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 2292 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-10-06 |
Flow-field inference from neural data using deep recurrent networks
2023-Nov-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.14.567136
PMID:38014290
|
研究论文 | 提出一种名为FINDR的无监督深度学习方法，用于从神经群体活动中推断低维非线性随机动力学 | 开发了能够解耦任务相关和无关神经活动成分的深度循环网络方法，首次实现了流场和吸引子结构的显式可视化 | 方法性能主要在大鼠前脑区听觉决策任务数据上验证，在其他脑区和行为任务中的适用性需要进一步测试 | 推断神经群体活动背后的低维非线性随机动力学 | 大鼠前脑区在执行听觉决策任务时的群体脉冲序列数据 | 计算神经科学 | NA | 神经信号记录 | 循环神经网络 | 神经脉冲序列数据 | NA | NA | 深度循环网络 | 神经元响应捕捉能力 | NA |
| 242 | 2025-10-06 |
Predicting multiple sclerosis severity with multimodal deep neural networks
2023-11-09, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02354-6
PMID:37946182
|
研究论文 | 本文提出了一种利用多模态深度神经网络预测多发性硬化症疾病严重程度的方法 | 首次整合结构化电子健康记录数据、神经影像数据和临床笔记构建多模态深度学习框架，相比单模态模型AUROC提升高达19% | 未明确说明样本规模和数据收集的具体限制 | 预测多发性硬化症疾病严重程度，为早期治疗干预提供支持 | 多发性硬化症患者 | 医疗人工智能 | 多发性硬化症 | 多模态深度学习，电子健康记录分析，神经影像分析 | 深度神经网络 | 结构化电子健康记录，神经影像，临床文本笔记 | NA | NA | 多模态深度神经网络 | AUROC | NA |
| 243 | 2025-10-06 |
Spatially aware deep learning reveals tumor heterogeneity patterns that encode distinct kidney cancer states
2023-09-19, Cell reports. Medicine
DOI:10.1016/j.xcrm.2023.101189
PMID:37729872
|
研究论文 | 开发空间感知深度学习模型分析肾透明细胞癌的肿瘤异质性模式及其与免疫治疗反应的关系 | 首次通过空间感知深度学习识别出传统病理分析无法发现的肿瘤微异质性模式，并揭示其与PBRM1功能缺失和免疫检查点抑制剂反应的相关性 | 研究样本量有限（1,102例患者），且主要针对肾透明细胞癌，结果在其他癌症类型中的普适性有待验证 | 探索肾透明细胞癌中肿瘤-免疫联合状态与免疫检查点抑制剂治疗反应的关系 | 肾透明细胞癌患者（n=1,102）的全切片图像和多重免疫荧光图像 | 数字病理学 | 肾癌 | 全切片图像分析，多重免疫荧光 | 深度学习 | 病理图像 | 1,102例患者 | NA | 图神经网络 | NA | NA |
| 244 | 2025-10-06 |
Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing
2023-Sep-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.10.23295315
PMID:37745445
|
研究论文 | 开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭患者 | 首次采用半监督学习框架开发深度学习语言模型，用于自动识别HFrEF患者，并在多个外部数据集上验证了模型性能 | 研究主要依赖于单一医疗系统的数据，虽然进行了外部验证，但模型在其他医疗环境中的泛化能力仍需进一步验证 | 开发自动化工具来评估和改进射血分数降低的心力衰竭患者的护理质量 | 心力衰竭患者的出院摘要和临床记录 | 自然语言处理 | 心血管疾病 | 深度学习，自然语言处理 | 深度学习语言模型 | 文本（出院摘要和临床记录） | 13,251份记录来自5,392名独特个体（平均年龄73±14岁，48%女性），其中2,487名HFrEF患者（46.1%） | NA | 深度学习语言模型 | AUROC, AUPRC, NRI | NA |
| 245 | 2025-10-06 |
T1dCteGui: A User-Friendly Clinical Trial Enrichment Tool to Optimize T1D Prevention Studies by Leveraging AI/ML Based Synthetic Patient Population
2023-09, Clinical pharmacology and therapeutics
DOI:10.1002/cpt.2976
PMID:37326252
|
研究论文 | 开发了一个用户友好的临床试验富集工具，利用基于AI/ML的合成患者群体优化1型糖尿病预防研究 | 首次开发了结合加速失效时间模型和深度学习生成模型的临床试验富集图形用户界面工具 | 工具基于合成患者数据，可能与真实患者数据存在差异 | 优化1型糖尿病预防临床试验的受试者富集策略 | 1型糖尿病高风险人群 | 数字病理 | 1型糖尿病 | 深度学习生成模型 | 生成模型 | 临床数据 | 来自多个观察性研究的患者水平数据 | NA | 加速失效时间模型 | NA | NA |
| 246 | 2025-10-06 |
Confidence-based laboratory test reduction recommendation algorithm
2023-05-10, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02187-3
PMID:37165369
|
研究论文 | 提出一种基于置信度的深度学习模型，用于识别住院患者不必要的血红蛋白检测 | 采用'选择与预测'设计理念，通过预测置信度评估结果可靠性，并选择性考虑高置信度样本进行推荐 | 未提及模型在更广泛医疗场景中的适用性验证 | 减少不必要的实验室检测，降低医疗风险和医疗成本 | 住院患者的血红蛋白检测数据 | 机器学习 | NA | 深度学习 | 深度学习模型 | 实验室检测数据 | 来自休斯顿教学医院的内部患者数据和MIMIC III数据库的外部患者数据 | NA | NA | AUC | NA |
| 247 | 2025-10-06 |
Deep learning-based polygenic risk analysis for Alzheimer's disease prediction
2023-Apr-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-023-00269-x
PMID:37024668
|
研究论文 | 开发基于深度学习的多基因风险模型用于阿尔茨海默病预测 | 首次将深度学习方法应用于阿尔茨海默病多基因风险建模，能够捕捉基因组数据中的非线性关系 | 未明确说明样本规模和数据来源的具体限制 | 提高阿尔茨海默病的遗传风险预测准确性并探索疾病机制 | 阿尔茨海默病相关的基因组数据和患者个体 | 机器学习 | 阿尔茨海默病 | 基因组测序 | 神经网络 | 基因组数据 | NA | NA | 神经网络 | NA | NA |
| 248 | 2025-10-06 |
The expert's knowledge combined with AI outperforms AI alone in seizure onset zone localization using resting state fMRI
2023, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2023.1324461
PMID:38274868
|
研究论文 | 本研究评估了专家知识与深度学习结合在利用静息态功能磁共振成像定位难治性癫痫患者发作起始区的效果 | 首次将癫痫专家对功能连接组学的先验知识与深度学习模型相结合，显著提升了发作起始区的定位性能 | 样本量相对有限（52名儿童患者），且研究仅针对难治性癫痫患者 | 提高难治性癫痫患者发作起始区的定位准确性 | 52名难治性癫痫儿童患者，其中25名接受了手术治疗 | 医学影像分析 | 癫痫 | 静息态功能磁共振成像，颅内脑电图 | 深度学习 | 功能连接组学数据 | 52名儿童癫痫患者 | NA | 专家知识集成深度网络 | 准确率，F1分数 | NA |
| 249 | 2025-10-06 |
Deep learning, 3D ultrastructural analysis reveals quantitative differences in platelet and organelle packing in COVID-19/SARSCoV2 patient-derived platelets
2023-Dec, Platelets
IF:2.5Q2
DOI:10.1080/09537104.2023.2264978
PMID:37933490
|
研究论文 | 本研究通过深度学习辅助的3D超微结构分析，揭示了COVID-19患者血小板及其细胞器包装密度的定量差异 | 首次结合聚焦离子束扫描电镜和深度学习方法，对COVID-19患者血小板进行3D超微结构定量分析 | 样本量有限（仅3名健康对照和3名重症COVID-19患者） | 研究血小板形态及其细胞器对理解血小板过度活化和微凝血的诊断价值 | 人类血小板及其α颗粒和线粒体 | 数字病理 | COVID-19 | 聚焦离子束扫描电镜（FIB-SEM） | 深度学习 | 3D超微结构图像 | 约600个单个血小板和30000个细胞器（来自3名健康对照和3名COVID-19患者） | NA | NA | NA | NA |
| 250 | 2025-10-06 |
The Overlooked Role of Specimen Preparation in Bolstering Deep Learning-Enhanced Spatial Transcriptomics Workflows
2023-Oct-09, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.10.09.23296700
PMID:37873287
|
研究论文 | 本研究探讨了改进的样本制备流程对深度学习增强空间转录组学分析性能的影响 | 提出了一种增强的样本处理工作流程，通过自动化H&E染色、高分辨率全玻片成像和多患者样本多重分析来提高空间转录组学数据的质量和一致性 | 研究队列规模较小（仅13名患者），训练深度学习模型成本较高 | 评估改进的样本制备流程在深度学习增强空间转录组学分析中的效果 | 13名pT3期结直肠癌患者的组织样本 | 数字病理学 | 结直肠癌 | 空间转录组学，H&E染色，全玻片成像 | CNN | 组织图像，基因表达数据 | 13名结直肠癌患者 | NA | Inceptionv3 | 统计精度，拓扑一致性 | NA |
| 251 | 2025-10-06 |
LSOR: Longitudinally-Consistent Self-Organized Representation Learning
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43907-0_27
PMID:37961067
|
研究论文 | 提出一种基于纵向脑部MRI的自监督自组织映射方法，用于生成可解释的潜在表征 | 首个自监督SOM方法，通过软聚类提高训练稳定性，并生成按脑年龄分层的潜在空间 | 仅基于纵向脑部MRI数据，未使用人口统计学或认知信息 | 开发可解释的深度学习模型用于纵向脑部MRI分析 | 阿尔茨海默病神经影像倡议(ADNI)的纵向脑部MRI数据 | 医学影像分析 | 阿尔茨海默病 | 脑部MRI | 自组织映射(SOM) | 医学影像 | NA | NA | 自组织映射 | 准确率, ADAS-Cog评分 | NA |
| 252 | 2025-10-06 |
Leveraging spatial transcriptomics data to recover cell locations in single-cell RNA-seq with CeLEry
2023-07-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-39895-3
PMID:37422469
|
研究论文 | 提出CeLEry深度学习算法，利用空间转录组学数据恢复单细胞RNA测序中细胞的空间位置信息 | 开发首个利用空间转录组学数据通过监督深度学习恢复scRNA-seq细胞空间位置的算法，并提供位置不确定性估计 | NA | 解决单细胞RNA测序中细胞空间位置信息缺失的问题 | 大脑和癌组织中的细胞 | 生物信息学 | 癌症 | 单细胞RNA测序, 空间转录组学, Visium, MERSCOPE, MERFISH, Xenium | 监督深度学习, 变分自编码器 | 基因表达数据, 空间位置数据 | 多个数据集（具体数量未说明） | NA | 变分自编码器 | NA | NA |
| 253 | 2025-10-06 |
A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: a retrospective assessment
2023-May-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.05.14.23289960
PMID:37293008
|
研究论文 | 开发并评估用于皮肤鳞状细胞癌术中冰冻切片实时切缘分析的深度学习算法 | 首次针对皮肤鳞状细胞癌的冰冻切片开发实时切缘分析AI算法，并探讨肿瘤分化状态对算法性能的影响 | 回顾性研究，需要进一步算法改进以更好区分高分化肿瘤与表皮组织，并解决炎症等混杂病理因素的影响 | 提高皮肤鳞状细胞癌Mohs显微手术中实时切缘分析的效率和准确性 | 接受Mohs显微手术的皮肤鳞状细胞癌患者 | 数字病理学 | 皮肤鳞状细胞癌 | 冰冻切片，全玻片扫描 | CNN | 图像 | 2020年1月至3月期间接受Mohs手术的cSCC患者队列 | NA | 卷积神经网络 | AUC | NA |
| 254 | 2025-10-06 |
Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge
2023-Mar, Osteoarthritis imaging
DOI:10.1016/j.ostima.2023.100087
PMID:39036792
|
研究论文 | 评估深度学习分割方法在骨关节炎临床试验中量化软骨损失的适用性 | 首次系统评估IWOAI 2019膝关节软骨分割挑战赛中六种深度学习方法的纵向临床应用价值 | 股骨亚区分割仅采用简单的后处理几何定义方法，可能影响测量灵敏度 | 验证深度学习分割方法在标准化纵向临床试验中量化软骨损失的可行性 | 骨关节炎患者的膝关节软骨 | 医学影像分析 | 骨关节炎 | MRI | 深度学习分割方法 | 膝关节MRI图像 | 556名受试者的1130次膝关节MRI扫描 | NA | NA | 标准化响应均值(SRM) | NA |
| 255 | 2025-10-06 |
Imputing Brain Measurements Across Data Sets via Graph Neural Networks
2023, Predictive Intelligence in Medicine. PRIME (Workshop)
DOI:10.1007/978-3-031-46005-0_15
PMID:37946742
|
研究论文 | 提出一种基于图神经网络的脑测量数据跨数据集插补方法 | 将跨数据集插补问题重新定义为预测任务，使用图神经网络建模脑区测量值间的依赖关系，并通过并行架构处理人口统计学差异 | 仅在两个特定数据集（ABCD和NCANDA）上验证，样本量相对有限 | 解决脑结构MRI数据集中特定脑区测量值缺失的问题 | 青少年脑结构MRI数据 | 机器学习 | NA | 结构MRI，Freesurfer分析 | 图神经网络（GNN） | 脑结构测量数据，人口统计学数据 | NCANDA数据集N=540，ABCD数据集N=3760 | NA | 图神经网络，并行架构（包含图解码器和分类器） | 5折交叉验证准确率 | NA |
| 256 | 2025-10-06 |
Noninvasive grading of glioma brain tumors using magnetic resonance imaging and deep learning methods
2023-Dec, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05389-4
PMID:37698684
|
系统综述 | 本系统综述分析了2010-2022年间使用磁共振成像和深度学习方法进行胶质瘤脑肿瘤无创分级的研究现状 | 系统梳理了深度学习在胶质瘤诊断研究中的应用现状，并指出胶质瘤分割研究比检测和分类研究更受关注 | 仅纳入了2010-2022年间的英文文献，可能遗漏其他重要研究 | 分析深度学习技术在胶质瘤脑肿瘤诊断研究中的应用现状 | 胶质瘤脑肿瘤 | 医学影像分析 | 脑肿瘤 | 磁共振成像 | CNN | 医学影像 | 77篇学术文章 | NA | ConvNets | 分类准确率,Dice相似系数 | NA |
| 257 | 2025-10-06 |
Predicting cutaneous malignant melanoma patients' survival using deep learning: a retrospective cohort study
2023-Dec, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05421-7
PMID:37755576
|
研究论文 | 本研究开发了一种基于深度学习的皮肤恶性黑色素瘤生存预测模型DeepCMM | 首次将深度学习技术应用于皮肤恶性黑色素瘤患者的生存预测，并开发了可供临床医生使用的Windows软件 | 回顾性研究设计，数据来源于单一数据库 | 准确预测皮肤恶性黑色素瘤患者的生存预后以指导临床决策 | 皮肤恶性黑色素瘤患者 | 机器学习 | 皮肤癌 | 深度学习 | 深度学习生存模型 | 临床数据 | 来自SEER数据库的皮肤恶性黑色素瘤患者，按诊断时间分为训练队列(2010-2013)、验证队列(2014)和测试队列(2015) | NA | DeepCMM | AUC | Windows 64位软件 |
| 258 | 2025-10-06 |
Diagnostic accuracy of contrast-enhanced computed tomography in assessing cervical lymph node status in patients with oral squamous cell carcinoma
2023-Dec, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05470-y
PMID:37875746
|
研究论文 | 评估增强CT在口腔鳞状细胞癌患者颈部淋巴结转移诊断中的准确性 | 首次将可疑淋巴结分为强化型、肿大型和融合型三类进行对比分析，并探索了与诊断可靠性相关的临床病理因素 | 回顾性研究设计，样本量有限（239例），缺乏外部验证 | 评估增强CT检测淋巴结转移的诊断准确性并探索相关影响因素 | 239例接受术前CT检查和根治性手术的原发性口腔鳞状细胞癌患者 | 医学影像诊断 | 口腔鳞状细胞癌 | 增强计算机断层扫描（CT） | NA | 医学影像数据 | 239例口腔鳞状细胞癌患者 | NA | NA | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 259 | 2025-10-06 |
A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05358-x
PMID:37673824
|
研究论文 | 本研究开发了一种基于多组学数据整合的深度学习框架，用于构建皮肤黑色素瘤风险分层预测模型 | 结合早期融合特征自编码器和晚期融合特征自编码器的深度学习框架，相比单一策略的自编码器或PCA方法能更好地区分风险亚型 | NA | 构建皮肤黑色素瘤的风险亚型分型模型以改善预后预测 | 皮肤黑色素瘤患者 | 机器学习 | 皮肤黑色素瘤 | mRNA测序, miRNA测序, DNA甲基化测序 | 自编码器, SVM | 多组学数据 | TCGA数据库中的皮肤黑色素瘤患者数据及两个独立验证数据集 | NA | 自编码器 | C-index, log-rank P值 | NA |
| 260 | 2025-10-06 |
Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05339-0
PMID:37672075
|
研究论文 | 开发并验证基于平扫CT的多通道深度学习模型，用于区分乏脂肪血管平滑肌脂肪瘤与肾细胞癌 | 首次提出基于平扫CT的多通道深度学习模型，通过全肿瘤分析实现fp-AML与RCC的准确区分 | 回顾性研究设计，样本量相对有限（共452例患者），仅在两所医疗中心进行验证 | 开发并评估用于区分乏脂肪血管平滑肌脂肪瘤与肾细胞癌的深度学习模型 | 肾肿瘤患者，包括乏脂肪血管平滑肌脂肪瘤和肾细胞癌病例 | 数字病理 | 肾癌 | CT成像 | 深度学习 | CT图像 | 452例患者（FAHSYSU 320例，SYSUCC 132例） | NA | 多通道深度学习模型 | AUC, 95%置信区间 | NA |