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 1070 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 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 |
| 22 | 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 |
| 23 | 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 |
| 24 | 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 |
| 25 | 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 |
| 26 | 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 |
| 27 | 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 |
| 28 | 2025-10-05 |
Optimizing Coronary Computed Tomography Angiography Using a Novel Deep Learning-Based Algorithm
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01033-w
PMID:38438697
|
研究论文 | 本研究评估了一种基于深度学习的运动校正算法在改善64排多探测器CT冠状动脉血管成像图像质量方面的潜力 | 开发了一种新型深度学习运动校正算法，显著减少了冠状动脉CT血管成像中的运动伪影 | 研究仅纳入了124例存在运动伪影的检查，样本量相对有限 | 优化冠状动脉CT血管成像的图像质量，提高64排多探测器CT在慢性冠状动脉综合征诊断中的有效性 | 124例64排多探测器CT获得的冠状动脉CT血管成像检查 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管成像，64排多探测器CT | 深度学习 | 医学影像 | 124例冠状动脉CT血管成像检查 | NA | 运动校正算法 | 图像质量评分，Wilcoxon符号秩检验，Spearman's Rho相关系数 | NA |
| 29 | 2025-10-05 |
DilatedToothSegNet: Tooth Segmentation Network on 3D Dental Meshes Through Increasing Receptive Vision
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01061-6
PMID:38441700
|
研究论文 | 提出一种名为DilatedToothSegNet的牙齿分割网络，通过扩张感受野提升3D牙科网格的牙齿分割精度 | 引入扩张边缘卷积网络算子，扩展网络感受野以学习更远距离特征，提升复杂病例的分割效果 | 未明确说明对特定牙齿异常情况的处理局限性 | 自动化3D牙科模型中的牙齿分割和标注 | 3D牙科表面模型中的牙齿结构 | 计算机视觉 | 牙科疾病 | 几何深度学习 | 图神经网络 | 3D网格数据 | 基于Teeth3DS基准数据集进行广泛评估 | NA | DilatedToothSegNet, 扩张边缘卷积 | 定量分析, 定性分析 | NA |
| 30 | 2025-10-05 |
Prediction of Ablation Rate for High-Intensity Focused Ultrasound Therapy of Adenomyosis in MR Images Based on Multi-model Fusion
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01063-4
PMID:38441701
|
研究论文 | 开发基于影像组学和深度学习特征的多模型融合模型，用于预测子宫腺肌症患者高强度聚焦超声治疗的消融率 | 提出结合影像组学和深度学习特征的多模型融合方法，相比单一特征模型显著提升预测性能 | 回顾性研究，样本量有限（119例患者），需要更大规模的前瞻性验证 | 预测子宫腺肌症患者高强度聚焦超声治疗的消融疗效 | 接受高强度聚焦超声治疗的子宫腺肌症患者 | 计算机视觉 | 子宫腺肌症 | T2加权成像 | 集成学习, CNN | 医学影像 | 119例子宫腺肌症患者（训练集与测试集按7:3划分） | NA | VGG-19 | 准确率, 精确率, 召回率, F分数, AUC | NA |
| 31 | 2025-10-05 |
Effects of Intravenous Infusion of Iodine Contrast Media on the Tracheal Diameter and Lung Volume Measured with Deep Learning-Based Algorithm
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01071-4
PMID:38448759
|
研究论文 | 本研究通过深度学习算法评估静脉注射碘造影剂对气管直径和肺容积的影响 | 首次使用基于深度学习的自动化算法系统评估造影剂注射对呼吸道和肺容积的瞬时影响 | 回顾性研究设计，样本量相对有限（221例），仅使用单一商业软件进行分析 | 探究静脉注射碘造影剂对气管直径和肺容积的生理影响 | 接受胸部血管动态CT检查的221例患者（平均71.1岁，174例男性） | 医学影像分析 | 呼吸系统疾病 | CT血管动态成像 | 深度学习算法 | CT影像 | 221例患者 | 商业软件（具体框架未指明） | 自动气道和肺部分割算法 | 配对t检验，Bonferroni校正 | NA |
| 32 | 2025-10-05 |
Feature Fusion for Multi-Coil Compressed MR Image Reconstruction
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01057-2
PMID:38459398
|
研究论文 | 提出一种多线圈特征融合变分网络(MFFVN)，用于压缩磁共振图像重建 | 通过编码器直接显式提取多线圈MR图像特征并进行特征融合，有效利用多线圈采集的丰富信息 | 未明确说明方法在其他类型MR数据或不同加速因子下的泛化能力 | 改进多线圈压缩磁共振图像重建质量 | 多线圈磁共振图像 | 医学影像处理 | NA | 磁共振成像(MRI) | 深度学习网络 | 多线圈磁共振图像 | fastMRI数据集中的多线圈脑部图像 | NA | 多线圈特征融合变分网络(MFFVN) | PSNR, SSIM | NA |
| 33 | 2025-10-05 |
Checklist for Reproducibility of Deep Learning in Medical Imaging
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01065-2
PMID:38483694
|
研究论文 | 通过德尔菲法开发了一个包含26个项目的深度学习模型报告清单，以提升医学影像领域研究的可重复性 | 首次针对医学影像深度学习领域开发了专门的可重复性报告清单，采用德尔菲法整合专家共识 | 专家小组规模有限（11位专家），清单的有效性需要在更广泛的研究中进一步验证 | 解决医学影像深度学习研究的可重复性问题 | 医学影像深度学习研究报告标准 | 医学影像 | NA | 德尔菲法，内容效度比分析 | NA | 专家调查问卷 | 11位医学影像和深度学习专家 | NA | NA | 内容效度比，共识度 | NA |
| 34 | 2025-10-05 |
A Data Augmentation Methodology to Reduce the Class Imbalance in Histopathology Images
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01018-9
PMID:38485898
|
研究论文 | 提出一种改进的复制-粘贴数据增强方法，结合损失函数中的权重平衡技术，解决组织病理学图像中的类别不平衡问题 | 针对高实例密度数据集中实例重叠可能有害的情况，专门定制了改进的复制-粘贴数据增强技术，并结合权重平衡方法 | 方法主要针对实例数量不平衡问题，可能不适用于所有类型的数据不平衡场景 | 解决组织病理学图像分类中的类别不平衡问题，特别是实例数量不平衡 | 细胞核检测数据集 | 数字病理学 | NA | 数据增强技术 | 神经网络 | 组织病理学图像 | 高度不平衡的数据集 | NA | NA | 分类性能 | NA |
| 35 | 2025-10-05 |
DL-EDOF: Novel Multi-Focus Image Data Set and Deep Learning-Based Approach for More Accurate and Specimen-Free Extended Depth of Focus
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01076-z
PMID:38528289
|
研究论文 | 本研究提出了一种基于无监督深度学习的扩展景深显微镜方法，并创建了新的多焦点图像数据集 | 首个基于无监督深度学习的EDOF方法，无需任何预处理或后处理技术，使用深度特征获取像素聚焦度 | NA | 开发更准确且无需特定样本的扩展景深显微镜方法 | 多焦点图像 | 计算机视觉 | NA | 显微镜成像 | 深度学习 | 图像 | 包含9个图像集（4个合成图像集和5个显微镜图像集）的多焦点图像数据集 | NA | NA | RMSE, PSNR, UQI, CC, PIQE, BRISQUE, UQIN, NIQE | NA |
| 36 | 2025-10-05 |
Discovering New Metallo-Deubiquitinase CSN5 Inhibitors by a Non-Catalytic Activity Assay Platform
2024-08-22, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c01514
PMID:39129245
|
研究论文 | 本研究建立了一个非催化活性检测平台用于发现新型CSN5抑制剂 | 开发了基于新型荧光探针的非催化活性检测平台，结合深度学习虚拟筛选和分子动力学模拟发现新型CSN5抑制剂 | 部分抑制剂在癌细胞中仅轻微下调PD-L1表达 | 发现新型金属去泛素化酶CSN5抑制剂 | COP9信号体催化亚基CSN5 | 计算生物学 | 癌症 | 荧光偏振检测、分子动力学模拟、深度学习虚拟筛选 | 深度学习 | 化学结构数据、荧光数据 | NA | NA | NA | NA | 微秒级分子动力学模拟 |
| 37 | 2025-10-05 |
Deep learning for the harmonization of structural MRI scans: a survey
2024-Aug-31, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-024-01280-6
PMID:39217355
|
综述 | 本文系统综述了基于深度学习的结构MRI图像协调方法，分析不同网络架构和算法的优缺点 | 首次从网络架构、学习算法、监督策略和输出类型四个维度系统分析结构MRI协调技术，特别关注解耦表示学习等新兴方法 | 缺乏不同方法间的全面定量比较，评估标准不统一 | 为研究人员和从业者选择合适图像协调架构提供指导，推动该领域发展 | 结构MRI医学图像 | 医学图像处理 | NA | 磁共振成像(MRI) | 深度学习 | 医学图像 | NA | NA | U-Net,GAN,VAE,流式生成模型,Transformer,自定义网络架构 | 常用评估指标 | NA |
| 38 | 2025-10-05 |
Cardiovascular Disease Risk Stratification Using Hybrid Deep Learning Paradigm: First of Its Kind on Canadian Trial Data
2024-Aug-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14171894
PMID:39272680
|
研究论文 | 本研究开发了一种基于混合深度学习的AtheroEdge™ 3.0HDL系统，用于心血管疾病风险分层 | 首次在加拿大试验数据上应用混合深度学习范式进行心血管疾病风险分层，相比单向深度学习、双向深度学习和机器学习范式有显著性能提升 | 研究样本量相对有限（500人），需要在更大人群中进一步验证 | 开发并验证基于颈动脉斑块特征的混合深度学习系统用于心血管疾病风险分层 | 接受颈动脉B型超声和冠状动脉造影检查的500名患者 | 数字病理 | 心血管疾病 | 颈动脉B型超声，冠状动脉造影 | 混合深度学习，单向深度学习，双向深度学习，机器学习 | 医学影像数据 | 500名患者 | NA | AtheroEdge™ 3.0HDL | p值，曲线下面积 | NA |
| 39 | 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 |
| 40 | 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 |