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 32492 篇文献，本页显示第 5961 - 5980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5961 | 2025-10-06 |
DRONE: Dual-Domain Residual-based Optimization NEtwork for Sparse-View CT Reconstruction
2021-11, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2021.3078067
PMID:33956627
|
研究论文 | 提出一种基于双域残差优化的稀疏视图CT重建网络DRONE | 设计了包含嵌入、精炼和感知三个模块的双域残差优化网络，通过数据域和图像域的协同处理有效抑制稀疏视图伪影 | NA | 解决稀疏视图CT重建挑战，从极少投影中实现高质量图像重建 | 临床前和临床数据集 | 医学影像重建 | NA | CT成像 | 深度学习网络 | CT投影数据（正弦图）、医学图像 | 临床前和临床数据集 | NA | DRONE（双域残差优化网络） | 边缘保持、特征恢复、重建精度 | NA |
| 5962 | 2025-07-20 |
Quantitative Imaging of Body Fat Distribution in the Era of Deep Learning
2021-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2021.04.004
PMID:34023197
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5963 | 2025-10-06 |
Feasibility analysis on simultaneous electron density and attenuation coefficient reconstruction
2021-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15251
PMID:34564848
|
研究论文 | 提出一种结合深度学习的交替迭代重建方法，用于同时重建康普顿散射断层成像中的电子密度和衰减系数 | 利用散射图像与衰减图像之间的结构相似性，将深度学习模型融入交替迭代重建方案中 | 仅在模拟数据集上进行测试，尚未在真实临床数据上验证 | 开发联合散射和衰减图像重建的新方法 | 人体组织模拟的2D幻影图像和基于真实CT图像的模拟数据集 | 医学影像 | 肿瘤 | 康普顿散射断层成像，单视图CT成像 | 深度学习 | CT图像，模拟数据 | 生成的2D幻影图像数据集和真实CT图像模拟数据集 | NA | NA | 结构相似性指数 | NA |
| 5964 | 2025-10-06 |
On Interpretability of Artificial Neural Networks: A Survey
2021-Nov, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2021.3066428
PMID:35573928
|
综述 | 本文对人工神经网络可解释性研究进行了系统性综述，提出了可解释性分类法并探讨了在医学等领域的应用 | 提出了简单而全面的可解释性分类法，系统梳理了神经网络可解释性研究进展，并探讨了与模糊逻辑和脑科学的未来研究方向 | NA | 提高深度神经网络的可解释性，促进其在关键任务领域的应用 | 人工深度神经网络(DNNs)及其可解释性方法 | 机器学习 | NA | NA | DNN | 文本,图像,视频,图数据 | NA | NA | NA | NA | NA |
| 5965 | 2025-10-06 |
When the ventral visual stream is not enough: A deep learning account of medial temporal lobe involvement in perception
2021-09-01, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2021.06.018
PMID:34265252
|
研究论文 | 通过深度学习框架研究内侧颞叶在视觉感知中的作用，解决了关于嗅周皮层参与感知的长期争议 | 建立了一个近似腹侧视觉流功能的深度学习框架，将病变研究、电生理记录和行为结果置于统一的计算框架中 | 模型仅近似腹侧视觉流功能而缺乏嗅周皮层，可能无法完全模拟完整大脑的视觉行为 | 研究内侧颞叶特别是嗅周皮层在视觉感知中的作用机制 | 人类参与者、猕猴电生理记录、已发表的视觉辨别实验数据 | 计算神经科学 | NA | 深度学习、电生理记录 | 深度学习模型 | 行为数据、电生理记录 | 30个已发表视觉辨别实验、新的行为实验参与者 | NA | NA | 行为表现对比 | NA |
| 5966 | 2025-10-06 |
Quantitative analysis of metastatic breast cancer in mice using deep learning on cryo-image data
2021-09-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-96838-y
PMID:34471169
|
研究论文 | 本研究开发了一种基于卷积神经网络的深度学习算法，用于自动分析小鼠转移性乳腺癌的冷冻成像数据 | 提出结合多尺度CNN特征与手工特征的三步式转移灶分割算法，显著减少人工干预时间 | 需要专家使用MATLAB软件进行半自动校正，算法泛化性需进一步验证 | 开发自动化方法定量分析小鼠模型中转移性乳腺癌的分布和大小 | 携带4T1乳腺癌细胞的小鼠模型 | 计算机视觉 | 乳腺癌 | 冷冻成像技术 | CNN, 随机森林 | 3D彩色解剖图像和荧光图像 | 4只癌症小鼠 | MATLAB | 卷积神经网络 | 灵敏度, 特异度, AUC | NA |
| 5967 | 2025-10-06 |
Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural Network
2021-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2021.3073381
PMID:33856986
|
研究论文 | 提出一种新型循环生成对抗网络模型用于减少心脏电影MRI运动伪影 | 首次将双向卷积长短期记忆网络与多尺度卷积结合用于心脏MRI运动伪影减少，能够处理长程时序特征并同时捕获局部和全局特征 | NA | 开发深度学习技术以减少心脏电影MRI扫描时间和运动伪影 | 心脏电影磁共振成像序列 | 医学影像处理 | 心血管疾病 | 心脏磁共振成像 | GAN, RNN | 医学影像 | NA | NA | 循环生成对抗网络, 双向ConvLSTM | 图像质量 | NA |
| 5968 | 2025-10-06 |
Semi-Automated Extraction of Lens Fragments via a Surgical Robot Using Semantic Segmentation of OCT Images with Deep Learning - Experimental Results in ex vivo Animal Model
2021-Jul, IEEE robotics and automation letters
IF:4.6Q2
DOI:10.1109/LRA.2021.3072574
PMID:34621980
|
研究论文 | 本研究开发了一种基于OCT图像语义分割的机器人系统，用于半自动提取猪眼晶状体碎片 | 首次将深度学习语义分割技术与眼科手术机器人结合，实现眼内结构的自动识别和晶状体碎片的半自动提取 | 研究仅在离体猪眼模型中进行验证，样本量有限，尚未进行在体实验 | 验证使用OCT引导机器人系统提取晶状体碎片的可行性 | 猪眼晶状体碎片 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描(OCT) | CNN | OCT图像 | 训练集10只猪眼，验证集8只猪眼，测试集10只猪眼，系统演示7只猪眼 | NA | NA | 平均交并比(mIoU) | NA |
| 5969 | 2025-10-06 |
Preoperative identification of microvascular invasion in hepatocellular carcinoma by XGBoost and deep learning
2021-Mar, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-020-03366-9
PMID:32852634
|
研究论文 | 本研究开发了基于XGBoost和深度学习的模型，用于术前预测肝细胞癌的微血管侵犯 | 结合放射组学特征、影像学特征和临床变量构建XGBoost模型，并开发3D-CNN模型进行MVI预测 | 需要进一步验证，样本量相对有限（405例患者） | 术前预测肝细胞癌的微血管侵犯状态 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | CT影像分析，放射组学特征提取 | XGBoost, 3D-CNN | CT图像 | 405例患者（220例MVI阳性，185例MVI阴性） | NA | 3D卷积神经网络 | AUROC, 置信区间, 无复发生存期 | NA |
| 5970 | 2025-10-06 |
Deep Learning Model to Predict Serious Infection Among Children With Central Venous Lines
2021, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2021.726870
PMID:34604142
|
研究论文 | 开发深度学习模型预测带中心静脉导管儿童发生疑似严重感染的风险 | 首次将深度学习应用于预测儿童中心静脉导管相关血流感染，相比传统疾病严重程度评分PELOD-2显著提升预测性能 | 单中心回顾性研究，未在外部数据集验证 | 预测儿科患者中心静脉导管相关的疑似严重感染 | 带中心静脉导管的住院儿童患者 | 医疗人工智能 | 儿科感染性疾病 | 电子病历数据挖掘 | 深度学习 | 临床特征数据（人口统计学、实验室结果、生命体征、导管特征、用药记录） | 27,137例患者就诊记录，748,380个48小时时间窗口 | NA | NA | AUC, 阳性预测值 | NA |
| 5971 | 2025-10-06 |
Deep Learning Approaches to Surrogates for Solving the Diffusion Equation for Mechanistic Real-World Simulations
2021, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2021.667828
PMID:34248661
|
研究论文 | 本文开发了一种基于卷积神经网络的替代模型，用于快速求解稳态扩散方程的近似解 | 使用卷积神经网络作为偏微分方程的替代求解器，相比直接计算可获得约1000倍的加速，并提出使用回退训练策略来改善训练收敛性 | 遇到过拟合、场值映射错误以及导致近似解出现较大绝对误差和相对误差的几何条件等问题 | 为机械现实世界模拟中的扩散方程求解开发快速计算方法 | 二维方形域中两个等直径圆形恒定值源在随机位置的扩散场 | 机器学习 | 糖尿病视网膜病变 | NA | CNN | 数值模拟数据 | 通过直接计算生成数万次训练数据 | NA | 卷积神经网络 | 损失函数, 绝对误差, 相对误差 | NA |
| 5972 | 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 |
| 5973 | 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 |
| 5974 | 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 |
| 5975 | 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 |
| 5976 | 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 |
| 5977 | 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 |
| 5978 | 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 |
| 5979 | 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 |
| 5980 | 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 |