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 1799 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-10-19 |
Multicenter Validation of a Deep Learning Detection Algorithm for Focal Cortical Dysplasia
2022-May-24, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000200293
PMID:35513003
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22 | 2025-10-09 |
3D bi-directional transformer U-Net for medical image segmentation
2022, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2022.1080715
PMID:36687770
|
研究论文 | 提出一种名为3DTU的新型三维医学图像分割框架，结合3D Transformer和3D DCNN的优势 | 设计了新颖的3D注意力机制，在编码器端使用3D Transformer、解码器端使用3D DCNN，充分挖掘自注意力能力 | NA | 解决传统深度卷积神经网络在医学图像分割中全局关系处理能力不足的问题 | 三维医学图像分割 | 医学图像分析 | NA | NA | Transformer, CNN | 3D MRI图像, 3D CT图像 | 两个独立数据集 | NA | U-Net, Transformer | 多种评估指标 | NA |
| 23 | 2025-10-05 |
Machine-learning based investigation of prognostic indicators for oncological outcome of pancreatic ductal adenocarcinoma
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.895515
PMID:36568148
|
研究论文 | 开发基于3D-CNN的机器学习模型，利用术前CT扫描预测胰腺导管腺癌的淋巴结转移和术后切缘状态 | 首次将三维卷积神经网络应用于胰腺癌术前CT扫描，同时预测淋巴结转移和术后切缘状态 | 样本量较小（110名患者），需要更大规模研究验证模型的普适性 | 改善胰腺导管腺癌术前影像学分期，预测术后切缘和淋巴结状态 | 胰腺导管腺癌患者 | 计算机视觉 | 胰腺癌 | CT扫描 | CNN | 医学影像 | 110名患者的881个CT扫描 | NA | 3D-CNN | 准确率 | NA |
| 24 | 2025-10-05 |
Validation of Deep Learning-based Sleep State Classification
2022, microPublication biology
DOI:10.17912/micropub.biology.000643
PMID:36277479
|
研究论文 | 本研究验证了混合z-score标准化与深度学习结合在小鼠睡眠状态分类中的有效性 | 验证了混合z-score预处理方法结合深度学习在独立数据集上的睡眠状态分类性能 | 仅使用12个三小时EEG/EMG记录，样本量有限 | 验证混合z-score标准化与深度学习方法在睡眠状态分类中的有效性 | 小鼠脑电图(EEG)和肌电图(EMG)记录 | 机器学习 | 睡眠障碍 | EEG/EMG信号记录 | CNN | EEG/EMG信号 | 12个三小时EEG/EMG记录 | NA | 卷积神经网络 | 准确率, Cohen's κ | NA |
| 25 | 2025-10-05 |
Exploration of Despair Eccentricities Based on Scale Metrics with Feature Sampling Using a Deep Learning Algorithm
2022-Nov-17, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12112844
PMID:36428903
|
研究论文 | 提出一种基于深度学习算法的音频预测技术，用于检测后冠状病毒症状和抑郁倾向 | 首次将音频特征采样与深度学习算法结合用于后冠状病毒症状的抑郁特征识别，性能指标较传统方法提升约67% | NA | 通过音频分析早期识别后冠状病毒症状和抑郁风险，防止心理健康恶化 | 受冠状病毒疫情影响的人群及其心理健康状态 | 机器学习 | 精神疾病 | 音频预测技术 | 深度学习算法 | 音频数据 | NA | NA | NA | 性能指标 | NA |
| 26 | 2025-10-05 |
Segmenting Skin Biopsy Images with Coarse and Sparse Annotations using U-Net
2022-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00641-8
PMID:35501416
|
研究论文 | 提出一种使用粗糙稀疏标注的两阶段分割管道，用于皮肤活检图像分割 | 使用全切片图像小区域的粗糙稀疏标注作为训练集，开发了两阶段分割管道 | 依赖专家标注作为金标准，标注过程仍然需要专业人工参与 | 开发能够使用粗糙稀疏标注训练的分割方法，降低医学图像标注成本 | 皮肤活检图像中的黑色素细胞病变组织 | 数字病理 | 黑色素瘤 | 全切片图像分析 | U-Net | 医学图像 | NA | NA | U-Net | NA | NA |
| 27 | 2025-10-06 |
A multimodal deep learning model for cardiac resynchronisation therapy response prediction
2022-07, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2022.102465
PMID:35487111
|
研究论文 | 提出一种新颖的多模态深度学习框架，用于从2D超声心动图和心脏磁共振数据预测心脏再同步化治疗反应 | 首次提出用于CRT反应预测的多模态深度学习方法，能够仅使用2D超声心动图数据时仍利用学习到的CMR与超声心动图特征间的隐含关系 | 研究队列规模较小（仅50名患者），需要进一步验证 | 开发心脏再同步化治疗反应预测模型 | 接受心脏再同步化治疗的患者 | 医学影像分析 | 心血管疾病 | 2D超声心动图，心脏磁共振成像 | 深度学习 | 医学影像 | 50名CRT患者，配对的超声心动图/CMR数据 | nnU-Net | U-Net | 准确率，敏感性，特异性 | NA |
| 28 | 2025-10-06 |
Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review
2022-Oct-17, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12102512
PMID:36292201
|
综述 | 对心胸影像领域中机器学习和深度学习应用的范围综述 | 系统性地梳理了心胸影像领域ML/DL研究的整体格局，特别关注了COVID-19大流行对该领域的影响 | 作为范围综述，主要提供领域概览而非深入的技术分析 | 了解ML/DL在快速发展的心胸影像领域中的应用现状 | 心胸影像相关的医学文献 | 医学影像分析 | 心胸疾病 | NA | 机器学习,深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 29 | 2025-10-06 |
Computed cancer interactome explains the effects of somatic mutations in cancers
2022-12, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4479
PMID:36261849
|
研究论文 | 本研究应用AlphaFold预测癌症蛋白质相互作用网络，并分析体细胞错义突变在相互作用界面的分布规律 | 首次系统性地应用AlphaFold构建癌症蛋白质相互作用组，为1,087个缺乏三维结构信息的蛋白质复合体提供结构模型 | 预测的蛋白质相互作用需要实验验证，分析方法主要基于计算预测 | 研究癌症中蛋白质相互作用网络及其与体细胞突变的关系 | 癌症驱动蛋白及其相互作用网络 | 计算生物学 | 癌症 | AlphaFold深度学习，蛋白质结构预测 | 深度学习 | 蛋白质序列，三维结构数据 | 1,798个预测的蛋白质相互作用，1,087个新结构模型 | AlphaFold | 深度学习架构（具体未指明） | 富集分析，缺失分析 | NA |
| 30 | 2025-10-06 |
GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction
2022-Oct, Computational statistics & data analysis
IF:1.5Q2
DOI:10.1016/j.csda.2022.107528
PMID:39257897
|
研究论文 | 提出一种GPU加速的共享随机效应联合模型估计方法，用于动态预测临床终点事件风险 | 结合新颖的两阶段估计算法和GPU编程技术，显著加速联合模型的估计过程 | 未明确说明模型在特定疾病类型或小样本场景下的适用性 | 解决纵向和生存数据联合模型计算效率低的问题，提高动态预测准确性 | 纵向队列研究中具有临床终点事件风险的受试者 | 机器学习 | NA | 纵向数据分析，生存分析 | 共享随机效应联合模型 | 纵向数据，生存数据 | NA | PyTorch | NA | 预测准确度 | GPU |
| 31 | 2025-10-06 |
Fast and scalable search of whole-slide images via self-supervised deep learning
2022-12, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-022-00929-8
PMID:36217022
|
研究论文 | 提出一种基于自监督深度学习的全切片图像快速检索方法SISH | 开发了检索速度与数据库大小无关的WSI检索算法，仅需切片级别标注即可训练 | NA | 开发无需监督训练的全切片图像快速检索方法 | 全切片图像(WSI) | 数字病理学 | 癌症 | 自监督深度学习 | 深度学习 | 图像 | 超过22,000例患者病例，56种疾病亚型 | NA | SISH | NA | NA |
| 32 | 2025-10-06 |
Detection of signs of disease in external photographs of the eyes via deep learning
2022-12, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-022-00867-5
PMID:35352000
|
研究论文 | 本研究开发了一种基于深度学习的外部眼部照片分析系统，用于检测糖尿病视网膜病变等眼部疾病 | 首次使用外部眼部照片而非视网膜底片照片，通过深度学习检测多种糖尿病相关眼部疾病和血糖控制不良 | 需要进一步验证在不同相机设备和患者群体中的适用性 | 开发基于外部眼部照片的疾病检测深度学习模型 | 糖尿病患者的外部眼部照片 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 深度学习模型 | 图像 | 145,832名糖尿病患者用于训练，48,644名患者用于验证 | NA | NA | 预测性能 | NA |
| 33 | 2025-10-06 |
Derivation of prognostic contextual histopathological features from whole-slide images of tumours via graph deep learning
2022-Dec, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-022-00923-0
PMID:35982331
|
研究论文 | 通过图深度学习从肿瘤全切片图像中提取具有预后价值的上下文组织病理学特征 | 首次在半监督方式下使用图深度神经网络考虑肿瘤微环境中的上下文特征，提供可解释的预后生物标志物 | 方法仅在四种癌症类型上验证，需要进一步扩展到更多癌症类型 | 开发能够从全切片图像中提取预后相关上下文特征的计算病理学方法 | 肾脏癌、乳腺癌、肺癌和子宫癌患者的全切片图像 | 数字病理学 | 多癌种（肾脏癌、乳腺癌、肺癌、子宫癌） | 全切片图像分析 | 图神经网络 | 图像 | 3,950名患者用于模型训练和验证，1,333名肾透明细胞癌患者用于风险分层 | NA | 图深度神经网络，注意力机制 | 预后预测准确性，风险分层能力 | NA |
| 34 | 2025-09-06 |
Graph deep learning detects contextual prognostic biomarkers from whole-slide images
2022-12, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-022-00927-w
PMID:35986140
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 35 | 2025-10-06 |
Graph deep learning for the characterization of tumour microenvironments from spatial protein profiles in tissue specimens
2022-12, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-022-00951-w
PMID:36357512
|
研究论文 | 本研究开发了一种基于图神经网络的深度学习模型，利用空间蛋白质谱数据表征肿瘤微环境 | 首次将图神经网络应用于空间蛋白质谱数据，通过局部子图建模肿瘤微环境中的细胞相互作用 | 方法在头颈癌和结直肠癌中验证，需要进一步在其他癌症类型中验证 | 开发能够从空间蛋白质谱数据中识别与临床结果相关的肿瘤微环境特征的方法 | 人类头颈癌和结直肠癌组织标本 | 数字病理学 | 头颈癌,结直肠癌 | 多重免疫荧光成像 | 图神经网络 | 空间蛋白质谱图像数据 | NA | NA | 图神经网络 | 预测准确性 | NA |
| 36 | 2025-10-06 |
Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG
2022-Mar-08, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12030654
PMID:35328207
|
研究论文 | 开发并验证了一种基于人工智能的智能手表心电图技术，通过生成12导联心电图来检测心力衰竭伴射血分数降低 | 首次开发了能够从异步2导联心电图生成10导联心电图的深度学习模型(ECGT2T)，并基于生成的12导联心电图检测HFrEF | 研究仅在两所医院进行，需要更多外部验证；阳性预测值相对较低(0.258) | 开发人工智能增强的智能手表心电图技术用于心力衰竭检测 | 成年患者，包括进行12导联心电图检查和超声心动图检查的患者 | 医疗人工智能 | 心血管疾病 | 心电图(ECG)，超声心动图 | GAN, CNN | 心电图信号数据 | 开发ECGT2T模型：137,673名患者，458,745份心电图；开发HFrEF检测模型：38,643名患者，88,900份心电图；验证集：755名患者 | NA | 生成对抗网络，卷积神经网络 | AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 37 | 2025-10-06 |
Using Deep-Learning Algorithms to Simultaneously Identify Right and Left Ventricular Dysfunction From the Electrocardiogram
2022-03, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2021.08.004
PMID:34656465
|
研究论文 | 开发深度学习模型通过心电图数据同时评估左右心室功能障碍 | 首次开发能够同时评估左右心室功能的深度学习模型，突破了现有工具仅能评估左心室重度功能障碍的限制 | 模型性能在不同LVEF分类区间存在差异，特别是40%<LVEF≤50%区间表现相对较弱 | 利用深度学习技术从心电图数据中全面量化左右心室功能 | 来自5家纽约医院的大型多样化患者群体 | 医疗人工智能 | 心血管疾病 | 深度学习, 自然语言处理 | 深度学习模型 | 心电图, 超声心动图报告 | 147,636名患者的715,890份心电图与超声心动图LVEF配对数据；148,227名患者的761,510份心电图与404,502份超声心动图报告配对数据 | NA | NA | AUC, 平均绝对误差 | NA |
| 38 | 2025-10-06 |
Fairness in Cardiac Magnetic Resonance Imaging: Assessing Sex and Racial Bias in Deep Learning-Based Segmentation
2022, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2022.859310
PMID:35463778
|
研究论文 | 本研究首次在大规模数据库上分析基于AI的心脏磁共振成像分割模型中存在的性别和种族偏见 | 首次对基于深度学习的电影CMR分割模型进行性别/种族偏见分析 | 使用的UK Biobank数据库种族不平衡，可能影响模型泛化能力 | 评估深度学习模型在心脏磁共振成像分割中的公平性 | 5,903名来自UK Biobank的受试者（61.5±7.1岁，52%男性，81%白人） | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 短轴电影CMR图像 | 5,903名受试者 | NA | NA | Dice系数, 容积测量误差, 功能测量误差 | NA |
| 39 | 2025-10-06 |
The Application of Artificial Intelligence Technology in Art Teaching Taking Architectural Painting as an Example
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/8803957
PMID:35619771
|
研究论文 | 本研究探讨人工智能技术在艺术教学中的应用，以建筑绘画为例 | 提出将L-BFGS算法应用于艺术教学领域，并与传统优化算法进行对比 | NA | 研究人工智能技术在艺术教学中的应用效果 | 建筑绘画艺术教学 | 机器学习 | NA | 深度学习技术 | 轻量级深度学习模型 | NA | NA | NA | NA | 准确率 | NA |
| 40 | 2025-10-06 |
From systems to structure - using genetic data to model protein structures
2022-06, Nature reviews. Genetics
DOI:10.1038/s41576-021-00441-w
PMID:35013567
|
综述 | 本文综述了利用大规模遗传数据和深度学习方法建模蛋白质结构及其相互作用的最新进展 | 整合共进化分析、深度突变扫描和基因组尺度遗传相互作用数据，结合深度学习技术进行蛋白质结构建模 | NA | 开发基于遗传数据的蛋白质结构建模方法 | 蛋白质结构和蛋白质相互作用 | 机器学习 | NA | 共进化分析, 深度突变扫描, 遗传相互作用图谱 | 深度学习 | 遗传数据, 结构数据 | NA | NA | NA | NA | NA |