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 1267 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 |
Geometric deep learning improves generalizability of MHC-bound peptide predictions
2024-Dec-19, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-024-07292-1
PMID:39702482
|
研究论文 | 本研究利用几何深度学习改进MHC结合肽预测的泛化能力 | 提出基于结构的几何深度学习方法和三维自监督学习，显著提升对未知MHC等位基因的泛化能力 | 概念验证研究，需要进一步验证和扩展 | 改进MHC结合肽预测的泛化能力和数据效率 | 主要组织相容性复合体结合的肽段 | 机器学习 | 自身免疫病,传染病,肿瘤免疫 | 几何深度学习,自监督学习 | 几何深度学习模型 | 三维结构数据,序列数据 | NA | NA | NA | 泛化能力,数据效率 | NA |
| 62 | 2025-10-06 |
HIV-1 M group subtype classification using deep learning approach
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109218
PMID:39369547
|
研究论文 | 提出首个基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv，通过env基因序列实现精准分类 | 首次将深度学习应用于HIV-1 M群亚型分类，采用人工分子进化技术生成适用于机器学习的合成数据集 | NA | 开发准确分类HIV-1 M群12种亚型的深度学习方法 | HIV-1病毒M群的env基因序列 | 机器学习 | HIV感染 | DNA测序 | 自编码器, 全连接神经网络 | DNA序列数据 | NA | NA | 卷积自编码器, 残差块, 转置残差块 | 精确率, 准确率, 召回率, F1分数 | NA |
| 63 | 2025-10-06 |
Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results
2024-Dec, Maedica
DOI:10.26574/maedica.2024.19.4.690
PMID:39974461
|
研究论文 | 本研究开发了一种基于U-Net深度学习模型的膝关节半月板自动分割方法 | 首次将U-Net模型应用于膝关节半月板的自动检测和分割，并通过渐进式训练策略提升分割精度 | 面临数据稀缺问题，且需要进行序列特异性优化 | 开发能够自动识别和分割膝关节MRI中半月板的深度学习模型 | 膝关节半月板 | 计算机视觉 | 骨科疾病 | 磁共振成像 | CNN | 图像 | 104张膝关节MRI图像用于初始训练，额外50张用于微调 | NA | U-Net | 准确率, Dice系数 | NA |
| 64 | 2025-10-06 |
COVID-19 IgG antibodies detection based on CNN-BiLSTM algorithm combined with fiber-optic dataset
2024-12, Journal of virological methods
IF:2.2Q3
DOI:10.1016/j.jviromet.2024.115011
PMID:39154936
|
研究论文 | 本研究提出了一种结合CNN和BiLSTM的混合模型，利用光纤数据检测COVID-19 IgG抗体 | 首次将CNN-BiLSTM混合模型与光纤数据结合用于COVID-19 IgG抗体检测 | NA | 开发高效准确的COVID-19自动筛查工具 | SARS-CoV-2免疫球蛋白G（IgG）抗体 | 机器学习 | COVID-19 | 光纤数据检测 | CNN, RNN, BiLSTM, CNN-BiLSTM | 光纤数据 | NA | NA | CNN-BiLSTM混合架构 | 准确率, 召回率, 精确率, F1分数, 特异性, 几何平均数, ROC曲线 | NA |
| 65 | 2025-10-06 |
A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images
2024-Dec, The American journal of pathology
DOI:10.1016/j.ajpath.2024.08.006
PMID:39222907
|
研究论文 | 本研究开发了一种基于深度学习的方法，利用常规H&E染色病理切片识别胰腺导管腺癌的分子亚型 | 首次使用深度学习模型从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的新方法 | 样本量相对有限，训练集仅97张切片，测试集110张切片 | 开发基于病理图像的PDAC分子亚型分类方法 | 胰腺导管腺癌(PDAC)患者 | 数字病理 | 胰腺癌 | 苏木精-伊红染色(H&E) | 深度学习模型 | 全切片病理图像 | 训练集97张切片(来自TCGA)，测试集110张切片(来自本地队列) | NA | NA | 平衡准确率 | NA |
| 66 | 2025-10-06 |
Calibration-free estimation of field dependent aberrations for single molecule localization microscopy across large fields of view
2024-Dec-11, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.11.627909
PMID:39713420
|
研究论文 | 提出一种无需校准即可直接从单分子数据估计场相关像差的模型方法，用于提升单分子定位显微镜的图像质量 | 首次将节点像差理论引入全矢量点扩散函数模型，无需珠校准测量即可从原始帧数据直接估计场相关像差 | 未明确说明方法对特定样本类型或成像条件的适用性限制 | 解决单分子定位显微镜中场相关像差对定位精度的影响问题 | 微管和核孔复合物的2D和3D定位数据 | 计算显微成像 | NA | 单分子定位显微镜(SMLM) | 基于模型的估计方法 | 2D和3D显微镜图像数据 | 视野范围达180μm的微管和核孔复合物样本 | NA | 基于节点像差理论的矢量PSF模型 | 与基于样条拟合和深度学习的方法进行比较 | 计算效率高，可在几分钟内处理完整2D或3D数据集 |
| 67 | 2025-10-06 |
Predicting patients' sentiments about medications using artificial intelligence techniques
2024-12-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83222-9
PMID:39738528
|
研究论文 | 本研究开发人工智能模型预测患者对药物的情感倾向 | 首次实现结果可解释性技术，并开发了基于临床领域预训练词嵌入的深度集成模型 | NA | 通过情感分析为临床医生提供患者治疗反馈的洞察 | 药物相关评论文本数据 | 自然语言处理 | NA | 情感分析 | 机器学习,深度学习 | 文本 | 大型药物评论数据集 | NA | Word2Vec,集成学习模型 | 准确率,F1分数 | NA |
| 68 | 2025-10-06 |
Descriptive overview of AI applications in x-ray imaging and radiotherapy
2024-12-27, Journal of radiological protection : official journal of the Society for Radiological Protection
IF:1.4Q3
DOI:10.1088/1361-6498/ad9f71
PMID:39681008
|
综述 | 本文概述了人工智能在X射线成像和放射治疗中的应用现状与发展前景 | 系统总结了AI在医疗辐射领域的应用全景，特别强调了深度学习在CT重建和自适应放疗中的创新应用 | 部分AI方法尚未准备好常规临床应用，主要由于验证挑战、患者群体多样性和临床环境可靠性问题 | 探讨人工智能在优化放射剂量、改善放疗效果方面的应用价值 | X射线成像和放射治疗中的AI技术应用 | 医学影像分析 | NA | 深度学习 | 深度学习模型 | 医学影像数据 | NA | NA | NA | NA | NA |
| 69 | 2025-10-06 |
Cultivation strategies of English thinking ability in the environment of Internet of Things
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39515
PMID:39687130
|
研究论文 | 本研究通过设计LSNN推荐模型，在物联网环境下解决英语思维培养不足的问题 | 通过在CNN中增加调整层设计LSNN推荐模型，有效缓解数据稀疏性问题 | NA | 拓宽英语学习者视野，加强英语思维能力培养 | 英语学习者 | 自然语言处理 | NA | 深度学习 | CNN, LSNN | 推荐数据 | NA | NA | 卷积神经网络，局部相似卷积神经网络 | 平均绝对误差(MAE) | NA |
| 70 | 2025-10-06 |
Other possible perspectives for solving the negative outcome penalty paradox in the application of artificial intelligence in clinical diagnostics
2024-12-23, Journal of medical ethics
IF:3.3Q1
DOI:10.1136/jme-2024-109968
PMID:38871400
|
评论 | 探讨解决人工智能在临床诊断应用中负面结果惩罚悖论的其他可能视角 | 提出三种新视角（改变公众认知、重新设计临床实践流程、引入更多利益相关者）来解决AI临床诊断中的负面结果惩罚悖论 | NA | 探讨如何更有效地将人工智能整合到临床实践中，解决负面结果惩罚悖论 | 人工智能在临床诊断中的应用 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 71 | 2025-06-07 |
Toward trustable use of machine learning models of variant effects in the clinic
2024-Dec-05, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2024.10.011
PMID:39561772
|
研究论文 | 本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响 | 提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用 | 现有模型验证和校准策略仍存在重要局限性 | 提高临床变异注释的可靠性和影响力，以指导诊断和治疗 | 蛋白质编码基因中的错义替换 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 72 | 2025-06-06 |
Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review
2024-Dec, iRadiology
DOI:10.1002/ird3.99
PMID:40453356
|
review | 本文综述了人工智能和放射组学在前列腺癌骨转移影像分析中的应用 | 综合分析了放射组学、机器学习和深度学习在前列腺癌骨转移影像分析中的应用，并提出了未来研究方向 | 文献中缺乏对各种方法的详细分析和未来方向的深入探讨 | 探讨定量方法在前列腺癌骨转移影像分析中的应用及其临床意义 | 前列腺癌骨转移的影像数据 | digital pathology | prostate cancer | radiomics, machine learning, deep learning | NA | image | NA | NA | NA | NA | NA |
| 73 | 2025-10-06 |
A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs
2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000002223
PMID:39090774
|
研究论文 | 开发用于区分视盘玻璃膜疣和视乳头水肿的深度学习系统 | 首个针对视盘玻璃膜疣与视乳头水肿二分类的专用深度学习系统，在多中心多族裔人群中验证 | 回顾性研究，需前瞻性验证 | 训练、验证和测试深度学习系统以准确区分视盘玻璃膜疣和视乳头水肿 | 来自30个神经眼科中心的2,180名患者的4,508张彩色眼底图像 | 计算机视觉 | 眼科疾病 | 数字眼底摄影 | 深度学习系统 | 图像 | 4,508张彩色眼底图像（2,180名患者），训练集4,087张图像（1,959名患者），外部测试集421张图像（221名患者） | NA | NA | AUC, 准确率, 敏感度, 特异度 | NA |
| 74 | 2025-10-06 |
[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination]
2024-Dec, Urologiia (Moscow, Russia : 1999)
PMID:40377545
|
研究论文 | 开发基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策 | 首次将3D U-Net架构应用于多参数MRI图像（T2W、DWI、DCE）处理，旨在最小化PI-RADS分级中的人为误差 | 敏感性较低（60%），分割精度有待提升，需要更大数据集和更先进的深度学习技术进行改进 | 开发能够支持医疗决策的计算机辅助诊断系统，减少前列腺癌诊断中的观察者间差异 | 前列腺癌患者和良性病变患者 | 医学影像分析 | 前列腺癌 | 多参数MRI（T2W、DWI、DCE） | 深度学习 | 医学影像 | 136名患者（108例前列腺癌，28例良性病变） | Python | 3D U-Net | 准确率, 敏感性, 特异性, Dice相似系数, AUC | NA |
| 75 | 2025-10-06 |
Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives
2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3462299
PMID:39288061
|
综述 | 本文全面综述了深度学习在超声定位显微镜中的多样化应用及其未来发展前景 | 首次系统梳理了基于稀疏微泡分布的深度学习在ULM中的应用，重点分析了微泡定位优化的多种网络架构和问题建模方法 | 当前方法仍存在计算复杂度高、对高浓度微泡适应性有限等挑战 | 探索深度学习技术在超声定位显微镜中的创新应用以提升成像性能 | 超声定位显微镜成像中的微泡信号和血管结构 | 医学影像分析 | 心血管疾病 | 超声定位显微镜 | 深度学习 | 超声图像 | NA | NA | NA | 图像质量，处理时间 | NA |
| 76 | 2025-10-06 |
VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord
2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3463188
PMID:39292568
|
研究论文 | 提出基于VoxelMorph的深度学习运动校正方法，用于改善脊髓超声定位显微镜成像质量 | 首次将VoxelMorph深度学习框架应用于脊髓超声定位显微镜的运动校正，有效补偿刚性和非刚性运动 | 未明确说明样本数量和研究人群特征 | 提高脊髓血管超声定位显微镜成像的分辨率和微血管重建质量 | 脊髓血管微循环系统 | 医学影像分析 | 脊髓损伤 | 超声定位显微镜(ULM) | 深度学习 | 超声图像序列 | NA | VoxelMorph | VoxelMorph | 平均绝对误差 | NA |
| 77 | 2025-10-06 |
Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging
2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3488729
PMID:39480714
|
研究论文 | 提出一种基于深度学习的功率感知可调加权方法，用于改善超声微血管成像质量 | 提出Yformer混合架构结合卷积和Transformer，引入可调噪声控制因子实现像素级加权，在保持低计算成本的同时提升成像质量 | 模型仅使用大鼠脑部数据集训练，在其他器官上的泛化能力需进一步验证 | 开发一种深度学习后滤波方法以提升超声微血管成像质量 | 超声微血管成像，包括超快功率多普勒成像和超声定位显微镜 | 医学影像处理 | 血管疾病 | 超声平面波传输，延迟求和波束成形 | CNN, Transformer | 超声图像 | 四个不同数据集：公共模拟数据、公共大鼠脑部数据、私有大鼠脑部数据、私有大鼠肝脏数据 | NA | Yformer（卷积与Transformer混合架构） | 结构相似性指数 | NA |
| 78 | 2025-10-06 |
ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer
2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3388102
PMID:38607709
|
研究论文 | 提出结合多分支CNN和递归Transformer的深度学习框架ULM-MbCNRT，实现从少量超声帧生成超分辨率图像的快速超声定位显微成像 | 首次将多分支CNN与递归Transformer结合用于超声定位显微成像，显著减少数据采集时间和计算时间 | NA | 开发快速超声定位显微成像方法，突破成像质量、采集时间和处理速度之间的权衡限制 | 微血管成像 | 医学影像处理 | NA | 超声定位显微镜(ULM) | CNN, Transformer | 超声图像 | 数值模拟和体内实验 | NA | 多分支CNN, 递归Transformer | 空间分辨率, 数据采集时间减少倍数, 计算时间减少倍数 | NA |
| 79 | 2025-06-03 |
Uncertainty Quantification for Conditional Treatment Effect Estimation under Dynamic Treatment Regimes
2024-Dec, Proceedings of machine learning research
PMID:40443560
|
research paper | 该研究提出了一种在动态治疗策略下估计条件治疗效果时量化深度学习模型中不确定性的方法 | 首次提出并比较了在机器学习模型中量化g-computation不确定性的多种方法，以改进动态治疗策略下的条件治疗效果估计 | 研究使用了模拟数据集和单一真实世界数据集（脓毒症数据），可能限制了结果的普遍性 | 改进动态治疗策略下条件治疗效果的估计，并量化模型不确定性 | 动态治疗策略下的治疗效果 | machine learning | sepsis | variational dropout, deep ensembles | deep learning | clinical data | 两个模拟数据集和一个真实世界脓毒症数据集 | NA | NA | NA | NA |
| 80 | 2025-10-06 |
High resolution kinematic approach for quantifying impaired mobility of dystrophic zebrafish larvae
2024-Dec-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.05.627004
PMID:39713379
|
研究论文 | 本研究开发了一种基于高速摄像和深度学习的高分辨率运动学方法，用于量化营养不良斑马鱼幼虫的运动障碍 | 首次将无标记运动捕捉技术应用于斑马鱼幼虫逃逸反应游泳的节段化建模，提供了比传统方法更高分辨率和更低变异性的运动功能评估 | 方法主要针对斑马鱼幼虫模型，在其他物种或发育阶段的适用性需要进一步验证 | 开发精确评估杜氏肌营养不良斑马鱼模型运动障碍的新方法 | 营养不良素缺陷型斑马鱼幼虫和野生型斑马鱼幼虫 | 计算机视觉 | 杜氏肌营养不良 | 高速摄像技术 | 深度学习 | 视频 | NA | NA | NA | 分类准确率 | NA |