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 10 篇文献。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-10-05 |
ADVERSARIAL SYNTHESIS LEARNING ENABLES SEGMENTATION WITHOUT TARGET MODALITY GROUND TRUTH
2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi.2018.8363790
PMID:41018946
|
研究论文 | 提出一种无需目标模态标注数据的端到端对抗合成学习框架，实现跨模态图像分割 | 首次将图像合成与分割任务整合到端到端网络中，利用合成与分割间的互补信息 | 仅验证了MRI到CT的跨模态分割，未在其他模态组合上测试 | 解决深度学习分割模型在不同成像模态间泛化能力不足的问题 | 脾肿大器官的CT图像分割 | 计算机视觉 | 脾脏疾病 | 医学影像分析 | GAN, CNN | 医学影像（MRI、CT） | NA | NA | CycleGAN, ResNet, 自定义EssNet | Dice相似系数 | NA |
| 2 | 2025-10-07 |
Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images
2018-04-03, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2018.03.086
PMID:29617659
|
研究论文 | 本研究利用深度学习技术分析TCGA样本的H&E染色病理图像，绘制肿瘤浸润淋巴细胞空间分布图并探索其与分子特征的相关性 | 首次通过计算染色方法从H&E图像中提取肿瘤浸润淋巴细胞的空间组织模式，并将其与基因组数据和临床预后相关联 | 研究仅基于13种TCGA肿瘤类型，样本来源和图像质量可能存在异质性 | 探索肿瘤微环境中淋巴细胞空间分布模式与分子特征及临床预后的关联 | TCGA数据库中的13种肿瘤类型的H&E染色病理图像 | 数字病理学 | 多种癌症类型 | H&E染色，深度学习图像分析 | CNN | 病理图像 | 13种TCGA肿瘤类型的多样本集合 | NA | 卷积神经网络 | NA | NA |
| 3 | 2024-10-11 |
Deep Learning in Nuclear Medicine and Molecular Imaging: Current Perspectives and Future Directions
2018-Apr, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-017-0504-7
PMID:29662559
|
综述 | 本文综述了深度学习在核医学和分子影像学中的应用现状及未来发展方向 | 探讨了深度学习在分子影像学中的独特应用，特别是生物标志物开发方面 | 未提及具体的技术细节或实验结果 | 介绍深度学习在分子影像学中的应用，并讨论其对临床决策和专家角色的潜在影响 | 核医学和分子影像学中的深度学习应用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 4 | 2024-10-11 |
Opportunities and obstacles for deep learning in biology and medicine
2018-04, Journal of the Royal Society, Interface
DOI:10.1098/rsif.2017.0387
PMID:29618526
|
研究论文 | 本文探讨了深度学习在生物学和医学领域的应用及其面临的机遇和挑战 | 深度学习在生物医学领域的应用显示出有希望的进展，尽管改进相对温和，但提供了加速或辅助人类研究的有价值手段 | 深度学习尚未彻底改变生物医学领域，且在解释模型预测、数据标注不足以及法律和隐私限制方面存在挑战 | 探讨深度学习在生物医学领域的应用潜力及其面临的挑战 | 深度学习在患者分类、基本生物过程和患者治疗中的应用 | 机器学习 | NA | 深度学习 | 神经网络 | 数据 | NA | NA | NA | NA | NA |
| 5 | 2024-10-04 |
Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks
2018-04-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btx727
PMID:29155928
|
研究论文 | 本文开发了一种基于样条变换的神经网络模块，用于灵活且稳健地建模距离，显著提高了深度神经网络对体内RNA结合蛋白结合位点的预测准确性 | 提出了样条变换方法，用于在深度神经网络中建模基因组地标之间的相对距离，相比传统的分段线性变换，样条变换在预测准确性、训练速度和鲁棒性方面表现更优 | NA | 提高深度神经网络对基因调控序列的预测准确性 | RNA结合蛋白结合位点和人类剪接分支点 | 机器学习 | NA | 深度学习 | 深度神经网络 | 基因组数据 | 123种蛋白质中的120种 | NA | NA | NA | NA |
| 6 | 2024-09-14 |
[Research of electroencephalography representational emotion recognition based on deep belief networks]
2018-04-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.201706035
PMID:29745522
|
研究论文 | 本文利用深度信念网络（DBN）模型处理脑电图（EEG）信号，识别情绪状态（积极、消极和中性），并与支持向量机（SVM）进行比较 | 本文首次在开源深度学习框架中使用DBN模型进行情绪识别，并发现DBN在分类准确性和稳定性上优于传统的SVM | 研究仍需进一步深入，以建立更准确的情绪识别系统 | 探索深度学习算法在情绪识别中的应用，提高分类器的性能 | 脑电图（EEG）信号的情绪状态识别 | 机器学习 | NA | 深度信念网络（DBN） | 深度信念网络（DBN） | 脑电图（EEG）信号 | 不同情绪刺激下的受试者脑电图信号 | NA | NA | NA | NA |
| 7 | 2024-08-28 |
Towards machine learned quality control: A benchmark for sharpness quantification in digital pathology
2018-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文介绍了一种用于模糊检测的基准数据集，并比较了当前最先进的清晰度描述符及其在随机森林框架内的预测性能，同时展示了卷积神经网络如残差网络可以从头开始训练模糊检测器。 | 提出了一个用于模糊检测的基准数据集，并展示了卷积神经网络在训练模糊检测器方面的应用，以及在临床设置中测试了该框架，显示出优于现有质量控制流程的性能。 | 未提及具体限制。 | 旨在解决数字病理学中高吞吐量扫描的质量控制问题。 | 数字病理学中的模糊区域检测。 | 数字病理学 | NA | 卷积神经网络 | CNN | 图像 | 未提及具体样本数量。 | NA | NA | NA | NA |
| 8 | 2024-08-05 |
Image analysis and machine learning for detecting malaria
2018-04, Translational research : the journal of laboratory and clinical medicine
IF:6.4Q1
DOI:10.1016/j.trsl.2017.12.004
PMID:29360430
|
研究论文 | 本文概述了用于显微镜疟疾诊断的图像分析和机器学习方法 | 介绍了深度学习和智能手机技术在未来疟疾诊断中的最新进展 | 未提及具体的局限性 | 改善疟疾诊断以减少死亡率 | 显微镜血液涂片中的寄生虫计数 | 计算机视觉 | 疟疾 | 图像分析软件和机器学习方法 | 深度学习 | 图像 | 未提及样本大小 | NA | NA | NA | NA |
| 9 | 2024-08-05 |
NON-RIGID IMAGE REGISTRATION USING SELF-SUPERVISED FULLY CONVOLUTIONAL NETWORKS WITHOUT TRAINING DATA
2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI.2018.8363757
PMID:30079127
|
研究论文 | 提出了一种基于全卷积网络(FCN)的新颖非刚性图像配准算法 | 与大多数现有的深度学习图像配准方法不同，我们的方法在无训练数据的情况下直接估计空间变换 | 未提及此方法在其他类型图像上的表现 | 优化和学习待配准图像对之间的空间变换 | 3D结构脑磁共振(MR)图像 | 计算机视觉 | NA | 自监督学习 | 全卷积网络(FCN) | 图像 | NA | NA | NA | NA | NA |
| 10 | 2024-08-05 |
MULTI-SCALE SEGMENTATION USING DEEP GRAPH CUTS: ROBUST LUNG TUMOR DELINEATION IN MVCBCT
2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI.2018.8363628
PMID:31772718
|
研究论文 | 本文提出了一种基于深度图切割的多尺度分割方法，用于肺肿瘤的准确描绘 | 将多尺度分割问题设定为深度网络中的马尔可夫随机场能量最小化问题，并通过计算图中的最小切割进行求解 | 未提及具体的限制 | 旨在提高肺肿瘤分割的准确性 | 结合38个兆伏锥束计算机断层扫描数据集进行肺肿瘤的分割 | 计算机视觉 | 肺癌 | 深度学习 | 马尔可夫随机场 | 图像 | 38个兆伏锥束计算机断层扫描数据集 | NA | NA | NA | NA |