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 33632 篇文献，本页显示第 9841 - 9860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9841 | 2025-06-13 |
Non-enhanced CT deep learning model for differentiating lung adenocarcinoma from tuberculoma: a multicenter diagnostic study
2025-Jun-11, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11721-y
PMID:40500528
|
research paper | 该研究开发并验证了一个基于三维特征的深度学习模型（DL_3D），用于区分肺腺癌（LUAD）和结核瘤（TBM） | 提出了基于视觉Transformer网络的DL_3D模型，在非增强CT图像上区分LUAD和TBM，性能优于二维特征模型、放射组学模型和六位放射科医生 | 样本量相对有限，且仅来自三个医院，可能存在选择偏差 | 开发一种深度学习模型，用于在非增强CT图像上区分肺腺癌和结核瘤 | 肺腺癌（LUAD）和结核瘤（TBM）患者 | digital pathology | lung cancer | 非增强CT成像 | vision transformer network | CT图像 | 1160名患者（840名训练集，210名验证集，110名外部测试集） | NA | NA | NA | NA |
| 9842 | 2025-06-13 |
Developing a Deep Learning Radiomics Model Combining Lumbar CT, Multi-Sequence MRI, and Clinical Data to Predict High-Risk Adjacent Segment Degeneration Following Lumbar Fusion: A Retrospective Multicenter Study
2025-Jun-09, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682251342531
PMID:40488256
|
研究论文 | 开发并验证了一个结合临床数据、深度学习放射组学特征和腰椎CT及多序列MRI的模型，用于预测腰椎融合术后高风险邻近节段退变患者 | 结合了临床数据、深度学习放射组学特征和传统放射组学特征，使用Vision Transformer 3D深度学习模型，以及多层感知器算法，显著提高了预测性能 | 研究为回顾性设计，样本量相对较小，外部测试队列仅包含30例患者 | 预测腰椎融合术后高风险邻近节段退变患者 | 305例接受腰椎融合手术的患者 | 数字病理 | 腰椎疾病 | 深度学习放射组学(DLR), LASSO回归, 多种机器学习算法 | Vision Transformer 3D, 线性支持向量机, AdaBoost, 多层感知器 | CT图像, MRI图像, 临床数据 | 305例患者（训练队列192例，内部验证队列83例，外部测试队列30例） | NA | NA | NA | NA |
| 9843 | 2025-06-13 |
Transfer learning for accurate brain tumor classification in MRI: a step forward in medical diagnostics
2025-Jun-09, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02671-4
PMID:40490586
|
研究论文 | 该研究提出了一种利用迁移学习（TL）和深度学习模型（AlexNet、MobileNetV2和GoogleNet）对MRI图像中的脑肿瘤进行分类的新方法 | 与以往研究不同，本研究综合比较了多种深度学习架构，并针对脑肿瘤分类进行了微调，同时解决了类别不平衡问题，并利用轻量级架构提高了模型效率 | NA | 提高脑肿瘤分类的准确性，以辅助医生做出快速和精确的诊断决策 | MRI图像中的脑肿瘤（包括神经胶质瘤、脑膜瘤和垂体瘤）以及正常脑部图像 | 数字病理学 | 脑肿瘤 | 迁移学习（TL） | AlexNet、MobileNetV2、GoogleNet | 图像 | 4,517张MRI扫描图像（包括1,129张神经胶质瘤、1,134张脑膜瘤、1,138张垂体瘤和1,116张正常脑部图像） | NA | NA | NA | NA |
| 9844 | 2025-06-13 |
Pod-pose : an efficient top-down keypoint detection model for fine-grained pod phenotyping in mature soybean
2025-Jun-09, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01399-0
PMID:40490832
|
研究论文 | 提出了一种名为Pod-pose的顶部关键点检测模型，用于精确测量成熟大豆豆荚的表型特征 | 将人体姿态估计技术应用于植物表型分析，通过瓶颈结构优化和位置特征增强整合了多种先进YOLO模型的架构优势，并采用两阶段检测方法和迁移学习显著提升模型性能 | 未提及模型在其他作物或更大规模数据集上的泛化能力 | 开发高效准确的大豆豆荚表型特征提取方法以支持大豆育种优化 | 成熟大豆豆荚 | 计算机视觉 | NA | 深度学习、关键点检测、迁移学习 | YOLO系列模型的改进版本（Pod-pose） | 图像 | 自定义数据集（具体数量未提及） | NA | NA | NA | NA |
| 9845 | 2025-06-13 |
To Fly, or Not to Fly, That Is the Question: A Deep Learning Model for Peptide Detectability Prediction in Mass Spectrometry
2025-Jun-06, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.4c00973
PMID:40344201
|
research paper | 该研究开发了一个名为Pfly的深度学习模型，用于预测质谱中肽的可检测性 | Pfly是一个基于肽序列的深度学习模型，具有高适应性，可根据特定实验条件定制，提高了预测准确性并在不同研究领域中扩展了应用范围 | 模型最初在合成肽库上训练，可能存在偏向合成性的偏差，尽管后续通过生物数据集进行了微调 | 开发一个通用的、可定制的工具，用于预测质谱中肽的可检测性 | 肽序列及其在质谱中的可检测性 | machine learning | NA | 质谱 | encoder-decoder with attention mechanism | 肽序列数据 | 合成肽库和生物数据集 | NA | NA | NA | NA |
| 9846 | 2025-06-13 |
Comparative analysis of convolutional neural networks and vision transformers in identifying benign and malignant breast lesions
2025-Jun-06, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000042683
PMID:40489850
|
研究论文 | 比较分析卷积神经网络和视觉变换器在识别乳腺良恶性病变中的性能 | 系统比较了12种深度学习模型在乳腺动态对比增强磁共振成像图像分类中的表现，并分析了关键超参数的影响 | ResNet152和ViT模型在小规模乳腺动态对比增强磁共振成像数据集上的表现不佳，数据增强在某些模型中意外降低了准确率 | 为乳腺动态对比增强磁共振成像图像分类研究建立可靠的基准 | 乳腺动态对比增强磁共振成像图像 | 计算机视觉 | 乳腺癌 | 动态对比增强磁共振成像 | CNN, Vision Transformer (ViT), ResNet, VGG | 图像 | NA | NA | NA | NA | NA |
| 9847 | 2025-06-13 |
Multitask deep learning model based on multimodal data for predicting prognosis of rectal cancer: a multicenter retrospective study
2025-Jun-05, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03050-3
PMID:40474195
|
研究论文 | 开发并验证了一种基于多模态数据的多任务深度学习模型，用于预测直肠癌患者的预后 | 模型整合了临床病理数据和多参数MRI图像，无需进行肿瘤分割，同时预测复发/转移和无病生存期 | 回顾性研究设计可能引入选择偏倚，且样本量相对有限 | 开发预测直肠癌患者预后的深度学习模型 | 直肠癌患者 | 数字病理 | 直肠癌 | 多参数MRI（包括扩散峰度成像） | 多任务深度学习模型 | 临床病理数据和MRI图像 | 321名直肠癌患者（训练集212例，内部测试集53例，外部测试集56例） | NA | NA | NA | NA |
| 9848 | 2025-10-06 |
Enhancing Lesion Detection in Inflammatory Myelopathies: A Deep Learning-Reconstructed Double Inversion Recovery MRI Approach
2025-Jun-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8582
PMID:39542724
|
研究论文 | 本研究评估深度学习重建双反转恢复MRI在炎症性脊髓病病变检测中的效果 | 首次评估深度学习重建的3D双反转恢复成像在炎症性脊髓病中的应用，实现了49%的采集时间减少和37%的病变检测率提升 | 研究为观察性设计，样本量相对有限(149例)，且仅由三位神经放射科医师评估 | 比较传统T2WI、标准DIR和DL重建DIR在炎症性脊髓病中的采集时间、图像质量、诊断信心和病变检测率 | 确诊为炎症性脊髓病的患者 | 医学影像分析 | 炎症性脊髓病 | MRI, 双反转恢复成像, 深度学习重建 | 深度学习 | 医学影像 | 149名参与者(平均年龄40.6岁，71名女性) | NA | NA | 采集时间, 图像质量评分, 信噪比, 锐度, 伪影, 诊断信心, 病变检测率 | NA |
| 9849 | 2025-10-06 |
Deep Learning Approaches for Brain Tumor Detection and Classification Using MRI Images (2020 to 2024): A Systematic Review
2025-Jun, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01283-8
PMID:39349785
|
系统综述 | 对2020年至2024年间基于深度学习的脑肿瘤MRI图像检测与分类方法进行系统性回顾 | 全面梳理了近四年深度学习在脑肿瘤诊断领域的最新进展，涵盖迁移学习、自编码器、Transformer和注意力机制等多种先进技术 | 仅涵盖2020-2024年初的文献，可能未包含最新研究成果；分析基于已有文献的二次总结 | 系统回顾深度学习在脑肿瘤检测与分类中的应用，提供分析比较和未来方向 | 脑肿瘤患者的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI成像 | 深度学习 | 医学图像 | 基于60篇研究文献的系统回顾 | NA | Transformer, 自编码器, 注意力机制 | NA | NA |
| 9850 | 2025-10-06 |
Automatic bone marrow segmentation for precise [177Lu]Lu-PSMA-617 dosimetry
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17684
PMID:39935268
|
研究论文 | 开发基于深度学习的自动骨髓分割方法用于[177Lu]Lu-PSMA-617治疗的精确剂量测定 | 首次将X-means聚类应用于基于CT图像的骨髓分割，相比传统方法展现出更好的性能 | 样本量较小（10名患者，30个治疗周期），需要更大规模验证 | 开发自动骨髓分割方法以实现个性化骨髓剂量测定 | 转移性去势抵抗性前列腺癌患者 | 医学影像分析 | 前列腺癌 | SPECT/CT成像，X-means聚类 | 深度学习 | CT图像，SPECT图像 | 10名患者，30个治疗周期 | NA | NA | Dice相似系数，平均绝对误差，Bland-Altman分析，Wilcoxon符号秩检验，Pearson相关分析 | NA |
| 9851 | 2025-10-06 |
A comparative analysis of deep learning architectures with data augmentation and multichannel input for locoregional breast cancer radiotherapy
2025-Jun, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70047
PMID:39980269
|
研究论文 | 比较不同深度学习架构在乳腺癌放疗剂量预测中的性能，评估计算效率与预测准确性的平衡 | 首次系统比较2D和3D U-Net模型在乳腺癌放疗剂量预测中的表现，特别关注数据增强和多通道输入对模型性能的影响 | 研究仅基于89例乳腺癌患者数据，样本量相对有限；仅比较了特定几种U-Net变体 | 评估计算量较小的深度学习模型在乳腺癌放疗剂量预测中的适用性 | 89例局部区域性乳腺癌患者的放疗计划数据 | 医学影像分析 | 乳腺癌 | 深度学习剂量预测 | U-Net | 医学影像数据 | 89例乳腺癌患者 | NA | 2D Attention U-Net, 2D HD U-Net, 3D U-Net | PTV临床目标达成率, PTVn1n2 D98%, 器官风险目标达成率 | NA |
| 9852 | 2025-10-06 |
A review of artificial intelligence in brachytherapy
2025-Jun, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70034
PMID:40014044
|
综述 | 本文全面回顾了人工智能在近距离放射治疗领域的应用现状与发展前景 | 系统性地将AI在近距离放疗中的应用分为七大类并建立详细分类框架，涵盖从影像学到实时监测的全流程 | 讨论了当前AI应用的局限性、挑战和伦理问题 | 探讨人工智能如何使近距离放疗更加个性化、高效和有效 | 近距离放射治疗流程 | 医疗人工智能 | 癌症 | 机器学习，深度学习 | NA | 医疗影像，治疗计划数据 | NA | NA | NA | NA | NA |
| 9853 | 2025-10-06 |
Deep learning framework for interpretable quality control of echocardiography video
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17722
PMID:40038091
|
研究论文 | 开发用于超声心动图视频自动质量控制的深度学习框架 | 提出多任务网络架构，同时分析心脏周期完整性、解剖结构、深度、心脏轴角度和增益参数 | 仅基于1331个超声心动图视频进行训练和测试，样本规模有限 | 实现超声心动图视频的自动化质量控制，减少人工评估的主观性 | 超声心动图视频 | 计算机视觉 | 心血管疾病 | 超声心动图 | CNN, Bi-LSTM | 视频 | 1331个超声心动图视频 | NA | CNN骨干网络，双向LSTM，定向目标检测头，分类头 | 平均精度，平均帧误差，AUC，kappa系数，处理速度 | NA |
| 9854 | 2025-10-06 |
A general model for head and neck auto-segmentation with patient pre-treatment imaging during adaptive radiation therapy
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17732
PMID:40055148
|
研究论文 | 开发了一种在自适应放疗中利用患者治疗前影像进行头颈部自动分割的通用模型 | 在深度学习模型推理阶段引入治疗前数据，避免了为新患者群体重新训练模型的高成本 | 刚性配准方法在GTVp和大多数危及器官上表现与自适应深度学习模型相似 | 改进头颈部自适应放疗中的自动分割性能 | 头颈部癌症患者 | 医学影像分析 | 头颈部癌症 | 计算机断层扫描 | 深度学习模型 | CT影像 | 110名接受头颈部癌症自适应放疗的患者 | NA | 通用自适应模型(GAM), 患者特定模型(PSM), 参考模型(RM) | Dice相似系数 | NA |
| 9855 | 2025-10-06 |
Deep Learning-Based Artificial Intelligence Algorithm to Classify Tremors from Hand-Drawn Spirals
2025-Jun, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.30176
PMID:40095435
|
研究论文 | 开发并验证基于深度学习的算法，通过手绘螺旋图对震颤综合征进行分类 | 首次使用深度学习算法从手绘螺旋图中客观分类多种震颤综合征，提供无偏倚的特征独立分类方法 | 存在数据泄露和数字指纹识别的潜在风险，外部验证准确率有所下降 | 开发用于震颤综合征分类的客观生物标志物 | 肌张力障碍震颤、特发性震颤、特发性震颤叠加、帕金森病、小脑性共济失调患者及健康志愿者 | 计算机视觉 | 神经系统疾病 | 手绘螺旋图数字化分析 | 深度学习 | 图像 | 521名参与者，2078个螺旋图样本（包括365个DT、215个ET、208个ETP、212个PD、78个AT和525个HV） | Keras | InceptionResNetV2, 顺序模型 | 准确率, F1分数 | NA |
| 9856 | 2025-10-06 |
Histogram matching-enhanced adversarial learning for unsupervised domain adaptation in medical image segmentation
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17757
PMID:40102198
|
研究论文 | 提出一种基于直方图匹配增强对抗学习的无监督域自适应方法，用于医学图像分割 | 集成直方图匹配策略减少跨模态图像风格偏差，在预测空间进行对抗学习以关注域不变特征，并提供全面的不确定性评估 | 未明确说明方法在更广泛医学影像任务中的泛化能力 | 开发简单有效的无监督域自适应方法，解决医学图像分割中的域偏移问题 | 腹部多器官分割（肝脏等） | 医学影像分析 | 腹部器官疾病 | 直方图匹配，蒙特卡洛dropout | 深度神经网络 | 医学影像（MRI，CT） | 30例MRI扫描（20例来自CHAOS，10例来自内部数据集），30例CT扫描（来自BTCV），240例CT扫描和60例MRI扫描（来自AMOS） | NA | 对抗学习网络 | Dice相似系数，HD95 | NA |
| 9857 | 2025-10-06 |
Trade-off of different deep learning-based auto-segmentation approaches for treatment planning of pediatric craniospinal irradiation autocontouring of OARs for pediatric CSI
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17782
PMID:40170415
|
研究论文 | 比较三种深度学习自动分割方法在儿童全脑全脊髓放疗计划中危及器官勾画的表现 | 首次系统比较商业软件、即用模型和内部开发模型在儿童CSI放疗中的自动分割性能，并提出针对儿童解剖特点的两步式内部方法 | 样本量相对有限，仅包含两个医疗中心的数据，机构间轮廓标准存在差异 | 评估不同自动分割方法在儿童全脑全脊髓放疗中危及器官勾画的适用性 | 142名接受全脑全脊髓放疗的儿童患者的CT图像和18个危及器官 | 数字病理 | 儿科肿瘤 | CT扫描，深度学习自动分割 | U-Net, attention U-Net, 2.5D U-Net, nnU-Net | CT图像 | 142名儿科患者（训练115例，验证27例），外加16例测试数据 | LimbusAI, nnU-Net | U-Net, attention U-Net, 2.5D U-Net | Dice相似系数，临床可接受性评分 | CPU，NVIDIA V100 GPU |
| 9858 | 2025-10-06 |
An isodose-constrained automatic treatment planning strategy using a multicriteria predicted dose rating
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17795
PMID:40181755
|
研究论文 | 提出一种基于多标准预测剂量评分的等剂量约束自动治疗计划策略，用于鼻咽癌放射治疗 | 首次将剂量跌落相似性纳入剂量预测任务，并提出基于等剂量线的自动计划生成方法 | 仅针对鼻咽癌病例进行研究，样本量相对有限 | 开发自动治疗计划生成方法，利用深度学习预测的剂量分布中的剂量跌落信息 | 鼻咽癌患者的放射治疗计划 | 医学影像分析 | 鼻咽癌 | 深度学习剂量预测 | CNN, Transformer | 医学影像数据，剂量分布数据 | 120例鼻咽癌病例（训练集90例，验证集10例，测试集20例） | NA | U-Net, DoseNet, Transformer | 平均绝对误差，剂量体积直方图分析，等剂量骰子相似系数 | NA |
| 9859 | 2025-10-06 |
Open-source deep-learning models for segmentation of normal structures for prostatic and gynecological high-dose-rate brachytherapy: Comparison of architectures
2025-Jun, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70089
PMID:40186596
|
研究论文 | 比较UNet++和nnU-Net两种深度学习架构在前列腺和妇科高剂量率近距离放疗中正常结构分割的性能 | 针对包含HDR植入物的CT图像开发自动分割模型，解决了商业模型在此类图像上性能不佳的问题 | 研究数据来自单一机构，可能影响模型的泛化能力 | 评估深度学习模型在前列腺和妇科HDR近距离放疗中危及器官自动分割的临床应用价值 | 前列腺和妇科高剂量率近距离放疗患者的CT扫描图像 | 数字病理 | 前列腺癌 | CT扫描 | CNN | 医学图像 | 1316个CT扫描来自1105名患者用于训练，100个CT扫描来自62名患者用于测试 | NA | UNet++, nnU-Net | Dice相似系数 | NA |
| 9860 | 2025-10-06 |
Using deep learning generated CBCT contours for online dose assessment of prostate SABR treatments
2025-Jun, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70098
PMID:40265325
|
研究论文 | 使用深度学习生成的CBCT轮廓评估前列腺SABR治疗中的在线剂量分布 | 首次利用深度学习生成的CBCT轮廓进行日常剂量评估，并与计划剂量体积指标比较，为个性化决策树开发提供指导 | 回顾性研究，样本量有限（40名患者），仅使用刚性配准数据 | 评估当前决策树在前列腺SABR治疗中的有效性，并开发自动化工具确保剂量学约束的遵守 | 前列腺SABR患者 | 数字病理 | 前列腺癌 | 锥形束CT（CBCT） | 深度学习 | 医学影像 | 40名患者的200次治疗前CBCT扫描 | NA | NA | 剂量体积指标，违规分类（无/轻微/严重） | NA |