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 32372 篇文献，本页显示第 2481 - 2500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2481 | 2025-10-06 |
Deep Learning for Automatic Knee Osteoarthritis Severity Grading and Classification
2024-Oct, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-024-01259-4
PMID:39324090
|
研究论文 | 本研究开发了一种基于深度学习的自动膝关节骨关节炎严重程度分级和分类方法 | 采用迁移学习方法并比较14种不同深度学习模型在膝关节X射线图像分析中的性能，首次将像素比率计算与决策树模型相结合用于OA预测 | 测试准确率为67%，仍有提升空间，且仅使用单一数据集进行验证 | 开发深度学习方法来预测膝关节置换可能性和Kellgren-Lawrence分级 | 膝关节骨关节炎患者的X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像 | CNN | 图像 | 骨关节炎倡议(OAI)数据集 | TensorFlow, Keras | Xception, VGG16, VGG19, ResNet50, ResNet101, ResNet152, ResNet50V2, ResNet101V2, ResNet152V2, Inception V3, Inception ResNetV2, DenseNet121, DenseNet169, DenseNet201 | 准确率 | NA |
| 2482 | 2025-10-06 |
Reducing motion artifacts in craniocervical background subtraction angiography with deformable registration and unsupervised deep learning
2024-Sep, Radiology advances
DOI:10.1093/radadv/umae020
PMID:40927738
|
研究论文 | 本研究开发了一种基于无监督深度学习的可变形配准模型，用于显著减少头颈部数字减影血管造影中的运动伪影 | 引入了具有血管层估计的新型图像相似性损失函数，优化背景配准，使其对血管内碘造影剂的可变存在具有鲁棒性 | NA | 开发快速可变形配准模型以减少头颈部血管造影中的DSA配准误差 | 头颈部血管造影图像 | 医学影像处理 | 脑血管疾病 | 数字减影血管造影 | 深度学习 | 医学影像 | 516项研究，包含5,240个血管造影序列 | HyperMorph | 可变形配准网络 | 血管保真度评分，减影伪影评分，整体质量评分，推理时间 | NA |
| 2483 | 2025-10-06 |
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 | 提出一种用于放射影像疾病检测的两阶段深度学习防御框架，以增强模型对抗对抗攻击的鲁棒性 | 结合改进的对抗学习算法和JPEG压缩图像滤波技术，构建两阶段防御框架，显著提升模型在对抗攻击下的诊断可靠性 | 仅针对三种特定对抗攻击方法进行评估，未涵盖所有可能的攻击类型 | 开发对抗攻击鲁棒的医学影像诊断系统 | 肺部放射影像（X光和CT） | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | NA | NA | ResNet-50,VGG-16,Inception-V3 | 准确率 | NA |
| 2484 | 2025-10-06 |
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的深度学习系统用于宫颈癌分类 | 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相结合，并引入3D特征金字塔网络和3D SE模块进行特征优化 | NA | 开发有效的宫颈癌分类系统以辅助早期检测和治疗 | 宫颈图像 | 计算机视觉 | 宫颈癌 | 深度学习 | 3D CNN, Vision Transformer | 图像 | NA | NA | 3D CNN, Vision Transformer, 3D FPN, 3D SE模块, KELM | 准确率 | NA |
| 2485 | 2025-10-06 |
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在非典型间质性肺病CT模式中对特发性肺纤维化的诊断性能 | 针对不符合明确或疑似普通型间质性肺炎CT模式的病例验证机器学习分类器的诊断能力 | 样本量有限（295例患者），需要进一步多中心验证 | 评估机器学习分类器在非典型间质性肺病病例中的诊断性能 | 间质性肺病患者，特别是不符合明确或疑似UIP CT模式的病例 | 医学影像分析 | 间质性肺病 | 胸部计算机断层扫描（CT） | 深度学习 | 医学影像 | 295例患者的多中心验证数据集 | NA | NA | 灵敏度, 特异度 | NA |
| 2486 | 2025-10-06 |
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和深度学习开发了一种用于基底细胞癌诊断的混合模型 | 首次将拓扑数据分析与深度学习相结合用于基底细胞癌诊断，通过持久同源性提取拓扑特征并与深度学习特征融合 | 研究仅针对基底细胞癌，未验证对其他皮肤癌类型的适用性 | 开发基于混合拓扑数据分析和深度学习的基底细胞癌自动诊断模型 | 皮肤病变图像中的毛细血管扩张和皮肤病变区域 | 计算机视觉 | 皮肤癌 | 拓扑数据分析，持久同源性 | CNN | 图像 | 395个皮肤病变 | NA | EfficientNet-B5 | 准确率，AUC | NA |
| 2487 | 2025-10-06 |
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 | 提出利用多帧时空血管造影输入的深度学习背景减除血管造影方法，显著减少运动伪影 | 首次利用血管造影时间序列的丰富时间信息，开发了改进的2D+t深度学习模型，并创建了神经血管造影领域特定的合成仿射运动增强流程 | 研究主要针对脑部血管造影，需要验证在其他血管区域的应用效果 | 改善导管数字减影血管造影中的运动伪影问题 | 脑部血管造影图像 | 计算机视觉 | 脑血管疾病 | 数字减影血管造影 | 深度学习 | 血管造影图像序列 | 516个脑部血管造影，包含8784个独立序列 | NA | 2D U-Net, 3D U-Net, SegResNet, UNETR | RMSE, Multi-Scale SSIM | NA |
| 2488 | 2025-10-06 |
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 | 提出一种改进的可逆和变量增强网络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IVPSQA模型预测3D放疗前患者特异性质量保证剂量分布，开发了改进的可逆和变量增强网络架构 | 仅针对2018-2021年间接受VMAT治疗的300名癌症患者进行研究，样本量相对有限 | 提高放疗前患者特异性质量保证的准确性和效率，减轻医学物理师的工作负担 | 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 | 容积调强弧形放疗 | 深度学习网络 | CT图像、放疗剂量数据、测量引导剂量分布 | 300例患者（240例训练，60例测试） | NA | 可逆和变量增强网络 | SSIM, MSE, MAE, 剂量差异图, 水平剖面比较 | NA |
| 2489 | 2025-10-06 |
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 | 开发了一种深度学习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征 | 首次使用基于焦点损失原理的卷积神经网络定位髋关节，并采用二级CNN分类系统检测FAI病变 | 研究为回顾性设计，样本来源单一，模型性能有待进一步提升 | 开发自动检测股骨髋臼撞击征的深度学习系统 | 骨盆X光片中的髋关节 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | 图像 | 3050项研究，包含724个严重FAI、962个中度FAI、846个轻度FAI和518个正常髋关节 | NA | 基于焦点损失原理的CNN | 准确率, 灵敏度, 特异性, AUC | NA |
| 2490 | 2025-10-06 |
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算法生成PET衰减图 | 首次使用仅模拟PET数据集进行模型训练，通过Sim2Real深度学习估计组织成分并生成衰减图 | DL模型在颈部切片区域对解剖细节估计不准确 | 开发无需CT数据的PET衰减校正方法 | 人头部的PET图像 | 医学影像处理 | NA | PET成像 | 深度学习 | PET图像 | 临床脑PET数据 | NA | NA | 定量准确性 | NA |
| 2491 | 2025-10-06 |
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 | 提出一种结合外观和形状先验的密度回归方法，通过深度CNN和鲁棒椭圆拟合实现胎儿超声图像中头部结构的自动分割与头围测量 | 提出DR-ASPnet模型，将外观和形状先验整合到深度学习网络中，并采用鲁棒椭圆拟合方法进行头围估计 | 未明确说明样本规模和数据集的多样性限制 | 实现胎儿头部结构的精确分割和头围生物测量 | 胎儿超声图像中的头部结构 | 计算机视觉 | 胎儿生长异常 | 超声成像 | CNN | 超声图像 | NA | NA | HDR-DCNN | DSC, AD, CC | NA |
| 2492 | 2025-10-06 |
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，通过结合手工纹理特征与深度学习模型提升恶性结节预测性能 | 设计了残差选择核(RSK)模块处理肺结节形态多样性，构建多视角RSK网络(MRSKNet)，并提出将同质性纹理特征图与CT图像拼接的输入策略 | 仅在公开数据集LIDC-IDRI上进行验证，需要进一步临床验证 | 开发计算机辅助诊断系统用于肺结节的恶性概率预测 | CT图像中的肺结节 | 计算机视觉 | 肺癌 | CT成像 | CNN | 医学图像 | LIDC-IDRI公共数据库 | NA | ResNet, Selective Kernel | AUC, 准确率, 召回率, 特异性 | NA |
| 2493 | 2025-10-06 |
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自动检测系统，用于在MRI扫描前通过CT图像识别动脉瘤夹的存在 | 首次将预训练图像分类神经网络应用于CT定位器图像，实现动脉瘤夹的自动检测，并采用SHAP解释模型预测 | 三维CT头扫描模型的灵敏度未超过定位器模型，样本量相对有限 | 开发自动化系统在MRI预约前标记动脉瘤夹，提高患者安全 | 头部CT扫描图像 | 计算机视觉 | 心血管疾病 | CT成像 | CNN | 图像 | 280例头部CT扫描（140例含动脉瘤夹，140例不含） | NA | 预训练图像分类神经网络 | 灵敏度, 准确率 | NA |
| 2494 | 2025-10-06 |
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 | 开发并验证用于自动分割OCT图像中中心性浆液性脉络膜视网膜病变相关液体区域的深度学习方法 | 首次在CSC病变分割中进行了专家内和专家间验证，并证明自动分割模型与专家的一致性优于专家之间的一致性 | 未提供内部数据集的平均Dice系数具体数值 | 开发自动分割OCT图像中CSC相关液体区域的方法，减少人工检查工作量 | 中心性浆液性脉络膜视网膜病变患者的OCT图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | 深度学习 | 医学图像 | NA | NA | 六种不同复杂度的深度学习架构配置 | Dice系数,Kappa系数 | NA |
| 2495 | 2025-10-06 |
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和深度学习图像重建算法对CT影像组学特征稳健性的影响 | 首次系统比较ASIR-V和DLIR算法在不同剂量水平下对CT影像组学特征重现性的影响 | 研究基于标准化体模，未涉及真实患者数据 | 评估不同重建算法对CT影像组学特征变异性的影响 | 标准化CT体模 | 医学影像分析 | NA | 单能CT, 双能CT, 虚拟单色成像 | 深度学习图像重建 | CT影像 | 标准化体模在不同剂量水平下的扫描数据 | Pyradiomics | NA | 组内相关系数, 一致性相关系数 | NA |
| 2496 | 2025-10-06 |
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 | 本研究开发了一种仅使用图像级标注的弱监督深度学习模型，用于磁共振图像中多种子宫病变和正常组织的自动分割 | 提出了一种两阶段顺序深度学习模型，仅需图像级标注即可实现多种子宫病变的精确分割，避免了像素级标注的繁琐过程 | 研究为单中心回顾性研究，样本量相对有限，需要进一步多中心验证 | 开发弱监督医学图像分割方法，减少对像素级标注的依赖 | 子宫病变患者和正常组织的磁共振图像 | 医学图像分析 | 子宫疾病 | 磁共振成像 | 深度学习 | 医学图像 | 316名患者的85,730张图像，其中196名用于训练，57名用于验证，63名用于测试 | NA | 像素相关模块,类重激活图模块,像素间关系网络模块,Deeplab v3+ | Dice相似系数,豪斯多夫距离,平均对称表面距离 | NA |
| 2497 | 2025-10-06 |
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 | 通过文献计量学方法分析2004-2023年间阿尔茨海默病磁共振成像研究的全球发展趋势和研究热点 | 首次对AD领域MRI研究进行长达20年的文献计量分析，识别出深度学习等新兴研究热点 | 仅基于Web of Science数据库，可能遗漏其他数据库的相关文献 | 总结AD领域MRI研究的现状并预测未来研究方向 | 2004-2023年间WoSCC数据库中13,659篇AD-MRI相关研究文献 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像(MRI), 文献计量分析 | NA | 文献元数据 | 13,659篇研究文章 | CiteSpace, VOSviewer | NA | NA | NA |
| 2498 | 2025-10-06 |
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 | 本研究开发了一种基于深度学习的鸡胚胎组织精确分期方法 | 通过生物信息学转换和数据驱动预处理步骤，在小样本数据集上成功训练出高精度的分期分类器 | 数据集规模较小（151张图像），可能影响模型的泛化能力 | 开发精确无偏的鸡胚胎组织分期方法 | HH10期鸡胚胎大脑和翅膀组织 | 计算机视觉 | NA | 显微镜成像 | CNN | 图像 | 151张鸡大脑图像和269张鸡翅膀图像 | NA | 深度卷积神经网络 | 准确率 | NA |
| 2499 | 2025-10-06 |
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 | 本研究开发了两种ICU临床笔记情感分析方法，包括基于关键词的方法和基于DeBERTa-v3的深度学习模型 | 开发了专门针对医疗领域的情感分析工具，相比通用情感分析工具在临床笔记中表现更优 | 研究为探索性开发，需要进一步验证和优化 | 开发能够自动捕捉电子健康记录中提供者情感的概念验证算法 | ICU临床笔记中的提供者情感表达 | 自然语言处理 | NA | 情感分析 | DeBERTa-v3 | 文本 | MIMIC-III数据库中52,997次ICU住院的198,944份笔记，UCSF数据库2018-2019年外部样本 | NA | DeBERTa-v3 | Spearman相关系数 | NA |
| 2500 | 2025-10-06 |
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，用于自动识别活体荧光成像中的上皮细胞挤出事件 | 首次开发无需分割即可精确定位细胞事件的深度学习方法，可检测多种细胞事件且易于训练 | 需要针对不同上皮组织进行重新训练 | 开发自动检测活体成像中细胞事件的方法 | 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 | 荧光成像视频 | NA | NA | 循环神经网络 | NA | NA |