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 1297 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2025-06-15 |
A hybrid model for the detection of retinal disorders using artificial intelligence techniques
2024-Jul-10, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad5db2
PMID:38955139
|
research paper | 该研究提出了一种结合机器学习和深度学习技术的混合模型，用于自动分类视网膜疾病 | 提出了一种新的框架，结合了多种分类器（SVM、K-NN、DT、EM）和InceptionV3 CNN特征提取器，实现了高精度的视网膜疾病分类 | 未提及模型在临床环境中的实际应用效果或泛化能力 | 开发一种自动化的视网膜疾病分类方法 | 视网膜疾病（脉络膜新生血管、糖尿病性黄斑水肿、玻璃膜疣）和正常病例 | computer vision | 视网膜疾病 | OCT（光学相干断层扫描） | SVM、K-NN、DT、EM、InceptionV3 CNN | image | 18000张OCT图像 | NA | NA | NA | NA |
| 122 | 2025-06-14 |
Deep Learning Prostate MRI Segmentation Accuracy and Robustness: A Systematic Review
2024-07, Radiology. Artificial intelligence
DOI:10.1148/ryai.230138
PMID:38568094
|
系统性综述 | 本研究通过系统性综述探讨了深度学习在前列腺MRI分割中的准确性和鲁棒性，并与专业放射科医生进行了比较 | 首次系统性评估深度学习在前列腺MRI分割中的表现，并比较不同MRI厂商、前列腺区域和测试方法下的性能 | 仅纳入截至2022年7月31日前的英文文献，可能遗漏最新研究成果 | 评估深度学习在前列腺MRI分割中的准确性和鲁棒性 | 前列腺MRI图像 | 数字病理学 | 前列腺癌 | MRI | 深度学习算法 | 医学影像 | 48项研究（来自691篇初步筛选文献） | NA | NA | NA | NA |
| 123 | 2025-06-14 |
Validation of de novo designed water-soluble and transmembrane β-barrels by in silico folding and melting
2024-Jul, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5033
PMID:38864690
|
研究论文 | 通过计算机模拟折叠和熔解验证了从头设计的水溶性和跨膜β桶蛋白 | 揭示了AlphaFold2和ESMFold在不同任务中的优势，并引入了一种基于预测增量扰动的'计算机模拟熔解'新方法 | 缺乏高质量预测模型与实验成功机会之间关系的正式证据 | 验证和比较深度学习结构预测算法在蛋白质设计中的应用 | 从头设计的水溶性和跨膜β桶蛋白 | 计算生物学 | NA | 深度学习结构预测算法(AlphaFold2, ESMFold) | AlphaFold2, ESMFold | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 124 | 2025-10-06 |
Combining Artificial Intelligence and Simplified Image Processing for the Automatic Detection of Mycobacterium tuberculosis in Acid-fast Stain : A Cross-institute Training and Validation Study
2024-Jul-01, The American journal of surgical pathology
DOI:10.1097/PAS.0000000000002223
PMID:38595262
|
研究论文 | 开发结合人工智能和简化图像处理的自动化结核分枝杆菌检测平台 | 结合图像处理技术与改进的EfficientNet模型，能有效识别染色伪影和污染物，实现跨机构验证 | 仅在两所医院进行训练和验证，样本来源有限 | 提高结核病检测的准确性和效率 | 抗酸染色中的结核分枝杆菌 | 数字病理学 | 结核病 | 抗酸染色 | CNN | 图像 | 来自2家医院的全切片图像 | NA | EfficientNet | 准确率, 检测率 | 高性能计算系统 |
| 125 | 2025-10-06 |
Designing Clinical MRI for Enhanced Workflow and Value
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29038
PMID:37795927
|
综述 | 探讨通过优化MRI工作流程提升临床价值和效率的策略与方法 | 提出结合数字化工具、加速成像技术和建筑设计策略的系统性MRI工作流程优化方案 | 主要基于作者实践经验，缺乏具体数据支持 | 优化临床MRI工作流程以提升医疗价值和效率 | MRI检查流程和相关医疗系统 | 医学影像 | NA | MRI, 深度学习加速图像重建 | NA | 医学影像数据 | NA | NA | NA | NA | NA |
| 126 | 2025-10-06 |
Global and Regional Deep Learning Models for Multiple Sclerosis Stratification From MRI
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29046
PMID:37803817
|
研究论文 | 本研究比较了全脑输入采样策略与区域/特定组织策略在基于MRI对多发性硬化症患者进行残疾水平分层中的性能差异 | 首次系统比较了全脑输入策略与针对已知残疾累积相关区域的局部策略在MS患者分层中的效果 | 回顾性研究设计，样本量相对有限，仅使用单一供应商的MRI设备 | 比较不同MRI输入策略对多发性硬化症患者残疾水平分层的性能影响 | 多发性硬化症患者的脑部MRI扫描数据 | 医学影像分析 | 多发性硬化症 | 磁共振成像 | CNN | 3D脑部MRI图像 | 319名MS患者（382次脑部MRI扫描）的内部数据集和440名来自多个中心的MS患者的外部验证队列 | NA | 3D-CNN | 平衡准确度, 敏感度, 特异度, AUC | NA |
| 127 | 2025-10-06 |
Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29058
PMID:37846440
|
研究论文 | 本研究开发了深度学习和影像组学模型，用于自动评估乳腺密度并减少观察者间差异 | 结合深度学习和影像组学方法，通过AI辅助判读显著提高了乳腺密度评估的一致性 | 回顾性研究设计，样本量相对有限（621例患者） | 评估人工智能辅助判读在减少乳腺密度评估观察者间差异方面的可行性 | 621名无乳房假体或重建的患者 | 医学影像分析 | 乳腺癌 | MRI成像，T1加权光谱衰减反转恢复序列 | 深度学习，影像组学 | MRI图像 | 621例患者（训练集377例，验证集98例，独立测试集146例） | NA | NA | kappa统计量，准确率，AUC | NA |
| 128 | 2025-10-06 |
Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29064
PMID:37888871
|
研究论文 | 本研究开发了一种基于转移性血管模式的磁共振深度学习放射组学模型，用于评估肝细胞癌患者的无复发生存期 | 首次结合VETC和MVI两种转移性血管模式构建深度学习模型评估HCC患者预后 | 回顾性研究设计，样本量相对有限，需要多中心前瞻性验证 | 构建和比较与肝细胞癌无复发生存期相关的VETC-MVI模型 | 398例接受切除术的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 磁共振成像 | 深度学习模型 | 医学影像 | 398例HCC患者（训练队列358例，测试队列40例） | NA | NA | C-index, AUC | NA |
| 129 | 2024-08-07 |
Editorial for "Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma"
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29063
PMID:37818933
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 130 | 2024-08-07 |
Editorial for "Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability"
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29059
PMID:37818764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 131 | 2025-06-02 |
Geometric deep learning-guided Suzuki reaction conditions assessment for applications in medicinal chemistry
2024-Jul-17, RSC medicinal chemistry
IF:4.1Q2
DOI:10.1039/d4md00196f
PMID:39026644
|
研究论文 | 本文探讨了如何利用机器学习方法基于高通量实验数据快速选择Suzuki偶联反应条件，以加速小分子药物发现中的碳-碳键构建 | 引入了针对反应产率优化的96孔板设计算法，并评估了零样本和小样本机器学习在反应条件选择中的性能 | 零样本机器学习模型的平均ROC-AUC值较低（0.63±0.16），表明其在某些情况下可能不够可靠 | 加速小分子药物发现中的碳-碳键构建过程 | Suzuki偶联反应条件选择 | 机器学习 | NA | 高通量实验(HTE) | 零样本和小样本机器学习 | 实验数据 | 八个反应验证 | NA | NA | NA | NA |
| 132 | 2025-05-31 |
Quantifying social roles in multi-animal videos using subject-aware deep-learning
2024-Jul-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.07.602350
PMID:39026890
|
研究论文 | 介绍了一种基于深度学习的系统LabGym2，用于识别和量化多动物群体中的社会角色 | 采用主体感知方法，评估群体中每个个体的行为状态，同时考虑其社会和周围环境 | NA | 开发自动化工具以分析多动物群体中自由移动个体的社会角色 | 多动物群体中的个体 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 多种物种和实验，包括自由移动昆虫和野外灵长类动物的社会互动 | NA | NA | NA | NA |
| 133 | 2025-05-31 |
Dynamic risk stratification of worsening heart failure using a deep learning-enabled implanted ambulatory single-lead electrocardiogram
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae035
PMID:39081943
|
研究论文 | 该研究开发了一种基于深度学习的动态风险分层方法，利用植入式单导联动态心电图监测心力衰竭恶化的风险 | 首次将植入式循环记录器的动态心电图数据与深度学习算法结合，用于心力衰竭恶化的动态风险分层 | 研究仅基于回顾性数据，需要前瞻性研究验证 | 开发心力衰竭恶化的早期预警系统 | 心力衰竭患者 | 数字病理学 | 心血管疾病 | 动态心电图监测 | CNN | 心电图数据 | 2247名患者（训练集），909名患者（验证集） | NA | NA | NA | NA |
| 134 | 2025-05-31 |
CrysFormer: Protein structure determination via Patterson maps, deep learning, and partial structure attention
2024-Jul, Structural dynamics (Melville, N.Y.)
DOI:10.1063/4.0000252
PMID:39148510
|
研究论文 | 提出了一种基于Transformer的模型CrysFormer，利用实验蛋白质晶体学数据和部分结构信息计算蛋白质的电子密度图 | 首次提出直接利用实验蛋白质晶体学数据和部分结构信息的Transformer模型，绕过晶体学相位问题 | 仅在合成数据集上进行了验证，未在真实复杂蛋白质结构上测试 | 解决蛋白质原子级结构确定的长期挑战 | 蛋白质晶体结构 | 计算生物学 | NA | X射线晶体学 | Transformer | Patterson图、蛋白质序列信息 | 两个合成数据集（一个每单位细胞含2个残基，另一个含15个残基） | NA | NA | NA | NA |
| 135 | 2025-05-29 |
FedAssist: Federated Learning in AI-Powered Prosthetics for Sustainable and Collaborative Learning
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781961
PMID:40039020
|
研究论文 | 本文探讨了联邦学习在开发深度学习驱动的表面肌电信号解码方法中的应用，用于AI控制的假肢 | 提出了FedAssist框架，通过本地和全局预热策略，有效解决了sEMG数据集的非独立同分布问题 | 未提及具体样本量或实验规模 | 推进去中心化机器学习方法在sEMG领域的应用，提高假肢精度和康复效果 | AI控制的假肢 | 机器学习 | NA | 联邦学习 | 深度学习 | 表面肌电信号(sEMG) | NA | NA | NA | NA | NA |
| 136 | 2025-05-29 |
Multi-class Prediction of Cognitively Normal / Mild Cognitive Impairment / Alzheimer's Disease Status in Dementia Based on Convolutional Neural Networks with Attention Mechanism
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781557
PMID:40039646
|
研究论文 | 开发了一个基于MRI和深度学习的多类别阿尔茨海默病分类预测框架 | 在传统VGG19架构中嵌入卷积块注意力模块（CBAM）注意力层，构建了名为AD_Net的阿尔茨海默病定向预测3D卷积模型 | 未明确说明模型在其他独立数据集上的泛化能力 | 阿尔茨海默病的早期诊断 | 阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者 | 数字病理学 | 阿尔茨海默病 | MRI成像 | CNN（VGG19架构改进）与注意力机制结合 | MRI图像 | 来自ADNI开放数据资源的MRI图像（具体数量未说明） | NA | NA | NA | NA |
| 137 | 2025-05-29 |
Residual Neural Networks for the Prediction of the Regularization Parameters in PET Reconstruction
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782195
PMID:40040188
|
研究论文 | 本文提出了一种基于残差神经网络的监督深度学习策略，用于预测PET重建中正则化参数的最优值 | 利用残差神经网络直接从原始测量数据（正弦图）预测正则化参数的最优值，避免了传统手动调参的繁琐过程 | 研究仅基于合成数据集进行训练和验证，未在真实临床数据上进行测试 | 优化PET图像重建过程中的正则化参数设置，提高图像质量 | PET重建算法中的正则化参数 | 医学影像处理 | NA | 深度学习 | 残差神经网络(ResNet) | 2D正弦图 | 合成数据集（具体数量未提及） | NA | NA | NA | NA |
| 138 | 2025-10-07 |
Imputing Single-Cell Protein Abundance in Multiplex Tissue Imaging
2024-Jul-27, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.05.570058
PMID:38106203
|
研究论文 | 本研究利用机器学习方法对多重组织成像数据中的单细胞蛋白质丰度进行插补 | 首次系统比较多种机器学习方法在单细胞蛋白质丰度插补中的表现，并创新性地整合细胞空间信息提升插补性能 | 研究基于乳腺癌队列数据，方法在其他癌症类型中的适用性需要进一步验证 | 解决多重组织成像技术中蛋白质检测限制问题，提升单细胞蛋白质丰度数据的完整性 | 乳腺癌患者组织样本中的单细胞蛋白质表达数据 | 机器学习 | 乳腺癌 | 多重组织成像 | 正则化线性回归,梯度提升回归树,深度学习自编码器 | 蛋白质表达数据,空间位置数据 | 乳腺癌队列的多重组织成像数据集 | NA | 自编码器 | 平均绝对误差 | NA |
| 139 | 2025-10-07 |
Deep learning guided design of dynamic proteins
2024-Jul-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.17.603962
PMID:39071443
|
研究论文 | 开发了一种基于深度学习的动态蛋白质构象变化设计方法 | 首次实现了对蛋白质构象动态变化的精确设计，模拟自然界开关蛋白的信号传导机制 | NA | 设计具有可控构象动态变化的蛋白质 | 蛋白质构象变化和动态行为 | 机器学习 | NA | 深度学习，物理模拟 | 深度学习模型 | 蛋白质结构数据 | 4个验证结构 | NA | NA | 结构验证，微秒级转变观测 | NA |
| 140 | 2025-10-07 |
Magnetic Resonance Imaging Images Based Brain Tumor Extraction, Segmentation and Detection Using Convolutional Neural Network and VGC 16 Model
2024-07-01, American journal of clinical oncology
DOI:10.1097/COC.0000000000001097
PMID:38632686
|
研究论文 | 使用卷积神经网络和VGC 16模型从磁共振成像图像中提取、分割和检测脑肿瘤 | 提出结合两种CNN模型的混合方法，并采用预测平均交并比来识别失败案例 | NA | 开发自动诊断和检测脑肿瘤的系统 | 脑肿瘤患者的磁共振成像图像 | 计算机视觉 | 脑肿瘤 | 磁共振成像 | CNN | 医学图像 | NA | MATLAB | VGC 16 | 准确率, 验证准确率, 验证损失, 平均交并比 | NA |