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 15761 - 15780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15761 | 2025-03-05 |
Explainability Enhanced Object Detection Transformer With Feature Disentanglement
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3492733
PMID:39531564
|
研究论文 | 本文提出了一种增强端到端目标检测模型（DETR）可解释性的特征解耦方法 | 引入了特征解耦方法，通过Tensor奇异值分解（T-SVD）生成特征基，并引入批量平均特征谱惩罚（BFSP）损失来约束特征解耦和平衡语义激活 | 未提及具体局限性 | 增强目标检测模型的可解释性 | 端到端目标检测模型（DETR） | 计算机视觉 | NA | Tensor奇异值分解（T-SVD），批量平均特征谱惩罚（BFSP） | DETR, CNN | 图像 | 在两个数据集上进行了广泛实验 | NA | NA | NA | NA |
| 15762 | 2025-10-07 |
The ANTsX ecosystem for quantitative biological and medical imaging
2021-04-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-87564-6
PMID:33907199
|
研究论文 | 介绍ANTsX生态系统在生物和医学影像定量分析中的综合应用 | 将传统图像处理工具与深度学习能力相结合，通过ANTsRNet和ANTsPyNet扩展提供高效的深度学习解决方案 | NA | 开发和完善生物医学影像处理与分析的开源软件生态系统 | 生物和医学影像数据 | 医学影像分析 | NA | 医学影像处理，深度学习 | 深度学习网络 | 结构T1加权脑MRI图像 | NA | TensorFlow, Keras | 多种流行网络架构 | 计算效率，准确度 | NA |
| 15763 | 2025-03-04 |
A comparative analysis of deep learning and chemometric approaches for spectral data modeling
2025-Apr-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2025.343766
PMID:40024653
|
研究论文 | 本研究对五种不同的光谱数据分析建模方法进行了全面比较，包括PLS结合经典化学计量学预处理、iPLS结合经典预处理或小波变换、LASSO结合小波变换以及CNN结合光谱预处理 | 提供了预处理方法和模型组合的详尽比较，发现在低数据量环境下无法预先确定最优的预处理和模型组合 | 研究仅限于低维案例研究，可能无法推广到高维数据 | 比较不同建模方法在光谱数据分析中的性能 | 啤酒数据集和废润滑油数据集 | 机器学习 | NA | PLS, iPLS, LASSO, CNN, 小波变换 | PLS, iPLS, LASSO, CNN | 光谱数据 | 啤酒数据集40个训练样本，废润滑油数据集273个训练样本 | NA | NA | NA | NA |
| 15764 | 2025-03-04 |
Contrastive learning in brain imaging
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文探讨了对比学习在脑成像中的应用及其作为一种无需数据标注的深度学习技术的潜力 | 对比学习通过将数据映射到潜在空间，并假设同类样本在潜在空间中应彼此接近，不同类样本应彼此远离，从而在无需标注的情况下学习数据的代表性特征 | 未明确提及具体的研究限制 | 研究对比学习在医学图像处理和分析中的应用 | 脑成像数据 | 医学影像 | NA | 对比学习 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 15765 | 2025-03-04 |
Feature-targeted deep learning framework for pulmonary tumorous Cone-beam CT (CBCT) enhancement with multi-task customized perceptual loss and feature-guided CycleGAN
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种针对肺部肿瘤的锥形束CT（CBCT）增强的深度学习框架，通过多任务定制感知损失和特征引导的CycleGAN生成高质量的肺部成像 | 提出了一种新的特征导向深度学习框架，结合多任务学习特征选择网络（MTFS-Net）和特征引导的CycleGAN，有效抑制伪影并保留关键肿瘤信息 | 未提及具体局限性 | 提高肺部CBCT图像质量，以支持肺癌治疗的进一步分析 | 肺癌患者的CBCT图像 | 计算机视觉 | 肺癌 | 深度学习 | CycleGAN | 图像 | 多机构数据集 | NA | NA | NA | NA |
| 15766 | 2025-10-07 |
Artificial intelligence in musculoskeletal applications: a primer for radiologists
2025-03-03, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2024.242830
PMID:39157958
|
综述 | 本文作为放射科医生的入门指南，详细介绍了人工智能在肌肉骨骼放射学中的应用 | 系统梳理了人工智能术语体系及其在肌肉骨骼放射学中的具体应用场景 | 作为入门指南未涉及具体技术细节和实证研究 | 帮助放射科医生了解人工智能在肌肉骨骼放射学中的基础知识和应用实践 | 放射科医生和医学影像专业人员 | 医学影像分析 | 肌肉骨骼疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 15767 | 2025-10-07 |
Deep learning MR reconstruction in knees and ankles in children and young adults. Is it ready for clinical use?
2025-Mar, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04769-2
PMID:39112675
|
研究论文 | 评估深度学习重建的加速MRI序列在儿童和青少年膝踝关节成像中的诊断性能与图像质量 | 首次在儿童和年轻人群膝踝关节MRI中系统评估深度学习重建技术的临床应用价值 | 样本量较小（49例MRI），年龄范围较宽（7-29岁） | 验证深度学习重建MRI序列在儿科和年轻人群膝踝关节成像中的临床可行性 | 儿童和年轻人群的膝关节和踝关节 | 医学影像分析 | 肌肉骨骼疾病 | Turbo Spin Echo MRI序列，深度学习重建 | 深度学习 | MRI图像 | 48名受试者的49例MRI（10名男性，平均年龄16.4岁） | NA | NA | 敏感性，特异性，阳性预测值，阴性预测值 | NA |
| 15768 | 2025-10-07 |
Advances in spatial resolution and radiation dose reduction using super-resolution deep learning-based reconstruction for abdominal computed tomography: A phantom study
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.012
PMID:39304377
|
研究论文 | 本研究评估超分辨率深度学习重建在腹部CT中提升空间分辨率和降低辐射剂量的性能 | 首次系统比较超分辨率深度学习重建与混合迭代重建、常规分辨率深度学习重建在不同视野大小、辐射剂量和降噪强度下的性能 | 研究基于体模实验，尚未在临床患者中验证 | 评估超分辨率深度学习重建在CT图像质量提升和辐射剂量降低方面的性能 | 配备外部体环的Catphan体模 | 医学影像处理 | NA | 计算机断层扫描 | 深度学习 | CT图像 | 体模实验 | NA | 超分辨率深度学习重建 | 噪声功率谱, 噪声幅度比, 中心频率比, 高对比度值, 任务传递函数 | NA |
| 15769 | 2025-10-07 |
Feasibility of Ultra-low Radiation and Contrast Medium Dosage in Aortic CTA Using Deep Learning Reconstruction at 60 kVp: An Image Quality Assessment
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.042
PMID:39542806
|
研究论文 | 评估在主动脉CTA中使用60kVp超低辐射和对比剂剂量结合深度学习图像重建算法的可行性 | 首次将60kVp超低管电压与新型深度学习图像重建算法(DLIR-CI)结合应用于主动脉CTA，实现辐射剂量和对比剂用量的显著降低 | 研究仅针对非肥胖患者，样本量有限，未涵盖肥胖人群 | 评估超低辐射和对比剂剂量在主动脉CTA中的可行性 | 接受主动脉CTA检查的非肥胖参与者 | 医学影像 | 心血管疾病 | 计算机断层扫描血管成像(CTA)，深度学习图像重建 | 深度学习 | 医学影像 | 两组患者(实验组和常规组)，具体样本数未明确说明 | ClearInfinity (DLIR-CI) | NA | CT衰减值、图像噪声、信噪比(SNR)、对比噪声比(CNR)、主观图像质量评分 | NA |
| 15770 | 2025-10-07 |
Non-invasive Prediction of Lymph Node Metastasis in NSCLC Using Clinical, Radiomics, and Deep Learning Features From 18F-FDG PET/CT Based on Interpretable Machine Learning
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.037
PMID:39665892
|
研究论文 | 本研究开发并评估了一种结合临床、影像组学和深度学习特征的机器学习模型，用于预测非小细胞肺癌患者的淋巴结转移 | 首次将临床特征、影像组学特征和深度学习特征相结合，并利用可解释机器学习方法SHAP增强模型透明度 | 样本量相对有限（248例患者），需要更大规模的外部验证 | 开发可解释的机器学习模型来预测非小细胞肺癌患者的淋巴结转移 | 非小细胞肺癌患者 | 医学影像分析 | 肺癌 | 18F-FDG PET/CT成像 | XGBoost, ResNet50 | 医学影像（PET/CT图像） | 248例NSCLC患者 | NA | ResNet50 | AUC, 准确率, F1分数, 敏感性, 特异性 | NA |
| 15771 | 2025-10-07 |
Dataset augmentation with multiple contrasts images in super-resolution processing of T1-weighted brain magnetic resonance images
2025-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00871-1
PMID:39680317
|
研究论文 | 本研究探讨了在脑部磁共振T1加权图像超分辨率处理中，通过整合同一受试者的多对比度图像来增强数据集的有效性 | 首次在医学图像超分辨率任务中利用同一受试者的多对比度图像（T1WI、T2WI、FLAIR）进行数据集增强 | 回顾性研究设计，样本量相对有限（240例患者） | 提升脑部磁共振图像超分辨率处理的深度学习方法性能 | 脑部磁共振T1加权图像 | 计算机视觉 | NA | 磁共振成像 | U-Net, EDSR | 医学图像 | 240例患者 | NA | U-Net, Enhanced Deep Super-Resolution network | PSNR, SSIM | NA |
| 15772 | 2025-10-07 |
Development of Deep Learning-Based Virtual Lugol Chromoendoscopy for Superficial Esophageal Squamous Cell Carcinoma
2025-Mar, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16843
PMID:39687978
|
研究论文 | 开发基于深度学习的虚拟卢戈耳染色内镜技术用于浅表性食管鳞状细胞癌检测 | 首次使用循环一致性生成对抗网络开发虚拟卢戈耳染色内镜技术 | 虚拟卢戈耳染色内镜在病变检测和边界识别方面表现仍逊于真实卢戈耳染色内镜 | 开发基于深度学习的虚拟染色内镜技术以改善食管鳞状细胞癌的内镜诊断 | 浅表性食管鳞状细胞癌 | 计算机视觉 | 食管癌 | 内镜检查 | GAN | 内镜图像 | NA | NA | CycleGAN | 五分制评分,颜色差异 | NA |
| 15773 | 2025-10-07 |
Assessing the prognostic impact of body composition phenotypes on surgical outcomes and survival in patients with spinal metastasis: a deep learning approach to preoperative CT analysis
2025-Mar-01, Journal of neurosurgery. Spine
DOI:10.3171/2024.8.SPINE24722
PMID:39705691
|
研究论文 | 本研究通过深度学习分析术前CT评估体成分表型对脊柱转移瘤患者手术预后和生存率的影响 | 首次使用深度学习流程自动分析术前CT量化肌肉和脂肪成分，并建立四种体成分表型分类系统 | 回顾性研究设计，样本量相对有限（102例匹配患者），单中心数据 | 阐明体成分表型对脊柱转移瘤手术患者预后和5年生存率的影响 | 接受手术治疗的脊柱转移瘤患者 | 数字病理 | 脊柱转移瘤 | CT成像 | 深度学习 | 医学影像（CT扫描） | 102例匹配患者（2010-2020年期间手术治疗患者） | NA | NA | 风险比（HR）, 置信区间（CI）, log-rank检验p值 | NA |
| 15774 | 2025-03-04 |
Can artificial intelligence be the future solution to the enormous challenges and suffering caused by Schizophrenia?
2025-Feb-28, Schizophrenia (Heidelberg, Germany)
DOI:10.1038/s41537-025-00583-4
PMID:40021674
|
研究论文 | 本研究评估了人工智能（AI）在精神分裂症（SZ）的诊断、治疗和预后评估中的潜力，并探讨了AI在未来医学创新中的应用方向 | 通过整合多维生物标志物和患者的语言行为数据，AI提供了更客观和精确的诊断标准，并帮助制定个性化治疗计划，改善治疗效果 | AI在SZ管理中的角色必须作为辅助工具，临床判断和医护人员的关怀仍然至关重要 | 评估AI在精神分裂症诊断、治疗和预后评估中的潜力，并探讨其未来应用方向 | 精神分裂症患者 | 机器学习 | 精神分裂症 | 机器学习和深度学习 | NA | 多维生物标志物和语言行为数据 | NA | NA | NA | NA | NA |
| 15775 | 2025-03-04 |
Ligand-receptor interactions combined with histopathology for improved prognostic modeling in HPV-negative head and neck squamous cell carcinoma
2025-Feb-28, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00844-6
PMID:40021759
|
研究论文 | 本文通过结合配体-受体相互作用和组织病理学，改进了HPV阴性头颈部鳞状细胞癌的预后模型 | 结合BulkSignalR识别配体-受体相互作用，利用随机森林生存分析和LASSO惩罚Cox回归开发预后模型，并通过深度学习组织形态学分析进一步改进风险分层 | 研究样本仅限于TCGA-HNSC队列，可能无法完全代表所有HPV阴性头颈部鳞状细胞癌患者 | 改进HPV阴性头颈部鳞状细胞癌的预后模型，识别治疗靶点 | HPV阴性头颈部鳞状细胞癌患者 | 数字病理学 | 头颈部鳞状细胞癌 | BulkSignalR, 随机森林生存分析, LASSO惩罚Cox回归, 深度学习 | 随机森林, LASSO回归, 深度学习模型 | 多组学数据, HE染色全片图像 | 395例HPV阴性TCGA-HNSC队列患者 | NA | NA | NA | NA |
| 15776 | 2025-03-04 |
A computational spectrometer for the visible, near, and mid-infrared enabled by a single-spinning film encoder
2025-Feb-28, Communications engineering
DOI:10.1038/s44172-025-00379-5
PMID:40021937
|
研究论文 | 本文提出了一种结合单旋转薄膜编码器（SSFE）和深度学习重建算法的计算光谱仪，覆盖可见光到中红外波长范围 | 通过粒子群优化（PSO）实现低相关性和高复杂度的光谱响应，展示了在可见光、近红外和中红外波长范围内的单峰和双峰分辨率 | NA | 开发一种低成本、原位、快速光谱分析的计算光谱仪 | 光谱仪的光谱响应和化学化合物的分类 | 机器学习和光学工程 | NA | 粒子群优化（PSO）和深度学习 | 深度学习算法 | 光谱数据 | 220种化学化合物 | NA | NA | NA | NA |
| 15777 | 2025-03-04 |
Improved Microbubble Tracking for Super-Resolution Ultrasound Localization Microscopy using a Bi-Directional Long Short-term Memory Neural Network
2025-Feb-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.10.637352
PMID:39990416
|
研究论文 | 本文提出了一种基于双向长短期记忆神经网络的深度学习微泡配对和跟踪方法，用于超分辨率超声定位显微镜 | 该方法整合了多参数微泡特征，以实现更稳健和准确的微泡配对和跟踪 | 方法在模拟数据集、组织模拟流动模型以及小鼠和大鼠脑部进行了验证，但未提及在人类临床数据上的应用 | 提高超分辨率超声定位显微镜中微泡跟踪的准确性和鲁棒性 | 微泡（MBs） | 医学影像 | NA | 超分辨率超声定位显微镜（ULM） | 双向长短期记忆神经网络（Bi-Directional LSTM） | 超声图像 | 模拟数据集、组织模拟流动模型、小鼠和大鼠脑部 | NA | NA | NA | NA |
| 15778 | 2025-03-04 |
Validation of ten federated learning strategies for multi-contrast image-to-image MRI data synthesis from heterogeneous sources
2025-Feb-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.09.637305
PMID:39990397
|
研究论文 | 本文验证了十种联邦学习策略在多对比度MRI图像合成中的应用，特别是在处理来自不同机构的异质数据时 | 提出了一种新的聚合策略FedBAdam，结合了两种最先进方法的优势，通过引入动量并跳过批量归一化层来优化模型参数 | 研究主要关注脑部扫描，未涉及其他类型的医学影像数据 | 验证联邦学习策略在多对比度MRI图像合成中的有效性，特别是在处理异质数据时的性能 | 健康和肿瘤性脑部扫描数据 | 医学影像 | 脑部肿瘤 | 联邦学习（FL） | 深度学习模型 | MRI图像 | 来自五个不同机构的脑部扫描数据 | NA | NA | NA | NA |
| 15779 | 2025-10-07 |
Sleep onset time as a mediator in the association between screen exposure and aging: a cross-sectional study
2025-Feb, GeroScience
IF:5.3Q1
DOI:10.1007/s11357-024-01321-x
PMID:39190220
|
研究论文 | 本研究探讨屏幕暴露时间通过睡眠开始时间中介对中老年人群视网膜年龄差距的影响 | 首次使用深度学习算法基于眼底图像预测视网膜年龄，并发现睡眠开始时间在屏幕使用与视网膜年龄差距关系中的中介作用 | 横断面研究设计无法确定因果关系，研究对象仅限于上海地区45岁以上健康工作者 | 研究屏幕暴露时间对中老年人群衰老的影响及其作用机制 | 中国上海45岁以上健康工作成年人 | 数字病理 | 老年疾病 | 眼底成像 | 深度学习 | 图像, 问卷数据 | 未明确具体样本数量（上海地区45岁以上健康工作者） | NA | NA | 回归系数, 置信区间, p值 | NA |
| 15780 | 2025-10-07 |
Assessment of the stability of intracranial aneurysms using a deep learning model based on computed tomography angiography
2025-Feb, La Radiologia medica
DOI:10.1007/s11547-024-01939-z
PMID:39666223
|
研究论文 | 本研究基于CT血管造影图像构建深度学习模型，用于识别颅内动脉瘤的稳定性 | 首次将临床特征、形态学特征和深度学习特征相结合构建卷积神经网络模型，用于预测颅内动脉瘤稳定性 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 构建深度学习模型评估颅内动脉瘤稳定性，辅助临床决策 | 1041名患者的1227个颅内动脉瘤 | 计算机视觉 | 脑血管疾病 | 计算机断层扫描血管造影(CTA) | CNN, 逻辑回归 | 医学图像 | 总共1456个动脉瘤（内部验证991个，外部验证229个） | NA | 卷积神经网络 | AUC, 准确率, 灵敏度, 特异性 | NA |