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 95 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 | 2025-10-19 |
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 |
| 2 | 2025-10-06 |
A hybrid deep learning model for forecasting lymphocyte depletion during radiation therapy
2022-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15584
PMID:35229311
|
研究论文 | 提出一种混合深度学习模型预测食管癌患者放疗期间淋巴细胞耗竭趋势 | 开发了具有堆叠结构的四通道混合模型，结合LSTM和神经网络处理多类特征，并引入判别性核函数提取时序特征 | 研究仅针对食管癌患者，未验证在其他癌种中的适用性 | 预测放疗引起的淋巴细胞耗竭以优化放疗治疗计划 | 接受同步放化疗的食管癌患者 | 医疗人工智能 | 食管癌 | 放射治疗 | LSTM,神经网络 | 临床特征，剂量学特征，时序数据 | 860名食管癌患者 | NA | 混合堆叠结构，四通道模型 | 均方误差 | NA |
| 3 | 2025-10-06 |
Artificial Intelligence-Based Total Mesorectal Excision Plane Navigation in Laparoscopic Colorectal Surgery
2022-05-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000002393
PMID:35170546
|
研究论文 | 开发基于深度学习的直肠癌手术中全直肠系膜切除平面图像引导导航系统 | 首个使用图像引导导航系统进行全直肠系膜切除的研究，创新性地利用深度学习对疏松结缔组织进行语义分割 | 仅使用600张图像进行训练，数据量有限，需要更多图像来提高识别精度 | 开发辅助外科医生识别全直肠系膜切除平面的导航系统 | 接受腹腔镜左侧结直肠切除术的32名患者 | 计算机视觉 | 直肠癌 | 深度学习语义分割 | 深度学习 | 手术视频图像 | 32名患者的600张标注图像（训练集528张，测试集72张） | NA | NA | Dice系数 | NA |
| 4 | 2025-06-08 |
AI-aided on-chip nucleic acid assay for smart diagnosis of infectious disease
2022-May, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2021.12.005
PMID:40477452
|
research paper | 提出了一种结合深度学习和微流控纸基分析设备的AI辅助芯片核酸测定方法，用于智能诊断传染病 | 首次将AI整合到芯片PCR数据分析中，能够预测qPCR的最终输出和趋势，并探索每个反应的动态和内在特征 | NA | 提高PCR检测效率，实现传染病的智能诊断 | SARS-CoV-2 ORF1ab基因的合成RNA模板 | digital pathology | infectious disease | PCR, deep learning, microfluidic paper-based analytical devices (µPADs) | RNN, LSTM, GRU | real-time PCR data | NA | NA | NA | NA | NA |
| 5 | 2025-06-08 |
Novel deep learning approach to model and predict the spread of COVID-19
2022-May, Intelligent systems with applications
DOI:10.1016/j.iswa.2022.200068
PMID:40477648
|
研究论文 | 本文提出了一种名为Deep Sequential Prediction Model (DSPM)的深度学习技术和基于机器学习的Non-parametric Regression Model (NRM)来预测COVID-19的传播 | 提出了DSPM和NRM两种新模型，用于预测COVID-19的传播，并在公开数据集上验证了其优越性能 | 未提及模型在实际应用中的泛化能力或对不同地区数据的适应性 | 开发稳健的人工智能技术以预测COVID-19的传播 | COVID-19的传播趋势 | 机器学习 | COVID-19 | 深度学习、机器学习 | DSPM、NRM、SVM、LSTM | 公开的新型冠状病毒数据集 | NA | NA | NA | NA | NA |
| 6 | 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 |
| 7 | 2025-10-07 |
With or without human interference for precise age estimation based on machine learning?
2022-May, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-022-02796-z
PMID:35157129
|
研究论文 | 比较基于人工干预特征提取和自主特征提取的两种卷积神经网络在牙齿年龄估计中的性能 | 首次在同一图像分析任务中同时应用人工干预和自主特征提取两种方法进行对比研究 | 仅针对牙齿年龄估计任务，未验证在其他医学影像任务中的普适性 | 探索机器学习和深度学习在医学影像分析中的最优特征提取方法 | 牙齿X光影像 | 计算机视觉 | NA | 医学影像分析 | CNN | 图像 | NA | NA | 自定义CNN架构 | MAE, 准确率 | NA |
| 8 | 2025-02-21 |
24-Hour prediction of PM2.5 concentrations by combining empirical mode decomposition and bidirectional long short-term memory neural network
2022-May-15, The Science of the total environment
DOI:10.1016/j.scitotenv.2022.153276
PMID:35074389
|
研究论文 | 本研究结合经验模态分解（EMD）方法、样本熵（SE）指数和双向长短期记忆神经网络（BiLSTM），构建了一种新的混合预测模型，用于预测0-24小时的PM2.5浓度 | 该模型在短期内（6小时内）的PM浓度预测精度比其他单一深度学习模型提高了至少50%，并且能够很好地捕捉6小时至24小时的PM浓度变化趋势 | NA | 提高PM2.5浓度的预测精度，特别是短期和长期的变化趋势 | PM2.5浓度 | 机器学习 | NA | 经验模态分解（EMD）、样本熵（SE） | 双向长短期记忆神经网络（BiLSTM） | 时间序列数据 | NA | NA | NA | NA | NA |
| 9 | 2025-10-07 |
Deep Pain: Exploiting Long Short-Term Memory Networks for Facial Expression Classification
2022-May, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2017.2662199
PMID:28207407
|
研究论文 | 本研究提出一种利用长短期记忆网络和卷积神经网络进行面部疼痛表情分类的深度学习方法 | 相比现有仅基于面部特征的方法，本研究直接将原始视频帧输入深度学习模型，同时直接处理数据不平衡问题 | NA | 开发自动疼痛评估系统以客观测量患者疼痛程度 | 面部表情视频数据 | 计算机视觉 | 疼痛评估 | 深度学习 | CNN, LSTM | 视频帧序列 | UNBC-McMaster肩痛表情数据库和Cohn Kanade+面部表情数据库 | NA | VGG_Faces, LSTM | 曲线下面积(AUC) | NA |
| 10 | 2025-02-21 |
Long short-term memory model - A deep learning approach for medical data with irregularity in cancer predication with tumor markers
2022-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.105362
PMID:35299045
|
研究论文 | 本文探讨了使用长短期记忆（LSTM）模型处理不规则的医学数据以预测癌症风险的效用 | LSTM模型在处理不规则的医学数据方面表现出色，尤其是在时间序列数据上，其预测性能优于其他机器学习模型 | 数据的不完整性可能影响模型的训练和预测效果，且测试间隔时间差异较大 | 开发一种基于LSTM模型的癌症风险预测工具，以处理不规则的医学数据并提高预测性能 | 163,174名无症状个体的肿瘤标志物（TM）筛查数据，其中785人后来被诊断为癌症 | 机器学习 | 癌症 | 长短期记忆（LSTM）模型 | LSTM | 时间序列数据 | 163,174名无症状个体 | NA | NA | NA | NA |
| 11 | 2025-01-25 |
GPT-D: Inducing Dementia-related Linguistic Anomalies by Deliberate Degradation of Artificial Neural Language Models
2022-May, Proceedings of the conference. Association for Computational Linguistics. Meeting
DOI:10.18653/v1/2022.acl-long.131
PMID:39845531
|
研究论文 | 本文提出了一种通过人工降级预训练的Transformer深度学习模型（GPT-2）来诱导与痴呆症相关的语言异常的新方法 | 提出了一种新颖的方法，通过将预训练的GPT-2模型与其人工降级版本（GPT-D）配对，计算这两个模型在认知健康与受损个体语言上的比率，从而诱导痴呆症相关的语言异常 | 方法的泛化能力仍需进一步验证，尤其是在更大规模的数据集上 | 研究深度学习模型在区分认知健康个体与阿尔茨海默病患者语言方面的能力，并探索生成神经语言模型与痴呆症对人类语言特征的影响之间的关系 | 认知健康个体与阿尔茨海默病患者的语言数据 | 自然语言处理 | 阿尔茨海默病 | Transformer深度学习模型 | GPT-2, GPT-D | 文本 | NA | NA | NA | NA | NA |
| 12 | 2025-10-07 |
Magnetic resonance imaging contrast enhancement synthesis using cascade networks with local supervision
2022-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15578
PMID:35229344
|
研究论文 | 本研究提出一种级联深度学习工作流，用于从无对比剂增强的MR图像合成对比增强MR图像 | 提出结合视网膜U-Net和合成模块的级联网络架构，并在网络训练中融入肿瘤轮廓信息的局部监督机制 | 研究仅基于BraTS2020数据集，未在其他数据集验证泛化能力 | 开发无需钆基对比剂的MR图像对比增强合成方法 | 脑肿瘤患者的MR图像 | 医学影像分析 | 脑肿瘤 | 磁共振成像 | 深度学习 | 医学影像 | 369例患者（200例用于五折交叉验证，169例用于保留测试） | NA | Retina U-Net, 合成模块 | 标准化平均绝对误差, 结构相似性指数, 皮尔逊相关系数 | NA |
| 13 | 2025-10-07 |
ID-Seg: an infant deep learning-based segmentation framework to improve limbic structure estimates
2022-May-28, Brain informatics
DOI:10.1186/s40708-022-00161-9
PMID:35633447
|
研究论文 | 提出一种基于深度学习的婴儿脑部MRI分割框架ID-Seg，用于提高边缘结构分割精度 | 利用大型公共婴儿MRI数据集和迁移学习技术，首次在婴儿脑部边缘结构分割中应用深度卷积神经网络 | 需要多中心测试验证，且目前仅适用于杏仁核和海马体两个脑区 | 开发高精度的婴儿脑部边缘结构自动分割方法 | 婴儿脑部边缘结构（杏仁核和海马体） | 医学影像分析 | 神经发育疾病 | 磁共振成像 | CNN | 医学影像 | 473名婴儿的MRI数据，并在两个独立数据集上验证 | NA | 深度卷积神经网络 | Dice相似系数, 组内相关系数, 平均表面距离 | NA |
| 14 | 2024-11-19 |
NuCLS: A scalable crowdsourcing approach and dataset for nucleus classification and segmentation in breast cancer
2022-05-17, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giac037
PMID:35579553
|
研究论文 | 本文介绍了一种可扩展的众包方法和数据集，用于乳腺癌中的细胞核分类和分割 | 提出了一个协作框架，利用医学生和病理学家的众包力量生成高质量的细胞核标签，并创建了NuCLS数据集 | NA | 开发一种高效的方法来生成用于计算病理学应用的细胞核标签 | 乳腺癌中的细胞核 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | 超过220,000个细胞核注释 | NA | NA | NA | NA |
| 15 | 2024-10-02 |
Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency
2022-05-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac678a
PMID:35421855
|
研究论文 | 本文探讨了在放射肿瘤学中安全高效地实施机器学习的关键问题，特别是模型可解释性、可解释性和数据-模型依赖性 | 本文定义并详细阐述了可解释性、可解释性和数据-模型依赖性的核心概念，并提供了实际应用示例 | 本文主要集中在理论和概念层面的探讨，缺乏具体的实验验证和数据支持 | 研究如何在放射肿瘤学中安全高效地实施机器学习，并解决模型可解释性和数据-模型依赖性问题 | 放射肿瘤学中的机器学习模型及其在临床工作流程中的应用 | 机器学习 | NA | NA | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 16 | 2024-09-30 |
Towards robust diagnosis of COVID-19 using vision self-attention transformer
2022-05-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-13039-x
PMID:35618740
|
研究论文 | 本文提出了一种基于视觉自注意力变换器的COVID-19诊断方法 | 使用自注意力机制的变换器架构，能够利用大量未标记数据进行预训练，提高了COVID-19诊断的准确性 | 需要大量的计算资源和数据进行训练 | 比较自注意力变换器与CNN和集成分类器在COVID-19诊断中的性能 | COVID-19的诊断 | 计算机视觉 | COVID-19 | 自注意力机制 | Transformer | CT扫描图像 | 使用了HUST-19和SARS-CoV-2数据集进行训练和测试 | NA | NA | NA | NA |
| 17 | 2024-09-29 |
Deep learning tools for advancing drug discovery and development
2022-May, 3 Biotech
IF:2.6Q3
DOI:10.1007/s13205-022-03165-8
PMID:35433167
|
综述 | 本文综述了深度学习工具在药物发现和开发中的应用 | 介绍了深度学习在药物发现过程中的多种应用，包括药物靶点识别、药物-靶点相互作用、蛋白质结构预测等 | 讨论了当前深度学习工具在药物发现和开发中面临的挑战和前景 | 探讨深度学习技术如何加速药物发现和开发过程 | 药物发现和开发过程中的各个环节 | 机器学习 | NA | 深度学习 | NA | 多组学数据 | NA | NA | NA | NA | NA |
| 18 | 2024-09-28 |
Histopathologic Oral Cancer Prediction Using Oral Squamous Cell Carcinoma Biopsy Empowered with Transfer Learning
2022-May-18, Sensors (Basel, Switzerland)
DOI:10.3390/s22103833
PMID:35632242
|
研究论文 | 本文提出了一种利用迁移学习模型和AlexNet卷积神经网络从口腔鳞状细胞癌（OSCC）活检图像中提取特征，以预测口腔癌的方法 | 本文的创新点在于使用迁移学习模型和AlexNet卷积神经网络来提高口腔癌检测的准确性 | 本文的局限性在于仅使用了AlexNet模型，未探讨其他深度学习模型的效果 | 本文的研究目的是提高口腔癌检测的准确性 | 本文的研究对象是口腔鳞状细胞癌（OSCC）活检图像 | 计算机视觉 | 口腔癌 | 迁移学习 | 卷积神经网络（CNN） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 19 | 2024-09-28 |
Electromagnetic wave-based extreme deep learning with nonlinear time-Floquet entanglement
2022-May-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-30297-5
PMID:35552403
|
研究论文 | 本文探讨了基于电磁波的极端深度学习方法，通过非线性时间-Floquet纠缠实现高效的模拟信号处理 | 本文引入了时间-Floquet物理来诱导信号输入在不同频率间的强非线性纠缠，从而实现了一种高效且灵活的波平台用于模拟极端深度学习 | NA | 解决传统电磁材料非线性弱的问题，实现复杂神经形态计算任务 | 电磁波在人工工程介质中的传播及其在模拟信号处理中的应用 | 机器学习 | NA | NA | 极端学习机和储层计算 | 模拟信号 | NA | NA | NA | NA | NA |
| 20 | 2024-09-28 |
Omicron BA.2 (B.1.1.529.2): High Potential for Becoming the Next Dominant Variant
2022-May-05, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.2c00469
PMID:35467344
|
研究论文 | 本文研究了Omicron变种的三个亚型BA.1、BA.2和BA.3，特别是BA.2的再感染能力及其成为下一个主导变种的潜力 | 构建了一种基于代数拓扑的深度学习模型，系统评估了BA.2和BA.3的传染性、疫苗突破能力和抗体抵抗能力 | 目前没有关于BA.2和BA.3的实验数据 | 评估BA.2和BA.3是否会成为新的主导变种 | Omicron变种的亚型BA.1、BA.2和BA.3 | 机器学习 | NA | 深度学习 | 代数拓扑模型 | NA | NA | NA | NA | NA | NA |