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 12022 篇文献，本页显示第 1981 - 2000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1981 | 2025-10-07 |
Quantifying U-Net uncertainty in multi-parametric MRI-based glioma segmentation by spherical image projection
2024-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16695
PMID:37696029
|
研究论文 | 提出基于球形图像投影的U-Net模型用于多参数MRI胶质瘤分割的不确定性量化 | 通过球形图像投影变换保留全局解剖信息，从单次MRI扫描获得多个独立分割预测，实现不确定性可视化 | 研究仅针对胶质瘤分割，样本量相对有限（369例患者） | 开发基于多参数MRI的胶质瘤分割不确定性量化方法 | 369例胶质瘤患者的多参数MRI扫描数据（T1、T1-Ce、T2和FLAIR序列） | 医学图像分析 | 胶质瘤 | 多参数MRI | U-Net | 医学图像 | 369例胶质瘤患者 | NA | SPU-Net（球形投影U-Net）, U-Net, LSU-Net（线性缩放U-Net） | Dice系数, 敏感度, 特异度, 准确率, 不确定性评分 | NA |
| 1982 | 2025-10-07 |
Clinical evaluation of deep learning systems for assisting in the diagnosis of the epiretinal membrane grade in general ophthalmologists
2024-Mar, Eye (London, England)
DOI:10.1038/s41433-023-02765-9
PMID:37848677
|
研究论文 | 开发并临床评估用于辅助诊断视网膜前膜分级的深度学习系统 | 同时开发了分割视网膜特征的分割模型和分级视网膜前膜严重程度的分类模型，并通过对比实验验证AI系统对普通眼科医生的诊断辅助效果 | 分析了AI系统的误判情况，需要系统性努力确保AI在眼科实践中的安全快速整合 | 开发AI系统辅助诊断视网膜前膜分级并评估其临床价值 | 视网膜前膜患者的光学相干断层扫描图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | 深度学习模型 | 图像 | 来自三家医院的OCT数据集 | NA | NA | 像素精度,平均交并比,准确率 | NA |
| 1983 | 2025-10-07 |
CEST and nuclear Overhauser enhancement imaging with deep learning-extrapolated semisolid magnetization transfer reference: Scan-rescan reproducibility and reliability studies
2024-Mar, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29937
PMID:38009996
|
研究论文 | 开发了一种基于深度学习的磁化转移参考框架DeepEMR，用于快速可靠的CEST和NOE信号估计 | 提出了一种MR物理驱动的深度学习外推方法，能够从少量高频偏移特征预测MTC主导信号 | 研究中主要使用健康志愿者和脑肿瘤患者，样本多样性可能有限 | 开发快速可靠的磁化转移对比和CEST信号估计方法，并评估其可重复性和可靠性 | 数值模型、健康志愿者和脑肿瘤患者 | 医学影像分析 | 脑肿瘤 | CEST成像、核Overhauser增强成像、磁共振成像 | 神经网络 | 磁共振Z谱数据 | 健康志愿者和脑肿瘤患者（具体数量未明确说明） | NA | NA | 组内相关系数、受试者间变异系数、受试者内变异系数、计算效率 | 3T磁共振扫描仪 |
| 1984 | 2025-10-07 |
Generating synthetic medical images with limited data using auxiliary classifier generative adversarial network: a study on thyroid ultrasound images
2024-Mar, Journal of ultrasound
IF:1.3Q3
DOI:10.1007/s40477-023-00837-w
PMID:38064046
|
研究论文 | 本研究提出了一种基于辅助分类器生成对抗网络(ACGAN)的新方法，用于从有限的甲状腺超声图像数据生成合成医学图像 | 改进了ACGAN架构以从极有限数据生成高质量合成图像，并开发了模拟超声设备输出的图像融合方法 | 研究仅基于198张甲状腺结节超声图像，样本量有限 | 解决医学影像中标注数据稀缺问题，为深度学习模型训练生成合成数据 | 钙化和囊性甲状腺结节的超声图像 | 医学影像分析 | 甲状腺疾病 | 超声成像 | ACGAN | 超声图像 | 198张甲状腺结节超声图像 | NA | 改进的ACGAN架构 | Fréchet Inception Distance (FID), 人工观察评估 | NA |
| 1985 | 2025-10-07 |
Robust explanation supervision for false positive reduction in pulmonary nodule detection
2024-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16937
PMID:38224306
|
研究论文 | 提出一种集成可解释AI方法的稳健可解释检测框架，用于减少肺结节检测中的假阳性 | 采用解释监督方法，使用放射科医生的结节轮廓作为监督信号，结合两种插补方法减少人工标注噪声 | 仅在公开数据集LIDC-IDRI上进行验证，需要进一步临床验证 | 开发集成可解释AI方法的框架，实现准确的肺结节检测 | 肺结节 | 医学影像分析 | 肺癌 | 胸部薄层CT扫描 | 深度学习算法 | CT图像 | 480个训练集，265个验证集，265个测试集CT图像 | NA | NA | AUC, IoU | NA |
| 1986 | 2025-10-07 |
Channelized hotelling observer-based low-contrast detectability on the ACR CT accreditation phantom: Part II. Repeatability study
2024-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16961
PMID:38305692
|
研究论文 | 本研究验证了基于通道化霍特林观测器的低对比度检测能力评估方法在ACR CT认证体模上的重复性 | 优化后的CHO模型仅需1-3次重复扫描即可实现高重复性测量，解决了传统方法需要大量重复扫描的局限性 | 研究仅限于四种特定CT扫描仪型号和ACR体模，未涵盖所有可能的临床场景 | 验证基于通道化霍特林观测器的低对比度检测能力评估方法的重复性 | ACR CT认证体模和四种CT扫描仪（西门子Force和Alpha，佳能Prism和Prime SP） | 医学影像分析 | NA | CT扫描，通道化霍特林观测器，深度学习重建 | 通道化霍特林观测器 | CT图像 | 4种CT扫描仪，每种10次重新定位，每次3次重复扫描，共120次扫描 | NA | NA | 检测指数d'，P<15%（测量值落在±15%容差范围内的概率） | NA |
| 1987 | 2025-03-03 |
2024-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16965
PMID:38319676
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1988 | 2025-10-07 |
Improved outcome models with denoising diffusion
2024-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2024.103307
PMID:38325221
|
研究论文 | 本研究使用去噪扩散概率模型生成合成放疗计划数据，以改善类别不平衡的肿瘤局部控制预测模型性能 | 首次将条件3D DDPM模型应用于放疗结果建模，通过生成合成治疗计划数据解决类别不平衡问题 | 研究仅基于535例NSCLC患者数据，样本量相对有限 | 改善放疗结果建模中的类别不平衡问题，提高肿瘤局部控制预测模型的性能 | 535例接受SBRT治疗的NSCLC患者 | 医学影像分析 | 肺癌 | 放射治疗计划数据生成 | DDPM, 深度学习 | 3D医学影像（计划CT图像、3D计划剂量分布）、患者人口统计学数据 | 535例NSCLC患者，其中6-7%发生局部失败 | NA | 条件3D DDPM | Fréchet inception distance (FID) | NA |
| 1989 | 2025-10-07 |
Machine learning based prediction of image quality in prostate MRI using rapid localizer images
2024-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.2.026001
PMID:38435711
|
研究论文 | 本研究开发了一种基于机器学习的预测方法，仅使用快速定位序列图像即可预测前列腺MRI图像质量 | 首次仅基于几秒钟即可获取的MRI快速定位序列图像，预测尚未采集的T2W、DWI和ADC序列图像质量 | 样本量相对较小（213例），测试集中优质与次优检查比例不平衡 | 开发前列腺MRI图像质量早期预测方法，以便及时干预或重新安排检查 | 前列腺MRI快速定位图像和直肠内容物 | 医学影像分析 | 前列腺癌 | MRI | 深度学习 | 医学图像 | 213例前列腺矢状T2加权MRI定位图像（147例训练，64例测试） | NA | 2D U-Net, ResNet-34 | AUC, ICC | NA |
| 1990 | 2025-10-07 |
Automated detection of nine infantile fundus diseases and conditions in retinal images using a deep learning system
2024-Mar, The EPMA journal
DOI:10.1007/s13167-024-00350-y
PMID:38463622
|
研究论文 | 开发了一种基于深度学习的婴儿视网膜智能诊断系统，用于自动检测九种婴儿眼底疾病和状况 | 结合卷积神经网络和Transformer结构，开发了首个能够同时识别九种婴儿眼底疾病的自动化诊断系统 | 研究数据来自四家医院，可能存在地域局限性；需要进一步验证在更广泛人群中的适用性 | 开发自动化系统辅助婴儿眼底疾病的早期诊断和监测 | 婴儿视网膜图像 | 计算机视觉 | 眼科疾病 | 深度学习 | CNN, Transformer | 视网膜图像 | 7697张视网膜图像（来自1089名婴儿） | NA | ResNet-18, Multi-Axis Vision Transformer (MaxViT) | 准确率, 精确率, 召回率, F1分数, kappa系数, AUC | NA |
| 1991 | 2025-10-07 |
RETRACTED ARTICLE: Sustainable strategy for online physical education teaching using ResNet34 and big data
2024-12, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08524-y
PMID:37362298
|
研究论文 | 提出一种基于ResNet34和注意力机制的在线体育教学支持系统，用于实时分析和纠正学生运动动作 | 将注意力机制模块与ResNet34结合提升检测精度，系统具备可持续扩展数据集的能力以适应新运动类别 | NA | 开发可持续的在线体育教学支持系统，解决远程教学中运动动作指导和纠正的难题 | 在线体育教学中的学生运动动作（体操、舞蹈、篮球等） | 计算机视觉 | NA | 大数据分析 | CNN | 图像 | NA | NA | ResNet34 | 准确率,精确率,召回率 | NA |
| 1992 | 2025-03-02 |
Deep learning models using intracranial and scalp EEG for predicting sedation level during emergence from anaesthesia
2024-Dec, BJA open
DOI:10.1016/j.bjao.2024.100347
PMID:40018289
|
研究论文 | 本研究探讨了使用颅内和头皮脑电图（EEG）预测麻醉苏醒期间镇静水平的深度学习模型 | 结合颅内和头皮EEG数据，利用深度学习模型预测镇静水平，显著提高了预测准确性 | 样本量较小，仅涉及7名患者，且验证集仅包含5名患者的头皮EEG数据 | 研究目的是通过EEG监测预测麻醉苏醒期间的镇静水平，以提高麻醉管理的安全性 | 研究对象为接受颅内电极植入手术的7名难治性癫痫患者，以及5名仅提供头皮EEG数据的患者 | 机器学习 | 癫痫 | EEG | 深度学习模型 | EEG数据 | 7名患者（颅内和头皮EEG数据），5名患者（仅头皮EEG数据） | NA | NA | NA | NA |
| 1993 | 2025-10-07 |
Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model
2024-Nov-22, The British journal of ophthalmology
DOI:10.1136/bjo-2023-324528
PMID:39117359
|
研究论文 | 开发一种深度学习模型，利用纵向系列黄斑光学相干断层扫描血管成像图像检测青光眼进展 | 首次设计定制化卷积神经网络用于基于纵向OCTA图像的青光眼进展检测，相比传统逻辑回归模型表现更优 | 样本量相对有限（202只眼），需要外部验证来进一步验证模型性能 | 开发深度学习模型以检测青光眼进展 | 134名开角型青光眼患者的202只眼睛 | 计算机视觉 | 青光眼 | 光学相干断层扫描血管成像 | CNN | 图像 | 202只眼睛，平均随访3.5年，每只眼至少4次OCTA检查 | NA | 定制化卷积神经网络 | AUC, 敏感度, 特异度, 准确率 | NA |
| 1994 | 2025-10-07 |
Predicting phage-host interactions via feature augmentation and regional graph convolution
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae672
PMID:39727002
|
研究论文 | 提出一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用 | 引入互信息进行特征增强，并设计区域图卷积模型来学习有意义的表示，通过区域级注意力机制处理不同距离邻居节点的贡献差异 | 未明确说明方法在高度稀疏数据下的过拟合风险控制效果 | 预测噬菌体-宿主相互作用，为噬菌体疗法开发提供支持 | 噬菌体及其宿主细菌 | 机器学习 | 细菌感染 | 深度学习 | 图卷积网络 | 序列数据, 环境样本数据 | 三个基准数据集 | NA | 区域图卷积模型 | NA | NA |
| 1995 | 2025-10-07 |
Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease
2024-11-04, Inflammatory bowel diseases
IF:4.5Q1
DOI:10.1093/ibd/izad285
PMID:38011673
|
研究论文 | 开发用于克罗恩病CTE图像病灶自动分割的深度学习模型，并基于影像组学特征构建机器学习分类器评估疾病活动性 | 结合nnU-Net自动分割模型与影像组学特征分析，构建端到端的克罗恩病活动性评估系统 | 回顾性研究，样本量有限（分割数据集84例，分类数据集193例） | 开发自动分割模型并构建分类器评估克罗恩病活动性 | 克罗恩病患者的CTE图像 | 医学影像分析 | 克罗恩病 | CTE成像，影像组学分析 | nnU-Net，机器学习分类器 | CTE图像 | 分割数据集：84例CTE检查（平均年龄31±13岁，60名男性）；分类数据集：193例CTE检查（平均年龄31±12岁，136名男性） | NA | nnU-Net | Dice相似系数，AUC，敏感度，特异度，准确度 | NA |
| 1996 | 2025-03-02 |
A Deep Learning Framework for End-to-End Control of Powered Prostheses
2024-May, IEEE robotics and automation letters
IF:4.6Q2
DOI:10.1109/lra.2024.3374189
PMID:40012860
|
研究论文 | 本文提出了一种深度学习框架，用于端到端控制动力假肢，消除了传统任务分类、状态机和中级控制方程的需求 | 通过将整个控制问题压缩到一个深度神经网络中，消除了传统任务分类、状态机和中级控制方程的需求 | 研究仅针对五种运动模式进行，样本量为12名经股截肢者，可能需要更多样化的数据和更大的样本量来验证模型的普适性 | 探索深度学习在动力假肢控制中的应用，以实现端到端的关节级辅助 | 动力膝踝假肢（OSL）及其传感器数据 | 机器学习 | NA | 深度学习 | 时间卷积网络（TCN） | 传感器数据 | 12名经股截肢者 | NA | NA | NA | NA |
| 1997 | 2024-08-24 |
Editorial for "Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study"
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28881
PMID:37410077
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1998 | 2025-10-07 |
Deep Learning Identifies High-Quality Fundus Photographs and Increases Accuracy in Automated Primary Open Angle Glaucoma Detection
2024-01-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.1.23
PMID:38285462
|
研究论文 | 开发并评估用于评估眼底照片质量的深度学习模型，并定量测量其在独立研究人群中自动化原发性开角型青光眼检测中的影响 | 首次开发专门用于评估眼底照片质量的深度学习模型，并证明通过自动质量评估筛选低质量照片可显著提高青光眼检测模型的准确性 | 研究数据来源于特定研究队列，需要在更广泛的人群中验证模型的泛化能力 | 提高自动化原发性开角型青光眼检测的准确性 | 眼底照片 | 计算机视觉 | 青光眼 | 眼底摄影 | 深度学习 | 图像 | 2815张来自DIGS/ADAGES研究的眼底照片和11350张来自OHTS研究的眼底照片 | NA | NA | AUROC | NA |
| 1999 | 2025-03-02 |
Rapid and accurate classification of mung bean seeds based on HPMobileNet
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1474906
PMID:40017618
|
研究论文 | 本研究提出了一种基于深度学习的绿豆种子快速准确分类方法，通过改进MobileNetV2模型，引入了DMS块、ECA块和Mish激活函数，构建了高精度网络模型HPMobileNet | 提出了HPMobileNet模型，结合DMS块、ECA块和Mish激活函数，显著提升了绿豆种子分类的准确率 | 研究未涉及模型在其他作物种子分类中的泛化能力，且未来优化和应用潜力仍需进一步探索 | 开发一种高效准确的绿豆种子分类方法，推动智能农业技术的发展 | 八种不同品种的绿豆种子 | 计算机视觉 | NA | 深度学习 | HPMobileNet（基于MobileNetV2改进） | 图像 | 34,890张绿豆种子图像 | NA | NA | NA | NA |
| 2000 | 2025-03-02 |
A method of deep network auto-training based on the MTPI auto-transfer learning and a reinforcement learning algorithm for vegetation detection in a dry thermal valley environment
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1448669
PMID:40017619
|
研究论文 | 本文提出了一种基于MTPI自动迁移学习和强化学习算法的深度网络自动训练方法，用于干旱热谷环境中的植被检测 | 结合了MTPI（最大迁移潜力指数方法）和MTSA（多汤普森采样算法）强化学习，用于数据集自动增强和网络自动训练，减少了人工经验和试错成本 | 现有自动训练方法适应于简单数据集和网络结构，在非结构化环境（如干旱热谷环境）中实用性较低 | 减少深度学习中的手动干预，提高复杂植被信息收集的效率 | 干旱热谷环境中的植被 | 计算机视觉 | NA | 深度学习，强化学习，迁移学习 | FCN, Seg-Net, U-Net, Seg-Res-Net 50 | 图像 | NA | NA | NA | NA | NA |