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 38 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 | 2026-02-20 |
Exercise-induced calf muscle hyperemia: Rapid mapping of magnetic resonance imaging using deep learning approach
2020-08, Physiological reports
IF:2.2Q3
DOI:10.14814/phy2.14563
PMID:32812401
|
研究论文 | 本研究提出了一种基于人工神经网络的深度学习方法，用于加速小腿肌肉运动诱导性充血的高分辨率磁共振成像灌注图生成 | 首次将人工神经网络应用于加速肌肉灌注图的磁共振成像数据处理，相比传统示踪动力学模型拟合显著提高了处理速度 | 研究样本量相对较小（48次MRI扫描，21名受试者），且主要针对小腿肌肉，可能限制了结果的普适性 | 加速运动诱导性小腿肌肉充血的磁共振成像灌注图生成过程 | 健康受试者和外周动脉疾病（PAD）患者的小腿肌肉 | 医学影像分析 | 外周动脉疾病 | 高分辨率磁共振成像（MRI） | 人工神经网络（NN） | 磁共振图像 | 48次MRI扫描，来自21名受试者（包括健康者和PAD患者） | NA | 人工神经网络 | 平均绝对误差（MAE），相关系数（R） | NA |
| 2 | 2026-01-18 |
Linear versus deep learning methods for noisy speech separation for EEG-informed attention decoding
2020-08-19, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/aba6f8
PMID:32679578
|
研究论文 | 本文评估并展示了在嘈杂条件下基于脑电图记录的听觉注意力解码支持语音增强的可行性，比较了线性与深度学习方法在噪声语音分离中的表现 | 系统比较线性与非线性神经引导语音增强模型，并在更具挑战性的条件下进行更现实的验证 | 研究在高度理想化的实验条件下进行，仍远未达到现实助听器设置 | 评估和展示基于脑电图记录的听觉注意力解码支持语音增强在嘈杂条件下的可行性 | 相同性别说话者混合的语音信号，涉及三种不同说话者位置和三种不同噪声条件 | 自然语言处理 | NA | 听觉注意力解码，语音增强 | 线性方法，深度神经网络 | 脑电图记录，语音信号 | NA | NA | NA | AAD准确度 | NA |
| 3 | 2026-01-18 |
A novel deep feature transfer-based OSA detection method using sleep sound signals
2020-08-11, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ab9e7b
PMID:32559754
|
研究论文 | 提出了一种基于深度特征迁移的OSA检测方法，利用睡眠声音信号进行诊断 | 结合大数据、深度学习和迁移学习，通过预训练的深度卷积神经网络提取呼吸声音特征，并训练逻辑回归分类器进行OSA检测，相比传统音频分析技术性能显著提升 | 研究基于自收集的132名潜在OSA患者数据集，样本量相对有限，且未详细讨论模型在不同人群或噪声环境下的泛化能力 | 开发一种便捷、低成本的OSA检测方法，以替代传统多导睡眠图 | 潜在OSA患者的睡眠声音信号 | 机器学习 | 阻塞性睡眠呼吸暂停 | 音频信号处理 | CNN | 音频 | 132名潜在OSA患者 | NA | 深度卷积神经网络 | 准确率, AUC | NA |
| 4 | 2025-12-14 |
Robustness study of noisy annotation in deep learning based medical image segmentation
2020-08-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ab99e5
PMID:32503027
|
研究论文 | 本研究探讨了噪声标注对基于深度学习的医学图像分割（下颌骨CT图像分割）性能的影响 | 首次系统性地研究了噪声标注在医学图像分割任务中对深度学习模型性能的影响，并通过多数据集验证了模型对噪声标注的鲁棒性 | 研究仅针对下颌骨CT图像分割任务，结论在其他解剖结构或模态上的普适性有待验证；未提出具体的噪声标注利用或校正方法 | 评估噪声标注对深度学习医学图像分割模型性能的影响，并探索模型对标注噪声的鲁棒性 | 头颈癌患者的CT图像中的下颌骨分割 | 医学图像分割 | 头颈癌 | CT成像 | 深度学习网络（具体架构未明确说明） | CT图像 | 202例头颈癌患者CT图像（来自临床数据库），并使用了另外两个公共数据集进行测试 | NA | NA | 分割性能（具体指标未明确说明，但进行了显著性差异分析） | NA |
| 5 | 2025-12-14 |
Multifaceted radiomics for distant metastasis prediction in head & neck cancer
2020-08-07, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ab8956
PMID:32294632
|
研究论文 | 本文提出了一种名为多层面放射组学（M-radiomics）的统一模型，用于预测头颈癌的远处转移 | 提出了一种新颖的多层面放射组学（M-radiomics）模型，该模型通过堆叠稀疏自编码器融合多模态特征，引入多目标优化模型设计基于概率的目标函数，并采用证据推理规则融合策略集成多个分类器的输出 | NA | 准确预测头颈癌的远处转移，以通过早期强化治疗改善高风险患者的生存率 | 头颈癌患者 | 医学影像分析 | 头颈癌 | 放射组学 | 深度学习, 堆叠稀疏自编码器, 多目标优化模型 | 医学影像特征 | NA | NA | 堆叠稀疏自编码器 | 敏感性, 特异性 | NA |
| 6 | 2025-12-14 |
Artifact removal using a hybrid-domain convolutional neural network for limited-angle computed tomography imaging
2020-08-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ab9066
PMID:32369793
|
研究论文 | 本文提出了一种混合域卷积神经网络（hdNet），用于减少有限角度计算机断层扫描中的条纹伪影 | 首次将不同域的深度学习算法优势结合，通过混合域网络同时处理正弦图和CT图像域，直接获取伪影抑制的CT图像 | 未明确说明网络在极端有限角度下的性能，且未与其他最先进的深度学习方法进行广泛比较 | 抑制有限角度计算机断层扫描中的条纹伪影，提高图像质量 | 有限角度计算机断层扫描图像 | 计算机视觉 | NA | 计算机断层扫描（CT） | CNN | 图像 | NA | NA | 混合域卷积神经网络（hdNet） | NA | NA |
| 7 | 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 |
| 8 | 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 |
| 9 | 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 |
| 10 | 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 |
| 11 | 2025-03-10 |
Deep Learning Identifies Cardiomyocyte Nuclei With High Precision
2020-08-14, Circulation research
IF:16.5Q1
DOI:10.1161/CIRCRESAHA.120.316672
PMID:32486999
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12 | 2024-10-11 |
Knowledge-primed neural networks enable biologically interpretable deep learning on single-cell sequencing data
2020-08-03, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-020-02100-5
PMID:32746932
|
研究论文 | 本文介绍了一种知识引导的神经网络（KPNNs），用于在单细胞测序数据上进行可解释的深度学习 | KPNNs结合了深度学习的预测能力和生物网络的可解释性，通过在多层网络中分配有意义的权重，增强了模型的可解释性 | 本文仅在单细胞测序数据上验证了KPNNs的应用，未来需要在其他领域进一步验证其广泛适用性 | 开发一种结合深度学习预测能力和生物网络可解释性的方法 | 单细胞RNA测序数据，包括癌症和免疫细胞 | 机器学习 | NA | 单细胞RNA测序 | 神经网络 | 基因表达数据 | 五个生物应用中的单细胞RNA测序数据 | NA | NA | NA | NA |
| 13 | 2024-10-05 |
A Rapid, Accurate and Machine-Agnostic Segmentation and Quantification Method for CT-Based COVID-19 Diagnosis
2020-Aug, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2020.3001810
PMID:32730214
|
研究论文 | 提出了一种快速、准确且与机器无关的CT图像分割和量化方法，用于COVID-19诊断 | 1) 开发了首个COVID-19 CT扫描模拟器，通过拟合真实患者在不同时间点的数据变化，缓解了数据稀缺问题；2) 提出了一种新的深度学习算法，解决了大场景小目标问题，将3D分割问题分解为三个2D问题，降低了模型复杂性并显著提高了分割精度 | NA | 开发一种全自动、快速、准确且与机器无关的CT图像分割和量化方法，用于COVID-19诊断 | COVID-19患者的CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | NA | CT图像 | 多国、多医院、多机器的数据集 | NA | NA | NA | NA |
| 14 | 2024-10-02 |
From a deep learning model back to the brain-Identifying regional predictors and their relation to aging
2020-08-15, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.25011
PMID:32320123
|
研究论文 | 本文提出了一种深度学习框架，用于从结构磁共振成像扫描中预测生理年龄，并识别与年龄预测相关的脑区 | 开发了一种推理方案，通过结合多个受试者的解释图，创建基于人群而非个体特异性的地图，提高了解释图的可重复性 | NA | 研究脑龄预测及其与脑区衰老过程的关系 | 结构磁共振成像扫描数据和脑区衰老过程 | 计算机视觉 | NA | 卷积神经网络 (CNN) | 卷积神经网络 (CNN) | 图像 | 10,176名受试者 | NA | NA | NA | NA |
| 15 | 2024-09-30 |
[Research on coronavirus disease 2019 (COVID-19) detection method based on depthwise separable DenseNet in chest X-ray images]
2020-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202005056
PMID:32840070
|
研究论文 | 本文提出了一种基于深度可分离DenseNet的COVID-19检测方法，并在胸部X光图像上进行了验证 | 提出了深度可分离DenseNet模型，相比传统DenseNet减少了模型参数，同时保持了分类效果 | 未提及具体的局限性 | 快速诊断COVID-19 | COVID-19的胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习 | DenseNet | 图像 | 2905张胸部X光图像 | NA | NA | NA | NA |
| 16 | 2024-09-06 |
Rule-based automatic diagnosis of thyroid nodules from intraoperative frozen sections using deep learning
2020-08, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2020.101918
PMID:32972671
|
研究论文 | 本文提出了一种基于规则的系统，利用深度学习技术从术中冷冻切片中自动诊断甲状腺结节 | 首次将深度学习应用于术中冷冻切片甲状腺结节的诊断 | 系统将16.2%的切片分类为不确定，需要进一步人工检查或通过永久切片处理 | 开发一种基于规则的系统，利用深度学习技术从术中冷冻切片中自动诊断甲状腺结节 | 甲状腺结节的术中冷冻切片 | 数字病理学 | 甲状腺疾病 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 259张测试切片 | NA | NA | NA | NA |
| 17 | 2024-09-02 |
Attention-Based Network for Weak Labels in Neonatal Seizure Detection
2020-Aug, Proceedings of machine learning research
PMID:32995751
|
研究论文 | 本文评估了不同深度学习模型和数据平衡方法在新生儿癫痫检测中的影响，并提出了一种模型，该模型能为每个EEG通道提供重要性级别，以判断通道是否显示癫痫活动 | 提出的模型无需重新训练即可适应不同布局的EEG设备，并首次评估了深度学习模型与人类评分者决策的一致性 | 高AUC值的深度学习模型不一定与人类专家的意见一致，仍需进一步优化算法以实现最佳的癫痫区分 | 研究深度学习算法在新生儿癫痫检测中的应用 | 新生儿癫痫检测 | 机器学习 | 新生儿疾病 | 深度学习 | 注意力机制网络 | EEG数据 | NA | NA | NA | NA | NA |
| 18 | 2024-09-02 |
Deep Learning strategies for Ultrasound in Pregnancy
2020-Aug, European Medical Journal. Reproductive health
PMID:33123376
|
综述 | 本文综述了深度学习方法在孕期超声成像中的应用，介绍了其架构并分析了其策略 | 深度学习在医学图像分析中的应用，特别是在分类、分割、物体检测和跟踪任务中取得了最先进的性能 | 超声成像质量相对较低、对比度低和高变异性，自动化解读超声图像具有挑战性 | 探讨深度学习在孕期超声成像中的应用，以改善临床实践 | 孕期超声成像的自动化解读和结构识别 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 19 | 2024-08-31 |
Rapid Identification of Potential Inhibitors of SARS-CoV-2 Main Protease by Deep Docking of 1.3 Billion Compounds
2020-08, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202000028
PMID:32162456
|
研究论文 | 本文利用深度对接技术（Deep Docking）对13亿化合物进行虚拟筛选，以快速识别SARS-CoV-2主蛋白酶的潜在抑制剂 | 开发了一种新的深度学习平台——深度对接（Deep Docking），能够快速预测对接分数，实现对大量化合物的结构基础虚拟筛选 | NA | 开发针对SARS-CoV-2的小分子治疗药物 | SARS-CoV-2主蛋白酶的潜在抑制剂 | 机器学习 | COVID-19 | 深度对接（Deep Docking） | 深度学习平台 | 化合物 | 13亿化合物 | NA | NA | NA | NA |
| 20 | 2024-08-22 |
Deep learning COVID-19 detection bias: accuracy through artificial intelligence
2020-08, International orthopaedics
IF:2.0Q2
DOI:10.1007/s00264-020-04609-7
PMID:32462314
|
研究论文 | 本文开发了一种深度学习模型，通过胸部X光扫描提高COVID-19病例报告的准确性并精确预测疾病 | 采用卷积神经网络（CNN）和迁移学习方法，自动识别患者胸部X光片中的结构异常，提高检测准确性 | NA | 提高COVID-19病例检测的准确性 | COVID-19病例的胸部X光扫描 | 机器学习 | COVID-19 | 卷积神经网络（CNN） | CNN | 图像 | 使用来自不同国家的患者公共数据集，包括74个真阴性和32个真阳性病例 | NA | NA | NA | NA |