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 12185 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2026-05-02 |
Characterisation of the normal human ganglion cell-inner plexiform layer using widefield optical coherence tomography
2024-03, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists)
DOI:10.1111/opo.13255
PMID:37990841
|
研究论文 | 利用宽视野光学相干断层扫描描述健康人群神经节细胞-内丛状层厚度的变化 | 通过宽视野OCT扫描覆盖55°×45°范围，并结合深度学习方法自动分割GCIPL，揭示了健康人群中GCIPL厚度随年龄、眼轴长度和性别的变化模式，尤其是发现了黄斑外四个统计上不同的年龄相关变化聚类 | NA | 描述健康队列中宽视野光学相干断层扫描的GCIPL厚度变化 | 470只健康眼睛的GCIPL厚度 | 机器学习 | NA | 光学相干断层扫描 | NA | 图像 | 470只健康眼睛 | NA | NA | NA | NA |
| 282 | 2026-05-02 |
Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers
2024-Jan-25, Studies in health technology and informatics
DOI:10.3233/SHTI231043
PMID:38269887
|
研究论文 | 利用生物医学预训练Transformer模型集成方法从文献中自动提取药物-蛋白质关系 | 采用多个生物医学预训练Transformer模型的集成策略，在DrugProt任务中取得优异成绩 | NA | 开发从生物医学文献中自动提取药物与蛋白质关系的方法 | 药物/化学物质与蛋白质之间的实体关系 | 自然语言处理 | NA | NA | Transformer | 文本 | 主语料库10,750篇摘要，大规模语料库2.4M篇文献 | NA | 生物医学预训练Transformer模型 | F1-score | NA |
| 283 | 2026-05-02 |
Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy
2024-Jan-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.20.576449
PMID:38328064
|
研究论文 | 提出一种基于深度学习管道的自动化细胞检测与追踪方法，用于无标记3D延时成像 | 无需手动标注训练数据，鲁棒检测具有高度尺度不变性，跨实验室和仪器的泛化能力强 | NA | 解决无标记3D延时成像中细胞自动检测和追踪的挑战 | 细胞图像 | 计算机视觉 | NA | 3D延时成像 | GAN | 图像 | NA | PyTorch | embGAN | NA | NA |
| 284 | 2026-05-02 |
Toward enhancement of antibody thermostability and affinity by computational design in the absence of antigen
2024 Jan-Dec, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2024.2362775
PMID:38899735
|
研究论文 | 利用深度学习模型DeepAb结合深度突变扫描数据设计抗体变体，以增强抗体热稳定性和亲和力 | 首次在无抗原结构信息的情况下，仅通过序列预测抗体结构并联合深度突变扫描数据，实现对抗体热稳定性和亲和力的双重优化 | 未明确讨论模型对非HEL抗体或更复杂抗原的泛化能力，且实验验证仅基于单一抗体靶点 | 探索无需预测抗体-抗原界面的抗体优化方法，提升抗体的热稳定性和亲和力 | 针对抗鸡卵清溶菌酶的抗体变体 | 机器学习 | NA | 深度学习、深度突变扫描、高通量实验 | 深度学习模型 | 序列数据、实验突变数据 | 200个设计的抗体变体 | NA | DeepAb | 热稳定性（T、T、T）、胶体稳定性、亲和力（K）、开发性参数（非特异性结合、聚集倾向、自结合） | NA |
| 285 | 2026-05-02 |
Digital pathology and multimodal learning on oncology data
2024-Jan, BJR artificial intelligence
DOI:10.1093/bjrai/ubae014
PMID:42064394
|
综述 | 本文综述了数字病理学与多模态学习在肿瘤学数据整合中的最新进展，强调了其改善癌症诊疗的潜力 | 系统阐述了数字病理学如何与临床、影像及分子等多模态数据结合，并分析了多模态学习在肿瘤学中的机遇与挑战 | NA | 探讨多模态数据整合在肿瘤学中的应用，特别是数字病理学如何与其他数据类型协同以提升癌症诊疗水平 | 多模态肿瘤学数据（包含临床、影像、分子及病理信息） | 数字病理学 | 癌症 | NA | 深度学习、机器学习 | 图像、文本、分子数据 | NA | NA | NA | NA | NA |
| 286 | 2026-05-02 |
Clinical adoption of deep learning target auto-segmentation for radiation therapy: challenges, clinical risks, and mitigation strategies
2024-Jan, BJR artificial intelligence
DOI:10.1093/bjrai/ubae015
PMID:42064392
|
综述 | 综述深度学习在放射治疗靶区自动分割中的临床应用挑战、风险及缓解策略 | 聚焦靶区自动分割的临床采用，系统分析了过度分割、不足分割、自动化偏差及适度信任等临床风险，并提出了包括几何、剂量-体积和基于结果的性能监测在内的全面质量保证框架 | 主要基于现有文献综述，缺乏实际临床实施数据的量化评估，且未深入探讨不同深度学习模型架构间的具体比较 | 评估深度学习靶区自动分割在放射治疗中的临床采用挑战、风险及缓解策略，推动其安全整合入临床实践 | 放射治疗中的靶区自动分割技术及其临床应用 | 机器学习,数字病理学 | 癌症 | NA | 深度学习 | 影像 | NA | NA | NA | NA | NA |
| 287 | 2026-05-02 |
Diffusion models for medical image reconstruction
2024-Jan, BJR artificial intelligence
DOI:10.1093/bjrai/ubae013
PMID:42064401
|
综述 | 综述扩散模型在医学图像重建中的应用，包括其原理、优势、挑战及未来研究方向 | 系统总结了扩散模型在医学图像重建中的最新进展，特别强调了其相比其他深度学习方法的优势，如图像分布建模能力、域迁移鲁棒性和不确定性量化 | 扩散模型存在幻觉问题可能影响临床适用性，且本文为综述性文章，未提出新的模型或方法 | 介绍扩散模型在医学图像重建中的应用，并提供方法学指导 | 扩散模型及其在医学图像重建中的应用 | 计算机视觉 | 不适用 | 扩散模型 | 扩散模型 | 医学图像 | 不适用 | 不适用 | 扩散模型 | 不适用 | 不适用 |
| 288 | 2026-05-02 |
Applications and implementation of generative artificial intelligence in cardiovascular imaging with a focus on ethical and legal considerations: what cardiovascular imagers need to know!
2024-Jan, BJR artificial intelligence
DOI:10.1093/bjrai/ubae008
PMID:42064403
|
综述 | 探讨生成式人工智能在心血管影像中的应用，重点关注伦理和法律考量 | 系统探讨了生成对抗网络在心血管影像中的伦理问题，包括“黑箱”问题、自动化偏见和健康差异 | 未具体说明研究局限，但指出需更多研究解决伦理和法律挑战 | 综述人工智能在心血管影像中的应用现状，并强调伦理和法律方面的注意事项 | 心血管影像技术，包括超声心动图、心脏MRI、冠状动脉CT血管造影和CT形态与功能 | 计算机视觉 | 心血管疾病 | 深度学习、生成对抗网络 | 卷积神经网络、变分神经网络、生成对抗网络 | 图像 | NA | NA | 卷积神经网络、变分神经网络、生成对抗网络 | ROC曲线、图像质量、临床相关性、多样性、定量性能 | NA |
| 289 | 2026-05-01 |
Deep Learning of Multimodal Ultrasound: Stratifying the Response to Neoadjuvant Chemotherapy in Breast Cancer Before Treatment
2024-02-02, The oncologist
DOI:10.1093/oncolo/oyad227
PMID:37669223
|
研究论文 | 开发两种多模态超声深度学习模型，在治疗前预测乳腺癌对新辅助化疗的耐药和病理完全缓解 | 首次利用多模态超声（灰阶二维超声和超声弹性成像）结合临床病理信息，构建两个深度学习模型分别预测耐药和病理完全缓解，并联合进行分层预测 | NA | 非侵入性预测乳腺癌患者对新辅助化疗的耐药和病理完全缓解，实现治疗前分层预测 | 乳腺癌患者 | 机器学习, 医学影像 | 乳腺癌 | 多模态超声（灰阶二维超声和超声弹性成像） | 深度学习模型 | 图像（超声图像） | 170名乳腺癌患者 | NA | NA | AUC, 敏感性, 阴性预测值 | NA |
| 290 | 2026-05-01 |
Prognostic significance of collagen signatures at breast tumor boundary obtained by combining multiphoton imaging and imaging analysis
2024-Feb, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-023-00851-4
PMID:37606817
|
研究论文 | 通过结合多光子成像和影像分析，探索乳腺肿瘤边界胶原特征对患者预后的意义 | 首次利用深度学习自动分类模型从多光子图像中识别肿瘤边界胶原特征，并结合岭回归分析构建CSTB评分，展示其优于传统临床模型的预后性能 | 样本量较小，仅涉及小规模数据，外部验证数据集可能有限 | 探索乳腺肿瘤边界胶原特征的预后意义，构建自动化预后预测工具 | 人类乳腺肿瘤样本 | 数字病理学 | 乳腺癌 | 多光子显微镜（MPM） | 深度学习模型 | 多光子图像 | NA | NA | NA | AUC，Cox比例风险回归分析，Kaplan-Meier生存分析 | NA |
| 291 | 2026-04-30 |
Computed tomography-based radiomics and body composition model for predicting hepatic decompensation
2024-11-22, Oncotarget
DOI:10.18632/oncotarget.28673
PMID:39576671
|
研究论文 | 基于CT影像组学和身体成分模型预测原发性硬化性胆管炎患者的肝功能失代偿 | 首次将身体成分模型（将CT图像量化为四个脂肪和肌肉分区）与影像组学特征结合，构建预测模型用于评估原发性硬化性胆管炎患者的肝功能失代偿 | 预测未来事件仍具挑战性，需要进一步研究验证临床实用性和局限性 | 探索计算机影像组学在预测原发性硬化性胆管炎患者肝功能失代偿中的潜在价值 | 原发性硬化性胆管炎（PSC）患者 | 计算机视觉 | 肝胆疾病 | CT成像 | 深度学习 | CT图像 | 训练队列和验证队列的患者数据（具体数量未说明） | NA | 身体成分模型（内部开发） | 准确率, 精确率, AUC | NA |
| 292 | 2026-04-30 |
Semi-supervised segmentation of cardiac chambers from LGE-CMR using feature consistency awareness
2024-10-17, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-024-04250-x
PMID:39420256
|
研究论文 | 提出一种利用未标记数据改进心脏腔室分割性能的半监督学习方法 | 设计集成三重一致性约束（数据级、任务级和特征级）的半监督网络，通过体素级对比学习实现特征级一致性，解决先前研究中忽略挑战性区域和特征一致性问题 | 未提及具体局限性 | 开发一种半监督分割方法，利用未标记数据提升延迟钆增强心脏磁共振成像中心脏腔室分割的模型性能 | 心脏腔室（心房和心室）分割数据集 | 计算机视觉 | 心血管疾病 | NA | 半监督网络 | 图像（延迟钆增强心脏磁共振成像） | 心房分割数据集和心室分割数据集，具体样本量未提及 | PyTorch | 均值教师架构（含分割和边缘预测任务） | Dice系数、Jaccard系数、平均表面距离（ASD）、95%豪斯多夫距离（95HD） | NA |
| 293 | 2026-04-30 |
Evaluation of a deep learning-enabled automated computational heart modelling workflow for personalized assessment of ventricular arrhythmias
2024-09, The Journal of physiology
DOI:10.1113/JP284125
PMID:37060278
|
研究论文 | 评估基于深度学习的自动化计算心脏建模工作流在个性化评估室性心律失常中的可行性 | 开发了一种无需专家手动交互的自动化深度学习工作流，用于重建个性化电生理心脏模型，并在多中心数据中验证其与专家模型在预测室性心动过速方面的一致性 | 训练数据集较小（111例患者），可能影响深度学习模型的泛化能力 | 评估自动化深度学习工作流在重建个性化计算心脏模型以指导室性心动过速治疗中的可行性 | 111例患者的对比增强CT图像及专家心室肌分割结果 | 计算机视觉, 数字病理 | 心血管疾病 | CT成像, 深度学习分割 | 卷积神经网络 | 图像 | 111例患者的CT图像，来自三个机构五个队列 | PyTorch | CNN | 分割一致性，VT诱导性，VT数量相关性，VT电路共定位 | NA |
| 294 | 2026-04-30 |
Exploring Deep Learning for Estimating the Isoeffective Dose of FLASH Irradiation From Mouse Intestinal Histological Images
2024-Jul-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2023.12.032
PMID:38171387
|
研究论文 | 开发深度学习模型，从小鼠肠道组织学图像中估算FLASH照射的等效剂量 | 首次提出使用深度学习从组织学图像定量估算FLASH照射的等效应剂量，将物理FLASH剂量映射为等效CONV剂量 | 仅限于小鼠肠道组织，尚未验证于其他组织或肿瘤模型 | 探索深度学习从小鼠肠道组织学图像估算FLASH照射等效应剂量的可行性 | 接受CONV或FLASH照射的小鼠空肠组织切片 | 数字病理学 | 放射性损伤 | H&E染色、数字病理成像 | CNN | 组织学图像 | 84只雌性C57BL/6J小鼠，每只小鼠9个空肠横切面，共756个图像样本 | PyTorch | ResNet-101 | 均方误差 | NA |
| 295 | 2026-04-30 |
A real-time deep learning-based system for colorectal polyp size estimation by white-light endoscopy: development and multicenter prospective validation
2024-04, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2189-7036
PMID:37827513
|
研究论文 | 开发并多中心前瞻性验证了一个基于深度学习的实时系统（ENDOANGEL-CPS），用于在白光内镜下估计结直肠息肉大小 | 首次利用内窥镜镜头参数通过深度估计网络实时计算息肉大小，在现场前瞻性多中心视频中验证，且性能超过所有参与的内镜医师 | 未明确提及局限性，但依赖内窥镜镜头参数准确性可能影响泛化性 | 提高结直肠息肉大小测量的准确性，优化息肉切除设备选择和监测间隔 | 结直肠息肉 | 数字病理学、机器学习 | 结直肠癌（结直肠息肉） | 白光内镜、深度估计网络 | 深度神经网络（深度估计网络） | 图像（包括虚拟结肠图像和真实世界内镜视频） | 7297张训练图像（虚拟结肠）、730张测试图像（虚拟结肠）、157个真实世界息肉（来自三家医院） | NA | 深度估计网络（未指定具体架构） | 相对误差、一致性相关系数、相对准确率、错误率 | NA |
| 296 | 2026-04-29 |
A novel artificial intelligence model for diagnosing Acanthamoeba keratitis through confocal microscopy
2024-10, The ocular surface
DOI:10.1016/j.jtos.2024.07.010
PMID:39084255
|
研究论文 | 开发了一种基于共聚焦显微镜图像诊断棘阿米巴角膜炎的人工智能模型 | 首次利用培养确认的棘阿米巴角膜炎病例建立基于HRT-3共聚焦显微镜图像的人工智能诊断模型 | 样本量较小（仅17名患者），且为单中心回顾性研究 | 利用共聚焦显微镜图像开发棘阿米巴角膜炎的人工智能诊断模型 | 棘阿米巴角膜炎患者的体内共聚焦显微镜图像 | 计算机视觉 | 棘阿米巴角膜炎 | 体内共聚焦显微镜 | 卷积神经网络 | 图像 | 17名患者的3312张共聚焦图像 | TensorFlow | 卷积神经网络 | 准确率、灵敏度、特异度、精确率 | NA |
| 297 | 2026-04-29 |
Early identification of patients at risk for iron-deficiency anemia using deep learning techniques
2024-09-03, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqae031
PMID:38642073
|
研究论文 | 利用深度学习技术早期识别缺铁性贫血风险患者 | 基于纵向门诊实验室数据开发神经网络模型，在传统诊断前3-6个月预测缺铁性贫血风险 | NA | 开发预测模型以缩短缺铁性贫血的诊断时间 | 门诊患者的实验室检测数据 | 机器学习 | 缺铁性贫血 | NA | 人工神经网络、长短期记忆网络、门控循环单元 | 结构化实验室数据 | 30603名患者的回顾性电子健康记录数据 | NA | 门控循环单元 | 准确率、受试者工作特征曲线下面积、敏感性、特异性 | NA |
| 298 | 2026-04-29 |
UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples
2024-08-30, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-024-06714-4
PMID:39215205
|
研究论文 | 提出一种无监督分割方法UNSEG，用于在复杂组织样本中分割细胞及其细胞核 | 无需训练数据即可达到深度学习水平的分割性能，通过利用贝叶斯框架和细胞核与细胞膜标记实现 | 未明确提及局限 | 实现复杂组织微环境中细胞及其亚细胞区室的准确、无监督分割 | 细胞及其亚细胞区室（细胞核、细胞质） | 数字病理学 | NA | 多重成像技术 | UNSEG | 图像 | 高质量标注的胃肠组织数据集及公开数据集 | NA | UNSEG, 扰动分水岭算法 | 准确性 | NA |
| 299 | 2026-04-29 |
Deep learning identifies heterogeneous subpopulations in breast cancer cell lines
2024-Jul-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.02.601576
PMID:39005432
|
研究论文 | 利用深度学习识别乳腺癌细胞系中的异质性亚群 | 首次证明细胞形态可反映体外乳腺癌细胞系中的转录组亚群差异，并利用卷积神经网络实现亚群识别 | NA | 探究细胞形态是否能用于分类体外癌细胞系中的转录组亚群 | 乳腺癌细胞系中的亚群 | 计算机视觉 | 乳腺癌 | 卷积神经网络 | CNN | 图像 | NA | NA | 卷积神经网络 | NA | NA |
| 300 | 2026-04-29 |
Deep learning-based whole-body PSMA PET/CT attenuation correction utilizing Pix-2-Pix GAN
2024-05-07, Oncotarget
DOI:10.18632/oncotarget.28583
PMID:38712741
|
研究论文 | 提出基于Pix-2-Pix GAN的深度学习工具，从前列腺癌患者的NAC-PET图像生成AC-PET图像，以减少CT扫描辐射剂量 | 首次将Pix-2-Pix GAN用于全身PSMA PET/CT衰减校正，并评估了两种标准化策略（SUV和SUV-Nyul）对模型性能的影响 | 病变位置、密度和摄取量会影响生成的SUV指标的相对误差，且需要进一步临床验证 | 开发AI工具减少PET/CT中低剂量CT扫描的需求，降低患者辐射暴露 | 302例前列腺癌患者的18F-DCFPyL PSMA PET-CT研究图像 | 计算机视觉 | 前列腺癌 | PSMA PET/CT | GAN | 图像 | 302例前列腺癌患者（训练集183例，验证集60例，测试集59例） | PyTorch | Pix-2-Pix GAN | NMSE, MAE, SSIM, PSNR, ICC, RC | NA |