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 354 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 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 |
| 62 | 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 |
| 63 | 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 |
| 64 | 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 |
| 65 | 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 |
| 66 | 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 |
| 67 | 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 |
| 68 | 2025-05-23 |
Computer-aided diagnosis of liver lesions using CT images: A systematic review
2020-12, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2020.104035
PMID:33099219
|
综述 | 本文综述了1998年至2020年间发表的关于使用计算机辅助诊断系统通过CT图像预测肝脏良恶性病变的最新技术 | 提供了肝脏病变计算机辅助诊断系统的全面概述，包括传统和基于深度学习的方法 | 未开发出适用于多样化图像的高效分割方法，未研究无监督和半监督深度学习模型 | 概述计算机辅助诊断系统在肝脏病变诊断中的最新技术 | 肝脏病变 | 数字病理学 | 肝脏疾病 | CT成像 | 深度学习与传统方法 | 图像 | NA | NA | NA | NA | NA |
| 69 | 2025-05-23 |
Accuracy and reliability of automatic three-dimensional cephalometric landmarking
2020-Oct, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2020.02.015
PMID:32169306
|
系统综述 | 评估三维颅面图像自动标志点定位的准确性和可靠性 | 比较了知识基础、图谱基础和学习基础算法在自动标志点定位中的表现，发现深度学习方法的性能最佳 | 研究中存在患者选择和参考标准实施方面的偏倚风险，可能导致结果过于乐观 | 评估自动标志点定位技术在三维头影测量分析中的准确性和可靠性 | 人类头部计算机断层扫描或锥形束计算机断层扫描图像 | 医学图像分析 | NA | 自动标志点定位技术 | 深度学习 | 三维图像 | 11项研究，测试数据集样本量从18到77张图像不等 | NA | NA | NA | NA |
| 70 | 2025-05-23 |
Deep learning for wireless capsule endoscopy: a systematic review and meta-analysis
2020-10, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2020.04.039
PMID:32334015
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了深度学习在无线胶囊内窥镜(WCE)中的应用效果 | 首次对深度学习在WCE中的应用进行系统性评价和荟萃分析 | 现有研究均为回顾性研究且存在较高偏倚风险 | 评估深度学习算法在WCE疾病检测中的性能表现 | 无线胶囊内窥镜图像数据 | 计算机视觉 | 肠道疾病 | 深度学习 | 神经网络 | 医学影像 | 19项研究(45篇原始文献) | NA | NA | NA | NA |
| 71 | 2025-05-23 |
Machine learning techniques for detecting electrode misplacement and interchanges when recording ECGs: A systematic review and meta-analysis
2020 Sep - Oct, Journal of electrocardiology
IF:1.3Q3
|
系统综述与荟萃分析 | 本文综述了机器学习技术在检测心电图电极错位和互换中的应用及其效果 | 系统评估了机器学习在检测电极错位和互换中的性能，并识别了最常用的机器学习技术 | 研究仅包括14篇文章，可能无法涵盖所有相关研究 | 研究电极错位对心电图信号和解释的影响，评估机器学习检测电极错位的性能 | 心电图（ECG）电极错位和互换 | 机器学习 | 心血管疾病 | 机器学习（ML） | 卷积神经网络（CNN） | 心电图信号 | 14篇文章 | NA | NA | NA | NA |
| 72 | 2025-05-23 |
Deep Learning in Radiation Oncology Treatment Planning for Prostate Cancer: A Systematic Review
2020-Aug-30, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-020-01641-3
PMID:32862251
|
综述 | 本文系统回顾了深度学习在前列腺癌放射肿瘤治疗计划中的应用 | 总结了基于CT或MRI的不同深度学习网络架构在放射治疗目标轮廓分割中的应用 | 大多数研究使用的患者数据量有限，且这些模型在临床实践中的安全性和有效性仍需进一步验证 | 探索深度学习在放射治疗计划自动化中的应用，以提高治疗效率和质量 | 前列腺癌放射治疗计划中的目标轮廓分割 | 计算机视觉 | 前列腺癌 | 深度学习 | NA | 医学影像（CT或MRI） | 患者数据量有限 | NA | NA | NA | NA |
| 73 | 2025-10-07 |
Creating Artificial Images for Radiology Applications Using Generative Adversarial Networks (GANs) - A Systematic Review
2020-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2019.12.024
PMID:32035758
|
系统综述 | 系统回顾生成对抗网络在放射学中应用的文献 | 首次系统综述GAN在放射学领域的多种应用场景 | 仅包含截至2019年9月发表的研究，可能遗漏最新进展 | 评估GAN在放射学领域的应用现状和效果 | 33项关于GAN在放射学中应用的研究 | 计算机视觉 | NA | 生成对抗网络 | GAN | 医学影像 | 33项研究（2017-2019年发表） | NA | NA | NA | NA |
| 74 | 2025-05-23 |
Accuracy of deep learning for automated detection of pneumonia using chest X-Ray images: A systematic review and meta-analysis
2020-08, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2020.103898
PMID:32768045
|
meta-analysis | 该研究通过系统综述和荟萃分析评估了深度学习模型在利用胸部X光图像检测和分类肺炎方面的诊断性能 | 首次对深度学习在肺炎检测和分类中的诊断性能进行了系统评价和荟萃分析 | 存在主要方法学问题，未来研究需解决以应用于临床 | 评估深度学习模型在肺炎检测和分类中的诊断性能 | 肺炎患者与健康对照者的胸部X光图像 | digital pathology | pneumonia | deep learning | DL | image | NA | NA | NA | NA | NA |
| 75 | 2025-05-23 |
Deep learning to find colorectal polyps in colonoscopy: A systematic literature review
2020-08, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2020.101923
PMID:32972656
|
系统文献综述 | 本文通过系统综述分析了深度学习在结肠镜检查中检测结直肠息肉的应用 | 总结了深度学习在息肉检测、定位和分割中的最新方法，并分析了公开数据集和评估指标 | 方法间的公平比较和可重复性存在困难，缺乏基于大型公开数据库的统一验证框架 | 提高结肠镜检查中腺瘤检测率，从而预防结直肠癌 | 结直肠息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 35篇相关研究和7个公开的结肠镜图像数据集 | NA | NA | NA | NA |
| 76 | 2025-05-23 |
Opportunities and challenges of deep learning methods for electrocardiogram data: A systematic review
2020-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2020.103801
PMID:32658725
|
系统综述 | 本文系统综述了深度学习在心电图（ECG）数据分析中的建模和应用 | 总结了深度学习在ECG数据分析中的最新进展，并提出了未来研究方向 | 未解决可解释性、可扩展性和效率等新挑战 | 探讨深度学习在ECG数据分析中的应用和挑战 | ECG数据 | 机器学习 | 心血管疾病 | 深度学习 | CNN, RNN, 混合架构 | ECG信号 | 191篇论文（2010-2020年） | NA | NA | NA | NA |
| 77 | 2025-10-07 |
Lung Nodule Detection from Feature Engineering to Deep Learning in Thoracic CT Images: a Comprehensive Review
2020-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-020-00320-6
PMID:31997045
|
综述 | 本文系统回顾了2009年至2018年4月期间胸部CT图像中肺结节检测的研究进展 | 全面梳理了从传统特征工程到深度学习的肺结节检测技术发展脉络，特别聚焦于卷积神经网络的应用 | 仅涵盖截至2018年4月的研究成果，未包含最新技术发展 | 为研究人员提供肺结节检测领域的现状和技术进展综述 | 胸部CT图像中的肺结节 | 计算机视觉 | 肺癌 | CT扫描 | CNN | 医学图像 | NA | NA | NA | NA | NA |
| 78 | 2025-10-07 |
Deep Learning for Smartphone-Based Malaria Parasite Detection in Thick Blood Smears
2020-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2019.2939121
PMID:31545747
|
研究论文 | 本研究开发了一种基于深度学习的智能手机应用，用于厚血涂片中疟疾寄生虫的自动检测 | 首个能在智能手机上运行的厚血涂片疟疾寄生虫检测深度学习方法，结合了强度-based IGMS快速筛选和定制CNN分类的两步处理流程 | NA | 开发智能手机平台的自动化疟疾寄生虫检测方法 | 厚血涂片中的疟疾寄生虫 | 计算机视觉 | 疟疾 | 厚血涂片成像 | CNN | 图像 | 150名患者的1819张厚血涂片图像 | NA | 定制卷积神经网络 | 准确率, AUC, 灵敏度, 特异度, 精确率, 阴性预测值 | 智能手机平台 |
| 79 | 2025-10-07 |
Developing and verifying automatic detection of active pulmonary tuberculosis from multi-slice spiral CT images based on deep learning
2020, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-200662
PMID:32651351
|
研究论文 | 开发基于深度学习的自动检测系统，用于从多层螺旋CT图像中识别活动性肺结核 | 首次将U-Net深度学习算法应用于活动性肺结核的自动检测和病灶分割，并实现2D病灶向3D病灶的转换 | 回顾性研究，数据来源于单一医疗机构，样本量有限 | 简化活动性肺结核的诊断流程并提高诊断准确性 | 活动性肺结核患者、肺炎患者和正常受试者的CT图像 | 计算机视觉 | 肺结核 | 多层螺旋CT成像 | 深度学习 | CT图像 | 846名患者（训练集：337例ATB、110例肺炎、120例正常；测试集：139例ATB、40例肺炎、100例正常） | NA | U-Net | AUC, 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值 | NA |
| 80 | 2025-10-07 |
How Artificial Intelligence Will Impact Colonoscopy and Colorectal Screening
2020-Jul, Gastrointestinal endoscopy clinics of North America
DOI:10.1016/j.giec.2020.02.010
PMID:32439090
|
综述 | 探讨人工智能在结肠镜和结直肠癌筛查中的应用及其潜在影响 | 提出AI可通过实时计算机辅助检测息肉提高腺瘤检出率，并通过光学活检实现'切除丢弃'或'诊断留置'策略以降低医疗成本 | AI技术整合到内镜医师工作流程的临床挑战、对内镜中心效率的影响以及深度学习算法的可解释性问题 | 研究人工智能如何提升结肠镜结直肠筛查的价值 | 结肠镜检查和结直肠筛查过程 | 医学影像分析 | 结直肠癌 | 计算机辅助检测、计算机辅助诊断、光学活检 | 深度学习 | 内镜图像 | NA | NA | NA | 腺瘤检出率 | NA |