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 1164 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2025-10-07 |
Laceration assessment: advanced segmentation and classification framework for retinal disease categorization in optical coherence tomography images
2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.526142
PMID:39889044
|
研究论文 | 提出一种用于OCT图像中视网膜疾病分类和撕裂区域分割的深度学习框架 | 开发了能同时执行分类和分割任务的双重深度学习框架，采用并行掩码引导CNN进行图像分类，并使用其输出的GAM辅助V-Net进行分割 | 未明确说明样本量的具体数值和数据集分布的详细情况 | 开发能够同时进行视网膜疾病分类和撕裂区域分割的深度学习框架 | 光学相干断层扫描(OCT)图像中的视网膜疾病 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描(OCT) | CNN, V-Net | 图像 | 包含4个公共数据集和1个实时数据集的组合数据集，涵盖11类视网膜疾病 | NA | 并行掩码引导卷积神经网络(PM-CNN), V-Net | Dice系数, 准确率 | NA |
| 262 | 2025-02-01 |
Deep learning analysis of serial digital breast tomosynthesis images in a prospective cohort of breast cancer patients who received neoadjuvant chemotherapy
2024-Sep, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111624
PMID:39029241
|
研究论文 | 本研究探讨了在乳腺癌新辅助化疗（NACT）期间使用人工智能（AI）分析连续数字乳腺断层合成（DBT）图像，以预测NACT完成后的病理完全缓解（pCR） | 首次将深度学习AI系统应用于连续DBT图像分析，以预测乳腺癌患者的pCR | 样本量较小，未来需要更大数据集以进行更全面的模型训练和性能评估 | 探索AI在乳腺癌NACT期间预测pCR的潜力 | 接受NACT的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成（DBT） | 3D ResNet | 图像 | 149名女性乳腺癌患者 | NA | NA | NA | NA |
| 263 | 2025-02-01 |
Multicenter privacy-preserving model training for deep learning brain metastases autosegmentation
2024-09, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110419
PMID:38969106
|
研究论文 | 本研究探索了多中心数据异质性对深度学习脑转移瘤自动分割性能的影响，并评估了增量迁移学习技术LWF在不共享原始数据情况下提升模型泛化能力的有效性 | 提出了使用增量迁移学习技术（LWF）进行隐私保护的模型训练，以提高多中心数据下的模型泛化能力 | 数据异质性（如转移密度、空间分布和图像空间分辨率的差异）导致模型性能在不同中心间存在差异，限制了模型的泛化能力 | 研究多中心数据异质性对深度学习脑转移自动分割性能的影响，并评估增量迁移学习技术的有效性 | 脑转移（BM）的自动分割 | 计算机视觉 | 脑转移 | 深度学习 | DeepMedic网络 | 医学影像 | 来自六个中心的脑转移数据集（UKER、USZ、Stanford、UCSF、NYU、BraTS Challenge 2023） | NA | NA | NA | NA |
| 264 | 2025-10-07 |
Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software
2024-Sep, Journal of medical screening
IF:2.6Q2
DOI:10.1177/09691413231219952
PMID:38115810
|
meta-analysis | 通过荟萃分析评估深度学习软件在乳腺癌筛查乳腺X线摄影分流中减少放射科医生工作量的效果 | 首次通过荟萃分析量化评估AI分流在乳腺癌筛查中减少工作量的潜力，确定了68.3%的工作量减少率同时保持93.1%的灵敏度 | 仅纳入了使用同一商业深度学习算法的三项研究，存在较高的异质性（I² > 80%），AI实施仍复杂且异质 | 评估基于AI的乳腺癌筛查乳腺X线摄影分流能否在保持非劣灵敏度的情况下减少放射科医生工作量 | 乳腺癌筛查乳腺X线摄影检查 | digital pathology | breast cancer | deep learning | DL | mammogram images | 156,852次检查 | NA | commercially available DL algorithm | sensitivity, specificity | NA |
| 265 | 2025-10-07 |
Neuroimage analysis using artificial intelligence approaches: a systematic review
2024-Sep, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03097-w
PMID:38664348
|
系统综述 | 本文系统综述了2013-2023年间人工智能技术在神经影像数据分析中的应用现状和发展趋势 | 首次系统梳理了近十年AI在神经影像分析中的应用格局，明确了主要临床任务分布和疾病研究重点 | 仅纳入456篇文献，可能未覆盖该领域所有相关研究；时间范围限定为2013-2023年 | 评估人工智能技术对神经影像数据分析的影响，提升诊断能力并推动领域发展 | 神经影像数据，重点关注精神和神经系统疾病 | 医学影像分析 | 精神和神经系统疾病 | 神经影像技术 | 机器学习,深度学习 | 神经影像数据 | 456篇相关文献，最终纳入104项研究进行详细分析 | NA | NA | NA | NA |
| 266 | 2025-10-07 |
Processing of Short-Form Content in Clinical Narratives: Systematic Scoping Review
2024-Sep-26, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/57852
PMID:39325515
|
综述 | 本系统范围综述分析了临床叙事中短格式内容的类型及自然语言处理技术在其识别、扩展和消歧中的应用 | 首次系统梳理了2018-2023年间临床叙事中短格式处理的NLP方法，并识别了研究空白领域 | 纳入研究数量有限（仅19篇），缺乏对临床短格式的明确定义，非英语语言研究不足 | 概述临床叙事中短格式内容的类型及其NLP处理技术 | 临床叙事中的缩写词和首字母缩略词 | 自然语言处理 | NA | 自然语言处理 | 深度学习 | 临床文本 | 19篇符合纳入标准的研究文献 | NA | NA | NA | NA |
| 267 | 2025-10-07 |
From Voxel to Gene: A Scoping Review on MRI Radiogenomics' Artificial Intelligence Predictions in Adult Gliomas and Glioblastomas-The Promise of Virtual Biopsy?
2024-Sep-23, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12092156
PMID:39335670
|
综述 | 评估深度学习在成人胶质瘤和胶质母细胞瘤MRI影像基因组学中遗传特征预测的应用现状 | 系统分析从全卷积网络到ResNet、DenseNet等先进架构在胶质瘤虚拟活检中的演变 | 研究存在数据集规模小、同质性强以及验证方法不一致的问题，缺乏稳健的外部验证 | 评估深度学习技术在胶质瘤遗传特征表征中的应用潜力，探索虚拟活检的可能性 | 成人胶质瘤和胶质母细胞瘤患者 | 医学影像分析 | 胶质瘤,胶质母细胞瘤 | MRI影像基因组学 | 深度学习 | 医学影像(MRI) | 基于17项研究的综合分析 | NA | 全卷积网络,ResNet,DenseNet | k折交叉验证,外部数据集验证 | NA |
| 268 | 2025-01-29 |
Use of AI methods to assessment of lower limb peak torque in deaf and hearing football players group
2024-Sep-01, Acta of bioengineering and biomechanics
IF:0.8Q4
DOI:10.37190/abb-02474-2024-02
PMID:39869478
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 269 | 2025-10-07 |
Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions
2024-09-06, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090389
PMID:39330017
|
综述 | 本文综述了人工智能在头颈癌诊疗中的创新应用、当前进展与未来发展方向 | 系统整合了深度学习、自然语言处理等AI技术与影像学、基因组学和电子健康记录的融合应用，并展望了可解释AI、AI驱动机器人和实时监测系统等新兴创新 | 面临数据质量、算法偏差以及需要跨学科合作等挑战 | 探讨人工智能在头颈癌诊疗领域的应用现状与发展前景 | 头颈癌患者的诊疗数据与AI技术应用 | 自然语言处理, 机器学习 | 头颈癌 | 影像技术, 基因组学, 电子健康记录分析 | 深度学习 | 医学影像, 基因组数据, 文本数据 | NA | NA | NA | NA | NA |
| 270 | 2025-10-07 |
Artificial intelligence strengthens cervical cancer screening - present and future
2024-09-19, Cancer biology & medicine
IF:5.6Q1
|
综述 | 本文综述了人工智能在宫颈癌筛查中的当前应用与未来发展前景 | 系统总结了AI技术在宫颈癌筛查领域的最新进展，并前瞻性分析了未来面临的挑战 | 未提供具体实验数据或性能指标验证 | 探讨人工智能如何提升宫颈癌筛查的准确性和效率 | 宫颈癌筛查的医学图像和诊断流程 | 计算机视觉 | 宫颈癌 | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 271 | 2025-10-07 |
[A deep learning model based on magnetic resonance imaging and clinical feature fusion for predicting preoperative cytokeratin 19 status in hepatocellular carcinoma]
2024-Sep-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 开发基于MRI影像和临床特征融合的深度学习模型，用于术前预测肝细胞癌CK19状态 | 提出多尺度和多模态特征融合的深度学习模型，首次将MRI影像特征与临床特征结合用于CK19状态预测 | 回顾性研究，样本量较小（116例患者），需要外部验证 | 术前预测肝细胞癌CK19表达状态 | 116例经确认CK19状态的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 磁共振成像 | 深度学习 | 医学影像, 临床数据 | 116例肝细胞癌患者 | NA | MSFF-IResnet, MMFF-IResnet | AUC, 准确率, 敏感性, 特异性 | NA |
| 272 | 2025-10-07 |
Real-time CBCT Imaging and Motion Tracking via a Single Arbitrarily-angled X-ray Projection by a Joint Dynamic Reconstruction and Motion Estimation (DREME) Framework
2024-Sep-25, ArXiv
PMID:39398221
|
研究论文 | 开发了一种无需患者特异性先验知识的实时CBCT成像和运动跟踪框架DREME | 通过联合动态重建和运动估计框架，仅使用单个任意角度X射线投影实现实时CBCT成像和运动跟踪 | NA | 实现放疗中实时CBCT成像和运动跟踪，解决传统方法依赖过时先验知识的问题 | 呼吸引起的解剖运动，特别是肺部肿瘤运动 | 医学影像 | 肺癌 | 锥束计算机断层扫描(CBCT)，X射线投影 | CNN | X射线投影图像，CBCT图像序列 | 数字体模模拟和真实患者研究 | NA | 卷积神经网络运动编码器 | 肿瘤质心定位误差，投影域肿瘤定位精度 | NA |
| 273 | 2025-10-07 |
AxonFinder: Automated segmentation of tumor innervating neuronal fibers
2024-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.03.611089
PMID:39282317
|
研究论文 | 开发了一种名为AxonFinder的深度学习工具，用于自动分割前列腺肿瘤微环境中的神经元轴突 | 首次提出基于U-Net与ResNet-101编码器的深度学习模型，专门用于分割形态不规则的肿瘤内神经元轴突 | 模型训练依赖于手动标注的轴突数据，可能受到标注者主观性的影响 | 开发自动分割肿瘤内神经元轴突的算法，研究肿瘤神经支配与癌症进展的关联 | 前列腺肿瘤微环境中的神经元轴突 | 数字病理学 | 前列腺癌 | 多重成像技术 | CNN | 全玻片图像 | 来自低、中、高风险前列腺癌患者的全玻片图像数据集 | NA | U-Net, ResNet-101 | 准确率 | NA |
| 274 | 2025-10-07 |
Deep learning-based fully automatic Risser stage assessment model using abdominal radiographs
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-05999-1
PMID:39046527
|
研究论文 | 开发基于深度学习的全自动Risser分期评估模型，使用腹部X光片进行骨骼成熟度评估 | 首次提出全自动的Risser分期评估方法，结合骨盆骨分割和分类模型实现端到端评估 | 样本量相对有限，仅包含9-18岁患者，需要进一步验证在更广泛人群中的适用性 | 开发自动化的Risser分期评估系统以辅助骨骼成熟度评估 | 青少年患者的腹部X光片 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | 医学图像 | 1,681张腹部X光片（1,577张用于开发，104张用于外部验证） | NA | DeepLabv3+, EfficientNet-B0, ConvNeXt-B | 准确率, AUROC, 平均绝对误差 | NA |
| 275 | 2025-10-07 |
Doctor simulator: Delta-Age-Sex-AdaIn enhancing bone age assessment through AdaIn style transfer
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-06000-9
PMID:39060414
|
研究论文 | 提出一种结合年龄和性别分布的自适应实例归一化方法DASA-net，用于提升骨龄评估的准确性 | 首次将年龄和性别分布通过AdaIN风格迁移融入骨龄评估，模拟医生视觉比较手部图像与标准骨图谱的过程 | 未明确说明模型在临床环境中的泛化能力和计算效率 | 开发更准确的骨龄评估方法 | 儿童手部X光片 | 计算机视觉 | 儿科发育疾病 | X射线成像 | 深度学习 | 图像 | 公开数据集14,236张手部X光片（1-228个月），私有数据集474张手部X光片（12-218个月，268名男性） | NA | DASA-net（包含BoneEncoder、Binary code distribution、Delta-Age-Sex-AdaIn、AgeDecoder四个模块） | 平均绝对偏差(MAD) | NA |
| 276 | 2025-10-07 |
Accelerated cardiac magnetic resonance imaging using deep learning for volumetric assessment in children
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-05978-6
PMID:39017676
|
研究论文 | 本研究评估了使用深度学习重建的加速3-RR电影MRI序列在儿童心脏磁共振成像中的诊断性能 | 首次在儿童心脏MRI中应用深度学习加速技术，将扫描时间从218.3秒显著减少至45.5秒 | 深度学习电影图像在舒张末期和收缩末期轮廓、乳头肌和瓣膜显示方面的图像质量有所降低 | 评估深度学习加速心脏MRI在儿童心室容积测量中的诊断性能 | 29名接受心脏MRI检查的儿童患者（平均年龄11±5岁，范围1-17岁） | 医学影像分析 | 心血管疾病 | 心脏磁共振成像，平衡稳态自由进动序列 | 深度学习 | 医学影像 | 29名连续患者 | NA | NA | 组内相关系数，Bland-Altman分析，线性回归，图像质量评分 | 1.5特斯拉MRI扫描仪 |
| 277 | 2025-10-07 |
Development and Testing of Artificial Intelligence-Based Mobile Application to Achieve Cataract Backlog-Free Status in Uttar Pradesh, India
2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2024.100094
PMID:39187013
|
研究论文 | 开发并测试用于白内障筛查的人工智能移动应用程序，以解决印度北方邦白内障积压问题 | 开发了首个面向基层卫生工作者的AI移动应用，通过眼部图像进行社区级白内障筛查 | 模型在眼部和虹膜聚焦图像上的灵敏度较低（约52%），阳性预测值仅为58.4% | 通过AI技术实现社区级白内障筛查，消除白内障积压病例 | 印度北方邦50岁及以上人群的白内障患者 | 计算机视觉 | 白内障 | 眼部图像分析 | 深度学习 | 图像 | 13,633张眼部图像用于模型开发，302名受益者（604张图像）用于现场测试 | NA | ResNet50, ResNet101, YOLOv5, EfficientNetV2, InceptionV3, UNet | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 278 | 2025-10-07 |
Fully automated epicardial adipose tissue volume quantification with deep learning and relationship with CAC score and micro/macrovascular complications in people living with type 2 diabetes: the multicenter EPIDIAB study
2024-09-03, Cardiovascular diabetology
IF:8.5Q1
DOI:10.1186/s12933-024-02411-y
PMID:39227844
|
研究论文 | 本研究使用深度学习自动量化心外膜脂肪组织体积，并探讨其与2型糖尿病患者微血管和大血管并发症的关系 | 首次在多中心研究中应用经过验证的深度学习分割流程实现心外膜脂肪组织体积的完全自动量化 | 研究为回顾性分析，心外膜脂肪组织体积与糖尿病视网膜病变和周围神经病变无显著关联 | 评估心外膜脂肪组织与2型糖尿病微血管和大血管并发症的关系 | 2型糖尿病患者，特别是接受冠状动脉钙化评分心脏CT检查的患者 | 数字病理 | 2型糖尿病 | 心脏CT，深度学习分割 | 深度学习 | 医学影像 | 1253名接受心脏CT检查的2型糖尿病患者 | NA | NA | p值 | NA |
| 279 | 2025-10-07 |
Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis
2024-Sep, Korean journal of neurotrauma
DOI:10.13004/kjnt.2024.20.e30
PMID:39372118
|
研究论文 | 本研究探索使用预训练的深度学习模型进行帕金森病患者语音障碍的语音转文本分析的可行性 | 首次将预训练的Wav2Vec模型应用于帕金森病相关语音障碍的语音转文本分析 | 样本量较小（仅20例），研究结果需要更大规模验证 | 评估深度学习模型在帕金森病语音障碍分析中的可行性 | 帕金森病患者和健康对照者的语音数据 | 自然语言处理 | 帕金森病 | 语音分析，语音转文本 | 深度学习模型 | 语音录音 | 20例（包含帕金森病患者和健康对照组） | NA | Wav2Vec | 准确率，音节一致度，单词匹配概率 | NA |
| 280 | 2025-01-07 |
Deep Learning Features Can Improve Radiomics-Based Prostate Cancer Aggressiveness Prediction
2024-09, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00180
PMID:39292984
|
研究论文 | 本研究探讨了深度学习特征如何提升基于放射组学的前列腺癌侵袭性预测 | 研究表明，除了从分割模型中提取放射组学特征外，深度学习特征空间中的信息也能提升疾病侵袭性分类模型的质量 | 研究未明确说明深度学习特征与放射组学特征结合的具体机制，且部分模型性能提升不明显 | 探索深度学习特征在提升前列腺癌侵袭性预测模型性能中的作用 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习 | 自编码器 | 图像 | 2,244次实验，基于13种不同模型 | NA | NA | NA | NA |