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 12390 篇文献，本页显示第 3541 - 3560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3541 | 2025-10-07 |
Deep learning-based image quality assessment: impact on detection accuracy of prostate cancer extraprostatic extension on MRI
2024-08, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04468-5
PMID:38958754
|
研究论文 | 本研究使用基于深度学习的AI算法评估前列腺MRI图像质量，并分析图像质量对前列腺癌包膜外侵犯检测准确性的影响 | 首次将深度学习图像质量评估应用于前列腺癌包膜外侵犯检测，量化了图像质量对诊断准确性的具体影响 | 单中心回顾性研究，样本量有限，仅评估了T2WI序列 | 评估MRI图像质量对前列腺癌包膜外侵犯检测准确性的影响 | 接受多参数MRI检查并行根治性前列腺切除术的前列腺癌患者 | 医学影像分析 | 前列腺癌 | MRI, 深度学习 | 深度学习算法 | 医学影像 | 773例连续患者 | NA | NA | 敏感性, 特异性, 阳性预测值, 阴性预测值, 比值比 | NA |
| 3542 | 2025-10-07 |
Deep learning-accelerated T2WI: image quality, efficiency, and staging performance against BLADE T2WI for gastric cancer
2024-08, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04323-7
PMID:38662208
|
研究论文 | 比较深度学习加速单次屏气T2WI与BLADE T2WI在胃癌成像中的图像质量、效率和诊断性能 | 首次将深度学习加速的单次屏气T2WI技术应用于胃癌成像，并与传统BLADE T2WI进行系统比较 | 样本量相对有限（112例患者），单中心研究 | 评估深度学习加速T2WI在胃癌成像中的临床应用价值 | 胃癌患者 | 医学影像分析 | 胃癌 | T2加权磁共振成像 | 深度学习 | 医学影像 | 112例胃癌患者，其中69个可测量病灶，71例接受胃切除术患者 | NA | NA | 信噪比, 对比噪声比, T分期准确率, 图像质量评分 | NA |
| 3543 | 2025-10-07 |
High-throughput classification of S. cerevisiae tetrads using deep learning
2024-07, Yeast (Chichester, England)
DOI:10.1002/yea.3965
PMID:38850080
|
研究论文 | 开发基于深度学习的图像识别与分类流程，用于高通量酿酒酵母四分体检测和减数分裂交叉分类 | 首次将深度学习应用于酿酒酵母四分体的自动化分析，实现减数分裂交叉事件的高通量检测 | 方法验证仅限于野生型和特定基因敲除突变体，尚未在其他生物系统中测试 | 自动化分析酿酒酵母减数分裂重组事件，加速相关基因的发现 | 酿酒酵母四分体 | 计算机视觉 | NA | 荧光标记成像 | 深度学习 | 图像 | 野生型和选定基因敲除突变体的大规模图像数据集 | NA | NA | NA | NA |
| 3544 | 2025-10-07 |
A deep learning approach for diagnosis of schizophrenia disorder via data augmentation based on convolutional neural network and long short-term memory
2024-Jul, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00360-9
PMID:38946814
|
研究论文 | 提出基于CNN和LSTM的深度学习框架，通过数据增强技术自动诊断精神分裂症 | 开发端到端的15层CNN和16层CNN-LSTM混合模型，结合GAN数据增强技术，无需手动特征提取 | 未提及模型在其他精神疾病鉴别或跨数据集验证方面的表现 | 开发自动诊断精神分裂症的深度学习系统 | 精神分裂症患者的脑电图信号 | 机器学习 | 精神分裂症 | 脑电图 | CNN, LSTM, GAN | 脑电图信号 | 大型脑电图数据集（具体数量未说明） | NA | 15层CNN, 16层CNN-LSTM | 准确率 | NA |
| 3545 | 2025-10-07 |
Black Box Warning: Large Language Models and the Future of Infectious Diseases Consultation
2024-04-10, Clinical infectious diseases : an official publication of the Infectious Diseases Society of America
IF:8.2Q1
DOI:10.1093/cid/ciad633
PMID:37971399
|
评论 | 探讨大型语言模型在传染病咨询领域的应用前景与风险 | 首次系统分析LLMs在传染病专科咨询中的潜在应用与局限性，并提出专科医生参与技术规范制定的必要性 | LLMs存在虚构内容、缺乏情境意识、训练数据不透明、易复制偏见等问题，目前不适合临床部署 | 分析LLMs在医疗咨询特别是传染病专科的应用潜力与风险 | 大型语言模型在传染病临床咨询中的应用 | 自然语言处理 | 传染病 | 深度学习算法 | LLM | 文本 | NA | NA | NA | NA | NA |
| 3546 | 2025-02-26 |
Exploring the application of knowledge transfer to sports video data
2024, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2024.1460429
PMID:39989920
|
研究论文 | 本研究探讨了知识转移在体育视频数据中的应用，特别是零样本学习（ZSL）和球员重识别技术 | 利用预训练的重识别模型提取特征嵌入，在零样本学习环境下评估其在橄榄球联赛和篮网球中的应用，展示了在动态体育环境中部分模型的有效性 | 非部分模型在背景干扰下表现不佳，且需要大量资源来重现结果 | 探索更高效的方法，以在不同体育项目中应用AI和计算机视觉技术，减少数据标注和模型训练成本 | 橄榄球联赛和篮网球的体育视频数据 | 计算机视觉 | NA | 零样本学习（ZSL） | 预训练的重识别模型 | 视频 | 橄榄球联赛近35,000帧和篮网球近14,000帧的广播视频剪辑 | NA | NA | NA | NA |
| 3547 | 2025-02-26 |
Multiomics Research: Principles and Challenges in Integrated Analysis
2024, Biodesign research
DOI:10.34133/bdr.0059
PMID:39990095
|
综述 | 本文综述了多组学研究的基本原则和挑战，强调了数据整合在揭示生物系统复杂相互作用和调控机制中的必要性 | 探讨了深度学习、图神经网络（GNNs）和生成对抗网络（GANs）等最新计算方法在多组学数据合成和解释中的应用，并提出了大语言模型在多组学分析中的潜力 | 需要大量的计算资源和复杂的模型调优 | 指导研究人员在多组学研究中导航原则和挑战，以促进整合生物分析的发展 | 多组学数据 | 生物信息学 | NA | 多组学技术（基因组学、转录组学、蛋白质组学、代谢组学等） | 深度学习、图神经网络（GNNs）、生成对抗网络（GANs） | 多组学数据 | NA | NA | NA | NA | NA |
| 3548 | 2025-02-25 |
Construction of an antidepressant priority list based on functional, environmental, and health risks using an interpretable mixup-transformer deep learning model
2024-08-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.134651
PMID:38843640
|
研究论文 | 本研究构建了一个基于功能、环境及健康风险的抗抑郁药物优先级筛选系统（ADRank），并采用改进的mixup-transformer深度学习模型进行分类，以提高分类准确性和可靠性 | 采用改进的mixup-transformer深度学习模型，相较于随机森林模型，分类准确性提高了23.25%，可靠性提高了80% | 研究中未明确提及样本量及数据来源的具体细节 | 构建抗抑郁药物的风险优先级筛选系统，以识别和管理抗抑郁药物的风险 | 抗抑郁药物（AD） | 机器学习 | NA | 深度学习 | mixup-transformer | NA | NA | NA | NA | NA | NA |
| 3549 | 2025-02-25 |
Early detection of nicosulfuron toxicity and physiological prediction in maize using multi-branch deep learning models and hyperspectral imaging
2024-08-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.134723
PMID:38815392
|
研究论文 | 本研究利用多分支深度学习模型和高光谱成像技术，开发了HerbiNet模型，用于早期检测玉米中nicosulfuron除草剂的毒性 | 开发了HerbiNet和HerbiNet-Lite模型，能够早期准确预测玉米中nicosulfuron的毒性，并在不同年份和季节的数据集上表现出更高的泛化能力 | 研究仅针对nicosulfuron一种除草剂，未涉及其他除草剂的毒性检测 | 开发早期检测玉米中除草剂毒性的方法，以保护玉米生产和田间环境 | 玉米作物及其高光谱图像 | 计算机视觉 | NA | 高光谱成像 | 多分支深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 3550 | 2025-02-25 |
Deep Learning Analysis of Surgical Video Recordings to Assess Nontechnical Skills
2024-07-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究探讨了利用手术视频记录中的运动特征自动评估心脏手术过程中非技术技能的可行性 | 首次使用深度学习技术从手术视频中提取运动特征，以自动评估手术团队的非技术技能 | 研究仅在一家医院进行，且样本量较小，需要进一步在不同医院和专科中验证结果 | 探索自动评估手术室非技术技能的方法，以提高手术表现和患者安全 | 心脏手术过程中的手术团队 | 计算机视觉 | 心血管疾病 | OpenPose库用于视频分析 | 深度学习 | 视频 | 30例完整的心脏手术过程 | NA | NA | NA | NA |
| 3551 | 2025-02-25 |
CEUS in prediction of early recurrence of hepatocellular carcinoma after curative resection and to stratify the risk of early recurrence: a retrospective observational study
2024-06, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04252-5
PMID:38557770
|
研究论文 | 本研究探讨了术前对比增强超声（CEUS）在预测肝细胞癌（HCC）根治性切除术后早期复发（ER）中的作用，并分层了ER的风险 | 首次使用CEUS结合DL放射组学复发评分来预测HCC的早期复发，并基于预测因子数量对患者进行风险分层 | 研究为回顾性观察研究，可能存在选择偏差 | 预测肝细胞癌根治性切除术后的早期复发并分层风险 | 556名在2011年1月至2018年12月期间接受根治性切除术的HCC患者 | 数字病理 | 肝细胞癌 | 对比增强超声（CEUS） | 深度学习（DL） | 图像 | 556名HCC患者 | NA | NA | NA | NA |
| 3552 | 2025-02-25 |
Deep learning-based image reconstruction for the multi-arterial phase images: improvement of the image quality to assess the small hypervascular hepatic tumor on gadoxetic acid-enhanced liver MRI
2024-06, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04236-5
PMID:38512517
|
研究论文 | 本文评估了基于深度学习的图像重建技术在多动脉期磁共振成像（MA-MRI）中对小血管性肝肿瘤图像质量的提升效果 | 首次将深度学习技术应用于多动脉期磁共振成像的图像重建，显著提高了图像质量 | 研究样本量较小，且为回顾性研究，可能影响结果的普遍性 | 评估深度学习图像重建技术在多动脉期磁共振成像中的应用效果 | 55名患有小血管性肝肿瘤的成年患者 | 计算机视觉 | 肝肿瘤 | 深度学习图像重建 | 深度学习模型 | 图像 | 55名成年患者 | NA | NA | NA | NA |
| 3553 | 2025-10-07 |
Noninvasive diagnosis of liver cirrhosis: qualitative and quantitative imaging biomarkers
2024-06, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04225-8
PMID:38372765
|
综述 | 总结用于无创诊断肝硬化的定性和定量影像学生物标志物，以及评估肝功能与预后的方法 | 系统整合传统影像特征与新兴的影像组学和深度学习技术，提出多模态生物标志物联合诊断策略 | 部分定量影像技术（如MR弹性成像）临床应用受限，新兴技术尚未完全进入临床实践 | 探索无创诊断肝硬化的影像学生物标志物及其临床应用价值 | 慢性肝病患者及肝硬化患者 | 数字病理 | 肝硬化 | 超声、CT、MRI、弹性成像技术、影像组学 | 深度学习 | 医学影像 | NA | NA | NA | 诊断敏感性、诊断准确性 | NA |
| 3554 | 2025-02-25 |
Detection of urinary tract stones on submillisievert abdominopelvic CT imaging with deep-learning image reconstruction algorithm (DLIR)
2024-06, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04223-w
PMID:38470506
|
研究论文 | 本研究评估了使用深度学习图像重建算法（DLIR）在亚毫西弗腹部盆腔CT成像中检测尿路结石的诊断性能和图像质量 | 首次在亚毫西弗腹部盆腔CT成像中应用深度学习图像重建算法（DLIR），并评估其在尿路结石检测中的诊断性能和图像质量 | 样本量较小，仅57名患者参与研究 | 评估亚毫西弗腹部盆腔CT成像在尿路结石检测中的诊断性能和图像质量 | 57名疑似尿路结石患者 | 数字病理 | 尿路结石 | CT成像 | 深度学习图像重建算法（DLIR） | 图像 | 57名患者，共检测到266颗结石 | NA | NA | NA | NA |
| 3555 | 2025-10-07 |
A DEEP LEARNING FRAMEWORK TO CHARACTERIZE NOISY LABELS IN EPILEPTOGENIC ZONE LOCALIZATION USING FUNCTIONAL CONNECTIVITY
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635583
PMID:39464200
|
研究论文 | 开发了一个深度学习框架来表征癫痫灶定位中噪声标签的特性 | 提出了一个数学框架来表征噪声标签，并采用多任务深度学习同时识别噪声标签概率和每个ROI的定位预测 | 临床数据集中可靠的癫痫灶标签稀缺，且术后切除区域通常大于实际癫痫灶组织 | 改善药物难治性局灶性癫痫患者中癫痫灶的定位准确性 | 药物难治性局灶性癫痫患者 | 医学影像分析 | 癫痫 | 静息态功能磁共振成像(rs-fMRI) | 深度学习 | 功能磁共振成像数据 | 模拟数据集(来自人类连接组计划)和临床癫痫数据集 | NA | 多任务深度学习框架 | 定位性能 | NA |
| 3556 | 2025-10-07 |
High Resolution Multi-delay Arterial Spin Labeling with Transformer based Denoising for Pediatric Perfusion MRI
2024-Mar-06, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.03.04.24303727
PMID:38496517
|
研究论文 | 提出一种基于Transformer的高分辨率多延迟动脉自旋标记去噪方法，用于儿科灌注MRI成像 | 首次将Transformer深度学习模型应用于多延迟动脉自旋标记图像去噪，并采用k-space加权图像平均去噪图像作为训练参考 | 研究样本仅限于21名8-17岁正常发育儿童，未包含异常发育群体 | 开发有效的多延迟动脉自旋标记图像去噪方法，提高儿科灌注MRI的成像质量 | 儿科脑灌注成像，重点关注脑血流量和动脉通过时间的测量 | 医学影像处理 | 儿科神经发育疾病 | 多延迟动脉自旋标记，k-space加权图像平均 | Transformer | MRI灌注图像 | 21名8-17岁正常发育儿童 | NA | Transformer | 信噪比，偏差，重测重复性 | NA |
| 3557 | 2025-10-07 |
Deep learning performance on MRI prostate gland segmentation: evaluation of two commercially available algorithms compared with an expert radiologist
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.015002
PMID:38404754
|
研究论文 | 评估两种商业深度学习算法与放射科专家在前列腺MRI腺体分割任务中的性能对比 | 在真实临床多中心环境中验证商业AI算法性能，未进行内部训练直接测试 | 样本量相对有限（123例患者），仅评估两种商业算法 | 验证商业AI算法在前列腺MRI分割中的临床实用性 | 前列腺腺体 | 医学影像分析 | 前列腺癌 | MRI | 深度学习算法 | MRI图像 | 123例患者，来自7家医院，8台扫描仪（1.5T和3T） | NA | NA | Dice相似系数 | NA |
| 3558 | 2025-10-07 |
Deep learning improves physician accuracy in the comprehensive detection of abnormalities on chest X-rays
2024-10-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76608-2
PMID:39448764
|
研究论文 | 开发了一种FDA批准的AI系统，通过深度学习算法辅助医生全面检测和定位胸部X光片异常 | FDA批准的AI系统能显著提高医生检测胸部X光片异常的准确性，特别是使非放射科医生达到放射科医生的诊断水平 | NA | 评估AI系统在辅助医生检测胸部X光片异常方面的效果 | 胸部X光片异常检测 | 计算机视觉 | 胸部疾病 | 深度学习 | 深度学习算法 | 医学影像 | 大型数据集和公开可用数据 | NA | NA | AUC | NA |
| 3559 | 2025-10-07 |
Automated vessel-specific coronary artery calcification quantification with deep learning in a large multi-centre registry
2024-Jun-28, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae045
PMID:38376471
|
研究论文 | 本研究开发了一种基于深度学习的自动化血管特异性冠状动脉钙化量化方法，并在大型多中心注册研究中验证了其准确性和预后价值 | 首次在大型多中心注册研究中验证深度学习模型在门控CT和非门控衰减校正CT上自动量化血管特异性冠状动脉钙化的能力 | 研究仅基于观察性数据，需要进一步前瞻性验证 | 评估深度学习模型在自动量化血管特异性冠状动脉钙化方面的准确性和预后意义 | 冠状动脉及其主要分支（左主干/左前降支、左回旋支、右冠状动脉） | 数字病理 | 心血管疾病 | 心电图门控计算机断层扫描、衰减校正计算机断层扫描 | 深度学习 | CT图像 | 训练集3000例门控CT，测试集2094例门控CT和5969例非门控AC CT | NA | NA | Cohen's Kappa系数, 风险比, 置信区间 | NA |
| 3560 | 2025-10-07 |
Quantifying the spatial patterns of retinal ganglion cell loss and progression in optic neuropathy by applying a deep learning variational autoencoder approach to optical coherence tomography
2024, Frontiers in ophthalmology
DOI:10.3389/fopht.2024.1497848
PMID:39963427
|
研究论文 | 本研究提出一种增强型变分自编码器方法，用于量化视网膜神经节细胞损失的空间模式并追踪其在视神经病变中的进展 | 开发了包含编码器、显示解码器和增强解码器的bVAE架构，能够分解GCL厚度图为显示潜变量和增强潜变量，首次实现对视神经损伤空间模式的动态追踪和病因分类 | 仅使用光学相干断层扫描数据，未来需要整合其他影像模态提升诊断能力 | 开发深度学习模型以可视化和量化视神经病变中视网膜神经节细胞变薄的空间模式 | 822名受试者的10,701个OCT黄斑扫描数据 | 计算机视觉 | 视神经病变 | 光学相干断层扫描 | 变分自编码器,XGBoost | 医学影像 | 10,701个OCT扫描来自822名受试者 | NA | 增强型变分自编码器 | RMSE,SSIM,AUC | NA |