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 1213 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 | 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 |
| 82 | 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 |
| 83 | 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 |
| 84 | 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 |
| 85 | 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 |
| 86 | 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 |
| 87 | 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 |
| 88 | 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 |
| 89 | 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 |
| 90 | 2025-10-06 |
A deep learning approach to perform defect classification of freeze-dried product
2025-Feb-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2024.125127
PMID:39756597
|
研究论文 | 本研究开发了一种基于深度学习的冷冻干燥产品缺陷分类方法 | 提出了两种基于卷积神经网络的高分辨率图像处理方法，并实现了对关键缺陷的完美检测精度 | NA | 通过人工智能技术改进冷冻干燥产品的质量检测流程 | 冷冻干燥样品 | 计算机视觉 | NA | 深度学习，计算机视觉 | CNN | 图像 | 多个连续冷冻干燥样品（包含故意制造的缺陷样本和无缺陷样本） | NA | 卷积神经网络 | 精确度，召回率，预测时间 | NA |
| 91 | 2025-10-06 |
Advances in antiviral strategies targeting mosquito-borne viruses: cellular, viral, and immune-related approaches
2025-02-04, Virology journal
IF:4.0Q2
DOI:10.1186/s12985-025-02622-z
PMID:39905499
|
综述 | 本文系统综述了针对蚊媒病毒的抗病毒策略研究进展，包括针对宿主细胞因子、病毒靶点和免疫调节的治疗方法 | 全面整合了针对宿主因子（脂质代谢、离子通道、蛋白酶体）和病毒靶点（NS2B-NS3蛋白酶、非结构蛋白）的新型抗病毒策略，并强调了药物重定位、生物信息学和人工智能在候选药物发现中的应用潜力 | 作为综述文章，未报告原始实验数据，主要基于现有文献分析 | 探讨针对蚊媒病毒的抗病毒治疗策略 | 蚊媒病毒，包括黄病毒科、披膜病毒科、布尼亚病毒科和呼肠孤病毒科的多种病毒 | NA | 蚊媒病毒感染 | 药物重定位、生物信息学、人工智能、深度学习 | NA | 文献数据 | NA | NA | NA | NA | NA |
| 92 | 2025-10-06 |
Recovery of GLRLM Features in Degraded Images using Deep Learning and Image Property Models
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047257
PMID:40727416
|
研究论文 | 提出一种基于深度学习的GLRLM特征恢复方法，用于改善医学图像放射组学特征的鲁棒性 | 首次将双域深度学习框架扩展到GLRLM特征恢复，并提出了GLRLM的可微分近似算法 | 研究仅针对肺部CT图像和COVID-19分类任务进行验证，未测试其他疾病类型 | 开发放射组学特征标准化方法以减少成像条件变化带来的特征变异 | 肺部CT图像块和GLRLM特征 | 计算机视觉 | COVID-19 | CT成像 | 深度学习 | 医学图像 | NA | NA | 双域深度学习网络 | MSE, 准确率 | NA |
| 93 | 2025-10-06 |
Real-time intraoperative ultrasound registration for accurate surgical navigation in patients with pelvic malignancies
2025-Feb, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03299-5
PMID:39633142
|
研究论文 | 本研究开发并评估了多种实时术中超声配准方法，用于盆腔恶性肿瘤手术导航 | 开发了基于深度学习的实时术中超声骨骼和动脉分割方法，实现了快速准确的术中配准 | 术中超声存在用户依赖性，需要直观的软件支持才能达到最佳临床实施效果 | 开发准确快速的术中配准方法以改善盆腔恶性肿瘤手术导航效果 | 盆腔恶性肿瘤患者 | 医学影像分析 | 盆腔恶性肿瘤 | 术中超声，深度学习分割 | 深度学习 | 超声图像 | 30名患者 | NA | NA | Dice系数，平均表面距离，目标配准误差 | NA |
| 94 | 2025-10-06 |
Alzheimer's Disease Detection in EEG Sleep Signals
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3478380
PMID:39392730
|
研究论文 | 本研究探索利用睡眠脑电图信号通过半监督深度学习技术早期检测阿尔茨海默病 | 首次将半监督深度学习应用于睡眠EEG信号的阿尔茨海默病检测，重点解决临床数据稀缺问题 | 数据可用性有限是主要限制因素 | 开发基于睡眠EEG信号的阿尔茨海默病早期检测方法 | 通过多导睡眠图采集的睡眠相关脑电图信号 | 机器学习 | 阿尔茨海默病 | 多导睡眠图，脑电图 | 半监督深度学习模型 | 脑电图信号 | NA | NA | NA | 准确率 | NA |
| 95 | 2025-10-06 |
Interpretable Dynamic Directed Graph Convolutional Network for Multi-Relational Prediction of Missense Mutation and Drug Response
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3483316
PMID:39423073
|
研究论文 | 提出一种可解释的动态有向图卷积网络框架，用于预测错义突变与药物反应之间的多关系 | 首次将动态有向图卷积网络应用于错义突变-药物反应预测，通过方向性图结构区分敏感性与耐药性关系，并集成加权机制提升模型可解释性 | 未明确说明模型在更大规模数据集上的泛化能力及计算效率 | 解决肿瘤异质性背景下错义突变与药物反应间的复杂关系预测问题 | 错义突变与药物反应间的多关系数据 | 机器学习 | 肿瘤癌症 | 图神经网络 | GCN | 图数据 | NA | NA | 动态有向图卷积网络 | 预测准确性, 可解释性评估 | NA |
| 96 | 2025-10-06 |
UnBias: Unveiling Bias Implications in Deep Learning Models for Healthcare Applications
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3484951
PMID:39495690
|
研究论文 | 本研究提出UnBias方法评估深度学习模型中的偏见，并通过COVID-19检测案例研究分析不同神经网络架构的偏见影响 | 提出UnBias方法用于检测深度学习模型中偏见渗入学习过程的实例，揭示模型注意力从主要特征偏移的现象 | NA | 评估深度学习模型在医疗应用中的偏见及其伦理影响，推动公平可信AI发展 | 深度学习模型在医疗应用中的偏见表现 | 机器学习 | COVID-19 | 深度学习 | CNN | 胸部X光扫描图像 | 来自多个公开数据库的胸部X光扫描数据集 | NA | ResNet50V2, DenseNet121, InceptionV3, Xception | NA | NA |
| 97 | 2025-10-06 |
Forecasting Epidemic Spread With Recurrent Graph Gate Fusion Transformers
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3488274
PMID:39475731
|
研究论文 | 提出一种名为ReGraFT的新型序列到序列模型，用于COVID-19的长期预测 | 整合多图门控循环单元与自适应图结构，结合滞后政策数据，系统比较不同图类型 | 过度依赖历史COVID-19数据，对时滞数据的利用潜力有限 | 改进流行病传播预测的准确性和鲁棒性 | 美国各州的感染率、政策变化和州际旅行数据 | 机器学习 | COVID-19 | 深度学习 | Seq2Seq, GNN, RNN, Transformer | 时间序列数据、图数据 | NA | NA | 多图门控循环单元(MGRU)、自归一化启动(SNP)层、全连接层、池化机制、注意力结构 | 均方根误差(RMSE) | NA |
| 98 | 2025-10-06 |
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 | 介绍Wirehead——一种可扩展的内存数据管道，显著提升神经影像学中深度学习实时合成数据生成的性能 | 通过独立并行进程运行多个生成器，将数据生成与训练解耦，实现近乎线性的性能提升 | 在优化生成-训练平衡和资源分配方面存在未来研究机会 | 解决神经影像学研究中高质量数据集有限的问题，加速深度学习实验周期 | 合成脑部数据生成 | 神经影像学 | NA | 合成数据生成 | NA | 脑部影像数据 | 可高效处理TB级数据 | NA | NA | 吞吐量提升倍数 | MongoDB数据库，并行生成器架构 |
| 99 | 2025-10-06 |
DSANIB: Drug-Target Interaction Predictions With Dual-View Synergistic Attention Network and Information Bottleneck Strategy
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3497591
PMID:40030194
|
研究论文 | 提出一种名为DSANIB的新方法，通过双视图协同注意力网络和信息瓶颈策略预测药物-靶点相互作用 | 结合双视图注意力网络显式学习药物-靶点对的局部相互作用，并采用信息瓶颈策略过滤冗余信息 | NA | 改进药物-靶点相互作用预测的准确性和可解释性 | 药物和靶点分子 | 机器学习 | NA | 深度学习 | 注意力网络 | 分子结构数据 | NA | NA | 双视图协同注意力网络 | NA | NA |
| 100 | 2025-10-06 |
Comparison of Pathologist and Artificial Intelligence-based Grading for Prediction of Metastatic Outcomes After Radical Prostatectomy
2025-Feb, European urology oncology
IF:8.3Q1
DOI:10.1016/j.euo.2024.08.004
PMID:39232875
|
研究论文 | 比较病理学家和基于人工智能的前列腺癌分级方法在预测根治性前列腺切除术后转移结局方面的表现 | 首次将AI分级系统与病理学家分级在预测肿瘤转移结局方面进行直接比较，而非仅评估分级一致性 | 研究样本量相对有限（777例患者），且仅基于单个代表性切片进行评估 | 评估AI系统在前列腺癌分级和转移预测方面的临床价值 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习 | 深度学习模型 | 组织病理学图像 | 777名独特患者 | NA | NA | Harrell's C-index | NA |