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 119 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-04-06 |
Development of Prognostic Biomarkers by TMB-Guided WSI Analysis: A Two-Step Approach
2023-Apr, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3249354
PMID:37027578
|
研究论文 | 开发了一种基于TMB引导的WSI分析的两步法框架，用于预后预测 | 提出了一个结合TMB和WSI的两步法框架，提高了预后预测的准确性和可解释性 | 研究依赖于特定数据集，可能在其他癌症类型中的泛化性有待验证 | 开发预后生物标志物，改善癌症患者的生存预测 | 透明细胞肾细胞癌（ccRCC）患者 | 数字病理学 | 肾癌 | 全切片图像（WSI）分析 | 深度残差网络 | 图像 | 295个内部数据集WSI和304个TCGA-KIRC项目WSI | NA | NA | NA | NA |
| 22 | 2025-04-06 |
LncDLSM: Identification of Long Non-Coding RNAs With Deep Learning-Based Sequence Model
2023-Apr, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3247805
PMID:37027676
|
research paper | 介绍了一种基于深度学习的序列模型lncDLSM，用于识别长非编码RNA（LncRNAs） | 提出了一种不依赖先验生物学知识的深度学习框架lncDLSM，用于区分lncRNA和其他蛋白质编码转录本 | 未明确提及具体局限性 | 开发一种高效识别lncRNA的方法，以帮助研究其形成机制及与疾病相关的下游调控 | 长非编码RNA（LncRNAs）和蛋白质编码转录本 | machine learning | NA | deep learning | deep learning-based sequence model | sequence data | NA | NA | NA | NA | NA |
| 23 | 2025-03-27 |
MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230782
PMID:40124116
|
研究论文 | 本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性 | 引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能 | NA | 提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下 | 心脏的晚期机械激活（LMA）区域 | 医学影像分析 | 心血管疾病 | cine位移编码与受激回波（DENSE）磁共振成像（MRI） | 多任务深度学习框架 | 心脏MR图像 | NA | NA | NA | NA | NA |
| 24 | 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 |
| 25 | 2025-02-21 |
Intelligent Eye-Controlled Electric Wheelchair Based on Estimating Visual Intentions Using One-Dimensional Convolutional Neural Network and Long Short-Term Memory
2023-Apr-16, Sensors (Basel, Switzerland)
DOI:10.3390/s23084028
PMID:37112369
|
研究论文 | 本文开发了一种基于1DCNN-LSTM的深度学习模型，用于实时估计用户的视觉意图，并结合注视停留时间方法开发了电动轮椅控制系统 | 提出了一种结合1DCNN和LSTM的深度学习模型，用于从眼动、头部运动和注视点距离等10个变量的特征向量中估计视觉意图，解决了电动轮椅操作中的“Midas触摸问题” | 未提及模型在不同环境或用户群体中的泛化能力 | 开发一种能够准确估计用户视觉意图的电动轮椅控制系统，以提高轮椅的操作性和减少用户的操作负担 | 电动轮椅用户 | 计算机视觉 | NA | 深度学习 | 1DCNN-LSTM | 时间序列数据（眼动、头部运动等） | 未明确提及样本数量 | NA | NA | NA | NA |
| 26 | 2025-10-07 |
The Genetic Determinants of Aortic Distention
2023-04-11, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2023.01.044
PMID:37019578
|
研究论文 | 本研究通过深度学习模型分析心脏磁共振图像，探索主动脉扩张性的流行病学相关性和遗传决定因素 | 首次使用深度学习模型在大规模人群（42,342人）中量化主动脉扩张性，并发现22个与胸主动脉直径无关的新遗传位点 | 研究样本主要来自UK Biobank，可能存在人群代表性限制 | 发现主动脉扩张性和应变的流行病学相关性和遗传决定因素 | 42,342名UK Biobank参与者的胸主动脉 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 心脏磁共振图像 | 42,342名UK Biobank参与者 | NA | NA | 风险比(HR), P值 | NA |
| 27 | 2025-10-07 |
An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network
2023-Apr-26, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-023-09965-9
PMID:37362765
|
研究论文 | 提出一种基于向量量化的无监督3D脑图像分割方法，采用记忆保留与消退策略提高计算效率 | 提出无监督3D深度嵌入聚类网络和记忆保留与消退策略，避免手动标注数据并显著提升计算效率 | NA | 开发高效的3D脑图像分割和肿瘤提取方法 | 脑部MRI图像和脑肿瘤 | 医学图像分析 | 脑肿瘤 | MRI | 无监督深度学习网络,3D-DEC | 3D医学图像 | 两个权威MRI脑肿瘤数据库(IBSR和BrainWeb)及机构收集的真实3D脑肿瘤数据 | NA | 基于向量量化的3D深度嵌入聚类网络 | Tanimoto系数,TP,TN,Dice系数,灵敏度,特异性,加速比 | NA |
| 28 | 2024-12-20 |
Deformable Spherical Transformer for Cerebellar Surface Parcellation
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230447
PMID:39698481
|
研究论文 | 本文提出了一种基于深度学习的端到端方法，用于自动分割小脑皮质表面，该方法结合了球形Transformer架构和可变形注意力机制 | 本文创新性地提出了可变形球形Transformer，通过结合球形Transformer架构和可变形注意力机制，能够自适应地关注球形小脑表面上的关键和具有挑战性的区域 | NA | 开发一种新的端到端深度学习方法，用于自动分割具有内在球形拓扑结构的小脑皮质表面 | 小脑皮质表面的自动分割 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | NA | NA | NA |
| 29 | 2024-12-18 |
CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data
2023-Apr-12, ArXiv
PMID:37090237
|
研究论文 | 本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据，通过跨组学链接嵌入、对比学习和自注意力机制来实现 | 创新点在于使用跨组学自编码器学习不同类型生物数据的特征表示，并结合多组学对比学习和特征级、组学级的自注意力机制，以动态识别最具信息量的特征 | 本文未提及具体的局限性 | 研究目的是通过整合异质性和高维的多组学数据，更全面地理解疾病和表型 | 研究对象是多组学数据，特别是存在不完整数据的情况 | 机器学习 | NA | 对比学习、自注意力机制 | 自编码器 | 多组学数据 | 四个公共多组学数据集 | NA | NA | NA | NA |
| 30 | 2024-12-17 |
Deep learning accelerated discovery of photonic power dividers
2023-Apr, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0715
PMID:39677593
|
研究论文 | 本文应用深度学习加速的逆向设计算法，发现了一系列性能优异的光子功率分配器 | 本文提出的深度学习模型能够在TE和TM极化下实现高精度设计，并能快速搜索满足紧凑尺寸、超低损耗、超宽带宽和制造随机性鲁棒性的设计空间 | NA | 加速光子功率分配器的设计和发现 | 光子功率分配器 | 光子学 | NA | 深度学习 | 深度学习模型 | 光子器件设计 | NA | NA | NA | NA | NA |
| 31 | 2024-12-08 |
Deep learning-enabled analysis of medical images identifies cardiac sphericity as an early marker of cardiomyopathy and related outcomes
2023-04-14, Med (New York, N.Y.)
DOI:10.1016/j.medj.2023.02.009
PMID:36996817
|
研究论文 | 利用深度学习技术分析心脏磁共振图像，识别心脏球形度作为心肌病及相关结果的早期标志 | 首次使用深度学习技术测量左心室球形指数，并将其与心肌病和心房颤动的风险关联起来 | 研究排除了左心室大小或收缩功能异常的受试者，可能影响结果的普适性 | 探讨心脏形状变化对心血管风险和病理生理学的理解 | 左心室球形指数与心肌病和心房颤动的关系 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 38,897名受试者 | NA | NA | NA | NA |
| 32 | 2024-11-23 |
Integration of clinical features and deep learning on pathology for the prediction of breast cancer recurrence assays and risk of recurrence
2023-Apr-14, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-023-00530-5
PMID:37059742
|
研究论文 | 本文介绍了一种结合临床特征和深度学习模型，利用数字病理学数据预测乳腺癌复发检测结果和复发风险的方法 | 该方法在预测乳腺癌复发检测结果和复发风险方面优于传统的临床诺模图，并且在独立验证队列中表现更好 | 该方法的适用性可能受限于低资源设置下的测试可用性 | 开发一种能够准确预测乳腺癌复发检测结果和复发风险的新方法，以指导化疗的使用 | 激素受体阳性、HER2阴性的乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像和临床风险因素 | 外部验证队列中的患者 | NA | NA | NA | NA |
| 33 | 2024-11-06 |
Classification of wheat diseases using deep learning networks with field and glasshouse images
2023-Apr, Plant pathology
IF:2.3Q2
DOI:10.1111/ppa.13684
PMID:38516179
|
研究论文 | 本文使用深度学习网络对小麦病害进行分类，结合田间和温室图像 | 本文提出了一个包含田间和温室条件下小麦图像的数据集，并训练了一个名为CerealConv的深度学习模型，该模型在分类准确性上超过了专业病理学家的表现 | NA | 研究目的是利用深度学习方法在早期阶段检测和识别作物病害，以提高病害控制效果 | 研究对象是小麦的五种病害，包括健康植物和四种叶部病害 | 计算机视觉 | NA | 深度学习 | 深度学习网络 | 图像 | 数据集包含田间和温室条件下的小麦图像，分为五类 | NA | NA | NA | NA |
| 34 | 2024-10-28 |
A DEEP LEARNING FRAMEWORK TO LOCALIZE THE EPILEPTOGENIC ZONE FROM DYNAMIC FUNCTIONAL CONNECTIVITY USING A COMBINED GRAPH CONVOLUTIONAL AND TRANSFORMER NETWORK
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230831
PMID:39450418
|
研究论文 | 本文提出了一种使用动态功能连接的深度学习框架，结合图卷积网络和Transformer网络，用于定位癫痫病灶区 | 首次提出了一种自动化框架，利用静息态fMRI的动态功能连接来定位癫痫病灶区，并结合图卷积网络和Transformer网络进行特征提取和时间点选择 | NA | 开发一种新的深度学习框架，用于从动态功能连接中定位癫痫病灶区 | 癫痫病灶区的定位 | 机器学习 | 癫痫 | 静息态功能磁共振成像（rs-fMRI） | 图卷积网络（GCN）和Transformer网络 | 功能连接数据 | 训练数据来自人类连接组项目，评估数据来自临床癫痫数据集 | NA | NA | NA | NA |
| 35 | 2024-10-28 |
Federated Learning with Research Prototypes: Application to Multi-Center MRI-based Detection of Prostate Cancer with Diverse Histopathology
2023-04, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.02.012
PMID:36914501
|
研究论文 | 本文介绍了一种灵活的联邦学习框架，用于跨站点训练、验证和评估定制的深度学习前列腺癌检测算法 | 提出了一个灵活的联邦学习框架，支持跨站点训练和评估，并开源了FLtools系统以促进联邦学习的应用 | 需要更多数据和参与机构来提高前列腺癌分类模型的绝对性能 | 提高前列腺癌检测模型在不同机构间的泛化性能，同时保护患者健康信息和机构特定代码及数据 | 前列腺癌的检测和分期 | 计算机视觉 | 前列腺癌 | 联邦学习 | 3D UNet | MRI图像 | 1400+个异质性多参数前列腺MRI检查 | NA | NA | NA | NA |
| 36 | 2024-10-26 |
Implementation considerations for deep learning with diffusion MRI streamline tractography
2023-Apr-06, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.03.535465
PMID:37066284
|
研究论文 | 本文讨论了使用扩散MRI（dMRI）和递归神经网络（RNN）进行流线束追踪的实现考虑 | 本文提出了使用RNN在连续空间中建模dMRI特征以传播流线的方法，并发布了训练模型和相关实现 | 目前缺乏广泛可用的开源实现 | 降低该领域的进入门槛，促进进一步创新 | 扩散MRI流线束追踪的实现 | 计算机视觉 | NA | 扩散MRI（dMRI） | 递归神经网络（RNN） | 图像 | NA | NA | NA | NA | NA |
| 37 | 2024-10-19 |
Levothyroxine use and longitudinal changes in thigh muscles in at-risk participants for knee osteoarthritis: preliminary analysis from Osteoarthritis Initiative cohort
2023-04-11, Arthritis research & therapy
IF:4.4Q1
DOI:10.1186/s13075-023-03012-y
PMID:37041609
|
研究论文 | 研究了左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉纵向变化之间的关系 | 首次探讨了左甲状腺素使用与大腿肌肉质量和成分变化之间的关联，并评估了其在膝关节骨性关节炎发病中的中介作用 | 研究结果需考虑甲状腺功能作为潜在的混杂因素或效应修饰因子，未来研究需进一步探讨甲状腺功能生物标志物对大腿肌肉纵向变化的影响 | 探讨左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉质量和成分变化之间的关系及其在膝关节骨性关节炎发病中的作用 | 膝关节骨性关节炎高风险参与者的大腿肌肉质量和成分 | NA | 骨性关节炎 | 深度学习方法 | NA | MRI数据 | 1043个匹配的大腿/膝盖样本（266个左甲状腺素使用者，777个非使用者） | NA | NA | NA | NA |
| 38 | 2024-10-14 |
Comprehensive Functional Annotation of Metagenomes and Microbial Genomes Using a Deep Learning-Based Method
2023-04-27, mSystems
IF:5.0Q1
DOI:10.1128/msystems.01178-22
PMID:37010293
|
研究论文 | 开发了一种新的元基因组分析工作流程，整合了基因组重建、分类学分析和基于深度学习的功能注释，以提高微生物基因的功能注释覆盖率 | 首次将基于深度学习的功能注释应用于元基因组学，显著提高了基因功能注释的覆盖率 | DeepFRI的注释比eggNOG的注释更广泛但不那么具体，并且在已知物种上的注释敏感性较低 | 提高微生物基因的功能注释覆盖率，揭示人类肠道微生物群在健康和疾病中的功能特征 | 人类肠道微生物群的基因功能注释 | 机器学习 | NA | 深度学习 | DeepFRI | 基因组 | 1070个婴儿元基因组 | NA | NA | NA | NA |
| 39 | 2024-10-09 |
Assessment of Risk Factors and Clinical Importance of Enlarged Perivascular Spaces by Whole-Brain Investigation in the Multi-Ethnic Study of Atherosclerosis
2023-04-03, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究通过全脑调查评估了扩大血管周围间隙（ePVSs）的风险因素及其在多民族动脉粥样硬化研究中的临床重要性 | 首次在全脑范围内研究ePVSs，并使用深度学习算法自动量化ePVSs的体积 | 这是一项横断面研究，无法确定因果关系 | 评估ePVSs的风险因素及其在全脑范围内的临床重要性 | 扩大血管周围间隙（ePVSs）及其与年龄、种族、血压等因素的关系 | NA | NA | 磁共振成像（MRI） | 深度学习算法 | 图像 | 1026名参与者 | NA | NA | NA | NA |
| 40 | 2024-10-08 |
Histogram of Oriented Gradients meet deep learning: A novel multi-task deep network for 2D surgical image semantic segmentation
2023-04, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102747
PMID:36702038
|
研究论文 | 本文提出了一种新颖的多任务深度学习方法，用于2D手术图像的语义分割 | 本文的创新点在于使用无监督方式生成辅助任务的伪标签，并利用方向梯度直方图（HOG）作为伪标签生成的特征 | NA | 研究目的是改进医学图像分割的性能 | 研究对象是2D手术图像的语义分割 | 计算机视觉 | NA | 方向梯度直方图（HOG） | 多任务深度网络 | 图像 | 两个不同的医学图像分割数据集 | NA | NA | NA | NA |