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 43290 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2026-04-10 |
Deep Learning-Driven Automated Assessment of Left Ventricular Diastolic Function in Echocardiography
2025-09, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.70290
PMID:40892533
|
研究论文 | 本研究评估了一种基于深度学习的全自动模型在二维经胸超声心动图中评估左心室舒张功能的可行性、准确性和诊断性能 | 开发并验证了一种全自动深度学习模型，用于自动分析二维经胸超声心动图中的舒张参数，并与专家手动测量进行比较，展示了在分类左心室舒张功能等级方面的潜力 | 在中间类别分类中存在更多变异性，且三尖瓣反流速度的一致性较低，需要进一步验证 | 评估基于人工智能的软件在评估左心室舒张功能方面的可行性、准确性和诊断性能 | 302名疑似舒张功能障碍的患者 | 数字病理学 | 心血管疾病 | 二维经胸超声心动图 | 深度学习模型 | 图像 | 302名患者 | NA | NA | 测量成功率、相关系数（如E速度r=0.93）、分类准确性 | NA |
| 522 | 2026-04-10 |
Analog optical computer for AI inference and combinatorial optimization
2025-09, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-09430-z
PMID:40903585
|
研究论文 | 本文介绍了一种结合模拟电子学和三维光学的模拟光学计算机，用于在单一平台上加速AI推理和组合优化 | 提出了一种结合模拟电子学和三维光学的模拟光学计算机，通过快速定点搜索避免数字转换并增强噪声鲁棒性，实现了AI推理和组合优化的双域能力 | 未明确说明 | 开发一种能同时加速AI推理和组合优化的节能计算平台 | 模拟光学计算机硬件及其在AI和优化任务中的应用 | 机器学习 | NA | 模拟光学计算、三维光学技术 | NA | 图像数据（医学图像重建、图像分类）、金融交易数据 | NA | NA | NA | NA | 基于可扩展的消费级技术构建 |
| 523 | 2026-04-10 |
Enhancing Dementia Classification for Diverse Demographic Groups: Using Vision Transformer-Based Continuous Scoring of Clock Drawing Tests
2025-06-10, The journals of gerontology. Series B, Psychological sciences and social sciences
DOI:10.1093/geronb/gbaf065
PMID:40197801
|
研究论文 | 本研究利用深度学习神经网络生成连续时钟绘图测试评分，以增强针对不同人口群体的痴呆症分类能力 | 提出基于Vision Transformer的连续时钟绘图测试评分方法，相比传统序数评分提供更细粒度的阈值，并识别出针对特定人口特征（如种族、教育水平、年龄）的自适应阈值 | 研究依赖于特定数据集（NHATS），可能未涵盖所有人群变异性；深度学习模型需要大量标注数据，且实际部署时需考虑计算资源和临床验证 | 开发并评估连续时钟绘图测试评分在痴呆症分类中的性能，探索人口特异性阈值以提高筛查准确性 | 来自美国国家健康与老龄化趋势研究的老年人群体，包括不同种族、教育水平和年龄的参与者 | 数字病理学 | 老年疾病 | 深度学习神经网络 | Vision Transformer | 图像 | 美国国家健康与老龄化趋势研究的全国代表性老年人样本 | NA | Vision Transformer | 受试者工作特征曲线下面积, 灵敏度, 特异度 | NA |
| 524 | 2026-04-10 |
Deep Learning-Based Segmentation of Gravity-Loaded Human Spine
2025-06-10, Journal of visualized experiments : JoVE
DOI:10.3791/67781
PMID:40587489
|
研究论文 | 本研究提出了一种基于深度学习的协议，用于在重力加载条件下分割人体脊柱的3D图像 | 首次使用结合3D卷积层和残差连接的U-Net CNN，对重力加载（站立位）CBCT图像中的脊柱结构进行分割，并支持分割模型导出为STL格式用于3D打印 | 未明确提及模型在外部验证集上的泛化性能，以及处理不同扫描仪或患者群体时的鲁棒性 | 开发一种可靠且可适应的工具，用于在重力加载条件下准确分割脊柱及其他解剖结构，以支持临床诊断和研究 | 重力加载条件下的人体脊柱、骨盆和股骨头 | 计算机视觉 | 脊柱侧弯，退行性椎间盘疾病 | 负重锥形束计算机断层扫描（CBCT） | CNN | 3D图像 | NA | NA | U-Net | NA | NA |
| 525 | 2026-04-10 |
New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals
2025-Apr-08, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2025.01.035
PMID:40175013
|
研究论文 | 本研究利用深度学习模型分析大规模人群的心脏磁共振成像数据，提出了新的轻度主动脉瓣狭窄定义阈值，并验证了其与不良临床结局的关联 | 首次在超过6万人的大规模无临床指征人群中，通过深度学习模型测量主动脉瓣功能参数，并基于健康亚组数据提出了新的轻度主动脉瓣狭窄血流动力学阈值 | 研究为观察性设计，无法确定因果关系；随访时间相对较短（平均3.9年）；外部验证队列使用超声心动图而非心脏磁共振成像 | 研究无临床指征人群中主动脉瓣功能的流行病学特征，并定义轻度主动脉瓣狭窄的血流动力学阈值 | 英国生物银行62,902名参与者和澳大利亚国家超声数据库365,870名临床队列参与者 | 数字病理学 | 心血管疾病 | 速度编码心脏磁共振成像 | 深度学习模型 | 医学影像（心脏磁共振成像） | 英国生物银行62,902人（健康亚组41,859人），外部验证队列365,870人 | NA | NA | 风险比 | NA |
| 526 | 2026-04-10 |
DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103462
PMID:39892220
|
研究论文 | 提出了一种名为DSAM的新型可解释深度学习框架，用于直接从时间序列中学习任务特定的功能连接矩阵，并利用专门的图神经网络进行最终分类，以分析脑网络的时空动态 | 提出了一种可解释的深度学习框架，能够直接从时间序列中学习任务特定的功能连接矩阵，并整合了时间因果卷积网络、时间注意力单元、自注意力单元以及一种新颖的图神经网络变体，以同时捕获时空动态 | 未明确提及研究的局限性 | 开发一个深度学习框架，以更准确地建模和分析静息态功能磁共振成像数据中脑网络的时空动态，超越静态或滑动窗口功能连接矩阵的假设 | 人脑功能连接网络 | 机器学习 | NA | 静息态功能磁共振成像 | 图神经网络, 卷积神经网络, 注意力机制 | 时间序列数据 | Human Connectome Project数据集1075个样本，Adolescent Brain Cognitive Development数据集8520个样本 | NA | 时间因果卷积网络, 时间注意力单元, 自注意力单元, 图神经网络变体 | NA | NA |
| 527 | 2025-03-05 |
Unveiling the Future: A Deep Learning Model for Accurate Detection of Adrenal Nodules
2025-Mar, Radiology
IF:12.1Q1
DOI:10.1148/radiol.250387
PMID:40035670
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 528 | 2026-04-10 |
Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study
2025-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231650
PMID:40035671
|
研究论文 | 本研究开发并测试了一个用于在腹部CT图像上自动检测肾上腺结节的两阶段深度学习模型，并模拟了其与人工解读结合的分诊性能 | 提出了一个针对左右肾上腺分别训练的两阶段（检测与分割）深度学习架构，并首次在大型外部数据集上模拟了模型与人工解读结合的分诊性能 | 这是一项回顾性研究，可能存在选择偏倚；模型性能在左右肾上腺结节上存在差异，分割精度有待提高 | 开发一个自动检测肾上腺结节的深度学习模型，以辅助临床分诊和管理 | 肾上腺结节 | 计算机视觉 | 肾上腺疾病 | CT成像 | 深度学习模型 | CT图像 | 内部数据集995名患者，外部测试集12080名患者，内部测试集2有1214名患者 | NA | 两阶段顺序检测与分割模型 | AUC, 交并比 | NA |
| 529 | 2026-04-10 |
A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis
2025-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242133
PMID:40067103
|
研究论文 | 本研究开发了一种基于深度学习的三维模型，用于从常规非对比胸部CT中测量整个胸椎的骨密度，并评估其在预测椎体骨折中的价值 | 首次使用TotalSegmentator（基于nnU-net的算法）在常规非对比胸部CT上实现T1-T10胸椎体的三维骨密度测量，并与二维方法比较，证明了三维测量在预测椎体骨折方面具有增量价值 | 研究为多中心前瞻性队列的二次分析，手动分割仅在一部分参与者（594人）中进行，且纵向数据仅来自1304名参与者的子集 | 确定深度学习算法能否从常规非对比胸部CT中准确测量三维胸椎骨密度，并评估其预测椎体骨折的能力 | 多民族动脉粥样硬化研究（MESA）的参与者，包括接受带和不带体模的非对比胸部CT扫描的个体 | 数字病理学 | 骨质疏松症 | 非对比胸部CT扫描 | 深度学习 | 三维医学图像（CT） | 2956名参与者（其中1546名女性，平均年龄69岁±9），纵向子集为1304名参与者 | nnU-net | TotalSegmentator（基于nnU-net） | Dice分数, 交集并集比, 标准差, 受试者工作特征曲线下面积（AUC） | NA |
| 530 | 2026-04-10 |
MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study
2025-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232788
PMID:40067105
|
研究论文 | 本研究是一项前瞻性双中心研究，旨在比较商用深度学习算法与放射科医生临床报告在检测临床显著性前列腺癌方面的诊断性能 | 前瞻性验证了商用深度学习算法在前列腺癌检测中的应用，并探索了将算法结果用于调节放射科医生不确定诊断（PI-RADS 3分）以提升特异性的临床场景 | 研究样本量相对有限（205名男性，259个病灶），且算法仅使用双参数MRI，未纳入所有影像序列 | 评估深度学习算法辅助检测临床显著性前列腺癌的诊断性能 | 疑似前列腺癌并计划进行活检的男性患者 | 数字病理 | 前列腺癌 | 双参数MRI | 深度学习算法 | MRI图像 | 205名男性（中位年龄68岁），共评估259个病灶，其中包含117个临床显著性前列腺癌病灶 | NA | NA | AUC, 敏感性, 特异性, 阳性预测值 | NA |
| 531 | 2026-04-10 |
Foundation Models in Radiology: What, How, Why, and Why Not
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240597
PMID:39903075
|
综述 | 本文综述了放射学中基础模型的基本概念、训练方法、能力评估及其临床应用的潜力与挑战 | 系统性地阐述了放射学领域基础模型的训练数据需求、模型训练范式、能力评估策略，并强调了安全与负责任训练的重要性 | 作为一篇综述文章，未提出新的实验模型或数据，主要基于现有文献进行总结与讨论 | 解释放射学中基础模型的基本概念，并探讨其训练、评估及临床应用的路径 | 放射学领域的基础模型及其在临床实践中的应用 | 机器学习 | NA | NA | 基础模型 | 文本与影像数据 | NA | NA | NA | NA | NA |
| 532 | 2026-04-10 |
Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241351
PMID:39964264
|
研究论文 | 本研究验证了7分钟并行成像加速的深度学习超分辨率3-T肩关节MRI在诊断肩部病变中的临床效能 | 首次通过关节镜检查验证了快速深度学习超分辨率肩关节MRI的诊断性能，实现了7分钟扫描时间 | 回顾性研究设计，样本量相对较小（121名成人），部分病变（如软骨缺损）的诊断准确性较低 | 验证加速深度学习超分辨率肩关节MRI对肩部病变的诊断准确性 | 患有疼痛性肩部疾病的成人患者 | 数字病理学 | 肩部疾病 | 并行成像加速的深度学习超分辨率MRI | 深度学习模型 | MRI图像 | 121名成人（平均年龄55岁±14，75名男性） | NA | 超分辨率网络 | 敏感性, 特异性, 准确性, AUC | 3-T MRI扫描仪 |
| 533 | 2026-04-10 |
Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240473
PMID:39964263
|
研究论文 | 本研究利用深度学习算法分析国家肺癌筛查试验中连续低剂量CT扫描的心外膜脂肪组织变化，并探讨其与全因、心血管及肺癌死亡率的关联 | 首次在大型肺癌筛查队列中，利用自动化深度学习算法量化连续CT扫描的心外膜脂肪组织体积与密度变化，并建立其与长期死亡率的新型关联 | 研究为二次分析，可能存在未测量的混杂因素；心外膜脂肪组织的测量依赖自动化算法，可能受CT扫描参数影响 | 探究连续低剂量CT扫描中心外膜脂肪组织变化与死亡率之间的关联 | 国家肺癌筛查试验中接受连续低剂量CT肺癌筛查的参与者 | 数字病理学 | 肺癌, 心血管疾病 | 低剂量CT扫描, 深度学习算法 | 深度学习 | CT图像 | 20661名参与者（平均年龄61.4岁，男性12237名） | NA | NA | 风险比, 置信区间 | NA |
| 534 | 2026-04-10 |
Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240427
PMID:39998377
|
研究论文 | 本研究利用基于深度学习的自动化工具从CT图像中测量总肾脏体积，以预测接受177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者的肾功能下降 | 首次将基于nnU-Net框架的深度学习分割模型TotalSegmentator用于自动化测量总肾脏体积，并证明其在预测放射性配体治疗后肾功能下降方面优于其他基线风险因素和早期eGFR变化 | 这是一项回顾性研究，样本量相对较小（121名患者），且仅针对接受特定治疗（至少四个周期Lu-PSMA-I&T）的患者，结果可能无法推广到其他治疗或早期患者 | 识别接受Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者发生临床显著肾功能恶化的预测标志物 | 接受至少四个周期177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者 | 数字病理学 | 前列腺癌 | CT成像，放射性配体治疗（177Lu-PSMA-I&T） | 深度学习分割模型 | CT图像 | 121名患者（平均年龄76岁±7岁） | nnU-Net | TotalSegmentator（基于nnU-Net框架） | 受试者工作特征曲线下面积，Youden指数 | NA |
| 535 | 2026-04-10 |
A novel approach in cancer diagnosis: integrating holography microscopic medical imaging and deep learning techniques-challenges and future trends
2025-Jan-29, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad9eb7
PMID:39671712
|
综述 | 本文探讨了将全息显微医学成像与深度学习技术相结合用于癌症诊断的新方法，分析了其优势、挑战及未来趋势 | 提出了一种结合定量相位成像（QPI）与深度学习（如U-Net和Vision Transformer）的集成方法，以捕获传统成像技术无法提供的详细结构（相位）信息，从而提高癌症诊断的准确性 | 文中未明确提及具体实验数据或样本量，主要基于文献综述和分析，因此缺乏实证研究的局限性讨论 | 研究旨在通过整合全息显微相位成像和深度学习技术，改进癌症诊断的准确性和全面性 | 癌症诊断中的生物结构成像，特别是通过全息显微技术捕获的振幅和相位细节 | 数字病理学 | 癌症 | 全息显微医学成像，定量相位成像（QPI） | 深度学习模型，包括U-Net和Vision Transformer（ViT） | 全息显微图像 | NA | NA | U-Net, Vision Transformer（ViT） | NA | NA |
| 536 | 2026-04-10 |
Deep Learning to Simulate Contrast-Enhanced MRI for Evaluating Suspected Prostate Cancer
2025-01, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240238
PMID:39807983
|
研究论文 | 本研究评估了使用深度学习从非对比MRI序列生成模拟对比增强MRI的可行性，并探讨其在评估临床显著前列腺癌中的潜在价值 | 首次利用pix2pix算法从四种非对比MRI序列合成对比增强MRI，以减少对比剂使用的潜在风险 | 研究为回顾性设计，且模拟图像与真实图像的相似度在外部测试集上有所下降 | 评估深度学习生成模拟对比增强MRI的可行性及其在前列腺癌PI-RADS评分中的应用价值 | 疑似前列腺癌的男性患者 | 数字病理学 | 前列腺癌 | 多参数MRI，包括T1加权成像、T2加权成像、扩散加权成像和表观扩散系数图 | GAN | MRI图像 | 567名男性患者（平均年龄66岁±11），分为训练测试集（244例）、内部测试集（104例）、外部测试集1（143例）和外部测试集2（76例） | NA | pix2pix | 多尺度结构相似性指数，Cohen κ | NA |
| 537 | 2026-04-10 |
Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT
2025-01, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233029
PMID:39835976
|
研究论文 | 本研究开发并评估了一种基于集成深度学习的模型，用于自动化检测和分割CT扫描中的肺部肿瘤 | 采用3D U-Net集成方法，平衡了体积上下文与分辨率，并展示了模型在外部站点上的泛化能力 | 研究为回顾性设计，可能受限于数据集的特定来源和时间范围 | 开发自动化工具以辅助肺部肿瘤的检测和分割，减少人工标注的负担和变异性 | CT模拟扫描图像及临床肺部肿瘤分割标注 | 计算机视觉 | 肺癌 | CT扫描 | 深度学习 | 图像 | 训练集：1,504个CT扫描；测试集：150个CT扫描（其中100个为单肿瘤子集） | NA | 3D U-Net | 灵敏度, 特异度, 假阳性率, Dice相似系数 | NA |
| 538 | 2025-01-29 |
Deep Learning MRI Reconstruction Delivers Superior Resolution and Improved Diagnostics
2025-Jan, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242952
PMID:39873600
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 539 | 2026-04-10 |
Deep Learning Superresolution for Simultaneous Multislice Parallel Imaging-Accelerated Knee MRI Using Arthroscopy Validation
2025-01, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241249
PMID:39873603
|
研究论文 | 本研究通过关节镜验证，评估了深度学习超分辨率技术在膝关节MRI中的诊断性能 | 首次使用关节镜作为独立参考标准，验证了深度学习超分辨率技术在加速膝关节MRI中的诊断性能 | 研究样本量相对较小（116名成人），且仅针对膝关节特定病变进行评估 | 验证深度学习超分辨率MRI在膝关节病变诊断中的性能 | 患有膝关节疼痛的成人患者 | 医学影像分析 | 膝关节疾病 | 深度学习超分辨率, 同时多层并行成像加速MRI | 深度学习模型 | MRI图像 | 116名成人（平均年龄45岁，74名男性） | NA | NA | AUC, Cohen κ, Gwet AC2, Likert评分 | 3 T MRI扫描仪 |
| 540 | 2026-04-10 |
RETRACTED: Fast fault diagnosis of smart grid equipment based on deep neural network model based on knowledge graph
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315143
PMID:39951439
|
研究论文 | 本文提出了一种基于知识图谱和YOLOv4目标检测算法的智能电网设备故障诊断模型，旨在提高诊断准确性和效率 | 创新性地将YOLOv4目标检测算法与知识图谱结合，统一多模态信息的表征和存储，以提升智能电网设备故障诊断的准确性和速度 | 未在摘要中明确提及具体限制，如模型泛化能力、数据多样性或实际部署挑战 | 开发一种更准确、快速且易于操作的智能电网设备故障诊断技术，以解决现有技术中应用复杂和诊断率低的问题 | 智能电网设备及其故障诊断 | 机器学习 | NA | 深度学习多模态语义模型和知识图谱 | CNN | 多模态信息（可能包括图像、文本等） | NA | NA | YOLOv4 | 准确性、速度、易操作性 | NA |