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 438 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-10-06 |
A Convolutional Neural Network for Automated Detection of Cervical Ossification of the Posterior Longitudinal Ligament using Magnetic Resonance Imaging
2024-04-01, Clinical spine surgery
IF:1.6Q3
DOI:10.1097/BSD.0000000000001547
PMID:37941120
|
研究论文 | 开发并验证基于卷积神经网络的MRI图像自动检测系统，用于区分颈椎后纵韧带骨化症和多节段退变性椎管狭窄 | 首次开发用于MRI图像检测颈椎后纵韧带骨化症的深度学习模型 | 回顾性研究设计，样本量有限 | 开发自动检测颈椎后纵韧带骨化症的AI模型并与脊柱外科医生诊断能力比较 | 颈椎后纵韧带骨化症和退变性椎管狭窄患者 | 计算机视觉 | 脊柱疾病 | 磁共振成像 | CNN | 医学影像 | 684例患者（272例OPLL，412例退变性疾病），分为训练集513例和测试集171例 | NA | ResNet34, ResNet50, ResNet101 | 准确率, 灵敏度, 特异性, AUC | NA |
| 42 | 2025-10-06 |
Noninvasive virtual biopsy using micro-registered optical coherence tomography (OCT) in human subjects
2024-04-12, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adi5794
PMID:38598626
|
研究论文 | 开发了一种基于光学相干断层扫描的非侵入式虚拟活检技术，通过深度学习将OCT图像转换为虚拟H&E染色切片 | 提出了微米级精度的配准方法，首次实现了从完整组织获取的3D OCT图像到2D H&E切片的精确对应，并展示了2D和3D的高保真虚拟染色 | 需要配对数据集进行训练，尚未应用于体内OCT图像的临床验证 | 开发非侵入式虚拟活检技术以减少不必要的活检程序 | 人类组织样本 | 数字病理学 | 癌症 | 光学相干断层扫描（OCT），H&E染色 | 条件生成对抗网络（cGAN） | 3D OCT图像，2D H&E组织切片 | NA | NA | 条件生成对抗网络 | 高保真度转换 | NA |
| 43 | 2025-10-06 |
Abdominal Body Composition Reference Ranges and Association With Chronic Conditions in an Age- and Sex-Stratified Representative Sample of a Geographically Defined American Population
2024-04-01, The journals of gerontology. Series A, Biological sciences and medical sciences
DOI:10.1093/gerona/glae055
PMID:38373180
|
研究论文 | 本研究通过腹部CT扫描建立了美国特定地理区域人群的身体成分参考范围，并分析了其与慢性疾病的关联 | 首次在具有地理代表性的普通人群中建立了基于CT的身体成分参考范围，并系统分析了年龄、性别和慢性疾病对身体成分的影响 | 研究仅限于美国明尼苏达州南部和威斯康星州西部27个县的居民，可能不适用于其他人群 | 建立基于CT的身体成分参考范围并分析其与慢性疾病的关联 | 4,900名20-89岁接受腹部CT检查的居民 | 医学影像分析 | 慢性疾病 | 计算机断层扫描(CT) | 深度学习 | 医学影像 | 4,649名具有地理代表性的居民 | NA | NA | NA | NA |
| 44 | 2025-10-06 |
CBCT-DRRs superior to CT-DRRs for target-tracking applications for pancreatic SBRT
2024-04-26, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad3bb9
PMID:38588646
|
研究论文 | 本研究验证了CBCT-DRRs在胰腺立体定向放疗靶区追踪中优于传统CT-DRRs | 首次系统比较CBCT-DRRs与CT-DRRs在靶区追踪中的性能差异，并评估不同物理建模组件对图像相似度的影响 | 研究仅针对胰腺癌患者，样本量有限（20例），未验证在其他癌种中的应用效果 | 改进基于放射影像的靶区追踪技术，提升放疗精度 | 接受胰腺立体定向放疗的20例患者 | 数字病理 | 胰腺癌 | 锥形束CT（CBCT），数字重建放射影像（DRR），放射治疗 | NA | 医学影像（CT，CBCT，DRR，放射影像） | 20例胰腺癌患者 | NA | NA | 皮尔逊相关系数，Czekanowski指数 | NA |
| 45 | 2025-10-06 |
3D printing of an artificial intelligence-generated patient-specific coronary artery segmentation in a support bath
2024-Apr-26, Biomedical materials (Bristol, England)
DOI:10.1088/1748-605X/ad3f60
PMID:38626778
|
研究论文 | 本研究结合深度学习和3D打印技术，实现了从医学图像中准确分割冠状动脉树并打印分叉血管结构 | 首次将迁移学习应用于冠状动脉分割，并探索AI生成模型在支撑浴中的3D生物打印可行性 | 打印血管外径和分叉点长度与3D模型存在差异，需要优化打印参数和多轴打印头设计 | 开发基于AI分割的个性化冠状动脉3D打印方法 | 冠状动脉树结构 | 计算机视觉, 数字病理 | 心血管疾病 | 深度学习, 3D打印, 生物打印 | 深度学习模型 | 医学图像, 冠状动脉CT血管造影 | 10例冠状动脉CT血管造影图像测试集 | NA | NA | Dice系数 | NA |
| 46 | 2025-10-06 |
Transferable non-invasive modal fusion-transformer (NIMFT) for end-to-end hand gesture recognition
2024-04-09, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad39a5
PMID:38565124
|
研究论文 | 提出一种用于手势识别的非侵入式模态融合Transformer模型，通过多头部交叉注意力机制融合sEMG和加速度信号 | 使用非侵入式多头部交叉注意力机制融合异构信号，解决了传统侵入式模态融合的局限性，并具备跨被试迁移能力 | NA | 开发端到端且跨被试可迁移的手势识别模型 | 表面肌电信号(sEMG)和加速度(ACC)数据 | 机器学习 | NA | 惯性测量单元(IMU), 表面肌电图(sEMG) | Transformer, CNN | 时序信号数据 | Ninapro DB2数据集中的三个动作集 | NA | 1D-CNN, Transformer, 多头部交叉注意力机制 | 准确率, 召回率, 精确率, F1分数 | NA |
| 47 | 2025-10-06 |
A study on the high power microwave effects of PIN diode limiter based on deep learning algorithm
2024-Apr-09, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ad3648
PMID:38513283
|
研究论文 | 本研究利用优化的神经网络算法替代传统物理建模方法，研究PIN二极管限幅器的高功率微波效应 | 首次将优化的神经网络算法应用于PIN二极管限幅器的高功率微波效应研究，替代传统物理建模方法 | NA | 研究PIN二极管限幅器在高功率微波作用下的性能表现和预测方法 | PIN二极管限幅器 | 机器学习 | NA | 高功率微波辐照 | 神经网络 | 仿真数据 | NA | NA | 优化的神经网络 | 加权均方误差,MSE | NA |
| 48 | 2025-06-14 |
SCIseg: Automatic Segmentation of T2-weighted Intramedullary Lesions in Spinal Cord Injury
2024-Apr-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.03.24300794
PMID:38699309
|
研究论文 | 开发了一种名为SCIseg的深度学习工具，用于自动分割脊髓损伤中的T2加权髓内病变 | SCIseg模型通过三阶段训练过程，包括主动学习，能够自动分割脊髓和髓内病变，且在不同病因、扫描仪制造商和图像分辨率下表现良好 | 研究为回顾性研究，可能存在选择偏差 | 开发自动分割脊髓损伤中T2加权髓内病变的深度学习工具 | 脊髓损伤患者的T2加权MRI图像 | 数字病理学 | 脊髓损伤 | 深度学习 | SCIseg（基于深度学习的模型） | MRI图像 | 191名脊髓损伤患者（平均年龄48.1岁±17.9，142名男性） | NA | NA | NA | NA |
| 49 | 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 |
| 50 | 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 |
| 51 | 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 |
| 52 | 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 |
| 53 | 2025-05-12 |
Rapid and accurate prediction of protein homo-oligomer symmetry with Seq2Symm
2024-Apr-26, Research square
DOI:10.21203/rs.3.rs-4215086/v1
PMID:38746169
|
research paper | 该论文提出了一种名为Seq2Symm的模型，用于快速准确地预测蛋白质同源寡聚体的对称性 | Seq2Symm利用ESM2模型，在预测蛋白质同源寡聚体对称性方面优于现有的基于模板和深度学习方法 | 论文未明确提及具体局限性 | 开发能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型 | 蛋白质同源寡聚体的对称性 | machine learning | NA | ESM-MSA, ESM2, RoseTTAFold2 | Seq2Symm (基于ESM2) | protein sequences | 5个完整蛋白质组和约350万个未标记蛋白质序列 | NA | NA | NA | NA |
| 54 | 2025-10-07 |
Improving resolution of panoramic radiographs: super-resolution concept
2024-04-29, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae009
PMID:38483289
|
研究论文 | 本研究利用深度学习超分辨率技术提升牙科全景X光片的分辨率 | 首次在牙科全景X光片领域系统比较四种先进的超分辨率深度学习模型 | 性能随图像缩放比例增加而下降，未在临床环境中验证 | 通过超分辨率技术提升牙科全景X光片的分辨率和质量 | 牙科全景X光片 | 计算机视觉 | 牙科疾病 | 深度学习超分辨率 | CNN, GAN, Autoencoder | 医学影像 | 1714张全景X光片（训练集1364张，测试集350张） | NA | SRCNN, Efficient Sub-Pixel CNN, Super-Resolution GAN, Autoencoder | SSIM, PSNR | NA |
| 55 | 2025-10-07 |
Artificial intelligence system for automatic maxillary sinus segmentation on cone beam computed tomography images
2024-04-29, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae012
PMID:38502963
|
研究论文 | 开发基于nnU-Net v2的AI模型用于锥形束CT图像中上颌窦的自动分割 | 首次应用nnU-Net v2框架实现上颌窦在CBCT图像中的自动分割 | 样本量相对较小（仅101例CBCT扫描），缺乏外部验证 | 开发自动分割上颌窦的AI模型并评估其性能 | 锥形束CT图像中的上颌窦区域 | 计算机视觉 | NA | 锥形束计算机断层扫描 | 深度学习 | 医学图像 | 101例CBCT扫描（80训练，11验证，10测试） | nnU-Net v2 | nnU-Net | F1分数, 准确率, 灵敏度, 精确度, AUC, Dice系数, 95% Hausdorff距离, IoU | NA |
| 56 | 2025-10-07 |
An Intelligent Channel Estimation Algorithm Based on Extended Model for 5G-V2X
2024-04, Big data
IF:2.6Q2
DOI:10.1089/big.2022.0029
PMID:36848263
|
研究论文 | 提出一种基于扩展模型和深度学习的5G-V2X智能信道估计算法 | 基于信道脉冲响应稀疏性建立高速移动场景扩展模型，设计多层CNN完成频域插值和双向GRU进行时域状态预测，引入速度和多径参数提升训练精度 | NA | 提高车联网系统信道估计精度并降低误码率 | 5G-V2X通信系统 | 机器学习 | NA | 深度学习 | CNN, GRU | 信道数据 | NA | NA | 多层卷积神经网络, 双向门控循环单元 | 信道估计精度, 误码率 | NA |
| 57 | 2025-10-07 |
Natural language processing models reveal neural dynamics of human conversation
2024-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.10.531095
PMID:36945468
|
研究论文 | 本研究结合预训练深度学习自然语言处理模型与颅内神经元记录，揭示了人类自然对话中语言产生和理解的神经动态机制 | 首次将预训练深度学习NLP模型与颅内神经元记录相结合，在自然对话情境下发现语言产生和理解及其转换的可靠神经信号 | 研究基于颅内记录，样本量有限，且神经活动模式在语言产生和理解中仅部分重叠 | 探索人类自然对话中语言产生和理解及其转换的神经机制 | 人类自然对话过程中的神经活动 | 自然语言处理 | NA | 颅内神经元记录，深度学习自然语言处理 | 预训练深度学习模型 | 文本，神经电生理信号 | NA | NA | NA | NA | NA |
| 58 | 2025-10-07 |
Sequential Contrastive and Deep Learning Models to Identify Selective Butyrylcholinesterase Inhibitors
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00397
PMID:38532612
|
研究论文 | 本研究开发了序列对比学习和深度学习模型来识别选择性丁酰胆碱酯酶抑制剂 | 首次将监督对比学习与深度学习和随机森林在单模型和序列模型配置中进行比较，用于识别BChE选择性抑制剂 | 仅测试了20个预测化合物的选择性，样本量较小 | 开发高效识别选择性丁酰胆碱酯酶抑制剂的机器学习策略 | 丁酰胆碱酯酶抑制剂化合物 | 机器学习 | 阿尔茨海默病 | 虚拟筛选 | 对比学习,深度学习,随机森林 | 化合物数据 | 500万化合物库中筛选测试20个化合物 | NA | NA | 精确度 | NA |
| 59 | 2025-10-07 |
Positive Predictive Values of Abnormality Scores From a Commercial Artificial Intelligence-Based Computer-Aided Diagnosis for Mammography
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0907
PMID:38528692
|
研究论文 | 评估商业AI-CAD系统在乳腺X线摄影中异常评分的阳性预测值及其与临床和影像学发现的关系 | 首次系统评估深度学习商业AI-CAD系统异常评分的阳性预测值，并按评分分组分析其与恶性肿瘤风险的关联 | 回顾性研究设计，样本仅来自单一机构，高风险女性比例较低(0.6%) | 研究AI-CAD系统异常评分的临床意义和诊断价值 | 599名女性(平均年龄52.6岁)的656个乳腺，均接受乳腺X线摄影且AI-CAD结果阳性 | 数字病理 | 乳腺癌 | 乳腺X线摄影 | 深度学习 | 医学影像 | 656个乳腺(来自599名女性) | NA | 商业AI-CAD系统(Lunit Insight MMG) | 阳性预测值(PPV) | NA |
| 60 | 2025-04-23 |
Uncover This Tech Term: Uncertainty Quantification for Deep Learning
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0108
PMID:38528697
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |