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 33459 篇文献，本页显示第 16541 - 16560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16541 | 2025-10-07 |
Effectiveness of deep learning-based reconstruction for improvement of image quality and liver tumor detectability in the hepatobiliary phase of gadoxetic acid-enhanced magnetic resonance imaging
2024-10, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04374-w
PMID:38755452
|
研究论文 | 评估深度学习重建技术在钆塞酸增强磁共振成像肝胆期图像质量和肝肿瘤检测能力改善方面的有效性 | 首次系统比较深度学习重建技术在三种不同成像技术（屏气+DLR、屏气无DLR、自由呼吸导航+DLR）中对肝胆期MRI图像质量和肿瘤检测能力的提升效果 | 回顾性研究，样本量较小（42例患者，98个肿瘤），单中心数据 | 评估深度学习重建技术在钆塞酸增强MRI肝胆期成像中的图像质量改善和肿瘤检测能力提升 | 肝肿瘤患者 | 医学影像分析 | 肝癌 | 钆塞酸增强磁共振成像，深度学习重建技术 | 深度学习 | 医学影像 | 42例患者，98个肝肿瘤 | NA | NA | 图像噪声评分，呼吸运动伪影评分，病灶与非病灶对比度比，肿瘤检测率 | NA |
| 16542 | 2025-03-13 |
Auto-segmentation of hemi-diaphragms in free-breathing dynamic MRI of pediatric subjects with thoracic insufficiency syndrome
2024-Sep-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.17.24313704
PMID:39371175
|
研究论文 | 本文提出了一种在自由呼吸动态MRI中自动分割儿科胸廓功能不全综合征患者半膈肌的方法 | 利用深度学习技术（如Path Aggregation Network、Dual Attention Network、Dense-Net、Residual-Net、GoogleNet和Recurrent Neural Network）进行半膈肌的识别、描绘和分离，解决了低分辨率、运动模糊、对比度分辨率不佳等挑战 | 研究主要针对胸廓功能不全综合征（TIS）患者，可能不适用于其他疾病或正常人群 | 开发一种自动分割方法，用于分析胸廓功能不全综合征患者的半膈肌运动，以支持手术规划和治疗效果评估 | 儿科胸廓功能不全综合征患者的半膈肌 | 数字病理学 | 胸廓功能不全综合征 | 动态磁共振成像（dMRI） | Path Aggregation Network, Dual Attention Network, Dense-Net, Residual-Net, GoogleNet, Recurrent Neural Network | 4D图像 | 100个3D测试图像和约430个3D图像用于模型构建 | NA | NA | NA | NA |
| 16543 | 2025-10-07 |
Deep learning-based arterial subtraction images improve the detection of LR-TR algorithm for viable HCC on extracellular agents-enhanced MRI
2024-09, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04277-w
PMID:38642094
|
研究论文 | 本研究探讨基于深度学习的动脉减影图像在细胞外对比剂增强MRI上使用LR-TR算法评估肝细胞癌存活性的价值 | 首次将深度学习生成的动脉减影图像与LR-TR算法结合，显著提高了存活肝细胞癌的检测灵敏度 | 回顾性研究设计，样本量相对有限（286个观察对象） | 评估深度学习动脉减影图像对LR-TR算法检测存活肝细胞癌性能的改善作用 | 接受局部治疗的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 细胞外对比剂增强MRI，数字减影肝动脉造影 | 深度学习 | 医学影像 | 105名患者的286个观察对象 | NA | NA | 灵敏度，准确率，特异性，AUC，观察者间一致性 | NA |
| 16544 | 2025-10-07 |
Deep learning in magnetic resonance enterography for Crohn's disease assessment: a systematic review
2024-09, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04326-4
PMID:38693270
|
系统综述 | 评估深度学习在磁共振肠道造影中对克罗恩病评估作用的研究进展 | 首次系统综述深度学习在磁共振肠道造影中应用于克罗恩病评估的多种应用场景 | 大多数研究为初步回顾性研究，且至少在一个类别中存在高偏倚风险 | 评估深度学习在改善克罗恩病磁共振肠道造影评估中的作用 | 克罗恩病患者 | 医学影像分析 | 克罗恩病 | 磁共振肠道造影 | 深度学习 | 医学影像 | 468名受试者 | NA | NA | NA | NA |
| 16545 | 2025-10-07 |
Hybrid deep learning and optimal graph search method for optical coherence tomography layer segmentation in diseases affecting the optic nerve
2024-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.516045
PMID:38867777
|
研究论文 | 提出了一种结合深度学习和最优图搜索的混合方法Deep LOGISMOS，用于光学相干断层扫描图像中视网膜层的精确分割 | 将深度学习与3D图搜索相结合，克服了传统方法在病理导致视网膜层拓扑不规则时的局限性 | NA | 提高视网膜层分割的准确性、鲁棒性和泛化能力 | 影响视神经的疾病患者的光学相干断层扫描图像 | 计算机视觉 | 视神经疾病 | 光学相干断层扫描 | 深度学习 | 3D图像 | 训练集：31名NAION患者的124个OCT体积；测试集：三个横断面数据集共104个OCT体积，一个纵向数据集155个OCT体积 | NA | nnU-Net | Dice相似系数 | NA |
| 16546 | 2025-10-07 |
Exercise-Related Physical Activity Relates to Brain Volumes in 10,125 Individuals
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-230740
PMID:38073389
|
研究论文 | 本研究探讨了中高强度体力活动与大脑体积之间的关系 | 首次在10,125名健康参与者中使用深度学习模型分析多平面MRI数据，系统评估体力活动与多个脑区体积的关联 | 横断面研究设计无法确定因果关系，体力活动数据依赖自我报告可能存在偏差 | 研究规律性中高强度体力活动与定量脑体积的关联 | 10,125名健康参与者，年龄范围18-97岁 | 医学影像分析 | 神经退行性疾病 | 磁共振成像，各向同性MP-RAGE序列 | 深度学习模型 | MRI图像 | 10,125名参与者 | NA | NA | 偏相关系数，p值 | NA |
| 16547 | 2025-03-13 |
Whole slide image-based weakly supervised deep learning for predicting major pathological response in non-small cell lung cancer following neoadjuvant chemoimmunotherapy: a multicenter, retrospective, cohort study
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1453232
PMID:39372403
|
研究论文 | 本研究利用弱监督深度学习技术，通过全切片图像预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应 | 采用弱监督学习框架和多实例学习算法，结合创新的数据增强和归一化技术，提升了模型的鲁棒性和解释性 | 研究为回顾性研究，样本量相对较小，且仅针对非小细胞肺癌患者 | 开发预测模型以准确预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应 | 186名非小细胞肺癌患者的治疗前全切片图像 | 数字病理学 | 肺癌 | 弱监督深度学习 | DenseNet121, ResNet50, Inception V3, XGBoost | 图像 | 186名非小细胞肺癌患者 | NA | NA | NA | NA |
| 16548 | 2025-03-12 |
iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00342-w
PMID:40062190
|
研究论文 | 本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本 | 设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力 | 未提及具体的数据集大小或模型训练时间等限制 | 快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽 | 抗菌肽(AMPs) | 自然语言处理 | NA | 深度学习 | 卷积循环神经网络(CNN-RNN)与自注意力机制 | 蛋白质序列 | 未提及具体样本数量 | NA | NA | NA | NA |
| 16549 | 2025-03-12 |
Adaptive boundary-enhanced Dice loss for image segmentation
2025-Aug, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2025.107741
PMID:40061446
|
研究论文 | 本文提出了一种自适应边界增强的Dice损失函数（ABeDice），用于提高医学图像分割的准确性 | ABeDice损失函数结合了指数递归互补（ERC）函数与传统Dice损失，通过动态调整预测概率分布，优先考虑高概率区域，从而提升分割性能 | NA | 提高医学图像分割的准确性 | 医学图像 | 计算机视觉 | NA | 深度学习 | Swin-Unet | 图像 | 三个公开数据集（REFUGE、ISIC2018、RIT-Eyes） | NA | NA | NA | NA |
| 16550 | 2025-03-12 |
Optimizing multimodal scene recognition through relevant feature selection approach for scene classification
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103226
PMID:40061570
|
研究论文 | 本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率 | 引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率 | 未提及具体局限性 | 优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率 | 场景分类任务 | 计算机视觉 | NA | 迁移学习，特征选择技术 | CNN | 图像 | Scene数据集（6类）和AID数据集 | NA | NA | NA | NA |
| 16551 | 2025-03-12 |
Unlocking the potential of digital pathology: Novel baselines for compression
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100421
PMID:40059908
|
研究论文 | 本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量 | 提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用 | 深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化 | 评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率 | 全切片图像（WSI） | 数字病理学 | NA | 深度学习 | NA | 图像 | 四个不同的数据集 | NA | NA | NA | NA |
| 16552 | 2025-03-12 |
Dual-Component Gas Sensor Based on Light-Induced Thermoelastic Spectroscopy and Deep Learning
2025-Mar-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06588
PMID:40012474
|
研究论文 | 本文首次报道了一种基于光诱导热弹性光谱和深度学习的乙炔-二氧化碳双组分气体传感器 | 首次结合光诱导热弹性光谱和深度学习技术，开发了一种新型的双组分气体传感器，并采用了SSA-CNN-BiGRU-Attention模型来提高浓度反演的准确性 | 研究仅限于乙炔和二氧化碳两种气体的检测，未来需要扩展到更多气体成分的研究 | 开发一种高精度的双组分气体传感器，用于气体浓度的精确反演 | 乙炔和二氧化碳气体 | 传感器技术 | NA | 光诱导热弹性光谱 | SSA-CNN-BiGRU-Attention | 光谱数据 | NA | NA | NA | NA | NA |
| 16553 | 2025-03-12 |
Deep Learning-Assisted Ultrasensitive Detection of Gold Nanoparticles Using Light Microscopy Images Captured by a Cellphone Camera
2025-Mar-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06395
PMID:40016179
|
研究论文 | 本研究提出了一种使用手机摄像头捕获的暗场散射光显微镜图像，结合深度学习技术，实现金纳米颗粒（AuNPs）的超灵敏检测和定量的方法 | 首次将深度学习技术应用于手机摄像头捕获的暗场散射光显微镜图像，实现了对120 nm金纳米颗粒的超灵敏检测和定量 | 研究仅针对120 nm的金纳米颗粒，未验证其他尺寸或类型的纳米颗粒的检测效果 | 开发一种简单、易获取且高灵敏度的金纳米颗粒检测平台 | 金纳米颗粒（AuNPs） | 计算机视觉 | NA | 暗场散射光显微镜 | 深度学习模型（分类和回归模型） | 图像 | 4个不同浓度的样本 | NA | NA | NA | NA |
| 16554 | 2025-03-12 |
I-BrainNet: Deep Learning and Internet of Things (DL/IoT)-Based Framework for the Classification of Brain Tumor
2025-Mar-10, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01470-1
PMID:40063173
|
研究论文 | 本文提出了一种基于深度学习和物联网（DL/IoT）的框架I-BrainNet，用于脑肿瘤的分类 | 提出了一个结合深度学习和物联网的框架I-BrainNet，用于实时分类脑肿瘤，并展示了预训练的MobileNetV2在MRI与非MRI及肿瘤与非肿瘤分类中的最佳性能 | 研究中使用的数据集虽然较大，但可能仍不足以涵盖所有类型的脑肿瘤，且未提及模型在实际临床环境中的验证 | 开发一种精确的脑肿瘤分类方法，以指导临床决策 | 脑肿瘤的多模态图像（CT和MRI）数据集 | 计算机视觉 | 脑肿瘤 | 深度学习 | MobileNetV2, ResNet, Inceptionv3, VGG16 | 图像 | 9616个MRI和CT扫描，其中8000个用于MRI与非MRI的分类，4000个用于肿瘤与非肿瘤的分类 | NA | NA | NA | NA |
| 16555 | 2025-03-12 |
Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning
2025-Mar-10, Journal of fluorescence
IF:2.6Q3
DOI:10.1007/s10895-025-04229-7
PMID:40063235
|
研究论文 | 本研究提出了一种结合激发-发射矩阵荧光光谱（EEMF）和深度学习的方法，用于准确、无损地识别山茶油的掺假 | 提出了一种名为ResTransformer的深度学习模型，结合残差模块和Transformer，从局部和全局角度进行掺假类型的定性检测和掺假浓度的定量检测 | NA | 开发一种准确且无损的方法来识别山茶油的掺假，以保障公众健康和福祉 | 山茶油及其掺假物 | 机器学习 | NA | 激发-发射矩阵荧光光谱（EEMF） | ResTransformer（结合残差模块和Transformer的深度学习模型） | 光谱数据 | NA | NA | NA | NA | NA |
| 16556 | 2025-03-12 |
A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge
2025-Mar-10, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01120-y
PMID:40064758
|
研究论文 | 本研究提出了一种基于中国甲状腺影像报告和数据系统（C-TIRADS）的甲状腺结节超声图像分级模型，结合了传统手工特征和深度特征 | 结合了医学先验知识和深度特征，采用改进的ShuffleNetV2网络和多头自注意力机制，并使用XGBoost分类器进行多类分类 | 数据集仅包含922张原始图像，可能限制了模型的泛化能力 | 提高甲状腺结节超声诊断的准确性 | 甲状腺结节超声图像 | 计算机视觉 | 甲状腺疾病 | 深度学习，图像处理 | ShuffleNetV2，XGBoost | 图像 | 922张原始图像，包括149例2类，140例3类，156例4A类，114例4B类，123例4C类，240例5类 | NA | NA | NA | NA |
| 16557 | 2025-03-12 |
Deep learning network for NMR spectra reconstruction in time-frequency domain and quality assessment
2025-Mar-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57721-w
PMID:40057512
|
研究论文 | 本文提出了一种联合时频域的深度学习网络JTF-Net，用于核磁共振（NMR）光谱的重建和质量评估 | JTF-Net结合了时域和频域特征，相比传统算法和单域深度学习方法，在蛋白质光谱的重建上表现更优；同时提出了无需参考光谱的质量评估指标REQUIRER | 当前深度学习方法仅关注单域重建，存在峰值丢失和伪影峰等问题，且缺乏全采样光谱使得重建光谱的质量难以评估 | 提高核磁共振光谱的重建质量和评估效率 | 核磁共振光谱 | 机器学习 | NA | 深度学习 | JTF-Net | 光谱数据 | NA | NA | NA | NA | NA |
| 16558 | 2025-03-12 |
Artificial Intelligence in Myopic Maculopathy: A Comprehensive Review of Identification, Classification, and Monitoring Using Diverse Imaging Modalities
2025-Feb, Cureus
DOI:10.7759/cureus.78685
PMID:40062093
|
综述 | 本文综述了人工智能（AI）在近视性黄斑病变识别、分类和监测中的应用，主要使用传统成像技术如眼底摄影和光学相干断层扫描（OCT） | 本文综合分析了2018年至2024年间发表的13项研究，探讨了机器学习和深度学习算法在高度近视病例诊断、分类和随访中的角色，揭示了AI模型在疾病诊断中的支持作用 | 大多数研究集中在中国，且主要关注近视性黄斑变性和高度近视患者，可能限制了结果的普遍性 | 探讨AI工具在近视性黄斑病变检测中的有效性和实用性 | 近视性黄斑病变患者 | 数字病理学 | 近视性黄斑病变 | 眼底摄影, 光学相干断层扫描（OCT） | ResNet-18, ResNet-50, ResNet-101, DeepLabv3+, DarkNet-19, Efficient Net (B0/B7), VOLO-D2, Efficient Former, ALFA-Mix+, XGBoost | 图像 | 13项研究，主要来自中国 | NA | NA | NA | NA |
| 16559 | 2025-10-07 |
AI-powered innovations in pancreatitis imaging: a comprehensive literature synthesis
2025-01, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04512-4
PMID:39133362
|
综述 | 本文综述了人工智能在胰腺炎影像学诊断中的创新应用与发展前景 | 系统整合了定量影像学与深度学习模型在胰腺炎非侵入性诊断中的最新进展 | 未涉及具体临床验证数据和研究方法细节 | 改善胰腺炎的早期检测和临床管理 | 胰腺炎影像学数据 | 医学影像分析 | 胰腺炎 | 定量影像学，深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | NA | NA |
| 16560 | 2025-10-07 |
Automated Deep Learning-Based Finger Joint Segmentation in 3-D Ultrasound Images With Limited Dataset
2025-01, Ultrasonic imaging
IF:2.5Q2
DOI:10.1177/01617346241277178
PMID:39295443
|
研究论文 | 提出基于深度学习的自动化方法，用于在有限数据集下从3D超声图像中分割类风湿关节炎患者指关节滑膜 | 在有限标注数据情况下开发自动化滑膜分割方法，并采用多种数据增强策略提升模型性能 | 数据集规模有限（仅18个3D超声体积，来自9名患者），且标注稀疏 | 开发自动化工具以改进类风湿关节炎的超声筛查工作流程 | 类风湿关节炎患者的指关节滑膜 | 计算机视觉 | 类风湿关节炎 | 超声成像 | CNN | 3D超声图像 | 18个3D超声体积（来自9名RA患者） | NA | NA | Dice系数 | NA |