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 32373 篇文献，本页显示第 3621 - 3640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3621 | 2025-10-06 |
Noise Reduction in Brain CT: A Comparative Study of Deep Learning and Hybrid Iterative Reconstruction Using Multiple Parameters
2024-12-18, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10120147
PMID:39728909
|
研究论文 | 比较深度学习重建与混合迭代重建在脑部CT中的噪声降低效果 | 首次系统比较DLR和HIR在不同切片厚度、管电流和成像对象下的噪声降低性能 | 样本量较小（仅11名患者），缺乏多中心验证 | 评估脑部CT中不同重建方法的噪声降低效果 | 16cm剂量体模、头部体模和11名患者的脑部CT图像 | 医学影像处理 | 脑部疾病 | 计算机断层扫描(CT) | 深度学习重建(DLR) | CT图像 | 11名患者加两种体模 | NA | NA | 噪声降低比率, 视觉图像质量评估 | NA |
| 3622 | 2025-10-06 |
Three-Dimensional Thermal Tomography with Physics-Informed Neural Networks
2024-11-30, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10120140
PMID:39728902
|
研究论文 | 本研究利用物理信息神经网络进行三维热层析成像，从表面温度数据重建内部温度场 | 将物理约束（热方程）嵌入损失函数，结合统计不确定性训练，提高了在非理想条件下的鲁棒性 | 对于较大尺寸物体（特别是远离表面的区域），在非理想条件下预测能力会下降 | 开发高精度的非侵入式热成像技术，用于内部温度场重建 | 人体等具有小温度梯度的生物体 | 计算机视觉 | NA | 热层析成像 | CNN | 温度数据 | 小型体模（如直径10厘米） | NA | 3D CNN | 准确性 | NA |
| 3623 | 2025-10-06 |
STANet: A Novel Spatio-Temporal Aggregation Network for Depression Classification with Small and Unbalanced FMRI Data
2024-11-28, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10120138
PMID:39728900
|
研究论文 | 提出一种新型时空聚合网络STANet，用于解决小样本和不平衡fMRI数据的抑郁症分类问题 | 结合CNN和RNN捕获脑活动的时空特征，采用ICA进行时空信息聚合，使用多尺度深度卷积提取细节特征，并引入注意力-傅里叶门控循环单元分类器 | 基于小样本和不平衡fMRI数据，可能影响模型泛化能力 | 通过功能磁共振成像和人工智能技术改进抑郁症诊断 | 抑郁症患者的功能磁共振成像数据 | 医学影像分析 | 抑郁症 | 功能磁共振成像(fMRI), 独立成分分析(ICA) | CNN, RNN, GRU | 功能磁共振成像数据 | 小样本不平衡数据 | NA | STANet, AFGRU | 准确率, AUC | NA |
| 3624 | 2025-10-06 |
Evolving and Novel Applications of Artificial Intelligence in Abdominal Imaging
2024-11-18, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10110133
PMID:39590942
|
综述 | 本文评估人工智能在腹部影像学领域的当前应用现状，重点关注诊断优化、工作流程改进和定量成像技术 | 系统梳理AI在腹部多器官（肝胆、胰腺、胃、结肠等）病理诊断与鉴别的最新应用，并强调放射组学和深度学习在组织特性量化分析中的创新价值 | 存在技术、伦理和法律方面的持续挑战 | 评估人工智能在腹部影像学中的发展现状与临床应用价值 | 腹部器官（肝胆、胰腺、胃、结肠、肾脏、肾上腺、脾脏）的病理诊断与组织特性分析 | 医学影像分析 | 腹部多器官疾病 | 放射组学，深度学习 | 深度学习模型 | 医学影像数据 | NA | NA | NA | NA | NA |
| 3625 | 2025-10-06 |
Skeletal Muscle Segmentation at the Level of the Third Lumbar Vertebra (L3) in Low-Dose Computed Tomography: A Lightweight Algorithm
2024-09-13, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10090111
PMID:39330757
|
研究论文 | 提出一种用于低剂量CT图像中第三腰椎水平骨骼肌自动分割的轻量级算法 | 开发了一种轻量级分割算法，专门针对低剂量CT图像中的骨骼肌分割问题，并在计算效率上优于现有深度学习算法 | 样本量较小（57例直肠癌患者），仅针对特定疾病人群 | 开发自动化的骨骼肌分割方法以评估患者营养状况 | 直肠癌患者的低剂量盆腔CT图像 | 医学图像分析 | 直肠癌 | 低剂量计算机断层扫描 | NA | CT图像 | 57例直肠癌患者（30例训练集，27例测试集） | NA | NA | Dice相似系数, 精确率, 召回率, Hausdorff距离95百分位数, 平均表面距离 | CPU（算法运行时间303±43 ms） |
| 3626 | 2025-10-06 |
Integrating Clinical Data and Radiomics and Deep Learning Features for End-to-End Delayed Cerebral Ischemia Prediction on Noncontrast CT
2024-Sep-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8301
PMID:39025637
|
研究论文 | 开发了一种集成临床数据、影像组学和深度学习特征的端到端模型，用于基于非增强CT预测动脉瘤性蛛网膜下腔出血后的迟发性脑缺血 | 首次提出结合临床数据、影像组学和深度学习特征的两阶段端到端模型，采用ATT-Deeplabv3+进行半监督学习的出血区域自动分割 | 回顾性研究设计，样本量相对有限（400例患者） | 开发自动化模型预测动脉瘤性蛛网膜下腔出血后的迟发性脑缺血 | 400例动脉瘤性蛛网膜下腔出血患者（其中156例患有迟发性脑缺血） | 医学影像分析 | 脑血管疾病 | 非增强CT成像 | ATT-Deeplabv3+, 逻辑回归, 朴素贝叶斯, AdaBoost, 多层感知机 | 医学影像, 临床数据 | 400例患者 | NA | ATT-Deeplabv3+, 多层感知机 | Dice相似系数, AUC, 校准曲线 | NA |
| 3627 | 2025-10-06 |
MR Cranial Bone Imaging: Evaluation of Both Motion-Corrected and Automated Deep Learning Pseudo-CT Estimated MR Images
2024-Sep-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8335
PMID:38991771
|
研究论文 | 评估基于运动校正和深度学习生成的伪CT颅骨MR图像在临床应用的潜力 | 开发了自动运动校正技术并结合深度学习从MR图像生成伪CT图像，首次实现无需电离辐射的颅骨诊断质量成像 | 样本量有限，仅针对儿科患者进行研究，需要更大规模验证 | 评估运动校正伪CT颅骨图像在临床诊断中的可行性和准确性 | 儿科颅骨影像（颅缝闭合和颅骨骨折） | 医学影像分析 | 颅骨创伤和颅缝早闭 | MR成像，深度学习伪CT生成 | 深度学习 | 医学影像（CT和MR图像） | 72名患者（12名颅缝闭合评估，60名头部创伤评估） | NA | NA | 特异性，敏感性 | NA |
| 3628 | 2025-10-06 |
Assessing the Emergence and Evolution of Artificial Intelligence and Machine Learning Research in Neuroradiology
2024-Sep-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8252
PMID:38521092
|
研究论文 | 通过文献计量学分析评估神经放射学中人工智能和机器学习研究的出现与演变趋势 | 首次对神经放射学领域AI/ML研究进行系统性文献计量分析，提出三类文章分类框架（统计建模、AI/ML开发、终端用户应用） | 仅分析单一期刊（美国神经放射学杂志），可能无法代表整个领域的研究全貌 | 表征神经放射学领域AI/ML研究的出现与演变，提供该领域趋势、挑战和未来方向的全面概述 | 1980年1月1日至2022年12月3日期间美国神经放射学杂志发表的AI/ML相关原创研究文章 | 神经放射学 | NA | 文献计量分析 | NA | 文献数据 | 182篇符合条件的研究文章 | NA | NA | NA | NA |
| 3629 | 2025-10-06 |
A Joint Classification Method for COVID-19 Lesions Based on Deep Learning and Radiomics
2024-09-05, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10090109
PMID:39330755
|
研究论文 | 提出基于深度学习和影像组学的联合分类方法用于COVID-19肺部病灶分类 | 提出MFPN神经网络模型提取病灶深度特征，并首次将深度特征与关键影像组学特征结合用于COVID-19分类 | NA | 验证深度学习和影像组学方法在COVID-19病灶分类中的性能，揭示COVID-19肺部疾病的影像特征 | COVID-19肺部病灶 | 计算机视觉 | COVID-19肺炎 | 影像组学 | MFPN神经网络 | 医学影像 | NA | NA | MFPN | NA | NA |
| 3630 | 2025-10-06 |
Artificial Intelligence in Metabolomics: A Current Review
2024-Sep, Trends in analytical chemistry : TRAC
DOI:10.1016/j.trac.2024.117852
PMID:39071116
|
综述 | 本文综述了人工智能在代谢组学中的最新方法与应用 | 系统总结了AI在代谢组学分析各环节的应用现状与前景 | 存在AI模型可解释性不足、数据标准化等挑战 | 探讨人工智能与代谢组学在系统生物学和人类健康领域的协同应用 | 代谢组学研究中的分析检测、数据预处理、生物标志物发现等环节 | 机器学习 | NA | 代谢组学技术 | 机器学习,深度学习 | 代谢组数据 | NA | NA | NA | NA | NA |
| 3631 | 2025-10-06 |
From sleep patterns to heart rhythm: Predicting atrial fibrillation from overnight polysomnograms
2024 Sep-Oct, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 利用夜间多导睡眠图的心电图数据预测心房颤动风险 | 结合手工特征工程和深度学习模型，首次利用夜间单导联心电图数据进行房颤预测 | 精确度较低（0.3），存在较多假阳性结果 | 通过分析夜间多导睡眠图心电图数据预测心房颤动发生风险 | 13,609名接受多导睡眠图检查的受试者 | 医疗人工智能 | 心血管疾病 | 多导睡眠图，心电图分析 | 深度神经网络，浅层神经网络 | 单导联心电图信号 | 18,782条心电图记录（13,609名受试者） | NA | 基于PhysioNet Challenge 2021预训练模型的迁移学习架构 | 敏感度，特异度，精确度，风险比 | NA |
| 3632 | 2025-10-06 |
Deep learning classification of ex vivo human colon tissues using spectroscopic optical coherence tomography
2024-09, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400082
PMID:38955358
|
研究论文 | 本研究开发了一种基于光谱光学相干断层扫描和深度学习的人类结肠组织分类方法 | 将光谱OCT技术扩展到人类离体结肠组织分析，并开发了新型深度学习架构 | 研究基于离体组织样本，尚未进行在体临床应用验证 | 改进结直肠癌筛查技术，开发光学活检方法 | 人类离体结肠上皮组织样本 | 数字病理 | 结直肠癌 | 光谱光学相干断层扫描 | 深度学习 | OCT图像 | NA | NA | 新型深度学习架构 | 准确率 | NA |
| 3633 | 2025-10-06 |
Image-domain material decomposition for dual-energy CT using unsupervised learning with data-fidelity loss
2024-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17255
PMID:38865687
|
研究论文 | 提出一种基于无监督学习和数据保真度损失的双能CT图像域材料分解方法 | 将迭代分解与基于深度学习的图像先验结合在GAN架构中，无需配对数据进行训练 | NA | 开发用于双能CT图像域材料分解的无监督学习框架 | 头部和肺部数字体模及临床患者数据 | 医学影像处理 | NA | 双能计算机断层扫描(DECT) | GAN | CT图像 | 头部和肺部数字体模及临床患者研究 | NA | 生成对抗网络(GAN) | 标准差(SD), 结构相似性指数(SSIM) | NA |
| 3634 | 2025-10-06 |
Diffeomorphic transformer-based abdomen MRI-CT deformable image registration
2024-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17235
PMID:38820286
|
研究论文 | 提出一种基于微分同胚变换器的腹部MRI-CT形变图像配准方法，用于肝脏立体定向放射治疗 | 首次将Swin Transformer与CNN结合用于多模态医学图像配准，采用拓扑保持的微分同胚变形特征和跨模态相似性损失函数 | 研究样本量有限（50例），仅针对肝脏病例进行验证 | 开发准确的腹部MRI-CT形变图像配准方法以改善肝脏立体定向放射治疗计划 | 肝脏转移瘤患者的腹部MRI和CT图像 | 医学图像处理 | 肝脏转移瘤 | 形变图像配准，深度学习 | CNN, Transformer | 医学图像（MRI, CT） | 50例肝脏病例的MRI和CT扫描数据 | NA | Swin Transformer, 卷积神经网络 | 目标配准误差，Dice相似系数，平均表面距离 | NA |
| 3635 | 2025-10-06 |
Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T
2024-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30106
PMID:38576068
|
研究论文 | 开发并评估基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率笛卡尔首过心肌灌注成像 | 提出3D物理驱动展开网络架构用于灌注成像重建，并开发2D U-Net运动校正网络 | 训练数据仅包含20名受试者的135个切片，样本量相对有限 | 开发快速高质量的图像重建和运动校正技术用于心肌灌注成像 | 心肌灌注成像数据 | 医学影像分析 | 心血管疾病 | 笛卡尔首过心肌灌注成像 | 深度学习 | 医学影像 | 20名受试者的135个切片 | NA | 3D物理驱动展开网络, 2D U-Net | SSIM, PSNR, NRMSE, 图像质量评分, 时间保真度, 二阶导数 | GPU加速 |
| 3636 | 2025-10-06 |
Deep Learning for Grading Endometrial Cancer
2024-Sep, The American journal of pathology
DOI:10.1016/j.ajpath.2024.05.003
PMID:38879079
|
研究论文 | 本研究开发了EndoNet深度学习模型，用于子宫内膜癌的病理分级 | 结合卷积神经网络提取组织学特征和视觉变换器聚合特征，无需人工标注即可实现子宫内膜癌分级 | 需要进一步验证，外部测试集性能略有下降 | 开发自动化的子宫内膜癌病理分级系统 | 子宫内膜癌患者的数字化全切片图像 | 数字病理学 | 子宫内膜癌 | 苏木精-伊红染色 | CNN, Vision Transformer | 图像 | 929张全切片图像（训练集），内部测试集110例患者，外部测试集100例患者 | NA | EndoNet（CNN+Vision Transformer） | F1分数，AUC | NA |
| 3637 | 2025-10-06 |
Visceral Adiposity and Progression of ADPKD: A Cohort Study of Patients From the TEMPO 3:4 Trial
2024-Sep, American journal of kidney diseases : the official journal of the National Kidney Foundation
IF:9.4Q1
DOI:10.1053/j.ajkd.2024.02.014
PMID:38608748
|
研究论文 | 本研究通过深度学习分析MRI图像，探讨内脏脂肪与常染色体显性多囊肾病进展的关系 | 首次使用深度学习从冠状面MRI扫描中量化内脏脂肪，并证明其与ADPKD肾脏生长和托伐普坦疗效的独立关联 | 回顾性研究设计、仅纳入快速进展患者、深度学习计算需求大 | 研究内脏脂肪与ADPKD肾脏生长速度及托伐普坦疗效的关系 | 1,053名来自TEMPO 3:4试验的ADPKD高风险患者 | 数字病理学 | 常染色体显性多囊肾病 | 磁共振成像, 深度学习分割 | 深度学习 | 医学图像 | 1,053名ADPKD患者 | NA | NA | DeLong's test, 比值比, 置信区间 | NA |
| 3638 | 2025-10-06 |
Cost-Effectiveness of Artificial Intelligence-Based Opportunistic Compression Fracture Screening of Existing Radiographs
2024-Sep, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2023.11.029
PMID:38527641
|
研究论文 | 评估基于人工智能的骨质疏松性椎体压缩骨折机会性筛查的成本效益 | 利用现有胸腹部X光片开发AI软件进行骨折筛查，并首次评估其成本效益 | 采用确定性预期值成本效用模型，未考虑所有不确定性因素；从有限社会视角考虑成本 | 评估基于AI的骨质疏松性椎体压缩骨折机会性筛查的成本效益 | 骨质疏松性椎体压缩骨折患者 | 医学影像分析 | 骨质疏松性骨折 | 深度学习算法 | 深度学习 | X光影像 | NA | NA | NA | 灵敏度, 特异度 | NA |
| 3639 | 2025-10-06 |
RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction
2024-Sep-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168552
PMID:38552946
|
研究论文 | 本文提出了RNA3DB数据集，用于训练和评估RNA结构预测的深度学习模型 | 通过将RNA三维链划分为结构和序列均不冗余的组件，确保训练集和测试集之间不存在结构重叠 | 数据集依赖于PDB中实验解析的RNA结构，这些结构在数量和多样性上相对有限 | 解决RNA结构预测中训练集和测试集结构重叠导致的性能虚高问题 | 结构RNA分子 | 机器学习 | NA | 结构生物信息学分析 | NA | 三维结构数据 | 来自PDB的RNA三维链集合 | NA | NA | NA | NA |
| 3640 | 2025-10-06 |
Artificial intelligence in ovarian cancer drug resistance advanced 3PM approach: subtype classification and prognostic modeling
2024-Sep, The EPMA journal
DOI:10.1007/s13167-024-00374-4
PMID:39239109
|
研究论文 | 本研究利用人工智能技术分析卵巢癌耐药特征，构建患者亚型分类和深度学习预后模型 | 首次在3PM框架下结合单细胞耐药特征进行多组学聚类，并采用新型KAN架构改进DeepSurv预后模型 | 研究依赖于公开数据库数据，需要进一步实验验证 | 在预测性、预防性和个性化医学框架下解决卵巢癌耐药性问题 | 卵巢癌患者和癌细胞 | 机器学习 | 卵巢癌 | 单细胞分析,多组学聚类 | 深度学习 | 单细胞表达数据,多组学数据 | TCGA训练集21,937个细胞，三个GEO外部验证集(GSE17260, GSE26712, GSE51088) | Beyondcell, DeepSurv | KAN | 预后预测性能 | NA |