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 1386 篇文献，本页显示第 1261 - 1280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1261 | 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 |
| 1262 | 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 |
| 1263 | 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 |
| 1264 | 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 |
| 1265 | 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 |
| 1266 | 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 |
| 1267 | 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 |
| 1268 | 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 |
| 1269 | 2025-03-29 |
A data-driven approach to turmeric disease detection: Dataset for plant condition classification
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111435
PMID:40144898
|
研究论文 | 本文提出了一种基于数据驱动的姜黄病害检测方法，并构建了一个用于植物状态分类的数据集 | 构建了一个包含1037张原始图像和4628张增强图像的姜黄植物病害数据集，并应用Inception-v3模型实现了97.36%的分类准确率 | 数据集仅包含五种姜黄植物状态，可能无法涵盖所有可能的病害类型 | 开发AI辅助解决方案以实现精准农业和可持续作物生产 | 姜黄植物及其病害（健康叶片、干枯叶片、叶斑病、根茎病根和健康根茎） | 计算机视觉 | 植物病害 | 数据增强（翻转、旋转、亮度调整） | Inception-v3 | 图像 | 1037张原始图像和4628张增强图像 | NA | NA | NA | NA |
| 1270 | 2025-03-28 |
Classifying Alzheimer's Disease Using a Finite Basis Physics Neural Network
2025-Apr, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24727
PMID:39704389
|
research paper | 提出了一种基于有限基物理神经网络（FBPINN）的分类方法CAD-FBPINN，用于阿尔茨海默病（AD）的分类 | 结合了海马优化算法（SHOA）优化FBPINN，提高了AD分类的准确性 | 未提及具体的数据集规模或多样性限制 | 开发一种可靠的AD分类方法，以支持临床治疗应用 | 阿尔茨海默病患者的功能性磁共振成像（MRI）数据 | digital pathology | geriatric disease | functional magnetic resonance imaging (MRI), Newton-time-extracting wavelet transform (NTEWT) | FBPINN, SHOA | image | 数据来自AD Neuroimaging Initiative (ADNI)数据集，但未提及具体样本数量 | NA | NA | NA | NA |
| 1271 | 2025-03-28 |
Deep learning analysis for rheumatologic imaging: current trends, future directions, and the role of human
2025-Apr-01, Journal of rheumatic diseases
IF:2.2Q3
DOI:10.4078/jrd.2024.0128
PMID:40134548
|
review | 本文综述了深度学习在风湿病影像分析中的应用、当前趋势、未来方向及人类角色的重要性 | 深度学习在风湿病影像分析中的应用展示了超越人类表现的潜力，特别是在关节损伤评估和疾病进展监测方面 | 深度学习面临数据偏见、解释性有限以及需要大量标注数据集等挑战 | 探讨深度学习在风湿病影像分析中的应用及其对未来诊断、治疗决策和个性化医疗的潜在影响 | 风湿病影像数据，包括类风湿性关节炎(RA)、骨关节炎(OA)和脊柱关节炎(SpA)患者的影像 | digital pathology | rheumatoid arthritis, osteoarthritis, spondyloarthritis | 深度学习(DL) | CNN | image | NA | NA | NA | NA | NA |
| 1272 | 2025-02-12 |
Response to Letter to the Editor Regarding: Multimodal Deep Learning-Based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament
2025-Apr-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005296
PMID:39931786
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1273 | 2025-10-07 |
Neoadjuvant Chemotherapy Response in Triple-Negative Apocrine Carcinoma: Comparing Apocrine Morphology, Androgen Receptor, and Immune Phenotypes
2025-Apr-01, Archives of pathology & laboratory medicine
IF:3.7Q1
DOI:10.5858/arpa.2023-0561-OA
PMID:38960391
|
研究论文 | 本研究评估了三阴性乳腺癌对新辅助化疗的反应，并分析了顶浆分泌形态、雄激素受体状态和肿瘤浸润淋巴细胞的影响 | 首次在TNBC中系统比较顶浆分泌形态、AR表达和免疫表型对NAC反应的预测价值，并采用深度学习模型量化TILs | 单中心回顾性研究，样本量有限，顶浆分泌形态亚型病例数较少 | 评估三阴性乳腺癌对新辅助化疗的反应及其预测因素 | 232例接受新辅助化疗后手术切除的三阴性乳腺癌患者 | 数字病理学 | 乳腺癌 | 免疫组织化学，深度学习 | 深度学习模型 | 病理图像，临床数据 | 232例TNBC患者 | NA | NA | 病理完全缓解率，P值 | NA |
| 1274 | 2025-10-07 |
Multi-type stroke lesion segmentation: comparison of single-stage and hierarchical approach
2025-Apr, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03243-4
PMID:39549224
|
研究论文 | 本研究比较了单阶段和分层方法在脑部CT扫描中多类型卒中病灶分割的性能 | 首次系统比较单阶段直接分割与分层分类后分割两种方法在多类型卒中病灶分割中的表现 | 数据集仅来自单一国家机构，可能影响模型泛化能力 | 开发有效的多类型卒中病灶自动分割方法以辅助临床决策 | 脑部CT扫描图像中的缺血性和出血性卒中病灶 | 计算机视觉 | 卒中 | CT扫描 | CNN, Transformer | 医学图像 | 6650张图像（1130例缺血性卒中，1093例出血性卒中，4427例非卒中） | PyTorch, TensorFlow | ResNet, ResNeXt, ViT, U-Net, U-Net++, DeepLabV3 | AUC, IoU | NA |
| 1275 | 2025-03-27 |
Deep learning-based prediction of Monte Carlo dose distribution for heavy ion therapy
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100735
PMID:40129728
|
研究论文 | 提出了一种基于深度学习的模型，用于快速预测重离子治疗中的蒙特卡洛模拟剂量分布 | 开发了Cascade Hierarchically Densely 3D U-Net (CHD U-Net)模型，能够在几秒钟内预测蒙特卡洛剂量分布，且准确率高于现有方法 | 样本量相对较小，仅包含67例头颈患者和30例胸腹患者 | 提高重离子治疗中剂量分布的预测准确性和计算效率 | 头颈和胸腹部位的重离子治疗患者 | 医学影像分析 | 癌症 | 深度学习 | CHD U-Net | CT图像和TPSDose数据 | 67例头颈患者和30例胸腹患者 | NA | NA | NA | NA |
| 1276 | 2025-03-27 |
External validation of an algorithm to detect vertebral level mislabeling and autocontouring errors
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100738
PMID:40129727
|
research paper | 该研究对外部验证了一种椎体自动轮廓工具的算法，并研究了一种后处理方法以提高其性能至临床可接受水平 | 开发了一种后处理技术，显著提高了椎体定位的准确性 | 在外部数据集上的性能相比原始训练数据集有所下降 | 验证和改进椎体自动轮廓工具的临床适用性 | CT扫描中的椎体 | digital pathology | NA | machine learning, deep learning | NA | CT scans | 81例CT扫描（40例来自机构A，41例来自机构B） | NA | NA | NA | NA |
| 1277 | 2025-03-27 |
ADAM: automated digital phenotyping and morphological texture analysis of bone biopsy images using deep learning
2025-Apr, JBMR plus
IF:3.4Q2
DOI:10.1093/jbmrpl/ziaf028
PMID:40129969
|
研究论文 | 开发了一种名为ADAM的自动化流程，用于通过深度学习对骨活检图像进行数字表型分析和形态纹理分析 | ADAM流程能够快速生成组织与细胞图谱，并在无需额外染色的情况下，通过亮场显微镜图像进行骨细胞计数 | 对于形态异质性较高的骨细胞计数，如破骨细胞和成骨细胞，其相关系数相对较低 | 提高骨活检图像分析的自动化程度和准确性，以改善病理工作流程和诊断洞察 | 未脱钙骨活检图像中的组织与细胞成分 | 数字病理学 | 骨病 | 深度学习 | NA | 图像 | 最多20张图像 | NA | NA | NA | NA |
| 1278 | 2025-10-07 |
Applications of Artificial Intelligence in Dental Medicine: A Critical Review
2025-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2024.11.009
PMID:39843259
|
综述 | 本文对人工智能在牙科医学中的应用现状进行批判性评估，分析关键观点、挑战和局限性 | 系统性地批判性评估AI在牙科医学各专业领域的应用现状，并识别当前研究中的方法论局限和伦理问题 | 数据质量不一致、偏倚风险、缺乏透明度、临床验证有限 | 评估AI在牙科医学中的应用现状，识别研究挑战和局限性 | 牙科医学中的人工智能应用研究 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1279 | 2025-10-07 |
Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种弱监督多模态对比学习框架，用于预测乳腺癌HER2评分 | 首次将多模态对比学习引入HER2评分预测，通过多模态注意力对比学习模块实现不同模态间的语义对齐 | 仅使用弱监督的WSI级别标签，未利用像素级或区域级标注 | 开发多模态深度学习框架以提升乳腺癌HER2评分预测性能 | 乳腺癌组织切片图像（H&E和IHC） | 数字病理 | 乳腺癌 | 免疫组织化学（IHC），苏木精-伊红（H&E）染色 | 深度学习，对比学习 | 全切片图像（WSI） | NA | NA | 多头自注意力机制（MHSA） | NA | NA |
| 1280 | 2025-10-07 |
[Transformation of free-text radiology reports into structured data]
2025-Apr, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-025-01422-4
PMID:39934245
|
研究论文 | 探讨使用大语言模型将非结构化放射学报告转换为结构化数据的方法与挑战 | 系统分析大语言模型在放射学报告结构化处理中的应用潜力，并提出结合领域特定知识和上下文信息的改进方法 | 处理语言歧义、缩写和表达变异性方面仍存在挑战 | 研究放射学报告自动结构化处理的方法和架构 | 自然语言放射学报告 | 自然语言处理 | NA | 大语言模型 | 深度学习模型,神经网络 | 文本 | NA | NA | NA | 准确率 | NA |