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 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 | 2025-02-21 |
Spatio-Temporal Abnormal Behavior Prediction in Elderly Persons Using Deep Learning Models
2020-Apr-21, Sensors (Basel, Switzerland)
DOI:10.3390/s20082359
PMID:32326349
|
研究论文 | 本文研究了多种深度学习模型用于识别和预测老年人异常行为 | 结合了时间信息和空间序列，使用多种深度学习模型进行异常行为预测 | 仅使用了两个公开数据集进行测试，可能缺乏广泛性 | 开发能够准确预测老年人异常行为的健康监测系统 | 老年人 | 机器学习 | 老年疾病 | 深度学习 | LSTM, CNN, CNN-LSTM, Autoencoder-CNN-LSTM | 时间序列数据，空间序列数据 | 两个公开数据集 | NA | NA | NA | NA |
| 62 | 2025-02-21 |
A deep learning-based method for drug-target interaction prediction based on long short-term memory neural network
2020-03-18, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-020-1052-0
PMID:32183788
|
研究论文 | 本文提出了一种基于深度学习的药物-靶点相互作用预测方法，利用长短期记忆神经网络进行预测 | 首次在药物-靶点相互作用预测中测试了具有记忆和图灵完备性的深度学习方法的潜力 | 未明确提及具体局限性 | 开发有效的计算方法以验证药物与靶点之间的相互作用 | 药物-靶点相互作用 | 机器学习 | NA | PSSM, LM, SPCA, DeepLSTM | LSTM | 蛋白质进化特征和药物分子亚结构指纹 | 四类重要的药物-靶点数据集 | NA | NA | NA | NA |
| 63 | 2025-02-21 |
Monitoring ICU Mortality Risk with A Long Short-Term Memory Recurrent Neural Network
2020, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:31797590
|
研究论文 | 本文提出了一种基于长短期记忆循环神经网络（LSTM）的动态监测ICU患者死亡风险的新框架 | 该框架使用词袋表示法处理相关医疗事件，并利用潜在语义分析（LSA）将患者状态编码为低维嵌入，进而通过LSTM网络进行死亡风险预测，相比现有严重程度评分系统SAPS-II表现更优 | 未提及具体样本量及数据缺失处理的具体细节 | 开发一种能够动态监测ICU患者死亡风险的预测模型，以提高医疗干预效果和临床资源分配效率 | ICU患者的电子健康记录（EHR） | 自然语言处理 | NA | 潜在语义分析（LSA） | 长短期记忆网络（LSTM） | 电子健康记录（EHR） | NA | NA | NA | NA | NA |
| 64 | 2025-02-21 |
A Dual-Modal Attention-Enhanced Deep Learning Network for Quantification of Parkinson's Disease Characteristics
2020-01, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2019.2946194
PMID:31603824
|
研究论文 | 本文提出了一种双模态注意力增强的深度学习网络，用于量化帕金森病（PD）患者的步态特征 | 该研究不仅实现了PD步态与正常步行的二分类，还量化了PD步态以关联其与PD严重程度，采用了双模态深度学习模型，结合CNN和注意力增强的LSTM网络 | 需要合适的训练以确保模型的高置信度和准确性 | 开发一种计算机化工具，客观评估PD患者的步态 | 帕金森病患者的步态 | 机器学习 | 帕金森病 | 深度学习 | CNN, LSTM | 1D垂直地面反作用力（VGRF）信号 | NA | NA | NA | NA | NA |
| 65 | 2025-02-21 |
Human Gait Recognition Based on Frame-by-Frame Gait Energy Images and Convolutional Long Short-Term Memory
2020-Jan, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065719500278
PMID:31747820
|
研究论文 | 本文提出了一种基于卷积长短期记忆网络（Conv-LSTM）和逐帧步态能量图像（ff-GEI）的新方法，用于提高步态识别的准确率 | 提出了一种新的步态能量图像变体ff-GEI，并设计了一种基于Conv-LSTM的步态识别模型，有效解决了跨视角步态识别的问题 | NA | 提高步态识别的准确率，特别是在无干扰视频监控和远距离人类识别中的应用 | 人类步态 | 计算机视觉 | NA | 深度学习 | Conv-LSTM | 视频 | CASIA Dataset B 和 OU-ISIR Large Population Dataset | NA | NA | NA | NA |
| 66 | 2025-10-07 |
Deep learning-based real-time volumetric imaging for lung stereotactic body radiation therapy: a proof of concept study
2020-12-18, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/abc303
PMID:33080578
|
研究论文 | 本研究提出一种基于生成对抗网络的实时三维成像方法，用于肺部立体定向放射治疗中的运动管理 | 提出集成感知监督的生成对抗网络TransNet，可从单张二维投影实时生成三维图像，并引入特征空间感知损失以提升肺部边界准确性 | 概念验证研究，仅基于20例患者数据进行模拟验证，尚未进行临床实时应用 | 开发实时三维成像技术以提升肺部立体定向放射治疗的精准运动管理 | 接受肺部立体定向放射治疗的患者 | 医学影像分析 | 肺癌 | 4D-CT模拟 | GAN | CT图像 | 20例患者病例，包含9个呼吸时相的三维CT图像及对应二维投影数据 | NA | TransNet（包含编码、转换和解码三个模块） | 平均绝对误差, 峰值信噪比, 结构相似性指数, 质心距离 | NA |
| 67 | 2025-10-07 |
Automatic multi-needle localization in ultrasound images using large margin mask RCNN for ultrasound-guided prostate brachytherapy
2020-10-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/aba410
PMID:32640435
|
研究论文 | 提出基于深度学习的超声图像多针自动定位工作流，用于超声引导前列腺近距离放疗 | 提出大边界掩码R-CNN模型和改进的基于密度的空间聚类算法，实现多针同时定位 | 仅在23名患者数据上进行验证，样本量有限 | 开发快速自动的多针数字化方法，提升前列腺近距离放疗效率 | 超声引导高剂量率前列腺近距离放疗患者 | 计算机视觉 | 前列腺癌 | 超声成像 | CNN, R-CNN | 超声图像 | 23名患者，共339根针 | NA | Mask R-CNN, LMMask R-CNN | 针杆误差, 针尖误差 | NA |
| 68 | 2025-10-07 |
Poly(A)-DG: A deep-learning-based domain generalization method to identify cross-species Poly(A) signal without prior knowledge from target species
2020-11, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1008297
PMID:33151940
|
研究论文 | 提出一种基于深度学习的域泛化方法Poly(A)-DG，用于无需目标物种先验知识的跨物种Poly(A)信号识别 | 首次将域泛化技术应用于跨物种Poly(A)信号识别，无需目标物种的重新训练即可实现准确预测 | 仅在四种物种上进行测试，尚未验证在更广泛物种上的泛化能力 | 开发能够跨物种识别Poly(A)信号的深度学习方法 | 真核生物mRNA成熟过程中的poly(A)信号 | 生物信息学 | NA | 深度学习 | CNN, MLP | DNA序列数据 | 四个物种的数据集，其中两个用于训练，其余用于评估 | NA | 卷积神经网络-多层感知器(CNN-MLP)网络 | 准确率 | NA |
| 69 | 2025-01-02 |
Retrospective imaging studies of gastric cancer: Study protocol clinical trial (SPIRIT Compliant)
2020-Feb, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000019157
PMID:32080093
|
研究论文 | 本研究旨在开发一种深度学习模型，用于胃癌中腹膜转移的术前准确诊断 | 首次基于CT图像使用深度学习技术诊断胃癌中的腹膜转移 | 研究为回顾性研究，可能存在选择偏倚 | 提高CT在胃癌腹膜转移诊断中的性能 | 胃癌患者 | 数字病理学 | 胃癌 | CT | 深度卷积神经网络（DCNN） | 图像 | 所有胃癌患者，具体数量未明确 | NA | NA | NA | NA |
| 70 | 2024-12-15 |
Multimodality Imaging and Artificial Intelligence for Tumor Characterization: Current Status and Future Perspective
2020-Nov, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2020.07.003
PMID:33059823
|
研究论文 | 本文探讨了多模态影像与人工智能在肿瘤特征分析中的应用现状及未来展望 | 人工智能通过机器学习和深度学习，能够整合大量异质性数据进行分析，提供自动化和可重复的定量影像生物标志物 | 需要设定质量标准，包括影像采集的标准化、模型开发的透明性、验证和测试的高质量过程以及算法的更好可解释性 | 研究多模态影像与人工智能在肿瘤特征分析中的应用，以实现精准肿瘤学 | 肿瘤的特征分析和分子表达的非侵入性监测 | 计算机视觉 | NA | 机器学习，深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 71 | 2024-12-12 |
On the objectivity, reliability, and validity of deep learning enabled bioimage analyses
2020-10-19, eLife
IF:6.4Q1
DOI:10.7554/eLife.59780
PMID:33074102
|
研究论文 | 本文探讨了深度学习在生物图像分析中的客观性、可靠性和有效性 | 提出了一种集成数据标注、真实值估计和模型训练的分析流程，以提高深度学习模型在生物图像分析中的客观性、可靠性和有效性 | 本文主要基于小鼠和斑马鱼的数据进行研究，可能无法完全推广到其他生物或实验条件 | 评估集成数据标注、真实值估计和模型训练的深度学习分析流程的有效性 | 小鼠和斑马鱼的荧光标记图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型（未具体说明模型类型） | 图像 | 来自两个模式生物（小鼠、斑马鱼）和五个实验室的数据 | NA | NA | NA | NA |
| 72 | 2024-12-12 |
Industry-scale application and evaluation of deep learning for drug target prediction
2020-Apr-19, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-020-00428-5
PMID:33430964
|
研究论文 | 本文研究了基于公共数据训练的机器学习模型在制药行业数据上的应用和评估 | 首次在大规模行业环境中评估机器学习和深度学习在药物靶点预测中的潜力，并研究了公共数据训练的靶点预测模型在工业生物活性预测管道中的可转移性 | NA | 评估机器学习模型在制药行业数据上的应用效果 | 基于公共数据训练的机器学习模型在制药行业数据上的应用 | 机器学习 | NA | 深度学习 | 深度学习模型 | 数据 | NA | NA | NA | NA | NA |
| 73 | 2024-12-09 |
In silico spectral libraries by deep learning facilitate data-independent acquisition proteomics
2020-01-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-019-13866-z
PMID:31919359
|
研究论文 | 本文提出了一种基于深度学习的计算光谱库生成方法DeepDIA，用于数据独立采集（DIA）蛋白质组学分析 | DeepDIA能够生成与实验光谱库质量相当甚至更好的计算光谱库，并能直接从蛋白质序列数据库中构建光谱库，突破了依赖数据依赖采集（DDA）实验的限制 | NA | 开发一种新的方法来生成计算光谱库，以促进DIA蛋白质组学分析 | 人类血清样本中的肽和蛋白质 | 蛋白质组学 | NA | 数据独立采集（DIA） | 深度学习模型 | 蛋白质序列数据库 | 人类血清样本 | NA | NA | NA | NA |
| 74 | 2024-12-06 |
Use of artificial intelligence in diagnosis of head and neck precancerous and cancerous lesions: A systematic review
2020-11, Oral oncology
IF:4.0Q2
|
综述 | 本文系统综述了人工智能在头颈部癌前病变和癌症诊断中的应用及其诊断准确性 | 本文首次系统综述了人工智能在头颈部癌前病变和癌症诊断中的应用，并评估了其诊断准确性 | 本文发现大多数研究存在高偏倚风险，可能导致准确率被高估，且缺乏对其他头颈部病理的AI诊断证据 | 评估人工智能在头颈部癌前病变和癌症诊断中的应用及其诊断准确性 | 头颈部癌前病变和癌症，包括口腔上皮发育不良、口腔黏膜下纤维化、口腔鳞状细胞癌和口咽鳞状细胞癌 | 数字病理 | 头颈部癌 | 人工智能 | 监督学习方法 | 图像 | 11项研究，涉及40-270张全切片图像 | NA | NA | NA | NA |
| 75 | 2024-11-21 |
Deep learning based spectral extrapolation for dual-source, dual-energy x-ray computed tomography
2020-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.14324
PMID:32531114
|
研究论文 | 本文提出了一种基于深度学习的双源双能X射线计算机断层扫描（CT）光谱外推方法 | 本文创新性地使用深度学习算法来实现双源双能CT数据的光谱外推，通过学习特征-对比关系来提高外推的准确性 | 本文方法在处理几何简单的幻影数据时性能有所下降，表明其依赖于特征-对比关系来正确推断光谱对比度 | 研究目的是开发一种能够在外推光谱对比度时提高准确性的深度学习算法 | 研究对象是双源双能腹部X射线CT扫描数据 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 50例双源双能腹部X射线CT扫描数据 | NA | NA | NA | NA |
| 76 | 2024-11-15 |
Influence of the combination of big data technology on the Spark platform with deep learning on elevator safety monitoring efficiency
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0234824
PMID:32555687
|
研究论文 | 研究结合大数据技术和深度学习技术在Spark平台上提升电梯安全监控效率 | 提出了一种基于Spark平台的有限状态机模型和深度学习电梯故障预警模型 | 未详细说明模型的训练数据来源和样本量 | 提升电梯安全监控效率 | 电梯安全监控和故障预警 | 机器学习 | NA | 大数据技术, 深度学习 | 有限状态机 (FSM), 深度学习模型 | 电梯运行数据 | 未明确说明样本量 | NA | NA | NA | NA |
| 77 | 2024-11-08 |
Accelerating GluCEST imaging using deep learning for B0 correction
2020-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.28289
PMID:32301185
|
研究论文 | 本文提出了一种基于深度学习的算法，用于加速GluCEST成像中的B0校正 | 本文提出了一种新的深度学习算法，结合了宽激活神经网络块，以解决GluCEST成像中由于B0不均匀性导致的长时间采集和高噪声比问题 | NA | 加速GluCEST成像并提高信号噪声比 | 大脑中的谷氨酸分布 | 计算机视觉 | NA | GluCEST MRI | 深度残差网络 | 图像 | NA | NA | NA | NA | NA |
| 78 | 2024-11-08 |
Denoising arterial spin labeling perfusion MRI with deep machine learning
2020-05, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2020.01.005
PMID:31954173
|
研究论文 | 本文提出并验证了一种基于深度学习的动脉自旋标记灌注MRI去噪算法（DL-ASL） | 使用卷积神经网络（CNN）结合扩张卷积和宽激活残差块，显著提高了ASL MRI的信噪比（SNR），并展示了在不牺牲CBF测量质量的情况下减少75%采集时间的潜力 | NA | 提高动脉自旋标记灌注MRI的信噪比和采集效率 | 动脉自旋标记灌注MRI图像 | 计算机视觉 | NA | 动脉自旋标记灌注MRI | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 79 | 2024-11-06 |
An LSTM-Based Prediction Method for Lower Limb Intention Perception by Integrative Analysis of Kinect Visual Signal
2020, Journal of healthcare engineering
DOI:10.1155/2020/8024789
PMID:32774824
|
研究论文 | 提出了一种基于LSTM网络的下肢意图感知预测方法，通过整合Kinect视觉信号进行下肢关节轨迹预测，以实现主动康复 | 利用LSTM网络学习序列特征，通过上肢关节角度预测下肢关节轨迹，实现下肢意图感知 | 仅在健康受试者中进行了验证，未涉及不同病理条件下的应用 | 开发一种基于计算机视觉和深度学习的下肢意图感知方法，用于康复机器人系统的主动康复 | 下肢关节轨迹预测，下肢意图感知 | 计算机视觉 | NA | Kinect视觉信号 | LSTM | 关节角度 | 10名健康受试者，在四种不同步行速度下采集数据 | NA | NA | NA | NA |
| 80 | 2024-10-26 |
Anatomical Context Protects Deep Learning from Adversarial Perturbations in Medical Imaging
2020-Feb-28, Neurocomputing
IF:5.5Q1
DOI:10.1016/j.neucom.2019.10.085
PMID:32863583
|
研究论文 | 研究了深度学习在医学影像处理中对抗性扰动的影响，并比较了传统深度神经网络和结合解剖学上下文特征的混合模型的鲁棒性 | 提出了一种结合解剖学上下文特征的混合深度学习模型，该模型在对抗性扰动下表现出更高的鲁棒性 | 当前深度学习技术在临床应用中存在局限性 | 研究对抗性扰动对医学影像处理中深度学习模型的影响，并探索提高模型鲁棒性的方法 | 3D MRI脑部图像和基于图像预测个体年龄的任务 | 计算机视觉 | NA | 深度学习 | 深度神经网络和混合深度学习模型 | 图像 | 大量3D MRI脑部图像 | NA | NA | NA | NA |