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 3695 篇文献，本页显示第 2321 - 2340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2321 | 2025-10-07 |
Cardiac motion correction with a deep learning network for perfusion defect assessment in single-photon emission computed tomography myocardial perfusion imaging
2025-Jan, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2024.102071
PMID:39491716
|
研究论文 | 本研究开发了一种基于深度学习的心脏运动校正方法，用于提高SPECT心肌灌注成像中灌注缺损的检测能力 | 首次将深度学习网络应用于SPECT-MPI的心脏运动校正，并在标准计数和低计数研究中验证了灌注缺损检测性能的提升 | 研究样本量有限（训练集197例，测试集194例），且使用模拟病变作为金标准而非真实临床病变 | 评估深度学习运动校正方法在SPECT心肌灌注成像中检测灌注缺损的潜在价值 | 心脏SPECT-MPI图像 | 医学影像分析 | 心血管疾病 | 单光子发射计算机断层扫描（SPECT），心电图门控 | 深度学习网络 | 医学影像 | 训练集197例，测试集194例临床受试者 | NA | NA | ROC曲线下面积（AUC） | NA |
| 2322 | 2025-10-07 |
Style harmonization of panoramic radiography using deep learning
2025-Jan, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00782-2
PMID:39470914
|
研究论文 | 本研究使用深度学习技术对来自不同设备的全景放射影像进行风格统一 | 首次使用CycleGAN对全景放射影像进行设备间风格统一，实现不同设备图像显示相似风格 | 仅使用单一机构的两种设备数据，模型需要进一步优化以适用于更多设备类型 | 统一不同设备生成的全景放射影像的显示风格 | 全景放射影像 | 计算机视觉 | NA | 全景放射成像 | CycleGAN | 图像 | 15,624张全景影像（Rayscan Alpha Plus设备8,079张，Pax-i plus设备7,545张），其中测试集包含222对患者图像（444张） | NA | CycleGAN | Frechet Inception Distance (FID), Learned Perceptual Image Patch Similarity (LPIPS), 专家评估 | NA |
| 2323 | 2025-10-07 |
Retinal OCT biomarkers and their association with cognitive function-clinical and AI approaches
2025-Jan, Die Ophthalmologie
DOI:10.1007/s00347-024-01988-9
PMID:38381373
|
综述 | 探讨视网膜OCT生物标志物与认知功能的关联及其在临床和人工智能中的应用前景 | 系统阐述视网膜OCT生物标志物作为认知障碍早期非侵入性标记物的潜力，并整合人工智能方法进行分析 | AI方法存在黑箱问题且在外部数据集表现不佳，生物标志物在临床常规应用的有效性仍需进一步验证 | 研究视网膜OCT生物标志物与认知功能的关联及其在神经退行性疾病早期检测中的应用 | 视网膜OCT生物标志物与认知功能关联机制 | 医学影像分析 | 神经退行性疾病 | 光学相干断层扫描(OCT) | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 2324 | 2025-10-07 |
Pruning Sparse Tensor Neural Networks Enables Deep Learning for 3D Ultrasound Localization Microscopy
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3552198
PMID:40126968
|
研究论文 | 提出使用稀疏张量神经网络实现基于深度学习的3D超声定位显微镜，显著降低内存需求 | 首次将稀疏张量神经网络应用于3D超声定位显微镜，实现两个数量级的内存需求降低 | 稀疏格式转换会导致一定程度的信息损失，在2D应用中性能略有下降 | 通过深度学习减少超声定位显微镜的采集时间，提高成像效率 | 体内微血管成像和微泡轨迹检测 | 医学影像分析 | 血管疾病 | 超声定位显微镜(ULM) | 神经网络 | 3D超声图像 | NA | NA | 稀疏张量神经网络 | 内存效率，检测性能 | NA |
| 2325 | 2025-10-07 |
CRCL: Causal Representation Consistency Learning for Anomaly Detection in Surveillance Videos
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3558089
PMID:40215152
|
研究论文 | 提出一种基于因果表示一致性学习的视频异常检测方法，通过挖掘场景鲁棒的因果变量来提升检测性能 | 首次将因果学习引入视频异常检测，提出场景去偏学习和因果启发式正态性学习来消除场景偏差并学习因果视频正态性 | 未明确说明在极端复杂场景下的适用性，且对实时性要求高的场景可能面临计算挑战 | 开发能够应对多场景设置中标签无关偏差的鲁棒视频异常检测方法 | 监控视频中的异常事件 | 计算机视觉 | NA | 因果表示学习 | 深度神经网络 | 监控视频 | 基准数据集上的广泛实验，包含多场景设置 | NA | NA | 通过消融研究和扩展验证评估性能稳定性 | NA |
| 2326 | 2025-04-26 |
Depth prediction of urban waterlogging based on BiTCN-GRU modeling
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321637
PMID:40267055
|
research paper | 提出了一种基于BiTCN-GRU混合深度学习模型的城市内涝深度预测方法 | 结合双向时间卷积网络(BiTCN)和门控循环单元(GRU)提升预测性能，相比现有模型如GBDT、LSTM和TCN-LSTM具有更高精度 | 未明确说明模型在其他城市或区域的泛化能力 | 提高城市内涝深度的预测准确性，为防灾减灾提供科学依据 | 城市易涝区域的内涝深度 | machine learning | NA | 深度学习 | BiTCN-GRU | 时序数据 | 两个数据集（Minshan Road和Huaihe Road） | NA | NA | NA | NA |
| 2327 | 2025-04-26 |
Opportunities and challenges with artificial intelligence in allergy and immunology: a bibliometric study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1523902
PMID:40270494
|
研究论文 | 通过文献计量学方法系统评估人工智能在过敏和免疫学领域的应用现状、趋势及未来热点 | 首次采用文献计量学方法全面分析AI在过敏和免疫学领域的研究格局，识别领先国家、主流研究主题及合作模式 | 存在技术限制、伦理问题及监管框架等潜在阻碍因素 | 评估人工智能在过敏和免疫学领域的应用现状与发展趋势 | 全球范围内AI在过敏和免疫学领域的3883篇研究文献 | 人工智能 | 过敏和免疫学疾病 | 文献计量分析 | 机器学习和深度学习 | 文献数据 | 3883篇文献，涉及21552位作者和1247种期刊 | NA | NA | NA | NA |
| 2328 | 2025-04-26 |
Construction and validation of a deep learning-based diagnostic model for segmentation and classification of diabetic foot
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1543192
PMID:40270716
|
研究论文 | 本研究利用深度学习模型对糖尿病足溃疡图像进行深入分析，实现伤口的自动分割和分类，探索人工智能在糖尿病足护理领域的应用 | 比较了三种实例分割模型（Mask2former、Deeplabv3plus和Swin-Transformer）在糖尿病足溃疡识别中的性能，发现Mask2former表现最佳 | 样本量较小（671张图像），可能影响模型的泛化能力 | 探索人工智能在糖尿病足护理领域的应用，实现伤口自动分割和分类 | 糖尿病足溃疡图像 | 计算机视觉 | 糖尿病足 | 深度学习 | Mask2former, Deeplabv3plus, Swin-Transformer | 图像 | 671张糖尿病足溃疡图像 | NA | NA | NA | NA |
| 2329 | 2025-04-26 |
Evaluating the Accuracy of Deep Learning Models and Dental Postgraduate Students in Measuring Working Length on Intraoral Periapical X-rays: An In vitro Study
2025 Jan-Mar, Contemporary clinical dentistry
IF:0.9Q3
DOI:10.4103/ccd.ccd_274_24
PMID:40270870
|
research paper | 本研究评估并比较了深度学习模型与牙科研究生在测量根尖周X光片工作长度上的准确性 | 首次将深度学习模型应用于牙科根尖周X光片工作长度的测量，并与人类专家进行比较 | 研究样本仅包含单根牙的X光片，可能不适用于多根牙的情况 | 评估人工智能在牙科诊断影像中的准确性 | 单根牙的根尖周X光片 | digital pathology | dental disease | deep learning | CNN | image | 100张根尖周X光片 | NA | NA | NA | NA |
| 2330 | 2025-04-25 |
A short report on deep learning synergy for decentralized smart grid cybersecurity
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1557960
PMID:40270931
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2331 | 2025-04-26 |
AI-driven sleep apnea screening with overnight blood oxygen saturation: current practices and future directions
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1510166
PMID:40271052
|
综述 | 本文综述了基于血氧饱和度(SpO)的睡眠呼吸暂停筛查的当前实践和未来方向 | 总结了SpO2信号在睡眠呼吸暂停筛查中的三种主要应用类别，并指出了该领域的两大研究空白 | 缺乏足够多样化的公开数据集，以及数据收集、信号预处理和模型基准测试的标准化协议缺失 | 评估基于SpO2信号的AI驱动睡眠呼吸暂停筛查方法的研究进展 | 已发表的关于SpO2信号用于睡眠呼吸暂停筛查的研究 | 机器学习 | 睡眠呼吸暂停 | SpO2监测 | machine learning/deep learning | 血氧饱和度信号 | 31篇纳入全文综述的出版物(从835篇初筛结果中筛选) | NA | NA | NA | NA |
| 2332 | 2025-04-26 |
Deep learning-based automatic segmentation of brain structures on MRI: A test-retest reproducibility analysis
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.04.007
PMID:40271109
|
研究论文 | 本研究评估了基于深度学习的MRI脑结构自动分割在不同扫描仪类型和磁场强度下的可重复性 | 首次系统比较了1.5T和3T MRI扫描仪在深度学习脑分割中的表现差异 | 未考虑更多品牌或型号的扫描仪差异，样本来源未明确说明 | 评估MRI脑结构自动分割在不同扫描条件下的可重复性 | MRI扫描的脑结构图像 | 医学影像分析 | 脑部疾病 | 深度学习 | NA | MRI图像 | 未明确说明具体样本数量 | NA | NA | NA | NA |
| 2333 | 2025-04-25 |
Artificial intelligence in dermatopathology: a systematic review
2025-Jan-27, Clinical and experimental dermatology
IF:3.7Q1
DOI:10.1093/ced/llae361
PMID:39226138
|
系统综述 | 本文系统综述了人工智能在皮肤病理学中的应用、挑战、机遇及未来潜力 | 全面评估了AI在皮肤病理学中的多种应用，并指出了未来的发展方向 | 研究受到小样本量和潜在偏倚的限制 | 探讨AI在皮肤病理学诊断和护理中的角色与潜力 | 皮肤病理学中的数字化切片和AI应用 | 数字病理学 | 皮肤疾病 | 深度学习 | NA | 图像 | 112篇论文 | NA | NA | NA | NA |
| 2334 | 2025-04-25 |
SeqSeg: Learning Local Segments for Automatic Vascular Model Construction
2025-Jan-27, ArXiv
PMID:39975447
|
研究论文 | 提出了一种基于深度学习的自动追踪和分割算法SeqSeg，用于构建基于图像的血管模型 | SeqSeg利用局部U-Net推理顺序分割医学图像中的血管结构，能够分割更完整的血管系统，并能泛化到训练数据中未标注的血管结构 | NA | 改进心血管功能计算建模中的模型生成过程 | 主动脉和主动脉-股动脉模型的CT和MR图像 | 数字病理学 | 心血管疾病 | 深度学习 | U-Net, nnU-Net | 医学图像 | NA | NA | NA | NA | NA |
| 2335 | 2025-04-25 |
A Comprehensive Review on Deep Learning Techniques in Alzheimer's Disease Diagnosis
2025, Current topics in medicinal chemistry
IF:2.9Q3
|
review | 本文全面综述了深度学习技术在阿尔茨海默病诊断中的应用 | 分类了阿尔茨海默病的ATN生物标志物，系统描述了多种深度学习算法用于早期评估，并讨论了广泛使用的在线数据集 | NA | 通过深度学习技术提升阿尔茨海默病早期诊断的有效方法 | 阿尔茨海默病及其相关生物标志物 | digital pathology | geriatric disease | 深度学习 | DNN, CNN, RNN, k-NN, DBM, DBN | 医学影像数据 | 涉及多个在线数据集如ADNI、OASIS等 | NA | NA | NA | NA |
| 2336 | 2025-04-25 |
Optimization of the automated Sunnybrook Facial Grading System - Improving the reliability of a deep learning network with facial landmarks
2025-Jan, European annals of otorhinolaryngology, head and neck diseases
DOI:10.1016/j.anorl.2024.07.005
PMID:39117479
|
研究论文 | 本研究通过在人脸关键点层的基础上优化自动化的Sunnybrook面部评分系统（SFGS），提高了深度学习网络的可靠性 | 在卷积神经网络（CNN）中新增人脸关键点层，显著提升了自动化SFGS的可靠性 | 研究样本量有限，仅包含116例单侧周围性面瘫患者和9例健康受试者 | 优化自动化SFGS的可靠性，使其在电子健康环境中更易用 | 单侧周围性面瘫患者和健康受试者的面部表情数据 | 计算机视觉 | 面瘫 | 深度学习 | CNN | 图像 | 116例患者和9例健康受试者 | NA | NA | NA | NA |
| 2337 | 2025-04-25 |
Prompt-Driven Latent Domain Generalization for Medical Image Classification
2025-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3443119
PMID:39137089
|
研究论文 | 提出了一种无需依赖域标签的医学图像分类统一域泛化框架PLDG，通过无监督域发现和提示学习提升模型在未见域上的表现 | 首次提出无需域标签的域泛化框架，结合伪域标签聚类和协作域提示学习，引入域提示生成器和域混合策略增强跨域知识学习 | 伪域标签的准确性可能影响模型性能，实验仅在有限医学图像任务上验证 | 解决医学图像分析中因分布偏移导致的临床诊断不可靠问题 | 医学图像分类任务 | 计算机视觉 | NA | 域泛化、提示学习 | Vision Transformer | 医学图像 | 三个医学图像分类任务和一个去偏任务的数据集 | NA | NA | NA | NA |
| 2338 | 2025-04-25 |
AutoSamp: Autoencoding k-Space Sampling via Variational Information Maximization for 3D MRI
2025-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3443292
PMID:39146168
|
research paper | 提出了一种名为AutoSamp的新型深度学习框架，通过变分信息最大化联合优化MRI扫描的采样模式和重建 | 利用变分信息最大化联合优化k空间采样模式和MRI重建，实现了非笛卡尔平面上k空间样本位置的连续优化 | 未明确提及具体局限性 | 优化MRI的k空间采样模式以提高重建质量 | 3D MRI扫描数据 | medical imaging | NA | 非均匀快速傅里叶变换和深度学习重建网络 | autoencoder | 3D MRI图像数据 | 公共3D MRI数据集 | NA | NA | NA | NA |
| 2339 | 2025-04-25 |
Unsupervised Non-Rigid Histological Image Registration Guided by Keypoint Correspondences Based on Learnable Deep Features With Iterative Training
2025-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3447214
PMID:39167523
|
research paper | 提出了一种基于可学习深度特征和迭代训练的无监督非刚性组织学图像配准方法 | 引入了固定深度特征和可学习深度特征作为关键点描述符，采用迭代训练策略联合优化配准网络和可学习深度特征 | 未明确提及具体局限性 | 解决组织学图像配准中由于多重染色导致的显著外观差异问题 | 组织学图像 | digital pathology | breast cancer | deep learning | unsupervised network | image | ANHIR和ACROBAT网站上的数据集 | NA | NA | NA | NA |
| 2340 | 2025-04-25 |
Detection and classification of electrocardiography using hybrid deep learning models
2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese
IF:2.7Q2
DOI:10.1016/j.hjc.2024.08.011
PMID:39218394
|
研究论文 | 本文提出了一种结合CNN和VAE的混合深度学习模型，用于心电图的检测和分类，以提高心血管疾病的自动诊断准确性 | 提出了一种新的CNN-VAE混合架构，用于心电图的分类，相比其他深度学习方法表现更优 | 模型仅在PTB-XL数据集上进行了训练和测试，可能需要更多样化的数据验证其泛化能力 | 提高心电图的自动分类准确性，以辅助心血管疾病的早期诊断 | 心电图数据 | 机器学习 | 心血管疾病 | 深度学习 | CNN-VAE混合模型 | 心电图信号 | PTB-XL数据集中的21,799条12导联心电图，来自18,869名患者 | NA | NA | NA | NA |