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 2677 篇文献，本页显示第 1061 - 1080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1061 | 2025-10-07 |
Digital labeling for 3D histology: segmenting blood vessels without a vascular contrast agent using deep learning
2023-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.480230
PMID:37342724
|
研究论文 | 提出一种基于深度学习的数字标记方法，可在无需血管造影剂的情况下对3D组织中的血管进行分割 | 使用回归损失而非传统分割损失训练U-net架构，仅依赖自发荧光信号和DAPI核染色实现血管分割 | 方法目前仅验证于血管结构，未来需扩展至其他生物结构 | 开发无需血管造影剂的3D组织血管分割方法 | 完整组织样本中的血管结构 | 数字病理学 | NA | 光学组织透明化，3D荧光显微镜，自发荧光成像 | CNN | 3D荧光显微镜图像 | NA | NA | U-net | 血管检测准确率，血管长度密度，血管方向准确性 | NA |
| 1062 | 2025-10-07 |
Near-lifespan longitudinal tracking of brain microvascular morphology, topology, and flow in male mice
2023-05-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-38609-z
PMID:37221202
|
研究论文 | 开发了一套在小鼠中纵向追踪大脑血管动态和解剖结构的方法 | 首次实现了在相同视野下对小鼠大脑微血管形态、拓扑结构和血流进行近生命周期的长期追踪 | 仅使用雄性小鼠进行研究，未包括雌性小鼠 | 研究年龄相关神经退行性疾病中的血管衰退过程 | 野生型和3xTg雄性小鼠 | 生物医学成像 | 阿尔茨海默病 | 光学相干断层扫描(OCT), 深度学习 | 深度学习 | 图像 | 野生型和3xTg雄性小鼠 | NA | NA | NA | NA |
| 1063 | 2025-10-07 |
Deep-learning-based image segmentation for image-based computational hemodynamic analysis of abdominal aortic aneurysms: a comparison study
2023-09-12, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/acf3ed
PMID:37625388
|
研究论文 | 本研究比较两种深度学习图像分割方法在腹主动脉瘤计算血流动力学分析中的应用效果 | 首次系统比较ARU-Net和CACU-Net两种最新深度学习分割方法在腹主动脉瘤模型创建中的性能 | 样本量较小（仅30例CTA扫描），需要更大规模验证 | 评估基于深度学习的图像分割方法在腹主动脉瘤计算血流动力学分析中的可行性 | 腹主动脉瘤患者的计算机断层扫描血管造影图像 | 计算机视觉 | 腹主动脉瘤 | 计算机断层扫描血管造影 | CNN | 医学图像 | 30例CTA扫描 | NA | ARU-Net, CACU-Net | DICE分数, 相关系数, Bland-Altman分析 | NA |
| 1064 | 2025-10-07 |
Evolution of Breast Cancer Recurrence Risk Prediction: A Systematic Review of Statistical and Machine Learning-Based Models
2023-08, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00049
PMID:37566789
|
系统综述 | 本文系统回顾了2008-2022年间乳腺癌复发风险预测模型的发展，比较统计方法与机器学习模型的性能差异 | 首次系统比较统计与机器学习方法在乳腺癌复发预测中的表现，并特别关注患者种族多样性问题 | 纳入分析的研究数量有限（仅23篇），且存在模型可解释性不足和泛化能力有限的问题 | 系统评估乳腺癌复发风险预测模型的发展历程和性能表现 | 乳腺癌患者复发风险预测模型 | 机器学习 | 乳腺癌 | 统计方法，机器学习 | 支持向量机，决策树，逻辑回归，朴素贝叶斯，深度学习，集成学习 | 临床数据 | 基于23篇研究论文的汇总分析 | NA | NA | AUC | NA |
| 1065 | 2025-10-07 |
Dual-sensory fusion self-powered triboelectric taste-sensing system towards effective and low-cost liquid identification
2023-08, Nature food
IF:23.6Q1
DOI:10.1038/s43016-023-00817-7
PMID:37563492
|
研究论文 | 开发了一种基于液滴动态形态变化和液固接触带电的双感官融合自供电味觉传感系统，用于液体识别 | 结合摩擦电指纹信号和深度学习实现液体识别，并集成图像传感器提取液体视觉特征，通过双感官融合提高识别能力 | NA | 开发有效且低成本的液体传感技术，用于液体食品安全识别和管理 | 液体物质 | 智能传感 | NA | 液固接触带电，图像传感 | 深度学习 | 摩擦电信号，图像 | NA | NA | NA | 准确率 | NA |
| 1066 | 2025-10-07 |
Shape-Aware 3D Small Vessel Segmentation with Local Contrast Guided Attention
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43901-8_34
PMID:38500803
|
研究论文 | 提出一种新型自监督网络用于3D小血管分割，通过形状感知通量测量和局部对比度引导注意力机制提升小血管检测性能 | 提出形状感知通量测量方法增强非圆形不规则小血管估计，开发局部对比度引导注意力和增强模块提升低对比度血管区域的血管性响应 | 未明确说明样本数量和数据来源的具体限制 | 改进3D成像数据中小血管的自动分割和检测 | 3D成像数据中的小血管结构 | 计算机视觉 | NA | 3D成像技术 | 自监督深度学习网络 | 3D图像数据 | NA | NA | LCNetVesselSeg | NA | NA |
| 1067 | 2025-10-07 |
Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-020-05275-y
PMID:32904395
|
研究论文 | 本研究使用深度学习算法基于X射线和CT图像对COVID-19患者进行早期诊断 | 采用改进的VGG-19、Inception_V2和决策树模型进行肺炎二分类，在COVID-19早期诊断中实现高准确率 | 数据集规模较小（仅360张图像），模型性能在不同架构间存在较大差异 | 开发基于医学影像的COVID-19早期诊断方法 | COVID-19患者和肺炎患者的X射线及CT图像 | 计算机视觉 | COVID-19 | X射线成像，计算机断层扫描 | CNN，决策树 | 图像 | 360张X射线和CT图像 | NA | VGG-19，Inception_V2，决策树 | 准确率 | NA |
| 1068 | 2025-10-07 |
COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-020-05424-3
PMID:33250662
|
研究论文 | 开发了一种混合深度学习框架COVID-CheXNet，用于在胸部X光图像中识别COVID-19病毒 | 提出了一种结合ResNet34和高分辨率网络模型的并行架构，采用加权求和规则在分数级融合两个预训练模型的结果 | NA | 快速准确诊断COVID-19感染，减轻放射科医生压力并控制疫情传播 | 胸部X光图像中的COVID-19病毒识别 | 计算机视觉 | COVID-19 | 胸部X光成像 | 深度学习 | 图像 | NA | NA | ResNet34,高分辨率网络 | 准确率,灵敏度,特异性,精确率,F1分数,均方误差,均方根误差 | NA |
| 1069 | 2025-10-07 |
Performance evaluation of deep learning techniques for lung cancer prediction
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08313-7
PMID:37255920
|
研究论文 | 评估多种深度学习技术在肺癌预测中的性能表现 | 系统比较不同深度学习模型在肺癌预测任务中的表现，确定最优技术方案 | NA | 识别用于肺部疾病预测的最佳深度学习技术 | 肺部疾病患者 | 计算机视觉 | 肺癌 | 胸部X光成像, CT扫描 | 深度学习 | 图像 | NA | NA | NA | 精确率, 召回率, 准确率, Jaccard指数 | NA |
| 1070 | 2025-10-07 |
Deep Learning Models for Predicting Left Heart Abnormalities From Single-Lead Electrocardiogram for the Development of Wearable Devices
2023-12-25, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-23-0216
PMID:37967949
|
研究论文 | 开发基于单导联心电图的深度学习模型用于预测左心异常 | 首次使用单导联（Lead I）心电图数据开发能够检测多种左心异常的深度学习模型，并在多中心数据集上验证其性能优于或等同于心脏病专家对12导联心电图的判读 | 研究仅基于特定医疗设施的数据，模型在更广泛人群中的泛化能力需要进一步验证 | 开发适用于可穿戴设备的左心异常检测算法 | 左心异常患者的心电图数据 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 心电图信号 | 229,439组心电图和超声心动图配对数据，来自8个医疗设施 | NA | NA | AUC, 准确率 | NA |
| 1071 | 2025-10-07 |
Deep learning-based protoacoustic signal denoising for proton range verification
2023-05-12, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/acd257
PMID:37141867
|
研究论文 | 提出基于深度学习的质子声信号去噪方法，用于质子治疗中的布拉格峰位置验证 | 首次将堆栈自编码器用于质子声信号去噪，显著降低所需剂量和信号平均次数 | 仅在圆柱形聚乙烯体模中进行实验，尚未进行临床验证 | 开发质子治疗中布拉格峰位置验证的低剂量方法 | 质子声信号和布拉格峰定位 | 医学信号处理 | 癌症治疗 | 质子声技术 | SAE（堆栈自编码器） | 声信号 | 每个设备收集512个原始信号 | NA | 堆栈自编码器 | 均方误差，信噪比，布拉格峰范围不确定性 | NA |
| 1072 | 2025-10-07 |
A comprehensive survey of complex brain network representation
2023-Nov, Meta-radiology
DOI:10.1016/j.metrad.2023.100046
PMID:39830588
|
综述 | 本文系统综述了基于神经影像的脑网络表示方法，涵盖传统方法和深度学习技术 | 首次全面整合传统脑网络分析方法和最新图学习方法，提供该领域的系统分类框架 | 作为综述文章，不包含原始实验验证，主要依赖现有文献分析 | 总结脑网络表示方法的研究进展并展望未来方向 | 神经影像衍生的脑结构网络和功能网络 | 机器学习 | 神经退行性疾病 | 神经影像技术 | 图神经网络 | 脑网络数据 | NA | NA | NA | NA | NA |
| 1073 | 2025-10-07 |
Feasibility of Universal Anomaly Detection without Knowing the Abnormality in Medical Images
2023-Oct, Medical image learning with limited and noisy data : second international workshop, MILLanD 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MILLanD (Workshop) : (2nd : 2023 : Vancouver, B...
DOI:10.1007/978-3-031-44917-8_8
PMID:38523773
|
研究论文 | 本研究探讨医学图像中无需预知异常类型的通用异常检测可行性，比较多种方法并提出决策级集成方案 | 提出无需异常图像参与验证的模型选择策略，并开发决策级集成方法增强跨数据集检测鲁棒性 | 评估方法在四个数据集中均未表现出一致最优性能，存在数据集依赖性 | 开发不依赖预知异常类型的通用医学图像异常检测方法 | 医学图像中的异常形态检测 | 计算机视觉 | NA | 深度学习异常检测 | 集成学习 | 医学图像 | 四个医学数据集 | NA | NA | AUC | NA |
| 1074 | 2025-10-07 |
Gadolinium-Free Cardiac MRI Myocardial Scar Detection by 4D Convolution Factorization
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43895-0_60
PMID:39829676
|
研究论文 | 提出一种无需钆对比剂的心脏MRI心肌瘢痕检测方法，通过4D卷积分解技术实现 | 开发了新型深度时空残差注意力网络(ST-RAN)，包含因子化4D卷积层、时空注意力机制和多尺度特征提取模块 | 未明确说明模型在特定患者群体或罕见心脏病类型中的性能表现 | 开发无需钆对比剂的心脏MRI心肌瘢痕检测技术 | 缺血性和非缺血性心脏病患者的心肌瘢痕组织 | 医学影像分析 | 心脏病 | 心脏磁共振成像(CMR) | 深度学习, CNN | 4D(3D+时间)心脏MRI图像 | 3000名接受临床CMR检查的患者 | NA | ST-RAN, 4D卷积分解网络, 残差注意力块 | NA | NA |
| 1075 | 2025-10-07 |
The Genetic Determinants of Aortic Distention
2023-04-11, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2023.01.044
PMID:37019578
|
研究论文 | 本研究通过深度学习模型分析心脏磁共振图像，探索主动脉扩张性的流行病学相关性和遗传决定因素 | 首次使用深度学习模型在大规模人群（42,342人）中量化主动脉扩张性，并发现22个与胸主动脉直径无关的新遗传位点 | 研究样本主要来自UK Biobank，可能存在人群代表性限制 | 发现主动脉扩张性和应变的流行病学相关性和遗传决定因素 | 42,342名UK Biobank参与者的胸主动脉 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 心脏磁共振图像 | 42,342名UK Biobank参与者 | NA | NA | 风险比(HR), P值 | NA |
| 1076 | 2025-10-07 |
Five dominant dimensions of brain aging are identified via deep learning: associations with clinical, lifestyle, and genetic measures
2023-Dec-30, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.12.29.23300642
PMID:38234857
|
研究论文 | 通过深度学习识别大脑衰老的五个主要维度，并分析其与临床、生活方式和遗传因素的关联 | 首次使用Surreal-GAN深度表征学习方法在大规模多样化人群中识别出五种主要的神经退行性变模式 | 研究基于横断面数据，需要纵向研究验证预测价值 | 阐明大脑衰老的异质性并开发基于MRI的精准诊断方法 | 来自11项研究的49,482名个体的大脑MRI数据 | 医学影像分析 | 神经退行性疾病 | MRI, 深度学习 | GAN | 医学影像 | 49,482名个体 | NA | Surreal-GAN | 关联分析, 预测价值评估 | NA |
| 1077 | 2025-10-07 |
Deep Learning-based Diagnosis and Localization of Pneumothorax on Portable Supine Chest X-ray in Intensive and Emergency Medicine: A Retrospective Study
2023-Dec-04, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-023-02023-1
PMID:38048012
|
研究论文 | 开发两种基于深度学习的系统，用于在便携式仰卧位胸部X光片上诊断和定位气胸 | 首次针对便携式仰卧位胸部X光片开发专门的气胸诊断和定位系统，并比较了基于检测和基于分割的两种不同方法 | 性能随气胸尺寸减小而下降，研究为回顾性设计 | 开发自动诊断和定位气胸的深度学习系统 | 便携式仰卧位胸部X光片 | 计算机视觉 | 气胸 | 胸部X光成像 | CNN, Transformer | 医学图像 | 训练集1571张图像，测试集1071张图像 | NA | EfficientNet-B2, DenseNet-121, Inception-v3, Deformable DETR, TOOD, VFNet, UNet | AUC, Dice系数 | NA |
| 1078 | 2025-10-07 |
Handling high-dimensional data with missing values by modern machine learning techniques
2023, Journal of applied statistics
IF:1.2Q2
DOI:10.1080/02664763.2022.2068514
PMID:36819079
|
研究论文 | 本文讨论使用现代机器学习技术处理高维缺失数据的方法 | 比较了惩罚回归、树基方法和深度学习在处理高维缺失数据方面的性能，发现深度学习和XGBoost方法在偏差与方差平衡方面具有优势 | 仅通过有限的模拟研究和单一实际应用进行比较验证 | 开发处理高维缺失数据的现代机器学习方法 | 高维数据中的缺失值处理 | 机器学习 | NA | 缺失数据处理技术 | 深度学习,XGBoost,惩罚回归模型,树基模型 | 高维数据 | NA | NA | NA | 偏差,方差 | NA |
| 1079 | 2025-10-07 |
Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0277572
PMID:36862751
|
研究论文 | 提出新型深度学习架构MUCRAN，用于在回归混杂因素的同时训练脑部MRI疾病检测模型 | 开发了多混杂因素回归对抗网络(MUCRAN)，可同时回归人口统计学和技术混杂因素，并集成不确定性量化方法自动排除分布外数据 | 仅使用单一医疗机构2019年前的数据进行训练，未包含更广泛时间跨度和多中心数据 | 开发能够处理临床异质性MRI数据的阿尔茨海默病检测方法 | 临床脑部MRI图像 | 医学影像分析 | 阿尔茨海默病 | MRI | 对抗网络,集成学习 | 医学图像 | 17,076例临床T1轴向脑部MRI | NA | MUCRAN | 准确率 | NA |
| 1080 | 2025-10-07 |
Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy
2023-Sep-14, Research square
DOI:10.21203/rs.3.rs-3272441/v1
PMID:37790426
|
研究论文 | 基于功能网络连接性使用图卷积网络和深度聚类识别ADHD生物型，为个性化药物治疗提供指导 | 首次将图卷积网络与深度聚类相结合用于ADHD生物型识别，并验证了不同生物型对特定药物的差异化治疗反应 | 样本主要来自青少年群体，需要进一步验证在更广泛年龄段的适用性 | 开发基于神经影像的ADHD生物型分类方法以指导个性化药物治疗 | 注意力缺陷多动障碍(ADHD)患者 | 医学影像分析 | 神经发育障碍 | 功能网络连接性(FNC) | 图卷积网络,深度聚类 | 功能磁共振成像数据 | 1069名ADHD患者(ABCD研究) + 130名独立验证样本 | NA | 图卷积网络 | 统计显著性(p值), FDR校正 | NA |