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 841 - 860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 841 | 2025-12-03 |
A Protocol for Body MRI/CT and Extraction of Imaging-Derived Phenotypes (IDPs) from the China Phenobank Project
2024-Dec, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-023-00141-x
PMID:40061820
|
研究论文 | 本研究基于中国表型银行项目，提出了一套针对多器官的体部成像协议及相应的图像处理流程 | 首次在基于人群的队列研究中，为心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多个器官，制定了标准化的体部成像协议和深度学习分割模型驱动的图像处理流程 | 未提供具体的性能验证数据或临床应用结果，且协议可能受限于特定成像设备和人群 | 为基于中国表型银行项目平台的研究提供体部成像和图像处理的参考标准 | 心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多个器官 | 数字病理学 | NA | 心脏磁共振成像、计算机断层扫描、腹部磁共振成像、盆腔磁共振成像 | 深度学习分割模型 | 图像 | NA | NA | NA | NA | NA |
| 842 | 2025-12-03 |
Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review
2024-Dec, iRadiology
DOI:10.1002/ird3.99
PMID:40453356
|
综述 | 本文对应用于前列腺癌骨转移影像的定量方法（包括影像组学、机器学习和深度学习）进行了范围综述 | 针对前列腺癌骨转移影像分析领域，整合了来自影像组学、机器学习和深度学习等多个领域的定量方法，并提供了临床见解，填补了文献中关于不同方法和未来方向的详细分析空白 | NA | 回顾并分析应用于前列腺癌骨转移影像的定量方法，以期为临床管理提供支持 | 前列腺癌骨转移的影像数据 | 数字病理学 | 前列腺癌 | 影像组学, 机器学习, 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 843 | 2025-12-03 |
Quantum-to-Classical Neural Network Transfer Learning Applied to Drug Toxicity Prediction
2024-Jun-11, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00432
PMID:38795030
|
研究论文 | 本文提出了一种混合量子-经典神经网络，用于预测药物毒性，并通过量子电路设计模拟经典神经行为，以降低计算复杂度 | 利用Hadamard测试而非传统的交换测试进行高效内积估计，将量子比特数量减半，并避免了量子相位估计的需求 | 未明确讨论模型在更大规模数据集上的泛化能力或实际量子硬件中的噪声影响 | 开发一种结合量子计算优势的药物毒性预测模型，以降低计算复杂度并提升可扩展性 | 药物毒性预测，特别是针对Tox21数据集中的化合物 | 机器学习 | NA | 量子计算，深度学习 | 混合量子-经典神经网络 | 化学数据（来自Tox21数据集） | NA | NA | 混合量子-经典神经网络 | 预测准确性 | 量子与经典计算设备结合 |
| 844 | 2025-12-03 |
A deep learning system for predicting time to progression of diabetic retinopathy
2024-02, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-023-02742-5
PMID:38177856
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 845 | 2025-12-03 |
A deep learning system for predicting time to progression of diabetic retinopathy
2024-02, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-023-02702-z
PMID:38177850
|
研究论文 | 本文开发并验证了一个深度学习系统（DeepDR Plus），用于仅基于眼底图像预测糖尿病视网膜病变在5年内的进展时间 | 开发了首个基于深度学习预测糖尿病视网膜病变进展时间的系统，仅使用眼底图像，无需额外临床数据，并展示了在真实世界队列中的验证和个性化筛查间隔的潜力 | 未明确提及模型的可解释性、跨不同医疗中心的泛化能力或长期随访数据的局限性 | 预测糖尿病视网膜病变的进展时间，以实现个性化筛查间隔 | 糖尿病患者及其眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底成像 | 深度学习系统 | 图像 | 预训练使用179,327名参与者的717,308张眼底图像；训练和验证使用29,868名参与者的118,868张眼底图像 | NA | NA | 一致性指数, 集成Brier分数 | NA |
| 846 | 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 |
| 847 | 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 |
| 848 | 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 |
| 849 | 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 |
| 850 | 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 |
| 851 | 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 |
| 852 | 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 |
| 853 | 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 |
| 854 | 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 |
| 855 | 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 |
| 856 | 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 |
| 857 | 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 |
| 858 | 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 |
| 859 | 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 |
| 860 | 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 |