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 1865 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2025-06-07 |
FocusCovid: automated COVID-19 detection using deep learning with chest X-ray images
2022, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-021-09385-2
PMID:38624806
|
研究论文 | 本文提出了一种基于深度卷积神经网络的架构，用于通过胸部X光片自动检测COVID-19 | 利用深度学习技术自动检测COVID-19，减轻医疗基础设施的压力 | 尽管模型准确率高，但COVID-19的诊断仍需与专业医疗临床医生协商决定 | 开发一种自动化工具以辅助COVID-19的早期筛查和检测 | 胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 182 | 2025-06-06 |
Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients
2022-Dec, IEEE transactions on technology and society
DOI:10.1109/TTS.2022.3195114
PMID:36573115
|
研究论文 | 本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义 | 应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度 | 研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性 | 评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度 | COVID-19患者的胸部X光片 | 数字病理学 | COVID-19 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 183 | 2025-10-06 |
A comprehensive review of federated learning for COVID-19 detection
2022-Mar, International journal of intelligent systems
IF:5.0Q1
DOI:10.1002/int.22777
PMID:37520859
|
综述 | 本文系统回顾了联邦学习在COVID-19检测中的应用进展 | 重点关注联邦学习在医疗数据隐私保护下的COVID-19检测应用，通过实际案例展示其可行性 | 未涉及具体实验验证，主要基于文献回顾和分析 | 探讨联邦学习技术在COVID-19检测中的适用性和挑战 | COVID-19检测相关临床数据和胸部X光影像数据 | 机器学习 | COVID-19 | 深度学习，联邦学习 | 深度学习模型 | 临床症状数据，胸部X光影像 | NA | NA | NA | NA | NA |
| 184 | 2025-05-31 |
Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder
2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop)
DOI:10.1007/978-3-031-16980-9_10
PMID:39026926
|
研究论文 | 提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像以增强训练数据集的量和多样性 | 设计了条件嵌入块（CEB）和掩码嵌入块（MEB）来编码掩码的固有条件到特征空间，以更好地利用外部信息提供额外的监督 | 需要大量标注数据进行训练，而收集新兴治疗如LITT的大数据集是不现实的 | 通过合成脑部病变图像来增强训练数据集，以提升下游分割任务的性能 | 脑部病变图像 | 计算机视觉 | 颞叶癫痫 | 深度学习 | CNN, 对抗变分自编码器 | 图像 | NA | NA | NA | NA | NA |
| 185 | 2025-05-23 |
Integrated imaging and molecular analysis to decipher tumor microenvironment in the era of immunotherapy
2022-09, Seminars in cancer biology
IF:12.1Q1
DOI:10.1016/j.semcancer.2020.12.005
PMID:33290844
|
综述 | 本文系统回顾了免疫治疗时代下的放射基因组学最新研究，探讨了AI和深度学习方法的新兴范式与机遇 | 整合影像学和分子分析以非侵入性方式解析肿瘤微环境，特别是在免疫治疗中的应用 | 未提及具体技术或模型的性能限制 | 探索放射基因组学在癌症精准治疗中的临床应用潜力 | 肿瘤微环境，特别是肿瘤浸润淋巴细胞 | 数字病理 | 癌症 | 放射组学，AI，深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 186 | 2025-05-23 |
Emerging role of artificial intelligence in therapeutics for COVID-19: a systematic review
2022-07, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2020.1855250
PMID:33300456
|
系统综述 | 探讨人工智能在COVID-19治疗中的作用 | 首次系统综述了人工智能在COVID-19药物再利用、新药发现、疫苗和抗体开发中的应用 | 人工智能筛选程序目前处于起步阶段，仅依赖此类算法并不可取，需要基于证据的方法来确认其有效性 | 阐明人工智能在COVID-19治疗中的作用 | COVID-19的治疗方法，包括药物再利用、新药发现、疫苗和抗体开发 | 人工智能 | COVID-19 | AI, 机器学习, 深度学习 | NA | 文献数据 | 31项研究 | NA | NA | NA | NA |
| 187 | 2025-10-07 |
Artificial Intelligence-based Tumor Segmentation in Mouse Models of Lung Adenocarcinoma
2022, Journal of pathology informatics
DOI:10.1016/j.jpi.2022.100007
PMID:35242446
|
研究论文 | 开发了一种基于深度学习的人工智能算法，用于在小鼠肺腺癌模型的H&E组织切片上自动分割肿瘤病灶 | 首次将DeepLabV3+和UNet架构应用于小鼠肺腺癌模型的肿瘤分割，并通过面积阈值化方法将假阳性降低了10倍 | 不同染色标准化策略未显示出对基线模型的改进效果 | 开发自动化肿瘤分割方法以减少人工测量误差和时间消耗 | 小鼠肺腺癌模型的H&E组织学切片 | 数字病理学 | 肺腺癌 | H&E染色，数字切片扫描 | 深度学习 | 图像 | 239只小鼠（训练集137只，验证集37只，测试集65只） | NA | DeepLabV3+, UNet, ResNet-50 | Dice系数，灵敏度，阳性预测值 | NA |
| 188 | 2025-10-07 |
Attentive Recurrent Network for Low-Latency Active Noise Control
2022-Sep, Interspeech
DOI:10.21437/interspeech.2022-811
PMID:40313355
|
研究论文 | 提出一种基于注意力循环网络的低延迟主动噪声控制方法 | 采用注意力循环网络结合延迟补偿训练策略和修订版重叠相加法，实现零甚至负算法延迟 | NA | 在深度学习框架下实现低延迟主动噪声控制 | 主动噪声控制系统 | 机器学习 | NA | 深度学习 | 循环神经网络 | 音频信号 | NA | NA | 注意力循环网络 | 算法延迟 | NA |
| 189 | 2025-10-07 |
Applying Deep Learning to Establish a Total Hip Arthroplasty Radiography Registry: A Stepwise Approach
2022-09-21, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.21.01229
PMID:35866648
|
研究论文 | 本研究开发了基于深度学习的自动化流程，用于建立全髋关节置换术影像注册表 | 采用分步式深度学习方法自动筛选和标注髋关节影像，实现了高效准确的影像注册表构建 | 研究为单中心回顾性研究，证据等级为IV级 | 建立自动化的全髋关节置换术影像注册表，实现影像的自动筛选和角度测量 | 20,378名接受初次或翻修全髋关节置换术患者的846,988份髋部和骨盆X光影像 | 计算机视觉 | 骨科疾病 | X光摄影 | CNN, 目标检测 | 医学影像 | 846,988份DICOM文件，来自20,378名患者 | NA | EfficientNetB3, YOLOv5 | 准确率, 精确率, 召回率, F1分数 | NA |
| 190 | 2024-11-19 |
Retraction: A comprehensive review of deep learning-based single image super-resolution
2022, PeerJ. Computer science
DOI:10.7717/peerj-cs.621/retraction
PMID:39554485
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 191 | 2025-10-07 |
Artificial Intelligence for Intraoperative Guidance: Using Semantic Segmentation to Identify Surgical Anatomy During Laparoscopic Cholecystectomy
2022-08-01, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000004594
PMID:33196488
|
研究论文 | 开发并评估用于腹腔镜胆囊切除术中识别安全/危险解剖区域的人工智能模型 | 首次使用语义分割技术实时识别腹腔镜胆囊切除术中的安全/危险解剖区域和关键解剖标志 | 研究基于单中心数据集，未在真实手术环境中进行实时验证 | 开发术中实时解剖识别AI系统以减少手术不良事件 | 腹腔镜胆囊切除术视频帧中的解剖结构 | 计算机视觉 | 胆囊疾病 | 深度学习 | CNN | 视频帧图像 | 290个手术视频的2627帧图像，来自37个国家136个机构的153名外科医生 | NA | 语义分割网络 | IOU, F1分数, 准确率, 灵敏度, 特异性 | NA |
| 192 | 2025-10-07 |
Unreferenced English articles' translation quality-oriented automatic evaluation technology using sparse autoencoder under the background of deep learning
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0270308
PMID:35830434
|
研究论文 | 提出一种基于稀疏自编码器的深度学习模型，用于无参考英文文章的翻译质量自动评估 | 在双语词无监督学习阶段使用自编码器重构翻译语言向量特征，并将翻译信息融入双语词优化特征提取效果 | 未明确说明模型的具体局限性 | 实现无参考英文文章的自动翻译质量评估 | 无参考英文文章的翻译质量 | 自然语言处理 | NA | 深度学习 | 自编码器,稀疏自编码器 | 文本 | 句子数量从1,000到6,000 | NA | 自编码器 | BLEU | NA |
| 193 | 2025-10-07 |
Secure deep learning for distributed data against malicious central server
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0272423
PMID:35913921
|
研究论文 | 提出一种针对分布式数据的深度学习安全系统，能够检测恶意中央服务器活动并支持多种神经网络训练方式 | 系统具备恶意服务器检测能力和支持垂直/水平神经网络训练的独特特性 | NA | 开发安全的分布式深度学习系统以防范恶意中央服务器 | 分布式训练器与中央参数服务器组成的系统 | 机器学习 | NA | 深度学习 | 神经网络 | 磁共振图像，X射线图像 | NA | NA | NA | AUC（曲线下面积） | NA |
| 194 | 2025-10-07 |
Multimodal Autoencoder Predicts fNIRS Resting State From EEG Signals
2022-07, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-021-09538-3
PMID:34378155
|
研究论文 | 提出一种多模态自编码器架构，能够从癫痫患者的脑电图信号预测功能性近红外光谱静息状态 | 首次证明基于脑电图功率谱幅度调制的频率振荡可以预测大脑血流动力学，通过多模态序列到序列自编码器实现无需先验知识的fNIRS信号预测 | 研究仅针对40名癫痫患者，样本量有限，且仅在静息状态下进行验证 | 探索脑电图信号与功能性近红外光谱信号之间的关联性，实现从神经电活动到血流动力学的跨模态预测 | 40名癫痫患者的脑电图和功能性近红外光谱多模态记录数据 | 机器学习 | 癫痫 | 脑电图，功能性近红外光谱 | LSTM, CNN | 脑电信号，光谱信号 | 40名癫痫患者 | NA | 多模态序列到序列自编码器 | 基于种子的功能连接性验证 | NA |
| 195 | 2025-04-06 |
Deep learning and radiomics framework for PSMA-RADS classification of prostate cancer on PSMA PET
2022-Dec-29, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-022-00948-1
PMID:36580220
|
研究论文 | 开发了一个深度学习和放射组学框架，用于在PSMA PET图像上进行前列腺癌的PSMA-RADS分类 | 结合深度学习和放射组学方法，实现了病变级别和患者级别的PSMA-RADS分类，并提供了置信度和概率评分 | 研究为回顾性研究，样本来源单一 | 提高前列腺癌在PSMA PET图像上的分类准确性 | 前列腺癌患者的PSMA PET图像 | 数字病理学 | 前列腺癌 | PET/CT扫描 | 深度学习 | 医学影像 | 267名男性患者的3794个病变 | NA | NA | NA | NA |
| 196 | 2025-04-04 |
Detecting negative valence symptoms in adolescents based on longitudinal self-reports and behavioral assessments
2022-09-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2022.06.002
PMID:35688394
|
research paper | 该研究提出了一种纵向深度学习框架，用于检测青少年负价症状的自我报告和行为评估 | 利用深度学习框架识别与负价系统相关的抑郁症状预测因子，包括外向性较低、睡眠质量较差、执行控制功能受损和物质使用相关因素 | 结果主要依赖于自我报告测量，未提供潜在神经相关性的信息，且需要更大的样本来理解性别和其他人口统计学因素在负价症状风险中的作用 | 理解青少年负价症状的轨迹及其对成年后心理健康的影响 | 621名12至17岁的青少年参与者 | machine learning | depression | deep learning | NA | self-reports and behavioral assessments | 621名参与者 | NA | NA | NA | NA |
| 197 | 2025-10-07 |
Quantitative imaging of apoptosis following oncolytic virotherapy by magnetic resonance fingerprinting aided by deep learning
2022-05, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-021-00809-7
PMID:34764440
|
研究论文 | 本研究开发了一种结合深度学习与化学交换饱和转移磁共振指纹成像的非侵入性方法，用于检测溶瘤病毒治疗后的早期细胞凋亡反应 | 首次将深度学习辅助的CEST-MRF技术应用于溶瘤病毒治疗后的细胞凋亡定量成像，无需外源性对比剂即可快速检测肿瘤内pH值和蛋白质、脂质浓度变化 | 目前仅在胶质母细胞瘤小鼠模型和一名健康志愿者中验证，需要更大规模的临床研究确认其普适性 | 开发非侵入性成像方法监测溶瘤病毒治疗的宿主反应 | 胶质母细胞瘤小鼠模型和健康志愿者 | 医学影像分析 | 胶质母细胞瘤 | 化学交换饱和转移磁共振指纹成像(CEST-MRF) | 深度神经网络 | 磁共振成像数据 | 胶质母细胞瘤小鼠模型和1名健康志愿者 | NA | 深度神经网络 | 与文献值一致性 | NA |
| 198 | 2025-10-07 |
Real-time risk prediction of colorectal surgery-related post-surgical complications using GRU-D model
2022-11, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2022.104202
PMID:36162805
|
研究论文 | 本研究使用GRU-D深度学习模型开发结直肠手术后并发症的实时风险预测系统 | 首次将GRU-D模型应用于结直肠手术后并发症的实时风险预测，并展示了其临床实用性 | 复杂架构（堆叠层、多模态）相比单层GRU-D未见明显优势，模型在某些并发症类型预测上表现不如逻辑回归 | 开发结直肠手术后并发症的风险预测模型，用于针对性预防干预 | 结直肠手术患者 | 机器学习 | 结直肠疾病 | 电子健康记录数据分析 | GRU-D | 电子健康记录 | 3,535例结直肠手术患者 | NA | 单层GRU-D, 堆叠层GRU-D, 多模态GRU-D | AUROC | NA |
| 199 | 2025-10-07 |
Use of the deep learning approach to measure alveolar bone level
2022-03, Journal of clinical periodontology
IF:5.8Q1
DOI:10.1111/jcpe.13574
PMID:34879437
|
研究论文 | 开发了一种基于深度学习的方法，通过牙周X线片测量牙槽骨水平以辅助牙周诊断 | 整合了三个分割网络（骨区域、牙齿、釉牙骨质界）和图像分析来测量放射线骨水平并分配放射线骨丧失分期 | 模型需要进一步优化并通过更多图像验证以促进其应用 | 使用深度卷积神经网络测量放射线牙槽骨水平以辅助牙周诊断 | 牙周X线片中的牙槽骨 | 计算机视觉 | 牙周病 | 放射线成像 | CNN | 图像 | NA | NA | NA | Dice相似系数, AUC, 准确率 | NA |
| 200 | 2025-10-07 |
Multi-step short-term
P
M
2.5
forecasting for enactment of proactive environmental regulation strategies
2022-04-21, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-022-10029-4
PMID:35445884
|
研究论文 | 本研究使用LSTM模型对北京和旁遮普地区的PM2.5浓度进行多步短期预测，以支持环境监管策略制定 | 采用贝叶斯优化技术调谐LSTM模型超参数和权重初始化策略，针对南亚两个高污染区域进行多变量多步预测 | 预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290 | 开发PM2.5多步短期预测模型，为建立空气质量预警系统和制定环境监管政策提供支持 | 中国北京和巴基斯坦旁遮普地区的PM2.5浓度数据 | 机器学习 | 心血管疾病 | 时间序列预测 | LSTM | 时间序列数据 | 两个高污染区域（北京和旁遮普）的空气质量数据 | NA | LSTM | RMSE, 准确率 | NA |