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 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-10-06 |
Deep network and multi-atlas segmentation fusion for delineation of thigh muscle groups in three-dimensional water-fat separated MRI
2024-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.5.054003
PMID:39234425
|
研究论文 | 提出融合多图谱分割与三维深度学习模型的自动化大腿肌肉群分割方法 | 首次将多图谱分割与三维深度学习模型决策融合，结合了MAS的泛化能力和深度网络的精度优势 | 仅在15名健康受试者和4名患者上进行验证，样本量有限 | 开发大腿肌肉群的自动化分割方法以量化组织体积和脂肪含量 | 大腿四个主要功能肌肉群：股薄肌、腘绳肌、股四头肌和缝匠肌 | 医学图像分析 | 年龄相关疾病和代谢疾病 | 化学位移编码水脂分离磁共振成像(CSE-MRI) | 3D深度学习模型, 可变形模型 | 三维大腿磁共振图像 | 15名健康受试者, 4名患者 | NA | NA | Dice相似系数(DSC), Hausdorff距离95百分位数(HD-95) | NA |
| 62 | 2025-10-06 |
Skeletal Muscle Segmentation at the Level of the Third Lumbar Vertebra (L3) in Low-Dose Computed Tomography: A Lightweight Algorithm
2024-09-13, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10090111
PMID:39330757
|
研究论文 | 提出一种用于低剂量CT图像中第三腰椎水平骨骼肌自动分割的轻量级算法 | 开发了一种轻量级分割算法，专门针对低剂量CT图像中的骨骼肌分割问题，并在计算效率上优于现有深度学习算法 | 样本量较小（57例直肠癌患者），仅针对特定疾病人群 | 开发自动化的骨骼肌分割方法以评估患者营养状况 | 直肠癌患者的低剂量盆腔CT图像 | 医学图像分析 | 直肠癌 | 低剂量计算机断层扫描 | NA | CT图像 | 57例直肠癌患者（30例训练集，27例测试集） | NA | NA | Dice相似系数, 精确率, 召回率, Hausdorff距离95百分位数, 平均表面距离 | CPU（算法运行时间303±43 ms） |
| 63 | 2025-10-06 |
A Joint Classification Method for COVID-19 Lesions Based on Deep Learning and Radiomics
2024-09-05, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10090109
PMID:39330755
|
研究论文 | 提出基于深度学习和影像组学的联合分类方法用于COVID-19肺部病灶分类 | 提出MFPN神经网络模型提取病灶深度特征，并首次将深度特征与关键影像组学特征结合用于COVID-19分类 | NA | 验证深度学习和影像组学方法在COVID-19病灶分类中的性能，揭示COVID-19肺部疾病的影像特征 | COVID-19肺部病灶 | 计算机视觉 | COVID-19肺炎 | 影像组学 | MFPN神经网络 | 医学影像 | NA | NA | MFPN | NA | NA |
| 64 | 2025-10-06 |
Artificial Intelligence in Metabolomics: A Current Review
2024-Sep, Trends in analytical chemistry : TRAC
DOI:10.1016/j.trac.2024.117852
PMID:39071116
|
综述 | 本文综述了人工智能在代谢组学中的最新方法与应用 | 系统总结了AI在代谢组学分析各环节的应用现状与前景 | 存在AI模型可解释性不足、数据标准化等挑战 | 探讨人工智能与代谢组学在系统生物学和人类健康领域的协同应用 | 代谢组学研究中的分析检测、数据预处理、生物标志物发现等环节 | 机器学习 | NA | 代谢组学技术 | 机器学习,深度学习 | 代谢组数据 | NA | NA | NA | NA | NA |
| 65 | 2025-10-06 |
From sleep patterns to heart rhythm: Predicting atrial fibrillation from overnight polysomnograms
2024 Sep-Oct, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 利用夜间多导睡眠图的心电图数据预测心房颤动风险 | 结合手工特征工程和深度学习模型，首次利用夜间单导联心电图数据进行房颤预测 | 精确度较低（0.3），存在较多假阳性结果 | 通过分析夜间多导睡眠图心电图数据预测心房颤动发生风险 | 13,609名接受多导睡眠图检查的受试者 | 医疗人工智能 | 心血管疾病 | 多导睡眠图，心电图分析 | 深度神经网络，浅层神经网络 | 单导联心电图信号 | 18,782条心电图记录（13,609名受试者） | NA | 基于PhysioNet Challenge 2021预训练模型的迁移学习架构 | 敏感度，特异度，精确度，风险比 | NA |
| 66 | 2025-10-06 |
Deep learning classification of ex vivo human colon tissues using spectroscopic optical coherence tomography
2024-09, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400082
PMID:38955358
|
研究论文 | 本研究开发了一种基于光谱光学相干断层扫描和深度学习的人类结肠组织分类方法 | 将光谱OCT技术扩展到人类离体结肠组织分析，并开发了新型深度学习架构 | 研究基于离体组织样本，尚未进行在体临床应用验证 | 改进结直肠癌筛查技术，开发光学活检方法 | 人类离体结肠上皮组织样本 | 数字病理 | 结直肠癌 | 光谱光学相干断层扫描 | 深度学习 | OCT图像 | NA | NA | 新型深度学习架构 | 准确率 | NA |
| 67 | 2025-10-06 |
Image-domain material decomposition for dual-energy CT using unsupervised learning with data-fidelity loss
2024-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17255
PMID:38865687
|
研究论文 | 提出一种基于无监督学习和数据保真度损失的双能CT图像域材料分解方法 | 将迭代分解与基于深度学习的图像先验结合在GAN架构中，无需配对数据进行训练 | NA | 开发用于双能CT图像域材料分解的无监督学习框架 | 头部和肺部数字体模及临床患者数据 | 医学影像处理 | NA | 双能计算机断层扫描(DECT) | GAN | CT图像 | 头部和肺部数字体模及临床患者研究 | NA | 生成对抗网络(GAN) | 标准差(SD), 结构相似性指数(SSIM) | NA |
| 68 | 2025-10-06 |
Diffeomorphic transformer-based abdomen MRI-CT deformable image registration
2024-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17235
PMID:38820286
|
研究论文 | 提出一种基于微分同胚变换器的腹部MRI-CT形变图像配准方法，用于肝脏立体定向放射治疗 | 首次将Swin Transformer与CNN结合用于多模态医学图像配准，采用拓扑保持的微分同胚变形特征和跨模态相似性损失函数 | 研究样本量有限（50例），仅针对肝脏病例进行验证 | 开发准确的腹部MRI-CT形变图像配准方法以改善肝脏立体定向放射治疗计划 | 肝脏转移瘤患者的腹部MRI和CT图像 | 医学图像处理 | 肝脏转移瘤 | 形变图像配准，深度学习 | CNN, Transformer | 医学图像（MRI, CT） | 50例肝脏病例的MRI和CT扫描数据 | NA | Swin Transformer, 卷积神经网络 | 目标配准误差，Dice相似系数，平均表面距离 | NA |
| 69 | 2025-10-06 |
Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T
2024-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30106
PMID:38576068
|
研究论文 | 开发并评估基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率笛卡尔首过心肌灌注成像 | 提出3D物理驱动展开网络架构用于灌注成像重建，并开发2D U-Net运动校正网络 | 训练数据仅包含20名受试者的135个切片，样本量相对有限 | 开发快速高质量的图像重建和运动校正技术用于心肌灌注成像 | 心肌灌注成像数据 | 医学影像分析 | 心血管疾病 | 笛卡尔首过心肌灌注成像 | 深度学习 | 医学影像 | 20名受试者的135个切片 | NA | 3D物理驱动展开网络, 2D U-Net | SSIM, PSNR, NRMSE, 图像质量评分, 时间保真度, 二阶导数 | GPU加速 |
| 70 | 2025-10-06 |
Deep Learning for Grading Endometrial Cancer
2024-Sep, The American journal of pathology
DOI:10.1016/j.ajpath.2024.05.003
PMID:38879079
|
研究论文 | 本研究开发了EndoNet深度学习模型，用于子宫内膜癌的病理分级 | 结合卷积神经网络提取组织学特征和视觉变换器聚合特征，无需人工标注即可实现子宫内膜癌分级 | 需要进一步验证，外部测试集性能略有下降 | 开发自动化的子宫内膜癌病理分级系统 | 子宫内膜癌患者的数字化全切片图像 | 数字病理学 | 子宫内膜癌 | 苏木精-伊红染色 | CNN, Vision Transformer | 图像 | 929张全切片图像（训练集），内部测试集110例患者，外部测试集100例患者 | NA | EndoNet（CNN+Vision Transformer） | F1分数，AUC | NA |
| 71 | 2025-10-06 |
Visceral Adiposity and Progression of ADPKD: A Cohort Study of Patients From the TEMPO 3:4 Trial
2024-Sep, American journal of kidney diseases : the official journal of the National Kidney Foundation
IF:9.4Q1
DOI:10.1053/j.ajkd.2024.02.014
PMID:38608748
|
研究论文 | 本研究通过深度学习分析MRI图像，探讨内脏脂肪与常染色体显性多囊肾病进展的关系 | 首次使用深度学习从冠状面MRI扫描中量化内脏脂肪，并证明其与ADPKD肾脏生长和托伐普坦疗效的独立关联 | 回顾性研究设计、仅纳入快速进展患者、深度学习计算需求大 | 研究内脏脂肪与ADPKD肾脏生长速度及托伐普坦疗效的关系 | 1,053名来自TEMPO 3:4试验的ADPKD高风险患者 | 数字病理学 | 常染色体显性多囊肾病 | 磁共振成像, 深度学习分割 | 深度学习 | 医学图像 | 1,053名ADPKD患者 | NA | NA | DeLong's test, 比值比, 置信区间 | NA |
| 72 | 2025-10-06 |
Cost-Effectiveness of Artificial Intelligence-Based Opportunistic Compression Fracture Screening of Existing Radiographs
2024-Sep, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2023.11.029
PMID:38527641
|
研究论文 | 评估基于人工智能的骨质疏松性椎体压缩骨折机会性筛查的成本效益 | 利用现有胸腹部X光片开发AI软件进行骨折筛查，并首次评估其成本效益 | 采用确定性预期值成本效用模型，未考虑所有不确定性因素；从有限社会视角考虑成本 | 评估基于AI的骨质疏松性椎体压缩骨折机会性筛查的成本效益 | 骨质疏松性椎体压缩骨折患者 | 医学影像分析 | 骨质疏松性骨折 | 深度学习算法 | 深度学习 | X光影像 | NA | NA | NA | 灵敏度, 特异度 | NA |
| 73 | 2025-10-06 |
RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction
2024-Sep-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168552
PMID:38552946
|
研究论文 | 本文提出了RNA3DB数据集，用于训练和评估RNA结构预测的深度学习模型 | 通过将RNA三维链划分为结构和序列均不冗余的组件，确保训练集和测试集之间不存在结构重叠 | 数据集依赖于PDB中实验解析的RNA结构，这些结构在数量和多样性上相对有限 | 解决RNA结构预测中训练集和测试集结构重叠导致的性能虚高问题 | 结构RNA分子 | 机器学习 | NA | 结构生物信息学分析 | NA | 三维结构数据 | 来自PDB的RNA三维链集合 | NA | NA | NA | NA |
| 74 | 2025-10-06 |
Artificial intelligence in ovarian cancer drug resistance advanced 3PM approach: subtype classification and prognostic modeling
2024-Sep, The EPMA journal
DOI:10.1007/s13167-024-00374-4
PMID:39239109
|
研究论文 | 本研究利用人工智能技术分析卵巢癌耐药特征，构建患者亚型分类和深度学习预后模型 | 首次在3PM框架下结合单细胞耐药特征进行多组学聚类，并采用新型KAN架构改进DeepSurv预后模型 | 研究依赖于公开数据库数据，需要进一步实验验证 | 在预测性、预防性和个性化医学框架下解决卵巢癌耐药性问题 | 卵巢癌患者和癌细胞 | 机器学习 | 卵巢癌 | 单细胞分析,多组学聚类 | 深度学习 | 单细胞表达数据,多组学数据 | TCGA训练集21,937个细胞，三个GEO外部验证集(GSE17260, GSE26712, GSE51088) | Beyondcell, DeepSurv | KAN | 预后预测性能 | NA |
| 75 | 2025-10-06 |
Progression of Bone Marrow Lesions and the Development of Knee Osteoarthritis: Osteoarthritis Initiative Data
2024-Sep, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240470
PMID:39287521
|
研究论文 | 开发深度学习模型量化膝关节骨髓病变体积，并评估骨髓病变进展与膝骨关节炎发病的关联 | 首次使用深度学习模型对无放射学骨关节炎的膝关节进行骨髓病变体积的自动化量化，并系统评估骨髓病变纵向变化与骨关节炎发病风险的关系 | 回顾性研究设计，仅基于骨关节炎倡议队列数据，未包含外部验证队列 | 评估骨髓病变体积变化与膝骨关节炎发病风险的关联 | 骨关节炎倡议队列中2430名参与者的3869个无骨关节炎膝关节 | 数字病理 | 骨关节炎 | MRI扫描 | 深度学习 | 医学影像 | 3869个膝关节（来自2430名参与者） | NA | NA | 风险比 | NA |
| 76 | 2025-10-06 |
Repurposing the Public BraTS Dataset for Postoperative Brain Tumour Treatment Response Monitoring
2024-09-01, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10090105
PMID:39330751
|
研究论文 | 本研究将术前脑肿瘤分割数据集BraTS重新用于术后脑肿瘤治疗反应监测，开发了适合术后场景的标注协议转换方法 | 首次将仅包含术前检查的BraTS数据集通过自动标注协议转换应用于术后脑肿瘤分割，实现了公共数据集的重新利用 | 对于体积小于1cm³的肿瘤分割性能未明确说明，仅在72例术后胶质母细胞瘤MRI上进行了验证 | 促进BraTS数据集在术后脑肿瘤分割深度学习算法训练中的应用 | 脑肿瘤患者术前和术后MRI影像 | 数字病理 | 脑肿瘤 | MRI | 深度学习算法 | 医学影像 | 72例术后胶质母细胞瘤MRI | NA | NA | 分割准确性 | NA |
| 77 | 2025-10-06 |
Data-driven continuum damage mechanics with built-in physics
2024-Sep, Extreme Mechanics Letters
IF:4.3Q1
DOI:10.1016/j.eml.2024.102220
PMID:39372561
|
研究论文 | 本研究开发了一种基于神经常微分方程的数据驱动连续损伤力学方法，能够以热力学一致的方式模拟软材料的能量耗散行为 | 将神经常微分方程扩展到损伤力学领域，通过引入单调屈服函数作为非弹性势能，实现了热力学一致的能量耗散建模 | NA | 开发具有内置物理约束的数据驱动连续损伤力学模型 | 软材料（橡胶和软组织）的损伤退化行为 | 机器学习 | NA | 深度学习 | 神经常微分方程（NODEs） | 应力-变形历史数据，实验皮肤和皮下组织数据 | NA | NA | 神经常微分方程 | NA | NA |
| 78 | 2025-10-06 |
A predictive approach for host-pathogen interactions using deep learning and protein sequences
2024-Sep, Virusdisease
DOI:10.1007/s13337-024-00882-x
PMID:39464732
|
研究论文 | 本研究提出一种基于深度学习和蛋白质序列的宿主-病原体相互作用预测方法 | 首次将monoMonoKGap特征提取算法与深度学习相结合应用于宿主-病原体相互作用预测 | 仅使用三个平衡数据集进行验证，需要更多样化的数据集测试泛化能力 | 开发高效准确的宿主-病原体相互作用预测计算方法 | 人类与病原体之间的蛋白质相互作用 | 生物信息学 | 传染病 | 蛋白质序列分析 | 深度神经网络 | 蛋白质序列数据 | 三个平衡的人类-病原体数据集 | NA | 深度神经网络, CNN | 准确率 | NA |
| 79 | 2025-10-06 |
Predicting peritumoral glioblastoma infiltration and subsequent recurrence using deep-learning-based analysis of multi-parametric magnetic resonance imaging
2024-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.5.054001
PMID:39220048
|
研究论文 | 开发基于深度学习的多参数磁共振成像分析方法，用于预测胶质母细胞瘤的瘤周浸润和后续复发 | 结合专家知识和训练数据增强自动生成训练样本，无需专家绘制感兴趣区域即可预测肿瘤浸润 | 需要多机构数据验证，模型性能在不同机构间存在差异 | 预测胶质母细胞瘤的瘤周浸润范围和后续复发模式 | 胶质母细胞瘤患者 | 医学影像分析 | 胶质母细胞瘤 | 多参数磁共振成像 | 深度学习 | 医学影像 | 229名患者来自多机构联盟 | NA | NA | 体素水平比值比 | NA |
| 80 | 2025-10-06 |
Deep-learning features based on F18 fluorodeoxyglucose positron emission tomography/computed tomography (18F-FDG PET/CT) to predict preoperative colorectal cancer lymph node metastasis
2024-09, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.05.017
PMID:38955636
|
研究论文 | 基于18F-FDG PET/CT的深度学习特征预测结直肠癌术前淋巴结转移 | 首次将深度学习特征、影像组学特征和临床特征整合构建预测模型 | 样本量相对有限（119例患者），需要更大规模验证 | 开发预测结直肠癌淋巴结转移的预后模型 | 结直肠癌患者 | 医学影像分析 | 结直肠癌 | 18F-FDG PET/CT扫描 | 支持向量机 | 医学影像 | 119例患者（训练集95例，验证集24例），外加33例外部测试数据 | pyradiomics, Scikit-learn | 深度学习迁移学习特征提取 | AUC, 敏感性, 特异性 | NA |