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 12186 篇文献，本页显示第 2541 - 2560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2541 | 2025-10-07 |
Deep learning survival model predicts outcome after intracerebral hemorrhage from initial CT scan
2024-Jun-16, European stroke journal
IF:5.8Q1
DOI:10.1177/23969873241260154
PMID:38880882
|
研究论文 | 本研究开发了一种基于深度学习的生存模型，通过初次CT扫描预测脑出血后的功能结局 | 首次将深度学习模型与生存分析框架结合，仅使用入院非增强CT扫描即可预测脑出血患者的长期功能损害 | 研究样本量相对有限，外部验证仅在一个独立队列中进行 | 预测脑出血患者的长期功能损害，为患者护理和康复策略规划提供依据 | 脑出血患者 | 医学影像分析 | 脑出血 | 非增强CT扫描 | 深度学习模型 | CT影像 | 882例患者来自麻省总医院ICH研究用于训练，146例患者来自耶鲁纽黑文ICH研究用于外部验证 | NA | NA | c-index, AUC | NA |
| 2542 | 2025-10-07 |
Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage
2024-May-29, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.28.596078
PMID:38853998
|
研究论文 | 通过迁移学习训练深度学习模型，预测转录因子剂量如何影响调控元件的染色质可及性 | 首次将迁移学习应用于预测转录因子剂量变化对染色质状态的定量响应，揭示了顺式调控元件的序列决定因素 | 研究仅针对两种剂量敏感转录因子（TWIST1、SOX9）和面部祖细胞，模型在其他细胞类型和转录因子中的普适性需要进一步验证 | 揭示转录因子剂量变化对染色质状态响应的序列决定因素 | 面部祖细胞中的调控元件染色质可及性 | 计算生物学 | NA | 深度学习, 迁移学习, 报告基因检测, 生物物理建模 | 深度学习模型 | DNA序列数据, 染色质可及性数据 | NA | NA | NA | 实验重现性准确度 | NA |
| 2543 | 2025-10-07 |
A Perspective on Protein Structure Prediction Using Quantum Computers
2024-May-14, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00067
PMID:38703105
|
观点论文 | 探讨利用量子计算机进行蛋白质结构预测的框架设计和资源评估 | 提出了系统筛选适合量子优势的蛋白质结构预测问题的框架，并在量子硬件上验证了寨卡病毒NS3解旋酶催化环的结构预测 | 仅作为概念验证，尚未大规模应用，量子资源需求评估仍需完善 | 探索量子计算机在蛋白质结构预测领域的应用潜力 | 蛋白质三维结构预测，特别是寨卡病毒NS3解旋酶催化环 | 量子计算，计算生物学 | 病毒感染（寨卡病毒） | 量子计算，蛋白质结构预测 | NA | 蛋白质序列和结构数据 | NA | NA | NA | 结构预测准确性 | 实用级量子计算机 |
| 2544 | 2025-10-07 |
Artificial Intelligence Predicts Hospitalization for Acute Heart Failure Exacerbation in Patients Undergoing Myocardial Perfusion Imaging
2024-May-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.123.266761
PMID:38548351
|
研究论文 | 本研究开发了一种结合临床、负荷试验和影像参数的人工智能模型，用于预测接受SPECT/CT心肌灌注成像患者因急性心力衰竭加重住院的风险 | 首次将临床风险因素、负荷变量、SPECT成像参数和深度学习生成的钙化评分整合到AI模型中预测心力衰竭住院风险 | 研究基于单中心数据开发模型，外部验证队列规模相对有限 | 评估人工智能模型能否预测接受心肌灌注成像患者的心力衰竭住院风险 | 接受SPECT/CT心肌灌注成像的心力衰竭患者 | 医学影像分析 | 心血管疾病 | SPECT/CT心肌灌注成像，深度学习钙化评分 | 深度学习 | 临床数据，负荷试验数据，医学影像数据 | 内部队列4,766名患者，外部验证队列2,912名患者 | NA | NA | ROC曲线下面积 | NA |
| 2545 | 2025-10-07 |
Lightweight model-based sheep face recognition via face image recording channel
2024-Jan-03, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skae066
PMID:38477672
|
研究论文 | 提出一种基于YOLOv7的轻量级绵羊面部识别模型YOLOv7-SFR，通过面部图像采集通道和多种优化策略提升识别性能 | 开发了绵羊面部图像采集通道解决人工采集效率低的问题，并在YOLOv7基础上引入混洗注意力模块、Dyhead检测头和深度可分离卷积实现模型轻量化 | 仅使用50只小尾寒羊作为研究对象，样本多样性可能有限 | 开发轻量级绵羊面部识别模型以满足精准畜牧业实际应用需求 | 50只1-3岁小尾寒羊的面部图像 | 计算机视觉 | NA | 图像采集通道，数据增强 | CNN | 图像 | 50只绵羊，经数据增强后共22,000张面部图像 | PyTorch | YOLOv7, YOLOv7-SFR | mAP@0.5, 模型大小, 平均识别时间 | NA |
| 2546 | 2025-03-15 |
Diagnostic-therapeutic management of pulmonary nodules
2024, Klinicka onkologie : casopis Ceske a Slovenske onkologicke spolecnosti
DOI:10.48095/ ccko2024408
PMID:39772821
|
综述 | 本文全面回顾了肺结节的诊断和治疗方法，重点讨论了基于结节形态、大小和生长潜力的恶性潜力评估 | 文章详细分析了现代影像技术，特别是人工智能（AI）在肺结节诊断中的应用，并强调了多学科方法在肺结节诊断和管理中的重要性 | 文章未提及具体的研究局限性 | 优化肺结节的临床诊断和管理，以减少肺癌的死亡率并改善患者预后 | 肺结节 | 数字病理学 | 肺癌 | 人工智能（AI），深度学习技术 | 深度学习 | 影像数据 | NA | NA | NA | NA | NA |
| 2547 | 2025-03-14 |
Hybridization of synergistic swarm and differential evolution with graph convolutional network for distributed denial of service detection and mitigation in IoT environment
2024-Dec-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81116-4
PMID:39730632
|
研究论文 | 本文提出了一种结合协同群优化、差分进化和图卷积网络的网络攻击检测与缓解技术（SSODE-GCNDM），用于物联网环境中的分布式拒绝服务（DDoS）攻击检测与缓解 | 结合了协同群优化、差分进化和图卷积网络，提出了一种新的DDoS攻击检测与缓解技术，并通过北方苍鹰优化算法对GCN模型的超参数进行微调 | 未提及具体的数据集来源和样本量，可能影响方法的普适性验证 | 检测和缓解物联网环境中的DDoS攻击 | 物联网设备及其网络环境 | 机器学习 | NA | 协同群优化、差分进化、图卷积网络、北方苍鹰优化 | GCN（图卷积网络） | 网络数据 | NA | NA | NA | NA | NA |
| 2548 | 2025-03-14 |
Radio-opaque contrast agents for liver cancer targeting with KIM during radiation therapy (ROCK-RT): an observational feasibility study
2024-Oct-08, Radiation oncology (London, England)
DOI:10.1186/s13014-024-02524-4
PMID:39380004
|
研究论文 | 本研究旨在探讨使用X射线图像实时引导放射治疗肝细胞癌的可行性 | 开发了一种用于实时运动跟踪的深度学习方法，以提高放射治疗的靶向准确性 | 研究样本量较小，且为回顾性分析，可能影响结果的普遍性 | 建立使用X射线图像实时引导放射治疗肝细胞癌的可行性 | 50名肝细胞癌患者 | 数字病理学 | 肝癌 | X射线和计算机断层扫描 | 深度学习 | 图像 | 50名肝细胞癌患者 | NA | NA | NA | NA |
| 2549 | 2025-03-14 |
Bibliometric analysis of ophthalmic OCT and OCT angiography research trends over the past 20 years
2024-Sep-09, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03292-6
PMID:39251539
|
研究论文 | 本文对过去20年眼科OCT和OCTA研究的文献计量学分析进行了全面回顾 | 提供了眼科OCT和OCTA研究的文献计量学分析，揭示了研究趋势和热点 | 仅基于Web of Science Core Collection的数据，可能未涵盖所有相关文献 | 分析眼科OCT和OCTA研究的发展趋势和热点 | 眼科OCT和OCTA相关的研究文献 | 数字病理学 | 眼科疾病 | OCT, OCTA | NA | 文献数据 | 20,817篇文章，48,160位作者，106个国家 | NA | NA | NA | NA |
| 2550 | 2025-03-14 |
A new intelligent system based deep learning to detect DME and AMD in OCT images
2024-Apr-23, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03115-8
PMID:38653842
|
研究论文 | 本文介绍了一种基于卷积神经网络（CNN）的新型计算机辅助诊断（CAD）系统，用于在OCT图像中检测和分类年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME） | 提出了一种结合Inception_V3模型和自定义CNN提取特征的混合方法，在DUKE数据集上达到了99.53%的最高准确率 | NA | 开发一种自动化的OCT图像分析系统，用于早期检测和分类AMD和DME | OCT视网膜图像 | 计算机视觉 | 糖尿病性视网膜病变 | OCT | CNN, VGG16, VGG19, Inception_V3, BCNN | 图像 | DUKE公共数据集和突尼斯私人数据集 | NA | NA | NA | NA |
| 2551 | 2025-03-14 |
Deep learning for water quality
2024-Mar-12, Nature water
DOI:10.1038/s44221-024-00202-z
PMID:38846520
|
review | 本文探讨了深度学习在内陆水质预测中的应用及其潜力 | 提出深度学习作为一种未充分利用但有前景的方法，能够揭示高维数据中的复杂结构和关系，并帮助填补时空数据缺口 | 深度学习方法的局限性相对于传统方法进行了讨论，但其具体局限性未详细说明 | 研究目的是探讨深度学习在水质科学中的潜力，以克服传统方法在预测水质方面的不足 | 内陆水质 | machine learning | NA | 深度学习 | NA | 高维数据 | NA | NA | NA | NA | NA |
| 2552 | 2025-03-14 |
A new computer-aided diagnosis tool based on deep learning methods for automatic detection of retinal disorders from OCT images
2024-Feb-23, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03033-9
PMID:38396074
|
研究论文 | 本文介绍了一种基于深度学习的计算机辅助诊断工具，用于从OCT图像中自动检测视网膜疾病 | 通过嵌入眼科医生的解释和医学描述中的丰富语义信息，提高了深度神经网络的解释性，克服了其模糊和黑箱性质 | 研究仅使用了UCSD数据集的一个小子集进行训练，可能限制了模型的泛化能力 | 开发一种可靠的计算机辅助诊断软件，用于早期检测视网膜疾病，防止视力丧失 | 视网膜疾病 | 计算机视觉 | 视网膜疾病 | 深度学习 | 深度神经网络 | 图像 | 29,800张OCT图像 | NA | NA | NA | NA |
| 2553 | 2025-10-07 |
Deep Learning Models for Coronary Atherosclerosis Detection in Coronary CT Angiography
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究比较了不同预训练深度学习模型在冠状动脉CT血管造影中检测动脉粥样硬化的性能 | 首次在冠状动脉CT血管造影中系统比较预训练深度学习模型，并采用Haar小波分解提升模型灵敏度 | 初始模型灵敏度较低（60.8%），需要额外技术手段进行改进 | 寻找冠状动脉CT血管造影中动脉粥样硬化检测的最佳深度学习模型 | 冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | CNN, KNN | 医学图像 | NA | NA | ResNet101, 3D CNN | 准确率, 灵敏度, 阳性预测值 | NA |
| 2554 | 2025-03-14 |
Is the Juice Worth the Squeeze? Learning Curve of a Chest Radiograph Semantic Labeling Deep Learning Model
2024-01-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000755
PMID:37889555
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2555 | 2025-03-13 |
Deep Learning Based Shear Wave Detection and Segmentation Tool for Use in Point-of-Care for Chronic Liver Disease Assessments
2024-12, Ultrasound in medicine & biology
|
研究论文 | 本研究开发了一种基于深度学习的剪切波检测和分割工具，用于在慢性肝病评估的即时护理环境中提高肝脏组织的表征准确性 | 该研究创新地使用深度学习算法（U-Net架构）来检测和分割肝脏组织中的剪切波，以提高肝脏硬度和超声衰减测量的准确性 | 研究样本量相对较小，仅包含103名患者的15,045张图像和36名志愿者的4,429张图像，可能影响结果的普遍性 | 开发并测试一种新的软件工具，用于在即时护理环境中更准确地评估代谢功能障碍相关的脂肪性肝病（MASLD）患者的肝脏状况 | 代谢功能障碍相关的脂肪性肝病（MASLD）患者和志愿者 | 数字病理 | 慢性肝病 | 深度学习 | U-Net | 图像 | 103名患者的15,045张图像和36名志愿者的4,429张图像 | NA | NA | NA | NA |
| 2556 | 2025-03-13 |
Enhancing Multi-Object Detection in Ultrasound Images Through Semi-Supervised Learning, Focal Loss and Relation of Frame
2024-12, Ultrasound in medicine & biology
|
研究论文 | 本文提出了一种基于深度学习的自动化注释系统，用于实时识别肌肉骨骼解剖结构，并通过半监督学习和焦点损失方法提高检测精度 | 引入了半监督学习（SSL）方法显著减少注释时间，采用焦点损失（FL）方法提高困难结构的检测精度，并在推理阶段利用视频帧的时间连续性提高检测效果 | 未提及具体的数据集规模或模型泛化能力的验证 | 通过深度学习技术实时识别肌肉骨骼解剖结构，提高检测精度和效率 | 肌肉骨骼解剖结构 | 计算机视觉 | 肌肉骨骼疾病 | 深度学习 | 深度学习神经网络 | 超声图像 | 仅使用30%的训练数据实现了与监督学习相当的性能 | NA | NA | NA | NA |
| 2557 | 2025-03-13 |
Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior
2024-Nov-28, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3507873
PMID:40030332
|
研究论文 | 本文提出了一种针对深度学习图像压缩模型的多触发器后门攻击方法，利用离散余弦变换（DCT）在频域注入触发器，并设计了多种攻击目标以适应不同场景 | 提出了一种基于频率的触发器注入模型，设计了动态损失函数以优化攻击目标，并增强了跨模型和跨域的可转移性 | 未提及具体的数据集或样本量，可能限制了方法的普适性验证 | 研究深度学习图像压缩模型的后门攻击方法及其防御策略 | 深度学习图像压缩模型 | 计算机视觉 | NA | 离散余弦变换（DCT） | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2558 | 2025-03-13 |
Utilizing Neurons to Interrogate Cancer: Integrative Analysis of Cancer Omics Data with Deep Learning Models
2024-Nov-21, IEEE reviews in biomedical engineering
IF:17.2Q1
DOI:10.1109/RBME.2024.3503761
PMID:40030404
|
综述 | 本文探讨了深度学习模型在基础癌症组学研究中的应用进展，包括批量癌症组学数据的分析方法及跨平台数据整合的重要性 | 深入比较了当前在癌症基因组学领域使用的模型，强调了该领域合作和跨学科研究的必要性 | 指出了现有模型的局限性及改进潜力，并探讨了研究空白和未来方向 | 探索深度学习模型在癌症组学研究中的应用 | 癌症组学数据 | 机器学习 | 癌症 | 深度学习 | 深度学习模型 | 组学数据 | NA | NA | NA | NA | NA |
| 2559 | 2025-03-13 |
a Novel Dual-Model Adaptive Continuous Learning Strategy for Wrist-sEMG Real-Time Gesture Recognition
2024-Nov-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2024.3502624
PMID:40030229
|
研究论文 | 本文介绍了一种新颖的双模型自适应连续学习（DM-ACL）策略，用于基于手腕的表面肌电图（sEMG）实时手势识别 | 提出了一种半监督在线学习算法，使用kNN模型为实时sEMG信号提供辅助标签，增强了深度学习模型的鲁棒性和适应性 | 未明确提及具体局限性 | 提高基于sEMG的手势识别系统的实用性和实时应用性能 | 手腕sEMG信号 | 机器学习 | NA | sEMG | CNN-LSTM, CNN, kNN | sEMG信号 | 每个手势平均33.6秒至48秒的sEMG数据 | NA | NA | NA | NA |
| 2560 | 2025-03-13 |
DARNet: Deep Attention Module and Residual Block-Based Lung and Colon Cancer Diagnosis Network
2024-Nov-20, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3502636
PMID:40030219
|
研究论文 | 本文提出了一种基于深度注意力模块和残差块的肺癌和结肠癌诊断网络（DARNet），旨在提高分类的准确性和效率 | DARNet结合了残差块、注意力模块和全连接层，通过贝叶斯优化调整超参数，显著提高了模型的泛化性能和分类准确率 | 未提及模型在更大规模数据集上的表现或实际临床应用中的验证 | 提高肺癌和结肠癌分类的准确性和效率，以支持早期检测和治疗规划 | 肺癌和结肠癌的分类 | 计算机视觉 | 肺癌, 结肠癌 | 深度学习 | DARNet（基于残差块和注意力模块的神经网络） | 图像 | 基准肺癌和结肠癌数据集 | NA | NA | NA | NA |