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 1035 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2025-10-07 |
Application of deep learning radiomics in oral squamous cell carcinoma-Extracting more information from medical images using advanced feature analysis
2024-06, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.101840
PMID:38548062
|
系统综述 | 本文通过系统综述和荟萃分析评估深度学习影像组学在口腔鳞状细胞癌中的应用 | 首次对深度学习影像组学在OSCC中的应用进行系统综述和定量荟萃分析 | 存在轻微发表偏倚(P=0.03)，纳入研究数量有限(26项) | 评估深度学习影像组学在口腔鳞状细胞癌中的应用效果 | 口腔鳞状细胞癌(OSCC)的医学影像 | 医学影像分析 | 口腔鳞状细胞癌 | 影像组学特征分析 | 深度学习算法 | 医学影像 | 26项研究，包含64,731张医学影像 | NA | NA | 灵敏度, 特异性 | NA |
| 162 | 2025-10-07 |
Deep Learning-Based Prediction Modeling of Major Adverse Cardiovascular Events After Liver Transplantation
2024-Jun, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.03.005
PMID:38993485
|
研究论文 | 本研究验证了基于深度学习的模型在预测肝移植术后主要不良心血管事件(MACE)方面的能力 | 首次使用双向门控循环单元(BiGRU)深度学习模型和纵向索赔数据预测肝移植术后心血管事件风险 | 使用回顾性索赔数据，可能存在数据完整性和准确性的限制 | 开发能够预测肝移植患者术后主要不良心血管事件风险的预测模型 | 肝移植接受者 | 机器学习 | 心血管疾病 | 深度学习建模 | BiGRU | 结构化医疗数据(人口统计学特征、诊断、药物、手术数据) | 18,304名肝移植接受者(平均年龄57.4岁，女性占39.1%) | NA | 双向门控循环单元(BiGRU) | AUC-ROC, AUC-PR | NA |
| 163 | 2025-10-07 |
Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images
2024-Jun-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.07.597994
PMID:38915614
|
研究论文 | 本研究验证了深度学习网络Cellpose在自发荧光显微镜图像中进行单细胞分割的可靠性 | 首次将Cellpose应用于低信噪比的自发荧光显微镜图像分割，并在代谢成像数据中验证其性能 | 研究主要针对NAD(P)H自发荧光图像，在其他自发荧光对比度下的泛化能力需进一步验证 | 开发适用于自发荧光显微镜图像的可靠细胞分割方法 | PANC-1细胞系和来自9名患者的癌症类器官 | 数字病理学 | 癌症 | 多光子强度成像、荧光寿命成像显微镜(FLIM) | CNN | 显微镜图像 | PANC-1细胞系和9名患者的癌症类器官 | NA | Cellpose | Dice系数, 相关系数R | NA |
| 164 | 2025-04-10 |
Identifying depression-related topics in smartphone-collected free-response speech recordings using an automatic speech recognition system and a deep learning topic model
2024-06-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.03.106
PMID:38552911
|
research paper | 该研究通过智能手机收集的自由回答语音录音，使用自动语音识别系统和深度学习主题模型，自动识别与抑郁相关的主题 | 结合自动语音识别（Whisper工具）和深度学习主题模型（BERTopic）自动分析抑郁相关语音主题，并关联抑郁严重程度、行为和语言特征 | 研究结果来自特定语音任务的抑郁队列，可能限制对非临床人群或其他语音任务的普适性，部分主题样本量较小需进一步验证 | 自动识别抑郁相关语音主题并分析其与抑郁严重程度的关系 | 265名有抑郁史的参与者的3919段英语自由回答语音录音 | natural language processing | geriatric disease | 自动语音识别（Whisper工具），深度学习主题模型（BERTopic） | BERTopic | 语音录音 | 265名参与者的3919段语音录音 | NA | NA | NA | NA |
| 165 | 2025-04-10 |
Discovery and development of macrocyclic peptide modulators of the cannabinoid 2 receptor
2024-06, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2024.107330
PMID:38679329
|
研究论文 | 本文探索了植物源性环状胱氨酸结肽作为大麻素2型受体（CBR）配体的潜力，并基于深度学习网络设计和表征了基于vodo-C1的双环肽 | 首次发现并开发了基于环肽的大麻素2型受体调节剂，特别是从甜紫罗兰中鉴定出vodo-C1作为CBR的全激动剂，并设计出具有负变构调节或中性拮抗作用的双环肽 | 研究仅基于九种植物的肽富集提取物库，样本量有限，且设计的双环肽未能激活受体 | 开发新型大麻素2型受体调节剂，用于治疗慢性炎症和纤维化 | 大麻素2型受体（CBR）及其配体 | 药物发现 | 慢性炎症和纤维化 | 药理学引导的分馏、肽组学、深度学习网络 | 深度学习网络 | 肽序列和结构数据 | 九种植物的肽富集提取物库 | NA | NA | NA | NA |
| 166 | 2025-10-07 |
Evaluation of enzyme activity predictions for variants of unknown significance in Arylsulfatase A
2024-Jun-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.16.594558
PMID:38798479
|
研究论文 | 评估机器学习方法对芳基硫酸酯酶A基因未知意义变异体酶活性的预测能力 | 遗传学与编程训练营参与者开发的模型在标准机器学习工具下表现出最佳性能，且先进深度学习方法相比简单技术提供了统计显著的改进 | 仅针对ARSA基因的219个错义变异进行评估，样本规模有限 | 评估机器学习方法在预测未知意义变异体功能效应方面的进展 | 芳基硫酸酯酶A(ARSA)基因的219个实验验证的错义未知意义变异体 | 机器学习 | 遗传疾病 | 实验验证的功能效应测定 | 深度学习, 标准机器学习 | 基因变异数据 | 219个ARSA基因错义变异体 | Python标准机器学习工具 | NA | 预测准确性 | 适度计算资源 |
| 167 | 2025-10-07 |
Critical assessment of missense variant effect predictors on disease-relevant variant data
2024-Jun-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.06.597828
PMID:38895200
|
研究论文 | 系统评估错义变异效应预测工具在疾病相关变异数据上的性能表现 | 首次在CAGI6框架下综合评估传统预测工具与新兴深度学习方法，并分析高特异性与高敏感性场景下的性能差异 | 评估数据主要来源于疾病相关数据库的罕见错义变异，可能存在数据偏差 | 评估错义变异致病性预测工具的临床和研究实用性 | 错义变异效应预测工具（包括CAGI6参赛工具、临床常用工具和新兴深度学习方法） | 生物信息学 | 遗传性疾病 | 基因组变异分析 | 深度学习, 传统机器学习 | 基因组变异数据 | 疾病相关数据库中的罕见错义变异数据集 | NA | NA | 特异性, 敏感性 | NA |
| 168 | 2025-04-06 |
TSRNet: A Dual-Stream Network for Refining 3D Tooth Segmentation
2024-Jun-18, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3413345
PMID:38889041
|
research paper | 提出了一种名为TSRNet的双流网络，用于优化现有3D牙齿分割算法的粗糙分割结果 | 通过双流网络TSRNet结合边界图和距离图的信息，迭代优化粗糙分割的边界 | 未提及具体的数据集规模或计算资源需求 | 改进3D牙齿分割的边界精度 | 3D牙齿分割结果 | computer vision | NA | deep learning | TSRNet (dual-stream network) | 3D image | NA | NA | NA | NA | NA |
| 169 | 2025-10-07 |
Variants in tubule epithelial regulatory elements mediate most heritable differences in human kidney function
2024-Jun-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.18.599625
PMID:38948875
|
研究论文 | 通过GWAS和单细胞染色质可及性分析揭示肾小管上皮细胞调控元件中的遗传变异是人类肾功能遗传差异的主要决定因素 | 开发了ChromKid深度学习模型预测肾脏细胞类型特异性染色质可及性，并首次系统性地将肾功能遗传变异定位到特定细胞类型的调控元件 | 研究主要关注常见遗传变异，可能未涵盖罕见变异的影响；功能验证实验仅在体外细胞模型中进行 | 识别影响肾功能的遗传变异及其作用的细胞类型和分子机制 | 人类肾功能相关的遗传变异和肾脏细胞类型特异性调控元件 | 基因组学 | 肾脏疾病 | GWAS, scATAC-seq, 深度学习, CRISPRi, 增强子检测 | 深度学习模型 | 基因组数据, 表观基因组数据, 单细胞测序数据 | NA | NA | ChromKid | NA | NA |
| 170 | 2025-10-07 |
Opportunistic Screening of Chronic Liver Disease with Deep Learning Enhanced Echocardiography
2024-Jun-14, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.13.24308898
PMID:38947008
|
研究论文 | 开发基于深度学习的心动图视频分析算法，用于慢性肝病的机遇性筛查 | 首次利用常规心动图检查中获取的肝脏图像信息，通过深度学习实现慢性肝病的自动化筛查 | 回顾性研究设计，依赖配对腹部影像学检查作为金标准 | 开发并评估基于心动图视频的深度学习算法，用于慢性肝病的机遇性筛查 | 接受心动图和腹部影像学检查的成年患者 | 计算机视觉 | 慢性肝病 | 心动图视频分析 | 深度学习计算机视觉模型 | 心动图视频 | 1,596,640个心动图视频（来自24,276名患者的66,922项研究），外加106名患者的外部测试队列 | NA | EchoNet-Liver | AUC | NA |
| 171 | 2025-10-07 |
Development and external validation of a dynamic risk score for early prediction of cardiogenic shock in cardiac intensive care units using machine learning
2024-Jun-30, European heart journal. Acute cardiovascular care
DOI:10.1093/ehjacc/zuae037
PMID:38518758
|
研究论文 | 开发并外部验证了一种基于深度学习的动态风险评分系统CShock，用于早期预测心脏重症监护室患者的心源性休克 | 首次开发了动态风险评分系统CShock，能够利用常规临床数据实现心源性休克的早期自动化预测 | 研究样本量相对有限，外部验证队列仅包含131名患者 | 改善心脏重症监护室心源性休克的早期检测和预警 | 心脏重症监护室收治的急性失代偿性心力衰竭和/或心肌梗死患者 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 结构化临床数据，包括人口统计学、实验室检查、生命体征、超声心动图和心导管报告特征 | 训练集1500名患者（其中204名心源性/混合性休克），外部验证集131名患者（其中25名心源性/混合性休克） | NA | NA | AUROC | NA |
| 172 | 2025-03-20 |
Deep Learning Based on ResNet-18 for Classification of Prostate Imaging-Reporting and Data System Category 3 Lesions
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.12.042
PMID:38302387
|
研究论文 | 本研究探讨了基于ResNet-18的深度学习模型在前列腺影像报告和数据系统（PI-RADS）3类病变中对良性前列腺病变、非临床显著性前列腺癌（non-csPCa）和临床显著性前列腺癌（csPCa）的分类和预测效果 | 首次使用ResNet-18模型对PI-RADS 3类病变进行分类，并通过T-SNE和类激活映射进行特征可视化和模型关注区域的可视化 | 研究为回顾性研究，样本量相对较小，且仅使用了T2加权图像 | 探索深度学习模型在前列腺PI-RADS 3类病变中的分类和预测效果 | PI-RADS 3类病变的T2加权图像 | 数字病理学 | 前列腺癌 | 多参数MRI或双参数MRI | ResNet-18 | 图像 | 428张良性前列腺病变图像、158张非临床显著性前列腺癌图像和273张临床显著性前列腺癌图像 | NA | NA | NA | NA |
| 173 | 2025-03-20 |
Deep Learning Image Reconstruction for Transcatheter Aortic Valve Implantation Planning: Image Quality, Diagnostic Performance, Contrast volume and Radiation Dose Assessment
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.02.026
PMID:38472024
|
研究论文 | 本研究评估了在经导管主动脉瓣植入（TAVI）规划CT中使用高强度深度学习图像重建（DLIR-H）对图像质量、对比剂用量、辐射剂量及诊断性能的影响 | 首次在TAVI规划CT中应用DLIR-H技术，并系统评估其在降低辐射剂量、对比剂用量及提升图像质量方面的潜力 | 研究样本量相对较小（128例患者），且仅在一家医疗机构进行，可能影响结果的普遍性 | 评估DLIR-H在TAVI规划CT中的应用效果，包括图像质量、辐射剂量、对比剂用量及诊断性能 | 128例接受TAVI规划CT的患者 | 数字病理学 | 心血管疾病 | 深度学习图像重建（DLIR-H） | NA | CT图像 | 128例患者 | NA | NA | NA | NA |
| 174 | 2025-03-20 |
CT-Based Super-Resolution Deep Learning Models with Attention Mechanisms for Predicting Spread Through Air Spaces of Solid or Part-Solid Lung Adenocarcinoma
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.12.034
PMID:38184418
|
研究论文 | 本研究开发了一种基于CT超分辨率和注意力机制的深度学习模型，用于预测实性或部分实性肺腺癌的空气传播扩散状态 | 使用SE-ResNet50模型结合CT超分辨率技术，显著提高了预测肺腺癌空气传播扩散状态的准确性 | 研究为回顾性研究，样本量相对有限，且仅来自两个医疗中心 | 预测肺腺癌的空气传播扩散状态，以帮助选择合适的手术方法 | 602名被诊断为肺腺癌的患者 | 计算机视觉 | 肺癌 | CT超分辨率 | SE-ResNet50, ResNet50 | CT图像 | 602名患者（中心1：512名，中心2：90名） | NA | NA | NA | NA |
| 175 | 2025-10-07 |
CEMRI-Based Quantification of Intratumoral Heterogeneity for Predicting Aggressive Characteristics of Hepatocellular Carcinoma Using Habitat Analysis: Comparison and Combination of Deep Learning
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.024
PMID:38057182
|
研究论文 | 本研究基于对比增强磁共振图像，通过整合瘤内异质性模型和深度学习模型预测肝细胞癌的微血管侵犯和病理分化 | 首次将基于栖息地分析的瘤内异质性特征与深度学习特征融合，构建预测肝细胞癌侵袭性特征的融合模型 | 回顾性研究设计，样本量相对有限（277个HCC病灶），需要外部验证 | 预测肝细胞癌的微血管侵犯和病理分化程度 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 对比增强磁共振成像 | 深度学习 | 医学影像 | 265名患者的277个HCC病灶（训练集221个，验证集56个） | NA | NA | AUC | NA |
| 176 | 2025-10-07 |
Deep Learning Radiomics Nomogram Based on Magnetic Resonance Imaging for Differentiating Type I/II Epithelial Ovarian Cancer
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.08.002
PMID:37643927
|
研究论文 | 开发并验证基于T2加权磁共振成像的深度学习放射组学列线图用于区分I型和II型上皮性卵巢癌 | 首次将深度学习特征、放射组学特征和临床预测因子整合构建多中心验证的列线图模型 | 样本量相对有限，仅基于T2加权MRI序列 | 区分I型和II型上皮性卵巢癌的亚型分类 | 437名来自五个医疗中心的上皮性卵巢癌患者 | 医学影像分析 | 卵巢癌 | 磁共振成像 | 深度学习模型 | 医学影像 | 437例患者（训练集271例，内部验证68例，外部验证98例） | NA | NA | AUC, Brier分数, 校准曲线, 决策曲线分析 | NA |
| 177 | 2025-10-07 |
Contrast-Enhanced CT-Based Deep Learning Radiomics Nomogram for the Survival Prediction in Gallbladder Cancer
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.027
PMID:38061942
|
研究论文 | 本研究开发了一种基于增强CT的深度学习放射组学列线图模型，用于预测胆囊癌患者术后生存率 | 整合了临床特征、传统放射组学和深度学习特征的多模态预测模型 | 回顾性研究且样本量有限（仅167例患者） | 开发准确的预后预测模型以指导胆囊癌治疗策略 | 接受手术切除的胆囊癌患者 | 数字病理 | 胆囊癌 | 对比增强CT成像 | 深度学习, 机器学习 | 医学影像 | 167例来自两家医疗机构的胆囊癌患者 | NA | DenseNet121 | AUC, C-index | NA |
| 178 | 2025-03-20 |
Fusion Radiomics-Based Prediction of Response to Neoadjuvant Chemotherapy for Osteosarcoma
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.12.015
PMID:38151381
|
研究论文 | 本研究旨在开发一种基于深度学习的放射组学模型，利用术前MR图像准确预测骨肉瘤患者对新辅助化疗的反应 | 结合深度学习与放射组学技术，开发了一种新的预测模型，能够高精度预测骨肉瘤患者对新辅助化疗的反应 | 样本量相对较小，仅106名患者，且仅使用了T2加权成像和对比增强T1加权成像两种MR图像 | 开发一种深度学习放射组学模型，用于预测骨肉瘤患者对新辅助化疗的反应 | 106名病理确诊为骨肉瘤的患者 | 数字病理 | 骨肉瘤 | 深度学习放射组学 | 深度学习模型 | MR图像 | 106名骨肉瘤患者 | NA | NA | NA | NA |
| 179 | 2025-03-20 |
Anti-motion Ultrafast T2 Mapping Technique for Quantitative Detection of the Normal-Appearing Corticospinal Tract Changes in Subacute-Chronic Stroke Patients with Distal Lesions
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.036
PMID:38142175
|
研究论文 | 本研究利用多重叠回波分离（MOLED）定量技术，克服中风患者在磁共振成像（MRI）检查中的不自主运动问题，并检测亚急性-慢性中风患者正常外观皮质脊髓束（NA-CST）的微观结构变化 | 采用MOLED技术进行定量成像，解决了中风患者因不自主运动导致的成像难题，并首次通过T2映射检测NA-CST的微观结构变化 | 研究样本量有限，仅包括79名患者，且未探讨MOLED技术在其他类型中风或神经系统疾病中的应用 | 克服中风患者MRI检查中的运动问题，并定量检测NA-CST的微观结构变化 | 亚急性-慢性中风患者 | 数字病理学 | 中风 | MOLED技术 | 深度学习网络 | MRI图像 | 79名患者 | NA | NA | NA | NA |
| 180 | 2025-10-07 |
Habitat Radiomics Based on MRI for Predicting Platinum Resistance in Patients with High-Grade Serous Ovarian Carcinoma: A Multicenter Study
2024-06, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.038
PMID:38129227
|
研究论文 | 本研究探索基于MRI的栖息地放射组学预测高级别浆液性卵巢癌患者铂类药物化疗反应的可行性 | 首次将栖息地放射组学应用于预测HGSOC患者铂类药物耐药性，并与传统放射组学和深度学习模型进行比较 | 回顾性研究设计，样本来源仅限于三家医院 | 预测高级别浆液性卵巢癌患者对铂类药物化疗的反应 | 高级别浆液性卵巢癌患者 | 医学影像分析 | 卵巢癌 | MRI成像，包括T2加权成像、对比增强T1加权成像和表观扩散系数图 | 放射组学模型，栖息地模型，深度学习模型 | 医学影像数据 | 394名符合条件的患者 | NA | K-means聚类算法 | AUC，NRI，IDI | NA |