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 158 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-10-07 |
A Deep Learning Approach to Improve Retinal Structural Predictions and Aid Glaucoma Neuroprotective Clinical Trial Design
2023 Mar-Apr, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2022.08.014
PMID:36038107
|
研究论文 | 开发深度学习回归方法预测青光眼患者视网膜结构厚度，以优化神经保护临床试验设计 | 首次利用深度学习模型预测视网膜GCIPL和RNFL厚度，并提出基于个体化半视网膜预测的临床试验样本量优化方法 | 研究为横断面设计，仅包含特定人群（非裔后裔青光眼患者）的数据 | 改进青光眼神经保护临床试验设计，通过预测视网膜结构厚度降低样本量需求 | 青光眼患者的视网膜GCIPL和RNFL厚度 | 医学影像分析 | 青光眼 | 光谱域OCT扫描 | 深度学习回归模型 | 视网膜OCT图像 | 1096只眼（550名患者）的3327对GCIPL/RNFL扫描数据 | NA | NA | 平均绝对误差, 皮尔逊相关系数平方 | NA |
| 42 | 2025-10-07 |
Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass
2023-03-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37173-w
PMID:36944631
|
研究论文 | 本研究使用深度学习技术对心脏磁共振衍生的左心室质量进行全基因组关联分析，识别出11个新变异位点并证明其与心肌病发病风险相关 | 首次将深度学习应用于大规模人群的心脏磁共振左心室质量测量，并成功识别出11个新的左心室质量相关基因位点 | 研究主要基于英国生物银行数据，需要在其他人群中验证结果的普适性 | 探索左心室质量的遗传基础及其与心肌病发病风险的关联 | 43,230名英国生物银行参与者的心脏磁共振数据 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像，全基因组关联研究 | 深度学习 | 医学影像数据，基因数据 | 43,230名英国生物银行参与者，另在Mass General Brigham样本中验证 | NA | NA | 风险比，95%置信区间 | NA |
| 43 | 2024-12-18 |
A Multitask Approach for Automated Detection and Segmentation of Thyroid Nodules in Ultrasound Images
2023-Mar-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.01.31.23285223
PMID:36778410
|
研究论文 | 本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节 | 该方法通过结合异常检测模块与U-Net架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了模型的临床可转化性 | NA | 开发一种自动化的方法，用于在超声图像中检测和分割甲状腺结节，以改善风险分层并减少医疗成本和患者不适 | 甲状腺结节和甲状腺癌 | 计算机视觉 | 甲状腺癌 | 深度学习 | U-Net | 图像 | 280名患者，共9,888张图像 | NA | NA | NA | NA |
| 44 | 2024-12-18 |
Automated evaluation of cardiac contractile dynamics and aging prediction using machine learning in a Drosophila model
2023-Mar-21, Research square
DOI:10.21203/rs.3.rs-2635745/v1
PMID:36993511
|
研究论文 | 本文提出了一种基于深度学习的平台，用于果蝇心脏的光学显微镜图像分割，并首次量化了心脏生理参数在衰老过程中的变化 | 首次使用深度学习和机器学习方法预测果蝇的衰老，并量化心脏生理参数，同时提出了预测心律失常的节律级动态分析方法 | 本文未详细讨论模型的可解释性和泛化能力 | 开发一种自动化方法，用于评估果蝇心脏收缩动力学和预测衰老 | 果蝇心脏的收缩动力学和衰老过程 | 机器学习 | 心血管疾病 | 深度学习 | CNN | 视频 | 实验测试数据集用于验证衰老模型 | NA | NA | NA | NA |
| 45 | 2024-12-08 |
Diffractive interconnects: all-optical permutation operation using diffractive networks
2023-Mar, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0358
PMID:39634345
|
研究论文 | 本文介绍了通过深度学习设计的衍射光学网络，能够在全光条件下执行排列操作，并扩展到数十万条输入输出连接 | 首次实验展示了在太赫兹频段运行的衍射排列网络，并设计了抗对准误差的衍射设计 | 更深的衍射网络设计在物理对准和输出衍射效率方面存在实际挑战 | 开发基于衍射光学网络的全光排列操作平台 | 衍射光学网络的排列操作性能 | 光学 | NA | 衍射光学 | NA | NA | NA | NA | NA | NA | NA |
| 46 | 2024-12-08 |
Multi-task topology optimization of photonic devices in low-dimensional Fourier domain via deep learning
2023-Mar, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0361
PMID:39634354
|
研究论文 | 本文提出了一种基于深度神经网络（DNN）的低维傅里叶域多任务拓扑优化方法，用于光子器件的设计 | 通过在低维傅里叶域中使用DNN进行拓扑优化，减少了设计自由度，加速了训练过程，并实现了多任务优化 | NA | 开发一种高效的多任务光子器件优化方法 | 光子器件，包括波长滤波器和波导耦合单光子源 | 计算机视觉 | NA | 深度学习 | 深度神经网络（DNN） | 光学响应 | NA | NA | NA | NA | NA |
| 47 | 2024-12-08 |
All-optical ultrafast ReLU function for energy-efficient nanophotonic deep learning
2023-Mar, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0137
PMID:39634351
|
研究论文 | 本文展示了使用周期极化薄膜铌酸锂纳米光波导实现的全光超快ReLU函数，为能量高效的纳米光子深度学习提供了新途径 | 首次实验展示了全光超快ReLU函数，实现了每激活仅耗费飞焦耳能量和近乎即时的操作 | NA | 探索能量高效的硬件加速器，特别是光学神经网络中的非线性光学函数 | 全光ReLU函数及其在深度学习中的应用 | 光学 | NA | 周期极化薄膜铌酸锂纳米光波导 | ReLU | 光信号 | NA | NA | NA | NA | NA |
| 48 | 2024-12-08 |
Analog nanophotonic computing going practical: silicon photonic deep learning engines for tiled optical matrix multiplication with dynamic precision
2023-Mar, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0423
PMID:39634350
|
研究论文 | 本文提出并实验验证了一种通过低基数硅光子处理器上的分块矩阵乘法（TMM）实现速度优化的动态精度神经网络（NN）推理 | 引入了与光子神经元噪声系数相关的理论模型，并实验验证了动态精度计算在分类任务中的应用，显著减少了线性操作的执行时间 | 光子硬件尺寸和高速电光组件的有限比特精度限制了性能 | 加速深度神经网络的线性操作，实现高精度和速度优化的分类性能 | 光子神经网络的动态精度推理和分类性能 | 光子学 | NA | 硅光子处理器 | 神经网络 | IRIS数据集 | NA | NA | NA | NA | NA |
| 49 | 2024-11-19 |
Cell type-specific interpretation of noncoding variants using deep learning-based methods
2023-03-20, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad015
PMID:36971292
|
研究论文 | 本文提出了一种新的神经网络架构DeepCT，用于解释非编码变异，并展示了其在细胞类型特异性预测中的应用 | 提出了DeepCT架构，能够学习表观遗传特征的复杂相互关系，并从任何可用输入中推断未测量的数据 | 现有的表观遗传特征数据非常稀疏，限制了依赖特定表观遗传输入的方法 | 解决非编码基因组变异的解释问题，并实现细胞类型特异性的预测 | 非编码变异及其在不同细胞类型中的影响 | 机器学习 | NA | 深度学习 | 神经网络 | 表观遗传特征 | NA | NA | NA | NA | NA |
| 50 | 2024-10-18 |
Thyroid Nodules on Ultrasound in Children and Young Adults: Comparison of Diagnostic Performance of Radiologists' Impressions, ACR TI-RADS, and a Deep Learning Algorithm
2023-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28231
PMID:36259591
|
研究论文 | 比较放射科医生的总体印象、ACR TI-RADS和深度学习算法在儿童和年轻成人甲状腺结节超声诊断中的表现 | 本文创新点在于比较了放射科医生的总体印象、ACR TI-RADS和深度学习算法在甲状腺结节诊断中的敏感性和特异性，发现ACR TI-RADS和深度学习算法在敏感性上优于放射科医生的总体印象 | 本文的局限性在于样本量较小，且仅限于儿童和年轻成人，研究结果可能不适用于所有年龄段 | 比较不同诊断方法在儿童和年轻成人甲状腺结节超声诊断中的表现 | 儿童和年轻成人的甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 深度学习算法 | 深度学习 | 图像 | 139名患者（中位年龄17.5岁；119名女性患者，20名男性患者） | NA | NA | NA | NA |
| 51 | 2024-10-18 |
Abdominopelvic CT Image Quality: Evaluation of Thin (0.5-mm) Slices Using Deep Learning Reconstruction
2023-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28319
PMID:36259592
|
研究论文 | 本研究评估了使用深度学习重建（DLR）的0.5毫米薄层腹部和盆腔CT图像质量，并与0.5毫米和3.0毫米的混合迭代重建（HIR）图像进行了比较 | 本研究首次使用深度学习重建技术生成低噪声的薄层CT图像，并展示了其在图像质量和噪声方面的优势 | 本研究为回顾性研究，样本量较小，且未进行进一步的诊断性能研究 | 比较深度学习重建的薄层CT图像与传统混合迭代重建图像的质量 | 腹部和盆腔CT图像 | 计算机视觉 | NA | 深度学习重建（DLR） | NA | 图像 | 50名患者（31名男性和19名女性；中位年龄64岁） | NA | NA | NA | NA |
| 52 | 2024-10-18 |
Editorial Comment: Deep Learning Image Reconstruction-Do Better Images Make a Better Radiologist?
2023-Mar, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28658
PMID:36287626
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 53 | 2024-10-16 |
Direct prediction of Homologous Recombination Deficiency from routine histology in ten different tumor types with attention-based Multiple Instance Learning: a development and validation study
2023-Mar-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.03.08.23286975
PMID:36945540
|
研究论文 | 研究开发了一种基于注意力加权的多实例学习（attMIL）的深度学习管道，用于从常规组织学图像中直接预测同源重组缺陷（HRD）状态 | 首次展示了使用常规组织学图像直接预测HRD状态的可行性，并验证了其在多种肿瘤类型中的适用性 | 研究仅在十种肿瘤类型中进行了验证，未来需要进一步扩展到更多肿瘤类型 | 探索深度学习技术在常规组织学图像中预测HRD状态的可行性 | 十种不同类型的肿瘤 | 数字病理 | NA | 深度学习 | 注意力加权的多实例学习（attMIL） | 图像 | 4565名患者 | NA | NA | NA | NA |
| 54 | 2024-10-09 |
Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI
2023-Mar, Neuroimage. Reports
DOI:10.1016/j.ynirp.2023.100162
PMID:37035520
|
研究论文 | 研究提出了一种基于深度学习的框架，用于检测脑MRI中的扩大血管周围间隙（ePVS），并寻找最佳的MRI序列组合以支持深度学习量化 | 研究引入了一种轻量级U-Net模型，专门用于ePVS检测，并探讨了不同MRI序列组合对检测准确性的影响 | 研究主要集中在MRI序列的选择和组合上，未涉及其他可能影响检测的因素 | 旨在通过深度学习技术提高脑MRI中ePVS的检测准确性和效率 | 研究对象为脑MRI图像中的扩大血管周围间隙（ePVS） | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 55 | 2024-10-04 |
Deep learning image analysis quantifies tumor heterogeneity and identifies microsatellite instability in colon cancer
2023-Mar, Journal of surgical oncology
IF:2.0Q2
DOI:10.1002/jso.27118
PMID:36251352
|
研究论文 | 本文利用深度学习技术分析结直肠癌的肿瘤异质性并识别微卫星不稳定性 | 提出了肿瘤异质性评分（THS），并发现其与微卫星不稳定性状态相关 | 需要扩展训练集以开发预测微卫星不稳定性的工具 | 研究深度学习在结直肠癌肿瘤异质性和微卫星不稳定性识别中的应用 | 结直肠癌的肿瘤异质性和微卫星不稳定性 | 数字病理学 | 结直肠癌 | 卷积神经网络（CNN） | CNN | 图像 | 313名患者的苏木精-伊红染色（H&E）图像，生成534,771个切片 | NA | NA | NA | NA |
| 56 | 2024-10-02 |
COVID-19 CT ground-glass opacity segmentation based on attention mechanism threshold
2023-Mar, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2022.104486
PMID:36505089
|
研究论文 | 本文提出了一种基于注意力机制阈值的新方法，用于准确分割COVID-19 CT图像中的磨玻璃影（GGO） | 本文创新性地提出了一个包含注意力机制阈值、轮廓均衡和肺部分割（ACL）的框架，能够根据图像对比度自适应调整阈值参数，从而实现对低对比度GGO图像的准确分割 | NA | 解决COVID-19 CT图像中磨玻璃影（GGO）分割的挑战 | COVID-19患者的CT图像中的磨玻璃影（GGO） | 计算机视觉 | COVID-19 | 注意力机制 | NA | 图像 | 四个COVID数据集 | NA | NA | NA | NA |
| 57 | 2024-10-02 |
A review of the application of artificial intelligence to nuclear reactors: Where we are and what's next
2023-Mar, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e13883
PMID:36895398
|
综述 | 本文综述了人工智能在核反应堆中的应用现状及未来发展方向 | 提出了将领域知识与数据驱动方法结合以减少数据需求，并推广可解释人工智能技术以提高模型透明度和可靠性 | 数据问题和黑箱困境是阻碍人工智能与核反应堆技术进一步融合的主要障碍 | 探讨人工智能技术在提高核反应堆安全性和经济性方面的应用及未来发展方向 | 核反应堆的设计优化及运行维护 | 机器学习 | NA | 机器学习、深度学习、进化计算 | NA | 实验数据 | NA | NA | NA | NA | NA |
| 58 | 2024-10-01 |
Deep efficient-nets with transfer learning assisted detection of COVID-19 using chest X-ray radiology imaging
2023-Mar-27, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-023-15097-3
PMID:37362692
|
研究论文 | 本文提出了一种基于深度学习架构的高效方法，用于通过胸部X光影像自动检测COVID-19 | 本文采用了迁移学习技术，结合Efficient-Nets模型，并通过数据增强和强度归一化方法解决了数据不平衡问题 | 尽管本文提出的方法在检测COVID-19方面表现出色，但仍可能存在过拟合和高方差的问题 | 开发一种高效且快速的COVID-19检测方法，以降低死亡率和传染率 | COVID-19感染患者 | 计算机视觉 | COVID-19 | 迁移学习 | Efficient-Nets | 影像 | 使用了公开数据集进行训练和测试，具体样本数量未明确提及 | NA | NA | NA | NA |
| 59 | 2024-10-01 |
ECG-guided non-invasive estimation of pulmonary congestion in patients with heart failure
2023-03-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-30900-9
PMID:36894601
|
研究论文 | 开发了一种基于深度学习的心衰患者肺充血无创评估模型HFNet | 利用12导联心电图、年龄和性别数据，通过深度学习模型HFNet准确预测心衰患者的平均肺毛细血管楔压（mPCWP）是否超过18 mmHg | 模型在不确定性较高的预测中表现较差，需要临床医生判断何时信任模型预测 | 开发一种无创方法准确评估心衰患者的血流动力学严重程度 | 心衰患者的平均肺毛细血管楔压（mPCWP） | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型（HFNet） | 心电图（ECG）、年龄、性别 | 使用了马萨诸塞州总医院的回顾性数据，并在另一机构的独立外部验证集上进行了评估 | NA | NA | NA | NA |
| 60 | 2024-09-30 |
Deep learning pose estimation for multi-cattle lameness detection
2023-03-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-31297-1
PMID:36934125
|
研究论文 | 本研究开发了一种基于深度学习的全自动多牛跛行检测系统，利用计算机视觉和深度学习技术对牛的姿势和步态进行高精度分析 | 本研究创新性地使用深度学习方法进行牛的姿势估计和跛行检测，并结合CatBoost梯度提升算法和SORT跟踪算法，实现了对多牛跛行的高精度实时检测 | 本研究仅在特定条件下对250头牛进行了测试，未来需要在更多样化的农场环境中进行验证 | 开发一种能够在奶牛场广泛部署的全自动多牛跛行检测系统 | 奶牛的姿势和步态 | 计算机视觉 | NA | 深度学习 | Mask-RCNN | 视频 | 25个视频序列，包含250头牛，以及从谷歌下载的500张图像 | NA | NA | NA | NA |