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 32371 篇文献，本页显示第 2461 - 2480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2461 | 2025-09-13 |
Robust Medical Diagnosis: A Novel Two-Phase Deep Learning Framework for Adversarial Proof Disease Detection in Radiology Images
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00916-8
PMID:38343214
|
研究论文 | 提出一种两阶段深度学习框架，用于增强放射影像疾病检测模型对抗对抗攻击的鲁棒性 | 结合对抗学习和JPEG压缩的两阶段防御机制，显著提升模型在对抗样本下的诊断准确性 | 仅针对三种特定对抗攻击（FGSM、PGD、BIM）进行测试，未涵盖所有潜在攻击类型 | 开发对抗性防护的医学影像诊断系统，确保COVID-19等肺部疾病的高可靠性检测 | 肺部X光和CT影像，分类为正常、肺炎和COVID-19肺炎 | 计算机视觉 | 肺部疾病（包括COVID-19） | 深度学习，对抗训练，JPEG压缩 | ResNet-50, VGG-16, Inception-V3 | 图像（X-ray和CT） | NA（未明确说明具体样本数量） | NA | NA | NA | NA |
| 2462 | 2025-09-13 |
A Deep Learning-Based Approach for Cervical Cancer Classification Using 3D CNN and Vision Transformer
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00911-z
PMID:38343216
|
研究论文 | 提出一种结合3D CNN和Vision Transformer的深度学习模型，用于宫颈癌图像分类 | 首次将3D CNN的时空特征提取能力与Vision Transformer的复杂特征学习能力结合，并引入3D FPN和SE模块进行特征优化，采用KELM进行分类 | NA | 开发高精度的宫颈癌自动分类系统以辅助早期诊断 | 宫颈图像数据 | 计算机视觉 | 宫颈癌 | 深度学习 | 3D CNN, Vision Transformer, KELM | 图像 | NA | NA | NA | NA | NA |
| 2463 | 2025-09-13 |
Analysis of Validation Performance of a Machine Learning Classifier in Interstitial Lung Disease Cases Without Definite or Probable Usual Interstitial Pneumonia Pattern on CT Using Clinical and Pathology-Supported Diagnostic Labels
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00914-w
PMID:38343230
|
研究论文 | 评估机器学习分类器Fibresolve在CT上无明确或可能UIP模式的间质性肺病病例中的验证性能 | 针对非典型UIP模式的病例验证机器学习分类器的诊断能力，扩展了其在IPF诊断中的应用范围 | 样本量相对有限（295例），且性能敏感度中等（56-65%） | 验证机器学习分类器在无典型UIP影像学特征的间质性肺病中诊断IPF的有效性 | 间质性肺病患者，特别是无明确或可能UIP模式的病例 | 数字病理 | 间质性肺病 | 深度学习算法，胸部CT影像分析 | 机器学习分类器（具体类型未明确说明） | CT影像 | 295例患者的多中心验证数据集 | NA | NA | NA | NA |
| 2464 | 2025-09-13 |
Hybrid Topological Data Analysis and Deep Learning for Basal Cell Carcinoma Diagnosis
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00924-8
PMID:38343238
|
研究论文 | 本研究结合拓扑数据分析（TDA）和深度学习（DL）开发了一种混合模型，用于基底细胞癌（BCC）的诊断 | 首次将TDA的持久同调技术与深度学习结合，并利用集成学习方法提升BCC诊断性能 | NA | 提高基底细胞癌的自动化诊断准确率 | 皮肤病变图像中的毛细血管扩张特征和病变区域 | 数字病理学 | 皮肤癌 | 持久同调（Persistence Homology），深度学习 | EfficientNet-B5，集成学习 | 图像 | 395个皮肤病变样本 | NA | NA | NA | NA |
| 2465 | 2025-09-13 |
Background Subtraction Angiography with Deep Learning Using Multi-frame Spatiotemporal Angiographic Input
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00921-x
PMID:38343209
|
研究论文 | 提出一种利用多帧时空血管造影输入的深度学习背景减影血管造影方法，显著减少运动伪影 | 首次引入利用血管造影时间序列丰富时间信息的2D+t深度学习模型，并开发了神经血管造影领域专用的合成仿射运动增强流程 | 研究基于合成运动增强数据集，真实临床环境中的性能仍需进一步验证 | 改善导管数字减影血管造影（DSA）中的运动伪影问题 | 脑血管造影图像 | 计算机视觉 | 心血管疾病 | 数字减影血管造影（DSA） | 2D U-Net, 3D U-Net, SegResNet, UNETR | 图像序列 | 516例脑血管造影，包含8784个独立序列 | NA | NA | NA | NA |
| 2466 | 2025-09-13 |
Invertible and Variable Augmented Network for Pretreatment Patient-Specific Quality Assurance Dose Prediction
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00930-w
PMID:38343215
|
研究论文 | 提出一种新颖的深度学习网络IVPSQA，用于预测放疗前患者特异性质量保证的三维剂量分布 | 首次使用可逆和变量增强网络预测3D prePSQA剂量分布，在头颈、胸部和腹部病例中优于现有U-Net方法 | NA | 提高放疗前患者特异性质量保证的准确性和效率 | 300名接受容积调强弧形放疗的癌症患者 | 医学影像分析 | 癌症 | 深度学习，容积调强弧形放疗(VMAT) | 可逆和变量增强网络(IVPSQA) | CT图像，放疗剂量数据，测量引导剂量分布 | 300例癌症患者（240训练，60测试） | NA | NA | NA | NA |
| 2467 | 2025-09-13 |
Deep Learning-Assisted Identification of Femoroacetabular Impingement (FAI) on Routine Pelvic Radiographs
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00920-y
PMID:38343231
|
研究论文 | 本研究开发了一种基于深度学习的系统，用于在常规骨盆X光片上定位髋关节并检测凸轮型股骨髋臼撞击症（FAI）的征象 | 采用基于焦点损失原理的新型卷积神经网络进行髋关节定位，并使用第二个CNN对FAI进行分类，实现了在单视图X光片上的自动检测 | 诊断准确率为74%，敏感性和特异性分别为0.821和0.669，AUC为0.736，性能仍有提升空间 | 开发深度学习辅助工具来识别和分类股骨髋臼撞击症的影像学表现 | 骨盆X光片中的髋关节 | 计算机视觉 | 骨科疾病 | 深度学习，卷积神经网络 | CNN | X光图像 | 3050项研究，包含3040个髋关节（724个严重FAI，962个中度FAI，846个轻度FAI，518个正常） | NA | NA | NA | NA |
| 2468 | 2025-09-13 |
Generating PET Attenuation Maps via Sim2Real Deep Learning-Based Tissue Composition Estimation Combined with MLACF
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00902-0
PMID:38343219
|
研究论文 | 本研究提出了一种基于Sim2Real深度学习的组织成分估计方法，结合MLACF生成PET衰减图 | 首次仅使用模拟PET数据集进行模型训练，通过Sim2Real深度学习实现人头衰减图的生成 | DL模型在颈部切片等解剖细节估计上存在不准确，特别是在颈侧区域 | 开发无需CT数据的PET衰减校正方法 | 人头PET数据 | 医学影像分析 | NA | 深度学习，最大似然衰减校正因子(MLACF) | 深度学习模型 | PET图像 | 临床脑部PET数据（具体数量未说明） | NA | NA | NA | NA |
| 2469 | 2025-09-13 |
Fetal Ultrasound Segmentation and Measurements Using Appearance and Shape Prior Based Density Regression with Deep CNN and Robust Ellipse Fitting
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00908-8
PMID:38343234
|
研究论文 | 提出一种基于外观和形状先验的密度回归方法，结合深度CNN和鲁棒椭圆拟合，用于胎儿超声图像的分割和头围测量 | 提出DR-ASPnet模型，整合了分层密度回归深度卷积神经网络（HDR-DCNN）和鲁棒椭圆拟合最小二乘法（REFLS），显著提高了分割和测量精度 | 未明确说明模型在不同孕期或图像质量差异较大时的泛化能力 | 实现胎儿头部结构的自动精确分割和头围生物测量 | 胎儿头部超声图像 | 计算机视觉 | 胎儿生长异常 | 超声成像（US） | CNN, HDR-DCNN | 图像 | 基于HC18数据集（具体样本数量未明确说明） | NA | NA | NA | NA |
| 2470 | 2025-09-13 |
Pulmonary Nodule Classification Using a Multiview Residual Selective Kernel Network
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00928-4
PMID:38343233
|
研究论文 | 提出一种基于多视角残差选择核网络的肺结节分类方法，用于CT图像中恶性肺结节的早期检测 | 结合残差学习和选择核机制设计RSK模块处理结节多样性，并创新性地融合手工纹理特征与深度学习模型 | NA | 开发高性能计算机辅助诊断系统以提升肺结节恶性概率预测准确率 | CT图像中的肺结节 | 计算机视觉 | 肺癌 | 深度学习 | 多视角残差选择核网络（MRSKNet） | CT图像 | LIDC-IDRI公共数据库，采用十倍交叉验证 | NA | NA | NA | NA |
| 2471 | 2025-09-13 |
Deep Learning Detection of Aneurysm Clips for Magnetic Resonance Imaging Safety
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00932-8
PMID:38343241
|
研究论文 | 本研究开发了一种基于深度学习的系统，用于在MRI前通过CT图像自动检测动脉瘤夹的存在 | 首次将预训练的图像分类神经网络应用于CT定位器图像，以实现动脉瘤夹的自动检测，并采用SHAP解释模型预测 | 三维CT头扫描模型的敏感性未超过定位器模型，准确率为82%尚有提升空间 | 提高MRI扫描前的安全性，通过自动化系统标记动脉瘤夹的存在 | CT头部扫描图像 | 计算机视觉 | 心血管疾病 | CT成像 | CNN（图像分类神经网络） | 图像 | 280例CT头部扫描（140例含动脉瘤夹，140例不含） | NA | NA | NA | NA |
| 2472 | 2025-09-13 |
Intra- and Inter-expert Validation of an Automatic Segmentation Method for Fluid Regions Associated with Central Serous Chorioretinopathy in OCT Images
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00926-6
PMID:38343245
|
研究论文 | 本文开发并验证了一种基于深度学习的自动分割方法，用于OCT图像中与中心性浆液性脉络膜视网膜病变相关的积液区域分割 | 首次进行了专家内部和专家间验证，比较自动分割与人工分割性能，并显示模型与专家的吻合度甚至高于专家间相互吻合度 | NA | 开发自动分割OCT图像中CSC相关病变的方法，减少人工检测的工作量和主观性 | 中心性浆液性脉络膜视网膜病变（CSC）患者的OCT图像 | 数字病理 | 视网膜疾病 | OCT成像 | 深度学习分割架构 | 医学图像 | 内部数据集和外部验证集（具体数量未提及） | NA | NA | NA | NA |
| 2473 | 2025-09-13 |
Impacts of Adaptive Statistical Iterative Reconstruction-V and Deep Learning Image Reconstruction Algorithms on Robustness of CT Radiomics Features: Opportunity for Minimizing Radiomics Variability Among Scans of Different Dose Levels
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00901-1
PMID:38343265
|
研究论文 | 研究自适应统计迭代重建-V（ASIR-V）和深度学习图像重建（DLIR）算法对CT影像组学特征鲁棒性的影响 | 首次系统比较ASIR-V和DLIR在不同剂量水平和重建强度下对影像组学特征重现性的影响，发现高强度DLIR可减少因剂量降低导致的特征变异 | 研究基于标准化体模数据，未涉及真实患者影像；仅评估了94个影像组学特征 | 探究CT重建算法对影像组学特征稳定性的影响，为降低多中心、多剂量扫描的影像组学变异提供方案 | 标准化CT体模 | 医学影像分析 | NA | 单能量CT（SECT）、双能量CT（DECT）、自适应统计迭代重建（ASIR-V）、深度学习图像重建（DLIR） | NA | CT影像 | 在标准及低剂量（20和10 mGy）水平下扫描的体模数据，涵盖SECT和DECT模式 | NA | NA | NA | NA |
| 2474 | 2025-09-13 |
The Segmentation of Multiple Types of Uterine Lesions in Magnetic Resonance Images Using a Sequential Deep Learning Method with Image-Level Annotations
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00931-9
PMID:38343259
|
研究论文 | 提出一种仅使用图像级标注的弱监督深度学习模型，用于MRI图像中多种子宫病变和正常组织的自动分割 | 开发了基于图像级标注的弱监督分割方法，避免了像素级标注的繁琐过程，并设计了包含四个顺序模块的两阶段模型 | 研究为回顾性设计，数据来自单一机构，可能影响模型泛化能力 | 实现MRI图像中子宫病变的自动分割 | 316名患者的85,730张MRI图像，包含四种子宫病变（子宫内膜癌、子宫肌瘤、子宫内膜息肉、子宫内膜不典型增生）和三种正常组织 | 医学图像分析 | 妇科疾病 | MRI T2加权序列成像 | 深度学习序列模型（包含像素相关模块、类重激活图模块、像素间关系网络模块和Deeplab v3+模块） | 医学图像 | 316名患者，85,730张图像，其中196例训练、57例验证、63例测试 | NA | NA | NA | NA |
| 2475 | 2025-09-13 |
The global research of magnetic resonance imaging in Alzheimer's disease: a bibliometric analysis from 2004 to 2023
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1510522
PMID:39882364
|
文献计量分析 | 通过文献计量方法分析2004至2023年间阿尔茨海默病MRI研究的全球趋势和热点 | 首次系统梳理近20年阿尔茨海默病MRI研究的演进脉络，并识别出深度学习等新兴研究方向 | 仅基于Web of Science数据库，可能未涵盖所有相关研究；文献计量方法无法评估研究质量 | 总结阿尔茨海默病MRI研究的现状并预测未来研究方向 | 2004-2023年期间发表的13,659篇相关学术论文 | 医学影像分析 | 阿尔茨海默病 | 文献计量分析（CiteSpace和VOSviewer） | NA | 文献元数据 | 13,659篇研究论文 | NA | NA | NA | NA |
| 2476 | 2025-09-13 |
Accurate staging of chick embryonic tissues via deep learning of salient features
2023-11-15, Development (Cambridge, England)
DOI:10.1242/dev.202068
PMID:37830145
|
研究论文 | 利用深度学习对鸡胚胎脑部和翅膀图像进行精确亚分期 | 通过生物信息学转换和数据驱动预处理增强小数据集，实现高精度分类并验证模型泛化能力 | 数据集规模较小（脑部151张图像，翅膀269张图像） | 开发基于深度学习的鸡胚胎组织精确分期方法 | HH10期鸡胚胎脑部和翅膀组织 | 计算机视觉 | NA | 深度学习图像分类 | CNN（卷积神经网络） | 显微镜图像 | 脑部151张图像，翅膀269张图像 | NA | NA | NA | NA |
| 2477 | 2025-09-13 |
Negativity and Positivity in the ICU: Exploratory Development of Automated Sentiment Capture in the Electronic Health Record
2023-10, Critical care explorations
DOI:10.1097/CCE.0000000000000960
PMID:37753238
|
研究论文 | 开发用于ICU电子健康记录中自动捕捉医护人员情感的概念验证算法 | 提出两种医疗领域专用情感分析工具，包括基于临床情感词典的关键词方法和基于DeBERTa-v3的深度学习模型，显著优于通用情感分类器 | NA | 探索ICU电子健康记录中自动捕捉医护人员情感的方法 | ICU成年患者的电子健康记录 | 自然语言处理 | NA | 情感分析，深度学习 | 关键词匹配，DeBERTa-v3 | 文本 | MIMIC-III数据库中的198,944条记录（来自52,997次ICU入院），以及UCSF 2018-2019年的外部验证样本 | NA | NA | NA | NA |
| 2478 | 2025-09-13 |
DeXtrusion: automatic recognition of epithelial cell extrusion through machine learning in vivo
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201747
PMID:37283069
|
研究论文 | 提出基于深度学习的DeXtrusion方法，用于自动检测活体荧光成像中的上皮细胞挤出事件 | 无需细胞分割即可实现细胞事件的精确xyt定位，且方法易于训练并适用于多种成像条件 | 需要针对不同上皮组织进行重新训练以保持性能 | 自动检测和定位上皮组织中的细胞事件，特别是细胞挤出和死亡 | 果蝇蛹背板上皮细胞 | 计算机视觉 | NA | 活体荧光显微镜成像 | RNN（循环神经网络） | 视频（荧光标记的细胞轮廓影像） | 基于果蝇蛹背板的荧光E-钙黏蛋白标记影像训练 | NA | NA | NA | NA |
| 2479 | 2025-09-13 |
Tools to analyze the organization and formation of the germline cyst in zebrafish oogenesis
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201349
PMID:37272421
|
研究论文 | 本文提供了用于斑马鱼卵巢中生殖细胞囊肿三维和功能体内分析的工具 | 开发了基于深度学习的流程进行高通量三维共聚焦数据分析，并提供了激光消融细胞组分的方法 | NA | 研究脊椎动物生殖细胞囊肿的形成与组织结构及其对卵母细胞生成的贡献 | 斑马鱼卵巢中的生殖细胞囊肿 | 发育生物学 | NA | 连续块面扫描电子显微镜(SBF-SEM), 激光消融, 深度学习 | 深度学习 | 三维电子显微镜图像, 三维共聚焦数据集 | NA | NA | NA | NA | NA |
| 2480 | 2025-09-13 |
Long-term care insurance purchase decisions of registered nurses: Deep learning versus logistic regression models
2023-03, Health policy (Amsterdam, Netherlands)
DOI:10.1016/j.healthpol.2023.104709
PMID:36725380
|
研究论文 | 本研究使用深度学习模型和逻辑回归模型预测注册护士的长期护理保险购买决策 | 首次将深度学习模型应用于预测医疗专业人员保险决策，并与传统统计方法进行性能比较 | 样本仅来自台湾单一医疗中心，可能限制结果的普适性 | 预测注册护士的长期护理保险购买决策并比较不同模型的预测性能 | 台湾某大型医疗中心的1373名注册护士 | 机器学习 | NA | 深度学习，逻辑回归，逆概率处理加权(IPTW) | DNN（深度神经网络），MLR（多元逻辑回归） | 调查问卷数据 | 1373名至少有2年全职工作经验的注册护士 | NA | NA | NA | NA |