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 1164 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-10-07 |
High-Throughput and Integrated CRISPR/Cas12a-Based Molecular Diagnosis Using a Deep Learning Enabled Microfluidic System
2024-09-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c05734
PMID:39173188
|
研究论文 | 开发了一种基于CRISPR/Cas12a和深度学习的高通量微流控系统，用于快速检测SARS-CoV-2及其变异株 | 结合微流控技术、自研试剂和深度学习原型设备，实现了96样本/轮次的高通量检测，检测限低至250拷贝/mL | 样本规模有限（72个临床样本），需进一步验证系统普适性 | 开发高效集成的病原体分子诊断系统 | SARS-CoV-2病毒及其变异株 | 数字病理 | COVID-19 | CRISPR/Cas12a, RT-LAMP, 微流控技术 | 深度学习 | 分子检测数据 | 72个临床样本（22个野生型，26个突变型，24个阴性） | NA | NA | 准确率 | NA |
| 202 | 2025-10-07 |
High-throughput optimized prime editing mediated endogenous protein tagging for pooled imaging of protein localization
2024-Sep-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.16.613361
PMID:39345511
|
研究论文 | 开发了一种基于prime editing的高通量内源蛋白标记方法，用于并行研究蛋白质亚细胞定位 | 首次将prime editing与光学读出和测序结合，实现大规模蛋白质亚细胞定位的准确测量 | 仅验证了60种蛋白质的标记效率，尚未在不同细胞类型和环境扰动中广泛验证 | 开发能够大规模测量蛋白质亚细胞定位的技术方法 | 60种具有不同定位模式的内源蛋白质 | 计算生物学 | NA | prime editing, 原位pegRNA测序, 高通量深度学习图像分析 | 深度学习 | 图像, 测序数据 | 17,280个pegRNAs设计的文库，覆盖60种蛋白质 | NA | NA | 标记效率预测准确性 | NA |
| 203 | 2025-10-07 |
Evaluating Performance of Different RNA Secondary Structure Prediction Programs Using Self-cleaving Ribozymes
2024-Sep-13, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzae043
PMID:39317944
|
研究论文 | 比较七种RNA二级结构预测工具在自切割核酶序列上的预测准确性 | 首次系统评估包括深度学习方法在内的多种RNA结构预测工具在不同复杂度任务中的表现 | 仅针对特定类别的自切割核酶序列进行评估，结果可能不适用于其他RNA类型 | 评估不同计算工具在预测RNA二级结构方面的性能差异 | 自切割核酶序列的RNA二级结构 | 生物信息学 | NA | RNA二级结构预测 | 深度学习,传统计算方法 | RNA序列数据 | 数十个自切割核酶序列 | NA | NA | 预测准确性 | NA |
| 204 | 2025-04-24 |
Reconstructing Cancellous Bone From Down-Sampled Optical-Resolution Photoacoustic Microscopy Images With Deep Learning
2024-09, Ultrasound in medicine & biology
|
研究论文 | 本研究提出了一种名为PADA U-Net的深度学习模型，用于从欠采样的光学分辨率光声显微镜图像中重建完整的骨组织图像 | 提出PADA U-Net模型，突破成像速度与空间分辨率之间的权衡 | NA | 提高光学分辨率光声显微镜图像质量，同时不牺牲时间分辨率 | 牛松质骨样本 | 数字病理学 | 骨疾病 | 光学分辨率光声显微镜(OR-PAM) | PADA U-Net | 图像 | 牛松质骨测试集 | NA | NA | NA | NA |
| 205 | 2025-04-24 |
A Semi-supervised Four-Chamber Echocardiographic Video Segmentation Algorithm Based on Multilevel Edge Perception and Calibration Fusion
2024-09, Ultrasound in medicine & biology
|
research paper | 提出一种基于多级边缘感知和校准融合的半监督四腔心超声视频分割算法，以提高心内膜分割的准确性 | 引入了多级边缘感知模块和校准融合模块，结合半监督学习，有效解决了超声视频中的边缘模糊和特征融合问题 | 未提及具体的数据集规模和多样性限制，可能影响模型的泛化能力 | 提高心内膜的自动语义分割准确性，辅助心脏疾病诊断 | 超声心动图视频中的心内膜 | digital pathology | cardiovascular disease | deep learning | semi-supervised network | video | 两个公共超声心动图视频数据集和一个本地医院临床数据集 | NA | NA | NA | NA |
| 206 | 2025-10-07 |
Deep Learning-Based Reconstruction Algorithm With Lung Enhancement Filter for Chest CT: Effect on Image Quality and Ground Glass Nodule Sharpness
2024-09, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0472
PMID:39197828
|
研究论文 | 评估结合深度学习图像重建算法与肺部增强滤波器对胸部CT图像质量和磨玻璃结节清晰度的影响 | 首次将肺部增强滤波器与深度学习图像重建算法相结合，显著提升磨玻璃结节边缘清晰度 | 研究基于体模实验，未涉及真实患者数据验证 | 优化低剂量胸部CT的图像重建质量 | 胸部体模中的人工磨玻璃结节 | 医学影像处理 | 肺部结节 | CT扫描 | 深度学习图像重建 | CT图像 | 5个不同密度的人工磨玻璃结节，4个辐射剂量水平，共12组重建图像 | NA | Truefidelity | 图像噪声，信噪比，对比噪声比，半高全宽值 | 256排CT扫描仪（Revolution Apex CT, GE Healthcare） |
| 207 | 2025-10-07 |
Diagnostic Accuracy of AI Algorithms in Aortic Stenosis Screening: A Systematic Review and Meta-Analysis
2024-09, Clinical medicine & research
IF:1.2Q2
DOI:10.3121/cmr.2024.1934
PMID:39438148
|
系统综述与荟萃分析 | 评估人工智能算法在主动脉瓣狭窄筛查中的诊断准确性 | 首次对AI算法在AS筛查中的诊断性能进行系统评价和荟萃分析，涵盖多种数据源和AI方法 | 存在发表偏倚，纳入研究数量有限（10项），存在异质性来源 | 评估AI算法在主动脉瓣狭窄筛查中的诊断准确性 | 主动脉瓣狭窄患者 | 医疗AI | 心血管疾病 | 心电图、胸部X光片、听诊音频文件、电子听诊器记录、穿戴式惯性传感器信号 | 深度学习 | 心电图、影像、音频、传感器信号 | 10项符合纳入标准的研究（从295篇文献中筛选） | NA | NA | 灵敏度, 特异度, 诊断比值比, 阴性似然比, 阳性似然比, AUC | NA |
| 208 | 2025-10-07 |
AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis
2024-Sep-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.20.24314081
PMID:39399046
|
研究论文 | 开发基于深度学习的全自动管道，通过CT衰减图分割心脏结构并量化18F-FDG PET活性以检测心脏结节病 | 首次提出基于CT衰减图深度学习分割的全自动化心脏活动量化管道，实现心脏结节病的客观检测 | 样本量相对较小（69例患者），需在更大群体中验证 | 开发自动化方法量化心脏FDG PET活性以改进心脏结节病诊断 | 疑似心脏结节病患者 | 数字病理 | 心脏结节病 | 18F-FDG PET/CT成像 | 深度学习分割模型 | CT衰减图和PET图像 | 69例连续患者（平均年龄56.1±13.4岁），其中29例确诊心脏结节病 | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 209 | 2025-10-07 |
Tumor evolution metrics predict recurrence beyond 10 years in locally advanced prostate cancer
2024-09, Nature cancer
IF:23.5Q1
DOI:10.1038/s43018-024-00787-0
PMID:38997466
|
研究论文 | 本研究结合基因组学和人工智能辅助组织病理学分析，开发了预测局部晚期前列腺癌长期复发的进化指标 | 首次将基因组瘤内异性与深度学习评估的形态学异质性相结合，识别出能够预测10年以上复发的临床生物标志物 | 样本量相对有限，需要更大规模研究验证 | 探索癌症进化指标在预测局部晚期前列腺癌长期复发中的临床应用价值 | 局部晚期前列腺癌患者 | 数字病理学 | 前列腺癌 | 基因组测序, 深度学习 | 深度学习模型 | 基因组数据, 组织切片图像 | 114名患者的642个基因组样本，250名患者的1,923个组织学切片 | NA | NA | 风险比, 置信区间, 中位复发时间 | NA |
| 210 | 2025-10-07 |
Evaluating cell type deconvolution in FFPE breast tissue: application to benign breast disease
2024-09, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqae098
PMID:40162103
|
研究论文 | 本研究评估了多种细胞类型反卷积方法在FFPE乳腺组织中的应用性能，并开发了专用分析工具 | 构建了乳腺组织单细胞RNA-seq参考数据，系统测试了FFPE人工假象对反卷积方法的影响，并开发了SCdeconR软件包 | 仅针对良性乳腺疾病进行研究，样本量为62例，可能不适用于其他疾病类型 | 优化从FFPE样本中定义单个细胞类型组成的策略 | FFPE乳腺组织样本 | 数字病理学 | 乳腺疾病 | RNA-seq, 单细胞RNA-seq, 数字病理学方法 | 深度学习 | 转录组数据, 病理图像 | 62例良性乳腺疾病RNA-seq样本 | Scaden, R | NA | 均方根误差(RMSE) | NA |
| 211 | 2025-10-07 |
qlty: handling large tensors in scientific imaging deep-learning workflows
2024-Sep, Software impacts
IF:1.3Q3
DOI:10.1016/j.simpa.2024.100696
PMID:40206204
|
研究论文 | 介绍qlty工具包，用于处理科学成像中超出GPU内存容量的大型张量数据 | 开发专门针对科学成像工作流的张量管理工具包，提供子采样、数据清理和拼接功能 | NA | 解决科学成像中大型体积数据集在深度学习工作流中的内存管理问题 | 科学成像中的大型体积数据集 | 计算机视觉 | NA | 深度学习 | NA | 体积图像数据 | NA | NA | NA | NA | 标准GPU |
| 212 | 2025-04-12 |
Deep Learning-Based Prediction of Hepatic Decompensation in Patients With Primary Sclerosing Cholangitis With Computed Tomography
2024-Sep, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.07.002
PMID:40206109
|
研究论文 | 本研究探讨了使用深度学习模型基于CT影像预测原发性硬化性胆管炎（PSC）患者肝失代偿的潜力 | 首次应用3D-DenseNet121模型分析CT影像预测PSC患者的肝失代偿，并通过解剖区域分割验证模型决策过程 | 回顾性研究设计，样本量有限（277例），未进行外部验证 | 开发基于深度学习的肝失代偿预测工具 | 原发性硬化性胆管炎（PSC）患者 | 数字病理 | 肝病 | CT成像 | 3D-DenseNet121 | 3D医学影像 | 277例接受腹部CT扫描的成人PSC患者 | NA | NA | NA | NA |
| 213 | 2025-04-06 |
Timely ICU Outcome Prediction Utilizing Stochastic Signal Analysis and Machine Learning Techniques with Readily Available Vital Sign Data
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3416039
PMID:38889027
|
research paper | 该研究提出了一种结合随机信号分析和机器学习技术的新方法，用于从ICU患者的实时生命体征时间序列中提取具有强预测能力的特征，以实现准确及时的ICU结果预测 | 该方法通过随机信号分析和机器学习技术提取有意义的特征，显著提高了ICU结果预测的准确性，超越了包括APACHE IV和深度学习模型在内的基线方法 | 该方法可能仍面临模型可解释性不足的问题，限制了其在临床实践中的广泛应用 | 开发一种新方法，用于准确及时地预测ICU患者的结果，以减轻重症监护需求带来的经济和医疗负担 | ICU患者的实时生命体征时间序列数据 | machine learning | NA | 随机信号分析，机器学习 | NA | 时间序列数据 | NA | NA | NA | NA | NA |
| 214 | 2025-04-03 |
Automated detection of Bornean white-bearded gibbon (Hylobates albibarbis) vocalizations using an open-source framework for deep learning
2024-09-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0028268
PMID:39248557
|
research paper | 本文介绍了一个开源深度学习框架，用于自动检测婆罗洲白须长臂猿的鸣叫，以解决大规模声学数据分析的瓶颈问题 | 采用开源深度学习框架自动检测特定物种的鸣叫，显著减少分析时间，且检测结果与人工标注无显著差异 | 未来需要将该模型应用于长期声学数据集以了解鸣叫活动的时空变化 | 开发一个自动检测濒危物种鸣叫的深度学习框架，以促进声学监测 | 婆罗洲白须长臂猿（Hylobates albibarbis）的鸣叫 | bioacoustics | NA | deep learning | neural network | audio recordings | 90小时的手动标注音频记录 | NA | NA | NA | NA |
| 215 | 2025-04-03 |
A systematic review of the application of machine learning techniques to ultrasound tongue imaging analysis
2024-09-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0028610
PMID:39287468
|
review | 本文系统回顾了机器学习技术在超声舌成像分析中的应用 | 深入探讨了深度学习在超声舌图像序列分析中的应用潜力，特别是在克服斑点噪声和视野遮挡方面的优势 | 未提及具体实验验证或实际应用效果的局限性 | 评估机器学习技术在超声舌成像分析中的研究现状和发展趋势 | 超声舌图像帧序列(UTIFs) | machine learning | NA | B-mode ultrasound | deep learning | image | NA | NA | NA | NA | NA |
| 216 | 2025-10-07 |
Computer Vision Identification of Trachomatous Inflammation-Follicular Using Deep Learning
2024-Sep-20, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000003701
PMID:39312712
|
研究论文 | 本研究开发了一种基于深度学习的计算机视觉系统，用于自动识别沙眼性炎症-滤泡（TF） | 首次将MobileNetV3大型深度卷积神经网络应用于沙眼筛查，实现了接近人类专家水平的TF分类性能 | 需要在不同TF患病率的多样化人群中进行进一步验证才能大规模实施 | 开发机器学习模型以降低沙眼调查成本并提高可靠性 | 0-9岁儿童的睑结膜照片 | 计算机视觉 | 沙眼 | 深度学习 | CNN | 图像 | 11,358名儿童的56,725张睑结膜照片 | NA | MobileNetV3 large | AUC, F1分数, 准确率, 灵敏度, 特异性 | NA |
| 217 | 2024-09-25 |
Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9)
2024-09, Diabetes & metabolism journal
IF:6.8Q1
DOI:10.4093/dmj.2024.0490
PMID:39313234
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 218 | 2024-08-07 |
Comment on 'Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis'
2024-Sep-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001718
PMID:38814316
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 219 | 2025-10-07 |
Effect of childhood atropine treatment on adult choroidal thickness using sequential deep learning-enabled segmentation
2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2024.100107
PMID:39378966
|
研究论文 | 本研究使用序列深度学习分割技术评估儿童期接受阿托品治疗的成人脉络膜厚度变化 | 首次采用序列深度学习分割方法分析儿童期阿托品治疗对成人脉络膜厚度的长期影响 | 观察性研究设计无法确定因果关系，样本量相对有限 | 评估儿童期阿托品治疗对成人脉络膜厚度的长期影响 | 接受儿童期阿托品治疗的成人近视患者 | 数字病理学 | 近视 | 扫频源光学相干断层扫描 | 深度学习 | 医学影像 | 422只眼睛（94只无阿托品暴露，328只有儿童期阿托品暴露） | NA | 序列深度学习分割模型 | 置信区间，P值，比值比 | NA |
| 220 | 2024-09-10 |
Validation of a fully automated deep learning-enabled solution for CCTA atherosclerotic plaque and stenosis quantification in a diverse real-world cohort
2024 Sep-Oct, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2024.03.012
PMID:38553402
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |