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 33344 篇文献，本页显示第 12501 - 12520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12501 | 2025-05-11 |
Enhancing efficient deep learning models with multimodal, multi-teacher insights for medical image segmentation
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91430-0
PMID:40335579
|
研究论文 | 提出了一种名为Teach-Former的新型知识蒸馏框架，用于高效的多模态医学图像分割 | 利用Transformer骨干网络和多教师模型的知识蒸馏，结合多模态输入（CT、PET、MRI）和中间注意力图，实现更精确的分割 | 未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力 | 开发高效的深度学习模型，以降低医学图像分割的计算需求 | 多模态医学图像（CT、PET、MRI） | 数字病理学 | NA | 知识蒸馏（KD） | Transformer | 医学图像 | 两个多模态数据集（HECKTOR21和PI-CAI22） | NA | NA | NA | NA |
| 12502 | 2025-05-11 |
Enhanced classification of tinnitus patients using EEG microstates and deep learning techniques
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01129-5
PMID:40335585
|
研究论文 | 该研究通过创新的微状态分析技术和前沿的机器学习方法，利用EEG信号深入理解和分类耳鸣 | 结合微状态分析和深度学习技术，提出了一种新的特征到图像的转换方法，并使用预训练模型进行验证 | 样本量较小（两个数据集共73名参与者），可能影响结果的泛化能力 | 加深对耳鸣的理解并提高其分类准确性 | 耳鸣患者和健康对照者的EEG信号 | 机器学习 | 耳鸣 | EEG微状态分析、Daubechies 4小波分解 | SVM、决策树、随机森林、深度神经网络（DNN）、VGG16、ResNet50、Xception | EEG信号 | 73名参与者（36名来自主要数据集，37名来自公共数据集） | NA | NA | NA | NA |
| 12503 | 2025-05-11 |
Biopsy image-based deep learning for predicting pathologic response to neoadjuvant chemotherapy in patients with NSCLC
2025-May-07, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00927-4
PMID:40335632
|
研究论文 | 利用活检图像和深度学习预测非小细胞肺癌患者对新辅助化疗的病理反应 | 提出了一种弱监督深度学习模型DeepDrRVT，结合自监督特征提取和基于注意力的深度多实例学习，用于改善新辅助化疗决策 | 未提及具体样本量的限制或模型在其他数据集上的泛化能力 | 提高非小细胞肺癌患者对新辅助化疗反应的预测准确性 | 非小细胞肺癌患者的活检图像 | 数字病理学 | 肺癌 | 深度学习 | DeepDrRVT（结合自监督特征提取和注意力机制的深度多实例学习模型） | 图像 | 训练、内部验证和外部验证队列（具体数量未提及） | NA | NA | NA | NA |
| 12504 | 2025-05-11 |
A deep learning model combining circulating tumor cells and radiological features in the multi-classification of mediastinal lesions in comparison with thoracic surgeons: a large-scale retrospective study
2025-May-07, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-04104-z
PMID:40335930
|
研究论文 | 本研究开发并验证了一种结合循环肿瘤细胞(CTCs)和CT图像的多模态融合网络(DMFN)，用于纵隔病变的多分类诊断 | 首次将循环肿瘤细胞(CTCs)与CT图像结合，开发了多模态融合网络(DMFN)用于纵隔病变诊断 | 回顾性研究设计可能引入选择偏倚 | 开发结合CT图像和CTCs的深度学习模型以提高纵隔病变诊断准确性 | 1074名纵隔病变患者 | 数字病理 | 纵隔病变 | CT成像和循环肿瘤细胞检测 | 多模态融合网络(DMFN)和单模态CNN | CT图像和CTCs数据 | 1074名患者(1500张增强CT图像和1074份CTCs结果) | NA | NA | NA | NA |
| 12505 | 2025-05-11 |
Sculpting molecules in text-3D space: a flexible substructure aware framework for text-oriented molecular optimization
2025-May-07, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06072-w
PMID:40335938
|
研究论文 | 提出了一种名为3DToMolo的创新框架，用于多模态引导的分子优化任务，结合文本描述和图结构特征，以符合专家指定的对称结构和纹理约束 | 3DToMolo框架能够无缝协调文本描述和图结构特征，无需先验知识即可发现潜在新分子，并在三个引导优化设置中表现出优于现有方法的性能 | 未明确提及具体局限性 | 解决分子设计中结合多模态先验知识的逆设计问题 | 分子药物或材料的设计 | 机器学习 | NA | 扩散框架 | 3DToMolo | 文本和图结构数据 | NA | NA | NA | NA | NA |
| 12506 | 2025-05-11 |
Hybrid method for automatic initialization and segmentation of ventricular on large-scale cardiovascular magnetic resonance images
2025-May-07, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01683-4
PMID:40335966
|
research paper | 提出了一种结合深度学习和3D-ASM限制的全自动、鲁棒的心血管磁共振图像分割方法 | 结合了CNN和Transformer的混合网络（CTr-HNs）以及EFG模块，实现了全自动的大规模心脏MRI分割 | 未提及方法在极端病例或异常心脏形态下的表现 | 开发自动化的心脏MRI分割算法以应对大规模心血管疾病研究需求 | 心脏磁共振图像中的心室结构（左心室、左心室心肌、右心室） | digital pathology | cardiovascular disease | MRI, 3D-ASM (3D Active Shape Model) | CNN+Transformer混合网络（CTr-HNs） | 3D医学影像 | UK BioBank和Cardiac Atlas Project数据库中的大规模心脏MRI数据 | NA | NA | NA | NA |
| 12507 | 2025-10-07 |
The impact of body mass index on rehabilitation outcomes after lower limb amputation
2025-May, PM & R : the journal of injury, function, and rehabilitation
DOI:10.1002/pmrj.13292
PMID:39676648
|
研究论文 | 探讨肥胖对下肢截肢患者康复期间身体功能和临床结局的影响 | 首次使用深度学习神经网络分析调整后BMI与出院回家之间的关系，并将BMI分层为五个等级进行详细比较 | 回顾性研究设计，样本仅来自住院康复患者，可能不适用于其他康复环境 | 确定肥胖对下肢截肢患者康复期间身体功能和临床结局指标的影响 | 接受下肢截肢住院康复服务的患者 | 医疗康复 | 下肢截肢 | 深度学习神经网络，逻辑回归分析 | DLNN | 临床回顾性数据 | 951名下肢截肢患者 | NA | NA | 功能评分，出院回家率，住院时间，治疗时间，并发症，再入院率 | NA |
| 12508 | 2025-10-07 |
Automated measurement of cardiothoracic ratio based on semantic segmentation integration model using deep learning
2025-May, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03263-0
PMID:39708230
|
研究论文 | 本研究开发了一种基于语义分割集成模型的深度学习方法来自动测量心胸比和诊断心脏增大 | 使用软投票集成方法结合三种语义分割模型来提高分割精度，能够有效处理不同胸部疾病导致的结构变化 | 研究为回顾性设计，需要进一步前瞻性验证 | 研究语义分割模型在预测心胸比和心脏增大方面的效能 | 胸部X光片 | 计算机视觉 | 心血管疾病 | 胸部X光成像 | 语义分割模型 | 医学图像 | 650张来自研究中心的连续胸部X光片和756张公共数据集图像 | NA | 语义分割集成模型 | AUC, 准确率, 灵敏度, 特异性, Pearson相关系数, Bland-Altman一致性分析 | NA |
| 12509 | 2025-10-07 |
Toward efficient slide-level grading of liver biopsy via explainable deep learning framework
2025-May, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03266-x
PMID:39806118
|
研究论文 | 提出一种可解释的深度学习框架，用于肝活检切片级别的分级诊断 | 开发了采用多尺度特征提取和融合的斑块级分类模型，并引入切片级聚合框架，提升了肝活检分级的准确性和可解释性 | NA | 提高慢性肝疾病活检分级的准确性和效率 | 肝活检组织切片 | 数字病理学 | 慢性肝病 | 组织学分析 | 深度学习 | 病理图像 | 1322例病例，涵盖多种染色方法 | NA | 多尺度特征提取和融合模型 | F1分数 | NA |
| 12510 | 2025-10-07 |
A deep learning-based peer review method for radiotherapy planning
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17686
PMID:39935240
|
研究论文 | 开发基于深度学习的放疗计划同行评审方法，通过患者解剖信息进行个性化质量控制 | 首次将深度学习剂量预测与统计模型结合用于放疗计划的个性化质量控制 | 研究仅针对139例鼻咽癌患者，样本量有限 | 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 | 医学影像分析 | 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例临床治疗计划 | NA | UNet | 平均体素剂量差异 | NA |
| 12511 | 2025-10-07 |
Lesion segmentation method for multiple types of liver cancer based on balanced dice loss
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17624
PMID:39945728
|
研究论文 | 提出基于平衡Dice损失的多类别肝癌病灶分割方法 | 提出平衡Dice损失函数解决多类别肝癌分割中的数据不平衡问题，并结合贪婪参数平均算法和层间信息后处理 | NA | 实现多类别肝癌的准确分割 | 恶性肝肿瘤患者的CT筛查图像 | 计算机视觉 | 肝癌 | CT成像 | 深度学习模型 | 医学图像 | 591例恶性肝肿瘤患者 | NA | NA | Dice per case | NA |
| 12512 | 2025-10-07 |
Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17682
PMID:39966996
|
研究论文 | 本研究提出一种无需额外训练即可将左侧乳腺癌深度学习模型适配用于右侧乳腺癌治疗规划的技术 | 通过对称结构左右互换和模型参数调整实现跨侧向深度学习模型适配，无需重新训练 | 技术特定于特定治疗规划系统(TPS)，需要进一步验证在其他平台的适用性 | 开发右侧乳腺癌自动治疗规划技术 | 乳腺癌患者治疗规划 | 医学影像分析 | 乳腺癌 | 深度学习自动规划 | 深度学习模型 | 治疗规划数据 | 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，平均剂量，最大剂量 | NA |
| 12513 | 2025-10-07 |
T2-weighted imaging of rectal cancer using a 3D fast spin echo sequence with and without deep learning reconstruction: A reader study
2025-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70031
PMID:39976552
|
研究论文 | 比较深度学习重建与传统重建在直肠癌T2加权3D快速自旋回波序列MRI中的图像质量和临床效用 | 首次在直肠癌MRI中系统比较深度学习重建与传统重建技术的性能差异 | 样本量有限（50例患者），仅使用3点量表进行主观评价 | 评估深度学习重建在直肠癌MRI图像质量和临床诊断价值方面的优势 | 50例直肠癌患者的MRI图像 | 医学影像分析 | 直肠癌 | T2加权3D快速自旋回波序列MRI | 深度学习重建 | 医学影像 | 50例直肠癌患者 | NA | NA | 图像质量评分，临床偏好度 | NA |
| 12514 | 2025-10-07 |
Explainability and uncertainty: Two sides of the same coin for enhancing the interpretability of deep learning models in healthcare
2025-May, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105846
PMID:39993336
|
立场论文 | 提出将不确定性量化与可解释人工智能方法相结合以提升医疗领域深度学习模型可靠性的框架 | 首次系统性地提出在可解释人工智能中同时估计认知不确定性和偶然不确定性的框架 | 未进行实际临床验证，主要提出理论框架和方法论探讨 | 提升医疗领域深度学习模型的透明度和可靠性 | 医疗领域的深度学习模型 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 12515 | 2025-10-07 |
Automatic skull reconstruction by deep learnable symmetry enforcement
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108670
PMID:40009971
|
研究论文 | 提出一种基于可学习对称性增强的自动颅骨重建方法 | 通过可学习的对称性强制执行网络增强颅骨重建效果，显著降低计算资源需求 | 训练数据集规模有限，体数据分辨率高，数据异质性强 | 开发自动颅骨重建方法以缩短颅骨缺损患者等待手术时间 | 颅骨缺损患者和颅骨对称性结构 | 计算机视觉 | 颅骨损伤 | 深度学习 | 神经网络 | 体数据 | 使用SkullBreak和SkullFix公开数据集及真实临床病例 | NA | 对称性强制执行网络 | DSC, bDSC, HD95 | GPU (< 500 GPU小时) |
| 12516 | 2025-10-07 |
Causal associations between scapular morphology and shoulder condition estimated with Bayesian statistics
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108666
PMID:40009972
|
研究论文 | 本研究使用贝叶斯统计评估肩胛骨形态与肩部疾病之间的因果关系 | 首次将do-演算应用于肩胛骨形态与肩部疾病的因果关联识别，并开发了多分类逻辑回归贝叶斯模型 | 研究样本量相对有限（396名受试者），且仅考虑了最常见的两种肩部病理 | 评估肩胛骨形态对肩部疾病的因果影响 | 396名受试者，分为原发性骨关节炎、肩袖撕裂关节病、其他病理和健康对照组 | 医学影像分析 | 肩部疾病 | CT扫描，深度学习模型 | 多分类逻辑回归贝叶斯模型 | CT影像 | 396名受试者 | NA | NA | 概率变化百分比 | NA |
| 12517 | 2025-05-11 |
Segmentation of skin layers on HFUS images using the attention mechanism
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108668
PMID:40015155
|
research paper | 该论文提出了一种结合上下文特征金字塔块与注意力门的新型神经网络模型，用于准确分割皮肤层 | 首次使用注意力机制结合上下文特征金字塔块来分割皮肤层，并测试了预分割入口回声层的顺序模型 | 研究中使用的HFUS图像数据库来自不同的超声设备和探头频率，可能影响模型泛化能力 | 开发一种自动化的超声图像分析算法，用于皮肤层的准确分割 | 皮肤层（入口回声层、SLEB和真皮层） | 计算机视觉 | NA | 高频超声（HFUS）成像 | 结合上下文特征金字塔块与注意力门的神经网络 | 图像 | 两个不同的HFUS图像数据库 | NA | NA | NA | NA |
| 12518 | 2025-05-11 |
Enhanced dose prediction for head and neck cancer artificial intelligence-driven radiotherapy based on transfer learning with limited training data
2025-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70012
PMID:40087841
|
research paper | 本研究探讨了迁移学习在头颈癌人工智能驱动放疗剂量预测模型中的应用及其对预测性能的提升 | 利用迁移学习优化现有临床剂量预测模型，显著提高了新兴放疗技术（如AINRT和DA-AINRT）的预测准确性 | 研究依赖于有限的数据集，可能影响模型的泛化能力 | 提升头颈癌患者放疗剂量预测的准确性，支持新兴放疗技术的发展 | 头颈癌患者 | digital pathology | head and neck cancer | AI-based nodal radiotherapy (AINRT), Daily Adaptive AI-based nodal radiotherapy (DA-AINRT) | Hierarchically Densely Connected U-net | medical imaging data | AINRT和DA-AINRT患者数据集 | NA | NA | NA | NA |
| 12519 | 2025-05-11 |
Training, Validating, and Testing Machine Learning Prediction Models for Endometrial Cancer Recurrence
2025-May, JCO precision oncology
IF:5.3Q1
DOI:10.1200/PO-24-00859
PMID:40324114
|
research paper | 该研究旨在训练、验证和测试用于预测子宫内膜癌复发的机器学习模型 | 使用lasso回归、机器学习（ML）和深度学习（DL）分析大型综合数据集来预测子宫内膜癌复发 | 需要前瞻性验证以确定临床实用性 | 准确预测子宫内膜癌复发风险，以更好地选择患者进行辅助治疗 | 子宫内膜癌患者 | machine learning | endometrial cancer | microRNA, long noncoding RNA, isoforms, pseudogene expressions, SNV, CNV | lasso regression, ML, DL | clinical, pathologic, genomic, genetic data | 低风险组329例，高风险组324例，非子宫内膜样组织学组239例 | NA | NA | NA | NA |
| 12520 | 2025-05-11 |
Spatial and Temporal Changes in Choroid Morphology Associated With Long-Duration Spaceflight
2025-May-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.5.17
PMID:40332907
|
研究论文 | 本研究利用深度学习技术分析长期太空飞行中宇航员脉络膜的形态变化 | 扩展了深度学习在OCT图像脉络膜分割中的应用，首次量化了微重力环境下脉络膜的脉动和拓扑变化 | 样本量较小(12名宇航员)，且仅6名有飞行中影像数据 | 探究长期太空飞行中脉络膜形态变化与太空飞行相关神经眼综合征(SANS)的关系 | 长期太空飞行的宇航员 | 数字病理学 | 太空飞行相关神经眼综合征 | 光学相干断层扫描(OCT) | 深度学习模型 | OCT视频和体积数据 | 12名平均年龄47±9岁的宇航员(其中6名有飞行中数据) | NA | NA | NA | NA |