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 32372 篇文献，本页显示第 12921 - 12940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12921 | 2025-10-07 |
Image quality in three-dimensional (3D) contrast-enhanced dynamic magnetic resonance imaging of the abdomen using deep learning denoising technique: intraindividual comparison between T1-weighted sequences with compressed sensing and with a modified Fast 3D mode wheel
2025-Mar, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01687-0
PMID:39503820
|
研究论文 | 通过个体内比较评估改进的快速三维模式轮结合深度学习去噪技术在腹部三维动态磁共振成像中的图像质量 | 首次将改进的快速三维模式轮与深度学习去噪技术结合应用于腹部动态磁共振成像，并与压缩感知技术进行直接比较 | 回顾性研究设计，样本量有限（42例患者） | 评估深度学习去噪技术结合不同采集序列在腹部动态磁共振成像中的图像质量 | 腹部器官和肝内结构的磁共振图像 | 医学影像分析 | 腹部疾病 | 三维对比增强动态磁共振成像，深度学习去噪技术 | 深度学习 | 磁共振图像 | 42例患者 | NA | Advanced Intelligent Clear-IQ Engine (AiCE) | 信噪比, 信号强度比, 对比度比, 对比增强比, 图像清晰度, 伪影评估, 整体图像质量 | NA |
| 12922 | 2025-10-07 |
The Segment Anything foundation model achieves favorable brain tumor auto-segmentation accuracy in MRI to support radiotherapy treatment planning
2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-024-02313-8
PMID:39503868
|
研究论文 | 评估Segment Anything基础模型在MRI图像中自动分割脑胶质瘤的准确性 | 首次将可提示的基础分割模型应用于放射治疗计划中的脑肿瘤自动轮廓勾画 | 使用模拟交互方式选择最佳分割结果，未在真实临床环境中验证 | 评估基础分割模型在放射治疗计划中自动分割脑肿瘤的可行性 | 脑胶质瘤MRI图像 | 计算机视觉 | 脑胶质瘤 | MRI | 基础分割模型 | 医学图像 | 369个MRI数据集中的16,744个横断面切片 | NA | Segment Anything | IoU, Dice系数 | NA |
| 12923 | 2025-10-07 |
Deep learning-based human gunshot wounds classification
2025-Mar, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-024-03355-4
PMID:39503869
|
研究论文 | 本研究基于深度学习技术对枪伤创口进行分类，重点区分射入口与射出口伤口并确定法医学射击距离 | 首次在法医学领域系统应用深度学习技术（59种架构）对枪伤创口进行自动化分类，填补了该领域的技术空白 | 图像采集条件不一致导致标准化困难，样本不平衡影响了性能指标评估 | 开发基于深度学习的枪伤创口分类系统以辅助法医病理学实践 | 枪伤创口的数字图像 | 计算机视觉 | 创伤性损伤 | 数字图像采集 | CNN | 图像 | 2,551张图像（1,883个射入口，668个射出口） | NA | ResNet152 | 准确率, AUC | NA |
| 12924 | 2025-10-07 |
Automated acute skin toxicity scoring in a mouse model through deep learning
2025-Mar, Radiation and environmental biophysics
IF:1.5Q3
DOI:10.1007/s00411-024-01096-x
PMID:39503921
|
研究论文 | 本研究通过先进成像设备和深度学习技术，开发了一种自动化评估临床前放疗试验中皮肤毒性的新方法 | 首次将两步深度学习框架（目标检测+分类）应用于小鼠皮肤毒性自动评分，显著减少观察者间差异和评估时间 | 特定毒性等级的识别仍存在挑战，训练数据集规模有待扩大 | 开发客观可重复的皮肤毒性自动评估系统 | 接受质子/电子放疗试验的160只小鼠的右后腿皮肤反应 | 计算机视觉 | 皮肤毒性 | 放射治疗，先进成像技术 | 深度学习，目标检测，分类模型 | 图像 | 160只小鼠，7542张图像 | NA | NA | 准确率，误分类距离 | NA |
| 12925 | 2025-10-07 |
A Learnable Prior Improves Inverse Tumor Growth Modeling
2025-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3494022
PMID:39514352
|
研究论文 | 提出一种结合深度学习和进化采样的新型框架，用于改进脑肿瘤生长逆建模的参数估计 | 将DL集成用于初始参数估计作为先验，与高精度进化策略协同工作，显著约束采样参数空间 | NA | 解决生物物理建模中的逆问题，提高肿瘤细胞浓度估计的效率和精度 | 脑肿瘤细胞浓度 | 医学影像分析 | 脑肿瘤 | 磁共振成像 | 深度学习集成 | 医学影像 | NA | NA | NA | Dice系数 | NA |
| 12926 | 2025-04-27 |
Repeatability of Microperimetry in Areas of Retinal Pigment Epithelium and Photoreceptor Loss in Geographic Atrophy Supported by Artificial Intelligence-Based Optical Coherence Tomography Biomarker Quantification
2025-Mar, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2024.11.005
PMID:39547308
|
研究论文 | 本研究通过人工智能支持的光学相干断层扫描生物标志物量化，评估了地理萎缩(GA)中视网膜色素上皮和光感受器损失区域的微视野检查的重复性 | 结合深度学习算法量化视网膜生物标志物，首次提供了MAIA和MP3设备在GA患者中的点对点测试-重测重复性参考值 | 样本量较小(20名受试者)，仅评估了两种微视野设备 | 评估地理萎缩患者视网膜特定区域微视野检查的重复性 | 地理萎缩患者的视网膜功能 | 数字病理学 | 老年性疾病 | 光学相干断层扫描(OCT)，微视野检查(MP) | 深度学习算法 | 医学影像 | 20名受试者，每台设备900个刺激点 | NA | NA | NA | NA |
| 12927 | 2025-04-27 |
The diatom test in the field of forensic medicine: a review of a long-standing question
2025-Mar, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-024-03370-5
PMID:39556128
|
review | 本文评估了法医调查中硅藻测试的标准，重点关注溺水案例 | 讨论了微波消化、真空过滤和自动扫描电子显微镜（MD-VF-Auto SEM）等先进方法，以及DNA测序和深度学习技术的整合，以提高硅藻检测和分类的准确性 | 需要标准化硅藻测试协议以确保一致性和可靠性 | 提高硅藻测试在法医调查中的准确性和可靠性，特别是在确定溺水死因方面 | 硅藻，一种存在于水生环境中的单细胞藻类 | 法医学 | NA | 微波消化、真空过滤、自动扫描电子显微镜（MD-VF-Auto SEM）、DNA测序、深度学习 | 深度学习 | 组织样本、水样 | NA | NA | NA | NA | NA |
| 12928 | 2025-04-27 |
Deep learning reconstruction for accelerated high-resolution upper abdominal MRI improves lesion detection without time penalty
2025-Mar, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.09.008
PMID:39567306
|
研究论文 | 本研究比较了传统T1加权VIBE序列与深度学习重建的加速高分辨率VIBE序列（HR-VIBEDL）在图像质量、病变显着性和病变检测方面的表现 | 使用深度学习重建的加速高分辨率VIBE序列（HR-VIBEDL），在不增加扫描时间的情况下提高了图像质量和病变检测率 | 研究样本量较小（50名参与者），且仅在单一三级中心进行 | 比较传统VIBE序列与HR-VIBEDL序列在腹部MRI中的表现 | 上腹部MRI图像 | 医学影像 | 腹部疾病 | MRI，深度学习重建 | 深度学习 | 医学影像 | 50名参与者（30名男性，20名女性），平均年龄60±15岁 | NA | NA | NA | NA |
| 12929 | 2025-10-07 |
LGS-PPIS: A Local-Global Structural Information Aggregation Framework for Predicting Protein-Protein Interaction Sites
2025-Mar, Proteins
IF:3.2Q2
DOI:10.1002/prot.26763
PMID:39520116
|
研究论文 | 提出一种局部-全局结构信息聚合框架LGS-PPIS，用于预测蛋白质-蛋白质相互作用位点 | 首次结合边缘感知图卷积网络(EA-GCN)和自注意力机制(SA-RIM)，同时捕获局部空间相邻残基和全局远程残基的结构信息 | 未明确说明模型在特定蛋白质类型或复杂构象下的泛化能力 | 开发更准确的蛋白质-蛋白质相互作用位点预测方法 | 蛋白质残基及其相互作用位点 | 生物信息学 | NA | 深度学习 | 图卷积网络,自注意力机制 | 蛋白质结构数据 | 三个广泛使用的PPIS预测基准数据集 | NA | EA-GCN, SA-RIM | NA | NA |
| 12930 | 2025-10-07 |
Self-Attention Mechanisms-Based Laryngoscopy Image Classification Technique for Laryngeal Cancer Detection
2025-Mar, Head & neck
DOI:10.1002/hed.27999
PMID:39526389
|
研究论文 | 开发基于自注意力机制的喉镜图像分类技术用于喉癌检测 | 首次将Swin-Transformer架构应用于喉镜图像分类，相比传统CNN模型表现出更优性能 | 在外部测试集上性能略有下降 | 开发准确、精确且敏感的深度学习模型辅助喉癌检测 | 喉镜图像 | 计算机视觉 | 喉癌 | 喉镜检查 | Transformer | 图像 | 5768张喉镜图像（来自1462名患者） | NA | Swin-Transformer | 准确率, AUC | NA |
| 12931 | 2025-10-07 |
Contrast-enhanced thin-slice abdominal CT with super-resolution deep learning reconstruction technique: evaluation of image quality and visibility of anatomical structures
2025-Mar, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01685-2
PMID:39538066
|
研究论文 | 评估超分辨率深度学习重建技术在对比增强薄层腹部CT图像中的图像质量和解剖结构可见性 | 首次将超分辨率深度学习重建技术应用于腹部CT图像重建，并与传统深度学习和混合迭代重建算法进行系统比较 | 回顾性研究设计，样本量相对较小（54例患者），缺乏多中心验证 | 比较不同重建算法在腹部CT图像质量和解剖结构可见性方面的表现 | 54例接受对比增强腹部CT检查的连续患者 | 医学影像分析 | NA | 对比增强CT扫描 | 深度学习重建模型 | CT医学影像 | 54例患者 | NA | 超分辨率深度学习重建(SR-DLR), 深度学习重建(DLR), 混合迭代重建(HIR) | 图像噪声, 对比噪声比(CNR), 图像噪声评分, 锐利度评分, 伪影/模糊评分, 整体图像质量评分, 解剖结构可见性评分 | NA |
| 12932 | 2025-04-27 |
Dimensionality reduction in 3D causal deep learning for neuroimage generation: an evaluation study
2025-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.2.024506
PMID:40276097
|
研究论文 | 评估不同降维方法在因果深度学习模型中生成神经影像的效果 | 比较了五种降维技术在3D因果深度学习模型中对神经影像生成的影响，并确定了3D PCA为最佳方法 | 研究仅针对脑部影像，未涵盖其他类型的医学影像 | 比较不同降维方法对因果神经影像生成的影响 | 23,692张3D脑部影像 | 数字病理学 | NA | PCA, 自编码器, Vector Quantised-Variational AutoEncoder | CNN | 3D图像 | 23,692张3D脑部影像 | NA | NA | NA | NA |
| 12933 | 2025-10-07 |
Prediction of muscular-invasive bladder cancer using multi-view fusion self-distillation model based on 3D T2-Weighted images
2025-Feb-25, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0333
PMID:39501515
|
研究论文 | 本研究开发了一种基于3D T2加权图像的多视图融合自蒸馏模型，用于术前准确区分非肌层浸润性和肌层浸润性膀胱癌 | 提出多视图融合自蒸馏模型，整合横断面和矢状面视图，利用自蒸馏机制增强特征提取能力 | 仅使用T2WI序列，未包含多参数MRI的其他序列 | 优化现有T2加权成像序列以准确评估肌层浸润性膀胱癌 | 膀胱癌患者的3D T2加权MRI图像 | 计算机视觉 | 膀胱癌 | 3D T2加权MRI成像 | 深度学习, 3D图像分类 | 3D医学图像 | 615名膀胱癌患者 | NA | VGG16, DenseNet, ResNet50, 3D残差网络 | AUC, 准确率 | NA |
| 12934 | 2025-10-07 |
A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models
2025-Feb, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.009
PMID:39496535
|
研究论文 | 开发一种多模态深度学习列线图，用于预测灰区PSA水平患者的临床显著性前列腺癌 | 采用混合融合方法整合多模态数据，构建结合深度学习特征的列线图模型 | 回顾性研究设计，样本量相对有限（303例患者） | 预测灰区PSA水平患者的临床显著性前列腺癌 | 前列腺癌患者 | 数字病理 | 前列腺癌 | bp-MRI | 深度学习,SVM,XGBoost | 医学影像,临床数据 | 303例患者（2018年1月至2022年12月） | NA | NA | AUC,ROC曲线,决策曲线分析 | NA |
| 12935 | 2025-10-07 |
Automatic 3-dimensional quantification of orthodontically induced root resorption in cone-beam computed tomography images based on deep learning
2025-Feb, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics
IF:2.7Q1
DOI:10.1016/j.ajodo.2024.09.009
PMID:39503671
|
研究论文 | 基于深度学习开发自动三维量化正畸性牙根吸收的模型 | 首次提出基于动态图卷积神经网络的CBCT图像全自动牙根体积提取和吸收定位方法 | 回顾性研究设计，样本量相对有限（105名患者） | 开发自动化的正畸性牙根吸收定量评估工具 | 正畸患者的牙齿CBCT图像 | 医学图像处理 | 正畸性牙根吸收 | 锥形束计算机断层扫描 | 动态图卷积神经网络 | 三维医学图像 | 105名患者的4534颗牙齿 | NA | Dynamic Graph Convolutional Neural Network | 组内相关系数, 分类准确率 | NA |
| 12936 | 2025-10-07 |
Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia
2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-024-02021-y
PMID:39506100
|
研究论文 | 本研究开发了一种结合精神病症状严重程度的多任务深度学习模型，用于基于神经解剖图像的首发精神分裂症患者识别 | 将症状严重程度回归任务与标准病例/对照识别任务相结合的多任务深度学习框架，相比单任务分类模型表现更优 | 样本量相对有限，仅包含286名患者和330名健康对照，且外部验证集仅40例 | 建立脑成像生物标志物与精神分裂症症状表达之间的联系，提高急性精神病性疾病的机制理解 | 首发未用药精神分裂症患者和健康对照者 | 医学影像分析 | 精神分裂症 | 磁共振成像 | 多任务深度学习 | 神经解剖图像 | 286名首发精神分裂症患者和330名健康对照，外部验证集40名患者 | NA | NA | 平衡准确率, 灵敏度, 特异性 | NA |
| 12937 | 2025-10-07 |
Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection
2025-Feb, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2024.101231
PMID:39521273
|
研究论文 | 本研究开发了一种基于深度学习分割的脑部CT骨去除算法，用于改善硬膜下血肿检测 | 首次将深度学习分割技术应用于脑部CT骨去除，并通过读者研究验证其对硬膜下血肿检测的改善效果 | 样本量相对有限（内部测试15例，外部测试22例），且主要评估对象为初级放射科培训医师 | 开发并验证基于深度学习的脑部CT骨去除算法对硬膜下血肿检测的改善效果 | 脑部非增强CT扫描中的硬膜下血肿检测 | 医学影像分析 | 颅内出血/硬膜下血肿 | 计算机断层扫描（CT） | 深度学习分割算法 | 医学影像（CT扫描） | 训练集100例NCCTH，内部测试15例，外部测试22例 | NA | NA | Dice系数，统计学显著性（P值） | NA |
| 12938 | 2025-10-07 |
Spatial Architecture of Single-Cell and Vasculature in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer
2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100652
PMID:39522644
|
研究论文 | 通过单细胞分辨率分析三阴性乳腺癌肿瘤微环境空间结构，揭示其与临床预后的关联 | 首次系统量化TNBC肿瘤微环境的空间架构，识别10种复发性细胞邻域，并开发基于深度学习的治疗反应预测模型 | 样本量相对有限（71例），需要更大规模验证 | 探索三阴性乳腺癌肿瘤微环境空间结构与临床预后的关系 | 71例三阴性乳腺癌患者标本 | 数字病理学 | 三阴性乳腺癌 | 成像质谱流式技术 | 深度学习 | 单细胞分辨率图像数据 | 71例TNBC患者标本 | NA | NA | AUC | NA |
| 12939 | 2025-04-27 |
Dopaminergic PET to SPECT domain adaptation: a cycle GAN translation approach
2025-Feb, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06961-x
PMID:39557690
|
research paper | 该研究开发了一种基于CycleGAN的深度学习方法，用于将[11C]CFT PET图像转换为[123I]FP-CIT SPECT图像，以促进多中心研究和克服数据稀缺问题 | 首次使用CycleGAN实现PET到SPECT图像的跨模态转换，并保留了疾病特异性信息 | 合成SPECT图像的对比度噪声比较低，且在合成图像上观察到诊断性能有所降低 | 开发一种深度学习方法，促进多中心研究和克服数据稀缺问题，支持帕金森病和非典型帕金森综合征的诊断 | 帕金森病(PD)和非帕金森病对照(NC)受试者的[11C]CFT PET和[123I]FP-CIT SPECT图像 | digital pathology | Parkinson's disease, atypical parkinsonian syndromes | PET, SPECT, CycleGAN | CycleGAN | image | 602例[11C]CFT PET图像(72%PD)和1152例[123I]FP-CIT SPECT图像(85%PD)，以及67例PET测试集(75%PD) | NA | NA | NA | NA |
| 12940 | 2025-04-27 |
Medical meteorological forecast for ischemic stroke: random forest regression vs long short-term memory model
2025-Feb, International journal of biometeorology
IF:3.0Q2
DOI:10.1007/s00484-024-02818-y
PMID:39567379
|
research paper | 本研究比较了随机森林回归和长短期记忆模型在缺血性卒中医学气象预测中的性能 | 首次将LSTM模型应用于缺血性卒中的医学气象预测，并证明其优于随机森林回归模型 | 研究仅基于海口市的数据，可能不具有全国代表性 | 开发基于机器学习的缺血性卒中医学气象预测模型 | 缺血性卒中发作事件与气象数据的关系 | machine learning | cardiovascular disease | NA | RF regression, LSTM | 时间序列数据(气象数据和住院数据) | 42849例缺血性卒中发作事件(2016年9月18日至2020年12月31日海口市数据) | NA | NA | NA | NA |