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 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2025-10-06 |
Automated vertical cup-to-disc ratio determination from fundus images for glaucoma detection
2024-02-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-55056-y
PMID:38396048
|
研究论文 | 开发基于深度学习YOLOv7架构的自动系统，用于从眼底图像中检测视盘和视杯并计算垂直杯盘比，以进行青光眼检测 | 提出适应不同人群的深度学习模型优化方法，在REFUGE数据集上超越现有方法，并开发能够校准新人群结果的优化方法 | 模型最初在特定人群（欧洲）数据上训练，需要针对不同人群进行调优 | 开发自动化的青光眼检测系统，减少人工评估工作量并提高准确性和速度 | 眼底图像中的视盘和视杯 | 计算机视觉 | 青光眼 | 眼底成像 | 深度学习 | 图像 | 十个公开数据集和REFUGE数据集（中国患者图像） | YOLOv7 | YOLOv7 | Pearson相关系数, 平均绝对误差, Dice相似系数 | NA |
| 562 | 2025-10-06 |
Deep learning segmentation of peri-sinus structures from structural magnetic resonance imaging: validation and normative ranges across the adult lifespan
2024-Feb-13, Fluids and barriers of the CNS
IF:5.9Q1
DOI:10.1186/s12987-024-00516-w
PMID:38350930
|
研究论文 | 开发深度学习模型自动分割MRI图像中的窦周结构，并在全生命周期提供规范体积范围 | 首次提出使用级联3D全卷积神经网络从非对比T2加权MRI自动分割窦周结构，无需外源性对比剂 | 需要与神经放射科医师的手动勾画作为金标准进行比较验证 | 开发自动量化窦周结构的工具，研究其随年龄变化的规律 | 窦周空间结构（包括蛛网膜颗粒和矢状窦旁硬膜下空间） | 医学影像分析 | 脑脊液循环功能障碍 | 3D T2加权非对比MRI | CNN | MRI图像 | 验证集80例（11-83岁），健康参与者1872例（5-100岁） | NA | 级联3D全卷积神经网络 | Dice-Sørensen系数, 准确率 | NA |
| 563 | 2025-10-06 |
Using Artificial Intelligence for Rheumatic Heart Disease Detection by Echocardiography: Focus on Mitral Regurgitation
2024-Jan-16, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.123.031257
PMID:38226515
|
研究论文 | 本研究开发了一种基于人工智能的自动化方法，通过超声心动图检测儿童风湿性心脏病，特别关注二尖瓣反流分析 | 首次将卷积神经网络与注意力机制相结合，用于超声心动图中二尖瓣反流射流分析和风湿性心脏病检测 | 研究样本量有限（511例），需要更多数据验证模型性能 | 开发自动化人工智能系统用于儿童风湿性心脏病的早期筛查 | 儿童超声心动图，特别关注二尖瓣区域 | 计算机视觉 | 风湿性心脏病 | 超声心动图 | CNN, 深度学习 | 图像 | 511例儿童超声心动图（229例正常，282例风湿性心脏病） | NA | 带有注意力机制的深度学习模型 | 准确率,Dice系数,ROC曲线下面积,精确率,召回率,F1分数 | NA |
| 564 | 2025-10-06 |
Alzheimer's Disease Prediction Using Fly-Optimized Densely Connected Convolution Neural Networks Based on MRI Images
2024, The journal of prevention of Alzheimer's disease..
DOI:10.14283/jpad.2024.66
PMID:39044523
|
研究论文 | 提出一种基于果蝇算法优化的密集连接卷积神经网络，用于从MRI图像中预测阿尔茨海默病 | 结合果蝇优化算法与密集连接卷积神经网络，采用自适应直方图处理和加权中值滤波进行图像预处理，通过相关信息理论提取纹理和统计特征 | 仅使用Kaggle数据集进行验证，未提及在其他数据集上的泛化能力 | 开发自动化的阿尔茨海默病检测方法，提高早期诊断准确率 | 阿尔茨海默病影响的脑部区域 | 计算机视觉 | 阿尔茨海默病 | MRI成像 | CNN | 图像 | NA | NA | 密集连接卷积神经网络 | 敏感度, 特异度, 准确率, 错误率, F-measure | NA |
| 565 | 2025-10-06 |
ADVANCING THE UNDERSTANDING OF CLINICAL SEPSIS USING GENE EXPRESSION-DRIVEN MACHINE LEARNING TO IMPROVE PATIENT OUTCOMES
2024-01-01, Shock (Augusta, Ga.)
DOI:10.1097/SHK.0000000000002227
PMID:37752080
|
研究论文 | 本研究探索利用基因表达数据驱动的机器学习技术来改善脓毒症患者的临床预后 | 整合临床数据与基因表达信息，应用神经网络、深度学习和集成方法等机器学习技术来预测和理解脓毒症 | 模型可解释性存在挑战，可能存在数据偏差 | 通过机器学习技术改善脓毒症患者预后，推进精准医疗方法 | 脓毒症患者及其基因表达数据 | 机器学习 | 脓毒症 | 基因表达分析 | 神经网络,深度学习,集成方法 | 基因表达数据,临床数据 | NA | NA | NA | 预测准确性 | NA |
| 566 | 2025-10-06 |
Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study
2024-01, The Lancet. Digital health
DOI:10.1016/S2589-7500(23)00220-0
PMID:38065778
|
研究论文 | 开发并验证一种基于心电图深度学习的模型，用于预测患者术后死亡率 | 首次利用深度学习分析心电图波形信号来预测术后死亡率，相比传统Revised Cardiac Risk Index评分系统具有显著更好的预测性能 | 研究数据来源于特定医疗中心，需要在更广泛人群中进一步验证 | 开发能够准确预测接受医疗程序患者术后死亡率的预后模型 | 接受术前心电图检查的患者 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 深度学习算法 | 心电图波形图像 | 45,969名患者，包含59,975次住院程序和112,794份心电图 | NA | NA | AUC, 95%置信区间, 未调整优势比 | NA |
| 567 | 2025-10-06 |
An interpretable deep learning framework identifies proteomic drivers of Alzheimer's disease
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1379984
PMID:39355118
|
研究论文 | 开发了一种可解释的深度学习框架EnsembleOmicsAE，用于识别阿尔茨海默病的蛋白质组学驱动因素 | 使用集成自编码器将蛋白质组数据降维为少量潜在特征，并开发了基于迭代扰动的特征重要性评分算法，识别出线性方法遗漏的AD分子驱动因素 | 研究基于三个队列的559名个体，样本量相对有限，且主要关注蛋白质组层面 | 识别阿尔茨海默病的蛋白质组学驱动因素并建立可解释的深度学习框架 | 559名健康或阿尔茨海默病诊断个体的脑蛋白质组数据 | 机器学习 | 阿尔茨海默病 | 蛋白质组学 | 自编码器 | 蛋白质组数据 | 来自三个AD队列的559名个体 | NA | 集成自编码器 | 特征稳定性，蛋白质-蛋白质相互作用富集分析 | NA |
| 568 | 2025-10-06 |
Artificial intelligence research in radiation oncology: a practical guide for the clinician on concepts and methods
2024-Jan, BJR open
DOI:10.1093/bjro/tzae039
PMID:39583148
|
综述 | 本文为临床医生提供放射肿瘤学中人工智能研究与开发的实用指南 | 从临床医生视角系统阐述AI在放射肿瘤学中的应用流程与评估方法 | 主要面向临床医生视角，未涉及具体技术细节和算法实现 | 提升临床医生对AI在放射肿瘤学中开发与应用的理解 | 放射肿瘤学临床医生和AI研究人员 | 医疗人工智能 | 肿瘤疾病 | 深度学习 | NA | 医学影像, 临床数据 | NA | NA | NA | NA | NA |
| 569 | 2025-10-06 |
Integrative computational analyses implicate regulatory genomic elements contributing to spina bifida
2024, Genetics in medicine open
DOI:10.1016/j.gimo.2024.101894
PMID:39669613
|
研究论文 | 通过整合计算方法识别导致脊柱裂的调控基因组元件 | 采用无偏倚的全基因组方法结合深度学习优先排序框架，首次系统鉴定脊柱裂相关的罕见调控变异及其靶基因 | 研究主要依赖计算预测，需要后续实验验证调控变异的生物学功能 | 阐明脊柱裂病理生理学的全基因组调控特征 | 脊柱裂患者与健康对照的基因组调控区域 | 计算生物学 | 脊柱裂 | 全基因组测序，深度学习优先排序 | 深度学习 | 基因组序列数据，调控元件数据 | 脊柱裂患者与健康对照组（具体样本数量未明确说明） | 深度学习优先排序框架 | NA | NA | NA |
| 570 | 2025-07-22 |
Radiologic imaging biomarkers in triple-negative breast cancer: a literature review about the role of artificial intelligence and the way forward
2024-Jan, BJR artificial intelligence
DOI:10.1093/bjrai/ubae016
PMID:40201726
|
review | 本文综述了人工智能在放射影像学中作为三阴性乳腺癌（TNBC）成像生物标志物的应用现状与未来发展 | 整合了过去十年（2013-2024）基于放射组学和深度学习的AI技术在TNBC诊疗中的最新进展，并探讨了未来发展方向 | 作为综述文章，未涉及原始数据或实验验证 | 开发更有效和个性化的TNBC影像生物标志物，推进TNBC的诊断、治疗和预后评估 | 三阴性乳腺癌（TNBC）的放射影像数据 | digital pathology | breast cancer | radiomics, deep learning | deep learning-based models | radiologic breast images | NA | NA | NA | NA | NA |
| 571 | 2025-10-06 |
Computational staining of CD3/CD20 positive lymphocytes in human tissues with experimental confirmation in a genetically engineered mouse model
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1451261
PMID:39530103
|
研究论文 | 提出一种知识引导的深度学习框架，用于在人类H&E组织上测量淋巴细胞空间结构，并通过基因工程小鼠模型进行实验验证 | 通过单细胞分辨率图像配准实现H&E到IHC的像素级完美标注，并整合计算科学与基础科学进行实验验证 | 模型在外部测试数据集上的AUC为0.71，性能有待进一步提升 | 量化淋巴细胞空间炎症结构，促进空间系统生物学研究 | 人类H&E组织样本和基因工程Rag2小鼠模型 | 数字病理学 | 癌症 | H&E染色，IHC染色，单细胞分辨率图像配准 | 深度学习 | 组织图像 | 超过111,000个人类细胞核（45,611个CD3/CD20阳性淋巴细胞） | NA | NA | AUC, 结构相似性 | NA |
| 572 | 2025-10-06 |
Detection of neurologic changes in critically ill infants using deep learning on video data: a retrospective single center cohort study
2024-Dec, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102919
PMID:39764545
|
研究论文 | 本研究开发了一种基于深度学习姿态识别算法的计算机视觉方法，通过视频数据预测危重症婴儿的神经系统变化 | 构建了迄今为止最大的视频-脑电图数据集，并首次证明仅通过视频数据就能预测脑功能异常和镇静状态 | 单中心回顾性研究，样本量相对有限（115名婴儿） | 开发可靠、连续的神经系统监测方法以替代间歇性、主观的体格检查 | 矫正年龄小于1岁的危重症婴儿 | 计算机视觉 | 神经系统疾病 | 视频脑电图监测 | 深度学习姿态识别算法 | 视频数据 | 115名婴儿，282,301分钟视频数据 | NA | NA | ROC-AUC, 置换检验P值 | NA |
| 573 | 2025-10-06 |
Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes
2024-Nov-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.18.24317499
PMID:39606364
|
研究论文 | 本研究通过整合空间转录组学和单核RNA测序数据，增强了阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析能力 | 首次将空间转录组数据与单核RNA测序数据整合，实现了皮层层级特异性细胞类型差异基因表达分析 | 研究基于死后脑组织样本，可能无法完全反映活体状态；空间位置是通过深度学习工具推断而非直接测量 | 提升阿尔茨海默病相关表型的空间信息差异基因表达分析能力 | 436例死后大脑背外侧前额叶皮层组织的约150万个细胞 | 生物信息学 | 阿尔茨海默病 | 空间转录组学，单核RNA测序，深度学习 | 深度学习 | 基因表达数据，空间位置数据 | 436个死后大脑样本，约150万个细胞 | CelEry | NA | p值，基因集富集分析 | NA |
| 574 | 2025-10-06 |
In vivo evaluation of complex polyps with endoscopic optical coherence tomography and deep learning during routine colonoscopy: a feasibility study
2024-11-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78891-5
PMID:39537775
|
研究论文 | 本研究评估了内窥镜光学相干断层扫描结合深度学习在常规结肠镜检查中评估复杂结直肠息肉的可行性 | 开发了用于成人结肠镜的侧视OCT导管，并在常规结肠镜检查中实现了实时诊断，不仅区分良恶性病变，还区分多种组织学亚型息肉 | 样本量较小（35个息肉），仅为可行性研究 | 评估内窥镜OCT结合深度学习在结肠镜检查中评估结直肠息肉深部浸润的可行性 | 接受内镜治疗的大型结直肠息肉患者 | 数字病理 | 结直肠癌 | 内窥镜光学相干断层扫描，组织病理学 | 深度学习模型 | OCT图像 | 32名患者的35个息肉 | NA | NA | AUROC, Cohen's kappa | NA |
| 575 | 2025-10-06 |
A wearable echomyography system based on a single transducer
2024-Nov, Nature electronics
IF:33.7Q1
DOI:10.1038/s41928-024-01271-4
PMID:40677283
|
研究论文 | 开发了一种基于单个换能器的可穿戴回声肌电图系统，用于肌肉活动的无线监测和手势识别 | 采用单个定制换能器替代复杂的换能器阵列，实现了小型化、低功耗的可穿戴回声肌电图系统 | NA | 开发可穿戴肌肉活动监测系统，用于健康监测和身体运动追踪 | 膈肌活动和前臂肌肉的手势识别 | 生物医学工程 | NA | 回声肌电图，超声波检测 | 深度学习算法 | 射频数据，超声波信号 | NA | NA | NA | 平均误差7.9° | NA |
| 576 | 2025-10-06 |
Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring
2024-Sep, Precision radiation oncology
DOI:10.1002/pro6.1242
PMID:40336975
|
研究论文 | 本研究提出了一种基于监督学习的电声层析成像方法，用于实时监测电穿孔治疗过程 | 首次在实验环境中使用单个线性阵列实现高质量电声层析成像，通过深度学习模型校正图像失真 | 研究仅使用56个实验数据集，样本量相对有限 | 改进电声层析成像技术，提高其在基于纳秒脉冲电场的电穿孔治疗中的实时监测能力 | 纳秒脉冲电场产生的电声信号 | 医学影像处理 | 癌症治疗 | 电声层析成像，纳秒脉冲电场 | 深度学习 | 超声信号，图像数据 | 56个实验电声数据集（46个训练，10个测试） | NA | NA | RMSE, PSNR, SSIM | NA |
| 577 | 2025-10-06 |
Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning
2024-08-23, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adi0302
PMID:39178259
|
研究论文 | 使用深度学习分析H&E染色切片识别高级别胶质瘤中性别特异性组织病理学特征并构建性别特异性生存预后模型 | 首次采用端到端深度学习方法从常规H&E染色切片中识别性别特异性肿瘤微环境特征并构建性别特异性生存预后模型 | 研究基于回顾性数据，需要在前瞻性研究中进一步验证 | 识别高级别胶质瘤中性别特异性组织病理学特征并构建性别特异性生存预后模型 | 高级别胶质瘤患者的H&E染色组织切片 | 数字病理学 | 脑肿瘤/高级别胶质瘤 | H&E染色，深度学习 | CNN | 病理图像 | 多个训练和验证队列（具体数量未在摘要中说明） | NA | ResNet18 | C-index | NA |
| 578 | 2025-10-06 |
Quantification of Human Photoreceptor-Retinal Pigment Epithelium Macular Topography with Adaptive Optics-Optical Coherence Tomography
2024-Jul-15, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14141518
PMID:39061655
|
研究论文 | 使用自适应光学-光学相干断层扫描技术量化活体人眼感光细胞-视网膜色素上皮复合体的黄斑地形图 | 首次结合FDML-AO-OCT成像技术和深度学习算法，在活体人眼中三维表征PR-RPE复合体的细胞级地形分布 | 样本量较小（11名健康志愿者），仅观察了黄斑颞侧区域 | 量化活体人眼感光细胞-视网膜色素上皮复合体的黄斑地形结构 | 健康志愿者的视网膜PR-RPE复合体 | 医学影像 | 视网膜疾病 | 自适应光学-光学相干断层扫描（AO-OCT），傅里叶域锁模激光（FDML） | 深度学习 | 三维医学影像 | 11名健康志愿者 | NA | NA | 细胞密度、外节长度、PR/RPE比率 | NA |
| 579 | 2025-10-06 |
A Primer for Utilizing Deep Learning and Abdominal MRI Imaging Features to Monitor Autosomal Dominant Polycystic Kidney Disease Progression
2024-May-20, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12051133
PMID:38791095
|
综述 | 介绍如何利用深度学习和腹部MRI影像特征监测常染色体显性多囊肾病进展 | 将深度学习应用于ADPKD的肾脏分割和额外生物标志物提取，超越传统的总肾脏体积测量 | 概念性论文，缺乏具体实验验证和性能数据 | 探索深度学习在监测常染色体显性多囊肾病进展中的应用潜力 | 常染色体显性多囊肾病患者的腹部MRI影像 | 医学影像分析 | 常染色体显性多囊肾病 | MRI成像 | 深度学习 | 医学影像 | NA | NA | NA | 速度、准确性、可重复性 | NA |
| 580 | 2025-10-06 |
Topical hidden genome: discovering latent cancer mutational topics using a Bayesian multilevel context-learning approach
2024-Mar-27, Biometrics
IF:1.4Q2
DOI:10.1093/biomtc/ujae030
PMID:38682463
|
研究论文 | 提出一种基于主题模型的贝叶斯多层次上下文学习方法，用于发现癌症突变中的潜在主题 | 首次将计算语言学中的主题模型应用于癌症突变上下文分析，实现了可解释的降维和严格的全贝叶斯推断 | 未明确说明模型对特定癌症类型的普适性限制 | 推断全基因组范围内超罕见体细胞突变的癌症类型特异性 | 全基因组体细胞突变数据 | 机器学习 | 癌症 | 全基因组测序 | 主题模型,贝叶斯模型 | 基因组变异数据 | 数千个肿瘤样本的数千万个变异 | NA | 多层次多逻辑隐藏基因组模型 | 预测性能 | NA |