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 2035 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2025-10-06 |
Comparative study of the glistening between four intraocular lens models assessed by OCT and deep learning
2024-01-01, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001316
PMID:37702457
|
研究论文 | 本研究使用光学相干断层扫描和深度学习算法对四种不同类型人工晶状体的微泡现象进行量化评估和比较 | 开发了基于深度学习的原创量化算法，首次系统比较四种人工晶状体模型的微泡严重程度 | 横断面研究设计，样本量相对有限（325只眼睛） | 评估四种人工晶状体模型中微泡现象的存在和严重程度 | 人工晶状体植入患者的325只眼睛 | 医学影像分析 | 眼科疾病 | 光学相干断层扫描 | 深度学习 | OCT图像 | 325只眼睛（ReSTOR+3 SN6AD1: 41例，SN60WF: 110例，PanOptix TFNT: 128例，Vivity DFT015: 46例） | NA | NA | 组内相关系数（≥0.829） | NA |
| 422 | 2025-10-06 |
Deep Learning-based Assessment of Facial Asymmetry Using U-Net Deep Convolutional Neural Network Algorithm
2024 Jan-Feb 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009862
PMID:37973054
|
研究论文 | 本研究开发了一种基于深度卷积神经网络的计算机辅助诊断系统，用于评估后前位头颅X光片中的面部不对称性 | 首次将U-Net深度卷积神经网络算法应用于面部不对称性评估，实现了自动化的面部不对称诊断 | 样本量相对有限（1020例训练，25例测试），需要更大规模验证 | 评估基于深度学习的计算机辅助诊断系统在面部不对称检测中的诊断性能 | 接受正畸治疗的1020名患者的后前位头颅X光片 | 计算机视觉 | 面部不对称 | 后前位头颅X光成像 | CNN | 医学图像 | 1020例训练样本，25例测试样本 | NA | U-Net | 独立t检验，Bland-Altman图 | NA |
| 423 | 2025-10-06 |
Development of AI-Based Diagnostic Algorithm for Nasal Bone Fracture Using Deep Learning
2024 Jan-Feb 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009856
PMID:38294297
|
研究论文 | 开发基于深度学习的AI算法用于鼻骨骨折诊断 | 首次将深度学习技术应用于鼻骨骨折的CT影像诊断 | 初步研究阶段，样本量有限，特异性有待提升 | 开发鼻骨骨折的自动化诊断算法 | 面部骨骼CT影像 | 计算机视觉 | 鼻骨骨折 | CT成像 | 深度学习 | 医学影像 | 未明确具体样本数量 | NA | NA | 灵敏度, 特异度 | NA |
| 424 | 2025-10-06 |
Chest CT Image based Lung Disease Classification - A Review
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文对基于胸部CT图像的肺部疾病分类方法进行了全面回顾与分析 | 提供了肺部疾病分类方法的系统性综述，特别关注机器学习技术的最新进展 | 作为综述文章，不包含原始实验数据或新模型开发 | 分析肺部疾病分类的现有方法，为研究人员构建更先进系统提供指导 | 肺部疾病分类的机器学习方法 | 计算机视觉 | 肺部疾病 | CT扫描 | 深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 425 | 2025-10-06 |
Motion-resolved 3D Pulmonary MRI Reconstruction using Sinusoidal Representation Networks
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种基于正弦表示网络的运动分辨3D肺部MRI重建方法 | 使用正弦表示网络学习配准映射，实现仅依赖欠采样数据的无监督学习重建 | 仅在十个数据集上进行了验证，样本量有限 | 开发自由呼吸状态下肺部MRI的深度学习重建方法 | 肺部MRI图像 | 医学影像处理 | 肺部疾病 | MRI | SIREN | 3D医学图像 | 十个数据集 | NA | 正弦表示网络 | 视觉比较,定量比较 | NA |
| 426 | 2025-10-06 |
Machine Learning in Magnetic Resonance Images of Glioblastoma: A Review
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了机器学习在胶质母细胞瘤磁共振图像中的应用现状、成果与趋势 | 提出了基于机器学习的胶质母细胞瘤问题分类体系，涵盖肿瘤区域特征提取、鉴别诊断、表征分析和遗传学基础四大类别 | 机器学习方法的主要局限在于可解释性和泛化能力 | 识别可通过磁共振成像和机器学习技术解决的胶质母细胞瘤相关问题 | 胶质母细胞瘤磁共振图像及相关临床数据 | 医学影像分析 | 胶质母细胞瘤 | 磁共振成像 | 支持向量机,随机森林,卷积神经网络 | 医学影像 | 基于50篇最相关文献的分析 | NA | NA | 准确率 | NA |
| 427 | 2025-10-06 |
Automated Diagnosis of Bone Metastasis by Classifying Bone Scintigrams Using a Self-defined Deep Learning Model
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种基于自定义深度学习模型的骨扫描图像分类方法，用于自动诊断肺癌骨转移 | 设计了包含特征提取和特征分类子网络的自定义卷积神经网络，并采用膀胱区域排除的图像预处理策略 | 仅针对肺癌骨转移进行二分类，未验证对其他癌症类型骨转移的适用性 | 开发自动诊断骨转移的深度学习系统 | SPECT骨扫描图像 | 计算机视觉 | 肺癌 | SPECT骨显像 | CNN | 图像 | NA | NA | 自定义卷积神经网络 | 准确率,精确率,召回率,特异性,F1分数,AUC | NA |
| 428 | 2025-10-06 |
Computational Model for the Detection of Diabetic Retinopathy in 2-D Color Fundus Retina Scan
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种基于卷积神经网络的计算模型，用于从2D彩色眼底扫描中检测糖尿病视网膜病变 | 开发了专门用于糖尿病视网膜病变检测的DRCNN模型，结合VGG-16架构和自适应矩估计优化器 | NA | 利用2D彩色眼底视网膜扫描确定个体是否患有糖尿病视网膜病变 | 糖尿病视网膜病变患者的眼底扫描图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底扫描 | CNN | 图像 | NA | NA | VGG-16, DRCNN | 准确率 | NA |
| 429 | 2025-10-06 |
Research Progress in Tumor Diagnosis Based on Raman Spectroscopy
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了拉曼光谱在肿瘤诊断中的应用研究进展 | 探讨了深度学习与拉曼光谱结合在肿瘤诊断中的优势 | 指出了基于拉曼光谱的肿瘤诊断方法存在的相关问题 | 介绍拉曼光谱在肿瘤检测中的应用 | 人体不同部位的肿瘤 | 医学光谱分析 | 癌症 | 拉曼光谱技术 | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 430 | 2025-10-06 |
Advancements and Applications of Artificial Intelligence in Pharmaceutical Sciences: A Comprehensive Review
2024 Jan-Dec, Iranian journal of pharmaceutical research : IJPR
IF:1.8Q3
DOI:10.5812/ijpr-150510
PMID:39895671
|
综述 | 本文全面回顾了人工智能在药物科学领域的进展与应用 | 系统整合了AI在药物科学多个子领域的最新应用，包括药物化学、药剂学、药理学与毒理学等 | 作为综述文章，未涉及原始实验数据验证 | 阐明人工智能在药物科学各领域的实际应用和潜力 | 药物发现、开发过程和个性化患者护理 | 机器学习 | NA | 机器学习，深度学习，自然语言处理，机器人自动化 | NA | NA | NA | NA | NA | NA | NA |
| 431 | 2025-07-23 |
End-to-end deep learning method for predicting hormonal treatment response in women with atypical endometrial hyperplasia or endometrial cancer
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.017502
PMID:38370423
|
研究论文 | 本研究开发了一种端到端的深度学习方法，用于预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗的反应 | 首次将混合监督的深度学习模型应用于全切片图像，以预测激素治疗反应 | 样本量较小（112例患者），且仅来自两个临床中心 | 探索利用深度学习模型预测子宫内膜疾病患者对激素治疗反应的可行性 | 非典型子宫内膜增生（AEH）或子宫内膜癌（EC）患者 | 数字病理学 | 子宫内膜癌 | 全切片图像（WSI）分析 | Autoencoder或ResNet50 | 图像 | 112例患者 | NA | NA | NA | NA |
| 432 | 2025-10-06 |
Survival Analysis for Multimode Ablation Using Self-Adapted Deep Learning Network Based on Multisource Features
2024-01, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3260776
PMID:37015120
|
研究论文 | 开发了一种基于多源特征的自适应深度学习网络，用于肝癌多模式消融治疗后的生存分析预测 | 提出结合MRI影像组学特征、视觉Transformer深度学习特征和免疫特征的多源特征融合方法，并改进了深度Cox混合模型和自适应全连接层 | 方法仅在单一临床数据集上验证，需要更大规模的多中心研究确认泛化能力 | 开发生存分析框架用于肝癌消融治疗后的生存预测和疗效评估 | 接受多模式热疗（冷冻后射频加热）的肝癌患者 | 医学影像分析 | 肝癌 | MRI影像组学、流式细胞术、常规血液检测 | 深度Cox混合模型、随机生存森林 | 医学影像、血液检测数据 | 临床数据集（具体样本数未明确说明） | NA | 视觉Transformer、自适应全连接层 | C-index、综合Brier评分 | NA |
| 433 | 2025-10-06 |
Deep learning-based diagnosis of aortic dissection using an electrocardiogram: Development, validation, and clinical implications of the AADE score
2024, Kardiologia polska
IF:3.7Q1
DOI:10.33963/v.phj.98880
PMID:38230465
|
研究论文 | 开发基于心电图和深度学习技术的主动脉夹层诊断模型及AADE评分系统 | 首次将卷积神经网络应用于心电图分析以实现主动脉夹层的自动检测，并创新性地提出AI衍生的AADE评分系统 | 研究样本量相对有限（共1878例患者），需要更大规模的多中心验证 | 开发基于心电图的深度学习AI模型用于主动脉夹层检测和严重程度评估 | 主动脉夹层患者和胸痛对照患者 | 医疗人工智能 | 心血管疾病 | 心电图分析 | CNN | 心电图信号 | 1878例患者（313例主动脉夹层，313例胸痛对照，其余为训练验证集） | NA | 卷积神经网络 | 准确率,F1分数 | NA |
| 434 | 2025-10-06 |
ADVANCING THE UNDERSTANDING OF CLINICAL SEPSIS USING GENE EXPRESSION-DRIVEN MACHINE LEARNING TO IMPROVE PATIENT OUTCOMES
2024-01-01, Shock (Augusta, Ga.)
DOI:10.1097/SHK.0000000000002227
PMID:37752080
|
研究论文 | 本研究探索利用基因表达数据驱动的机器学习技术来改善脓毒症患者的临床预后 | 整合临床数据与基因表达信息，应用神经网络、深度学习和集成方法等机器学习技术来预测和理解脓毒症 | 模型可解释性存在挑战，可能存在数据偏差 | 通过机器学习技术改善脓毒症患者预后，推进精准医疗方法 | 脓毒症患者及其基因表达数据 | 机器学习 | 脓毒症 | 基因表达分析 | 神经网络,深度学习,集成方法 | 基因表达数据,临床数据 | NA | NA | NA | 预测准确性 | NA |
| 435 | 2025-10-06 |
An interpretable deep learning framework identifies proteomic drivers of Alzheimer's disease
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1379984
PMID:39355118
|
研究论文 | 开发了一种可解释的深度学习框架EnsembleOmicsAE，用于识别阿尔茨海默病的蛋白质组学驱动因素 | 使用集成自编码器将蛋白质组数据降维为少量潜在特征，并开发了基于迭代扰动的特征重要性评分算法，识别出线性方法遗漏的AD分子驱动因素 | 研究基于三个队列的559名个体，样本量相对有限，且主要关注蛋白质组层面 | 识别阿尔茨海默病的蛋白质组学驱动因素并建立可解释的深度学习框架 | 559名健康或阿尔茨海默病诊断个体的脑蛋白质组数据 | 机器学习 | 阿尔茨海默病 | 蛋白质组学 | 自编码器 | 蛋白质组数据 | 来自三个AD队列的559名个体 | NA | 集成自编码器 | 特征稳定性，蛋白质-蛋白质相互作用富集分析 | NA |
| 436 | 2025-10-06 |
Artificial intelligence research in radiation oncology: a practical guide for the clinician on concepts and methods
2024-Jan, BJR open
DOI:10.1093/bjro/tzae039
PMID:39583148
|
综述 | 本文为临床医生提供放射肿瘤学中人工智能研究与开发的实用指南 | 从临床医生视角系统阐述AI在放射肿瘤学中的应用流程与评估方法 | 主要面向临床医生视角，未涉及具体技术细节和算法实现 | 提升临床医生对AI在放射肿瘤学中开发与应用的理解 | 放射肿瘤学临床医生和AI研究人员 | 医疗人工智能 | 肿瘤疾病 | 深度学习 | NA | 医学影像, 临床数据 | NA | NA | NA | NA | NA |
| 437 | 2025-07-22 |
Radiologic imaging biomarkers in triple-negative breast cancer: a literature review about the role of artificial intelligence and the way forward
2024-Jan, BJR artificial intelligence
DOI:10.1093/bjrai/ubae016
PMID:40201726
|
review | 本文综述了人工智能在放射影像学中作为三阴性乳腺癌（TNBC）成像生物标志物的应用现状与未来发展 | 整合了过去十年（2013-2024）基于放射组学和深度学习的AI技术在TNBC诊疗中的最新进展，并探讨了未来发展方向 | 作为综述文章，未涉及原始数据或实验验证 | 开发更有效和个性化的TNBC影像生物标志物，推进TNBC的诊断、治疗和预后评估 | 三阴性乳腺癌（TNBC）的放射影像数据 | digital pathology | breast cancer | radiomics, deep learning | deep learning-based models | radiologic breast images | NA | NA | NA | NA | NA |
| 438 | 2025-10-06 |
Brain Age Estimation from Overnight Sleep Electroencephalography with Multi-Flow Sequence Learning
2024, Nature and science of sleep
IF:3.0Q2
DOI:10.2147/NSS.S463495
PMID:38974693
|
研究论文 | 本研究开发了一种基于整夜睡眠脑电图的多流程深度学习模型，用于提高大脑年龄估计的准确性 | 提出多流程学习框架，结合一维Swin Transformer和带注意力机制的卷积神经网络，并设计DecadeCE损失函数解决年龄分布不均问题 | NA | 改进大脑年龄估计方法，开发更准确的脑龄预测模型 | 整夜睡眠脑电图数据 | 机器学习 | 精神疾病,神经系统疾病 | 脑电图,多导睡眠图 | Transformer,CNN | 脑电图信号 | 13,616名受试者的18,767个多导睡眠图 | NA | 一维Swin Transformer,带注意力机制的卷积神经网络 | 平均绝对误差,相关系数 | NA |
| 439 | 2025-10-06 |
Neuron collinearity differentiates human hippocampal subregions: a validated deep learning approach
2024, Brain communications
IF:4.1Q2
DOI:10.1093/braincomms/fcae296
PMID:39262825
|
研究论文 | 开发了一种基于深度学习的高通量方法，用于自动提取海马体亚区中锥体神经元的方向和共线性 | 首次对海马体亚区内锥体神经元方向和共线性进行全面定量研究，建立了神经元共线性作为海马亚区分割的定量参数 | NA | 开发自动化方法定量分析海马体亚区锥体神经元共线性差异 | 人类海马体亚区中的锥体神经元 | 数字病理学 | 神经退行性疾病 | 深度学习，细胞分割 | CNN | 图像 | 168个海马体分区中的479,873个锥体神经元 | Cellpose | Cellpose | 与人工方向评估进行验证 | NA |
| 440 | 2025-10-06 |
The combined focal loss and dice loss function improves the segmentation of beta-sheets in medium-resolution cryo-electron-microscopy density maps
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae169
PMID:39600382
|
研究论文 | 本研究提出了一种结合Focal loss和Dice loss的新损失函数，用于改进中分辨率冷冻电镜密度图中β-折叠的分割效果 | 设计了结合Focal loss和Dice loss的新型损失函数，显著提升了β-折叠体素检测的F1分数8.8% | 仅针对中分辨率(5-10Å)冷冻电镜数据，且β-折叠检测仍比螺旋结构更具挑战性 | 改进蛋白质二级结构在冷冻电镜密度图中的分割精度 | 蛋白质二级结构，特别是β-折叠 | 计算机视觉 | NA | 冷冻电镜 | CNN | 密度图 | 1355个原子结构/密度图对 | NA | U-Net | F1-score | NA |