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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期不过滤] [清除筛选条件]
当前共找到 43874 篇文献,本页显示第 901 - 920 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
901 2026-04-24
Adopting artificial intelligence in cardiovascular medicine: a scoping review
2024-03, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1
综述 对人工智能在心血管医学中应用的范围进行综述,涵盖多个亚专科及技术趋势 发现过去五年中心血管医学与AI的结合增长了十倍以上,并展示了深度学习在诊断和预后中的主导作用 AI在临床决策框架中的全面整合仍存在明显差距 捕捉AI在心血管科学中应用的广度并识别当前趋势 心血管医学及其亚专科,如普通心脏病学、缺血性心脏病、心力衰竭和心律失常 机器学习 心血管疾病 NA 深度学习 医院数据集、心电图、超声心动图、组学数据 140项研究 NA NA NA NA
902 2026-04-24
Implementing focused echocardiography and AI-supported analysis in a population-based survey in Lesotho: implications for community-based cardiovascular disease care models
2024-03, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1
研究论文 本文探讨在资源有限地区,通过短期培训护士使用手持超声设备并结合人工智能分析,进行人群调查中聚焦心脏超声的可行性 首次在莱索托社区环境中评估护士经短期培训后使用低成本手持超声设备结合深度学习算法进行左心室肥厚诊断的效果 研究仅评估了胸骨旁长轴切面,未探索其他心脏视图;且由护士获取的图像需经过心脏病专家确认,其长期效果和可推广性有待进一步验证 评估在缺乏专家超声心动图检查资源的地区,结合人工智能分析的聚焦超声心动图用于左心室肥厚诊断和监测的可行性 莱索托南部16名无超声经验的护士或护士助理以及756例超声心动图样本 计算机视觉 心血管疾病 聚焦心脏超声 深度学习 超声心动图图像 756份超声心动图(来自16名操作者) NA 深度学习算法(具体未指定) 可评估率、心脏病专家确认率 巴塞尔大学医院的计算资源(具体GPU等信息未提供)
903 2026-04-24
Development and Validation of a Deep Learning Strategy for Automated View Classification of Pediatric Focused Assessment With Sonography for Trauma
2022-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2
研究论文 开发和验证用于儿科创伤重点超声评估视图分类的深度学习策略 使用大规模异质性真实世界临床数据集,由多位临床医生执行儿科FAST检查,开发高准确率的深度学习视图分类器 NA 开发并验证准确的深度学习视图分类器,用于儿科创伤重点超声评估(FAST)的自动视图分类 两个儿科急诊室由30位不同临床医生对18岁以下受伤儿童执行的真实FAST检查 计算机视觉 创伤 超声成像 深度学习分类器 超声视频片段和静态帧图像 699项FAST研究,包含4925个视频片段和1,062,612个静态帧 NA NA 准确率,95%置信区间 NA
904 2026-04-23
Examining the development, effectiveness, and limitations of computer-aided diagnosis systems for retained surgical items detection: a systematic review
2026-May, Ergonomics IF:2.0Q3
系统综述 本文系统综述了用于检测手术遗留物的计算机辅助诊断系统的开发、有效性和局限性 首次系统性地总结和评估了用于手术遗留物检测的CAD系统的特性,并提出了改进机会 大多数研究使用合成的RSI X光片开发CAD系统,这引发了泛化性问题;且基于深度学习的CAD系统未整合可解释人工智能技术以确保决策透明度 总结用于检测手术遗留物的CAD系统的特征,评估其开发、有效性和局限性,并提出改进机会 用于检测手术遗留物的计算机辅助诊断系统 计算机视觉 手术并发症 计算机辅助检测 深度学习 X光图像 NA NA NA 灵敏度, 特异性 NA
905 2026-04-23
Relationships Between Vocal Fold Adduction Patterns, Vocal Acoustic Quality, and Vocal Effort in Individuals With and Without Hyperfunctional Voice Disorders
2026-May, Journal of voice : official journal of the Voice Foundation IF:2.5Q1
研究论文 本研究旨在量化声带内收模式,并探讨其与声学质量和自我感知发声努力程度之间的关系 首次将一种先前为声带麻痹患者开发并验证的量化方法应用于功能性发声障碍患者,以客观量化声带内收模式 样本量相对较小(共60例喉镜检查),且未发现声带内收模式在组间存在显著差异,表明可能需要探索其他生理机制 探究功能性发声障碍中声带内收模式、发声努力程度和声学质量之间的关系 患有原发性肌紧张性发声障碍、声带创伤性病变的个体以及健康对照者 NA 功能性发声障碍 喉镜视频分析,声学分析(CPP, H1-H2) 深度学习 视频(喉镜视频),音频(语音样本) 60例喉镜检查(20例原发性肌紧张性发声障碍,20例声带创伤性病变,20例健康对照) NA Automated Glottic Action Tracking using artificial Intelligence NA NA
906 2026-04-23
Evaluation of Vertical Level Differences Between Left and Right Vocal Folds Using Artificial Intelligence System in Excised Canine Larynx
2026-May, Journal of voice : official journal of the Voice Foundation IF:2.5Q1
研究论文 本研究开发了一个基于人工智能的系统,用于分类声带发声时的垂直水平差异,并在离体犬喉模型上评估了其分类准确性 首次引入DenseNet121-ConvLSTM模型进行声带垂直水平差异的多类分类,实现了高精度的自动化评估 研究基于离体犬喉模型,可能无法完全模拟人类活体声带的生理条件,且外部数据集验证的样本规模未明确说明 建立人工智能系统以分类和评估声带发声时左右声带之间的垂直水平差异 离体犬喉模型中的声带 计算机视觉 单侧声带麻痹 高速摄像系统与全局快门彩色互补金属氧化物半导体相机 CNN, LSTM 图像 28,000张图像(20,000张用于建模,8,000张用于测试) NA DenseNet121-ConvLSTM 准确率, 精确率, 召回率, F1分数 NA
907 2026-04-23
Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data
2025-Dec, Molecular ecology IF:4.5Q1
研究论文 本文通过回顾理论、实验室实验和比较野生祖先与驯化后代的基因组重组率数据,探讨了驯化过程对基因组重组率的影响 利用种群测序数据和深度学习方法推断鸡/红原鸡、绵羊/摩弗伦羊和山羊/野山羊的基因组重组率,提供了新的比较证据 研究结果在鸡中呈现混合结果,绵羊中重组率普遍下降,未能一致支持驯化导致基因组重组率增加的假设 验证驯化是否间接选择导致基因组重组率增加的理论假设 驯化动物(鸡、绵羊、山羊)及其野生祖先(红原鸡、摩弗伦羊、野山羊) 机器学习 NA 种群测序 深度学习 基因组序列数据 NA NA NA NA NA
908 2026-04-23
Prediction of real-time cine-MR images during MRI-guided radiotherapy of liver cancer using a GAN-ConvLSTM network
2025-May, Medical physics IF:3.2Q1
研究论文 本研究提出了一种改进的生成对抗网络(GAN),用于实时预测肝癌症患者放疗过程中的实时电影磁共振(cine-MR)图像 将pix2pix GAN的生成器替换为卷积长短期记忆(ConvLSTM),以预测未来五帧图像,相比现有先进网络(ConvLSTM、E3D-LSTM、SwinLSTM)在多项指标上表现更优 样本量较小(仅15名患者),且为个性化模型训练,可能限制泛化能力 通过深度学习预测实时电影磁共振图像,以补偿放疗系统中的系统延迟,提高肝癌症放疗的精准性 肝癌症患者 计算机视觉 肝癌 电影磁共振成像 GAN, ConvLSTM 图像 15名肝癌症患者的电影磁共振图像序列,每名患者300帧图像 NA pix2pix GAN, ConvLSTM 峰值信噪比, 结构相似性指数, 视觉信息保真度, 皮尔逊相关系数, 呼吸运动精度 NA
909 2026-04-23
Segmentation of coronary artery and calcification using prior knowledge based deep learning framework
2025-May, Medical physics IF:3.2Q1
研究论文 本研究提出了一种基于先验知识的深度学习框架,用于冠状动脉和钙化的分割,并探索了分割结果对旋磨术的预测能力 整合冠状动脉和钙化的解剖先验知识到深度学习分割框架中,通过变分自编码器中心线提取、自注意力、逻辑操作和分割模块提升分割准确性和稳定性 研究样本量较小(72名患者),可能限制模型的泛化能力;未详细讨论计算资源需求或框架在其他数据集上的性能 提高冠状动脉和钙化在CTA图像中的分割准确性,并基于分割结果预测旋磨术的必要性 冠状动脉和钙化区域 数字病理学 心血管疾病 计算机断层扫描血管造影(CTA) 深度学习框架 3D CTA图像 72名患者的CTA图像数据集 NA 变分自编码器(VAE),自注意力模块 分割准确性,预测准确性 NA
910 2026-04-23
Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images
2025-May, Medical physics IF:3.2Q1
研究论文 本文提出了一种用于超声图像中乳腺病灶分割的多级感知边界引导网络(PBNet),旨在提升对与正常组织强度相似的非增强病灶的边界分割精度 提出了一种新颖的多级感知边界引导网络(PBNet),该网络包含多级全局感知模块(MGPM)和边界引导模块(BGM),并引入了多级边界增强分割损失(BS损失),以增强对非增强肿瘤的识别和边界分割 效应量小于0.2,表明性能提升的幅度相对较小 从超声图像中准确分割乳腺肿瘤,特别是提升对与正常组织强度相似的非增强病灶的边界分割精度 超声图像中的乳腺病灶 计算机视觉 乳腺癌 超声成像 CNN 图像 两个数据集:公开数据集BUSI(780张图像)和内部数据集(995张图像) NA PBNet(包含多级全局感知模块MGPM和边界引导模块BGM) Dice分数, Jaccard系数, Hausdorff距离, 敏感性, 特异性 NA
911 2026-04-23
Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks
2025-May, Medical physics IF:3.2Q1
研究论文 本文开发了一种基于条件生成对抗网络(GAN)的2D到3D磁共振(MR)体积重建模型,通过患者和分次特定的微调工作流,利用正交2D MR图像重建合成3D MR体积,用于在线剂量适应 提出了一种患者和分次特定的微调工作流,结合条件GAN模型,能够在有限数据条件下有效重建3D MR体积,显著提升了图像质量和几何精度 研究样本量相对较小(43名患者),且仅基于单一成像协议,可能限制了模型的泛化能力 开发一种个性化深度学习模型,用于从正交2D MR图像重建3D MR体积,以支持在线剂量适应 前列腺癌患者在接受MR引导的自适应放疗过程中的MR图像 医学影像分析 前列腺癌 磁共振成像(MRI) GAN 图像 43名患者的2473个3D MR体积 NA 条件生成对抗网络(GAN) SSIM, PSNR, RMSE, MAE, Dice相似系数(DSC), Hausdorff距离(HD) NA
912 2026-04-23
Neural architecture search with Deep Radon Prior for sparse-view CT image reconstruction
2025-May, Medical physics IF:3.2Q1
研究论文 本文提出了一种名为NAS-DRP的无监督深度学习方法,用于稀疏视图CT图像重建,通过结合深度Radon先验和神经架构搜索来优化网络结构 首次将神经架构搜索与深度Radon先验结合,用于无监督CT图像重建,自动优化上采样单元的网络结构,提高了重建图像的细节和准确性 方法依赖于无监督学习,可能缺乏与有监督方法相比的配对数据优势,且神经架构搜索过程可能计算成本较高 改进稀疏视图CT图像重建,减少辐射暴露并提升图像质量 稀疏视图CT图像 计算机视觉 NA CT扫描 编码器-解码器网络, RNN 图像 NA NA NAS-DRP PSNR, SSIM, LPIPS NA
913 2026-04-23
Beam's eye view to fluence maps 3D network for ultra fast VMAT radiotherapy planning
2025-May, Medical physics IF:3.2Q1
研究论文 本文提出了一种基于深度学习的3D网络,用于从患者数据直接预测VMAT放疗计划中的注量图,以加速治疗规划过程 开发了一种新颖的3D网络架构,能够一次性预测单弧VMAT计划中180个控制点对应的所有注量图,并通过预处理将3D剂量图投影到BEV视图以辅助网络学习 研究主要基于模拟生成的VMAT计划数据,可能未完全覆盖临床实际病例的多样性;网络性能在真实临床环境中的泛化能力有待进一步验证 加速VMAT放疗计划制定过程,通过快速预测注量图来替代传统耗时的迭代优化流程 VMAT放疗计划中的注量图预测 医学影像分析 癌症 深度学习 3D卷积神经网络 3D剂量图、注量图 超过2000个VMAT计划(使用Eclipse生成并结合REQUITE数据集) 未明确提及 3D网络(具体架构未命名,对比了U-Net) PSNR, SSIM, 剂量体积直方图(DVH) 未明确提及
914 2026-04-23
A deep learning-based peer review method for radiotherapy planning
2025-May, Medical physics IF:3.2Q1
研究论文 本研究开发了一种基于深度学习的放疗计划同行评审方法,利用患者解剖信息进行个性化质量控制 结合深度学习剂量预测和统计模型,为放疗计划提供个性化质量控制,替代传统主观评估方法 模型训练样本量较小(139例),仅针对鼻咽癌患者,可能限制泛化能力 开发基于患者解剖信息的放疗计划个性化质量控制方法 鼻咽癌患者的放疗计划 数字病理 鼻咽癌 深度学习剂量预测 CNN 3D剂量分布图像 139例鼻咽癌患者(95训练,20验证,24测试),另加29个临床治疗计划用于同行评审 NA UNet 平均体素剂量差异 NA
915 2026-04-23
Lesion segmentation method for multiple types of liver cancer based on balanced dice loss
2025-May, Medical physics IF:3.2Q1
研究论文 本文提出了一种基于平衡Dice损失(BD Loss)的肝癌症病灶分割方法,用于解决多类型肝癌症分割中的数据不平衡问题 提出了一种平衡Dice损失函数(BD Loss),结合贪婪参数平均算法(GPA算法)和模型集成及后处理方法,实现了多类型肝癌症的平衡准确分割 研究基于单一医疗中心的回顾性数据,可能限制了模型的泛化能力,且未详细讨论计算资源需求 开发一种能够准确分割多类型肝癌症的深度学习方法,以辅助临床诊断和治疗 恶性肝肿瘤患者的CT筛查图像及肿瘤分割标注 数字病理学 肝癌 CT成像 深度学习模型 图像 591名患者的CT图像 NA NA Dice per case(DPC) NA
916 2026-04-23
Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training
2025-May, Medical physics IF:3.2Q1
研究论文 本研究提出了一种无需额外训练即可将左侧乳腺癌深度学习自动计划模型适配用于右侧乳腺癌治疗计划的技术 通过对称结构左右互换和模型参数调整,实现了左侧训练模型向右侧患者的直接迁移,避免了重新训练的时间消耗 技术依赖于特定治疗计划系统(TPS)工具,通用性可能受限 开发右侧早期乳腺癌的自动化治疗计划技术 右侧早期乳腺癌患者 数字病理 乳腺癌 深度学习模型迁移 深度学习模型 治疗计划数据 30例患者(10例用于模型调优,20例用于验证),外加10例临床患者 NA NA 剂量体积参数(心脏平均剂量、左右肺平均剂量、左肺最大剂量、右冠状动脉最大剂量) NA
917 2026-04-23
Dose prediction via deep learning to enhance treatment planning of lung radiotherapy including simultaneous integrated boost techniques
2025-May, Medical physics IF:3.2Q1
研究论文 本研究探讨了使用深度学习预测包括同步整合推量技术的肺癌放疗剂量分布的可行性及其在改善治疗计划质量方面的潜在益处 首次验证深度学习在预测包含同步整合推量技术的放疗剂量分布中的有效性,并评估其在临床计划工作流程中识别次优计划质量和改善正常组织保护的潜力 研究样本量相对较小(训练集75例,测试集18例,前瞻性验证10例),且仅基于单一机构的肺癌患者数据,可能限制模型的泛化能力 研究深度学习预测肺癌放疗剂量分布的可行性,并评估其在改善治疗计划质量方面的应用价值 肺癌患者的放疗治疗计划,包括使用同步整合推量技术的计划 数字病理 肺癌 深度学习,三维剂量分布预测 CNN CT图像,靶区和正常组织轮廓,处方剂量 93例回顾性临床计划(75例训练,18例测试),外加10例前瞻性患者 NA 3D U-Net 平均剂量差异 NA
918 2026-04-23
A novel skeletal muscle quantitative method and deep learning-based sarcopenia diagnosis for cervical cancer patients treated with radiotherapy
2025-May, Medical physics IF:3.2Q1
研究论文 本研究探索了使用锥束计算机断层扫描(CBCT)评估宫颈癌放疗患者骨骼肌指数(SMI)的可行性,并开发了一种基于深度学习的自动分割和肌少症诊断方法 首次提出使用第五腰椎(L5)替代第三腰椎(L3)在CBCT图像上评估SMI,并设计了一种端到端的解剖距离引导双分支特征融合网络进行自动分割 研究样本量有限(248例患者),且外部验证数据集规模较小,可能影响模型的泛化能力 开发一种基于CBCT和深度学习的自动分割与肌少症诊断方法,以辅助宫颈癌放疗患者的临床评估 接受放疗的宫颈癌患者 数字病理学 宫颈癌 锥束计算机断层扫描(CBCT),深度学习 深度学习网络 医学图像(CBCT图像) 248例宫颈癌放疗患者,包含外部验证数据集 NA 端到端解剖距离引导双分支特征融合网络 组内相关系数(ICC),Pearson相关系数(PCC),Bland-Altman图,Dice相似系数,准确率,F1分数 NA
919 2026-04-23
The Multimodal MRI Features of Deteriorative MCI Patients-A 2-Year Follow-up Study
2025-Mar-01, Neurology India IF:0.9Q4
研究论文 本研究通过两年随访,探索了恶化型轻度认知障碍患者的多模态磁共振成像特征 利用深度学习算法提取脑区特征,并识别出与MCI恶化相关的特定脑区FA值降低和ADC值升高作为预警特征 样本量相对有限(105名患者),且仅基于两年随访数据,长期变化趋势尚不明确 探索轻度认知障碍患者恶化的磁共振成像生物标志物 105名轻度认知障碍患者 数字病理学 老年疾病 多模态磁共振成像 深度学习算法 磁共振图像 105名MCI患者 NA NA NA NA
920 2026-04-23
Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning
2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 本研究提出了一种基于光电容积脉搏波(PPG)数据和个性化深度学习的模型,用于预测孕妇血压,以实现对先兆子痫的有效预警 提出了一种三阶段(建模、微调、个性化)的深度学习框架,结合了1D-CNN、CBAM注意力模块、双向GRU和注意力层,并针对孕妇群体进行个性化微调,实现了连续、无袖带的精准血压监测 样本量相对有限(共194名受试者,其中孕妇40名),且未明确说明模型在不同妊娠阶段或合并症孕妇中的泛化能力 开发一种基于PPG信号的连续、无创血压监测方法,为孕妇提供先兆子痫的早期预警 孕妇的血压数据,通过PPG传感器从腕部动脉采集 机器学习 先兆子痫 光电容积脉搏波(PPG) CNN, GRU 时序信号数据(PPG波形) 194名受试者(154名正常个体,40名孕妇) NA 1D-CNN with CBAM, Bi-directional GRU, Attention layers 平均误差(ME), 标准差(SD) NA
回到顶部