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 19278 篇文献，本页显示第 19081 - 19100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19081 | 2024-12-24 |
Development and validation of a CT-based deep learning radiomics signature to predict lymph node metastasis in oropharyngeal squamous cell carcinoma: a multicentre study
2025-Jan-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae051
PMID:39271161
|
研究论文 | 本研究开发并验证了一种基于CT的深度学习放射组学签名，用于预测口咽鳞状细胞癌中的淋巴结转移 | 本研究提出了一种结合临床因素与深度学习放射组学的新型综合模型，显著提高了口咽鳞状细胞癌术前淋巴结转移的预测能力 | NA | 建立并验证一种深度学习放射组学模型，用于预测口咽鳞状细胞癌中的淋巴结转移 | 口咽鳞状细胞癌患者的淋巴结转移 | 数字病理学 | 口咽癌 | 深度学习 | 机器学习分类器 | 图像 | 279名口咽鳞状细胞癌患者 | NA | NA | NA | NA |
| 19082 | 2024-12-24 |
Deep Learning for Distinguishing Mucinous Breast Carcinoma From Fibroadenoma on Ultrasound
2025-Jan, Clinical breast cancer
IF:2.9Q2
DOI:10.1016/j.clbc.2024.09.001
PMID:39317636
|
研究论文 | 本研究旨在开发一种深度学习模型，通过超声图像区分粘液性乳腺癌和纤维腺瘤 | 提出了基于超声图像和年龄的DL+ age-tree模型，显著提高了区分粘液性乳腺癌和纤维腺瘤的诊断性能，并能有效提升不同经验水平放射科医生的诊断能力 | 本研究为回顾性研究，样本量相对较小，可能存在选择偏倚 | 开发一种深度学习模型，帮助放射科医生更准确地区分粘液性乳腺癌和纤维腺瘤 | 粘液性乳腺癌和纤维腺瘤的超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | DL+ age-tree模型 | 图像 | 884名患者，包括700名纤维腺瘤患者和184名粘液性乳腺癌患者，共2257张超声图像 | NA | NA | NA | NA |
| 19083 | 2024-12-24 |
How the technologies behind self-driving cars, social networks, ChatGPT, and DALL-E2 are changing structural biology
2025-Jan, BioEssays : news and reviews in molecular, cellular and developmental biology
IF:3.2Q1
DOI:10.1002/bies.202400155
PMID:39404756
|
综述 | 本文综述了深度学习技术在蛋白质结构生物学中的应用，包括卷积神经网络、大型语言模型、去噪扩散概率模型/噪声条件得分网络和图神经网络 | 探讨了将自动驾驶汽车、社交网络、ChatGPT和DALL-E2等技术背后的深度学习工具应用于蛋白质结构生物学的新方法 | NA | 介绍深度学习技术在蛋白质结构预测、逆折叠、蛋白质设计和小分子设计中的进展 | 蛋白质结构生物学 | 机器学习 | NA | 深度神经网络 | 卷积神经网络、大型语言模型、去噪扩散概率模型/噪声条件得分网络、图神经网络 | 文本、图像、图 | NA | NA | NA | NA | NA |
| 19084 | 2024-12-23 |
Unveiling AI's role in papilledema diagnosis from fundus images: A systematic review with diagnostic test accuracy meta-analysis and comparison of human expert performance
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109350
PMID:39515271
|
综述 | 本文系统回顾了人工智能在视网膜图像中检测和分级视乳头水肿的应用，并进行了诊断测试准确性的meta分析，同时比较了人类专家的表现 | 深度学习模型在检测视乳头水肿方面优于传统的机器学习算法，且在某些情况下超越了人类专家的敏感性 | 研究存在患者选择、图像来源和异质性等方面的局限性 | 探讨人工智能在视乳头水肿诊断中的应用及其与人类专家的比较 | 视乳头水肿的检测和分级 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习模型 | 图像 | 21项研究 | NA | NA | NA | NA |
| 19085 | 2024-12-24 |
Automated tooth segmentation in magnetic resonance scans using deep learning - A pilot study
2025-Jan-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae059
PMID:39589897
|
研究论文 | 本研究开发并评估了一种用于磁共振扫描中牙齿分割的人工智能模型 | 首次使用深度学习技术在磁共振扫描中实现牙齿的自动分割 | 模型在包含牙科修复体的数据集上准确性较低，由于图像伪影的影响 | 开发和评估一种用于磁共振扫描中牙齿分割的人工智能模型 | 磁共振扫描中的牙齿分割 | 计算机视觉 | NA | 磁共振成像 | nnU-Net | 图像 | 20名患者的磁共振扫描数据，其中16个用于模型训练，4个用于准确性评估 | NA | NA | NA | NA |
| 19086 | 2024-12-23 |
Osteoarthritis year in review 2024: Imaging
2025-Jan, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2024.10.009
PMID:39490728
|
综述 | 本文回顾了2024年期间关于骨关节炎（OA）影像学的最新文献，并识别了当前OA影像学研究的趋势 | 本文涵盖了AI在OA影像学中的新兴应用，并指出AI工具在OA影像学研究中的应用逐渐增加 | 本文未提及具体的AI模型或技术细节，且未讨论AI在OA影像学中的潜在局限性 | 回顾和总结2024年期间关于骨关节炎影像学的研究进展 | 骨关节炎的影像学研究，特别是膝关节和髋关节的影像学研究 | NA | 骨关节炎 | CT、MRI、超声、DXA、AI | NA | 影像 | 涉及多个观察性研究，如多中心骨关节炎研究、鹿特丹研究、SEKOIA研究等 | NA | NA | NA | NA |
| 19087 | 2024-12-23 |
Structural-based uncertainty in deep learning across anatomical scales: Analysis in white matter lesion segmentation
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109336
PMID:39546878
|
研究论文 | 本文探讨了在多发性硬化症患者的磁共振成像扫描中，基于结构的不确定性在深度学习白质病变分割中的应用 | 开发了新的测量方法来量化病变和患者尺度上的不确定性，并扩展了错误保留曲线分析框架以评估不确定性量化性能 | NA | 验证不同解剖尺度上的不确定性与特定类型错误之间的关系 | 多发性硬化症患者的白质病变分割 | 计算机视觉 | 神经系统疾病 | 深度学习 | NA | 图像 | 444名患者的多中心MRI数据集 | NA | NA | NA | NA |
| 19088 | 2024-12-23 |
Augmenting a spine CT scans dataset using VAEs, GANs, and transfer learning for improved detection of vertebral compression fractures
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109446
PMID:39550911
|
研究论文 | 本文通过使用变分自编码器（VAEs）、生成对抗网络（GANs）和迁移学习来增强脊柱CT扫描数据集，以提高椎体压缩性骨折的检测 | 本文创新性地使用VAE-GAN模型生成高质量的合成数据，并通过迁移学习将其应用于真实数据集，显著提高了分类准确率 | 本文仅在特定数据集上进行了验证，未来需要在更多不同来源的数据集上进行验证 | 提高AI系统对椎体压缩性骨折的早期自动检测能力，填补医疗保健中的关键空白 | 椎体压缩性骨折的检测 | 计算机视觉 | 骨骼疾病 | 生成对抗网络（GANs）、变分自编码器（VAEs）、迁移学习 | 卷积神经网络（CNN） | 图像 | 来自AUBMC的胸部CT扫描数据集，以及基于CTSpine1K数据集生成的合成数据 | NA | NA | NA | NA |
| 19089 | 2024-12-23 |
Leveraging AI technology for distinguishing Eucommiae Cortex processing levels and evaluating anti-fatigue potential
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109408
PMID:39550909
|
研究论文 | 利用深度学习技术区分杜仲皮的不同加工等级并评估其抗疲劳潜力 | 首次使用ResNet和Vision Transformer模型对杜仲皮图像进行自动分类，并评估不同加工等级杜仲皮的抗疲劳效果 | 研究仅在动物模型上进行，尚未在人体中验证效果 | 开发一种准确、快速且无创的方法来评估杜仲皮的加工等级及其抗疲劳潜力 | 杜仲皮的不同加工等级及其抗疲劳效果 | 计算机视觉 | NA | 深度学习 | ResNet, Vision Transformer | 图像 | 使用小鼠进行实验，具体数量未提及 | NA | NA | NA | NA |
| 19090 | 2024-12-23 |
Data augmentation with generative models improves detection of Non-B DNA structures
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109440
PMID:39550912
|
研究论文 | 本文研究了使用生成模型进行数据增强以改进非B DNA结构检测的方法 | 本文首次测试了扩散模型与其他生成模型在生成合成非B DNA结构方面的性能，并展示了数据增强对分类器质量的改进 | 本文指出在生成样本质量、多样性和采样速度之间存在权衡 | 测试不同生成模型在生成合成非B DNA结构以进行数据增强时的性能 | 非B DNA结构（flipons） | 机器学习 | NA | 生成模型 | 扩散模型（DDPM和DDIM）、Wasserstein生成对抗网络（WGAN）、向量量化变分自编码器（VQ-VAE） | DNA序列 | NA | NA | NA | NA | NA |
| 19091 | 2024-12-23 |
Predicting brain age with global-local attention network from multimodal neuroimaging data: Accuracy, generalizability, and behavioral associations
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109411
PMID:39556917
|
研究论文 | 本研究探讨了通过整合结构MRI和扩散MRI数据，利用基于注意力机制的深度学习模型来提高大脑年龄预测的准确性和泛化能力，并分析了预测大脑年龄与行为测量之间的关系 | 提出了一个基于注意力机制的深度学习模型，融合了结构MRI的全局信息和扩散MRI的局部细节，显著提高了大脑年龄预测的准确性和泛化能力 | 尽管多模态模型在可重复性上表现优异，但在纵向一致性上略逊于单一模态模型 | 研究通过整合多模态神经影像数据来提高大脑年龄预测的准确性和泛化能力，并探讨预测大脑年龄与行为测量之间的关系 | 大脑年龄预测模型及其与行为测量的关联 | 机器学习 | NA | MRI | 注意力网络 | 图像 | 使用了两个大型数据集：HCP数据集（n=1064，年龄22-37）和Cam-CAN数据集（n=639，年龄18-88），并在三个独立数据集（n=546，年龄20-86）上测试了泛化能力，在测试-重测试数据集（n=44，年龄22-35）上验证了可重复性，并在纵向数据集（n=129，年龄46-92）上评估了纵向一致性 | NA | NA | NA | NA |
| 19092 | 2024-12-23 |
Automatic discrimination between neuroendocrine carcinomas and grade 3 neuroendocrine tumors by deep learning of H&E images
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109443
PMID:39577349
|
研究论文 | 本文开发了一种基于深度学习的系统NEToC，用于通过H&E染色图像自动区分神经内分泌癌和3级神经内分泌肿瘤 | NEToC系统通过仅使用形态学信息而不依赖Ki-67或有丝分裂评估来区分神经内分泌肿瘤和癌，提供了一种新的诊断方法 | 系统在处理低级别神经内分泌肿瘤时存在误分类问题，主要表现为将G1型图像错误分类为癌型 | 开发一种能够准确区分神经内分泌癌和3级神经内分泌肿瘤的深度学习系统，以辅助病理诊断 | 神经内分泌肿瘤和癌的区分 | 数字病理学 | NA | 深度学习 | 人工神经网络 | 图像 | 95例神经内分泌肿瘤病例，包含588张图像 | NA | NA | NA | NA |
| 19093 | 2024-12-23 |
Deep learning-based denoising for unbiased analysis of morphology and stiffness in amyloid fibrils
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109410
PMID:39577350
|
研究论文 | 本研究开发了一种基于U-Net深度学习架构的去噪软件，用于提高原子力显微镜（AFM）图像中淀粉样纤维形态和刚度的分析精度 | 首次使用深度学习技术对AFM图像进行去噪处理，并开发了自动化的纤维分析技术，提高了淀粉样纤维形态和刚度的量化精度 | NA | 提高淀粉样纤维形态和刚度的分析精度，推动淀粉样相关疾病的研究 | 淀粉样纤维的形态和刚度 | 计算机视觉 | 老年性疾病 | 原子力显微镜（AFM） | U-Net | 图像 | NA | NA | NA | NA | NA |
| 19094 | 2024-12-23 |
Multi-scale multimodal deep learning framework for Alzheimer's disease diagnosis
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109438
PMID:39579666
|
研究论文 | 本文提出了一种多模态和多尺度的深度学习框架，用于阿尔茨海默病的诊断 | 本文创新点在于开发了一种多模态和多尺度的深度学习模型，通过多尺度卷积神经网络嵌入和多模态尺度融合机制，有效利用了多模态和多尺度神经影像数据的交互，提升了特征提取和交互能力 | 本文未提及具体的局限性 | 开发一种新的深度学习框架，以提高阿尔茨海默病的诊断准确性 | 阿尔茨海默病的诊断 | 机器学习 | 阿尔茨海默病 | 卷积神经网络 | CNN | 图像 | ADNI数据集 | NA | NA | NA | NA |
| 19095 | 2024-12-23 |
Advanced statistical inference of myocardial stiffness: A time series Gaussian process approach of emulating cardiac mechanics for real-time clinical decision support
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109381
PMID:39579662
|
研究论文 | 本文提出了一种基于时间序列高斯过程的统计推断方法，用于模拟心脏力学并实时支持临床决策 | 本文创新性地将高斯过程与克罗内克积技巧结合，用于分解复杂协方差矩阵，并利用主成分分析将患者特异性左心室几何形状整合到高斯过程模拟器中 | 本文的局限性在于其方法的计算成本仍然较高，尽管比传统方法有所改进 | 本文的研究目的是通过推断患者特异性的心肌刚度参数，为个性化医疗提供支持 | 本文的研究对象是左心室容积和心肌刚度 | 数字病理学 | 心血管疾病 | 高斯过程、主成分分析、深度学习神经网络 | 高斯过程模型、深度学习神经网络 | 时间序列数据 | 使用真实患者数据进行测试 | NA | NA | NA | NA |
| 19096 | 2024-12-23 |
Implementing deep learning on edge devices for snoring detection and reduction
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109458
PMID:39579667
|
研究论文 | 本研究介绍了MinSnore，一种专门为低配置边缘设备设计的实时打鼾检测和减少的深度学习模型 | MinSnore通过集成MobileViTV3块到Dynamic MobileNetV3骨干模型架构中，利用卷积神经网络（CNN）和变换器来提供增强的特征表示，同时保持最小的计算开销 | NA | 开发一种高效、低成本且高度准确的打鼾缓解解决方案，以解决与睡眠相关的健康问题 | 打鼾检测和减少 | 机器学习 | NA | 卷积神经网络（CNN），变换器，自监督学习与Barlow Twins（SSL-BT）方法 | CNN | 音频 | 46,349个音频文件用于预训练，17,355个分段剪辑用于微调 | NA | NA | NA | NA |
| 19097 | 2024-12-23 |
NExpR: Neural Explicit Representation for fast arbitrary-scale medical image super-resolution
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109354
PMID:39602975
|
研究论文 | 本文提出了一种名为NExpR的神经显式表示方法，用于快速实现任意尺度的医学图像超分辨率 | NExpR通过显式解析函数表示图像，避免了现有隐式神经表示方法中重复执行神经网络的低效问题，显著提高了处理速度 | NA | 开发一种快速且高效的任意尺度医学图像超分辨率方法 | 医学图像，包括MRI和CT图像 | 计算机视觉 | NA | 神经网络 | 神经网络 | 图像 | 包括ProstateX、fastMRI、内部临床前列腺数据集以及Medical Segmentation Decathlon肝脏数据集 | NA | NA | NA | NA |
| 19098 | 2024-12-23 |
RS-MOCO: A deep learning-based topology-preserving image registration method for cardiac T1 mapping
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109442
PMID:39608033
|
研究论文 | 本文提出了一种基于深度学习的拓扑保持图像配准方法RS-MOCO，用于心脏T1映射中的运动校正 | 提出了隐式一致性约束BLOC，通过双向一致性约束和局部抗折叠约束在一定程度上保持图像拓扑；引入了加权图像相似性度量用于多模态心脏T1加权图像的配准；集成了半监督心肌分割网络和双域注意力模块以提高配准性能 | 未提及具体限制 | 开发一种有效、鲁棒且高效的运动校正方法，用于心脏T1映射 | 心脏T1映射图像的运动校正 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 19099 | 2024-12-23 |
AELGNet: Attention-based Enhanced Local and Global Features Network for medicinal leaf and plant classification
2025-Jan, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109447
PMID:39608035
|
研究论文 | 本文提出了一种基于注意力机制的增强局部和全局特征网络（AELGNet），用于药用植物和叶子的分类 | 本文的创新点在于结合了局部和全局特征提取，并引入了残差通道和空间注意力机制，以提高分类性能 | 本文的局限性在于实验仅使用了印度药用植物的数据集，可能限制了方法的普适性 | 研究目的是开发一种高效准确的药用植物和叶子分类方法 | 研究对象是药用植物及其叶子 | 计算机视觉 | NA | 深度学习 | AELGNet | 图像 | 使用了印度药用植物的数据集 | NA | NA | NA | NA |
| 19100 | 2024-12-23 |
Deep Learning Predicts Lymphovascular Invasion Status in Muscle Invasive Bladder Cancer Histopathology
2025-Jan, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-024-16422-2
PMID:39472420
|
研究论文 | 开发了一种基于深度学习的模型SBLVIP，用于预测肌肉浸润性膀胱癌患者的淋巴血管侵犯状态 | 首次使用深度学习模型SBLVIP在全切片图像上预测肌肉浸润性膀胱癌患者的淋巴血管侵犯状态 | 需要进一步验证模型在不同数据集和临床环境中的泛化能力 | 开发一种深度学习模型，用于准确识别肌肉浸润性膀胱癌患者的淋巴血管侵犯状态，以进行有效的风险分层和精准治疗 | 肌肉浸润性膀胱癌患者的淋巴血管侵犯状态 | 数字病理学 | 膀胱癌 | 深度学习 | NA | 图像 | 使用了来自TCGA数据库的队列进行训练，并在武汉大学人民医院和汉川市人民医院的队列中进行外部验证 | NA | NA | NA | NA |