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 12102 篇文献，本页显示第 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2025-10-05 |
Accelerated Cine Cardiac MRI Using Deep Learning-Based Reconstruction: A Systematic Evaluation
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29081
PMID:37855257
|
研究论文 | 系统评估基于深度学习的加速心脏电影MRI重建技术在不同加速因子下的性能 | 首次系统评估深度学习重建技术在心脏电影bSSFP成像中从2到8倍加速范围内的性能表现 | 研究样本仅包括15名漏斗胸患者且具有正常心脏功能，样本量有限 | 评估深度学习重建技术在加速心脏MRI采集中的可行性和性能 | 15名漏斗胸患者（平均年龄16.8±5.4岁，20%女性） | 医学影像分析 | 心脏疾病 | 心脏电影平衡稳态自由进动成像 | 深度学习 | MRI图像 | 15名患者 | NA | NA | 结构相似性指数, 图像质量评分, 边缘定义评分, 双心室容积指标 | NA |
| 582 | 2025-10-05 |
Fetal MRI-Based Body and Adiposity Quantification for Small for Gestational Age Perinatal Risk Stratification
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29141
PMID:37982367
|
研究论文 | 本研究通过胎儿MRI量化身体和脂肪指标，用于小于胎龄儿围产期风险分层 | 首次使用深度学习自动分割胎儿身体和皮下脂肪，量化脂肪信号分数和脂肪-身体体积比用于SGA风险预测 | 样本量较小(40例)，单中心研究，需要更大规模验证 | 开发基于胎儿MRI的身体成分量化方法，改善小于胎龄儿的围产期风险分层 | 40例小于胎龄儿胎儿，孕周30+2至37+2 | 数字病理 | 胎儿生长受限 | 胎儿MRI，True Fast Imaging with Steady State Free Precession (TruFISP)，T1-weighted two-point Dixon (T1W Dixon)序列 | 深度学习 | 医学影像 | 40例SGA胎儿，其中26例女性(61.9%) | NA | NA | 敏感性，特异性，阳性预测值，阴性预测值，准确率 | NA |
| 583 | 2025-10-05 |
Prostate Age Gap: An MRI Surrogate Marker of Aging for Prostate Cancer Detection
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29090
PMID:37855699
|
研究论文 | 本研究开发了一种基于前列腺MRI的衰老生物标志物——前列腺年龄差，用于评估临床显著前列腺癌的风险 | 首次从前列腺MRI中提取衰老生物标志物，提出前列腺年龄差概念作为前列腺癌检测的新型影像学生物标志物 | 回顾性研究设计，样本量相对有限（468名患者），需要进一步前瞻性验证 | 开发前列腺MRI衰老生物标志物并评估其与临床显著前列腺癌风险的关联 | 468名接受活检的男性患者，共7243个前列腺MRI切片 | 数字病理 | 前列腺癌 | 磁共振成像 | 深度学习模型 | MRI图像 | 468名患者（65.97±6.91岁），7243个前列腺MRI切片；训练集：212名非临床显著前列腺癌患者（81例低级别前列腺癌+131例阴性）的3223个MRI切片；测试集：256名患者（90例阴性+52例低级别+114例临床显著前列腺癌） | NA | NA | AUC, OR, 置信区间, P值 | NA |
| 584 | 2025-10-05 |
Deep Learning-Driven Transformation: A Novel Approach for Mitigating Batch Effects in Diffusion MRI Beyond Traditional Harmonization
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29088
PMID:37877463
|
研究论文 | 提出一种基于深度学习的扩散MRI图像批效应消除方法，通过对比度调整和超分辨率技术减少不同磁场强度和成像参数导致的图像差异 | 使用深度学习驱动的变换方法超越传统标准化技术，结合对比度调整和超分辨率来减少扩散加权图像的多样性 | 模型基于单个个体的开放数据集构建，样本来源相对有限 | 开发深度学习模型以减少扩散加权图像在不同磁场强度和成像参数下的多样性 | 扩散加权MRI图像 | 医学影像分析 | 中风,肿瘤 | 扩散加权成像,自旋回波序列,T2-SPACE序列 | 深度学习,自编码器,CNN | MRI图像 | 1134名成年人(54%女性,46%男性)，包含21000张图像，其中1050名无DWI异常，84名有中风和肿瘤等病变 | NA | ResNet-50,自编码器 | 准确率,精确率,召回率,F1分数,PSNR,SSIM,Dice系数 | NA |
| 585 | 2025-10-05 |
Development of an MRI-Based Comprehensive Model Fusing Clinical, Radiomics and Deep Learning Models for Preoperative Histological Stratification in Intracranial Solitary Fibrous Tumor
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29098
PMID:37897302
|
研究论文 | 开发基于MRI的融合临床、影像组学和深度学习特征的综合模型，用于颅内孤立性纤维瘤的术前组织学分层 | 首次提出融合临床特征、影像组学和深度学习的多模态综合模型用于颅内孤立性纤维瘤的术前分级 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 研究基于MRI的临床-影像组学-深度学习综合模型在颅内孤立性纤维瘤术前组织学分层的可行性 | 398例来自北京天坛医院的患者（主要训练队列）和49例来自兰州大学第二医院的患者（外部验证队列） | 医学影像分析 | 颅内孤立性纤维瘤 | 磁共振成像 | 深度学习 | MRI图像 | 447例患者（398例训练，49例外部验证） | NA | NA | AUC, 决策曲线分析, 校准曲线 | NA |
| 586 | 2025-10-05 |
Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01008-x
PMID:38413460
|
研究论文 | 本文提出一种结合深度学习与肿瘤微环境分析的方法，用于胶质瘤分级诊断 | 开发了同时进行全切片监督学习和无监督细胞间分析的协议，发现骨髓细胞在胶质瘤分级中的关键作用 | 数据集规模较小（仅206张图像）且存在类别不平衡问题 | 开发自动化的胶质瘤分级诊断方法 | 胶质瘤组织微阵列图像 | 数字病理学 | 胶质瘤 | HLA染色，图像增强 | CNN | 病理图像 | 206张图像，5个类别 | NA | DenseNet121 | 准确率 | NA |
| 587 | 2025-10-05 |
Approximating Intermediate Feature Maps of Self-Supervised Convolution Neural Network to Learn Hard Positive Representations in Chest Radiography
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01032-x
PMID:38381382
|
研究论文 | 提出中间特征近似损失函数来改进自监督卷积神经网络在胸部X光图像中的对比学习性能 | 提出中间特征近似损失函数，专注于增强正样本表示而不需要额外数据增强 | NA | 改进医学图像对比学习中的正样本表示学习 | 胸部X光图像 | 计算机视觉 | NA | 对比学习 | CNN, GAN | 医学图像 | NA | NA | 卷积神经网络 | 分类准确率，目标检测性能，GAN反演质量 | NA |
| 588 | 2025-10-05 |
DeepCSFusion: Deep Compressive Sensing Fusion for Efficient COVID-19 Classification
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01011-2
PMID:38381386
|
研究论文 | 提出一种基于深度压缩感知融合的高效COVID-19分类方法 | 提出新型压缩策略，可将深度特征压缩10%-90%，并通过特征融合实现高精度分类 | 仅使用单一公开数据集进行验证，未说明在其他数据集上的泛化能力 | 开发适用于资源受限设备的COVID-19高效分类方法 | COVID-19和非COVID-19的计算机断层扫描图像 | 计算机视觉 | COVID-19 | 计算机断层扫描 | 深度学习 | 医学图像 | 1252个CT扫描 | NA | DeepCSFusion | 准确率, 计算时间 | NA |
| 589 | 2025-10-05 |
Automatic Tracking of Hyoid Bone Displacement and Rotation Relative to Cervical Vertebrae in Videofluoroscopic Swallow Studies Using Deep Learning
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01039-4
PMID:38383805
|
研究论文 | 开发基于深度学习的自动追踪方法，用于视频荧光吞咽研究中舌骨位移和旋转的定量分析 | 提出全高分辨率网络架构，同时检测舌骨和颈椎标志点，建立自动坐标系以消除姿势变化影响 | NA | 开发自动追踪舌骨运动的方法，替代传统人工标注 | 视频荧光吞咽研究中的舌骨和颈椎 | 计算机视觉 | 吞咽障碍 | 视频荧光吞咽研究 | 深度学习 | 视频帧图像 | 1488个吞咽样本的59,468帧VFSS图像 | NA | 全高分辨率网络 | 平均标志点定位误差, 平均角度预测误差, 平均绝对误差 | NA |
| 590 | 2025-10-05 |
Auto-segmentation of Adult-Type Diffuse Gliomas: Comparison of Transfer Learning-Based Convolutional Neural Network Model vs. Radiologists
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01044-7
PMID:38383806
|
研究论文 | 开发基于迁移学习的卷积神经网络模型用于成人型弥漫性胶质瘤的自动分割，并与放射科医生的分割效果进行比较 | 使用迁移学习策略，先在公开数据集上预训练，再在机构数据集上微调，能够处理包括ADC序列在内的多序列MRI数据 | 对术后病例和多灶性胶质瘤的分割效果需要进一步改进 | 开发全自动的胶质瘤分割工具，提高脑肿瘤定量评估效率 | 成人型弥漫性胶质瘤 | 计算机视觉 | 脑肿瘤 | 多序列MRI成像（FLAIR, T2WI, CE-T1WI, ADC） | CNN | 医学影像 | 预训练数据集A（n=210）和B（n=369），微调机构数据集（n=197，其中训练集100，测试集97） | NA | NA | Dice相似系数, 半定量5分制评分 | NA |
| 591 | 2025-10-05 |
Developing a Radiomics Atlas Dataset of normal Abdominal and Pelvic computed Tomography (RADAPT)
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01028-7
PMID:38383807
|
研究论文 | 本研究创建了一个正常腹部和盆腔CT影像的放射组学图谱数据集，用于模型开发和验证 | 首次系统性地构建了正常腹部和盆腔的放射组学图谱数据集，填补了放射组学领域正常参考图谱的空白 | 研究为回顾性设计，样本仅来自急诊CT扫描的年轻人群，可能缺乏人群代表性 | 开发可用于模型开发和验证的正常腹部和盆腔CT放射组学数据集 | 无已知疾病的年轻成年人（17-36岁）的腹部和盆腔CT影像 | 数字病理 | NA | CT扫描，放射组学特征提取 | 深度学习 | CT影像 | 531名患者（250名女性，281名男性），平均年龄26.8±5.19岁 | PyRadiomics, 3DSlicer | TotalSegmentator | NA | NA |
| 592 | 2025-10-05 |
HBMD-Net: Feature Fusion Based Breast Cancer Classification with Class Imbalance Resolution
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01046-5
PMID:38409609
|
研究论文 | 提出一种融合特征和解决类别不平衡的乳腺癌分类网络HBMD-Net | 结合边界合成少数类过采样技术(BSMOTE)解决类别不平衡，采用特征融合策略同时利用ResNet50提取全局特征和HOG提取局部特征 | 仅使用两个公开乳腺超声数据集进行验证，数据集数量有限 | 开发精确的乳腺癌计算机辅助诊断系统 | 乳腺超声图像中的肿瘤分类 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 医学图像 | 两个乳腺超声数据集(BUSI和UDIAT) | NA | ResNet50 | 准确率 | NA |
| 593 | 2025-10-05 |
LAMA: Lesion-Aware Mixup Augmentation for Skin Lesion Segmentation
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01000-5
PMID:38409610
|
研究论文 | 提出一种用于皮肤病变分割的病灶感知混合数据增强方法LAMA | 首次针对多病灶皮肤病变图像提出病灶感知混合数据增强技术，通过混合训练集中的多个病灶图像生成合成多病灶图像 | 未提及具体计算资源限制，且需要创建新的多病灶数据集进行验证 | 提高皮肤病变图像分割的准确性，特别是针对多病灶图像 | 皮肤病变的皮肤镜图像 | 计算机视觉 | 皮肤病变 | 数据增强技术 | 深度神经网络 | 皮肤镜图像 | 使用ISIC 2017挑战赛数据集训练，ISIC 2020多病灶图像创建的新MuLe数据集测试 | NA | NA | Jaccard score, Dice score | NA |
| 594 | 2025-10-05 |
Deep Learning Radiomics Analysis of CT Imaging for Differentiating Between Crohn's Disease and Intestinal Tuberculosis
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01059-0
PMID:38424279
|
研究论文 | 本研究开发并评估了一种基于CT的深度学习影像组学模型，用于鉴别克罗恩病和肠结核 | 首次结合动脉期和静脉期CT图像构建深度学习影像组学模型，并采用SMOTE技术处理数据不平衡问题 | 样本量相对有限，且仅来自单一医疗中心 | 开发能够准确鉴别克罗恩病和肠结核的医学影像诊断模型 | 经病理确诊的克罗恩病和肠结核患者 | 医学影像分析 | 肠道疾病 | CT成像 | 深度学习 | 医学影像 | 330例患者（克罗恩病245例，肠结核85例） | NA | 逻辑回归 | AUC | NA |
| 595 | 2025-10-05 |
Privacy-Preserving Breast Cancer Classification: A Federated Transfer Learning Approach
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01035-8
PMID:38424280
|
研究论文 | 提出一种结合联邦学习和迁移学习的新方法，用于隐私保护的乳腺癌分类 | 将迁移学习整合到联邦学习框架中，并引入领域对抗训练来解决医疗中心间的数据分布差异问题 | 仅在三家医疗中心的数据上进行验证，需要更多医疗机构的参与来进一步验证泛化能力 | 开发隐私保护的乳腺癌分类方法，解决医疗数据孤岛和隐私问题 | 乳腺癌患者的乳腺X线摄影和MRI图像 | 计算机视觉 | 乳腺癌 | 深度学习，迁移学习，联邦学习 | CNN | 医学图像 | 来自三家医疗中心的乳腺X线摄影和MRI图像数据集 | NA | ResNet | 准确率，计算时间 | NA |
| 596 | 2025-10-05 |
A Systematic Review on Caries Detection, Classification, and Segmentation from X-Ray Images: Methods, Datasets, Evaluation, and Open Opportunities
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01054-5
PMID:38429559
|
系统综述 | 对X射线图像中龋齿检测、分类和分割的计算方法进行系统性回顾分析 | 首次系统性地梳理和分析了X射线图像中龋齿识别的计算方法、数据集和评估指标 | 仅纳入了42项研究，且仅有12%的研究使用公开数据集 | 确定X射线图像中龋齿识别的主要计算方法 | 龋齿在X射线图像中的表现 | 计算机视觉 | 龋齿 | X射线成像 | 深度学习, 机器学习 | X射线图像 | 42项研究 | NA | NA | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 597 | 2025-10-05 |
Auto-BCS: A Hybrid System for Real-Time Breast Cancer Screening from Pathological Images
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01056-3
PMID:38429562
|
研究论文 | 提出一种用于病理图像实时乳腺癌筛查的混合系统Auto-BCS | 结合轻量级深度学习模型与极端梯度提升分类器，优化计算效率并防止过拟合，适用于低处理能力移动设备 | 未明确说明样本来源及数据集的多样性限制 | 开发适用于资源有限环境的实时自动化乳腺癌筛查系统 | 乳腺癌病理图像 | 数字病理学 | 乳腺癌 | 病理图像分析 | 深度学习, XGBoost | 图像 | NA | NA | 轻量级深度学习模型 | 准确率, 精确率, 召回率, F1分数, 推理时间 | 低处理能力移动设备 |
| 598 | 2025-10-05 |
Deep Learning Imaging Reconstruction Algorithm for Carotid Dual Energy CT Angiography: Opportunistic Evaluation of Cervical Intervertebral Discs-A Preliminary Study
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01016-x
PMID:38429560
|
研究论文 | 本研究评估深度学习图像重建算法在颈动脉双能CT血管造影中对颈椎间盘成像的性能 | 首次在颈动脉双能CT血管造影中比较深度学习图像重建算法与传统迭代重建算法对颈椎间盘的成像效果 | 回顾性研究，样本量较小（42例患者），为初步研究 | 评估深度学习图像重建算法在不同双能CT图像集中对颈椎间盘的成像性能 | 颈椎间盘 | 医学影像分析 | 颈椎疾病 | 双能CT血管造影 | 深度学习 | CT影像 | 42例患者 | NA | NA | 诊断可接受度评分，图像清晰度评分，亨氏单位，水浓度值，标准差，变异系数 | NA |
| 599 | 2025-10-05 |
Systematic Review of Retinal Blood Vessels Segmentation Based on AI-driven Technique
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01010-3
PMID:38438695
|
综述 | 对基于人工智能技术的视网膜血管分割方法进行系统性文献综述 | 全面分析了深度学习和机器学习在视网膜血管分割领域的最新研究进展和方法体系 | NA | 系统性回顾和评估人工智能技术在视网膜血管分割中的应用 | 视网膜血管分割相关的研究文献和方法 | 计算机视觉 | NA | 图像分割技术 | CNN, RNN, GAN | 医学图像 | NA | NA | 卷积像素标记网络, 编码器-解码器架构, 多尺度金字塔方法, 循环网络, 视觉注意力模型, 生成对抗网络 | NA | NA |
| 600 | 2025-10-05 |
From CNN to Transformer: A Review of Medical Image Segmentation Models
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-00981-7
PMID:38438696
|
综述 | 本文综述了近年来医学图像分割领域最具代表性的七种模型，从理论分析和定量评估两个维度进行了系统研究 | 系统比较了从CNN到Transformer的医学图像分割模型演进，并对新兴的SAM模型在医学图像分割中的应用进行了探讨 | 仅评估了七种代表性模型，未覆盖所有现有方法；研究数据集限于三种特定医学图像类型 | 综述医学图像分割模型的发展历程，分析不同模型的特性并评估其性能 | 医学图像分割模型，包括U-Net及其变体、TransUNet和SAM等七种代表性模型 | 计算机视觉 | 肺结核、卵巢肿瘤、肝脏疾病 | 深度学习 | CNN, Transformer | 医学图像 | 三个医学图像数据集：肺结核胸部X光、卵巢肿瘤、肝脏分割 | NA | U-Net, TransUNet, Segment Anything Model (SAM) | 定量评估指标（具体指标未明确说明） | NA |