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 309 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-10-06 |
Noise reduction with cross-tracer and cross-protocol deep transfer learning for low-dose PET
2020-09-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/abae08
PMID:32924973
|
研究论文 | 本研究探索使用基于3D U-Net的深度迁移学习方法对低剂量PET图像进行降噪处理 | 首次提出跨示踪剂和跨协议的深度迁移学习策略，利用现有FDG数据集预训练网络为训练数据不足的其他示踪剂提供降噪解决方案 | 研究仅针对特定示踪剂(F-FMISO和Ga-DOTATATE)和特定剂量条件(10%计数)进行验证 | 研究低剂量PET图像降噪的可行性，特别是在训练数据有限的示踪剂情况下 | PET图像，包括F-FDG、F-FMISO和Ga-DOTATATE示踪剂图像 | 医学影像处理 | NA | 正电子发射断层扫描(PET) | U-Net | 3D医学图像 | 使用F-FDG单床位扫描和全身扫描数据集，以及F-FMISO单床位扫描和Ga-DOTATATE全身扫描数据集 | NA | 3D patch-based U-Net | 归一化均方根误差(NRMSE), 信噪比(SNR), 感兴趣区域相对偏差(ROI bias) | NA |
| 2 | 2025-10-06 |
DeepCLEM: automated registration for correlative light and electron microscopy using deep learning
2020, F1000Research
DOI:10.12688/f1000research.27158.3
PMID:37397873
|
研究论文 | 提出了一种基于深度学习的自动化CLEM配准工作流程DeepCLEM | 首次使用卷积神经网络从电子显微镜图像预测荧光信号，实现无需荧光染色或基准标记的全自动配准 | 未提及具体的性能限制或适用范围限制 | 开发自动化CLEM图像配准方法 | 相关光电子显微镜图像 | 计算机视觉 | NA | 相关光电子显微镜 | CNN | 图像 | NA | Fiji | 卷积神经网络 | NA | NA |
| 3 | 2025-10-06 |
Implementing Artificial Intelligence and Digital Health in Resource-Limited Settings? Top 10 Lessons We Learned in Congenital Heart Defects and Cardiology
2020-05, Omics : a journal of integrative biology
IF:2.2Q3
DOI:10.1089/omi.2019.0142
PMID:31592719
|
综述 | 分享在资源有限地区实施人工智能和数字健康技术应用于先天性心脏病诊疗的十大经验教训 | 总结了在资源有限环境下实施AI和数字健康技术的实践经验，特别关注先天性心脏病领域 | NA | 探讨如何在资源有限地区有效实施人工智能和数字健康技术以改善先天性心脏病诊疗 | 先天性心脏病患者和心脏病学领域 | 数字病理学 | 心血管疾病 | 机器学习, 深度学习, 自然语言处理, 数字传感器 | 神经网络 | 患者数据, 健康人群数据 | NA | NA | NA | 风险预测, 诊断性能 | NA |
| 4 | 2025-10-06 |
Translational Retinal Imaging
2020 May-Jun, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1097/APO.0000000000000292
PMID:32487917
|
综述 | 本文介绍了几种具有转化潜力的视网膜成像技术及其在医学视网膜疾病中的应用 | 展示了多种创新性视网膜成像技术，包括定量自发荧光成像、高光谱自发荧光成像、眼科内窥镜和远程视网膜成像结合深度学习，这些技术能提供现有方法无法实现的疾病新认知 | NA | 探索转化性视网膜成像技术在视网膜疾病诊断和治疗中的新应用 | 视网膜疾病，特别是年龄相关性黄斑变性 | 医学影像 | 年龄相关性黄斑变性 | 定量自发荧光成像，高光谱自发荧光成像，眼科内窥镜成像，远程视网膜成像 | 深度学习 | 视网膜图像 | NA | NA | NA | NA | NA |
| 5 | 2025-10-06 |
2018 n2c2 shared task on adverse drug events and medication extraction in electronic health records
2020-01-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocz166
PMID:31584655
|
研究论文 | 总结了2018年n2c2共享任务中关于从电子健康记录中提取药物不良事件和药物信息的竞赛组织与结果分析 | 首次系统评估了临床记录中药物不良事件提取的三种任务（概念提取、关系分类和端到端系统），并建立了性能基准 | 对于原因和药物不良事件的概念和关系识别性能较低，局部上下文不足以准确识别这些复杂概念 | 评估临床自然语言处理技术在药物不良事件提取任务上的最新进展 | 临床出院摘要的原始文本数据 | 自然语言处理 | NA | 电子健康记录文本分析 | 双向长短期记忆网络, 支持向量机 | 文本 | 28个团队参与任务1，21个团队参与任务2和3 | NA | 序列标注模型, 基于实例的分类器 | F1分数 | NA |
| 6 | 2025-10-06 |
The 2019 n2c2/OHNLP Track on Clinical Semantic Textual Similarity: Overview
2020-Nov-27, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/23375
PMID:33245291
|
综述 | 本文概述了2019年n2c2/OHNLP临床语义文本相似性评测任务的组织过程、数据集构建和参赛系统表现 | 发布了首个大规模真实世界的临床语义文本相似性数据集，并组织了国际性的评测任务 | 训练数据中GE系统句子对占比较大，但系统在Epic系统句子对上表现更好，存在数据分布不平衡问题 | 推动自然语言处理和生物医学信息学界解决临床领域的语义文本相似性任务 | 临床文本句子对 | 自然语言处理 | NA | 语义文本相似性计算 | BERT, XLNet | 文本 | 2054个临床句子对（1642个训练集，412个测试集） | NA | BERT, XLNet | Pearson相关系数 | NA |
| 7 | 2025-10-06 |
Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images
2020-12, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.28344
PMID:32767489
|
研究论文 | 提出一种基于生物物理模型的深度学习方法来稳健快速地重建定量、无伪影且去噪的R2*图像 | 采用自监督学习策略，无需真实R2*图像作为标签，仅需训练阶段使用F函数，应用阶段无需B0场不均匀性先验信息 | 未明确说明训练数据的具体规模和多样性限制 | 开发快速准确的磁共振R2*定量成像重建方法 | 多梯度回波磁共振成像数据 | 医学影像分析 | NA | 多梯度回波磁共振成像 | CNN | 磁共振图像 | NA | NA | 卷积神经网络 | 准确度 | NA |
| 8 | 2025-10-06 |
The Role and Promise of Artificial Intelligence in Medical Toxicology
2020-10, Journal of medical toxicology : official journal of the American College of Medical Toxicology
IF:2.5Q3
DOI:10.1007/s13181-020-00769-5
PMID:32215849
|
综述 | 探讨人工智能在医学毒理学领域的应用前景与潜力 | 提出将深度学习与知识表示相结合的双重人工智能框架，以扩展毒物控制中心服务范围和增强社交媒体症状监测能力 | NA | 分析人工智能技术在医学毒理学领域的应用前景和发展方向 | 医学毒理学领域的人工智能应用 | 自然语言处理, 机器学习 | 中毒相关疾病 | 深度学习, 知识表示 | NA | 医学影像, 可穿戴设备数据, 社交媒体文本 | NA | NA | NA | NA | NA |
| 9 | 2025-10-06 |
Speech exemplar and evaluation database (SEED) for clinical training in articulatory phonetics and speech science
2020-09-01, Clinical linguistics & phonetics
IF:0.8Q4
DOI:10.1080/02699206.2020.1743761
PMID:32200647
|
研究论文 | 开发了一个用于临床语音训练和语音科学教学的公开语音数据库 | 创建了首个公开可用的包含典型与障碍语音对比的临床语音数据库，填补了教学资源空白 | 数据库规模有限，仅包含特定类型的语音障碍样本 | 改善语音学、语音科学和临床语音障碍课程的教学质量，缩小理论与实践差距 | 成人和儿童的典型与障碍语音样本 | 语音科学 | 语音障碍 | 高质量语音录制技术 | NA | 语音录音 | 包含成人和儿童的有无语音障碍个体的语音样本 | NA | NA | NA | 高质量录音设备 |
| 10 | 2025-10-06 |
Artificial intelligence versus expert: a comparison of rapid visual inferior vena cava collapsibility assessment between POCUS experts and a deep learning algorithm
2020-Oct, Journal of the American College of Emergency Physicians open
IF:1.6Q2
DOI:10.1002/emp2.12206
PMID:33145532
|
研究论文 | 开发深度学习算法评估危重患者下腔静脉塌陷度，并与POCUS专家进行对比 | 首次使用LSTM深度学习架构实时分析超声视频评估IVC塌陷度，为新手POCUS操作者提供辅助工具 | 样本量有限（训练集220个视频，测试集50个视频），专家与算法一致性仅为中等水平 | 创建能够评估下腔静脉塌陷度的深度学习算法，辅助新手POCUS操作者 | 危重患者的下腔静脉超声视频 | 计算机视觉 | 脓毒性休克 | 床旁超声(POCUS) | LSTM | 超声视频 | 训练集220个IVC超声视频，测试集50个新IVC超声视频 | NA | LSTM | Fleiss' κ | NA |
| 11 | 2025-10-06 |
Classification of Cancer Types Using Graph Convolutional Neural Networks
2020-Jun, Frontiers in physics
IF:1.9Q2
DOI:10.3389/fphy.2020.00203
PMID:33437754
|
研究论文 | 本研究利用图卷积神经网络对33种癌症类型和正常组织进行分类 | 首次将图卷积神经网络应用于癌症分类，并设计了基于共表达网络和蛋白质相互作用网络的四种图结构模型 | 仅使用TCGA数据集，未在其他独立数据集上验证模型泛化能力 | 基于基因表达谱准确预测癌症类型 | 肿瘤样本和正常组织样本 | 机器学习 | 癌症 | 基因表达分析 | GCNN | 基因表达数据 | 10,340个癌症样本和731个正常组织样本 | NA | 图卷积神经网络 | 准确率 | NA |
| 12 | 2025-10-06 |
A deep learning diagnostic platform for diffuse large B-cell lymphoma with high accuracy across multiple hospitals
2020-11-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-020-19817-3
PMID:33244018
|
研究论文 | 开发用于弥漫性大B细胞淋巴瘤诊断的高精度深度学习平台 | 使用较小数据集构建多卷积神经网络平台，在跨医院验证中实现接近100%的诊断准确率 | 技术变异性（切片制备和图像采集差异）会影响模型在跨医院测试中的性能 | 建立高精度的深度学习诊断平台用于人类造血系统恶性肿瘤诊断 | 弥漫性大B细胞淋巴瘤和非DLBCL病理图像 | 数字病理学 | 淋巴瘤 | 病理图像分析 | CNN | 病理图像 | 来自三家医院的DLBCL和非DLBCL病理图像 | NA | 多卷积神经网络 | 诊断准确率 | NA |
| 13 | 2025-10-06 |
Virtual Monoenergetic CT Imaging via Deep Learning
2020-Nov-13, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2020.100128
PMID:33294869
|
研究论文 | 提出一种基于深度学习的虚拟单能CT成像方法，从单能谱CT图像生成虚拟单能图像 | 首次使用深度学习将单能谱CT图像转换为多能级虚拟单能图像，避免了双能CT的系统复杂性和辐射剂量增加问题 | 方法依赖于临床双能CT数据进行训练，可能受训练数据质量和多样性的限制 | 开发从单能谱CT图像生成虚拟单能图像的深度学习解决方案 | CT医学图像 | 计算机视觉 | NA | 计算机断层扫描(CT) | CNN | 医学图像 | 临床双能CT数据 | NA | 改进的ResNet | 相对误差 | NA |
| 14 | 2025-10-06 |
UNMIX-ME: spectral and lifetime fluorescence unmixing via deep learning
2020-Jul-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.391992
PMID:33014571
|
研究论文 | 提出基于深度学习的荧光解混方法UNMIX-ME，可同时利用光谱和时间特征进行定量荧光团分离 | 首次开发能同时利用光谱和寿命特征进行荧光解混的深度学习方法 | 基于模拟数据训练和验证，尚未在真实临床数据上充分测试 | 开发多维荧光成像数据的定量解混方法 | 荧光探针、生物组织 | 计算成像 | NA | 高光谱荧光寿命成像 | 深度学习 | 高光谱荧光寿命图像 | 模拟的三指数和四指数样本 | TensorFlow | NA | 与LSQ方法对比的基准测试 | NA |
| 15 | 2025-10-06 |
Evolving the pulmonary nodules diagnosis from classical approaches to deep learning-aided decision support: three decades' development course and future prospect
2020-Jan, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-019-03098-5
PMID:31786740
|
综述 | 本文全面回顾了过去三十年计算机辅助肺结节诊断技术的发展历程，从传统方法演进到深度学习辅助决策支持 | 首次系统梳理三十年来肺结节计算机辅助诊断技术发展历程，涵盖从传统方法到深度学习技术的完整演进路径 | 作为综述性文章，未包含原始实验数据和具体模型性能比较 | 提供计算机辅助肺结节检测和良恶性分类技术的全面综述，识别挑战并展望未来研究方向 | 肺结节计算机辅助诊断技术 | 计算机视觉 | 肺癌 | 计算机辅助诊断，深度学习 | NA | 胸部影像 | NA | NA | NA | 灵敏度，假阳性率 | NA |
| 16 | 2025-06-07 |
MOXA: A Deep Learning Based Unmanned Approach For Real-Time Monitoring of People Wearing Medical Masks
2020, Transactions of the Indian National Academy of Engineering : an international journal of engineering and technology
DOI:10.1007/s41403-020-00157-z
PMID:38624452
|
research paper | 提出了一种基于深度学习的无人实时监测人们佩戴口罩的方法MOXA | 将口罩佩戴监测任务建模为物体检测的特殊案例，并在边缘设备上实现实时场景解析 | 嵌入式设备的内存和计算能力有限，可能影响实时监测的性能 | 实时监测人们是否佩戴口罩，以预防COVID-19的传播 | 佩戴口罩的人群 | computer vision | COVID-19 | object detection algorithms | YOLOv3, YOLOv3Tiny, SSD, Faster R-CNN | video | Moxa3K benchmark dataset | NA | NA | NA | NA |
| 17 | 2025-10-06 |
A topology-based network tree for the prediction of protein-protein binding affinity changes following mutation
2020, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-020-0149-6
PMID:34170981
|
研究论文 | 提出一种基于拓扑的网络树方法，用于预测蛋白质-蛋白质相互作用中突变引起的结合亲和力变化 | 引入元素和位点特异性持久同调方法简化蛋白质复合物结构复杂性，并提出结合CNN和梯度提升树的新深度学习算法NetTree | NA | 开发计算方法来预测蛋白质-蛋白质相互作用中突变引起的结合亲和力变化 | 蛋白质-蛋白质复合物及其突变体 | 生物信息学 | NA | 代数拓扑，持久同调 | CNN,梯度提升树 | 蛋白质结构数据 | 主要基准数据集 | NA | NetTree | NA | NA |
| 18 | 2025-06-02 |
Evaluation of Deep Learning Models for Identifying Surgical Actions and Measuring Performance
2020-03-02, JAMA network open
IF:10.5Q1
|
研究论文 | 评估深度学习模型在识别手术动作和衡量手术表现方面的应用 | 首次提出使用深度学习模型从手术视频中自动识别手术动作和评估外科医生技能水平 | 样本量较小（仅103个视频片段），且数据收集时间较早（2015年前） | 开发一个自动评估外科医生技术表现的框架 | 外科手术视频片段 | 计算机视觉 | NA | 深度学习 | 深度学习模型（具体架构未说明） | 视频 | 103个手术视频片段，来自8名不同水平的外科医生 | NA | NA | NA | NA |
| 19 | 2025-10-07 |
Differentiating molecular etiologies of Angelman syndrome through facial phenotyping using deep learning
2020-09, American journal of medical genetics. Part A
DOI:10.1002/ajmg.a.61720
PMID:32524756
|
研究论文 | 本研究使用深度学习面部表型分析系统DeepGestalt区分Angelman综合征不同分子病因 | 首次将面部识别技术应用于Angelman综合征不同分子亚型的表型差异识别 | 样本量有限（261人），年龄跨度较大（10个月至32岁），UBE3A致病变异亚型的区分度较低 | 探索基于面部表型的深度学习系统在区分Angelman综合征分子病因方面的应用价值 | 261名Angelman综合征患者的面部图像和分子数据 | 计算机视觉 | Angelman综合征 | 面部表型分析 | 深度学习 | 面部图像 | 261名Angelman综合征患者，年龄范围10个月至32岁 | DeepGestalt | NA | AUC, ROC曲线 | NA |
| 20 | 2025-05-23 |
Lake water-level fluctuation forecasting using machine learning models: a systematic review
2020-Dec, Environmental science and pollution research international
DOI:10.1007/s11356-020-10917-7
PMID:32978734
|
综述 | 本文对机器学习模型在湖泊水位波动预测中的应用进行了全面回顾 | 系统总结了七种流行的机器学习模型在湖泊水位预测中的应用，并讨论了模型输入、性能标准及比较 | 未涉及具体模型的详细实现细节和特定湖泊案例的深入分析 | 评估机器学习模型在湖泊水位波动预测中的效果和应用前景 | 湖泊水位波动 | 机器学习 | NA | NA | ANN, SVM, ANFIS, WA-ANN, WA-ANFIS, WA-SVM, GEP, GP, ELM, DL | 水文数据 | NA | NA | NA | NA | NA |