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 32373 篇文献，本页显示第 12301 - 12320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12301 | 2025-05-03 |
Evaluation of a Cascaded Deep Learning-based Algorithm for Prostate Lesion Detection at Biparametric MRI
2024-05, Radiology
IF:12.1Q1
DOI:10.1148/radiol.230750
PMID:38713024
|
研究论文 | 评估一种基于级联深度学习的算法在双参数MRI中检测前列腺病变的性能，并与放射科医生的读取和活检结果进行比较 | 开发了一种用于双参数MRI的前列腺病变检测和分割的AI算法，其性能与经验丰富的放射科医生相当 | 算法在病变级别的检测灵敏度为55%，阳性预测值为57%，且每个参与者的平均假阳性病变数为0.61 | 评估AI算法在双参数MRI中检测前列腺病变的性能 | 疑似或已知前列腺癌的患者 | 数字病理学 | 前列腺癌 | 双参数MRI | 级联深度学习算法 | MRI图像 | 658名男性参与者，共1029个MRI可见病变 | NA | NA | NA | NA |
| 12302 | 2025-10-07 |
NRG Oncology Assessment of Artificial Intelligence Deep Learning-Based Auto-segmentation for Radiation Therapy: Current Developments, Clinical Considerations, and Future Directions
2024-May-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2023.10.033
PMID:37972715
|
综述 | 本文评估人工智能深度学习在放射治疗自动分割中的临床应用现状、挑战与未来发展方向 | 首次系统评估商业AI自动分割工具在多样化临床环境中的应用潜力与局限性 | 商业AI模型在非受控临床环境中的适用性存在挑战，缺乏标准化评估框架 | 评估AI自动分割工具在放射治疗中的临床应用价值与发展方向 | 商业AI自动分割工具及其在放射治疗规划中的应用 | 数字病理 | 肿瘤疾病 | 深度学习神经网络 | DLNN | 医学影像 | NA | NA | NA | 分割准确性，轮廓符合度 | 集成治疗计划系统 |
| 12303 | 2025-05-03 |
Image factory: A method for synthesizing novel CT images with anatomical guidance
2024-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16864
PMID:38043097
|
research paper | 提出了一种名为Image factory的方法，用于在解剖学指导下合成新的CT图像，以解决医学影像领域标记数据不足的问题 | 通过结合StyleGAN、U-Net和CycleGAN/P2P架构，能够从少量标记数据生成大量高质量的标记CT图像，并合成具有新解剖结构的图像 | 需要依赖初始的小规模标记数据集和大量非标记数据，且生成图像的解剖合理性可能存在轻微下降 | 解决医学影像领域深度学习训练数据不足的问题 | CT图像 | digital pathology | lung cancer | StyleGAN, U-Net, CycleGAN/P2P | GAN, CNN | image | 30例标记的肺部CT数据（来自TCIA）和14k例未标记的高分辨率CT数据（来自NIH） | NA | NA | NA | NA |
| 12304 | 2025-05-03 |
RAPHIA: A deep learning pipeline for the registration of MRI and whole-mount histopathology images of the prostate
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108318
PMID:38522253
|
research paper | 介绍了一种名为RAPHIA的深度学习流程，用于高效准确地对前列腺MRI和全切片组织病理学图像进行配准 | RAPHIA自动化了现有方法中多个耗时的手动步骤，包括前列腺分割、组织病理学图像旋转角度和水平翻转的估计，以及MRI-组织病理学切片对应关系的估计，并通过深度学习配准网络大幅减少计算时间 | 未明确提及具体限制，但可能依赖于深度学习模型的性能和训练数据的质量 | 开发一种高效准确的MRI和组织病理学图像配准流程，以促进前列腺癌早期检测的机器学习方法的发展 | 前列腺MRI和全切片组织病理学图像 | digital pathology | prostate cancer | deep learning registration networks | NA | image | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 12305 | 2025-05-03 |
TractGeoNet: A geometric deep learning framework for pointwise analysis of tract microstructure to predict language assessment performance
2024-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103120
PMID:38458095
|
研究论文 | 提出了一种基于几何深度学习的框架TractGeoNet，用于利用扩散磁共振成像(dMRI)纤维束成像和相关的点状组织微结构测量进行回归分析 | 采用点云表示法直接利用纤维束内所有点的组织微结构和位置信息，无需沿流线平均或分箱数据；提出了一种新的损失函数Paired-Siamese Regression loss，以提高回归性能；提出了Critical Region Localization算法，用于识别白质纤维束中对预测结果贡献最大的解剖区域 | 研究仅基于806名受试者的20个关联白质纤维束数据集，样本量和区域范围可能有限 | 通过几何深度学习增强对大脑白质纤维束的研究，并将其结构与人类语言表现等特征联系起来 | 人脑白质纤维束及其与语言表现的关系 | 机器学习 | NA | 扩散磁共振成像(dMRI)纤维束成像 | 几何深度学习 | 图像 | 806名受试者的20个关联白质纤维束 | NA | NA | NA | NA |
| 12306 | 2025-05-03 |
External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study
2024-03-01, Critical care medicine
IF:7.7Q1
DOI:10.1097/CCM.0000000000006137
PMID:38381018
|
研究论文 | 本研究验证了深度学习基础的心脏骤停风险管理系统DeepCARS在快速反应系统（RRS）运行和非运行期间的预测性能，并探索了其在RRS运行时间之外的潜力 | DeepCARS在RRS运行和非运行期间均表现出优于传统早期预警系统的预测性能，且性能稳定 | 研究为单中心回顾性研究，可能限制了结果的普遍性 | 验证DeepCARS在预测住院患者心脏骤停方面的性能，特别是在RRS非运行期间的有效性 | 入住普通病房的成年患者 | 医疗人工智能 | 心血管疾病 | 深度学习 | DeepCARS | 电子健康记录 | 2019年9月1日至2020年8月31日期间入住普通病房的成年患者数据 | NA | NA | NA | NA |
| 12307 | 2025-05-03 |
Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1450804
PMID:39364166
|
研究论文 | 通过生物信息学分析结合深度学习方法，研究细菌形态与抗生素抗性之间的关联 | 首次在无抗生素条件下研究抗性细菌的形态特征，并开发新的深度学习单细胞分类方法 | 仅研究了10种抗生素抗性菌株，样本量有限 | 探索细菌形态特征与抗生素抗性之间的关联 | 10种抗生素抗性细菌菌株 | 生物信息学 | 细菌感染 | 光学显微镜、深度学习 | 深度学习 | 图像 | 10种抗生素抗性细菌菌株 | NA | NA | NA | NA |
| 12308 | 2025-10-07 |
Identification of Drug Compounds for Capsular Contracture Based on Text Mining and Deep Learning
2023-11-01, Plastic and reconstructive surgery
IF:3.2Q1
DOI:10.1097/PRS.0000000000010350
PMID:36862957
|
研究论文 | 通过文本挖掘和深度学习识别治疗包膜挛缩的候选药物化合物 | 首次结合文本挖掘、基因富集分析和DeepPurpose深度学习框架系统性地筛选包膜挛缩治疗药物 | 研究基于计算预测，缺乏实验验证；候选药物数量有限 | 探索包膜挛缩的非手术治疗方法，识别潜在治疗药物 | 包膜挛缩相关基因和靶向药物 | 生物信息学, 药物发现 | 包膜挛缩 | 文本挖掘, 基因富集分析, 蛋白质相互作用分析, 深度学习 | DeepPurpose | 基因数据, 药物靶点数据, 文本数据 | 55个相关基因, 8个候选基因, 100个候选药物 | DeepPurpose, GeneCodis, Cytoscape | NA | 预测结合亲和力 | NA |
| 12309 | 2025-05-02 |
Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22006
PMID:40302983
|
研究论文 | 探讨合成数据在训练深度学习模型用于对比增强乳腺摄影中病变检测和分类的影响 | 研究合成数据（特别是模拟微钙化簇）对提升深度学习模型性能的潜力，尤其是在真实数据稀缺的情况下 | 合成数据加入较小真实训练集时虽提高恶性病变检测灵敏度但降低了精确度，且集成模型性能不如独立DL模型 | 优化对比增强乳腺摄影中病变检测和分类的深度学习模型性能 | 乳腺摄影图像中的增强肿块和微钙化簇 | 数字病理学 | 乳腺癌 | 深度学习与放射组学分类器集成 | DL（深度学习模型）与放射组学分类器 | 图像（低能量与重组对比增强乳腺摄影图像） | 训练集：782例无病变乳房（合成数据）+850例真实患者；验证集：内部212例+外部279例真实患者 | NA | NA | NA | NA |
| 12310 | 2025-05-02 |
Artificial Intelligence Measurement of Preoperative Radiographs in Adolescent Idiopathic Scoliosis Based on Multiple-View Semantic Segmentation
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241270036
PMID:39109794
|
研究论文 | 本研究探讨了基于深度学习的青少年特发性脊柱侧凸（AIS）自动分类方法，并验证了机器分类与人工分类的一致性 | 利用U-Net语义分割神经网络技术和深度学习方法，实现了脊柱多视图的自动分割和对齐关系建立，以及Cobb角等脊柱特征的自动提取 | 研究样本量相对较小，且性别比例不均（男性81例，女性425例） | 开发并验证一种自动化的AIS影像分类方法，以提高分类的一致性和准确性 | 青少年特发性脊柱侧凸（AIS）患者 | 数字病理 | 脊柱侧凸 | 深度学习，U-Net语义分割神经网络 | U-Net | 图像 | 506例（训练集），107例（测试集） | NA | NA | NA | NA |
| 12311 | 2025-05-02 |
A New Method for Scoliosis Screening Incorporating Deep Learning With Back Images
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241282581
PMID:39264983
|
研究论文 | 提出了一种结合深度学习与背部图像的新方法用于脊柱侧弯筛查 | 利用深度学习算法自动进行脊柱侧弯筛查，减少不必要的辐射风险和筛查成本 | 研究样本量较小（247例），且为回顾性研究 | 开发一种自动化、准确、简洁且方便的脊柱侧弯筛查方法 | 脊柱侧弯患者 | 计算机视觉 | 脊柱侧弯 | 深度学习 | NA | 图像（正面、侧面、背部直立图像及X射线图像） | 247例脊柱侧弯患者（2008-2021年数据） | NA | NA | NA | NA |
| 12312 | 2025-05-02 |
Lumbar Spinal Stenosis Grading in Multiple Level Magnetic Resonance Imaging Using Deep Convolutional Neural Networks
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241299332
PMID:39487037
|
研究论文 | 该研究通过比较专家和深度卷积神经网络（CNN）对腰椎多水平磁共振成像（MRI）的狭窄分级，探讨深度学习在临床诊断中的应用 | 使用CNN进行腰椎狭窄分级和神经根分类，展示了深度学习在医学影像诊断中的潜力 | 解剖结构的突然变化可能导致仅基于图像的诊断困难 | 评估深度学习模型在腰椎狭窄分级和神经根分类中的性能 | 腰椎多水平磁共振成像 | 数字病理学 | 脊柱疾病 | MRI | CNN | 图像 | NA | NA | NA | NA | NA |
| 12313 | 2025-10-07 |
Prediction of Hypoglycemia From Continuous Glucose Monitoring in Insulin-Treated Patients With Type 2 Diabetes Using Transfer Learning on Type 1 Diabetes Data: A Deep Transfer Learning Approach
2025-May, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968231215324
PMID:38014538
|
研究论文 | 本研究开发了一种基于迁移学习的深度学习模型，利用1型糖尿病数据预测2型糖尿病患者的低血糖事件 | 首次将1型糖尿病连续血糖监测数据通过迁移学习应用于2型糖尿病患者的低血糖预测 | 模型在外部验证集上的阳性预测值为40.49%，仍有提升空间 | 开发能够准确预测胰岛素治疗的2型糖尿病患者低血糖事件的深度学习模型 | 226名1型糖尿病患者和180名2型糖尿病患者的连续血糖监测数据 | 机器学习 | 糖尿病 | 连续血糖监测(CGM) | CNN | 时间序列数据 | 406名患者（226名T1D，180名T2D），外部验证使用334,711个一小时CGM样本 | NA | 卷积神经网络 | AUC, 阳性预测值, 特异性, 敏感性 | NA |
| 12314 | 2025-05-02 |
DDUM: Deformable Dilated U-structure Module for coronary stenosis detection
2025-May, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104337
PMID:40306887
|
research paper | 提出了一种可变形可扩展的U结构模块（DDUM），用于提高冠状动脉狭窄检测的准确性和泛化能力 | DDUM模块能够针对冠状动脉狭窄检测任务优化通用网络，显著提升模型性能和泛化能力 | 未提及具体的数据集规模和多样性限制 | 提高冠状动脉狭窄检测的准确性和模型泛化能力 | 冠状动脉狭窄检测 | computer vision | cardiovascular disease | deep learning | ResNet50 + faster R-CNN | medical imaging (coronary angiography) | NA | NA | NA | NA | NA |
| 12315 | 2025-05-02 |
Improved Image Quality of Virtual Monochromatic Images with Deep Learning Image Reconstruction Algorithm on Dual-Energy CT in Patients with Pancreatic Ductal Adenocarcinoma
2025-Apr-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01514-6
PMID:40307592
|
研究论文 | 本研究旨在评估使用深度学习图像重建（DLIR）算法在双能CT（DECT）上重建的虚拟单色图像（VMIs）在胰腺导管腺癌（PDAC）诊断中的图像质量 | 首次在DECT上应用DLIR算法重建VMIs，显著提高了图像质量，特别是在低keV水平下 | 研究样本量较小（50例患者），且为回顾性分析 | 评估DLIR算法在DECT上重建VMIs的图像质量，以改善PDAC的诊断 | 50例经组织学确认的PDAC患者 | 数字病理 | 胰腺癌 | 双能CT（DECT） | 深度学习图像重建（DLIR） | 医学影像 | 50例PDAC患者 | NA | NA | NA | NA |
| 12316 | 2025-05-01 |
Correction: Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug‑in modules
2025-Apr-29, Knee surgery & related research
IF:4.1Q1
DOI:10.1186/s43019-025-00268-3
PMID:40302005
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12317 | 2025-05-02 |
Harnessing deep learning to monitor people's perceptions towards climate change on social media
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97441-1
PMID:40295576
|
研究论文 | 利用深度学习监测社交媒体上人们对气候变化的看法 | 提出了一种基于自然语言处理的可扩展方法框架，用于长期监测社交媒体用户对气候变化的看法和反应 | 研究仅针对西班牙、葡萄牙和英语的社交媒体帖子，可能无法代表全球范围内的观点 | 监测和分析社交媒体上人们对气候变化的看法，以支持基于数据的决策 | 社交媒体用户对气候变化的看法和反应 | 自然语言处理 | NA | 自然语言处理 | 深度学习 | 文本 | 1771千条来自西班牙、葡萄牙和英语的X/Twitter帖子 | NA | NA | NA | NA |
| 12318 | 2025-05-02 |
SkinEHDLF a hybrid deep learning approach for accurate skin cancer classification in complex systems
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98205-7
PMID:40295588
|
research paper | 提出了一种名为SkinEHDLF的混合深度学习模型，用于提高皮肤癌分类的准确性 | 结合了ConvNeXt、EfficientNetV2和Swin Transformer的优势，并引入了自适应注意力特征融合机制 | 未提及具体局限性 | 提高皮肤癌分类的准确性和可靠性 | 皮肤病变图像 | computer vision | skin cancer | 深度学习 | ConvNeXt, EfficientNetV2, Swin Transformer | image | 401,059张皮肤病变图像 | NA | NA | NA | NA |
| 12319 | 2025-05-02 |
Optimizing photovoltaic integration in grid management via a deep learning-based scenario analysis
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98724-3
PMID:40295668
|
research paper | 该研究开发了一种结合深度学习技术的双阶段优化模型，以解决光伏系统并入电网的挑战 | 利用生成对抗网络（GANs）模拟多样化和高分辨率的能源生成-消耗模式，并通过实时自适应控制框架进行动态调整，显著提升电网效率和稳定性 | 未提及具体的地理或气候条件限制，可能影响模型的普适性 | 优化光伏系统在电网管理中的集成，提高经济与环境效益 | 光伏系统与电网的集成管理 | machine learning | NA | GANs | GAN | 能源生成与消耗数据 | NA | NA | NA | NA | NA |
| 12320 | 2025-05-02 |
Impact of fine-tuning parameters of convolutional neural network for skin cancer detection
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99529-0
PMID:40295678
|
research paper | 该研究探讨了卷积神经网络（CNN）参数微调对皮肤癌检测性能的影响 | 通过调整CNN的层数、Conv2D层的滤波器数量及去除dropout层，显著提高了分类器的准确率，从62.5%提升至85% | 研究未涉及其他类型的深度学习模型或更广泛的数据集验证 | 优化CNN参数以提高皮肤癌图像数据集的分类准确率 | 皮肤癌图像数据集 | computer vision | skin cancer | NA | CNN | image | NA | NA | NA | NA | NA |