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 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2025-10-07 |
OA-MEN: a fusion deep learning approach for enhanced accuracy in knee osteoarthritis detection and classification using X-Ray imaging
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1437188
PMID:39830688
|
研究论文 | 提出一种融合深度学习模型OA-MEN，用于膝关节X射线影像中骨关节炎的检测和分类 | 结合ResNet和MobileNet特征提取与多尺度特征融合的混合模型，增强语义信息提取同时保留高分辨率图像的优势 | 未明确说明训练数据的具体来源和样本分布特征 | 通过融合深度学习技术提高膝关节骨关节炎评估的准确性和效率 | 膝关节X射线影像 | 计算机视觉 | 骨关节炎 | X射线成像 | CNN | 图像 | NA | NA | ResNet,MobileNet | 准确率,AUC | NA |
| 362 | 2025-10-07 |
Using deep learning to quantify neuronal activation from single-cell and spatial transcriptomic data
2024-Jan-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-44503-5
PMID:38278804
|
研究论文 | 开发深度学习模型NEUROeSTIMator，通过整合转录组信号量化神经元激活 | 提出首个能够整合转录组信号估计神经元激活的深度学习模型，且对物种、细胞类型和脑区差异具有鲁棒性 | 目前主要在小鼠模型中验证，人类数据验证尚需进一步研究 | 开发量化神经元激活的计算工具 | 神经元细胞 | 机器学习 | NA | 单细胞RNA测序, 空间转录组学, Patch-seq电生理记录 | 深度学习 | 转录组数据, 电生理数据 | 已发表研究中的单细胞数据及雄性小鼠脑区数据 | NA | NA | 与电生理特征的关联性, 检测准确性 | NA |
| 363 | 2025-10-07 |
Multiple Classification of Brain MRI Autism Spectrum Disorder by Age and Gender Using Deep Learning
2024-Jan-22, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-023-02032-0
PMID:38252192
|
研究论文 | 本研究使用深度学习对脑部结构MRI进行自闭症谱系障碍的多重分类，同时考虑年龄和性别因素 | 首次基于年龄和性别因素进行自闭症的多重分类，探究这些因素对诊断的贡献 | NA | 开发自闭症谱系障碍的快速诊断系统，并分析年龄和性别因素对诊断的影响 | 自闭症谱系障碍患者和典型发育人群的脑部结构MRI数据 | 计算机视觉 | 自闭症谱系障碍 | 脑部结构MRI | CNN | 图像 | NA | NA | CNN | 准确率 | NA |
| 364 | 2025-10-07 |
Automated Prediction of Photographic Wound Assessment Tool in Chronic Wound Images
2024-Jan-16, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-023-02029-9
PMID:38227131
|
研究论文 | 提出基于深度学习的全自动图像处理流程，用于慢性伤口图像中的伤口检测和Photographic Wound Assessment Tool（PWAT）评分预测 | 利用预训练神经网络模型和大规模伤口分割数据集，实现伤口区域的自动检测和PWAT评分预测，自动化临床伤口愈合评估过程 | 仅基于智能手机拍摄的图像，未考虑其他临床因素；在未见图像集上的验证规模有限 | 开发自动化伤口评估工具，消除人为主观性并加速临床实践 | 慢性伤口图像 | 计算机视觉 | 慢性伤口 | 图像处理分析 | 深度学习 | 图像 | 大规模伤口分割数据集 | NA | 预训练神经网络 | Spearman相关系数 | NA |
| 365 | 2025-10-07 |
Deep learning for prediction of post-thrombectomy outcomes based on admission CT angiography in large vessel occlusion stroke
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1369702
PMID:39149161
|
研究论文 | 基于入院CTA图像开发端到端深度学习模型预测大血管闭塞卒中患者取栓术后3个月功能结局 | 首次基于入院CTA图像构建端到端自动化深度学习流程预测前循环大血管闭塞取栓术后结局，并独立验证模型性能 | 样本量相对有限（591例患者），需更大规模多中心研究验证 | 开发自动化深度学习模型预测大血管闭塞卒中患者取栓术后功能结局 | 前循环大血管闭塞卒中患者 | 医学影像分析 | 脑血管疾病 | 计算机断层扫描血管成像 | CNN | 医学影像 | 591例患者（496例训练/交叉验证，95例独立测试） | PyTorch | ResNet-50 3D | AUC | NA |
| 366 | 2025-01-16 |
Assessment of the Accuracy of a Deep Learning Algorithm- and Video-based Motion Capture System in Estimating Snatch Kinematics
2024, International journal of exercise science
DOI:10.70252/PRVV4165
PMID:39807293
|
研究论文 | 本研究评估了基于深度学习和视频的无标记运动捕捉系统在抓举运动学估计中的准确性，并与基于标记的系统进行了比较 | 首次将基于深度学习的无标记视频系统应用于抓举运动学分析，并与传统标记系统进行对比 | 两种系统在估计运动学参数时存在显著差异，可能由于模型和假设的不同 | 评估无标记视频系统在抓举运动学分析中的适用性 | 21名举重运动员（15名男性，6名女性） | 计算机视觉 | NA | 深度学习姿态估计算法 | NA | 视频 | 21名举重运动员，131次试验 | NA | NA | NA | NA |
| 367 | 2025-01-16 |
Design and validation of the reflection skills self-assessment questionnaire (RSSAQ)
2024, Journal of education and health promotion
IF:1.4Q3
DOI:10.4103/jehp.jehp_141_24
PMID:39811846
|
研究论文 | 本研究旨在设计和验证波斯语医学科学学生反思技能自我评估问卷（RSSAQ）的心理测量特性 | 开发了一种新的波斯语反思技能自我评估问卷，并验证了其心理测量特性 | 研究样本仅限于一所大学的学生，可能限制了结果的普遍性 | 设计和验证波斯语医学科学学生反思技能自我评估问卷的心理测量特性 | 医学科学学生 | 教育评估 | NA | 探索性因子分析（EFA）和验证性因子分析（CFA） | NA | 问卷数据 | 19名专家、50名学生（面效度和内容效度评估）、48名学生（信度评估）、151名学生（构念效度评估） | NA | NA | NA | NA |
| 368 | 2025-10-07 |
Artificial Intelligence-enabled Chest X-ray Classifies Osteoporosis and Identifies Mortality Risk
2024-Jan-13, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-023-02030-2
PMID:38217829
|
研究论文 | 开发深度学习模型通过胸部X射线特征识别骨质疏松症并评估其与全因死亡率的关系 | 首次利用胸部X射线结合深度学习技术实现骨质疏松症的早期筛查和死亡率风险评估 | 研究主要基于单一学术医疗中心数据，需要更多外部验证 | 开发基于胸部X射线的骨质疏松症识别模型并评估其临床预后价值 | 骨质疏松症患者和全因死亡率风险人群 | 计算机视觉 | 骨质疏松症 | 双能X射线吸收测定法(DXA) | 深度学习模型 | 胸部X射线图像 | 48,353张胸部X射线图像（35,633张用于训练，12,720张用于验证） | NA | NA | AUC, 风险比(HR), Kaplan-Meier生存分析, Cox比例风险模型 | NA |
| 369 | 2025-10-07 |
Enhanced neurological anomaly detection in MRI images using deep convolutional neural networks
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1504545
PMID:39802885
|
研究论文 | 本研究开发了一种基于深度卷积神经网络的框架，用于自动检测和分类MRI图像中的神经系统异常 | 提出专门优化的深度卷积神经网络架构，在MRI神经异常检测中达到98.44%的分类准确率，优于ResNet-50和AlexNet等知名模型 | 需要进一步研究评估模型在不同临床场景下的表现，未来可整合纵向成像和多模态技术 | 开发自动化神经系统疾病诊断系统，解决传统手动解读方法耗时且易变的问题 | 神经系统异常（包括帕金森病、阿尔茨海默病和癫痫）的MRI图像 | 计算机视觉 | 神经系统疾病 | MRI成像 | DCNN | 图像 | NA | NA | 深度卷积神经网络 | 准确率,精确率,召回率,F1分数 | NA |
| 370 | 2025-10-07 |
Deep learning to optimize radiotherapy decisions for elderly patients with early-stage breast cancer: a novel approach for personalized treatment
2024, American journal of cancer research
IF:3.6Q2
DOI:10.62347/TRNO3190
PMID:39803647
|
研究论文 | 本研究开发了一种基于深度学习的个性化治疗方法，用于优化老年早期乳腺癌患者的放疗决策 | 首次将深度生存回归与混合效应模型(DSME)应用于老年早期乳腺癌患者的放疗决策优化，提供个性化治疗建议 | 研究为回顾性分析，可能存在选择偏倚；模型在未推荐放疗的患者中未观察到获益 | 评估辅助放疗在老年早期乳腺癌患者中的疗效，并开发个性化治疗决策模型 | 8,047名接受保乳手术的老年早期乳腺癌患者 | 医疗人工智能 | 乳腺癌 | 深度学习 | 深度生存回归与混合效应模型(DSME) | 临床数据 | 8,047名老年早期乳腺癌患者 | NA | DSME | 风险比,风险差异,平均生存时间 | NA |
| 371 | 2025-10-07 |
Microfluidics-based patient-derived disease detection tool for deep learning-assisted precision medicine
2024-Jan, Biomicrofluidics
IF:2.6Q2
DOI:10.1063/5.0172146
PMID:38223546
|
研究论文 | 开发了一种基于微流控和深度学习的智能疾病检测工具，用于癌症预后评估和精准医疗 | 将微流控肿瘤模型与深度学习算法分析相结合，开发了智能疾病检测工具IDDT | 样本量相对有限（n=71），仅验证了部分癌症类型 | 实现癌症预后和治疗的常规评估，支持精准医疗决策 | 癌症患者和健康捐赠者的液体血液活检样本 | 数字病理 | 多种癌症（乳腺癌、胃癌、肺癌等） | 微流控技术、液体活检、3D肿瘤培养系统 | 深度学习神经网络 | 图像数据 | 71个血液样本（55名癌症患者，12名健康捐赠者） | NA | Mask R-CNN, Vision Transformer, Segment Anything Model (SAM) | 平均交并比(mIoU), 精确度, 灵敏度 | NA |
| 372 | 2025-10-07 |
Decoding imagined speech with delay differential analysis
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1398065
PMID:38826617
|
研究论文 | 本研究探索了一种新型非线性信号处理方法——延迟微分分析在语音解码中的应用 | 首次将延迟微分分析应用于语音解码任务，并与所有公开可用的深度学习方法进行系统比较 | 受限于现有EEG数据集的小规模和异质性，以及公开代码的有限可用性 | 探索非线性信号处理方法在语音解码中的性能表现 | 想象语音解码 | 自然语言处理 | NA | 延迟微分分析 | NA | EEG信号 | 两个公共想象语音解码数据集 | NA | NA | 分类准确率 | NA |
| 373 | 2025-10-07 |
Improving Psychiatry Services with Artificial Intelligence: Opportunities and Challenges
2024, Turk psikiyatri dergisi = Turkish journal of psychiatry
DOI:10.5080/u27604
PMID:39783807
|
综述 | 探讨人工智能在精神卫生服务中的应用潜力与挑战，特别关注土耳其语境下的实施策略 | 系统分析大型语言模型等AI技术在精神科诊疗中的创新应用，并提出针对土耳其文化语言特点的本地化适配策略 | 存在算法偏见、数据隐私、伦理问题和大型语言模型幻觉现象等实施障碍 | 研究人工智能如何改善精神卫生服务的可及性和诊断准确性 | 精神障碍患者及精神卫生服务体系 | 自然语言处理 | 精神疾病 | 机器学习、深度学习 | 大型语言模型 | 语音模式、神经影像、行为测量数据 | NA | NA | NA | NA | NA |
| 374 | 2025-10-07 |
Endoscopic Artificial Intelligence for Image Analysis in Gastrointestinal Neoplasms
2024, Digestion
IF:3.0Q2
DOI:10.1159/000540251
PMID:39068926
|
综述 | 本文综述了内镜人工智能系统在胃肠道肿瘤图像分析中的最新研究进展与应用 | 系统总结了内镜AI在食管鳞癌、食管腺癌、胃癌和结直肠息肉等多个胃肠道肿瘤领域的应用现状与性能表现 | 部分CADx系统尚未进行随机对照试验验证，研究主要基于现有文献分析 | 评估内镜人工智能系统在胃肠道肿瘤检测和诊断中的应用价值 | 食管鳞状细胞癌、食管腺癌、胃癌、结直肠息肉等胃肠道肿瘤 | 计算机视觉 | 胃肠道肿瘤 | 深度学习 | 深度学习系统 | 内镜图像 | NA | NA | NA | 灵敏度, 特异度, 准确率 | NA |
| 375 | 2025-10-07 |
Precision Opioid Prescription in ICU Surgery: Insights from an Interpretable Deep Learning Framework
2024, Journal of surgery (Lisle, IL)
DOI:10.29011/2575-9760.11189
PMID:39781484
|
研究论文 | 开发可解释深度学习框架预测ICU手术患者术后阿片类药物需求 | 首次将Permutation Feature Importance Test应用于多种机器学习模型的可解释性分析，识别影响术后阿片类药物使用的关键因素 | 仅使用单一数据库（MIMIC）数据，模型性能仍有提升空间（PCC=0.283） | 通过可解释AI方法精准预测ICU手术患者术后阿片类药物需求 | ICU手术患者 | 机器学习 | 术后疼痛管理 | 电子健康记录分析 | DNN, SVM, XGBoost, Random Forest | 结构化电子健康记录 | 4,912名手术患者 | NA | 深度神经网络 | 均方误差, 皮尔逊相关系数 | NA |
| 376 | 2025-01-07 |
Deep learning segmentation of endothelial cell images using an active learning paradigm with guided label corrections
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.014006
PMID:38188935
|
研究论文 | 本文开发了一种引导校正软件，用于手动编辑自动生成的角膜内皮细胞（EC）分割，并将其应用于主动学习范式，以分析一组多样化的角膜移植后EC图像 | 提出了一种新的引导校正软件，结合主动学习范式，显著提高了深度学习模型在EC图像分割中的性能 | 研究仅针对角膜移植后的EC图像，可能不适用于其他类型的细胞图像 | 提高角膜内皮细胞图像分割的准确性和效率 | 角膜移植后的内皮细胞图像 | 计算机视觉 | 眼科疾病 | 深度学习 | U-Net, DeepLabV3+ | 图像 | 841张角膜移植后EC图像 | NA | NA | NA | NA |
| 377 | 2025-01-07 |
The application of natural language processing for the extraction of mechanistic information in toxicology
2024, Frontiers in toxicology
IF:3.6Q2
DOI:10.3389/ftox.2024.1393662
PMID:38800806
|
研究论文 | 本文探讨了自然语言处理（NLP）在毒理学中提取机制信息的应用，特别是用于构建和优化不良结果路径（AOPs） | 本文的创新点在于使用深度学习语言模型识别文本中的实体并建立它们之间的因果关系，以及提出一个结合命名实体识别和基于规则的简单关系提取模型的NLP管道 | 本文的局限性在于仅选择了肝脏中的两种常见不良情况（胆汁淤积和脂肪变性）作为案例，未涵盖更广泛的毒性类型 | 研究目的是通过NLP技术从科学文献中提取信息，以支持毒理学中AOPs的构建和优化 | 研究对象是毒理学中的不良结果路径（AOPs），特别是与肝脏相关的不良情况 | 自然语言处理 | NA | 深度学习语言模型 | 命名实体识别（NER）和基于规则的简单关系提取模型 | 文本 | NA | NA | NA | NA | NA |
| 378 | 2025-01-07 |
SGSNet: a lightweight deep learning model for strawberry growth stage detection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1491706
PMID:39717733
|
研究论文 | 本文介绍了一种轻量级深度学习模型SGSNet，用于快速准确地检测草莓生长阶段 | 设计了创新的轻量级卷积神经网络GrowthNet，采用DySample自适应上采样结构和iRMB轻量级注意力机制，优化了RepNCSPELAN4模块，并应用Inner-IoU优化损失函数 | 模型目前仅针对草莓生长阶段检测，未来可扩展至其他作物 | 开发适用于便携设备的轻量级检测技术，以优化草莓生产管理 | 草莓生长阶段 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 涵盖整个草莓生长周期的综合数据集 | NA | NA | NA | NA |
| 379 | 2025-01-07 |
Robust fiber orientation distribution function estimation using deep constrained spherical deconvolution for diffusion-weighted magnetic resonance imaging
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.014005
PMID:38188934
|
研究论文 | 本文提出了一种数据驱动的深度约束球面反卷积方法，用于从重复的扩散加权磁共振成像扫描中更可重复和稳健地估计大脑微观结构 | 引入三维体积扫描仪不变正则化方案，在fODF估计过程中显式约束扫描-重扫描变异性 | 方法主要针对大脑微观结构的估计，可能不适用于其他类型的组织或器官 | 提高从重复扩散加权磁共振成像扫描中估计大脑微观结构的可重复性和稳健性 | 大脑微观结构 | 医学影像 | NA | 扩散加权磁共振成像（DW-MRI） | 深度约束球面反卷积（deep CSD） | 磁共振成像数据 | Human Connectome Project (HCP) 年轻成年人测试-重测组、MASiVar 数据集、巴尔的摩纵向衰老研究数据集 | NA | NA | NA | NA |
| 380 | 2025-01-07 |
Image-Based Subtype Classification for Glioblastoma Using Deep Learning: Prognostic Significance and Biologic Relevance
2024-01, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00154
PMID:38231003
|
研究论文 | 本研究应用深度学习算法对胶质母细胞瘤的组织病理学图像进行分类，构建独立于已知临床和分子分类的图像亚型，并揭示胶质母细胞瘤肿瘤微环境的分子和免疫特征 | 首次使用深度学习模型对胶质母细胞瘤进行图像亚型分类，并发现这些亚型具有独特的预后信息和生物学特征 | 样本量相对较小，且仅使用了TCGA和CPTAC两个数据集 | 通过深度学习模型对胶质母细胞瘤进行图像亚型分类，并评估其预后价值和生物学意义 | 胶质母细胞瘤患者的组织病理学图像 | 数字病理学 | 胶质母细胞瘤 | 深度学习 | 卷积神经网络（CNN） | 图像 | 214名TCGA患者和189名CPTAC患者 | NA | NA | NA | NA |