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 33853 篇文献，本页显示第 961 - 980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 2025-11-07 |
Volumetric spline-based Kolmogorov-Arnold architectures surpass CNNs, vision transformers, and graph networks for Parkinson's disease detection
2025-Nov-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01141-w
PMID:41184521
|
研究论文 | 本研究首次将三维卷积Kolmogorov-Arnold网络应用于医学影像，在帕金森病检测任务中超越了传统CNN、视觉Transformer和图卷积网络 | 首次实现三维ConvKAN架构，使用灵活的数学函数进行特征提取，在帕金森病检测中取得最优性能 | 样本量相对较小（142名参与者），需要更多数据集验证泛化能力 | 开发更有效的深度学习架构用于帕金森病的早期诊断 | 帕金森病患者和健康对照者的脑部结构扫描 | 医学影像分析 | 帕金森病 | 脑部结构扫描 | ConvKAN, CNN, Vision Transformer, 图卷积网络 | 三维脑部体积数据，二维脑部切片 | 142名参与者（75名帕金森病患者，67名健康对照） | NA | ConvKAN, ResNet | AUC, 准确率, 训练时间 | NA |
| 962 | 2025-11-07 |
Harris Hawks optimization based deep learning models for heart disease diagnosis
2025-Nov-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22326-2
PMID:41184569
|
研究论文 | 提出一种基于哈里斯鹰优化的深度学习模型，用于心脏病早期诊断 | 结合K-mode聚类进行数据优化预处理，并首次将哈里斯鹰优化算法应用于心脏病诊断的特征选择 | 仅使用单一数据集进行验证，未提及外部验证或临床实际应用测试 | 开发高精度的心脏病早期诊断预测系统 | 心血管疾病患者临床数据 | 机器学习 | 心血管疾病 | 临床参数分析 | GRU, 神经网络 | 结构化临床数据 | 70,000条患者记录 | NA | GRU, 深度神经网络 | 准确率, 精确率, 召回率, AUC评分, ROC曲线 | NA |
| 963 | 2025-11-07 |
Quantitative Magnetic Resonance Imaging Methods for the Assessment and Prediction of Treatment Response to Transarterial Chemoembolization in Hepatocellular Carcinoma
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.02.042
PMID:40068997
|
综述 | 本文综述了定量磁共振成像在预测和评估肝细胞癌经动脉化疗栓塞治疗反应中的最新应用 | 系统比较了多种qMRI技术（包括肝细胞特异性对比增强MRI、扩散成像、灌注成像等）在TACE疗效评估中的表现，并探讨了人工智能模型的潜在价值 | BOLD-fMRI和MRE研究不足且缺乏关键定量参数模型，AI模型需要更大规模前瞻性研究验证 | 评估和预测肝细胞癌患者对经动脉化疗栓塞治疗的反应 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 定量磁共振成像，包括肝细胞特异性对比增强MRI、扩散成像、灌注成像、磁共振波谱、BOLD-fMRI、磁共振弹性成像 | 人工智能模型（包括放射组学和深度学习） | 磁共振影像 | NA | NA | NA | AUC（曲线下面积） | NA |
| 964 | 2025-11-07 |
2.5D Multi-View Averaging Diffusion Model for 3D Medical Image Translation: Application to Low-Count PET Reconstruction With CT-Less Attenuation Correction
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3570342
PMID:40372846
|
研究论文 | 提出一种新型2.5D多视图平均扩散模型，用于将非衰减校正低剂量PET图像转换为衰减校正标准剂量PET图像 | 首次将扩散模型应用于3D医学图像翻译，通过多视图平均策略解决3D扩散模型计算成本高的问题，并采用CNN生成先验加速采样过程 | 未明确说明计算资源需求和模型训练时间，缺乏与其他3D生成方法的全面对比 | 开发3D医学图像翻译方法以降低PET检查的辐射剂量 | 非衰减校正低剂量PET图像和衰减校正标准剂量PET图像 | 医学影像处理 | NA | PET成像，CT-less衰减校正 | 扩散模型，CNN | 3D医学图像 | 人类患者研究（具体数量未说明） | NA | 多视图扩散模型 | 图像质量评估（具体指标未说明） | NA |
| 965 | 2025-05-24 |
Corrigendum to "Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy" [Academic Radiology 32 (2025) 12-23]
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.010
PMID:40404505
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 966 | 2025-11-07 |
Segmentation of the Left Ventricle and Its Pathologies for Acute Myocardial Infarction After Reperfusion in LGE-CMR Images
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3573706
PMID:40418612
|
研究论文 | 提出一种渐进式深度学习模型LVPSegNet，用于从LGE-CMR图像中分割左心室及其病理组织 | 首次发布包含140例患者的LGE-CMR基准数据集LGE-LVP，并提出结合自适应ROI提取、样本增强、课程学习和多感受野融合的创新分割模型 | 数据集规模有限（140例患者），存在类别极度不平衡和强度分布重叠等挑战 | 开发自动分割左心室及其病理组织（微血管阻塞和心肌梗死）的方法 | 急性心肌梗死再灌注后的左心室及其病理组织 | 医学图像分析 | 心血管疾病 | 晚期钆增强心脏磁共振成像 | 深度学习 | 医学图像 | 140例左心室心肌梗死伴微血管阻塞患者 | NA | LVPSegNet | 几何指标, 临床指标 | NA |
| 967 | 2025-11-07 |
Deep Learning Enables Fast and Accurate Quantification of MRI-Guided Near-Infrared Spectral Tomography for Breast Cancer Diagnosis
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3574727
PMID:40440147
|
研究论文 | 开发并评估了一种基于深度学习的MRI引导近红外光谱断层扫描图像重建方法，用于乳腺癌诊断 | 首次将深度学习应用于MRI引导的3D近红外光谱断层扫描图像重建，显著提高了重建速度和诊断准确性 | 研究样本量相对较小（38例临床检查），且基于合成数据训练网络 | 提高乳腺癌诊断的特异性和灵敏度 | 乳腺异常患者的临床影像数据 | 医学影像分析 | 乳腺癌 | 磁共振成像，近红外光谱断层扫描 | 深度学习 | 医学影像数据 | 38例乳腺异常患者的临床影像检查 | NA | NA | 灵敏度，特异性，诊断准确率，ROC曲线下面积 | NA |
| 968 | 2025-11-07 |
GLIMPSE: Generalized Locality for Scalable and Robust CT
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3575071
PMID:40445811
|
研究论文 | 提出一种基于局部坐标的神经网络Glimpse，用于解决CT重建中传统多尺度CNN的内存效率低和泛化能力差的问题 | 通过仅处理像素邻域相关测量值进行重建，实现了内存占用几乎与图像分辨率无关，并显著提升分布外样本的泛化性能 | 未明确说明在极端噪声或低剂量条件下的性能表现 | 开发高效且鲁棒的计算机断层扫描重建方法 | CT图像重建 | 医学影像 | NA | 计算机断层扫描 | 基于坐标的神经网络 | CT投影测量数据 | NA | NA | Glimpse | 分布内测试性能，分布外样本泛化性能，内存效率 | 5GB内存即可训练1024×1024分辨率图像 |
| 969 | 2025-11-07 |
Disease-Grading Networks With Asymmetric Gaussian Distribution for Medical Imaging
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3575402
PMID:40456095
|
研究论文 | 提出一种基于非对称高斯标签分布的疾病分级网络DGN-AGLD，用于医学影像分析 | 引入样本感知的非对称高斯标签分布，通过方差预测器学习控制高斯分布不对称性的参数，实现同一类别内不同标签分布 | 未明确说明方法在更广泛疾病数据集上的泛化能力限制 | 改进医学影像中的疾病分级性能，更准确捕捉疾病进展趋势 | 医学影像数据中的疾病分级任务 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN | 医学影像 | 四个疾病数据集（包括IDRiD数据集） | 未明确指定 | DGN-AGLD | 准确率 | NA |
| 970 | 2025-11-07 |
Language and Attenuation-Driven Network for Robot-Assisted Cholangiocarcinoma Diagnosis From Optical Coherence Tomography
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3578179
PMID:40489267
|
研究论文 | 提出一种融合语言和光学衰减信息的机器人辅助网络，用于从光学相干断层扫描图像中自动诊断胆管癌 | 引入光学衰减系数和广义视觉语言信息，开发跨模态互补模型LA-OCT Net，采用解耦衰减选择对抗相关损失增强特征差异 | NA | 构建高效的计算机辅助系统实现胆管癌自动准确分类，确认浸润边界 | 胆管癌的光学相干断层扫描图像 | 计算机视觉 | 胆管癌 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | LA-OCT Net | 准确率 | NA |
| 971 | 2025-11-07 |
Enhancing Free-Hand 3-D Photoacoustic and Ultrasound Reconstruction Using Deep Learning
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3579454
PMID:40512645
|
研究论文 | 提出一种结合运动学习和全局-局部自注意力模块的深度学习网络(MoGLo-Net)，用于提升手持式光声和超声成像的3D重建质量 | 创新地采用自注意力机制识别超声图像中的关键区域（如完全发育的散斑区域或高回声组织区域）来精确估计运动参数，并引入块状相关操作生成与扫描运动高度相关的相关体积 | 未提及具体局限性 | 解决手持式光声和超声成像中3D自由手技术运动估计不准确的挑战 | 光声和超声成像序列的2D图像 | 医学影像处理 | NA | 光声成像、超声成像、深度学习 | 深度学习网络 | 超声图像序列、光声图像序列 | NA | NA | 自注意力机制网络 | 定量指标、定性指标 | NA |
| 972 | 2025-11-07 |
Unveiling Quality of Life Factors for the Elderly: A Public Health Nursing Approach Enhanced by Advanced ML and DL Techniques
2025 Nov-Dec, Public health nursing (Boston, Mass.)
DOI:10.1111/phn.70003
PMID:40619584
|
研究论文 | 本研究开发基于人工智能的预测模型，识别影响老年人生活质量的关键因素 | 结合基础机器学习、深度学习和集成模型，并应用SMOTE方法平衡数据集，在老年人生活质量预测中实现高精度 | 样本量相对有限（500人），可能影响模型的泛化能力 | 开发AI预测模型识别影响老年人生活质量的关键因素 | 老年人群 | 机器学习 | 老年疾病 | 系统抽样技术 | 基础ML, DL, 集成模型 | 结构化数据 | 500名老年人 | NA | AdaBoost | 准确率, 召回率, 特异性 | NA |
| 973 | 2025-07-10 |
Corrigendum to 'CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy' [Acad Radiol 32/6 (2025) 3397-3409]
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.036
PMID:40628644
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 974 | 2025-11-07 |
Performance of Radiomics and Deep Learning Models in Predicting Distant Metastases in Soft Tissue Sarcomas: A Systematic Review and Meta-analysis
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.027
PMID:40651923
|
系统评价与荟萃分析 | 评估影像组学和深度学习模型预测软组织肉瘤远处转移性能的系统评价和荟萃分析 | 首次对影像组学和深度学习模型在软组织肉瘤转移预测中的性能进行系统评价和荟萃分析，比较了不同成像方式和特征提取方法的差异 | 存在显著异质性、有限的外部验证和潜在发表偏倚 | 评估影像组学和深度学习模型预测软组织肉瘤远处转移的诊断准确性 | 软组织肉瘤患者 | 医学影像分析 | 软组织肉瘤 | 影像组学分析、深度学习 | 深度学习模型、影像组学模型 | 医学影像数据（MRI、PET、PET/CT） | 19项研究，涉及1712名患者 | NA | NA | AUC、敏感性、特异性 | NA |
| 975 | 2025-11-07 |
Deep Learning-Accelerated Prostate MRI: Improving Speed, Accuracy, and Sustainability
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.022
PMID:40664559
|
研究论文 | 评估深度学习增强的四倍并行采集技术在提升前列腺MRI图像质量和扫描效率方面的有效性 | 首次将深度学习与四倍并行采集技术结合应用于前列腺MRI，显著提升图像质量同时大幅缩短扫描时间 | 样本量相对较小（51名参与者），研究时间范围有限（2024年1月至7月） | 比较深度学习增强的P4技术与传统P2技术在前列腺MRI中的性能差异 | 接受前列腺MRI检查的患者 | 医学影像分析 | 前列腺癌 | MRI，并行采集技术，深度学习增强成像 | 深度学习 | 医学影像（T2加权序列） | 51名参与者（平均年龄69.4岁±10.5岁） | NA | NA | 信噪比，对比噪声比，图像质量评分，扫描时间 | NA |
| 976 | 2025-11-07 |
Assessing MRI-based Artificial Intelligence Models for Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma: A Systematic Review and Meta-analysis
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.030
PMID:40670226
|
系统评价与荟萃分析 | 评估基于MRI的人工智能模型在肝细胞癌微血管侵犯术前预测中的性能 | 首次对MRI-based AI模型预测HCC微血管侵犯进行系统评价和荟萃分析，比较了传统机器学习与深度学习方法的表现差异 | 存在显著的异质性和低GRADE证据等级，可能影响证据强度 | 评估基于MRI的人工智能在肝细胞癌微血管侵犯术前预测中的诊断性能 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 磁共振成像 | 传统机器学习,深度学习 | MRI影像 | 内部验证2838例，外部验证1161例 | NA | NA | 敏感度,特异度,诊断比值比,曲线下面积 | NA |
| 977 | 2025-11-07 |
Cost-Effectiveness of Opportunistic Osteoporosis Screening Using Chest Radiographs With Deep Learning in the United States
2025-Nov, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.07.028
PMID:40780311
|
研究论文 | 评估基于深度学习分析胸部X光片进行机会性骨质疏松筛查在美国50岁以上女性中的成本效益 | 首次将深度学习技术与胸部X光片结合用于骨质疏松机会性筛查，并建立经济模型评估其成本效益 | 研究仅针对美国50岁以上女性群体，未涵盖其他人群或地区 | 评估人工智能驱动的机会性骨质疏松筛查策略的成本效益 | 美国50岁及以上女性 | 数字病理 | 骨质疏松 | 胸部X光摄影，双能X线吸收测定法 | 深度学习 | 医学影像 | NA | NA | NA | 灵敏度，特异性 | NA |
| 978 | 2025-11-07 |
A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.006
PMID:40912952
|
研究论文 | 开发用于术前预测晚期胃癌隐匿性腹膜转移和早期腹膜复发的级联分割-分类深度学习框架 | 提出结合肿瘤分割与转移风险分层的级联深度学习框架，首次实现基于CT的隐匿性腹膜转移和早期腹膜复发联合预测 | 样本量相对有限，外部验证队列规模较小，需要更大规模多中心验证 | 术前预测晚期胃癌患者的隐匿性腹膜转移和早期腹膜复发风险 | 晚期胃癌患者 | 数字病理 | 胃癌 | CT影像分析 | 深度学习 | 医学影像 | 765名来自三个机构的晚期胃癌患者，包含内部验证(OPM n=168, 早期PR n=212)和外部验证(早期PR n=57) | NA | V-Net | AUC, 敏感性, 特异性 | NA |
| 979 | 2025-09-18 |
Faster and Sharper Prostate T2W MRI with Deep Learning
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.003
PMID:40957748
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 980 | 2025-11-07 |
Machine learning model for predicting the conversion to dementia using the Cube Copying Test
2025-Nov, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877251376939
PMID:40982217
|
研究论文 | 开发基于立方体复制测试绘图的机器学习模型，用于预测3-5年内转化为痴呆症的风险 | 首次将基于深度学习的异常检测模型应用于立方体复制测试绘图数据，检测临床前阶段或轻度认知障碍阶段已存在的结构性失用样症状 | 回顾性研究设计，存在1002例患者失访，样本选择可能存在偏差 | 开发高精度、高效率的痴呆症早期筛查工具 | 767名记忆障碍患者，其中457名转化为痴呆症（阿尔茨海默病318例、路易体痴呆116例、额颞叶痴呆23例），310名未转化 | 机器学习 | 老年疾病 | 立方体复制测试 | 异常检测模型 | 绘图数据 | 767名患者 | NA | PatchCore | AUC | NA |