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 1906 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2025-10-07 |
Leveraging deep learning for robust EEG analysis in mental health monitoring
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1494970
PMID:39829439
|
研究论文 | 提出一种名为EEG Mind-Transformer的深度学习架构，用于脑电图信号分析以实现心理健康监测 | 创新性地结合动态时序图注意力机制、分层图表示分析模块和时空融合模块，能有效捕捉脑电图数据中的复杂时空关系 | 未明确说明模型在不同人群和心理健康场景下的具体适应能力限制 | 开发稳健的脑电图分析方法以改进心理健康监测 | 脑电图信号及其与认知和情绪状态的关系 | 机器学习 | 心理健康障碍 | 脑电图分析 | Transformer | 脑电图信号 | 多个数据集（具体样本量未明确说明） | NA | EEG Mind-Transformer, Dynamic Temporal Graph Attention Mechanism, Hierarchical Graph Representation and Analysis, Spatial-Temporal Fusion Module | 准确率, 召回率, F1分数, AUC | NA |
| 402 | 2025-10-07 |
Non-invasive ML methods for diagnosis of congenital heart disease associated with pulmonary arterial hypertension
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1502725
PMID:39830028
|
综述 | 本文综述了两种用于诊断先天性心脏病相关肺动脉高压的非侵入性机器学习方法 | 提出了直接三分法和两阶段分类两种非侵入性诊断算法，结合传统特征与深度学习特征，在数据稀缺情况下广泛使用集成学习 | 先天性心脏病相关肺动脉高压数据缺乏 | 开发先天性心脏病相关肺动脉高压的非侵入性诊断方法 | 先天性心脏病相关肺动脉高压患者 | 机器学习 | 心血管疾病 | 心音分析 | Bi-LSTM, 集成学习 | 心音信号 | NA | NA | Bi-LSTM | 准确率 | NA |
| 403 | 2025-10-07 |
ReIU: an efficient preliminary framework for Alzheimer patients based on multi-model data
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1449798
PMID:39830185
|
研究论文 | 提出基于U-Net和迭代配准学习的视网膜血管分割框架ReIU，用于阿尔茨海默病的早期筛查 | 首次将视网膜血管分割与多模态数据结合，开发经济、非侵入性的阿尔茨海默病初步筛查工具 | 在HRF数据集上的分割准确率相对较低（68.3%），分类准确率有待进一步提升 | 开发基于深度学习的阿尔茨海默病早期检测方法 | 阿尔茨海默病患者和健康受试者的视网膜血管数据 | 数字病理学 | 阿尔茨海默病 | OCT血管成像（OCT-A） | CNN | 图像 | 包含健康者和AD患者的多模态数据集 | NA | U-Net | 准确率 | NA |
| 404 | 2025-10-07 |
Protein-ligand binding affinity prediction using multi-instance learning with docking structures
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1518875
PMID:39830331
|
研究论文 | 提出一种基于多实例学习和分子对接构象的蛋白质-配体结合亲和力预测方法 | 首次将多实例学习与注意力网络结合，利用多个分子对接构象而非共晶结构进行结合亲和力预测 | 依赖分子对接生成的构象质量，对接不准确可能影响预测性能 | 开发不依赖共晶结构的蛋白质-配体结合亲和力预测方法 | 蛋白质-配体复合物 | 机器学习 | COVID-19 | 分子对接 | 多实例学习, 注意力网络 | 3D结构数据 | PDBbind数据集和SARS-CoV-2主要蛋白酶靶向化合物 | NA | 注意力网络 | 结合亲和力预测准确性 | NA |
| 405 | 2025-10-07 |
Research hotspots and trends in lung cancer STAS: a bibliometric and visualization analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1495911
PMID:39830648
|
系统综述 | 通过文献计量学和可视化分析方法研究2015-2024年间肺癌STAS领域的研究热点和发展趋势 | 首次运用R软件bibliometrix、CiteSpace和VOSviewer对肺癌STAS文献进行系统的文献计量和可视化分析 | 仅纳入Web of Science数据库文献，可能遗漏其他数据库相关研究 | 分析肺癌STAS领域的研究热点和发展趋势 | 2015-2024年间发表的243篇肺癌STAS相关文献 | 文献计量学 | 肺癌 | 文献计量分析，可视化分析 | NA | 文献数据 | 243篇文献 | R bibliometrix, CiteSpace, VOSviewer, Excel | NA | NA | NA |
| 406 | 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 |
| 407 | 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 |
| 408 | 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 |
| 409 | 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 |
| 410 | 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 |
| 411 | 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 |
| 412 | 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 |
| 413 | 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 |
| 414 | 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 |
| 415 | 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 |
| 416 | 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 |
| 417 | 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 |
| 418 | 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 |
| 419 | 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 |
| 420 | 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 |