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 33008 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2025-11-02 |
Development of Periapical Index Score Classification System in Periapical Radiographs Using Deep Learning
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01360-y
PMID:39671050
|
研究论文 | 开发基于深度学习的根尖周指数评分分类系统用于根尖周X线片分析 | 比较了两种不同的PAI评分二分类方法，发现将评分1和2归为同一类（健康）的分类方法性能更优 | 模型对早期根尖周炎（评分2）的准确分类仍存在困难，样本量相对有限 | 开发自动化的根尖周指数评分分类系统以辅助牙科诊断 | 根尖周X线片中的根尖周区域 | 计算机视觉 | 根尖周炎 | X射线成像 | CNN | 医学影像 | 520张根尖周X线片中的2266个根尖周区域 | NA | GoogLeNet, AlexNet, ResNet | 准确率 | NA |
| 362 | 2025-11-02 |
Diagnosing Respiratory Variability: Convolutional Neural Networks for Chest X-ray Classification Across Diverse Pulmonary Conditions
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01355-9
PMID:39673008
|
研究论文 | 本研究使用卷积神经网络对胸部X光图像进行分类，以诊断多种肺部疾病 | 比较了多种CNN模型在肺部疾病分类中的性能，发现VGG19模型在准确率方面表现最优 | NA | 开发基于深度学习的自动化肺部疾病诊断系统 | 胸部X光图像中的四种肺部疾病（肺部混浊、COVID-19、肺炎和气胸）以及健康胸部X光图像 | 计算机视觉 | 肺部疾病 | 医学影像分析 | CNN | 图像 | 8000张肺部疾病胸部X光图像和2000张健康胸部X光图像 | NA | VGG16, VGG19, InceptionV3, ResNet50 | 准确率 | NA |
| 363 | 2025-11-02 |
Semi-supervised Ensemble Learning for Automatic Interpretation of Lung Ultrasound Videos
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01344-y
PMID:39673011
|
研究论文 | 提出一种用于自动解读肺部超声视频的半监督集成学习框架 | 采用半监督方法利用未标记数据，并引入基于LUS发现层次结构的集成建模策略 | 未明确说明样本量的具体数值和计算资源细节 | 开发自动解读肺部点-of-care超声视频的深度学习框架 | 肺部超声视频及其包含的医学发现（如A线、B线、实变） | 计算机视觉 | 肺部疾病 | 肺部超声成像 | 深度学习 | 视频 | NA | NA | 残差(2+1)D架构 | F1-score | NA |
| 364 | 2025-11-02 |
Combining the Variational and Deep Learning Techniques for Classification of Video Capsule Endoscopic Images
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01352-y
PMID:39753827
|
研究论文 | 提出结合分数阶变分模型和深度学习技术的框架，用于视频胶囊内窥镜图像的多分类和感兴趣区域定位 | 首次将分数阶变分模型与深度学习结合，利用光学流彩色图捕捉视频序列的动态信息进行多分类，而非仅使用静态帧的空间信息 | 未明确说明数据集规模和多样性限制，未与其他先进方法进行广泛比较 | 开发自动化计算机辅助病变分类技术，提高胃肠道异常检测效率 | 视频胶囊内窥镜图像 | 计算机视觉 | 胃肠道癌症 | 视频胶囊内窥镜 | Faster RCNN, EfficientNet | 视频图像序列 | NA | NA | Faster RCNN, EfficientNet B0 | AUC, mAP, balanced accuracy | NA |
| 365 | 2025-11-02 |
GLAC-Unet: Global-Local Active Contour Loss with an Efficient U-Shaped Architecture for Multiclass Medical Image Segmentation
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01387-9
PMID:39821780
|
研究论文 | 提出一种结合全局-局部主动轮廓损失函数和改进U型架构的多类别医学图像分割方法 | 提出全局-局部主动轮廓损失函数，将全局和局部图像特征整合到Mumford-Shah框架中，并扩展用于多类别分割 | NA | 解决医学图像分割中遮挡和非均匀强度等挑战，提高多类别分割精度 | 医学图像分割 | 计算机视觉 | 皮肤病、心脏病、脑部疾病 | 皮肤镜检查、心脏磁共振成像、脑部磁共振成像 | U-Net | 二维和三维医学图像 | 三个生物医学分割数据集（ISIC-2018、ACDC 2017、Infant Brain MRI Segmentation Challenge 2019） | NA | U-Net, Dense Layers, Convolutional Block Attention Modules, DropBlock | Dice分数, p值 | NA |
| 366 | 2025-11-02 |
HCTTI: High-Performance Heterogeneous Computing Toolkit for Tissue Image Stain Normalization
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01398-6
PMID:39821779
|
研究论文 | 开发用于组织图像染色归一化的高性能异构计算工具包HCTTI，整合了WSI读取、切片归一化和存储优化 | 首个包含分布式WSI读取、归一化和序列化的综合工具包，实现了多节点分布式GPU加速 | 未明确说明工具包在不同硬件配置下的兼容性和具体支持的WSI格式范围 | 提高全幻灯片图像分析中染色归一化的计算效率 | 组织病理学全幻灯片图像 | 数字病理学 | 癌症 | 全幻灯片成像，染色归一化 | NA | 医学图像 | NA | TIAToolbox | NA | 加速比，读写速度 | 多节点分布式GPU实现 |
| 367 | 2025-11-02 |
Utilizing a Novel Convolutional Neural Network for Diagnosis and Lesion Delineation in Colorectal Cancer Screening
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01396-8
PMID:39821781
|
研究论文 | 本研究开发了一种新型卷积神经网络模型，用于结直肠癌筛查中的癌症分类和病变区域定位 | 提出具有并行全局和局部特征提取分支的创新CNN架构，以及独特的分类头设计，能够同时实现癌症分类和生成病变区域热力图 | 研究仅在四个医疗机构的8260张图像上进行训练和验证，需要更大规模的多中心研究进一步验证 | 提高结直肠癌筛查的效率和准确性，实现早期检测 | 结直肠癌筛查图像 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 8260张来自四个医疗机构的筛查图像 | NA | 具有并行全局和局部特征提取分支的定制CNN架构 | 准确率,精确率,召回率,F1分数 | NA |
| 368 | 2025-11-02 |
PBCS-ConvNeXt: Convolutional Network-Based Automatic Diagnosis of Non-alcoholic Fatty Liver in Abdominal Ultrasound Images
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01394-w
PMID:39841370
|
研究论文 | 提出基于卷积网络的深度学习模型PBCS-ConvNeXt，用于腹部超声图像中非酒精性脂肪肝的自动诊断 | 提出包含三个关键组件的创新架构：用于鲁棒特征提取的可训练预处理模块、增强通道特征处理的ConvNeXt块、以及集成多阶段特征的增强块 | NA | 开发自动化的非酒精性脂肪肝计算机辅助诊断系统 | 腹部B模式超声图像 | 计算机视觉 | 非酒精性脂肪肝病 | 超声成像 | CNN | 图像 | NA | NA | ConvNeXt | 准确率, 敏感性, 特异性 | NA |
| 369 | 2025-11-02 |
Automated Detection of Cancer-Suspicious Findings in Japanese Radiology Reports with Natural Language Processing: A Multicenter Study
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01338-w
PMID:39843717
|
研究论文 | 开发基于规则的自然语言处理算法，用于从日本放射学报告中自动检测癌症可疑发现 | 针对日语放射学报告开发基于规则的NLP算法，并在多中心数据集上进行验证，证明其优于深度学习模型BERT | 仅针对胸部和腹部CT报告，未涵盖其他影像学检查类型 | 通过自然语言处理技术减少关键影像学发现的漏诊，避免患者随访和治疗延误 | 日语放射学报告中的癌症可疑发现 | 自然语言处理 | 癌症 | 自然语言处理(NLP) | 基于规则算法, BERT | 文本(放射学报告) | 来自六个机构的胸部和腹部CT报告 | NA | BERT | 精确率, 召回率, F1分数 | NA |
| 370 | 2025-11-02 |
Breast Cancer Histopathological Image Classification Based on Graph Assisted Global Reasoning
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01403-y
PMID:39843721
|
研究论文 | 提出一种基于图辅助全局推理的双流全局-局部网络(DSGLNet)用于乳腺癌组织病理图像分类 | 采用双流特征提取架构，结合卷积网络提取局部特征和图卷积映射构建全局特征交互空间，实现局部与全局特征的深度融合 | NA | 利用深度学习提取组织病理学特征并自动识别肿瘤信息，辅助医生进行高精度病理诊断 | 乳腺癌组织病理图像 | 数字病理学 | 乳腺癌 | 组织病理图像分析 | CNN, 图卷积网络 | 图像 | 公开BreakHis数据集，包含不同放大倍率的图像 | NA | 双流全局-局部网络(DSGLNet) | 准确率, 精确率 | NA |
| 371 | 2025-11-02 |
How to Efficiently Annotate Images for Best-Performing Deep Learning-Based Segmentation Models: An Empirical Study with Weak and Noisy Annotations and Segment Anything Model
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01408-7
PMID:39843720
|
研究论文 | 本文通过实证研究评估了不同图像标注策略对深度学习分割模型性能的影响 | 首次对六种标注策略变体（共9-10种子变体）在4个数据集上进行了全面的成本效益评估，发现精确轮廓标注在预算有限时几乎不是最优选择 | 研究仅基于4个数据集，可能需要更多数据集验证普适性 | 评估不同标注策略的成本效益，为研究者提供高效的图像标注方案 | 图像分割任务的标注策略 | 计算机视觉 | NA | 图像标注技术 | 深度神经网络 | 图像 | 4个数据集 | NA | Segment Anything Model | 分割性能，成本效益 | NA |
| 372 | 2025-11-02 |
Semi-Supervised Medical Image Segmentation Based on Frequency Domain Aware Stable Consistency Regularization
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01397-7
PMID:39843719
|
研究论文 | 提出一种基于频域感知稳定一致性正则化的半监督医学图像分割方法 | 利用图像固有频域信息作为一致性约束，并在编码器阶段引入监督机制 | NA | 改进半监督医学图像分割方法的性能 | 医学图像 | 计算机视觉 | NA | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 373 | 2025-11-02 |
Deep Learning-Based Multi-View Projection Synthesis Approach for Improving the Quality of Sparse-View CBCT in Image-Guided Radiotherapy
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01390-0
PMID:39849201
|
研究论文 | 提出一种基于深度学习的多视图投影合成方法，用于改善图像引导放疗中稀疏视图CBCT的图像质量 | 首次将动态卷积层和残差学习技术整合到2D U-Net中，用于正弦图恢复，并通过多视图投影合成方法准确合成缺失投影 | 研究仅基于163例真实患者数据，需要更大规模数据验证通用性 | 提高图像引导放疗中稀疏视图低剂量CBCT的图像质量 | 锥束计算机断层扫描(CBCT)图像 | 医学影像处理 | 肿瘤放疗 | 锥束计算机断层扫描(CBCT) | CNN | 医学影像 | 163例训练患者，30例验证患者，30例测试患者 | NA | 2D U-Net | RMSE, PSNR, SSIM, FSIM | NA |
| 374 | 2025-11-02 |
Wound Segmentation with U-Net Using a Dual Attention Mechanism and Transfer Learning
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01386-w
PMID:39849203
|
研究论文 | 提出一种融合双注意力机制和迁移学习的U-Net模型用于精确伤口分割 | 在U-Net架构中集成双注意力机制，结合VGG16和迁移学习技术 | NA | 开发精确的伤口图像分割方法以辅助皮肤病诊断和治疗 | 糖尿病足溃疡图像、急性和慢性伤口图像 | 计算机视觉 | 皮肤病 | 深度学习 | CNN, U-Net | 图像 | NA | NA | U-Net, VGG16 | Dice系数, IoU | NA |
| 375 | 2025-11-02 |
Multi-class Classification of Retinal Eye Diseases from Ophthalmoscopy Images Using Transfer Learning-Based Vision Transformers
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01416-7
PMID:39871038
|
研究论文 | 本研究探索基于视觉变换器和卷积神经网络的迁移学习方法，用于从眼底图像中分类视网膜疾病 | 采用眼科专用预训练ViT骨干网络，在视网膜疾病多分类任务中实现显著准确率提升 | 仅使用4217张图像的平衡子集，数据集规模有限 | 开发自动诊断视网膜疾病的深度学习模型 | 糖尿病视网膜病变、青光眼和白内障三种常见眼病 | 计算机视觉 | 视网膜疾病 | 眼底成像 | CNN, ViT | 图像 | 4217张眼底图像 | TensorFlow, PyTorch | ResNet50, DenseNet121, Inception-ResNetV2, ViT | 准确率, 精确率, 召回率, F1分数 | NA |
| 376 | 2025-11-02 |
In Vivo Confocal Microscopy for Automated Detection of Meibomian Gland Dysfunction: A Study Based on Deep Convolutional Neural Networks
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01174-y
PMID:39871043
|
研究论文 | 本研究基于深度卷积神经网络开发了一个自动诊断和分类睑板腺功能障碍的模型 | 首次将DenseNet-169架构应用于睑板腺功能障碍的IVCM图像自动诊断和分类 | 第五分类中睑板腺萎缩伴阻塞组的精确度相对较低 | 构建基于IVCM图像的睑板腺功能障碍自动诊断和分类系统 | 睑板腺功能障碍患者的在体共聚焦显微镜图像 | 计算机视觉 | 眼科疾病 | 在体共聚焦显微镜 | CNN | 图像 | 训练集6643张IVCM图像（来自3家医院），测试集1661张IVCM图像（来自另外2家医院） | NA | DenseNet-169 | AUROC, 准确率, 精确率, 召回率, 真阴性率, 真阳性率, 假阳性率 | NA |
| 377 | 2025-11-02 |
Validation of UniverSeg for Interventional Abdominal Angiographic Segmentation
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01349-7
PMID:39871044
|
研究论文 | 验证UniverSeg模型在介入性腹部血管造影分割中的可行性 | 首次在介入性血管造影数据上验证无血管造影训练的跨学习分割模型UniverSeg | 研究基于回顾性数据，模型性能受血管直径和分叉数量影响 | 评估UniverSeg模型在血管造影分割中的适用性 | 234名接受腹腔干介入性荧光检查的患者 | 医学影像分析 | 血管疾病 | 介入性荧光检查 | 深度学习分割模型 | 医学影像 | 234名患者的303张最大对比度图像 | NA | UniverSeg | Dice相似系数, 平衡平均Hausdorff距离 | NA |
| 378 | 2025-11-02 |
MHNet: Multi-view High-Order Network for Diagnosing Neurodevelopmental Disorders Using Resting-State fMRI
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01399-5
PMID:39875742
|
研究论文 | 提出一种多视角高阶网络MHNet，利用静息态功能磁共振成像数据诊断神经发育障碍 | 首次结合欧几里得空间和非欧几里得空间的多视角特征学习，通过高阶特征提取提升神经发育障碍分类性能 | 未明确说明模型计算复杂度及对临床应用的适用性 | 开发深度学习模型用于神经发育障碍的自动诊断 | 神经发育障碍患者（包括ASD和ADHD）的脑功能网络 | 医学影像分析 | 神经发育障碍 | 静息态功能磁共振成像 | CNN,GNN | 脑功能网络数据 | 三个公共数据集（未指定具体样本量） | NA | MHNet（包含ESFE模块、Non-ESFE模块和FFC模块） | 分类准确率 | NA |
| 379 | 2025-11-02 |
End-to-End Deep Learning Prediction of Neoadjuvant Chemotherapy Response in Osteosarcoma Patients Using Routine MRI
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01424-7
PMID:39875741
|
研究论文 | 开发端到端深度学习模型预测骨肉瘤患者新辅助化疗疗效 | 首次将ResUNet肿瘤分割与3D-ResNet-18疗效预测整合为端到端深度学习框架 | 回顾性研究且样本量有限（112例患者） | 利用常规MRI预测骨肉瘤患者新辅助化疗反应 | 经组织学确认的骨肉瘤患者 | 医学影像分析 | 骨肉瘤 | 磁共振成像（MRI） | 深度学习 | 医学影像 | 112例骨肉瘤患者（51例反应良好，61例反应不佳） | NA | ResUNet, 3D-ResNet-18 | AUC, ACC, Dice系数, IoU, 敏感度, 特异度, F1分数 | NA |
| 380 | 2025-11-02 |
Automatic Identification of Adenoid Hypertrophy via Ensemble Deep Learning Models Employing X-ray Adenoid Images
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01423-8
PMID:39885079
|
研究论文 | 本研究开发了一种基于集成深度学习的腺样体肥大自动识别方法，通过比较掩码和非掩码X射线图像分类性能 | 首次将集成深度学习模型应用于腺样体肥大识别，并系统比较了掩码预处理对分类性能的影响 | 数据集仅来自单一医院，样本来源有限，需要更多外部验证 | 开发自动识别腺样体肥大的AI方法，提高诊断准确性 | 腺样体肥大患者 | 计算机视觉 | 腺样体肥大 | X射线成像 | CNN | 图像 | 来自Batman培训研究医院的掩码和非掩码X射线图像数据集 | NA | EfficientNet, MobileNet, ResNet50, ResNet152, VGG16, Xception | 准确率, F1分数 | NA |