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 32372 篇文献，本页显示第 5301 - 5320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5301 | 2025-10-06 |
Survival Analysis for Multimode Ablation Using Self-Adapted Deep Learning Network Based on Multisource Features
2024-01, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3260776
PMID:37015120
|
研究论文 | 开发了一种基于多源特征的自适应深度学习网络，用于肝癌多模式消融治疗后的生存分析预测 | 提出结合MRI影像组学特征、视觉Transformer深度学习特征和免疫特征的多源特征融合方法，并改进了深度Cox混合模型和自适应全连接层 | 方法仅在单一临床数据集上验证，需要更大规模的多中心研究确认泛化能力 | 开发生存分析框架用于肝癌消融治疗后的生存预测和疗效评估 | 接受多模式热疗（冷冻后射频加热）的肝癌患者 | 医学影像分析 | 肝癌 | MRI影像组学、流式细胞术、常规血液检测 | 深度Cox混合模型、随机生存森林 | 医学影像、血液检测数据 | 临床数据集（具体样本数未明确说明） | NA | 视觉Transformer、自适应全连接层 | C-index、综合Brier评分 | NA |
| 5302 | 2025-10-06 |
Deep learning-based diagnosis of aortic dissection using an electrocardiogram: Development, validation, and clinical implications of the AADE score
2024, Kardiologia polska
IF:3.7Q1
DOI:10.33963/v.phj.98880
PMID:38230465
|
研究论文 | 开发基于心电图和深度学习技术的主动脉夹层诊断模型及AADE评分系统 | 首次将卷积神经网络应用于心电图分析以实现主动脉夹层的自动检测，并创新性地提出AI衍生的AADE评分系统 | 研究样本量相对有限（共1878例患者），需要更大规模的多中心验证 | 开发基于心电图的深度学习AI模型用于主动脉夹层检测和严重程度评估 | 主动脉夹层患者和胸痛对照患者 | 医疗人工智能 | 心血管疾病 | 心电图分析 | CNN | 心电图信号 | 1878例患者（313例主动脉夹层，313例胸痛对照，其余为训练验证集） | NA | 卷积神经网络 | 准确率,F1分数 | NA |
| 5303 | 2025-10-06 |
A Longitudinal MRI-Based Artificial Intelligence System to Predict Pathological Complete Response After Neoadjuvant Therapy in Rectal Cancer: A Multicenter Validation Study
2023-12-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000002931
PMID:37682775
|
研究论文 | 开发并验证基于治疗前后配对MRI比较的深度学习模型DeepRP-RC，用于预测直肠癌新辅助治疗后病理完全缓解 | 首次开发基于纵向MRI比较的多任务深度学习模型，同时实现疗效预测和病灶分割，并在多中心数据集上进行验证 | 研究设计为回顾性研究，缺乏多民族数据 | 预测局部晚期直肠癌患者新辅助放化疗后的病理完全缓解 | 1201例接受新辅助放化疗的局部晚期直肠癌患者 | 医学影像分析 | 直肠癌 | MRI影像分析 | 深度学习 | MRI影像 | 1201例患者（训练集638例，内部和3个外部验证集） | NA | 多任务深度学习网络 | AUC | NA |
| 5304 | 2025-10-06 |
Bering: joint cell segmentation and annotation for spatial transcriptomics with transferred graph embeddings
2023-Sep-22, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.19.558548
PMID:37786667
|
研究论文 | 提出一种基于图深度学习的模型Bering，用于空间转录组学数据中的联合细胞分割与分子注释 | 利用转录共定位关系进行噪声感知的细胞分割，通过转移图嵌入增强基因关系学习 | 未明确说明模型在特定组织类型或技术平台上的潜在适应性限制 | 解决空间转录组学中细胞边界确定和身份注释的准确性挑战 | 二维和三维空间转录组学数据中的单个细胞 | 数字病理学 | NA | 空间转录组学测序技术 | 图深度学习 | 空间转录组数据 | 多种空间技术平台和组织类型的数据集 | NA | 基于图嵌入的深度学习架构 | 细胞分割准确率, 检测到的转录本数量 | NA |
| 5305 | 2025-07-23 |
Machine Learning for the Prediction of Procedural Case Durations Developed Using a Large Multicenter Database: Algorithm Development and Validation Study
2023-Sep-08, JMIR AI
DOI:10.2196/44909
PMID:38875567
|
研究论文 | 本研究开发并验证了一种基于机器学习的算法，用于预测手术案例的持续时间，以提高手术室资源规划和患者沟通的效率 | 利用非线性预测模型和机器学习方法，开发了一个可扩展至多中心的预测算法，显著提高了手术持续时间的预测准确性 | 研究依赖于历史数据，可能无法完全适应未来手术技术或流程的变化 | 开发一个可扩展的机器学习算法，以准确预测手术案例的持续时间，优化手术室资源管理 | 手术案例的持续时间 | 机器学习 | NA | 深度学习、梯度提升和集成机器学习 | 梯度提升机 | 手术室数据 | 1,177,893例手术案例，来自13家学术和私立医院（2016-2019年） | NA | NA | NA | NA |
| 5306 | 2025-10-06 |
Deep learning-based Fast Volumetric Image Generation for Image-guided Proton FLASH Radiotherapy
2023-Jul-26, Research square
DOI:10.21203/rs.3.rs-3112632/v1
PMID:37546731
|
研究论文 | 开发基于深度学习的快速体积图像生成框架，用于质子FLASH放疗的图像引导 | 首次将深度学习应用于质子FLASH放疗的快速体积图像重建，通过正交X射线投影生成高精度三维解剖图像 | 研究仅针对肺部靶区患者，样本量相对有限（30例患者） | 开发快速体积图像重建框架以支持质子FLASH放疗的精确靶区定位 | 肺部肿瘤患者的三维解剖结构，包括肿瘤和危及器官 | 医学影像分析 | 肺癌 | 千伏X射线投影，四维计算机断层扫描 | 深度学习模型 | X射线投影图像，CT图像 | 30例肺部靶区患者，每人包含十个呼吸时相的四维CT数据集 | NA | NA | 平均绝对误差，峰值信噪比，结构相似性指数，水等效厚度误差 | NA |
| 5307 | 2025-10-06 |
Deep Learning of Videourodynamics to Classify Bladder Dysfunction Severity in Patients With Spina Bifida
2023-05, The Journal of urology
IF:5.9Q1
DOI:10.1097/JU.0000000000003267
PMID:36787376
|
研究论文 | 开发深度学习模型通过视频尿动力学数据自动分类脊柱裂患者膀胱功能障碍严重程度 | 首次将深度学习应用于视频尿动力学数据，结合压力-容积记录和荧光图像自动分类膀胱功能障碍严重程度 | 单中心研究，样本量有限(306例)，模型准确度为70%仍有提升空间 | 开发自动分类膀胱功能障碍严重程度的深度学习模型以减少人工判读的主观差异 | 2个月至28岁脊柱裂患者 | 医疗影像分析 | 神经源性膀胱功能障碍 | 视频尿动力学检查 | 随机森林,CNN,集成学习 | 临床数据,压力-容积记录,荧光图像 | 306例视频尿动力学研究 | NA | 卷积神经网络 | 准确度,加权Kappa系数 | NA |
| 5308 | 2025-10-06 |
Scribe: Next Generation Library Searching for DDA Experiments
2023-02-03, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.2c00672
PMID:36695531
|
研究论文 | 介绍Scribe——一种利用深度学习碎片预测技术的新型谱库搜索引擎，用于数据依赖性采集实验 | 采用深度学习碎片预测软件Prosit，能够预测FASTA数据库中所有肽段的碎片化和保留时间，无需依赖精心策划的DDA谱库 | NA | 开发更灵敏和定量精确的蛋白质组学工作流程 | 肽段识别和定量分析 | 蛋白质组学 | NA | 数据依赖性采集(DDA)，深度学习碎片预测 | 深度学习 | 质谱数据 | NA | Prosit, Percolator | NA | 灵敏度，定量精确度，错误发现率 | NA |
| 5309 | 2025-10-06 |
Overtriage, Undertriage, and Value of Care after Major Surgery: An Automated, Explainable Deep Learning-Enabled Classification System
2023-02-01, Journal of the American College of Surgeons
IF:3.8Q1
DOI:10.1097/XCS.0000000000000471
PMID:36648256
|
研究论文 | 开发了一种自动化、可解释的深度学习术后分诊分类系统，用于评估过度分诊和分诊不足对护理价值的影响 | 首次提出可自动生成可解释决策支持的术后分诊分类系统，并验证其在多中心的重复性 | 研究仅基于两家大学医院的数据，可能限制结果的普适性 | 测试自动化术后分诊分类系统的可重复性，并评估其对护理价值的影响 | 接受住院手术的成年患者 | 医疗人工智能 | 术后护理 | 电子健康记录分析 | 深度学习 | 电子健康记录数据 | 13,263例住院手术患者（4,669例ICU入院和8,594例普通病房入院） | NA | 可解释深度学习模型 | 死亡率、发病率、护理价值、住院时间、成本分析 | NA |
| 5310 | 2025-10-06 |
Prediction of lactate concentrations after cardiac surgery using machine learning and deep learning approaches
2023, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2023.1165912
PMID:37790131
|
研究论文 | 本研究使用机器学习和深度学习方法预测心脏手术后患者的最高血乳酸浓度 | 首次将分钟级术中时间序列数据与传统术前变量结合，采用循环神经网络和Transformer等动态建模方法预测术后乳酸浓度 | 研究为单中心回顾性研究，模型性能仅为中等准确度 | 开发能够预测心脏手术后乳酸浓度的预测模型 | 接受心脏手术并体外循环的成年患者 | 机器学习 | 心血管疾病 | 临床监测数据 | 线性回归, 随机森林, 人工神经网络, 循环神经网络, Transformer | 时间序列数据, 临床变量 | 2,187名患者 | NA | RNN, Transformer | 平均绝对误差 | NA |
| 5311 | 2025-10-06 |
LONGL-Net: temporal correlation structure guided deep learning model to predict longitudinal age-related macular degeneration severity
2022-Mar, PNAS nexus
IF:2.2Q1
DOI:10.1093/pnasnexus/pgab003
PMID:35360552
|
研究论文 | 提出一种基于时间相关结构引导的深度学习模型LONGL-Net，用于同时评估当前年龄相关性黄斑变性严重程度并预测纵向进展 | 首次设计时间相关结构引导的生成对抗网络模型，学习连续时间点CFP图像的时间变化相互关系，并通过预测未来CFP中的AMD症状提供分类决策的可解释性 | NA | 开发能够同时评估当前AMD严重程度并预测未来晚期AMD风险的自动化方法 | 年龄相关性黄斑变性患者 | 计算机视觉 | 年龄相关性黄斑变性 | 彩色眼底摄影 | GAN, 深度学习分类模型 | 图像 | 约30,000张CFP图像，来自4,628名参与者（年龄相关眼病研究）和300张CFP图像（UK Biobank数据集验证） | NA | LONGL-Net, 生成对抗网络 | AUC, 准确率, 灵敏度 | NA |
| 5312 | 2025-07-22 |
Ensemble learning approach for detecting breast invasive ductal carcinoma from histopathological images
2025-Aug, Pathology, research and practice
DOI:10.1016/j.prp.2025.156041
PMID:40460639
|
研究论文 | 本文提出了一种集成学习方法，用于从组织病理学图像中检测乳腺浸润性导管癌 | 结合多种深度学习模型的优势，提出加权平均集成算法，显著提高诊断准确性和鲁棒性 | 未提及模型在临床环境中的实际应用验证及对不同分辨率图像的普适性 | 提高乳腺浸润性导管癌的诊断准确率 | 乳腺组织病理学切片图像 | 数字病理学 | 乳腺癌 | 深度学习集成方法 | ResNet50, Xception, MobileNetV2, VGG16, VGG19的集成模型 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 5313 | 2025-07-22 |
Machine learning-based histopathological features of histological slides and clinical characteristics as a novel prognostic indicator in diffuse large B-cell lymphoma
2025-Aug, Pathology, research and practice
DOI:10.1016/j.prp.2025.156071
PMID:40499499
|
研究论文 | 本研究开发并验证了一种基于临床和组织病理学特征的深度学习模型，用于预测弥漫性大B细胞淋巴瘤（DLBCL）的预后 | 结合临床特征和组织病理学特征，开发了一种新型的非侵入性预后预测方法 | 样本量相对较小（194例患者），且仅基于单一机构的回顾性数据 | 预测弥漫性大B细胞淋巴瘤（DLBCL）患者的预后 | 194例DLBCL患者的全切片图像和临床特征 | 数字病理学 | 弥漫性大B细胞淋巴瘤 | 深度学习，Cox回归分析，AUC分析，校准曲线，决策曲线分析（DCA） | 深度学习模型 | 图像（全切片图像），临床数据 | 194例患者 | NA | NA | NA | NA |
| 5314 | 2025-07-22 |
A Deep Learning Approach to Assessing Cell Identity in Stem Cell-Based Embryo Models
2025-Jul-22, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/7651_2025_654
PMID:40690128
|
research paper | 该研究利用深度学习技术评估干细胞胚胎模型中细胞身份 | 开发了一个整合早期人类发育的深度学习模型，能够对体外细胞类型进行身份鉴定并提供分类可靠性评分 | 未提及具体样本量或模型验证的详细限制 | 评估干细胞胚胎模型中细胞身份与真实胚胎细胞的相似性 | 胚胎干细胞(ESCs)和体外培养的细胞类型 | machine learning | NA | scRNA-seq, scvi-tools | DL | RNA-seq数据 | NA | NA | NA | NA | NA |
| 5315 | 2025-07-22 |
CoxKAN: Kolmogorov-Arnold networks for interpretable, High-Performance survival analysis
2025-Jul-21, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf413
PMID:40685627
|
研究论文 | 介绍了一种名为CoxKAN的可解释高性能生存分析模型，结合了Cox比例风险模型和Kolmogorov-Arnold网络的优势 | 提出了一种结合可解释性和高性能的生存分析方法，能够揭示预测变量之间的复杂相互作用并提供符号公式 | 未提及具体局限性 | 开发一种既保持高性能又具有可解释性的生存分析模型 | 生存分析模型在医学中的应用 | 机器学习 | NA | Kolmogorov-Arnold Networks (KANs) | CoxKAN | 临床数据和基因组生物标志物数据 | 四个合成数据集和九个真实数据集（包括五个临床数据队列和四个基因组生物标志物队列） | NA | NA | NA | NA |
| 5316 | 2025-07-22 |
Noninvasive Deep Learning System for Preoperative Diagnosis of Follicular-Like Thyroid Neoplasms Using Ultrasound Images: A Multicenter, Retrospective Study
2025-Jul-21, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000006841
PMID:40689491
|
research paper | 提出一种基于深度学习的非侵入性系统，用于利用常规超声图像对滤泡状甲状腺肿瘤进行术前诊断 | 开发了一种深度学习系统，能够比ACR TI-RADS更准确地诊断滤泡状甲状腺肿瘤，并减少不必要的侵入性干预 | 研究为回顾性研究，可能受到数据收集时的偏差影响 | 提高滤泡状甲状腺肿瘤的术前诊断准确性 | 滤泡状甲状腺肿瘤患者 | digital pathology | thyroid cancer | ultrasound imaging | Inception-v3, ResNet50, Inception-ResNet-v2, DenseNet161 | image | 3634名患者，来自11个中心，包括1748例甲状腺滤泡腺瘤、299例滤泡癌和1587例乳头状甲状腺癌滤泡变异型 | NA | NA | NA | NA |
| 5317 | 2025-07-22 |
SOLeNNoID: A Deep Learning Pipeline For Solenoid Residue Detection in Protein Structures
2025-Jul-21, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf415
PMID:40689530
|
研究论文 | 介绍了一种基于深度学习的管道SOLeNNoID，用于预测蛋白质结构中的螺线管残基 | 利用CNN架构分析蛋白质距离矩阵，准确识别螺线管区域，覆盖所有三种螺线管亚类，并在性能上优于现有方法 | 未明确提及具体限制 | 开发一种结构基础的螺线管残基检测方法，以解决序列基础方法的局限性 | 蛋白质结构中的螺线管残基 | 生物信息学 | NA | 深度学习 | CNN | 蛋白质距离矩阵 | 整个Protein Data Bank (PDB)数据库 | NA | NA | NA | NA |
| 5318 | 2025-07-22 |
Deep learning-based eye sign communication system for people with speech impairments
2025-Jul-20, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2532698
PMID:40684450
|
研究论文 | 提出一种基于深度学习的眼动符号通信系统，帮助言语障碍人士通过标准网络摄像头进行交流 | 系统无需校准，能在不同光照条件下有效工作，并集成了文本预测功能 | 研究仅针对18至35岁年龄段的参与者，未涵盖更广泛年龄范围或其他潜在用户群体 | 开发一种无需校准、适应性强且高效的辅助通信系统，以改善言语障碍人士的交流能力 | 言语障碍或瘫痪人士 | 计算机视觉 | 言语障碍 | 深度学习 | NA | 图像 | 18至35岁的参与者 | NA | NA | NA | NA |
| 5319 | 2025-07-22 |
Dual-Dielectric-Layer-Based Iontronic Pressure Sensor Coupling Ultrahigh Sensitivity and Wide-Range Detection for Temperature/Pressure Dual-Mode Sensing
2025-Jul-20, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202503926
PMID:40685692
|
研究论文 | 本文提出了一种新型的双介电层离子电子压力传感器（DLIPS），结合高和低介电常数层，实现了超高灵敏度和宽范围检测的温度/压力双模式传感 | 提出了一种新型的双介电层离子电子压力传感器结构，结合高和低介电常数层，实现了超高灵敏度（72548.7 kPa）、宽工作压力范围（0.001-420 kPa）、极低检测限（0.832 Pa）和超过5000次循环的卓越耐久性 | NA | 开发一种具有超高灵敏度和宽范围检测能力的温度/压力双模式传感器 | 双介电层离子电子压力传感器（DLIPS） | 传感器技术 | NA | 离子凝胶和开孔聚氨酯泡沫作为介电层 | 深度学习回归模型 | 压力和温度信号 | NA | NA | NA | NA | NA |
| 5320 | 2025-07-22 |
Machine learning-assisted tacrolimus dose optimization in childhood- onset systemic lupus erythematosus through population pharmacokinetic modeling
2025-Jul-19, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110782
PMID:40684660
|
research paper | 本研究通过机器学习算法结合群体药代动力学模型，优化儿童系统性红斑狼疮患者的他克莫司剂量 | 首次将机器学习算法与药代动力学参数结合，用于预测儿童系统性红斑狼疮患者的个体化他克莫司剂量 | 样本量较小（86名患者），且仅基于回顾性数据 | 优化儿童系统性红斑狼疮患者的他克莫司治疗剂量 | 儿童系统性红斑狼疮患者 | machine learning | systemic lupus erythematosus | population pharmacokinetic modeling | XGBoost | clinical variables and pharmacokinetic parameters | 86名儿童系统性红斑狼疮患者的480个他克莫司谷浓度数据 | NA | NA | NA | NA |