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 1370 篇文献，本页显示第 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 2025-10-07 |
Quantitative Imaging of Colloidal Structures
2025-Apr-01, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.4c05270
PMID:40098481
|
研究论文 | 开发用于胶体结构定量成像的图像处理和分析方法 | 提出针对复杂胶体形状（多分散性、各向异性、不对称性）的准确二值化方法和结构特征提取算法 | 不适用于需要深度学习方法的场景，且主要针对手动标注不可行的数据集 | 解决胶体材料显微镜图像定量分析中的挑战 | 自组装胶体团簇的悬浮结构 | 计算机视觉 | NA | 视频显微成像 | NA | 显微镜图像、视频 | 多种自组装胶体团簇视频显微图像数据集 | Python | NA | 准确度、可重复性 | NA |
| 1242 | 2025-10-07 |
Ratiometric, 3D Fluorescence Spectrum with Abundant Information for Tetracyclines Discrimination via Dual Biomolecules Recognition and Deep Learning
2025-Apr-01, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c07061
PMID:40099919
|
研究论文 | 通过双生物分子识别和深度学习实现四环素类抗生素的比率型3D荧光光谱鉴别 | 首次报道使用适配体在比率型3D荧光光谱中获取丰富信息用于深度学习，采用双生物分子识别策略产生独特的比率型3D荧光光谱 | 未明确说明样本规模和具体实验条件限制 | 实现四环素类抗生素的准确鉴别和定量分析 | 四环素类抗生素 | 机器学习 | 细菌感染 | 3D荧光光谱，适配体识别 | 人工神经网络 | 3D荧光光谱数据 | NA | NA | 人工神经网络 | 准确率 | NA |
| 1243 | 2025-10-07 |
Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD
2025-Apr-01, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2025.01.030
PMID:40139886
|
研究论文 | 开发并验证了一种基于集成深度学习的AI-ECG工具PRESENT-SHD，用于通过12导联心电图图像自动检测和预测结构性心脏病 | 首次使用心电图图像而非原始信号数据，采用集成学习方法开发了可扩展的结构性心脏病筛查工具，并在多个临床环境和人群队列中进行了广泛验证 | 研究主要基于回顾性数据，需要在更多前瞻性研究中进一步验证其临床效用 | 开发自动化的结构性心脏病筛查和风险分层工具 | 结构性心脏病患者，包括左心室射血分数降低、中重度左侧瓣膜病和严重左心室肥厚患者 | 医疗人工智能 | 心血管疾病 | 心电图成像，经胸超声心动图 | CNN, XGBoost | 图像 | 261,228份心电图来自93,693名患者，在多个外部验证队列中测试了58,628名个体 | NA | 卷积神经网络，集成XGBoost模型 | AUROC, 敏感性, 特异性 | NA |
| 1244 | 2025-04-02 |
Leveraging sound speed dynamics and generative deep learning for ray-based ocean acoustic tomography
2025-Apr-01, JASA express letters
IF:1.2Q3
DOI:10.1121/10.0036312
PMID:40167492
|
研究论文 | 本文介绍了一种基于生成深度学习框架的射线海洋声学层析成像方法，用于估计声速剖面 | 利用变分自编码器和线性动力学模型对声速剖面变化进行低维参数化，作为进一步的正则化手段 | 方法仅在模拟数据上进行了测试，未涉及实际海洋环境数据 | 解决海洋声学层析成像中的逆问题，即基于多声学换能器之间的到达时间测量估计声速剖面 | 海洋声速剖面 | 机器学习 | NA | 变分自编码器，线性动力学模型 | VAE | 模拟声学数据 | 使用区域海洋模型模拟的声速剖面变化数据 | NA | NA | NA | NA |
| 1245 | 2025-04-02 |
Coherence shaping for optical vortices: a coherence shift keying scheme enabled by deep learning for optical communication
2025-Apr-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.549356
PMID:40167728
|
research paper | 本研究提出了一种用于光学涡旋的相干整形方法，并通过深度学习实现了一种相干移位键控方案，用于光通信 | 提出了一种新的相干整形方法，能够生成完全相干和非相干状态之间的非衍射干涉状态，并首次将深度学习应用于相干移位键控方案 | 实验验证仅限于特定条件下的性能测试，未涉及大规模实际应用场景的验证 | 开发一种基于低阶结构光模式的高容量加密移位键控通信系统 | 光学涡旋的相干性和干涉状态 | optical communication | NA | coherence shaping, deep learning | deep learning model | optical interference patterns | NA | NA | NA | NA | NA |
| 1246 | 2025-04-01 |
Artificial intelligence in emergency neuroradiology: Current applications and perspectives
2025-Apr, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.11.002
PMID:39672753
|
综述 | 本文综述了人工智能在急诊神经放射学中的当前应用及未来展望 | 提供了关于人工智能在急诊神经放射学中应用的最新进展和深度分析，包括多种成像模态和现有商业产品的描述 | 未提及具体的技术局限性，但呼吁更多基于临床需求的开发和儿科神经影像学的关注 | 探讨人工智能在急诊神经放射学中的应用现状和未来发展 | 急诊神经放射学中的急性缺血性卒中、颅内出血、颅内动脉瘤、动静脉畸形等疾病 | 数字病理学 | 脑血管疾病 | 机器学习和深度学习算法 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 1247 | 2025-10-07 |
The Usefulness of Low-Kiloelectron Volt Virtual Monochromatic Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction Technique in Improving the Delineation of Pancreatic Ductal Adenocarcinoma
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01214-7
PMID:39136827
|
研究论文 | 评估低keV多期相CT结合深度学习图像重建技术在改善胰腺导管腺癌轮廓描绘方面的效果 | 首次将深度学习图像重建技术应用于低keV虚拟单色成像，显著提升胰腺导管腺癌的对比噪声比和病灶显着性 | 样本量较小（35例患者），为回顾性研究 | 比较深度学习图像重建与传统混合迭代重建在胰腺导管腺癌成像中的性能差异 | 胰腺导管腺癌患者 | 医学影像分析 | 胰腺癌 | 多期相计算机断层扫描，虚拟单色成像 | 深度学习 | CT影像 | 35例胰腺导管腺癌患者 | TrueFidelity | 深度学习图像重建 | 对比噪声比，病灶显着性评分 | NA |
| 1248 | 2025-10-07 |
Optimizing Acute Stroke Segmentation on MRI Using Deep Learning: Self-Configuring Neural Networks Provide High Performance Using Only DWI Sequences
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-00994-2
PMID:39138749
|
研究论文 | 本研究评估了深度学习模型在急性脑卒中MRI分割中的性能，发现仅使用DWI序列的自配置nnU-Net模型即可达到优异分割效果 | 首次系统评估DWI、ADC和FLAIR序列组合对脑梗死分割的价值，并证明自配置nnU-Net仅需DWI序列即可实现高性能分割 | 外部验证数据集包含颅内出血病例导致假阳性，样本量相对有限 | 优化急性脑卒中在MRI上的自动分割方法 | 缺血性脑卒中患者的脑梗死区域 | 医学影像分析 | 脑卒中 | MRI成像（DWI、ADC、FLAIR序列） | CNN | 3D医学影像 | 200个梗死病例用于训练，50个病例用于测试，50个外部临床MRI用于验证 | MONAI | nnU-Net, U-Net | Dice系数 | NA |
| 1249 | 2025-10-07 |
Ensemble of Deep Learning Architectures with Machine Learning for Pneumonia Classification Using Chest X-rays
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01201-y
PMID:39138748
|
研究论文 | 本研究开发了一种结合深度学习架构与机器学习分类器的集成方法，用于胸部X光图像的肺炎分类 | 提出将改进的VGG19、ResNet50V2和DenseNet121深度学习模型与五种机器学习分类器相结合的集成方法 | 未提及模型可解释性方法，需要进一步研究决策过程的透明度 | 提高肺炎分类的准确性和效率 | 胸部X光图像 | 计算机视觉 | 肺炎 | 医学影像分析 | CNN, 集成学习 | 图像 | NA | NA | VGG19, ResNet50V2, DenseNet121 | 准确率 | NA |
| 1250 | 2025-10-07 |
Deep Learning-Based Prediction of Post-treatment Survival in Hepatocellular Carcinoma Patients Using Pre-treatment CT Images and Clinical Data
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01227-2
PMID:39147884
|
研究论文 | 本研究开发了一种基于深度学习的模型，利用治疗前CT图像和临床数据预测肝细胞癌患者治疗后的生存期 | 提出了一种级联式3D CNN模型，将CT图像特征与临床信息融合，采用离散时间生存预测方法优化预测性能 | 样本量相对有限，外部验证队列仅包含39例患者 | 预测肝细胞癌患者治疗后的生存期 | 692例肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | CT成像 | CNN | CT图像, 临床数据 | 总样本692例（训练队列507例，测试队列146例，外部CT队列39例） | NA | DenseNet-121, 3D CNN | C-index, mC/D AUC, mBS | NA |
| 1251 | 2025-10-07 |
Construction and Validation of a General Medical Image Dataset for Pretraining
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01226-3
PMID:39147887
|
研究论文 | 构建并验证了一个用于医学图像预训练的通用数据集CPMID | 创建了首个专门用于医学图像预训练的通用数据集，并验证其在分类和分割任务中的有效性 | 数据集仅包含公开医学图像数据集，未涉及私有或专有数据 | 开发适用于医学图像分析的预训练数据集 | 医学图像数据 | 计算机视觉 | NA | 医学图像分析 | CNN, Transformer | 图像 | 多个公开医学图像数据集组成的CPMID数据集 | NA | ResNet, Vision Transformer | 准确率, ROC-AUC, 类激活图, 交并比 | NA |
| 1252 | 2025-10-07 |
Deep Learning-Based Model for Non-invasive Hemoglobin Estimation via Body Parts Images: A Retrospective Analysis and a Prospective Emergency Department Study
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01209-4
PMID:39160365
|
研究论文 | 开发基于多部位身体图像的深度学习模型用于无创血红蛋白估计 | 提出融合注意力机制的多身体部位图像分析模型，采用双损失函数结合回归与分类方法 | 前瞻性研究样本量较小（101例患者） | 开发无创血红蛋白估计方法以替代传统实验室检测 | 贫血患者 | 计算机视觉 | 贫血 | 图像分析 | 深度学习 | 图像 | 回顾性数据集EYES-DEFY-ANEMIA和前瞻性101例患者 | NA | BPANet | 准确率,F1分数 | NA |
| 1253 | 2025-10-07 |
DECNet: Left Atrial Pulmonary Vein Class Imbalance Classification Network
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01221-8
PMID:39164454
|
研究论文 | 提出DECNet网络解决左心房肺静脉分类不平衡问题，集成多尺度特征增强注意力和双特征提取分类器 | 结合多尺度特征增强注意力机制和双特征提取分类器，通过通道权重和空间权重增强深度特征表达能力，缓解数据不平衡导致的学习偏差 | NA | 解决左心房肺静脉解剖分类中的数据不平衡问题，提高分类准确性 | 左心房肺静脉的解剖形态分类 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 医学图像 | NA | NA | DECNet | 准确率 | NA |
| 1254 | 2025-10-07 |
Improved Automated Quality Control of Skeletal Wrist Radiographs Using Deep Multitask Learning
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01220-9
PMID:39187704
|
研究论文 | 开发基于深度多任务学习的卷积神经网络模型，用于腕部X光片的自动化质量控制 | 采用多任务深度学习框架同时检测腕部X光片的投照方位、侧位标记、石膏和手术内固定物 | 侧位标记检测性能较低（F1分数82.52%），特别是对部分可见或截断的标记识别效果不佳 | 开发自动化质量控制模型，确保X光片检查结果与图像申请元数据的一致性 | 腕部X光片 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | 图像 | 6283张腕部X光片（来自2591名患者） | NA | DenseNet 121 | F1分数 | NA |
| 1255 | 2025-10-07 |
Feature-Based vs. Deep-Learning Fusion Methods for the In Vivo Detection of Radiation Dermatitis Using Optical Coherence Tomography, a Feasibility Study
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01241-4
PMID:39231883
|
研究论文 | 本研究比较了基于特征的机器学习与深度学习融合方法在检测放射性皮炎方面的性能 | 首次将光学相干断层扫描的强度特征和新型特征与机器学习结合用于放射性皮炎的体内检测 | 样本量较小（22名患者），仅为可行性研究 | 开发放射性皮炎的定量评估工具以改善临床管理 | 接受放射治疗的癌症患者颈部皮肤 | 医学影像分析 | 放射性皮炎 | 光学相干断层扫描（OCT） | 机器学习, 深度学习 | OCT图像 | 22名患者，1487张图像 | NA | NA | 准确率 | NA |
| 1256 | 2025-10-07 |
Unsupervised and Self-supervised Learning in Low-Dose Computed Tomography Denoising: Insights from Training Strategies
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01213-8
PMID:39231886
|
综述 | 本文系统综述了低剂量计算机断层扫描去噪中无监督和自监督深度学习的训练策略 | 首次对LDCT去噪中无监督和自监督深度学习的训练策略进行全面分类和系统评述 | 作为综述文章，不包含原始实验验证，主要基于现有文献分析 | 填补低剂量CT去噪领域无监督和自监督学习方法训练策略综述的空白 | 低剂量计算机断层扫描图像去噪方法 | 计算机视觉 | NA | 低剂量计算机断层扫描 | 深度学习 | 医学图像 | NA | NA | NA | NA | NA |
| 1257 | 2025-10-07 |
Two-step deep learning models for detection and identification of the manufacturers and types of dental implants on panoramic radiographs
2025-Apr, Odontology
IF:1.9Q2
DOI:10.1007/s10266-024-00989-z
PMID:39198339
|
研究论文 | 开发两步深度学习模型用于在全景X光片上自动检测种植体区域并识别多种种植体类型 | 提出两步深度学习框架，先检测种植体区域再按制造商分类识别具体类型 | Nobel公司的Parallel类种植体分类性能相对较低 | 开发自动检测和识别牙科种植体的深度学习模型 | 牙科种植体 | 计算机视觉 | 牙科疾病 | 全景X射线成像 | CNN | X光图像 | 1574张全景X光片，包含3675个种植体 | YOLO, EfficientNet | YOLO v7, EfficientNet | 召回率, 精确率, F1分数, 准确率 | NA |
| 1258 | 2025-10-07 |
A Novel Network for Low-Dose CT Denoising Based on Dual-Branch Structure and Multi-Scale Residual Attention
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01254-z
PMID:39261373
|
研究论文 | 提出一种基于双分支结构和多尺度残差注意力的新型网络用于低剂量CT图像去噪 | 提出自适应动态卷积块(ADCB)、多尺度边缘增强注意力块(MEAB)和多尺度残差卷积块(MRCB)三个创新模块，通过双分支框架分别提取浅层和深层图像特征 | NA | 提高低剂量CT图像去噪效果和图像质量 | 低剂量医学CT图像 | 计算机视觉 | NA | CT成像 | CNN | 医学图像 | 两个公开数据集：AAPM-Mayo数据集和Qin_LUNG_CT数据集 | NA | 双分支网络架构，包含ADCB、MEAB、MRCB模块 | PSNR, SSIM, RMSE | NA |
| 1259 | 2025-03-29 |
Tea grading, blending, and matching based on computer vision and deep learning
2025-Apr, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.14088
PMID:39711109
|
research paper | 本研究开发了一种基于计算机视觉和深度学习的茶叶分级、混合比例评估和样本匹配的高效无损方法 | 结合ResNet模型和CBAM注意力模块，提高了茶叶图像特征提取能力，显著提升了分类和匹配的准确率 | 仅针对乌龙茶和红茶进行了测试，未涵盖其他茶类 | 提高茶叶生产过程中的分级、混合和样本匹配的效率和准确性 | 乌龙茶和红茶的图像数据 | computer vision | NA | deep learning | ResNet with CBAM | image | NA | NA | NA | NA | NA |
| 1260 | 2025-03-29 |
Development and validation of a deep learning-based automated computed tomography image segmentation and diagnostic model for infectious hydronephrosis: a retrospective multicentre cohort study
2025-Apr, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103146
PMID:40144691
|
研究论文 | 开发并验证了一种基于深度学习的自动化CT图像分割和诊断模型，用于感染性肾积水的诊断 | 使用改进的U-Net算法开发了肾积水分割模型（HRSM），并结合3D CNN和临床数据建立了感染性肾积水诊断模型（IHDM） | 需要更多多样化的真实世界多中心验证研究来验证模型的稳健性 | 开发一种全自动分割和非侵入性诊断模型，用于感染性肾积水的诊断 | 肾积水患者 | 数字病理 | 肾积水 | CT图像分析 | Improved U-Net, 3D CNN, SVM | CT图像 | 615名患者（包括5876张标注的CT图像） | NA | NA | NA | NA |