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 1069 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 | 2026-01-08 |
GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection
2024-Aug-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e35865
PMID:39220956
|
研究论文 | 提出一种基于GPT和BERT的混合深度学习模型GBERT，用于虚假新闻检测 | 结合了BERT的深度上下文理解能力和GPT的生成能力，创建了一种新的混合框架GBERT | NA | 解决虚假新闻分类问题，识别文本的真伪 | 虚假新闻文本 | 自然语言处理 | NA | NA | Transformer, GPT, BERT | 文本 | 在两个真实世界基准语料库上进行微调 | NA | GBERT, GPT, BERT | 准确率, 精确率, 灵敏度, F1分数 | NA |
| 2 | 2025-12-22 |
Traditional Machine Learning, Deep Learning, and BERT (Large Language Model) Approaches for Predicting Hospitalizations From Nurse Triage Notes: Comparative Evaluation of Resource Management
2024-Aug-27, JMIR AI
DOI:10.2196/52190
PMID:39190905
|
研究论文 | 本研究比较了传统机器学习、深度学习和基于BERT的大语言模型在预测护士分诊笔记中住院需求方面的性能，以评估资源管理策略 | 首次系统比较了不同计算资源需求模型（从简单逻辑回归到复杂BERT模型）在护士分诊笔记预测任务中的表现，为资源受限环境提供实用指导 | 研究仅基于单一医疗系统数据，外部泛化能力需进一步验证；未考虑其他可能影响住院预测的临床因素 | 评估不同计算复杂度模型在预测急诊患者住院需求方面的性能差异，为医疗系统资源管理提供决策依据 | 急诊科护士分诊笔记 | 自然语言处理 | NA | 自然语言处理 | 逻辑回归, BERT | 文本 | 1,391,988名患者（来自2017-2022年Mount Sinai医疗系统急诊科） | NA | Bio-Clinical-BERT | 受试者工作特征曲线下面积 | NA |
| 3 | 2025-12-13 |
STDAN: Deformable Attention Network for Space-Time Video Super-Resolution
2024-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3243029
PMID:37027773
|
研究论文 | 提出一种用于时空视频超分辨率的可变形注意力网络（STDAN），通过长短期特征插值和时空可变形特征聚合模块提升视频重建质量 | 设计了长短期特征插值模块（LSTFI）利用双向RNN结构从更多相邻帧挖掘信息，并提出时空可变形特征聚合模块（STDFA）自适应捕获动态视频中的时空上下文 | 未明确说明模型在极端运动场景或计算资源受限环境下的性能表现 | 提升低分辨率低帧率视频的时空分辨率 | 视频序列 | 计算机视觉 | NA | 深度学习 | RNN, 注意力网络 | 视频 | 多个数据集（未指定具体数量） | PyTorch（根据GitHub仓库推断） | STDAN（包含LSTFI和STDFA模块） | 未明确说明，但提及超越现有方法 | NA |
| 4 | 2025-12-13 |
Deep Learning Sequence Models for Transcriptional Regulation
2024-08, Annual review of genomics and human genetics
IF:7.7Q1
|
研究论文 | 本文综述了基于深度学习的序列模型在转录调控中的应用，包括预测非编码变异的功能后果 | 利用深度学习模型预测人类基因组中任何非编码变异的功能后果，包括罕见或未观察到的变异，并应用可解释性方法识别关键序列模式 | 未明确提及具体模型或实验的局限性 | 解码基因表达的调控代码并解释基因组变异对转录的影响 | 人类基因组DNA序列，包括非编码变异 | 自然语言处理 | NA | 深度学习序列模型 | 深度学习序列模型 | DNA序列数据 | NA | NA | NA | NA | NA |
| 5 | 2025-12-13 |
Integrating Large-Scale Protein Structure Prediction into Human Genetics Research
2024-08, Annual review of genomics and human genetics
IF:7.7Q1
|
综述 | 本文综述了深度学习模型在蛋白质结构和变异预测方面的最新进展，并探讨了其在人类遗传学和健康研究中的应用 | 强调将最先进的蛋白质信息学技术（如AlphaFold2）整合到人类遗传学研究中，以优先考虑未注释的错义变异 | 未具体讨论数据可用性、模型泛化能力或特定技术实施的局限性 | 促进蛋白质结构预测技术在人类遗传学研究中的更好整合，以注释变异对蛋白质功能的影响 | 人类蛋白质及其错义变异 | 自然语言处理 | NA | 深度学习，序列基结构预测 | 深度学习模型 | 蛋白质序列数据 | 数百万人类错义蛋白变异 | NA | AlphaFold2 | NA | NA |
| 6 | 2025-12-12 |
Imputation of cancer proteomics data with a deep model that learns from many datasets
2024-Aug-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.26.609780
PMID:39253518
|
研究论文 | 本文提出了一种名为Lupine的深度学习方法，用于估算串联质谱标签（TMT）蛋白质组学数据中的缺失值，通过联合学习多个数据集提高预测准确性 | Lupine是首个设计用于联合学习多个数据集的缺失值估算方法，能更准确地预测缺失值，并学习蛋白质和患者样本的有意义表示 | NA | 开发一种深度学习方法以估算癌症蛋白质组学数据中的缺失值，提高数据分析和统计功效 | 来自临床蛋白质组学肿瘤图谱联盟（CPTAC）的超过1000个癌症患者样本的TMT蛋白质组学数据，涵盖十种癌症类型 | 机器学习 | 癌症 | 串联质谱标签（TMT）蛋白质组学 | 深度学习模型 | 蛋白质组学数据 | 超过1000个癌症患者样本 | Python | NA | NA | NA |
| 7 | 2025-11-03 |
DeepSomatic: Accurate somatic small variant discovery for multiple sequencing technologies
2024-Aug-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.16.608331
PMID:39229187
|
研究论文 | 提出一种名为DeepSomatic的深度学习方法，用于从短读长和长读长测序数据中准确检测体细胞小变异 | 首个能够同时处理短读长和长读长测序数据的体细胞变异检测方法，并提供了公开的训练和基准数据集 | 未提及方法在特定癌症类型或复杂基因组区域的性能限制 | 开发高精度的体细胞变异检测工具，支持多种测序技术 | 体细胞单核苷酸变异(SNVs)和插入缺失(indels) | 生物信息学 | 癌症 | Illumina短读长测序, PacBio HiFi长读长测序, Oxford Nanopore长读长测序 | 深度学习 | 基因组测序数据 | 5对匹配的肿瘤-正常细胞系样本 | NA | NA | NA | NA |
| 8 | 2025-10-23 |
Bayesian-Edge system for classification and segmentation of skin lesions in Internet of Medical Things
2024-Aug, 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.13878
PMID:39081158
|
研究论文 | 提出一种结合贝叶斯推理和边缘智能的皮肤病变分割模型 | 首次将贝叶斯推理与边缘智能相结合用于皮肤病变分割，在不增加计算参数的情况下提升诊断性能 | NA | 开发高效的皮肤病变分类和分割系统 | 皮肤病变图像 | 计算机视觉 | 皮肤疾病 | 深度学习 | 贝叶斯-边缘网络 | 图像 | NA | NA | 贝叶斯-边缘网络 | 分割性能 | 边缘计算 |
| 9 | 2025-10-23 |
Artificial Intelligence Models Are Limited in Predicting Clinical Outcomes Following Hip Arthroscopy: A Systematic Review
2024-Aug-01, JBJS reviews
IF:1.7Q2
DOI:10.2106/JBJS.RVW.24.00087
PMID:39172870
|
系统评价 | 系统评价分析了人工智能模型在预测髋关节镜术后临床结局方面的应用现状和局限性 | 首次系统评估AI模型在髋关节镜手术预后预测领域的应用效果和泛化能力 | 纳入研究数量有限（13项），所有模型均未经过外部验证，限制了临床适用性 | 评估基于AI的预测模型在髋关节镜手术中的结局预测性能、有效性和泛化能力 | 接受髋关节镜手术的患者 | 机器学习 | 骨科疾病 | 人工智能预测模型 | NA | 临床数据 | 13项研究（共6,568例患者） | NA | NA | AUC, 准确率 | NA |
| 10 | 2025-10-15 |
Detailed delineation of the fetal brain in diffusion MRI via multi-task learning
2024-Aug-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.609697
PMID:39257731
|
研究论文 | 开发了一种基于多任务学习的深度学习框架，用于胎儿脑部扩散MRI数据的自动分析 | 提出了首个统一的计算框架，能够同时完成胎儿脑组织分割、白质束分割和脑区划分三项任务 | 数据质量较低且胎儿大脑发育迅速，现有方法在处理此类数据时存在挑战 | 开发可靠的胎儿脑部扩散MRI数据分析方法 | 胎儿大脑 | 医学影像分析 | 神经发育 | 扩散加权MRI | 深度学习 | 扩散MRI图像 | 97个胎儿大脑 | NA | 多任务学习网络 | Dice相似系数 | NA |
| 11 | 2025-10-05 |
SVPath: A Deep Learning Tool for Analysis of Stria Vascularis from Histology Slides
2024-Aug, Journal of the Association for Research in Otolaryngology : JARO
DOI:10.1007/s10162-024-00948-z
PMID:38760547
|
研究论文 | 开发了一种名为SVPath的深度学习工具，用于从颞骨组织病理学切片中自动分析和提取血管纹及其相关毛细血管床 | 首次结合YOLOv8和nnUnet深度学习模型，实现了血管纹的自动检测和分割，并开发了专门的SV分析工具(SVAT)进行形态学测量 | 研究样本数量有限，仅使用了正常猕猴耳的切片数据，缺乏病理状态下的验证 | 开发自动化工具用于血管纹的组织病理学分析 | 猕猴颞骨组织切片中的血管纹和毛细血管床 | 数字病理学 | 耳科疾病 | 组织病理学染色(苏木精-伊红染色) | CNN | 图像 | 内部数据集203张切片，外部验证集10张切片(均来自正常猕猴耳) | PyTorch | YOLOv8,nnUnet | 准确率,DICE分数 | NA |
| 12 | 2025-10-05 |
FUSION: A web-based application for in-depth exploration of multi-omics data with brightfield histology
2024-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.09.602778
PMID:39026885
|
研究论文 | 开发了一个基于Web的多组学数据与明场组织学深度探索应用FUSION | 将分子数据与组织病理学特征整合到单一工作空间，提供基于深度学习的空间组学数据分析工具 | NA | 开发用于空间多组学数据与组织病理学联合分析的工具 | 福尔马林固定石蜡包埋和冷冻制备的健康与疾病组织样本 | 数字病理学 | NA | 空间转录组学 | 深度学习 | 全切片图像,分子数据 | NA | NA | NA | NA | 基于Web的应用 |
| 13 | 2025-10-05 |
MRI Deep Learning-Based Automatic Segmentation of Interventricular Septum for Black-Blood Myocardial T2* Measurement in Thalassemia
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29113
PMID:37941460
|
研究论文 | 开发基于深度学习的自动分割方法，用于地中海贫血患者黑血MR图像中心室间隔的自动分割和心肌T2*测量 | 提出改进的注意力U-Net模型用于心室间隔自动分割，减少了分析时间和观察者间变异性 | 回顾性研究，样本量相对有限（146例患者），外部验证集规模较小 | 开发自动分割方法以替代传统手动分割，提高心肌铁负荷评估的效率和一致性 | 146例输血依赖型地中海贫血患者的心脏MR检查数据 | 医学影像分析 | 地中海贫血 | 多回波梯度回波序列MR成像 | 深度学习 | MR图像 | 146例患者（训练集100例，内部测试20例，外部测试26例） | NA | 改进的注意力U-Net | Dice系数, Bland-Altman图, 变异系数 | NA |
| 14 | 2025-10-05 |
Accelerated Cine Cardiac MRI Using Deep Learning-Based Reconstruction: A Systematic Evaluation
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29081
PMID:37855257
|
研究论文 | 系统评估基于深度学习的加速心脏电影MRI重建技术在不同加速因子下的性能 | 首次系统评估深度学习重建技术在心脏电影bSSFP成像中从2到8倍加速范围内的性能表现 | 研究样本仅包括15名漏斗胸患者且具有正常心脏功能，样本量有限 | 评估深度学习重建技术在加速心脏MRI采集中的可行性和性能 | 15名漏斗胸患者（平均年龄16.8±5.4岁，20%女性） | 医学影像分析 | 心脏疾病 | 心脏电影平衡稳态自由进动成像 | 深度学习 | MRI图像 | 15名患者 | NA | NA | 结构相似性指数, 图像质量评分, 边缘定义评分, 双心室容积指标 | NA |
| 15 | 2025-10-05 |
Fetal MRI-Based Body and Adiposity Quantification for Small for Gestational Age Perinatal Risk Stratification
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29141
PMID:37982367
|
研究论文 | 本研究通过胎儿MRI量化身体和脂肪指标，用于小于胎龄儿围产期风险分层 | 首次使用深度学习自动分割胎儿身体和皮下脂肪，量化脂肪信号分数和脂肪-身体体积比用于SGA风险预测 | 样本量较小(40例)，单中心研究，需要更大规模验证 | 开发基于胎儿MRI的身体成分量化方法，改善小于胎龄儿的围产期风险分层 | 40例小于胎龄儿胎儿，孕周30+2至37+2 | 数字病理 | 胎儿生长受限 | 胎儿MRI，True Fast Imaging with Steady State Free Precession (TruFISP)，T1-weighted two-point Dixon (T1W Dixon)序列 | 深度学习 | 医学影像 | 40例SGA胎儿，其中26例女性(61.9%) | NA | NA | 敏感性，特异性，阳性预测值，阴性预测值，准确率 | NA |
| 16 | 2025-10-05 |
Prostate Age Gap: An MRI Surrogate Marker of Aging for Prostate Cancer Detection
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29090
PMID:37855699
|
研究论文 | 本研究开发了一种基于前列腺MRI的衰老生物标志物——前列腺年龄差，用于评估临床显著前列腺癌的风险 | 首次从前列腺MRI中提取衰老生物标志物，提出前列腺年龄差概念作为前列腺癌检测的新型影像学生物标志物 | 回顾性研究设计，样本量相对有限（468名患者），需要进一步前瞻性验证 | 开发前列腺MRI衰老生物标志物并评估其与临床显著前列腺癌风险的关联 | 468名接受活检的男性患者，共7243个前列腺MRI切片 | 数字病理 | 前列腺癌 | 磁共振成像 | 深度学习模型 | MRI图像 | 468名患者（65.97±6.91岁），7243个前列腺MRI切片；训练集：212名非临床显著前列腺癌患者（81例低级别前列腺癌+131例阴性）的3223个MRI切片；测试集：256名患者（90例阴性+52例低级别+114例临床显著前列腺癌） | NA | NA | AUC, OR, 置信区间, P值 | NA |
| 17 | 2025-10-05 |
Deep Learning-Driven Transformation: A Novel Approach for Mitigating Batch Effects in Diffusion MRI Beyond Traditional Harmonization
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29088
PMID:37877463
|
研究论文 | 提出一种基于深度学习的扩散MRI图像批效应消除方法，通过对比度调整和超分辨率技术减少不同磁场强度和成像参数导致的图像差异 | 使用深度学习驱动的变换方法超越传统标准化技术，结合对比度调整和超分辨率来减少扩散加权图像的多样性 | 模型基于单个个体的开放数据集构建，样本来源相对有限 | 开发深度学习模型以减少扩散加权图像在不同磁场强度和成像参数下的多样性 | 扩散加权MRI图像 | 医学影像分析 | 中风,肿瘤 | 扩散加权成像,自旋回波序列,T2-SPACE序列 | 深度学习,自编码器,CNN | MRI图像 | 1134名成年人(54%女性,46%男性)，包含21000张图像，其中1050名无DWI异常，84名有中风和肿瘤等病变 | NA | ResNet-50,自编码器 | 准确率,精确率,召回率,F1分数,PSNR,SSIM,Dice系数 | NA |
| 18 | 2025-10-05 |
Development of an MRI-Based Comprehensive Model Fusing Clinical, Radiomics and Deep Learning Models for Preoperative Histological Stratification in Intracranial Solitary Fibrous Tumor
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29098
PMID:37897302
|
研究论文 | 开发基于MRI的融合临床、影像组学和深度学习特征的综合模型，用于颅内孤立性纤维瘤的术前组织学分层 | 首次提出融合临床特征、影像组学和深度学习的多模态综合模型用于颅内孤立性纤维瘤的术前分级 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 研究基于MRI的临床-影像组学-深度学习综合模型在颅内孤立性纤维瘤术前组织学分层的可行性 | 398例来自北京天坛医院的患者（主要训练队列）和49例来自兰州大学第二医院的患者（外部验证队列） | 医学影像分析 | 颅内孤立性纤维瘤 | 磁共振成像 | 深度学习 | MRI图像 | 447例患者（398例训练，49例外部验证） | NA | NA | AUC, 决策曲线分析, 校准曲线 | NA |
| 19 | 2025-10-05 |
Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01008-x
PMID:38413460
|
研究论文 | 本文提出一种结合深度学习与肿瘤微环境分析的方法，用于胶质瘤分级诊断 | 开发了同时进行全切片监督学习和无监督细胞间分析的协议，发现骨髓细胞在胶质瘤分级中的关键作用 | 数据集规模较小（仅206张图像）且存在类别不平衡问题 | 开发自动化的胶质瘤分级诊断方法 | 胶质瘤组织微阵列图像 | 数字病理学 | 胶质瘤 | HLA染色，图像增强 | CNN | 病理图像 | 206张图像，5个类别 | NA | DenseNet121 | 准确率 | NA |
| 20 | 2025-10-05 |
Approximating Intermediate Feature Maps of Self-Supervised Convolution Neural Network to Learn Hard Positive Representations in Chest Radiography
2024-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01032-x
PMID:38381382
|
研究论文 | 提出中间特征近似损失函数来改进自监督卷积神经网络在胸部X光图像中的对比学习性能 | 提出中间特征近似损失函数，专注于增强正样本表示而不需要额外数据增强 | NA | 改进医学图像对比学习中的正样本表示学习 | 胸部X光图像 | 计算机视觉 | NA | 对比学习 | CNN, GAN | 医学图像 | NA | NA | 卷积神经网络 | 分类准确率，目标检测性能，GAN反演质量 | NA |