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 34204 篇文献，本页显示第 17681 - 17700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17681 | 2025-10-07 |
Abdominal CT metrics in 17,646 patients reveal associations between myopenia, myosteatosis, and medical phenotypes: a phenome-wide association study
2024-May, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2024.105116
PMID:38636199
|
研究论文 | 本研究通过深度学习自动化分析17,646名患者的腹部CT影像，探索肌肉减少症和肌肉脂肪变性生物标志物与电子健康记录中医学表型的关联 | 首次将表型全关联研究(PheWAS)方法应用于大规模CT影像生物标志物分析，发现了多个先前未报告的肌肉指标与医学表型之间的关联 | 研究为观察性设计，无法确定因果关系；样本主要来自北美单一医疗中心 | 探究腹部CT衍生的骨骼肌指标与电子健康记录中医学表型的关联 | 17,646名成年患者（平均年龄56±19岁，57.5%为女性）的腹部CT扫描和电子健康记录数据 | 医学影像分析 | 肌肉减少症,肌肉脂肪变性 | 深度学习,CT影像分析,电子健康记录分析 | 深度学习模型 | CT影像,电子健康记录文本数据 | 17,646名患者 | NA | NA | OR值,95%置信区间,P值 | NA |
| 17682 | 2025-10-07 |
Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review
2024-Apr-19, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-024-02366-4
PMID:38637466
|
系统综述 | 对后颅窝相关病理学中容积分割技术的文献进行系统性回顾 | 系统总结了后颅窝分割技术的演进历程，从手动轮廓勾画到深度学习方法，并比较了不同技术的优缺点 | 仅纳入了截至2023年11月的文献，可能存在发表偏倚 | 总结后颅窝分割技术的现状及其在相关病理研究中的应用 | 后颅窝相关疾病（如Chiari畸形、三叉神经痛、儿童小脑缄默综合征等） | 数字病理学 | 神经系统疾病 | 医学影像分割 | 卷积神经网络 | 医学影像 | 52篇纳入文献（从2205篇初筛文献中筛选） | NA | NA | NA | NA |
| 17683 | 2025-10-07 |
The detection of absence seizures using cross-frequency coupling analysis with a deep learning network
2024-Apr-10, Research square
DOI:10.21203/rs.3.rs-4178484/v1
PMID:38659733
|
研究论文 | 提出一种基于交叉频率耦合分析和堆叠稀疏自编码器的深度学习方法，用于自动检测脑电图中的失神发作 | 首次将交叉频率耦合分析与深度学习方法相结合用于癫痫失神发作的自动检测 | 样本量较小（仅12名患者），仅使用单一数据库的数据 | 开发自动检测癫痫失神发作的深度学习方法 | 癫痫患者的脑电图数据 | 机器学习 | 癫痫 | 脑电图分析 | SSAE | 脑电图信号 | 12名患者的94次失神发作记录 | NA | 堆叠稀疏自编码器 | 灵敏度, 特异度, 准确率 | NA |
| 17684 | 2025-10-07 |
Deep learning segmentation of the choroid plexus from structural magnetic resonance imaging (MRI): validation and normative ranges across the adult lifespan
2024-Feb-29, Fluids and barriers of the CNS
IF:5.9Q1
DOI:10.1186/s12987-024-00525-9
PMID:38424598
|
研究论文 | 开发三种深度学习模型从结构MRI中自动分割脉络丛，并验证其性能及提供成人生命周期内的规范范围 | 首次提出基于常规临床MRI序列的深度学习脉络丛分割方法，并提供跨成人生命周期的规范体积范围 | 样本量相对有限（初始训练集n=50），需要更多外部验证 | 改进脉络丛体积量化方法，为神经退行性疾病研究提供工具 | 健康对照和神经退行性疾病患者的脉络丛结构 | 医学影像分析 | 神经退行性疾病 | 结构磁共振成像（3D T1加权、3D T2加权、2D T2加权FLAIR） | 全卷积神经网络 | MRI图像 | 训练集50人（21-85岁），验证集98人（21-89岁） | NA | 全卷积神经网络 | Dice系数, 95% Hausdorff距离, AUC, 组内相关系数 | NA |
| 17685 | 2025-10-07 |
Prediction of cerebral aneurysm rupture risk by machine learning algorithms: a systematic review and meta-analysis of 18,670 participants
2024-Jan-06, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-023-02271-2
PMID:38183490
|
系统综述与Meta分析 | 通过系统综述和Meta分析评估机器学习算法在预测脑动脉瘤破裂风险中的有效性和准确性 | 首次对机器学习算法预测脑动脉瘤破裂风险进行大规模系统综述和Meta分析，涉及18,670名参与者 | 纳入研究数量有限(35项)，需要进一步研究提高对颅内动脉瘤破裂状态的诊断性能 | 评估机器学习算法在预测脑动脉瘤破裂风险中的临床应用价值 | 经DSA、CTA或MRI确诊的脑动脉瘤患者 | 机器学习 | 脑血管疾病 | DSA、CTA、MRI | CNN, ANN | 医学影像数据 | 18,670名参与者 | NA | NA | 灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断评分, 比值比 | NA |
| 17686 | 2025-03-05 |
AS2LS: Adaptive Anatomical Structure-Based Two-Layer Level Set Framework for Medical Image Segmentation
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3483563
PMID:39446550
|
研究论文 | 本文提出了一种基于自适应解剖结构的两层水平集框架（AS2LS），用于分割具有同心结构的器官，如左心室和眼底 | 提出了一种新颖的自适应解剖结构的两层水平集表示方法，并结合了两阶段水平集演化算法，提高了复杂医学图像分割的准确性 | 未提及具体局限性 | 提高医学图像分割的准确性，特别是针对具有同心结构的器官 | 医学图像中的器官，如左心室和眼底 | 计算机视觉 | NA | 水平集方法 | AS2LS（自适应解剖结构的两层水平集框架） | 医学图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17687 | 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 |
| 17688 | 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 |
| 17689 | 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 |
| 17690 | 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 |
| 17691 | 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 |
| 17692 | 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 |
| 17693 | 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 |
| 17694 | 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 |
| 17695 | 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 |
| 17696 | 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 |
| 17697 | 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 |
| 17698 | 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 |
| 17699 | 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 |
| 17700 | 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 |