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 1226 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-10-05 |
Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images
2025-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82639-6
PMID:39952935
|
研究论文 | 本研究验证了Cellpose深度学习网络在自发荧光显微镜图像中单细胞分割的可靠性 | 开发了专门针对自发荧光图像的自动荧光训练模型，首次将Cellpose应用于NAD(P)H自发荧光图像分割 | 研究主要针对NAD(P)H强度图像，在其他自发荧光对比机制中的通用性需要进一步验证 | 验证Cellpose在自发荧光显微镜图像中的单细胞分割性能 | PANC-1细胞和患者来源的癌症类器官（9例患者） | 数字病理 | 癌症 | 多光子强度成像，荧光寿命成像显微镜，自发荧光显微镜 | CNN | 显微镜图像 | 9例患者的癌症类器官和PANC-1细胞系 | Cellpose | Cellpose | Dice系数，相关系数R，p值 | NA |
| 22 | 2025-10-06 |
Bone Age Estimation of Chinese Han Adolescents's and Children's Elbow Joint X-rays Based on Multiple Deep Convolutional Neural Network Models
2025-Feb-25, Fa yi xue za zhi
|
研究论文 | 基于多种深度卷积神经网络模型对中国汉族青少年肘关节X光片进行骨龄评估 | 首次针对中国汉族青少年肘关节X光片开发深度学习骨龄评估模型，并比较三种不同预处理方案和多种网络架构的性能 | 样本量相对有限（943例），仅针对中国汉族人群，年龄范围限定在6-16岁 | 开发自动骨龄评估模型并评估其性能 | 中国汉族青少年和儿童的肘关节X光片 | 计算机视觉 | 生长发育评估 | X光成像 | CNN | 图像 | 943例肘关节正位X光片（517男，426女），外加104例外部测试集 | NA | U-Net, UNet++, TransUNet, VGG16, VGG19, InceptionV2, InceptionV3, ResNet34, ResNet50, ResNet101, DenseNet121 | MAE, RMSE, P±0.7 years, P±1.0 years | NA |
| 23 | 2025-10-06 |
Solubilization of Membrane Proteins using designed protein WRAPS
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636539
PMID:39975033
|
研究论文 | 开发了一种基于深度学习的蛋白质设计方法，通过水溶性蛋白质包裹物（WRAPs）使膜蛋白可溶化并保持其功能 | 首次使用深度学习设计水溶性两亲性蛋白质包裹物，无需去污剂即可稳定膜蛋白并保持其结构和功能完整性 | 文中未明确提及该方法的应用范围和潜在局限性 | 开发一种通用方法解决膜蛋白生产和结构表征的难题 | 膜蛋白，特别是β桶状外膜蛋白和螺旋多次跨膜蛋白 | 蛋白质设计 | 梅毒 | 深度学习设计，冷冻电镜 | 深度学习模型 | 蛋白质结构数据 | 四种外膜β桶状蛋白 | NA | NA | 结构一致性（4.0 Å冷冻电镜图谱验证） | NA |
| 24 | 2025-10-06 |
In vivo electrophysiology recordings and computational modeling can predict octopus arm movement
2025-Feb-14, Bioelectronic medicine
DOI:10.1186/s42234-025-00166-9
PMID:39948616
|
研究论文 | 通过体内电生理记录和计算模型预测章鱼手臂运动 | 首次结合碳电极阵列单单元电生理记录与机器学习方法实时预测章鱼复杂运动模式 | NA | 揭示运动回路控制原理并预测行为 | 章鱼前神经索和手臂运动 | 机器学习 | NA | 单单元电生理记录 | 深度学习模型 | 电生理信号, 运动记录 | NA | NA | NA | 预测置信度(88.64%, 75.45%) | NA |
| 25 | 2025-10-06 |
Donor-Specific Digital Twin for Living Donor Liver Transplant Recovery
2025-Feb-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.21.639518
PMID:40568069
|
研究论文 | 本研究通过整合临床基因表达数据和数学模型，为活体肝移植供体开发了个性化渐进机制数字孪生模型 | 首次将全转录组RNA测序数据与肝脏再生数学模型结合，创建可预测个体恢复轨迹的个性化数字孪生模型 | 样本量较小（12名供体），仅针对健康LDLT供体进行研究 | 开发个性化数字孪生模型以预测活体肝移植供体的肝脏恢复轨迹 | 活体肝移植供体的肝脏再生过程 | 数字病理 | 肝移植 | RNA测序, WGCNA, 深度学习 | 深度学习, 数学模型 | 基因表达数据 | 12名健康LDLT供体，在一年内14个时间点采集数据 | NA | NA | NA | NA |
| 26 | 2025-10-06 |
Assessing Genotype-Phenotype Correlations with Deep Learning in Colorectal Cancer: A Multi-Centric Study
2025-Feb-08, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.04.25321660
PMID:39973981
|
研究论文 | 本研究开发了一种基于Transformer的多目标深度学习模型，直接从结直肠癌H&E病理切片预测多种遗传生物标志物 | 首次使用单一Transformer模型同时预测结直肠癌中多种遗传变异，超越了常规单一靶标模型，并系统分析了MSI表型对预测性能的影响 | 模型预测性能主要与MSI表型相关，生物标志物本身的形态学贡献相对有限，可能存在混杂因素影响 | 评估深度学习在结直肠癌中基因型-表型关联预测的应用价值 | 结直肠癌患者及其肿瘤组织 | 数字病理学 | 结直肠癌 | H&E染色、panel测序 | Transformer | 病理切片图像 | 1,376名患者（主要数据集）+ 536名患者（验证数据集） | NA | Transformer | AUROC | NA |
| 27 | 2025-10-06 |
Automated lensless blood sample identification through scattering media using deep learning architectures
2025-Feb-10, Optics express
IF:3.2Q2
DOI:10.1364/OE.546326
PMID:40797768
|
研究论文 | 提出一种基于深度学习架构的便携式无透镜系统，用于通过散射介质自动识别血液样本 | 首次将无透镜设备与深度学习相结合，实现通过散射介质对血液样本进行非侵入式自动识别 | 在散射层厚度变化时的系统鲁棒性仍需进一步验证 | 开发一种便携式无透镜系统，用于通过散射介质自动识别血液样本 | 全血样本中的红细胞类型 | 计算机视觉 | NA | 局部二值模式变换，无透镜成像 | CNN | 图像 | NA | NA | AlexNet, VGG-16, SqueezeNet | 准确率, 马修斯相关系数 | NA |
| 28 | 2025-10-06 |
Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology
2025-Feb, The Laryngoscope
DOI:10.1002/lary.31756
PMID:39258420
|
研究论文 | 本研究使用TRIPOD-AI标准评估头颈肿瘤学文献中机器学习算法的报告质量 | 首次在头颈肿瘤学领域系统评估机器学习算法的报告质量，并引入TRIPOD-AI标准作为评估工具 | 研究基于文献分析，未涉及原始数据验证，评估结果受限于所纳入文献的质量 | 评估头颈肿瘤学中机器学习算法的报告质量并提出改进建议 | 头颈肿瘤学领域的机器学习研究文献 | 机器学习 | 头颈肿瘤 | 文献系统评价方法 | NA | 科学文献 | 通过PubMed、Scopus、Embase和Cochrane系统评价数据库检索的相关研究文献 | NA | NA | TRIPOD-AI标准符合率，牛津循证医学中心证据等级 | NA |
| 29 | 2025-10-06 |
Complex conjugate removal in optical coherence tomography using phase aware generative adversarial network
2025-02, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.2.026001
PMID:39963188
|
研究论文 | 提出一种基于生成对抗网络的深度学习方法来消除光学相干断层扫描中的复共轭伪影 | 首次将相位信息整合到生成对抗网络中用于复共轭伪影去除，无需额外硬件组件 | NA | 开发无需额外硬件的软件解决方案来消除FD-OCT中的复共轭伪影 | 光学相干断层扫描图像中的复共轭伪影 | 计算机视觉 | NA | 光学相干断层扫描 | GAN | 图像 | 包括体模、人体皮肤和活体小鼠眼睛样本 | NA | 生成对抗网络 | NA | NA |
| 30 | 2025-10-06 |
KaMLs for Predicting Protein pKa Values and Ionization States: Are Trees All You Need?
2025-Feb-11, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c01602
PMID:39882632
|
研究论文 | 开发基于决策树和图注意力网络的KaML模型，用于准确预测蛋白质pKa值和电离状态 | 提出分别处理酸和碱、使用AlphaFold结构进行数据增强、在理论pKa数据库上进行模型预训练等创新方法 | 机器学习方法受限于实验数据的稀缺性 | 提高蛋白质电离状态预测的准确性，用于生物学理解和计算机辅助药物发现 | 蛋白质电离状态和pKa值 | 机器学习 | NA | 机器学习 | 决策树,图注意力网络(GAT) | 蛋白质结构数据,实验pKa数据库 | PKAD-3数据库（包含高度偏移pKa值） | NA | 决策树,GAT | pKa值预测准确率,电离状态分类准确率 | NA |
| 31 | 2025-10-06 |
Deep learning-driven bacterial cytological profiling to determine antimicrobial mechanisms in Mycobacterium tuberculosis
2025-Feb-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2419813122
PMID:39913203
|
研究论文 | 本研究开发了基于卷积神经网络的细菌细胞学分析方法MycoBCP，用于确定结核分枝杆菌抗菌药物的作用机制 | 将卷积神经网络应用于细菌细胞学分析，克服传统图像分析技术面临的细胞聚集和染色不均等挑战 | 转录抑制和翻译抑制导致的相似形态难以有效区分，需要进一步优化 | 加速结核病治疗药物的作用机制确定，推动新型有效药物的开发 | 结核分枝杆菌及其对多种抗菌化合物的形态反应 | 计算机视觉 | 结核病 | 细菌细胞学分析 | CNN | 图像 | NA | NA | NA | 准确率 | NA |
| 32 | 2025-10-06 |
Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort
2025-Feb-04, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwaf038
PMID:39903569
|
研究论文 | 本研究使用Google街景图像和深度学习技术分析居住环境特征与心血管风险之间的关系 | 首次结合Google街景图像和深度学习技术大规模分析建成环境特征与心血管疾病风险的关联 | 需要未来研究验证这些关联并深入理解潜在机制 | 调查建成环境特征（包括住宅绿化和人行道）与心血管风险的关系 | 美国中西部俄亥俄州东北部地区的49,887名个体 | 计算机视觉 | 心血管疾病 | Google街景图像分析 | 深度学习 | 图像 | 49,887名个体，其中2,083人经历主要不良心血管事件 | NA | NA | 风险比(HR), 置信区间(CI) | NA |
| 33 | 2025-10-06 |
Detection and severity assessment of obstructive sleep apnea according to deep learning of single-lead electrocardiogram signals
2025-02, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.14285
PMID:39021352
|
研究论文 | 基于单导联心电图信号开发深度学习模型用于阻塞性睡眠呼吸暂停的检测与严重程度评估 | 首次将单导联心电图信号与时频域信息融合的深度学习模型应用于阻塞性睡眠呼吸暂停的检测和严重程度分级 | 样本量相对有限（375例患者），未提及模型在更广泛人群中的泛化能力验证 | 开发便捷的阻塞性睡眠呼吸暂停检测和严重程度评估方法 | 接受多导睡眠图检查的375例患者 | 医疗人工智能 | 阻塞性睡眠呼吸暂停 | 单导联心电图信号分析 | 深度学习 | 心电图信号 | 375例患者 | NA | 包含信号预处理、特征提取、时频域信息融合和分类模块的深度学习架构 | 准确率, Bland-Altman一致性分析 | NA |
| 34 | 2025-10-06 |
Automatic classification of HEp-2 specimens by explainable deep learning and Jensen-Shannon reliability index
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103030
PMID:39637573
|
研究论文 | 提出基于可解释深度学习的HEp-2标本自动分类方法，结合Jensen-Shannon可靠性指数提升分类可信度 | 采用迁移学习与预训练模型，提出针对不平衡数据集的特征选择方法，引入改进的梯度加权类激活映射和基于Jensen-Shannon散度的样本质量指数 | 尚未解决有丝分裂纺锤体识别挑战，未来需扩展方法以覆盖混合模式 | 开发计算机辅助系统用于HEp-2图像分析和ANA模式分类 | HEp-2细胞图像标本 | 计算机视觉 | 结缔组织病 | 间接免疫荧光检测 | 深度学习 | 图像 | 来自两家不同医院的两个独立数据集 | NA | 预训练深度学习模型 | 强度识别准确率，ANA模式识别准确率 | NA |
| 35 | 2025-10-06 |
ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103054
PMID:39689443
|
研究论文 | 提出了一种端到端可解释可控的AI框架ItpCtrl-AI，通过模拟放射科医生的决策过程来诊断胸部X光片 | 通过模拟放射科医生的眼动模式生成注意力热图，实现了AI模型的可解释性和用户可控性 | NA | 开发可解释且可控的计算机辅助诊断系统，提高AI在医疗领域的可信度 | 胸部X光片中的医学发现 | 计算机视觉 | NA | 眼动追踪 | 深度学习 | 医学图像,眼动数据 | NA | NA | NA | NA | NA |
| 36 | 2025-10-06 |
Advances in diagnosis and prognosis of bacteraemia, bloodstream infection, and sepsis using machine learning: A comprehensive living literature review
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103008
PMID:39705768
|
文献综述 | 本文对机器学习在菌血症、血流感染和脓毒症诊断与预后中的应用进行了全面的动态文献综述 | 提供了动态更新的文献综述，强调在早期疾病阶段的研究空白和实时非侵入性数据采集技术的潜力 | 早期疾病阶段研究不足，序列深度学习模型在外部数据集表现不佳，现实场景实施面临挑战 | 评估机器学习在血液相关感染管理中的诊断和预后应用 | 菌血症、血流感染和脓毒症患者 | 机器学习 | 脓毒症 | 机器学习 | 序列深度学习模型,传统机器学习模型 | 电子健康记录,生化标志物,生命体征,时间趋势数据 | NA | NA | NA | NA | NA |
| 37 | 2025-10-06 |
TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103056
PMID:39705769
|
研究论文 | 提出了一种基于Transformer的深度学习框架TransformerLSR，用于联合建模纵向数据、生存数据和复发事件 | 首次将Transformer架构应用于联合建模纵向测量、复发事件和生存数据，引入了新的轨迹表示和模型架构以整合已知的潜在结构知识 | 未在论文摘要中明确说明具体限制 | 开发能够同时联合建模纵向测量、复发事件和生存数据的灵活深度学习框架 | 肾移植术后患者 | 机器学习 | 肾脏疾病 | 深度时间点过程 | Transformer | 纵向测量数据、生存数据、复发事件数据 | NA | NA | Transformer | NA | NA |
| 38 | 2025-10-06 |
Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103055
PMID:39721356
|
研究论文 | 提出一种基于一致性的预测不确定性指数，用于改进低剂量CT筛查中肺癌风险评估的特异性 | 首次将亚组分析与个性化AI时间事件模型的预测一致性量化为不确定性指标，优化偏差-方差权衡 | 研究仅针对单一医疗中心的3326名患者，需要更多外部验证 | 提高肺癌筛查的风险评估准确性和特异性 | 接受低剂量CT筛查的肺癌患者 | 数字病理 | 肺癌 | 低剂量CT影像组学分析 | 神经网络多任务逻辑回归时间事件模型 | CT图像, 患者人口统计学数据 | 3326名患者 | MONAI | 深度学习模型 | AUC, 假阳性率, 假阴性率, 一致性指数 | NA |
| 39 | 2025-10-06 |
Fraud detection in healthcare claims using machine learning: A systematic review
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103061
PMID:39756221
|
系统综述 | 本文系统综述了机器学习技术在医疗保险欺诈检测中的应用研究 | 对过去二十年医疗保险欺诈检测的机器学习研究进行全面系统分析，涵盖不同算法类型和数据来源 | 数据不一致、缺乏标准化、隐私问题以及标记欺诈案例数量有限 | 分析医疗保险欺诈检测中机器学习技术的研究现状、挑战和机遇 | 医疗保险索赔数据 | 机器学习 | NA | 机器学习 | 无监督学习, 监督学习, 深度学习 | 医疗索赔数据 | 137篇研究论文，涉及16个国家的数据，其中美国96篇、中国11篇、澳大利亚5篇 | NA | NA | NA | NA |
| 40 | 2025-10-06 |
ECGEFNet: A two-branch deep learning model for calculating left ventricular ejection fraction using electrocardiogram
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103065
PMID:39809042
|
研究论文 | 提出一种名为ECGEFNet的双分支深度学习模型，通过心电图计算左心室射血分数 | 创新性地整合原始数值信号和波形图，提出融合注意力机制和双分支特征融合模块解决分支间信息交互不足的问题 | 仅使用内部数据集进行验证，缺乏外部验证 | 开发基于心电图的心脏功能障碍实时监测方法 | 左心室收缩功能障碍患者 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 信号数据, 图像数据 | 大型内部数据集（具体数量未说明） | NA | 双分支架构 | 准确率, 平均绝对误差 | NA |