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 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2026-04-29 |
Staining, magnification, and algorithmic conditions for highly accurate cell detection and cell classification by deep learning
2024-04-03, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqad162
PMID:38134350
|
研究论文 | 使用YOLOv8深度学习模型，评估染色方法、放大倍数和算法条件对细胞检测和分类准确性的影响 | 系统比较了不同染色方法（Papanicolaou和MGG）和放大倍数对YOLOv8模型在细胞检测和分类中的性能影响 | 仅使用了人类癌细胞系，未在临床标本上验证模型性能 | 澄清通用深度学习细胞学模型中染色方法、放大倍数和假阳性等挑战 | 11种人类癌细胞系制备的Papanicolaou和MGG染色标本 | 机器学习 | 癌症 | 细胞学图像分析 | YOLOv8 | 图像 | 11种人类癌细胞系的细胞图像 | YOLOv8 | YOLOv8 | 分类率、检测率 | NA |
| 302 | 2026-04-29 |
Automated prediction of acute promyelocytic leukemia from flow cytometry data using a graph neural network pipeline
2024-03-01, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqad145
PMID:37878540
|
研究论文 | 提出一种利用图神经网络管道从流式细胞术数据自动预测急性早幼粒细胞白血病的机器学习模型 | 首次将图神经网络应用于流式细胞术数据进行急性早幼粒细胞白血病分类，并结合输入扰动方法实现模型预测的可解释性 | NA | 开发能够准确区分急性早幼粒细胞白血病与其他急性髓系白血病的机器学习模型 | 急性早幼粒细胞白血病患者和急性髓系白血病患者的流式细胞术数据 | 机器学习 | 急性早幼粒细胞白血病 | 多色流式细胞术 | 图神经网络 | 流式细胞术数据 | 27例急性早幼粒细胞白血病患者和41例其他急性髓系白血病患者 | NA | 图神经网络 | 准确率 | NA |
| 303 | 2026-04-29 |
Applications of machine learning in time-domain fluorescence lifetime imaging: a review
2024-Feb-08, Methods and applications in fluorescence
IF:2.4Q3
DOI:10.1088/2050-6120/ad12f7
PMID:38055998
|
综述 | 回顾机器学习在时间域荧光寿命成像中的应用，包括改善图像质量、寿命估计和图像分析，并提出改进建议 | 系统总结了机器学习在时间域荧光寿命成像中提升图像质量和分析性能的最新进展，强调标准化和模型开发的重要性 | 荧光寿命成像数据难以获取且缺乏标准化，限制了机器学习模型的充分开发 | 推广荧光寿命成像并吸引更多机器学习从业者探索寿命成像的潜力 | 时间域荧光寿命成像技术及其在医学成像中的应用 | 机器学习, 数字病理学 | NA | 荧光寿命成像 | 神经网络, 深度学习模型 | 荧光寿命成像数据 | NA | NA | NA | NA | NA |
| 304 | 2026-04-27 |
Deep learning-based computer-aided diagnosis system for the automatic detection and classification of lateral cervical lymph nodes on original ultrasound images of papillary thyroid carcinoma: a prospective diagnostic study
2024-09, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-03808-1
PMID:38570388
|
研究论文 | 开发一种基于深度学习的计算机辅助诊断系统，用于在甲状腺乳头状癌患者原始超声图像上自动检测和分类侧颈淋巴结 | 首次开发了基于可变形检测变压器的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，在前瞻性数据集中验证其诊断效能优于不同年资的超声医师 | 未在摘要中明确说明研究局限性 | 开发并验证一种基于深度学习的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，辅助超声医师诊断 | 甲状腺乳头状癌患者侧颈淋巴结超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | 可变形检测变压器（Deformable DETR） | 图像 | 回顾性数据集包括1675例患者的1801张图像，前瞻性测试集包括160例患者的185张图像 | NA | 可变形检测变压器（Deformable DETR） | 平均精度均值（mAP）、准确率、曲线下面积（AUC） | NA |
| 305 | 2026-04-27 |
Deep learning of Parkinson's movement from video, without human-defined measures
2024-08-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2024.123089
PMID:38991323
|
研究论文 | 利用深度学习神经网络直接分析帕金森病患者手指敲击视频，无需人工定义的测量指标，实现疾病分类 | 首次将3D卷积神经网络直接应用于原始手指敲击视频，无需提取一维信号或预定义特征，并可视化模型学习的关键时空特征（如PD组特有的拇指下垂动作） | 样本量较小（40名患者和37名对照），测试准确率仅为0.69，且未在真实临床环境中验证 | 评估直接从视频中学习手指敲击动作以区分帕金森病患者与对照组的可行性，并解释模型关注的时空特征 | 特发性帕金森病患者与健康对照者的手指敲击视频 | 计算机视觉 | 帕金森病 | 视频记录（智能手机拍摄） | 3D卷积神经网络 | 视频 | 152段10秒手指敲击视频，来自40名PD患者和37名对照 | NA | 3D卷积神经网络 | 准确率, 精确率, 召回率, AUROC | NA |
| 306 | 2026-04-25 |
Volumetric analysis of acute uncomplicated type B aortic dissection using an automated deep learning aortic zone segmentation model
2024-10, Journal of vascular surgery
IF:3.9Q1
DOI:10.1016/j.jvs.2024.06.001
PMID:38851467
|
研究论文 | 基于深度学习的自动主动脉区域分割模型用于急性非复杂性B型主动脉夹层的体积分析 | 首次将深度学习分割模型应用于基于SVS/STS定义的主动脉区域，并实现自动体积分析 | 样本量有限（59例患者）且未发现主动脉生长速率与基线体积的关联，模型性能在不同区域存在差异 | 建立自动机器学习主动脉区域分割模型，比较不同主动脉生长速率患者的区域体积变化 | 急性非复杂性B型主动脉夹层（auTBAD）患者 | 机器学习 | 主动脉夹层 | CT血管成像（CTA） | 深度学习分割模型 | CT图像 | 59例auTBAD患者 | 开源医学图像分析软件（未指定具体框架） | 细分为9个主动脉区域的分割网络（未指定具体架构，如U-Net等） | Dice系数 | NA |
| 307 | 2026-04-25 |
Deep learning-enabled high-speed, multi-parameter diffuse optical tomography
2024-07, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.076004
PMID:39035576
|
研究论文 | 利用深度学习实现高速、多参数扩散光学层析成像，用于乳腺肿瘤表征 | 首次将深度学习应用于频域扩散光学层析成像的同时吸收系数和散射系数三维重建，实现高速高保真重建，将重建时间从3.8分钟缩短至0.02秒 | 研究仅使用模拟数据测试，实验验证仅针对两个模拟肿瘤的光学幻影，临床实际应用仍需进一步验证 | 开发基于深度学习的频域扩散光学层析成像技术，实现手持探头实时成像，改善乳腺肿瘤表征 | 乳腺组织的光学吸收系数和散射系数三维重建 | 机器学习 | 乳腺癌 | 频域扩散光学层析成像 | 深度学习模型 | 模拟光学数据集和实验光学幻影数据 | 300个模拟组织幻影用于测试，2个肿瘤模拟光学幻影用于实验验证 | PyTorch | NA | 均方根误差、空间相似性、异常对比度精度、串扰 | NA |
| 308 | 2026-04-25 |
Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization
2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2310012121
PMID:38377194
|
research paper | 利用时空深度神经网络模型揭示人类功能脑组织中可复制、可泛化且与行为相关的性别差异 | 首次通过时空深度神经网络模型从大规模多会话数据中揭示稳定的性别差异，并结合可解释人工智能分析将脑特征与认知能力关联，挑战了男女脑组织连续谱的观点 | NA | 验证人类功能脑组织中性别差异的稳健性和行为相关性 | 年轻成年人的功能磁共振成像数据 | machine learning | NA | 功能磁共振成像 | 时空深度神经网络 | 图像 | 约1500名20至35岁的年轻成年人 | NA | 时空深度神经网络 | 准确率、交叉验证准确率、效应量 | NA |
| 309 | 2026-04-24 |
CD4+ T cells exhibit distinct transcriptional phenotypes in the lymph nodes and blood following mRNA vaccination in humans
2024-Sep, Nature immunology
IF:27.7Q1
DOI:10.1038/s41590-024-01888-9
PMID:39164479
|
研究论文 | 利用单细胞转录组学分析了BNT162b2 mRNA疫苗接种后人类淋巴结和血液中SARS-CoV-2刺突蛋白特异性CD4+ T细胞的转录表型 | 首次系统描绘了mRNA疫苗接种后3个月和6个月人类引流淋巴结和血液中刺突蛋白特异性CD4+ T细胞的转录图谱，并利用深度学习反向表位映射方法Trex预测抗原特异性 | NA | 探究mRNA疫苗接种后人类CD4+ T细胞在淋巴结和血液中的转录表型差异及其随时间的变化 | SARS-CoV-2刺突蛋白特异性CD4+ T细胞 | 机器学习 | NA | 单细胞转录组学 | 深度学习 | 单细胞转录组数据 | 1277个刺突蛋白特异性CD4+ T细胞，其中238个由Trex预测 | NA | Trex | NA | NA |
| 310 | 2026-04-24 |
Integrating Phenotypic Information of Obstructive Sleep Apnea and Deep Representation of Sleep-Event Sequences for Cardiovascular Risk Prediction
2024-Mar-15, Research square
DOI:10.21203/rs.3.rs-4084889/v1
PMID:38559110
|
研究论文 | 通过整合阻塞性睡眠呼吸暂停的表型信息和睡眠事件序列的深度表示，实现精准的心血管风险预测 | 首次联合OSA表型聚类和睡眠事件序列深度表示，提出表型对比训练策略，提升心血管风险预测性能 | NA | 探索整合OSA表型信息和夜间生理信息进行普通人群精准心血管风险预测的有效策略 | MESA数据集中1874名无心血管病史的参与者 | 机器学习 | 心血管疾病 | 多导睡眠监测（PSG） | 机器学习模型与深度学习模型 | 静态PSG特征与夜间睡眠事件特征序列 | 1874名参与者 | NA | K-means聚类、深度学习模型 | ROC曲线下面积（AUC） | NA |
| 311 | 2026-04-24 |
Adopting artificial intelligence in cardiovascular medicine: a scoping review
2024-03, Hypertension research : official journal of the Japanese Society of Hypertension
IF:4.3Q1
DOI:10.1038/s41440-023-01469-7
PMID:37907600
|
综述 | 对人工智能在心血管医学中应用的范围进行综述，涵盖多个亚专科及技术趋势 | 发现过去五年中心血管医学与AI的结合增长了十倍以上，并展示了深度学习在诊断和预后中的主导作用 | AI在临床决策框架中的全面整合仍存在明显差距 | 捕捉AI在心血管科学中应用的广度并识别当前趋势 | 心血管医学及其亚专科，如普通心脏病学、缺血性心脏病、心力衰竭和心律失常 | 机器学习 | 心血管疾病 | NA | 深度学习 | 医院数据集、心电图、超声心动图、组学数据 | 140项研究 | NA | NA | NA | NA |
| 312 | 2026-04-24 |
Implementing focused echocardiography and AI-supported analysis in a population-based survey in Lesotho: implications for community-based cardiovascular disease care models
2024-03, Hypertension research : official journal of the Japanese Society of Hypertension
IF:4.3Q1
DOI:10.1038/s41440-023-01559-6
PMID:38228749
|
研究论文 | 本文探讨在资源有限地区，通过短期培训护士使用手持超声设备并结合人工智能分析，进行人群调查中聚焦心脏超声的可行性 | 首次在莱索托社区环境中评估护士经短期培训后使用低成本手持超声设备结合深度学习算法进行左心室肥厚诊断的效果 | 研究仅评估了胸骨旁长轴切面，未探索其他心脏视图；且由护士获取的图像需经过心脏病专家确认，其长期效果和可推广性有待进一步验证 | 评估在缺乏专家超声心动图检查资源的地区，结合人工智能分析的聚焦超声心动图用于左心室肥厚诊断和监测的可行性 | 莱索托南部16名无超声经验的护士或护士助理以及756例超声心动图样本 | 计算机视觉 | 心血管疾病 | 聚焦心脏超声 | 深度学习 | 超声心动图图像 | 756份超声心动图（来自16名操作者） | NA | 深度学习算法（具体未指定） | 可评估率、心脏病专家确认率 | 巴塞尔大学医院的计算资源（具体GPU等信息未提供） |
| 313 | 2026-04-23 |
External Validation of Deep Learning Models for Classifying Etiology of Retinal Hemorrhage Using Diverse Fundus Photography Datasets
2024-Dec-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12010020
PMID:39851294
|
研究论文 | 本研究通过外部验证，评估了FastVit_SA12和ResNet18深度学习模型在利用多样眼底摄影数据集区分视网膜出血的创伤性与医学性病因方面的性能 | 首次对FastVit_SA12和ResNet18模型在视网膜出血病因分类任务上进行大规模外部验证，并利用Grad-CAM分析揭示了不同模型在特征关注区域上的差异 | 研究未提及模型在更广泛或更具挑战性的临床场景（如不同种族、设备或疾病阶段）中的泛化能力，也未讨论模型的可解释性在临床决策中的具体应用限制 | 旨在通过外部验证评估深度学习模型在视网膜出血病因分类中的准确性和可靠性，以推动AI在眼科临床诊断中的应用 | 视网膜出血（RH）的眼底摄影图像，用于区分创伤性与医学性病因 | 计算机视觉 | 视网膜出血 | 眼底摄影 | 深度学习模型 | 图像 | 2661张图像，包括来自韩国和弗吉尼亚的私人收藏以及公开数据集（RFMiD、BRSET、DeepEyeNet） | NA | FastVit_SA12, ResNet18 | 准确率, 精确率, 召回率 | NA |
| 314 | 2026-04-23 |
Evaluation of fragility fracture risk using deep learning based on ultrasound radio frequency signal
2024-11, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-03931-z
PMID:38982023
|
研究论文 | 本研究评估了基于超声射频信号的多通道残差网络在绝经后女性中区分脆性骨折风险的表现 | 首次将多通道残差网络应用于超声射频信号分析，用于脆性骨折风险预测，并显示出优于传统定量超声参数和骨密度测量的性能 | 这是一项试点横断面研究，样本量有限（246人），且人群多样性不足，未来需要在更大、更多样化的人群中进行验证 | 评估基于超声射频信号的深度学习模型在绝经后女性中区分脆性骨折风险的有效性 | 246名绝经后女性，包括170名非骨折组、50名椎体骨折组和26名非椎体骨折组 | 数字病理 | 骨质疏松性骨折 | 定量超声（QUS）、超声射频信号采集、双能X射线吸收测定法（DXA） | CNN | 超声射频信号 | 246名绝经后女性 | NA | 多通道残差网络（MResNet） | 比值比（OR）、受试者工作特征曲线下面积（AUC） | NA |
| 315 | 2026-04-23 |
High-Throughput Deep Learning Detection of Mitral Regurgitation
2024-Sep-17, Circulation
IF:35.5Q1
|
研究论文 | 本研究开发并验证了一个全自动深度学习流程，用于从经胸超声心动图视频中识别心尖四腔视图并检测临床显著的二尖瓣反流 | 提出了一个全自动深度学习管道，能够从大量超声心动图视频中高效识别特定视图并检测二尖瓣反流严重程度，实现了跨机构验证 | 研究仅使用了来自两个医疗中心的数据，可能未涵盖所有临床场景或设备差异 | 开发自动化工具以辅助二尖瓣反流的诊断和筛查 | 经胸超声心动图视频，特别是心尖四腔视图彩色多普勒视频 | 数字病理学 | 心血管疾病 | 彩色多普勒超声心动图 | 深度学习模型 | 视频 | 内部测试集：1800项研究（80833个视频）；外部测试集：915项研究（46890个视频）；总开发数据：58614项经胸超声心动图（2587538个视频） | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 316 | 2026-04-23 |
A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis
2024-07-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-23-1349
PMID:39082680
|
研究论文 | 本研究开发了一个包含超过1000个患者来源异种移植（PDX）及其配对亲本肿瘤H&E染色图像的全癌种图像库，并集成了基因组、转录组、临床元数据及病理注释，以支持深度学习分析 | 创建了首个大规模、全癌种的PDX H&E图像库，整合了多维数据（基因组、病理注释等），并展示了其在深度学习任务（如区域分类、疾病预测）中的应用潜力 | PDX模型使用免疫缺陷小鼠，可能无法完全模拟人类肿瘤微环境；部分病例的详细病理注释有限 | 构建一个用于深度学习分析的PDX组织学图像资源库，以促进癌症生物学研究和计算病理学方法开发 | 患者来源异种移植（PDX）模型及其配对的人类亲本肿瘤样本 | 数字病理学 | 全癌种 | H&E染色组织学成像 | 深度学习分类器、预测器 | 组织学图像 | 超过1000个PDX及其配对亲本肿瘤样本 | NA | NA | NA | NA |
| 317 | 2026-04-23 |
Precise and Rapid Whole-Head Segmentation from Magnetic Resonance Images of Older Adults using Deep Learning
2024-Mar, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/imag_a_00090
PMID:38465203
|
研究论文 | 本研究提出了一种名为GRACE的深度学习模型，用于从老年人磁共振图像中快速精确地进行全头组织分割 | 开发了首个专门针对老年人头部MRI的大规模手动校正数据集，并提出了GRACE模型，在分割速度和精度上均优于现有工具 | 模型主要针对老年人群体，在年轻人群中的适用性可能需要进一步验证 | 开发适用于老年人的高精度快速全头MRI分割方法，为年龄相关脑部疾病的计算机辅助解决方案提供基础 | 老年人T1加权磁共振图像 | 数字病理 | 老年疾病 | 磁共振成像 | 深度学习 | 医学图像 | 177个手动校正的MRI参考分割数据 | NA | 3D U-Net | Hausdorff距离 | NA |
| 318 | 2026-04-23 |
A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: A retrospective assessment
2024-Jan, Experimental dermatology
IF:3.5Q1
DOI:10.1111/exd.14949
PMID:37864429
|
研究论文 | 本研究开发并评估了一种基于深度学习的算法，用于在Mohs显微外科手术中实时检测皮肤鳞状细胞癌的冰冻切片边缘 | 首次将卷积神经网络应用于皮肤鳞状细胞癌的术中冰冻切片边缘分析，实现了高精度的肿瘤识别，为AI集成到手术流程提供了概念验证 | 算法对高分化肿瘤的独特表皮结构敏感性不足，且未考虑周围组织背景以映射肿瘤至原始解剖位置 | 开发并评估AI算法在皮肤鳞状细胞癌术中实时组织学边缘分析的准确性 | 皮肤鳞状细胞癌的冰冻切片玻片 | 数字病理学 | 皮肤鳞状细胞癌 | 冰冻切片扫描与标注 | CNN | 图像 | 回顾性队列研究中的冰冻cSCC切片玻片（具体数量未说明） | NA | NA | 准确性 | NA |
| 319 | 2026-04-22 |
Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy
2024-11, The Journal of physiology
DOI:10.1113/JP287001
PMID:39425751
|
研究论文 | 本研究旨在测试区域脑氧饱和度(rcSO)在检测足月婴儿脑损伤中的潜在效用，并探讨rcSO特征是否与缺氧缺血性脑病(HIE)分级相关 | 首次将机器学习与深度学习模型应用于rcSO信号分析，以自动化方式预测新生儿脑损伤不良结局，并探索rcSO特征与HIE分级的关联 | 样本量较小（58例），模型预测准确度中等（AUC=0.73），需要更大规模研究验证 | 开发基于rcSO信号的机器学习模型，用于早期检测缺氧缺血性脑病新生儿的脑损伤 | 58名足月缺氧缺血性脑病新生儿（胎龄>36周） | 机器学习 | 缺氧缺血性脑病 | 近红外光谱(NIRS)监测，磁共振成像(MRI) | 机器学习模型，深度学习模型 | rcSO时间序列信号，MRI图像 | 58名足月HIE新生儿 | 未明确说明 | 未明确说明 | AUC，置信区间，马修斯相关系数 | 未明确说明 |
| 320 | 2024-09-11 |
The emergence of deep learning as the current state of art for classification and risk assessment of ventricular arrhythmias
2024-09, The Journal of physiology
DOI:10.1113/JP287420
PMID:39252427
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |