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 12022 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2025-10-06 |
Application Exploration of Medical Image-aided Diagnosis of Breast Tumour Based on Deep Learning
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究探索基于深度学习的医学图像辅助诊断在乳腺肿瘤诊断中的应用 | 结合二维CNN训练模式构建三维CNN模型，并建立诊断结果评估指标 | NA | 研究医学图像辅助诊断在乳腺肿瘤诊断中的应用 | 乳腺肿瘤患者的医学图像数据 | 计算机视觉 | 乳腺肿瘤 | 磁共振成像(MRI) | CNN | 医学图像 | NA | NA | 3D CNN | 准确率 | NA |
| 482 | 2025-10-06 |
An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD
2024-Dec-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.06.24314939
PMID:39417095
|
研究论文 | 开发并验证了一种基于集成深度学习算法的结构型心脏病筛查工具PRESENT-SHD，能够通过12导联心电图图像自动检测多种结构型心脏病 | 首次利用心电图图像开发集成深度学习模型进行多种结构型心脏病的自动化筛查和风险分层 | 研究主要基于医院数据，在普通人群中的验证样本相对有限 | 利用12导联心电图图像开发自动化检测和预测多种结构型心脏病的深度学习算法 | 结构型心脏病患者，包括左室射血分数降低、中重度左侧瓣膜病和严重左室肥厚患者 | 医学影像分析 | 心血管疾病 | 经胸超声心动图，心电图 | CNN, XGBoost | 图像 | 开发集：261,228份心电图（93,693名患者）；验证集：58,628名个体 | NA | 集成卷积神经网络 | AUROC, 敏感性, 特异性 | NA |
| 483 | 2025-10-06 |
Enhancing the diagnostic capacity of [18F]PSMA-1007 PET/MRI in primary prostate cancer staging with artificial intelligence and semi-quantitative DCE: an exploratory study
2024-Nov-08, EJNMMI reports
DOI:10.1186/s41824-024-00225-5
PMID:39510993
|
研究论文 | 探索人工智能和半定量DCE分析在增强[18F]PSMA-1007 PET/MRI对原发性前列腺癌分期诊断能力中的应用 | 首次将深度学习管道与半定量DCE分析结合应用于PSMA-放射性配体PET/MRI，提高前列腺癌诊断准确性 | 样本量较小（仅7例患者），属于探索性研究 | 提高原发性前列腺癌分期的诊断能力 | 原发性前列腺癌患者 | 数字病理 | 前列腺癌 | PET/MRI, DCE-MRI, DWI, T2加权成像 | 深度学习 | 医学影像 | 7例前列腺癌患者 | NA | NA | DICE系数 | NA |
| 484 | 2025-10-06 |
Multimodal Artificial Intelligence in Medicine
2024-Nov-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000556
PMID:39167446
|
综述 | 本文探讨了多模态人工智能在医学领域的应用、优势及面临的挑战 | 提出多模态Transformer模型能够有效处理医疗领域中的文本、图像和结构化数据等多模态数据 | 多模态人工智能模型的临床应用面临伦理和环境挑战 | 研究多模态人工智能在医学诊断和治疗中的应用潜力 | 医疗多模态数据（文本、图像、结构化数据） | 自然语言处理,计算机视觉,机器学习 | NA | 多模态深度学习 | Transformer | 文本,图像,结构化数据 | NA | NA | Transformer | 美国医师执照考试题库基准测试 | NA |
| 485 | 2025-10-06 |
Bone scintigraphy based on deep learning model and modified growth optimizer
2024-10-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73991-8
PMID:39465262
|
研究论文 | 提出一种基于深度学习模型和改进生长优化器的骨闪烁成像分析方法 | 结合MobileViT模型和基于算术优化算法改进的生长优化器进行特征提取和选择 | NA | 开发自动化的骨闪烁成像分析系统以减少人工分析的负担 | 骨闪烁成像图像 | 计算机视觉 | 骨转移癌 | 骨闪烁成像 | Transformer, CNN | 医学图像 | 2800张骨扫描图像（1400正常，1400异常）和18个UCI数据集 | NA | MobileViT | NA | NA |
| 486 | 2025-07-25 |
Halted medical education in Korea amid Nobel Prizes in deep learning and machine learning research, tribute to a leader of Ewha Womans University College of Medicine, and highlights from this issue
2024-Oct, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2024.e71
PMID:40703983
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 487 | 2025-10-06 |
Calculating Protein-Ligand Residence Times through State Predictive Information Bottleneck Based Enhanced Sampling
2024-Jul-23, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00503
PMID:38991145
|
研究论文 | 提出一种结合深度学习与增强采样方法计算蛋白质-配体停留时间的半自动化协议 | 首次将状态预测信息瓶颈(SPIB)与元动力学增强采样相结合，实现跨越12个数量级时间尺度的停留时间计算 | 方法验证仅限于六种蛋白质-配体复合物，需要进一步扩展验证范围 | 开发准确计算蛋白质-配体停留时间的方法以改进药物疗效 | 六种蛋白质-配体复合物，包括抗癌药物伊马替尼与野生型Abl激酶及耐药突变体的解离过程 | 计算生物学 | 癌症 | 分子动力学模拟，增强采样，深度学习 | 状态预测信息瓶颈(SPIB) | 分子动力学轨迹数据 | 六种蛋白质-配体复合物 | NA | 状态预测信息瓶颈神经网络 | 停留时间计算准确性 | NA |
| 488 | 2025-10-06 |
Enhancing Molecular Property Prediction through Task-Oriented Transfer Learning: Integrating Universal Structural Insights and Domain-Specific Knowledge
2024-06-13, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c00692
PMID:38748846
|
研究论文 | 提出一种面向任务的双层预训练框架TOML-BERT，通过整合通用结构洞察和领域特定知识来增强分子属性预测 | 引入考虑分子结构模式和领域知识的双层预训练框架，实现结构上下文信息挖掘与领域知识提取的互补 | 未明确说明模型在更广泛数据集上的泛化能力及计算效率分析 | 解决药物发现中标记数据稀缺问题，提升分子属性预测精度 | 分子结构及其属性 | 自然语言处理, 机器学习 | NA | 深度学习, 自监督预训练 | BERT | 分子结构数据 | 10个药物数据集 | NA | BERT | 预测性能指标（未具体说明） | NA |
| 489 | 2025-10-06 |
Advancements and Applications of Artificial Intelligence in Pharmaceutical Sciences: A Comprehensive Review
2024 Jan-Dec, Iranian journal of pharmaceutical research : IJPR
IF:1.8Q3
DOI:10.5812/ijpr-150510
PMID:39895671
|
综述 | 本文全面回顾了人工智能在药物科学领域的进展与应用 | 系统整合了AI在药物科学多个子领域的最新应用，包括药物化学、药剂学、药理学与毒理学等 | 作为综述文章，未涉及原始实验数据验证 | 阐明人工智能在药物科学各领域的实际应用和潜力 | 药物发现、开发过程和个性化患者护理 | 机器学习 | NA | 机器学习，深度学习，自然语言处理，机器人自动化 | NA | NA | NA | NA | NA | NA | NA |
| 490 | 2025-10-06 |
Space-for-time substitutions exaggerate urban bird-habitat ecological relationships
2024-12, The Journal of animal ecology
IF:3.5Q1
DOI:10.1111/1365-2656.14194
PMID:39506196
|
研究论文 | 本研究通过分析加拿大温哥华地区20年的鸟类调查数据，检验了空间替代时间方法在城市鸟类-栖息地生态关系研究中的有效性 | 首次系统验证空间替代时间方法在城市生态研究中的局限性，并引入最优尺度效应概念分析栖息地变化对鸟类数量的影响 | 研究仅基于单一城市区域，结果可能不适用于其他地理环境；栖息地变化仅能部分解释鸟类数量变化 | 评估空间替代时间方法在城市鸟类-栖息地关系研究中的有效性，探索城市栖息地管理对鸟类保护的潜力 | 北美城市鸟类种群及其与多尺度土地覆盖的关系 | 生态学 | NA | 遥感数据分析，深度学习，贝叶斯多物种丰度模型 | 深度学习模型，提升回归树，贝叶斯模型 | 鸟类调查数据，遥感影像数据 | 1997-2020年加拿大温哥华大都会区的纵向鸟类调查数据 | Stan | NA | 样本外预测 | NA |
| 491 | 2025-10-06 |
Accurate de novo design of high-affinity protein binding macrocycles using deep learning
2024-Nov-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.18.622547
PMID:39605685
|
研究论文 | 提出基于深度学习的RFpeptides流程，用于从头设计高亲和力蛋白结合大环化合物 | 首次开发基于去噪扩散模型的蛋白结合大环化合物设计方法，无需大规模筛选即可精确控制结合模式 | 仅测试了四种不同蛋白目标，样本规模有限 | 开发高效的大环肽配体设计方法用于诊断和治疗应用 | 蛋白结合大环化合物 | 机器学习 | NA | 去噪扩散模型 | 扩散模型 | 蛋白质序列和结构数据 | 针对4种不同蛋白质各测试不超过20个大环化合物设计 | NA | RFpeptides | 结合亲和力(Kd), 半数抑制浓度(IC50), Ca RMSD | NA |
| 492 | 2025-10-06 |
Promoted production of Fe(IV)/Fe(V) intermediates in the calcium peroxide/ferrate(VI) process for low-damage removal of algal contaminants and membrane fouling control
2024-11-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.135709
PMID:39236536
|
研究论文 | 本研究创新性地将过氧化钙与高铁酸盐耦合用于超滤过程中藻类污染物的低损伤去除和膜污染控制 | 首次将过氧化钙与高铁酸盐耦合，促进Fe(IV)/Fe(V)中间体生成，实现藻类污染物的低损伤去除和膜污染控制 | NA | 开发一种新的膜污染控制方法，从促进Fe(IV)/Fe(V)中间体生成的角度控制藻类膜污染 | 藻类污染物和超滤膜污染 | 环境工程 | NA | 超滤技术，化学氧化技术 | LSTM | 过滤过程数据 | NA | NA | 长短期记忆深度学习网络 | 过滤体积预测 | NA |
| 493 | 2025-10-06 |
Automatic detection of midfacial fractures in facial bone CT images using deep learning-based object detection models
2024-10, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.101914
PMID:38750725
|
研究论文 | 本研究开发了一种基于深度学习的目标检测模型，用于在面部骨CT图像中自动检测中面部骨折 | 首次将SSD和YOLOv8两种目标检测算法应用于中面部骨折的自动检测，为急诊医疗提供快速准确的诊断解决方案 | 研究样本量有限（仅100例CT图像），需要更大规模的数据验证模型泛化能力 | 开发自动检测中面部骨折的系统，实现准确快速的骨折诊断 | 包含中面部骨折（如上颌骨、颧骨、鼻骨和眼眶骨折）的面部CT图像 | 计算机视觉 | 面部骨折 | CT成像 | 深度学习目标检测模型 | CT图像 | 100例CT图像（训练集80例3736张切片，验证集20例883张切片） | NA | SSD, YOLOv8 | 精确率, 召回率, F1分数, 平均精确率 | NA |
| 494 | 2025-10-06 |
Automated image transcription for perinatal blood pressure monitoring using mobile health technology
2024-Oct, PLOS digital health
DOI:10.1371/journal.pdig.0000588
PMID:39356720
|
研究论文 | 开发一种基于深度学习的自动化图像转录技术，用于从血压设备图像中提取读数，以改善围产期血压监测 | 提出结合YOLO目标检测和CNN数字识别的两阶段深度学习模型，并应用色彩校正和阈值处理技术减少反射和伪影影响 | 研究主要针对特定血压设备和特定人群（低资源环境和低文化水平人群），在其他设备和人群中的适用性需进一步验证 | 解决血压数据从示波设备向医疗记录系统传输的挑战，特别是在低文化水平人群中 | 围产期妇女（孕期和产后）的血压监测数据 | 计算机视觉 | 心血管疾病 | 移动健康技术，图像处理 | CNN, YOLO | 图像 | 来自危地马拉的2281名孕妇（1697+584）和来自乔治亚州的72名产后非洲裔美国参与者（23+49） | NA | YOLO, 卷积神经网络 | 平均绝对误差 | NA |
| 495 | 2025-10-06 |
Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling
2024-Aug-16, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01207-4
PMID:39152209
|
研究论文 | 提出基于Transformer的纵向医学影像序列建模方法LTSA，用于眼病预后预测 | 首次将Transformer架构应用于纵向医学影像序列分析，能够处理长时间跨度且采集时间不规则的影像数据 | 仅验证于两种特定眼病（AMD和POAG），在其他疾病和影像模态上的泛化能力有待验证 | 开发能够利用纵向医学影像序列进行动态疾病预后的深度学习模型 | 年龄相关性黄斑变性（AMD）和原发性开角型青光眼（POAG）患者 | 计算机视觉 | 眼病 | 眼底摄影 | Transformer | 图像序列 | 来自AREDS和OHTS研究的纵向影像数据 | NA | Transformer | 预后预测准确率比较 | NA |
| 496 | 2025-10-06 |
A deep learning model for classifying left ventricular enlargement for both transthoracic echocardiograms and handheld cardiac ultrasound
2024-Aug, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyaf049
PMID:40688486
|
研究论文 | 开发一种深度学习模型，用于通过经胸超声心动图和手持心脏超声图像自动分类左心室扩大 | 无需患者性别和体型信息即可检测左心室扩大，且模型可同时适用于标准经胸超声心动图和手持心脏超声设备 | 研究为回顾性设计，需要在前瞻性临床环境中进一步验证 | 开发自动化左心室扩大分类模型以优化心力衰竭患者的临床结局 | 心脏超声图像中的左心室 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 图像 | 训练集8722名患者，内部验证468名患者，外部验证4038名患者，前瞻性队列410名患者 | NA | NA | AUC | NA |
| 497 | 2025-10-06 |
Assessing spectral effectiveness in color fundus photography for deep learning classification of retinopathy of prematurity
2024-Jul, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.076001
PMID:38912212
|
研究论文 | 本研究评估彩色眼底摄影中不同光谱通道对早产儿视网膜病变深度学习分类的效果 | 首次系统比较单色通道（红、绿、蓝）和多通道融合架构在ROP分期深度学习分类中的性能差异 | 未说明样本来源和具体数据量，未提及外部验证结果 | 评估彩色眼底摄影中光谱通道对ROP深度学习分类的有效性 | 早产儿视网膜病变（ROP）的眼底图像 | 计算机视觉 | 早产儿视网膜病变 | 彩色眼底摄影 | CNN | 图像 | NA | NA | 端到端卷积神经网络分类器 | 准确率, 敏感度, 特异性 | NA |
| 498 | 2025-10-06 |
Deep Learning Models Used in the Diagnostic Workup of Keratoconus: A Systematic Review and Exploratory Meta-Analysis
2024-Jul-01, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000003467
PMID:38300179
|
系统综述与探索性荟萃分析 | 本文系统回顾并荟萃分析了深度学习模型在圆锥角膜诊断中的应用效果 | 首次对深度学习在圆锥角膜诊断中的研究进行全面系统综述并开展探索性荟萃分析 | 纳入研究的方法学质量有限，患者选择报告不充分且参考标准使用不当 | 评估深度学习算法在圆锥角膜诊断中的性能表现 | 圆锥角膜患者及相关医学影像数据 | 医学影像分析 | 圆锥角膜 | 深度学习 | 深度学习算法 | 地形图图像 | 19项研究纳入定性分析，10项研究纳入荟萃分析 | NA | NA | 敏感度, 特异度 | NA |
| 499 | 2025-10-06 |
Differential artery-vein analysis improves the OCTA classification of diabetic retinopathy
2024-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.521657
PMID:38867785
|
研究论文 | 本研究探讨了光学相干断层扫描血管成像中动静脉差异分析对糖尿病视网膜病变机器学习分类的影响 | 首次将动静脉差异分析应用于OCTA图像，通过深度学习进行动静脉区域分割，并提取六种定量特征来改善糖尿病视网膜病变的分类性能 | NA | 提高糖尿病视网膜病变的自动分类准确性 | 糖尿病视网膜病变患者和对照组人群 | 医学影像分析 | 糖尿病视网膜病变 | 光学相干断层扫描血管成像 | 深度学习,SVM | 医学影像 | NA | NA | NA | 准确率 | NA |
| 500 | 2025-10-06 |
Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets
2024-04, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104621
PMID:38447600
|
综述 | 本文综述了机器学习和深度学习方法在临床文本中提取药物不良事件的应用效果 | 首次系统比较机器学习和深度学习在药物不良事件提取任务中的表现，特别关注命名实体识别和关系分类任务 | 仅纳入了12篇文献进行分析，样本量有限 | 评估机器学习和深度学习方法在药物不良事件提取中的有效性 | 临床文本数据、生物医学文献、社交媒体数据和药品标签 | 自然语言处理 | NA | 文本挖掘 | 机器学习,深度学习 | 文本 | 基于12篇文献的分析 | NA | BERT,梯度提升,多层感知器,随机森林 | 命名实体识别准确率,关系分类性能 | NA |