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 2292 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-10-06 |
Quality assurance (QA) for monitoring the performance of assisted reproductive technology (ART) staff using artificial intelligence (AI)
2023-Feb, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-022-02649-z
PMID:36374394
|
研究论文 | 本研究评估了基于人工智能的质量保证工具在辅助生殖技术中监测医护人员胚胎操作表现的效用 | 首次将深度学习神经网络应用于辅助生殖技术医护人员操作表现的持续监测和质量保证 | 样本量相对有限，仅评估了特定医疗中心的医护人员表现 | 评估AI质量保证工具在监测ART医护人员胚胎操作表现中的准确性和实用性 | 辅助生殖技术中的医护人员（医生和胚胎学家）及其胚胎操作表现 | 医疗人工智能 | 生殖医学 | 深度学习神经网络 | 深度学习神经网络 | 胚胎发育数据和临床妊娠结果 | 160例胚胎移植，160例玻璃化冷冻，160例解冻，120例滋养层活检 | NA | NA | 植入率预测准确度，Wilcoxon符号秩检验 | NA |
| 142 | 2025-10-06 |
Deep Learning from Phylogenies for Diversification Analyses
2023-12-30, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syad044
PMID:37556735
|
研究论文 | 本文提出一种基于深度学习的系统发育树多样化分析方法，用于推断物种多样化动态 | 将病原体系统动力学中的深度学习方法首次应用于多样化推断，并扩展至基于性状数据的状态依赖多样化模型 | 目前仅验证了时间恒定同质出生-死亡模型和二元状态物种形成与灭绝模型的准确性 | 开发一种通用且高效的多样化模型推断方法 | 物种系统发育树和性状数据 | 机器学习 | NA | 系统发育分析 | 深度神经网络 | 系统发育树数据, 性状数据 | NA | NA | NA | 准确性, 时间效率 | NA |
| 143 | 2025-10-06 |
Developing and deploying deep learning models in brain magnetic resonance imaging: A review
2023-12, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5014
PMID:37539775
|
综述 | 本文系统回顾了脑部磁共振成像中深度学习模型的开发与临床部署流程 | 整合了从数据收集到临床部署的全流程指南，并基于认证机构标准提供了可解释性机器学习实践框架 | 未涉及具体模型性能比较，主要聚焦方法论和部署挑战 | 促进脑部MRI深度学习模型在临床环境中的实际应用 | 脑部磁共振成像数据及深度学习模型 | 医学影像分析 | 神经系统疾病 | 磁共振成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 144 | 2025-10-06 |
Deep learning based correction of RF field induced inhomogeneities for T2w prostate imaging at 7 T
2023-12, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5019
PMID:37622473
|
研究论文 | 提出基于深度学习的偏置场校正方法，用于改善7T磁场下T2加权前列腺图像的射频场不均匀性问题 | 首次将深度学习应用于7T超高场强下T2加权前列腺图像的偏置场校正，通过合成数据训练神经网络 | 偶尔在前列腺区域内观察到对比度变化，特别是t-Image网络较为明显 | 解决超高场强磁共振成像中的射频场不均匀性问题 | 7T磁场下的T2加权前列腺图像 | 医学影像处理 | 前列腺癌 | 磁共振成像，T2加权成像 | 神经网络 | 医学影像 | 合成训练数据集、7T志愿者和患者图像、3T患者图像四个测试集 | NA | t-Image神经网络, t-Biasf神经网络 | 结构相似性指数, Wasserstein距离, 均方根误差, GLCM均匀性, GLCM能量 | NA |
| 145 | 2025-10-06 |
Predicting individual cases of major adolescent psychiatric conditions with artificial intelligence
2023-10-10, Translational psychiatry
IF:5.8Q1
DOI:10.1038/s41398-023-02599-9
PMID:37816706
|
研究论文 | 利用人工智能和多领域高维数据预测青少年主要精神疾病的个体病例 | 首次在相同研究设计中比较不同类别黄金标准算法对多种青少年精神健康状况的预测能力，使用超过100个候选预测因子 | 需要在纵向数据中进一步探索发现并在外部数据集中验证结果 | 稳健识别有精神疾病风险的青少年以进行针对性干预 | 青少年精神疾病病例（焦虑症、抑郁症、注意力缺陷、破坏性行为、创伤后应激） | 机器学习 | 精神疾病 | 多领域高维数据分析 | 人工神经网络,XGBoost,逻辑回归 | 多领域数据（神经、产前、发育、生理、社会文化、环境、情绪和认知特征） | 大型跨诊断青少年样本 | NA | 人工神经网络,树基学习,ElasticNet逻辑回归 | AUC | NA |
| 146 | 2025-10-06 |
A Large-Scale Clinical Benchmark of ResNet-based Deep Models for Newborn Face Recognition
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340883
PMID:38082835
|
研究论文 | 本研究通过构建大规模新生儿面部数据集并评估四种基于ResNet的深度模型，探索新生儿面部识别的临床应用 | 创建了目前医院场景下最大的新生儿面部数据集NEWBORN200，并首次系统评估了多种先进ResNet模型在新生儿面部识别中的性能 | 模型对新生儿不同姿态的鲁棒性仍需改进，数据集规模虽为当前最大但仍有限 | 开发适用于医院产科的新生儿面部识别系统，防止婴儿调换和绑架 | 200名新生儿的面部图像数据 | 计算机视觉 | NA | 面部识别技术 | CNN | 图像 | 200名新生儿的面部图像，采集于出生后一小时内 | NA | ResNet, ArcFace, CurricularFace, MagFace, AdaFace | 验证准确率, 错误接受率, Rank-1识别准确率 | NA |
| 147 | 2025-10-06 |
Comprehensive assessment methods are key to progress in deep learning
2023-12-06, The Behavioral and brain sciences
DOI:10.1017/S0140525X23001668
PMID:38054334
|
评论 | 本文对Bowers等人关于深度神经网络评估方法和模型本身存在缺陷的观点表示认同，但提出了不同的改进方案 | 针对现有深度神经网络评估问题提出了与原文不同的解决方案路径 | NA | 探讨深度神经网络评估方法的改进方向 | 深度神经网络模型 | 机器学习 | NA | NA | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 148 | 2025-10-06 |
Thinking beyond the ventral stream: Comment on Bowers et al
2023-12-06, The Behavioral and brain sciences
DOI:10.1017/S0140525X23001723
PMID:38054346
|
评论 | 对Bowers等人研究的评论文章，探讨深度学习模型在视觉感知研究中的局限性及改进方向 | 提出不应完全抛弃深度学习，而应通过设计更符合生物视觉进化目标的刺激和任务来改进模型 | NA | 探讨如何改进深度学习模型以更好地模拟生物视觉系统 | 视觉感知的深度学习模型 | 计算机视觉 | NA | NA | 深度学习 | 视觉刺激 | NA | NA | NA | NA | NA |
| 149 | 2025-10-06 |
De-identification of free text data containing personal health information: a scoping review of reviews
2023, International journal of population data science
DOI:10.23889/ijpds.v8i1.2153
PMID:38414537
|
综述 | 对包含个人健康信息的自由文本数据去识别化方法的范围综述 | 首次对自由文本数据去识别化方法进行范围综述并系统分类 | 仅纳入截至2022年5月9日的综述文献，可能遗漏最新原始研究 | 识别和分类自由文本数据的去识别化方法 | 已发表的综述文献中描述的去识别化方法 | 自然语言处理 | NA | 文本数据去识别化技术 | 机器学习,深度学习 | 自由文本数据 | 18篇符合纳入标准的出版物 | NA | NA | NA | NA |
| 150 | 2025-10-06 |
Federated learning for generating synthetic data: a scoping review
2023, International journal of population data science
DOI:10.23889/ijpds.v8i1.2158
PMID:38414544
|
综述 | 本文通过范围综述系统梳理了使用联邦学习生成合成数据的研究现状与方法 | 首次系统综述联邦学习与合成数据生成的交叉领域（联邦合成），识别研究空白与发展趋势 | 该领域尚处于早期阶段，隐私风险评估方法仍需完善 | 评估使用联邦学习生成合成数据的研究现状、方法与评估实践 | 69篇相关学术文献（2018-2023年） | 机器学习 | NA | 联邦学习，合成数据生成 | GAN, 深度学习 | 表格数据，多种数据类型 | 69篇文献 | NA | 生成对抗网络 | 效用评估，隐私风险评估 | NA |
| 151 | 2025-09-09 |
Deep learning in endoscopy: the importance of standardisation
2023-12, Acta otorhinolaryngologica Italica : organo ufficiale della Societa italiana di otorinolaringologia e chirurgia cervico-facciale
IF:2.1Q2
DOI:10.14639/0392-100X-N2580
PMID:37814976
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 152 | 2025-10-06 |
Deep learning for fast super-resolution ultrasound microvessel imaging
2023-Dec-12, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0a5a
PMID:37934040
|
研究论文 | 提出一种名为自适应匹配网络（AM-Net）的新型架构和多映射（MMP）数据集生成方法，用于快速超分辨率超声微血管成像 | 提出自适应匹配网络（AM-Net）架构和多映射数据集生成方法，解决了传统深度学习超声定位显微镜计算复杂和精度不足的问题 | 深度学习性能高度依赖训练数据集，而真实模拟数据集难以获取 | 开发快速高效的超分辨率超声微血管成像技术 | 超声微血管成像中的微泡定位和微血管重建 | 医学影像处理 | 血管疾病 | 超声定位显微镜（ULM） | 深度学习 | 超声图像 | NA | NA | 自适应匹配网络（AM-Net） | 定位精度，处理时间，血管重建能力 | NA |
| 153 | 2025-10-06 |
Mitigating misalignment in MRI-to-CT synthesis for improved synthetic CT generation: an iterative refinement and knowledge distillation approach
2023-Dec-12, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0ddc
PMID:37976548
|
研究论文 | 提出一种通过迭代精配准和知识蒸馏来减轻MRI与CT图像不对齐问题的新方法，以改进合成CT生成质量 | 首次系统解决MRI-to-CT合成中的不对齐问题，通过迭代精配准与知识蒸馏相结合的方法减少GAN幻觉现象 | 仅在48例头颈癌患者数据上验证，样本量相对有限 | 改进MRI-to-CT合成技术，提升合成CT在MRI-only放疗计划中的准确性 | 头颈癌患者的MRI和CT图像数据 | 医学影像分析 | 头颈癌 | MRI, CT, 图像配准 | GAN, 条件生成对抗网络 | 医学影像 | 48例头颈癌患者 | NA | 条件GAN | Dice系数, 平均绝对误差(MAE), 剂量体积直方图, 相对剂量差异 | NA |
| 154 | 2025-10-06 |
Learnable PM diffusion coefficients and reformative coordinate attention network for low dose CT denoising
2023-Dec-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/aced33
PMID:37536336
|
研究论文 | 提出一种基于可学习PM扩散系数和改良坐标注意力网络的低剂量CT去噪方法 | 将Perona-Malik模型的各向异性图像处理思想融入神经网络，提出新颖的边缘特征提取方法 | NA | 解决低剂量CT去噪中噪声/伪影抑制与边缘/结构保持的平衡问题 | 低剂量CT图像 | 计算机视觉 | NA | CT成像 | CNN | 医学图像 | 模拟和真实数据集 | NA | 编码器-解码器结构 | 定量和定性评估 | NA |
| 155 | 2025-10-06 |
Uncertainty-guided cross learning via CNN and transformer for semi-supervised honeycomb lung lesion segmentation
2023-Dec-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0eb2
PMID:37988756
|
研究论文 | 提出一种基于不确定度引导的交叉学习半监督方法，用于蜂窝肺病灶分割 | 结合CNN和Transformer进行交叉学习，利用不确定度指导模型学习高置信度区域信息 | NA | 提升有限标注条件下的医学图像分割性能 | 蜂窝肺CT图像 | 医学图像分割 | 肺疾病 | CT成像 | CNN, Transformer | 医学图像 | 有限标注样本和大量未标注图像 | NA | NA | Dice系数 | NA |
| 156 | 2025-10-06 |
Volumetric feature points integration with bio-structure-informed guidance for deformable multi-modal CT image registration
2023-Dec-08, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad03d2
PMID:37844603
|
研究论文 | 提出一种结合体积特征点和生物结构引导的可变形多模态CT图像配准方法 | 首次将体素特征点与生物结构特征点相结合指导医学图像配准网络训练 | 仅验证于CT-CBCT配对数据集，未涉及其他模态医学图像 | 提升医学图像配准精度，特别是低对比度器官的配准效果 | CT和CBCT医学图像 | 医学图像处理 | NA | 深度学习 | 深度学习网络 | 医学图像 | NA | NA | NA | 精度 | NA |
| 157 | 2025-10-06 |
Semi-supervised contrast learning-based segmentation of choroidal vessel in optical coherence tomography images
2023-Dec-08, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0d42
PMID:37972415
|
研究论文 | 提出一种基于学生-教师模型的半监督对比学习框架SSCR，用于光学相干断层扫描图像中脉络膜血管的分割 | 提出不对称半监督分割框架SSCR，结合不确定性感知自集成和变换一致性技术，设计了融合局部与全局注意力的金字塔池化SegFormer网络(APP-SFR)和边界修复模块 | NA | 实现光学相干断层扫描图像中脉络膜血管的准确分割，辅助眼科疾病诊断 | 脉络膜血管、睑板腺、U2OS细胞核 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | 半监督学习,学生-教师模型 | 图像 | ChorVessel数据集400张OCT图像，MG数据集400张图像，U2OS细胞核数据集200张图像 | NA | APP-SFR, U-Net | Dice系数 | NA |
| 158 | 2025-10-06 |
Axial super-resolution optical coherence tomography via complex-valued network
2023-Dec-01, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0997
PMID:37922558
|
研究论文 | 提出一种基于复值网络的轴向超分辨率光学相干断层扫描方法 | 首次将复值深度学习网络应用于OCT轴向超分辨率成像，充分利用OCT信号的振幅和相位信息 | 未明确说明具体的数据集规模和多样性限制 | 提高光学相干断层扫描的轴向分辨率 | 光学相干断层扫描图像 | 计算机视觉 | NA | 光学相干断层扫描 | 复值神经网络 | 复值图像数据 | 三个OCT数据集 | NA | CVSR-Net | 深度分辨能力 | NA |
| 159 | 2025-10-06 |
Feature selection based on unsupervised clustering evaluation for predicting neoadjuvant chemoradiation response for patients with locally advanced rectal cancer
2023-Dec-01, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0d46
PMID:37972413
|
研究论文 | 提出基于无监督聚类评估的特征选择方法，用于预测局部晚期直肠癌患者新辅助放化疗疗效 | 设计可切换3D/2D卷积核的CNN特征提取器，并开发基于无监督聚类的特征选择评估方法以降低计算成本 | 样本量较小（仅43例患者） | 提高局部晚期直肠癌新辅助放化疗疗效预测的准确性 | 局部晚期直肠癌患者 | 计算机视觉 | 直肠癌 | 多模态MR序列成像 | CNN | 医学影像 | 43例局部晚期直肠癌患者 | NA | 自定义可切换3D/2D卷积核的CNN | 准确率,AUC,敏感性,特异性 | NA |
| 160 | 2025-10-06 |
Deep learning-based multi-stage postoperative type-b aortic dissection segmentation using global-local fusion learning
2023-Nov-29, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acfec7
PMID:37774717
|
研究论文 | 提出基于深度学习的多阶段术后B型主动脉夹层分割框架，采用全局-局部融合学习机制 | 设计两阶段分割流程和全局-局部融合学习机制，通过补偿裁剪图像缺失的上下文特征提升分割性能 | NA | 开发术后B型主动脉夹层的快速准确分割技术，支持患者特异性3D形态学和血流动力学分析 | B型主动脉夹层患者术后影像数据 | 医学图像分析 | 心血管疾病 | 计算机断层扫描血管成像 | 深度学习 | 医学影像 | 133名患者的306张随访图像，多中心数据集 | NA | NA | Dice相似系数 | NA |