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 33150 篇文献，本页显示第 17321 - 17340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17321 | 2025-10-07 |
Deep Learning Evaluation of Glaucoma Detection Using Fundus Photographs in Highly Myopic Populations
2024-06-23, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12071394
PMID:39061968
|
研究论文 | 本研究使用深度学习技术通过眼底照片识别高度近视人群中的青光眼 | 在高度近视人群中应用卷积注意力模块(CBAM)增强CNN性能进行青光眼检测 | 回顾性研究，排除了病理性近视患者，样本来源单一 | 开发基于深度学习的青光眼自动检测方法 | 高度近视人群的眼底照片 | 计算机视觉 | 青光眼 | 眼底摄影 | CNN | 图像 | 3088张眼底照片（青光眼组1540张，高度近视组1548张） | NA | ConvNeXt_Base+CBAM | AUC,准确率,灵敏度,特异性,F1分数 | NA |
| 17322 | 2025-10-07 |
Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1331677
PMID:38384484
|
研究论文 | 本研究开发了一种基于结构MRI的可解释深度学习框架，用于自动区分额颞叶痴呆的三种临床亚型 | 提出多类型并行特征嵌入框架，结合集成梯度方法进行特征可视化，相比传统统计映射能显示更局部的差异模式 | 样本量相对有限且存在类别不平衡，数据来自多个中心可能存在扫描仪差异 | 自动区分额颞叶痴呆的三种临床表型，为早期精确诊断和干预规划提供帮助 | 277名FTD患者（包括173名行为变异型FTD、63名非流利变异型PPA和41名语义变异型PPA） | 医学影像分析 | 神经退行性疾病 | 结构MRI | 深度神经网络 | 医学影像 | 277名FTD患者 | NA | 多类型并行特征嵌入框架 | 平衡准确度 | NA |
| 17323 | 2025-10-07 |
Prediction of lung malignancy progression and survival with machine learning based on pre-treatment FDG-PET/CT
2022-Aug, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2022.104127
PMID:35810561
|
研究论文 | 基于治疗前FDG-PET/CT扫描，利用机器学习预测肺部恶性肿瘤进展和总生存期 | 首次将卷积神经网络与随机生存森林结合，同时预测恶性肿瘤进展和生存期，并比较了PET+CT融合模型与单模态模型的性能 | 回顾性研究，样本来自三个机构但可能存在选择偏差 | 开发基于FDG-PET/CT的机器学习模型来预测肺部恶性肿瘤的疾病进展和患者生存期 | 肺部恶性肿瘤患者（包括腺癌和鳞状细胞癌） | 医学影像分析 | 肺癌 | FDG-PET/CT成像 | CNN, RSF | 医学影像（PET/CT扫描图像） | 1168个结节（来自965名患者） | NA | 卷积神经网络，随机生存森林 | AUC, 准确率, 敏感度, 特异度, C-index, IBS | NA |
| 17324 | 2025-10-07 |
Automatic information extraction from childhood cancer pathology reports
2022-Jul, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooac049
PMID:35721398
|
研究论文 | 开发基于深度学习的模型从儿童癌症病理报告中自动提取信息并进行ICCC分类 | 首次开发用于ICCC分类的机器学习模型，并提出直接ICCC分类方法优于ICD-O-3分类再利用的方法 | 仅使用6个州癌症登记处的数据，模型对14.8%的模糊病理报告无法分配代码 | 开发自动信息提取系统以辅助州癌症登记处的人工标注工作 | 儿童癌症病理报告 | 自然语言处理 | 儿童癌症 | 深度学习 | 深度学习模型 | 文本 | 29206份来自6个州癌症登记处的0-19岁患者病理报告 | NA | NA | micro-F1分数 | NA |
| 17325 | 2025-02-18 |
An efficient deep learning approach for automatic speech recognition using EEG signals
2025-Feb-16, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2456982
PMID:39957214
|
研究论文 | 本文提出了一种结合Gannet优化算法和Elman递归神经网络的高效深度学习方法，用于基于EEG信号的自动语音识别 | 提出了一种新的高效深度学习框架EDLA，结合了Gannet优化算法和Elman递归神经网络，显著提高了基于EEG信号的语音识别准确率 | 研究仅在Kara One数据集上进行了评估，可能需要更多样化的数据集来验证其泛化能力 | 提高基于EEG信号的自动语音识别准确率，以促进人机交互和辅助技术发展 | EEG信号 | 自然语言处理 | NA | Savitzky-Golay滤波器，递归特征消除 | Elman Recurrent Neural Network (ERNN) | EEG信号 | Kara One数据集 | NA | NA | NA | NA |
| 17326 | 2025-02-18 |
Comment on "A deep learning approach for the screening of referable age-related macular degeneration - Model development and external validation"
2025-Feb-15, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2025.02.017
PMID:39956680
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17327 | 2025-02-18 |
Deep learning for automated hip fracture detection and classification : achieving superior accuracy
2025-Feb-01, The bone & joint journal
|
研究论文 | 本研究旨在开发和评估一种基于深度学习的模型，用于髋部骨折的分类，以提高诊断准确性 | 使用卷积神经网络（CNN）进行髋部骨折的分类，并利用DAMO-YOLO进行数据处理和增强，显著提高了诊断准确性 | 研究仅使用了回顾性数据，且外部验证数据集的样本量相对较小 | 提高髋部骨折的诊断准确性 | 髋部骨折的X光片 | 计算机视觉 | 髋部骨折 | 深度学习 | CNN | 图像 | 5,168张髋部前后位X光片（4,493张用于训练，675张用于验证） | NA | NA | NA | NA |
| 17328 | 2025-02-18 |
Deep learning for cardiac imaging: focus on myocardial diseases, a narrative review
2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese
IF:2.7Q2
DOI:10.1016/j.hjc.2024.12.002
PMID:39662734
|
综述 | 本文探讨了深度学习在心脏成像中的应用，特别是针对心肌疾病的自动分割、放射组学特征表型和预测 | 本文综述了深度学习在心脏成像中的最新应用，特别是自动分割和放射组学特征表型，展示了其在心肌疾病诊断和管理中的潜力 | 本文未涉及深度学习模型在临床实践中的具体实施挑战和解决方案 | 探讨深度学习在心脏成像中的应用，特别是针对心肌疾病的诊断和管理 | 心肌疾病 | 医学影像 | 心血管疾病 | 深度学习 | 深度学习算法 | 医学影像（CT、CMR、超声心动图、SPECT） | NA | NA | NA | NA | NA |
| 17329 | 2025-02-17 |
A deep-learning system integrating electrocardiograms and laboratory indicators for diagnosing acute aortic dissection and acute myocardial infarction
2025-Mar-15, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2025.133008
PMID:39880045
|
研究论文 | 本研究开发了一种多模态深度学习模型，整合心电图（ECG）信号和实验室指标，以提高急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）的诊断准确性 | 通过融合ECG特征和实验室指标，利用深度学习模型提高诊断准确性，为心血管疾病的快速诊断提供了新工具 | 研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力 | 提高急性A型主动脉夹层和急性心肌梗死的诊断准确性 | 急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）患者 | 机器学习 | 心血管疾病 | 深度学习 | ResNet-34, RandomForest, XGBoost, LightGBM | ECG信号和实验室指标 | 训练和验证集：136例AAD-type A和141例AMI患者；前瞻性测试集：30例AMI和32例AAD-type A患者 | NA | NA | NA | NA |
| 17330 | 2025-02-17 |
Ischemic Stroke Lesion Core Segmentation from CT Perfusion Scans Using Attention ResUnet Deep Learning
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01407-8
PMID:39953256
|
研究论文 | 本文提出了一种基于深度学习的系统，用于从CT灌注扫描中自动分割缺血性卒中病灶 | 结合边缘增强扩散（EED）滤波和注意力机制的Attention ResUnet架构，用于卒中病灶分割 | 模型在ISLES 2018数据集上的Dice相似系数为59%，仍有提升空间 | 提高缺血性卒中病灶分割的准确性和效率，以优化诊断、预后和治疗计划 | 缺血性卒中病灶 | 计算机视觉 | 心血管疾病 | 深度学习 | Attention ResUnet | CT灌注扫描图像 | ISLES 2018数据集，采用五折交叉验证 | NA | NA | NA | NA |
| 17331 | 2025-02-17 |
Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01287-4
PMID:39953255
|
研究论文 | 本研究探讨了结合深度学习图像重建（DLIR）和金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响 | 结合DLIR和MAR算法在不同剂量水平下对CT图像质量的影响进行了系统评估，并展示了DLIR在减少金属伪影和提高图像质量方面的优势 | 研究基于猪模型，可能无法完全反映人体情况，且样本量较小（四只猪） | 评估DLIR和MAR算法在不同扫描条件下对带有金属植入物的CT图像质量的影响 | 带有金属植入物的猪上颌面部区域CT图像 | 医学影像 | NA | CT扫描、深度学习图像重建（DLIR）、金属伪影减少（MAR） | 深度学习 | CT图像 | 四只猪的上颌面部区域图像 | NA | NA | NA | NA |
| 17332 | 2025-02-17 |
Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01442-5
PMID:39953259
|
研究论文 | 本研究旨在开发一种结合放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌（NSCLC）的组织学亚型 | 提出了一种结合放射组学和深度学习特征的混合模型，用于提高NSCLC亚型分类的准确性和可靠性 | 样本量相对较小，外部验证数据集仅包含24名患者 | 提高非小细胞肺癌（NSCLC）组织学亚型分类的准确性和可靠性 | 非小细胞肺癌（NSCLC）患者 | 计算机视觉 | 肺癌 | CT成像 | 混合模型（放射组学+深度学习） | CT图像 | 235名NSCLC患者（内部数据集），24名NSCLC患者（外部验证数据集） | NA | NA | NA | NA |
| 17333 | 2025-02-17 |
Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model
2025-Feb-13, Journal of ophthalmic inflammation and infection
IF:2.9Q1
DOI:10.1186/s12348-025-00465-x
PMID:39946047
|
研究论文 | 本研究探讨了使用智能手机拍摄的图像通过深度学习模型诊断和区分微生物性角膜炎（MK）亚型的应用 | 利用智能手机拍摄的图像和深度学习技术进行微生物性角膜炎的诊断，提供了一种快速且适用于资源有限地区的诊断方法 | 研究样本量相对较小，且未涵盖所有可能的MK亚型 | 开发一种快速且准确的微生物性角膜炎诊断方法，特别是在资源有限的地区 | 微生物性角膜炎（MK）及其亚型（细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎） | 计算机视觉 | 角膜炎 | 深度学习 | 卷积神经网络（CNN） | 图像 | 889例（2020年至2023年收集的细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎病例） | NA | NA | NA | NA |
| 17334 | 2025-02-17 |
Advancing Pancreatic Cancer Prediction with a Next Visit Token Prediction Head on Top of Med-BERT
2025-Feb-04, Cancers
IF:4.5Q1
DOI:10.3390/cancers17030516
PMID:39941883
|
研究论文 | 本文提出了一种基于Med-BERT的胰腺癌预测方法，通过将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以提高胰腺癌预测的准确性 | 将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以更好地利用Med-BERT的预训练任务格式，从而在少量数据和完全监督设置下提高预测准确性 | 研究主要关注胰腺癌，未涉及其他类型的癌症或疾病 | 提高胰腺癌预测的准确性，尤其是在少量数据的情况下 | 电子健康记录（EHRs）中的胰腺癌预测 | 自然语言处理 | 胰腺癌 | Med-BERT | Med-BERT-Sum, Med-BERT-Mask | 电子健康记录（EHRs） | 10到500个样本 | NA | NA | NA | NA |
| 17335 | 2025-02-17 |
Development of Nipple Trauma Evaluation System With Deep Learning
2025-Feb, Journal of human lactation : official journal of International Lactation Consultant Association
IF:2.1Q2
DOI:10.1177/08903344241303867
PMID:39718190
|
研究论文 | 本研究旨在开发一种基于深度学习的乳头创伤评估系统，以支持母乳喂养 | 首次将深度学习技术应用于母乳喂养支持领域，开发了自动检测和分类乳头创伤的系统 | 研究中未提及样本的多样性或模型的泛化能力，可能限制了系统的广泛应用 | 开发一种能够自动检测和分类乳头创伤的深度学习系统 | 乳头创伤图像 | 计算机视觉 | NA | 深度学习 | 对象检测和分类模型 | 图像 | 753张图像 | NA | NA | NA | NA |
| 17336 | 2025-02-17 |
Development of deep learning auto-encoder algorithms for predicting alcohol use in Korean adolescents based on cross-sectional data
2025-Feb, Social science & medicine (1982)
DOI:10.1016/j.socscimed.2025.117690
PMID:39892039
|
研究论文 | 本研究旨在开发基于机器学习和深度学习模型的韩国青少年饮酒预测算法，并识别重要特征 | 利用深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）结合，突破了传统回归方法的限制，提供了对韩国青少年饮酒关键风险因素的新见解 | 研究基于横截面数据，可能无法捕捉随时间变化的动态风险因素 | 开发预测韩国青少年饮酒的算法，并识别重要特征 | 韩国青少年 | 机器学习 | NA | 深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等） | Auto-encoder, Logistic regression, Ridge, LASSO, Elasticnet, Decision tree, Random forest, AdaBoost, XGBoost | 横截面数据 | 41,239名韩国青少年 | NA | NA | NA | NA |
| 17337 | 2025-02-17 |
An Accelerated Spectroscopic MRI Metabolite Quantification Based on a Deep Learning Method for Radiation Therapy Planning in Brain Tumor Patients
2025-Jan-27, Cancers
IF:4.5Q1
DOI:10.3390/cancers17030423
PMID:39941791
|
研究论文 | 本研究提出了一种基于深度学习的加速光谱MRI代谢物定量方法，用于脑肿瘤患者的放射治疗规划 | 提出了一种基于神经网络的加速光谱拟合模型NNFit，相比传统的最小二乘拟合方法，显著提高了处理速度并减少了伪影 | 研究样本量较小，仅包括30名GBM患者的训练数据和17名GBM患者的测试数据 | 比较NNFit与传统FITT方法在代谢物定量和放射治疗规划中的性能 | 脑肿瘤患者 | 数字病理学 | 脑肿瘤 | 光谱MRI (sMRI) | 自监督深度学习模型 | MRI图像 | 30名GBM患者（56次扫描）用于训练，17名GBM患者（29次扫描）用于测试 | NA | NA | NA | NA |
| 17338 | 2025-02-17 |
Retrospectively Quantified T2 Improves Detection of Clinically Significant Peripheral Zone Prostate Cancer
2025-Jan-24, Cancers
IF:4.5Q1
DOI:10.3390/cancers17030381
PMID:39941750
|
研究论文 | 本研究评估了结合深度学习估计的T2映射与传统T2加权图像在检测临床显著性前列腺癌（csPCa）中的附加价值 | 利用深度学习从临床获取的T1和T2加权图像估计T2映射，结合传统T2加权图像，提高了对临床显著性前列腺癌的检测能力 | 研究样本量较小（76例），且为回顾性分析，可能存在选择偏倚 | 评估深度学习估计的T2映射在检测临床显著性前列腺癌中的附加价值 | 76例外周带前列腺病变，包括临床显著性和非显著性病例 | 数字病理学 | 前列腺癌 | 多参数MRI（mpMRI），深度学习 | Logistic回归，高斯过程分类器 | 图像 | 76例外周带前列腺病变 | NA | NA | NA | NA |
| 17339 | 2025-02-17 |
A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging
2025-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103358
PMID:39353335
|
研究论文 | 本文提出了一种基于流的截断去噪扩散模型（FTDDM），用于提高磁共振波谱成像（MRSI）的超分辨率 | 通过截断扩散链并使用基于归一化流的网络估计截断步骤，显著缩短了扩散过程，同时实现了多尺度超分辨率 | 尽管采样速度提高了9倍以上，但模型的训练和评估依赖于特定数据集，可能限制了其泛化能力 | 开发一种能够从低分辨率数据生成高分辨率MRSI的后处理方法，以克服时间和灵敏度限制 | 高分辨率磁共振波谱成像（MRSI） | 计算机视觉 | 癌症 | 深度学习 | FTDDM（基于流的截断去噪扩散模型） | 图像 | 25名高级别胶质瘤患者的H-MRSI数据集 | NA | NA | NA | NA |
| 17340 | 2025-02-17 |
Diffusion Correction in Fricke Hydrogel Dosimeters: A Deep Learning Approach with 2D and 3D Physics-Informed Neural Network Models
2024-Aug-30, Gels (Basel, Switzerland)
DOI:10.3390/gels10090565
PMID:39330168
|
研究论文 | 本文提出了一种创新的深度学习方法，利用2D和3D物理信息神经网络模型来解决Fricke凝胶剂量计中离子扩散导致的剂量分布测量不准确的问题 | 首次将物理信息神经网络（PINNs）应用于Fricke凝胶剂量计中，通过将物理定律直接融入学习过程，优化网络以遵循离子扩散的物理原理，从而准确重建原始离子分布 | 研究仅针对数值模拟数据进行测试，未涉及实际实验数据的验证 | 提高Fricke凝胶剂量计在辐射剂量测量中的精度，克服离子扩散对剂量分布测量的影响 | Fricke凝胶剂量计中的离子扩散现象 | 机器学习 | NA | 物理信息神经网络（PINNs） | PINNs | 2D和3D数据 | 数值模拟数据，时间跨度从20到100小时 | NA | NA | NA | NA |