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 32372 篇文献，本页显示第 5761 - 5780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5761 | 2025-10-06 |
A deep learning diagnostic platform for diffuse large B-cell lymphoma with high accuracy across multiple hospitals
2020-11-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-020-19817-3
PMID:33244018
|
研究论文 | 开发用于弥漫性大B细胞淋巴瘤诊断的高精度深度学习平台 | 使用较小数据集构建多卷积神经网络平台，在跨医院验证中实现接近100%的诊断准确率 | 技术变异性（切片制备和图像采集差异）会影响模型在跨医院测试中的性能 | 建立高精度的深度学习诊断平台用于人类造血系统恶性肿瘤诊断 | 弥漫性大B细胞淋巴瘤和非DLBCL病理图像 | 数字病理学 | 淋巴瘤 | 病理图像分析 | CNN | 病理图像 | 来自三家医院的DLBCL和非DLBCL病理图像 | NA | 多卷积神经网络 | 诊断准确率 | NA |
| 5762 | 2025-10-06 |
Virtual Monoenergetic CT Imaging via Deep Learning
2020-Nov-13, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2020.100128
PMID:33294869
|
研究论文 | 提出一种基于深度学习的虚拟单能CT成像方法，从单能谱CT图像生成虚拟单能图像 | 首次使用深度学习将单能谱CT图像转换为多能级虚拟单能图像，避免了双能CT的系统复杂性和辐射剂量增加问题 | 方法依赖于临床双能CT数据进行训练，可能受训练数据质量和多样性的限制 | 开发从单能谱CT图像生成虚拟单能图像的深度学习解决方案 | CT医学图像 | 计算机视觉 | NA | 计算机断层扫描(CT) | CNN | 医学图像 | 临床双能CT数据 | NA | 改进的ResNet | 相对误差 | NA |
| 5763 | 2025-10-06 |
UNMIX-ME: spectral and lifetime fluorescence unmixing via deep learning
2020-Jul-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.391992
PMID:33014571
|
研究论文 | 提出基于深度学习的荧光解混方法UNMIX-ME，可同时利用光谱和时间特征进行定量荧光团分离 | 首次开发能同时利用光谱和寿命特征进行荧光解混的深度学习方法 | 基于模拟数据训练和验证，尚未在真实临床数据上充分测试 | 开发多维荧光成像数据的定量解混方法 | 荧光探针、生物组织 | 计算成像 | NA | 高光谱荧光寿命成像 | 深度学习 | 高光谱荧光寿命图像 | 模拟的三指数和四指数样本 | TensorFlow | NA | 与LSQ方法对比的基准测试 | NA |
| 5764 | 2025-10-06 |
Evolving the pulmonary nodules diagnosis from classical approaches to deep learning-aided decision support: three decades' development course and future prospect
2020-Jan, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-019-03098-5
PMID:31786740
|
综述 | 本文全面回顾了过去三十年计算机辅助肺结节诊断技术的发展历程，从传统方法演进到深度学习辅助决策支持 | 首次系统梳理三十年来肺结节计算机辅助诊断技术发展历程，涵盖从传统方法到深度学习技术的完整演进路径 | 作为综述性文章，未包含原始实验数据和具体模型性能比较 | 提供计算机辅助肺结节检测和良恶性分类技术的全面综述，识别挑战并展望未来研究方向 | 肺结节计算机辅助诊断技术 | 计算机视觉 | 肺癌 | 计算机辅助诊断，深度学习 | NA | 胸部影像 | NA | NA | NA | 灵敏度，假阳性率 | NA |
| 5765 | 2025-10-06 |
Computer-assisted medical image classification for early diagnosis of oral cancer employing deep learning algorithm
2019-Apr, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-018-02834-7
PMID:30603908
|
研究论文 | 开发了一种基于回归的分割深度学习算法，用于口腔癌的自动计算机辅助检测系统 | 提出了一种新的分割深度卷积神经网络结构，具有两个分割层用于多维高光谱图像中感兴趣区域的标记和分类 | 仅使用100个图像数据集进行癌变肿瘤与良性分类任务，样本规模有限 | 口腔癌的早期诊断和分类 | 口腔癌患者的高光谱图像 | 计算机视觉 | 口腔癌 | 高光谱成像 | CNN | 图像 | 100个图像数据集用于癌变肿瘤与良性分类，500个训练模式用于癌变肿瘤与正常组织分类 | NA | 分割深度卷积神经网络 | 准确率, 特异性, 敏感性 | NA |
| 5766 | 2025-10-06 |
Breathable soft bioelectronics for enhanced automatic detection of obstructive sleep apnea
2025-Nov-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117735
PMID:40609200
|
研究论文 | 开发了一种用于自动检测阻塞性睡眠呼吸暂停的无线、柔软、透气生物电子系统 | 采用穿孔可变形结构提高皮肤贴合度、促进汗液排出并减少运动伪影，结合多流卷积神经网络与双向长短期记忆模型的深度学习框架 | 未明确说明样本量大小和临床验证范围 | 开发便携式OSA检测设备以解决传统多导睡眠图检测成本高、技术复杂和不适感强的问题 | 儿童阻塞性睡眠呼吸暂停患者，特别是唇腭裂和牙颌面畸形患者 | 生物医学工程 | 阻塞性睡眠呼吸暂停 | 电生理信号测量 | CNN, LSTM | 电生理信号 | NA | NA | 多流卷积神经网络, 双向长短期记忆模型 | NA | NA |
| 5767 | 2025-10-06 |
Age-stratified deep learning model for thyroid tumor classification: a multicenter diagnostic study
2025-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11386-7
PMID:39903238
|
研究论文 | 开发了一种基于年龄分层的深度学习模型ASMCNet用于甲状腺结节分类 | 首次将年龄分层策略整合到甲状腺结节分类的深度学习模型中 | 回顾性研究，需要前瞻性验证 | 研究年龄分层对深度学习模型在甲状腺结节分类中准确性的影响 | 甲状腺结节患者 | 计算机视觉 | 甲状腺癌 | 超声成像 | 深度学习 | 图像 | 5934名患者的10391张超声图像 | NA | ASMCNet | AUROC, 敏感性, 特异性 | NA |
| 5768 | 2025-10-06 |
The future of Alzheimer's disease risk prediction: a systematic review
2025-Aug, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08167-x
PMID:40220257
|
系统综述 | 本文系统综述了人工智能在阿尔茨海默病风险预测中的应用现状和发展前景 | 整合传统模型与AI方法，全面分析神经影像和非神经影像特征在阿尔茨海默病预测中的应用 | 仅纳入符合特定纳入标准的120项研究，可能存在发表偏倚 | 评估人工智能在阿尔茨海默病风险预测中的应用潜力 | 阿尔茨海默病风险预测相关研究 | 机器学习 | 阿尔茨海默病 | 磁共振成像(MRI)、遗传学、放射组学 | 深度学习(DL), 机器学习(ML) | 医学影像、遗传数据、临床数据 | 120项符合纳入标准的研究（来自2000-2024年间700篇文献） | NA | NA | NA | NA |
| 5769 | 2025-10-06 |
Development of a deep learning method for phase retrieval image enhancement in phase contrast microcomputed tomography
2025-Aug, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13419
PMID:40357880
|
研究论文 | 开发了一种基于深度学习的相位衬比显微CT图像增强方法，用于改善低密度材料的可视化效果 | 提出边缘视图增强相位检索方法，通过策略性整合去噪边缘增强对比图像和相位检索图像的互补空间特征 | NA | 解决传统相位衬比显微CT图像处理中的过平滑和噪声敏感问题 | 低密度水凝胶构建体 | 计算机视觉 | NA | 相位衬比显微CT，相位检索算法 | CNN | 显微CT图像 | NA | NA | 深度卷积神经网络 | 信噪比，对比噪声比，分割效率 | NA |
| 5770 | 2025-10-06 |
Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study
2025-Aug, Neurourology and urodynamics
IF:1.8Q3
DOI:10.1002/nau.70057
PMID:40384598
|
研究论文 | 本研究通过深度学习AI模型评估便携式超声膀胱扫描仪测量膀胱体积的准确性 | 首次使用深度学习AI算法在完整膀胱体积范围内与传统方法进行准确性比较 | 研究基于特定队列的内部验证，需要外部队列验证临床相关性 | 比较深度学习AI算法与传统方法在膀胱体积测量中的准确性 | 因下尿路症状接受充盈性膀胱测压的患者 | 医学影像分析 | 泌尿系统疾病 | 超声成像 | 深度学习 | 超声图像 | 250名患者（213名男性，37名女性），1912张膀胱图像 | NA | NA | R2, p值, 平均差异 | NA |
| 5771 | 2025-10-06 |
Enhancing HF-DL Model Validation for Liver Fibrosis Staging Through Sample Optimisation and Technical Integration
2025-Aug, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70214
PMID:40607661
|
comments | 对Zhang等人关于高频超声深度学习模型在肝纤维化分期中应用的论文进行评论和讨论 | NA | NA | 讨论高频深度学习模型在肝纤维化分期验证中的样本优化和技术整合问题 | 慢性乙型肝炎患者的肝纤维化分期 | digital pathology | liver fibrosis | high-frequency ultrasound, shear wave elastography | deep learning | ultrasound images | NA | NA | NA | NA | NA |
| 5772 | 2025-07-19 |
Commentary on "Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study"
2025-Jul-18, Neurourology and urodynamics
IF:1.8Q3
DOI:10.1002/nau.70102
PMID:40678844
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5773 | 2025-10-06 |
Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease
2025-Jul-18, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70046
PMID:40679171
|
综述 | 本文综述了集成PET-MRI在神经退行性疾病临床实践中的技术进展与应用前景 | 总结了集成PET-MRI在神经退行性疾病中的最新技术创新，包括MRI衰减校正、运动校正和深度学习应用 | 证据等级为5级，主要基于早期采用者的临床实践经验 | 探讨集成PET-MRI在神经退行性疾病临床诊断和研究中的应用价值 | 阿尔茨海默病和其他痴呆症患者 | 数字病理 | 神经退行性疾病 | PET-MRI集成成像、MRI衰减校正、运动校正技术 | 深度学习 | PET图像、MRI图像 | NA | NA | NA | 全脑偏差<0.5% | NA |
| 5774 | 2025-10-06 |
Investigating brain tumor classification using MRI: a scientometric analysis of selected articles from 2015 to 2024
2025-Jul-18, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03685-z
PMID:40679613
|
文献计量分析 | 通过文献计量学方法分析2015-2024年间基于MRI的脑肿瘤分类研究现状与发展趋势 | 首次对2015-2024年间脑肿瘤MRI分类研究进行系统的文献计量分析，揭示研究热点和知识演进 | 仅纳入Scopus数据库的348篇文献，可能存在文献收录不全的局限性 | 探究基于磁共振成像的脑肿瘤分类研究现状和发展趋势 | 348篇同行评审文献 | 医学影像分析 | 脑肿瘤 | 磁共振成像(MRI) | 深度学习 | 文献元数据 | 348篇文献 | CiteSpace, VOSviewer | NA | 引用频率, 合作网络, 出版趋势 | NA |
| 5775 | 2025-10-06 |
Deep learning reconstruction for improving image quality of pediatric abdomen MRI using a 3D T1 fast spoiled gradient echo acquisition
2025-Jul-18, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06313-3
PMID:40679617
|
研究论文 | 本研究评估深度学习重建在改善儿童腹部MRI图像质量方面的效果 | 首次在儿科患者中系统评估基于商业深度学习算法的MRI重建方法，填补了儿童腹部MRI深度学习重建的研究空白 | 研究为回顾性设计，样本量相对较小（38例患者），仅评估了单一厂商的深度学习算法 | 比较传统重建与深度学习重建在儿童腹部MRI图像质量方面的差异 | 儿科患者（年龄<18岁）的腹部MRI图像 | 医学影像分析 | 儿科疾病 | 3D快速扰相梯度回波（SPGR）采集，2点Dixon技术 | 深度学习 | MRI图像 | 38例儿科患者（23名男性，平均年龄8.6±5.7岁） | AIR™ Recon DL（GE HealthCare） | 商业深度学习算法 | 图像质量评分（5点Likert量表），信噪比（SNR），边缘数量，观察者间一致性（Kendall秩相关系数） | NA |
| 5776 | 2025-10-06 |
Deep learning-based automatic detection of pancreatic ductal adenocarcinoma ≤ 2 cm with high-resolution computed tomography: impact of the combination of tumor mass detection and indirect indicator evaluation
2025-Jul-18, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01836-z
PMID:40679757
|
研究论文 | 本研究开发了一种基于三维卷积神经网络的深度学习系统，用于自动检测直径≤2cm的小胰腺导管腺癌 | 首次将自动肿瘤肿块检测与间接指标（D/P比值）评估相结合，显著提高了小胰腺癌的检测准确率 | 样本量相对有限（181例PDAC患者），且为单中心回顾性研究 | 评估深度学习模型在自动检测小胰腺导管腺癌方面的诊断性能 | 胰腺导管腺癌患者和正常对照组 | 计算机视觉 | 胰腺癌 | 高分辨率对比增强计算机断层扫描 | CNN | 医学影像 | 204例患者数据集（包括181例PDAC患者和104例正常对照） | NA | 三维卷积神经网络 | 灵敏度, 特异性, 阳性预测值, 阴性预测值 | NA |
| 5777 | 2025-10-06 |
AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review
2025-Jul-18, American journal of clinical oncology
DOI:10.1097/COC.0000000000001238
PMID:40679809
|
系统评价 | 对人工智能算法在非小细胞肺癌预后预测中应用的系统性文献综述 | 首次系统比较不同类型AI（机器学习和深度学习）在NSCLC预后预测中的性能，并与传统TNM分期系统进行直接对比 | 纳入研究存在异质性，需要设计良好的临床试验进一步验证 | 评估AI算法在非小细胞肺癌预后预测中的应用效果 | 非小细胞肺癌患者 | 医学人工智能 | 肺癌 | 医学影像分析（CT、PET、MRI）、组织病理学分析、基因数据分析 | 机器学习,深度学习 | 医学影像,组织病理学数据,基因数据 | 初始3880篇文献，经筛选后纳入309篇研究 | NA | NA | 预后预测性能指标 | NA |
| 5778 | 2025-10-06 |
M4CEA: A Knowledge-guided Foundation Model for Childhood Epilepsy Analysis
2025-Jul-17, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3590463
PMID:40674185
|
研究论文 | 提出了一种用于儿童癫痫分析的知识引导基础模型M4CEA | 使用知识引导掩码策略和时间编码器的时间嵌入，有效捕捉儿童EEG信号的多域表征 | NA | 构建具有强泛化能力的多任务儿童癫痫分析基础模型 | 儿童癫痫脑电图信号 | 医疗分析 | 儿童癫痫 | 脑电图分析 | 基础模型 | 脑电图信号 | 超过1000小时的儿童EEG记录 | NA | M4CEA | 平衡准确率 | NA |
| 5779 | 2025-10-06 |
BDEC: Brain Deep Embedded Clustering Model for Resting State fMRI Group-Level Parcellation of the Human Cerebral Cortex
2025-Jul-17, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3590258
PMID:40674200
|
研究论文 | 提出基于深度学习的脑深嵌入聚类模型BDEC，用于静息态功能磁共振成像的群体水平大脑皮层分区 | 设计了最大化类间分离和增强类内相似性的损失函数，突破了传统方法的模型假设限制 | NA | 开发鲁棒的群体水平大脑分区方法 | 人类大脑皮层 | 医学影像分析 | NA | 静息态功能磁共振成像(rs-fMRI) | 深度聚类模型 | 功能磁共振成像数据 | NA | NA | Brain Deep Embedded Clustering (BDEC) | 功能同质性指标, 分区有效性, 任务异质性, 泛化能力 | NA |
| 5780 | 2025-10-06 |
Automatic selection of optimal TI for flow-independent dark-blood delayed-enhancement MRI
2025-Jul-17, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30632
PMID:40674608
|
研究论文 | 提出并评估一种基于自由呼吸FIDDLE TI-scout图像自动预测暗血和灰血图像最佳反转时间的深度学习方法 | 首次开发基于深度学习的自动管道，用于预测FIDDLE采集中的最佳反转时间，无需人工干预 | 研究样本量有限（64名临床受试者验证），仅在两款特定MRI扫描仪上验证 | 优化流无关暗血延迟增强磁共振成像中暗血和灰血图像的反转时间选择 | 心脏磁共振成像中的心肌和血池组织 | 医学影像分析 | 心血管疾病 | 磁共振成像，流无关暗血延迟增强采集 | 深度学习网络 | 磁共振图像 | 267名患者用于训练，64名临床受试者用于评估 | NA | NA | 平均误差 | 3T Magnetom Vida和1.5T Magnetom Sola MRI扫描仪 |