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 1265 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2025-12-03 |
A Protocol for Body MRI/CT and Extraction of Imaging-Derived Phenotypes (IDPs) from the China Phenobank Project
2024-Dec, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-023-00141-x
PMID:40061820
|
研究论文 | 本研究基于中国表型银行项目，提出了一套针对多器官的体部成像协议及相应的图像处理流程 | 首次在基于人群的队列研究中，为心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多个器官，制定了标准化的体部成像协议和深度学习分割模型驱动的图像处理流程 | 未提供具体的性能验证数据或临床应用结果，且协议可能受限于特定成像设备和人群 | 为基于中国表型银行项目平台的研究提供体部成像和图像处理的参考标准 | 心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多个器官 | 数字病理学 | NA | 心脏磁共振成像、计算机断层扫描、腹部磁共振成像、盆腔磁共振成像 | 深度学习分割模型 | 图像 | NA | NA | NA | NA | NA |
| 182 | 2025-12-03 |
Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review
2024-Dec, iRadiology
DOI:10.1002/ird3.99
PMID:40453356
|
综述 | 本文对应用于前列腺癌骨转移影像的定量方法（包括影像组学、机器学习和深度学习）进行了范围综述 | 针对前列腺癌骨转移影像分析领域，整合了来自影像组学、机器学习和深度学习等多个领域的定量方法，并提供了临床见解，填补了文献中关于不同方法和未来方向的详细分析空白 | NA | 回顾并分析应用于前列腺癌骨转移影像的定量方法，以期为临床管理提供支持 | 前列腺癌骨转移的影像数据 | 数字病理学 | 前列腺癌 | 影像组学, 机器学习, 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 183 | 2025-11-26 |
Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry
2024-Dec-05, Research square
DOI:10.21203/rs.3.rs-5485172/v1
PMID:39678351
|
研究论文 | 通过深度学习模型识别非编码遗传变异，揭示非洲裔男性前列腺癌风险更高的遗传机制 | 首次使用基于序列的深度学习模型系统探索非编码调控多态性在祖先间前列腺癌风险差异中的作用 | 研究主要关注非洲裔男性群体，对其他祖先群体的适用性需要进一步验证 | 揭示非洲裔男性前列腺癌风险更高的遗传基础 | 非洲裔美国男性的前列腺癌相关遗传变异 | 计算生物学 | 前列腺癌 | 深度学习，基因组关联分析，实验验证 | 深度学习模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 184 | 2025-11-26 |
Automated Evaluation for Pericardial Effusion and Cardiac Tamponade with Echocardiographic Artificial Intelligence
2024-Dec-01, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.27.24318110
PMID:39649606
|
研究论文 | 开发并验证用于自动评估心包积液严重程度和心脏压塞的深度学习模型EchoNet-Pericardium | 首次使用时序空间卷积神经网络自动化评估心包积液严重程度和心脏压塞，采用五标准视图集成预测方法 | 模型性能仍需在更广泛人群中验证，临床实施需要进一步研究 | 开发自动化工具减少心包积液和心脏压塞评估的操作者依赖性 | 超声心动图视频 | 医学人工智能 | 心血管疾病 | 超声心动图 | CNN | 视频 | 训练集：1,427,660个视频（85,380例超声心动图）；外部验证集：33,310个视频（1,806例超声心动图） | NA | 时序空间卷积神经网络 | AUC | NA |
| 185 | 2025-11-22 |
Deep learning estimation of proton stopping power with photon-counting computed tomography: a virtual study
2024-Dec, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.S1.S12809
PMID:39574807
|
研究论文 | 本研究通过深度学习模型从光子计数计算机断层扫描图像估计质子阻止本领 | 首次将光子计数CT与U-Net深度学习网络结合用于质子阻止本领估计，相比传统单能和双能CT方法显著提高了精度 | 基于虚拟仿真研究，尚未在真实患者数据上验证 | 提高质子放射治疗中质子阻止本领的估计精度 | 头部XCAT体模的仿真PCCT图像和质子阻止本领图 | 医学影像分析 | 癌症治疗 | 光子计数计算机断层扫描(PCCT) | 深度学习 | 医学影像 | 基于XCAT体模的仿真数据 | NA | U-Net | 均方根误差(RMSE) | NA |
| 186 | 2025-11-17 |
A protein fitness predictive framework based on feature combination and intelligent searching
2024-Dec, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5211
PMID:39548358
|
研究论文 | 提出一种基于特征组合和智能搜索的蛋白质适应性预测框架scut_ProFP | 整合特征组合和特征选择技术，实现从有限蛋白质序列中提取最相关功能特征信息，并能从低阶突变体泛化到高阶突变体 | 未明确说明模型对超大规模数据集的扩展性及计算效率 | 开发高效的蛋白质适应性预测方法以支持蛋白质工程 | 蛋白质序列及其适应性（fitness）值 | 机器学习 | NA | 特征组合、特征选择 | NA | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 187 | 2025-11-14 |
Diagnostic Performance of Deep Learning Applications in Hepatocellular Carcinoma Detection Using Computed Tomography Imaging
2024-12-30, The Turkish journal of gastroenterology : the official journal of Turkish Society of Gastroenterology
DOI:10.5152/tjg.2024.24538
PMID:39760649
|
研究论文 | 本研究利用基于YOLO架构的深度学习技术增强CT图像中肝细胞癌的检测能力 | 首次将YOLO架构应用于肝细胞癌的CT图像检测，显著超越传统诊断方法的准确率 | 样本量相对有限（122名患者），需要更大规模数据验证 | 提高肝细胞癌的早期检测准确率，改善患者预后 | 肝细胞癌患者的CT图像 | 计算机视觉 | 肝细胞癌 | CT成像 | YOLO | 医学图像 | 122名患者的1290张CT图像 | NA | YOLO | 精确率,召回率,准确率,特异性,敏感性 | NA |
| 188 | 2025-11-08 |
ConoDL: a deep learning framework for rapid generation and prediction of conotoxins
2024-Dec-26, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-024-00582-0
PMID:39724258
|
研究论文 | 提出一个名为ConoDL的深度学习框架，用于快速生成和预测芋螺毒素 | 结合迁移学习和大语言模型解决芋螺毒素生成中的数据限制问题，并生成具有新型半胱氨酸支架的人工芋螺毒素 | 芋螺毒素数据有限且结构复杂，限制了深度学习模型的应用 | 开发新型方法探索芋螺毒素的分子空间 | 芋螺毒素（小型二硫键丰富的生物活性肽） | 机器学习 | NA | 深度学习 | LLM | 序列数据 | NA | NA | ConoGen, ConoPred | 序列和结构水平的肽特性评估 | NA |
| 189 | 2025-10-28 |
Deep learning analysis of histopathological images predicts immunotherapy prognosis and reveals tumour microenvironment features in non-small cell lung cancer
2024-Dec, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-024-02856-8
PMID:39455880
|
研究论文 | 本研究开发了一种基于深度学习分析H&E组织病理图像的免疫检查点抑制剂预后预测模型 | 首次基于H&E染色图像开发免疫相关病理预后特征，采用改进的ResNet模型结合渐进式增长策略和AdamW优化器 | 样本量相对有限，仅包含本地队列106例和TCGA队列899例患者 | 预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应和预后 | 非小细胞肺癌患者的H&E染色组织病理图像 | 数字病理 | 肺癌 | H&E染色 | CNN | 图像 | 本地队列106例，TCGA队列899例 | PyTorch | ResNet18-PG | AUC, 召回率, 风险比, 对数秩检验P值 | NA |
| 190 | 2025-10-05 |
Comparison of Vendor-Pretrained and Custom-Trained Deep Learning Segmentation Models for Head-and-Neck, Breast, and Prostate Cancers
2024-Dec-18, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14242851
PMID:39767212
|
研究论文 | 比较商业预训练和定制训练深度学习分割模型在头颈癌、乳腺癌和前列腺癌中的性能表现 | 首次系统评估本地患者数据和临床特征对商业深度学习分割模型性能的影响，并证明定制训练模型的优越性 | 样本量相对有限，仅包含210名患者，且仅评估了三种癌症类型 | 评估商业预训练和定制训练深度学习分割模型在头颈癌、乳腺癌和前列腺癌中的性能差异 | 头颈癌、乳腺癌和前列腺癌患者的临床CT扫描图像和风险器官轮廓 | 医学影像分析 | 头颈癌,乳腺癌,前列腺癌 | 临床CT扫描 | 深度学习分割模型 | 医学影像 | 210名患者（53名头颈癌、49名左乳腺癌、55名右乳腺癌、53名前列腺癌） | 供应商提供的深度学习训练工具包 | NA | Dice相似系数,平均表面距离 | NA |
| 191 | 2025-10-05 |
A versatile attention-based neural network for chemical perturbation analysis and its potential to aid surgical treatment: an experimental study
2024-Dec-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001781
PMID:39017949
|
研究论文 | 提出一种基于注意力机制的神经网络ACTIN，用于化学扰动分析并辅助外科治疗 | 结合图卷积和Transformer机制，仅需少量训练数据即可实现最先进性能，通过化学元素嵌入差异和注意力机制识别可能干扰特定细胞系的药效团 | 仅使用393个训练实例进行验证，样本量相对较小 | 开发灵活高效的药物发现方法以辅助外科治疗 | 化学药效团和基因表达数据 | 机器学习 | COVID-19 | 转录组数据分析 | 图卷积网络,Transformer | 药物数据,转录组数据 | 393个训练实例 | NA | ACTIN（基于注意力机制的卷积转置融合网络） | NA | NA |
| 192 | 2025-10-05 |
Accuracy of Machine Learning in Detecting Pediatric Epileptic Seizures: Systematic Review and Meta-Analysis
2024-12-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/55986
PMID:39661965
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估机器学习在儿科癫痫发作检测中的准确性 | 首次对机器学习在儿科癫痫发作检测中的性能进行系统性量化评估，并比较了传统机器学习与深度学习的表现差异 | 纳入研究数量有限（28项），存在发表偏倚风险，各研究间方法学异质性可能影响结果 | 评估机器学习在儿科癫痫发作检测中的有效性，为智能工具开发提供循证依据 | 儿科癫痫患者的脑电图数据 | 机器学习 | 癫痫 | 脑电图（EEG） | 机器学习, 深度学习 | 脑电图信号 | 28项原始研究（15项ML研究，13项DL研究） | NA | NA | C-index, 灵敏度, 特异性, 准确率 | NA |
| 193 | 2025-10-05 |
Leveraging Large Language Models for Improved Understanding of Communications With Patients With Cancer in a Call Center Setting: Proof-of-Concept Study
2024-12-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/63892
PMID:39661975
|
研究论文 | 本研究评估GPT-4在癌症患者电话咨询意图分类中的性能，并与传统深度学习模型进行比较 | 首次在癌症患者呼叫中心场景中系统评估GPT-4的上下文学习能力，无需大量标注数据即可实现意图分类 | 提示设计和类别定义需要进一步优化，以充分发挥其在医疗实践中的潜力 | 评估大型语言模型在癌症患者电话咨询意图分类中的性能表现 | 癌症患者的电话咨询记录 | 自然语言处理 | 癌症 | 电话咨询记录分析 | GPT-4, LSTM, BERT | 文本 | 430,355个句子（来自2016-2020年癌症患者电话咨询） | NA | GPT-4, LSTM, BERT | 准确率 | NA |
| 194 | 2025-10-05 |
Sex-and Stress-Dependent Plasticity of a Corticotropin Releasing Hormone / GABA Projection from the Basolateral Amygdala to Nucleus Accumbens that Mediates Reward Behaviors
2024-Dec-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.30.626183
PMID:39651305
|
研究论文 | 本研究揭示了基底外侧杏仁核向伏隔核的CRH/GABA投射在调控奖赏行为中的性别和压力依赖性可塑性 | 首次发现CRH+/GABA能BLA-NAc投射在调控奖赏行为中具有性别特异性功能差异，并通过全脑成像揭示了该投射的性别和早期逆境依赖性神经支配模式差异 | 研究主要基于小鼠模型，结果向人类转化的适用性需要进一步验证；化学遗传学操作的长期效应未充分探讨 | 探究早期逆境导致的奖赏行为性别差异的神经环路机制 | 成年雄性和雌性CRH-Cre转基因小鼠 | 神经科学 | 情感障碍 | 化学遗传学(DREADDs)、免疫染色、电生理记录、组织透明化、光片荧光显微镜、深度学习 | 深度学习 | 图像数据、电生理数据、行为数据 | 成年雄性和雌性CRH-Cre小鼠，分为对照组和早期逆境组 | 深度学习流程 | NA | NA | NA |
| 195 | 2025-10-05 |
Linking transcriptome and morphology in bone cells at cellular resolution with generative AI
2024-Dec-31, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research
IF:5.1Q1
DOI:10.1093/jbmr/zjae151
PMID:39303095
|
观点文章 | 探讨生成式AI在细胞分辨率下整合骨细胞转录组与形态学数据的潜力与应用前景 | 首次系统提出将生成式AI应用于骨细胞多模态数据整合，实现细胞分辨率下的转录组与形态学关联分析 | 骨单细胞数据存在技术偏差、重要骨细胞类型缺乏分析、空间信息不足等问题需要解决 | 推动生成式AI在骨细胞生物学研究中的应用发展 | 骨细胞 | 计算机视觉,自然语言处理,机器学习 | 骨骼疾病 | 单细胞测序,空间转录组学 | 生成式AI | 组织学图像,单细胞分子数据,空间转录组数据 | NA | NA | NA | NA | NA |
| 196 | 2025-10-05 |
Deep learning based binary classification of diabetic retinopathy images using transfer learning approach
2024-Dec, Journal of diabetes and metabolic disorders
IF:1.8Q4
DOI:10.1007/s40200-024-01497-1
PMID:39610484
|
研究论文 | 提出基于迁移学习的深度学习二分类方法，用于糖尿病视网膜病变图像的自动诊断 | 使用20种预训练网络进行迁移学习，结合三种鲁棒数据集，通过数据预处理和增强技术提升模型性能 | 仅进行二分类（健康/不健康），未细分糖尿病视网膜病变的严重程度等级 | 开发准确的糖尿病视网膜病变自动检测系统，实现早期诊断 | 糖尿病患者的视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习，迁移学习 | CNN | 医学图像 | 来自三个数据库（DRD-EyePACS、IDRiD、APTOS-2019）的组合数据集 | NA | ResNet101, 及其他19种预训练网络（分为Series、DAG和轻量级三类） | 准确率, 灵敏度, 特异性, 精确率, F1分数, ROC-AUC | NA |
| 197 | 2025-10-05 |
Using machine learning to identify risk factors for short-term complications following thumb carpometacarpal arthroplasty
2024-Dec, Journal of hand and microsurgery
IF:0.3Q4
DOI:10.1016/j.jham.2024.100156
PMID:39669732
|
研究论文 | 本研究使用机器学习技术分析拇指腕掌关节成形术后的短期并发症风险因素 | 首次在拇指CMC关节成形术领域应用多种机器学习算法进行并发症预测，并识别关键风险因素 | 模型预测性能中等（AUC 0.55-0.61），仅使用30天短期随访数据 | 预测拇指腕掌关节成形术后短期并发症和再手术风险 | 接受拇指CMC关节成形术的患者 | 机器学习 | 骨关节炎 | 机器学习分析 | Random Forest, Elastic-Net Regression, XGBoost, Neural Network | 临床数据 | 7711例手术病例 | NA | 随机森林、弹性网络回归、极端梯度提升树、神经网络 | AUC | NA |
| 198 | 2025-10-06 |
Enhancing predictive analytics in mandibular third molar extraction using artificial intelligence: A CBCT-Based study
2024-Dec, The Saudi dental journal
DOI:10.1016/j.sdentj.2024.11.007
PMID:40952877
|
研究论文 | 本研究开发了一种基于CBCT报告的人工智能预测模型，用于预测下颌第三磨牙拔除的难度 | 首次将基于规则的NLP算法与深度学习神经网络相结合，从CBCT报告中自动提取特征并预测拔牙难度 | 回顾性研究设计，样本量相对有限（738例CBCT报告） | 开发AI驱动的预测模型来评估下颌第三磨牙拔除的复杂性 | 下颌第三磨牙的CBCT影像报告 | 自然语言处理 | 口腔疾病 | CBCT（锥形束CT） | 深度学习神经网络 | 文本数据（CBCT报告） | 738份CBCT报告（训练集556份，验证集182份） | NA | 深度学习神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 199 | 2025-10-06 |
RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data
2024-Dec-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.19.24313909
PMID:39371168
|
研究论文 | 开发用于纵向数据多步生物医学预测的可解释深度学习工具箱RiskPath | 结合理论指导的优化方法指定最优模型拓扑结构，提供预测因子重要性随时间变化映射和可视化功能 | NA | 开发适用于风险分层的可解释时间序列AI方法 | 纵向队列数据中的疾病风险预测 | 机器学习 | NA | 时间序列分析 | 深度学习 | 纵向时间序列数据 | NA | NA | NA | NA | NA |
| 200 | 2025-10-06 |
Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors
2024-12-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82045-y
PMID:39730745
|
研究论文 | 提出一种结合深度CNN和双向LSTM的混合模型，通过可穿戴传感器数据提升医疗紧急情况下的人类活动识别能力 | 首次将CNN-BiLSTM模型与欠采样技术结合用于人类活动识别，在公开数据集上取得显著性能提升 | 仅使用两个公开数据集进行验证，未在更多样化的实际场景中测试 | 提高医疗紧急情况下人类活动识别的准确性和可靠性 | 通过可穿戴传感器采集的人类活动数据，特别关注老年人跌倒和异常动作识别 | 机器学习 | 老年疾病 | 可穿戴传感器数据采集 | CNN, BiLSTM | 传感器时序数据 | MHEALTH和Actitracker两个公开数据集 | NA | CNN-BiLSTM混合架构 | 准确率, 精确率, 召回率, F1分数 | NA |