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 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2025-10-07 |
Explainable artificial intelligence (XAI) for interpreting the contributing factors feed into the wildfire susceptibility prediction model
2023-06-25, The Science of the total environment
DOI:10.1016/j.scitotenv.2023.163004
PMID:36965733
|
研究论文 | 本研究利用可解释人工智能技术解释深度学习模型在野火易发性预测中的关键影响因素 | 首次将SHAP可解释性模型应用于野火易发性预测的深度学习模型，识别关键环境影响因素 | 模型可能受到训练数据质量和输入变量不确定性的影响 | 开发可解释的野火易发性预测模型以有效控制火灾风险 | 澳大利亚野火易发性区域 | 机器学习 | NA | 可解释人工智能 | 深度学习 | 环境因子数据 | NA | NA | NA | NA | NA |
| 502 | 2025-10-07 |
Deep Learning Initialized Compressed Sensing (Deli-CS) in Volumetric Spatio-Temporal Subspace Reconstruction
2023-Mar-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.28.534431
PMID:37034586
|
研究论文 | 提出深度学习初始化压缩感知方法加速容积时空MRI重建 | 结合深度学习与压缩感知，通过DL生成初始点来启动迭代重建，减少重建时间同时控制计算资源需求 | 需要验证在更广泛数据集上的泛化能力，未明确说明训练数据规模 | 减少MRI重建时间同时限制深度学习引起的伪影风险 | 容积多轴螺旋投影磁共振指纹成像数据 | 医学影像分析 | NA | 磁共振成像，螺旋投影采集 | 深度学习 | k空间数据，MRI图像 | NA | GPU实现 | NA | 重建质量，重建时间，迭代次数 | GPU内存4.7 GB |
| 503 | 2025-10-07 |
An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0290624
PMID:37903154
|
研究论文 | 提出一种基于改进白鲸优化算法的自适应多通道DeepLabv3+模型，用于航空图像的语义分割 | 结合改进白鲸优化算法(IBWO)优化多通道DeepLabv3+的超参数，提高分割精度 | 未明确说明模型在复杂场景下的泛化能力及计算资源需求 | 提升航空遥感图像语义分割的准确性和效率 | 航空遥感图像 | 计算机视觉 | NA | 深度学习 | DeepLabv3+ | 图像 | 两个数据集（未明确具体样本数量） | NA | DeepLabv3+, 自适应多通道架构 | 准确率, Dice系数 | 计算时间113.0123秒（未明确硬件配置） |
| 504 | 2025-10-07 |
Discrimination of benign and malignant breast lesions on dynamic contrast-enhanced magnetic resonance imaging using deep learning
2023-Dec-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_325_23
PMID:38156926
|
研究论文 | 本研究评估了深度迁移学习和微调方法在乳腺动态对比增强磁共振成像中区分良恶性病变的能力 | 比较了三种深度学习模型在乳腺DCE-MRI中的性能，并开发了三种微调策略进一步提升模型性能 | 研究样本量有限，仅使用50个额外病变进行验证集测试 | 评估深度学习模型在乳腺DCE-MRI中区分良恶性病变的诊断效能 | 乳腺动态对比增强磁共振成像中的良恶性病变 | 计算机视觉 | 乳腺癌 | 动态对比增强磁共振成像 | CNN | 医学影像 | 训练集未明确数量，验证集包含50个病变 | NA | VGG19, ResNet50, DenseNet201 | 准确率, 精确率, 召回率, F1分数, AUC, Kappa系数 | NA |
| 505 | 2025-10-07 |
Deep Learning-Based Diagnostic System for Velopharyngeal Insufficiency Based on Videofluoroscopy in Patients With Repaired Cleft Palates
2023 Nov-Dec 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009560
PMID:37815288
|
研究论文 | 本研究开发了基于视频荧光检查的深度学习诊断系统，用于评估腭裂修复术后患者的腭咽闭合不全 | 首次将六种深度学习算法应用于视频荧光检查数据诊断VPI，并与人类专家诊断结果进行系统比较 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发基于深度学习的腭咽闭合不全自动诊断系统 | 腭裂修复术后接受腭咽功能评估的患者 | 计算机视觉 | 腭咽闭合不全 | 视频荧光检查 | CNN | 视频图像 | 714例病例（2010年1月至2019年6月） | NA | VGGNet, ResNet, Xception, ResNext, DenseNet, SENet | AUC | NA |
| 506 | 2025-10-07 |
Using a New Deep Learning Method for 3D Cephalometry in Patients With Cleft Lip and Palate
2023 Jul-Aug 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009299
PMID:36944601
|
研究论文 | 本研究开发了一种基于3D点云图卷积神经网络的新深度学习方法，用于唇腭裂患者的头影测量标志点自动定位 | 首次将PointNet++模型应用于唇腭裂患者的3D头影测量，通过点云图卷积神经网络分析点间关系进行标志点预测 | 训练数据集规模有限（150例患者），部分标志点检测成功率较低（3个标志点在2mm误差范围内的SDR低于70%） | 开发适用于唇腭裂患者的自动3D头影测量系统 | 唇腭裂患者 | 计算机视觉 | 唇腭裂 | 计算机断层扫描 | 图卷积神经网络 | 3D点云数据 | 150例唇腭裂患者 | NA | PointNet++ | 平均距离误差, 成功检测率 | NA |
| 507 | 2025-10-07 |
Exploring the application of deep learning methods for polygenic risk score estimation
2023-Dec-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.12.14.23299972
PMID:38168416
|
研究论文 | 本研究探索深度学习在多基因风险评分估计中的应用 | 使用单一深度学习模型生成多个多基因风险评分，并证明在缺失SNP数据情况下模型性能优于传统方法 | 输入信息是进一步改进性能的限制因素，需要额外输入数据才能获得更大提升 | 探索机器学习如何改进多基因风险评分的生成 | 英国生物银行数据中的多基因风险评分 | 机器学习 | NA | 基因分型 | MLP | 基因数据 | 英国生物银行数据集 | NA | MLP | AUC | NA |
| 508 | 2025-10-07 |
Deep learning on electronic medical records identifies distinct subphenotypes of diabetic kidney disease driven by genetic variations in the Rho pathway
2023-Sep-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.06.23295120
PMID:37732187
|
研究论文 | 本研究利用深度学习分析电子病历数据，识别出由Rho通路遗传变异驱动的糖尿病肾病不同亚型 | 首次发现通过影响细胞骨架调节蛋白稳定性导致疾病的遗传变异，揭示了一类新型可治疗靶点的表达数量性状位点 | 样本量相对有限（1,372例患者），需要进一步验证 | 识别糖尿病肾病的遗传特征和疾病亚型，预测疾病进展 | 1,372名糖尿病肾病患者 | 医疗人工智能 | 糖尿病肾病 | 全外显子组关联分析，细胞功能实验 | 自编码器，无监督聚类 | 电子健康记录，基因数据 | 1,372名糖尿病肾病患者 | NA | 自编码器 | NA | NA |
| 509 | 2024-08-07 |
Deep Learning on Electrocardiograms for Prediction of In-hospital Intradialytic Hypotension in Patients with ESKD
2023-09-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000208
PMID:37418626
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 510 | 2025-10-07 |
Deep Learning for Automated Measurement of Patellofemoral Anatomic Landmarks
2023-Jul-08, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10070815
PMID:37508842
|
研究论文 | 开发深度学习模型自动测量髌股解剖标志物 | 首个基于生理和病理CT影像的大规模深度学习回归模型，用于髌股自动标注 | 健康队列的滑车角测量存在统计学显著差异 | 通过自动测量膝关节解剖结构改善临床疗效 | 膝关节CT影像中的髌股解剖标志物 | 计算机视觉 | 膝关节疾病 | CT成像 | CNN | 医学影像 | 483名患者，14,652张标注图像 | PyTorch | ResNet50 | 平均绝对误差，Bland-Altman图，配对t检验 | NA |
| 511 | 2025-10-07 |
Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients
2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2023.01.015
PMID:36754100
|
研究论文 | 开发基于视频的深度学习算法EchoNet-Peds，用于自动化评估儿科患者的左心室射血分数 | 首个专门针对儿科人群的大规模超声心动图数据集和深度学习算法，在儿科EF评估上显著优于成人模型 | 仅针对儿科患者开发，可能不适用于成人群体 | 开发儿科专用的自动化左心室功能评估算法 | 儿科患者的超声心动图视频 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 视频 | 4,467例儿科超声心动图 | NA | EchoNet-Peds | Dice相似系数, 平均绝对误差, AUC | NA |
| 512 | 2025-03-11 |
Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis
2023-10, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-020218
PMID:37258226
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 513 | 2025-03-11 |
Response to 'Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis'
2023-10, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-020804
PMID:37714539
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 514 | 2025-03-10 |
Computed Tomography-Based Deep Learning Nomogram Can Accurately Predict Lymph Node Metastasis in Gastric Cancer
2023-04, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-022-07640-3
PMID:35909203
|
研究论文 | 本文评估并验证了基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能 | 结合深度学习特征和临床预测因子建立了一个nomogram，显著提高了淋巴结转移预测的准确性 | 研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力 | 评估和验证基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能 | 胃癌患者 | 计算机视觉 | 胃癌 | 计算机断层扫描（CT） | ResNet50, 随机森林（RF） | 图像 | 347名患者（训练队列：242，测试队列：105） | NA | NA | NA | NA |
| 515 | 2025-10-07 |
Fibration symmetry uncovers minimal regulatory networks for logical computation in bacteria
2023-Oct-17, ArXiv
PMID:37904746
|
研究论文 | 通过对称纤维化方法简化细菌基因调控网络，揭示其最小调控网络和逻辑计算能力 | 首次将对称纤维化方法应用于生物网络，通过等价类分组和k核分解识别网络的计算核心 | 仅针对两种细菌进行研究，方法在其他生物系统中的普适性有待验证 | 探索细菌基因调控网络的计算能力和决策机制 | 细菌基因调控网络 | 生物网络分析 | NA | 对称纤维化，k核分解 | NA | 基因调控网络数据 | 两种细菌的基因调控网络 | NA | NA | NA | NA |
| 516 | 2025-10-07 |
MRI-Based Deep Learning Method for Classification of IDH Mutation Status
2023-Sep-05, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10091045
PMID:37760146
|
研究论文 | 开发基于MRI的深度学习网络用于非侵入性IDH突变状态分类 | 同时开发了仅使用T2加权图像和多种对比度图像的深度学习网络，并在超过1100例数据上验证性能，是迄今为止基于图像的IDH分类最大规模研究 | NA | 开发非侵入性IDH突变状态分类方法 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | MRI | 深度学习 | 医学图像 | 训练数据：TCIA数据库227例，TCIA+EGD数据库683例；测试数据：超过1100例来自多个医学中心 | NA | 2D网络 | 准确率，AUC | NA |
| 517 | 2025-10-07 |
Few-shot learning using explainable Siamese twin network for the automated classification of blood cells
2023-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-023-02804-3
PMID:36800155
|
研究论文 | 提出基于可解释孪生网络的小样本学习方法用于血细胞自动分类 | 使用对比学习的孪生网络在少量图像上训练，并提出新的类别激活映射方案增强模型可解释性 | 仅使用健康外周血细胞图像，未涉及病理状态细胞 | 开发小样本学习方法实现血细胞自动分类 | 健康外周血细胞 | 计算机视觉 | 血液疾病 | 显微成像 | Siamese网络 | 图像 | 17,092张公开细胞组织学图像（6%训练，6%验证，88%测试） | NA | EfficientNet-B3 | 准确率 | NA |
| 518 | 2025-10-07 |
Natural language processing to identify social determinants of health in Alzheimer's disease and related dementia from electronic health records
2023-12, Health services research
IF:3.1Q1
DOI:10.1111/1475-6773.14210
PMID:37534741
|
研究论文 | 开发基于自然语言处理的算法从电子健康记录中识别阿尔茨海默病及相关痴呆患者的社会健康决定因素 | 首次针对ADRD患者开发专门识别七类社会健康决定因素的NLP算法，并比较了基于规则方法与深度学习方法的效果 | 住房和药物不安全两个领域的识别性能相对较差，仅使用单一医疗中心的231名患者数据 | 从非结构化电子健康记录中自动识别ADRD患者的社会健康决定因素 | 阿尔茨海默病及相关痴呆患者 | 自然语言处理 | 阿尔茨海默病及相关痴呆 | 自然语言处理 | 基于规则的NLP算法,深度学习,正则化逻辑回归 | 文本 | 1000份医疗记录（来自231名ADRD患者） | NA | NA | 准确率,灵敏度,特异性,F1分数,AUC | NA |
| 519 | 2025-03-02 |
Editorial for "Deep Learning-Based Segmentation of Locally Advanced Breast Cancer on MRI in Relation to Residual Cancer Burden: A Multi-Institutional Cohort Study"
2023-12, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28680
PMID:36939778
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 520 | 2025-03-02 |
Editorial for "Implementable Deep Learning for Multi-sequence Proton MRI Lung Segmentation: A Multi-center, Multi-vendor and Multi-disease Study"
2023-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28661
PMID:36847749
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |