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 329 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2025-10-06 |
A robust class decomposition-based approach for detecting Alzheimer's progression
2023-12, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231211880
PMID:38059336
|
研究论文 | 提出一种基于类别分解的迁移学习方法，用于从结构磁共振成像中检测阿尔茨海默病的进展 | 结合类别分解技术与迁移学习，提出CDTL方法解决医学图像分类中的类别不平衡问题 | 需要依赖预训练模型和特定数据集，可能受数据分布影响 | 评估CDTL方法在不同ADNI队列中检测阿尔茨海默病认知衰退的鲁棒性 | 阿尔茨海默病患者的结构磁共振成像数据 | 计算机视觉 | 阿尔茨海默病 | 结构磁共振成像(sMRI) | CNN | 医学图像 | 多个ADNI队列的数据集 | NA | VGG19, AlexNet | 准确率 | NA |
| 102 | 2025-10-06 |
Prediction of central lymph node metastasis based on deep learning models for patients with clinically node-negative papillary thyroid carcinoma
2023-12, Asian journal of surgery
IF:3.5Q1
DOI:10.1016/j.asjsur.2023.08.130
PMID:37648544
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 103 | 2025-10-06 |
Multimodal imaging and deep learning in geographic atrophy secondary to age-related macular degeneration
2023-Dec, Acta ophthalmologica
IF:3.0Q1
DOI:10.1111/aos.15796
PMID:37933610
|
综述 | 本文全面综述了年龄相关性黄斑变性继发地图样萎缩的多模态成像基础、诊断分类流程及人工智能算法在影像数据分析中的前沿应用 | 系统整合多模态成像与深度学习技术，聚焦于地图样萎缩的自动诊断和预后评估 | NA | 探讨人工智能算法在地图样萎缩影像量化分析和临床决策支持中的应用 | 年龄相关性黄斑变性继发的地图样萎缩病变 | 医学影像分析 | 年龄相关性黄斑变性 | 多模态成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 104 | 2025-09-12 |
RescueNet: A High Resolution UAV Semantic Segmentation Dataset for Natural Disaster Damage Assessment
2023-12-20, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02799-4
PMID:38123582
|
研究论文 | 介绍了一个用于自然灾害损害评估的高分辨率无人机语义分割数据集RescueNet | 提供高分辨率灾后图像及所有类别的像素级标注，超越现有数据集的有限标注范围 | NA | 促进自然灾害后的全面场景理解，提升损害评估精度 | 飓风Michael后的灾后图像，包含建筑物、道路、水池、树木等多类别场景元素 | 计算机视觉 | NA | 无人机(UAV)图像采集，语义分割技术 | state-of-the-art segmentation models | 高分辨率图像 | 从多个受影响区域收集的灾后图像数据集 | NA | NA | NA | NA |
| 105 | 2025-09-12 |
Using green background for dermatological images to improve deep learning-based image classification
2023-12-13, Archives of dermatological research
IF:1.8Q3
DOI:10.1007/s00403-023-02734-y
PMID:38091097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 106 | 2025-09-12 |
Deep learning downscaled high-resolution daily near surface meteorological datasets over East Asia
2023-12-12, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02805-9
PMID:38086806
|
研究论文 | 使用U-Net深度学习模型对东亚地区气象数据进行降尺度处理，生成高分辨率数据集CLIMEA-BCUD | 结合19个CMIP6模型和MSWX数据集，首次应用偏差校正和U-Net降尺度方法生成0.1°高分辨率东亚气象数据集 | NA | 开发高分辨率气象数据集以促进气候变化和水文学等领域的研究 | 东亚地区的气象数据 | 机器学习 | NA | 偏差校正，UNet降尺度 | U-Net, CNN | 气象数据 | 基于19个CMIP6模型和MSWX数据集，覆盖1950-2100年期间 | NA | NA | NA | NA |
| 107 | 2025-09-12 |
A Drosophila heart optical coherence microscopy dataset for automatic video segmentation
2023-12-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02802-y
PMID:38071220
|
研究论文 | 介绍一种基于LSTM卷积神经网络的果蝇心脏自动分割算法FlyNet 2.0+及其配套数据集 | 利用LSTM-CNN结合时间序列信息实现高质量自动分割，并提供包含213个视频的大型标注数据集 | NA | 开发自动分割算法以提升果蝇心脏光学相干显微镜视频的分析效率与可重复性 | 果蝇（Drosophila melanogaster）心脏 | 计算机视觉 | 心血管疾病 | 光学相干显微镜（OCM） | LSTM-CNN | 视频 | 213个果蝇心脏视频（相当于604,000张截面图像），涵盖所有发育阶段和多种搏动模式 | NA | NA | NA | NA |
| 108 | 2025-09-12 |
A news-based climate policy uncertainty index for China
2023-12-08, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02817-5
PMID:38065994
|
研究论文 | 本研究首次构建了中国国家级、省级和城市级的气候政策不确定性指数（CCPU） | 首次使用深度学习算法MacBERT模型，基于新闻文本挖掘构建多层级气候政策不确定性指数 | NA | 量化评估中国气候政策不确定性及其社会经济影响 | 中国气候政策及相关新闻报道 | 自然语言处理 | NA | 文本挖掘，深度学习 | MacBERT | 文本 | 中国主要报纸发布的新闻 | NA | NA | NA | NA |
| 109 | 2025-09-12 |
A Chinese Face Dataset with Dynamic Expressions and Diverse Ages Synthesized by Deep Learning
2023-12-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02701-2
PMID:38062057
|
研究论文 | 利用StyleGAN深度学习技术合成包含动态表情和多样年龄的中国面孔数据集SZU-EmoDage | 通过潜在向量插值生成连续动态表情，解决了现有数据集缺乏年龄多样性和动态表情的问题 | NA | 创建具有表情强度和年龄多样性的中国面孔数据集，用于心理学实验 | 合成中国面孔图像 | 计算机视觉 | NA | StyleGAN，深度学习 | GAN | 图像 | NA | NA | NA | NA | NA |
| 110 | 2025-10-06 |
Deep Learning from Phylogenies for Diversification Analyses
2023-12-30, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syad044
PMID:37556735
|
研究论文 | 本文提出一种基于深度学习的系统发育树多样化分析方法，用于推断物种多样化动态 | 将病原体系统动力学中的深度学习方法首次应用于多样化推断，并扩展至基于性状数据的状态依赖多样化模型 | 目前仅验证了时间恒定同质出生-死亡模型和二元状态物种形成与灭绝模型的准确性 | 开发一种通用且高效的多样化模型推断方法 | 物种系统发育树和性状数据 | 机器学习 | NA | 系统发育分析 | 深度神经网络 | 系统发育树数据, 性状数据 | NA | NA | NA | 准确性, 时间效率 | NA |
| 111 | 2025-10-06 |
Developing and deploying deep learning models in brain magnetic resonance imaging: A review
2023-12, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5014
PMID:37539775
|
综述 | 本文系统回顾了脑部磁共振成像中深度学习模型的开发与临床部署流程 | 整合了从数据收集到临床部署的全流程指南，并基于认证机构标准提供了可解释性机器学习实践框架 | 未涉及具体模型性能比较，主要聚焦方法论和部署挑战 | 促进脑部MRI深度学习模型在临床环境中的实际应用 | 脑部磁共振成像数据及深度学习模型 | 医学影像分析 | 神经系统疾病 | 磁共振成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 112 | 2025-10-06 |
Deep learning based correction of RF field induced inhomogeneities for T2w prostate imaging at 7 T
2023-12, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5019
PMID:37622473
|
研究论文 | 提出基于深度学习的偏置场校正方法，用于改善7T磁场下T2加权前列腺图像的射频场不均匀性问题 | 首次将深度学习应用于7T超高场强下T2加权前列腺图像的偏置场校正，通过合成数据训练神经网络 | 偶尔在前列腺区域内观察到对比度变化，特别是t-Image网络较为明显 | 解决超高场强磁共振成像中的射频场不均匀性问题 | 7T磁场下的T2加权前列腺图像 | 医学影像处理 | 前列腺癌 | 磁共振成像，T2加权成像 | 神经网络 | 医学影像 | 合成训练数据集、7T志愿者和患者图像、3T患者图像四个测试集 | NA | t-Image神经网络, t-Biasf神经网络 | 结构相似性指数, Wasserstein距离, 均方根误差, GLCM均匀性, GLCM能量 | NA |
| 113 | 2025-10-06 |
Comprehensive assessment methods are key to progress in deep learning
2023-12-06, The Behavioral and brain sciences
DOI:10.1017/S0140525X23001668
PMID:38054334
|
评论 | 本文对Bowers等人关于深度神经网络评估方法和模型本身存在缺陷的观点表示认同，但提出了不同的改进方案 | 针对现有深度神经网络评估问题提出了与原文不同的解决方案路径 | NA | 探讨深度神经网络评估方法的改进方向 | 深度神经网络模型 | 机器学习 | NA | NA | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 114 | 2025-10-06 |
Thinking beyond the ventral stream: Comment on Bowers et al
2023-12-06, The Behavioral and brain sciences
DOI:10.1017/S0140525X23001723
PMID:38054346
|
评论 | 对Bowers等人研究的评论文章，探讨深度学习模型在视觉感知研究中的局限性及改进方向 | 提出不应完全抛弃深度学习，而应通过设计更符合生物视觉进化目标的刺激和任务来改进模型 | NA | 探讨如何改进深度学习模型以更好地模拟生物视觉系统 | 视觉感知的深度学习模型 | 计算机视觉 | NA | NA | 深度学习 | 视觉刺激 | NA | NA | NA | NA | NA |
| 115 | 2025-09-09 |
Deep learning in endoscopy: the importance of standardisation
2023-12, Acta otorhinolaryngologica Italica : organo ufficiale della Societa italiana di otorinolaringologia e chirurgia cervico-facciale
IF:2.1Q2
DOI:10.14639/0392-100X-N2580
PMID:37814976
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 116 | 2025-10-06 |
SIMPLEX: Multiple phase-cycled bSSFP quantitative magnetization transfer imaging with physic-guided simulation learning of neural network
2023-12-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.120449
PMID:37951485
|
研究论文 | 提出一种基于物理引导模拟学习的神经网络方法SIMPLEX，用于改进多相位循环bSSFP的定量磁化转移成像参数提取 | 利用MR信号模型生成训练样本，无需昂贵的数据标注，网络仅使用模拟数据训练即可直接应用于体内数据 | 方法仅通过模拟和体内数据验证，尚未在更大规模临床数据集中测试 | 改进多相位循环bSSFP定量磁化转移成像的参数拟合质量 | 定量磁化转移成像参数（交换率、池分数）以及T1、T2和ΔB图 | 医学影像分析 | NA | 定量磁化转移成像，多相位循环bSSFP序列 | 神经网络 | 磁共振成像数据 | 模拟数据和体内数据 | NA | NA | 均方误差，量化质量 | NA |
| 117 | 2025-10-06 |
Deep learning prediction of hospital readmissions for asthma and COPD
2023-Dec-13, Respiratory research
IF:4.7Q1
DOI:10.1186/s12931-023-02628-7
PMID:38093373
|
研究论文 | 本研究使用电子健康记录数据和深度学习模型预测哮喘和COPD患者的再入院风险 | 比较了四种机器学习方法和一种深度学习方法在预测哮喘和COPD再入院方面的性能，发现多层感知器表现最佳 | 研究为观察性研究，时间跨度为2012-2017年，可能存在数据局限性 | 识别严重哮喘和COPD加重的电子健康记录特征，并评估机器学习模型预测再入院的性能 | 因哮喘和COPD加重住院的患者 | 机器学习 | 哮喘和慢性阻塞性肺疾病 | 电子健康记录数据分析 | 多层感知器, 机器学习模型 | 电子健康记录数据 | 5794名患者（哮喘1893人，COPD 3901人），其中2682名患者子集用于模型分析 | NA | 多层感知器 | 灵敏度, 特异性 | NA |
| 118 | 2025-10-06 |
Inferring Metabolic States from Single Cell Transcriptomic Data via Geometric Deep Learning
2023-Dec-07, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.05.570153
PMID:38105974
|
研究论文 | 提出一种基于几何深度学习的GEFMAP方法，利用单细胞转录组数据预测代谢网络中的反应通量 | 首次利用几何深度学习从单细胞转录组数据推断代谢状态，通过代谢网络的天然图结构学习细胞生物学目标并估计质量平衡的相对通量率 | 代谢组化学异质性导致测量困难，单细胞分辨率代谢组学技术落后于其他多组学模态 | 从单细胞转录组数据推断细胞代谢状态 | 单细胞转录组数据和代谢网络 | 计算生物学, 生物信息学 | NA | scRNAseq, 几何深度学习 | 几何深度学习 | 基因表达数据, 转录组数据 | NA | NA | GEFMAP | NA | NA |
| 119 | 2025-10-06 |
A comparison of 18 F-FDG PET-based radiomics and deep learning in predicting regional lymph node metastasis in patients with resectable lung adenocarcinoma: a cross-scanner and temporal validation study
2023-Dec-01, Nuclear medicine communications
IF:1.3Q3
DOI:10.1097/MNM.0000000000001776
PMID:37728592
|
研究论文 | 比较基于18F-FDG PET的手工放射组学与深度学习在预测可切除肺腺癌区域淋巴结转移中的性能 | 首次系统比较手工放射组学与深度学习在不同代际PET扫描仪上的泛化性能 | 样本量较小，特别是数字PET队列仅17例患者 | 预测可切除肺腺癌患者的病理区域淋巴结转移状态 | 148例接受根治性手术的肺腺癌患者 | 医学影像分析 | 肺腺癌 | 18F-FDG PET成像 | CNN | PET医学影像 | 148例患者（模拟PET组131例，数字PET组17例） | NA | ResNet-50 | AUC, 准确率, 特异性, 敏感性 | NA |
| 120 | 2025-10-06 |
A Longitudinal MRI-Based Artificial Intelligence System to Predict Pathological Complete Response After Neoadjuvant Therapy in Rectal Cancer: A Multicenter Validation Study
2023-12-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000002931
PMID:37682775
|
研究论文 | 开发并验证基于治疗前后配对MRI比较的深度学习模型DeepRP-RC，用于预测直肠癌新辅助治疗后病理完全缓解 | 首次开发基于纵向MRI比较的多任务深度学习模型，同时实现疗效预测和病灶分割，并在多中心数据集上进行验证 | 研究设计为回顾性研究，缺乏多民族数据 | 预测局部晚期直肠癌患者新辅助放化疗后的病理完全缓解 | 1201例接受新辅助放化疗的局部晚期直肠癌患者 | 医学影像分析 | 直肠癌 | MRI影像分析 | 深度学习 | MRI影像 | 1201例患者（训练集638例，内部和3个外部验证集） | NA | 多任务深度学习网络 | AUC | NA |