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 14981 - 15000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14981 | 2025-03-22 |
Dynamic MRI with Locally Low-Rank Subspace Constraint: Towards 1-Second Temporal Resolution Aided by Deep Learning
2025-Feb-27, Research square
DOI:10.21203/rs.3.rs-5448452/v1
PMID:40060040
|
研究论文 | 本文提出了一种结合局部低秩子空间约束和深度学习的动态MRI重建框架，旨在提高动态对比增强成像的时空分辨率 | 结合局部低秩子空间模型和神经网络，实现了从几秒到1秒的灵活时间分辨率，显著提高了图像质量 | 未明确提及具体样本量或临床验证结果 | 解决动态MRI中空间和时间分辨率平衡的挑战，提升动态对比增强成像的质量 | 高风险的乳腺癌患者，以及头颈部和脑部MRI应用 | 医学影像处理 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | 神经网络 | MRI图像 | NA | NA | NA | NA | NA |
| 14982 | 2025-10-07 |
Applications of deep learning in trauma radiology: A narrative review
2025-Feb, Biomedical journal
IF:4.1Q2
DOI:10.1016/j.bj.2024.100743
PMID:38679199
|
综述 | 本文综述了深度学习在创伤放射学中的应用现状与未来发展 | 系统总结了深度学习在创伤影像各模态（FAST超声、X射线、CT）中的具体应用场景，并提出了联邦学习、模型可解释性、多模态数据整合等未来发展方向 | 临床采用仍然有限，需要多学科团队合作开发实用的现实世界解决方案 | 探讨深度学习在创伤放射学领域的应用潜力与发展方向 | 创伤影像数据（FAST超声、X射线、CT扫描） | 医学影像分析 | 创伤性疾病 | 深度学习 | NA | 医学影像（超声、X射线、CT） | NA | NA | NA | NA | NA |
| 14983 | 2025-10-07 |
ECG-surv: A deep learning-based model to predict time to 1-year mortality from 12-lead electrocardiogram
2025-Feb, Biomedical journal
IF:4.1Q2
DOI:10.1016/j.bj.2024.100732
PMID:38697480
|
研究论文 | 开发了一种基于深度学习的ECG-surv模型，用于从12导联心电图预测1年死亡率 | 首次提出能同时处理删失数据和非结构化心电图数据的深度学习生存分析模型 | 模型在不同心电图设备采集的数据上性能有所差异 | 利用深度学习技术改进基于心电图的生存预测 | 心电图数据和患者生存时间数据 | 机器学习 | 心血管疾病 | 12导联心电图 | 深度神经网络 | 心电图信号 | 独立测试集和外部验证集 | NA | 特征提取神经网络+时间事件分析神经网络 | C-index | NA |
| 14984 | 2025-03-22 |
Current Status of Artificial Intelligence Use in Colonoscopy
2025, Digestion
IF:3.0Q2
DOI:10.1159/000543345
PMID:39724867
|
研究论文 | 本文探讨了人工智能在结肠镜检查中的应用现状及其对结直肠癌筛查的影响 | 介绍了实时计算机辅助检测系统和用于组织病理学预测的计算机辅助诊断系统，这些系统有助于区分肿瘤性和非肿瘤性病变 | 存在霍桑效应和潜在过度诊断等偏差，需要大规模临床试验验证AI的长期效益 | 评估人工智能在提高结肠镜检查质量和结直肠癌筛查效果方面的潜力 | 结肠镜检查中的结直肠息肉检测和诊断 | 数字病理学 | 结直肠癌 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 14985 | 2025-03-22 |
On-board synthetic 4D MRI generation from 4D CBCT for radiotherapy of abdominal tumors: A feasibility study
2024-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17347
PMID:39137256
|
研究论文 | 本研究评估了基于人工智能方法从4D CBCT生成合成4D MRI的可行性，用于腹部肿瘤的放射治疗 | 提出了一种基于深度学习的合成4D MRI生成方法，利用4D CBCT图像和运动建模信息，为传统kV-based LINAC的腹部放射治疗提供潜在的改进方案 | 合成MRI的生成可能面临纹理生成的挑战，且容易产生幻觉，影响运动准确性 | 评估在传统放射治疗设备上生成合成4D MRI的可行性，以改善腹部肿瘤的治疗定位 | 腹部肿瘤 | 医学影像处理 | 腹部肿瘤 | 深度学习，卷积神经网络（CNN） | CNN | 4D CBCT图像，4D MRI图像 | 1000个参考CT的变形样本 | NA | NA | NA | NA |
| 14986 | 2025-03-22 |
Prediction of Perceived Exertion Ratings in National Level Soccer Players Using Wearable Sensor Data and Machine Learning Techniques
2024-12, Journal of sports science & medicine
DOI:10.52082/jssm.2024.744
PMID:39649569
|
研究论文 | 本研究旨在通过可穿戴传感器数据和机器学习技术预测国家级足球运动员的主观感知运动强度评分（RPE） | 使用深度学习架构和多种机器学习算法预测RPE，并评估不同模型的效果和泛化能力 | 研究仅针对26名男性职业足球运动员，样本量相对较小 | 评估机器学习模型在预测国家级足球运动员RPE方面的效果 | 26名男性职业足球运动员 | 机器学习 | NA | 机器学习算法和深度学习架构 | 深度学习模型、树基机器学习模型（如ExtraTree） | 传感器数据（心率、GPS、加速度计数据）和RPE评分 | 5402次训练会话和732次比赛观察，涉及26名运动员 | NA | NA | NA | NA |
| 14987 | 2025-10-07 |
Body composition analysis by radiological imaging - methods, applications, and prospects
2024-10, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2263-1501
PMID:38569516
|
综述 | 本文综述了使用放射学成像方法进行人体组织成分定量分析的技术、应用及发展前景 | 系统整合了放射学体成分分析的不同方法和定义，特别关注人工智能方法在自动化组织分割中的应用 | AI训练所需的分析工具和合适数据集的可用性被认为是主要限制因素 | 向放射学读者介绍体成分分析方法以促进其应用和传播 | 人体组织成分，特别是腹部脂肪腔室和肌肉群 | 医学影像分析 | 肿瘤和代谢疾病 | CT、MRI、放射学成像 | 深度学习 | 放射学横断面图像数据 | NA | NA | NA | NA | NA |
| 14988 | 2025-10-07 |
Deep Learning Accelerated Brain Diffusion-Weighted MRI with Super Resolution Processing
2024-10, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.02.049
PMID:38521612
|
研究论文 | 本研究探讨了深度学习加速脑部扩散加权成像结合超分辨率处理的临床可行性和图像质量 | 首次将深度学习图像重建与超分辨率处理相结合用于加速脑部DWI，显著提高了图像质量和诊断信心 | 样本量相对较小（85例患者），仅在一台3T扫描仪上进行研究 | 评估深度学习加速脑部扩散加权成像的临床可行性和图像质量 | 85例连续接受临床MRI检查的患者 | 医学影像分析 | 脑部疾病 | 扩散加权成像，深度学习图像重建，超分辨率处理 | 深度学习模型 | 脑部MRI图像 | 85例患者，其中35例检测出颅内病变 | NA | NA | 图像质量评分，诊断信心评分，Fleiss' kappa，信号强度值 | 3T MRI扫描仪 |
| 14989 | 2025-10-07 |
Diagnostic Performance of Radiomics and Deep Learning to Identify Benign and Malignant Soft Tissue Tumors: A Systematic Review and Meta-analysis
2024-10, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.03.033
PMID:38614826
|
系统评价与荟萃分析 | 系统评估影像组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值 | 首次对影像组学和深度学习在软组织肿瘤诊断中的性能进行系统评价和荟萃分析 | 纳入研究存在异质性，部分研究缺乏独立验证集 | 评估影像组学和深度学习在软组织肿瘤良恶性鉴别诊断中的性能 | 软组织肿瘤患者 | 医学影像分析 | 软组织肿瘤 | 影像组学分析，深度学习 | 深度学习模型 | 医学影像数据 | 21项研究共3866例患者，其中13项研究包含独立测试/验证集 | NA | NA | 敏感性，特异性 | NA |
| 14990 | 2025-10-07 |
Ultrasound-Based Deep Learning Radiomics Nomogram for the Assessment of Lymphovascular Invasion in Invasive Breast Cancer: A Multicenter Study
2024-10, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.04.010
PMID:38658211
|
研究论文 | 基于B超和彩色多普勒超声图像开发深度学习放射组学列线图用于术前评估浸润性乳腺癌淋巴血管侵犯状态 | 首次结合B超和彩色多普勒超声图像开发深度学习放射组学列线图，通过多中心研究验证其对淋巴血管侵犯的预测价值 | 回顾性研究设计，样本仅来自八个医院 | 术前评估浸润性乳腺癌的淋巴血管侵犯状态 | 832例经病理证实的浸润性乳腺癌患者 | 数字病理 | 乳腺癌 | B超，彩色多普勒血流成像 | 深度学习 | 超声图像 | 832例患者来自八个医院，分为训练集、内部测试集和外部测试集 | NA | NA | AUC, 准确率, 校准曲线, 决策曲线分析, 临床影响曲线, 净重分类改进, 综合判别改进 | NA |
| 14991 | 2025-10-07 |
Feasibility of Artificial Intelligence Constrained Compressed SENSE Accelerated 3D Isotropic T1 VISTA Sequence For Vessel Wall MR Imaging: Exploring the Potential of Higher Acceleration Factors Compared to Traditional Compressed SENSE
2024-10, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.03.041
PMID:38664146
|
研究论文 | 本研究探讨基于深度学习的压缩感知加速3D T1 VISTA序列在血管壁磁共振成像中的可行性，并与传统压缩感知方法进行比较 | 首次将人工智能约束压缩感知技术应用于血管壁MRI，探索比传统压缩感知更高的加速因子 | 样本量较小（40例患者），需要更大规模研究验证 | 优化血管壁磁共振成像的加速因子，获得高质量临床图像 | 40例颅内或颈动脉粥样硬化斑块患者 | 医学影像分析 | 心血管疾病 | 3D T1加权容积各向同性涡轮自旋回波采集，磁共振成像 | 深度学习 | 磁共振图像 | 40例患者 | NA | NA | 信噪比，对比噪声比，图像质量评分 | 3.0T MR系统 |
| 14992 | 2025-10-07 |
Deep Learning Radiomics Model of Contrast-Enhanced CT for Differentiating the Primary Source of Liver Metastases
2024-10, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.04.012
PMID:38702214
|
研究论文 | 开发并验证基于增强CT的深度学习放射组学模型，用于识别肝转移瘤的原发灶来源 | 采用深度学习放射组学方法结合分步分类策略，首次实现对五种不同原发灶肝转移瘤的鉴别诊断 | 样本量相对有限，仅包含五个特定癌种的肝转移病变 | 开发能够识别肝转移瘤原发灶来源的智能诊断模型 | 657个肝转移病灶（来自428例患者），包括乳腺癌、肺癌、结直肠癌、胃癌和胰腺癌 | 医学影像分析 | 肝转移癌 | 增强CT成像 | 深度学习放射组学模型 | 医学影像（CT图像） | 训练验证集545个病灶（7:3分割），外部测试集112个病灶 | NA | NA | 准确率，AUC | NA |
| 14993 | 2025-10-07 |
A deep learning approach for fast muscle water T2 mapping with subject specific fat T2 calibration from multi-spin-echo acquisitions
2024-04-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-58812-2
PMID:38589478
|
研究论文 | 提出一种基于深度学习的快速肌肉水T2映射方法，通过多自旋回波采集实现受试者特异性脂肪T2校准 | 利用全连接神经网络替代传统的双组分扩展相位图拟合方法，显著提升计算效率 | NA | 开发快速准确的肌肉水T2映射方法 | 肌肉组织 | 医学影像分析 | NA | 多自旋回波采集，MRI | 全连接神经网络 | MRI影像数据 | NA | NA | 全连接神经网络 | Lin一致性相关系数 | 最小计算资源 |
| 14994 | 2025-03-22 |
MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306673
PMID:39546454
|
研究论文 | 本文提出了一种名为MaskDGNets的新框架，用于事件抽取，通过掩码注意力引导的动态图聚合网络来解决传统深度学习方法忽略词特征与序列信息之间关联的问题 | 提出了掩码注意力机制和动态图聚合模块，有效平衡词向量特征和序列语义，并增强事件与事件之间、事件与主要属性之间的交互性和关联性 | 未提及具体局限性 | 提升事件抽取的性能，解决传统方法忽略词特征与序列信息关联的问题 | 事件抽取任务中的词特征与序列信息 | 自然语言处理 | NA | 动态图聚合网络、掩码注意力机制 | MaskDGNets | 文本 | 两个基准数据集（DuEE和CCKS2020） | NA | NA | NA | NA |
| 14995 | 2025-10-07 |
Nuclear morphology is a deep learning biomarker of cellular senescence
2022-08, Nature aging
IF:17.0Q1
DOI:10.1038/s43587-022-00263-3
PMID:37118134
|
研究论文 | 本研究开发了一种基于核形态的深度学习模型，用于预测细胞衰老，并验证其跨组织和物种的适用性 | 首次证明核形态可作为细胞衰老的深度学习生物标志物，具有跨组织和物种的普适性 | 研究主要基于体外培养细胞和组织样本，需要进一步在更多临床场景中验证 | 开发基于核形态的细胞衰老预测方法并探索其与人类健康结局的关联 | 人类成纤维细胞、小鼠星形胶质细胞、小鼠神经元、早衰成纤维细胞、小鼠肝组织、人类皮肤活检样本 | 数字病理学 | 衰老相关疾病 | H&E染色 | 神经网络 | 图像 | 多种细胞类型和组织样本 | NA | NA | 准确率 | NA |
| 14996 | 2025-03-20 |
Sex Differences in Age-Related Changes in Retinal Arteriovenous Area Based on Deep Learning Segmentation Model
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100719
PMID:40103835
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14997 | 2025-10-07 |
Speed and efficiency: evaluating pulmonary nodule detection with AI-enhanced 3D gradient echo imaging
2025-Apr, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11027-5
PMID:39154315
|
研究论文 | 评估人工智能辅助压缩感知在加速肺部MR成像中对肺结节检测和表征的诊断可行性 | 结合并行成像、压缩感知和深度学习图像重建技术，首次在肺部MRI中实现高达15倍的加速因子，同时保持高结节检测率 | 样本量相对较小（37名患者），仅评估了三种特定加速因子，缺乏与其他加速方法的直接比较 | 评估AI增强压缩感知技术在肺部MR成像中的诊断性能，特别是肺结节检测和表征能力 | 良性和恶性肺结节患者 | 医学影像分析 | 肺癌 | 3D梯度回波序列，并行成像，压缩感知，深度学习图像重建 | 深度学习 | 医学影像（MRI和CT） | 37名患者，64个肺结节（57个实性结节，6个部分实性结节，1个磨玻璃结节） | NA | NA | 图像质量评分（5点Likert量表），结节检测率，结节形态评估，结节大小测量，组内相关系数（ICC） | NA |
| 14998 | 2025-10-07 |
Generating synthetic high-resolution spinal STIR and T1w images from T2w FSE and low-resolution axial Dixon
2025-Apr, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11047-1
PMID:39231829
|
研究论文 | 利用深度学习从T2加权FSE和低分辨率轴向Dixon序列生成合成的高分辨率脊柱STIR和T1加权图像 | 首次提出使用两个连续应用的3D Pix2Pix深度学习模型，通过结合矢状T2w FSE和轴向T1w-Dixon序列生成合成矢状T1w FSE和STIR图像 | 回顾性研究，使用的数据集来自特定人群（德国波美拉尼亚健康研究和德国国家队列） | 开发从现有MRI序列生成合成脊柱图像的方法，以减少扫描时间并实现回顾性分析 | 脊柱MRI图像，包括T2w FSE、T1w-Dixon、T1w FSE和STIR序列 | 医学影像分析 | 骨髓病变 | MRI（快速自旋回波、短时反转恢复、Dixon技术） | GAN | 医学影像 | 三个数据集共5299个受试者（SHIP:3142，NAKO:2000，内部数据集:157） | NA | 3D Pix2Pix | PSNR, SSIM, 误分类率, Fleiss kappa | NA |
| 14999 | 2025-10-07 |
Reducing energy consumption in musculoskeletal MRI using shorter scan protocols, optimized magnet cooling patterns, and deep learning sequences
2025-Apr, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11056-0
PMID:39242400
|
研究论文 | 本研究探讨通过优化扫描协议、深度学习加速采集和优化冷却系统来降低肌肉骨骼MRI能耗的策略 | 首次系统评估三种节能策略（协议优化、深度学习加速、冷却系统优化）在MRI中的综合节能效果 | 研究仅在德国慕尼黑的两台1.5T MRI扫描仪上进行，样本量有限 | 优化MRI扫描仪能耗使用，提高能源效率而不影响图像质量 | 肌肉骨骼MRI扫描 | 医学影像分析 | 肌肉骨骼疾病 | MRI扫描，深度学习加速采集 | 深度学习模型 | 医学影像数据 | 两台1.5T MRI扫描仪（Aera和Sola） | NA | NA | 能耗降低百分比，时间减少百分比 | NA |
| 15000 | 2025-10-07 |
Trends in Research of Odontogenic Keratocyst and Ameloblastoma
2025-Apr, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345241282256
PMID:39876078
|
综述 | 本文综述了牙源性角化囊肿和成釉细胞瘤研究领域的最新进展与趋势 | 整合了单细胞组学、空间转录组学、三维培养技术和人工智能在牙源性角化囊肿和成釉细胞瘤研究中的最新应用 | 牙源性角化囊肿仍缺乏可靠的体外和体内模型 | 总结牙源性角化囊肿和成釉细胞瘤研究的最新进展和发展趋势 | 牙源性角化囊肿和成釉细胞瘤 | 数字病理学 | 颌骨疾病 | 单细胞组学, 空间转录组学, 三维培养技术, 人工智能 | 机器学习, 深度学习 | 影像数据, 病理数据 | NA | NA | NA | 诊断准确率 | NA |