超参数优化问题，并应用了数据增强技术以克服类别不平衡问题 | NA | 提高皮肤癌分类的准确性并降低计算复杂度 | 皮肤癌 | 计算机视觉 | 皮肤癌 | 粒子群优化（PSO） | SADASNet | 图像 | HAM10000数据集 | NA | NA | NA | NA |
| 15274 | 2025-03-16 |
A Multi-Agent and Attention-Aware Enhanced CNN-BiLSTM Model for Human Activity Recognition for Enhanced Disability Assistance
2025-Feb-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050537
PMID:40075785
|
研究论文 | 本文提出了一种新颖的三阶段特征集成策略，结合深度学习和机器学习，用于准确自动分类人类活动识别，以增强残疾辅助技术 | 通过增强最先进的卷积神经网络（CNN）和双向长短期记忆（BiLSTM）模型，结合选择性机器学习分类器和注意力机制，开发了一种独特的活动检测方法 | NA | 增强残疾辅助技术，包括跌倒检测、康复进度跟踪和个性化运动模式分析 | 人类活动识别 | 机器学习 | 残疾 | 深度学习（DL）和机器学习（ML） | CNN, BiLSTM, Attention-CNN-BiLSTM | 活动数据 | 公开可用的数据集（UCI-HAR数据集和WISDM） | NA | NA | NA | NA |
| 15275 | 2025-03-16 |
Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics
2025-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202408353
PMID:39497614
|
研究论文 | 本文介绍了一种新型的无标记细胞分选方法，结合深度学习图像识别和微流体操作，基于细胞形态进行分选 | 该方法首次将YOLOv8目标检测模型与Safe Interval Path Planning算法结合，用于数字微流控平台上的细胞分选，实现了高精度和高纯度的分选效果 | 实验样本仅限于HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞，未涉及更广泛的细胞类型 | 开发一种高效、无标记的细胞分选技术，以推动细胞生物学的基础研究和临床应用 | HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞 | 数字病理学 | NA | 数字微流控技术（AM-DMF） | YOLOv8 | 图像 | HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞 | NA | NA | NA | NA |
| 15276 | 2025-10-07 |
An artificial intelligence-driven scoring system to measure histological disease activity in ulcerative colitis
2024-10, United European gastroenterology journal
IF:5.8Q1
DOI:10.1002/ueg2.12562
PMID:38590110
|
研究论文 | 开发了一种基于人工智能的评分系统，用于测量溃疡性结肠炎的组织学疾病活动度 | 首次将人工智能系统应用于基于Nancy指数的溃疡性结肠炎组织学疾病活动度评估 | 样本量相对较小（200张图像），需要更大规模验证 | 开发能够自动评估溃疡性结肠炎组织学疾病活动度的人工智能系统 | 溃疡性结肠炎患者的组织学图像 | 数字病理学 | 溃疡性结肠炎 | 图像处理，深度学习，特征提取 | 深度学习 | 组织学图像 | 200张溃疡性结肠炎组织学图像 | NA | NA | 组内相关系数 | NA |
| 15277 | 2025-03-16 |
Deep-learning generated B-line score mirrors clinical progression of disease for patients with heart failure
2024-Sep-16, The ultrasound journal
DOI:10.1186/s13089-024-00391-4
PMID:39283362
|
研究论文 | 本研究探讨了深度学习算法生成的B线严重程度评分与肺充血和疾病严重程度之间的关系，并评估了治疗过程中评分的变化 | 利用深度学习算法生成B线评分，为临床提供了一种客观评估肺充血和疾病严重程度的方法 | B线评分与Rothman指数无显著关联，可能限制了其在某些临床评估中的应用 | 确定深度学习生成的B线评分是否与肺充血和疾病严重程度相关，并评估治疗过程中的评分变化 | 疑似充血性心力衰竭的患者 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习算法 | 超声图像 | 110名独特受试者（3379个超声片段） | NA | NA | NA | NA |
| 15278 | 2025-03-16 |
CryoSamba: self-supervised deep volumetric denoising for cryo-electron tomography data
2024-Aug-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.11.603117
PMID:39071256
|
研究论文 | 本文介绍了CryoSamba，一种基于自监督深度学习的模型，用于去噪冷冻电子断层扫描（cryo-ET）图像 | CryoSamba通过深度学习插值平均运动补偿的邻近平面，模仿增加曝光，增强连贯信号并减少高频噪声，显著提高断层扫描对比度和信噪比，且无需预录图像、合成数据、标签或注释、噪声模型或配对体积 | NA | 提高冷冻电子断层扫描图像的信噪比和对比度，以便更好地进行3D断层扫描视觉解释 | 冷冻电子断层扫描图像 | 计算机视觉 | NA | 深度学习 | 自监督深度学习模型 | 3D体积图像 | NA | NA | NA | NA | NA |
| 15279 | 2025-10-07 |
Epiretinal membranes in patients with uveitis: an update on the current state of management
2024-Jun-28, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03199-2
PMID:38940960
|
综述 | 总结葡萄膜炎患者中视网膜前膜的临床特征、诊断方法和治疗策略的最新进展 | 整合了OCT生物标志物、深度学习和机器人手术等新兴技术在视网膜前膜管理中的应用前景 | 缺乏统一疾病模型，治疗方法存在争议且需个体化考量 | 更新葡萄膜炎相关视网膜前膜的临床管理知识体系 | 葡萄膜炎患者的视网膜前膜 | 数字病理 | 葡萄膜炎 | OCT成像技术 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 15280 | 2025-03-15 |
Deep learning the flow law of Antarctic ice shelves
2025-Mar-14, Science (New York, N.Y.)
DOI:10.1126/science.adp3300
PMID:40080586
|
研究论文 | 本研究利用遥感数据和物理信息深度学习，揭示了南极冰架流动规律及其粘度结构 | 首次通过深度学习方法揭示了南极冰架在压缩区和扩展区的流动规律，并构建了冰架范围的各向异性粘度图 | 研究结果依赖于遥感数据，可能存在数据精度和覆盖范围的限制 | 研究南极冰架的流动规律和粘度结构，以预测南极冰盖的未来质量损失 | 南极冰架 | 机器学习 | NA | 物理信息深度学习 | 深度学习 | 遥感数据 | 多个冰架的数据 | NA | NA | NA | NA |