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 2677 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 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 |
| 982 | 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 |
| 983 | 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 |
| 984 | 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 |
| 985 | 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 |
| 986 | 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 |
| 987 | 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 |
| 988 | 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 |
| 989 | 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 |
| 990 | 2025-03-01 |
Commentary on "A systematic review on machine learning and deep learning techniques in cancer survival prediction": Validation of survival methods
2023-10, Progress in biophysics and molecular biology
DOI:10.1016/j.pbiomolbio.2023.08.001
PMID:37579795
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 991 | 2025-10-07 |
A deep learning-based electrocardiogram risk score for long term cardiovascular death and disease
2023-Sep-12, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-023-00916-6
PMID:37700032
|
研究论文 | 开发基于深度学习的静息心电图风险评分模型SEER，用于预测长期心血管死亡和疾病风险 | 首次证明仅使用静息心电图即可通过深度学习准确预测长期心血管死亡率，且仅需单导联心电图即可实现高性能预测 | 模型在预测动脉粥样硬化疾病方面的性能相对较低（AUC 0.67），且仅在美国三家医疗中心进行验证 | 开发基于心电图的心血管风险预测工具以改善风险分层和医疗决策 | 心电图数据和心血管疾病患者 | 医疗人工智能 | 心血管疾病 | 心电图检测 | CNN | 心电图信号 | 斯坦福大学医学中心收集的大规模静息12导联心电图数据集 | NA | 深度卷积神经网络 | AUC | NA |
| 992 | 2025-10-07 |
Prediction of Coronary Artery Calcium Using Deep Learning of Echocardiograms
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.2022.12.014
PMID:36566995
|
研究论文 | 本研究开发了一种基于视频的深度学习模型，通过经胸超声心动图视频预测冠状动脉钙化评分 | 首次使用经胸超声心动图视频结合深度学习技术预测冠状动脉钙化评分，为无法进行CT检查的患者提供了替代方案 | 样本量相对有限，外部验证集仅包含92例TTE视频，需要更大规模的研究验证 | 探索使用广泛可用的经胸超声心动图替代CT扫描进行冠状动脉钙化评估的可行性 | 冠状动脉钙化患者 | 计算机视觉 | 心血管疾病 | 经胸超声心动图，冠状动脉钙化CT | CNN | 视频 | 2,881个TTE视频与冠状动脉钙化CT配对数据，外部验证集92个TTE视频 | NA | 卷积神经网络 | AUC, F1分数, 精确召回曲线, 接收者操作特征曲线 | NA |
| 993 | 2025-10-07 |
DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65910
PMID:38163278
|
研究论文 | 提出DeepOmicsAE工作流程，利用自编码器分析多组学数据以识别阿尔茨海默病的信号模块 | 开发了针对多组学数据优化的自编码器工作流程，提供参数优化方法，并能识别与临床特征互作的分子信号模块 | 样本量相对较小(142人)，仅使用死后脑样本数据 | 开发多组学数据分析方法以研究阿尔茨海默病的分子机制 | 健康个体和阿尔茨海默病患者的死后脑样本 | 机器学习 | 阿尔茨海默病 | 蛋白质组学,代谢组学,临床数据分析 | 自编码器 | 蛋白质组数据,代谢组数据,临床数据 | 142人(包括健康对照和阿尔茨海默病患者) | NA | 自编码器 | NA | NA |
| 994 | 2025-10-07 |
Artificial Intelligence-based System for Detecting Attention Levels in Students
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65931
PMID:38163270
|
研究论文 | 提出基于人工智能的系统，通过分析学生面部表情、视线方向、身体姿态和生物特征数据来检测课堂注意力水平 | 整合多种数据源（面部表情、视线方向、身体姿态和生物特征）构建注意力检测系统 | 需要创建标记数据集，整合不同类型数据存在挑战 | 开发AI系统自动识别学生注意力水平，帮助教师优化教学过程 | 课堂学生 | 机器学习 | NA | 深度学习 | 深度学习模型 | 图像数据, 传感器数据, 生物特征数据 | NA | NA | NA | NA | NA |
| 995 | 2025-10-07 |
Federated learning for diagnosis of age-related macular degeneration
2023, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2023.1259017
PMID:37901412
|
研究论文 | 本文提出了一种联邦学习方法，用于训练深度学习模型对年龄相关性黄斑变性进行光学相干断层扫描图像分类 | 结合四种独特的域适应技术解决多机构数据分布不均导致的域偏移问题，并比较了残差网络和视觉变换器编码器在联邦学习中的表现 | 仅使用二元分类任务，未探索更深层模型和其他联邦学习策略 | 开发保护数据隐私的分布式深度学习模型用于AMD诊断 | 年龄相关性黄斑变性患者的眼科光学相干断层扫描图像 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | ResNet, Vision Transformer | NA | NA |
| 996 | 2025-10-07 |
Deep Learning-Aided Modulation Recognition for Non-Orthogonal Signals
2023-May-31, Sensors (Basel, Switzerland)
DOI:10.3390/s23115234
PMID:37299960
|
研究论文 | 提出基于深度学习的非正交信号调制识别方法，分别针对下行和上行链路设计不同网络架构 | 首次将双向LSTM和注意力机制应用于非正交信号调制识别，利用迁移学习提升模型鲁棒性 | 未明确说明在非高斯信道条件下的性能表现 | 开发适用于非正交传输系统的高效自动调制识别方法 | 下行和上行非正交传输信号 | 机器学习 | NA | 信号调制识别 | BiLSTM, CNN, 注意力机制 | 信号数据 | NA | NA | BiLSTM, 时空融合网络, CNN | 识别准确率 | NA |
| 997 | 2025-10-07 |
The Effect of Dataset Imbalance on the Performance of SCADA Intrusion Detection Systems
2023-Jan-09, Sensors (Basel, Switzerland)
DOI:10.3390/s23020758
PMID:36679553
|
研究论文 | 本研究探讨了数据集不平衡对SCADA入侵检测系统性能的影响 | 首次系统评估多种数据平衡技术对SCADA入侵检测系统性能的影响 | 仅使用两个特定数据集进行评估，未涵盖所有可能的SCADA场景 | 研究数据不平衡对深度学习SCADA入侵检测系统性能的影响 | SCADA系统和物联网设备的安全防护 | 机器学习 | NA | NA | CNN-LSTM | 网络流量数据 | 两个不平衡数据集：Morris电力数据集和CICIDS2017数据集 | NA | CNN-LSTM混合架构 | 准确率,精确率,检测率,F1分数 | NA |
| 998 | 2025-10-07 |
Automated classification of fat-infiltrated axillary lymph nodes on screening mammograms
2023-Nov, The British journal of radiology
DOI:10.1259/bjr.20220835
PMID:37751215
|
研究论文 | 开发基于深度学习的自动化流程对筛查性乳腺X线摄影中的脂肪浸润腋窝淋巴结进行分类 | 首次使用自动化深度学习方法对脂肪浸润淋巴结进行分类 | 标记数据稀缺可能限制模型泛化能力 | 开发快速可推广的工具辅助数据标注，支持大规模研究 | 筛查性乳腺X线摄影中的脂肪浸润腋窝淋巴结 | 计算机视觉 | 肥胖相关疾病 | 乳腺X线摄影 | 深度学习 | 医学影像 | 886张内部机构乳腺X线片和外部数据库子集 | NA | 两阶段深度学习模型 | 准确率, AUC | NA |
| 999 | 2025-10-07 |
Spatial and Compositional Biomarkers in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer
2023-Dec-20, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.18.572234
PMID:38187696
|
研究论文 | 通过单细胞分辨率成像质谱数据分析三阴性乳腺癌肿瘤微环境的生物标志物与临床预后关系 | 首次在TNBC中系统识别10个复发性细胞邻域，并发现细胞间邻域相互作用与生存改善相关 | 样本量相对有限（58例TNBC患者标本），深度学习模型预测准确度有待提升（平均AUC=0.71） | 探索三阴性乳腺癌肿瘤微环境特征与临床结果的关系 | 三阴性乳腺癌患者肿瘤组织标本 | 数字病理学 | 三阴性乳腺癌 | 成像质谱细胞术 | 深度学习模型 | 单细胞分辨率空间图像数据 | 58例TNBC患者标本，另包含NeoTRIP临床试验独立队列 | NA | NA | AUC | NA |
| 1000 | 2025-02-21 |
Deep Learning for Automated Measurement of Total Cardiac Volume for Heart Transplantation Size Matching
2023-Dec-28, Research square
DOI:10.21203/rs.3.rs-3788726/v1
PMID:38234758
|
研究论文 | 本研究旨在通过深度学习技术自动测量心脏总体积（TCV），以促进心脏移植中的尺寸匹配 | 首次使用3D卷积神经网络（3D-CNN）自动计算TCV，提高了测量的准确性和效率 | 模型在移植心脏上的准确性略低于正常心脏，且样本量相对较小 | 开发一种快速且准确的TCV测量方法，以促进心脏移植中的尺寸匹配 | 0-30岁受试者的CT扫描图像 | 计算机视觉 | 心血管疾病 | CT扫描 | 3D-CNN（结合Dense-Net和ResNet架构） | 图像 | 270名受试者用于训练，44名受试者用于验证（其中36名正常，8名心脏病患者） | NA | NA | NA | NA |