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 921 - 940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2025-06-07 |
Toward trustable use of machine learning models of variant effects in the clinic
2024-Dec-05, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2024.10.011
PMID:39561772
|
研究论文 | 本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响 | 提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用 | 现有模型验证和校准策略仍存在重要局限性 | 提高临床变异注释的可靠性和影响力，以指导诊断和治疗 | 蛋白质编码基因中的错义替换 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 922 | 2025-10-06 |
Designing Clinical MRI for Enhanced Workflow and Value
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29038
PMID:37795927
|
综述 | 探讨通过优化MRI工作流程提升临床价值和效率的策略与方法 | 提出结合数字化工具、加速成像技术和建筑设计策略的系统性MRI工作流程优化方案 | 主要基于作者实践经验，缺乏具体数据支持 | 优化临床MRI工作流程以提升医疗价值和效率 | MRI检查流程和相关医疗系统 | 医学影像 | NA | MRI, 深度学习加速图像重建 | NA | 医学影像数据 | NA | NA | NA | NA | NA |
| 923 | 2025-10-06 |
Global and Regional Deep Learning Models for Multiple Sclerosis Stratification From MRI
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29046
PMID:37803817
|
研究论文 | 本研究比较了全脑输入采样策略与区域/特定组织策略在基于MRI对多发性硬化症患者进行残疾水平分层中的性能差异 | 首次系统比较了全脑输入策略与针对已知残疾累积相关区域的局部策略在MS患者分层中的效果 | 回顾性研究设计，样本量相对有限，仅使用单一供应商的MRI设备 | 比较不同MRI输入策略对多发性硬化症患者残疾水平分层的性能影响 | 多发性硬化症患者的脑部MRI扫描数据 | 医学影像分析 | 多发性硬化症 | 磁共振成像 | CNN | 3D脑部MRI图像 | 319名MS患者（382次脑部MRI扫描）的内部数据集和440名来自多个中心的MS患者的外部验证队列 | NA | 3D-CNN | 平衡准确度, 敏感度, 特异度, AUC | NA |
| 924 | 2025-10-06 |
Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29058
PMID:37846440
|
研究论文 | 本研究开发了深度学习和影像组学模型，用于自动评估乳腺密度并减少观察者间差异 | 结合深度学习和影像组学方法，通过AI辅助判读显著提高了乳腺密度评估的一致性 | 回顾性研究设计，样本量相对有限（621例患者） | 评估人工智能辅助判读在减少乳腺密度评估观察者间差异方面的可行性 | 621名无乳房假体或重建的患者 | 医学影像分析 | 乳腺癌 | MRI成像，T1加权光谱衰减反转恢复序列 | 深度学习，影像组学 | MRI图像 | 621例患者（训练集377例，验证集98例，独立测试集146例） | NA | NA | kappa统计量，准确率，AUC | NA |
| 925 | 2025-10-06 |
Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29064
PMID:37888871
|
研究论文 | 本研究开发了一种基于转移性血管模式的磁共振深度学习放射组学模型，用于评估肝细胞癌患者的无复发生存期 | 首次结合VETC和MVI两种转移性血管模式构建深度学习模型评估HCC患者预后 | 回顾性研究设计，样本量相对有限，需要多中心前瞻性验证 | 构建和比较与肝细胞癌无复发生存期相关的VETC-MVI模型 | 398例接受切除术的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 磁共振成像 | 深度学习模型 | 医学影像 | 398例HCC患者（训练队列358例，测试队列40例） | NA | NA | C-index, AUC | NA |
| 926 | 2024-08-07 |
Editorial for "Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma"
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29063
PMID:37818933
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 927 | 2024-08-07 |
Editorial for "Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability"
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29059
PMID:37818764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 928 | 2025-10-06 |
Scan-Specific Self-Supervised Bayesian Deep Non-Linear Inversion for Undersampled MRI Reconstruction
2024-06, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3364911
PMID:38335079
|
研究论文 | 提出一种无需外部数据集的扫描特异性自监督贝叶斯深度非线性反演方法，用于欠采样MRI重建 | 无需自动校准扫描区域，结合深度图像先验生成建模和近似贝叶斯推理来正则化深度卷积神经网络 | NA | 开发无需外部数据集的欠采样MRI重建方法 | 多部位解剖结构、对比度和采样模式的MRI数据 | 医学影像重建 | NA | 磁共振成像 | CNN | 医学影像 | NA | NA | 深度图像先验 | NA | NA |
| 929 | 2025-06-07 |
Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism
2024-Mar-11, Future cardiology
IF:1.6Q3
DOI:10.1080/14796678.2024.2354082
PMID:39049767
|
研究论文 | 本研究探讨了训练数据特性对深度学习模型在心电图异常检测中泛化性能的影响，并引入了注意力机制以提高泛化能力 | 揭示了平衡数据集（仅占大型数据集的1%）在泛化任务中的等效性能，以及注意力机制对模型泛化能力的进一步优化 | 未提及具体的心电图异常类型或模型在其他医疗领域的泛化能力 | 研究训练数据特性对深度学习模型泛化性能的影响，并探索提高模型泛化能力的方法 | 心电图数据集和深度学习模型 | 机器学习 | 心血管疾病 | 深度学习 | 带有注意力机制的深度学习模型 | 心电图数据 | 多个心电图数据集（具体数量未提及） | NA | NA | NA | NA |
| 930 | 2025-06-07 |
Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy
2024, Theranostics
IF:12.4Q1
DOI:10.7150/thno.100298
PMID:39479453
|
research paper | 该研究开发了一种基于深度学习和表面增强拉曼光谱（SERS）的方法，用于实时监测单个树突状细胞（DC）的成熟状态 | 结合Au@CpG@PEG纳米颗粒作为自报告纳米疫苗，利用无标记SERS策略和深度学习CNN算法，实现了对DC成熟状态的动态实时检测，准确率超过98.92% | 未提及具体样本量或实验重复次数，可能影响结果的普遍性 | 开发一种实时监测单个树突状细胞成熟状态的方法，以预测免疫系统激活、评估疫苗效果和免疫治疗有效性 | 树突状细胞（DC） | digital pathology | NA | 表面增强拉曼光谱（SERS） | CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 931 | 2025-06-06 |
Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review
2024-Dec, iRadiology
DOI:10.1002/ird3.99
PMID:40453356
|
review | 本文综述了人工智能和放射组学在前列腺癌骨转移影像分析中的应用 | 综合分析了放射组学、机器学习和深度学习在前列腺癌骨转移影像分析中的应用，并提出了未来研究方向 | 文献中缺乏对各种方法的详细分析和未来方向的深入探讨 | 探讨定量方法在前列腺癌骨转移影像分析中的应用及其临床意义 | 前列腺癌骨转移的影像数据 | digital pathology | prostate cancer | radiomics, machine learning, deep learning | NA | image | NA | NA | NA | NA | NA |
| 932 | 2025-06-06 |
DEEP LEARNING FOR AUTOMATIC PREDICTION OF EARLY ACTIVATION OF TREATMENT-NAIVE NONEXUDATIVE MACULAR NEOVASCULARIZATIONS IN AGE-RELATED MACULAR DEGENERATION
2024-08-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004106
PMID:38489765
|
research paper | 本研究开发了一种基于光学相干断层扫描（OCT）和OCT血管成像（OCTA）的深度学习分类器，用于预测年龄相关性黄斑变性患者中非渗出性黄斑新生血管的早期渗出风险 | 首次结合OCT和OCTA图像分析，使用多种CNN模型（ResNet-101、Inception-ResNet-v2和DenseNet-201）进行预测，并通过多数投票和软投票技术提升性能 | 样本量相对较小（89例患者），且为回顾性研究 | 开发AI工具预测非渗出性黄斑新生血管的早期渗出风险 | 年龄相关性黄斑变性患者的非渗出性黄斑新生血管 | digital pathology | age-related macular degeneration | OCT, OCTA | CNN (ResNet-101, Inception-ResNet-v2, DenseNet-201) | image | 89例患者（35例渗出组，54例非渗出组） | NA | NA | NA | NA |
| 933 | 2025-06-06 |
AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING
2024-06-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004049
PMID:38261816
|
研究论文 | 本研究开发了一种基于深度学习的算法，用于自动检测和分级超广角眼底照片中的玻璃体炎 | 首次利用超广角眼底成像和深度学习技术进行玻璃体炎的自动检测和分级 | 六分类玻璃体炎分级的准确性有限（0.61），可能需要更大样本量来提高模型性能 | 评估深度学习算法在超广角成像上自动检测和分级玻璃体炎的性能 | 葡萄膜炎患者的超广角眼底视网膜照片 | 数字病理 | 葡萄膜炎 | 超广角眼底成像 | DenseNet121 CNN | 图像 | 1181张图像 | NA | NA | NA | NA |
| 934 | 2025-06-06 |
OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment
2024-06, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2024.152420
PMID:38422727
|
研究论文 | 本文通过OMERACT过滤器评估深度学习算法在膝关节积液自动绝对量化中的应用 | 首次使用深度学习算法对膝关节积液进行自动绝对量化，并与人工半定量评估进行对比 | 需要进一步评估算法的区分能力和与临床结果的一致性，以完全满足OMERACT过滤器的要求 | 评估深度学习算法在膝关节积液量化中的有效性 | 53名OAI受试者的膝关节MRI数据 | 数字病理学 | 骨关节炎 | 深度学习 | DL算法 | MRI图像 | 53名受试者 | NA | NA | NA | NA |
| 935 | 2025-06-06 |
OCTess: AN OPTICAL CHARACTER RECOGNITION ALGORITHM FOR AUTOMATED DATA EXTRACTION OF SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY REPORTS
2024-04-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000003990
PMID:37948741
|
研究论文 | 开发了一种名为OCTess的光学字符识别算法，用于从Cirrus SD-OCT黄斑立方体报告中自动提取数据 | 结合了Tesseract OCR库和LSTM深度学习技术，实现了近乎完美的数据提取准确率，且在效率上超越了人工操作 | 研究仅基于单中心数据库，可能限制了算法的泛化能力 | 开发自动化工具以减少人工提取SD-OCT报告的时间和资源消耗 | SD-OCT单眼黄斑立方体报告 | 计算机视觉 | 眼科疾病 | 光学字符识别(OCR)，深度学习 | LSTM | 图像 | 675份SD-OCT报告（训练集125份，测试集550份） | NA | NA | NA | NA |
| 936 | 2025-10-06 |
ImmuneApp for HLA-I epitope prediction and immunopeptidome analysis
2024-10-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53296-0
PMID:39414796
|
研究论文 | 开发了用于HLA-I表位预测和免疫肽组分析的深度学习框架ImmuneApp | 提出可解释的深度学习框架，整合单等位基因和多等位基因数据，开发了更准确的模型反卷积方法 | NA | 改进HLA-I表位预测和新表位优先排序，促进新型新抗原发现和免疫疗法开发 | HLA配体数据集和免疫肽组样本 | 机器学习 | NA | 质谱分析，免疫肽组学 | 深度学习 | HLA配体数据，免疫肽组数据 | 216个多等位基因免疫肽组样本，835,551个配体，覆盖100多种HLA-I等位基因 | NA | 复合模型(ImmuneApp-MA, ImmuneApp-Neo) | 预测性能，免疫原性预测准确性 | NA |
| 937 | 2025-10-06 |
Protein complex structure modeling by cross-modal alignment between cryo-EM maps and protein sequences
2024-10-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53116-5
PMID:39394203
|
研究论文 | 提出一种通过冷冻电镜图谱与蛋白质序列跨模态对齐实现蛋白质复合物结构建模的全自动方法EModelX | 首次实现无需先验链分离的冷冻电镜蛋白质复合物建模，通过跨模态对齐解决链分离错误累积问题 | 未明确说明方法对低分辨率冷冻电镜数据的适用性 | 开发全自动蛋白质复合物结构建模方法 | 蛋白质复合物结构 | 计算生物学 | NA | 冷冻电镜(cryo-EM) | 多任务深度学习 | 冷冻电镜图谱、蛋白质序列 | NA | NA | NA | RMSD, TM-score | NA |
| 938 | 2025-10-06 |
MATES: a deep learning-based model for locus-specific quantification of transposable elements in single cell
2024-10-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53114-7
PMID:39394211
|
研究论文 | 提出一种基于深度学习的模型MATES，用于在单细胞水平上实现转座子元件的位点特异性定量 | 利用侧翼相邻读段比对信息，将多定位读段准确分配到转座子特定位点，克服现有方法仅能在亚家族水平分类的局限 | 未明确说明模型在非转录组学单细胞数据上的具体应用限制 | 开发能够精确量化转座子元件位点特异性的单细胞分析方法 | 转座子元件及其在单细胞中的表达 | 机器学习 | NA | 单细胞组学 | 深度学习 | 基因组测序数据 | NA | NA | NA | 定量准确性 | NA |
| 939 | 2025-10-06 |
Determinants of Visual Impairment Among Chinese Middle-Aged and Older Adults: Risk Prediction Model Using Machine Learning Algorithms
2024-10-09, JMIR aging
IF:5.0Q1
DOI:10.2196/59810
PMID:39382570
|
研究论文 | 本研究使用机器学习算法预测中国中老年人视觉损伤风险并识别关键影响因素 | 首次在中国普通中老年人群中应用多种机器学习算法预测视觉损伤风险，并采用堆叠集成方法提高预测性能 | 研究基于中国健康与养老追踪调查数据，可能存在选择偏倚，且模型性能仍有提升空间 | 预测中国中老年人视觉损伤风险并识别关键决定因素 | 中国中老年人群（来自CHARLS调查的19,047名参与者） | 机器学习 | 视觉损伤 | 问卷调查、体格检查、血液生物标志物检测 | 梯度提升机, 分布式随机森林, 广义线性模型, 深度学习, 堆叠集成 | 结构化健康数据 | 19,047名参与者（来自2011-2018年四轮CHARLS调查） | NA | 堆叠集成 | AUC, 校准曲线 | NA |
| 940 | 2025-10-06 |
Spach Transformer: Spatial and Channel-Wise Transformer Based on Local and Global Self-Attentions for PET Image Denoising
2024-06, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3336237
PMID:37995174
|
研究论文 | 提出一种基于局部和全局自注意力的空间和通道变换器用于PET图像去噪 | 设计了一种高效的编码器-解码器变换器架构，能够同时利用空间和通道信息，通过局部和全局多头自注意力机制解决传统CNN感受野有限的问题 | NA | 提高PET图像质量，改善信噪比 | PET图像 | 计算机视觉 | NA | PET成像 | Transformer | 3D医学图像 | 使用多种PET示踪剂数据集：18F-FDG、18F-ACBC、18F-DCFPyL和68Ga-DOTATATE | NA | Spach Transformer | NA | NA |