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 12391 篇文献，本页显示第 1961 - 1980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1961 | 2025-10-06 |
Impacts of Adaptive Statistical Iterative Reconstruction-V and Deep Learning Image Reconstruction Algorithms on Robustness of CT Radiomics Features: Opportunity for Minimizing Radiomics Variability Among Scans of Different Dose Levels
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00901-1
PMID:38343265
|
研究论文 | 研究自适应统计迭代重建-V和深度学习图像重建算法对CT影像组学特征稳健性的影响 | 首次系统比较ASIR-V和DLIR算法在不同剂量水平下对CT影像组学特征重现性的影响 | 研究基于标准化体模，未涉及真实患者数据 | 评估不同重建算法对CT影像组学特征变异性的影响 | 标准化CT体模 | 医学影像分析 | NA | 单能CT, 双能CT, 虚拟单色成像 | 深度学习图像重建 | CT影像 | 标准化体模在不同剂量水平下的扫描数据 | Pyradiomics | NA | 组内相关系数, 一致性相关系数 | NA |
| 1962 | 2025-10-06 |
The Segmentation of Multiple Types of Uterine Lesions in Magnetic Resonance Images Using a Sequential Deep Learning Method with Image-Level Annotations
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00931-9
PMID:38343259
|
研究论文 | 本研究开发了一种仅使用图像级标注的弱监督深度学习模型，用于磁共振图像中多种子宫病变和正常组织的自动分割 | 提出了一种两阶段顺序深度学习模型，仅需图像级标注即可实现多种子宫病变的精确分割，避免了像素级标注的繁琐过程 | 研究为单中心回顾性研究，样本量相对有限，需要进一步多中心验证 | 开发弱监督医学图像分割方法，减少对像素级标注的依赖 | 子宫病变患者和正常组织的磁共振图像 | 医学图像分析 | 子宫疾病 | 磁共振成像 | 深度学习 | 医学图像 | 316名患者的85,730张图像，其中196名用于训练，57名用于验证，63名用于测试 | NA | 像素相关模块,类重激活图模块,像素间关系网络模块,Deeplab v3+ | Dice相似系数,豪斯多夫距离,平均对称表面距离 | NA |
| 1963 | 2025-10-06 |
The global research of magnetic resonance imaging in Alzheimer's disease: a bibliometric analysis from 2004 to 2023
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1510522
PMID:39882364
|
文献计量分析 | 通过文献计量学方法分析2004-2023年间阿尔茨海默病磁共振成像研究的全球发展趋势和研究热点 | 首次对AD领域MRI研究进行长达20年的文献计量分析，识别出深度学习等新兴研究热点 | 仅基于Web of Science数据库，可能遗漏其他数据库的相关文献 | 总结AD领域MRI研究的现状并预测未来研究方向 | 2004-2023年间WoSCC数据库中13,659篇AD-MRI相关研究文献 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像(MRI), 文献计量分析 | NA | 文献元数据 | 13,659篇研究文章 | CiteSpace, VOSviewer | NA | NA | NA |
| 1964 | 2025-09-12 |
Toward a deep learning-based magnetic resonance imaging only workflow for postimplant dosimetry in I-125 seed brachytherapy for prostate cancer
2024 Jan-Feb, Brachytherapy
IF:1.7Q3
DOI:10.1016/j.brachy.2023.09.009
PMID:38008648
|
研究论文 | 本研究开发了一种基于深度学习的MRI-only工作流，用于前列腺癌I-125粒子植入后剂量计算，旨在替代当前CT标准方法 | 首次结合深度学习与定量磁敏感图（QSM）和DIXON序列，实现MRI自动粒子分割，避免CT额外辐射并提升软组织对比度 | 研究样本量较小（20例患者），且仅使用1.5T MRI设备，未验证更高场强或更多样人群的适用性 | 建立无需CT的MRI-only工作流，提高前列腺癌粒子治疗后剂量计算的准确性和安全性 | 接受I-125粒子植入治疗的前列腺癌患者 | 数字病理 | 前列腺癌 | MRI（DIXON序列、3D梯度回波序列）、深度学习QSM生成 | 3D nnU-net | 医学影像（MRI、CT） | 20例患者 | NA | NA | NA | NA |
| 1965 | 2025-10-06 |
Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors
2024-12-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82045-y
PMID:39730745
|
研究论文 | 提出一种结合深度CNN和双向LSTM的混合模型，通过可穿戴传感器数据提升医疗紧急情况下的人类活动识别能力 | 首次将CNN-BiLSTM模型与欠采样技术结合用于人类活动识别，在公开数据集上取得显著性能提升 | 仅使用两个公开数据集进行验证，未在更多样化的实际场景中测试 | 提高医疗紧急情况下人类活动识别的准确性和可靠性 | 通过可穿戴传感器采集的人类活动数据，特别关注老年人跌倒和异常动作识别 | 机器学习 | 老年疾病 | 可穿戴传感器数据采集 | CNN, BiLSTM | 传感器时序数据 | MHEALTH和Actitracker两个公开数据集 | NA | CNN-BiLSTM混合架构 | 准确率, 精确率, 召回率, F1分数 | NA |
| 1966 | 2025-10-06 |
Artificial intelligence-enabled electrocardiogram for mortality and cardiovascular risk estimation: a model development and validation study
2024-11, The Lancet. Digital health
DOI:10.1016/S2589-7500(24)00172-9
PMID:39455192
|
研究论文 | 开发并验证了一种基于人工智能的心电图风险估计平台，用于预测死亡率和心血管风险 | 开发了具有可操作性、可解释性和生物学合理性的AI-ECG风险估计平台，能够生成患者特异性生存曲线并预测死亡时间 | NA | 开发能够预测死亡率和心血管风险的AI-ECG平台，解决现有模型在个体层面缺乏可操作性和可解释性的问题 | 心电图数据和患者群体 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 心电图信号 | 1,163,401份心电图，来自189,539名患者，并在五个跨国队列中验证 | NA | 离散时间生存模型 | C-index | NA |
| 1967 | 2025-10-06 |
Artificial intelligence-assisted automated heart failure detection and classification from electronic health records
2024-Oct, ESC heart failure
IF:3.2Q2
DOI:10.1002/ehf2.14828
PMID:38700133
|
研究论文 | 本研究开发了一种结合电子健康记录、深度学习自动解读超声心动图和生物样本分析的人工智能系统，用于自动检测和分类心力衰竭患者 | 首次将电子健康记录关键词搜索、深度学习自动解读DICOM超声心动图像和生物标志物分析相结合，实现心力衰竭亚型的自动识别和分类 | 研究仅基于苏格兰Tayside和Fife地区数据，样本代表性可能受限；需要排除数据不匹配或严重瓣膜性心脏病患者 | 开发自动化心力衰竭检测和分类系统，改善患者护理和监测 | 心力衰竭患者，包括射血分数降低型心力衰竭(HFrEF)、射血分数保留型心力衰竭(HFpEF)和无心力衰竭对照组 | 医疗人工智能 | 心力衰竭 | 电子健康记录分析、DICOM图像处理、生物标志物检测、深度学习 | 深度学习模型 | 电子健康记录、DICOM超声心动图像、血浆样本生物标志物数据 | 从60,850例电子健康记录中筛选出578名患者（186名对照组，236名HFpEF，156名HFrEF） | NA | NA | 准确性、一致性验证 | NA |
| 1968 | 2025-10-06 |
Refined matrix completion for spectrum estimation of heart rate variability
2024-Aug-02, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2024296
PMID:39483092
|
研究论文 | 本研究提出了一种基于矩阵补全的心率变异性频谱不确定性估计新方法 | 利用HRV频谱矩阵的低秩特性进行数据不确定性估计，并开发了精炼的矩阵补全技术以提高估计精度和计算效率 | NA | 开发可靠的心率变异性频谱不确定性估计方法 | 心率变异性频谱数据 | 机器学习 | 心血管疾病 | 频谱分析 | 统计机器学习模型 | 生理信号数据 | 五个公共数据集 | NA | 矩阵补全 | 有效性、可靠性 | NA |
| 1969 | 2025-10-06 |
The Integration of Deep Learning in Radiotherapy: Exploring Challenges, Opportunities, and Future Directions through an Umbrella Review
2024-Apr-30, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090939
PMID:38732351
|
综述 | 通过伞式综述探讨深度学习在放射治疗领域的整合应用，分析其挑战、机遇与未来发展方向 | 首次采用伞式综述方法系统梳理深度学习在放疗领域的应用现状，特别关注COVID-19大流行背景下的加速发展 | 基于19篇系统综述的二次分析，缺乏原始研究数据的直接验证 | 探索深度学习技术在放射治疗中的变革性影响和发展前景 | 放射治疗领域的深度学习应用研究 | 医疗人工智能 | 放射治疗相关疾病 | 深度学习 | NA | 医学影像数据 | 基于19篇系统综述的二次分析 | NA | NA | NA | NA |
| 1970 | 2025-10-06 |
Characterization of organic fouling on thermal bubble-driven micro-pumps
2024 Mar-Apr, Biofouling
IF:2.6Q1
DOI:10.1080/08927014.2024.2353034
PMID:38785127
|
研究论文 | 本研究通过高速成像和深度学习网络表征热气泡驱动微泵在生物流体中的有机污垢现象 | 首次研究热气泡微泵与生物流体的相互作用，提出基于气泡面积减少的污垢量化新指标 | 仅测试了蛋清蛋白和牛全血两种生物流体，未涉及其他生物流体类型 | 表征热气泡驱动微泵在生物流体中的有机污垢效应 | 热气泡驱动微泵与生物流体（蛋清蛋白、牛全血）的相互作用 | 微流控技术 | NA | 频闪高速成像、深度学习 | CNN | 图像 | 使用蛋清蛋白和牛全血两种生物流体进行测试 | PyTorch | ResNet-18 | 气泡面积减少量 | NA |
| 1971 | 2025-10-06 |
Deep learning-assisted detection of psychoactive water pollutants using behavioral profiling of zebrafish embryos
2024-12-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136358
PMID:39486333
|
研究论文 | 本研究结合斑马鱼胚胎行为表型分析和深度学习技术，开发了一种检测水中精神活性污染物的新方法 | 首次将斑马鱼胚胎行为分析与深度学习相结合用于水污染物检测，提供了一种环保经济的检测新视角 | 模型准确率为65.35%，仍有提升空间；仅针对17种精神活性化合物进行研究 | 开发新型水污染物检测方法，推进环境毒理学研究和水污染控制 | 斑马鱼胚胎 | 计算机视觉 | NA | 行为表型分析 | CNN | 视频行为轨迹数据 | 17种精神活性化合物，环境相关浓度（1和10 μg/L），5和6天受精后斑马鱼胚胎 | NA | ResNet101 | 准确率 | NA |
| 1972 | 2025-10-06 |
Comorbidity-based framework for Alzheimer's disease classification using graph neural networks
2024-09-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72321-2
PMID:39256497
|
研究论文 | 提出一种基于共病数据的图神经网络框架，用于阿尔茨海默病的多阶段分类 | 首次将电子健康记录中的共病数据与图神经网络结合用于阿尔茨海默病分类 | 未详细说明模型对特定共病类型的敏感性分析 | 开发早期阿尔茨海默病预测的准确且经济有效的方法 | 阿尔茨海默病患者（认知正常、轻度认知障碍、阿尔茨海默病三个阶段） | 数字病理学 | 阿尔茨海默病 | 电子健康记录分析 | GNN | 图结构数据 | 阿尔茨海默病神经影像倡议数据集和澳大利亚影像、生物标志物与生活方式数据集 | PyTorch Geometric（基于描述推断） | Chebyshev Convolutional Neural Networks | 准确率 | NA |
| 1973 | 2025-10-06 |
iEEG-recon: A fast and scalable pipeline for accurate reconstruction of intracranial electrodes and implantable devices
2024-Mar, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.17863
PMID:38148517
|
研究论文 | 开发了一个用于颅内电极和植入设备重建的快速可扩展管道iEEG-recon | 创建了模块化、容器化的电极重建管道，支持云端部署并与临床工作流集成 | 需要半自动电极标注，对编程和影像专业知识有限的用户仍有一定门槛 | 自动化颅内电极重建过程，促进癫痫治疗的数据协作 | 耐药性癫痫患者的颅内脑电图数据和脑部磁共振成像 | 数字病理 | 癫痫 | 脑磁共振成像，颅内脑电图 | 深度学习 | 医学影像，电极坐标数据 | 来自两个癫痫中心的132名患者数据 | ANTsPyNet, FreeSurfer | 深度学习脑部分割模型 | 运行时间，放射学验证，与FreeSurfer分割一致性 | 云端平台，每例30分钟运行时间 |
| 1974 | 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 |
| 1975 | 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 |
| 1976 | 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 |
| 1977 | 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 |
| 1978 | 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 |
| 1979 | 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 |
| 1980 | 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 |