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 46134 篇文献，本页显示第 9961 - 9980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9961 | 2026-02-03 |
Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17536
PMID:39589333
|
研究论文 | 本文提出了一种肿瘤感知的循环配准（TRACER）深度学习方法，用于肺癌患者间CT扫描的可变形图像配准，以支持基于体素的分析 | 开发了结合3D卷积长短期记忆网络（3D-CLSTM）的肿瘤感知循环配准方法，通过输入条件化（包括肿瘤分割）和双向肿瘤刚性、图像相似性及变形平滑度损失进行无监督优化 | 研究主要针对肺癌患者，未涉及其他癌症类型；样本量相对有限（训练集204对，测试集最多765对） | 开发一种适用于基于体素分析的、能保持肿瘤拓扑结构的患者间可变形图像配准方法 | 肺癌患者的3D计算机断层扫描（CT）图像 | 计算机视觉 | 肺癌 | CT扫描 | 深度学习 | 3D图像 | 训练集：204对3D CT图像；测试集：数据集I（308对）、数据集II（765对）、数据集III（42名患者） | NA | 3D卷积长短期记忆网络（3D-CLSTM） | 肿瘤体积差异百分比、CT强度均方误差、计划放疗肿瘤剂量差异 | NA |
| 9962 | 2026-02-03 |
Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17546
PMID:39589390
|
研究论文 | 本研究提出了一种基于自监督预训练的CSwin UNet模型，用于双参数MRI中临床显著前列腺癌的检测 | 引入了新颖的端到端交叉窗口（CSwin）变换器UNet模型，并结合多任务自监督学习框架以利用未标记数据提升网络泛化能力 | NA | 增强前列腺癌在双参数MRI中的检测性能 | 临床显著前列腺癌（csPCa） | 计算机视觉 | 前列腺癌 | 双参数磁共振成像（bpMRI） | Transformer | 图像 | PI-CAI数据集（1476名患者）和Prostate158数据集（158名患者） | NA | CSwin UNet | AUC, Average Precision | NA |
| 9963 | 2026-02-03 |
A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond
2025-Feb, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103385
PMID:39612808
|
综述 | 本文全面概述了基于深度学习的医学图像配准领域的最新进展，包括网络架构、损失函数、不确定性估计及评估指标 | 系统总结了深度学习在医学图像配准中的创新技术，如新型网络架构、配准专用损失函数和不确定性估计方法 | NA | 回顾和总结深度学习在医学图像配准领域的技术发展、应用及未来方向 | 医学图像配准技术及其在医学成像中的应用 | 计算机视觉 | NA | 深度学习 | CNN, U-Net | 医学图像 | NA | NA | U-Net | NA | NA |
| 9964 | 2026-02-03 |
Quantification of coronary artery calcification in systemic sclerosis using visual ordinal and deep learning scoring: Association with systemic sclerosis clinical features
2025-02, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2024.152598
PMID:39613484
|
研究论文 | 本研究探讨系统性硬化症（SSc）临床特征与冠状动脉钙化（CAC）程度及进展之间的关联，并比较了视觉序数评分和深度学习评分方法 | 首次结合视觉序数评分和深度学习（DeepCAC）方法量化SSc患者的冠状动脉钙化，并分析其与临床特征的关联 | 单中心回顾性研究，样本量有限（主要目标86例，次要目标171例），可能存在选择偏倚 | 研究系统性硬化症临床特征与冠状动脉钙化程度及进展的关联 | 系统性硬化症患者 | 数字病理学 | 系统性硬化症 | CT影像分析，深度学习 | 深度学习模型 | 医学影像（CT扫描） | 主要目标86例SSc患者，次要目标171例SSc患者 | NA | DeepCAC | 回归系数，95%置信区间，p值 | NA |
| 9965 | 2026-02-03 |
Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109436
PMID:39637462
|
研究论文 | 本研究开发了一种基于深度学习的端到端工作流程，用于利用术前基本结构多参数磁共振图像预测胶质母细胞瘤患者的总体生存期 | 提出了一种结合颅骨剥离、肿瘤亚区分割和对比学习集成预测的端到端自动化工作流程，仅使用术前基本结构多参数MRI进行生存预测 | 机构临床试验数据集样本量较小（19例），且多参数MRI协议存在较大差异可能影响模型泛化能力 | 开发自动化早期生存预测系统以辅助胶质母细胞瘤患者的及时治疗决策 | 胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | 多参数磁共振成像 | 深度学习模型 | 磁共振图像 | 多机构公开数据集235例患者，机构临床试验数据集19例患者 | NA | 集成学习模型，对比学习模型 | AUC，Dice系数 | NA |
| 9966 | 2026-02-03 |
ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103054
PMID:39689443
|
研究论文 | 提出了一种名为ItpCtrl-AI的端到端可解释且可控的AI框架，通过模拟放射科医生的决策过程来诊断胸部X光片中的发现 | 开发了一个能模拟放射科医生眼动模式以生成注意力热图的端到端框架，使模型决策过程可解释且允许用户通过方向输入进行控制 | 未在摘要中明确说明 | 解决高级深度学习模型在医学诊断中缺乏可解释性的问题，提高计算机辅助诊断系统的透明度和可控性 | 胸部X光片中的医学发现 | 计算机视觉 | NA | 深度学习 | NA | 图像, 眼动数据 | 未在摘要中明确说明 | NA | NA | 准确性 | 未在摘要中明确说明 |
| 9967 | 2026-02-03 |
TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103056
PMID:39705769
|
研究论文 | 本文提出了一种基于Transformer的深度学习框架TransformerLSR，用于联合建模纵向数据、生存数据和复发事件 | 将深度时间点过程整合到联合建模框架中，并引入新的轨迹表示和模型架构以纳入已知潜在结构 | 未明确提及具体局限性 | 联合建模纵向测量、复发事件和生存数据，以解决生物医学研究中的依赖性问题 | 肾移植术后患者 | 机器学习 | 肾移植相关疾病 | 深度学习 | Transformer | 纵向数据，生存数据，复发事件数据 | NA | NA | Transformer | NA | NA |
| 9968 | 2026-02-03 |
Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103055
PMID:39721356
|
研究论文 | 本文提出了一种基于一致性的预测不确定性指数，用于改进低剂量CT肺癌筛查的风险评估 | 提出了一种结合亚组分析和个性化AI时间-事件模型的新型预测不确定性指数，通过衡量两者预测一致性来评估偏差-方差权衡，提高了预测的透明度和可靠性 | 研究依赖于回顾性数据，且模型可能受到删失数据偏差的影响 | 改进肺癌筛查的风险评估特异性 | 低剂量CT筛查中的肺癌患者 | 数字病理学 | 肺癌 | 低剂量CT，放射组学特征提取 | 神经网络多任务逻辑回归时间-事件模型 | CT图像，患者人口统计学数据 | 3,326名在2015年1月1日至2020年6月30日期间接受低剂量CT筛查并在一年内经病理证实为肺癌的患者 | MONAI | 预训练的深度学习模型 | AUC，假阳性率，假阴性率 | NA |
| 9969 | 2026-02-03 |
Deep learning model for automatic detection of different types of microaneurysms in diabetic retinopathy
2025-Feb, Eye (London, England)
DOI:10.1038/s41433-024-03585-1
PMID:39789187
|
研究论文 | 本研究开发了一种基于深度学习的软件，用于在非增殖性糖尿病视网膜病变患者的结构光学相干断层扫描图像中自动检测和区分低反射和高反射微动脉瘤 | 首次在结构OCT图像上使用深度学习模型（特别是DETR）自动检测和分类不同类型的微动脉瘤（低反射与高反射） | 自动化方法与手动标注之间的差异主要源于自动化方法错误选择了正常视网膜血管，且YOLO模型性能较差 | 开发能够自动检测和区分糖尿病视网膜病变中不同类型微动脉瘤的深度学习软件，以辅助临床早期检测和监测 | 非增殖性糖尿病视网膜病变患者的结构OCT图像及其中的微动脉瘤 | 计算机视觉 | 糖尿病视网膜病变 | 结构光学相干断层扫描 | YOLO, DETR | 图像 | 249名患者（498只眼睛） | NA | YOLO, DETR | AUC | NA |
| 9970 | 2026-02-03 |
AI-based methods for biomolecular structure modeling for Cryo-EM
2025-Feb, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102989
PMID:39864242
|
综述 | 本文综述了人工智能（特别是深度学习）在冷冻电镜数据处理关键步骤（如大分子结构建模和异质性分析）中的应用 | 总结了当前最先进的AI技术在冷冻电镜数据处理中的创新应用，特别是深度学习对结构建模和异质性分析性能的提升 | NA | 探讨AI方法在冷冻电镜生物分子结构建模领域的应用与进展 | 冷冻电镜数据处理中的大分子结构建模和异质性分析 | 结构生物学 | NA | 冷冻电镜 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 9971 | 2026-02-03 |
Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture
2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India
DOI:10.1007/s12070-024-05202-9
PMID:40070749
|
研究论文 | 本研究提出了一种利用ResNet-50 CNN架构对喉部内窥镜图像进行二分类（癌变与非癌变）的新方法，以辅助喉癌的早期检测 | 在印度喉癌高发且缺乏先进NBI设备和专业知识的背景下，首次将ResNet-50 CNN架构应用于喉部内窥镜图像的二分类任务，并针对数据稀缺问题将九类形态学分类简化为癌变/非癌变二分类 | 原始研究计划对九种形态学类别进行分类，但因各类别数据不足而简化为二分类；研究仅使用单一医疗中心的数据，可能影响模型泛化能力 | 开发基于深度学习的喉癌早期检测与分类系统 | 喉部内窥镜图像中的癌变与非癌变病变区域 | 计算机视觉 | 喉癌 | 内窥镜成像，图像处理技术 | CNN | 图像 | 来自960名患者的1978张内窥镜图像（其中测试集197张，含43张癌变图像和154张非癌变图像） | NA | ResNet-50 | ROC曲线下面积（AUC），准确率 | NA |
| 9972 | 2026-02-03 |
CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT
2024-Nov-25, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3496870
PMID:40030354
|
研究论文 | 本文提出了一种基于散射窗口投影和深度学习的无传输扫描衰减补偿方法（CTLESS），用于心肌灌注SPECT成像 | 开发了一种无需单独CT扫描的衰减补偿方法，利用散射能量窗口投影和深度学习网络分割估计的衰减图，从而减少辐射剂量和成本 | 方法依赖于预定义的衰减系数，且需要CT扫描数据进行训练，可能受训练数据质量和泛化能力限制 | 解决心肌灌注SPECT成像中衰减补偿对单独CT扫描的依赖问题，以提高诊断准确性并降低成本和辐射风险 | 心肌灌注SPECT图像，特别是用于检测灌注缺陷的临床任务 | 数字病理学 | 心血管疾病 | 单光子发射计算机断层扫描（SPECT），散射能量窗口投影 | 深度学习网络 | 图像 | 回顾性研究中使用匿名临床SPECT/CT应力心肌灌注图像，涉及两个不同摄像头的SPECT扫描仪 | NA | 多通道输入多解码器网络 | AUC, RMSE, SSIM | NA |
| 9973 | 2026-02-03 |
A practical guide to the implementation of artificial intelligence in orthopaedic research-Part 2: A technical introduction
2024-Jul, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.12025
PMID:38715910
|
综述 | 本文为骨科研究人员提供人工智能技术基础的实用指南，涵盖机器学习任务、神经网络、自然语言处理及生成式AI的入门介绍 | 针对骨科研究领域系统梳理AI技术框架，特别强调生成式AI与大型语言模型在医学研究中的变革潜力 | 作为技术入门指南未涉及具体实验数据或模型验证 | 为骨科研究人员提供参与AI驱动研究所需的基础技术知识 | 骨科研究领域的人工智能技术方法论 | 机器学习 | 骨科疾病 | NA | 神经网络, 深度学习架构, 大型语言模型 | 医学数据, 文本数据 | NA | NA | NA | NA | NA |
| 9974 | 2026-02-03 |
Retrieval augmented scientific claim verification
2024-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae021
PMID:38455840
|
研究论文 | 本文开发了CliVER系统，利用检索增强技术自动验证科学声明，并通过与临床医生比较评估其性能 | 提出了CliVER系统，结合检索增强技术和PICO框架，并创建了新的COVID验证数据集CoVERt，集成多个深度学习模型以提高验证准确性 | 需要进一步测试其临床实用性，且数据集规模有限（仅15个药物声明和96个临床试验摘要） | 自动化科学声明验证，利用PubMed摘要支持或反驳科学声明 | 科学声明（特别是药物相关声明）和PubMed中的临床试验摘要 | 自然语言处理 | COVID-19 | 检索增强技术，PICO框架，深度学习模型集成 | 深度学习模型（具体类型未指定，但提及为state-of-the-art模型） | 文本（PubMed摘要和科学声明） | CoVERt数据集包含15个PICO编码的药物声明和96个手动标记的临床试验摘要；比较实验涉及19个声明和189,648个PubMed摘要 | NA | NA | F1分数，精确度 | NA |
| 9975 | 2026-02-03 |
A deep learning adversarial autoencoder with dynamic batching displays high performance in denoising and ordering scRNA-seq data
2024-Mar-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.109027
PMID:38361616
|
研究论文 | 本文提出了一种名为动态批处理对抗自编码器（DB-AAE）的深度神经网络生成框架，用于有效去噪和排序单细胞RNA测序（scRNA-seq）数据 | DB-AAE直接捕获输入数据中的最优特征，增强特征保留，包括细胞类型特异性基因表达模式，并在去噪准确性和生物信号保留方面优于其他方法 | NA | 提高scRNA-seq数据的质量和可靠性，以增强下游分析的准确性 | 单细胞RNA测序（scRNA-seq）数据 | 机器学习 | NA | 单细胞RNA测序（scRNA-seq） | 对抗自编码器（AAE） | 基因表达数据 | 模拟和真实数据集 | NA | 动态批处理对抗自编码器（DB-AAE） | 去噪准确性, 生物信号保留 | NA |
| 9976 | 2026-02-03 |
Identification of Neural Crest and Neural Crest-Derived Cancer Cell Invasion and Migration Genes Using High-throughput Screening and Deep Attention Networks
2024-Mar-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.07.583913
PMID:38496683
|
研究论文 | 本研究通过高通量siRNA筛选和深度学习注意力网络分析，识别了神经嵴及神经嵴来源的癌细胞侵袭和迁移的关键基因 | 结合高通量筛选与深度学习注意力网络，从45个基因面板中快速筛选出对黑色素瘤细胞侵袭至关重要的基因子集，并揭示了BMP4等基因在细胞迁移中的关键作用 | 研究主要聚焦于c8161黑色素瘤细胞和HT1080纤维肉瘤细胞，可能无法完全代表其他神经嵴来源癌症类型 | 识别神经嵴及神经嵴来源癌细胞侵袭和迁移的关键基因，以深入理解细胞迁移机制 | 神经嵴细胞、c8161黑色素瘤细胞系、HT1080纤维肉瘤细胞系 | 机器学习 | 黑色素瘤 | 高通量siRNA筛选、重组蛋白添加、体内外侵袭实验 | 深度学习注意力网络 | 基因表达数据、细胞迁移数据 | 45个基因面板，涉及c8161和HT1080细胞系 | NA | 注意力网络 | NA | NA |
| 9977 | 2026-02-03 |
Low-contrast-dose liver CT using low monoenergetic images with deep learning-based denoising for assessing hepatocellular carcinoma: a randomized controlled noninferiority trial
2023-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-09298-x
PMID:36576547
|
研究论文 | 本研究通过一项随机对照非劣效性试验，评估了使用双能CT和深度学习去噪技术的低对比剂剂量CT在肝细胞癌高风险患者中的有效性 | 结合双能CT的低单能图像和深度学习去噪技术，首次在随机对照试验中证明可将肝脏CT的对比剂剂量减少40%而不影响肝细胞癌的显影清晰度 | 研究为单中心试验，样本量相对较小（90名参与者），且仅针对肝细胞癌高风险患者，结果可能无法推广到所有人群或其他肝脏病变 | 评估低对比剂剂量CT结合先进成像技术在肝细胞癌检测中的非劣效性 | 肝细胞癌高风险患者 | 数字病理 | 肝细胞癌 | 双能CT，深度学习去噪，模型迭代重建 | 深度学习 | CT图像 | 90名参与者（47名标准剂量组，43名低剂量组） | NA | NA | 肝细胞癌显影清晰度评分，非劣效性检验 | NA |
| 9978 | 2026-02-02 |
The Intelligent Needle: The Role of Artificial Intelligence in Ultrasound-guided Regional Anesthesia
2026-Feb, Journal of perianesthesia nursing : official journal of the American Society of PeriAnesthesia Nurses
IF:1.6Q2
DOI:10.1016/j.jopan.2025.10.003
PMID:41620263
|
综述 | 本文探讨了人工智能在超声引导区域麻醉中的应用及其潜力 | 将深度学习算法集成到超声引导区域麻醉中，实现解剖标志自动识别、超声设置优化和针位高精度跟踪，以辅助麻醉师操作、缩短学习曲线并增强培训 | 广泛临床应用仍受限于需要大规模多样化数据集、解剖变异以及自动化相关的伦理考量 | 研究人工智能如何增强超声引导区域麻醉的精准性、安全性和效率 | 超声引导区域麻醉（UGRA）及其相关临床实践 | 医学影像分析 | NA | 超声成像 | 深度学习 | 超声图像 | NA | NA | NA | 图像质量、识别置信度 | NA |
| 9979 | 2026-02-02 |
Advances in photoacoustic imaging reconstruction and quantitative analysis for biomedical applications
2026-Feb-01, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-025-00213-x
PMID:41620547
|
综述 | 本文全面回顾了光声成像（PAI）的基本原理、主要实现方式、图像重建与伪影抑制的最新进展，以及定量分析能力，并展望了其临床转化前景 | 系统性地比较了传统方法与基于深度学习（DL）的方法在提升PAI图像质量和简化工作流程方面的作用，并强调了DL在推动PAI临床转化中的变革潜力 | 作为一篇综述文章，不涉及具体实验或模型性能的验证，主要基于现有文献进行归纳与分析 | 探讨光声成像（PAI）从临床前研究向临床实践过渡过程中的技术进展、挑战及未来方向 | 光声成像技术及其在生物医学领域的应用 | 医学影像 | NA | 光声成像（PAI），包括光声计算机断层扫描、光声显微镜和光声内窥镜 | 深度学习（DL） | 图像 | NA | NA | NA | NA | NA |
| 9980 | 2026-02-02 |
Functional and Structural Evidence of Neurofluid Circuit Aberrations in Huntington Disease
2026-Jan-31, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.70328
PMID:41620818
|
研究论文 | 本研究通过多模态MRI技术评估亨廷顿病中神经流体通路的结构和功能改变 | 首次在亨廷顿病中系统评估脉络丛和旁矢状硬膜间隙的结构与功能变化，并关联脑脊液动力学 | 样本量有限，横断面研究设计无法确定因果关系 | 探究亨廷顿病中神经流体通路的异常及其与疾病严重程度的关系 | 亨廷顿病患者和健康对照者 | 数字病理学 | 亨廷顿病 | 3-Tesla T2加权MRI、FLAIR MRI、相位对比MRI、伪连续动脉自旋标记MRI | 深度学习 | MRI图像 | 80名亨廷顿病患者和65名年龄匹配的健康对照者 | NA | NA | p值 | NA |