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 500 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2025-04-03 |
Spectral analysis and Bi-LSTM deep network-based approach in detection of mild cognitive impairment from electroencephalography signals
2024-Apr, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-023-10010-y
PMID:38699612
|
研究论文 | 本研究开发了一种基于EEG信号和Bi-LSTM深度学习算法的新模型，用于高效检测轻度认知障碍（MCI）患者 | 结合多锥度谱分析方法和Bi-LSTM深度学习算法，提出了一种新的EEG信号分析模型，显著提高了MCI检测的准确率 | 样本量较小（34名受试者），年龄范围较宽（40-77岁）可能影响模型的泛化能力 | 开发一种准确、高效的MCI早期诊断方法 | 轻度认知障碍（MCI）患者和健康对照组 | 机器学习 | 老年性疾病 | EEG信号分析、多尺度主成分分析（MSPCA）、数据增强（DA） | Bi-LSTM、决策树（DT）、支持向量机（SVM）、K近邻（KNN） | EEG信号 | 34名受试者（18名MCI患者和16名健康对照组） | NA | NA | NA | NA |
| 182 | 2025-04-03 |
A real-time constellation image classification method of wireless communication signals based on the lightweight network MobileViT
2024-Apr, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-023-10015-7
PMID:38699610
|
研究论文 | 提出了一种基于轻量级网络MobileViT的无线通信信号星座图实时分类方法 | 首次尝试在边缘计算平台上部署深度学习模型完成接收信号调制方案的实时分类 | 仅在一个公开数据集RadioML 2016.10a上进行了验证 | 实现自动调制分类(AMC)以支持认知无线电发展 | 无线通信信号的星座图 | 机器学习 | NA | 深度学习 | MobileViT | 图像 | 公开数据集RadioML 2016.10a | NA | NA | NA | NA |
| 183 | 2025-10-07 |
Areas of interest and sentiment analysis towards second generation antipsychotics, lithium and mood stabilizing anticonvulsants: Unsupervised analysis using Twitter
2024-04-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.01.234
PMID:38290587
|
研究论文 | 通过分析Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗惊厥药物的推文，探索用户关注点和情感态度 | 首次利用无监督分析方法对15年间近90万条相关推文进行情感分析和主题挖掘 | 推文长度限制可能影响讨论深度分析，药物广泛治疗用途使特定疾病讨论难以分离，仅分析英语和西班牙语推文限制了文化广度 | 了解患者和公众对精神疾病治疗药物的态度和认知 | Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗惊厥药物的推文 | 自然语言处理 | 精神疾病 | 机器学习，深度学习，自然语言处理 | NA | 文本 | 893,289条推文（2008-2022年） | NA | NA | NA | NA |
| 184 | 2025-10-07 |
Larger hypothalamic subfield volumes in patients with chronic insomnia disorder and relationships to levels of corticotropin-releasing hormone
2024-04-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.02.023
PMID:38341156
|
研究论文 | 本研究通过深度学习自动分割工具探究慢性失眠障碍患者下丘脑亚区体积变化及其与促肾上腺皮质激素释放激素水平的关系 | 首次使用先进深度学习工具在体量化分析慢性失眠患者下丘脑亚区体积变化，并揭示前下丘脑肥大在CRH水平与失眠严重程度关系中的中介作用 | 样本量相对有限，横断面研究设计无法确定因果关系 | 探究慢性失眠障碍患者下丘脑亚区体积变化及其与HPA轴生物标志物的关联 | 150名慢性失眠障碍患者和155名人口学匹配的健康对照 | 医学影像分析 | 睡眠障碍 | T1加权结构磁共振成像 | 深度学习 | MRI图像 | 305名参与者（150名患者+155名健康对照） | FreeSurfer | 基于深度学习的自动分割工具 | NA | NA |
| 185 | 2025-10-07 |
Research and application of deep learning-based sleep staging: Data, modeling, validation, and clinical practice
2024-04, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2024.101897
PMID:38306788
|
综述 | 全面回顾基于深度学习的睡眠分期方法及其临床应用 | 系统梳理深度学习在睡眠分期领域的数据处理、建模流程和临床应用，重点关注大规模数据集、跨学科合作和人机交互等前沿方向 | 未提出新的具体模型或算法，主要进行系统性综述和分析 | 提升睡眠分期的效率和准确性，推动自动化睡眠分期系统在临床实践和日常生活中的应用 | 睡眠分期相关数据和方法 | 机器学习 | 睡眠障碍 | 深度学习 | NA | 生理信号数据 | NA | NA | NA | 准确率等性能指标 | NA |
| 186 | 2025-03-30 |
Robustness of ML-Based Seizure Prediction Using Noisy EEG Data From Limited Channels
2024 Apr-May, ... International Conference on Distributed Computing in Sensor Systems and workshops. DCOSS (Conference)
|
研究论文 | 本文研究了基于机器学习的癫痫发作预测模型在噪声EEG数据和有限通道条件下的鲁棒性 | 评估了DL模型在临床级EEG数据训练但消费级可穿戴EEG头戴设备数据测试时的表现，特别是在通道减少、流数据和类别不平衡情况下的鲁棒性 | 研究仅针对SPERTL模型进行评估，可能不适用于其他DL模型 | 提高癫痫发作预测模型在真实世界条件下的准确性和适用性 | 癫痫患者的EEG数据 | 机器学习 | 癫痫 | EEG | DL(SPERTL模型) | EEG信号数据 | NA | NA | NA | NA | NA |
| 187 | 2025-10-07 |
Developing deep learning-based strategies to predict the risk of hepatocellular carcinoma among patients with nonalcoholic fatty liver disease from electronic health records
2024-04, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104626
PMID:38521180
|
研究论文 | 本研究开发了基于深度学习的策略来预测非酒精性脂肪肝患者患肝细胞癌的风险 | 提出了处理电子健康记录中延迟诊断问题的后向掩码方案，并系统评估了时间变化协变量、数据稀缺和协变量不平衡对深度学习性能的影响 | 研究主要基于结构化电子健康记录数据，可能未考虑非结构化临床数据 | 提高非酒精性脂肪肝患者肝细胞癌风险预测的准确性 | 非酒精性脂肪肝患者 | 机器学习 | 肝细胞癌, 非酒精性脂肪肝 | 电子健康记录分析 | 深度学习 | 结构化电子健康记录 | 220,838名非酒精性脂肪肝患者 | NA | NA | NA | NA |
| 188 | 2025-10-07 |
A deep learning quantification of patient specificity as a predictor of session attendance and treatment response to internet-enabled cognitive behavioural therapy for common mental health disorders
2024-04-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.01.134
PMID:38244796
|
研究论文 | 本研究使用深度学习模型评估患者对话特异性对网络认知行为疗法出席率和治疗效果的影响 | 首次使用深度学习量化患者对话特异性，并分析其与治疗结果的关系 | 无法从数据中推断因果关系 | 评估患者对话特异性是否能够预测治疗结束时的症状水平和疗程完成情况 | 接受网络认知行为疗法的常见心理健康障碍患者 | 自然语言处理 | 常见心理健康障碍 | 深度学习 | 深度学习模型 | 文本 | 65,030名参与者，353,614次治疗会话 | NA | NA | 线性混合效应模型 | NA |
| 189 | 2025-10-07 |
A deep learning approach for fast muscle water T2 mapping with subject specific fat T2 calibration from multi-spin-echo acquisitions
2024-04-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-58812-2
PMID:38589478
|
研究论文 | 提出一种基于深度学习的快速肌肉水T2映射方法，通过多自旋回波采集实现受试者特异性脂肪T2校准 | 利用全连接神经网络替代传统的双组分扩展相位图拟合方法，显著提升计算效率 | NA | 开发快速准确的肌肉水T2映射方法 | 肌肉组织 | 医学影像分析 | NA | 多自旋回波采集，MRI | 全连接神经网络 | MRI影像数据 | NA | NA | 全连接神经网络 | Lin一致性相关系数 | 最小计算资源 |
| 190 | 2025-10-07 |
DeepLabCut-based daily behavioural and posture analysis in a cricket
2024-04-15, Biology open
IF:1.8Q3
DOI:10.1242/bio.060237
PMID:38533608
|
研究论文 | 使用DeepLabCut深度学习技术对蟋蟀日常行为和姿势进行长期自动分析 | 首次将DeepLabCut应用于蟋蟀行为分析，实现多行为同步量化并通过姿势而非传统静止时间评估睡眠样状态 | 仅针对单个蟋蟀进行验证，未涉及群体行为交互分析 | 开发自动化系统研究昆虫昼夜节律调控的神经机制 | 蟋蟀（Gryllus bimaculatus）个体 | 计算机视觉 | NA | 深度学习行为分析 | 监督机器学习 | 视频图像 | 单个蟋蟀（具体数量未明确说明） | DeepLabCut | NA | 置信度评分 | NA |
| 191 | 2025-03-14 |
A new intelligent system based deep learning to detect DME and AMD in OCT images
2024-Apr-23, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03115-8
PMID:38653842
|
研究论文 | 本文介绍了一种基于卷积神经网络（CNN）的新型计算机辅助诊断（CAD）系统，用于在OCT图像中检测和分类年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME） | 提出了一种结合Inception_V3模型和自定义CNN提取特征的混合方法，在DUKE数据集上达到了99.53%的最高准确率 | NA | 开发一种自动化的OCT图像分析系统，用于早期检测和分类AMD和DME | OCT视网膜图像 | 计算机视觉 | 糖尿病性视网膜病变 | OCT | CNN, VGG16, VGG19, Inception_V3, BCNN | 图像 | DUKE公共数据集和突尼斯私人数据集 | NA | NA | NA | NA |
| 192 | 2025-10-07 |
Automatic segmentation and labelling of wrist bones in four-dimensional computed tomography datasets via deep learning
2024-04, The Journal of hand surgery, European volume
DOI:10.1177/17531934231209876
PMID:37882645
|
研究论文 | 本研究开发了一种深度学习模型，用于从四维计算机断层扫描数据中实现腕骨的自动分割和标记 | 首次将深度学习应用于四维CT数据的腕骨自动分割和标记，为腕韧带损伤诊断提供关键技术支持 | NA | 开发自动分割和标记腕骨的深度学习模型，以支持腕韧带病变的诊断 | 腕骨 | 计算机视觉 | 腕部疾病 | 四维计算机断层扫描 | 深度学习 | 四维CT图像 | NA | NA | NA | NA | NA |
| 193 | 2025-10-07 |
Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review
2024-Apr-19, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-024-02366-4
PMID:38637466
|
系统综述 | 对后颅窝相关病理学中容积分割技术的文献进行系统性回顾 | 系统总结了后颅窝分割技术的演进历程，从手动轮廓勾画到深度学习方法，并比较了不同技术的优缺点 | 仅纳入了截至2023年11月的文献，可能存在发表偏倚 | 总结后颅窝分割技术的现状及其在相关病理研究中的应用 | 后颅窝相关疾病（如Chiari畸形、三叉神经痛、儿童小脑缄默综合征等） | 数字病理学 | 神经系统疾病 | 医学影像分割 | 卷积神经网络 | 医学影像 | 52篇纳入文献（从2205篇初筛文献中筛选） | NA | NA | NA | NA |
| 194 | 2025-10-07 |
The detection of absence seizures using cross-frequency coupling analysis with a deep learning network
2024-Apr-10, Research square
DOI:10.21203/rs.3.rs-4178484/v1
PMID:38659733
|
研究论文 | 提出一种基于交叉频率耦合分析和堆叠稀疏自编码器的深度学习方法，用于自动检测脑电图中的失神发作 | 首次将交叉频率耦合分析与深度学习方法相结合用于癫痫失神发作的自动检测 | 样本量较小（仅12名患者），仅使用单一数据库的数据 | 开发自动检测癫痫失神发作的深度学习方法 | 癫痫患者的脑电图数据 | 机器学习 | 癫痫 | 脑电图分析 | SSAE | 脑电图信号 | 12名患者的94次失神发作记录 | NA | 堆叠稀疏自编码器 | 灵敏度, 特异度, 准确率 | NA |
| 195 | 2024-08-24 |
Editorial for "Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study"
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28881
PMID:37410077
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 196 | 2025-10-07 |
Deep learning evaluation of echocardiograms to identify occult atrial fibrillation
2024-Apr-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01090-z
PMID:38615104
|
研究论文 | 使用深度学习算法分析经胸超声心动图视频来识别隐匿性心房颤动 | 开发了两阶段深度学习算法，不仅能区分窦性心律和房颤，还能预测窦性心律患者90天内发生房颤的风险 | 模型在预测隐匿性房颤时的AUPRC相对较低(0.19)，表明在正样本较少的情况下性能有限 | 通过深度学习技术实现房颤的早期筛查和识别 | 经胸超声心动图视频数据 | 计算机视觉 | 心血管疾病 | 经胸超声心动图 | CNN | 视频 | 111,319个TTE视频用于训练，10,203个TTE视频用于外部验证 | NA | 基于视频的卷积神经网络 | AUC, AUPRC | NA |
| 197 | 2025-10-07 |
Automatic end-to-end VMAT treatment planning for rectal cancers
2024-Apr, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14259
PMID:38317597
|
研究论文 | 开发并临床评估用于直肠癌VMAT治疗的端到端自动分割与自动计划系统 | 首次将自动分割和自动计划整合为完整的端到端流程，仅需肿瘤大体体积轮廓和CT扫描作为输入 | 大、小肠区分困难，端到端流程的医生接受率存在差异（88%和62%） | 实现直肠癌VMAT治疗的自动化计划流程 | 直肠恶性肿瘤患者 | 数字病理 | 直肠癌 | 容积旋转调强放疗(VMAT) | 深度学习 | CT扫描图像 | CTV分割174例患者，其他结构18例患者，计划评估20+34+16例患者 | nnU-Net | nnU-Net | Dice相似系数, 95% Hausdorff距离, 李克特五分量表评分 | NA |
| 198 | 2025-10-07 |
Prospective Evaluation of Automated Contouring for CT-Based Brachytherapy for Gynecologic Malignancies
2024-Apr, Advances in radiation oncology
IF:2.2Q2
DOI:10.1016/j.adro.2023.101417
PMID:38435965
|
研究论文 | 评估深度学习自动勾画在妇科恶性肿瘤CT引导近距离放疗中的准确性和效率 | 首次前瞻性评估自动勾画在妇科放疗临床实践中的应用效果 | 样本量较小（30例自动勾画组 vs 31例手动勾画组），单中心研究 | 评估自动勾画危及器官在妇科近距离放疗计划中的临床应用价值 | 妇科恶性肿瘤患者 | 数字病理 | 妇科恶性肿瘤 | CT引导近距离放疗 | 深度学习 | CT图像 | 61例患者（30例自动勾画组，31例手动勾画组） | NA | NA | Likert评分，Dice相似系数，平均表面距离，95% Hausdorff距离，Hausdorff距离，剂量体积直方图指标 | NA |
| 199 | 2025-10-07 |
Black Box Warning: Large Language Models and the Future of Infectious Diseases Consultation
2024-04-10, Clinical infectious diseases : an official publication of the Infectious Diseases Society of America
IF:8.2Q1
DOI:10.1093/cid/ciad633
PMID:37971399
|
评论 | 探讨大型语言模型在传染病咨询领域的应用前景与风险 | 首次系统分析LLMs在传染病专科咨询中的潜在应用与局限性，并提出专科医生参与技术规范制定的必要性 | LLMs存在虚构内容、缺乏情境意识、训练数据不透明、易复制偏见等问题，目前不适合临床部署 | 分析LLMs在医疗咨询特别是传染病专科的应用潜力与风险 | 大型语言模型在传染病临床咨询中的应用 | 自然语言处理 | 传染病 | 深度学习算法 | LLM | 文本 | NA | NA | NA | NA | NA |
| 200 | 2025-10-07 |
Inference of Developmental Hierarchy and Functional States of Exhausted T Cells from Epigenetic Profiles with Deep Learning
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00261
PMID:38545680
|
研究论文 | 本研究开发了基于深度学习的DeepEpiTEX计算框架，通过表观遗传数据推断TME中耗竭T细胞的发育层次和功能状态 | 首次提出基于深度神经网络从表观遗传数据推断耗竭T细胞发育层次和功能状态的计算框架 | NA | 开发计算工具以准确评估肿瘤微环境中T细胞耗竭的异质性 | 耗竭T细胞 | 机器学习 | 癌症 | DNA甲基化测序, microRNA表达分析, 长链非编码RNA表达分析 | 深度神经网络 | 表观遗传数据 | TCGA泛癌队列中的30种实体癌类型 | NA | NA | 生存分析 | NA |