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 2592 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2026-03-25 |
Fundus Tessellated Density Assessed by Deep Learning in Primary School Children
2023-06-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.12.6.11
PMID:37342054
|
研究论文 | 本研究利用深度学习技术评估小学儿童眼底镶嵌密度，并探讨其与眼部参数的关系 | 首次将人工智能技术应用于儿童眼底镶嵌密度的定量评估，并分析了不同分布模式的特征 | 样本量有限（仅577名7岁儿童），且为横断面研究，无法确定因果关系 | 探索眼底镶嵌密度与眼部特征的关系，并比较不同眼底镶嵌分布模式 | 577名7岁儿童的眼部数据 | 计算机视觉 | 近视相关眼底病变 | 深度学习 | 深度学习模型 | 图像 | 577名7岁儿童 | NA | NA | NA | NA |
| 162 | 2026-03-24 |
Deep learning-based 2D keypoint detection in alpine ski racing - A performance analysis of state-of-the-art algorithms applied to regular skiing and injury situations
2023, JSAMS plus
DOI:10.1016/j.jsampl.2023.100034
PMID:41868559
|
研究论文 | 本研究评估了深度学习在滑雪运动中的二维关键点检测性能，特别是在常规滑雪和受伤情况下的应用 | 首次将深度学习关键点检测算法应用于高山滑雪中的受伤情况分析，并创建了专门的滑雪受伤数据集 | 在摔倒情况下检测性能显著下降，自遮挡和罕见姿势导致准确率降低 | 评估深度学习算法在滑雪运动关键点检测中的实用性，为运动损伤分析提供工具 | 高山滑雪运动员在常规滑雪和受伤情况下的运动姿态 | 计算机视觉 | 运动损伤 | 深度学习关键点检测 | CNN | 视频图像 | NA | NA | OpenPose, Mask-R-CNN, AlphaPose, DCPose | 平均关节位置误差, 正确关键点百分比 | NA |
| 163 | 2026-03-22 |
Predicting Physiological Response in Heart Failure Management: A Graph Representation Learning Approach using Electronic Health Records
2023-Feb-01, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.01.27.23285129
PMID:36747787
|
研究论文 | 本研究开发了一种图表示学习框架，利用电子健康记录预测心力衰竭患者的生理反应，以个性化治疗方案 | 提出了一种结合图Transformer网络和图神经网络的框架，通过自注意力机制和全局注意力掩码来建模临床事件间的空间依赖性和时间性，以增强个性化预测 | NA | 通过深度学习技术预测心力衰竭患者的生理反应，以支持个性化治疗管理 | 心力衰竭患者 | 机器学习 | 心血管疾病 | 电子健康记录分析 | GNN, Transformer | 电子健康记录 | NA | NA | Graph Transformer Network, GNN | NA | NA |
| 164 | 2026-03-22 |
Erratum to "A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification"
2023, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0011
PMID:37849679
|
correction | 本文是对先前发表的一篇关于深度学习皮肤病变分类中低成本高性能数据增强方法的文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 165 | 2026-03-21 |
mHealth hyperspectral learning for instantaneous spatiospectral imaging of hemodynamics
2023-Apr, PNAS nexus
IF:2.2Q1
DOI:10.1093/pnasnexus/pgad111
PMID:37113981
|
研究论文 | 本文提出了一种基于学习的高光谱成像方法，通过少量采样数据从RGB图像中恢复高光谱立方体，实现快速血流动力学成像 | 提出高光谱学习概念，仅需小区域采样数据即可从RGB图像恢复完整高光谱立方体，突破传统高光谱成像的空间-光谱权衡限制 | 未明确说明算法在不同光照条件和组织类型下的泛化能力，也未讨论计算复杂度对实时应用的影响 | 开发一种快速、低成本的高光谱成像方法，用于血流动力学监测 | 血管发育实验模型和人体外周微循环系统 | 计算机视觉 | 心血管疾病 | 高光谱成像，智能手机视频录制 | 深度学习 | 图像，视频 | NA | NA | NA | 光谱分辨率（与科学光谱仪对比） | 普通智能手机摄像头 |
| 166 | 2026-03-19 |
The Impact of Stability Considerations on Genetic Fine-Mapping
2023-Apr-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.11.536456
PMID:37090514
|
研究论文 | 本文提出了一种基于稳定性考虑的遗传精细定位方法，以补充传统基于残差化的方法，提高识别功能遗传变异的能力 | 引入稳定性指导的精细定位方法，不依赖残差化，通过跨不同遗传背景或环境的一致性来识别变异，并整合深度学习功能注释进行评估 | 方法依赖于GEUVADIS数据集和特定功能注释，可能在其他数据集或注释体系中泛化能力有限，且未详细讨论计算复杂度 | 改进遗传精细定位方法，以更准确地识别与复杂性状相关的遗传变异 | 遗传变异（特别是eQTLs）和人类基因组功能注释 | 机器学习 | NA | 遗传精细定位、功能注释分析、深度学习 | NA | 遗传数据、功能注释数据 | 基于GEUVADIS数据，具体样本数未明确说明 | NA | Enformer（深度学习模型） | 功能注释富集分析 | NA |
| 167 | 2026-03-17 |
RETRACTED ARTICLE: A novel deep learning-based approach for detecting attacks in social IoT
2023-05-10, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08389-1
PMID:37362260
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 168 | 2026-03-16 |
The opportunities and challenges posed by the new generation of deep learning-based protein structure predictors
2023-04, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2023.102543
PMID:36807079
|
综述 | 本文综述了新一代基于深度学习的蛋白质结构预测工具的影响、机遇与挑战 | 探讨了基于深度学习的新一代蛋白质结构预测工具带来的科学和技术挑战及未来方向 | NA | 概述新一代蛋白质结构预测工具对生命科学领域的影响并讨论其机遇与挑战 | 蛋白质结构预测工具及其在生命科学中的应用 | 机器学习 | NA | 深度学习 | NA | 蛋白质序列 | NA | NA | NA | NA | NA |
| 169 | 2026-03-15 |
Identifying sex differences in EEG-based emotion recognition using graph convolutional network with attention mechanism
2023-Nov-21, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad085a
PMID:37906969
|
研究论文 | 本研究利用图卷积网络和注意力机制，基于脑电图数据识别情绪，并探究情绪处理中的性别差异 | 首次在跨文化多数据集上系统评估情绪脑电图模式的性别差异，并构建了性别特异性情绪识别模型 | 研究依赖于公开数据集，未考虑个体差异、年龄、激素水平等其他潜在影响因素 | 探究情绪脑电图模式中的性别差异及其对情绪识别模型性能的影响 | 五个公开脑电图情绪数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）中的情绪脑电图信号 | 机器学习 | NA | 脑电图 | 图卷积网络, 注意力机制 | 脑电图信号 | 五个公开数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER） | NA | 图卷积网络 | NA | NA |
| 170 | 2026-03-15 |
Tracing the Flu Symptom Progression via a Smart Face Mask
2023-10-11, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.3c02492
PMID:37750614
|
研究论文 | 本文介绍了一种基于超灵敏纤维温度传感器的无线一体化智能口罩，用于监测流感症状进展 | 开发了一种集成了超灵敏纤维温度传感器的无线智能口罩，结合物联网和人工智能技术，实现了对呼吸和体温异常的连续监测 | NA | 通过智能口罩追踪流感症状进展，为个性化健康监测和护理点系统提供解决方案 | 流感病毒影响的呼吸和体温变化 | 物联网与人工智能 | 流感 | 超灵敏纤维温度传感器 | 深度学习算法 | 传感器数据（体温和呼吸） | NA | NA | NA | NA | NA |
| 171 | 2026-03-15 |
A deep learning approach to identify missing is-a relations in SNOMED CT
2023-02-16, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocac248
PMID:36539234
|
研究论文 | 本文提出了一种基于深度学习的方法，用于识别SNOMED CT中缺失的is-a关系 | 利用深度学习模型结合概念名称、层次结构、词汇属性和逻辑定义特征，预测具有包含模式的概念对之间的is-a关系，并引入交叉验证启发式方法识别缺失关系 | 研究仅针对SNOMED CT的临床发现子层次，且模型性能依赖于专家验证的准确性 | 提高SNOMED CT的质量保证，通过识别缺失的is-a关系来完善临床术语知识库 | SNOMED CT中的概念对，特别是具有包含模式的概念对 | 自然语言处理 | NA | 深度学习 | 二元分类器 | 文本 | 使用SNOMED CT临床发现子层次（2019年9月美国版）的概念对进行训练和测试 | NA | NA | 精确度, 召回率, F1分数 | NA |
| 172 | 2026-03-15 |
Multi-center retrospective cohort study applying deep learning to electrocardiograms to identify left heart valvular dysfunction
2023-Feb-14, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-023-00240-w
PMID:36788316
|
研究论文 | 本研究开发并验证了基于深度学习的工具，用于从心电图（ECG）中识别左心瓣膜功能障碍，特别是主动脉瓣狭窄和二尖瓣反流 | 首次在多中心回顾性队列研究中，结合自然语言处理（NLP）从超声心动图报告中提取真实标签，并利用深度学习模型从ECG中检测瓣膜疾病，实现了临床部署场景的考虑 | 研究为回顾性设计，可能存在选择偏倚；模型性能在外部验证中略有下降，需进一步前瞻性研究验证 | 开发并验证深度学习工具，以辅助临床决策，提高从ECG中提取信息的能力，用于早期疾病检测 | 来自纽约市五家西奈山医院的患者，包括123,096名患者用于二尖瓣反流检测，128,628名患者用于主动脉瓣狭窄检测 | 数字病理学 | 心血管疾病 | 自然语言处理（NLP），经胸超声心动图，心电图（ECG） | 深度学习模型 | 文本（超声心动图报告），信号数据（ECG） | 617,338个ECG-超声心动图对，涉及123,096名患者（二尖瓣反流）和128,628名患者（主动脉瓣狭窄） | NA | NA | AUROC（受试者工作特征曲线下面积） | NA |
| 173 | 2026-03-14 |
High-throughput adjustable deformability cytometry utilizing elasto-inertial focusing and virtual fluidic channel
2023-10-10, Lab on a chip
IF:6.1Q2
DOI:10.1039/d3lc00591g
PMID:37766593
|
研究论文 | 本文提出了一种集成三维弹性惯性聚焦和虚拟流体通道的高通量可调变形性细胞术，用于无标记细胞机械表型分析 | 通过结合弹性惯性聚焦与虚拟流体通道，实现了对多种尺寸细胞的单设备可调谐、高通量机械表征，并开发了mini-BiSeNet网络进行快速细胞识别与特征提取 | NA | 开发一种通用、高通量的微流控细胞变形性分析系统，用于基于机械特性的细胞状态与疾病进程表征 | 多种细胞系（A549、MCF-7、MDA-MB-231）及白细胞（WBCs），并探索了在胸腔积液表征中的应用潜力 | 数字病理学 | 肺癌 | 微流控变形性细胞术，深度学习分类 | CNN | 图像 | NA | NA | mini-BiSeNet | 准确率 | NA |
| 174 | 2026-03-14 |
A systematic review of automated segmentation of 3D computed-tomography scans for volumetric body composition analysis
2023-Oct, Journal of cachexia, sarcopenia and muscle
DOI:10.1002/jcsm.13310
PMID:37562946
|
系统综述 | 本文系统综述了用于体积身体成分分析的3D CT扫描自动分割技术的可行性、准确性及当前局限性 | 首次系统评估3D CT扫描自动分割在体积身体成分分析中的应用，对比传统方法与深度学习技术，并明确当前研究空白与临床转化挑战 | 纳入研究数量有限（7篇），算法训练所用金标准分割存在人为主观差异，CT扫描覆盖范围术语不统一，缺乏全身体积验证数据 | 评估自动化3D CT分割在身体成分分析中的技术可行性与临床应用价值 | CT扫描中的骨骼肌、内脏脂肪和皮下脂肪组织 | 医学影像分析 | 身体成分相关疾病 | 计算机断层扫描（CT） | 深度学习算法，传统计算机算法 | 3D CT影像 | 7项符合条件的研究（共检索92项） | NA | NA | Dice相似系数 | NA |
| 175 | 2026-03-14 |
A Neural Speech Decoding Framework Leveraging Deep Learning and Speech Synthesis
2023-Sep-17, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.16.558028
PMID:37745380
|
研究论文 | 本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层电信号中重建语音 | 提出了一个包含可微分语音合成器的端到端框架，并开发了音频自编码器来生成参考语音参数以辅助训练，提高了跨被试（48人）的解码可重复性 | 未明确提及模型在极低信噪比或长期植入场景下的稳定性，也未讨论个体解剖差异对解码性能的具体影响 | 开发一种能够从神经信号中解码自然语音的脑机接口技术，以帮助神经系统损伤患者恢复言语功能 | 48名参与者的皮层电图（ECoG）信号及对应的语音数据 | 脑机接口，语音合成 | 神经系统损伤导致的言语障碍 | 皮层电图（ECoG）信号采集 | 深度学习 | 神经信号（ECoG），音频，频谱图 | 48名参与者 | 未明确提及，但推断可能为PyTorch或TensorFlow | 3D ResNet, SWIN Transformer，以及自编码器 | 皮尔逊相关系数（PCC） | NA |
| 176 | 2026-03-14 |
A deep learning approach reveals unexplored landscape of viral expression in cancer
2023-02-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-36336-z
PMID:36774364
|
研究论文 | 本文开发了一种名为viRNAtrap的深度学习管道，用于识别癌症中的病毒表达，并应用于TCGA的14种癌症类型 | 提出了一种基于深度学习的无对齐方法viRNAtrap，能够识别未知和分化的病毒，并揭示与癌症生存率相关的内源性病毒表达 | 研究仅基于TCGA的14种癌症类型，可能未涵盖所有癌症或病毒类型，且深度学习模型的泛化能力需进一步验证 | 研究癌症中病毒表达的特征，特别是未知和分化病毒，以探索病毒与癌症的关联 | 人类癌症组织中的病毒RNA序列数据 | 机器学习 | 癌症 | RNA测序 | 深度学习模型 | RNA测序数据 | 来自TCGA的14种癌症类型的数据集 | NA | NA | NA | NA |
| 177 | 2026-03-14 |
Automatic Prediction of Paediatric Cardiac Output From Echocardiograms Using Deep Learning Models
2023-Feb, CJC pediatric and congenital heart disease
DOI:10.1016/j.cjcpc.2022.11.001
PMID:37970100
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于从儿科超声心动图中自动预测心输出量 | 修改了EchoNet-Dynamic模型以预测左心室流出道直径，并开发了一种新颖的深度学习方法用于速度时间积分估计，从而实现了心输出量的自动预测 | 数据集规模较小，尽管通过预训练实现了准确估计，但可能限制了模型的泛化能力 | 开发一种准确、快速的自动心输出量评估方法，以支持临床决策 | 儿科超声心动图，包括正常心输出量和扩张型心肌病导致心输出量降低的患者 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习模型 | 图像 | 未明确指定具体样本数量，但提及包括正常心输出量和扩张型心肌病患者的数据集 | NA | EchoNet-Dynamic | 均方根误差, 平均绝对误差, 平均百分比误差, 决定系数, Bland-Altman分析 | NA |
| 178 | 2026-03-13 |
Classification of Glomerular Pathology Images in Children Using Convolutional Neural Networks with Improved SE-ResNet Module
2023-Dec, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-023-00579-7
PMID:37525066
|
研究论文 | 本研究设计了一个基于深度学习的完整肾小球分类框架，用于检测和分类儿童肾小球病理图像，通过改进的SE-ResNet模块实现高精度分类 | 提出了一种集成ResNet和SENet的RS-INet神经网络，通过将原始ResNet残差块的卷积层转换为参数更小的卷积块，在保证网络性能的前提下减少了网络参数 | NA | 解决儿童肾小球病变分类问题，实现肾小球病理的高精度分类 | 儿童肾小球病理图像 | 数字病理学 | 肾脏疾病 | 组织切片 | CNN | 图像 | NA | NA | ResNet, SENet, SE-ResNet | 准确率 | NA |
| 179 | 2026-03-13 |
Nested star-shaped objects segmentation using diameter annotations
2023-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102934
PMID:37688981
|
研究论文 | 提出一种基于直径标注的深度学习方法，用于分割嵌套星形结构（如血管内腔和外壁），以减少临床标注负担 | 通过可微分方式提取训练时的物体边界点，并利用直径标注（而非逐像素标注）训练深度学习模型，实现了弱监督下的精确分割 | 方法主要适用于嵌套星形结构，可能不适用于复杂或不规则形状的分割任务 | 开发一种减少医学图像分割标注负担的弱监督学习方法 | 颈动脉内腔和外壁 | 计算机视觉 | 心血管疾病 | 多序列磁共振成像 | 深度学习模型 | 医学图像 | 未明确说明 | 未明确说明 | 未明确说明 | 未明确说明 | 未明确说明 |
| 180 | 2026-03-13 |
Supervised tractogram filtering using Geometric Deep Learning
2023-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102893
PMID:37741032
|
研究论文 | 本文提出了一种名为Verifyber的监督学习方法，用于过滤脑白质纤维束图中非解剖学上合理的纤维 | 采用新颖的完全监督学习框架，结合几何深度学习处理可变长度纤维，并引入序列边缘卷积来捕获解剖特性，同时保持纤维方向不变性 | NA | 解决脑白质纤维束图中非解剖学合理纤维的过滤问题，以提高纤维束图的准确性 | 脑白质纤维束图中的虚拟纤维 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 3D折线（纤维） | NA | NA | 序列边缘卷积 | NA | 12GB GPU |