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 1879 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2025-10-07 |
Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network
2024, Frontiers in radiology
DOI:10.3389/fradi.2024.1385424
PMID:38895589
|
研究论文 | 本研究开发了一种基于3D U-Net的深度学习模型，用于颅内动脉粥样硬化狭窄患者的4D血流MRI数据自动血管分割 | 首次将深度学习应用于狭窄颅内血管的4D血流MRI数据全自动分割，提高了分析效率和可重复性 | 样本量有限（154例），未来需要纳入更多ICAD病例和其他颅内血管病变以提高泛化能力 | 开发准确、全自动的颅内血管分割方法以加速数据分析并提高可重复性 | 颅内动脉粥样硬化疾病患者（68例）和健康对照者（86例）的4D血流MRI数据 | 医学影像分析 | 颅内动脉粥样硬化疾病 | 4D血流MRI, 黑血血管壁成像 | CNN | 4D血流MRI图像 | 154例双VENC 4D血流MRI扫描（68例ICAD患者，86例健康对照） | NA | 3D U-Net | Dice分数, Hausdorff距离, 平均对称表面距离, Bland-Altman分析, 组内相关系数 | 训练时间约10小时，平均分割时间2.2±1.0秒 |
| 182 | 2025-10-07 |
Autosurv: interpretable deep learning framework for cancer survival analysis incorporating clinical and multi-omics data
2024-Jan-05, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-023-00494-6
PMID:38182734
|
研究论文 | 开发了一个可解释的深度学习框架Autosurv，整合临床和多组学数据用于癌症生存分析 | 结合多组学数据和临床信息进行癌症预后预测，并采用解释方法解决深度神经网络的“黑箱”问题 | 已识别特征的重要性仅得到先前研究的部分支持 | 提高癌症患者的预后预测准确性，优化治疗计划 | 乳腺癌和卵巢癌患者 | 机器学习 | 乳腺癌,卵巢癌 | 基因表达分析,miRNA表达分析 | 深度神经网络 | 基因表达数据,miRNA表达数据,临床数据,人口统计学数据 | 多个独立多组学数据集 | NA | Autosurv | 预后预测准确性 | NA |
| 183 | 2025-03-26 |
DLAAD-deep learning algorithms assisted diagnosis of chest disease using radiographic medical images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1511389
PMID:40124976
|
研究论文 | 本研究开发了一种基于深度学习的算法，用于通过胸部X光图像辅助诊断胸部疾病 | 应用深度学习算法提升胸部疾病诊断的准确性和效率，整合现代技术到医疗设备中 | 数据集仅包含5,863张胸部X光图像，且仅分为肺炎和正常两类，可能限制了模型的泛化能力 | 提高计算机辅助诊断系统（CADs）在胸部疾病诊断中的效率和准确性 | 胸部X光图像 | 计算机视觉 | 肺炎 | 迁移学习 | MobileNetV2, VGG-16, ResNet50V2 | 图像 | 5,863张胸部X光图像 | NA | NA | NA | NA |
| 184 | 2025-10-07 |
Analysis and review of techniques and tools based on machine learning and deep learning for prediction of lysine malonylation sites in protein sequences
2024-01-19, Database : the journal of biological databases and curation
DOI:10.1093/database/baad094
PMID:38245002
|
综述 | 对基于机器学习和深度学习的蛋白质序列赖氨酸丙二酰化位点预测技术及工具进行全面分析与比较 | 提出混合架构集成多种分类器，并在最新数据集上评估比较现有工具性能 | 现有方法存在特征提取不当、高维特征和分类器效率低等特定缺陷 | 开发有效的赖氨酸丙二酰化位点预测方法 | 蛋白质序列中的赖氨酸丙二酰化位点 | 机器学习 | NA | 蛋白质序列分析 | 机器学习模型,深度学习模型 | 蛋白质序列数据 | 基于最新数据库提取的新数据集 | NA | 混合架构 | NA | NA |
| 185 | 2025-10-07 |
Current status of artificial intelligence methods for skin cancer survival analysis: a scoping review
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1243659
PMID:38711781
|
综述 | 分析人工智能方法在皮肤癌生存分析中的应用现状 | 首次系统综述AI在皮肤癌生存分析中的多模态数据整合能力，指出深度学习在黑色素瘤病理解读中的集中应用及扩展其他皮肤恶性肿瘤研究的创新空间 | 仅纳入14篇符合标准的文献，覆盖病种范围有限（主要关注黑色素瘤），未充分整合遗传学与临床数据 | 评估人工智能技术在皮肤癌生存分析领域的应用现状与发展方向 | 皮肤癌患者的生存数据分析 | 自然语言处理, 机器学习 | 皮肤癌 | 深度学习, 自然语言处理 | 监督学习, 无监督学习, 深度学习, NLP | 遗传数据, 临床病史, 人口统计学数据, 病理数据 | 14篇符合纳入标准的文献 | NA | NA | NA | NA |
| 186 | 2025-03-22 |
MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306673
PMID:39546454
|
研究论文 | 本文提出了一种名为MaskDGNets的新框架，用于事件抽取，通过掩码注意力引导的动态图聚合网络来解决传统深度学习方法忽略词特征与序列信息之间关联的问题 | 提出了掩码注意力机制和动态图聚合模块，有效平衡词向量特征和序列语义，并增强事件与事件之间、事件与主要属性之间的交互性和关联性 | 未提及具体局限性 | 提升事件抽取的性能，解决传统方法忽略词特征与序列信息关联的问题 | 事件抽取任务中的词特征与序列信息 | 自然语言处理 | NA | 动态图聚合网络、掩码注意力机制 | MaskDGNets | 文本 | 两个基准数据集（DuEE和CCKS2020） | NA | NA | NA | NA |
| 187 | 2025-03-20 |
An efficient deep learning strategy for accurate and automated detection of breast tumors in ultrasound image datasets
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1461542
PMID:40098633
|
研究论文 | 本文提出了一种基于改进深度学习模型的新方法，用于乳腺肿瘤的智能辅助诊断，结合优化的U2NET-Lite模型和高效的DeepCardinal-50模型，在乳腺超声图像的精确分割和分类方面表现出色 | 结合优化的U2NET-Lite模型和DeepCardinal-50模型，提出了一种新的深度学习策略，用于乳腺肿瘤的自动检测，相比传统模型如ResNet和AlexNet，具有更高的准确性和效率 | 未提及具体的数据集规模或模型在不同数据集上的泛化能力 | 开发一种自动化和高效的乳腺肿瘤检测模型，以辅助乳腺癌的早期诊断和治疗 | 乳腺超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | U2NET-Lite, DeepCardinal-50 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 188 | 2025-10-07 |
scMeFormer: a transformer-based deep learning model for imputing DNA methylation states in single cells enhances the detection of epigenetic alterations in schizophrenia
2024-Jan-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.25.577200
PMID:38328094
|
研究论文 | 提出一种基于Transformer的深度学习模型scMeFormer，用于单细胞DNA甲基化状态插补，并应用于精神分裂症表观遗传学研究 | 首次将Transformer架构应用于单细胞DNA甲基化数据插补，能够在仅保留10%原始CpG位点覆盖度的情况下实现高保真插补 | 未明确说明模型在不同组织类型或疾病中的泛化能力 | 开发单细胞DNA甲基化状态插补方法以增强表观遗传学分析 | 人类前额叶皮层单细胞DNA甲基化数据 | 深度学习 | 精神分裂症 | 单细胞DNA甲基化测序 | Transformer | DNA甲基化状态数据 | 4名精神分裂症患者和4名神经典型对照的前额叶皮层样本 | NA | Transformer | 插补保真度，差异甲基化区域检测能力 | NA |
| 189 | 2025-10-07 |
Lightweight model-based sheep face recognition via face image recording channel
2024-Jan-03, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skae066
PMID:38477672
|
研究论文 | 提出一种基于YOLOv7的轻量级绵羊面部识别模型YOLOv7-SFR，通过面部图像采集通道和多种优化策略提升识别性能 | 开发了绵羊面部图像采集通道解决人工采集效率低的问题，并在YOLOv7基础上引入混洗注意力模块、Dyhead检测头和深度可分离卷积实现模型轻量化 | 仅使用50只小尾寒羊作为研究对象，样本多样性可能有限 | 开发轻量级绵羊面部识别模型以满足精准畜牧业实际应用需求 | 50只1-3岁小尾寒羊的面部图像 | 计算机视觉 | NA | 图像采集通道，数据增强 | CNN | 图像 | 50只绵羊，经数据增强后共22,000张面部图像 | PyTorch | YOLOv7, YOLOv7-SFR | mAP@0.5, 模型大小, 平均识别时间 | NA |
| 190 | 2025-03-15 |
Diagnostic-therapeutic management of pulmonary nodules
2024, Klinicka onkologie : casopis Ceske a Slovenske onkologicke spolecnosti
DOI:10.48095/ ccko2024408
PMID:39772821
|
综述 | 本文全面回顾了肺结节的诊断和治疗方法，重点讨论了基于结节形态、大小和生长潜力的恶性潜力评估 | 文章详细分析了现代影像技术，特别是人工智能（AI）在肺结节诊断中的应用，并强调了多学科方法在肺结节诊断和管理中的重要性 | 文章未提及具体的研究局限性 | 优化肺结节的临床诊断和管理，以减少肺癌的死亡率并改善患者预后 | 肺结节 | 数字病理学 | 肺癌 | 人工智能（AI），深度学习技术 | 深度学习 | 影像数据 | NA | NA | NA | NA | NA |
| 191 | 2025-10-07 |
Deep Learning Models for Coronary Atherosclerosis Detection in Coronary CT Angiography
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究比较了不同预训练深度学习模型在冠状动脉CT血管造影中检测动脉粥样硬化的性能 | 首次在冠状动脉CT血管造影中系统比较预训练深度学习模型，并采用Haar小波分解提升模型灵敏度 | 初始模型灵敏度较低（60.8%），需要额外技术手段进行改进 | 寻找冠状动脉CT血管造影中动脉粥样硬化检测的最佳深度学习模型 | 冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | CNN, KNN | 医学图像 | NA | NA | ResNet101, 3D CNN | 准确率, 灵敏度, 阳性预测值 | NA |
| 192 | 2025-03-14 |
Is the Juice Worth the Squeeze? Learning Curve of a Chest Radiograph Semantic Labeling Deep Learning Model
2024-01-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000755
PMID:37889555
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 193 | 2025-10-07 |
Exercise-Related Physical Activity Relates to Brain Volumes in 10,125 Individuals
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-230740
PMID:38073389
|
研究论文 | 本研究探讨了中高强度体力活动与大脑体积之间的关系 | 首次在10,125名健康参与者中使用深度学习模型分析多平面MRI数据，系统评估体力活动与多个脑区体积的关联 | 横断面研究设计无法确定因果关系，体力活动数据依赖自我报告可能存在偏差 | 研究规律性中高强度体力活动与定量脑体积的关联 | 10,125名健康参与者，年龄范围18-97岁 | 医学影像分析 | 神经退行性疾病 | 磁共振成像，各向同性MP-RAGE序列 | 深度学习模型 | MRI图像 | 10,125名参与者 | NA | NA | 偏相关系数，p值 | NA |
| 194 | 2025-03-13 |
Whole slide image-based weakly supervised deep learning for predicting major pathological response in non-small cell lung cancer following neoadjuvant chemoimmunotherapy: a multicenter, retrospective, cohort study
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1453232
PMID:39372403
|
研究论文 | 本研究利用弱监督深度学习技术，通过全切片图像预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应 | 采用弱监督学习框架和多实例学习算法，结合创新的数据增强和归一化技术，提升了模型的鲁棒性和解释性 | 研究为回顾性研究，样本量相对较小，且仅针对非小细胞肺癌患者 | 开发预测模型以准确预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应 | 186名非小细胞肺癌患者的治疗前全切片图像 | 数字病理学 | 肺癌 | 弱监督深度学习 | DenseNet121, ResNet50, Inception V3, XGBoost | 图像 | 186名非小细胞肺癌患者 | NA | NA | NA | NA |
| 195 | 2025-10-07 |
Clinically Applicable Pan-Origin Cancer Detection for Lymph Nodes via Artificial Intelligence-Based Pathology
2024, Pathobiology : journal of immunopathology, molecular and cellular biology
IF:3.5Q1
DOI:10.1159/000539010
PMID:38718783
|
研究论文 | 开发了一种基于人工智能的全癌种淋巴结转移检测系统 | 提出首个适用于多器官来源的淋巴结癌转移检测系统，能够在49-52种不同器官来源的样本中保持稳定性能 | 未提及模型在罕见癌症类型或特殊病理亚型上的表现 | 开发临床适用的全癌种淋巴结转移人工智能检测系统 | 淋巴结组织切片 | 数字病理学 | 多器官癌症 | 全玻片图像分析 | 深度学习模型 | 病理图像 | 训练集700+张WSI，测试集2,453张WSI（来自两个医疗中心） | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 196 | 2025-10-07 |
SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images
2024-Jan, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104908
PMID:38101298
|
研究论文 | 提出一种名为SAMPLER的无监督快速方法，用于生成全切片组织图像的幻灯片级别表示 | 通过编码多尺度图块级特征的累积分布函数生成幻灯片级别表示，无需监督训练和复杂的注意力模块优化 | 未明确说明方法在更广泛疾病类型或数据集的泛化能力 | 开发无监督的快速方法用于全切片组织图像分析 | 乳腺癌、非小细胞肺癌和肾细胞癌的全切片图像 | 数字病理学 | 多种癌症（乳腺癌、非小细胞肺癌、肾细胞癌） | H&E染色全切片图像分析 | 无监督表示学习方法 | 全切片组织图像 | 来自癌症基因组图谱的乳腺癌、非小细胞肺癌和肾细胞癌WSI样本 | NA | 基于累积分布函数编码的统计方法 | AUC | NA |
| 197 | 2025-03-12 |
Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning
2024-Jan, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104933
PMID:38103513
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 198 | 2025-10-07 |
Adapting physics-informed neural networks to improve ODE optimization in mosquito population dynamics
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315762
PMID:39715201
|
研究论文 | 提出改进的物理信息神经网络框架，用于优化蚊子种群动态的常微分方程建模 | 通过逐步扩展训练时间域解决PINNs中的时间因果关系问题，并针对梯度不平衡和刚性问题的改进方法 | 目前仅使用模拟数据进行实验验证，尚未应用于真实世界数据 | 改进物理信息神经网络在常微分方程优化中的应用，特别是针对具有极端多尺度行为的系统 | 蚊子种群动态建模 | 机器学习 | NA | 物理信息神经网络 | PINN | 模拟数据 | NA | NA | 物理信息神经网络 | NA | NA |
| 199 | 2025-03-10 |
Explainability of three-dimensional convolutional neural networks for functional magnetic resonance imaging of Alzheimer's disease classification based on gradient-weighted class activation mapping
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303278
PMID:38771733
|
研究论文 | 本文通过应用梯度加权类激活映射（Grad-CAM）等方法，提高了基于fMRI的3D-VGG16网络在阿尔茨海默病（AD）诊断中的可解释性 | 本文的创新点在于使用多种静息态功能活动图（如ALFF、fALFF、ReHo和VMHC）来降低fMRI数据的复杂性，并采用3D-VGG16网络进行AD分类，同时通过GAP层缓解过拟合问题 | 本文的局限性在于手动特征提取方法可能增加模型负担，且仅针对AD和正常对照组进行了研究，未涉及其他神经系统疾病 | 研究目的是探索模型在预测时主要关注的大脑感兴趣区域（ROI），以及AD患者和正常对照组之间这些ROI的差异 | 研究对象为阿尔茨海默病患者和正常对照组 | 数字病理学 | 阿尔茨海默病 | fMRI | 3D-VGG16 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 200 | 2025-10-07 |
Exploring the Value of MRI Measurement of Hippocampal Volume for Predicting the Occurrence and Progression of Alzheimer's Disease Based on Artificial Intelligence Deep Learning Technology and Evidence-Based Medicine Meta-Analysis
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-230733
PMID:38277290
|
研究论文 | 基于人工智能深度学习技术和循证医学Meta分析，探索MRI海马体体积测量对阿尔茨海默病发生和进展的预测价值 | 结合三种卷积神经网络模型与系统Meta分析，首次在多中心大样本数据中验证MRI海马体体积测量对AD预测的临床价值 | 研究依赖公开数据库数据，未包含所有AD亚型；Meta分析仅纳入23篇文献，可能存在发表偏倚 | 评估基于MRI的海马体体积测量在预测阿尔茨海默病发生和进展中的价值 | 483名AD患者、756名轻度认知障碍患者和968名正常对照者 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | CNN | 医学影像 | 2207名受试者（483 AD + 756 MCI + 968 NC） | TensorFlow, PyTorch | InceptionResNetv2, Densenet169, SEResNet50 | 准确率, AUC | NA |