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 12022 篇文献，本页显示第 2161 - 2180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2161 | 2025-10-07 |
Artificial intelligence in dentistry and dental biomaterials
2024, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2024.1525505
PMID:39917699
|
综述 | 概述人工智能技术在牙科和牙科生物材料领域的应用现状与发展前景 | 系统整合了AI在修复牙科和修复修复学中的多模态应用，包括多模态深度学习融合与神经形态计算等前沿技术 | 未提及具体临床验证数据与算法精度指标 | 探讨人工智能技术在生物医学、牙科及牙科生物材料领域的应用潜力 | 牙科诊断、治疗规划与生物材料开发 | 机器学习 | 口腔疾病 | 数字成像、3D打印 | 深度学习,神经网络 | 根尖周X线片、全景X线片 | NA | NA | NA | NA | NA |
| 2162 | 2025-02-08 |
Physics-guided multistage neural network: A physically guided network for step initial values and dispersive shock wave phenomena
2024-Dec, Physical review. E
DOI:10.1103/PhysRevE.110.065307
PMID:39916289
|
研究论文 | 本文提出了一种物理引导的多阶段神经网络（PgMSNN）模型，用于模拟复杂的色散冲击波现象 | 通过集成残差学习范式并在现有PINN方法中引入色散因子，显著增强了物理信息神经网络（PINNs）描述复杂色散现象的能力，并提出了一种高度自适应的深度Runge-Kutta方法 | NA | 提高物理信息神经网络（PINNs）在色散冲击波现象中的数值模拟精度和稳定性 | 色散冲击波现象 | 机器学习 | NA | 物理引导的多阶段神经网络（PgMSNN） | 物理引导的多阶段神经网络（PgMSNN） | 数值数据 | NA | NA | NA | NA | NA |
| 2163 | 2025-10-07 |
Impact of Deep Learning-Based Computer-Aided Detection and Electronic Notification System for Pneumothorax on Time to Treatment: Clinical Implementation
2024-Nov-19, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2024.11.009
PMID:39566875
|
研究论文 | 评估基于深度学习的计算机辅助检测和电子通知系统对气胸患者治疗时间的影响 | 首次在真实临床环境中评估深度学习CAD结合电子通知系统对气胸治疗时间的影响 | 仅观察到氧疗时间显著改善，其他治疗方式无显著差异 | 评估深度学习辅助检测和通知系统在临床实践中的效果 | 气胸患者的胸部X光片和治疗时间 | 计算机视觉 | 气胸 | 胸部X光摄影 | 深度学习 | 医学影像 | 603,028张胸部X光片，来自140,841名患者，气胸患病率2.0% | NA | NA | 治疗时间差异，置信区间，P值 | NA |
| 2164 | 2025-10-07 |
Role of artificial intelligence in brain tumour imaging
2024-Jul, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111509
PMID:38788610
|
综述 | 探讨人工智能在脑肿瘤影像学中的应用及其潜力 | 全面综述AI在脑肿瘤影像中从病灶检测到预后评估的多领域应用，并涵盖神经胶质瘤与非胶质瘤肿瘤 | 数据质量、标准化和系统整合等实施挑战尚未完全解决 | 评估人工智能技术在脑肿瘤影像诊断与治疗中的临床应用价值 | 脑肿瘤影像数据及相关临床病例 | 医学影像分析 | 脑肿瘤 | 机器学习, 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 2165 | 2025-10-07 |
Demographic bias in misdiagnosis by computational pathology models
2024-Apr, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-02885-z
PMID:38641744
|
研究论文 | 本研究揭示了计算病理学模型在不同人口群体中存在的诊断性能差异，并探索了自监督视觉基础模型在减轻这种偏差方面的潜力 | 首次系统评估计算病理学模型在乳腺癌、肺癌和胶质瘤诊断中的人口统计学偏差，并证明自监督视觉基础模型能有效减少群体间性能差异 | 自监督视觉基础模型未能完全消除人口群体间的性能差异，需要进一步开发偏差缓解策略 | 评估计算病理学模型在不同人口群体中的诊断性能差异并探索缓解方法 | 乳腺癌和肺癌亚型分类以及胶质瘤IDH1突变预测 | 计算病理学 | 乳腺癌,肺癌,脑肿瘤 | 全切片图像分析 | 深度学习,自监督视觉基础模型 | 病理全切片图像 | 来自癌症基因组图谱、EBRAINS脑肿瘤图谱和内部患者数据的公共数据集 | NA | NA | AUC | NA |
| 2166 | 2025-10-07 |
Deep learning to decode sites of RNA translation in normal and cancerous tissues
2024-Mar-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.21.586110
PMID:38585907
|
研究论文 | 开发基于Transformer模型的RiboTIE方法，用于绘制正常和癌组织中RNA翻译位点图谱 | 提出首个基于Transformer的RNA翻译位点解码方法，在核糖体分析数据中提供无与伦比的精确度和灵敏度 | 仅应用于正常脑组织和髓母细胞瘤样本，尚未在其他组织或癌症类型中验证 | 解码正常和癌组织中RNA翻译位点的变异 | 正常脑组织和髓母细胞瘤癌症样本 | 生物信息学 | 髓母细胞瘤 | 核糖体分析 | Transformer | 核糖体分析数据 | 正常脑组织和髓母细胞瘤样本（具体数量未明确） | NA | Transformer | 精确度, 灵敏度 | NA |
| 2167 | 2025-10-07 |
Classification of Schizophrenia, Bipolar Disorder and Major Depressive Disorder with Comorbid Traits and Deep Learning Algorithms
2024-Mar-07, Research square
DOI:10.21203/rs.3.rs-4001384/v1
PMID:38496574
|
研究论文 | 本研究利用42种共病性状的多基因风险评分和深度神经网络对精神分裂症、双相情感障碍和重度抑郁症进行分类与区分 | 首次证明仅使用共病性状的PRS（不包含目标疾病PRS）即可有效分类精神障碍，为数据驱动的客观诊断提供新思路 | 样本量相对有限，未在独立队列中验证模型泛化能力 | 探索共享遗传风险在精神障碍分类与鉴别诊断中的应用价值 | 精神分裂症、双相情感障碍和重度抑郁症患者及健康对照 | 机器学习 | 精神疾病 | 全基因组关联研究，多基因风险评分 | DNN | 遗传风险评分数据 | SCZ病例6317例对照7240例，BIP病例2634例对照4425例，MDD病例1704例对照3357例 | NA | 深度神经网络 | 准确率，AUC | NA |
| 2168 | 2025-10-07 |
3D Convolutional Deep Learning for Nonlinear Estimation of Body Composition from Whole-Body Morphology
2024-Feb-13, Research square
DOI:10.21203/rs.3.rs-3935042/v1
PMID:38410459
|
研究论文 | 本研究使用3D卷积深度学习技术从全身形态学数据中非线性估计身体成分 | 首次将深度3D卷积图网络应用于人体成分建模，用非线性参数化和回归模型替代传统线性方法 | 深度形状特征仅改善了男性身体成分的准确性，对两性精度的改善程度不同 | 提高从全身3D光学扫描中估计身体成分的精度和准确性 | 人体身体成分估计 | 计算机视觉 | 代谢综合征 | 3D光学扫描，双能X射线吸收测量法(DXA) | 图卷积自编码器，高斯过程回归 | 3D网格数据，图像 | 4286个拓扑标准化的3D光学扫描，来自四个不同的人体形状数据库 | NA | 3D自编码器，图卷积网络 | 均方根误差，精度，决定系数(R) | NA |
| 2169 | 2025-10-07 |
Robust single-shot 3D fluorescence imaging in scattering media with a simulator-trained neural network
2024-Feb-12, Optics express
IF:3.2Q2
DOI:10.1364/OE.514072
PMID:38439332
|
研究论文 | 开发了一种基于模拟器训练的神经网络方法，用于在散射介质中实现鲁棒的单次3D荧光成像 | 开发了散射模拟器生成合成数据，并仅使用合成数据训练深度神经网络实现单次光场测量的3D重建 | 深度学习模型对超出分布数据的泛化能力存在限制，需要分析网络设计因素对泛化性的影响 | 解决散射介质中荧光成像的深度限制问题，实现高效的三维体积重建 | 散射介质中的荧光发射体 | 计算成像 | NA | 荧光显微镜，光场成像 | 深度神经网络 | 光场测量数据，合成数据 | 不同散射条件下的散射模型 | NA | NA | 信背比(SBR)，成像深度 | NA |
| 2170 | 2025-10-07 |
Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling
2024, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0048
PMID:39045139
|
研究论文 | 提出一种基于深度学习和金字塔采样的自动化方法，用于乳腺癌组织图像中HER2状态的自动分类 | 采用金字塔采样策略分析不同空间尺度的形态特征，有效处理HER2表达的组织异质性 | 研究仅基于523个组织芯片核心图像，样本规模有限 | 开发自动化HER2评分系统以提高诊断准确性和效率 | 乳腺癌免疫组织化学染色组织图像 | 数字病理学 | 乳腺癌 | 免疫组织化学染色 | 深度学习 | 组织图像 | 523个组织芯片核心图像 | NA | NA | 准确率 | NA |
| 2171 | 2025-10-07 |
Intelligent cholinergic white matter pathways algorithm based on U-net reflects cognitive impairment in patients with silent cerebrovascular disease
2024-Dec-30, Stroke and vascular neurology
IF:4.4Q1
DOI:10.1136/svn-2023-002976
PMID:38569895
|
研究论文 | 开发基于U-net的智能算法评估静默性脑血管病患者胆碱能白质通路损伤与认知功能障碍的关系 | 首个用于评估胆碱能白质通路的智能算法，相比金标准具有良好准确性 | NA | 建立智能算法评估血管源性白质高信号患者的胆碱能白质通路损伤 | 静默性脑血管病伴血管源性白质高信号患者 | 数字病理 | 脑血管疾病 | 深度学习 | CNN | 医学影像 | 内部训练测试集464例患者，外部验证集100例患者 | NA | U-net | 灵敏度, 特异性, AUC | NA |
| 2172 | 2025-10-07 |
Application of deep learning models on single-cell RNA sequencing analysis uncovers novel markers of double negative T cells
2024-12-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82406-7
PMID:39732739
|
研究论文 | 本研究应用深度学习模型分析单细胞RNA测序数据，揭示了双阴性T细胞的新型标志物 | 首次使用scVI深度学习模型识别DNT细胞亚群的新型标志物，修正了先前关于CD137表达的错误认知，并发现了CD30和CD153等新标志物 | 研究主要基于小鼠模型，人类DNT细胞的验证相对有限 | 通过深度学习技术识别和验证双阴性T细胞的新型分子标志物 | C57BL/6小鼠和MRL/lpr小鼠的脾脏双阴性T细胞 | 生物信息学 | 自身免疫疾病 | 单细胞RNA测序, 流式细胞术 | 深度学习 | 基因表达数据 | C57BL/6小鼠和MRL/lpr小鼠的脾脏DNT细胞 | scVI | Single Cell Variational Inference | 流式细胞术验证 | NA |
| 2173 | 2025-10-07 |
Predicting RNA Structure and Dynamics with Deep Learning and Solution Scattering
2024-Dec-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.08.598075
PMID:39764023
|
研究论文 | 开发了结合深度学习与溶液散射的SCOPER流程，用于预测RNA在溶液中的结构和动力学 | 整合了基于运动学的构象采样与创新的深度学习模型IonNet，专门预测Mg离子结合位点，解决了RNA构象可塑性和离子效应的问题 | 需要初始足够准确的结构作为输入，可能对实验SAXS数据存在过拟合风险 | 提高RNA在溶液中结构和动力学的预测准确性 | RNA分子及其溶液构象 | 计算生物学 | NA | 小角X射线散射(SAXS), 深度学习 | 深度学习模型 | SAXS剖面数据, 结构数据 | 14个实验数据集 | NA | IonNet | SAXS剖面拟合质量 | NA |
| 2174 | 2025-10-07 |
Automatic detection and counting of wheat spike based on DMseg-Count
2024-11-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80244-1
PMID:39613805
|
研究论文 | 提出基于DMseg-Count的小麦穗自动检测与计数方法，用于产量预测和品种评估 | 在DM-Count模型基础上引入小麦穗局部分割分支，通过逐元素点乘机制融合全局与局部上下文监督信息 | 未明确说明模型在极端遮挡和重叠情况下的性能限制 | 提高复杂田间环境下小麦穗自动检测与计数的准确性 | 小麦穗图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | DMseg-Count, DM-Count | 平均绝对误差(MAE), 均方根误差(RMSE) | NA |
| 2175 | 2025-10-07 |
Synthetic augmentation of cancer cell line multi-omic datasets using unsupervised deep learning
2024-Nov-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54771-4
PMID:39614072
|
研究论文 | 本研究开发了一种无监督深度学习模型MOSA，用于整合和增强癌症细胞系的多组学数据集 | 提出首个专门用于整合和增强癌症依赖图谱的无监督深度学习模型，能够生成分子和表型特征，将多组学特征数量增加32.7% | NA | 解决生物数据异质性、复杂性和稀疏性问题，实现对癌症生物学的整体理解 | 1523个癌症细胞系的多组学数据 | 机器学习 | 癌症 | 多组学分析 | 无监督深度学习 | 多组学数据 | 1523个癌症细胞系 | NA | MOSA | SHAP分析 | NA |
| 2176 | 2025-10-07 |
nPOD-Kidney: A Heterogenous Donor Cohort for the Investigation of Diabetic Kidney Disease Pathogenesis and Progression
2024-Nov-05, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000620
PMID:39499578
|
研究论文 | 介绍nPOD-K肾脏项目通过传统和数字病理学方法研究糖尿病肾病发病机制和进展 | 建立首个基于器官捐赠者肾脏的异质性队列，结合数字病理和深度学习工具分析糖尿病肾病进展 | 研究依赖于器官捐赠者样本，样本获取可能受限 | 利用器官捐赠者肾脏增强对糖尿病肾病发病机制和进展的理解 | 器官捐赠者的肾脏组织样本 | 数字病理学 | 糖尿病肾病 | 传统病理学染色, 数字病理学, 全玻片成像 | 深度学习, 机器学习 | 病理图像 | nPOD-K队列肾脏样本 | Visiopharm | NA | 组织学定量分析 | NA |
| 2177 | 2025-10-07 |
Machine learning-optimized targeted detection of alternative splicing
2024-Sep-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.20.614162
PMID:39386495
|
研究论文 | 提出一种名为LSV-seq的靶向RNA测序方法，通过机器学习优化引物设计，提高选择性剪接检测的效率和灵敏度 | 开发了Optimal Prime机器学习算法优化引物设计，并首次将深度学习剪接编码预测与靶向测序相结合 | 方法主要针对已知剪接事件的检测，可能不适用于全新剪接事件的发现 | 开发高效检测和量化选择性剪接的靶向RNA测序方法 | 人类组织样本中的选择性剪接事件 | 机器学习 | NA | RNA-seq, LSV-seq, 靶向测序 | 机器学习, 深度学习 | RNA测序数据 | GTEx数据库中的数千个引物序列 | NA | NA | 捕获率, 测序深度, 灵敏度 | NA |
| 2178 | 2025-10-07 |
Empowering Portable Age-Related Macular Degeneration Screening: Evaluation of a Deep Learning Algorithm for a Smartphone Fundus Camera
2024-09-05, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2023-081398
PMID:39237272
|
研究论文 | 评估用于智能手机眼底相机的深度学习算法在年龄相关性黄斑变性筛查中的性能 | 首次评估基于智能手机眼底相机的AI系统进行AMD筛查，通过两阶段训练策略（初始训练+设备特定微调） | 使用回顾性数据，需要前瞻性研究验证临床适用性 | 开发便携式年龄相关性黄斑变性筛查系统 | 视网膜图像和年龄相关性黄斑变性患者 | 计算机视觉 | 年龄相关性黄斑变性 | 眼底成像 | 深度学习 | 图像 | 初始训练108,251张图像，微调1,108张图像，测试集分别包含909张和238张图像 | NA | NA | AUC, 敏感度, 特异度 | NA |
| 2179 | 2025-10-07 |
Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities
2024-Sep, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-024-03427-6
PMID:39107521
|
研究论文 | 评估基于深度学习的脑电监测系统BSN作为新生儿缺氧缺血性脑病严重程度床边标志物的有效性 | 首次通过计算云平台免费提供基于深度学习的脑电评估，为克服健康差异提供创新解决方案 | 样本量较小（仅46例HIE新生儿），需要更大规模研究验证 | 开发可访问的深度学习脑电评估工具用于新生儿脑病严重程度监测 | 缺氧缺血性脑病新生儿与健康婴儿 | 医疗人工智能 | 新生儿缺氧缺血性脑病 | 脑电图 | 深度学习 | 脑电信号 | 46例HIE新生儿及健康婴儿对照 | NA | Brain State of the Newborn (BSN) | 与Total Sarnat Score相关性分析 | 计算云平台 |
| 2180 | 2025-10-07 |
AI and Big Data approaches to addressing the opioid crisis: a scoping review protocol
2024-08-31, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2024-084728
PMID:39645274
|
综述 | 本文提出了一项范围综述方案，旨在评估人工智能和大数据技术在应对阿片类药物危机中的最新进展 | 首次系统性地对AI和大数据技术在阿片类药物危机中的应用进行范围综述，填补该领域综合评估的空白 | 作为综述方案，尚未开展实际数据收集和分析，结果有待后续研究验证 | 评估AI和大数据技术在检测、治疗、预防和应对阿片类药物危机方面的有效性 | 2013-2023年间发表的关于AI和大数据技术应用于阿片类药物危机的研究文献 | 自然语言处理, 机器学习 | 阿片类药物危机 | 机器学习, 深度学习, 自然语言处理 | NA | 文献数据, 灰色文献 | 四个科学数据库的文献（PubMed, Web of Science, Engineering Village, PsycInfo） | NA | NA | 评估指标将作为提取信息的一部分进行分析 | Covidence文献筛选工具 |