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 154 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-04-06 |
CAT: Constrained Adversarial Training for Anatomically-Plausible Semi-Supervised Segmentation
2023-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3243069
PMID:37022409
|
研究论文 | 提出了一种名为CAT的约束对抗训练方法，用于生成解剖学上合理的半监督医学图像分割结果 | 通过对抗训练策略和Reinforce算法解决非可微分解剖约束的集成问题，能够考虑连通性、凸性和对称性等复杂解剖约束 | 未提及具体在哪些临床数据集上测试，以及与其他方法的详细对比结果 | 提高医学图像分割的解剖学合理性 | 医学图像分割 | 数字病理 | NA | 对抗训练、Reinforce算法 | 深度学习模型 | 医学图像 | 合成数据和四个临床相关数据集（未说明具体样本量） | NA | NA | NA | NA |
| 42 | 2025-04-06 |
Attributed Abnormality Graph Embedding for Clinically Accurate X-Ray Report Generation
2023-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3245608
PMID:37027529
|
研究论文 | 本文提出了一种新的知识图结构——属性异常图（ATAG），用于提高X射线报告生成的临床准确性 | 引入ATAG结构自动构建细粒度异常图，结合图注意力网络和分层注意力机制提升报告生成质量 | NA | 提高X射线报告生成的临床准确性 | X射线图像及其报告 | 计算机视觉 | NA | 图注意力网络（GAT） | encoder-decoder架构 | X射线图像和文本报告 | 基于基准数据集进行实验 | NA | NA | NA | NA |
| 43 | 2025-04-06 |
SDMT: Spatial Dependence Multi-Task Transformer Network for 3D Knee MRI Segmentation and Landmark Localization
2023-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3247543
PMID:37027574
|
研究论文 | 提出了一种名为SDMT的空间依赖多任务Transformer网络，用于3D膝关节MRI的分割和标志点定位 | 利用分割结果和标志点位置的空间依赖性相互促进两个任务，设计了任务混合多头注意力机制和动态权重多任务损失函数 | 仅在自建的3D膝关节MRI多任务数据集上进行了验证 | 开发一种能够同时完成膝关节MRI分割和标志点定位的多任务深度学习模型 | 3D膝关节MRI图像 | 计算机视觉 | 膝关节疾病 | 深度学习 | Transformer | 3D MRI图像 | 未明确说明样本数量（使用自建数据集） | NA | NA | NA | NA |
| 44 | 2025-04-06 |
On the Importance of Domain Awareness in Classifier Interpretations in Medical Imaging
2023-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3247659
PMID:37027636
|
研究论文 | 本文探讨了在医学影像分类中领域感知的重要性，并提出了一种领域感知的放射学环境解释流程 | 提出了边缘化技术和评估程序来解决医学影像病理分类器中的分布外问题，并设计了一个完整的领域感知流程 | 当前主流方法使用启发式且未经验证的方法论，可能在验证域之外操作网络 | 提高深度学习辅助分类在临床适应中的可解释性 | 医学影像病理分类器 | 数字病理 | NA | 深度学习 | CNN | 图像 | 两个公开可用的图像数据集（CBIS-DDSM/DDSM乳腺X光片集合和Chest X-ray14放射影像） | NA | NA | NA | NA |
| 45 | 2025-04-04 |
Rapid 3D T1 mapping using deep learning-assisted Look-Locker inversion recovery MRI
2023-08, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29672
PMID:37125662
|
研究论文 | 提出了一种基于深度学习的快速3D T1映射方法，无需延迟时间即可进行MRI成像 | 利用深度学习学习T1*到T1的转换，消除了传统方法中需要的延迟时间，从而缩短了扫描时间 | 训练数据仅包含39个GraspT1-TD6数据集和14个GraspT1-TD0数据集，样本量相对较小 | 开发一种更高效和稳健的3D LLIR T1映射方法 | MRI成像中的T1映射 | 医学影像分析 | NA | 深度学习辅助的Look-Locker反转恢复MRI | 深度学习模型 | MRI图像 | 39个GraspT1-TD6数据集和14个GraspT1-TD0数据集 | NA | NA | NA | NA |
| 46 | 2025-10-07 |
Deep learning approximation of attenuation maps for myocardial perfusion SPECT with an IQ
⋅
⋅
SPECT collimator
2023-08-28, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-023-00568-1
PMID:37639082
|
研究论文 | 本研究使用深度学习技术从非衰减校正的SPECT重建图像中近似估计衰减图 | 首次证明了在配备IQ SPECT准直器的SPECT扫描仪上使用深度学习近似衰减图的可行性 | 研究为回顾性研究，样本量相对有限 | 研究是否可以从非衰减校正的SPECT重建图像中近似估计衰减图 | 心肌灌注SPECT成像 | 医学影像分析 | 心血管疾病 | SPECT成像，深度学习 | U-Net, GAN | 医学影像 | 150项研究 | 条件生成对抗网络框架 | U-Net | 归一化平均绝对误差，绝对百分比误差 | NA |
| 47 | 2025-02-21 |
Localization Free Super-Resolution Microbubble Velocimetry Using a Long Short-Term Memory Neural Network
2023-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3251197
PMID:37028074
|
研究论文 | 本文介绍了一种基于长短期记忆神经网络的超分辨率微泡测速技术Deep-SMV，该技术无需定位，能够在高微泡浓度下提供高成像速度和鲁棒性，并直接输出超分辨率的血流速度测量 | Deep-SMV技术首次实现了在高微泡浓度下的超分辨率血流速度图重建，克服了传统技术对低微泡浓度的限制 | 尽管Deep-SMV在多种成像场景中成功应用，但其在更广泛的临床环境中的有效性和稳定性仍需进一步验证 | 开发一种无需定位的超分辨率微泡测速技术，以提高成像速度和鲁棒性，并直接输出血流速度测量 | 微泡流动模拟、活体血管数据、流动通道模型、鸡胚胎绒毛尿囊膜和小鼠脑成像 | 计算机视觉 | NA | 长短期记忆神经网络（LSTM） | LSTM | 图像 | 多种成像场景，包括流动通道模型、鸡胚胎绒毛尿囊膜和小鼠脑成像 | NA | NA | NA | NA |
| 48 | 2025-02-20 |
Author Correction: Deep learning enables fast, gentle STED microscopy
2023-Aug-10, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-023-05222-1
PMID:37563357
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 49 | 2025-10-07 |
Deep-learning CT reconstruction in clinical scans of the abdomen: a systematic review and meta-analysis
2023-08, Abdominal radiology (New York)
DOI:10.1007/s00261-023-03966-2
PMID:37280374
|
系统综述与荟萃分析 | 对腹部CT扫描中两种商用深度学习重建算法进行系统评价和荟萃分析 | 首次对商用深度学习CT重建算法(True Fidelity和AiCE)在腹部扫描中的应用进行系统性评估 | 仅评估了单一厂商的双能量CT，需要更多剂量水平和临床适应症的评估 | 评估深度学习CT重建算法在腹部扫描中的图像质量和辐射剂量优化效果 | 人体腹部CT扫描 | 医学影像分析 | 腹部疾病 | CT扫描 | 深度学习重建算法 | CT图像 | 44篇符合纳入标准的研究(32篇评估TF，12篇评估AiCE) | NA | True Fidelity, Advanced intelligent Clear-IQ Engine (AiCE) | 噪声降低率, 对比噪声比, 病灶检测能力, 辐射剂量降低潜力 | NA |
| 50 | 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 |
| 51 | 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 |
| 52 | 2024-12-08 |
Progressively refined deep joint registration segmentation (ProRSeg) of gastrointestinal organs at risk: Application to MRI and cone-beam CT
2023-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16527
PMID:37265185
|
研究论文 | 本文开发了一种名为ProRSeg的深度网络，用于胃肠道器官的风险区域的联合注册和分割，并评估其在MRI和锥束CT上的应用 | ProRSeg网络在MRI和CBCT上的分割和注册精度显著高于其他方法 | 研究缺乏独立的测试和基准幻影数据集来测量剂量累积的准确性 | 开发一种能够准确分割和注册胃肠道器官风险区域的深度学习网络，并评估其在放射治疗中的应用 | 胃肠道器官风险区域，包括胃、十二指肠、大肠和小肠 | 计算机视觉 | 胰腺癌 | 深度学习 | ProRSeg | MRI和CBCT图像 | 110张T2加权MRI图像和80张CBCT图像 | NA | NA | NA | NA |
| 53 | 2024-11-27 |
Quantifying Inflammatory Response and Drug-Aided Resolution in an Atopic Dermatitis Model with Deep Learning
2023-08, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2023.01.026
PMID:36804151
|
研究论文 | 本文使用深度学习方法对特应性皮炎模型中的炎症反应和药物辅助缓解进行定量分析 | 本文提出了一种基于深度学习的非侵入性图像分析方法，用于定量评估特应性皮炎模型中的炎症反应和药物辅助缓解 | 本文仅在特应性皮炎小鼠模型中进行了验证，尚未应用于临床研究 | 开发一种非侵入性的方法来定量评估皮肤炎症反应和药物辅助缓解 | 特应性皮炎小鼠模型 | 计算机视觉 | 特应性皮炎 | 深度学习 | 深度学习模型 | 图像 | 特应性皮炎小鼠模型 | NA | NA | NA | NA |
| 54 | 2024-11-17 |
PyComplexHeatmap: a Python package to visualize multimodal genomics data
2023-Aug, iMeta
IF:23.7Q1
DOI:10.1002/imt2.115
PMID:38454967
|
研究论文 | 介绍了一个名为PyComplexHeatmap的Python库，用于多模态基因组数据的复杂热图可视化 | PyComplexHeatmap是基于matplotlib构建的，提供了一个模块化的接口，能够与Pandas、NumPy等Python数据科学工具以及Scanpy等基因组工具无缝集成 | NA | 开发一个能够满足多模态矩阵数据精细渲染需求的Python库 | 多模态基因组数据及其元数据 | 生物信息学 | NA | NA | NA | 矩阵数据 | NA | NA | NA | NA | NA |
| 55 | 2024-11-14 |
A deep learning model using hyperspectral image for EUS-FNA cytology diagnosis in pancreatic ductal adenocarcinoma
2023-08, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.6335
PMID:37455599
|
研究论文 | 本文开发了一种基于高光谱图像的深度学习模型，用于内镜超声引导下细针穿刺细胞学诊断胰腺导管腺癌 | 首次将高光谱成像技术与卷积神经网络结合，用于胰腺导管腺癌的细胞学诊断 | 需要进一步验证模型在更大样本量和不同临床环境中的泛化能力 | 开发一种辅助细胞病理学家诊断胰腺导管腺癌的深度学习模型 | 胰腺导管腺癌和良性胰腺组织的细胞学样本 | 计算机视觉 | 胰腺癌 | 高光谱成像 | 卷积神经网络 | 图像 | 共62个样本，包括33个良性胰腺组织和39个胰腺导管腺癌 | NA | NA | NA | NA |
| 56 | 2024-10-28 |
Dyslexia Data Consortium Repository: A Data Sharing and Delivery Platform for Research
2023-Aug, Brain informatics : 16th International Conference, BI 2023, Hoboken, NJ, USA, August 1-3, 2023, Proceedings. International Conference on Brain Informatics (16th : 2023 : Hoboken, N.J.)
DOI:10.1007/978-3-031-43075-6_15
PMID:38352916
|
研究论文 | 开发了一个在线平台，用于共享和交付与阅读障碍相关的数据，以促进研究 | 提供了一个集成了机器学习算法和工具的平台，生成与阅读障碍相关的次级数据集 | NA | 推进对阅读障碍的理解，该障碍对儿童及其家庭和社会有重大影响 | 阅读障碍的神经生物学研究 | 机器学习 | 阅读障碍 | 机器学习算法 | NA | 次级数据集（如皮质厚度、区域脑体积指标） | NA | NA | NA | NA | NA |
| 57 | 2024-10-16 |
Enhancing corrosion-resistant alloy design through natural language processing and deep learning
2023-Aug-11, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adg7992
PMID:37566657
|
研究论文 | 本文提出了一种结合自然语言处理和深度学习的方法，用于增强耐腐蚀合金设计的机器能力 | 开发了一种全自动的自然语言处理方法，将文本数据转换为深度神经网络可兼容的形式，显著提高了点蚀电位预测的准确性 | NA | 增强机器在耐腐蚀合金设计中的能力 | 耐腐蚀合金的点蚀电位预测 | 自然语言处理 | NA | 深度学习 | 深度神经网络 | 文本数据 | NA | NA | NA | NA | NA |
| 58 | 2024-10-16 |
Tumor detection under cystoscopy with transformer-augmented deep learning algorithm
2023-08-07, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace499
PMID:37548023
|
研究论文 | 开发了一种基于变压器增强的深度学习算法，用于在白光膀胱镜（WLC）下准确检测膀胱肿瘤 | 引入了变压器增强的深度学习算法，通过自注意力机制和特征金字塔网络（FPN）的多尺度激活图，提高了肿瘤检测的准确性 | NA | 开发一种成本效益高、基于变压器增强的深度学习算法，用于在WLC下准确检测膀胱肿瘤，并评估其在患者数据上的性能 | 膀胱肿瘤的检测 | 计算机视觉 | 膀胱癌 | 深度学习 | 变压器增强的卷积神经网络（CNN） | 图像 | 训练集包含510帧WLC图像，来自54名患者；测试集包含101帧WLC图像，来自13名患者 | NA | NA | NA | NA |
| 59 | 2024-10-13 |
Unsupervised representation learning improves genomic discovery and risk prediction for respiratory and circulatory functions and diseases
2023-Aug-29, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.04.28.23289285
PMID:37163049
|
研究论文 | 介绍了一种基于深度学习的框架REGLE，用于发现基因变异与高维临床数据之间的关联，并应用于呼吸和循环系统疾病的基因发现和风险预测 | 提出了REGLE框架，使用卷积变分自编码器计算数据的高可遗传性个体成分，并能生成准确的疾病特异性多基因风险评分 | NA | 利用高维临床数据进行基因发现和风险预测 | 呼吸和循环系统的功能和疾病 | 机器学习 | 呼吸系统疾病 | 卷积变分自编码器 | 卷积变分自编码器 | 高维临床数据 | NA | NA | NA | NA | NA |
| 60 | 2024-10-13 |
Video reconstruction from a single motion blurred image using learned dynamic phase coding
2023-Aug-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-40297-0
PMID:37604842
|
研究论文 | 本文提出了一种混合光学-数字方法，通过在镜头光圈中使用学习到的动态相位编码来从单张运动模糊图像重建视频 | 本文的创新点在于提出了一种混合光学-数字方法，通过在图像采集过程中使用学习到的动态相位编码来编码运动轨迹，从而克服了传统数字方法的方向模糊性和噪声敏感性问题 | 本文的局限性在于需要对现有光学系统进行简单修改，并且依赖于图像到视频卷积神经网络 | 本文的研究目的是通过简单的光学系统修改，从单张运动模糊图像中重建视频，以增强现有相机的功能 | 本文的研究对象是运动模糊图像和视频重建 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |