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 1205 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2026-04-02 |
Deep learning dose prediction to approach Erasmus-iCycle dosimetric plan quality within seconds for instantaneous treatment planning
2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110662
PMID:39647528
|
研究论文 | 本研究探讨了深度学习模型在预测前列腺癌患者三维剂量分布方面的应用，旨在实现即时治疗计划 | 通过分析训练数据集大小和模型规模对剂量预测精度的影响，为即时治疗计划提供快速且高质量的剂量预测方法 | 即使使用1000名患者进行训练，预测精度尚未达到收敛，可能需要更大数据集或进一步优化 | 评估深度学习模型在预测Erasmus-iCycle剂量计划质量方面的准确性，以支持即时治疗计划 | 1250名前列腺癌患者的自动生成剂量分布数据 | 医学影像分析 | 前列腺癌 | 深度学习剂量预测 | U-Net | 三维剂量分布图像 | 1250名前列腺癌患者（训练集：50/100/250/500/1000，验证集：100，测试集：150） | NA | 分层密集连接U-Net（具有2/3/4/5/6个池化层） | PTV V95%误差、直肠V75Gy误差、膀胱V65Gy误差 | NA |
| 82 | 2026-04-02 |
Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation
2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110667
PMID:39675574
|
研究论文 | 本研究探讨了在直肠癌在线自适应放疗中，通过整合患者特异性先验临床知识来提升临床靶区自动分割的泛化能力 | 创新性地利用治疗前勾画的临床靶区作为患者特异性先验知识，结合基于人群的分数间变形变异，创建患者特异性权重图，以增强深度学习模型在多中心数据上的泛化性能 | 研究仅针对直肠癌的肠系膜临床靶区，未涵盖其他癌症类型或靶区结构，且依赖于治疗前勾画的可用性 | 提高在线自适应放疗中临床靶区自动分割的泛化性和鲁棒性 | 中危或局部晚期直肠癌患者 | 数字病理 | 直肠癌 | 深度学习 | 深度学习模型 | MRI图像 | 来自三个中心的中危或局部晚期直肠癌患者 | NA | NA | DSC, surface Dice, 95HD, MSD | NA |
| 83 | 2026-03-28 |
A dataset of blood slide images for AI-based diagnosis of malaria
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111190
PMID:39802838
|
研究论文 | 本文介绍了一个用于基于AI的疟疾诊断的血涂片图像数据集，包含厚血涂片和薄血涂片图像 | 提供了一个来自乌干达的基准数据集，支持构建卷积神经网络模型用于自动疟疾筛查 | 数据集规模相对较小（共4000张图像），且仅来自乌干达特定医院，可能限制模型的泛化能力 | 开发用于疟疾自动筛查的深度学习模型，以提高诊断效率和准确性 | 厚血涂片和薄血涂片图像 | 数字病理学 | 疟疾 | 显微镜检查 | CNN | 图像 | 3000张厚血涂片图像和1000张薄血涂片图像 | NA | NA | 检测准确率 | NA |
| 84 | 2026-03-24 |
Evaluation of Learning Approaches Among Physiotherapy Students in Haryana: A Cross-Sectional Study
2025-02, Journal of evaluation in clinical practice
IF:2.1Q2
DOI:10.1111/jep.14253
PMID:39644511
|
研究论文 | 本研究通过横断面调查评估了哈里亚纳邦物理治疗学生的学习方法，发现大多数学生采用深度学习方式 | 首次在哈里亚纳邦物理治疗学生中系统评估学习方法，并比较了临床前与临床阶段学生的差异 | 样本仅来自同一大学附属院校，可能限制结果的普适性；未追踪学习方法随时间的变化 | 评估物理治疗学生的学习方法，以改进教学策略和课程设计 | 物理治疗专业学生（包括临床前和临床阶段） | NA | NA | 问卷调查（ASSIST量表） | NA | 问卷数据 | 250名参与者（129名临床前组，121名临床组） | IBM SPSS 27 | NA | p值（统计显著性） | NA |
| 85 | 2026-03-22 |
De novo design of Ras isoform selective binders
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610300
PMID:39975043
|
研究论文 | 本研究利用深度学习设计针对Ras蛋白异构体的选择性结合剂，以特异性靶向其C末端 | 首次应用深度学习方法设计出针对所有主要Ras异构体的特异性结合剂，解决了传统方法难以针对其无序且高电荷C末端产生抗体的难题 | 未明确说明结合剂在体内环境下的长期稳定性及潜在免疫原性问题 | 开发能够特异性识别不同Ras蛋白异构体的结合工具，以研究其在癌症中的不同作用 | Ras蛋白的四种主要异构体（KRAS4A、KRAS4B、HRAS、NRAS） | 机器学习 | 癌症 | 深度学习 | NA | 蛋白质序列数据 | 针对四种Ras异构体的设计研究 | NA | NA | 结合特异性、膜定位干扰效果、Ras活性抑制能力 | NA |
| 86 | 2026-03-20 |
Deep learning to decode sites of RNA translation in normal and cancerous tissues
2025-Feb-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56543-0
PMID:39894899
|
研究论文 | 本研究提出了一种基于Transformer模型的RiboTIE方法，用于从核糖体分析数据中高精度、高灵敏度地检测翻译的开放阅读框，并在正常脑组织和髓母细胞瘤样本中验证了其有效性 | RiboTIE是首个直接利用原始核糖体分析计数数据、基于Transformer模型来检测翻译开放阅读框的方法，相比现有方法在精度和灵敏度上有显著提升 | 论文未明确说明该方法在其他癌症类型或组织中的泛化能力，也未详细讨论计算资源需求或模型的可解释性 | 开发一种能够准确分析RNA翻译变异、提升核糖体分析数据解析能力的计算工具 | 正常脑组织和髓母细胞瘤（一种脑癌）样本中的RNA翻译过程 | 自然语言处理 | 髓母细胞瘤 | 核糖体分析测序 | Transformer | 序列数据 | NA | NA | Transformer | 精度, 灵敏度 | NA |
| 87 | 2026-03-17 |
Training deep learning models on personalized genomic sequences improves variant effect prediction
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618510
PMID:39463940
|
研究论文 | 本文通过训练深度学习模型于个性化基因组序列，提升了变异效应预测的性能 | 在匹配个人基因组的功能基因组数据上训练模型，提高了变异效应预测的准确性，且变异效应表征在微调至未见细胞环境和实验读数时仍能保留 | NA | 改进序列到功能模型在变异效应预测中的性能 | 个性化基因组序列和功能基因组数据 | 机器学习 | NA | 功能基因组数据 | 深度学习模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 88 | 2026-03-17 |
Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT
2025-Feb, Ophthalmology
IF:13.1Q1
DOI:10.1016/j.ophtha.2024.08.017
PMID:39151755
|
研究论文 | 本研究利用深度学习分析OCT图像，量化了在pegcetacoplan治疗下，地理萎缩患者光感受器和视网膜色素上皮层的形态变化 | 首次应用深度学习技术对OCT图像进行分割，以客观量化地理萎缩中光感受器和视网膜色素上皮层的退化，并揭示了椭圆体带-视网膜色素上皮差异对疾病进展和治疗反应的显著影响 | 研究为事后纵向图像分析，可能受限于原始临床试验的设计和数据收集；未详细说明深度学习模型的泛化能力到其他数据集或临床环境 | 评估pegcetacoplan治疗对年龄相关性黄斑变性引起的地理萎缩中视网膜结构变化的疗效 | 来自OAKS和DERBY两项前瞻性随机III期临床试验的897名地理萎缩患者 | 数字病理学 | 年龄相关性黄斑变性 | OCT成像 | 深度学习 | 图像 | 897只眼睛（来自897名患者） | NA | NA | 视网膜色素上皮损失和椭圆体带损失的面积变化百分比 | NA |
| 89 | 2026-03-11 |
Renal Cell Type and State Estimation in Brightfield Histology Images: A Pilot Study on Diabetic Nephropathy
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047996
PMID:41799653
|
研究论文 | 本研究提出了一种基于深度学习的两阶段流程，用于从亮视野组织学图像预测细胞类型/状态，旨在提升糖尿病肾病的诊断和预后评估 | 结合图像到文本检索网络和视觉语言模型，利用CONCH模型从亮视野图像生成组织病理学文本提示，并通过回归头预测细胞类型/状态比例，相比仅使用图像输入的模型有显著性能提升 | 研究为试点性质，样本来源单一（印第安纳大学收集的糖尿病肾病样本），且仅针对四种组织结构类型进行分类，可能缺乏泛化性 | 开发机器学习流程，从亮视野组织学图像预测细胞类型/状态，以弥补多组学数据在临床中的昂贵和不可及性 | 糖尿病肾病患者的10X Visium空间转录组学福尔马林固定石蜡包埋全切片图像 | 数字病理学 | 糖尿病肾病 | 空间转录组学（10X Visium），亮视野显微镜 | 深度学习模型 | 图像，文本 | 未明确指定样本数量，但来自印第安纳大学收集的糖尿病肾病样本集 | 未明确指定，但提及CONCH、ViT、ResNet等模型架构 | CONCH, ViT, ResNet | 均方误差 | NA |
| 90 | 2026-03-06 |
Addressing myocardial infarction in South-Asian populations: risk factors and machine learning approaches
2025-Feb-03, NPJ cardiovascular health
DOI:10.1038/s44325-024-00040-8
PMID:41776250
|
综述 | 本文探讨了南亚人群心肌梗死的风险因素，并强调了机器学习和深度学习在提升诊断与预测准确性方面的潜在作用 | 结合南亚人群特有的心血管风险因素，利用机器学习和深度学习模型（如CNN和Transformer）分析临床特征、心电图和心脏生物标志物等多模态数据，以改进传统风险评估工具 | 缺乏高质量数据集，且临床应用面临挑战 | 提升南亚人群心肌梗死的风险预测、诊断和管理水平 | 南亚人群的心肌梗死风险因素 | 机器学习 | 心血管疾病 | NA | CNN, Transformer | 临床特征、心电图、心脏生物标志物等多模态数据 | NA | NA | 卷积神经网络, Transformer | NA | NA |
| 91 | 2026-03-01 |
Feature-Based Audiogram Value Estimator (FAVE): Estimating Numerical Thresholds from Scanned Images of Handwritten Audiograms
2025-Feb-27, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02146-7
PMID:40011323
|
研究论文 | 本研究开发了一种基于机器学习的模型FAVE，用于从手写听力图的扫描图像中估计数值阈值 | 首次提出基于滑动窗口和聚合通道特征的单类物体检测器，专门用于手写听力图的数值提取，相比预训练的深度学习方法在特定测试集上表现更优 | 数值阈值估计的准确性有待提高，仅78.3%的估计无误差，且符号和轴刻度标签检测存在局限性 | 开发机器学习模型以从手写听力图图像中自动提取数值阈值，促进公共卫生研究中的数据可访问性 | 手写听力图的扫描图像 | 计算机视觉 | 老年疾病 | 纯音听力测定 | 物体检测器 | 图像 | 556份手写听力图，来自一项年龄相关性听力损失的纵向队列研究 | NA | 基于聚合通道特征的滑动窗口单类物体检测器 | 召回率, 精确率, 误差率 | NA |
| 92 | 2026-02-27 |
Application of artificial intelligence in forecasting survival in high-grade glioma: systematic review and meta-analysis involving 79,638 participants
2025-Feb-15, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03419-y
PMID:39954167
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了人工智能模型在预测高级别胶质瘤患者生存结局方面的性能 | 本研究特别关注了AI在高级别胶质瘤复发预测中的潜力，并整合了临床、影像组学和遗传学等多模态数据，发现整合模型优于单一数据类型模型 | 需要在前瞻性、多中心研究中进行进一步验证以确保临床适用性 | 评估人工智能模型在预测高级别胶质瘤患者生存结局方面的性能 | 高级别胶质瘤患者 | 机器学习 | 高级别胶质瘤 | NA | 机器学习, 深度学习 | 临床数据, 影像数据, 遗传数据 | 79,638名患者 | NA | 随机森林, 逻辑回归 | AUC | NA |
| 93 | 2026-02-21 |
Macrophage memory emerges from coordinated transcription factor and chromatin dynamics
2025-Feb-19, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101171
PMID:39938520
|
研究论文 | 本文通过活细胞分析、ATAC测序和脓毒症体内模型，揭示了巨噬细胞如何通过NF-κB网络和染色质可及性重编程来编码动态炎症信号的记忆 | 首次展示了巨噬细胞在单细胞水平上通过转录因子和染色质动态协调，对连续炎症信号形成记忆的机制 | 研究主要聚焦于脓毒症模型，可能未涵盖所有炎症条件；单细胞变异性机制仍需进一步探索 | 探究免疫细胞如何编码和解码动态炎症信号，以及巨噬细胞是否保留过去暴露于炎症分子的记忆 | 巨噬细胞 | 机器学习 | 脓毒症 | ATAC测序, 活细胞分析, 转录组分析 | 深度学习 | 序列数据, 转录组数据 | NA | NA | NA | NA | NA |
| 94 | 2026-02-17 |
Brain structural connectomic topology predicts medication response in youth with bipolar disorder: A randomized clinical trial
2025-Feb-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.11.061
PMID:39577502
|
研究论文 | 本研究利用脑结构连接组拓扑特征，通过深度学习模型预测青少年双相情感障碍患者对喹硫平或锂盐的药物反应 | 首次结合基线及用药一周后的脑结构连接组拓扑变化，构建纵向联合深度学习模型，实现了对双相情感障碍药物反应的高精度预测（91.3%） | 需要独立样本验证初步发现 | 开发基于神经影像的生物标志物，预测青少年双相情感障碍患者的药物反应 | 未接受过精神药物治疗的双相情感障碍I型青少年患者 | 数字病理学 | 双相情感障碍 | 结构磁共振成像 | 深度学习 | 图像 | 121名患者 | NA | NA | 准确率 | NA |
| 95 | 2026-02-17 |
A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers
2025-Feb-15, The American journal of cardiology
DOI:10.1016/j.amjcard.2024.11.028
PMID:39581517
|
研究论文 | 本研究评估了基于深度学习的AI-ECG模型在监测肥厚型心肌病患者接受室间隔减容术和Mavacamten药物治疗后生物反应中的应用 | 首次利用AI-ECG模型对两种不同疗法（手术/介入治疗与口服药物治疗）在肥厚型心肌病中的治疗效果进行系统性比较评估 | 研究为观察性设计，样本量相对有限，且随访时间较短，可能影响结果的普遍性和长期效应评估 | 评估AI-ECG作为监测肥厚型心肌病治疗反应的新策略 | 接受室间隔减容术或Mavacamten药物治疗的肥厚型心肌病患者 | 数字病理学 | 心血管疾病 | AI增强心电图分析 | 深度学习模型 | 心电图图像 | 315名患者（70名来自YNHHS，100名来自CCF，145名来自AHS接受SRT；36名来自YNHHS接受Mavacamten治疗） | NA | NA | AI-ECG HCM评分，Wilcoxon符号秩检验 | NA |
| 96 | 2024-10-18 |
Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias
2025-02, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31963
PMID:39413236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 97 | 2026-02-15 |
Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing
2025-Feb, 3D printing and additive manufacturing
IF:2.3Q3
DOI:10.1089/3dp.2023.0285
PMID:40151680
|
研究论文 | 本文提出了一种基于多图像融合和深度学习的缺陷检测方法，用于陶瓷增材制造中实时监测涂覆缺陷 | 结合多图像融合与通道级YOLO（CW-YOLO）方法，通过图像校正技术将侧视涂覆图像转换为俯视图，并引入F1分数作为综合评价指标，显著提升了难以区分缺陷的检测性能 | NA | 开发一种实时监测陶瓷增材制造中涂覆缺陷的方法，以提高工艺稳定性 | 陶瓷增材制造中的涂覆缺陷，如材料短缺和划痕 | 计算机视觉 | NA | 多图像融合，图像校正技术 | YOLO | 图像 | NA | NA | CW-YOLO | F1分数，检测准确率，召回率 | NA |
| 98 | 2026-02-12 |
Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3510217
PMID:40030552
|
研究论文 | 本研究通过融合临床特征和生理信号，利用机器学习/深度学习集成方法预测儿科心脏重症监护室中机械循环支持的需求 | 首次将血流动力学对正性肌力药物的反应与机械循环支持结果关联，并处理分钟级多传感器数据以早期识别高风险患者，不同于以往仅处理单一特征类型或短期诊断的研究 | 研究基于单一四级医院的儿科心脏重症监护室数据，临床决策在某些情况下可能不直接适用 | 预测儿科心脏重症监护室中急性失代偿性心力衰竭患者对机械循环支持的需求 | 儿科心脏重症监护室中因急性失代偿性心力衰竭入院的患者 | 机器学习 | 心血管疾病 | 血流动力学监测、心电图和动脉血压信号分析 | 机器学习/深度学习集成方法 | 表格临床特征、时间序列、原始波形 | NA | NA | NA | AUC | NA |
| 99 | 2026-02-12 |
Scaling Synthetic Brain Data Generation
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3520156
PMID:40030742
|
研究论文 | 本文介绍了Wirehead，一种可扩展的内存数据管道，旨在显著提升神经影像学中深度学习任务的实时合成数据生成性能 | 通过将数据生成与训练解耦，并利用多个独立并行进程运行生成器，实现了接近线性的性能提升，同时使用MongoDB高效处理TB级数据，大幅降低了存储成本 | 揭示了在优化生成与训练平衡以及资源分配方面存在未来研究机会 | 解决神经影像学研究中深度学习应用因数据稀缺而面临的挑战，通过提升合成数据生成效率来加速实验周期 | 合成脑影像数据生成工具SynthSeg及其在深度学习模型训练中的应用 | 神经影像学 | NA | 合成数据生成 | 深度学习模型 | 图像 | NA | NA | NA | 吞吐量提升倍数 | 并行生成器（16至20个） |
| 100 | 2026-02-11 |
Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures
2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society
IF:1.9Q2
DOI:10.1007/s00068-025-02793-y
PMID:39984717
|
研究论文 | 本研究评估了整合区块链技术与人工智能的先进诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性 | 首次将区块链技术与深度学习结合，构建了一个用于胫骨平台骨折检测的分布式网络，实现了无需数据出院的模型训练和参数聚合 | 研究仅在三家独立医院收集图像进行训练和验证，样本来源和多样性可能有限 | 评估整合区块链与人工智能的模型在急诊环境中安全、协作诊断胫骨平台骨折的临床价值 | 胫骨平台骨折患者的医学影像 | 计算机视觉 | 骨科创伤 | 深度学习 | CNN | 图像 | 来自三家独立医院的影像数据，具体数量未明确说明 | NA | YOLOv8n | 准确率, 灵敏度, 特异性, F1分数, AUC | NA |