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 33008 篇文献，本页显示第 8361 - 8380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8361 | 2025-10-06 |
Semantic segmentation in skin surface microscopic images with artifacts removal
2024-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108975
PMID:39153395
|
研究论文 | 本研究提出通过分析皮肤表面显微图像中的常见伪影来提升深度学习模型在皮肤病变分割中的性能 | 除了常见的毛发检测与去除方法外，首次引入暗角检测与去除技术用于皮肤病变分割 | NA | 研究伪影去除对皮肤病变分割性能的影响 | 皮肤表面显微图像中的皮肤病变区域 | 计算机视觉 | 皮肤病变 | 皮肤表面显微成像技术（皮肤镜检） | 深度学习模型 | 图像 | PH2、ISIC 2017和ISIC 2018三个公开数据集 | NA | NA | Dice系数 | NA |
| 8362 | 2025-10-06 |
A cross-temporal multimodal fusion system based on deep learning for orthodontic monitoring
2024-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109025
PMID:39159544
|
研究论文 | 开发基于深度学习的跨时间多模态图像融合系统，用于无额外辐射的正畸监测 | 首个基于深度学习的跨时间多模态融合系统，结合CBCT和口内扫描数据，实现无额外辐射的持续风险监测 | 未明确说明样本数据的具体来源和规模限制 | 开发无额外辐射的正畸监测系统，提升正畸医生风险监测能力 | 牙齿和颌骨的三维关系 | 计算机视觉 | 错颌畸形 | 锥形束计算机断层扫描(CBCT), 口内扫描(IOS) | 深度学习 | 医学图像, 点云数据 | NA | NA | 动态核先验模型, 分辨率恢复模型, 密集点云优化分割网络 | Dice系数, 平均距离误差(ADE) | NA |
| 8363 | 2025-10-06 |
A preliminary study of super-resolution deep learning reconstruction with cardiac option for evaluation of endovascular-treated intracranial aneurysms
2024-Aug-01, The British journal of radiology
DOI:10.1093/bjr/tqae117
PMID:38917414
|
研究论文 | 本研究评估了带心脏选项的超分辨率深度学习重建技术在颅内动脉瘤血管内治疗随访中的图像质量 | 首次将带心脏选项的超分辨率深度学习重建技术应用于颅内动脉瘤血管内治疗后的图像评估，并与传统重建方法进行比较 | 单中心回顾性研究，样本量较小（50例患者），缺乏多中心验证 | 评估SR-DLR技术在颅内动脉瘤血管内治疗后随访成像中的临床应用价值 | 接受支架辅助弹簧圈栓塞、弹簧圈栓塞和血流导向支架置入治疗的颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | CT血管成像，深度学习图像重建 | 深度学习重建模型 | 医学影像数据 | 50例患者（平均年龄59岁，44-81岁，13名男性） | NA | 超分辨率深度学习重建 | 图像噪声，信噪比，对比噪声比，半高全宽，主观视觉评分 | NA |
| 8364 | 2025-10-06 |
Implementing a deep learning model for automatic tongue tumour segmentation in ex-vivo 3-dimensional ultrasound volumes
2024-04, The British journal of oral & maxillofacial surgery
DOI:10.1016/j.bjoms.2023.12.017
PMID:38402068
|
研究论文 | 本研究开发了一种基于3D nnUNet的深度学习模型，用于在离体3D超声体积中自动分割舌癌肿瘤 | 首次将3D nnUNet模型应用于舌癌的术中自动分割，并比较了自动分割与手动分割在临床效果上的差异 | 自动分割的最终切缘状态与组织病理学的相关性较低，样本量相对较小（16例患者） | 研究3D深度学习模型在舌癌3D超声体积中快速术中分割的应用及其临床效果 | 舌癌患者的离体3D超声体积数据 | 医学影像分析 | 舌癌 | 3D超声成像 | 深度学习 | 3D超声体积数据 | 113个手动标注的超声体积用于训练，16例前瞻性纳入的舌癌患者用于临床验证 | nnUNet | 3D No New U-Net (nnUNet) | Dice体积分数, Dice表面分数, 平均表面距离, Hausdorff距离 | 移动工作站 |
| 8365 | 2025-10-06 |
A review of machine learning applications in life cycle assessment studies
2024-Feb-20, The Science of the total environment
DOI:10.1016/j.scitotenv.2023.168969
PMID:38036122
|
综述 | 回顾机器学习在生命周期评估研究中的应用现状、进展与未来方向 | 首次系统分析40项结合LCA与ML方法的研究，识别出ML在生命周期清单生成、特征因子计算等四大应用领域 | 纳入研究数量有限（40项），70%以上研究训练样本量不足1500，缺乏模型选择标准和不确定性分析的详细报告 | 探索机器学习技术如何推动生命周期评估方法的发展 | 已发表的结合生命周期评估与机器学习方法的研究文献 | 机器学习 | NA | 机器学习 | 人工神经网络,监督学习,无监督学习 | 文献数据,实验数据,数据库数据,模型模拟数据 | 40项研究，其中70%以上训练样本量少于1500 | NA | NA | 预测准确性,模式发现,计算效率 | NA |
| 8366 | 2025-10-06 |
Recognition of intraglomerular histological features with deep learning in protocol transplant biopsies and their association with kidney function and prognosis
2024-Feb, Clinical kidney journal
IF:3.9Q1
DOI:10.1093/ckj/sfae019
PMID:38370429
|
研究论文 | 本研究利用卷积神经网络自动分割肾小球细胞和毛细血管，并评估其与移植肾功能和预后的关联 | 首次使用深度学习自动量化肾小球内细胞和毛细血管特征，并发现内皮细胞密度等指标与肾功能和预后的关联 | 样本量相对有限（215例患者），且为单中心研究 | 开发自动识别肾小球组织学特征的方法，并探索其与肾移植功能和预后的关系 | 肾移植患者的协议活检样本 | 数字病理 | 肾脏疾病 | 组织病理学成像 | CNN | 病理图像 | 215例患者（训练组37例，测试组24例，应用组154例） | NA | NA | 精确率, 召回率, F分数, 交并比 | NA |
| 8367 | 2025-10-06 |
Early inner plexiform layer thinning and retinal nerve fiber layer thickening in excitotoxic retinal injury using deep learning-assisted optical coherence tomography
2024-02-01, Acta neuropathologica communications
IF:6.2Q1
DOI:10.1186/s40478-024-01732-z
PMID:38303097
|
研究论文 | 本研究利用深度学习辅助的光学相干断层扫描技术，在大鼠模型中探索NMDA诱导的兴奋毒性视网膜损伤对不同视网膜层的纵向影响 | 首次发现兴奋毒性损伤中内丛状层早期变薄和视网膜神经纤维层早期增厚的现象，揭示了视网膜损伤的病理级联反应 | 研究仅基于9只大鼠的小样本，且为动物模型研究，结果需要进一步在人类研究中验证 | 研究兴奋毒性视网膜损伤对不同视网膜层的纵向影响机制 | 成年Long Evans大鼠视网膜 | 数字病理学 | 视网膜退行性疾病 | 光学相干断层扫描，深度学习分割 | 深度学习 | 视网膜OCT图像 | 9只成年Long Evans大鼠 | NA | NA | 视网膜层厚度变化 | NA |
| 8368 | 2025-10-06 |
Assessing risk of groundwater pollution exposure from sea level rise in California
2025-Aug-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179695
PMID:40513440
|
研究论文 | 利用深度学习和可解释人工智能评估加利福尼亚州海平面上升导致的地下水污染暴露风险 | 首次结合深度学习与可解释人工智能(XAI)评估海平面上升引发的地下水污染暴露风险，并识别关键风险预测因子 | 空间自相关性导致模型泛化能力受限，仅空间交叉验证模型适用于其他沿海地区的无偏风险评估 | 评估海平面上升引起的地下水污染暴露风险 | 加利福尼亚州沿海含水层和2296个危险场地 | 环境科学, 机器学习 | NA | 深度学习, 可解释人工智能(XAI), 地球化学指数算法 | 深度学习模型 | 地下水数据, 社会经济数据, 人口统计数据, 环境数据 | 2296个危险场地, 覆盖加利福尼亚州全境 | NA | NA | 空间交叉验证, 随机交叉验证 | NA |
| 8369 | 2025-10-06 |
Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates
2025-Aug, Pediatric blood & cancer
IF:2.4Q1
DOI:10.1002/pbc.31797
PMID:40399768
|
研究论文 | 开发深度学习模型通过分析吉姆萨染色骨髓涂片全玻片图像预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位 | 首次使用深度学习分析常规吉姆萨染色骨髓涂片图像预测白血病分子亚型，为资源有限地区提供替代诊断方案 | 外部验证队列性能相对较低（AUC 0.72和0.69），需要进一步优化模型泛化能力 | 开发基于深度学习的儿童急性淋巴细胞白血病诊断和分型工具 | 儿童急性淋巴细胞白血病患者的骨髓涂片样本 | 数字病理学 | 急性淋巴细胞白血病 | 吉姆萨染色，全玻片图像扫描 | CNN | 图像 | 未明确具体样本数量，包含内部训练集和外部验证队列 | NA | NA | AUC | NA |
| 8370 | 2025-10-06 |
Assessment of image quality on the diagnostic performance of clinicians and deep learning models: Cross-sectional comparative reader study
2025-Jul, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20462
PMID:39655640
|
研究论文 | 本研究比较了不同图像质量对皮肤科医生和深度学习模型诊断皮肤病变性能的影响 | 首次系统评估HDR增强图像质量对临床医生和CNN模型诊断性能的交叉比较研究 | 样本量相对有限（303张图像，101个皮肤病变），仅使用单一CNN模型架构 | 探究不同图像质量（包括HDR增强图像）对皮肤病变诊断性能的影响 | 皮肤病变图像和皮肤科医生诊断能力 | 计算机视觉 | 皮肤癌 | 皮肤镜检查，HDR图像增强 | CNN | 图像 | 303张图像，包含101个皮肤病变 | NA | NA | 灵敏度，特异度，准确率 | NA |
| 8371 | 2025-10-06 |
Quantitative Ischemic Lesions of Portable Low-Field Strength MRI Using Deep Learning-Based Super-Resolution
2025-Jul, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.124.050540
PMID:40235448
|
研究论文 | 本研究评估深度学习超分辨率技术提升便携式低场强MRI在缺血性病灶定量分析中的诊断性能 | 首次将基于SCUNet架构的深度学习超分辨率技术应用于便携式低场强MRI，显著提升缺血性病灶的定量检测性能 | 回顾性研究设计，样本量有限（282例），需进一步前瞻性验证 | 评估合成超分辨率MRI技术对低场强MRI诊断缺血性病灶性能的改善效果 | 178名卒中患者和104名健康对照者 | 医学影像分析 | 缺血性脑卒中 | 磁共振成像，深度学习超分辨率 | 深度学习 | 磁共振图像 | 282例（178患者+104对照） | NA | SCUNet（Swin-Conv-UNet） | 灵敏度，特异性，组内相关系数，Pearson相关系数 | NA |
| 8372 | 2025-10-06 |
Deep Learning Based on Ultrasound Images Differentiates Parotid Gland Pleomorphic Adenomas and Warthin Tumors
2025-Jul, Ultrasonic imaging
IF:2.5Q2
DOI:10.1177/01617346251319410
PMID:40156239
|
研究论文 | 本研究基于超声图像开发深度学习模型，用于自动区分腮腺多形性腺瘤和沃辛瘤 | 首次将多种CNN模型应用于腮腺肿瘤的超声图像分类，并与不同经验水平的超声医师进行诊断性能比较 | 回顾性研究设计，样本量相对有限（91例患者），仅包含两种腮腺肿瘤类型 | 开发基于超声图像的自动诊断模型，提高腮腺肿瘤诊断准确性和一致性 | 腮腺多形性腺瘤和沃辛瘤患者 | 计算机视觉 | 腮腺肿瘤 | 超声成像 | CNN | 图像 | 91例患者，526张超声图像 | NA | ResNet18, MobileNetV3Small, InceptionV3 | 准确率, AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, Kappa值 | NA |
| 8373 | 2025-10-06 |
Deep Learning Model for Real-Time Nuchal Translucency Assessment at Prenatal US
2025-Jul, Radiology. Artificial intelligence
DOI:10.1148/ryai.240498
PMID:40304583
|
研究论文 | 开发并评估用于产前超声检查中实时颈项透明层平面识别和测量的人工智能模型 | 开发了首个用于实时颈项透明层评估的AI模型，实现了与放射科医生工作流程的高度一致性 | 回顾性多中心研究，可能存在选择偏倚 | 开发AI模型用于产前超声颈项透明层自动评估 | 胎儿颈项透明层 | 计算机视觉 | 产前筛查 | 超声成像 | CNN | 图像,视频 | 内部数据集3153个胎儿的3959张NT图像，外部数据集267个胎儿的267个超声视频 | NA | NA | AUC,准确率,平均绝对误差 | NA |
| 8374 | 2025-10-06 |
Automatic Detection of B-Lines in Lung Ultrasound Based on the Evaluation of Multiple Characteristic Parameters Using Raw RF Data
2025-Jul, Ultrasonic imaging
IF:2.5Q2
DOI:10.1177/01617346251330111
PMID:40539654
|
研究论文 | 提出一种基于射频信号和多特征参数评估的肺超声B线垂直伪影自动识别方法 | 通过分析扫描线而非完整图像，结合多种特征参数和非线性SVM分类器，显著降低了对大型图像数据集的依赖 | 方法在多种实验条件下进行了验证，但未提及临床验证的规模和多样性 | 开发自动识别肺超声中B线伪影的方法以提高诊断准确性 | 肺超声中的B线区域识别 | 医学影像分析 | 肺部疾病 | 射频信号分析，超声成像 | SVM | 射频信号，超声扫描线 | 包含滴水海绵模型、含玻璃珠或明胶液滴的明胶体模以及体内实验 | NA | 非线性支持向量机 | 准确率，灵敏度，特异性，F1分数 | 处理速度27,000-33,000扫描线/秒，帧率超过100 FPS |
| 8375 | 2025-10-06 |
Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features
2025-Jul, Clinical transplantation
IF:1.9Q3
DOI:10.1111/ctr.70217
PMID:40552679
|
研究论文 | 本研究利用机器学习和CT影像特征预测系统性硬化症患者肺移植后的原发性移植物功能障碍 | 首次在系统性硬化症肺移植人群中结合深度学习提取的CT特征和多种机器学习算法预测PGD | 样本量相对有限（92例患者），且为单中心回顾性研究 | 预测系统性硬化症患者肺移植后的原发性移功能障碍 | 92例接受双侧肺移植的系统性硬化症患者 | 医学影像分析 | 系统性硬化症 | CT影像分析，深度学习 | 逻辑回归，SVM，随机森林，MLP | CT影像，临床数据 | 92例系统性硬化症肺移植患者 | NA | 多层感知器 | AUROC | NA |
| 8376 | 2025-10-06 |
[A deep learning method for differentiating nasopharyngeal carcinoma and lymphoma based on MRI]
2025-Jul, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology head and neck surgery
|
研究论文 | 开发基于常规MRI的深度学习模型，用于鼻咽癌和鼻咽淋巴瘤的自动分割与鉴别诊断 | 首次将预训练ResNet101模型应用于鼻咽癌与淋巴瘤的MRI影像鉴别诊断，并采用多序列图像组合策略提升性能 | 回顾性研究，样本量有限（434例），数据来自单一医疗机构 | 建立基于MRI的自动分割和鉴别诊断深度学习模型 | 鼻咽癌和鼻咽淋巴瘤患者 | 医学影像分析 | 头颈部肿瘤 | 常规MRI（T1WI、T2WI、T1CE） | CNN | 医学影像（MRI） | 434例患者（142例淋巴瘤，292例鼻咽癌），其中80例用于分割模型训练 | PyTorch/TensorFlow（基于ImageNet预训练） | ResNet101 | Dice系数，AUC | NA |
| 8377 | 2025-10-06 |
Application Value of Deep Learning-Based AI Model in the Classification of Breast Nodules
2025-Jun-25, British journal of hospital medicine (London, England : 2005)
DOI:10.12968/hmed.2025.0078
PMID:40554435
|
研究论文 | 本研究开发了基于深度学习的AI模型，用于辅助超声医师进行乳腺结节的BI-RADS分类 | 利用卷积神经网络构建AI模型提升乳腺结节分类准确性，并验证其临床辅助诊断价值 | 回顾性研究设计，样本仅来自单一医疗中心 | 评估基于深度学习的AI模型在乳腺结节分类中的临床应用价值 | 558例经病理证实的BI-RADS 3-5类乳腺结节患者 | 计算机视觉 | 乳腺癌 | 超声检查 | CNN | 超声图像 | 558例患者共1026个乳腺结节（765个良性，261个恶性） | NA | 卷积神经网络 | 灵敏度, 特异度, 准确率, ROC曲线, Cohen's加权Kappa系数 | NA |
| 8378 | 2025-06-26 |
Letter by Sacoransky Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure"
2025-Jun-25, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.125.018652
PMID:40557525
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8379 | 2025-10-06 |
Regional free-water diffusion is more strongly related to neuroinflammation than neurodegeneration
2025-Jun-25, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-025-13201-1
PMID:40560468
|
研究论文 | 本研究通过扩散MRI数据分析，发现区域自由水扩散与神经炎症的生物标志物GFAP关联性更强于神经退行性生物标志物NfL | 首次系统比较自由水扩散对神经炎症和神经退行性病变生物标志物的预测能力，提出自由水扩散作为神经炎症非侵入性影像学生物标志物 | 研究样本来自单一队列，需要外部验证；横断面设计无法确定因果关系 | 评估自由水扩散作为神经炎症非侵入性生物标志物的有效性 | 367名神经退行性疾病患者（阿尔茨海默病/轻度认知障碍、额颞叶痴呆、肌萎缩侧索硬化、帕金森病、血管性认知障碍） | 医学影像分析 | 神经退行性疾病 | 扩散MRI，血浆生物标志物检测 | 深度学习 | 医学影像，生物流体数据 | 367名患者 | NA | NA | 预测性能 | NA |
| 8380 | 2025-10-06 |
Deep learning classification of drug-related problems from pharmaceutical interventions issued by hospital clinical pharmacists during medication prescription review: a large-scale descriptive retrospective study in a French university hospital
2025-Jun-24, European journal of hospital pharmacy : science and practice
IF:1.6Q3
DOI:10.1136/ejhpharm-2024-004139
PMID:39122480
|
研究论文 | 本研究利用深度学习模型对医院临床药师在处方审核中提出的药物相关问题进行自动分类和大规模回顾性分析 | 开发了新的深度神经网络分类器来自动识别药物相关问题，并在法国大学医院进行了为期3年的大规模回顾性分析 | 研究为回顾性设计，数据来源于单一医院系统 | 利用深度学习技术自动分类药物相关问题并分析其分布特征 | 医院临床药师在处方审核中提出的药物干预措施 | 自然语言处理 | NA | 深度学习 | 深度神经网络 | 文本数据（药物干预记录） | 2,930,656条处方记录，涉及119,689名患者，其中48,202名患者（40.2%）发生了153,335次药物干预 | Python 3.8, Keras | 深度神经网络 | NA | NA |