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 12186 篇文献，本页显示第 1821 - 1840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1821 | 2025-10-07 |
Detection and position evaluation of chest percutaneous drainage catheter on chest radiographs using deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305859
PMID:39133733
|
研究论文 | 开发基于深度学习的算法，用于在胸部X光片上自动检测经皮胸腔引流导管并评估导管位置 | 首次将深度学习应用于胸腔引流导管的自动检测和位置评估 | 回顾性研究，样本量相对有限（1217张X光片） | 开发自动检测和评估胸腔引流导管位置的AI算法 | 胸腔引流导管及其位置 | 计算机视觉 | 胸腔疾病 | 胸部X光摄影 | 深度学习 | 医学影像 | 1217张胸部X光片（960名患者），其中937张位置正确，280张位置错误 | NA | NA | 准确率, 敏感性, 特异性, mAP50, 精确率, 召回率 | NA |
| 1822 | 2025-05-28 |
A Novel Sentence Transformer-based Natural Language Processing Approach for Schema Mapping of Electronic Health Records to the OMOP Common Data Model
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417570
|
research paper | 该研究开发了一种基于Sentence Transformer的自然语言处理方法，用于将电子健康记录（EHR）中的药物相关概念映射到OMOP通用数据模型（CDM）中的标准概念 | 提出了一种基于transformer的NLP模型，在EHR到OMOP CDM的标准化映射任务中表现优于现有方法，包括最先进的大型语言模型和广泛使用的模式映射软件 | 仅针对药物相关概念进行了验证，未涉及其他类型的EHR数据 | 开发自动化方法以实现电子健康记录到通用数据模型的标准化映射 | 电子健康记录中的药物相关概念 | natural language processing | NA | transformer-based NLP | Sentence Transformer | text | 2个大型公开数据集，包括200种最常见药物和200种随机药物的映射验证 | NA | NA | NA | NA |
| 1823 | 2025-10-07 |
Physician Assistant Educators' Production Blueprint for Video Pedagogy
2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association
DOI:10.1097/JPA.0000000000000592
PMID:38684095
|
研究论文 | 本文提出了基于验证教学实践的医师助理教育视频制作蓝图 | 结合认知负荷理论为医师助理教育开发专门的视频制作蓝图 | 基于文献综述和作者经验，缺乏实证研究验证 | 改进医师助理教育中的视频制作实践以提升学习效果 | 医师助理教育者和学生 | 教育技术 | NA | 视频教学法 | NA | 教学视频 | NA | NA | NA | NA | NA |
| 1824 | 2025-10-07 |
Towards Interpretable End-Stage Renal Disease (ESRD) Prediction: Utilizing Administrative Claims Data with Explainable AI Techniques
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417492
|
研究论文 | 本研究利用行政索赔数据结合可解释AI技术预测慢性肾脏病向终末期肾病的进展 | 首次将LSTM模型与SHAP可解释性分析结合应用于行政索赔数据的ESRD预测，并在24个月观察窗口表现出最优性能 | 数据来源于单一健康保险机构，可能影响模型泛化能力 | 预测慢性肾脏病向终末期肾病的疾病进展 | 慢性肾脏病患者 | 机器学习 | 肾脏疾病 | 行政索赔数据分析 | LSTM, Random Forest, XGBoost | 结构化医疗索赔数据 | 10年期的综合数据集 | NA | LSTM | NA | NA |
| 1825 | 2025-10-07 |
Enhancing Wearable Sensor Data Classification Through Novel Modified- Recurrent Plot-Based Image Representation and Mixup Augmentation
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417521
|
研究论文 | 提出一种基于改进递归图的图像表示方法和Mixup数据增强技术，用于提升可穿戴传感器数据的分类性能 | 开发了结合时域和频域信息的改进递归图图像表示方法，并采用傅里叶变换的频域角度差估计方案 | NA | 提升可穿戴传感器数据的分类性能和领域适应能力 | 加速度计活动识别和实时血糖水平预测 | 机器学习 | NA | 傅里叶变换，递归图，Mixup数据增强 | 深度学习 | 传感器数据，图像表示 | NA | NA | NA | 准确率 | NA |
| 1826 | 2025-10-07 |
Meta-Learning on Augmented Gene Expression Profiles for Enhanced Lung Cancer Detection
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417531
|
研究论文 | 提出一种基于元学习的基因表达谱增强方法用于肺癌检测 | 首次将元学习应用于基因表达谱数据增强，通过多数据集协同优化解决小样本问题 | 依赖多个相关数据集的可获得性，且数据集间可能存在批次效应 | 开发能够在小样本基因表达数据上有效工作的肺癌检测方法 | 肺癌患者的基因表达谱数据 | 机器学习 | 肺癌 | DNA微阵列 | 深度神经网络 | 基因表达谱 | 四个不同数据集（一个目标数据集，三个源数据集） | NA | NA | NA | NA |
| 1827 | 2025-10-07 |
A Large Language Model Outperforms Other Computational Approaches to the High-Throughput Phenotyping of Physician Notes
2024, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:40417529
|
研究论文 | 比较三种计算方法在医生笔记高通量表型分析中的性能，发现大型语言模型表现最佳 | 首次系统比较大型语言模型、深度学习和传统机器学习在医生笔记高通量表型分析中的性能差异 | 仅比较了三种计算方法，可能未涵盖所有现有技术；研究范围限于医生笔记的表型分析 | 评估不同计算方法在电子健康记录高通量表型分析中的效果 | 医生临床笔记 | 自然语言处理 | NA | 高通量表型分析 | LLM, DL, ML | 文本 | NA | NA | GPT-4 | NA | NA |
| 1828 | 2025-10-07 |
Improved noise reduction in photon-counting detector CT using prior knowledge-aware iterative denoising neural network
2024-Dec, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.S1.S12804
PMID:38799270
|
研究论文 | 开发了一种先验知识感知迭代去噪神经网络，用于降低光子计数探测器CT中高分辨率虚拟单能图像中的噪声 | 提出利用低噪声虚拟单能图像作为先验输入，并通过迭代构建精炼训练数据集来提升神经网络去噪性能 | 研究仅包含10例患者数据，样本量有限 | 降低光子计数探测器CT中高分辨率虚拟单能图像的噪声 | 光子计数探测器CT扫描的虚拟单能图像 | 医学影像处理 | 心血管疾病 | CT血管造影 | 神经网络 | 医学影像 | 10例患者冠状动脉CT血管造影检查 | NA | PKAID-Net | 图像噪声、空间细节保留、定量准确性 | NA |
| 1829 | 2025-10-07 |
Local Mean Suppression Filter for Effective Background Identification in Fluorescence Images
2024-Sep-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614955
PMID:39386682
|
研究论文 | 提出一种用于荧光显微镜图像背景识别的非线性滤波器 | 基于局部均值比较的像素级滤波方法，通过变化邻域尺寸生成多重标签并累积决策 | NA | 开发有效的荧光图像背景识别方法 | 具有密集低对比度前景的荧光显微镜图像 | 计算机视觉 | NA | 荧光显微镜成像 | NA | 图像 | NA | Python 3 | 局部均值抑制滤波器 | NA | NA |
| 1830 | 2025-10-07 |
Semi-supervised CT image segmentation via contrastive learning based on entropy constraints
2024-Sep, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00387-y
PMID:39220023
|
研究论文 | 提出一种基于熵约束对比学习的半监督CT图像分割方法 | 融合CNN和Transformer架构，结合熵约束的对比学习机制，通过丢弃高熵值不可靠样本来提升模型性能 | 仅在COVID-19 CT公共数据集上验证，未在其他医学图像数据集测试 | 提高CT图像分割精度，减少对标注数据的依赖 | CT医学图像 | 计算机视觉 | COVID-19 | CT成像 | CNN, Transformer | 图像 | NA | NA | CNN, Transformer, 残差压缩激励模块 | DSC, HD, JC | NA |
| 1831 | 2025-10-07 |
Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle
2024-Apr-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.25.591211
PMID:38712227
|
研究论文 | 开发了一种基于深度学习的成像框架，用于定量研究真核微生物的完整生命周期 | 结合微流控培养、卷积神经网络生命周期阶段特异性分割和新型细胞追踪算法FIEST，首次实现了跨有性繁殖代际的微生物追踪 | 作为原理验证仅应用于单一物种，尚未在其他真核微生物中广泛验证 | 建立定量研究完整真核生命周期的成像方法 | 真核微生物（酵母） | 计算机视觉 | NA | 显微成像、微流控培养、荧光报告系统 | CNN | 显微图像、视频 | 跨三个有性繁殖代际的单细胞微生物 | NA | 卷积神经网络 | NA | NA |
| 1832 | 2025-10-07 |
An explainable longitudinal multi-modal fusion model for predicting neoadjuvant therapy response in women with breast cancer
2024-11-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53450-8
PMID:39511143
|
研究论文 | 开发了一种可解释的纵向多模态融合模型，用于预测乳腺癌患者新辅助治疗反应 | 提出MRP系统模拟真实世界医生评估，整合跨模态知识挖掘和时间信息嵌入策略处理缺失模态数据 | 未明确说明模型在更广泛人群中的泛化能力 | 预测乳腺癌患者新辅助治疗反应 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | 多模态图像分析 | 深度学习模型 | 多模态图像数据 | 多中心研究数据 | NA | 多模态融合模型 | AUROC | NA |
| 1833 | 2025-10-07 |
PACT-3D, a deep learning algorithm for pneumoperitoneum detection in abdominal CT scans
2024-11-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54043-1
PMID:39511229
|
研究论文 | 开发并验证用于腹部CT扫描中气腹检测的深度学习算法PACT-3D | 首个专门针对气腹检测的深度学习模型，在排除少量游离气体病例时灵敏度显著提升至0.92-0.98 | 未提及模型在更广泛医疗机构中的泛化能力验证 | 开发能够准确检测CT扫描中气腹的深度学习模型以改善急诊诊疗流程 | 腹部CT扫描图像 | 计算机视觉 | 气腹 | CT扫描 | 深度学习 | 医学影像 | 远东纪念医院20,390例扫描（训练集14,039+前瞻测试集6,351）+ Cedars-Sinai医学中心480例外部验证 | NA | PACT-3D | 灵敏度, 特异性 | NA |
| 1834 | 2025-10-07 |
Deep learning for rapid analysis of cell divisions in vivo during epithelial morphogenesis and repair
2024-Sep-23, eLife
IF:6.4Q1
DOI:10.7554/eLife.87949
PMID:39312468
|
研究论文 | 开发深度学习管道自动分析上皮组织中细胞分裂的动态特征 | 首次建立能够同时识别细胞分裂事件、确定分裂轴方向并量化分裂前后形状变化的深度学习管道 | 方法主要应用于果蝇蛹翅上皮组织，在其他组织类型中的适用性需要进一步验证 | 开发自动化工具分析上皮组织发育和修复过程中的细胞分裂动态 | 果蝇蛹翅上皮组织 | 计算机视觉 | NA | 延时显微成像 | 深度学习 | 延时显微图像序列 | NA | NA | NA | 准确性 | NA |
| 1835 | 2025-10-07 |
An Exaggeration? Reality?: Can ChatGPT Be Used in Neonatal Nursing?
2024 Apr-Jun 01, The Journal of perinatal & neonatal nursing
IF:1.5Q2
DOI:10.1097/JPN.0000000000000826
PMID:38758263
|
评论 | 探讨ChatGPT在新生儿护理领域的应用潜力与局限性 | 首次系统评估ChatGPT在新生儿护理特定场景（疼痛评估、喂养过程、患者状态判断）中的应用可行性 | 缺乏临床实证研究支持，数据准确性需严格验证，存在未经科学验证结果的风险 | 评估人工智能在新生儿护理领域的应用价值与风险 | 新生儿护理中的疼痛评估、喂养过程和患者状态判断 | 自然语言处理 | 新生儿护理 | 语言建模 | 大型语言模型 | 文本 | NA | OpenAI | ChatGPT | NA | NA |
| 1836 | 2025-05-23 |
A novel deep learning model for obstructive sleep apnea diagnosis: hybrid CNN-Transformer approach for radar-based detection of apnea-hypopnea events
2024-12-11, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsae184
PMID:39115132
|
研究论文 | 本研究开发了一种基于雷达数据的深度学习模型，用于检测阻塞性睡眠呼吸暂停（OSA）中的呼吸暂停-低通气事件 | 采用混合CNN-Transformer架构，结合雷达数据进行OSA诊断，为传统多导睡眠图（PSG）提供了一种成本效益高且易于获取的替代方案 | 研究为单中心前瞻性队列研究，样本量相对较小（开发集54人，测试集35人） | 开发并验证一种用于阻塞性睡眠呼吸暂停诊断的深度学习模型 | 疑似睡眠呼吸障碍的参与者 | 数字病理 | 阻塞性睡眠呼吸暂停 | 雷达数据采集 | 混合CNN-Transformer架构 | 雷达信号数据 | 开发集54人，测试集35人 | NA | NA | NA | NA |
| 1837 | 2025-05-23 |
Deep learning assists detection of esophageal cancer and precursor lesions in a prospective, randomized controlled study
2024-04-17, Science translational medicine
IF:15.8Q1
DOI:10.1126/scitranslmed.adk5395
PMID:38630847
|
研究论文 | 本研究开发了一种基于深度卷积神经网络(CNN)的系统，用于检测食管癌及其癌前病变，并在临床实践中验证了其提高高风险食管病变(HrEL)检出率的有效性 | 首次在随机对照研究中验证了深度学习辅助内窥镜检测食管癌及癌前病变的有效性，显著提高了HrEL的检出率 | 研究仅在中国浙江省的一家医院进行，样本来源相对单一 | 提高食管鳞状细胞癌(ESCC)及其癌前病变的内窥镜检出率 | 50岁以上的患者，包括食管癌和癌前病变(HrELs) | 数字病理 | 食管癌 | 深度学习辅助内窥镜检查 | CNN | 内窥镜图像 | 3117名患者(实验组1556人，对照组1561人) | NA | NA | NA | NA |
| 1838 | 2025-05-23 |
Splicing neoantigen discovery with SNAF reveals shared targets for cancer immunotherapy
2024-01-17, Science translational medicine
IF:15.8Q1
DOI:10.1126/scitranslmed.ade2886
PMID:38232136
|
研究论文 | 该研究开发了一个名为SNAF的计算工作流程，用于从患者RNA-Seq数据中预测剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白，以发现癌症免疫治疗的共享靶点 | 开发了SNAF工作流程，结合DeepImmuno深度学习策略和新的算法（BayesTS和RNA-SPRINT），首次系统性地识别剪接新抗原，并发现了新的肿瘤特异性细胞外新表位（ExNeoEpitopes） | 研究主要基于计算预测，部分结果需要进一步的实验验证 | 发现癌症免疫治疗的共享靶点 | 剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白 | 生物信息学 | 黑色素瘤 | RNA-Seq, 质谱分析, 长读长异构体测序 | DeepImmuno, BayesTS, RNA-SPRINT | RNA-Seq数据 | 多个癌症队列的患者数据 | NA | NA | NA | NA |
| 1839 | 2025-10-07 |
Predicting cell type-specific epigenomic profiles accounting for distal genetic effects
2024-11-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54441-5
PMID:39550354
|
研究论文 | 提出一种能预测未见细胞类型表观遗传信号的深度学习模型Enformer Celltyping | 首次在深度学习模型中整合远端DNA相互作用效应（最远100,000碱基对）以实现跨细胞类型的表观遗传信号预测 | 基因组深度学习模型在遗传变异效应预测方面仍存在局限性 | 开发能预测不同细胞类型表观遗传谱的计算模型 | 细胞类型特异性表观遗传信号 | 机器学习 | NA | 染色质可及性数据，表观遗传插补 | 深度学习 | DNA序列数据，表观遗传数据 | NA | NA | Enformer | NA | NA |
| 1840 | 2025-10-07 |
Digital profiling of gene expression from histology images with linearized attention
2024-11-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54182-5
PMID:39543087
|
研究论文 | 开发了一种名为SEQUOIA的线性化注意力模型，能够从组织学图像中预测癌症转录组谱 | 首次将线性化注意力机制应用于全切片图像分析，解决了传统transformer在医学图像处理中模型复杂度过高和数据量有限的问题 | 模型在16种癌症类型上训练，可能对其他罕见癌症类型的泛化能力有限 | 开发从组织学图像预测基因表达谱的深度学习方法，实现癌症个性化管理 | 癌症肿瘤样本 | 数字病理学 | 癌症 | 全切片图像分析，转录组分析 | Transformer | 图像 | 7584个肿瘤样本用于模型开发，1368个肿瘤样本用于验证 | NA | 线性化注意力Transformer | NA | NA |