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 1401 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-10-06 |
Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review
2025-Apr, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70259
PMID:40337671
|
系统综述 | 本系统综述评估人工智能在骨科影像学中的应用效果和可靠性，重点关注其对诊断准确性、图像分割和操作效率的影响 | 首次系统比较不同AI模型在多种骨科影像模态中的临床效能和实用性 | 缺乏全面的统计分析和随机对照试验，需要进一步临床验证 | 评估人工智能在骨科影像学中的有效性和可靠性 | 骨科影像学数据和研究文献 | 医学影像分析 | 骨科疾病 | 系统文献综述方法 | CNN, 机器学习模型 | 医学影像 | 53项研究，包含11,990,643张影像 | NA | 卷积神经网络 | Dice相似系数, 准确率, 灵敏度, 精确率, 特异性, F1分数, AUC | NA |
| 142 | 2025-10-06 |
Improving AlphaFold2 and 3-based protein complex structure prediction with MULTICOM4 in CASP16
2025-Apr-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.06.641913
PMID:40161604
|
研究论文 | 开发MULTICOM4系统通过整合AlphaFold2、AlphaFold3和内部技术改进蛋白质复合物结构预测 | 整合基于Transformer的AlphaFold2、基于扩散模型的AlphaFold3，并结合蛋白质复合物化学计量比预测、多样化多序列比对生成、建模异常处理和深度学习模型质量评估等内部技术 | NA | 提高蛋白质复合物结构预测的准确性 | 多链蛋白质复合物（多聚体） | 计算生物学 | NA | 多序列比对(MSA)、深度学习模型质量评估 | Transformer, 扩散模型 | 蛋白质序列和结构数据 | CASP16评估数据集 | NA | AlphaFold2, AlphaFold3 | TM-score, DockQ score | NA |
| 143 | 2025-10-06 |
Deep learning reconstruction algorithm and high-concentration contrast medium: feasibility of a double-low protocol in coronary computed tomography angiography
2025-Apr, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11059-x
PMID:39299952
|
研究论文 | 评估深度学习重建算法结合高浓度造影剂在非肥胖患者冠状动脉CT血管成像中实现低辐射低造影剂剂量的可行性 | 首次将高强度深度学习图像重建与低管电压、低造影剂输送率相结合，实现冠状动脉CTA的'双低'协议 | 研究仅限于BMI<30kg/m²的非肥胖患者，样本量相对有限 | 评估双低CCTA协议在辐射剂量和图像质量方面的表现 | 255名接受临床CCTA检查的非肥胖患者 | 医学影像 | 心血管疾病 | 冠状动脉CT血管成像 | 深度学习重建算法 | CT影像 | 255名患者（64±10岁，161名男性），每组85人 | NA | DLIR-H（高强度深度学习图像重建） | 信噪比, 对比噪声比, 主观图像质量评分, 辐射剂量, 造影剂剂量 | NA |
| 144 | 2025-10-06 |
Deep learning-based segmentation of OCT images for choroidal thickness
2025 Apr-Jun, Journal of optometry
IF:2.2Q2
DOI:10.1016/j.optom.2025.100556
PMID:40328135
|
研究论文 | 开发并验证基于深度学习的自动分割方法用于OCT图像脉络膜厚度测量 | 使用定制化的Deeplabv3+网络实现OCT图像脉络膜-巩膜边界的自动分割，相比开源算法表现更优 | 仅使用单一中心数据，样本量相对有限（测试集130例） | 开发自动化的OCT图像脉络膜厚度测量方法 | 光学相干断层扫描（OCT）图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描（OCT） | CNN | 医学图像 | 训练集10,798个手动分割的OCT扫描，测试集130个独特扫描 | NA | Deeplabv3+, ResNet50 | 准确率, 损失值, Bland-Altman分析, 组内相关系数（ICC）, Deming回归 | NA |
| 145 | 2025-10-06 |
AUTOENCODER FOR 4-DIMENSIONAL FIBER ORIENTATION DISTRIBUTIONS FROM DIFFUSION MRI
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10981302
PMID:40475178
|
研究论文 | 提出一种用于扩散MRI纤维取向分布的四维自编码器压缩方法 | 开发了顺序平衡顺序级自编码器，通过分离不同球谐函数阶数的编码器来平衡特征图大小，更好地保留低阶系数信息 | 未明确说明具体压缩率和计算效率提升的量化指标 | 解决高阶球谐函数表示纤维取向分布时的内存消耗问题 | 扩散MRI中的纤维取向分布 | 医学影像分析 | NA | 扩散MRI | 自编码器 | 四维纤维取向分布数据 | NA | NA | OBOL自编码器 | 精度 | 常用GPU |
| 146 | 2025-06-08 |
Leveraging network uncertainty to identify regions in rectal cancer clinical target volume auto-segmentations likely requiring manual edits
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100771
PMID:40475847
|
research paper | 本研究探讨了深度学习自动分割在直肠癌放疗工作流程中的应用，特别是通过网络不确定性量化来识别需要手动编辑的区域 | 提出利用网络不确定性估计来预测需要临床相关编辑的分割区域，验证了认知不确定性估计的有效性 | 网络不确定性的解释因多种不确定性来源的非平凡交互而复杂化 | 提高直肠癌放疗工作流程中自动分割的效率和质量 | 直肠系膜临床靶区的自动分割 | digital pathology | rectal cancer | Monte Carlo dropout | nnU-Net | image | NA | NA | NA | NA | NA |
| 147 | 2025-06-08 |
Enhancing patient-specific deep learning based segmentation for abdominal magnetic resonance imaging-guided radiation therapy: A framework conditioned on prior segmentation
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100766
PMID:40475848
|
研究论文 | 提出了一种基于先验分割的深度学习框架，用于增强腹部磁共振成像引导放射治疗中的患者特异性分割 | 无需为每位患者重新训练模型，通过整合分次MR体积和计划分割图生成稳健的分次MR分割 | 需要分次MR和计划分割图的对齐效果较好，否则性能可能下降 | 提高腹部磁共振成像引导放射治疗中患者特异性分割的准确性和效率 | 接受腹部癌症MRgRT治疗的69名患者（共222个分次MR） | 数字病理 | 腹部癌症 | 磁共振成像引导放射治疗(MRgRT) | 3D UNet | 磁共振图像 | 69名患者，222个分次MR | NA | NA | NA | NA |
| 148 | 2025-06-07 |
Deep learning model for detecting high-grade dysplasia in colorectal adenomas
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100441
PMID:40463412
|
研究论文 | 本研究开发了一种深度学习模型，用于区分结直肠腺瘤中的低级别异型增生（LGD）和高级别异型增生（HGD） | 首次使用深度学习模型对结直肠腺瘤的异型增生程度进行准确分类 | 样本量相对较小，可能影响模型的泛化能力 | 提高结直肠腺瘤异型增生程度的自动诊断准确性 | 结直肠腺瘤组织切片 | 数字病理学 | 结直肠癌 | 深度学习 | ResNet34 | 病理图像 | 200张组织切片（71例HGD，129例LGD） | NA | NA | NA | NA |
| 149 | 2025-06-07 |
Efficient merging and validation of deep learning-based nuclei segmentations in H&E slides from multiple models
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100443
PMID:40463413
|
研究论文 | 本研究提出了一种整合多种深度学习模型进行H&E切片中细胞核分割的新方法，以提高细胞类型定量的准确性 | 提出了一种新颖的整合多种深度学习模型的方法，用于细胞核分割，相比单一模型和人工病理学检查，提高了细胞类型比例的准确性和基因表达变异的解释能力 | 深度学习模型在分割特定细胞类型方面仍存在局限性，且某些模型在特定任务上可能比其他模型更有效 | 开发一种高效整合多种深度学习模型的方法，以改进H&E切片中细胞核分割和细胞类型定量 | 471例正常前列腺样本的H&E切片 | 数字病理学 | 前列腺癌 | 深度学习 | 多种深度学习模型 | 图像 | 471例正常前列腺样本 | NA | NA | NA | NA |
| 150 | 2025-06-05 |
CausalCervixNet: convolutional neural networks with causal insight (CICNN) in cervical cancer cell classification-leveraging deep learning models for enhanced diagnostic accuracy
2025-Apr-03, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13926-2
PMID:40181353
|
研究论文 | 该研究提出了一种结合因果推理的卷积神经网络CausalCervixNet，用于提高宫颈癌细胞分类的诊断准确性和效率 | 将因果推理、因果推断和因果发现整合到诊断框架中，揭示了潜在的因果关系，而不仅仅是依赖观察相关性，提高了诊断的准确性和可解释性 | 研究仅在三个数据集上进行了验证，可能需要更多样化的数据来进一步验证模型的泛化能力 | 提高宫颈癌细胞的分类和诊断准确性，构建可解释的AI系统 | 宫颈癌细胞图像 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 三个数据集：SIPaKMeD、Herlev和自收集的ShUCSEIT数据集 | NA | NA | NA | NA |
| 151 | 2025-10-06 |
Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures
2025-Apr-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8544
PMID:39433334
|
研究论文 | 比较六种先进深度学习模型在T1加权脑MRI上分割122个灰质结构的性能 | 首次系统比较包括CNN、混合Transformer和Mamba架构在内的六种模型在大规模脑结构分割任务中的表现，并验证了U-Mamba_Bot的优越性能 | 数据集规模有限，未来需要更大数据集验证结果，且未探索模型在其他神经系统疾病中的适用性 | 评估深度学习模型在脑MRI灰质结构分割中的性能，寻找最适合临床和研究应用的模型 | 1510例T1加权脑MRI图像，包括正常对照和阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | T1加权磁共振成像 | CNN, Transformer, Mamba | 医学影像 | 1510例T1加权MRI | NA | nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc | Dice相似系数, 95百分位Hausdorff距离 | NA |
| 152 | 2025-06-05 |
Regional Image Quality Scoring for 2-D Echocardiography Using Deep Learning
2025-04, Ultrasound in medicine & biology
|
research paper | 该研究开发并比较了三种自动评估超声心动图区域图像质量的方法 | 提出了一种端到端的深度学习模型，直接预测图像中各区域的质量，性能优于传统方法 | gCNR指标在本研究中表现不佳，效果有限 | 开发自动评估超声心动图区域图像质量的方法 | 超声心动图的区域图像质量 | 计算机视觉 | 心血管疾病 | 深度学习 | U-Net, 端到端深度学习模型 | 图像 | 由三位经验丰富的心脏病专家提供的手动区域质量标注 | NA | NA | NA | NA |
| 153 | 2025-06-05 |
SpaMask: Dual masking graph autoencoder with contrastive learning for spatial transcriptomics
2025-Apr, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012881
PMID:40179332
|
研究论文 | 提出了一种名为SpaMask的双重掩码图自编码器结合对比学习方法，用于空间转录组学数据分析 | SpaMask通过同时掩码部分节点和边来增强模型性能和鲁棒性，结合了掩码图自编码器和掩码图对比学习模块 | 未明确提及具体限制 | 提高空间转录组学数据中空间域表征的准确性和鲁棒性 | 空间转录组学数据中的细胞空间位置和基因表达 | 生物信息学 | NA | 空间分辨转录组学(SRT) | 图神经网络(GNN), 掩码图自编码器(MGAE), 掩码图对比学习(MGCL) | 空间转录组数据 | 来自5个不同平台的8个数据集 | NA | NA | NA | NA |
| 154 | 2025-10-06 |
Fluorescence images of skin lesions and automated diagnosis using convolutional neural networks
2025-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2024.104462
PMID:39736369
|
研究论文 | 本研究通过构建荧光皮肤病变图像数据集FLUO-SC，并应用卷积神经网络实现皮肤病变的自动分类诊断 | 首次创建了皮肤病变荧光图像公开数据集FLUO-SC，并证明荧光图像在皮肤病变分类中与临床图像具有竞争力 | 数据集规模有限（1,563张图像），且缺乏与其他先进深度学习方法的对比实验 | 开发基于荧光图像的皮肤癌自动诊断方法 | 主要皮肤病变的荧光图像 | 计算机视觉 | 皮肤癌 | 荧光宽场成像技术 | CNN | 图像 | 1,563张荧光皮肤病变图像 | NA | NA | 分类准确率 | NA |
| 155 | 2025-10-06 |
WALINET: A water and lipid identification convolutional neural network for nuisance signal removal in 1 H $$ {}^1\mathrm{H} $$ MR spectroscopic imaging
2025-Apr, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30402
PMID:39737778
|
研究论文 | 提出一种基于改进Y-NET的深度学习网络WALINET，用于去除全脑质子磁共振波谱成像中的水和脂质干扰信号 | 首次将监督神经网络应用于MRSI处理中的水和脂质信号去除任务，相比传统方法显著提升了处理速度和性能 | 未明确说明训练数据的具体规模和多样性，可能影响模型的泛化能力 | 开发快速有效的全脑质子磁共振波谱成像干扰信号去除方法 | 全脑质子磁共振波谱成像数据 | 医学影像处理 | NA | 质子磁共振波谱成像 | CNN | 磁共振波谱数据 | 模拟模型和体内全脑MRSI数据 | NA | Y-NET | NMRSE, SNR, CRLB, FWHM | NA |
| 156 | 2025-10-06 |
Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study
2025-04, The Lancet. Digital health
DOI:10.1016/j.landig.2025.01.001
PMID:40148010
|
研究论文 | 开发基于心电图和深度学习的方法预测儿童和成人先天性心脏病患者的左心室收缩功能障碍 | 首次将人工智能增强心电图分析全面应用于各类先天性心脏病病变的LVSD预测，并在多中心进行外部验证 | 研究主要基于美国两家儿童医院的数据，需要在更广泛人群中进一步验证 | 预测先天性心脏病患者的左心室收缩功能障碍 | 儿童和成人先天性心脏病患者 | 医疗人工智能 | 先天性心脏病 | 心电图、超声心动图 | CNN | 心电图信号、超声心动图数据 | 训练队列124,265对ECG-超声心动图（49,158名患者），内部测试21,068名患者，外部验证42,984名患者 | NA | 卷积神经网络 | AUROC, AUPRC, 风险比 | NA |
| 157 | 2025-10-06 |
Automated Bi-Ventricular Segmentation and Regional Cardiac Wall Motion Analysis for Rat Models of Pulmonary Hypertension
2025-Apr, Pulmonary circulation
IF:2.2Q3
DOI:10.1002/pul2.70092
PMID:40356847
|
研究论文 | 提出用于肺动脉高压大鼠模型的自动化双心室分割和区域心脏壁运动分析的深度学习流程 | 开发了首个针对啮齿类动物的自动化双心室分割和3D壁运动分析流程，与临床心脏成像AI发展保持一致 | 研究仅限于大鼠模型，样本量为163个心脏磁共振扫描 | 开发自动化工具用于肺动脉高压疾病进展的心脏运动分析 | 肺动脉高压大鼠模型（MCT和SuHx模型） | 数字病理学 | 肺动脉高压 | 心脏磁共振成像 | 全卷积网络 | 短轴电影心脏磁共振扫描图像 | 163个心脏磁共振扫描 | NA | 全卷积网络 | Dice系数 | NA |
| 158 | 2025-06-03 |
Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients
2025-Apr-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.05.25325276
PMID:40453372
|
研究论文 | 本研究通过深度学习分析腹部手术患者的术前CT扫描，探讨了性别差异在身体组成与临床营养不良之间的关联 | 首次全面评估了性别特异性身体组成特征与营养不良的关联，并利用深度学习进行量化分析 | 研究为单中心回顾性研究，结果可能受限于样本选择偏差 | 探究腹部手术患者术前影像学身体组成特征与营养不良的性别特异性关联 | 接受腹部手术的患者 | 数字病理 | NA | CT扫描 | 深度学习 | 图像 | 1,143名患者（52%为女性） | NA | NA | NA | NA |
| 159 | 2025-06-03 |
Deep Learning-Accelerated Non-Contrast Abbreviated Liver MRI for Detecting Malignant Focal Hepatic Lesions: Dual-Center Validation
2025-Apr, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0862
PMID:40150922
|
研究论文 | 比较深度学习加速的非增强简化MRI协议与标准简化MRI在肝脏恶性局灶性病变检测中的表现 | 采用深度学习加速的MRI协议，显著提高图像质量并减少扫描时间约50% | 研究为回顾性设计，样本量相对较小（155例患者） | 评估深度学习加速的简化MRI协议在肝脏恶性局灶性病变检测中的效能 | 肝脏恶性局灶性病变患者 | 医学影像分析 | 肝癌 | 深度学习加速的MRI序列（SSFSEDL和DWIDL） | 深度学习 | MRI图像 | 155例患者（其中64例有104个恶性病灶） | NA | NA | NA | NA |
| 160 | 2025-10-06 |
AI-Driven Detection of Obstructive Sleep Apnea Using Dual-Branch CNN and Machine Learning Models
2025-Apr-30, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13051090
PMID:40426919
|
研究论文 | 本研究比较了机器学习和深度学习模型在利用心电图数据检测阻塞性睡眠呼吸暂停中的应用 | 提出双分支CNN模型用于OSA检测，相比传统方法具有更高的识别性能，ROC AUC达到0.99 | NA | 开发基于AI的非侵入性OSA早期检测方法，解决传统多导睡眠图的局限性 | 阻塞性睡眠呼吸暂停患者的心电图数据 | 机器学习 | 阻塞性睡眠呼吸暂停 | 心电图分析 | CNN, 机器学习模型 | 心电图信号 | NA | NA | 双分支CNN | 准确率, ROC AUC | NA |