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 1030 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-04-14 |
DeepIMAGER: Deeply Analyzing Gene Regulatory Networks from scRNA-seq Data
2024-06-27, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14070766
PMID:39062480
|
研究论文 | 本文介绍了一种名为DeepIMAGER的先进计算工具，该工具通过深度学习和数据整合来推断细胞特异性基因调控网络 | 提出了一种将基因对的共表达模式转化为类图像表示，并利用转录因子结合信息进行模型训练的监督学习方法，显著提高了推断精度和鲁棒性 | 未明确说明模型在处理极大规模数据集时的计算效率或对特定细胞类型的泛化能力限制 | 开发一种能够从单细胞RNA测序数据中准确推断细胞特异性基因调控网络的工具 | 基因调控网络，特别是跨不同细胞类型的动态调控关系 | 机器学习 | 多发性骨髓瘤 | scRNA-seq, ChIP-seq | 深度学习 | 基因表达数据，转录因子结合数据 | 六个细胞系的综合数据集 | NA | NA | 精度，鲁棒性 | NA |
| 2 | 2026-04-11 |
Accurate Identification of Spatial Domain by Incorporating Global Spatial Proximity and Local Expression Proximity
2024-06-09, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14060674
PMID:38927077
|
研究论文 | 本文提出了一种名为SECE的深度学习方法，用于准确识别空间转录组学数据中的空间域，通过整合全局空间邻近性和局部表达邻近性来提升识别精度 | SECE方法首次同时捕获了spots之间的局部和全局关系，并利用表达相似性和空间相似性聚合信息，克服了现有方法仅基于局部或全局空间关系进行域分割的局限性 | NA | 提高空间转录组学数据中空间域识别的准确性，以阐明组织微环境和生物功能 | 空间转录组学数据中的spots | 机器学习 | NA | 空间转录组学 | 深度学习 | 空间转录组学数据 | 六个真实空间转录组学数据集，涵盖四个不同平台 | NA | NA | 空间域识别准确率，低维可视化清晰度，轨迹推断准确性 | NA |
| 3 | 2026-04-03 |
Real-Time Laryngeal Cancer Boundaries Delineation on White Light and Narrow-Band Imaging Laryngoscopy with Deep Learning
2024-06, The Laryngoscope
DOI:10.1002/lary.31255
PMID:38174772
|
研究论文 | 本研究探讨了深度学习在喉镜图像和视频中自动分割喉癌边界的能力 | 开发了SegMENT-Plus模型，首次在喉镜白光和窄带成像图像上实现实时喉癌边界分割，性能与耳鼻喉科住院医师相当，并展示了优秀的泛化能力 | 需要临床试验来评估该技术在手术实践和切除边缘改善中的作用 | 自动分割喉镜图像和视频中的喉癌浅表范围 | 喉癌患者的白光和窄带成像喉镜图像及视频 | 数字病理学 | 喉癌 | 白光喉镜，窄带成像喉镜 | 深度学习分割模型 | 图像，视频 | 来自557名患者的3933张喉癌图像，外部验证集包含156张和200张图像 | NA | SegMENT-Plus | Dice相似系数，交并比，准确率，推理速度 | NA |
| 4 | 2026-04-03 |
A Proof-of-Concept Computer Vision Approach for Measurement of Tympanic Membrane Perforations
2024-06, The Laryngoscope
DOI:10.1002/lary.31270
PMID:38214334
|
研究论文 | 本文提出了一种概念验证的计算机视觉方法，用于测量鼓膜穿孔的大小 | 首次将开源深度学习架构应用于鼓膜穿孔的自动分割和面积计算，相比传统目视估计提高了准确性 | 研究样本量小，穿孔类型主要为前部且相对较小，数据集缺乏异质性 | 开发一种计算机视觉模型，以更准确地评估鼓膜穿孔的大小 | 鼓膜穿孔的内窥镜图像 | 计算机视觉 | 耳科疾病 | 内窥镜成像 | 深度学习 | 图像 | 小规模鼓膜穿孔数据集（具体数量未明确说明） | NA | NA | 平均绝对误差 | NA |
| 5 | 2026-04-03 |
Development of a convolutional neural network to accurately detect land use and land cover
2024-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102719
PMID:38660033
|
研究论文 | 本研究开发了一个卷积神经网络模型，用于准确检测土地利用和土地覆盖，并在西班牙的自然保护区进行了应用 | 利用CNN模型对土地利用和土地覆盖进行分类，并在Sentinel-2和PNOA图像上验证其性能 | 在住宅类别的分类中存在一些混淆，可能由于该区域的特征导致 | 开发一个准确的土地利用和土地覆盖检测模型，以支持自然资源管理和环境评估 | 西班牙Sierra del Cando自然保护区的土地利用和土地覆盖 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 6 | 2026-04-03 |
Improving Equity in Deep Learning Medical Applications with the Gerchberg-Saxton Algorithm
2024-Jun, Journal of healthcare informatics research
IF:5.4Q1
DOI:10.1007/s41666-024-00163-8
PMID:38681756
|
研究论文 | 本文研究了一种利用Gerchberg-Saxton算法在频率域进行变换的新方法，以减少深度学习医疗应用中的种族-民族偏见 | 提出了一种基于Gerchberg-Saxton算法的频率域变换方法，用于减少深度学习模型中的偏见，特别是针对种族-民族偏见 | NA | 减少深度学习在医疗应用中的偏见，提高模型的公平性和泛化能力 | 深度学习模型在医疗应用中的偏见问题，特别是针对代表性不足人群的种族-民族偏见 | 机器学习 | NA | Gerchberg-Saxton算法 | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 7 | 2026-04-01 |
Deformation-encoding Deep Learning Transformer for High-Frame-Rate Cardiac Cine MRI
2024-06, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.230177
PMID:38722232
|
研究论文 | 开发了一种基于Transformer的深度学习模型，用于提高心脏电影MRI的帧率，同时保持空间分辨率和扫描时间 | 首次将Transformer架构应用于心脏电影MRI的帧率提升任务，实现了高帧率图像的生成且无需增加扫描时间 | 研究主要基于特定厂商和场强的MRI扫描仪数据，模型在不同设备间的泛化能力需进一步验证 | 提高心脏电影MRI的帧率以改善时间分辨率，同时保持图像质量和扫描效率 | 心脏电影MRI图像 | 计算机视觉 | 心血管疾病 | 心脏电影MRI | Transformer | 图像 | 5840名患者的回顾性数据（训练/测试）和61名参与者（49名临床患者+12名健康者）的前瞻性数据 | NA | Transformer | 均方根误差, 读者偏好分析 | NA |
| 8 | 2024-08-07 |
Seeing between Time: Higher Frame Rate Cardiac Cine MRI using Deep Learning
2024-06, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.240140
PMID:38842457
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9 | 2026-03-29 |
AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning
2024-06, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231442
PMID:38860897
|
研究论文 | 本研究开发了一个名为AmyloidPETNet的端到端深度学习模型，用于对最小化处理的脑部PET扫描进行淀粉样蛋白阳性或阴性的自动分类 | 该模型无需依赖经验丰富的放射科医生或结构MRI，可直接对最小化处理的PET扫描进行端到端分类，并在不同示踪剂和独立数据集上表现出良好的泛化能力 | 本研究为回顾性研究，模型性能在主要为模棱两可的病例样本上与医生的一致性仅为一般水平 | 开发一个深度学习模型，用于自动、准确地分类脑部PET扫描的淀粉样蛋白状态，并评估其在不同数据集和示踪剂上的性能 | 脑部PET扫描图像 | 数字病理学 | 阿尔茨海默病 | PET成像 | 深度学习模型 | 图像 | 8476次PET扫描（6722名患者），训练集1538次扫描（766名患者），验证集205次扫描（95名患者），内部测试集184次扫描（95名患者） | NA | AmyloidPETNet | AUC, 其他性能指标, Cohen κ | NA |
| 10 | 2026-03-25 |
Automatic grading of intervertebral disc degeneration in lumbar dog spines
2024-Jun, JOR spine
IF:3.4Q1
DOI:10.1002/jsp2.1326
PMID:38633660
|
研究论文 | 本文开发并测试了一种深度学习工具，用于自动评估犬类腰椎间盘退变程度 | 首次将针对人类脊柱设计的Pfirrmann分类方案应用于犬类，并开发了自动评分工具，扩展了深度学习在兽医影像分析中的应用 | 工具性能略低于人类模型，且对于罕见的5级退变敏感度较低，修改后的分级方案未显示显著优势 | 开发自动评估犬类腰椎间盘退变程度的工具，以支持临床管理和再生疗法研究 | 犬类腰椎间盘 | 数字病理学 | 椎间盘退变 | T2加权MRI扫描 | 深度学习模型 | 图像 | 5991个腰椎间盘 | NA | NA | 敏感度, 特异度 | NA |
| 11 | 2026-03-15 |
Artificial Intelligence-Guided Gut-Microenvironment-Triggered Imaging Sensor Reveals Potential Indicators of Parkinson's Disease
2024-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202307819
PMID:38569219
|
研究论文 | 本文介绍了一种基于人工智能的肠道微环境触发成像传感器，用于非侵入性、准确地筛查帕金森病的不同阶段 | 开发了一种新型人工智能引导的肠道微环境触发成像传感器，通过深度学习算法分析肠道中的α-突触核蛋白，实现帕金森病的高精度预测 | NA | 开发非侵入性生物标志物用于帕金森病的早期诊断 | 帕金森病患者肠道中的α-突触核蛋白 | 机器学习 | 帕金森病 | 成像传感器技术 | 深度学习算法 | 图像数据 | NA | NA | NA | 准确度 | NA |
| 12 | 2026-03-14 |
DIMOND: DIffusion Model OptimizatioN with Deep Learning
2024-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202307965
PMID:38634608
|
研究论文 | 提出了一种名为DIMOND的基于物理信息与自监督深度学习的扩散模型优化框架，用于从扩散磁共振成像数据中高效、准确地估计微观结构模型参数 | 提出了一种结合物理信息与自监督深度学习的全新框架（DIMOND），无需额外训练数据，通过最小化输入数据与网络输出参数生成的合成数据之间的差异来优化网络，实现了跨受试者和数据集的泛化能力，并将复杂模型（如NODDI）的拟合时间从数小时大幅缩短至数分钟甚至数秒 | 未在摘要中明确说明 | 解决扩散磁共振成像中模型参数估计计算成本高且受图像噪声影响的问题，提高微观结构和结构连接性映射的实用性与临床采纳度 | 人脑活体扩散磁共振成像数据 | 医学影像分析 | NA | 扩散磁共振成像 | 深度学习神经网络 | 图像 | NA | NA | NA | NA | NA |
| 13 | 2026-03-06 |
Structure-based prediction of protein-nucleic acid binding using graph neural networks
2024-Jun, Biophysical reviews
IF:4.9Q1
DOI:10.1007/s12551-024-01201-w
PMID:39345796
|
研究论文 | 本文开发了一种名为PNAbind的深度学习方法，利用图神经网络预测蛋白质与核酸的结合，基于未结合蛋白质结构预测整体结合功能及单个结合残基位置 | 首次使用图神经网络编码蛋白质结构的物理化学和几何特性空间分布，以预测蛋白质-核酸结合，并能区分DNA或RNA结合特异性 | 方法依赖于未结合蛋白质结构模型，且结构模型相对于未结合蛋白质模型较为稀缺，可能影响预测的普遍适用性 | 预测蛋白质-核酸结合，以理解基因组转录、翻译、调控和三维组织中的关键作用 | 蛋白质结构与核酸（DNA/RNA）的结合 | 机器学习 | NA | 图神经网络，深度学习 | 图神经网络 | 蛋白质结构数据 | NA | NA | 图神经网络 | AUROC | NA |
| 14 | 2026-03-03 |
Potential rapid intraoperative cancer diagnosis using dynamic full-field optical coherence tomography and deep learning: A prospective cohort study in breast cancer patients
2024-06-15, Science bulletin
IF:18.8Q1
DOI:10.1016/j.scib.2024.03.061
PMID:38702279
|
研究论文 | 本研究提出了一种结合动态全场光学相干断层扫描和深度学习的快速术中癌症诊断工作流程，用于乳腺癌患者的实时肿瘤诊断 | 首次将动态全场光学相干断层扫描与深度学习结合，实现无需组织准备或染色的非破坏性、近实时术中癌症诊断 | 研究样本量相对较小，且仅针对乳腺癌，未涵盖所有癌症类型 | 开发一种快速、自动化的术中癌症诊断方法，以替代传统耗时、资源密集的病理学评估 | 乳腺癌患者的良性及恶性乳腺组织 | 数字病理学 | 乳腺癌 | 动态全场光学相干断层扫描 | 深度学习模型 | 图像 | 建模组182例（48良性，114浸润性导管癌，10浸润性小叶癌，4导管原位癌，6罕见肿瘤），独立测试组42例（10良性，29浸润性导管癌，1导管原位癌，2罕见肿瘤） | NA | NA | 准确率, 灵敏度, 特异性 | NA |
| 15 | 2024-08-07 |
Author Correction: MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study
2024-Jun-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65365-x
PMID:38918458
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16 | 2026-03-02 |
Preliminary Experience with Three Alternative Motion Sensors for 0.55 Tesla MR Imaging
2024-Jun-07, Sensors (Basel, Switzerland)
DOI:10.3390/s24123710
PMID:38931494
|
研究论文 | 本文分享了在0.55特斯拉磁共振成像中使用三种替代运动传感器的初步经验，旨在监测身体表面、主要器官呼吸相关运动以及深部器官的非呼吸运动 | 结合深度学习算法，探索了三种不同技术的传感器（Pilot-Tone射频发射器、单通道超声换能器、3D飞行时间相机）用于磁共振环境内外的运动跟踪，并展示了它们同时捕获运动数据的能力 | 研究为初步经验，未提供大规模样本验证或长期性能评估，传感器在临床环境中的实际应用效果尚需进一步研究 | 评估替代运动传感器在磁共振成像中监测多种类型运动（如表面、呼吸相关及深部器官运动）的可行性和性能 | 身体表面、肝脏、膀胱等器官的运动 | 医学影像 | NA | 磁共振成像、射频发射、超声传感、3D飞行时间摄像 | 深度学习算法 | 运动数据、图像数据 | NA | NA | NA | NA | NA |
| 17 | 2026-03-02 |
Sitetack: A Deep Learning Model that Improves PTM Prediction by Using Known PTMs
2024-Jun-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.03.596298
PMID:38895359
|
研究论文 | 本文提出了一种名为Sitetack的深度学习模型，通过利用已知的翻译后修饰（PTM）位点信息来改进PTM预测 | 该模型创新性地将已知PTM位点编码为单独的氨基酸特征，并结合词嵌入和卷积神经网络，显著提升了PTM预测性能 | 未明确提及数据集的局限性或模型的具体约束条件 | 旨在提高翻译后修饰（PTM）位点的预测准确性 | 蛋白质序列及其翻译后修饰（PTM）位点 | 机器学习 | NA | 序列编码、词嵌入 | CNN | 蛋白质序列数据 | NA | NA | 卷积神经网络 | NA | NA |
| 18 | 2026-03-02 |
Differential artery-vein analysis improves the OCTA classification of diabetic retinopathy
2024-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.521657
PMID:38867785
|
研究论文 | 本研究探讨了在光学相干断层扫描血管成像中应用动静脉差异分析对糖尿病视网膜病变机器学习分类的影响 | 利用深度学习进行动静脉区域分割，并提取动静脉分化前后的定量特征，显著提升了糖尿病视网膜病变的分类准确率 | 未提及样本量外的具体局限性，如外部验证或模型泛化能力 | 通过动静脉差异分析改进糖尿病视网膜病变的OCTA分类 | 对照者、无糖尿病视网膜病变的糖尿病患者、轻度、中度和重度糖尿病视网膜病变患者 | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描血管成像 | 深度学习, SVM | 图像 | NA | NA | NA | 准确率 | NA |
| 19 | 2026-02-28 |
ROCOv2: Radiology Objects in COntext Version 2, an Updated Multimodal Image Dataset
2024-06-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03496-6
PMID:38926396
|
研究论文 | 本文介绍了ROCOv2数据集，这是一个更新的多模态放射学图像数据集，包含图像、医学概念和标题，用于支持医学图像分析任务 | 在2018年发布的ROCO数据集基础上，新增了35,705张新图像，并为X射线图像提供了手动整理的解剖和方向概念 | NA | 提供一个大规模、高质量的多模态放射学数据集，以支持自动医学图像分析系统的训练和评估 | 从PMC开放获取子集中提取的放射学图像及其相关的医学概念和标题 | 数字病理 | NA | NA | NA | 图像, 文本 | 79,789张图像 | NA | NA | NA | NA |
| 20 | 2026-02-28 |
CMRxRecon: A publicly available k-space dataset and benchmark to advance deep learning for cardiac MRI
2024-06-25, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03525-4
PMID:38918497
|
研究论文 | 本文介绍了一个公开的k空间数据集CMRxRecon，用于推动深度学习在心脏磁共振成像重建中的应用 | 首次公开发布包含多对比度、多视图、多切片和多线圈的300名受试者心脏磁共振原始k空间数据，填补了该领域公开数据集的空白 | 数据集可能受限于特定采集协议和受试者群体，未提及外部验证或临床部署的具体挑战 | 通过提供标准化数据集和评估标准，促进深度学习在心脏磁共振快速成像重建算法的发展 | 心脏磁共振成像的k空间数据，包括心脏电影和映射序列 | 医学影像重建 | 心血管疾病 | 心脏磁共振成像（CMR），包括多对比度、多视图、多切片和多线圈采集 | NA | 原始k空间数据，包含自动校准线 | 300名受试者的多对比度、多视图、多切片和多线圈心脏磁共振数据 | NA | NA | NA | NA |