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 12039 篇文献，本页显示第 2221 - 2240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2221 | 2025-10-07 |
An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study
2024-Jan-22, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00516-x
PMID:38253770
|
研究论文 | 开发基于基线MRI的自动化深度学习流程，用于直肠癌EMVI分类和治疗反应预测 | 提出全自动管道结合nnUNet分割和MLNet多级特征学习，无需手动分割和特征工程 | 回顾性研究，样本量有限（509例患者） | 通过基线MRI实现直肠癌EMVI自动分类和完全缓解预测 | 直肠癌患者 | 数字病理 | 直肠癌 | 扩散加权成像，T2加权成像 | CNN | 医学影像 | 来自9个中心的509名患者 | nnUNet | nnUNet, 3D ResNet10, MLNet | AUC | NA |
| 2222 | 2025-02-16 |
The role of cortical structural variance in deep learning-based prediction of fetal brain age
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1411334
PMID:38846713
|
研究论文 | 本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用 | 首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响 | 未提及具体的研究局限性 | 研究胎儿脑龄预测模型中皮层结构特征的影响 | 胎儿大脑 | 计算机视觉 | NA | 磁共振成像 | 卷积神经网络 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2223 | 2025-10-07 |
Universal representation learning for multivariate time series using the instance-level and cluster-level supervised contrastive learning
2024-May, Data mining and knowledge discovery
IF:2.8Q2
DOI:10.1007/s10618-024-01006-1
PMID:39949582
|
研究论文 | 提出一种基于实例级和簇级监督对比学习的多元时间序列通用表示学习方法 | 结合实例级和簇级监督对比学习，使用强弱两种数据增强方法，学习多元时间序列的判别性低维表示 | 在小型数据集上验证有效，但未提及在大规模数据集上的性能表现 | 解决多元时间序列分类任务中标注数据不足的问题 | 多元时间序列数据 | 机器学习 | 心肺疾病 | 监督对比学习 | 深度学习 | 多元时间序列 | 两个小型心肺运动测试数据集和UEA多元时间序列档案库 | NA | 源网络和目标网络的双网络架构 | 分类性能 | NA |
| 2224 | 2025-10-07 |
An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model
2024-Mar, Journal of oral & facial pain and headache
IF:1.9Q2
DOI:10.22514/jofph.2024.008
PMID:39788578
|
研究论文 | 提出一种用于三叉神经痛小鼠模型非接触式疼痛评估的深度学习网络 | 构建了客观疼痛分级数据集作为监督信号，并融合静态纹理特征和动态行为特征进行疼痛评估 | NA | 开发三叉神经痛小鼠模型的非接触式疼痛评估方法 | 三叉神经痛小鼠模型 | 计算机视觉 | 三叉神经痛 | 深度学习 | 深度神经网络 | 图像 | NA | NA | TNPAN | 准确率, 泛化能力 | NA |
| 2225 | 2025-10-07 |
Developing predictive precision medicine models by exploiting real-world data using machine learning methods
2024, Journal of applied statistics
IF:1.2Q2
DOI:10.1080/02664763.2024.2315451
PMID:39440239
|
研究论文 | 本研究提出了一种利用真实世界电子健康记录开发预测性精准医学模型的新方法 | 利用大型真实世界数据库中的纵向数据格式预测15项生化检测的未来值，并进行广泛的传统机器学习与深度学习算法性能比较 | NA | 开发预测性精准医学模型，实现个性化医疗 | 电子健康记录中的生化检测数据 | 机器学习 | NA | 生化检测 | 统计机器学习,深度学习 | 电子健康记录 | 大型真实世界数据库 | NA | NA | NA | NA |
| 2226 | 2025-02-14 |
Ontologies in modelling and analysing of big genetic data
2024-Dec, Vavilovskii zhurnal genetiki i selektsii
IF:0.9Q3
DOI:10.18699/vjgb-24-101
PMID:39944813
|
研究论文 | 本文探讨了基于本体论的新方法，用于系统化和有效利用生物信息学和生物医学领域积累的大量实验数据，包括自动化语义整合异构数据、创建大型知识库和基于深度学习的自解释方法 | 提出了基于本体论的深度学习方法，如Deep GONet和ONN4MST，这些方法不仅性能高，而且具有可解释性，解决了深度学习模型通常作为“黑箱”的问题 | 尽管提出了可解释的深度学习方法，但神经网络的复杂性和数据异质性仍然是挑战，且自动推理依赖于预先创建的参考本体 | 开发基于本体论的方法，以系统化和有效利用生物信息学和生物医学领域的大规模实验数据 | 生物信息学、系统生物学和生物医学领域的实验数据 | 生物信息学 | 癌症 | 深度学习、本体论、语义整合 | Deep GONet、ONN4MST | 基因数据、微生物数据 | 癌症诊断数据集、人类肠道微生物群落样本 | NA | NA | NA | NA |
| 2227 | 2025-10-07 |
Medical language model specialized in extracting cardiac knowledge
2024-11-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80165-z
PMID:39580531
|
研究论文 | 本研究专注于构建专门用于心脏病学领域的医学语言模型 | 首次在医学领域内针对特定专科（心脏病学）构建专门化语言模型，而非将整个医学领域视为单一领域 | NA | 在医学领域的心脏病学专科内开发专门化的自然语言处理模型 | 心脏病学领域的医学文本数据 | 自然语言处理 | 心血管疾病 | Transformer | 语言模型 | 文本 | NA | NA | Transformer | NA | NA |
| 2228 | 2025-10-07 |
Drug Discovery in the Age of Artificial Intelligence: Transformative Target-Based Approaches
2024-Nov-14, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms252212233
PMID:39596300
|
综述 | 本文探讨人工智能时代下机器学习在靶向药物发现中的革命性应用 | 系统阐述SMILES符号系统与机器学习结合如何变革先导化合物识别、高通量筛选和虚拟筛选流程 | 模型可解释性和数据质量仍是当前面临的主要挑战 | 研究机器学习如何加速靶向药物发现过程 | 小分子药物发现方法 | 自然语言处理, 机器学习 | NA | SMILES, 高通量筛选, 虚拟筛选 | CNN, RNN, GAN | 分子结构数据, 蛋白质结构数据 | NA | NA | 卷积神经网络, 循环神经网络, 生成对抗网络 | 结合亲和力预测准确度, 选择性预测准确度 | NA |
| 2229 | 2025-10-07 |
Deep learning prediction of curve severity from rasterstereographic back images in adolescent idiopathic scoliosis
2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-023-08052-1
PMID:38055037
|
研究论文 | 本研究开发了一种基于卷积神经网络的深度学习模型，用于从青少年特发性脊柱侧凸患者的背部光栅立体图像直接预测Cobb角 | 首次使用深度学习模型直接从背部光栅立体图像预测Cobb角，无需脊柱形状重建 | 模型性能低于人工进行的放射学评估，无法作为临床有效的非侵入性替代方案 | 评估基于卷积神经网络的深度学习模型在预测青少年特发性脊柱侧凸Cobb角方面的有效性 | 青少年特发性脊柱侧凸患者 | 计算机视觉 | 脊柱侧凸 | 光栅立体成像 | CNN | 图像 | 900名个体（训练集720个样本，测试集180个样本） | NA | NA | 平均绝对误差, 相关系数, 均方根误差, 准确率 | NA |
| 2230 | 2025-10-07 |
Application of machine-learning model to optimize colonic adenoma detection in India
2024-10, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology
IF:2.0Q3
DOI:10.1007/s12664-024-01530-4
PMID:38758433
|
研究论文 | 开发机器学习模型优化印度人群结肠腺瘤检测 | 首次在印度次大陆建立结肠腺瘤预测模型，采用梯度提升树模型并实现92.2%的AUC | 排除了结肠腺瘤高风险患者，研究人群存在选择性偏倚 | 优化结肠腺瘤检测以预防结直肠癌 | 接受诊断性结肠镜检查的成年患者 | 机器学习 | 结直肠癌 | 结肠镜检查 | 梯度提升机,深度学习,决策树,随机森林,逻辑回归 | 临床数据 | 10320名患者（平均年龄45.18±14.82岁，69%男性） | NA | 梯度提升树 | AUC | NA |
| 2231 | 2025-10-07 |
Deep-learning models for differentiation of xanthogranulomatous cholecystitis and gallbladder cancer on ultrasound
2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology
IF:2.0Q3
DOI:10.1007/s12664-023-01483-0
PMID:38110782
|
研究论文 | 本研究利用深度学习模型在超声图像上区分黄色肉芽肿性胆囊炎和胆囊癌 | 首次将最先进的深度学习模型（GBCNet-CNN和RadFormer-Transformer）应用于超声图像中XGC和GBC的鉴别诊断 | 单中心研究，样本量有限（80例患者），缺乏外部验证 | 开发基于深度学习的超声图像分类模型，用于区分黄色肉芽肿性胆囊炎和胆囊癌 | 黄色肉芽肿性胆囊炎和胆囊癌患者的术前超声图像 | 计算机视觉 | 胆囊疾病 | 超声成像 | CNN, Transformer | 超声图像 | 80例患者（25例XGC，55例GBC） | NA | GBCNet, RadFormer, DenseNet-121, ViT, DeiT | 灵敏度, 特异度, AUC | NA |
| 2232 | 2025-10-07 |
Independent Associations of Aortic Calcification with Cirrhosis and Liver Related Mortality in Veterans with Chronic Liver Disease
2024-Jul, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-024-08450-5
PMID:38653948
|
研究论文 | 本研究评估腹主动脉钙化与慢性肝病患者肝硬化发展和肝相关死亡率的独立关联 | 首次利用自动化深度学习方法量化腹主动脉钙化评分，并系统评估其与多种慢性肝病类型临床结局的关联 | 研究对象仅限于退伍军人群体，可能存在选择偏倚；样本来源单一 | 评估腹主动脉钙化与慢性肝病患者肝硬化发展、肝脏失代偿、肝相关死亡和总体死亡的关联 | 患有三种慢性肝病（非酒精性脂肪肝、丙型肝炎、酒精相关性肝病）的退伍军人 | 数字病理 | 肝硬化 | 腹部CT扫描 | 深度学习 | 医学影像 | 3604名退伍军人 | NA | NA | 风险比(HR), 置信区间(CI) | NA |
| 2233 | 2025-10-07 |
Unraveling trends in schistosomiasis: deep learning insights into national control programs in China
2024, Epidemiology and health
IF:2.2Q2
DOI:10.4178/epih.e2024039
PMID:38514196
|
研究论文 | 本研究使用深度学习模型分析中国血吸虫病控制项目的进展和时空变化趋势 | 提出基于分层积分差分方程框架的卷积神经网络模型(CNN-IDE)用于血吸虫病时空动态建模 | 研究仅基于安徽省的数据，可能无法完全代表其他地区的血吸虫病流行情况 | 评估中国国家血吸虫病控制项目的效果并预测疾病流行趋势 | 中国安徽省长江沿岸血吸虫病流行区的村级流行病学数据 | 机器学习 | 血吸虫病 | 横断面调查 | CNN | 寄生虫学数据,环境数据 | 1997-2015年安徽省村级调查数据 | NA | CNN-IDE | MSPE,CRPS | NA |
| 2234 | 2025-10-07 |
Deep Learning Estimation of 10-2 Visual Field Map Based on Macular Optical Coherence Tomography Angiography Measurements
2024-01, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2023.09.014
PMID:37734638
|
研究论文 | 开发基于深度学习模型从黄斑OCTA血管密度测量估计中心视野的方法 | 首次使用深度学习模型从OCTA血管密度图像直接估计10-2视野图参数，相比传统线性回归模型显著提升预测精度 | 样本量相对有限（1051个样本），仅针对中心视野评估，未包含周边视野数据 | 开发能够从OCTA图像准确估计视野损失的深度学习模型 | 健康眼、青光眼疑似者和青光眼患者的10-2视野和OCTA配对数据 | 医学影像分析 | 青光眼 | 光学相干断层扫描血管成像（OCTA） | 深度学习模型 | 黄斑en face血管密度图像 | 1051个10-2视野OCTA配对样本（包含健康眼、青光眼疑似者和青光眼患者） | NA | NA | 平均绝对误差（MAE）, R2（皮尔逊相关系数平方） | NA |
| 2235 | 2025-02-14 |
Blinking characteristics analyzed by a deep learning model and the relationship with tear film stability in children with long-term use of orthokeratology
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1517240
PMID:39935789
|
研究论文 | 本研究使用深度学习模型观察长期使用角膜塑形镜（ortho-K）儿童的眨眼特征，并评估其与泪膜稳定性的相关性 | 提出了一种基于U-Net和Swin-Transformer的深度学习系统，用于观察眨眼特征，并首次定义了相对IPH%来量化不完全眨眼的程度 | 样本量较小（31名儿童，58只眼），且为回顾性研究，可能存在选择偏倚 | 研究长期使用角膜塑形镜儿童的眨眼特征及其与泪膜稳定性的关系 | 长期使用角膜塑形镜的儿童 | 计算机视觉 | 眼科疾病 | 深度学习 | U-Net, Swin-Transformer | 视频 | 31名儿童（58只眼） | NA | NA | NA | NA |
| 2236 | 2025-02-14 |
End-to-end 3D instance segmentation of synthetic data and embryo microscopy images with a 3D Mask R-CNN
2024, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2024.1497539
PMID:39944885
|
研究论文 | 本文介绍了一种3D Mask R-CNN的改进版本，用于3D实例分割，并在合成数据和胚胎显微镜图像上进行了验证 | 开发了自定义的TensorFlow操作，用于3D非最大抑制和3D裁剪与调整大小，从而实现了对3D数据的高效训练和推理 | 在最嘈杂的对象上，3D Mask R-CNN的表现存在局限性 | 解决3D图像分析中的实例分割问题，特别是在医学和显微镜图像中的应用 | 合成数据和胚胎显微镜图像 | 计算机视觉 | NA | 3D Mask R-CNN | CNN | 3D图像 | 合成数据和胚胎显微镜图像 | NA | NA | NA | NA |
| 2237 | 2025-02-14 |
Application of deep learning for real-time detection, localization, and counting of the malignant invasive weed Solanum rostratum Dunal
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1486929
PMID:39944948
|
研究论文 | 本文介绍了一种名为TrackSolanum的深度学习网络模型，用于实时检测、定位和计数恶性入侵杂草Solanum rostratum Dunal（SrD） | 设计了TrackSolanum网络模型，结合了检测、跟踪、定位和计数四个模块，实现了对SrD的实时检测和精确管理 | 模型在不同高度的无人机视频中表现有所差异，特别是在3米高度时，精度和召回率有所下降 | 开发一种能够实时检测、定位和计数SrD的技术，以支持对SrD的危害评估和精确管理 | 恶性入侵杂草Solanum rostratum Dunal（SrD） | 计算机视觉 | NA | 深度学习 | YOLO_EAND, DeepSort | 视频 | 无人机视频（2米和3米高度） | NA | NA | NA | NA |
| 2238 | 2025-10-07 |
Artificial Intelligence to Facilitate Clinical Trial Recruitment in Age-Related Macular Degeneration
2024 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100566
PMID:39139546
|
研究论文 | 本研究开发了一种基于深度学习的人工智能系统，用于自动筛选符合地理萎缩临床试验资格的患者 | 利用AI生成的视网膜组织分割来识别临床试验合格患者，相比传统电子健康记录搜索方法具有更高精度 | 研究基于单一医疗中心的回顾性数据，需要进一步外部验证 | 探索人工智能在年龄相关性黄斑变性临床试验招募中的应用 | 地理萎缩(GA)患者，作为年龄相关性黄斑变性的晚期阶段 | 数字病理 | 年龄相关性黄斑变性 | OCT成像, FAF成像 | 深度学习 | 医学图像 | 306,651名患者(602,826只眼睛) | NA | NA | 阳性预测值, 组内相关系数 | NA |
| 2239 | 2025-10-07 |
Generative artificial intelligence in ophthalmology: current innovations, future applications and challenges
2024-Sep-20, The British journal of ophthalmology
DOI:10.1136/bjo-2024-325458
PMID:38925907
|
综述 | 探讨生成式人工智能在眼科领域的当前创新、未来应用与挑战 | 系统阐述生成对抗网络和扩散模型在眼科影像生成中的应用，以及多模态基础模型在眼科的多场景应用潜力 | 该技术仍处于发展初期，存在数据偏差、安全问题和临床实施挑战 | 分析生成式AI在眼科领域的应用前景与技术挑战 | 眼科医疗影像与相关文本数据 | 计算机视觉, 自然语言处理 | 眼科疾病 | 生成对抗网络, 扩散模型, 多模态基础模型 | GAN, 扩散模型 | 图像, 文本, 视频 | NA | NA | NA | NA | NA |
| 2240 | 2024-08-08 |
Commentary: Detection of Endoleak After Endovascular Aortic Repair Through Deep Learning Based on Non-contrast CT
2024-Sep, Cardiovascular and interventional radiology
IF:2.8Q2
DOI:10.1007/s00270-024-03830-w
PMID:39110204
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |