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 16741 - 16760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16741 | 2025-02-12 |
Stochasticity as a solution for overfitting-A new model and comparative study on non-invasive EEG prospects
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1484470
PMID:39925722
|
研究论文 | 本研究评估了多种机器学习和深度学习模型在公开数据集上的表现，提出了一种新的分类器BruteExtraTree以解决过拟合问题 | 提出了一种新的分类器BruteExtraTree，该分类器通过继承其基础模型ExtraTreeClassifier的中等随机性来有效解决过拟合问题 | 在独立于受试者的情况下，尽管新模型表现优异，但仍需大幅改进数据记录或噪声去除方法以提高实用性 | 开发实用的脑机接口（BCI）应用，特别是针对内部语音信号的处理 | 内部语音信号 | 机器学习 | NA | 机器学习和深度学习模型 | BruteExtraTree, ShallowFBCSPNet | EEG信号 | 公开数据集 | NA | NA | NA | NA |
| 16742 | 2025-02-12 |
Digital pathology and artificial intelligence in renal cell carcinoma focusing on feature extraction: a literature review
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1516264
PMID:39926279
|
review | 本文综述了数字病理学（DP）和人工智能（AI）在肾细胞癌（RCC）中的应用，特别是在特征提取方面的研究进展 | 本文填补了DP和AI在RCC中应用研究的综述空白，并展示了深度学习模型在RCC亚型分类、分子预测和生存预测中的高准确率 | 本文主要基于现有文献进行综述，未涉及新的实验数据或模型开发 | 探讨DP和AI在RCC中的应用，特别是在特征提取方面的潜力 | 肾细胞癌（RCC）的病理图像和分子数据 | 数字病理学 | 肾细胞癌 | 深度学习 | 深度学习模型 | 病理图像 | NA | NA | NA | NA | NA |
| 16743 | 2025-02-12 |
Deep learning-assisted diagnosis of acute mesenteric ischemia based on CT angiography images
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1510357
PMID:39926426
|
研究论文 | 本研究旨在开发一种基于CT血管造影（CTA）影像和临床数据的深度学习模型，用于诊断急性肠系膜缺血（AMI） | 结合CTA影像和临床信息构建融合模型，显著提高了AMI的诊断准确性和效率 | 研究为回顾性研究，样本量相对较小（228例患者） | 开发一种深度学习模型，用于诊断急性肠系膜缺血（AMI） | 228例疑似AMI的患者 | 数字病理学 | 急性肠系膜缺血 | CT血管造影（CTA） | 深度学习模型 | 影像和临床数据 | 228例患者 | NA | NA | NA | NA |
| 16744 | 2025-02-12 |
A comparative analysis of the binary and multiclass classified chest X-ray images of pneumonia and COVID-19 with ML and DL models
2025, Open medicine (Warsaw, Poland)
DOI:10.1515/med-2024-1110
PMID:39927166
|
研究论文 | 本文比较了机器学习和深度学习模型在胸部X光图像上对肺炎和COVID-19进行二分类和多分类的性能 | 使用ConvMixer模型在COVID-19和肺炎的分类任务中取得了最佳性能，并与其他模型进行了比较 | 研究结果在其他胸部X光图像数据库上的性能尚未充分验证 | 研究机器学习（ML）和深度学习（DL）模型在胸部X光图像上对COVID-19、肺炎（病毒性和细菌性）以及正常病例的分类性能 | 胸部X光图像 | 计算机视觉 | COVID-19, 肺炎 | 图像分类 | K-近邻, 逻辑回归, Visual Geometry Group-19, Vision transformer, ConvMixer | 图像 | NA | NA | NA | NA | NA |
| 16745 | 2025-02-12 |
New rectum dose surface mapping methodology to identify rectal subregions associated with toxicities following prostate cancer radiotherapy
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100701
PMID:39927213
|
研究论文 | 本文提出了一种新的直肠剂量表面映射方法，用于识别与前列腺癌放疗后毒性相关的直肠亚区域 | 开发了一种标准化直肠轮廓并将其展开为2D圆柱表面图的方法，以识别与毒性相关的直肠亚区域 | 仅分析了1,048名患者的数据，且仅发现下后部区域与毒性显著相关 | 研究前列腺癌放疗后直肠毒性与剂量分布的关系 | 1,048名前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习自动分割，圆柱映射，体素分析 | NA | 医学影像数据 | 1,048名前列腺癌患者 | NA | NA | NA | NA |
| 16746 | 2025-10-07 |
MRI-based Deep Learning Models for Preoperative Breast Volume and Density Assessment Assisting Breast Reconstruction
2024-Dec, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-024-04074-2
PMID:38806828
|
研究论文 | 开发基于MRI的深度学习模型用于术前乳房体积和密度评估，辅助乳房重建手术 | 开发了三种自动分割乳房区域的算法（简单配准模型、动态编程模型和深度学习模型），实现了高度可重复的乳房区域分割和自动体积测量 | 研究样本量相对有限（249名受试者），未与其他现有方法进行广泛比较 | 开发人工智能模型实现乳房的自动分割和体积测量，优化乳房重建手术 | 接受乳房重建手术的249名患者 | 医学影像分析 | 乳腺癌 | MRI成像 | 深度学习模型 | MRI图像 | 249名接受乳房重建手术的患者 | NA | 简单配准模型,动态编程模型,深度学习模型 | 均方误差(MSE),组内相关系数(ICC) | NA |
| 16747 | 2025-02-12 |
Artificial Intelligence - Blessing or Curse in Dentistry? - A Systematic Review
2024-Dec, Journal of pharmacy & bioallied sciences
DOI:10.4103/jpbs.jpbs_1106_24
PMID:39926925
|
系统综述 | 本文系统综述了人工智能在牙科各个领域的多样化应用 | 全面分析了人工智能在牙科中的优势和挑战，涵盖了诊断、治疗和患者结果等多个方面 | 数据隐私、牙科专业人员的工作替代问题以及确保安全性和有效性的全面验证和监管需求仍是主要挑战 | 探讨人工智能在牙科中的应用及其影响 | 牙科领域的人工智能应用 | 机器学习 | NA | 机器学习、深度学习 | NA | 文本 | 607篇出版物中筛选出13篇相关文献 | NA | NA | NA | NA |
| 16748 | 2025-10-07 |
The Hydronephrosis Severity Index guides paediatric antenatal hydronephrosis management based on artificial intelligence applied to ultrasound images alone
2024-10-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72271-9
PMID:39349526
|
研究论文 | 开发基于深度学习的水肾严重程度指数(HSI)，通过肾脏超声图像自动预测小儿产前水肾症患者是否需要手术干预 | 首次提出仅基于超声图像的人工智能系统来评估水肾严重程度，无需其他临床参数 | 研究仅在北美四家儿科医院进行，需要更多外部验证 | 开发自动化水肾严重程度评估系统以指导临床决策 | 小儿产前水肾症患者 | 计算机视觉 | 肾脏疾病 | 超声成像 | 深度学习 | 图像 | 202名患者测试集，来自四个大型儿科医院 | NA | NA | AUROC, AUPRC, 敏感性, 特异性 | NA |
| 16749 | 2025-02-12 |
Ensemble Learning for Three-dimensional Medical Image Segmentation of Organ at Risk in Brachytherapy Using Double U-Net, Bi-directional ConvLSTM U-Net, and Transformer Network
2024 Oct-Dec, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_160_24
PMID:39926139
|
研究论文 | 本文提出了一种新颖的方法，通过结合三种深度学习模型和集成学习技术，自动化分割高剂量率近距离放射治疗患者的风险器官（OAR），旨在提高分割的准确性和效率 | 结合了Double U-Net、双向ConvLSTM U-Net和Transformer网络三种深度学习模型，并采用集成学习技术，显著提高了分割的准确性和效率 | 由于内存限制，训练数据使用了降维后的CT扫描（240 × 240 × 128），可能影响模型的泛化能力 | 提高高剂量率近距离放射治疗中风险器官（OAR）分割的准确性和效率 | 高剂量率近距离放射治疗患者的风险器官（OAR） | 医学图像分割 | 癌症 | 深度学习 | Double U-Net (DUN), Bi-directional ConvLSTM U-Net (BCUN), Transformer Networks (TN) | CT扫描图像 | 70名患者（60名来自本机构，10名来自其他机构） | NA | NA | NA | NA |
| 16750 | 2024-08-07 |
Correction to: Omics-based deep learning approaches for lung cancer decision-making and therapeutics development
2024-Sep-27, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad046
PMID:37721137
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16751 | 2025-10-07 |
Interpretation of SNP combination effects on schizophrenia etiology based on stepwise deep learning with multi-precision data
2024-Sep-27, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad041
PMID:37738675
|
研究论文 | 提出一种基于多精度数据的逐步深度学习技术SLEM，用于探索SNP组合通过分子和细胞功能对精神分裂症病因的影响 | 首次结合多精度数据（精确但少量的多层级检测数据与不精确但大量的GWAS数据）构建逐步深度学习模型，从难以处理的大规模SNP组合空间中识别有效相互作用 | 未明确说明样本规模和数据来源的具体细节 | 探索SNP组合通过中间分子和细胞功能对精神分裂症易感性的影响机制 | 精神分裂症相关的SNP（单核苷酸多态性）组合 | 机器学习 | 精神分裂症 | GWAS（全基因组关联分析）, 多层级检测数据 | 深度学习 | 基因组数据, 多精度数据 | NA | NA | NA | 准确率 | NA |
| 16752 | 2025-10-07 |
CelloType: A Unified Model for Segmentation and Classification of Tissue Images
2024-Sep-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.15.613139
PMID:39345491
|
研究论文 | 提出CelloType统一模型，用于生物医学显微镜图像中的细胞分割与分类 | 采用多任务学习方法，将分割与分类任务相连接，替代传统的两阶段方法，同时提升两个任务的性能 | NA | 开发用于空间组学数据分析的细胞分割与分类统一模型 | 生物医学显微镜图像中的细胞和非细胞元素 | 数字病理学 | NA | 显微镜成像 | Transformer | 图像 | NA | NA | Transformer | 准确率 | NA |
| 16753 | 2025-10-07 |
Dynamic Projection of Medication Nonpersistence and Nonadherence Among Patients With Early Breast Cancer
2024-05-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究使用深度学习模型预测早期乳腺癌患者口服抗癌药物的不持续使用和不依从行为 | 首次使用基于门控循环单元的深度学习模型预测乳腺癌患者用药不持续和不依从事件，并分析不同特征对预测结果的贡献 | 研究基于法国医保报销数据，可能受数据来源限制，且模型预测性能有待进一步提升 | 预测乳腺癌患者口服抗癌治疗的持续性和依从性，识别相关风险因素 | 229,695名法国女性早期乳腺癌患者 | 医疗健康数据分析 | 乳腺癌 | 深度学习，特征重要性分析 | GRU | 医疗报销数据 | 229,695名女性患者 | NA | 门控循环单元 | AUC | NA |
| 16754 | 2025-02-12 |
Enhancing plant disease detection through deep learning: a Depthwise CNN with squeeze and excitation integration and residual skip connections
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1505857
PMID:39925367
|
研究论文 | 本研究提出了一种改进的深度卷积神经网络（CNN）结合压缩激励（SE）模块和改进的残差跳跃连接，用于植物病害检测 | 提出了一种结合SE模块和改进残差跳跃连接的深度CNN模型，增强了特征提取和分类性能，同时保持计算效率 | 未提及具体的数据集规模或模型在不同环境下的泛化能力 | 开发高效准确的自动化系统，用于植物病害检测，以增强作物保护和产量优化 | 多种植物物种和病害类别 | 计算机视觉 | 植物病害 | 深度卷积神经网络（CNN） | 深度CNN结合SE模块和残差跳跃连接 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 16755 | 2025-02-12 |
Diagnosis and detection of bone fracture in radiographic images using deep learning approaches
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1506686
PMID:39927268
|
研究论文 | 本文探讨了使用深度学习算法在X光图像中自动检测和诊断骨折的方法 | 提出了结合DenseNet201和VGG16的深度学习模型，用于骨折检测，并在验证阶段达到了97%的准确率 | 现有骨折检测和诊断方法的局限性，需要进一步改进深度学习模型 | 开发一种自动化的骨折检测方法，以提高骨折诊断的准确性 | X光图像中的骨折 | 计算机视觉 | 骨折 | 深度学习 | VGG16, ResNet152V2, DenseNet201 | 图像 | 10,580张X光图像 | NA | NA | NA | NA |
| 16756 | 2025-02-12 |
NavBLIP: a visual-language model for enhancing unmanned aerial vehicles navigation and object detection
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1513354
PMID:39927288
|
研究论文 | 本文介绍了一种名为NavBLIP的视觉-语言模型，旨在通过利用多模态数据增强无人机的导航和物体检测能力 | NavBLIP模型引入了Nuisance-Invariant Multimodal Feature Extraction (NIMFE)模块和多模态控制策略，以在动态环境中提高适应性和计算效率 | NA | 提高无人机在复杂和多样化场景中的导航和物体检测能力 | 无人机 | 计算机视觉 | NA | 多模态数据融合 | 视觉-语言模型 | 图像和文本 | 在RefCOCO、CC12M和Openlmages等基准数据集上进行了广泛实验 | NA | NA | NA | NA |
| 16757 | 2025-10-07 |
Mapping the topography of spatial gene expression with interpretable deep learning
2023-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.10.561757
PMID:37873258
|
研究论文 | 开发了一种名为GASTON的无监督可解释深度学习算法，用于分析空间转录组数据中的基因表达模式 | 提出了一种称为等深度的新概念，能够同时学习等深度、空间基因表达梯度以及模拟单个基因表达变化的分段线性函数 | NA | 解决空间转录组数据稀疏性问题，分析空间基因表达模式如基因表达梯度 | 空间转录组数据中的基因表达模式 | 生物信息学 | 肿瘤 | 空间转录组技术 | 深度学习 | 空间转录组数据 | NA | NA | GASTON | NA | NA |
| 16758 | 2025-10-07 |
Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data
2023-Sep-07, ArXiv
PMID:37731659
|
研究论文 | 本研究通过连续长期记录果蝇姿势数据，探索其跨时间尺度的行为变化模式 | 首次实现连续7天100帧/秒的果蝇长期行为记录，创建包含近20亿个姿势实例的数据集，揭示行为在昼夜节律和衰老过程中的变化规律 | 实验在无特征环境中进行，可能无法完全反映自然状态下的行为模式；样本量相对有限（47个个体） | 探索果蝇在长时间尺度下的行为变化规律，特别是昼夜节律和衰老过程中的行为模式演变 | 黑腹果蝇（Drosophila melanogaster） | 计算机视觉 | NA | 深度学习姿态估计 | 深度学习 | 视频图像 | 47只果蝇个体 | SLEAP | NA | NA | NA |
| 16759 | 2025-10-07 |
Kenichi Harumi Plenary Address at Annual Meeting of the International Society of Computers in Electrocardiology: "What Should ECG Deep Learning Focus on? The diagnosis of acute coronary occlusion!"
2023 Jan-Feb, Journal of electrocardiology
IF:1.3Q3
|
综述 | 本文探讨心电图深度学习应从STEMI范式转向OMI范式以识别急性冠状动脉闭塞 | 提出深度学习应聚焦于识别闭塞性心肌梗死而非传统STEMI标准，可能彻底改变患者护理 | 基于单一专家演讲观点，缺乏具体实验验证 | 推动心电图深度学习关注急性冠状动脉闭塞诊断 | 心电图数据和急性冠状动脉闭塞患者 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 深度学习 | 心电图信号 | NA | NA | 神经网络 | NA | NA |
| 16760 | 2025-10-07 |
DL 101: Basic introduction to deep learning with its application in biomedical related fields
2022-11-20, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.9564
PMID:36041380
|
教程文章 | 本文提供深度学习的基础介绍及其在生物医学领域的应用 | 为生物医学领域研究者提供直观的前馈神经网络解释和超参数选择指导 | 仅提供基础入门内容，未涉及深度学习的完整能力探索 | 推广深度学习在生物医学领域的应用 | 深度学习基础理论和应用方法 | 机器学习 | NA | 深度学习 | 前馈神经网络(FNN) | NA | NA | NA | 前馈神经网络 | NA | NA |