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 2564 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2026-05-02 |
Deep Learning Reconstruction Improves the Image Quality of CT Angiography Derived From 80-kVp Cerebral CT Perfusion Data
2023-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.02.007
PMID:37758584
|
研究论文 | 探讨深度学习重建技术对基于80-kVp脑CT灌注数据的CT血管成像图像质量的影响，并与混合迭代重建进行比较 | 首次在80-kVp低剂量脑CTP数据衍生的CTA中评估深度学习重建的临床价值，证明其相比HIR能显著改善图像质量 | 样本量较小（33例患者），且未对不同重建技术在诊断准确性方面的差异性进行深入分析 | 评估深度学习重建技术对低剂量CTP源图衍生的CTA图像质量的提升效果 | 接受80-kVp脑CT灌注扫描的33例患者 | 计算机视觉 | 脑血管疾病 | CT灌注成像 | 深度学习重建 | 图像 | 33例患者 | NA | NA | CT值，标准差，信噪比，对比噪声比，五分制主观评分 | NA |
| 62 | 2026-05-02 |
OrBITS: label-free and time-lapse monitoring of patient derived organoids for advanced drug screening
2023-Apr, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-022-00750-0
PMID:36508089
|
研究论文 | 开发了一种名为OrBITS的自动化活细胞图像分析软件，结合计算机视觉与卷积网络机器学习，用于患者来源类器官的动力学监测和药物筛选 | 首次实现基于明场成像的类器官无标记、高通量时间序列监测，可同时获得类器官计数、平均面积和总面积等动态指标，并整合细胞死亡荧光标记实现孔内标准化 | 可能受限于明场成像的分辨率和类器官重叠问题，需进一步验证在复杂基质中的适用性 | 开发可用于患者来源类器官动力学监测和药物筛选的自动化、高通量活细胞图像分析平台 | 患者来源的肺癌和胰腺癌类器官 | 计算机视觉 | 肺癌, 胰腺癌 | 明场成像, 荧光成像, 深度学习 | 卷积神经网络 | 图像 | 包括标准ECM穹顶、Gri3D-96孔板和384孔板中的类器官样本 | NA | CNN | 相关分析, 细胞核染色对比, 药物反应指标（生长率标准化） | NA |
| 63 | 2026-05-01 |
Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy
2023-12-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13243613
PMID:38132197
|
综述 | 系统评估深度学习在胃癌内镜辅助诊断中应用的研究现状 | 首次系统总结深度学习在胃癌分类、检测、肿瘤浸润深度评估、癌灶勾画、病变分割及早期和癌前病变识别中的多种应用，并对比AI与内镜医师的诊断性能 | 主要受限于单中心研究、未公开数据集、回顾性算法训练可能不代表真实临床表现、模型细节缺乏影响可重复性 | 评估深度学习在胃癌前病变、早期胃癌和胃肿瘤分析中的应用现状 | 深度学习算法用于胃肿瘤内镜图像检测的研究 | 计算机视觉 | 胃癌 | 内镜成像 | CNN | 图像 | 42项研究 | NA | NA | 诊断准确率 | NA |
| 64 | 2026-05-01 |
Brain-Wide Projections and Differential Encoding of Prefrontal Neuronal Classes Underlying Learned and Innate Threat Avoidance
2023-08-09, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.0697-23.2023
PMID:37491314
|
研究论文 | 通过全脑连接组图谱和光纤光度记录，揭示内侧前额叶皮层不同神经元类别在习得性和先天性威胁回避中的差异编码机制 | 开发了DeepTraCE和DeepCOUNT两种基于深度学习的定量分析方法，首次实现了对全脑范围内大量标记轴突和细胞体的高通量量化，并揭示了mPFC不同投射类别在威胁回避中的功能特化 | 未提及具体限制 | 阐明mPFC神经元连接与功能之间的关系，理解威胁回避行为的神经基础 | 雄性和雌性小鼠内侧前额叶皮层投射至伏隔核、腹侧被盖区或对侧mPFC的神经元类别 | 机器学习, 数字病理学 | 恐惧症, 焦虑症, 情绪障碍 | 组织透明化, 光片荧光显微镜, 纤维光度记录, TRAP2小鼠 | CNN, U-Net | 图像 | 雄性小鼠、雌性小鼠 | PyTorch | U-Net, 深度学习追踪模型 | NA | NA |
| 65 | 2026-05-01 |
Comparison between renal pelvic and ureteral tumors in muscle-invasive upper tract urothelial carcinoma
2023-Mar, Cancer science
IF:4.5Q1
DOI:10.1111/cas.15634
PMID:36330561
|
研究论文 | 比较肌层浸润性上尿路上皮癌中肾盂与输尿管肿瘤的临床特征、分子亚型和肿瘤微环境差异 | 利用深度学习算法从H&E组织切片中分类分子亚型，揭示肾盂肿瘤倾向管腔型而输尿管肿瘤倾向基底型和P53样型，并首次对比肿瘤微环境异质性 | NA | 探究肌层浸润性上尿路上皮癌中肾盂与输尿管肿瘤在临床特征、分子亚型和肿瘤微环境方面的差异 | 肌层浸润性上尿路上皮癌患者 | 数字病理学 | 上尿路上皮癌 | 深度学习、H&E组织学 | 深度学习算法 | 临床数据、H&E组织切片图像 | 来自SEER数据库的多中心数据及单中心数据 | NA | NA | NA | NA |
| 66 | 2026-05-01 |
Restaining-based annotation for cancer histology segmentation to overcome annotation-related limitations among pathologists
2023-Feb-10, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2023.100688
PMID:36873900
|
研究论文 | 提出SegPath数据集用于癌症组织学分割，通过免疫荧光复染克服病理学家注释局限 | 开发了SegPath生成流程，利用脱色后免疫荧光复染获得大规模注释数据集（比公开注释大10倍以上），并能克服病理学家注释偏差 | 未讨论模型在不同癌症类型或染色条件下的泛化能力，也未提及计算资源消耗 | 解决深度学习中病理图像分割训练数据不足和注释偏差问题 | H&E染色癌症组织切片中的八种主要细胞类型 | 数字病理学 | 癌症 | H&E染色、免疫荧光染色 | 深度学习分割模型（未明确指定） | 图像 | SegPath数据集，规模为公开注释的10倍以上 | NA | NA | 分割准确性 | NA |
| 67 | 2026-04-29 |
Artificial intelligence for natural product drug discovery
2023-11, Nature reviews. Drug discovery
DOI:10.1038/s41573-023-00774-7
PMID:37697042
|
综述 | 描述人工智能与计算组学技术在天然产物药物发现中的协同作用，以及如何克服相关挑战 | 系统阐述人工智能（尤其是机器学习）与计算组学技术在天然产物药物发现中的协同潜力，并提出了高质量数据集构建和算法验证等关键问题的解决策略 | 未详细说明具体的技术实现细节或实验验证结果，主要停留在理论框架和未来展望层面 | 探讨人工智能与计算组学技术协同作用在天然产物药物发现中的应用，为从自然界分子中筛选药物候选物提供新思路 | 天然产物分子、药物候选物 | 机器学习 | NA | 计算组学技术 | 机器学习、深度学习 | 分子数据 | NA | NA | NA | NA | NA |
| 68 | 2026-04-29 |
Microbial carbon use efficiency promotes global soil carbon storage
2023-06, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06042-3
PMID:37225998
|
研究论文 | 通过全球数据集、微生物过程显式模型、数据同化、深度学习和元分析，研究微生物碳利用效率（CUE）与土壤有机碳储存之间的关系 | 首次在全球尺度上证明微生物碳利用效率是决定土壤有机碳储存的主要因素，且其重要性至少是其他评估因素的四倍 | 未明确讨论CUE在不同生态系统类型中的具体机制，对气候变化的反馈预测仍需进一步微观过程理解 | 探究微生物碳利用效率在全球土壤有机碳储存中的作用及其与气候、植被和土壤性质的交互影响 | 全球范围的土壤样品及相关的微生物过程数据 | 机器学习 | NA | NA | 深度学习模型 | 数值数据 | 来自全球尺度的大规模数据集，具体样本数量未明确给出 | PyTorch, TensorFlow | NA | NA | NA |
| 69 | 2026-04-29 |
A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features
2023-06, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202306_32608
PMID:37318465
|
研究论文 | 提出一种基于深度学习的视觉策略干预方法，用于自闭症谱系障碍儿童的行为特征提取与异常行为检测 | 融合时空特征提取结构，在MotionNet中加入光流特征子网络；提出基于序列池的行为检测方法，结合注意力机制和聚类池 | 在复杂背景下HMDB51数据集上准确率仅63.81%，模型泛化能力有限 | 探索自闭症谱系障碍儿童的有效干预方法 | 自闭症谱系障碍儿童的异常行为特征 | 计算机视觉 | 自闭症谱系障碍 | NA | CNN | 视频 | SDUFall, Weizmann, HMDB51数据集 | NA | MotionNet, 光流特征子网络 | 准确率 | NA |
| 70 | 2026-04-28 |
Boosting the performance of pretrained CNN architecture on dermoscopic pigmented skin lesion classification
2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13505
PMID:38009020
|
研究论文 | 通过数据增强和贝叶斯超参数调优提升预训练CNN模型在黑色素皮肤病变分类中的性能 | 结合数据增强与贝叶斯超参数调优两种方法，显著提升预训练CNN模型在皮肤镜图像分类中的性能，尤其Inception-V3模型取得了最高准确率96.40%和AUC 0.98 | 未提及具体限制 | 提升预训练卷积神经网络在黑色素皮肤病变分类中的性能 | 皮肤镜图像中的色素性皮肤病变 | 计算机视觉 | 黑色素瘤 | 皮肤镜成像 | CNN | 图像 | 2019年ISIC数据集，包含八种疾病类别 | NA | Inception-V3 | 准确率, AUC | NA |
| 71 | 2026-04-28 |
Lyme rashes disease classification using deep feature fusion technique
2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13519
PMID:38009027
|
研究论文 | 提出一种深度特征融合系统用于自动分类莱姆病皮疹 | 提出了一种新的深度特征融合机制，通过结合Densenet201、InceptionV3和Exception三个模型的深度特征，并利用元分类器进行整合，显著提升了分类准确率 | NA | 自动分类莱姆病皮疹以辅助临床医生和皮肤科医生进行有效诊断 | 莱姆病皮疹的红斑迁移图像 | 计算机视觉 | 莱姆病 | 深度学习特征融合 | Densenet201, InceptionV3, Exception, 元分类器（基础深度卷积神经网络） | 图像 | NA | NA | DenseNet201, InceptionV3, Exception, 基础深度卷积神经网络 | 分类准确率 | NA |
| 72 | 2026-04-28 |
Segmentation and classification of skin lesions using hybrid deep learning method in the Internet of Medical Things
2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13524
PMID:38009016
|
研究论文 | 提出一种结合Mask R-CNN和ResNet50的混合深度学习模型，用于皮肤病变的语义分割和分类，在IoMT环境中提升诊断准确性 | 首次将MRCNN语义分割与ResNet50病变检测相结合，在IoMT框架下实现端到端的皮肤病变细粒度分析，分割精度达95.49%，分类准确率达96.75% | 未提及算法在低质量图像或罕见病变类型上的泛化能力，也未讨论计算资源消耗和实时部署可行性 | 在医疗物联网背景下，利用混合深度学习方法提升皮肤病变分割与分类的准确性和效率 | 皮肤病变（痣、黑色素瘤等）的皮肤镜图像 | 计算机视觉, 数字病理学 | 皮肤癌 | 皮肤镜成像 | 卷积神经网络, 混合模型 | 皮肤镜图像 | ISIC 2020挑战数据集（大量标注图像） | PyTorch | Mask R-CNN, ResNet50 | 分割精度, 分类准确率 | NA |
| 73 | 2026-04-27 |
Clinical narratives as a predictor for prognosticating functional outcomes after intracerebral hemorrhage
2023-10-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2023.120807
PMID:37717279
|
research paper | 研究临床叙述能否改善脑出血患者功能预后的预测性能 | 首次利用自然语言处理从临床叙述中提取文本标记，并将其与现有预后模型结合，显著提升脑出血患者功能结局的预测性能 | NA | 探讨临床叙述能否提升脑出血后功能结局的预测能力 | 脑出血患者的临床叙述记录和功能结局（改良Rankin量表评分） | natural language processing | intracerebral hemorrhage | NLP | machine learning and deep learning approaches | text | 1363例患者（训练集1023例，测试集340例） | NA | NA | area under the receiver operating characteristic curve, net reclassification improvement, integrated discrimination improvement | NA |
| 74 | 2026-04-27 |
Deep learning analysis of UPLC-MS/MS-based metabolomics data to predict Alzheimer's disease
2023-10-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2023.120812
PMID:37776718
|
研究论文 | 利用深度学习分析基于UPLC-MS/MS的代谢组学数据来预测阿尔茨海默病 | 首次通过UPLC-MS/MS代谢组学数据结合深度学习模型，识别出一组新的诊断性代谢生物标志物用于预测阿尔茨海默病，其中胆汁酸代谢物与APOE-ε4等位基因和临床生物标志物相关 | 样本量较小，仅包含177名个体，且模型在单一数据集上验证，可能缺乏泛化能力 | 识别新的代谢生物标志物并开发深度学习工具以预测阿尔茨海默病 | 来自阿尔茨海默病神经影像学倡议队列的78名AD患者和99名认知正常个体，共177人 | 机器学习 | 阿尔茨海默病 | UPLC-MS/MS | 多层前馈神经网络 | 代谢组学数据 | 177名个体（78名AD患者和99名认知正常者） | H2O | 多层前馈神经网络（2层18个神经元） | 准确率、F1分数、AUC | NA |
| 75 | 2026-04-25 |
[Identification model of tooth number abnormalities on pediatric panoramic radiographs based on deep learning]
2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
研究论文 | 基于深度学习开发儿童全景X光片中牙齿数目异常的识别模型 | 首次应用ResNet-50作为骨干网络的深度学习模型，在儿科全景X光片上自动识别额外牙并定位缺失恒牙，辅助诊断牙齿数目异常 | 未提及限制 | 基于深度学习识别儿科全景X光片的牙齿数目异常 | 4至11岁儿童的全景X光片 | 计算机视觉 | 儿童牙齿数目异常 | 全景X光成像 | 卷积神经网络（CNN） | 图像 | 共1707张全景X光片，其中训练集480张、验证集160张、内部测试集160张、外部测试集907张 | PyTorch | ResNet-50 | 灵敏度、特异度、阳性预测值、阴性预测值、Kappa值 | NA |
| 76 | 2026-04-25 |
[Deep learning-assisted construction of three-dimensional face midsagittal plane based on point clouds]
2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
研究论文 | 基于深度学习的点云三维面部中矢面自动构建方法 | 提出动态图配准网络（DGRNet）实现智能配准，以构建三维面部中矢面，提高临床数字设计与分析效率 | 仅基于无明显面部畸形的患者数据，未探索严重畸形的适用性 | 建立智能配准算法，自动构建三维面部中矢面，为临床数字设计与分析提供参考 | 临床患者的面部点云数据 | 计算机视觉 | 无特定疾病 | 三维点云扫描 | 动态图配准网络（DGRNet） | 点云数据 | 200名临床患者（2020年10月至2022年10月收集） | NA | DGRNet | 决定系数（R），角度误差 | NA |
| 77 | 2026-04-25 |
Semantic segmentation of retinal exudates using a residual encoder-decoder architecture in diabetic retinopathy
2023-Nov, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24345
PMID:37194727
|
研究论文 | 本文提出一种基于残差编码器-解码器架构的视网膜渗出物语义分割方法，用于糖尿病视网膜病变筛查 | 采用残差跳连接减少参数数量，并对比多种深度卷积神经网络架构，在大幅降低模型复杂度的同时保持高分割精度 | 未提及模型在不同成像设备或不同种族人群中的泛化能力，也未讨论实时处理能力 | 开发计算机辅助诊断方法以实现视网膜渗出物的自动分割，辅助糖尿病视网膜病变早期筛查 | 视网膜眼底图像中的渗出物病变区域 | 计算机视觉, 数字病理学 | 糖尿病视网膜病变 | 眼底照相 | 卷积神经网络, 残差网络 | 图像 | 三个基准数据库：E-ophtha, DIARETDB1, Hamilton眼科研究所黄斑水肿数据库 | NA | 残差编码器-解码器架构 | 精确率, 准确率, 灵敏度, 特异度, AUC | NA |
| 78 | 2026-04-25 |
Transfer learning enables predictions in network biology
2023-06, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06139-9
PMID:37258680
|
研究论文 | 开发了一种基于注意力机制的深度学习模型Geneformer，通过迁移学习在限量数据场景下预测基因网络 | 首次将大规模预训练深度学习模型（Geneformer）应用于网络生物学，通过自监督学习编码网络层次结构，支持限量数据下的下游任务微调 | NA | 利用迁移学习解决基因网络预测中数据稀缺的问题，加速发现网络关键调控因子和候选治疗靶点 | 基因网络和单细胞转录组数据 | 机器学习 | 心肌病 | 单细胞转录组测序 | 注意力神经网络 | 单细胞转录组数据 | 约3000万单细胞转录组样本 | PyTorch | Geneformer（基于Transformer架构） | 预测准确性 | NA |
| 79 | 2026-04-23 |
Spatiotemporal denoising of low-dose cardiac CT image sequences using RecycleGAN
2023-09-12, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/acf223
PMID:37604139
|
研究论文 | 本研究开发了一种基于RecycleGAN的时空深度学习方法来增强低剂量心脏CT图像序列的质量 | 利用RecycleGAN结合循环网络处理时间序列图像，相比CycleGAN能更好地利用时空信息进行降噪 | 研究主要基于模拟数据和有限的患者样本，临床验证规模相对较小 | 开发一种深度学习方法来降低心脏CT图像序列的噪声，以减少辐射剂量 | 心电图门控多相计算机断层扫描血管造影（MP-CTA）图像序列 | 计算机视觉 | 心血管疾病 | 计算机断层扫描（CT） | GAN | 图像序列 | 模拟数据：18名患者（14训练，2验证，2测试）；临床数据：50名患者 | NA | RecycleGAN, CycleGAN | 视觉检查，定量指标 | NA |
| 80 | 2026-04-21 |
Human Alzheimer's disease reactive astrocytes exhibit a loss of homeostastic gene expression
2023-08-02, Acta neuropathologica communications
IF:6.2Q1
DOI:10.1186/s40478-023-01624-8
PMID:37533101
|
研究论文 | 本研究利用单核RNA测序数据，揭示了阿尔茨海默病患者反应性星形胶质细胞转录组变化，特别是稳态基因表达的显著丧失 | 首次在单细胞分辨率下系统描述人类阿尔茨海默病反应性星形胶质细胞的转录组特征，发现其反应性表现为稳态基因的显著下调而非传统认为的单纯上调 | 研究主要基于转录组数据，功能验证相对有限；样本来源为死后脑组织，可能存在死后变化影响 | 探究阿尔茨海默病中反应性星形胶质细胞的分子特征和功能变化 | 人类正常、病理性衰老和阿尔茨海默病脑组织中的星形胶质细胞 | 生物信息学 | 阿尔茨海默病 | 单核RNA测序, 共免疫荧光染色 | 深度学习聚类算法 | RNA测序数据, 图像数据 | 15,529个星形胶质细胞核 | NA | NA | NA | NA |