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 | 2025-10-06 |
MRI-based Identification and Classification of Major Intracranial Tumor Types by Using a 3D Convolutional Neural Network: A Retrospective Multi-institutional Analysis
2021-Sep, Radiology. Artificial intelligence
DOI:10.1148/ryai.2021200301
PMID:34617029
|
研究论文 | 开发基于3D卷积神经网络的算法，用于识别和分类主要颅内肿瘤类型的MRI图像 | 使用多机构回顾性数据开发3D CNN模型，能够同时分类多种颅内肿瘤类型并区分健康组织 | 回顾性研究设计，依赖于公开数据集和单一内部临床数据集 | 开发MRI图像的自动肿瘤分类算法 | 颅内肿瘤患者和健康组织的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 3D医学图像 | 2105张MRI图像（来自5个数据集） | NA | 3D卷积神经网络 | 准确率, 阳性预测值, 阴性预测值, 敏感性, 特异性, F1分数, AUC, AUPRC | NA |
| 2 | 2025-10-06 |
Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling
2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-21-1252
PMID:34233961
|
研究论文 | 开发了一种结合生物正交化学和计算分析的FAST-FNA技术，用于通过细针采样对肿瘤免疫微环境进行快速连续分析 | 首次证明通过简单FNA可准确连续测量治疗期间复杂快速演变的肿瘤免疫微环境，结合了生物正交化学与深度学习辅助分析流程 | NA | 开发能够连续评估肿瘤免疫微环境的微创检测技术 | 临床前样本和人类癌症样本中的单个细胞 | 数字病理学 | 癌症 | 细针穿刺采样，生物正交化学，流式细胞术 | 深度学习 | 单细胞图像数据 | 临床前样本和人类癌症样本 | NA | NA | R2（决定系数） | NA |
| 3 | 2025-10-06 |
Deep Learning Improves Speed and Accuracy of Prostate Gland Segmentations on Magnetic Resonance Imaging for Targeted Biopsy
2021-09, The Journal of urology
IF:5.9Q1
DOI:10.1097/JU.0000000000001783
PMID:33878887
|
研究论文 | 开发深度学习模型ProGNet用于快速准确分割MRI图像中的前列腺，并应用于靶向活检临床实践 | 首个在常规泌尿科临床实践中应用深度学习模型进行前列腺分割用于靶向活检的研究，并在线公开了代码 | 样本主要来自单一机构的活检数据，外部验证病例数相对较少 | 开发快速准确的前列腺MRI分割方法以改善靶向活检流程 | 前列腺MRI图像 | 医学影像分析 | 前列腺癌 | 多参数MRI，磁共振-超声融合活检 | 深度学习 | 医学影像 | 905名受试者（805例训练，100例内部测试，56例外部测试，11例前瞻性验证） | NA | ProGNet, U-Net, holistically-nested edge detector | Dice相似系数 | NA |
| 4 | 2025-10-06 |
When the ventral visual stream is not enough: A deep learning account of medial temporal lobe involvement in perception
2021-09-01, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2021.06.018
PMID:34265252
|
研究论文 | 通过深度学习框架研究内侧颞叶在视觉感知中的作用，解决了关于嗅周皮层参与感知的长期争议 | 建立了一个近似腹侧视觉流功能的深度学习框架，将病变研究、电生理记录和行为结果置于统一的计算框架中 | 模型仅近似腹侧视觉流功能而缺乏嗅周皮层，可能无法完全模拟完整大脑的视觉行为 | 研究内侧颞叶特别是嗅周皮层在视觉感知中的作用机制 | 人类参与者、猕猴电生理记录、已发表的视觉辨别实验数据 | 计算神经科学 | NA | 深度学习、电生理记录 | 深度学习模型 | 行为数据、电生理记录 | 30个已发表视觉辨别实验、新的行为实验参与者 | NA | NA | 行为表现对比 | NA |
| 5 | 2025-10-06 |
Quantitative analysis of metastatic breast cancer in mice using deep learning on cryo-image data
2021-09-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-96838-y
PMID:34471169
|
研究论文 | 本研究开发了一种基于卷积神经网络的深度学习算法，用于自动分析小鼠转移性乳腺癌的冷冻成像数据 | 提出结合多尺度CNN特征与手工特征的三步式转移灶分割算法，显著减少人工干预时间 | 需要专家使用MATLAB软件进行半自动校正，算法泛化性需进一步验证 | 开发自动化方法定量分析小鼠模型中转移性乳腺癌的分布和大小 | 携带4T1乳腺癌细胞的小鼠模型 | 计算机视觉 | 乳腺癌 | 冷冻成像技术 | CNN, 随机森林 | 3D彩色解剖图像和荧光图像 | 4只癌症小鼠 | MATLAB | 卷积神经网络 | 灵敏度, 特异度, AUC | NA |
| 6 | 2025-10-06 |
QSM reconstruction challenge 2.0: Design and report of results
2021-09, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.28754
PMID:33783037
|
研究论文 | 报告第二届定量磁化率成像重建挑战赛的设计方案与结果分析 | 采用两阶段挑战赛设计，首次在合成脑数据中系统评估不同QSM偶极反演算法的准确性 | 基于合成数据评估，未来需在包含背景场和偶极不相容相位贡献的更真实场景中验证 | 测试定量磁化率成像重建算法在模拟脑数据中的准确性 | 合成多回波梯度回波图像数据 | 医学影像分析 | 脑部疾病 | 定量磁化率成像，多回波梯度回波成像 | 迭代方法，深度学习，直接反演方法 | 磁共振图像 | 两个真实头模生成的合成数据集 | NA | 基于总变分的算法 | 八个数值指标，视觉评分 | NA |
| 7 | 2025-02-21 |
EEG-based emotion classification using LSTM under new paradigm
2021-09-27, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ac27c4
PMID:34534973
|
研究论文 | 本文探讨了使用LSTM模型基于EEG信号进行情绪分类的新方法 | 将情绪分类问题建模为序列分类问题，并利用EEG信号的时间域特征进行训练 | 未提及具体的数据集来源和样本多样性问题 | 提高基于EEG信号的情绪分类准确率 | EEG信号 | 机器学习 | NA | EEG信号分析 | LSTM | EEG信号 | 32通道EEG数据 | NA | NA | NA | NA |
| 8 | 2024-12-13 |
A Pilot Study on Automatic Three-Dimensional Quantification of Barrett's Esophagus for Risk Stratification and Therapy Monitoring
2021-09, Gastroenterology
IF:25.7Q1
DOI:10.1053/j.gastro.2021.05.059
PMID:34116029
|
研究论文 | 本文提出了一种基于人工智能的自动三维量化Barrett食管的方法，用于风险分层和治疗监测 | 本文首次实现了Barrett食管的三维重建和自动量化，能够准确测量Prague C&M评分和Barrett食管区域面积 | 研究样本量相对较小，且仅限于高清晰度视频数据 | 评估所提出的人工智能系统在模拟和内镜患者数据上的准确性 | Barrett食管的三维量化和风险分层 | 计算机视觉 | 消化系统疾病 | 深度学习 | 深度估计网络 | 视频 | 194个高清晰度视频来自131名患者 | NA | NA | NA | NA |
| 9 | 2024-11-18 |
DeePhage: distinguishing virulent and temperate phage-derived sequences in metavirome data with a deep learning approach
2021-09-08, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab056
PMID:34498685
|
研究论文 | 本文介绍了一种名为DeePhage的新计算方法，用于区分metavirome数据中的烈性和温和噬菌体序列 | DeePhage使用卷积神经网络检测序列特征，准确率高达89%，比现有工具PhagePred和PHACTS分别高出10%和30%，并且在运行时间上显著减少 | NA | 开发一种能够有效分类metavirome数据中烈性和温和噬菌体序列的新计算方法 | metavirome数据中的烈性和温和噬菌体序列 | 机器学习 | NA | 卷积神经网络 | CNN | DNA序列 | NA | NA | NA | NA | NA |
| 10 | 2024-11-18 |
VC@Scale: Scalable and high-performance variant calling on cluster environments
2021-09-07, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab057
PMID:34494101
|
研究论文 | 本文提出了一种基于Apache Spark的本地工作流程，用于在集群环境中实现可扩展和高性能的变异检测 | 本文的创新点在于提出了一种紧密集成预处理阶段的本地Spark工作流程，利用Python和Apache Arrow实现高效的数据传输，从而提高了变异检测的性能和可扩展性 | NA | 研究目的是开发一种可扩展且高性能的变异检测工作流程，以应对深度学习方法在变异检测中的高计算成本问题 | 研究对象是下一代测序数据的预处理和变异检测工作流程 | 生物信息学 | NA | Apache Spark, Apache Arrow | NA | 测序数据 | NA | NA | NA | NA | NA |
| 11 | 2024-10-13 |
Detection of Optic Disc Abnormalities in Color Fundus Photographs Using Deep Learning
2021-Sep-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000001358
PMID:34415271
|
研究论文 | 本文研究了使用深度学习技术检测彩色眼底照片中的视盘异常 | 本文扩展了深度学习在视盘分析中的应用，以检测一系列非青光眼性视神经病变 | 本文的模型在外部测试数据集上的特异性较低 | 开发一种能够检测彩色眼底照片中视盘异常的深度学习算法 | 视盘异常，包括缺血性视神经病变、萎缩、压迫性视神经病变、遗传性视神经病变、发育不全、视乳头水肿和中毒性视神经病变 | 计算机视觉 | NA | 深度学习 | ResNet-152深度卷积神经网络 | 图像 | 训练数据集包含944张去识别化的彩色眼底照片（异常364张，正常580张），测试数据集包含151张去识别化的彩色眼底照片（异常71张，正常80张） | NA | NA | NA | NA |
| 12 | 2024-10-06 |
An Unsupervised Learning-Based Multi-Organ Registration Method for 3D Abdominal CT Images
2021-Sep-18, Sensors (Basel, Switzerland)
DOI:10.3390/s21186254
PMID:34577461
|
研究论文 | 本文提出了一种基于无监督学习的3D腹部CT图像多器官配准方法 | 引入了一种改进的无监督学习框架，通过嵌入粗到细递归级联网络（RCN）模块和拓扑保持损失函数，提高了多器官配准的准确性 | 未提及具体限制 | 开发一种能够满足实时和高精度临床需求的3D腹部CT图像多器官配准方法 | 3D腹部CT图像的多器官配准 | 计算机视觉 | NA | 无监督学习 | U-net | 图像 | 使用了四个公开数据库进行验证 | NA | NA | NA | NA |
| 13 | 2024-10-06 |
Artificial intelligence-driven assessment of radiological images for COVID-19
2021-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2021.104665
PMID:34343890
|
综述 | 本文综述了人工智能（AI）在COVID-19放射影像评估中的应用及其相关挑战 | 探讨了AI在COVID-19诊断和预后中的潜力，特别是通过胸部X光（CXR）和计算机断层扫描（CT）影像 | 样本量不足、非标准化影像协议、分割问题、公开COVID-19数据库的可用性、影像与临床信息的结合以及全面的临床验证是主要限制和挑战 | 旨在概述COVID-19 AI分析的工作流程，并讨论现有AI分析的局限性及其潜在改进 | COVID-19的放射影像评估 | 计算机视觉 | COVID-19 | 深度学习 | 混合模型（结合深度学习和显式放射组学） | 影像 | NA | NA | NA | NA | NA |
| 14 | 2024-10-06 |
Deep learning for improving non-destructive grain mapping in 3D
2021-Sep-01, IUCrJ
IF:2.9Q3
DOI:10.1107/S2052252521005480
PMID:34584734
|
研究论文 | 本文提出了一种利用深度学习神经网络改进实验室X射线衍射对比断层扫描（LabDCT）图像中晶粒结构三维无损表征的方法 | 本文创新性地使用深度学习神经网络来有效去除背景噪声，从而简化衍射点的分割过程 | NA | 改进实验室X射线衍射对比断层扫描图像中晶粒结构的三维无损表征 | 实验室X射线衍射对比断层扫描图像中的晶粒结构 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 不同几何条件下测量的不同样本的实验图像 | NA | NA | NA | NA |
| 15 | 2024-09-26 |
A Review of Methods for Sleep Arousal Detection Using Polysomnographic Signals
2021-Sep-26, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci11101274
PMID:34679339
|
综述 | 本文综述了近年来基于多导睡眠图信号的睡眠唤醒检测方法，包括统计规则和深度学习方法 | 深度学习方法在不同数据集上表现出强大的泛化能力，预测结果接近人类专家的判断 | NA | 探讨自动睡眠唤醒检测系统的开发，以帮助临床医生诊断睡眠障碍 | 睡眠唤醒检测方法 | 机器学习 | NA | 多导睡眠图（PSG） | 卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆神经网络（LSTM）、残差神经网络（ResNet）及其组合 | 信号 | NA | NA | NA | NA | NA |
| 16 | 2024-09-25 |
On Clinical Agreement on the Visibility and Extent of Anatomical Layers in Digital Gonio Photographs
2021-09-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.10.11.1
PMID:34468695
|
研究论文 | 本文量化评估了眼科医生在数字前房角照片上描绘解剖层轮廓的注释者间变异性，为自动化分析算法的验证提供了基准 | 本文首次系统地评估了眼科医生在前房角照片上描绘解剖层轮廓的一致性，为深度学习模型的验证提供了基础 | 研究样本量较小，仅包含20张图像，可能影响结果的普适性 | 评估眼科医生在数字前房角照片上描绘解剖层轮廓的一致性，为自动化分析算法的验证提供基准 | 眼科医生在前房角照片上描绘的解剖层轮廓 | 计算机视觉 | NA | NA | NA | 图像 | 20张前房角照片，由5名经验丰富的眼科医生进行注释 | NA | NA | NA | NA |
| 17 | 2024-09-15 |
Ten future challenges for synthetic biology
2021-Sep, Engineering biology
DOI:10.1049/enb2.12011
PMID:36968258
|
评论 | 本文讨论了合成生物学领域的10个未来挑战 | NA | NA | 探讨合成生物学未来的技术进步和发展方向 | 合成生物学领域的技术挑战 | 合成生物学 | NA | 自动化、深度学习、进化控制 | NA | NA | NA | NA | NA | NA | NA |
| 18 | 2024-09-10 |
A novel fusion-based deep learning model for sentiment analysis of COVID-19 tweets
2021-Sep-27, Knowledge-based systems
IF:7.2Q1
DOI:10.1016/j.knosys.2021.107242
PMID:36570870
|
研究论文 | 提出了一种基于深度学习和经典监督机器学习模型融合的新方法，用于分析COVID-19相关推文的情感 | 融合了深度学习和经典监督机器学习模型，用于情感分析 | 未提及具体限制 | 研究COVID-19相关推文的情感，以帮助监控和控制疫情 | COVID-19相关推文和Google Trends搜索数据 | 自然语言处理 | NA | 深度学习 | 融合模型 | 文本 | 超过150万感染病例和100万死亡病例 | NA | NA | NA | NA |
| 19 | 2024-09-10 |
Revealing the Threat of Emerging SARS-CoV-2 Mutations to Antibody Therapies
2021-09-03, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2021.167155
PMID:34273397
|
研究论文 | 本文研究了SARS-CoV-2变异对现有抗体疗法的潜在威胁 | 开发了一种基于拓扑的深度学习策略，分析了大量基因数据，揭示了高频突变对临床试验中多种单克隆抗体的潜在影响 | 研究结果主要基于模型预测，尚未经过实验验证 | 揭示SARS-CoV-2变异对现有抗体疗法的潜在威胁 | SARS-CoV-2刺突蛋白受体结合域的突变及其对临床试验中单克隆抗体的影响 | 机器学习 | COVID-19 | 深度学习 | 深度学习模型 | 基因数据 | 分析了796,759个患者基因样本，识别了606个非简并RBD突变 | NA | NA | NA | NA |
| 20 | 2024-09-10 |
A cognitive IoT-based framework for effective diagnosis of COVID-19 using multimodal data
2021-Sep, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2021.102960
PMID:34249142
|
研究论文 | 提出了一种基于认知物联网和深度学习的框架，用于使用多模态数据进行COVID-19的有效诊断 | 引入了两个轻量级模型CovParaNet和CovTinyNet，分别用于音频和图像分类，并通过动态多模态随机森林分类器集成结果，实现了100%的准确率、精确率和召回率 | NA | 减少COVID-19误诊率，提供一个自我诊断系统以降低测试中心的病毒传播风险 | COVID-19的准确预测 | 机器学习 | COVID-19 | 深度学习 | CNN | 多模态数据 | 小数据集 | NA | NA | NA | NA |