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 36487 篇文献，本页显示第 7401 - 7420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7401 | 2025-10-06 |
Deep Learning Detection of Aneurysm Clips for Magnetic Resonance Imaging Safety
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00932-8
PMID:38343241
|
研究论文 | 本研究开发了一种基于深度学习的自动检测系统，用于在MRI扫描前通过CT图像识别动脉瘤夹的存在 | 首次将预训练图像分类神经网络应用于CT定位器图像，实现动脉瘤夹的自动检测，并采用SHAP解释模型预测 | 三维CT头扫描模型的灵敏度未超过定位器模型，样本量相对有限 | 开发自动化系统在MRI预约前标记动脉瘤夹，提高患者安全 | 头部CT扫描图像 | 计算机视觉 | 心血管疾病 | CT成像 | CNN | 图像 | 280例头部CT扫描（140例含动脉瘤夹，140例不含） | NA | 预训练图像分类神经网络 | 灵敏度, 准确率 | NA |
| 7402 | 2025-10-06 |
Intra- and Inter-expert Validation of an Automatic Segmentation Method for Fluid Regions Associated with Central Serous Chorioretinopathy in OCT Images
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00926-6
PMID:38343245
|
研究论文 | 开发并验证用于自动分割OCT图像中中心性浆液性脉络膜视网膜病变相关液体区域的深度学习方法 | 首次在CSC病变分割中进行了专家内和专家间验证，并证明自动分割模型与专家的一致性优于专家之间的一致性 | 未提供内部数据集的平均Dice系数具体数值 | 开发自动分割OCT图像中CSC相关液体区域的方法，减少人工检查工作量 | 中心性浆液性脉络膜视网膜病变患者的OCT图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | 深度学习 | 医学图像 | NA | NA | 六种不同复杂度的深度学习架构配置 | Dice系数,Kappa系数 | NA |
| 7403 | 2025-10-06 |
Impacts of Adaptive Statistical Iterative Reconstruction-V and Deep Learning Image Reconstruction Algorithms on Robustness of CT Radiomics Features: Opportunity for Minimizing Radiomics Variability Among Scans of Different Dose Levels
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00901-1
PMID:38343265
|
研究论文 | 研究自适应统计迭代重建-V和深度学习图像重建算法对CT影像组学特征稳健性的影响 | 首次系统比较ASIR-V和DLIR算法在不同剂量水平下对CT影像组学特征重现性的影响 | 研究基于标准化体模，未涉及真实患者数据 | 评估不同重建算法对CT影像组学特征变异性的影响 | 标准化CT体模 | 医学影像分析 | NA | 单能CT, 双能CT, 虚拟单色成像 | 深度学习图像重建 | CT影像 | 标准化体模在不同剂量水平下的扫描数据 | Pyradiomics | NA | 组内相关系数, 一致性相关系数 | NA |
| 7404 | 2025-10-06 |
The Segmentation of Multiple Types of Uterine Lesions in Magnetic Resonance Images Using a Sequential Deep Learning Method with Image-Level Annotations
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00931-9
PMID:38343259
|
研究论文 | 本研究开发了一种仅使用图像级标注的弱监督深度学习模型，用于磁共振图像中多种子宫病变和正常组织的自动分割 | 提出了一种两阶段顺序深度学习模型，仅需图像级标注即可实现多种子宫病变的精确分割，避免了像素级标注的繁琐过程 | 研究为单中心回顾性研究，样本量相对有限，需要进一步多中心验证 | 开发弱监督医学图像分割方法，减少对像素级标注的依赖 | 子宫病变患者和正常组织的磁共振图像 | 医学图像分析 | 子宫疾病 | 磁共振成像 | 深度学习 | 医学图像 | 316名患者的85,730张图像，其中196名用于训练，57名用于验证，63名用于测试 | NA | 像素相关模块,类重激活图模块,像素间关系网络模块,Deeplab v3+ | Dice相似系数,豪斯多夫距离,平均对称表面距离 | NA |
| 7405 | 2025-10-06 |
The global research of magnetic resonance imaging in Alzheimer's disease: a bibliometric analysis from 2004 to 2023
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1510522
PMID:39882364
|
文献计量分析 | 通过文献计量学方法分析2004-2023年间阿尔茨海默病磁共振成像研究的全球发展趋势和研究热点 | 首次对AD领域MRI研究进行长达20年的文献计量分析，识别出深度学习等新兴研究热点 | 仅基于Web of Science数据库，可能遗漏其他数据库的相关文献 | 总结AD领域MRI研究的现状并预测未来研究方向 | 2004-2023年间WoSCC数据库中13,659篇AD-MRI相关研究文献 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像(MRI), 文献计量分析 | NA | 文献元数据 | 13,659篇研究文章 | CiteSpace, VOSviewer | NA | NA | NA |
| 7406 | 2025-10-06 |
Accurate staging of chick embryonic tissues via deep learning of salient features
2023-11-15, Development (Cambridge, England)
DOI:10.1242/dev.202068
PMID:37830145
|
研究论文 | 本研究开发了一种基于深度学习的鸡胚胎组织精确分期方法 | 通过生物信息学转换和数据驱动预处理步骤，在小样本数据集上成功训练出高精度的分期分类器 | 数据集规模较小（151张图像），可能影响模型的泛化能力 | 开发精确无偏的鸡胚胎组织分期方法 | HH10期鸡胚胎大脑和翅膀组织 | 计算机视觉 | NA | 显微镜成像 | CNN | 图像 | 151张鸡大脑图像和269张鸡翅膀图像 | NA | 深度卷积神经网络 | 准确率 | NA |
| 7407 | 2025-10-06 |
Negativity and Positivity in the ICU: Exploratory Development of Automated Sentiment Capture in the Electronic Health Record
2023-10, Critical care explorations
DOI:10.1097/CCE.0000000000000960
PMID:37753238
|
研究论文 | 本研究开发了两种ICU临床笔记情感分析方法，包括基于关键词的方法和基于DeBERTa-v3的深度学习模型 | 开发了专门针对医疗领域的情感分析工具，相比通用情感分析工具在临床笔记中表现更优 | 研究为探索性开发，需要进一步验证和优化 | 开发能够自动捕捉电子健康记录中提供者情感的概念验证算法 | ICU临床笔记中的提供者情感表达 | 自然语言处理 | NA | 情感分析 | DeBERTa-v3 | 文本 | MIMIC-III数据库中52,997次ICU住院的198,944份笔记，UCSF数据库2018-2019年外部样本 | NA | DeBERTa-v3 | Spearman相关系数 | NA |
| 7408 | 2025-10-06 |
DeXtrusion: automatic recognition of epithelial cell extrusion through machine learning in vivo
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201747
PMID:37283069
|
研究论文 | 提出基于深度学习的DeXtrusion方法，用于自动识别活体荧光成像中的上皮细胞挤出事件 | 首次开发无需分割即可精确定位细胞事件的深度学习方法，可检测多种细胞事件且易于训练 | 需要针对不同上皮组织进行重新训练 | 开发自动检测活体成像中细胞事件的方法 | 果蝇蛹背板上皮细胞 | 计算机视觉 | NA | 活体荧光显微镜成像 | RNN | 荧光成像视频 | NA | NA | 循环神经网络 | NA | NA |
| 7409 | 2025-10-06 |
Tools to analyze the organization and formation of the germline cyst in zebrafish oogenesis
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201349
PMID:37272421
|
研究论文 | 本文提供了用于斑马鱼卵巢中生殖细胞囊三维结构和功能分析的工具集 | 开发了结合连续块面扫描电子显微镜、深度学习分析流程和激光消融技术的综合方法，首次实现生殖细胞囊的三维超微结构解析和体内功能操作 | 方法主要针对斑马鱼模型，在其他物种中的适用性需要进一步验证 | 研究脊椎动物生殖细胞囊的形成机制和功能 | 斑马鱼卵巢中的生殖细胞囊 | 发育生物学 | NA | 连续块面扫描电子显微镜(SBF-SEM), 激光消融技术, 共聚焦显微镜 | 深度学习 | 三维电子显微镜图像, 三维共聚焦图像 | NA | NA | NA | NA | NA |
| 7410 | 2025-10-06 |
Long-term care insurance purchase decisions of registered nurses: Deep learning versus logistic regression models
2023-03, Health policy (Amsterdam, Netherlands)
DOI:10.1016/j.healthpol.2023.104709
PMID:36725380
|
研究论文 | 本研究使用深度学习模型和传统逻辑回归模型预测注册护士的长期护理保险购买决策 | 首次将深度神经网络应用于预测医疗专业人员保险决策，并与传统统计方法进行对比 | 样本仅来自单一医疗中心，缺乏时间序列数据的充分训练 | 预测注册护士的长期护理保险购买决策行为 | 台湾某大型医疗中心的1,373名注册护士 | 机器学习 | NA | 问卷调查 | DNN, MLR | 调查数据 | 1,373名注册护士（615名已购买保险，332名无购买意向，426名有购买意向） | NA | 深度神经网络 | 准确率，精确率，召回率，F1分数 | NA |
| 7411 | 2025-10-06 |
GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction
2022-Oct, Computational statistics & data analysis
IF:1.5Q2
DOI:10.1016/j.csda.2022.107528
PMID:39257897
|
研究论文 | 提出一种GPU加速的共享随机效应联合模型估计方法，用于动态预测临床终点事件风险 | 结合新颖的两阶段估计算法和GPU编程技术，显著加速联合模型的估计过程 | 未明确说明模型在特定疾病类型或小样本场景下的适用性 | 解决纵向和生存数据联合模型计算效率低的问题，提高动态预测准确性 | 纵向队列研究中具有临床终点事件风险的受试者 | 机器学习 | NA | 纵向数据分析，生存分析 | 共享随机效应联合模型 | 纵向数据，生存数据 | NA | PyTorch | NA | 预测准确度 | GPU |
| 7412 | 2025-10-06 |
An Interpretable Deep Hierarchical Semantic Convolutional Neural Network for Lung Nodule Malignancy Classification
2019-Aug-15, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2019.01.048
PMID:31296975
|
研究论文 | 提出一种可解释的深度分层语义卷积神经网络用于肺结节恶性分类 | 通过结合低级语义特征和高级恶性预测的双层输出架构，提供专家可理解的模型解释 | NA | 开发可解释的深度学习模型用于肺结节恶性分类 | CT扫描中的肺结节 | 计算机视觉 | 肺癌 | CT扫描 | CNN | 医学图像 | 使用Lung Image Database Consortium (LIDC)数据库 | NA | 分层语义卷积神经网络(HSCNN), 3D CNN | NA | NA |
| 7413 | 2025-09-12 |
Automated coronary artery segmentation / tissue characterization and detection of lipid-rich plaque: An integrated backscatter intravascular ultrasound study
2025-Dec-15, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2025.133744
PMID:40784375
|
研究论文 | 本研究开发了一种基于深度学习的自动化冠状动脉分割和组织表征方法，用于检测脂质丰富斑块 | 首次将7层U-Net++深度学习模型应用于IVUS图像的自动冠状动脉分割和组织表征，实现了高精度的斑块成分量化 | LRP检测的敏感性相对较低（62%），样本量有限（67名训练患者，88名验证患者） | 评估深度学习模型在冠状动脉斑块分割、组织表征和脂质丰富斑块识别中的可行性和诊断准确性 | 人类冠状动脉血管和斑块组织 | 医学影像分析 | 心血管疾病 | 集成背向散射血管内超声（IB-IVUS） | U-Net++ | 医学图像（IVUS图像） | 训练组：67名患者的1098张IVUS图像；验证组：88名患者的1100张IVUS图像（来自100条血管） | NA | NA | NA | NA |
| 7414 | 2025-09-12 |
PitVis-2023 challenge: Workflow recognition in videos of endoscopic pituitary surgery
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103716
PMID:40769094
|
研究论文 | 介绍PitVis-2023挑战赛，专注于内窥镜垂体手术视频中的工作流程识别任务 | 首次针对内窥镜垂体手术视频的步骤和器械识别挑战，提出适用于狭小手术空间和频繁步骤切换的时序模型架构 | 仅使用25个视频进行训练和评估，样本规模有限 | 开发自动识别内窥镜垂体手术步骤和手术器械的计算机视觉系统 | 内窥镜垂体手术视频 | 计算机视觉 | 垂体疾病 | 深度学习 | Transformer, 空间编码器+时序编码器 | 视频 | 25个手术视频 | NA | NA | NA | NA |
| 7415 | 2025-09-12 |
SemiSAM+: Rethinking semi-supervised medical image segmentation in the era of foundation models
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103733
PMID:40769095
|
研究论文 | 提出一种基于基础模型的半监督医学图像分割框架SemiSAM+，通过专家-通用模型协作学习提升有限标注数据下的分割性能 | 利用可提示分割基础模型（如SAM）生成位置提示与伪标签，实现专家模型与通用模型的协同学习范式 | NA | 降低医学图像分割对标注数据的依赖，提升半监督学习在临床场景中的适用性 | 医学图像分割任务 | 计算机视觉 | NA | 半监督学习（SSL） | 基础模型（如SAM）与任务特定分割模型 | 医学图像 | 三个公共数据集和一个内部临床数据集（具体数量未明确说明） | NA | NA | NA | NA |
| 7416 | 2025-09-12 |
Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103715
PMID:40769097
|
研究论文 | 提出一种基于深度学习的交互式关键点估计方法，用于通过侧位头颅X光片分析颈椎形态以评估骨龄 | 引入Attend-and-Refine Network (ARNet)，结合交互引导的重新校准网络和形态感知损失函数，显著减少手动标注工作量 | NA | 预测儿童正畸中的生长潜力，确定最佳治疗时机 | 儿童颈椎 | 数字病理 | 儿科正畸 | 侧位头颅X光成像 | ARNet (基于CNN的深度学习模型) | 医学影像（X光片） | 多个数据集验证（具体数量未说明） | NA | NA | NA | NA |
| 7417 | 2025-09-12 |
Paired phase and magnitude reconstruction neural network for multi-shot diffusion magnetic resonance imaging
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103771
PMID:40857854
|
研究论文 | 提出一种用于多激发扩散磁共振成像的配对相位和幅度重建神经网络方法 | 结合高信噪比b0图像设计神经网络，实现亚秒级快速重建并提升图像质量评估指标 | NA | 解决多激发扩散加权成像中图像伪影抑制和噪声控制的挑战 | 扩散加权成像数据 | 医学影像处理 | 肿瘤诊断 | 扩散加权成像（DWI），多激发采样 | 神经网络 | 医学影像数据 | 模拟数据和体内数据（具体数量未说明） | NA | NA | NA | NA |
| 7418 | 2025-09-12 |
Unsupervised 4D-flow MRI reconstruction based on partially-independent generative modeling and complex-difference sparsity constraint
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103769
PMID:40865329
|
研究论文 | 提出一种基于部分独立生成建模和复数差稀疏约束的无监督4D流MRI重建方法 | 结合深度图像先验框架，设计部分独立网络提升参数效率，引入复数差稀疏约束改善相位恢复精度，并提出联合优化算法 | NA | 开发无需全采样训练数据的无监督4D流MRI重建算法以提升泛化能力 | 主动脉和脑血管的4D流MRI数据 | 医学影像重建 | 血管疾病 | 4D-flow MRI | CNN（基于深度图像先验框架） | 4D MRI影像数据（时空血流速度） | 两个内部采集数据集（主动脉数据集和脑血管数据集） | NA | NA | NA | NA |
| 7419 | 2025-09-12 |
MSARAE: Multiscale adversarial regularized autoencoders for cortical network classification
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103775
PMID:40865328
|
研究论文 | 提出一种多尺度对抗正则化自编码器（MSARAE），用于大脑皮层结构连接网络的增强和分类 | 结合拉普拉斯特征向量增强拓扑信息，采用多尺度图卷积层作为编码器，并引入对抗正则化机制减小潜在空间分布差异 | NA | 从数据增强角度解决大脑皮层研究中的样本量限制问题，提升深度学习模型的泛化能力 | 大脑皮层结构连接网络 | 机器学习 | 抑郁症和阿尔茨海默病 | 图卷积网络，变分自编码器，对抗训练 | MSARAE（多尺度对抗正则化自编码器） | 图数据（结构连接网络） | 基于MDD、HCP和ADNI三个数据集进行实验 | NA | NA | NA | NA |
| 7420 | 2025-09-12 |
Supervised white matter bundle segmentation in glioma patients with transfer learning
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103766
PMID:40876100
|
研究论文 | 本研究探索利用迁移学习将基于健康人群训练的深度学习模型应用于胶质瘤患者的白质束分割 | 首次研究迁移学习在胶质瘤患者白质束分割中的有效性，并系统区分了领域偏移中的系统性和肿瘤特异性成分 | 学习模型微调无法适应肿瘤引起的大范围白质变形 | 提升临床人群中白质束自动分割的准确性和应用性 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | 迁移学习 | 深度学习 | 影像数据 | 涉及五个白质束和三种输入模态的测试 | NA | NA | NA | NA |