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 12255 篇文献，本页显示第 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 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 |
| 582 | 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 |
| 583 | 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） |
| 584 | 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 |
| 585 | 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 |
| 586 | 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 |
| 587 | 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 |
| 588 | 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 |
| 589 | 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 |
| 590 | 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 |
| 591 | 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 |
| 592 | 2026-04-22 |
Integrated machine learning and deep learning for predicting diabetic nephropathy model construction, validation, and interpretability
2024-08, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-03735-1
PMID:38393509
|
研究论文 | 本文构建并验证了一个用于辅助诊断糖尿病肾病的风险预测模型，结合机器学习和深度学习技术 | 通过集成多种特征选择算法筛选关键变量，并构建十个机器学习模型进行比较，最终基于最佳模型开发了在线平台 | 未明确提及模型在更广泛人群或不同医疗环境中的泛化能力验证 | 构建糖尿病肾病的风险预测模型以辅助早期诊断和筛查 | 糖尿病肾病患者数据 | 机器学习 | 糖尿病肾病 | 机器学习算法 | 随机森林 | 临床数据 | 未明确指定具体样本数量 | 未明确指定 | 随机森林 | ROC曲线下面积, 精确率-召回率, 准确率, 马修斯相关系数, Kappa系数 | NA |
| 593 | 2026-04-21 |
Multicentric clinical evaluation of a computed tomography-based fully automated deep neural network for aortic maximum diameter and volumetric measurements
2024-06, Journal of vascular surgery
IF:3.9Q1
DOI:10.1016/j.jvs.2024.01.214
PMID:38325564
|
研究论文 | 本研究评估了一种基于深度学习的全自动方法（ARVA）用于主动脉分割及直径和体积测量 | 开发了一种全自动深度学习模型，能够同时进行主动脉分割、最大直径测量和体积计算，并在多中心临床数据上验证其性能 | 研究仅基于350例CTA扫描，样本量相对有限，且未涉及更广泛的主动脉疾病亚型 | 评估深度学习模型在主动脉影像分析中的准确性和临床适用性 | 主动脉CTA扫描图像 | 数字病理学 | 心血管疾病 | 计算机断层扫描血管造影（CTA） | 深度神经网络 | 医学影像 | 350例CTA扫描，来自216名患者 | NA | 深度神经网络 | 绝对直径差异中位数，体积相似性误差，临床可接受范围比例 | NA |
| 594 | 2026-04-21 |
Deep learning to extract the meteorological by-catch of wildlife cameras
2024-01, Global change biology
IF:10.8Q1
DOI:10.1111/gcb.17078
PMID:38273582
|
研究论文 | 本研究利用深度学习从野生动物相机图像中提取微气象条件，如阴天、阳光、冰雹和雪 | 首次将深度学习应用于野生动物相机图像以提取潜在的、生态相关的微气象信息，而非仅关注生物主体 | 模型在未见过的地点（如挪威斯瓦尔巴）的准确率相对较低（79.3%），且需要丢弃部分无共识的分类结果 | 从野生动物相机图像中提取微气象数据，以研究微气候对生物多样性的影响 | 野生动物相机拍摄的图像，涵盖阴天、阳光、冰雹和雪等气象条件 | 计算机视觉 | NA | 深度学习 | 集成深度学习模型 | 图像 | 来自49个野生动物相机的标注图像数据集，以及近200万张未标注图像 | NA | NA | 准确率, 共识准确率 | NA |
| 595 | 2026-04-20 |
Blood clot and fibrin recognition method for serum images based on deep learning
2024-Jan-15, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2023.117732
PMID:38128814
|
研究论文 | 提出了一种基于改进UNeXt的血清图像血凝块和纤维蛋白分割方法，用于自动识别血清中的血凝块和纤维蛋白 | 采用改进的UNeXt分割网络，实现了对血清图像中血凝块和纤维蛋白的更精确分割，为自动化生化免疫流水线中的采样针高度提供了准确依据 | NA | 开发一种快速、准确的方法来检测和识别血清中的血凝块和纤维蛋白，以替代耗时且主观的视觉检查 | 血清图像中的血凝块和纤维蛋白 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 13,230个临床血清样本 | NA | 改进的UNeXt | Dice系数, 灵敏度, 特异性, 准确率 | NA |
| 596 | 2026-04-20 |
Automated volumetric assessment of pituitary adenoma
2024-01, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-023-03529-x
PMID:37749388
|
研究论文 | 本文开发了一种基于深度学习的自动化垂体腺瘤体积评估管道，用于术前和术后的肿瘤分割与体积测量 | 利用卷积神经网络集成实现垂体腺瘤的自动化分割与体积评估，旨在替代耗时且一致性差的手动分割方法 | 术后残留肿瘤的检测性能较低，需要更大规模、更多样化的数据集和更精细的模型来提升效果 | 开发自动化工具以客观、快速地评估垂体腺瘤的体积和切除范围 | 垂体腺瘤患者 | 数字病理学 | 垂体腺瘤 | MRI | CNN | 图像 | 193个图像集用于训练，20个用于验证 | NA | 卷积神经网络集成 | Dice分数, Jaccard分数, 95百分位Hausdorff距离, Pearson相关系数, 敏感性, 特异性 | NA |
| 597 | 2026-04-18 |
Global Land Use Change and Its Impact on Greenhouse Gas Emissions
2024-12, Global change biology
IF:10.8Q1
DOI:10.1111/gcb.17604
PMID:39614423
|
研究论文 | 本文通过合成29年全球历史数据，利用结构方程模型和深度学习模型，分析了全球土地利用变化对温室气体排放的影响，并预测了未来排放趋势 | 结合长期全球历史数据，首次使用结构方程模型量化土地利用与温室气体排放的关联，并应用深度学习模型进行未来排放预测 | 模型预测基于当前趋势延续假设，未考虑未来可能出现的突发性政策、技术或自然变化 | 探究全球土地利用变化对温室气体排放的影响，并预测未来排放情景 | 全球陆地表面，包括人工表面、农田、牧场、森林和荒地等土地利用类型 | 环境科学 | NA | 结构方程建模，深度学习 | 深度学习模型 | 时间序列数据，空间数据 | 29年全球历史数据 | NA | NA | NA | NA |
| 598 | 2026-04-18 |
Detection and prioritization of COVID-19 infected patients from CXR images: Analysis of AI-assisted diagnosis in clinical settings
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.045
PMID:39734754
|
研究论文 | 本文介绍了基于人工智能的Covid放射成像系统（Co.R.S.A.）项目的研究成果，旨在通过胸部X光图像诊断新冠肺炎 | 提出了一个基于两步法的检测模型，结合客观放射学发现提供可靠结果；开发了患者优先级排序方案，确保重症病例优先处理；并进行了临床验证和偏差分析以增强AI系统的可信度 | 未明确说明模型在外部数据集上的泛化能力，以及可能存在的样本选择偏差 | 开发用于新冠肺炎诊断和患者优先级排序的AI系统，并评估其在临床环境中的实际效益 | 新冠肺炎患者的胸部X光图像 | 计算机视觉 | 新冠肺炎 | 胸部X光成像 | 深度学习 | 图像 | 未明确说明具体样本数量，但提及了公开的CORDA数据集 | 未明确说明 | 未明确说明具体架构，但提及基于两步法 | 准确性、时间效率 | 未明确说明 |
| 599 | 2026-04-18 |
Leveraging anatomical constraints with uncertainty for pneumothorax segmentation
2024-Dec, Health care science
DOI:10.1002/hcs2.119
PMID:39735285
|
研究论文 | 本文提出了一种结合解剖学约束和不确定性的深度学习方法，用于在二维胸部X光片上分割气胸病变 | 创新性地将“肺+空间”作为解剖学约束引入深度学习模型训练，并利用外部数据集和辅助任务生成约束，同时通过判别器消除不可靠约束，提高了气胸分割的准确性和鲁棒性 | 方法依赖于外部数据集进行辅助任务，可能受领域偏移影响；未在更多疾病或更广泛数据集上验证通用性 | 通过结合医学领域知识，提升深度学习模型在气胸病变分割任务中的性能 | 二维胸部X光片中的气胸病变区域 | 计算机视觉 | 气胸 | 深度学习 | CNN | 图像 | NA | NA | U-Net, LinkNet, PSPNet, VGG-11, MobileOne-S0 | 交并比, Dice相似系数, Hausdorff距离 | NA |
| 600 | 2026-04-18 |
Use of Deep Learning to Identify Peripheral Arterial Disease Cases From Narrative Clinical Notes
2024-11, The Journal of surgical research
IF:1.8Q2
DOI:10.1016/j.jss.2024.09.062
PMID:39454287
|
研究论文 | 本研究利用深度学习技术从电子健康记录的非结构化临床笔记中识别外周动脉疾病患者 | 采用基于BioMed-RoBERTa的深度学习模型，相比传统关键词搜索方法，在识别PAD病例方面表现出更优性能 | 研究依赖于已有的诊断或程序编码作为真实标签，可能无法完全捕获未确诊的PAD患者 | 开发一种从临床叙事文本中自动识别外周动脉疾病患者的替代方法 | 电子健康记录中的非结构化临床笔记 | 自然语言处理 | 心血管疾病 | 自然语言处理 | Transformer | 文本 | 71,355名患者的484,363次就诊记录，包含2,268,062条笔记 | PyTorch, Hugging Face Transformers | BioMed-RoBERTa | 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率 | NA |