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 32373 篇文献，本页显示第 3701 - 3720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3701 | 2025-10-06 |
Predicting peritumoral glioblastoma infiltration and subsequent recurrence using deep-learning-based analysis of multi-parametric magnetic resonance imaging
2024-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.5.054001
PMID:39220048
|
研究论文 | 开发基于深度学习的多参数磁共振成像分析方法，用于预测胶质母细胞瘤的瘤周浸润和后续复发 | 结合专家知识和训练数据增强自动生成训练样本，无需专家绘制感兴趣区域即可预测肿瘤浸润 | 需要多机构数据验证，模型性能在不同机构间存在差异 | 预测胶质母细胞瘤的瘤周浸润范围和后续复发模式 | 胶质母细胞瘤患者 | 医学影像分析 | 胶质母细胞瘤 | 多参数磁共振成像 | 深度学习 | 医学影像 | 229名患者来自多机构联盟 | NA | NA | 体素水平比值比 | NA |
| 3702 | 2025-10-06 |
Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG
2022-Mar-08, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12030654
PMID:35328207
|
研究论文 | 开发并验证了一种基于人工智能的智能手表心电图技术，通过生成12导联心电图来检测心力衰竭伴射血分数降低 | 首次开发了能够从异步2导联心电图生成10导联心电图的深度学习模型(ECGT2T)，并基于生成的12导联心电图检测HFrEF | 研究仅在两所医院进行，需要更多外部验证；阳性预测值相对较低(0.258) | 开发人工智能增强的智能手表心电图技术用于心力衰竭检测 | 成年患者，包括进行12导联心电图检查和超声心动图检查的患者 | 医疗人工智能 | 心血管疾病 | 心电图(ECG)，超声心动图 | GAN, CNN | 心电图信号数据 | 开发ECGT2T模型：137,673名患者，458,745份心电图；开发HFrEF检测模型：38,643名患者，88,900份心电图；验证集：755名患者 | NA | 生成对抗网络，卷积神经网络 | AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 3703 | 2025-10-06 |
Using Deep-Learning Algorithms to Simultaneously Identify Right and Left Ventricular Dysfunction From the Electrocardiogram
2022-03, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2021.08.004
PMID:34656465
|
研究论文 | 开发深度学习模型通过心电图数据同时评估左右心室功能障碍 | 首次开发能够同时评估左右心室功能的深度学习模型，突破了现有工具仅能评估左心室重度功能障碍的限制 | 模型性能在不同LVEF分类区间存在差异，特别是40%<LVEF≤50%区间表现相对较弱 | 利用深度学习技术从心电图数据中全面量化左右心室功能 | 来自5家纽约医院的大型多样化患者群体 | 医疗人工智能 | 心血管疾病 | 深度学习, 自然语言处理 | 深度学习模型 | 心电图, 超声心动图报告 | 147,636名患者的715,890份心电图与超声心动图LVEF配对数据；148,227名患者的761,510份心电图与404,502份超声心动图报告配对数据 | NA | NA | AUC, 平均绝对误差 | NA |
| 3704 | 2025-10-06 |
Fairness in Cardiac Magnetic Resonance Imaging: Assessing Sex and Racial Bias in Deep Learning-Based Segmentation
2022, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2022.859310
PMID:35463778
|
研究论文 | 本研究首次在大规模数据库上分析基于AI的心脏磁共振成像分割模型中存在的性别和种族偏见 | 首次对基于深度学习的电影CMR分割模型进行性别/种族偏见分析 | 使用的UK Biobank数据库种族不平衡，可能影响模型泛化能力 | 评估深度学习模型在心脏磁共振成像分割中的公平性 | 5,903名来自UK Biobank的受试者（61.5±7.1岁，52%男性，81%白人） | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 短轴电影CMR图像 | 5,903名受试者 | NA | NA | Dice系数, 容积测量误差, 功能测量误差 | NA |
| 3705 | 2025-10-06 |
Fast MR signal simulations of microvascular and diffusion contributions using histogram-based approximation and recurrent neural networks
2025-Nov, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30629
PMID:40626426
|
研究论文 | 提出一种结合直方图近似和循环神经网络的快速MR信号模拟方法，用于模拟微血管结构和扩散效应 | 通过磁场不均匀性矩阵降维与深度学习相结合，实现了比传统方法快近13000倍的MR信号模拟速度 | NA | 开发高效的MR信号模拟工具，准确模拟微血管结构和水分扩散对MR信号的影响 | MR信号模拟，特别是fMRI BOLD建模和MR血管指纹识别中的信号 | 医学影像分析 | NA | MR信号模拟，磁共振指纹识别 | 循环神经网络 | MR信号数据 | NA | NA | NA | 模拟速度，准确性 | NA |
| 3706 | 2025-10-06 |
Enhancing schizophrenia diagnosis efficiency with EEGNet: a simplified recognition model based on γ band features
2025-Sep, Psychiatry research. Neuroimaging
|
研究论文 | 本研究开发了一种基于EEGNet架构的精神分裂症诊断模型，利用γ波段特征实现高效识别 | 通过优化EEGNet架构专门针对γ波段特征，在保证高识别准确率的同时显著降低模型复杂度和训练时间 | 研究采用留一被试交叉验证，但样本量相对有限，需要更大规模数据验证 | 开发客观高效的精神分裂症诊断模型 | 精神分裂症患者和健康对照组的静息态脑电信号 | 机器学习 | 精神分裂症 | 脑电图 | EEGNet | 脑电信号 | 精神分裂症患者和健康对照组（具体数量未明确说明） | NA | EEGNet | 准确率 | NA |
| 3707 | 2025-10-06 |
Designing lipid nanoparticles using a transformer-based neural network
2025-Aug-15, Nature nanotechnology
IF:38.1Q1
DOI:10.1038/s41565-025-01975-4
PMID:40817189
|
研究论文 | 本研究开发了一种基于Transformer的神经网络COMET，用于设计脂质纳米颗粒并预测其性能 | 首次将Transformer架构应用于多组分复合制剂的设计，能够处理非标准LNP配方并实现端到端性能预测 | 模型训练依赖于LANCE数据集的质量和规模，对于某些特殊配方的预测可能需要额外数据 | 开发计算模型加速脂质纳米颗粒的设计和优化过程 | 脂质纳米颗粒及其配方 | 机器学习 | NA | 深度学习 | Transformer | 化学配方数据，性能数据 | LANCE数据集（最大的LNP数据集之一） | NA | Transformer | 蛋白质表达预测准确率，稳定性预测准确率 | NA |
| 3708 | 2025-10-06 |
Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach
2025-Aug-13, JMIR formative research
IF:2.0Q4
DOI:10.2196/72115
PMID:40802390
|
研究论文 | 开发了一种基于深度学习的诊断系统，通过面部情绪识别和验证问卷来检测自闭症谱系障碍患者的被笑恐惧症 | 首次将深度学习面部情绪识别与标准化问卷(GELOPH<15>)相结合，用于检测自闭症患者的被笑恐惧症 | 在面部表情模糊的情况下，仅依赖DeepFace模型不足以准确诊断，需要结合问卷补充 | 开发自动化诊断工具，用于早期检测自闭症患者的被笑恐惧症 | 自闭症谱系障碍患者和神经典型个体的面部图像数据 | 计算机视觉 | 自闭症谱系障碍 | 面部情绪识别，问卷调查 | 多层感知机，深度学习分类器 | 面部图像 | 2932张面部图像(1466张ASD患者，1466张神经典型个体) | PyTorch, scikit-learn, NumPy, Pandas, DeepFace | 多层感知机 | 准确率 | 支持CUDA的GPU |
| 3709 | 2025-10-06 |
Accelerating brain T2-weighted imaging using artificial intelligence-assisted compressed sensing combined with deep learning-based reconstruction: a feasibility study at 5.0T MRI
2025-Jul-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01763-5
PMID:40596927
|
研究论文 | 本研究评估了人工智能辅助压缩感知与深度学习重建技术结合在5.0T MRI上加速脑部T2加权成像的可行性 | 首次在5.0T MRI上探索ACS与DLR技术的协同应用，实现78%的扫描时间缩减 | 样本量相对有限（98名参与者），且为单中心可行性研究 | 系统评估ACS-DLR集成技术在5.0T MRI脑部T2加权成像中的诊断效能 | 脑部T2加权成像 | 医学影像分析 | 脑部疾病 | MRI T2加权成像，压缩感知，深度学习重建 | 深度学习 | 医学影像 | 98名参与者 | NA | NA | 信噪比，对比噪声比，图像质量评分 | 5.0T MRI设备 |
| 3710 | 2025-10-06 |
A deep foundation model for electrocardiogram interpretation: enabling rare disease detection through transfer learning
2025-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf051
PMID:40703125
|
研究论文 | 开发用于心电图解读的深度基础模型，并通过迁移学习实现罕见疾病检测 | 构建了迄今为止最全面的心电图深度神经网络模型，并首次将基础模型概念应用于心电图分析，通过迁移学习在数据有限的情况下有效检测罕见疾病 | 罕见疾病检测的数据集相对较小，模型性能在罕见疾病检测上仍有提升空间 | 开发能够有效解读心电图并检测罕见心脏疾病的基础模型 | 心电图信号和相关的68种常见心电图诊断及3种罕见疾病 | 医疗人工智能 | 心脏疾病 | 心电图分析 | CNN | 心电图信号 | 160万份心电图，来自UCSF 1986-2019年的临床常规采集 | NA | 卷积深度神经网络 | AUC, 敏感度, 特异性 | NA |
| 3711 | 2025-10-06 |
Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis
2025-Jun-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.09.24315202
PMID:40502572
|
研究论文 | 本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的性能并评估模型偏倚风险 | 首次在外部验证中直接比较四种ATTR-CM检测算法，并系统评估了种族偏倚风险 | 研究人群主要为白种人（79.2%），其他种族群体样本量较小 | 比较ATTR-CM检测算法的性能并评估模型偏倚风险 | 心力衰竭患者，包括176例确诊ATTR-CM患者和3192例对照患者 | 医疗人工智能 | 心脏淀粉样变性 | 深度学习，随机森林，回归分析 | 随机森林，深度学习模型 | 电子健康记录，超声心动图 | 3368名患者（176例ATTR-CM病例，3192例对照） | NA | EchoNet-LVH, EchoGo Amyloidosis | AUC, 公平性指标 | NA |
| 3712 | 2025-10-06 |
An improved model for prediction of de novo designed proteins with diverse geometries
2025-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.02.657515
PMID:40502157
|
研究论文 | 本研究通过物理基础设计方法生成并验证了具有非理想几何结构的蛋白质数据集，并开发了能够捕捉几何多样性的改进版AlphaFold2模型 | 创建了包含5,996个具有多样化非理想几何结构的从头设计蛋白质数据集，并开发了能够准确预测这些几何多样性的改进版AlphaFold2模型 | 当前深度学习方法未能完全捕捉支撑蛋白质构象偏好的物理原理，如原子堆积和氢键相互作用 | 改进深度学习模型以更好地预测具有多样化几何结构的从头设计蛋白质 | 从头设计的蛋白质及其几何结构 | 机器学习 | NA | 物理基础设计方法，深度学习结构预测 | 深度学习 | 蛋白质结构数据 | 5,996个稳定的从头设计蛋白质，包含来自5个折叠家族的数千个几何多样化蛋白质 | AlphaFold2 | AlphaFold2 | 几何多样性重现能力，泛化能力 | NA |
| 3713 | 2025-10-06 |
Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy
2025-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202411191
PMID:40047328
|
研究论文 | 本研究通过3D电子显微镜和深度学习技术，揭示了线粒体在秀丽隐杆线虫神经肌肉系统中随发育阶段变化的结构多样性 | 开发了半自动线粒体重建方法，首次系统比较了正常发育阶段和dauer期线粒体结构差异，发现了与突触连接相关的线粒体结构特性 | 研究主要基于秀丽隐杆线虫模型，在哺乳动物系统中的普适性仍需验证 | 探究神经肌肉系统中线粒体结构在发育过程中的变化规律及其功能意义 | 秀丽隐杆线虫的神经肌肉系统 | 生物医学成像 | NA | 3D电子显微镜，深度学习 | NA | 3D电子显微镜图像 | 正常生殖阶段和dauer期的秀丽隐杆线虫样本 | NA | NA | NA | NA |
| 3714 | 2025-10-06 |
DELR-Net: a network for 3D multimodal medical image registration in more lightweight application scenarios
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04602-3
PMID:39400589
|
研究论文 | 提出一种用于3D多模态医学图像配准的轻量化网络DELR-Net | 集成Mamba和ConvNet的双编码器轻量化网络架构，使用状态空间序列模块和动态大核块 | NA | 设计参数更少的3D多模态配准网络，确保高质量配准结果 | 3D脑部MR图像和腹部MR与CT图像 | 医学图像分析 | NA | 医学图像配准 | 深度学习网络 | 3D医学图像 | NA | NA | DELR-Net, Dual-Encoder, Mamba, ConvNet | 配准质量, 参数数量 | NA |
| 3715 | 2025-10-06 |
An optimized siamese neural network with deep linear graph attention model for gynaecological abdominal pelvic masses classification
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04633-w
PMID:39446167
|
研究论文 | 提出一种优化的孪生神经网络结合深度线性图注意力模型，用于妇科腹部盆腔肿块分类 | 首次将圆形启发的孪生神经网络与深度线性图注意力模型相结合，提出SCINN-DLGN新架构 | 仅使用MRI数据进行验证，未涉及其他影像模态 | 开发高精度的盆腔肿块分类系统，辅助卵巢癌诊断 | 女性盆腔肿块MRI图像 | 计算机视觉 | 妇科肿瘤 | MRI成像 | Siamese神经网络,图注意力网络 | 医学图像 | 实时MRI盆腔肿块数据集 | Python | SCINN-DLGN,EfficientNet-based U-Net | 准确率,召回率 | NA |
| 3716 | 2025-10-06 |
Advancements in early detection of pancreatic cancer: the role of artificial intelligence and novel imaging techniques
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04644-7
PMID:39467913
|
综述 | 概述人工智能和新型成像技术在胰腺癌早期检测中的最新进展 | 聚焦深度学习技术在胰腺导管腺癌早期检测中的创新应用 | NA | 改善胰腺癌风险分层和开发生物影像标志物 | 胰腺导管腺癌(PDA) | 医学影像分析 | 胰腺癌 | 新型成像技术 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 3717 | 2025-10-06 |
Artificial intelligence in abdominal and pelvic ultrasound imaging: current applications
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04640-x
PMID:39487919
|
综述 | 本文全面概述了人工智能在腹部和盆腔超声成像中的当前应用现状 | 系统总结了AI在腹部盆腔超声领域的应用分布，并首次统计了FDA批准的相关设备情况 | 研究存在高偏倚风险，大多数应用缺乏前瞻性多中心验证和FDA批准 | 评估人工智能在腹部和盆腔超声成像中的应用现状和发展趋势 | 57篇相关研究文献和17个FDA批准的AI超声设备 | 医学影像分析 | 多器官疾病 | 超声成像 | 深度学习,机器学习,自然语言处理 | 超声图像,文本报告 | 57篇研究文献（其中单中心研究43篇，回顾性研究56篇） | NA | NA | NA | NA |
| 3718 | 2025-10-06 |
REVEALS: an open-source multi-camera GUI for rodent behavior acquisition
2024-10-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae421
PMID:39420472
|
研究论文 | 开发了一个名为REVEALS的开源多摄像头图形用户界面，用于获取啮齿类动物行为数据 | 提供了首个用户友好、经济实惠且可访问的多摄像头啮齿类动物行为采集解决方案 | NA | 开发用于啮齿类动物行为数据采集的多摄像头软件工具 | 啮齿类动物行为 | 计算机视觉 | NA | 多摄像头视频采集 | NA | 视频 | NA | DeepLabCut, MoSeq | NA | 稳定性, 可靠性, 准确性 | USB3摄像头 |
| 3719 | 2025-10-06 |
Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model
2024-10-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae412
PMID:39445422
|
研究论文 | 本研究使用深度学习模型从任务态动态功能连接中预测个体认知特质 | 结合多尺度卷积和长短时记忆层构建深度模型，首次证明任务态动态功能连接比静息态具有更高预测能力 | 无法确定特定皮层网络在智力预测中的显著相关性，模型解释性有限 | 从神经影像数据预测个体认知能力和人类特质 | 874名人类连接组计划受试者的神经影像和行为数据 | 机器学习 | NA | 功能磁共振成像 | CNN, LSTM | 神经影像数据 | 874名受试者 | NA | 多尺度卷积神经网络, 长短时记忆网络 | 方差解释率 | NA |
| 3720 | 2025-10-06 |
Investigating the role of auditory cues in modulating motor timing: insights from EEG and deep learning
2024-10-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae427
PMID:39475113
|
研究论文 | 本研究通过脑电图和深度学习探究听觉线索在调节运动计时中的作用 | 首次结合深度学习方法对单试次脑电图数据进行分类，揭示听觉线索在运动计时中的关键作用 | 在移除听觉成分后，不同阶段的区分变得不确定，难以在无听觉刺激时分离运动激活 | 探究基于动作计时的神经机制，特别是听觉线索如何调节运动计时行为 | 12名健康参与者 | 机器学习 | NA | 脑电图 | 深度学习 | 脑电图信号 | 12名健康参与者 | NA | NA | 分类准确率, 平均异步准确率 | NA |