深度学习在生物医药领域中的应用
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，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10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 1559 篇文献，本页显示第 1521 - 1540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1521 | 2025-04-15 |
A deep learning approach to multi-fiber parameter estimation and uncertainty quantification in diffusion MRI
2025-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103537
PMID:40112509
|
研究论文 | 本文提出了一种基于深度学习的多纤维参数估计和不确定性量化方法，用于扩散MRI中的脑微结构研究 | 引入了一种新颖的顺序方法，将多纤维参数推断任务分解为一系列可管理的子问题，并使用针对特定问题和对称性定制的深度神经网络进行求解 | 方法在HCP类采集方案下，对细胞外平行扩散率的估计具有高度不确定性 | 开发一种可靠且计算效率高的参数推断方法，用于常见的dMRI生物物理模型 | 脑微结构中的白质纤维群体 | 医学影像分析 | NA | 扩散MRI (dMRI) | 深度神经网络 | 医学影像数据 | Human Connectome Project (HCP) 的成像数据 |
| 1522 | 2025-04-15 |
Segment Like A Doctor: Learning reliable clinical thinking and experience for pancreas and pancreatic cancer segmentation
2025-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103539
PMID:40112510
|
研究论文 | 提出了一种名为SLAD的新框架，通过学习医生的临床思维和经验，提高胰腺和胰腺癌在CT图像上的分割准确性 | 首次模拟医生在胰腺癌诊断过程中的逻辑思维和经验，包括器官、病变和边界三个阶段，并设计了相应的模块（AMAE、CGRM和DDCM）来实现这一目标 | 未提及具体的数据集规模限制或模型在其他类型癌症上的泛化能力 | 提高胰腺和胰腺癌在CT图像上的分割准确性，以满足临床需求 | 胰腺和胰腺癌的CT图像 | 数字病理 | 胰腺癌 | CT图像分析 | AMAE、CGRM、DDCM | 图像 | 三个独立数据集（未提及具体样本数量） |
| 1523 | 2025-04-15 |
An extragradient and noise-tuning adaptive iterative network for diffusion MRI-based microstructural estimation
2025-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103535
PMID:40157297
|
研究论文 | 本文提出了一种基于扩散MRI的微结构估计的外梯度和噪声调谐自适应迭代网络 | 引入了一种自适应机制，根据特定的dMRI模型、数据集和下采样策略灵活调整稀疏表示过程，避免了手动选择并加速推理，同时提出了噪声调谐模块帮助网络逃离局部极小值/鞍点 | 未提及具体局限性 | 改进扩散MRI模型参数估计的准确性和通用性 | 扩散MRI数据 | 医学影像分析 | NA | 扩散MRI (dMRI) | 外梯度和噪声调谐自适应迭代网络 | MRI图像 | 两个3T Human Connectome Project (HCP)数据集和一个7T HCP数据集 |
| 1524 | 2025-04-15 |
ArtiDiffuser: A unified framework for artifact restoration and synthesis for histology images via counterfactual diffusion model
2025-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103567
PMID:40188685
|
研究论文 | 提出ArtiDiffuser，一种基于反事实扩散模型的统一框架，用于组织学图像的伪影修复和合成 | 首次将反事实扩散模型应用于组织学图像的伪影修复与合成，通过Swin-Transformer去噪网络和类别引导的专家混合增强特征处理能力 | 需要人工标注的伪影类别数据，且模型性能依赖于标注质量 | 解决组织学图像中伪影导致的误诊问题 | 组织学图像中的伪影区域 | 数字病理学 | NA | 扩散模型 | Swin-Transformer+MoE | 图像 | 包含723个标注图像块的首个综合组织学数据集 |
| 1525 | 2025-04-15 |
Unsupervised brain MRI tumour segmentation via two-stage image synthesis
2025-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103568
PMID:40199108
|
研究论文 | 本文提出了一种通过两阶段图像合成策略进行无监督脑部MRI肿瘤分割的方法 | 采用两阶段图像合成策略，生成更真实的合成数据以缩小真实与合成数据之间的领域差距 | 未明确提及具体局限性，但可能依赖于合成数据的质量和伪标签的准确性 | 开发一种无需专家标注的无监督脑部肿瘤分割方法 | 脑部MRI图像中的肿瘤区域 | 数字病理 | 脑肿瘤 | 两阶段图像合成策略 | 无监督学习模型 | MRI图像 | 五个脑部成像数据集 |
| 1526 | 2025-04-14 |
NLP for Analyzing Electronic Health Records and Clinical Notes in Cancer Research: A Review
2025-May, Journal of pain and symptom management
IF:3.2Q1
|
review | 本文综述了自然语言处理（NLP）技术在癌症研究中使用电子健康记录（EHRs）和临床笔记的应用 | 提供了比以往专注于特定癌症类型或应用的研究更广泛的视角，并揭示了从基于规则和传统机器学习方法向先进深度学习和基于transformer的模型的显著转变 | 现有研究中提出的解决方案的泛化能力有限，且需要改进与临床工作流程的整合 | 探讨NLP技术在癌症研究中的应用现状和未来方向 | 电子健康记录（EHRs）和临床笔记 | natural language processing | cancer | NLP | transformer-based models, deep learning | text | 94项相关研究（2019年至2024年发表） |
| 1527 | 2025-04-13 |
Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation
2025-May, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2024.10.103
PMID:39477040
|
research paper | 本文介绍了一个自动化膝关节X光图像处理流程，用于大规模注册表的创建，结合了多标签图像语义分类器、基于保形预测的不确定性量化和膝关节硬件物体检测模型 | 提出了一种结合不确定性量化的多标签分类器和物体检测模型，用于膝关节X光片的自动化分析，增强了模型在不确定情况下的透明度 | 研究仅针对膝关节X光片，未涉及其他关节或影像类型 | 开发自动化膝关节X光图像分析系统，用于大规模医学影像注册表创建 | 膝关节X光影像 | digital pathology | geriatric disease | deep learning, conformal prediction | EfficientNet, object detection model | image | 26,000张膝关节影像（其中11,841张有手术构造位置标注） |
| 1528 | 2025-04-13 |
Detection of Ocular Surface Squamous Neoplasia Using Artificial Intelligence With Anterior Segment Optical Coherence Tomography
2025-May, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.02.019
PMID:39983942
|
research paper | 开发并验证了一种深度学习模型，用于通过高分辨率前段光学相干断层扫描（AS-OCT）区分眼表鳞状上皮瘤（OSSN）与翼状胬肉和结膜黄斑 | 使用深度学习模型结合自编码器和Vision Transformer监督模型，提高了OSSN的诊断准确性 | 研究为单中心回顾性研究，样本量有限，需要进一步研究验证模型的泛化能力 | 开发一种基于AS-OCT的深度学习模型，用于准确区分OSSN与非OSSN病变 | 眼表鳞状上皮瘤（OSSN）、翼状胬肉和结膜黄斑患者 | digital pathology | ocular surface squamous neoplasia | AS-OCT | masked autoencoder, Vision Transformer | image | 105,859 AS-OCT images of 5746 eyes for training, 2022 AS-OCT images from 523 eyes (427 patients) for validation, 566 scans (62 eyes, 48 patients) for testing |
| 1529 | 2025-04-12 |
Predicting postoperative prognosis in clear cell renal cell carcinoma using a multiphase CT-based deep learning model
2025-May, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04593-1
PMID:39311948
|
研究论文 | 评估基于CT图像的深度学习模型在预测透明细胞肾细胞癌患者术后预后中的价值 | 提出了一种基于三期CT图像的深度学习模型，并与Leibovich评分结合，显著提高了预测性能 | 研究为回顾性设计，样本量相对较小，且未进行外部验证 | 预测透明细胞肾细胞癌患者的术后预后 | 382名透明细胞肾细胞癌患者 | 数字病理学 | 肾细胞癌 | CT成像 | ResNet50, ELM | 图像 | 382名患者（训练集229名，测试集153名） |
| 1530 | 2025-04-12 |
Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29646
PMID:39467097
|
研究论文 | 本研究通过扩展相位图（EPG）建模提高了骨关节炎倡议（OAI）数据集中软骨T2映射的准确性和可重复性 | 首次将EPG建模应用于OAI数据集，解决了传统单指数模型忽略刺激回波和B1不均匀性的问题 | 研究样本量相对较小（100名受试者），且为回顾性研究 | 评估不同拟合方法（包括基于EPG和基于指数的方法）对OAI数据集中软骨T2准确性和可重复性的影响 | OAI数据集中的受试者膝关节软骨 | 医学影像分析 | 骨关节炎 | Multi-Echo Spin-Echo (MESE)序列，扩展相位图（EPG）建模 | 非线性最小二乘法、字典匹配、深度学习 | 医学影像数据 | 100名受试者（50名骨关节炎患者和50名健康对照） |
| 1531 | 2024-11-07 |
Editorial for "Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29637
PMID:39501638
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1532 | 2025-04-12 |
Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29639
PMID:39501646
|
研究论文 | 开发一种基于双平面MRI的深度学习模型，用于评估腰椎间盘突出症患者接受管状显微椎间盘切除术后的1年预后效果 | 首次将术前双平面MRI的深度学习特征与临床特征相结合，用于评估管状显微椎间盘切除术的1年预后效果 | 研究为回顾性设计，可能存在选择偏倚；外部验证集的样本量相对较小 | 评估深度学习模型在预测腰椎间盘突出症手术预后中的应用价值 | 接受管状显微椎间盘切除术的腰椎间盘突出症患者 | 数字病理学 | 腰椎间盘突出症 | MRI (T2加权序列) | ResNet50, ResNet101, ResNet152 | 图像 | 548名患者（训练集305名，内部验证集131名，外部验证集112名） |
| 1533 | 2025-04-12 |
Evaluation of SR-DLR in low-dose abdominal CT: superior image quality and noise reduction
2025-May, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04686-x
PMID:39560744
|
research paper | 评估超分辨率深度学习重建（SR-DLR）在低剂量腹部CT成像中的效果，与混合迭代重建（HIR）和传统深度学习重建（cDLR）算法进行比较 | SR-DLR在噪声纹理和分辨率方面优于cDLR，提供了更优的图像质量和噪声降低 | 研究样本量较小（35名患者），且为回顾性分析 | 评估不同图像重建算法在低剂量腹部CT成像中的效果 | 低剂量腹部CT扫描图像 | 数字病理 | NA | 超分辨率深度学习重建（SR-DLR），混合迭代重建（HIR），传统深度学习重建（cDLR） | 深度学习 | CT图像 | 35名患者的腹部CT扫描数据 |
| 1534 | 2025-04-12 |
Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29670
PMID:39643475
|
研究论文 | 开发并验证了一种基于动态对比增强MRI（DCE-MRI）的深度学习系统，用于自动分割肿瘤并分类HER2-zero、HER2-low和HER2-positive状态的乳腺癌 | 首次使用深度学习系统（ResNetGN）基于DCE-MRI数据自动分割肿瘤并分类HER2状态，填补了此前研究在深度学习应用上的不确定性 | 研究为回顾性设计，可能存在选择偏差，且样本仅来自三个中心，可能影响模型的泛化能力 | 开发一种自动化工具，通过DCE-MRI数据在术前区分乳腺癌的HER2表达状态，以指导治疗决策 | 1294名乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例）的DCE-MRI数据 | 数字病理学 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | ResNetGN | MRI图像 | 1294例乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例） |
| 1535 | 2025-04-12 |
Deep learning algorithm classification of tympanostomy tube images from a heterogenous pediatric population
2025-May, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2025.112311
PMID:40096786
|
研究论文 | 本研究评估了一种基于深度学习算法的AI技术，用于通过家用数字耳镜图像分类儿童鼓膜置管状态 | 首次在异质性儿科人群中验证了基于消费级数字耳镜图像的深度学习算法对鼓膜置管状态的分类能力 | 排除了有鼓膜成形术或胆脂瘤病史的患者，样本量相对较小(69名儿童) | 评估AI算法通过数字耳镜图像准确判断鼓膜置管状态(在位通畅/脱出/缺失)的能力 | 10个月至10岁有鼓膜置管史的儿科患者 | 数字病理 | 儿科耳科疾病 | 深度学习 | 深度学习算法(未指定具体架构) | 图像 | 69名儿童产生的296张耳镜图像 |
| 1536 | 2025-03-23 |
Correction to: Application of deep learning models for accurate classification of fluid collections in acute necrotizing pancreatitis on computed tomography: a multicenter study
2025-May, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04836-9
PMID:40116891
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1537 | 2025-04-12 |
Application of deep learning techniques for breath-hold, high-precision T2-weighted magnetic resonance imaging of the abdomen
2025-May, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04675-0
PMID:39535616
|
research paper | 评估基于深度学习的PIQE算法在高精度单次激发快速自旋回波(SS-FSE)序列中用于腹部T2加权磁共振成像的可行性，并与标准SS-FSE和多激发(MS)-FSE序列进行比较 | 首次将深度学习算法PIQE应用于高精度SS-FSE序列，显著提高了图像质量和诊断能力 | 研究设计为单中心回顾性研究，且缺乏病理学确认 | 评估深度学习算法在腹部MRI中的临床应用价值 | 腹部MRI图像质量 | digital pathology | NA | MRI, 深度学习 | PIQE算法 | 医学影像 | 105例接受腹部MRI检查的患者 |
| 1538 | 2025-04-12 |
Editorial for "Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29697
PMID:39776259
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1539 | 2025-04-10 |
A New Metric Based on Association Rules to Assess Feature-Attribution Explainability Techniques for Time Series Forecasting
2025-May, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3540513
PMID:40031563
|
research paper | 本文介绍了一种新的模型无关度量RExQUAL，用于量化和比较基于归因的可解释人工智能技术提供的解释质量 | 提出了一种基于关联规则的新度量RExQUAL，结合局部和全局解释，评估和比较不同可解释技术的质量 | 实验设计仅包括不同类型的时间序列预测，可能在其他领域的适用性有待验证 | 评估和比较基于归因的可解释人工智能技术在时间序列预测中的解释质量 | 时间序列数据（包括单变量和多变量） | machine learning | NA | association rules, feature attribution | deep learning models | time series data | NA |
| 1540 | 2025-04-09 |
A pretrained transformer model for decoding individual glucose dynamics from continuous glucose monitoring data
2025-May, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf039
PMID:40191259
|
研究论文 | 开发了一个基于注意力机制的深度学习模型CGMformer，用于从连续血糖监测数据中解码个体血糖动态 | 利用自监督学习在大量CGM数据上预训练模型，能够表征个体内在代谢状态并支持多种临床应用 | 未提及具体样本量或模型在更广泛人群中的验证情况 | 通过深度学习改进糖尿病管理中的血糖监测和预测 | 连续血糖监测数据和糖尿病相关临床任务 | 机器学习 | 糖尿病 | 自监督学习 | Transformer | 时间序列数据 | NA |