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 168 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 | 2025-10-06 |
Low-count PET image reconstruction based on truncated inverse radon layer and U-shaped network
2023-07-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace240
PMID:37369236
|
研究论文 | 提出一种基于截断逆拉东层和U型网络的低计数PET图像重建方法 | 结合截断逆拉东层实现域变换和U型网络进行图像增强，能够直接从低计数正弦图重建PET图像 | NA | 解决低剂量PET图像重建中传统迭代重建方法耗时长、信噪比低的问题 | 正电子发射断层扫描(PET)图像 | 计算机视觉 | 肿瘤检测 | 正电子发射断层扫描(PET) | CNN | 图像, 正弦图 | 模拟数据和真实数据 | NA | U-Net | 结构相似性, 峰值信噪比 | NA |
| 22 | 2025-10-06 |
A simulation study of 1D U-Net-based inter-crystal scatter event recovery of PET detectors
2023-07-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace1d1
PMID:37364572
|
研究论文 | 本研究提出一种基于1D U-Net的卷积神经网络，用于预测PET探测器中的晶体间散射事件首次相互作用位置 | 首次将1D U-Net结构应用于PET晶体间散射恢复问题，相比传统方法和全连接网络方法具有更好的稳定性和更少的网络参数 | 基于模拟数据训练，尚未在真实临床数据上验证 | 解决正电子发射断层扫描中晶体间散射导致的首次相互作用位置确定问题 | PET探测器中的晶体间散射事件 | 医学影像处理 | NA | GATE蒙特卡洛模拟 | CNN | 模拟数据 | NA | NA | 1D U-Net | 准确率, 灵敏度, 对比噪声比, 空间分辨率 | NA |
| 23 | 2025-10-06 |
HyperTDP-Net: A Hyper-densely Connected Compression-and-Decomposition Network Based on Trident Dilated Perception for PET and MRI Image Fusion
2023-07-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acdec3
PMID:37321243
|
研究论文 | 提出一种基于三叉戟扩张感知的超密集连接压缩分解网络，用于PET和MRI医学图像融合 | 构建双残差超密集模块充分利用中间层信息，建立三叉戟扩张感知模块精确定位特征位置，并提出包含结构相似性损失和梯度损失的内容感知损失函数 | NA | 提高医学图像融合质量，生成包含更全面多模态特征的融合图像 | PET和MRI医学图像 | 计算机视觉 | NA | 医学图像融合 | CNN | 医学图像 | 来自哈佛医学院发布的多模态医学图像数据集 | NA | 超密集连接网络,残差网络 | 结构相似性,梯度保持,边缘信息保持,纹理细节保持 | NA |
| 24 | 2025-10-06 |
The 2022 n2c2/UW shared task on extracting social determinants of health
2023-07-19, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad012
PMID:36795066
|
研究论文 | 介绍2022年n2c2/UW共享任务，专注于从临床文本中提取健康社会决定因素信息 | 首次系统性地探索健康社会决定因素(SDOH)的临床文本信息提取，包含三个子任务评估信息提取、泛化性和学习迁移能力 | 提取性能因SDOH类型而异，对物质使用和无家可归等风险因素的提取效果较差 | 推进自然语言处理信息提取技术在健康社会决定因素和临床信息领域的应用 | 临床文本中的健康社会决定因素事件，包括酒精、药物、烟草、就业和生活状况等 | 自然语言处理 | NA | 自然语言处理 | 预训练语言模型,序列到序列模型 | 文本 | 使用Social History Annotated Corpus (SHAC)语料库，15个团队参与 | NA | 预训练语言模型 | F1分数 | NA |
| 25 | 2025-10-06 |
Quantitative Assessment of Myocardial Ischemia With Positron Emission Tomography
2023-Jul-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000579
PMID:33492046
|
综述 | 本文综述了利用正电子发射断层扫描技术定量评估心肌缺血的最新进展和方法 | 系统比较了多种PET心肌灌注显像放射性药物的特性，并介绍了现代PET技术（如PET/CT、PET/MR和机器学习）在心肌缺血定量评估中的应用 | NA | 探讨PET技术在心肌缺血定量评估中的应用和发展 | 心肌缺血患者 | 数字病理 | 心血管疾病 | PET, PET/CT, PET/MR, 心肌灌注显像 | NA | 医学影像数据 | NA | NA | NA | NA | NA |
| 26 | 2025-10-06 |
Deep learning-based Fast Volumetric Image Generation for Image-guided Proton FLASH Radiotherapy
2023-Jul-26, Research square
DOI:10.21203/rs.3.rs-3112632/v1
PMID:37546731
|
研究论文 | 开发基于深度学习的快速体积图像生成框架，用于质子FLASH放疗的图像引导 | 首次将深度学习应用于质子FLASH放疗的快速体积图像重建，通过正交X射线投影生成高精度三维解剖图像 | 研究仅针对肺部靶区患者，样本量相对有限（30例患者） | 开发快速体积图像重建框架以支持质子FLASH放疗的精确靶区定位 | 肺部肿瘤患者的三维解剖结构，包括肿瘤和危及器官 | 医学影像分析 | 肺癌 | 千伏X射线投影，四维计算机断层扫描 | 深度学习模型 | X射线投影图像，CT图像 | 30例肺部靶区患者，每人包含十个呼吸时相的四维CT数据集 | NA | NA | 平均绝对误差，峰值信噪比，结构相似性指数，水等效厚度误差 | NA |
| 27 | 2025-10-06 |
Leveraging spatial transcriptomics data to recover cell locations in single-cell RNA-seq with CeLEry
2023-07-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-39895-3
PMID:37422469
|
研究论文 | 提出CeLEry深度学习算法，利用空间转录组学数据恢复单细胞RNA测序中细胞的空间位置信息 | 开发首个利用空间转录组学数据通过监督深度学习恢复scRNA-seq细胞空间位置的算法，并提供位置不确定性估计 | NA | 解决单细胞RNA测序中细胞空间位置信息缺失的问题 | 大脑和癌组织中的细胞 | 生物信息学 | 癌症 | 单细胞RNA测序, 空间转录组学, Visium, MERSCOPE, MERFISH, Xenium | 监督深度学习, 变分自编码器 | 基因表达数据, 空间位置数据 | 多个数据集（具体数量未说明） | NA | 变分自编码器 | NA | NA |
| 28 | 2025-06-19 |
Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model
2023-07, The international journal of cardiovascular imaging
DOI:10.1007/s10554-023-02889-9
PMID:37253900
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 29 | 2025-10-06 |
Combined genome-wide association study of 136 quantitative ear morphology traits in multiple populations reveal 8 novel loci
2023-07, PLoS genetics
IF:4.0Q1
DOI:10.1371/journal.pgen.1010786
PMID:37459304
|
研究论文 | 通过多人群全基因组关联研究，识别了影响人类耳部形态的16个遗传位点，其中8个为新发现位点 | 首次使用深度学习定量评估136个耳部形态特征，并采用C-GWAS方法整合多性状GWAS分析，发现了8个新的耳部形态相关遗传位点 | 研究样本主要来自欧洲、亚洲和拉丁美洲人群，可能不适用于其他人群 | 探索人类耳部形态的遗传结构 | 14,921名来自欧洲、亚洲和拉丁美洲五个不同队列的个体 | 机器学习 | NA | 全基因组关联研究(GWAS)、C-GWAS、基因编辑 | 深度学习 | 数字面部图像 | 14,921名个体 | NA | NA | NA | NA |
| 30 | 2025-10-06 |
Deep Learning Based Metabolite Annotation
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10341007
PMID:38082953
|
研究论文 | 本研究探索基于深度学习的代谢物注释方法，通过高维光谱数据表示提升分子指纹预测精度 | 研究高维光谱数据和分子指纹表示以改进分子指纹预测准确性 | NA | 改进非靶向代谢组学中代谢物注释的准确性 | 代谢物分子指纹 | 机器学习 | NA | 液相色谱-质谱联用(LC-MS), 串联质谱(MS/MS) | CNN | 质谱数据 | 来自MoNA存储库和NIST 20的MS/MS光谱数据 | NA | 卷积神经网络 | 准确率 | NA |
| 31 | 2025-10-06 |
Performance of ChatGPT on the pharmacist licensing examination in Taiwan
2023-07-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000000942
PMID:37227901
|
研究论文 | 评估ChatGPT在台湾药师执照考试中的表现 | 首次系统评估ChatGPT在药师执照考试中的表现，比较中英文版本差异 | 排除图形题、化学式和表格，仅使用ChatGPT 3.5版本，样本量有限 | 研究ChatGPT在药学教育和评估中的潜在应用 | 台湾药师执照考试题目 | 自然语言处理 | NA | 深度学习 | GPT-3.5 | 文本 | 2023年首次台湾药师执照考试题目 | NA | Transformer | 正确率 | NA |
| 32 | 2025-10-06 |
Early-warning of Cardiac Condition through Detection of Murmur in Heart Sound - A Case Study
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340924
PMID:38083243
|
案例研究 | 通过机器学习方法检测心音杂音实现心脏状况的早期预警 | 结合机器学习和深度学习技术，通过心音信号处理实现风湿性心脏病的自动早期筛查 | 研究仅限于特定地理区域的人群，属于案例研究性质 | 开发基于心音分析的自动心脏疾病早期筛查方法 | 心音信号和风湿性心脏病患者 | 机器学习, 信号处理 | 心血管疾病, 风湿性心脏病 | 心音图(PCG), 数字听诊器 | 机器学习, 深度学习 | 心音信号 | 特定地理区域的人群案例 | NA | 3种先进方法 | NA | NA |
| 33 | 2025-10-07 |
ChromaFold predicts the 3D contact map from single-cell chromatin accessibility
2023-Jul-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.27.550836
PMID:37546906
|
研究论文 | 提出ChromaFold深度学习模型，从单细胞ATAC测序数据预测3D染色质接触图谱和调控相互作用 | 首次实现仅使用单细胞ATAC测序数据预测3D接触图谱，无需染色体构象捕获实验 | 需要配对scATAC-seq和Hi-C数据进行训练 | 从单细胞染色质可及性数据预测3D染色质结构和调控相互作用 | 人类和小鼠细胞系及组织中的染色质相互作用 | 计算生物学 | NA | scATAC-seq, Hi-C, CTCF ChIP-seq | 深度学习 | 基因组测序数据 | 多种人类和小鼠测试细胞类型 | NA | 轻量级架构 | 预测准确性 | 标准GPU |
| 34 | 2025-10-07 |
Pooled tagging and hydrophobic targeting of endogenous proteins for unbiased mapping of unfolded protein responses
2023-Jul-14, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.13.548611
PMID:37503003
|
研究论文 | 开发了一种通过高通量基因标记和深度学习图像分析来研究蛋白质组动力学和功能的高效方法 | 结合高通量基因标记、荧光标记测序、深度学习图像分析和单细胞RNA测序，实现蛋白质错误折叠的空间限制诱导和细胞区室特异性响应映射 | NA | 系统水平理解蛋白质组组织和功能，绘制蛋白质错误折叠的区室特异性响应图谱 | 内源性标记蛋白质，细胞池 | 计算生物学 | NA | 高通量基因标记，单细胞RNA测序，荧光标记测序 | 深度学习 | 图像，基因表达数据 | NA | NA | NA | NA | NA |
| 35 | 2025-10-07 |
Deep Learning of Cell Spatial Organizations Identifies Clinically Relevant Insights in Tissue Images
2023-Jul-04, Research square
DOI:10.21203/rs.3.rs-2928838/v1
PMID:37461694
|
研究论文 | 提出基于细胞空间组织的图卷积网络Ceograph，通过分析病理图像中的细胞空间特征预测临床结果 | 开发了首个基于细胞空间组织的图卷积网络，能够量化单个细胞间的空间相互作用并识别与临床结果相关的关键特征 | NA | 开发能够从组织图像中识别具有临床意义的细胞空间组织特征的计算方法 | 口腔潜在恶性疾病患者和肺癌患者的组织病理图像 | 数字病理 | 口腔癌,肺癌 | 组织成像技术 | 图卷积网络 | 病理图像 | NA | NA | Ceograph | 临床结果预测准确性 | NA |
| 36 | 2025-10-07 |
Beyond Correlations: Deep Learning for Seismic Interferometry
2023-Jul, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2022.3172385
PMID:35552139
|
研究论文 | 本研究提出使用深度神经网络从被动地震记录中提取格林函数，超越传统相关法的限制 | 首次将深度学习方法应用于地震干涉测量，通过神经网络直接学习相关图与经验格林函数之间的隐含关系 | 所有数值实验均基于合成数据，尚未在真实数据上验证；需要源方向性的先验知识 | 解决传统相关法在地震干涉测量中的时空限制，提高从环境噪声中提取格林函数的准确性 | 地震波传播路径（格林函数） | 地球物理信号处理 | NA | 地震干涉测量 | 深度神经网络 | 地震记录数据 | NA | NA | 改进的ResNet | NA | NA |
| 37 | 2025-04-06 |
Federated Partially Supervised Learning With Limited Decentralized Medical Images
2023-07, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2022.3231017
PMID:37015445
|
research paper | 本文提出了一种新的联邦部分监督学习（FPSL）框架FedPSL，用于处理有限分散的医学图像数据 | 提出了联邦部分监督学习（FPSL）的新问题，并设计了包含任务依赖模型聚合和任务无关解耦学习的FedPSL框架 | 实验基于模拟数据，未在真实临床环境中验证 | 解决医学图像数据分散和部分标注情况下的联邦学习问题 | 分散的医学图像数据 | machine learning | NA | federated learning | deep learning-based models | medical images | limited decentralized data (simulated) | NA | NA | NA | NA |
| 38 | 2025-10-07 |
Machine learning applications for early detection of esophageal cancer: a systematic review
2023-07-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02235-y
PMID:37460991
|
系统综述 | 系统综述了机器学习在食管癌早期检测中的应用现状 | 首次系统评估机器学习特别是卷积神经网络在食管癌早期检测中的性能表现 | 现有文献有限，存在类别不平衡和偏差问题，需要跨机构验证 | 总结和讨论基于机器学习的食管癌早期检测方法研究现状 | 食管癌早期检测相关研究文献 | 计算机视觉 | 食管癌 | 内窥镜成像，计算机断层扫描 | CNN | 医学图像 | 31篇研究文章 | NA | 卷积神经网络 | 准确率，灵敏度 | NA |
| 39 | 2025-10-07 |
A generalizable framework to comprehensively predict epigenome, chromatin organization, and transcriptome
2023-07-07, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkad436
PMID:37224527
|
研究论文 | 提出名为EPCOT的深度学习框架，能够仅通过细胞类型特异性染色质可及性数据全面预测表观基因组、染色质组织和转录组等多种模态 | 采用预训练和微调框架，能够跨预测任务和细胞类型学习通用表征，实现对新细胞类型多种模态的准确预测 | 未明确说明模型在跨物种或极端条件下的泛化能力 | 开发能够全面预测基因组多模态数据的通用计算框架 | 表观基因组、染色质组织、转录组和增强子活性等基因组模态数据 | 机器学习 | NA | 染色质可及性分析、Micro-C、ChIA-PET | 深度学习 | 基因组数据、表观遗传数据 | NA | NA | 预训练-微调框架 | NA | NA |
| 40 | 2025-10-07 |
Using a New Deep Learning Method for 3D Cephalometry in Patients With Cleft Lip and Palate
2023 Jul-Aug 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009299
PMID:36944601
|
研究论文 | 本研究开发了一种基于3D点云图卷积神经网络的新深度学习方法，用于唇腭裂患者的头影测量标志点自动定位 | 首次将PointNet++模型应用于唇腭裂患者的3D头影测量，通过点云图卷积神经网络分析点间关系进行标志点预测 | 训练数据集规模有限（150例患者），部分标志点检测成功率较低（3个标志点在2mm误差范围内的SDR低于70%） | 开发适用于唇腭裂患者的自动3D头影测量系统 | 唇腭裂患者 | 计算机视觉 | 唇腭裂 | 计算机断层扫描 | 图卷积神经网络 | 3D点云数据 | 150例唇腭裂患者 | NA | PointNet++ | 平均距离误差, 成功检测率 | NA |