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 7321 - 7340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7321 | 2025-07-02 |
Comment on "Deep Learning for Staging Periodontitis Using Panoramic Radiographs"
2025-Jul-01, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15347
PMID:40589414
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7322 | 2025-10-06 |
Automatic Multiclass Tissue Segmentation Using Deep Learning in Brain MR Images of Tumor Patients
2025-Jun-30, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001750
PMID:40576335
|
研究论文 | 开发基于深度学习的自动多类别脑组织分割方法，用于脑肿瘤患者的MR图像分析 | 提出基于深度残差U-Net框架的卷积神经网络，专门针对包含病变的脑组织分割问题，在脑肿瘤患者数据上表现优于传统方法 | 仅在1251例BraTS'21数据和100例本地医院数据上验证，样本来源相对有限 | 开发快速自动的脑组织分割方法，包括肿瘤病变的精确分割 | 脑肿瘤患者的MR图像 | 计算机视觉 | 脑肿瘤 | MR成像 | CNN | 医学图像 | 1251例BraTS'21数据集患者和100例本地医院患者 | NA | 深度残差U-Net | Dice相似系数, 体积相似度 | NA |
| 7323 | 2025-10-06 |
Unstained Blood Smear Analysis: A Review of Rule-Based, Machine Learning, and Deep Learning Techniques
2025-Jun-30, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500121
PMID:40583517
|
综述 | 本文系统回顾了基于规则、机器学习和深度学习方法在未染色血涂片细胞分割与分类中的应用 | 首次全面比较了三种不同技术路线在未染色血细胞分析中的性能表现，并指出了临床转化的关键挑战 | NA | 分析未染色血细胞图像的分割与分类技术现状与发展方向 | 未染色血涂片中的血细胞 | 数字病理学 | 血液疾病 | 生物光子学成像技术 | 基于规则方法, 机器学习, 深度学习 | 未染色血细胞图像 | NA | NA | NA | NA | NA |
| 7324 | 2025-10-06 |
A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI
2025-Jun-30, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70027
PMID:40583513
|
研究论文 | 构建基于深度学习的去伪影扩散模型，用于去除膝关节MRI中的运动伪影 | 首次将条件扩散模型应用于膝关节MRI运动伪影去除，并使用真实世界数据进行模型构建 | 研究为回顾性设计，样本量相对有限，需要进一步前瞻性验证 | 开发有效的深度学习模型去除膝关节MRI运动伪影 | 膝关节MRI图像 | 医学影像处理 | 膝关节疾病 | MRI成像技术 | 条件扩散模型 | 医学图像 | 模型构建：90名患者（1997张2D切片）；内部测试：25名患者（795张切片）；外部测试：39名患者（813张切片） | NA | 条件扩散模型 | RMSE, PSNR, SSIM, 主观评分 | NA |
| 7325 | 2025-10-06 |
Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies
2025-Jun-30, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001218
PMID:40586610
|
研究论文 | 本研究开发了一种基于PI-RADS指导表示学习的深度学习模型，用于区分前列腺双参数MRI中的PI-RADS 3分类并改善活检决策策略 | 采用PI-RADS指导的表示学习方法，利用放射科医生确信的风险评估病例训练模型，能够为中等风险的PI-RADS 3评估提供额外信息 | 研究为单机构回顾性研究，需要多中心前瞻性验证 | 通过深度学习模型区分PI-RADS 3分类，检测临床显著前列腺癌，避免不必要的良性活检 | 前列腺癌患者的前列腺双参数MRI图像 | 医学影像分析 | 前列腺癌 | 双参数前列腺MRI（T2加权和扩散加权成像） | 深度学习表示学习模型 | 医学影像 | 28,263次MR检查（来自21,938名男性），其中6,352次后续活检 | NA | 表示学习模型 | AUC, 敏感性, NPV, 活检收益率 | NA |
| 7326 | 2025-10-06 |
Radiation Dose Reduction and Image Quality Improvement of UHR CT of the Neck by Novel Deep-learning Image Reconstruction
2025-Jun-30, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-025-01532-5
PMID:40586788
|
研究论文 | 评估结合新型深度学习重建算法的剂量降低超高清CT在头颈部成像中对图像质量和辐射暴露的影响 | 首次将新型深度学习重建算法(DL-2)与体重适应性剂量降低协议相结合用于头颈部超高清CT成像 | 回顾性研究设计，样本量相对有限(共128例患者) | 评估深度学习重建算法在头颈部CT成像中降低辐射剂量同时提升图像质量的性能 | 头颈部CT图像 | 医学影像处理 | 头颈部疾病 | 超高清CT成像，深度学习图像重建 | 深度学习 | CT图像 | 128例患者(98例采用体重适应性协议，30例采用标准剂量) | NA | Clear-IQ引擎，自适应迭代剂量降低 | 信噪比，对比噪声比，诊断可接受性，图像噪声 | NA |
| 7327 | 2025-10-06 |
Improving Robustness and Reliability in Medical Image Classification with Latent-Guided Diffusion and Nested-Ensembles
2025-Jun-30, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3583974
PMID:40587343
|
研究论文 | 提出一种结合视觉Transformer和扩散模型的集成学习方法LaDiNE，用于提升医学图像分类的鲁棒性和可靠性 | 首次将视觉Transformer的鲁棒特征提取与扩散模型的密度估计能力结合，同时解决噪声扰动、对抗攻击和分辨率退化等多种挑战 | 仅在结核病胸片和黑色素瘤皮肤癌数据集上验证，未测试其他医学图像类型 | 提升医学图像分类模型在未知协变量偏移下的鲁棒性和可靠性 | 医学图像分类任务 | 计算机视觉 | 结核病, 黑色素瘤皮肤癌 | 扩散模型, 集成学习 | Vision Transformer, 扩散模型 | 医学图像 | 结核病胸片和黑色素瘤皮肤癌数据集 | NA | Transformer编码器块, 扩散模型 | 预测准确率, 置信度校准 | NA |
| 7328 | 2025-10-06 |
Novel Deep Learning Model to Estimate Knee Flexion and Adduction Moments with Wearable IMUs during Treadmill and Overground Walking
2025-Jun-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3584389
PMID:40587356
|
研究论文 | 开发一种新型深度学习模型，通过可穿戴惯性测量单元在跑步机和地面行走中估计膝关节屈曲力矩和内收力矩 | 首次结合LSTM自编码器和变分高斯过程来估计膝关节力矩的均值和不确定性区域 | 研究仅涉及健康参与者，未包含膝关节置换术后患者 | 开发基于可穿戴传感器的机器学习框架，用于估计与骨关节炎相关的膝关节生物力学因素 | 健康参与者在跑步机和地面行走时的膝关节生物力学数据 | 机器学习 | 骨关节炎 | 惯性测量单元(IMU) | LSTM, Autoencoder, Variational Gaussian Process | 传感器时序数据 | 34名健康参与者（17人跑步机行走，17人地面行走） | NA | LSTM-based Autoencoder, Variational Gaussian Process | 均方根误差(RMSE) | NA |
| 7329 | 2025-10-06 |
Bidirectional Prototype-Guided Consistency Constraint for Semi-Supervised Fetal Ultrasound Image Segmentation
2025-Jun-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3584236
PMID:40587357
|
研究论文 | 提出一种基于双向原型引导一致性约束的半监督胎儿超声图像分割方法 | 通过原型桥接标注和未标注数据并建立双向交互，结合不确定性交叉监督提升伪标签质量 | NA | 解决胎儿超声图像标注数据稀缺问题，提升半监督分割性能 | 胎儿超声图像 | 医学图像分割 | 胎儿发育评估 | 超声成像 | 深度学习 | 超声图像 | 在两个胎儿超声数据集上进行实验 | NA | BiPCC | 分割性能指标 | NA |
| 7330 | 2025-10-06 |
DeepLabV3+ With Convolutional Triplet Attention and Histopathology-Guided Voting for Hyperspectral Image Segmentation of Serous Ovarian Cancer
2025-Jun-30, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500142
PMID:40587972
|
研究论文 | 提出融合卷积三重注意力和组织病理学引导投票机制的DeepLabV3+模型，用于浆液性卵巢癌高光谱图像分割 | 集成卷积三重注意力模块捕捉跨维度光谱-空间依赖，结合WHO诊断标准的组织病理学引导投票机制 | 基线DeepLabV3+模型处理高维数据性能欠佳，泛化能力和判别能力有限 | 提升浆液性卵巢癌高光谱图像分割的准确性和判别能力 | 浆液性卵巢癌组织的高光谱图像 | 计算机视觉 | 卵巢癌 | 高光谱成像 | CNN | 高光谱图像 | NA | NA | DeepLabV3+, Convolutional Triplet Attention Module, U-Net, PAN, FPN | 准确率 | NA |
| 7331 | 2025-10-06 |
Efficient Cerebral Infarction Segmentation Using U-Net and U-Net3 + Models
2025-Jun-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01587-3
PMID:40588699
|
研究论文 | 本研究使用U-Net和U-Net3+模型对脑梗死区域进行精确分割 | 采用新型数据集并比较基础U-Net与先进U-Net3+模型在脑梗死分割中的表现，发现简单架构模型反而取得更优性能 | 数据集规模有限（110名患者），需通过数据增强技术扩充数据 | 开发精确高效的脑梗死分割方法以支持医疗决策 | 脑梗死患者的MRI扫描图像 | 医学影像分析 | 脑梗死 | MRI扫描 | CNN | 医学图像 | 110名患者的MRI扫描，经数据增强后得到6732张平衡图像 | NA | U-Net, U-Net3+ | Dice系数, IoU, 像素精度, 特异性 | NA |
| 7332 | 2025-10-06 |
A Deep Learning Framework for the Electronic Structure of Water: Toward a Universal Model
2025-Jun-30, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00496
PMID:40588763
|
研究论文 | 提出一种改进的机器学习Deep Kohn-Sham方法DeePKS-ES，用于精确模拟水系统的电子结构 | 通过将哈密顿矩阵及其特征值和特征向量纳入损失函数，建立了水系统的通用模型，能够从廉价的PBE计算重现高级混合泛函的电子特性 | NA | 开发能够精确模拟水系统电子结构的计算方法，弥合量子力学精度与可扩展计算之间的差距 | 水系统的电子结构，包括单个水分子到体相液体 | 机器学习 | NA | Deep Kohn-Sham方法，混合泛函计算，广义梯度近似计算 | 深度学习 | 量子化学计算数据 | NA | NA | DeePKS | 能带间隙预测，态密度预测，总能量预测，原子力预测 | NA |
| 7333 | 2025-10-06 |
Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort
2025-Jun-30, Brain pathology (Zurich, Switzerland)
DOI:10.1111/bpa.70029
PMID:40589103
|
研究论文 | 本研究使用数字病理学和深度学习技术，在瑞典多中心队列中评估了最先进的儿科脑肿瘤分类方法 | 在儿科脑肿瘤分类中首次评估了三种组织学特异性基础模型特征提取器与两种弱监督多示例学习方法的组合性能 | 研究受限于儿科脑肿瘤组织病理学数据集的稀缺性，且在多中心测试中性能有所下降 | 开发并评估基于数字病理和深度学习的儿科脑肿瘤分类方法 | 540名儿科脑肿瘤患者的苏木精-伊红全切片图像 | 数字病理学 | 脑肿瘤 | 数字病理学，全切片图像分析 | 多示例学习 | 病理图像 | 540名受试者（年龄8.5±4.9岁），来自瑞典六所大学医院 | NA | ResNet50, UNI, CONCH, ABMIL, CLAM | 马修斯相关系数 | NA |
| 7334 | 2025-10-06 |
Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy
2025-Jun-28, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07416-7
PMID:40580320
|
研究论文 | 本研究开发基于深度学习的全身CT分割方法，用于评估转移性去势抵抗性前列腺癌患者在接受PSMA靶向放疗前的身体成分及其预后价值 | 首次将深度学习应用于PSMA-PET/CT中的CT成分自动分割，超越标准PSMA-PET评估，探索身体成分指标在mCRPC患者中的预后价值 | 回顾性研究、样本量较小(n=86)、需在更大前瞻性数据集中验证 | 开发基于深度学习的身体成分自动分割方法，评估其在mCRPC患者PSMA靶向治疗中的预后价值 | 86例接受[177Lu]Lu-PSMA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 | 前列腺癌 | PSMA-PET/CT成像 | 深度学习分割模型 | CT图像 | 86例前列腺癌患者 | NA | NA | Cox回归分析p值, Kaplan-Meier分析, log-rank检验 | NA |
| 7335 | 2025-10-06 |
Research status, hotspots and perspectives of artificial intelligence applied to pain management: a bibliometric and visual analysis
2025-Jun-28, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02296-w
PMID:40580377
|
文献计量分析 | 通过文献计量和可视化分析方法探讨人工智能在疼痛管理领域的研究现状、热点与趋势 | 首次对人工智能应用于疼痛管理领域进行系统的文献计量分析，识别了该领域的研究热点和未来发展方向 | 仅纳入英文文献和WOS数据库文献，可能存在语言和数据库选择偏倚 | 分析人工智能在疼痛管理领域的研究现状、热点和发展趋势 | 970篇相关研究论文，涉及5679位作者、2030个学术机构和84个国家/地区 | 机器学习 | 疼痛管理 | 文献计量分析、可视化分析 | NA | 文献数据 | 970篇发表论文 | VOSviewer, CiteSpace, Bibliometrix | NA | 发文量、共被引频次、合作网络分析 | NA |
| 7336 | 2025-10-06 |
Identifying visible tissue in intraoperative ultrasound: a method and application
2025-Jun-28, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03415-z
PMID:40580392
|
研究论文 | 提出一种识别术中超声可见组织的迭代滤波和拓扑方法，用于分析探头-组织接触并构建感知显著性置信图 | 开发了新颖的迭代滤波和拓扑方法来识别可见组织，创建了评估探头-组织接触置信度的新框架 | NA | 分析术中超声探头-组织接触，检测声影并构建感知显著性置信图 | 术中超声扫描中的可见组织 | 医学影像分析 | NA | 超声成像 | NA | 超声图像 | 包含体内数据和医学体模数据的数据集 | NA | NA | Fβ分数, 归一化均方根误差 | NA |
| 7337 | 2025-10-06 |
Machine Learning Based Multi-Class Classification and Grading of Squamous Cell Carcinoma in Optical Microscopy
2025-Jun-27, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70016
PMID:40579786
|
研究论文 | 本研究利用机器学习和深度学习模型对鳞状细胞癌组织病理图像进行多分类和分级 | 结合机器学习特征分析和可解释深度学习模型，实现高精度的鳞状细胞癌自动分级 | NA | 开发自动化的鳞状细胞癌组织病理分级方法 | 鳞状细胞癌组织病理图像 | 数字病理 | 鳞状细胞癌 | 光学显微镜成像 | 支持向量机,朴素贝叶斯,决策树,KNN,神经网络,CNN | 图像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 7338 | 2025-10-06 |
Design and Optimization of an automatic deep learning-based cerebral reperfusion scoring (TICI) using thrombus localization
2025-Jun-26, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2025.101366
PMID:40581292
|
研究论文 | 设计和优化基于深度学习的自动脑灌注评分(TICI)系统，利用血栓定位技术 | 首次将血栓定位信息整合到基于CNN的TICI评分分类模型中 | 三分类模型性能不足，自动血栓检测模块未能提升模型表现 | 开发人工智能辅助的脑梗死溶栓评分系统 | 接受机械取栓治疗的患者 | 医学影像分析 | 脑梗死 | 数字减影血管造影 | CNN | 医学影像 | 422名患者，2492个血栓标注，1609个DSA序列 | NA | 卷积神经网络 | 特异性, 敏感性, F1分数 | NA |
| 7339 | 2025-10-06 |
Fog-Enabled Modular Deep Learning Platform for Textual Data Mining in Healthcare for Pathology Detection in Burkina Faso
2025-Jun-26, Studies in health technology and informatics
DOI:10.3233/SHTI250696
PMID:40588904
|
研究论文 | 提出了一种面向布基纳法索医疗环境的深度学习诊断支持平台架构 | 结合诊断治疗指南与OCR提取的手写处方文本数据，并针对当地环境比较了雾计算与云计算两种架构 | 基于模拟验证，缺乏真实环境部署数据 | 开发适用于布基纳法索医疗体系的深度学习诊断支持平台 | 手写处方和电子健康记录中的文本数据 | 自然语言处理 | 病理学检测 | 光学字符识别（OCR） | 深度学习 | 文本 | NA | NA | NA | NA | 雾计算架构、云计算架构 |
| 7340 | 2025-10-06 |
Smart Wearable Analytics for Cycling: AI-Based Physical Exertion Prediction
2025-Jun-26, Studies in health technology and informatics
DOI:10.3233/SHTI250714
PMID:40588921
|
研究论文 | 本研究评估了基于深度学习的LSTM与多头注意力模型，用于骑行运动中身体劳累程度的分类和回归预测 | 首次将LSTM与多头注意力机制结合应用于运动生理数据预测，并采用MRMR和UFR特征选择方法识别关键预测因子 | 样本量较小（27名健康参与者），仅针对骑行运动，未验证其他运动场景 | 开发AI模型预测骑行运动中的身体劳累程度 | 27名健康参与者的骑行运动数据 | 机器学习 | NA | ECG信号分析，心率变异性特征提取 | LSTM | 生理时间序列数据 | 27名健康参与者，数据分为8个两分钟区间 | NA | LSTM with Multi-Head Attention | MSE, R2, 准确率, F1分数 | NA |