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 1367 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2025-10-06 |
DELR-Net: a network for 3D multimodal medical image registration in more lightweight application scenarios
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04602-3
PMID:39400589
|
研究论文 | 提出一种用于3D多模态医学图像配准的轻量化网络DELR-Net | 集成Mamba和ConvNet的双编码器轻量化网络架构，使用状态空间序列模块和动态大核块 | NA | 设计参数更少的3D多模态配准网络，确保高质量配准结果 | 3D脑部MR图像和腹部MR与CT图像 | 医学图像分析 | NA | 医学图像配准 | 深度学习网络 | 3D医学图像 | NA | NA | DELR-Net, Dual-Encoder, Mamba, ConvNet | 配准质量, 参数数量 | NA |
| 222 | 2025-10-06 |
An optimized siamese neural network with deep linear graph attention model for gynaecological abdominal pelvic masses classification
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04633-w
PMID:39446167
|
研究论文 | 提出一种优化的孪生神经网络结合深度线性图注意力模型，用于妇科腹部盆腔肿块分类 | 首次将圆形启发的孪生神经网络与深度线性图注意力模型相结合，提出SCINN-DLGN新架构 | 仅使用MRI数据进行验证，未涉及其他影像模态 | 开发高精度的盆腔肿块分类系统，辅助卵巢癌诊断 | 女性盆腔肿块MRI图像 | 计算机视觉 | 妇科肿瘤 | MRI成像 | Siamese神经网络,图注意力网络 | 医学图像 | 实时MRI盆腔肿块数据集 | Python | SCINN-DLGN,EfficientNet-based U-Net | 准确率,召回率 | NA |
| 223 | 2025-10-06 |
Advancements in early detection of pancreatic cancer: the role of artificial intelligence and novel imaging techniques
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04644-7
PMID:39467913
|
综述 | 概述人工智能和新型成像技术在胰腺癌早期检测中的最新进展 | 聚焦深度学习技术在胰腺导管腺癌早期检测中的创新应用 | NA | 改善胰腺癌风险分层和开发生物影像标志物 | 胰腺导管腺癌(PDA) | 医学影像分析 | 胰腺癌 | 新型成像技术 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 224 | 2025-10-06 |
Artificial intelligence in abdominal and pelvic ultrasound imaging: current applications
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04640-x
PMID:39487919
|
综述 | 本文全面概述了人工智能在腹部和盆腔超声成像中的当前应用现状 | 系统总结了AI在腹部盆腔超声领域的应用分布，并首次统计了FDA批准的相关设备情况 | 研究存在高偏倚风险，大多数应用缺乏前瞻性多中心验证和FDA批准 | 评估人工智能在腹部和盆腔超声成像中的应用现状和发展趋势 | 57篇相关研究文献和17个FDA批准的AI超声设备 | 医学影像分析 | 多器官疾病 | 超声成像 | 深度学习,机器学习,自然语言处理 | 超声图像,文本报告 | 57篇研究文献（其中单中心研究43篇，回顾性研究56篇） | NA | NA | NA | NA |
| 225 | 2025-10-06 |
Artificial intelligence for detection and characterization of focal hepatic lesions: a review
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04597-x
PMID:39369107
|
综述 | 本文综述了基于人工智能的算法在CT和MRI图像中检测和表征局灶性肝脏病变的诊断能力 | 系统评估了AI算法在肝脏病变检测和分类中的应用潜力，特别关注良恶性病变的区分 | 需要扩展数据集、提高模型可解释性并在更广泛的临床环境中验证AI工具 | 评估人工智能在局灶性肝脏病变检测和表征中的诊断能力 | 局灶性肝脏病变（FLL） | 计算机视觉 | 肝脏疾病 | CT, MRI | CNN | 医学影像 | 45项相关研究（2010年1月至2024年4月） | NA | 卷积神经网络 | 准确率, 灵敏度, 特异性, AUC | NA |
| 226 | 2025-10-06 |
Gait Video-Based Prediction of Severity of Cerebellar Ataxia Using Deep Neural Networks
2025-Apr, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.30113
PMID:39840857
|
研究论文 | 本研究开发了一种基于步态视频和深度学习模型预测小脑性共济失调严重程度的方法 | 首次将姿态估计算法应用于步态视频来预测小脑性共济失调的严重程度 | 研究样本量较小（66名患者），仅针对退行性小脑疾病患者 | 评估姿态估计算法是否能通过步态视频预测小脑性共济失调的严重程度 | 66名退行性小脑疾病患者 | 计算机视觉 | 小脑性共济失调 | 姿态估计算法，视频分析 | 深度学习模型 | 视频 | 66名患者 | NA | NA | 均方根误差，决定系数 | NA |
| 227 | 2025-10-06 |
GCN-BBB: Deep Learning Blood-Brain Barrier (BBB) Permeability PharmacoAnalytics with Graph Convolutional Neural (GCN) Network
2025-04-03, The AAPS journal
DOI:10.1208/s12248-025-01059-0
PMID:40180695
|
研究论文 | 本研究开发了一种基于图卷积神经网络的深度学习模型，用于预测血脑屏障渗透性 | 首次将归一化拉普拉斯矩阵的图卷积神经网络应用于血脑屏障渗透性预测，相比传统分子指纹方法表现更优 | 研究仅基于1924个分子数据集，样本规模相对有限 | 开发高精度的血脑屏障渗透性预测模型以支持中枢神经系统药物研发 | 小分子药物的血脑屏障渗透性 | 机器学习 | 神经系统疾病 | 图神经网络 | GCN | 图结构数据 | 1924个分子 | NA | GCN_2（基于归一化拉普拉斯矩阵的图卷积神经网络） | 精确率,召回率,F1分数,MCC分数 | NA |
| 228 | 2025-10-06 |
Deep Learning and Hyperspectral Imaging for Liver Cancer Staging and Cirrhosis Differentiation
2025-04, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400557
PMID:39873135
|
研究论文 | 开发结合高光谱成像与深度学习的诊断方法，用于肝癌分期和肝硬化鉴别 | 首次将高光谱成像与深度卷积神经网络结合，捕捉传统方法难以识别的细胞级光谱特征差异 | 未提及外部验证集性能及临床部署可行性 | 提高肝癌分期和肝硬化鉴别的诊断精度 | 肝组织样本（肝细胞癌与肝硬化） | 计算机视觉 | 肝癌 | 高光谱成像 | CNN | 高光谱图像 | NA | NA | 深度卷积神经网络 | 准确率, 敏感度, 特异度 | NA |
| 229 | 2025-10-06 |
Deep structural brain imaging via computational three-photon microscopy
2025-04, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.4.046002
PMID:40161251
|
研究论文 | 开发了一种计算型深层三光子显微镜方法，用于提高活体小鼠大脑深层组织的成像质量 | 结合低秩扩散模型与自监督深度学习，利用三维图像表层信息补偿散射和系统噪声，无需增加激发功率或额外光学组件 | 目前仅在小鼠大脑中验证，尚未在更复杂生物系统或临床环境中测试 | 开发能够在不影响采集速度的前提下提升深层组织成像质量的新型显微成像技术 | 活体小鼠大脑海马体及脑血管系统 | 生物医学成像 | NA | 三光子显微镜，计算成像，自监督深度学习，聚集诱导发射纳米探针 | 低秩扩散模型 | 三维光学图像 | 活体小鼠大脑 | 自监督深度学习框架 | 低秩扩散模型 | 信噪比，图像质量 | NA |
| 230 | 2025-10-06 |
Artificial Intelligence in Cardiovascular Imaging: Current Landscape, Clinical Impact, and Future Directions
2025 Apr-Jun, Discoveries (Craiova, Romania)
DOI:10.15190/d.2025.10
PMID:40771296
|
综述 | 本文综述人工智能在心血管影像领域的最新进展、临床影响及未来发展方向 | 系统总结AI在多种心血管影像模态中的突破性应用，包括实时超声心动图解读、冠状动脉钙化评分和斑块量化，并深入分析算法偏见、可解释性等关键挑战 | 存在算法偏见、数据隐私保护、监管异质性和医疗法律责任等持续性问题 | 探讨人工智能在心血管影像领域的应用现状与未来发展 | 心血管影像技术（超声心动图、CT、MRI、核成像）及相关的AI应用平台 | 计算机视觉 | 心血管疾病 | 心血管影像技术（超声心动图、CT、MRI、核成像） | CNN, 深度学习 | 医学影像 | NA | NA | NA | 准确率, Dice系数 | NA |
| 231 | 2025-10-06 |
Virtual Lung Screening Trial (VLST): An In Silico Study Inspired by the National Lung Screening Trial for Lung Cancer Detection
2025-Apr-04, ArXiv
PMID:38699170
|
研究论文 | 本研究通过虚拟肺筛查试验(VLST)模拟国家肺筛查试验(NLST)，比较CT和胸部X光在肺癌筛查中的诊断性能 | 首次使用虚拟成像试验平台模拟大型临床试验的关键要素，通过深度学习模型作为虚拟阅片者评估不同成像技术的诊断性能 | 研究基于模拟数据，虚拟患者队列规模相对较小(294例)，需要进一步验证在真实临床环境中的适用性 | 验证虚拟成像试验平台在模拟临床试验和评估影像技术诊断性能方面的可行性 | 模拟的肺癌结节和虚拟患者队列 | 数字病理 | 肺癌 | 计算机断层扫描(CT)、胸部X光摄影(CXR)、XCAT人体模型 | 深度学习模型 | 医学影像 | 294例虚拟患者 | NA | AI CT-Reader, AI CXR-Reader | AUC, 敏感性, 特异性 | NA |
| 232 | 2025-10-06 |
Prediction of Intensive Care Length of Stay for Surviving and Nonsurviving Patients Using Deep Learning
2025-Apr-01, Critical care medicine
IF:7.7Q1
DOI:10.1097/CCM.0000000000006588
PMID:39928543
|
研究论文 | 本研究开发了一种深度学习模型，用于预测ICU存活和非存活患者的住院时间 | 首次在ICU住院时间预测中同时考虑存活和非存活患者的差异，并解决文档偏倚问题 | 仅使用美国医院数据，可能限制模型的泛化能力 | 改进ICU护理评估的基准测试方法 | ICU患者 | 医疗健康 | 危重症 | 深度学习 | 深度学习框架 | 电子健康记录 | 669,876次ICU入院（涉及628,815名患者） | NA | 竞争风险时间事件建模框架 | 决定系数(R2), 一致性指数, 平均绝对误差, 校准度 | NA |
| 233 | 2025-10-06 |
Finger-aware Artificial Neural Network for predicting arthritis in Patients with hand pain
2025-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103077
PMID:39970842
|
研究论文 | 开发基于Transformer的手指感知人工神经网络，用于预测手部疼痛患者的关节炎发展 | 首次将深度学习应用于SPECT/CT的SUV定量数据预测手部关节炎，并引入手指嵌入和手部间信息共享机制 | NA | 通过深度学习提高手部关节炎的早期预测准确性 | 手部疼痛患者 | 医学影像分析 | 关节炎 | SPECT/CT, SUV定量测量 | Transformer | 医学影像定量数据 | NA | NA | Finger-aware Artificial Neural Network (FANN) | AUC, 准确率, 精确率, 召回率, F1分数 | NA |
| 234 | 2025-10-06 |
Artificial Intelligence non-invasive methods for neonatal jaundice detection: A review
2025-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103088
PMID:39988547
|
综述 | 本文综述了基于人工智能的新生儿黄疸无创检测方法 | 系统评估了AI驱动的无创黄疸检测技术，特别是基于智能手机摄像头的应用在资源有限地区的实用性 | 主要关注现有研究综述，缺乏原始实验数据验证 | 评估人工智能技术在新生儿黄疸无创检测中的应用效果和临床价值 | 新生儿黄疸检测方法和相关人工智能技术 | 医疗人工智能 | 新生儿黄疸 | 机器学习、深度学习、智能手机成像 | 神经网络 | 皮肤颜色图像 | NA | NA | NA | 准确率 | 移动设备（智能手机） |
| 235 | 2025-10-06 |
A multi-stage multi-modal learning algorithm with adaptive multimodal fusion for improving multi-label skin lesion classification
2025-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103091
PMID:40015211
|
研究论文 | 提出一种基于不确定性的多模态混合融合策略，用于皮肤癌多标签分类 | 引入不确定性机制的自适应多模态融合方法，结合临床图像、皮肤镜图像和元数据三种模态 | 仅使用单一公开数据集进行验证，未在更多临床场景中测试 | 提高皮肤病变多标签分类的准确性和鲁棒性 | 皮肤病变图像和元数据 | 计算机视觉 | 皮肤癌 | 深度学习 | 多模态融合网络 | 临床图像, 皮肤镜图像, 元数据 | 公开皮肤疾病数据集 | NA | CosCatNet | NA | NA |
| 236 | 2025-10-06 |
Comparative evaluation of deep learning architectures, including UNet, TransUNet, and MIST, for left atrium segmentation in cardiac computed tomography of congenital heart diseases
2025-Apr, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2025.00087
PMID:40703371
|
研究论文 | 比较UNet、TransUNet和MIST三种深度学习架构在先天性心脏病心脏CT图像左心房分割中的性能 | 首次系统比较三种深度学习架构在先天性心脏病左心房分割中的表现，并深入分析MIST模型中空间注意力机制的有效性 | MIST模型计算开销较大，临床实际部署存在困难 | 评估不同深度学习模型在心脏CT图像左心房分割中的性能差异 | 先天性心脏病患者的左心房 | 计算机视觉 | 心血管疾病 | 心脏计算机断层扫描 | 深度学习 | 医学图像 | 108个公开可用的CT体积数据，其中97例用于训练验证，11例用于测试 | NA | UNet, TransUNet, MIST | Dice分数, HD95 | NA |
| 237 | 2025-10-06 |
Development of automatic organ segmentation based on positron-emission tomography analysis system using Swin UNETR in breast cancer patients in Korea
2025-Apr, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2025.00094
PMID:40703367
|
研究论文 | 开发基于Swin UNETR的PET自动器官分割系统，用于韩国乳腺癌患者的标准化SUV评估 | 首次将Swin UNETR模型应用于乳腺癌患者PET影像的自动器官分割，实现全器官SUV分析的标准化 | 样本量有限（总样本60例），仅针对韩国人群进行研究 | 通过深度学习标准化核医学影像中的SUV评估，提高乳腺癌诊断和预后准确性 | 乳腺癌患者的关键器官（乳腺、肝脏、脾脏和骨髓） | 数字病理 | 乳腺癌 | PET（正电子发射断层扫描） | Swin UNETR | 医学影像 | 60例患者（训练集40例，验证集10例，独立测试集10例） | PyTorch | Swin UNETR | 分割准确度 | NA |
| 238 | 2025-10-06 |
Cyclic dual latent discovery for improved blood glucose prediction through patient-provider interaction modeling: a prediction study
2025-Apr, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2025.00332
PMID:40703385
|
研究论文 | 提出一种循环双潜在发现(CDLD)深度学习框架，通过建模患者-医护人员交互来改进血糖水平预测 | 首次将患者-医护人员交互建模引入血糖预测框架，采用循环训练机制交替更新患者和医护人员的潜在表示 | 仅使用ICU患者数据，可能限制模型在普通糖尿病患者的泛化能力 | 提高血糖变异性预测准确性以改善糖尿病管理 | ICU患者及其与医护人员的交互记录 | 机器学习 | 糖尿病 | 深度学习 | 深度学习框架 | 电子健康记录，患者-医护人员交互数据 | 来自MIMIC-IV v3.0数据库的约5,014个患者-医护人员交互实例 | NA | 循环双潜在发现(CDLD) | 均方根误差(RMSE) | NA |
| 239 | 2025-10-06 |
SlicesMapi: An Interactive Three-Dimensional Registration Method for Serial Histological Brain Slices
2025-Apr-16, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-025-09724-7
PMID:40240690
|
研究论文 | 提出一种用于序列脑组织切片的三维交互式配准方法SlicesMapi | 通过相邻切片和参考图谱切片的双重约束同时校正3D和2D空间的线性和非线性形变，并采用全分辨率图像配准避免深度学习方法的降采样信息损失 | NA | 解决2D脑切片图像与3D参考脑图谱配准的精度、计算效率和适用性挑战 | 脑组织切片序列 | 数字病理 | NA | 脑切片技术 | NA | 图像 | NA | NA | NA | Dice系数 | NA |
| 240 | 2025-10-06 |
Prior Visual-Guided Self-Supervised Learning Enables Color Vignetting Correction for High-Throughput Microscopic Imaging
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3471907
PMID:39412976
|
研究论文 | 提出一种自监督深度学习算法VCLUT，用于校正彩色显微图像中的渐晕效应 | 利用显微图像均匀性和渐晕径向衰减特性的先验知识，开发了可同时在单张和多张图像上训练的自监督学习方法 | NA | 开发一种鲁棒高效的彩色显微图像渐晕校正方法 | 彩色显微图像中的渐晕效应 | 数字病理学 | NA | 显微成像 | GAN | 彩色显微图像 | 五种不同生物标本数据 | NA | NA | 定性评估,定量测量 | NA |