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 12102 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2025-12-03 |
Deep learning-aided decision support for diagnosis of skin disease across skin tones
2024-02, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-023-02728-3
PMID:38317019
|
研究论文 | 本研究通过大规模数字实验评估了医生与深度学习系统合作在皮肤疾病诊断中的效果，特别关注了不同肤色间的诊断准确性差异 | 首次在大规模实验中量化了医生与深度学习系统合作对皮肤疾病诊断准确性的影响，并揭示了系统支持可能加剧不同肤色间诊断差距的现象 | 实验基于存储转发式远程皮肤病学模拟，可能无法完全反映实际临床环境；仅使用图像数据，缺乏临床病史等信息 | 评估医生与深度学习系统合作在皮肤疾病诊断中的准确性，并分析不同肤色对诊断效果的影响 | 皮肤疾病图像及参与诊断的皮肤科医生和初级保健医生 | 计算机视觉 | 皮肤疾病 | 深度学习辅助诊断 | 深度学习系统 | 图像 | 364张图像，涵盖46种皮肤疾病；389名皮肤科医生和459名初级保健医生参与 | NA | NA | 诊断准确性 | NA |
| 462 | 2025-12-02 |
Advances in artificial intelligence-based technologies for increasing the quality of medical products
2024-Nov-30, Daru : journal of Faculty of Pharmacy, Tehran University of Medical Sciences
IF:2.5Q3
DOI:10.1007/s40199-024-00548-5
PMID:39613923
|
综述 | 本文综述了人工智能技术在提高医疗产品质量方面的最新进展和应用 | 整合了AI在药物靶点预测、产品开发加速及医疗质量提升中的综合应用视角 | 作为综述文章，未涉及具体实验数据或模型性能的深入分析 | 探讨AI技术如何优化医疗产品的开发流程、质量与成本效益 | 医疗产品（如药物）的开发与制造过程 | 机器学习 | NA | 机器学习、深度学习 | NA | 生物医学数据（如蛋白质结构、健康统计数据） | NA | NA | NA | NA | NA |
| 463 | 2025-11-29 |
Sensorless End-to-End Freehand 3-D Ultrasound Reconstruction With Physics-Guided Deep Learning
2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3465214
PMID:39302786
|
研究论文 | 提出一种无需传感器的端到端自由手3D超声重建方法，通过物理引导的深度学习技术解决传统方法中的平面外运动问题 | 设计了新型物理启发的深度神经网络PLPPI模型，无需3D卷积即可实现自由手3D超声重建，显著提升重建精度并大幅减少计算资源需求 | 未明确说明模型在复杂临床环境中的泛化能力和对不同解剖部位的适应性 | 开发无需运动传感器的自由手3D超声重建方法，提高重建质量并降低计算资源需求 | 自由手扫描获取的3D超声图像 | 医学影像处理 | 心脏疾病、产科疾病、腹部疾病、血管疾病 | 3D超声成像 | 深度神经网络 | 超声图像序列 | NA | NA | PLPPI | 平均百分比误差、计算时间、GPU内存使用量 | GPU |
| 464 | 2025-11-28 |
A Multi-Task Transformer With Local-Global Feature Interaction and Multiple Tumoral Region Guidance for Breast Cancer Diagnosis
2024-11, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3454000
PMID:39226204
|
研究论文 | 提出一种用于乳腺癌超声图像肿瘤分割和分类的多任务Transformer网络 | 设计了局部-全局特征交互的双流编码器和多肿瘤区域引导模块，能够显式学习肿瘤内部和周围区域的长程非局部依赖关系 | NA | 开发基于深度学习的乳腺癌超声图像自动诊断方法 | 乳腺癌超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN, Transformer | 图像 | 两个乳腺癌超声数据集，包含大型外部验证数据集 | NA | 双流编码器(CNN+Transformer), 多肿瘤区域引导模块 | 诊断准确率 | NA |
| 465 | 2025-11-28 |
Deep Learning and High-Resolution Anoscopy: Development of an Interoperable Algorithm for the Detection and Differentiation of Anal Squamous Cell Carcinoma Precursors-A Multicentric Study
2024-May-17, Cancers
IF:4.5Q1
DOI:10.3390/cancers16101909
PMID:38791987
|
研究论文 | 开发基于深度学习的算法，用于在高分辨率肛门镜检查图像中自动检测和区分高级别与低级别鳞状上皮内病变 | 首次开发可同时适用于传统和数字肛门镜系统的深度学习算法，并在多中心研究中验证其性能 | 研究仅基于两个中心的151例检查，样本来源相对有限 | 开发自动检测和区分肛门鳞状细胞癌前病变的深度学习系统 | 高分辨率肛门镜检查图像中的高级别和低级别鳞状上皮内病变 | 计算机视觉 | 肛门鳞状细胞癌 | 高分辨率肛门镜检查 | CNN | 图像 | 151例高分辨率肛门镜检查，共57,822张图像（28,874张HSIL，28,948张LSIL） | NA | NA | 准确率, 敏感度, 特异度, AUC | NA |
| 466 | 2025-11-27 |
Delineation of intracavitary electrograms for the automatic quantification of decrement-evoked potentials in the coronary sinus with deep-learning techniques
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1331852
PMID:38818521
|
研究论文 | 提出基于深度学习的算法，用于自动识别和量化冠状窦内心电信号中的递减诱发电位 | 首次开发能够自动描绘EGM信号中所有局部成分的工具，提出两种新型损失函数以减少假阴性和描绘误差，并探索了自注意力机制的应用 | 使用私有数据集且样本量有限（77名患者），需要进一步临床验证 | 开发自动量化递减诱发电位的算法，辅助区分旁路和房室折返性心动过速 | 冠状窦内电信号和递减诱发电位 | 数字病理 | 心血管疾病 | 心内电描记术 | 深度学习 | 电信号 | 77名患者的312个EGM记录 | NA | U-Net, W-Net | 准确率, 召回率, 灵敏度, 特异性 | NA |
| 467 | 2025-11-26 |
Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry
2024-Dec-05, Research square
DOI:10.21203/rs.3.rs-5485172/v1
PMID:39678351
|
研究论文 | 通过深度学习模型识别非编码遗传变异，揭示非洲裔男性前列腺癌风险更高的遗传机制 | 首次使用基于序列的深度学习模型系统探索非编码调控多态性在祖先间前列腺癌风险差异中的作用 | 研究主要关注非洲裔男性群体，对其他祖先群体的适用性需要进一步验证 | 揭示非洲裔男性前列腺癌风险更高的遗传基础 | 非洲裔美国男性的前列腺癌相关遗传变异 | 计算生物学 | 前列腺癌 | 深度学习，基因组关联分析，实验验证 | 深度学习模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 468 | 2025-11-26 |
Automated Evaluation for Pericardial Effusion and Cardiac Tamponade with Echocardiographic Artificial Intelligence
2024-Dec-01, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.27.24318110
PMID:39649606
|
研究论文 | 开发并验证用于自动评估心包积液严重程度和心脏压塞的深度学习模型EchoNet-Pericardium | 首次使用时序空间卷积神经网络自动化评估心包积液严重程度和心脏压塞，采用五标准视图集成预测方法 | 模型性能仍需在更广泛人群中验证，临床实施需要进一步研究 | 开发自动化工具减少心包积液和心脏压塞评估的操作者依赖性 | 超声心动图视频 | 医学人工智能 | 心血管疾病 | 超声心动图 | CNN | 视频 | 训练集：1,427,660个视频（85,380例超声心动图）；外部验证集：33,310个视频（1,806例超声心动图） | NA | 时序空间卷积神经网络 | AUC | NA |
| 469 | 2025-11-26 |
Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry
2024-Nov-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.14.24317278
PMID:39606387
|
研究论文 | 通过深度学习模型识别非编码遗传变异解释非洲裔男性前列腺癌高风险机制 | 首次系统探索非编码调控多态性在驱动前列腺癌种族差异中的作用，并发现约2000个与增强子功能相关的SNP | 研究主要关注非洲裔男性群体，需要进一步验证在其他人群中的普适性 | 解析非洲裔男性前列腺癌高风险的非编码遗传机制 | 非洲裔和欧洲裔男性的前列腺癌遗传变异 | 计算生物学 | 前列腺癌 | 全基因组关联研究，深度学习，实验验证 | 深度学习 | 基因组序列数据 | 多祖先群体队列数据 | NA | 基于序列的深度学习模型 | 实验验证，风险评分评估 | NA |
| 470 | 2025-11-26 |
AllergenAI: a deep learning model predicting allergenicity based on protein sequence
2024-Jun-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.22.600179
PMID:38979176
|
研究论文 | 开发基于蛋白质序列预测过敏原性的深度学习模型AllergenAI | 仅基于蛋白质序列进行预测，区别于以往需要理化性质知识的工具 | 当前仅使用序列信息，未来需要整合3D结构信息提高准确性 | 预测蛋白质过敏原性以帮助蛋白质工程重新设计过敏原蛋白 | 过敏原蛋白质序列 | 生物信息学 | 过敏性疾病 | 蛋白质序列分析 | CNN | 蛋白质序列数据 | 来自SDAP 2.0、COMPARE和AlgPred 2三个数据库的过敏原蛋白质序列 | NA | 卷积神经网络 | 交叉验证 | NA |
| 471 | 2025-11-24 |
SAMP: Identifying antimicrobial peptides by an ensemble learning model based on proportionalized split amino acid composition
2024-Dec-06, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae046
PMID:39573886
|
研究论文 | 提出一种基于比例化分割氨基酸组成和集成随机投影的抗菌肽识别模型SAMP | 引入比例化分割氨基酸组成特征，能同时捕捉N端和C端残基模式及中间肽段序列顺序信息 | NA | 开发更准确的抗菌肽识别计算方法 | 抗菌肽序列 | 机器学习 | 耐药细菌感染 | 比例化分割氨基酸组成 | 集成学习 | 肽序列 | NA | Python | 集成随机投影 | 准确率, Matthews相关系数, G-measure, F1-score | NA |
| 472 | 2025-11-24 |
Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model
2024-Nov-22, The British journal of ophthalmology
DOI:10.1136/bjo-2023-324528
PMID:39117359
|
研究论文 | 开发了一种基于深度学习模型的青光眼进展检测方法，使用纵向系列黄斑光学相干断层扫描血管成像图像 | 首次设计定制化卷积神经网络用于基于纵向OCTA图像的青光眼进展检测，性能优于传统的逻辑回归模型 | 样本量相对较小（202只眼），需要外部验证来确认模型的泛化能力 | 开发深度学习模型用于青光眼进展的自动检测 | 134名开角型青光眼患者的202只眼睛 | 计算机视觉 | 青光眼 | 光学相干断层扫描血管成像（OCTA） | CNN | 图像 | 202只眼睛，平均随访3.5年，每只眼至少4次OCTA检查 | NA | 定制化卷积神经网络 | AUC, 敏感度, 特异度, 准确率 | NA |
| 473 | 2025-11-24 |
RETFound-enhanced community-based fundus disease screening: real-world evidence and decision curve analysis
2024-Apr-30, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01109-5
PMID:38693205
|
研究论文 | 本研究开发了一种基于RETFound增强的深度学习模型，用于社区眼底疾病筛查，并在真实世界场景中验证其性能 | 首次将眼科基础模型RETFound应用于社区眼底疾病筛查，显著提升了筛查准确性和泛化能力 | 研究主要基于中国城乡场景，在其他国家和地区的适用性需要进一步验证 | 开发高性能的AI辅助眼底疾病筛查系统以应对全球视力健康挑战 | 社区筛查中采集的真实世界眼底图像 | 计算机视觉 | 眼底疾病 | 深度学习 | 深度学习模型 | 眼底图像 | NA | NA | RETFound | 灵敏度, 特异性, 净收益 | NA |
| 474 | 2025-11-24 |
Optimizing Machine Learning Models for Accessible Early Cognitive Impairment Prediction: A Novel Cost-effective Model Selection Algorithm
2024, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2024.3505038
PMID:39902153
|
研究论文 | 开发一种成本效益高的机器学习模型选择算法，用于早期认知障碍预测 | 提出新型成本效益模型选择算法，在保证高性能的同时最小化开发和运营成本 | 未在更多低收入和中等收入国家进行广泛验证 | 开发成本效益高且易于获取的机器学习模型，用于预测未来五年内的认知障碍风险 | 来自国家阿尔茨海默病协调中心统一数据集的认知障碍相关数据 | 机器学习 | 老年疾病 | 机器学习，深度学习 | SVM，神经网络 | 结构化医疗数据 | 国家阿尔茨海默病协调中心统一数据集 | NA | 支持向量机，神经网络 | F2-score | NA |
| 475 | 2025-11-24 |
Enhancing Spatial Transcriptomics Analysis by Integrating Image-Aware Deep Learning Methods
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160299
|
研究论文 | 提出一种整合空间转录组学和组织病理学图像的深度学习方法，以更好地捕捉癌症组织中的生物学模式 | 首次将空间转录组学数据与组织病理学图像特征通过深度学习相结合，克服了传统方法仅依赖基因表达的局限性 | 方法主要针对胶质母细胞瘤和三阴性乳腺癌等特定癌症类型，在其他疾病中的适用性有待验证 | 开发能够整合多模态数据的分析方法，提升空间转录组学数据的生物学解释能力 | 胶质母细胞瘤和三阴性乳腺癌患者的组织样本 | 数字病理学 | 癌症 | 空间转录组学, 组织病理学成像 | CNN | 图像, 基因表达数据 | NA | NA | ResNet-50 | NA | NA |
| 476 | 2025-11-24 |
Spatial Omics Driven Crossmodal Pretraining Applied to Graph-based Deep Learning for Cancer Pathology Analysis
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160300
|
研究论文 | 本研究探索利用空间转录组数据通过对比跨模态预训练机制生成深度学习模型，以增强基于图的癌症病理分析 | 首次将空间组学数据与组织学图像配对，通过对比跨模态预训练机制提升图深度学习模型在病理分析中的性能 | NA | 开发能够同时提取分子和组织学信息的深度学习模型，用于基于图的癌症病理分析任务 | 癌症组织病理学全切片图像和空间转录组数据 | 数字病理学 | 癌症 | 空间转录组学 | 图神经网络 | 图像, 空间转录组数据 | NA | NA | NA | 癌症分期准确率, 淋巴结转移预测准确率, 生存预测准确率, 组织聚类分析 | NA |
| 477 | 2025-11-24 |
PEPSI: Polarity measurements from spatial proteomics imaging suggest immune cell engagement
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160302
|
研究论文 | 开发了一种从免疫荧光成像数据定义表面蛋白极性的度量方法，用于识别肿瘤微环境中的免疫细胞状态 | 首次利用亚细胞蛋白表达模式对免疫细胞功能状态进行表型分析，并证明极性定义的细胞亚型能改善深度学习模型的生存预测性能 | 方法依赖于高分辨率显微镜成像，可能受限于图像质量和分辨率 | 通过蛋白极性测量理解免疫细胞功能状态及其在肿瘤微环境中的作用 | 肿瘤微环境中的免疫细胞 | 空间蛋白质组学成像 | 肿瘤 | 免疫荧光成像 | 深度学习模型 | 免疫荧光图像 | 600个患者样本中的200多万个细胞 | NA | NA | 生存预测性能 | NA |
| 478 | 2025-11-23 |
SCC-NET: segmentation of clinical cancer image for head and neck squamous cell carcinoma
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.065501
PMID:39583005
|
研究论文 | 提出一种基于神经架构搜索U-Net的改进模型SCC-NET，用于头颈部鳞状细胞癌内镜图像的病灶分割 | 提出可学习离散小波池化技术，结合通道注意力模块为不同层输出分配权重，并引入CSPNet的跨阶段部分设计 | 仅使用单一医疗中心数据，样本量相对有限 | 开发头颈部鳞状细胞癌内镜图像的自动分割算法 | 头颈部鳞状细胞癌内镜图像 | 数字病理 | 头颈部鳞状细胞癌 | 内镜检查 | U-Net, CSPNet | 图像 | 556张经病理确认的鳞状细胞癌照片 | NA | SCC-NET, U-Net, CSPNet | mIOU, Dice相似系数, 准确率, 召回率 | NA |
| 479 | 2025-11-23 |
Session Introduction: Artificial Intelligence in Clinical Medicine: Generative and Interactive Systems at the Human-Machine Interface
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160265
|
会议介绍 | 介绍2024年太平洋生物计算研讨会中关于临床医学人工智能的专题会议，重点关注生成式和交互式系统在人机界面的应用 | 聚焦于生成式AI和深度学习模型在医疗领域的突破性应用，特别强调人机交互界面的创新研究 | NA | 评估AI系统在医疗保健中的潜在影响和意义，开发解决实际医疗问题的AI算法 | 临床决策支持系统、监测工具、医学影像解读和分诊能力 | 人工智能在医学中的应用 | NA | 生成式AI、深度学习 | 深度学习模型 | 非结构化文本、影像数据、结构化和表格数据 | NA | NA | NA | NA | NA |
| 480 | 2025-11-23 |
BrainSTEAM: A Practical Pipeline for Connectome-based fMRI Analysis towards Subject Classification
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160269
|
研究论文 | 提出BrainSTEAM集成框架，通过时空模块和多种技术组合解决fMRI数据有限导致的过拟合问题，提升基于连接组的脑功能网络分析性能 | 提出结合EdgeConv图神经网络、自编码器和Mixup策略的集成框架，通过动态分割时间序列信号构建相关网络来增加训练数据 | 依赖于有限规模的神经影像数据集，在更广泛疾病类型上的泛化能力有待验证 | 开发有效的基于连接组的fMRI分析框架，用于神经模式发现和疾病诊断 | 功能脑网络和脑区连接结构 | 神经影像分析 | 自闭症 | fMRI | GNN, Autoencoder | 功能磁共振成像时间序列数据 | ABIDE和HCP两个真实世界神经影像数据集 | PyTorch | EdgeConv | 分类准确率 | NA |