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 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-10-06 |
Machine learning-based detection of sarcopenic obesity and association with adverse outcomes in patients undergoing surgical treatment for spinal metastases
2024-03-01, Journal of neurosurgery. Spine
DOI:10.3171/2023.9.SPINE23864
PMID:38039533
|
研究论文 | 本研究利用机器学习方法检测脊柱转移瘤手术患者的肌少性肥胖，并分析其与不良预后的关联 | 首次在脊柱转移瘤手术患者中系统研究肌少性肥胖的表型特征及其预后价值 | 样本量较小（62例），单中心回顾性研究设计 | 探讨肌少性肥胖作为脊柱转移瘤手术患者预后因素的潜在价值 | 接受手术治疗的脊柱转移瘤肥胖患者 | 医学影像分析 | 脊柱转移瘤 | 深度学习 | 深度学习 | CT图像 | 62例肥胖患者（37例非肌少性肥胖，25例肌少性肥胖） | NA | NA | OR值, 95%置信区间, p值, 标准化均值差异 | NA |
| 242 | 2025-10-06 |
Machine Learning and Deep Learning for Diagnosis of Lumbar Spinal Stenosis: Systematic Review and Meta-Analysis
2024-12-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/54676
PMID:39715552
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估传统机器学习和深度学习模型在腰椎管狭窄症诊断中的性能 | 首次对机器学习和深度学习在腰椎管狭窄症诊断中的研究进行系统评价和荟萃分析 | 纳入研究数量有限（12项），部分研究存在偏倚风险，模型在真实临床环境中的可靠性不足 | 评估传统机器学习或深度学习模型在诊断腰椎管狭窄症中的性能表现 | 15,044名腰椎管狭窄症患者 | 机器学习 | 腰椎管狭窄症 | NA | 传统机器学习,深度学习 | NA | 15,044名患者 | NA | NA | 灵敏度,特异度,诊断比值比,阳性似然比,阴性似然比,受试者工作特征曲线下面积 | NA |
| 243 | 2025-10-06 |
Implications of Big Data Analytics, AI, Machine Learning, and Deep Learning in the Health Care System of Bangladesh: Scoping Review
2024-10-28, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/54710
PMID:39466315
|
综述 | 本文通过范围综述方法，系统梳理了孟加拉国医疗保健系统中大数据分析、人工智能、机器学习和深度学习技术的应用现状与研究进展 | 首次对孟加拉国医疗系统中BDA、AI、ML和DL技术的应用进行全面范围综述，揭示了该国在数字健康技术整合方面的独特进展模式 | 仅纳入英文文献和同行评审出版物，可能遗漏本地语言文献；时间范围限定可能排除早期重要研究 | 系统梳理孟加拉国医疗系统中数字技术应用的研究现状、监管挑战和实际用例 | 孟加拉国医疗保健系统中的数字技术应用研究 | 医疗健康信息学 | 多种疾病（传染病、非传染性疾病、儿童健康、心理健康） | 大数据分析、人工智能、机器学习、深度学习 | 机器学习模型为主 | 主要数据（52%）和次要数据（48%） | 77项符合条件的研究（从1653项研究中筛选） | NA | NA | NA | NA |
| 244 | 2025-10-06 |
Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning
2024-10, Surgical endoscopy
DOI:10.1007/s00464-024-11117-x
PMID:39093411
|
研究论文 | 本研究开发了一种基于深度学习的人工智能导航系统，用于在胃癌腹腔镜胃切除术中实时指示与术后胰瘘相关的解剖标志 | 首次定义了与术后胰瘘相关的凹陷线作为解剖标志，并开发了实时AI导航系统用于术中指示 | 样本量较小（50例用于系统开发，10例用于验证），需要进一步大样本验证 | 识别胃癌腹腔镜胃切除术中与术后胰瘘相关的解剖标志，并开发AI导航系统 | 胃癌患者接受腹腔镜胃切除术的手术视频 | 计算机视觉 | 胃癌 | 深度学习 | 语义分割模型 | 手术视频图像 | 50例腹腔镜胃切除术病例（45例训练，5例超参数调整），10例前瞻性注册病例用于验证 | NA | 语义分割模型 | Dice系数, Likert量表评分 | NA |
| 245 | 2024-08-13 |
Correction: Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning
2024-Oct, Surgical endoscopy
DOI:10.1007/s00464-024-11160-8
PMID:39133331
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 246 | 2025-10-06 |
An artificial intelligence-based nerve recognition model is useful as surgical support technology and as an educational tool in laparoscopic and robot-assisted rectal cancer surgery
2024-09, Surgical endoscopy
DOI:10.1007/s00464-024-10939-z
PMID:39073558
|
研究论文 | 开发基于U-Net的深度学习模型用于直肠癌手术中神经自动分割，评估其作为手术支持技术和教育工具的效果 | 首次将AI神经识别模型同时应用于直肠癌手术支持和医学教育两个领域 | 测试样本量较小（60帧），模型性能有待进一步提升 | 开发AI神经识别模型以支持直肠癌手术并评估其教育价值 | 直肠癌手术中的神经结构 | 计算机视觉 | 直肠癌 | 深度学习 | CNN | 手术视频图像 | 60个随机选择的视频帧 | NA | U-Net | Dice系数,IoU | NA |
| 247 | 2025-10-06 |
Opportunistic Screening for Osteoporosis Using Hand Radiographs - A Feature Augmentation Study Technique (FAST)
2024-08-22, Studies in health technology and informatics
DOI:10.3233/SHTI240411
PMID:39176740
|
研究论文 | 本研究开发了一种利用手部X光片进行骨质疏松机会性筛查的深度学习方法 | 提出特征增强研究技术(FAST)，首次将手部X光片纹理分析与DXA测量相关联用于骨质疏松筛查 | 回顾性研究，样本量相对有限(422例)，仅包含50岁以上患者 | 开发基于手部X光片的骨质疏松机会性筛查方法 | 50岁及以上接受DXA和手部X光检查的患者 | 计算机视觉 | 骨质疏松症 | 数字X射线，双能X线吸收测定法(DXA) | 深度学习模型 | 手部X光图像 | 422名患者(训练/验证集338例，测试集84例) | NA | NA | 准确率，敏感度，特异度，AUC | NA |
| 248 | 2025-10-06 |
Adversarial Information Bottleneck
2024-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2022.3172986
PMID:35594234
|
研究论文 | 提出一种对抗性信息瓶颈方法，通过解决最小-最大优化问题学习更具不变性的表示并减轻对抗性扰动 | 无需对表示的基础分布进行显式假设，通过对抗训练优化信息瓶颈原理，在对抗鲁棒性方面优于现有方法 | NA | 优化信息瓶颈原理以提高模型鲁棒性，研究压缩与预测之间的权衡关系 | 信息瓶颈方法在对抗扰动下的表现 | 机器学习 | NA | 对抗训练 | 信息瓶颈模型 | 合成数据集和真实世界数据集 | NA | NA | 对抗信息瓶颈(AIB) | 对抗鲁棒性，IB曲线分析 | NA |
| 249 | 2025-10-06 |
MultiSC: a deep learning pipeline for analyzing multiomics single-cell data
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae492
PMID:39376034
|
研究论文 | 提出一种名为MultiSC的深度学习流程，用于分析多组学单细胞数据 | 开发了结合多模态约束自编码器和矩阵分解模型的新型分析流程，能够有效整合三种组学数据 | NA | 解决多组学单细胞数据整合分析的挑战 | 单细胞多组学数据（基因表达、染色质可及性、转录因子蛋白表达） | 生物信息学 | NA | NEAT-seq单细胞多组学测序技术 | 自编码器, 矩阵分解, 多元线性回归 | 多组学单细胞数据 | NA | NA | 单细胞层次约束自编码器, scMF | NA | NA |
| 250 | 2025-10-06 |
DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and Noise Removal
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3237712
PMID:37021916
|
研究论文 | 提出一种基于条件扩散模型的ECG基线漂移和噪声去除方法DeScoD-ECG | 首次将条件扩散生成模型应用于ECG噪声去除，采用多轮平均策略提高信号重建质量 | NA | 开发ECG信号基线漂移和噪声去除技术以提高心血管疾病诊断准确性 | 心电图信号 | 生物医学信号处理 | 心血管疾病 | 扩散模型 | 深度生成模型 | ECG信号 | QT数据库和MIT-BIH噪声压力测试数据库 | NA | 基于分数的扩散模型 | 距离相似性指标 | NA |
| 251 | 2025-10-06 |
A Cross-Modal Mutual Knowledge Distillation Framework for Alzheimer's Disease Diagnosis: Addressing Incomplete Modalities
2024-Oct-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.24.23294574
PMID:37662267
|
研究论文 | 提出一种跨模态互知识蒸馏框架，用于解决阿尔茨海默病诊断中多模态数据不完整的问题 | 首次提出跨模态互知识蒸馏方法，通过教师-学生模型双向知识传递处理不完整多模态数据 | 仅验证于阿尔茨海默病神经影像数据集，在其他疾病和模态组合中的泛化能力有待验证 | 开发能够处理不完整多模态神经影像数据的阿尔茨海默病早期诊断方法 | 阿尔茨海默病患者的多模态神经影像数据（MRI和PET） | 医学影像分析 | 阿尔茨海默病 | 深度学习，知识蒸馏 | CNN | 神经影像数据（MRI，PET） | ADNI数据集中的患者样本 | PyTorch, TensorFlow | 模态解缠教师模型，学生模型 | 分类准确率 | GPU |
| 252 | 2025-10-06 |
Diabetic retinopathy screening through artificial intelligence algorithms: A systematic review
2024 Sep-Oct, Survey of ophthalmology
IF:5.1Q1
|
系统综述 | 本文系统综述了人工智能算法在糖尿病视网膜病变筛查中的应用现状、技术方法和研究进展 | 系统梳理了AI在DR筛查中的最新技术发展，特别关注了深度学习方法在分类、检测和分割任务中的集成应用趋势 | 高质量标注数据获取困难，模型复杂性管理挑战，模型输出可解释性不足，临床环境可靠性验证仍需加强 | 评估人工智能在糖尿病视网膜病变筛查中的应用效果并指导未来研究方向 | 糖尿病视网膜病变筛查相关的AI算法和研究文献 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, ViT, U-Net, YOLO | 彩色眼底图像 | 主要基于IDRiD数据集（516张图像）及其他相关数据集 | NA | YOLO, Vision Transformer, U-Net, 卷积神经网络 | NA | NA |
| 253 | 2025-10-06 |
Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys
2024-Aug-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.25.609595
PMID:39253466
|
研究论文 | 本文通过全球机器学习竞赛分析顶级解决方案，开发用于人肾3D血管分割的深度学习方法 | 组织全球1401名参与者的大规模机器学习竞赛，在分层相衬断层扫描数据上建立血管分割新基准 | 仅针对人肾相衬断层扫描数据，方法在其他成像模态的通用性未验证 | 开发用于3D医学图像血管分割的高效深度学习算法 | 人肾血管系统 | 计算机视觉 | 肾脏疾病 | 分层相衬断层扫描 | 深度学习 | 3D医学图像 | 手动标注的3D人肾数据集 | NA | NA | 分割准确度, 形态学分析 | NA |
| 254 | 2025-10-06 |
PixelPrint 4D : A 3D printing method of fabricating patient-specific deformable CT phantoms for respiratory motion applications
2024-Aug-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.02.24311385
PMID:39211887
|
研究论文 | 本文提出一种名为PixelPrint的3D打印方法，用于制造患者特异性可变形CT肺部体模以模拟呼吸运动 | 开发了能够精确复制患者肺部结构、纹理和衰减特征的可变形体模，相比现有模型更具真实性 | NA | 为呼吸运动补偿技术提供更真实的测试环境 | 呼吸运动体模（RMPs）和CT成像技术 | 医学影像 | 肺部疾病 | 3D打印技术 | NA | CT影像数据 | NA | NA | NA | 结构复制精度、变形准确性、体积变化和衰减变化 | NA |
| 255 | 2025-10-06 |
Resting state electroencephalographic brain activity in neonates can predict age and is indicative of neurodevelopmental outcome
2024-07, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
IF:3.7Q2
DOI:10.1016/j.clinph.2024.05.002
PMID:38797002
|
研究论文 | 本研究开发了一种基于单通道静息态脑电图的深度学习模型，用于预测新生儿脑龄并评估神经发育结局 | 首次使用单通道20分钟静息态EEG数据实现新生儿脑龄预测，大幅降低数据需求，适合临床床边应用 | 测试数据集有限，仅在一个测试数据集中验证了与神经发育结局的关联 | 开发适用于临床床边使用的新生儿脑龄评估方法 | 早产新生儿 | 机器学习 | 新生儿神经发育疾病 | 脑电图 | 深度学习 | 脑电图信号 | 两个独立临床站点的测试数据集 | NA | NA | 平均绝对误差 | NA |
| 256 | 2025-10-06 |
Deep learning model utilizing clinical data alone outperforms image-based model for hernia recurrence following abdominal wall reconstruction with long-term follow up
2024-07, Surgical endoscopy
DOI:10.1007/s00464-024-10980-y
PMID:38862826
|
研究论文 | 本研究比较了基于临床数据和CT图像的深度学习模型在预测腹壁重建术后疝气复发方面的表现 | 发现仅使用临床数据的深度学习模型在预测疝气复发方面优于基于图像和混合数据的模型 | 所有三种模型对疝气复发的预测能力均较差，样本量相对有限（190例患者） | 评估深度学习模型预测腹壁重建术后疝气复发的能力，并比较不同数据类型的预测效果 | 接受腹壁重建术并有术前CT检查的患者 | 机器学习 | 疝气 | CT成像 | 深度学习模型 | 临床数据和CT图像 | 190例腹壁重建术患者，平均随访超过7年 | NA | NA | AUC | NA |
| 257 | 2025-10-06 |
Surgical optomics: hyperspectral imaging and deep learning towards precision intraoperative automatic tissue recognition-results from the EX-MACHYNA trial
2024-07, Surgical endoscopy
DOI:10.1007/s00464-024-10880-1
PMID:38789623
|
研究论文 | 本研究开发了基于高光谱成像和深度学习的术中自动组织识别系统，用于腹部手术中的精确组织识别 | 首次在前瞻性双中心设置中使用人类数据开发基于HSI的自动腹部组织识别系统，提出了“外科光学组学”新概念 | 需要进一步工作来量化HSI的临床价值，相似胚胎起源组织的分类准确性有待提高 | 开发术中自动组织识别技术以提高手术精准度 | 接受择期开腹手术的患者 | 计算机视觉 | 腹部疾病 | 高光谱成像 | CNN | 高光谱图像，RGB图像 | 169名患者（斯特拉斯堡73名，维罗纳96名），766张图像 | NA | NA | 真阳性率，DICE系数 | NA |
| 258 | 2025-10-06 |
Clinical utility of a rapid two-dimensional balanced steady-state free precession sequence with deep learning reconstruction
2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101069
PMID:39079600
|
研究论文 | 本研究评估了采用深度学习重建的加速二维心脏磁共振电影序列在缩短采集时间同时保持定量容积测量和图像质量的临床效用 | 首次将深度学习重建技术(Sonic DL)应用于二维平衡稳态自由进动序列，实现了37%的采集时间减少且不影响诊断质量 | 左心室质量和纵向应变测量存在轻微高估(质量高估3.36 g/m²，纵向应变高估1.97%) | 评估深度学习重建加速技术在心脏磁共振电影成像中的临床实用性 | 124名参与者(16名预研究+108名前瞻性研究) | 医学影像分析 | 心血管疾病 | 心血管磁共振(CMR)，二维平衡稳态自由进动序列 | 深度学习 | 医学影像 | 124名参与者 | NA | Sonic DL | Bland-Altman分析，Pearson相关系数，配对t检验，Wilcoxon符号秩检验 | NA |
| 259 | 2025-10-06 |
Impact of training data composition on the generalizability of convolutional neural network aortic cross-section segmentation in four-dimensional magnetic resonance flow imaging
2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101081
PMID:39127260
|
研究论文 | 研究训练数据组成对四维磁共振血流成像中主动脉横截面分割卷积神经网络泛化能力的影响 | 首次系统分析训练数据中病理特征、技术因素等组成对4D flow CMR分割模型泛化性能的影响 | 研究样本量有限（260个数据集），未涵盖所有可能的病理类型和技术变体 | 开发自动分割模型并分析训练数据组成对模型跨中心、扫描仪厂商、序列和病理泛化能力的影响 | 260个4D flow CMR数据集，包括无主动脉病理受试者、健康志愿者和二叶式主动脉瓣患者 | 医学影像分析 | 心血管疾病 | 四维心血管磁共振血流成像 | CNN | 医学影像 | 260个4D flow CMR数据集 | NA | 增强型三维U-net with residual units | Dice score, Hausdorff distance, average symmetric surface distance, Bland-Altman分析, interclass correlation | NA |
| 260 | 2025-10-06 |
Automated biventricular quantification in patients with repaired tetralogy of Fallot using a three-dimensional deep learning segmentation model
2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101092
PMID:39270800
|
研究论文 | 开发用于法洛四联症修复患者双心室自动分割的三维深度学习模型 | 首个专门针对先天性心脏病（法洛四联症）患者的三维深度学习分割模型，能够处理训练图像中缺失标签的问题 | 模型主要针对法洛四联症修复患者，在其他先天性心脏病中的泛化能力有待验证 | 开发专门用于法洛四联症修复患者左心室和右心室量化分析的自动分割模型 | 法洛四联症修复患者的心脏磁共振图像 | 医学图像分析 | 先天性心脏病 | 心血管磁共振成像 | CNN | 三维短轴心脏磁共振图像 | 训练集：196例（100例正常或获得性心脏病，96例法洛四联症）；测试集：36例法洛四联症 | NA | 三维卷积神经网络 | Dice相似系数, 平均绝对误差, Wilcoxon符号秩检验 | NA |