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 38773 篇文献，本页显示第 3241 - 3260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3241 | 2025-12-19 |
High-definition motion-resolved MRI using 3D radial kooshball acquisition and deep learning spatial-temporal 4D reconstruction
2025-Jun-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade195
PMID:40472864
|
研究论文 | 本文开发了一种结合3D径向kooshball采集和时空深度学习4D重建的自由呼吸高分辨率肺部MRI方法 | 提出了高分辨率Movienet深度学习模型，实现了1.1毫米各向同性分辨率的运动解析4D MRI，扫描时间缩短至5分钟以内 | 研究样本量较小（8名健康志愿者和10名肺癌患者），且3D-based HD-Movienet模型以更长的重建时间为代价提升质量 | 开发自由呼吸高分辨率肺部MRI技术，用于运动解析的容积成像 | 健康志愿者和肺癌患者的肺部 | 医学影像 | 肺癌 | 3D径向kooshball序列采集，包括半辐条超短回波时间和全辐条T1加权采集 | CNN | 3D径向kooshball MRI数据 | 8名健康志愿者和10名肺癌患者 | NA | 2D-based HD-Movienet, 3D-based HD-Movienet | 图像质量，重建时间 | GPU优化 |
| 3242 | 2025-12-19 |
Deep learning neural network prediction of postoperative complications in patients undergoing laparoscopic right hemicolectomy with or without CME and CVL for colon cancer: insights from SICE (Società Italiana di Chirurgia Endoscopica) CoDIG data
2025-Jun-11, Techniques in coloproctology
IF:2.7Q1
DOI:10.1007/s10151-025-03165-9
PMID:40498162
|
研究论文 | 本研究利用深度学习神经网络预测结肠癌患者腹腔镜右半结肠切除术后并发症，基于意大利多中心数据库数据 | 首次将深度学习神经网络应用于预测腹腔镜右半结肠切除术后的并发症，并比较了其与其他机器学习模型的性能 | 研究基于单一国家（意大利）的多中心数据库，需要外部验证以推广到更广泛的临床环境 | 评估机器学习模型，特别是深度学习神经网络，在预测结肠癌腹腔镜右半结肠切除术后并发症中的应用 | 接受腹腔镜右半结肠切除术（伴或不伴完整结肠系膜切除和中央血管结扎）的结肠癌患者 | 机器学习 | 结肠癌 | 机器学习，深度学习 | 深度学习神经网络，决策树，随机森林 | 人口统计学、临床和手术因素数据 | 来自CoDIG多中心数据库的患者数据，具体样本量未明确 | 未明确指定，可能涉及Scikit-learn等 | 深度学习神经网络（具体架构未指定），决策树，随机森林 | 准确率，精确率，召回率，F1分数 | 未明确指定 |
| 3243 | 2025-12-19 |
High-Performance Method and Architecture for Attention Computation in DNN Inference
2025-04, IEEE transactions on biomedical circuits and systems
IF:3.8Q2
DOI:10.1109/TBCAS.2024.3436837
PMID:39088504
|
研究论文 | 本文提出了一种基于存内计算宏的在线可编程注意力硬件架构，用于深度神经网络推理中的注意力计算 | 将注意力计算分解为级联组合矩阵运算以降低硬件实现复杂度，并设计在线可编程CIM架构通过动态调整权重提高计算精度 | 仅通过Spice仿真验证，未在实际硬件平台上部署测试；基于100nm CMOS工艺，可能未考虑更先进工艺的影响 | 解决注意力机制在硬件部署时的高资源消耗和低精度问题，提升DNN加速器的推理效率 | 注意力计算硬件架构 | 机器学习 | NA | 存内计算 | 深度神经网络 | NA | NA | NA | 注意力机制 | 集成密度、能效、延迟、计算效率 | 100nm CMOS工艺，Spice仿真 |
| 3244 | 2025-12-19 |
phyddle: software for exploring phylogenetic models with deep learning
2025-Feb-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.06.606717
PMID:39149349
|
研究论文 | 介绍用于通过深度学习探索系统发育模型的软件phyddle | 开发了基于流水线的软件，可在缺乏易处理似然函数的系统发育模型中使用无似然深度学习进行推断 | NA | 开发一种软件工具，使研究人员能够使用深度学习进行系统发育建模和推断 | 系统发育树 | 机器学习 | NA | 深度学习 | 深度学习模型 | 系统发育树数据 | NA | NA | NA | 准确性, 覆盖率测试 | NA |
| 3245 | 2025-12-19 |
RVDLAHA: An RISC-V DLA Hardware Architecture for On-Device Real-Time Seizure Detection and Personalization in Wearable Applications
2025-02, IEEE transactions on biomedical circuits and systems
IF:3.8Q2
DOI:10.1109/TBCAS.2024.3442250
PMID:39137083
|
研究论文 | 本文提出了一种用于可穿戴设备的实时癫痫发作检测与个性化硬件架构及算法 | 提出了支持实时癫痫检测与个性化算法的RISC-V深度学习加速器硬件架构及专用编译器 | 实验仅在实验室大鼠中进行，尚未在人类患者中进行临床验证 | 开发用于可穿戴设备的实时癫痫发作检测与个性化治疗系统 | 癫痫患者的脑电信号（通过动物实验验证） | 机器学习 | 癫痫 | 脑电信号处理，硬件加速 | CNN | 时间序列信号（脑电信号） | 实验室大鼠的脑电数据（具体数量未明确说明） | 自定义硬件架构 | CNN（具体架构未说明） | 准确率 | Xilinx PYNQ-Z2 FPGA平台，运行频率1MHz，功耗0.107W |
| 3246 | 2024-08-07 |
Author Response: Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001963
PMID:39017750
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3247 | 2025-12-19 |
A GAN-Based Approach for enhancing security in satellite based IoT networks using MPI enabled HPC
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0331019
PMID:40997099
|
研究论文 | 本文提出了一种基于GAN的安全框架DLGAN，用于增强卫星物联网网络的安全性，通过结合CNN进行实时异常检测和GAN生成合成攻击数据，并利用MPI在HPC系统上实现可扩展并行处理 | 提出DLGAN框架，首次将CNN与GAN结合用于卫星物联网安全，通过生成合成攻击数据解决网络安全研究中数据集不平衡问题，并利用MPI在HPC系统上实现高效并行处理 | 未明确说明实验数据的具体来源和规模，以及在实际卫星物联网环境中的部署验证情况 | 增强卫星物联网网络的安全性，解决机密信息在卫星链路传输中的安全挑战 | 卫星物联网网络及其安全威胁 | 机器学习 | NA | 深度学习 | CNN, GAN | 网络流量数据 | NA | NA | NA | 检测准确率, 训练时间 | HPC系统, AI-enabled GPUs, MPI并行处理 |
| 3248 | 2025-12-19 |
LPATR-Net: Learnable Piecewise Affine Transformation Regression Assisted Data-Driven Dehazing Framework
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3637687
PMID:41348791
|
研究论文 | 本文提出了一种名为LPATR-Net的新型图像去雾框架，通过可学习的分段仿射变换回归来抑制错误地面真值样本的干扰 | 引入拟合能力抑制机制，结合传统多数决定固定形式回归与现代全自由数据驱动深度学习，以应对图像去雾中固有的错误地面真值样本问题 | 未明确讨论在极端天气或复杂场景下的泛化能力，且未提供计算效率的详细分析 | 开发一种鲁棒的图像去雾框架，以处理训练数据中存在的错误地面真值样本 | 图像去雾任务中的有雾图像及其对应的地面真值清晰图像 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 在五个常用公共数据集上进行实验，具体样本数量未明确说明 | 未明确指定，但提及了数据驱动深度学习框架 | LPATR-Net，包含可学习的分段仿射变换回归组件和All-Mattering组件 | 未明确列出，但通过实验验证了有效性 | 未明确指定 |
| 3249 | 2025-12-19 |
Early Dengue Prediction in Bangladesh: A Comparative Study With Feature Analysis, Explainable Artificial Intelligence, and Model Optimization
2025, Journal of tropical medicine
IF:2.1Q2
DOI:10.1155/jotm/1709439
PMID:41399677
|
研究论文 | 本研究对13种机器学习和深度学习模型进行了全面的比较分析，用于基于症状的登革热早期预测，重点关注孟加拉国人群 | 首次在孟加拉国人群中进行广泛的模型比较，并采用可解释人工智能（SHAP）识别关键预测因子，同时展示了定制化超参数调整人工神经网络在此任务中的优越性 | 研究样本量相对较小（500条患者记录），且仅基于症状特征，未包含临床实验室数据 | 开发可靠的基于症状的登革热早期预测工具，以支持公共卫生干预 | 孟加拉国登革热患者 | 机器学习 | 登革热 | 症状特征分析 | 人工神经网络, 随机森林, 额外树, 装袋法, 逻辑回归, SGD分类器 | 结构化症状数据 | 500条患者记录，包含22个症状特征 | Scikit-learn | 自定义人工神经网络 | 准确率 | NA |
| 3250 | 2025-12-19 |
FusDRM-m5C: a hybrid model for accurate prediction of 5-methylcytosine modification sites based on feature fusion and attention mechanism
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1642286
PMID:41399733
|
研究论文 | 本文提出了一种名为FusDRM-m5C的混合深度学习模型，用于从RNA序列中高精度预测5-甲基胞嘧啶修饰位点 | 该模型采用多分支架构融合了三种不同的特征类型，并结合了扩张卷积神经网络和多头自注意力机制，以捕捉多尺度模式并权衡上下文依赖信息 | NA | 开发一个计算模型来高精度预测RNA序列中的5-甲基胞嘧啶修饰位点 | RNA序列中的5-甲基胞嘧啶修饰位点 | 生物信息学 | NA | RNA序列分析 | 深度学习 | 序列数据 | NA | NA | Dilated Convolutional Neural Network, Multi-Head Self-Attention | 灵敏度, 特异性, 准确率, 马修斯相关系数, AUC | NA |
| 3251 | 2025-12-19 |
Deep learning for segmentation of colorectal carcinomas on endoscopic ultrasound
2024-Dec-13, Techniques in coloproctology
IF:2.7Q1
DOI:10.1007/s10151-024-03056-5
PMID:39671056
|
研究论文 | 本研究开发了一种基于卷积神经网络的自动化图像分割方法，用于内镜超声图像中结直肠癌的分割，以标准化早期直肠癌的浸润深度评估 | 首次将深度学习应用于内镜超声图像的结直肠癌自动分割，旨在解决现有方法（如磁共振成像分辨率不足和内镜超声解释依赖操作者）的局限性，提供标准化的肿瘤浸润深度评估 | 研究基于373个专家手动分割样本，样本量相对有限，且未在更广泛或多样化的临床数据集中进行外部验证，可能影响模型的泛化能力 | 开发自动化图像分割技术，以标准化内镜超声对早期直肠癌浸润深度的解释，辅助临床决策 | 早期直肠癌的内镜超声图像，重点关注黏膜下层、肌层和肿瘤的分割 | 计算机视觉 | 结直肠癌 | 内镜超声 | CNN | 图像 | 373个专家手动分割的内镜超声图像样本 | NA | NA | 平均表面距离, 豪斯多夫距离, Dice相似性指数 | NA |
| 3252 | 2025-12-19 |
Strategies to optimise machine learning classification performance when using biomechanical features
2024-03, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.111998
PMID:38377743
|
研究论文 | 本研究探讨了在生物力学特征有限样本量下，利用现代机器学习算法优化分类性能的策略 | 比较了多种机器学习算法（包括传统回归、XGBoost、深度学习时间序列算法）在生物力学数据分类中的表现，并探索了数据增强和迁移学习对样本量限制问题的缓解效果 | 研究基于两个特定生物力学数据集（行走和跳跃），样本量差异较大（2295 vs 31），可能影响结果的普适性 | 优化生物力学特征在有限样本量下的机器学习分类性能 | 行走数据集中的2295名参与者（健康、跟骨、踝、膝、髋疾病分类）和跳跃数据集中的31名参与者（健康 vs 髌股疼痛综合征） | 机器学习 | 骨科疾病 | 三维地面反作用力（GRFs）测量 | 多分类/LASSO回归, XGBoost, 深度学习时间序列算法 | 时间序列生物力学数据 | 行走数据集2295名参与者，跳跃数据集31名参与者 | NA | InceptionTime | 加权多分类AUC | NA |
| 3253 | 2025-12-19 |
A systematic review of artificial intelligence algorithms for predicting acute kidney injury
2023-10, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202310_34164
PMID:37916354
|
系统综述 | 本文对使用人工智能算法预测住院成人急性肾损伤的研究进行了系统综述 | 系统性地评估了机器学习在急性肾损伤预测中的应用，并比较了不同模型在重症监护和普通住院患者中的表现 | 多数研究为单中心，且部分研究使用相同数据库，人群主要为高加索人种，缺乏多样性，可能影响结果的泛化性 | 分析机器学习在住院成人急性肾损伤预测中的应用效果 | 住院成人患者 | 机器学习 | 急性肾损伤 | 机器学习，深度学习 | 深度学习，逻辑回归，决策树 | 电子健康记录，生物标志物数据 | 涉及242,251名患者 | NA | NA | AUC | NA |
| 3254 | 2025-12-19 |
Image harmonization: A review of statistical and deep learning methods for removing batch effects and evaluation metrics for effective harmonization
2023-07-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.120125
PMID:37084926
|
综述 | 本文综述了用于去除医学影像中批次效应的统计和深度学习方法，并评估了有效协调的评价指标 | 提出了一个标准化框架来评估新提出的协调方法，并提供了促进更有效使用现有方法和指导未来发展的建议 | NA | 去除医学影像中的批次效应，提高下游分析结果的泛化性和可重复性 | 磁共振成像和计算机断层扫描影像 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 3255 | 2025-12-19 |
Semantic similarity metrics for image registration
2023-07, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102830
PMID:37172390
|
研究论文 | 本文提出了一种用于图像配准的语义相似性度量方法，通过关注语义对应而非像素强度来提升配准精度 | 引入了基于语义对应的相似性度量，替代传统的像素强度或相关性对齐方法，能够更好地处理低强度对比、噪声和模糊匹配问题 | 未明确说明方法在极端噪声或大规模数据集上的泛化能力，且依赖于数据集特定特征的学习 | 开发一种新的语义相似性度量，以改进图像配准的准确性和鲁棒性 | 图像配准中的相似性度量方法 | 计算机视觉 | NA | 深度学习，自动编码器，半监督学习 | 自动编码器 | 图像 | NA | NA | 自动编码器 | 配准精度，变换场平滑度 | NA |
| 3256 | 2025-12-19 |
The European Federation of Organisations for Medical Physics (EFOMP) White Paper: Big data and deep learning in medical imaging and in relation to medical physics profession
2018-Dec, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2018.11.005
PMID:30449653
|
白皮书 | 本文探讨了大数据和深度学习在医学影像中的应用及其对医学物理专业的影响 | 提出医学物理师应超越技术质量概念，将方法论和能力扩展到测量和优化诊断价值，并强调数据质量控制与验证在深度学习应用中的关键作用 | 未具体说明实际应用案例或技术实施细节，主要侧重于概念性讨论 | 分析大数据和深度学习如何改变医学影像领域，并探讨医学物理专业在此背景下的角色和发展方向 | 医学影像数据、医学物理专业实践 | 医学影像 | NA | 深度学习、大数据分析 | NA | 医学影像数据 | NA | NA | NA | NA | NA |
| 3257 | 2025-12-18 |
Clinical value of the 70-kVp ultra-low-dose CT pulmonary angiography with deep learning image reconstruction
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11764-1
PMID:40603771
|
研究论文 | 本研究评估了基于深度学习图像重建算法的低辐射剂量和低对比剂剂量的CT肺动脉造影的可行性 | 结合70 kVp超低剂量协议与深度学习图像重建算法，实现了辐射剂量和对比剂剂量的双重降低，同时保持了图像质量并提高了肺动脉远端分支的可视性 | 样本量相对较小（100名患者），且研究为单中心前瞻性设计，可能限制了结果的普遍适用性 | 评估深度学习图像重建算法在低剂量CT肺动脉造影中的临床应用价值 | 连续100名接受CT肺动脉造影的患者 | 数字病理学 | 心血管疾病 | CT肺动脉造影 | 深度学习图像重建算法 | CT图像 | 100名患者（50名常规剂量组，50名低剂量组） | NA | NA | CT值、标准差、信噪比、对比噪声比、图像质量评分 | NA |
| 3258 | 2025-12-18 |
Super-resolution deep learning in pediatric CTA for congenital heart disease: enhancing intracardiac visualization under free-breathing conditions
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11800-0
PMID:40670764
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）、传统深度学习重建（C-DLR）和混合迭代重建（HIR）在自由呼吸条件下增强儿科先天性心脏病（CHD）CT血管造影（CCTA）图像质量和诊断性能的效果 | 在儿科自由呼吸CCTA中应用超分辨率深度学习重建（SR-DLR），显著提升了图像质量和对小病灶（如多孔房间隔缺损和室间隔缺损）的检测灵敏度，诊断准确率接近超声水平 | 研究样本量相对较小（91例），且仅针对1-10岁疑似先天性心脏病的儿科患者，未涵盖更广泛的年龄组或疾病类型 | 评估和比较不同图像重建算法在儿科先天性心脏病CT血管造影中的图像质量和诊断性能 | 91名1-10岁疑似先天性心脏病的儿科患者，在自由呼吸条件下接受心脏CT血管造影检查 | 医学影像分析 | 先天性心脏病 | CT血管造影（CCTA），超分辨率深度学习重建（SR-DLR），传统深度学习重建（C-DLR），混合迭代重建（HIR） | 深度学习模型（具体架构未明确说明） | 医学影像（CT图像） | 91名儿科患者 | NA | NA | 准确率, 灵敏度, 阴性预测值, 标准差（SD）, 信噪比（SNR）, 对比噪声比（CNR） | NA |
| 3259 | 2025-12-18 |
Diagnostic interchangeability of deep-learning based Synth-STIR images generated from T1 and T2 weighted spine images
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11827-3
PMID:40681776
|
研究论文 | 本研究评估了通过深度学习从T1和T2加权脊柱图像生成的合成短时反转恢复（Synth-STIR）图像的质量和诊断可互换性 | 利用深度学习从T1和T2加权图像生成Synth-STIR，显著减少扫描时间约180秒，同时提高信噪比和对比噪声比 | 研究为前瞻性单中心设计，样本量有限（199名参与者），且未明确说明深度学习模型的具体架构和训练细节 | 评估深度学习生成的Synth-STIR图像在脊柱MRI中的图像质量和诊断可互换性，以提高临床效率 | 脊柱MRI图像，包括标准STIR和从T1/T2加权图像生成的Synth-STIR | 医学影像分析 | 脊柱异常 | 深度学习，MRI成像（T1WI, T2WI, STIR） | 深度学习模型 | 医学图像（MRI） | 199名参与者（106名男性，平均年龄46.8±16.9岁） | NA | NA | 信噪比（SNR），对比噪声比（CNR），主观图像质量评估，个体等效指数（IEI），Kappa系数，Kendall一致性系数，McNemar检验 | NA |
| 3260 | 2025-12-18 |
Deep learning reconstruction of zero echo time magnetic resonance imaging: diagnostic performance in axial spondyloarthritis
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11843-3
PMID:40707731
|
研究论文 | 本研究比较了深度学习重建的零回波时间MRI在诊断中轴型脊柱关节炎患者结构病变方面的诊断性能，以CT为参考标准 | 首次将深度学习重建技术应用于零回波时间MRI，以增强对骶髂关节骨硬化和骨侵蚀等微小结构病变的检测能力 | 样本量较小（仅26名患者），且研究为单中心设计，可能限制结果的普遍性 | 评估深度学习重建的零回波时间MRI在中轴型脊柱关节炎结构病变诊断中的性能 | 中轴型脊柱关节炎患者的骶髂关节（包括52个关节和104个象限） | 医学影像分析 | 中轴型脊柱关节炎 | 零回波时间磁共振成像，深度学习重建 | 深度学习模型 | MRI图像 | 26名患者（52个骶髂关节，104个象限） | NA | NA | 诊断性能（敏感性、特异性等），加权Kappa系数（用于评估读者间一致性） | NA |