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 9081 - 9100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9081 | 2025-10-06 |
Deep learning-based harmonization of trabecular bone microstructures between high- and low-resolution CT imaging
2024-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17003
PMID:38415781
|
研究论文 | 提出一种基于深度学习的方法，用于协调低分辨率和高分辨率CT扫描获得的骨微结构图像 | 首次将三维GAN-CIRCLE框架应用于骨微结构图像的协调，通过两个生成对抗网络同时学习低分辨率到高分辨率CT的映射及其逆过程 | 样本量相对较小（20名志愿者），且仅针对胫骨远端进行研究 | 开发一种深度学习方法来协调不同分辨率CT扫描仪获得的骨微结构图像，并在图像数据和微结构度量两个层面评估方法性能 | 人体胫骨远端的骨小梁微结构 | 医学影像分析 | 骨质疏松症 | CT成像 | GAN | 三维CT图像 | 20名志愿者，其中12名用于训练，8名用于评估 | GAN-CIRCLE | 3DGAN-CIRCLE | SSIM, CCC, Bland-Altman分析 | NA |
| 9082 | 2025-10-06 |
Knowledge-embedded spatio-temporal analysis for euploidy embryos identification in couples with chromosomal rearrangements
2024-Mar-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000002803
PMID:37640743
|
研究论文 | 开发深度学习模型通过胚胎延时视频和临床信息评估染色体结构重排夫妇来源的囊胚整倍体状态 | 首次开发能够分析染色体结构重排夫妇胚胎整倍体状态的AI模型，提出多焦点选择网络和临床信息融合网络 | 研究样本量有限，模型性能仍需进一步验证 | 评估染色体结构重排夫妇来源胚胎的整倍体状态 | 人类体外培养胚胎 | 计算机视觉 | 染色体疾病 | 延时显微成像，PGT-A，PGT-SR | 深度学习 | 视频，临床数据 | 4112个胚胎（囊胚形成预测），1422个合格囊胚（整倍体评估） | NA | AMSNet，AMCFNet | AUC，准确率 | NA |
| 9083 | 2025-10-06 |
Artificial intelligence-based analysis of tumor-infiltrating lymphocyte spatial distribution for colorectal cancer prognosis
2024-Feb-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000002964
PMID:38238158
|
研究论文 | 本研究利用人工智能技术分析结直肠癌肿瘤浸润淋巴细胞空间分布与预后的关系 | 首次采用基于深度学习的全自动工作流程量化CD3+ T细胞在肿瘤核心区域的密度，并验证其作为独立预后因素的价值 | 研究样本来自两个医疗中心共492例患者，需要更大规模的多中心验证 | 评估CD3 CT在结直肠癌预后预测中的能力 | 结直肠癌患者的全切片图像和肿瘤浸润淋巴细胞 | 数字病理学 | 结直肠癌 | 深度学习，数字病理分析 | 深度学习模型 | 全切片图像 | 492例患者（训练队列358例，验证队列134例） | NA | NA | C-index，风险比，置信区间 | NA |
| 9084 | 2025-10-06 |
Pose analysis in free-swimming adult zebrafish, Danio rerio : "fishy" origins of movement design
2024-Jan-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.31.573780
PMID:38260397
|
研究论文 | 通过无标记追踪和无监督机器学习分析成年斑马鱼自由游动时的姿势模式 | 首次使用DeepLabCut和B-SOiD机器学习软件结合无监督多变量时间序列分析来识别斑马鱼游动中的典型姿势配置 | 样本量较小（仅12条斑马鱼），视觉分析存在主观性 | 验证运动设计中最小化主动神经控制而利用被动反应力的高效进化假说 | 成年斑马鱼（Danio rerio） | 计算机视觉 | NA | 无标记追踪，无监督多变量时间序列分析 | 深度学习 | 视频序列 | 12条自由行为的斑马鱼，超过14,000个连续帧 | DeepLabCut, B-SOiD | NA | 聚类分析（36-50个单个体聚类，86个合并数据聚类） | NA |
| 9085 | 2025-10-06 |
Identifying keystone species in microbial communities using deep learning
2024-Jan, Nature ecology & evolution
IF:13.9Q1
DOI:10.1038/s41559-023-02250-2
PMID:37974003
|
研究论文 | 提出基于深度学习的框架识别微生物群落中的关键物种 | 首次将深度学习应用于微生物群落关键物种识别，通过隐式学习群落组装规则来量化物种关键性 | NA | 解决微生物群落中关键物种系统性识别的挑战 | 微生物群落和其中的关键物种 | 机器学习 | NA | 深度学习 | 深度学习模型 | 微生物组样本数据 | 合成数据和真实数据 | NA | NA | NA | NA |
| 9086 | 2025-10-06 |
Large-Scale Information Retrieval and Correction of Noisy Pharmacogenomic Datasets through Residual Thresholded Deep Matrix Factorization
2023-Dec-08, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.07.570723
PMID:38106027
|
研究论文 | 提出一种用于药物敏感性数据噪声校正和缺失值填补的深度学习框架RT-DMF | 结合深度矩阵分解与迭代残差阈值化，能有效识别并保留具有治疗重要性的信号 | 仅使用单一药物敏感性数据矩阵作为输入，未整合其他分子特征数据 | 解决药物基因组学数据中的噪声和不一致性问题 | 癌症细胞系(CCLs)的药物敏感性数据 | 机器学习 | 癌症 | 高通量实验，多重分析方法 | 深度矩阵分解 | 药物敏感性矩阵数据 | 大规模癌症细胞系药物敏感性数据集 | NA | Residual Thresholded Deep Matrix Factorization (RT-DMF) | 噪声校正效果，缺失值填补准确性 | NA |
| 9087 | 2025-06-04 |
Artificial neural network and deep learning in Sjögren's disease: where we are and where we are going
2023-12, Clinical and experimental rheumatology
IF:3.4Q2
DOI:10.55563/clinexprheumatol/zpfunz
PMID:38149511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9088 | 2025-10-06 |
Diagnosis of primary clear cell carcinoma of the liver based on Faster region-based convolutional neural network
2023-Nov-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000002853
PMID:37882066
|
研究论文 | 本研究基于Faster RCNN建立深度学习模型，用于准确区分原发性肝透明细胞癌和普通肝细胞癌 | 首次应用Faster RCNN深度学习算法对PCCCL和CHCC进行术前鉴别诊断 | 样本量相对有限，仅来自单一医疗中心的数据 | 建立准确的PCCCL和CHCC鉴别诊断模型 | 原发性肝透明细胞癌和普通肝细胞癌患者 | 计算机视觉 | 肝癌 | 深度学习 | CNN | 医学图像 | 62例PCCCL患者和1079例CHCC患者，共4392张训练图像和1072张测试图像 | NA | Faster RCNN | 准确率, 平均精确率, 召回率 | NA |
| 9089 | 2025-10-06 |
A microwell platform for high-throughput longitudinal phenotyping and selective retrieval of organoids
2023-09-20, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2023.08.002
PMID:37734323
|
研究论文 | 开发了一种基于微孔的高通量平台，用于对类器官进行纵向表型分析并实现选择性回收 | 通过微孔培养方法解决了传统批量培养中类器官物理重叠和微环境变异的问题，结合深度学习实现单细胞来源类器官的高通量表型分析 | NA | 建立能够高通量追踪单个类器官生长并进行分子分析的研究平台 | 人类胃类器官模型 | 数字病理 | 癌症 | CRISPR基因编辑, 图像分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 9090 | 2025-10-06 |
Early-warning of Cardiac Condition through Detection of Murmur in Heart Sound - A Case Study
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340924
PMID:38083243
|
案例研究 | 通过机器学习方法检测心音杂音实现心脏状况的早期预警 | 结合机器学习和深度学习技术，通过心音信号处理实现风湿性心脏病的自动早期筛查 | 研究仅限于特定地理区域的人群，属于案例研究性质 | 开发基于心音分析的自动心脏疾病早期筛查方法 | 心音信号和风湿性心脏病患者 | 机器学习, 信号处理 | 心血管疾病, 风湿性心脏病 | 心音图(PCG), 数字听诊器 | 机器学习, 深度学习 | 心音信号 | 特定地理区域的人群案例 | NA | 3种先进方法 | NA | NA |
| 9091 | 2025-10-06 |
Deep Learning System Outperforms Clinicians in Identifying Optic Disc Abnormalities
2023-Jun-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000001800
PMID:36719740
|
研究论文 | 开发了一种基于深度学习的人工智能系统（BONSAI-DLS），用于通过眼底照片检测视盘异常，其性能优于一线临床医生 | 首次开发出能够准确检测视盘异常（包括视乳头水肿）的深度学习系统，并在多中心研究中证明其性能优于各类临床医生 | 使用回顾性收集的便利样本，可能存在选择偏倚；仅测试了800张照片 | 评估深度学习系统在识别视盘异常方面的性能，并与一线临床医生进行比较 | 454名患者的800张眼底照片（400张正常视盘，201张视乳头水肿，199张其他异常） | 计算机视觉 | 眼科疾病 | 数字眼底摄影 | 深度学习系统 | 图像 | 训练集14,341张眼底照片，测试集800张眼底照片来自454名患者 | NA | NA | AUC, 错误率, 准确率, 敏感性, 特异性 | NA |
| 9092 | 2025-10-06 |
A comprehensive review of federated learning for COVID-19 detection
2022-Mar, International journal of intelligent systems
IF:5.0Q1
DOI:10.1002/int.22777
PMID:37520859
|
综述 | 本文系统回顾了联邦学习在COVID-19检测中的应用进展 | 重点关注联邦学习在医疗数据隐私保护下的COVID-19检测应用，通过实际案例展示其可行性 | 未涉及具体实验验证，主要基于文献回顾和分析 | 探讨联邦学习技术在COVID-19检测中的适用性和挑战 | COVID-19检测相关临床数据和胸部X光影像数据 | 机器学习 | COVID-19 | 深度学习，联邦学习 | 深度学习模型 | 临床症状数据，胸部X光影像 | NA | NA | NA | NA | NA |
| 9093 | 2025-06-03 |
Simpler Protein Domain Identification Using Spectral Clustering
2025-Jul, Proteins
IF:3.2Q2
DOI:10.1002/prot.26808
PMID:39945423
|
research paper | 该论文介绍了SPECTRALDOM，一种改进的蛋白质域识别方法，基于SPECTRUS算法，通过谱聚类技术简化了蛋白质域的分割过程 | SPECTRALDOM在SPECTRUS算法基础上增加了三项改进：直接从成对相互作用中获取高质量分割、引入多序列比对模式以及使用家族匹配算法处理碎片问题 | 未明确提及具体局限性 | 改进蛋白质域识别方法，提高分割质量 | 蛋白质结构域 | 结构生物信息学 | NA | 谱聚类，弹性网络模型，多序列比对 | SPECTRALDOM | 蛋白质结构数据 | 使用了两个复杂案例进行验证 | NA | NA | NA | NA |
| 9094 | 2025-06-03 |
Interstitial-guided automatic clinical tumor volume segmentation network for cervical cancer brachytherapy
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种新型的间隙引导分割网络（ARGNet），用于宫颈癌间隙近距离放射治疗中的临床肿瘤体积自动分割 | 通过多任务交叉缝合方式将间隙针的位置信息整合到深度学习框架中，并引入空间反向注意力机制以减少针对于肿瘤分割的干扰，同时嵌入不确定性区域模块以增强模型在肿瘤与周围组织模糊边界处的辨别能力 | 研究仅基于回顾性数据，且样本量有限（191例CT扫描） | 提高宫颈癌间隙近距离放射治疗中临床肿瘤体积（CTV）的自动分割精度 | 宫颈癌患者的CT扫描图像 | digital pathology | cervical cancer | deep learning-based segmentation | ARGNet (advance reverse guided network) | CT scans | 191例多疗程间隙近距离放射治疗的CT扫描 | NA | NA | NA | NA |
| 9095 | 2025-06-03 |
Multi-modal MRI synthesis with conditional latent diffusion models for data augmentation in tumor segmentation
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于条件潜在扩散模型的多模态MRI合成方法，用于肿瘤分割任务的数据增强 | 创新的切片级潜在扩散架构，能够同时生成3D多模态图像及其对应的多标签掩码，通过位置编码和潜在聚合模块保持空间一致性和切片序列性 | 方法主要针对肿瘤分割，虽然可以适应其他模态，但尚未在其他领域验证 | 解决医学影像中多模态数据标注不足的问题，提升肿瘤分割性能 | 多模态MRI图像及其对应的肿瘤分割掩码 | 数字病理 | 肿瘤 | 潜在扩散模型 | 条件潜在扩散模型 | 3D MRI图像 | BRATS2021数据集 | NA | NA | NA | NA |
| 9096 | 2025-06-03 |
TCDE-Net: An unsupervised dual-encoder network for 3D brain medical image registration
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于双编码器架构的无监督医学图像配准网络TCDE-Net，用于3D脑部医学图像配准 | 双编码器互补特征提取，增强模型处理大规模非线性变形和捕捉复杂局部细节的能力，并引入细节增强注意力模块恢复细粒度特征 | 未提及具体计算资源需求或处理速度，也未讨论在其他器官医学图像上的泛化能力 | 提高高分辨率医学图像配准的精度，特别是处理具有复杂结构的医学图像 | 3D脑部MRI图像 | 数字病理 | 脑部疾病 | 深度学习 | 双编码器网络（TCDE-Net） | 3D医学图像 | OASIS、IXI和Hammers-n30r95 3D脑部MR数据集 | NA | NA | NA | NA |
| 9097 | 2025-06-03 |
Uncertainty-aware deep learning for segmentation of primary tumor and pathologic lymph nodes in oropharyngeal cancer: Insights from a multi-center cohort
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 本研究开发了一种不确定性感知的深度学习模型，用于口咽癌原发肿瘤和病理淋巴结的分割，并在多中心队列中验证了其性能 | 扩展了现有网络以同时生成原发肿瘤和病理淋巴结的预测概率图，并探索了结构级不确定性是否能够预测分割模型的准确性 | 研究依赖于回顾性数据，且外部测试集仅来自HECKTOR 2022挑战赛数据集 | 开发并验证一种能够量化分割不确定性的深度学习模型，以提高口咽癌原发肿瘤和病理淋巴结分割的准确性 | 口咽癌患者的PET/CT图像及其原发肿瘤和病理淋巴结的手动勾画 | digital pathology | oropharyngeal cancer | deep learning, PET/CT imaging | CNN | image | 407名口咽癌患者的PET/CT图像和手动勾画数据，以及HECKTOR 2022挑战赛数据集作为外部测试集 | NA | NA | NA | NA |
| 9098 | 2025-06-03 |
Retinal OCT image segmentation with deep learning: A review of advances, datasets, and evaluation metrics
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
review | 本文综述了深度学习在视网膜OCT图像分割中的最新进展、数据集和评估指标 | 全面概述了基于深度学习的视网膜OCT图像分割方法的最新发展，并总结了该领域的医学意义、公开数据集和常用评估指标 | 讨论了当前研究面临的挑战，但未提出具体的解决方案 | 探讨深度学习在视网膜OCT图像分割中的应用及其对临床决策的影响 | 视网膜OCT图像中的解剖结构和病理病变 | digital pathology | 眼科疾病 | OCT成像技术 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 9099 | 2025-06-03 |
A novel intelligent grade classification architecture for Patent Foramen Ovale by Contrast Transthoracic Echocardiography based on deep learning
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种基于深度学习的智能分类架构，用于通过对比经胸超声心动图（cTTE）对卵圆孔未闭（PFO）进行分级分类 | 提出了TVUNet++用于左心室分割和ULSAM-ResNet用于PFO分类，能够通过可学习的亲和力图区分cTTE中的各种局部特征，并隐式捕获左心腔与背景区域之间的语义关系 | 未提及具体样本量或数据集的多样性，可能影响模型的泛化能力 | 提高PFO分类的准确性和量化右向左分流（RLS）的严重程度，以指导临床治疗 | 卵圆孔未闭（PFO）患者 | digital pathology | cardiovascular disease | 对比经胸超声心动图（cTTE） | TVUNet++, ULSAM-ResNet | image | NA | NA | NA | NA | NA |
| 9100 | 2025-06-03 |
Semi-supervised temporal attention network for lung 4D CT ventilation estimation
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出一种半监督时间注意力网络（STA），用于肺部4D CT通气估计，以提高估计精度并减少对标记数据的依赖 | 结合半监督学习框架和时间注意力架构，有效利用未标记数据和4D CT图像的时序信息 | 未明确提及具体局限性，但可能受限于数据集的大小和多样性 | 提高肺部4D CT通气估计的准确性，支持功能性避免放射治疗计划的设计和治疗反应评估 | 肺部4D CT图像 | digital pathology | lung cancer | 4D CT成像 | STA网络（半监督时间注意力网络） | 4D CT图像序列 | 三个公开的胸部4D CT数据集 | NA | NA | NA | NA |