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 32259 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2024-08-07 |
Correction to: Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01160-4
PMID:38864948
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 622 | 2025-09-30 |
Sli2Vol+: Segmenting 3D Medical Images Based on an Object Estimation Guided Correspondence Flow Network
2025 Feb-Mar, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision
DOI:10.1109/wacv61041.2025.00357
PMID:41001582
|
研究论文 | 提出一种基于对象估计引导对应流网络的自监督框架，用于3D医学图像分割 | 开发了对象估计引导对应流网络来学习连续切片间的可靠对应关系，解决了传统方法中的误差累积和间断处理问题 | 每个训练和测试体积仅使用单个标注切片，可能在某些复杂情况下限制性能 | 减少3D医学图像分割的标注负担，提高分割准确性 | 3D医学图像中的解剖结构 | 医学图像分析 | 多器官疾病 | 自监督学习 | 对应流网络 | 3D医学图像 | 多个不同数据集，涵盖不同器官、模态和模式 |
| 623 | 2025-09-30 |
Fine-grained Prototype Network for MRI Sequence Classification
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种用于MRI序列分类的细粒度原型网络SequencesNet | 结合CNN和改进视觉transformer的特征提取网络，引入特征选择模块和原型分类模块来捕捉细粒度差异 | 计算复杂度较高，模型泛化能力有待提升 | 解决MRI序列分类中类间差异细微、类内变化显著的问题 | 腹部MRI序列图像 | 医学影像分析 | 腹部疾病 | 深度学习 | CNN + Vision Transformer | 医学图像 | 公共腹部MRI序列分类数据集和私有数据集 |
| 624 | 2025-09-30 |
Gamma-Band Binaural Beats Neuromodulation Enhances P300 Classification in an Auditory Brain-Computer Interface Paradigm
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3604016
PMID:40880336
|
研究论文 | 本研究探索伽马波段双耳节律作为非侵入性神经调控方法对听觉P300脑机接口性能的增强效果 | 首次系统评估伽马波段双耳节律对听觉P300-BCI的调控作用，并通过非周期性脑电成分分析揭示其神经机制 | 研究样本仅包含健康参与者，未涉及临床患者群体 | 开发低成本、易操作的神经调控方法以优化听觉脑机接口性能 | 30名健康参与者 | 脑机接口 | NA | 双耳节律刺激、脑电图、不规则重采样自动谱分析 | 机器学习分类器、深度学习模型 | 脑电信号 | 30名健康参与者 |
| 625 | 2025-09-30 |
Novel Physics-Informed Bayesian Fusion Post-Processor for Enhanced Gait Phase Recognition Using Surface Electromyography
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3604618
PMID:40889304
|
研究论文 | 提出一种新型物理信息贝叶斯融合后处理器，用于增强基于表面肌电信号的步态相位识别 | 将生物力学序列约束嵌入分类器的后验概率输出，抑制不稳定转换并促进自然步态进展 | NA | 提高肌电控制在下肢辅助设备中的安全性、可靠性和实时性能 | 下肢肌肉表面肌电信号和步态周期五个相位 | 机器学习 | NA | 表面肌电信号采集 | SVM, ANN, KNN, CNN-LSTM混合深度学习模型 | 肌电信号 | 40名受试者的SIAT-LLMD数据集 |
| 626 | 2025-09-30 |
EfficientNetSwift: A Lightweight and Precise Deep Learning Model for Detecting Oral Squamous Cell Carcinoma Using Pathological Images
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251380966
PMID:41004387
|
研究论文 | 提出基于改进轻量级EfficientNetSwift的深度学习模型，用于口腔鳞状细胞癌病理图像的自动检测 | 开发了轻量级EfficientNetSwift模型，在保持高精度的同时显著减少参数数量 | NA | 开发人工智能方法实现口腔鳞状细胞癌的自动化检测 | 口腔鳞状细胞癌(OSCC)病理图像 | 数字病理 | 口腔鳞状细胞癌 | 深度学习 | EfficientNetSwift | 病理图像 | NA |
| 627 | 2025-09-30 |
Automatic road damage recognition based on improved YOLOv11 with multi-scale feature extraction and fusion attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327387
PMID:41004548
|
研究论文 | 提出一种基于改进YOLOv11的自动道路损伤识别方法，通过多尺度特征提取和融合注意力机制提升检测性能 | 引入微小目标检测层增强小物体识别能力，集成全局注意力机制抑制背景噪声，采用轻量化卷积模块优化计算效率 | 仅在RDD2022数据集上进行验证，未提及其他数据集或实际部署环境的泛化能力 | 开发高效准确的道路损伤自动检测方法以支持交通安全和基础设施维护 | 道路损伤图像 | 计算机视觉 | NA | 深度学习 | YOLOv11 | 图像 | RDD2022数据集（具体数量未提及） |
| 628 | 2025-09-30 |
CAAFE-ResNet: A ResNet With Channel Attention-Augmented Feature Extraction for Prognostic Assessment in Rectal Cancer
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70030
PMID:40867076
|
研究论文 | 提出一种基于ResNet18*的CAAFE-ResNet18*深度学习模型，用于直肠癌MRI图像的预后评估 | 设计了特征提取与补充模块(CAAFE)，结合多尺度扩张卷积并行架构和通道注意力机制，实现多层次信息融合、空间特征增强和通道特征优化 | NA | 早期识别直肠癌治疗中显示完全缓解(CR)和无响应(NR)的患者 | 局部晚期直肠癌(LARC)患者的MRI图像 | 计算机视觉 | 直肠癌 | 磁共振成像(MRI) | CNN, ResNet, 通道注意力机制 | 图像 | NA |
| 629 | 2025-09-30 |
Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01008-x
PMID:38413460
|
研究论文 | 提出结合深度学习与肿瘤微环境分析的胶质瘤分级方法 | 首次将肿瘤微环境分析协议与深度学习结合，通过单染色活检识别微环境表型特征 | 数据集规模较小（仅206张图像）且存在数据不平衡问题 | 开发自动胶质瘤分级系统并量化肿瘤微环境特征 | 胶质瘤组织微阵列图像 | 数字病理学 | 胶质瘤 | 组织染色、图像增强 | DenseNet121、监督学习、无监督学习 | 病理图像 | 206张图像（5个类别） |
| 630 | 2025-09-30 |
Approximating Intermediate Feature Maps of Self-Supervised Convolution Neural Network to Learn Hard Positive Representations in Chest Radiography
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01032-x
PMID:38381382
|
研究论文 | 提出中间特征近似损失函数来改进自监督卷积神经网络在胸部X光图像中的对比学习性能 | 提出IFA损失函数，通过最大化原始数据与正样本对中间特征输出的余弦相似度来增强正样本表示学习，无需额外数据增强 | NA | 改进医学图像对比学习中的正样本表示学习，提高模型性能 | 胸部X光图像 | 计算机视觉 | NA | 对比学习 | 自监督卷积神经网络 | 图像 | NA |
| 631 | 2025-09-30 |
DeepCSFusion: Deep Compressive Sensing Fusion for Efficient COVID-19 Classification
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01011-2
PMID:38381386
|
研究论文 | 提出一种名为DeepCSFusion的深度压缩感知融合方法，用于高效分类COVID-19和非COVID-19的CT扫描 | 提出新颖的压缩策略，能够以10%至90%的压缩比压缩深度特征，并通过特征融合实现高精度分类 | 仅在一个公开数据集上进行验证，样本规模相对有限 | 开发高效的COVID-19分类方法，降低深度学习模型在资源受限设备上的部署难度 | COVID-19和非COVID-19的计算机断层扫描(CT)图像 | 计算机视觉 | COVID-19 | 深度压缩感知融合 | 深度学习模型 | CT图像 | 1252个CT扫描样本 |
| 632 | 2025-09-30 |
Automatic Tracking of Hyoid Bone Displacement and Rotation Relative to Cervical Vertebrae in Videofluoroscopic Swallow Studies Using Deep Learning
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01039-4
PMID:38383805
|
研究论文 | 开发了一种基于深度学习的自动追踪视频荧光吞咽研究中舌骨位移和旋转的方法 | 提出使用全高分辨率网络自动检测舌骨和颈椎标志点，建立新坐标系消除姿势变化影响 | NA | 开发自动分析视频荧光吞咽研究中舌骨运动学的方法 | 舌骨位移和旋转相对于颈椎的运动 | 计算机视觉 | 吞咽障碍 | 深度学习 | 全高分辨率网络 | 视频帧图像 | 1488个吞咽样本的59,468帧VFSS图像 |
| 633 | 2025-09-30 |
Auto-segmentation of Adult-Type Diffuse Gliomas: Comparison of Transfer Learning-Based Convolutional Neural Network Model vs. Radiologists
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01044-7
PMID:38383806
|
研究论文 | 本研究开发了一种基于迁移学习的卷积神经网络模型，用于成人型弥漫性胶质瘤的自动分割，并与放射科医生的手动分割效果进行对比 | 首次将迁移学习应用于胶质瘤分割，并在结构序列和ADC序列上验证模型性能，证明其与放射科医生分割效果相当 | 在术后病例和多灶性胶质瘤病例的分割效果仍需改进 | 开发自动化的胶质瘤分割工具，提高脑肿瘤定量评估效率 | 成人型弥漫性胶质瘤患者 | 计算机视觉 | 脑胶质瘤 | 深度学习、迁移学习、多序列MRI | CNN | 医学影像 | 训练集100例，测试集97例，预训练数据集579例 |
| 634 | 2025-09-30 |
Developing a Radiomics Atlas Dataset of normal Abdominal and Pelvic computed Tomography (RADAPT)
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01028-7
PMID:38383807
|
研究论文 | 本研究创建了首个正常腹部和盆腔CT影像的放射组学图谱数据集RADAPT | 建立了首个正常人体腹部和盆腔的放射组学参考数据集，填补了放射组学领域正常参考图谱的空白 | 研究为回顾性设计，样本仅包含17-36岁的年轻成年人，且仅基于急诊CT扫描 | 系统性创建可用于模型开发和验证的正常腹部和盆腔放射组学数据集 | 531名无已知疾病的年轻成年人（17-36岁）的腹部和盆腔CT影像 | 数字病理 | NA | CT扫描、放射组学特征提取 | 深度学习分割模型（TotalSegmentator） | 医学影像（CT） | 531名患者（250名女性，281名男性），包含526个平扫系列和400个增强扫描系列 |
| 635 | 2025-09-30 |
HBMD-Net: Feature Fusion Based Breast Cancer Classification with Class Imbalance Resolution
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01046-5
PMID:38409609
|
研究论文 | 提出HBMD-Net模型通过特征融合和类别不平衡解决技术来提升乳腺癌分类精度 | 结合ResNet50深度特征和HOG手工特征的特征融合方法，并采用BSMOTE技术解决类别不平衡问题 | 仅使用两个公开的乳腺超声数据集进行验证，数据集数量有限 | 开发可靠的计算机辅助诊断系统用于乳腺癌精确分类 | 乳腺超声图像中的肿瘤区域 | 计算机视觉 | 乳腺癌 | BSMOTE, HOG, BM3D去噪, ROI分割 | HBMD-Net（基于ResNet50的特征融合网络） | 超声图像 | 两个乳腺超声数据集（BUSI和UDIAT） |
| 636 | 2025-09-30 |
LAMA: Lesion-Aware Mixup Augmentation for Skin Lesion Segmentation
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01000-5
PMID:38409610
|
研究论文 | 提出一种用于皮肤病变分割的病灶感知混合数据增强方法LAMA | 首次提出专门针对多病灶皮肤病变分割的数据增强技术，通过混合训练集中的多个病灶图像生成合成多病灶图像 | 未在原始ISIC 2017数据集中考虑多病灶情况，需要创建新的测试数据集 | 提高皮肤病变图像分割的准确性，特别是针对多病灶图像 | 皮肤病变的dermoscopic图像 | 计算机视觉 | 皮肤病变 | 深度学习 | 深度神经网络 | 图像 | 使用ISIC 2017挑战赛数据集训练，ISIC 2020多病灶图像创建的新MuLe测试集 |
| 637 | 2025-09-30 |
Deep Learning Radiomics Analysis of CT Imaging for Differentiating Between Crohn's Disease and Intestinal Tuberculosis
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01059-0
PMID:38424279
|
研究论文 | 本研究开发并评估了一种基于CT的深度学习影像组学模型，用于区分克罗恩病和肠结核 | 首次结合动脉期和静脉期CT图像构建深度学习影像组学模型，并采用SMOTE技术处理数据不平衡问题 | 样本量相对有限且来自单一医疗中心，需要外部验证 | 开发能够准确区分克罗恩病和肠结核的影像诊断模型 | 330例经病理确诊的克罗恩病和肠结核患者 | 医学影像分析 | 肠道疾病 | CT成像、深度学习影像组学、SMOTE、LASSO回归 | 逻辑回归模型 | CT图像 | 330例患者（克罗恩病245例，肠结核85例），分为两个验证数据集 |
| 638 | 2025-09-30 |
Privacy-Preserving Breast Cancer Classification: A Federated Transfer Learning Approach
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01035-8
PMID:38424280
|
研究论文 | 提出一种结合联邦学习和迁移学习的方法用于隐私保护的乳腺癌分类 | 将迁移学习整合到联邦学习框架中，并引入领域对抗训练来解决医疗中心间的数据分布差异问题 | 仅在三家医疗中心的数据上进行验证，需要更多医疗机构的参与来进一步验证泛化能力 | 在保护数据隐私的前提下提高乳腺癌分类的准确性和模型泛化能力 | 乳腺癌患者的乳腺X线摄影和MRO图像 | 计算机视觉 | 乳腺癌 | 迁移学习、联邦学习、领域对抗训练 | ResNet | 医学图像 | 来自三家不同医疗中心的乳腺癌数据集 |
| 639 | 2025-09-30 |
A Systematic Review on Caries Detection, Classification, and Segmentation from X-Ray Images: Methods, Datasets, Evaluation, and Open Opportunities
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01054-5
PMID:38429559
|
系统性综述 | 系统综述了基于X射线图像的龋齿检测、分类和分割的计算方法 | 首次系统性地整理和分析了龋齿识别领域的计算方法、数据集和评估指标 | 仅纳入42项研究，且仅有12%的研究使用公开数据集 | 调查和系统化龋齿识别的主要计算方法 | X射线图像中的龋齿病变 | 计算机视觉 | 龋齿 | 深度学习、机器学习、图像处理 | NA | X射线图像 | 42项研究（来自Science Direct、IEEExplore、ACM Digital和PubMed数据库） |
| 640 | 2025-09-30 |
Auto-BCS: A Hybrid System for Real-Time Breast Cancer Screening from Pathological Images
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01056-3
PMID:38429562
|
研究论文 | 提出了一种用于病理图像实时乳腺癌筛查的混合系统Auto-BCS | 结合轻量级深度学习模型与极端梯度提升分类器，优化性能并防止过拟合，特别适用于低处理能力移动设备 | 未明确说明具体数据集规模和临床验证范围 | 开发高效的实时乳腺癌早期筛查系统 | 乳腺癌病理图像 | 数字病理 | 乳腺癌 | 深度学习、极端梯度提升 | 轻量级深度学习模型、XGBoost | 病理图像 | NA |