深度学习在生物医药领域中的应用
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，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10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 24772 篇文献，本页显示第 4881 - 4900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4881 | 2025-04-12 |
Evaluation of SR-DLR in low-dose abdominal CT: superior image quality and noise reduction
2025-May, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04686-x
PMID:39560744
|
research paper | 评估超分辨率深度学习重建（SR-DLR）在低剂量腹部CT成像中的效果，与混合迭代重建（HIR）和传统深度学习重建（cDLR）算法进行比较 | SR-DLR在噪声纹理和分辨率方面优于cDLR，提供了更优的图像质量和噪声降低 | 研究样本量较小（35名患者），且为回顾性分析 | 评估不同图像重建算法在低剂量腹部CT成像中的效果 | 低剂量腹部CT扫描图像 | 数字病理 | NA | 超分辨率深度学习重建（SR-DLR），混合迭代重建（HIR），传统深度学习重建（cDLR） | 深度学习 | CT图像 | 35名患者的腹部CT扫描数据 |
| 4882 | 2025-04-12 |
Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29670
PMID:39643475
|
研究论文 | 开发并验证了一种基于动态对比增强MRI（DCE-MRI）的深度学习系统，用于自动分割肿瘤并分类HER2-zero、HER2-low和HER2-positive状态的乳腺癌 | 首次使用深度学习系统（ResNetGN）基于DCE-MRI数据自动分割肿瘤并分类HER2状态，填补了此前研究在深度学习应用上的不确定性 | 研究为回顾性设计，可能存在选择偏差，且样本仅来自三个中心，可能影响模型的泛化能力 | 开发一种自动化工具，通过DCE-MRI数据在术前区分乳腺癌的HER2表达状态，以指导治疗决策 | 1294名乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例）的DCE-MRI数据 | 数字病理学 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | ResNetGN | MRI图像 | 1294例乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例） |
| 4883 | 2025-04-12 |
Deep learning algorithm classification of tympanostomy tube images from a heterogenous pediatric population
2025-May, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2025.112311
PMID:40096786
|
研究论文 | 本研究评估了一种基于深度学习算法的AI技术，用于通过家用数字耳镜图像分类儿童鼓膜置管状态 | 首次在异质性儿科人群中验证了基于消费级数字耳镜图像的深度学习算法对鼓膜置管状态的分类能力 | 排除了有鼓膜成形术或胆脂瘤病史的患者，样本量相对较小(69名儿童) | 评估AI算法通过数字耳镜图像准确判断鼓膜置管状态(在位通畅/脱出/缺失)的能力 | 10个月至10岁有鼓膜置管史的儿科患者 | 数字病理 | 儿科耳科疾病 | 深度学习 | 深度学习算法(未指定具体架构) | 图像 | 69名儿童产生的296张耳镜图像 |
| 4884 | 2025-03-23 |
Correction to: Application of deep learning models for accurate classification of fluid collections in acute necrotizing pancreatitis on computed tomography: a multicenter study
2025-May, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04836-9
PMID:40116891
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4885 | 2025-04-12 |
Application of deep learning techniques for breath-hold, high-precision T2-weighted magnetic resonance imaging of the abdomen
2025-May, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04675-0
PMID:39535616
|
research paper | 评估基于深度学习的PIQE算法在高精度单次激发快速自旋回波(SS-FSE)序列中用于腹部T2加权磁共振成像的可行性，并与标准SS-FSE和多激发(MS)-FSE序列进行比较 | 首次将深度学习算法PIQE应用于高精度SS-FSE序列，显著提高了图像质量和诊断能力 | 研究设计为单中心回顾性研究，且缺乏病理学确认 | 评估深度学习算法在腹部MRI中的临床应用价值 | 腹部MRI图像质量 | digital pathology | NA | MRI, 深度学习 | PIQE算法 | 医学影像 | 105例接受腹部MRI检查的患者 |
| 4886 | 2025-04-12 |
Editorial for "Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29697
PMID:39776259
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4887 | 2025-04-12 |
A new multimodal medical image fusion framework using Convolution Neural Networks
2025-Apr-11, Journal of medical engineering & technology
DOI:10.1080/03091902.2025.2488827
PMID:40214199
|
研究论文 | 提出了一种基于卷积神经网络的多模态医学图像融合新框架 | 优化卷积层数量并选择适当的激活函数，采用三层卷积层和swish激活函数提取输入图像的显著特征，使用逐元素融合规则防止医学图像关键细节丢失 | NA | 开发一种高效的医学图像融合方法以减少医学诊断时间 | 多模态医学图像 | 数字病理学 | NA | 深度学习 | CNN | 图像 | NA |
| 4888 | 2025-04-12 |
ERAS and the challenge of the new technologies
2025-Apr-11, Minerva anestesiologica
IF:2.9Q2
DOI:10.23736/S0375-9393.25.18746-4
PMID:40214219
|
research paper | 本文探讨了人工智能（AI）和新技术（NTs）在加速康复外科（ERAS）协议中的应用及其潜力 | 提出将AI和NTs整合到ERAS协议中，以解决实施挑战并改善患者护理 | 需要外部验证和数据安全方面的进一步研究 | 探索AI和NTs如何优化ERAS协议，提升围手术期医疗效果 | 围手术期医疗中的患者护理和ERAS协议实施 | machine learning | NA | machine learning, deep learning | NA | NA | NA |
| 4889 | 2025-04-12 |
Biological characteristics prediction of endometrial cancer based on deep convolutional neural network and multiparametric MRI radiomics
2025-Apr-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04929-5
PMID:40214699
|
研究论文 | 本研究结合多参数MRI、深度学习和机器学习，开发了一种优化的放射组学方案，用于预测子宫内膜癌的多种生物学特征 | 结合多参数MRI、深度学习和机器学习，开发了一种优化的放射组学方案，用于预测子宫内膜癌的多种生物学特征，并在多个预测任务中表现出色 | 回顾性研究，样本量相对较小（201例患者），可能存在选择偏差 | 预测子宫内膜癌的生物学特征，包括肌层浸润、淋巴血管间隙浸润、组织学分级和雌激素受体状态 | 201例子宫内膜癌患者 | 数字病理学 | 子宫内膜癌 | 多参数MRI、放射组学 | 深度卷积神经网络（CNN） | MRI图像 | 201例子宫内膜癌患者 |
| 4890 | 2025-04-12 |
Deep learning-based prediction of enhanced CT scans for lymph node metastasis in esophageal squamous cell carcinoma
2025-Apr-11, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01780-y
PMID:40214915
|
研究论文 | 本研究利用深度学习技术预测食管鳞状细胞癌患者的淋巴结转移 | 提出了一种结合CNN和LSTM的新型深度学习模型LymphoReso-Net，并整合GRAD-CAM增强模型可解释性 | 研究为回顾性研究，样本量相对有限 | 优化食管鳞状细胞癌患者的治疗策略并改善预后 | 食管鳞状细胞癌患者的增强CT图像 | 数字病理学 | 食管癌 | 增强CT扫描 | CNN和LSTM | 医学影像 | 441例接受根治性食管切除术和区域淋巴结清扫术的ESCC患者 |
| 4891 | 2025-04-12 |
MLG2Net: Molecular Global Graph Network for Drug Response Prediction in Lung Cancer Cell Lines
2025-Apr-10, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02182-3
PMID:40208442
|
research paper | 该研究提出了一种名为MLG2Net的深度学习模型，用于预测肺癌细胞系的药物反应 | MLG2Net是一种受图神经网络启发的模型，结合了药物的局部和全局图网络描述以及细胞系基因组学数据 | 在肺鳞状细胞癌数据集上表现较低，可能由于数据集规模较小影响了模型能力 | 提高肺癌细胞系药物反应预测的准确性 | 肺癌细胞系（肺腺癌和肺鳞状细胞癌） | machine learning | lung cancer | pharmacogenomics data | graph neural networks (GNN) | multi-omics data | LUAD和LUSC细胞系数据集（具体数量未提及） |
| 4892 | 2025-04-12 |
A Deep Learning-Based Approach for the Diagnostic of Brucellar Spondylitis in Magnetic Resonance Images
2025-Apr-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3559909
PMID:40208763
|
研究论文 | 提出了一种基于深度学习的自动化诊断框架BSMRINet，用于从T2加权磁共振图像中诊断布鲁氏菌性脊柱炎 | 首次开发了专门用于检测布鲁氏菌性脊柱炎的深度学习模型BSMRINet，结合了角点检测算法和ResNet、DenseNet架构，并改进了scSE网络 | 研究仅基于582例来自四家医院的数据，可能需要更大规模的多中心验证 | 开发自动化诊断工具以提高布鲁氏菌性脊柱炎的诊断准确性和效率 | 布鲁氏菌性脊柱炎患者的T2加权磁共振图像 | 数字病理学 | 布鲁氏菌病 | 深度学习 | ResNet, DenseNet, scSE网络 | 磁共振图像 | 582例来自四家医院的患者队列 |
| 4893 | 2025-04-12 |
Eliminating Rasterization: Direct Vector Floor Plan Generation with DiffPlanner
2025-Apr-10, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3559682
PMID:40208765
|
research paper | 提出了一种名为DiffPlanner的新型深度学习框架，用于边界约束的平面图生成，完全在向量空间中操作 | DiffPlanner是一个基于Transformer的条件扩散模型，集成了训练中的对齐机制，能够处理复杂的向量数据，更好地拟合预测目标的分布，实现用户可控的生成 | NA | 解决边界约束的平面图生成问题，直接生成房间的拓扑和几何属性 | 平面图布局设计 | computer vision | NA | 深度学习 | Transformer-based conditional diffusion model | vector data | NA |
| 4894 | 2025-04-12 |
Fetal Cerebellum Landmark Detection Based on 3D MRI: Method and Benchmark
2025-Apr-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3559702
PMID:40208761
|
研究论文 | 本文提出了一种基于3D MRI的胎儿小脑标志点检测方法及基准测试 | 引入了Anatomical Pseudo-label Guided Attention (APGA)网络和Feature Decoupling Transformer (FDT)模块，用于提高3D MRI图像中胎儿小脑标志点检测的准确性 | 未明确提及具体局限性，但可能包括对高质量3D MRI数据的依赖以及计算复杂度较高 | 提高胎儿小脑标志点检测的准确性，以评估胎儿大脑发育情况 | 胎儿小脑的3D MRI图像 | 数字病理 | 胎儿大脑发育异常 | 3D MRI成像 | APGA网络（包含FDT模块） | 3D MRI图像 | 未明确提及具体样本数量 |
| 4895 | 2025-04-12 |
Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP)
2025-Apr-10, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3559467
PMID:40208770
|
研究论文 | 本文旨在通过开发计算高效的基于模型的深度学习图像重建框架和联合优化框架，提高全3D螺旋轨迹高分辨率MR指纹扫描的效率和克服计算挑战 | 提出了一种计算高效的基于模型的深度学习图像重建框架，联合优化了图像重建、定量参数估计和k空间采样轨迹，并通过学习MRF数据的解剖特异性时空稀疏性，数据驱动优化了全3D螺旋轨迹的旋转角度 | NA | 提高3D定量MRI的参数量化精度并缩短重建时间 | 健康受试者和患者的模拟和体内MRF数据 | 医学影像处理 | NA | MR指纹扫描(MRF) | 基于模型的深度学习(MBDL) | 医学影像数据 | 健康受试者和患者的模拟和体内MRF数据 |
| 4896 | 2025-04-12 |
Performance of deep learning algorithm based on Xception in evaluating morphological characteristics reflecting the activity of vitiligo
2025-Apr-10, The British journal of dermatology
DOI:10.1093/bjd/ljaf133
PMID:40209097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4897 | 2025-04-12 |
Shear Wave Optical Coherence Elastography Imaging by Deep Learning
2025-Apr-10, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70027
PMID:40210208
|
research paper | 该研究提出了一种结合光学相干弹性成像（OCE）和深度学习的方法，用于预测眼组织的生物力学特性 | 通过深度学习优化OCE数据处理流程，提出浓度预测网络（CPN）来预测样本浓度并计算杨氏模量，提高了OCE的效率和准确性 | 研究主要基于琼脂模型和猪角膜，尚未在人类眼组织中进行验证 | 量化眼组织的机械特性，以了解眼病的病因和进展 | 眼组织（琼脂模型和猪角膜） | 数字病理 | 眼科疾病 | 光学相干弹性成像（OCE） | 3D CNN | 图像 | 琼脂模型和不同眼内压下的猪角膜 |
| 4898 | 2025-04-12 |
Expanded AI learning: AI as a Tool for Human Learning
2025-Apr-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.040
PMID:40210520
|
research paper | 研究探讨了深度学习模型作为教学工具，提升放射科医生在无AI辅助下进行影像分类任务的能力 | 首次提出将AI生成的热图作为教学工具，显著提升放射科医生的独立诊断准确性 | 样本量较小（仅3名放射科医生和100张X光片），研究结果可能需要更大规模验证 | 探索AI作为教学工具在放射学领域的应用潜力 | 放射科医生对膝关节X光片的性别分类能力 | digital pathology | NA | 深度学习 | DL | image | 3名放射科医生，前后各50张膝关节X光片（共100张） |
| 4899 | 2025-04-10 |
Author Correction: Advanced predictive machine and deep learning models for round-ended CFST column
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95424-w
PMID:40199925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4900 | 2025-04-12 |
A synergistic approach for enhanced eye blink detection using wavelet analysis, autoencoding and Crow-Search optimized k-NN algorithm
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95119-2
PMID:40199999
|
研究论文 | 提出了一种结合小波分析、自编码和乌鸦搜索优化的k-NN算法的新型眼电信号眨眼检测方法 | 首次将小波分析、自编码和乌鸦搜索优化的k-NN算法相结合，用于EEG信号的眼眨检测 | 未明确说明方法在实时检测或不同EEG设备上的适用性 | 提高从EEG信号中检测眼眨的准确性和效率 | EEG信号中的眼眨特征 | 生物医学信号处理 | NA | 小波分析, 自编码, 乌鸦搜索算法 | k-NN | EEG信号 | NA |