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 1029 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 | 2025-11-21 |
A novel deep learning framework for accurate melanoma diagnosis integrating imaging and genomic data for improved patient outcomes
2024-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13770
PMID:38881051
|
研究论文 | 提出一种整合影像学和基因组数据的深度学习框架用于黑色素瘤的准确诊断 | 首次将卷积神经网络和图神经网络结合，融合多模态数据（皮肤镜图像、组织病理切片和基因组图谱）进行黑色素瘤诊断 | 需要在更大规模上进行验证，需要更多临床试验来确认该诊断方法的有效性和可行性 | 开发一种新的黑色素瘤分类方法，提供比当前医学方法更可靠的诊断 | 黑色素瘤患者的多模态数据 | 计算机视觉, 自然语言处理 | 黑色素瘤 | 皮肤镜成像, 组织病理学, 基因组分析 | CNN, GNN | 图像, 基因组数据 | NA | NA | 定制多模态深度神经网络 | 准确率, AUC | NA |
| 2 | 2025-11-20 |
Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment
2024-Jun, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-03040-4
PMID:38877116
|
研究论文 | 介绍MRD-EDGE平台，一种基于机器学习的ctDNA检测方法，用于超灵敏监测肿瘤负荷 | 通过深度学习将WGS中SNV信噪比富集提高约300倍，并将CNV检测所需非整倍性程度从1Gb降低至200Mb | NA | 开发超灵敏的循环肿瘤DNA检测平台用于微小残留病灶监测和治疗反应评估 | 实体瘤患者，包括肺癌、结直肠腺瘤和黑色素瘤 | 机器学习 | 肺癌 | 血浆全基因组测序 | 深度学习 | 基因组测序数据 | NA | NA | NA | 信噪比富集，检测灵敏度 | NA |
| 3 | 2025-10-29 |
Predicting the effort required to manually mend auto-segmentations
2024-Jun-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.12.24308779
PMID:38947045
|
研究论文 | 本研究探讨如何评估医学图像自动分割结果所需的人工修正工作量 | 提出混合指标Mendability Index (MI)评估修正工作量，并探索使用深度学习模型预测修正工作量的可行性 | 研究仅基于7个对象的数据集，样本量相对有限 | 探索评估医学图像自动分割结果临床适用性的合适方法 | 医学图像自动分割结果及其人工修正过程 | 医学图像分析 | NA | CT成像 | 深度学习模型 | CT图像, 分割掩码 | 来自三个不同机构的7个对象数据集 | NA | NA | Dice系数, Hausdorff距离, 表面Dice系数, 添加路径长度, Mendability指数 | NA |
| 4 | 2025-10-15 |
Automated classification of cellular expression in multiplexed imaging data with Nimbus
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.02.597062
PMID:38895405
|
研究论文 | 开发了名为Nimbus的深度学习模型，用于从多重成像数据中自动分类细胞标记物表达 | 创建了包含1.97亿个标记物表达注释的Pan-M数据集，并开发了无需重新训练即可跨不同细胞类型、组织和显微镜平台应用的预训练模型 | NA | 开发自动化工具来准确表征组织空间拓扑结构中的细胞表型 | 多重成像数据中的细胞标记物表达 | 数字病理学 | NA | 多重成像 | 深度学习 | 图像 | 包含1.97亿个标记物表达注释，涵盖15种不同细胞类型 | NA | NA | NA | NA |
| 5 | 2025-10-05 |
Prediction of MRI-Induced Power Absorption in Patients with DBS Leads
2024-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems
DOI:10.1109/cbms61543.2024.00087
PMID:41030917
|
研究论文 | 使用机器学习和深度学习算法预测深部脑刺激患者MRI扫描中DBS导线尖端的局部比吸收率值 | 首次将XgBoost和残差网络家族应用于DBS患者MRI功率吸收预测，显著超越了现有最佳方法的性能 | 研究处于小数据机制，已提取的有限特征更适合集成学习而非深度网络 | 开发高效算法预测DBS患者MRI扫描时的组织加热风险 | 植入深部脑刺激系统的患者 | 机器学习 | 神经系统疾病 | 电磁仿真，MRI | XgBoost，深度学习 | 仿真数据 | 260个实例（包含患者来源和人工生成数据） | XgBoost | 残差网络家族 | RMSE | NA |
| 6 | 2025-10-05 |
Quality Control in the Corneal Bank with Artificial Intelligence: Comparison of a New Deep Learning-based Approach with Conventional Endothelial Cell Counting by the "Rhine-Tec Endothelial Analysis System"
2024-Jun, Klinische Monatsblatter fur Augenheilkunde
IF:0.8Q4
DOI:10.1055/a-2299-8117
PMID:38574759
|
研究论文 | 本研究开发了一种基于深度学习的角膜内皮细胞密度自动检测方法，并与传统Rhine-Tec系统进行比较 | 首次使用深度学习技术自动检测图像中所有可见的内皮细胞，相比传统方法提高了样本量和客观性 | 深度学习方法目前无法完全替代移植片内皮的全区域评估，这仍是角膜移植片放行的最重要依据 | 比较基于深度学习的新型内皮细胞计数方法与传统Rhine-Tec系统的性能差异 | 角膜移植片的内皮细胞密度测量 | 计算机视觉 | 眼科疾病 | 相位对比显微镜成像 | 深度学习 | 图像 | 9375张存档的相位对比显微镜图像 | NA | NA | 均值比较，Bland-Altman分析，相关系数 | NA |
| 7 | 2025-10-05 |
Objective Analysis of Corneal Nerves and Dendritic Cells
2024-Jun, Klinische Monatsblatter fur Augenheilkunde
IF:0.8Q4
DOI:10.1055/a-2307-0313
PMID:38941998
|
综述 | 本文综述了角膜神经和树突状细胞的图像分析方法，重点介绍了深度学习算法在自动模式识别中的应用 | 详细介绍了作者自主开发的深度学习算法，并与现有方法进行了比较分析 | NA | 分析角膜神经和树突状细胞的图像分析方法 | 角膜神经和树突状细胞 | 计算机视觉 | 眼表疾病 | 活体共聚焦显微镜 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 8 | 2025-10-05 |
Predicting the Tumor Microenvironment Composition and Immunotherapy Response in Non-Small Cell Lung Cancer from Digital Histopathology Images
2024-Jun-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.11.24308696
PMID:41030932
|
研究论文 | 提出一种名为HistoTME的弱监督深度学习方法，直接从非小细胞肺癌患者的组织病理学图像预测肿瘤微环境组成和免疫治疗反应 | 首次开发能够直接从组织病理学图像推断肿瘤微环境组成的弱监督深度学习方法，无需额外分子检测 | 研究基于特定患者队列，需要在更广泛人群中验证 | 预测非小细胞肺癌肿瘤微环境组成和免疫治疗反应 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | 数字组织病理学成像 | 深度学习 | 全切片图像 | 外部临床队列652名患者 | NA | NA | Pearson相关系数, AUROC | NA |
| 9 | 2025-10-05 |
Predicting Progression From Mild Cognitive Impairment to Alzheimer's Dementia With Adversarial Attacks
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3373703
PMID:38507374
|
研究论文 | 提出一种结合浅层神经网络和对抗性攻击的框架，用于预测轻度认知障碍向阿尔茨海默病痴呆的转化 | 使用单步梯度对抗性攻击寻找输入空间中的对抗性进展方向，通过到决策边界的距离预测疾病转化 | 阿尔茨海默病研究可用数据集规模不足以学习复杂模型 | 预测轻度认知障碍向阿尔茨海默病痴呆的转化 | 轻度认知障碍患者 | 机器学习 | 阿尔茨海默病 | 对抗性攻击 | 神经网络 | 患者数据 | 两个公开可用数据集 | NA | 浅层神经网络 | NA | NA |
| 10 | 2025-10-05 |
A flexible, stretchable and wearable strain sensor based on physical eutectogels for deep learning-assisted motion identification
2024-06-27, Journal of materials chemistry. B
DOI:10.1039/d4tb00809j
PMID:38836422
|
研究论文 | 本研究开发了一种基于木质素增强物理共晶凝胶的可穿戴应变传感器，并结合深度学习技术实现手势识别 | 首次将木质素作为绿色填料和多功能氢键供体溶解于深共晶溶剂中，制备出具有优异机械性能、自粘附性、自愈合能力和高导电性的物理共晶凝胶 | 未明确说明传感器的长期生物相容性和在实际复杂环境下的稳定性表现 | 开发多功能集成的物理共晶凝胶用于可穿戴电子设备 | 木质素增强物理共晶凝胶（DESL）及其在应变传感器中的应用 | 机器学习 | NA | 深共晶溶剂（DES）聚合技术 | 深度学习 | 传感器信号数据 | 1000次循环耐久性测试 | NA | NA | 准确率 | NA |
| 11 | 2025-10-06 |
Bibliometric Analysis of Forensic Human Remains Identification Literature from 1991 to 2022
2024-Jun-25, Fa yi xue za zhi
|
文献计量分析 | 对1991-2022年法医人类遗骸鉴定文献进行计量分析，描述研究现状和未来热点 | 首次对该领域32年文献进行系统性计量分析，识别研究趋势和合作模式 | 仅纳入WoSCC英文文献，国际合作范围有限 | 分析法医人类遗骸鉴定领域的研究发展态势和主题演变 | 873篇法医人类遗骸鉴定研究文献 | 法医人类学 | NA | 文献计量分析，网络可视化 | NA | 文献元数据 | 873篇英文论文 | Python 3.9.2, Gephi 0.10 | NA | NA | NA |
| 12 | 2025-09-12 |
Recurrent Inference Machine for Medical Image Registration
2024-Jun-19, ArXiv
PMID:39371087
|
研究论文 | 提出一种名为循环推理图像配准网络的新型医学图像配准方法，通过元学习方式迭代求解配准问题 | 将循环推理框架与元学习相结合，通过学习优化更新规则，结合隐式正则化和显式梯度输入，提高配准精度和数据效率 | NA | 提升医学图像配准的精度和数据效率 | 脑部MRI和定量心脏MRI图像 | 计算机视觉 | NA | 深度学习，元学习 | 循环推理网络 | 医学图像（MRI） | NA | NA | NA | NA | NA |
| 13 | 2025-10-06 |
Clinical outcome prediction with an automated EEG trend, Brain State of the Newborn, after perinatal asphyxia
2024-06, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
IF:3.7Q2
DOI:10.1016/j.clinph.2024.03.007
PMID:38583406
|
研究论文 | 本研究评估了基于深度学习的自动化EEG背景量化指标BSN对围产期窒息新生儿4岁时临床结局的早期预测价值 | 首次使用完全自动化的深度学习定量EEG指标BSN来预测新生儿长期临床结局，揭示了脑功能恢复的动态过程 | 样本量相对较小（80名新生儿），需要更大规模研究验证 | 评估自动化EEG趋势BSN对围产期窒息新生儿长期临床结局的早期预测能力 | 80名连续收治的围产期窒息新生儿 | 医疗人工智能 | 新生儿缺氧缺血性脑病 | EEG监测，深度学习分析 | 深度学习 | EEG信号数据 | 80名新生儿，总计5427小时EEG数据 | NA | NA | AUC, PPV, NPV | NA |
| 14 | 2025-10-06 |
Computed Tomography Effective Dose and Image Quality in Deep Learning Image Reconstruction in Intensive Care Patients Compared to Iterative Algorithms
2024-06-07, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10060069
PMID:38921946
|
研究论文 | 比较深度学习图像重建算法与传统迭代算法在重症监护患者CT扫描中的有效剂量和图像质量 | 首次在重症监护患者中系统比较深度学习图像重建算法与多种传统迭代重建算法的辐射剂量和图像质量表现 | 单中心研究，样本量相对有限（83例患者），未包含所有类型的CT重建算法 | 评估深度学习图像重建算法在降低CT有效剂量和改善图像质量方面的效果 | 重症监护病房患者 | 医学影像 | 重症监护 | CT扫描，深度学习图像重建 | CNN | CT图像 | 83例患者（平均年龄59±15岁，56名男性） | NA | NA | 有效剂量，噪声水平，信噪比 | NA |
| 15 | 2025-10-06 |
A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy
2024-06-27, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c00828
PMID:38836467
|
研究论文 | 本研究开发了一种针对雄激素性脱发治疗的肽类PROTAC药物生成方法 | 结合ProteinMPNN和RFdiffusion等前沿技术，创建了肽类PROTAC药物开发新范式，并整合透皮微针贴片技术用于药物递送 | 未明确说明样本规模和实验验证的详细限制条件 | 开发针对雄激素性脱发的肽类PROTAC治疗方法 | 雄激素受体(AR)和Von Hippel-Lindau(VHL)蛋白 | 计算生物学, 药物开发 | 雄激素性脱发 | ProteinMPNN, RFdiffusion, Alphafold2-multimer, ZDOCK, 透皮微针贴片技术 | 深度学习模型 | 蛋白质结构数据, 肽序列数据 | NA | NA | NA | 结合能力验证 | NA |
| 16 | 2024-08-07 |
External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum
2024-Jun-01, Critical care medicine
IF:7.7Q1
DOI:10.1097/CCM.0000000000006291
PMID:38752829
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17 | 2025-10-06 |
Distinct brain morphometry patterns revealed by deep learning improve prediction of post-stroke aphasia severity
2024-Jun-12, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00541-8
PMID:38866977
|
研究论文 | 本研究使用深度学习分析全脑形态测量数据以改善卒中后失语症严重程度的预测 | 首次使用卷积神经网络识别与失语症严重程度相关的三维形态测量分布模式，超越了传统病灶分析 | 样本量相对有限(N=231)，且仅针对慢性卒中患者 | 改善卒中后失语症严重程度的预测准确性 | 慢性卒中后失语症患者 | 医学影像分析 | 卒中后失语症 | 脑形态测量分析 | CNN, SVM | 脑影像数据，分割组织体积 | 231名慢性卒中患者 | NA | 卷积神经网络 | 平衡准确度，F1分数 | NA |
| 18 | 2025-10-06 |
Enhancing Molecular Property Prediction through Task-Oriented Transfer Learning: Integrating Universal Structural Insights and Domain-Specific Knowledge
2024-06-13, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c00692
PMID:38748846
|
研究论文 | 提出一种面向任务的双层预训练框架TOML-BERT，通过整合通用结构洞察和领域特定知识来增强分子属性预测 | 引入考虑分子结构模式和领域知识的双层预训练框架，实现结构上下文信息挖掘与领域知识提取的互补 | 未明确说明模型在更广泛数据集上的泛化能力及计算效率分析 | 解决药物发现中标记数据稀缺问题，提升分子属性预测精度 | 分子结构及其属性 | 自然语言处理, 机器学习 | NA | 深度学习, 自监督预训练 | BERT | 分子结构数据 | 10个药物数据集 | NA | BERT | 预测性能指标（未具体说明） | NA |
| 19 | 2025-10-06 |
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 | 本研究探讨了光学相干断层扫描血管成像中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 | 首次将动静脉差异分析应用于OCTA图像，通过深度学习进行动静脉区域分割，并提取六种定量特征来改善糖尿病视网膜病变的分类性能 | NA | 提高糖尿病视网膜病变的自动分类准确性 | 糖尿病视网膜病变患者和对照组人群 | 医学影像分析 | 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 | 医学影像 | NA | NA | NA | 准确率 | NA |
| 20 | 2025-07-23 |
PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy
2024-Jun-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.16.599221
PMID:38915557
|
research paper | PSSR2是一个用户友好的Python包，旨在普及基于深度学习的点扫描超分辨率显微镜技术 | PSSR2改进并扩展了原有的PSSR工作流程，实现了同时超分辨率和去噪功能，并通过集成的CLI和Napari插件使技术更易于使用 | NA | 开发一个用户友好的工具，使显微镜和生物学研究社区能够轻松实现超分辨率工作流程 | 显微镜数据 | digital pathology | NA | deep learning | NA | image | NA | NA | NA | NA | NA |