深度学习在生物医药领域中的应用
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，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10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 26055 篇文献，本页显示第 1521 - 1540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1521 | 2025-05-27 |
Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture
2025-May-05, ArXiv
PMID:40386573
|
research paper | 该研究开发了一种基于U-Net架构的卷积神经网络（CNN）代理模型，用于加速Cellular-Potts模型（CPM）的模拟评估 | 利用U-Net神经网络架构作为CPM的代理模型，显著提高了模拟评估速度（加速590倍），并有效捕捉了原始CPM的涌现行为 | 未明确提及具体限制，但可能包括模型泛化能力和对不同生物过程的适应性 | 开发高效的深度学习代理模型，以加速计算密集型的Cellular-Potts模型模拟 | Cellular-Potts模型（CPM）及其在血管生成研究中的应用 | machine learning | NA | 卷积神经网络（CNN），U-Net架构 | U-Net | 模拟数据 | NA |
| 1522 | 2025-05-27 |
Development and validation of a user-friendly prediction tool for preoperative T-Staging in gallbladder Cancer: A multicenter study using contrast-enhanced CT-Based fusion models
2025-May-02, 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.2025.110117
PMID:40412011
|
研究论文 | 开发并验证了一种基于对比增强CT的融合模型，用于胆囊癌术前T分期的用户友好预测工具 | 结合了放射组学和深度学习特征，开发了加权GBCT模型（wGBCT），并通过用户友好工具实现高预测准确性 | 研究为回顾性设计，样本量相对较小（189例患者） | 提高胆囊癌术前T分期的准确性，以支持手术规划 | 胆囊癌患者 | 数字病理 | 胆囊癌 | 对比增强CT、放射组学、深度学习 | 融合模型（Rad+DL）、加权GBCT模型（wGBCT） | 医学影像（CT）、临床数据 | 189例胆囊癌患者（111例训练集，48例内部验证集，30例时间验证集） |
| 1523 | 2025-05-27 |
Recent topics in musculoskeletal imaging focused on clinical applications of AI: How should radiologists approach and use AI?
2025-May, La Radiologia medica
DOI:10.1007/s11547-024-01947-z
PMID:39992330
|
综述 | 本文讨论了人工智能在肌肉骨骼成像领域的临床应用，包括图像生成和自动化诊断支持 | 聚焦于深度学习重建和基于MRI的皮质骨成像的临床应用，以及AI在罕见疾病诊断和预防医学中的角色 | 未提及具体的技术限制或研究样本量的限制 | 探讨人工智能在肌肉骨骼成像领域的应用及其对放射科医生的影响 | 肌肉骨骼成像和AI技术在放射学中的应用 | 数字病理 | 肌肉骨骼疾病 | MRI, 深度学习 | 深度学习 | 图像 | NA |
| 1524 | 2025-05-27 |
Hybrid Electromagnetic-Triboelectric Hip Energy Harvester for Wearables and AI-Assisted Motion Monitoring
2025-May, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202500643
PMID:40190045
|
研究论文 | 本文介绍了一种AI辅助的可穿戴髋关节能量采集器（HJEH），用于将髋关节运动的机械能转化为电能并监测人体运动 | 结合电磁发电机（EMG）和独立式摩擦电纳米发电机（FS-TENG）实现能量采集与运动监测，并采用深度学习算法处理摩擦电信号 | NA | 开发一种可穿戴设备，用于能量采集和人体运动监测 | 人体髋关节运动 | 可穿戴技术 | 老年疾病 | 电磁发电技术、摩擦电纳米发电技术、深度学习算法 | 深度学习模型 | 运动信号 | NA |
| 1525 | 2025-05-27 |
SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses
2025-Apr-29, ArXiv
PMID:40395941
|
research paper | 该研究介绍了ScopeMRI，首个公开的专家标注肩部病理数据集，并提出了一个深度学习框架用于在标准MRI和MRA上检测Bankart病变 | 首次公开专家标注的肩部病理数据集ScopeMRI，开发了结合CNN和transformer的深度学习模型，在标准MRI上达到与放射科医生相当的诊断性能 | 虽然在外院数据上进行了初步验证，但模型在不同成像协议下的泛化能力仍需进一步研究 | 开发深度学习模型以提高Bankart病变在标准MRI上的诊断准确性，减少对侵入性MRA的依赖 | 肩部MRI图像中的Bankart病变检测 | digital pathology | musculoskeletal disease | MRI | CNN, transformer | 3D medical imaging | 586 shoulder MRIs (335 standard, 251 MRAs) from 558 patients |
| 1526 | 2025-05-27 |
Deep Learning Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Proton Beam Radiotherapy Planning
2025-Apr-23, Clinical oncology (Royal College of Radiologists (Great Britain))
DOI:10.1016/j.clon.2025.103849
PMID:40414067
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1527 | 2025-05-27 |
Hybrid AI models for predicting heat distribution in complex tissue structures with bioheat transfer simulation
2025-Apr, Journal of thermal biology
IF:2.9Q1
DOI:10.1016/j.jtherbio.2025.104122
PMID:40311397
|
研究论文 | 本文提出了一种结合深度学习与分数阶Legendre小波方法的生物热传递模型，用于精确预测工程组织构建中的热效应 | 该模型整合了分数阶Legendre小波方法，实现了比传统方法快15%的热预测速度，并在多种组织类型中保持预测误差低于0.4°C | 实验验证仅针对5厘米组织构建体进行，未涉及更复杂或更大规模的组织结构 | 提高生物组织热行为的预测精度，以支持热疗、热消融和组织工程等医疗应用 | 工程组织构建体（包括皮肤、肌肉、脂肪和骨骼等多种组织类型） | 生物医学工程 | NA | 深度学习增强的生物热传递模拟 | 深度学习与分数阶Legendre小波混合模型 | 热分布数据 | 5厘米组织构建体，暴露于15W热源120分钟 |
| 1528 | 2025-05-27 |
Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review
2025-Mar-18, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/57358
PMID:40100249
|
系统性综述 | 本文系统性综述了利用深度学习模型整合序列诊断数据以预测患者结局的研究现状 | 首次系统评估了序列诊断数据在深度学习模型中的应用及其对预测性能的影响 | 研究方法和结局指标存在异质性，且多数研究存在高偏倚风险 | 评估序列诊断数据在深度学习模型中的整合方式及其对预测性能的影响 | 基于电子健康记录中序列诊断代码的深度学习预测模型 | 医疗人工智能 | 多种疾病（重点关注心力衰竭） | 深度学习 | RNN及其衍生模型（56%）、Transformer（26%） | 序列诊断代码、用药记录等结构化电子健康记录数据 | 84项符合条件的研究（共740篇初筛文献） |
| 1529 | 2025-05-27 |
Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis
2025-Mar-18, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03500-x
PMID:40100514
|
meta-analysis | 该研究通过系统综述和荟萃分析评估了眼组学方法（包括深度学习、机器学习和逻辑回归模型）在利用视网膜成像检测主要精神障碍中的诊断性能 | 首次通过荟萃分析方法综合评估了眼组学技术在精神障碍诊断中的应用效果，并揭示了其高诊断准确性 | 所有研究存在高偏倚风险，主要源于病例对照研究设计、缺乏外部验证和选择偏倚，部分模型出现过拟合现象，且未发现精神障碍特异性视网膜生物标志物 | 评估眼组学方法在精神障碍诊断中的性能并探讨其临床应用潜力 | 主要精神障碍（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍）患者 | 数字病理学 | 精神障碍 | 深度学习，机器学习，逻辑回归模型 | NA | 视网膜图像（包括彩色眼底照相、光学相干断层扫描和光学相干断层扫描血管成像） | 11项研究中的13个诊断模型 |
| 1530 | 2025-05-27 |
Artificial Vision Systems for Fruit Inspection and Classification: Systematic Literature Review
2025-Feb-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25051524
PMID:40096367
|
系统文献综述 | 本文通过系统文献综述，探讨了计算机视觉在水果分选和质量检测中的应用领域、硬件配置及算法技术 | 总结了2015至2024年间56篇相关文献，提供了水果质量检测系统开发的基础指南 | 仅分析了2015至2024年的文献，可能未涵盖早期的重要研究 | 识别水果分选的不同应用领域、典型硬件配置及使用的技术和算法 | 水果分选和质量检测 | 计算机视觉 | NA | RGB相机、LED照明系统、多光谱相机、Otsu和Sobel算法、ResNet和VGG模型 | ResNet, VGG | 图像 | 56篇文献 |
| 1531 | 2025-05-27 |
A Review of Machine Learning and Deep Learning Methods for Person Detection, Tracking and Identification, and Face Recognition with Applications
2025-Feb-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25051410
PMID:40096196
|
综述 | 本文全面分析了人脸识别、跟踪、识别和人员检测技术的最新发展，强调了现有技术的优缺点 | 通过PRISMA方法系统综述了100多篇著名期刊文章，概括了该领域最相关的研究，并强调了从传统方法向深度学习方法转变的趋势 | 模型在不同环境条件下的鲁棒性有待提高，包括多样光照和遮挡；对不同摄像机角度的适应性；以及与隐私权相关的伦理和法律问题 | 评估人脸识别、跟踪、识别和人员检测技术的最新发展 | 142篇相关论文 | 计算机视觉 | NA | 机器学习、深度学习 | NA | NA | 142篇论文 |
| 1532 | 2025-05-27 |
Development of a model for measuring sagittal plane parameters in 10-18-year old adolescents with idiopathic scoliosis based on RTMpose deep learning technology
2025-Jan-11, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-024-05334-2
PMID:39799363
|
research paper | 开发了一种基于RTMpose深度学习技术的模型，用于快速自动测量青少年特发性脊柱侧凸（AIS）患者的全脊柱X光片 | 利用RTMpose深度学习技术自动化测量过程，解决了手动测量耗时和个体间变异性的问题 | 不同医院数据格式和规范的变异性是一个挑战，通过数据增强技术进行了处理 | 开发一种深度学习模型，用于快速自动测量AIS患者的全脊柱X光片 | 10-18岁青少年特发性脊柱侧凸（AIS）患者 | digital pathology | idiopathic scoliosis | RTMpose deep learning technology | RTMpose | X-ray images | 560张全脊柱矢状面X光片，来自内蒙古五家医院 |
| 1533 | 2025-05-27 |
[Deep Learning Approaches to Address the Shortage of Observers]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1554
PMID:40414718
|
研究论文 | 本研究开发了一种基于深度学习的AI观察者，以解决熟练人类观察者短缺的问题，并评估了用AI替代人类观察者的影响 | 使用VGG19和VGG16深度学习模型替代人类观察者，解决了观察者短缺问题，并验证了AI与人类观察结果的一致性 | 无法修改训练模型的评估标准或阶段 | 解决熟练人类观察者短缺问题并评估AI替代人类观察者的可行性 | CT扫描图像和人类观察者 | 计算机视觉 | NA | CT扫描 | VGG19, VGG16 | 图像 | 24张CT扫描图像，5名人类观察者 |
| 1534 | 2025-05-27 |
Editorial: Advances in computer vision: from deep learning models to practical applications
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1615276
PMID:40415892
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1535 | 2025-05-27 |
Physician Assistant Educators' Production Blueprint for Video Pedagogy
2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association
DOI:10.1097/JPA.0000000000000592
PMID:38684095
|
研究论文 | 本文提出了一个基于验证教学实践的医师助理(PA)教育视频制作蓝图，旨在改进视频制作实践并提高学生学习效果 | 结合认知负荷理论和专门为PA教育设计的视频制作蓝图，提出改进视频教学效果的新方法 | NA | 改进医师助理教育中的视频教学方法 | 医师助理教育中的视频教学 | 教育技术 | NA | 视频制作技术 | NA | 视频 | NA |
| 1536 | 2025-05-26 |
Automatic detection of gastrointestinal system abnormalities using deep learning-based segmentation and classification methods
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00354-6
PMID:40406365
|
研究论文 | 本文提出了一种基于深度学习的创新方法，用于胃肠道系统病理区域的自动分割和分类 | 开发了新型分割网络GISegNet，并提出了一种结合transformer模型特征和mRMR算法优化的混合深度学习方法 | 研究仅基于Kvasir数据集进行验证，未在其他数据集上测试泛化能力 | 提高胃肠道系统异常的自动检测和分类准确率 | 胃肠道系统异常 | 计算机视觉 | 胃肠道疾病 | 深度学习 | GISegNet, DeiT, ViT, SVM | 内窥镜图像 | Kvasir数据集 |
| 1537 | 2024-09-19 |
Reply to: "Enhancing diagnostic accuracy for primary bone tumors: The role of expert histological analysis and AI-driven deep learning models"
2025-Jun, 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.2024.108670
PMID:39289050
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1538 | 2025-05-26 |
Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions
2025-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00892-4
PMID:40035984
|
研究论文 | 使用条件去噪扩散概率模型（CDDPM）改进盆腔区域的锥形束计算机断层扫描（CBCT）图像质量 | 提出了一种基于CDDPM的方法，通过将伪散射添加到计划CT生成的伪CBCT来训练模型，从而将CBCT转换为高质量合成CT（sCT），显著提高了HU准确性和解剖结构保留 | 研究仅针对盆腔区域，未验证在其他身体部位的适用性 | 提高CBCT图像质量以促进自适应放射治疗（ART）的应用 | 盆腔区域的CBCT图像 | 医学影像处理 | 前列腺癌 | 条件去噪扩散概率模型（CDDPM） | CDDPM | 医学影像（CBCT和CT） | 未明确提及样本数量，但涉及结肠、前列腺和膀胱等器官的评估 |
| 1539 | 2025-05-26 |
A CT-free deep-learning-based attenuation and scatter correction for copper-64 PET in different time-point scans
2025-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00905-2
PMID:40261572
|
研究论文 | 本研究开发并评估了一种基于深度学习的全身64Cu PET成像中的衰减和散射校正模型 | 使用swinUNETR模型和迁移学习技术，在有限的Cu基PET图像数据集上实现了有效的衰减和散射校正 | 训练数据集规模有限，可能影响模型的泛化能力 | 开发无需CT的深度学习方法来校正64Cu PET成像中的衰减和散射效应 | 64Cu基PET成像数据 | 医学影像分析 | NA | 深度学习，迁移学习 | swinUNETR | 医学影像(PET-CT图像) | 15张Cu基PET图像用于训练，6张用于测试(包含1小时、12小时和48小时三个时间点各2张) |
| 1540 | 2025-05-26 |
Harnessing deep learning for wheat variety classification: a convolutional neural network and transfer learning approach
2025-May-24, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.14378
PMID:40411235
|
research paper | 该研究利用深度学习和卷积神经网络（CNN）进行小麦品种分类，开发了一个四层CNN模型，并评估了DenseNet201、MobileNet和InceptionV3等预训练模型的性能 | 研究使用多视角图像数据集，包含124个小麦品种，开发了一个新的四层CNN模型，并在分类任务中表现优于预训练模型 | 高计算资源需求是主要挑战，且模型的超参数需要进一步优化以提高准确性 | 评估CNN模型在小麦品种分类中的适用性，并开发高效的分类方法 | 124个小麦品种的多视角图像 | computer vision | NA | deep learning, transfer learning | CNN, DenseNet201, MobileNet, InceptionV3 | image | 124个小麦品种的多视角图像 |