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 821 - 840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 821 | 2025-10-05 |
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 | 提出一种融合特征和解决类别不平衡的乳腺癌分类网络HBMD-Net | 结合边界合成少数类过采样技术(BSMOTE)解决类别不平衡，采用特征融合策略同时利用ResNet50提取全局特征和HOG提取局部特征 | 仅使用两个公开乳腺超声数据集进行验证，数据集数量有限 | 开发精确的乳腺癌计算机辅助诊断系统 | 乳腺超声图像中的肿瘤分类 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 医学图像 | 两个乳腺超声数据集(BUSI和UDIAT) | NA | ResNet50 | 准确率 | NA |
| 822 | 2025-10-05 |
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 | 首次针对多病灶皮肤病变图像提出病灶感知混合数据增强技术，通过混合训练集中的多个病灶图像生成合成多病灶图像 | 未提及具体计算资源限制，且需要创建新的多病灶数据集进行验证 | 提高皮肤病变图像分割的准确性，特别是针对多病灶图像 | 皮肤病变的皮肤镜图像 | 计算机视觉 | 皮肤病变 | 数据增强技术 | 深度神经网络 | 皮肤镜图像 | 使用ISIC 2017挑战赛数据集训练，ISIC 2020多病灶图像创建的新MuLe数据集测试 | NA | NA | Jaccard score, Dice score | NA |
| 823 | 2025-10-05 |
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，用于鉴别克罗恩病和肠结核 | 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，且仅来自单一医疗中心 | 开发能够准确鉴别克罗恩病和肠结核的医学影像诊断模型 | 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 | 医学影像 | 330例患者（克罗恩病245例，肠结核85例） | NA | 逻辑回归 | AUC | NA |
| 824 | 2025-10-05 |
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新方法，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 | 开发隐私保护的乳腺癌分类方法，解决医疗数据孤岛和隐私问题 | 乳腺癌患者的乳腺X线摄影和MRI图像 | 计算机视觉 | 乳腺癌 | 深度学习，迁移学习，联邦学习 | CNN | 医学图像 | 来自三家医疗中心的乳腺X线摄影和MRI图像数据集 | NA | ResNet | 准确率，计算时间 | NA |
| 825 | 2025-10-05 |
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
|
系统综述 | 对X射线图像中龋齿检测、分类和分割的计算方法进行系统性回顾分析 | 首次系统性地梳理和分析了X射线图像中龋齿识别的计算方法、数据集和评估指标 | 仅纳入了42项研究，且仅有12%的研究使用公开数据集 | 确定X射线图像中龋齿识别的主要计算方法 | 龋齿在X射线图像中的表现 | 计算机视觉 | 龋齿 | X射线成像 | 深度学习, 机器学习 | X射线图像 | 42项研究 | NA | NA | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 826 | 2025-10-05 |
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，优化计算效率并防止过拟合，适用于低处理能力移动设备 | 未明确说明样本来源及数据集的多样性限制 | 开发适用于资源有限环境的实时自动化乳腺癌筛查系统 | 乳腺癌病理图像 | 数字病理学 | 乳腺癌 | 病理图像分析 | 深度学习, XGBoost | 图像 | NA | NA | 轻量级深度学习模型 | 准确率, 精确率, 召回率, F1分数, 推理时间 | 低处理能力移动设备 |
| 827 | 2025-10-05 |
Deep Learning Imaging Reconstruction Algorithm for Carotid Dual Energy CT Angiography: Opportunistic Evaluation of Cervical Intervertebral Discs-A Preliminary Study
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01016-x
PMID:38429560
|
研究论文 | 本研究评估深度学习图像重建算法在颈动脉双能CT血管造影中对颈椎间盘成像的性能 | 首次在颈动脉双能CT血管造影中比较深度学习图像重建算法与传统迭代重建算法对颈椎间盘的成像效果 | 回顾性研究，样本量较小（42例患者），为初步研究 | 评估深度学习图像重建算法在不同双能CT图像集中对颈椎间盘的成像性能 | 颈椎间盘 | 医学影像分析 | 颈椎疾病 | 双能CT血管造影 | 深度学习 | CT影像 | 42例患者 | NA | NA | 诊断可接受度评分，图像清晰度评分，亨氏单位，水浓度值，标准差，变异系数 | NA |
| 828 | 2025-10-05 |
Systematic Review of Retinal Blood Vessels Segmentation Based on AI-driven Technique
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01010-3
PMID:38438695
|
综述 | 对基于人工智能技术的视网膜血管分割方法进行系统性文献综述 | 全面分析了深度学习和机器学习在视网膜血管分割领域的最新研究进展和方法体系 | NA | 系统性回顾和评估人工智能技术在视网膜血管分割中的应用 | 视网膜血管分割相关的研究文献和方法 | 计算机视觉 | NA | 图像分割技术 | CNN, RNN, GAN | 医学图像 | NA | NA | 卷积像素标记网络, 编码器-解码器架构, 多尺度金字塔方法, 循环网络, 视觉注意力模型, 生成对抗网络 | NA | NA |
| 829 | 2025-10-05 |
From CNN to Transformer: A Review of Medical Image Segmentation Models
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-00981-7
PMID:38438696
|
综述 | 本文综述了近年来医学图像分割领域最具代表性的七种模型，从理论分析和定量评估两个维度进行了系统研究 | 系统比较了从CNN到Transformer的医学图像分割模型演进，并对新兴的SAM模型在医学图像分割中的应用进行了探讨 | 仅评估了七种代表性模型，未覆盖所有现有方法；研究数据集限于三种特定医学图像类型 | 综述医学图像分割模型的发展历程，分析不同模型的特性并评估其性能 | 医学图像分割模型，包括U-Net及其变体、TransUNet和SAM等七种代表性模型 | 计算机视觉 | 肺结核、卵巢肿瘤、肝脏疾病 | 深度学习 | CNN, Transformer | 医学图像 | 三个医学图像数据集：肺结核胸部X光、卵巢肿瘤、肝脏分割 | NA | U-Net, TransUNet, Segment Anything Model (SAM) | 定量评估指标（具体指标未明确说明） | NA |
| 830 | 2025-10-05 |
Optimizing Coronary Computed Tomography Angiography Using a Novel Deep Learning-Based Algorithm
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01033-w
PMID:38438697
|
研究论文 | 本研究评估了一种基于深度学习的运动校正算法在改善64排多探测器CT冠状动脉血管成像图像质量方面的潜力 | 开发了一种新型深度学习运动校正算法，显著减少了冠状动脉CT血管成像中的运动伪影 | 研究仅纳入了124例存在运动伪影的检查，样本量相对有限 | 优化冠状动脉CT血管成像的图像质量，提高64排多探测器CT在慢性冠状动脉综合征诊断中的有效性 | 124例64排多探测器CT获得的冠状动脉CT血管成像检查 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管成像，64排多探测器CT | 深度学习 | 医学影像 | 124例冠状动脉CT血管成像检查 | NA | 运动校正算法 | 图像质量评分，Wilcoxon符号秩检验，Spearman's Rho相关系数 | NA |
| 831 | 2025-10-05 |
DilatedToothSegNet: Tooth Segmentation Network on 3D Dental Meshes Through Increasing Receptive Vision
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01061-6
PMID:38441700
|
研究论文 | 提出一种名为DilatedToothSegNet的牙齿分割网络，通过扩张感受野提升3D牙科网格的牙齿分割精度 | 引入扩张边缘卷积网络算子，扩展网络感受野以学习更远距离特征，提升复杂病例的分割效果 | 未明确说明对特定牙齿异常情况的处理局限性 | 自动化3D牙科模型中的牙齿分割和标注 | 3D牙科表面模型中的牙齿结构 | 计算机视觉 | 牙科疾病 | 几何深度学习 | 图神经网络 | 3D网格数据 | 基于Teeth3DS基准数据集进行广泛评估 | NA | DilatedToothSegNet, 扩张边缘卷积 | 定量分析, 定性分析 | NA |
| 832 | 2025-10-05 |
Prediction of Ablation Rate for High-Intensity Focused Ultrasound Therapy of Adenomyosis in MR Images Based on Multi-model Fusion
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01063-4
PMID:38441701
|
研究论文 | 开发基于影像组学和深度学习特征的多模型融合模型，用于预测子宫腺肌症患者高强度聚焦超声治疗的消融率 | 提出结合影像组学和深度学习特征的多模型融合方法，相比单一特征模型显著提升预测性能 | 回顾性研究，样本量有限（119例患者），需要更大规模的前瞻性验证 | 预测子宫腺肌症患者高强度聚焦超声治疗的消融疗效 | 接受高强度聚焦超声治疗的子宫腺肌症患者 | 计算机视觉 | 子宫腺肌症 | T2加权成像 | 集成学习, CNN | 医学影像 | 119例子宫腺肌症患者（训练集与测试集按7:3划分） | NA | VGG-19 | 准确率, 精确率, 召回率, F分数, AUC | NA |
| 833 | 2025-10-05 |
Effects of Intravenous Infusion of Iodine Contrast Media on the Tracheal Diameter and Lung Volume Measured with Deep Learning-Based Algorithm
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01071-4
PMID:38448759
|
研究论文 | 本研究通过深度学习算法评估静脉注射碘造影剂对气管直径和肺容积的影响 | 首次使用基于深度学习的自动化算法系统评估造影剂注射对呼吸道和肺容积的瞬时影响 | 回顾性研究设计，样本量相对有限（221例），仅使用单一商业软件进行分析 | 探究静脉注射碘造影剂对气管直径和肺容积的生理影响 | 接受胸部血管动态CT检查的221例患者（平均71.1岁，174例男性） | 医学影像分析 | 呼吸系统疾病 | CT血管动态成像 | 深度学习算法 | CT影像 | 221例患者 | 商业软件（具体框架未指明） | 自动气道和肺部分割算法 | 配对t检验，Bonferroni校正 | NA |
| 834 | 2025-10-05 |
Feature Fusion for Multi-Coil Compressed MR Image Reconstruction
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01057-2
PMID:38459398
|
研究论文 | 提出一种多线圈特征融合变分网络(MFFVN)，用于压缩磁共振图像重建 | 通过编码器直接显式提取多线圈MR图像特征并进行特征融合，有效利用多线圈采集的丰富信息 | 未明确说明方法在其他类型MR数据或不同加速因子下的泛化能力 | 改进多线圈压缩磁共振图像重建质量 | 多线圈磁共振图像 | 医学影像处理 | NA | 磁共振成像(MRI) | 深度学习网络 | 多线圈磁共振图像 | fastMRI数据集中的多线圈脑部图像 | NA | 多线圈特征融合变分网络(MFFVN) | PSNR, SSIM | NA |
| 835 | 2025-10-05 |
Checklist for Reproducibility of Deep Learning in Medical Imaging
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01065-2
PMID:38483694
|
研究论文 | 通过德尔菲法开发了一个包含26个项目的深度学习模型报告清单，以提升医学影像领域研究的可重复性 | 首次针对医学影像深度学习领域开发了专门的可重复性报告清单，采用德尔菲法整合专家共识 | 专家小组规模有限（11位专家），清单的有效性需要在更广泛的研究中进一步验证 | 解决医学影像深度学习研究的可重复性问题 | 医学影像深度学习研究报告标准 | 医学影像 | NA | 德尔菲法，内容效度比分析 | NA | 专家调查问卷 | 11位医学影像和深度学习专家 | NA | NA | 内容效度比，共识度 | NA |
| 836 | 2025-10-05 |
A Data Augmentation Methodology to Reduce the Class Imbalance in Histopathology Images
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01018-9
PMID:38485898
|
研究论文 | 提出一种改进的复制-粘贴数据增强方法，结合损失函数中的权重平衡技术，解决组织病理学图像中的类别不平衡问题 | 针对高实例密度数据集中实例重叠可能有害的情况，专门定制了改进的复制-粘贴数据增强技术，并结合权重平衡方法 | 方法主要针对实例数量不平衡问题，可能不适用于所有类型的数据不平衡场景 | 解决组织病理学图像分类中的类别不平衡问题，特别是实例数量不平衡 | 细胞核检测数据集 | 数字病理学 | NA | 数据增强技术 | 神经网络 | 组织病理学图像 | 高度不平衡的数据集 | NA | NA | 分类性能 | NA |
| 837 | 2025-10-05 |
Seizure forecasting using minimally invasive, ultra-long-term subcutaneous electroencephalography: Individualized intrapatient models
2023-12, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.17252
PMID:35395101
|
研究论文 | 本研究通过超长期皮下脑电图记录，开发了个体化患者特异性癫痫发作预测模型 | 首次使用微创皮下脑电图设备进行超长期家庭记录，实现个体化癫痫发作预测 | 样本量较小（仅6名患者），需要在更大规模的前瞻性试验中验证 | 评估使用远程微创超长期皮下脑电图进行患者特异性癫痫发作预测的可行性 | 药物难治性局灶性癫痫患者 | 医疗人工智能 | 癫痫 | 皮下脑电图记录 | LSTM | 脑电图信号 | 6名患者，记录时间46-230天，总记录时间>11000小时 | NA | 长短期记忆网络 | AUC, 敏感度, 预警时间 | NA |
| 838 | 2025-10-05 |
Contrastive learning in protein language space predicts interactions between drugs and protein targets
2023-06-13, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2220778120
PMID:37289807
|
研究论文 | 开发了一种基于对比学习的深度学习模型ConPLex，用于预测药物与蛋白质靶点之间的相互作用 | 成功结合预训练蛋白质语言模型和蛋白质锚定对比共嵌入技术，在保持高精度的同时实现了对未见数据的广泛适应性 | NA | 加速药物发现过程，实现基因组规模的高灵敏度计算机药物筛选 | 药物与蛋白质靶点的相互作用 | 自然语言处理, 机器学习 | NA | 蛋白质语言模型, 对比学习 | 深度学习 | 蛋白质序列, 药物化合物数据 | 人类蛋白质组和大型化合物库规模，实验验证了19个激酶-药物相互作用预测 | NA | ConPLex | 准确性, 适应性, 特异性 | NA |
| 839 | 2025-10-05 |
FaithfulNet: An explainable deep learning framework for autism diagnosis using structural MRI
2025-Nov-01, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2025.149904
PMID:40882812
|
研究论文 | 开发可解释深度学习框架FaithfulNet用于基于结构MRI的自闭症诊断 | 提出新型忠实视觉解释方法Faith_CAM，结合梯度类激活图和SHAP梯度解释器 | 使用公开数据集，缺乏外部验证和临床前瞻性研究 | 开发可解释AI框架用于自闭症诊断和记忆功能区损伤评估 | 自闭症患者的结构MRI数据 | 医学影像分析 | 自闭症 | 结构磁共振成像(sMRI) | 深度学习 | 医学影像 | ABIDE-II公共数据库中的sMRI数据 | NA | FaithfulNet | 准确率,AUC | NA |
| 840 | 2025-10-05 |
Comparison of organ volumes and standardized uptake values in [18F]FDG-PET/CT images using MOOSE and TotalSegmentator to segment CT images
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70025
PMID:40993940
|
研究论文 | 比较两种深度学习算法MOOSE和TotalSegmentator在[18F]FDG-PET/CT图像中分割33个解剖结构的体积和标准化摄取值差异 | 首次系统比较两种开源深度学习分割工具在PET/CT图像分析中的互换性 | 仅针对转移性乳腺癌患者的基线扫描，未评估其他疾病类型或随访数据 | 评估两种深度学习分割算法在器官体积和SUV值测量中的一致性 | 315名转移性乳腺癌女性的[18F]FDG-PET/CT基线图像 | 医学影像分析 | 乳腺癌 | [18F]FDG-PET/CT成像 | 深度学习 | CT图像,PET图像 | 315名患者 | MOOSE v.3.0.14, TotalSegmentator v.2.0.5 | NA | 相对差异 | NA |