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 36465 篇文献，本页显示第 3261 - 3280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3261 | 2025-11-21 |
Comment on 'Intelligent cataract surgery supervision and evaluation via deep learning'
2023-06-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000000419
PMID:37131327
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3262 | 2025-11-21 |
Intelligent cataract surgery supervision and evaluation via deep learning
2022-Aug, International journal of surgery (London, England)
DOI:10.1016/j.ijsu.2022.106740
PMID:35760343
|
研究论文 | 开发基于深度学习算法DeepSurgery的白内障手术视频实时监督与评估系统 | 首次实现白内障手术12个关键步骤的自动识别、时序监控和错误步骤预警功能 | 训练数据量有限（186个标准手术视频），外部验证集规模较小 | 建立智能化的白内障手术监督与评估系统 | 白内障超声乳化联合人工晶体植入手术视频 | 计算机视觉 | 白内障 | 深度学习视频分析 | 深度学习算法 | 手术视频 | 186个训练视频，121个验证视频，54个实时测试视频 | NA | DeepSurgery | 准确率, Kappa系数 | NA |
| 3263 | 2025-11-20 |
Advanced microstructure imaging at high b-values and high resolution combining ultra-high performance gradient diffusion imaging and model-based deep learning demonstrated using 3D multi-slab acquisition
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70046
PMID:40851334
|
研究论文 | 本研究结合超高性能梯度扩散成像和模型驱动深度学习，展示了3D多片层采集在高b值和高分辨率下进行高级微结构成像的能力 | 利用高性能梯度系统缩短回波时间，结合优化的3D k空间欠采样方法显著减少采集时间，实现全脑高分辨率微结构成像 | 需要高性能梯度硬件支持（>200 mT/m，>300 T/m/s），研究主要关注大脑白质区域 | 开发加速的3D多片层扩散加权成像方法，支持活体人脑高级微结构建模 | 人脑白质微结构 | 医学影像 | 神经系统疾病 | 3D多片层扩散加权成像，扩散加权MRI，室模型分析 | 三室扩散模型 | 扩散加权MRI图像 | 多受试者人脑数据（具体数量未明确说明） | 基于模型的迭代重建算法 | 基于导航的运动补偿正则化迭代算法 | 变异系数 | 高性能梯度MRI系统（>200 mT/m，>300 T/m/s） |
| 3264 | 2025-11-20 |
Comparative evaluation of supervised and unsupervised deep learning strategies for denoising hyperpolarized 129Xe lung MRI
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70033
PMID:40810302
|
研究论文 | 本研究比较了监督和非监督深度学习策略在超极化129Xe肺部MRI去噪中的应用效果 | 首次系统比较了传统监督学习、Noise2Noise和Noise2Void三种深度学习策略在129Xe MRI去噪中的性能 | 某些去噪方法在特定指标上存在偏差，如Tradvent低估VDP，N2Nvent高估VDP | 提高超极化129Xe肺部MRI图像质量以改善临床诊断准确性 | 952个129Xe MRI数据集，包括健康受试者和心肺疾病患者 | 医学影像处理 | 心肺疾病 | 超极化129Xe MRI | 深度学习 | 医学影像 | 952个129Xe MRI数据集（421个通气成像，125个弥散加权成像，406个气体交换成像） | NA | NA | 信噪比, 噪声标准差, 锐度, 通气缺损百分比, 表观扩散系数, 膜摄取, 红细胞转移, 红细胞:膜比值 | NA |
| 3265 | 2025-11-20 |
Motion-robust T 2 ∗ $$ {\mathrm{T}}_2^{\ast } $$ quantification from low-resolution gradient echo brain MRI with physics-informed deep learning
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70050
PMID:40843481
|
研究论文 | 提出PHIMO+方法，通过物理信息深度学习实现运动鲁棒的低分辨率梯度回波脑MRI T2*定量分析 | 扩展了原有的PHIMO方法，利用采集知识增强对挑战性运动模式的重建性能，提高对脑内不同强度磁场不均匀性的鲁棒性 | NA | 开发运动鲁棒的T2*定量方法，解决梯度回波磁共振成像中因运动导致的信号丢失问题 | 脑部梯度回波磁共振成像数据 | 医学影像分析 | NA | 梯度回波磁共振成像 | 深度学习 | 磁共振图像 | 模拟和真实运动数据 | NA | 物理信息深度学习 | 线检测精度, 图像质量 | NA |
| 3266 | 2025-11-20 |
Liver fat quantification at 0.55 T enabled by locally low-rank enforced deep learning reconstruction
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70057
PMID:40883956
|
研究论文 | 开发了一种基于局部低秩深度学习重建的方法，用于在0.55T低场MRI中实现肝脏脂肪定量 | 提出了一种结合局部低秩约束和深度学习的新型重建方法(LLR-DL)，能够在低场MRI中显著提升信噪比和图像质量 | 研究样本量较小(10名志愿者)，需要在更大规模人群中验证方法的普适性 | 提高低场MRI中质子密度脂肪分数(PDFF)定量的准确性和可靠性 | 铁脂肪体模和人类志愿者 | 医学影像分析 | 脂肪肝 | MRI质子密度脂肪分数定量，多回波Dixon算法 | 深度学习 | MRI图像，复杂值数据 | 1个体模和10名志愿者 | NA | U-Net | 峰值信噪比，结构相似性指数，线性回归，t检验，Bland-Altman分析 | NA |
| 3267 | 2025-11-20 |
Accelerated water residual removal in MRS: Exploring deep learning versus fitting-based approaches
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70031
PMID:40891397
|
研究论文 | 本研究提出并验证了两种快速去除MRS光谱中水残留信号的新方法 | 提出了基于深度学习的DeepWatR和基于拟合的WaterFit两种新型水残留去除方法，显著提高了处理速度 | 研究主要针对1H脑数据集，在其他类型数据上的性能需要进一步验证 | 开发快速高效的水残留信号去除方法以提高MRS的临床适用性 | MRS光谱中的水残留信号 | 医学影像分析 | NA | 磁共振波谱(MRS) | 深度学习, 参数拟合 | 光谱数据 | 模拟和体内1H脑数据集，包含10000个体素 | PyTorch | U-Net with attention mechanism | 量化误差百分比, 处理速度 | 低端GPU |
| 3268 | 2025-11-20 |
Novel deep learning framework for simultaneous assessment of left ventricular mass and longitudinal strain: clinical feasibility and validation in patients with hypertrophic cardiomyopathy
2025-Dec, Journal of echocardiography
IF:1.4Q3
DOI:10.1007/s12574-025-00694-y
PMID:40650815
|
研究论文 | 提出一种基于人工智能的超声心动图分析框架SMART，用于自动评估左心室质量和纵向应变 | 首次结合运动追踪和心肌分割技术实现左心室质量和纵向应变的同步自动评估 | 仅在肥厚型心肌病患者中验证，样本量有限(111例) | 开发并验证用于心脏功能评估的自动化人工智能系统 | 肥厚型心肌病患者 | 医学影像分析 | 心血管疾病 | 经胸超声心动图(TTE), 心脏磁共振成像(CMR) | 深度学习 | 医学影像 | 111例肥厚型心肌病患者(中位年龄58岁，69%男性) | NA | NA | Pearson相关系数, 平均差异, AUC | NA |
| 3269 | 2025-11-20 |
Dose reduction in radiotherapy treatment planning CT via deep learning-based reconstruction: a single‑institution study
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00967-2
PMID:40987935
|
研究论文 | 本研究评估深度学习重建算法在放疗计划CT中的剂量降低效果 | 首次在放疗计划CT中系统比较深度学习重建算法与传统迭代重建算法的剂量降低效果 | 单中心回顾性研究，样本量有限 | 量化深度学习重建算法在放疗计划CT中的剂量降低效果 | 放疗计划CT扫描（头部、头颈部、肺部和盆腔） | 医学影像 | 肿瘤放疗 | CT扫描，深度学习重建 | 深度学习 | CT影像 | IR重建820例，DLR重建854例 | AiCE | NA | CTDI, DLP, 剂量降低率 | NA |
| 3270 | 2025-11-20 |
GAN-MRI enhanced multi-organ MRI segmentation: a deep learning perspective
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00938-7
PMID:40779148
|
研究论文 | 提出一种集成GAN的MRI图像增强与多器官分割的端到端深度学习框架 | 结合GAN-MRI图像增强与注意力残差U-Net分割模型，能处理多扫描仪数据并显著提升图像质量与分割精度 | 脑部分割指标提升不明显，样本量相对有限（共117例扫描） | 通过深度学习缩短MRI扫描时间并提升多器官分割精度 | 脑部、腹部和大腿的MRI图像 | 医学影像分析 | 多器官解剖分析 | 磁共振成像 | GAN, CNN, U-Net | 医学影像 | 30例脑部扫描（5400切片）、32例腹部扫描（1920切片）、55例大腿扫描（2200切片） | NA | GAN-MRI, AssemblyNet, 注意力残差U-Net | SNR, CNR, 肌肉分割提升21%, IMAT分割提升9%, SSAT分割提升1%, DSAT分割提升2%, VAT分割提升12% | NA |
| 3271 | 2025-11-20 |
Automatic segmentation of cone beam CT images using treatment planning CT images in patients with prostate cancer
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00946-7
PMID:40813534
|
研究论文 | 本研究提出一种结合高斯噪声和傅里叶域适应的混合方法，用于提升基于治疗计划CT的锥形束CT图像自动分割精度 | 通过生成人工伪CBCT数据集桥接tpCT与CBCT图像质量差异，无需改变原始tpCT图像或其轮廓 | 仅使用80例tpCT数据集，样本量有限；未与其他深度学习方法进行对比 | 改进前列腺癌患者锥形束CT图像的分割精度 | 男性骨盆区域的临床靶区、膀胱和直肠 | 数字病理 | 前列腺癌 | 锥形束CT，治疗计划CT，傅里叶域适应 | 深度学习分割模型 | 医学影像 | 80例治疗计划CT数据集 | NA | NA | Dice相似系数 | NA |
| 3272 | 2025-11-20 |
OrnAsia: A dataset of asian ornaments for image classification and cultural identification
2025-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112195
PMID:41255856
|
研究论文 | 本文介绍了一个包含1088张亚洲传统饰品高分辨率图像的数据集，用于图像分类和文化识别研究 | 填补了饰品相关数据集在文化背景和图像多样性方面的空白，提供了平衡的传统饰品类型和经过验证的标注 | 数据采集仅限于孟加拉国米尔普尔地区，可能无法完全代表整个亚洲地区的饰品多样性 | 支持计算机视觉和人工智能技术在文化饰品分类识别中的应用 | 六种亚洲传统饰品：手镯、戒指、耳环、头饰、项链和脚链 | 计算机视觉 | NA | 智能手机摄影 | 深度学习模型 | 图像 | 1088张高分辨率原始图像，分为6个类别 | NA | NA | NA | NA |
| 3273 | 2025-11-20 |
Deep learning-based noise reduction method for the system matrix in magnetic particle imaging
2025-Nov-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae19c9
PMID:41166879
|
研究论文 | 提出一种基于深度学习的磁粒子成像系统矩阵噪声抑制方法 | 首次将残差块与Swin Transformer模块结合的混合编码器-解码器网络用于MPI系统矩阵去噪 | 仅在模拟数据集和有限真实数据集上验证，未在更广泛的临床场景中测试 | 开发高效的噪声抑制方法以提升磁粒子成像图像质量 | 磁粒子成像系统矩阵 | 医学影像处理 | NA | 磁粒子成像 | 深度学习 | 系统矩阵数据 | 模拟数据集、OpenMPI数据集和内部MPI系统采集数据集 | NA | 混合编码器-解码器网络,Res-Blocks,Swin Transformer | 信噪比,峰值信噪比,结构相似性指数 | NA |
| 3274 | 2025-11-20 |
Diagnostic performance of X-ray-based deep learning models for detecting ankle and foot fractures: a systematic review and meta-analysis
2025-Nov-19, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05078-y
PMID:41254255
|
系统评价与荟萃分析 | 评估基于X射线的深度学习模型在检测踝足骨折中的诊断性能 | 首次对深度学习模型在踝足骨折X射线检测中的诊断准确性进行系统性综述和荟萃分析 | 纳入研究数量有限(14项)，需要更大样本量和外部验证的进一步研究 | 评估AI模型使用X射线图像检测踝足骨折的诊断准确性 | 踝部和足部骨折 | 医学影像分析 | 骨科创伤 | X射线成像 | 深度学习模型 | X射线图像 | 基于14项研究的汇总分析 | NA | NA | 灵敏度,特异性,F1分数,DOR | NA |
| 3275 | 2025-11-20 |
Image Fusion for Super-Resolution Mass Spectrometry Imaging of Plant Tissue
2025-Nov-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512662
PMID:41255198
|
研究论文 | 本研究提出了一种专用于植物组织质谱成像数据超分辨率融合的损失控制残差网络工作流程 | 开发了边缘感知损失函数来评估复杂形态信息，实现了高达20倍放样的高质量超分辨率融合图像 | 未明确说明样本数量和数据规模 | 提升植物组织质谱成像数据的超分辨率融合效果 | 植物组织质谱成像数据 | 计算机视觉 | NA | 质谱成像 | CNN | 图像 | NA | NA | 残差网络 | 边缘感知损失 | NA |
| 3276 | 2025-11-20 |
Modulus Matching and Interface Enhancement: A Synergistic Strategy for Antidelamination High-Performance Stretchable Triboelectric Nanogenerator
2025-Nov-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518027
PMID:41255257
|
研究论文 | 提出一种基于同源聚合物配对的抗分层高性能可拉伸摩擦纳米发电机构建策略 | 通过分子连续界面设计实现模量匹配和应变协调，结合超声空化处理将界面韧性提升至传统PDMS基界面的3.2倍 | NA | 开发具有抗分层特性的高性能可拉伸摩擦纳米发电机 | 摩擦纳米发电机的功能层界面 | 柔性电子 | NA | 超声空化处理 | 深度学习算法 | 字符识别数据 | NA | NA | NA | 准确率 | NA |
| 3277 | 2025-11-20 |
Patent analysis of mRNA therapy using deep learning
2025-Nov-19, Naunyn-Schmiedeberg's archives of pharmacology
DOI:10.1007/s00210-025-04734-3
PMID:41258061
|
研究论文 | 基于深度学习方法的mRNA治疗专利分析研究 | 首次结合深度学习和社会网络分析方法对mRNA治疗专利进行定量分析和未来预测 | 仅基于Derwent专利数据库，时间跨度为27年 | 通过专利分析阐明mRNA技术竞争格局，为技术创新和产业发展提供依据 | mRNA治疗相关专利 | 自然语言处理 | 传染病,癌症 | 专利分析,社会网络分析 | 深度学习,机器学习 | 专利文本 | 27年的mRNA治疗专利数据 | NA | NA | NA | NA |
| 3278 | 2025-11-20 |
PMI estimation with cross-species transfer learning and visual information generated by pathomics foundation model
2025-Nov-19, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-025-03659-z
PMID:41258447
|
研究论文 | 提出基于病理学基础模型和跨物种迁移学习的死后间隔(PMI)估计框架，通过两阶段微调策略和可视化方法解决动物到人类样本的可迁移性和模型可解释性问题 | 采用两阶段跨物种迁移学习策略，先使用猪肝全玻片图像预训练，再用少量人类数据微调；开发了包含概率图、类别图和分类比例直方图的可视化框架增强模型可解释性 | 人类样本数量有限(23例)，可能影响模型泛化能力；仅使用肝脏组织，未验证其他器官的适用性 | 开发准确、可解释的死后间隔(PMI)估计方法，解决法医病理学中的关键问题 | 猪肝和人类肝脏组织的全玻片图像 | 数字病理学 | 法医病理学 | 全玻片图像分析 | Vision Transformer, CNN | 病理图像 | 16例猪样本和23例人类样本 | NA | ResNet50, DenseNet121, SongCi, UNI | 准确率 | NA |
| 3279 | 2025-11-20 |
Biological Age Prediction of the Cerebellar Vermis in the Human Lifespan
2025-Nov-19, Cerebellum (London, England)
DOI:10.1007/s12311-025-01929-5
PMID:41258571
|
研究论文 | 利用深度学习从结构MRI预测小脑蚓部生物年龄并分析其老化模式 | 首次使用脑结构年龄深度学习生物标志物系统研究小脑蚓部区域特异性老化模式 | 横断面研究设计无法确定因果关系，样本仅来自单一数据库 | 评估小脑蚓部区域特异性老化模式及其影响因素 | 245名健康参与者的脑部MRI数据 | 医学影像分析 | 衰老相关疾病 | 结构磁共振成像 | 深度学习 | 3D T1加权磁共振图像 | 245名健康参与者（年轻组20-39岁，中年组40-59岁，老年组≥60岁） | NA | NA | 调整后R方 | 3T MRI，64通道线圈 |
| 3280 | 2025-11-20 |
Random Convolutions for Domain Generalization of Deep Learning-based Medical Image Segmentation Models
2025-Nov-19, Radiology. Artificial intelligence
DOI:10.1148/ryai.240502
PMID:41258795
|
研究论文 | 评估随机卷积作为数据增强策略在医学图像分割模型领域泛化能力提升中的应用效果 | 提出将随机卷积作为数据增强策略来提升医学图像分割模型的领域泛化能力 | 增强概率和配置需要在域内和域外性能之间进行权衡 | 提高深度学习医学图像分割模型的领域泛化能力 | 腹部器官分割（CT和MRI图像）和脑组织分割（T1w和T2w图像） | 医学图像分析 | 多器官分割 | CT, MRI, T1加权成像, T2加权成像 | UNet | 医学图像 | AbdomenCT-1k: 361例CT图像；AMOS: 298例CT和59例MRI扫描；IXI: 504例T1w图像和146对T1w/T2w图像 | NA | UNet | Dice系数 | NA |