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 12105 篇文献，本页显示第 1341 - 1360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1341 | 2025-10-06 |
A Review of Artificial Intelligence in Brachytherapy
2024-Sep-25, ArXiv
PMID:39398213
|
综述 | 本文全面回顾了人工智能在近距离放射治疗中的应用现状与发展前景 | 系统地将AI在近距离放疗中的应用分为七个主要类别，并按癌症类型或具体任务进行细分，提供了详细的模型、数据规模和结果总结 | 作为综述文章，主要基于现有文献分析，未开展原始实验研究 | 探讨人工智能如何优化近距离放射治疗的临床工作流程 | 近距离放射治疗中的人工智能应用 | 医学人工智能 | 癌症治疗 | 机器学习、深度学习 | NA | 医学影像、治疗计划数据、临床结果数据 | NA | NA | NA | NA | NA |
| 1342 | 2025-10-06 |
Protocol for performing deep learning-based fundus fluorescein angiography image analysis with classification and segmentation tasks
2024-09-20, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103134
PMID:38900632
|
研究论文 | 提出基于深度学习的眼底荧光血管造影图像分析协议，包含分类和分割任务 | 开发了从诊断到缺血性视网膜疾病治疗建议的完整流程协议 | NA | 建立眼底荧光血管造影图像的深度学习分析流程 | 眼底荧光血管造影图像 | 计算机视觉 | 缺血性视网膜疾病 | 眼底荧光血管造影 | 深度学习 | 图像 | NA | Python | NA | NA | NA |
| 1343 | 2025-10-06 |
Other possible perspectives for solving the negative outcome penalty paradox in the application of artificial intelligence in clinical diagnostics
2024-12-23, Journal of medical ethics
IF:3.3Q1
DOI:10.1136/jme-2024-109968
PMID:38871400
|
评论 | 探讨解决人工智能在临床诊断应用中负面结果惩罚悖论的其他可能视角 | 提出三种新视角（改变公众认知、重新设计临床实践流程、引入更多利益相关者）来解决AI临床诊断中的负面结果惩罚悖论 | NA | 探讨如何更有效地将人工智能整合到临床实践中，解决负面结果惩罚悖论 | 人工智能在临床诊断中的应用 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1344 | 2025-10-06 |
Using dynamic spatio-temporal graph pooling network for identifying autism spectrum disorders in spontaneous functional infrared spectral sequence signals
2024-09, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110157
PMID:38705284
|
研究论文 | 使用动态时空图池化网络从自发功能近红外光谱序列信号中识别自闭症谱系障碍 | 首次将动态图构建应用于fNIRS数据挖掘，通过动态特征提取获取时空相关性，并利用时空图池化提升网络信息提取能力 | NA | 探索脑通道间动态连接关系对自闭症分类的影响，比较ASD和TD的脑通道连接图 | 自闭症谱系障碍患者和典型发育个体的自发功能近红外光谱序列信号 | 医学图像分析 | 自闭症谱系障碍 | 功能近红外光谱 | 图神经网络 | 功能近红外光谱序列信号 | NA | NA | 动态时空图池化神经网络 | 准确率 | NA |
| 1345 | 2025-10-06 |
Brain-computer interfaces inspired spiking neural network model for depression stage identification
2024-09, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110203
PMID:38880343
|
研究论文 | 提出一种受脑机接口启发的脉冲神经网络模型，用于基于脑电信号的抑郁症阶段识别 | 结合脑机接口理念构建脉冲神经网络模型，相比传统深度学习方法具有更高的生理可解释性和更低的能耗 | 未明确说明样本量大小和研究人群特征，缺乏多中心验证 | 开发基于脑电信号的抑郁症辅助诊断方法 | 抑郁症患者和健康个体的脑电信号 | 脑机接口 | 抑郁症 | 脑电图(EEG) | 脉冲神经网络(SNN) | 脑电信号图像 | NA | NA | 脉冲神经网络 | 准确率 | NA |
| 1346 | 2025-10-06 |
EEG-based motor imagery channel selection and classification using hybrid optimization and two-tier deep learning
2024-09, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110215
PMID:38968976
|
研究论文 | 提出一种基于脑电图的运动想象通道选择和分类方法，结合混合优化算法和双层深度学习架构 | 引入战争策略优化和黑猩猩优化算法的混合优化方法，并设计包含CNN和改良深度神经网络的双层深度学习架构 | NA | 提高基于运动想象的脑机接口系统的分类准确性和鲁棒性 | 脑电图信号和运动想象任务 | 机器学习 | 运动障碍 | 脑电图 | CNN, DNN | 脑电图信号 | NA | NA | CNN, M-DNN | 准确率, 精确率 | NA |
| 1347 | 2025-10-06 |
Adoption of deep learning-based magnetic resonance image information diagnosis in brain function network analysis of Parkinson's disease patients with end-of-dose wearing-off
2024-09, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110184
PMID:38838748
|
研究论文 | 本研究采用基于卷积神经网络的fMRI数据分类模型分析帕金森病患者剂末现象的大脑功能网络变化 | 改进了卷积核参数初始化方法，使用受限玻尔兹曼机结构进行参数初始化 | 样本量相对有限，仅包含100名帕金森病患者 | 分析帕金森病患者剂末现象的大脑功能网络特征 | 帕金森病患者（包括有和无剂末现象的两组） | 医学影像分析 | 帕金森病 | 功能磁共振成像 | CNN | fMRI图像数据 | 100名帕金森病患者（39名无剂末现象，61名有剂末现象） | GRETNA工具箱 | 基于受限玻尔兹曼机改进的CNN架构 | betweenness centrality, degree centrality, global efficiency, local efficiency | NA |
| 1348 | 2025-10-06 |
Multi-scale self-attention approach for analysing motor imagery signals in brain-computer interfaces
2024-08, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110182
PMID:38795979
|
研究论文 | 提出一种基于多尺度时空自注意力网络的运动想象脑电信号四分类方法 | 采用空间自注意力机制筛选有效通道，结合多尺度时序卷积网络提取时域特征 | NA | 提高运动想象脑电信号的分类准确率 | 运动想象脑电信号（左手、右手、脚部、舌头/休息四类） | 脑机接口 | NA | 脑电图 | 自注意力网络, 时序卷积网络 | 脑电信号 | BCI Competition IV-2b数据集和HGD数据集的IV-2a、IV-2b数据集 | NA | 多尺度时空自注意力网络 | 准确率 | NA |
| 1349 | 2025-10-06 |
Combining Artificial Intelligence and Simplified Image Processing for the Automatic Detection of Mycobacterium tuberculosis in Acid-fast Stain : A Cross-institute Training and Validation Study
2024-Jul-01, The American journal of surgical pathology
DOI:10.1097/PAS.0000000000002223
PMID:38595262
|
研究论文 | 开发结合人工智能和简化图像处理的自动化结核分枝杆菌检测平台 | 结合图像处理技术与改进的EfficientNet模型，能有效识别染色伪影和污染物，实现跨机构验证 | 仅在两所医院进行训练和验证，样本来源有限 | 提高结核病检测的准确性和效率 | 抗酸染色中的结核分枝杆菌 | 数字病理学 | 结核病 | 抗酸染色 | CNN | 图像 | 来自2家医院的全切片图像 | NA | EfficientNet | 准确率, 检测率 | 高性能计算系统 |
| 1350 | 2025-10-06 |
Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique
2024-06-21, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103066
PMID:38748882
|
研究论文 | 提出使用可解释深度学习技术moETM进行高维单细胞多模态数据整合分析的协议 | 开发了可解释的深度学习技术moETM，能够整合单细胞多组学数据并包含先验通路知识 | NA | 建立单细胞多模态数据整合分析的标准流程 | 骨髓单核细胞的多组学数据 | 机器学习 | NA | 单细胞多组学测序 | 深度学习 | 单细胞多模态数据 | GSE194122数据集中的骨髓单核细胞 | NA | moETM | NA | NA |
| 1351 | 2025-10-06 |
A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching
2024-06-21, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103067
PMID:38748883
|
研究论文 | 提出一种基于动态批处理对抗自编码器的深度学习框架，用于单细胞RNA测序数据的去噪和排序 | 首次将动态批处理技术与对抗自编码器结合应用于scRNA-seq数据去噪 | NA | 开发单细胞RNA测序数据的去噪和排序方法 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序(scRNA-seq) | 对抗自编码器(AAE) | 基因表达数据 | NA | NA | 对抗自编码器 | NA | NA |
| 1352 | 2025-10-06 |
Machine and deep learning models for accurate detection of ischemia and scar with myocardial blood flow positron emission tomography imaging
2024-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2024.101797
PMID:38185409
|
研究论文 | 比较传统统计、机器学习和深度学习模型在仅使用静息和负荷心肌血流值诊断冠状动脉疾病的能力 | 首次系统比较传统统计、机器学习和深度学习在心肌血流PET成像中对缺血和瘢痕的检测性能 | 仅基于静息和负荷MBF值进行分析，未整合其他临床特征 | 开发准确检测心肌缺血和瘢痕的机器学习模型 | 冠状动脉疾病患者 | 机器学习 | 心血管疾病 | 铷-82正电子发射断层扫描 | 逻辑回归, LASSO逻辑回归, 支持向量机, 随机森林, 多层感知机, CNN | 医学影像数据 | 3245个静息和负荷PET研究 | NA | U-Net | AUC | NA |
| 1353 | 2025-06-08 |
Chinese Clinical Named Entity Recognition With Segmentation Synonym Sentence Synthesis Mechanism: Algorithm Development and Validation
2024-11-21, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/60334
PMID:39622697
|
研究论文 | 本文提出了一种基于邻近词计算的临床命名实体识别数据集增强算法，以解决数据稀缺和标注困难的问题 | 提出了一种基于邻近词汇的分段同义句合成（SSSS）算法，无需手动扩展专业领域词典，通过词汇分段和重组实现数据集的邻近扩展表达 | 算法依赖于现有公共知识，可能无法覆盖所有专业领域的词汇 | 解决临床命名实体识别任务中的数据稀缺和标注困难问题 | 电子病历文本中的命名实体 | 自然语言处理 | NA | RoBERTa, CRF, BiLSTM | SSSS + RoBERTa + CRF, SSSS + RoBERTa + BiLSTM + CRF | 文本 | CCKS-2017和CCKS-2019数据集 | NA | NA | NA | NA |
| 1354 | 2025-10-06 |
Bidirectional Long Short-Term Memory-Based Detection of Adverse Drug Reaction Posts Using Korean Social Networking Services Data: Deep Learning Approaches
2024-11-20, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/45289
PMID:39565685
|
研究论文 | 本研究开发了一种基于双向长短期记忆网络的深度学习模型，用于从韩国社交网络服务数据中自动检测药物不良反应帖子 | 首次针对韩语SNS数据开发了基于Bi-LSTM的药物不良反应检测模型，并提出了从药物名称-不良反应词对关联分析到模型构建的完整流程 | 研究仅针对两种非甾体抗炎药进行验证，模型在其他药物类型上的泛化能力需要进一步验证 | 开发能够自动监测药物不良反应的深度学习分类模型 | 韩国社交网络服务中的药物相关信息帖子 | 自然语言处理 | 药物不良反应 | 自然语言处理, 关联分析 | Bi-LSTM | 文本 | 2005年至2020年期间的博客帖子、咖啡馆帖子和NAVER问答帖子 | NA | Bidirectional Long Short-Term Memory | 准确率, AUC | NA |
| 1355 | 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 |
| 1356 | 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 |
| 1357 | 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 |
| 1358 | 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 |
| 1359 | 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 |
| 1360 | 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 |