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 33366 篇文献，本页显示第 10221 - 10240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10221 | 2025-06-04 |
Artificial intelligence in ophthalmology: opportunities, challenges, and ethical considerations
2025, Medical hypothesis, discovery & innovation ophthalmology journal
DOI:10.51329/mehdiophthal1517
PMID:40453785
|
综述 | 本文探讨了人工智能在眼科领域的应用现状、挑战及伦理考量 | 全面回顾了AI在眼科多个子领域（如角膜疾病、白内障手术、糖尿病视网膜病变等）中的高精度诊断应用，并系统分析了当前面临的挑战与伦理问题 | 数据集存在偏差、外部验证有限、监管障碍以及透明度等伦理问题 | 评估AI在眼科领域的应用潜力与实施障碍 | 眼科疾病诊断与管理 | 数字病理 | 眼科疾病 | 深度学习、机器学习 | CNN、深度学习模型 | 图像、临床数据 | NA | NA | NA | NA | NA |
| 10222 | 2025-06-04 |
Integrating support vector machines and deep learning features for oral cancer histopathology analysis
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf034
PMID:40454251
|
研究论文 | 本研究提出了一种结合支持向量机(SVM)和深度学习特征的方法，用于口腔癌组织病理学图像分类以检测异常增生 | 通过融合基于InceptionResNet-v2和视觉变换器(ViT)模型提取的深度学习特征训练的SVM分类器，解决了类别不平衡问题，并显著提高了分类性能 | NA | 提高口腔癌异常增生的检测准确率 | 口腔癌组织病理学图像 | 数字病理学 | 口腔癌 | 深度学习特征提取 | SVM, InceptionResNet-v2, ViT | 图像 | NA | NA | NA | NA | NA |
| 10223 | 2025-10-06 |
A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs
2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000002223
PMID:39090774
|
研究论文 | 开发用于区分视盘玻璃膜疣和视乳头水肿的深度学习系统 | 首个针对视盘玻璃膜疣与视乳头水肿二分类的专用深度学习系统，在多中心多族裔人群中验证 | 回顾性研究，需前瞻性验证 | 训练、验证和测试深度学习系统以准确区分视盘玻璃膜疣和视乳头水肿 | 来自30个神经眼科中心的2,180名患者的4,508张彩色眼底图像 | 计算机视觉 | 眼科疾病 | 数字眼底摄影 | 深度学习系统 | 图像 | 4,508张彩色眼底图像（2,180名患者），训练集4,087张图像（1,959名患者），外部测试集421张图像（221名患者） | NA | NA | AUC, 准确率, 敏感度, 特异度 | NA |
| 10224 | 2025-10-06 |
[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination]
2024-Dec, Urologiia (Moscow, Russia : 1999)
PMID:40377545
|
研究论文 | 开发基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策 | 首次将3D U-Net架构应用于多参数MRI图像（T2W、DWI、DCE）处理，旨在最小化PI-RADS分级中的人为误差 | 敏感性较低（60%），分割精度有待提升，需要更大数据集和更先进的深度学习技术进行改进 | 开发能够支持医疗决策的计算机辅助诊断系统，减少前列腺癌诊断中的观察者间差异 | 前列腺癌患者和良性病变患者 | 医学影像分析 | 前列腺癌 | 多参数MRI（T2W、DWI、DCE） | 深度学习 | 医学影像 | 136名患者（108例前列腺癌，28例良性病变） | Python | 3D U-Net | 准确率, 敏感性, 特异性, Dice相似系数, AUC | NA |
| 10225 | 2025-10-06 |
Design of high specificity binders for peptide-MHC-I complexes
2024-Nov-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.28.625793
PMID:39651227
|
研究论文 | 本研究利用深度学习工具设计能够特异性结合肽-MHC-I复合物的小蛋白 | 首次使用深度学习蛋白质设计工具开发特异性靶向pMHC复合物的结合蛋白，能够区分高度相似的肽段 | 仅针对十种目标pMHC进行了验证，需要进一步扩大验证范围 | 开发高特异性结合肽-MHC-I复合物的蛋白质工具 | 肽-MHC-I复合物 | 机器学习 | 免疫相关疾病 | 深度学习蛋白质设计 | 深度学习 | 蛋白质结构数据 | 十种目标pMHC复合物 | NA | NA | 结合特异性，T细胞激活能力 | NA |
| 10226 | 2025-10-06 |
Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients
2024-Nov-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.21.24317716
PMID:39606323
|
研究论文 | 开发了一种基于深度学习和保形预测的时间序列模型，用于非ICU住院患者的脓毒症早期诊断 | 结合时间序列深度学习和保形预测框架，专门针对非ICU环境设计，显著降低假阳性率 | 模型依赖于电子健康记录数据的完整性和质量，在数据稀疏环境中性能可能受限 | 提高非ICU住院患者脓毒症的早期诊断准确性和时效性 | 非ICU住院患者 | 机器学习 | 脓毒症 | 深度学习，保形预测 | 深度学习模型 | 电子健康记录，时间序列数据 | 83,813名患者用于训练，eICU-CRD数据集用于验证 | NA | 时间序列深度学习模型 | AUROC，假阳性率，特异性 | NA |
| 10227 | 2025-10-06 |
Leveraging Artificial Intelligence and Data Science for Integration of Social Determinants of Health in Emergency Medicine: Scoping Review
2024-10-30, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/57124
PMID:39475815
|
综述 | 本文通过范围综述探讨人工智能和数据科学在急诊医学中整合健康社会决定因素的应用现状与发展前景 | 首次系统评估AI和数据科学在急诊医学环境中整合SDOH数据的潜力，特别关注机器学习与自然语言处理技术的应用效果 | 纳入研究数量有限（26篇），研究领域尚处于早期发展阶段，缺乏标准化数据收集方法 | 评估AI和数据科学在急诊科环境中建模、提取和整合健康社会决定因素数据的潜力 | 急诊科患者及其健康社会决定因素数据 | 自然语言处理, 机器学习 | 脓毒症, 急性心肌梗死, 哮喘 | 自然语言处理, 机器学习 | 深度学习, 规则基础模型 | 临床文本数据 | 26项符合纳入标准的研究（从1047篇筛选得出） | NA | NA | F1分数, 特异性 | NA |
| 10228 | 2025-10-06 |
A Fully Automated Pipeline Using Swin Transformers for Deep Learning-Based Blood Segmentation on Head Computed Tomography Scans After Aneurysmal Subarachnoid Hemorrhage
2024-10, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.07.216
PMID:39111661
|
研究论文 | 开发并验证了一种基于Swin-UNETR架构的全自动人工智能工具，用于在非对比计算机断层扫描中分割动脉瘤性蛛网膜下腔出血患者的出血区域 | 首次将基于Transformer的Swin-UNETR架构应用于蛛网膜下腔出血的自动分割任务，实现了完全自动化的出血体积评估 | 需要进一步在不同数据集上进行验证以确认临床可靠性，计算需求较高 | 开发自动化的出血分割工具以替代当前费时的手动和半自动方法 | 确诊为动脉瘤性蛛网膜下腔出血的患者 | 计算机视觉 | 脑血管疾病 | 非对比计算机断层扫描 | Transformer | 医学图像 | 包含来自外部机构的验证队列 | NA | Swin-UNETR | Dice系数,交并比,体积相似性指数,对称平均表面距离,敏感性,特异性 | 标准硬件 |
| 10229 | 2025-10-06 |
Artificial Intelligence (AI): A Potential Game Changer in Regenerative Orthopedics-A Scoping Review
2024-Oct, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-024-01189-1
PMID:39324081
|
综述 | 本文对人工智能在再生骨科不同治疗方法中的应用进行了范围综述 | 首次系统梳理了AI技术在再生骨科领域的应用现状和潜力 | 仅纳入18项研究，样本量有限，且存在伦理考量需要解决 | 探讨人工智能在再生骨科治疗中的角色和应用前景 | 再生骨科治疗方法，包括干细胞疗法、富血小板血浆疗法、生物支架植入物等 | 机器学习 | 骨科疾病 | 机器学习，深度学习 | ML, DL | 医学研究数据 | 18项研究（从82篇初筛文献中筛选） | NA | NA | NA | NA |
| 10230 | 2024-08-10 |
Influenza time series prediction models in a megacity from 2010 to 2019: Based on seasonal autoregressive integrated moving average and deep learning hybrid prediction model
2024-Sep-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003238
PMID:39119631
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10231 | 2025-10-06 |
AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning
2024-06, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231442
PMID:38860897
|
研究论文 | 开发了一种端到端深度学习模型AmyloidPETNet，用于对脑部PET扫描进行淀粉样蛋白阳性/阴性分类 | 无需依赖放射科医生专业知识或结构MRI，直接对最小化处理的脑PET扫描进行自动分类 | 回顾性研究，主要基于ADNI数据集，在A4研究中某些模糊病例上医生-模型一致性仅为中等 | 开发深度学习模型对脑PET扫描进行淀粉样蛋白阳性/阴性分类 | 脑部PET扫描图像 | 医学影像分析 | 阿尔茨海默病 | PET成像，深度学习 | 深度学习模型 | PET图像 | 8476个PET扫描（6722名患者），训练集1538个扫描（766名患者），验证集205个扫描（95名患者），测试集184个扫描（95名患者） | NA | AmyloidPETNet | AUC, Cohen κ | NA |
| 10232 | 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 |
| 10233 | 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 |
| 10234 | 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 |
| 10235 | 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 |
| 10236 | 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 |
| 10237 | 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 |
| 10238 | 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 |
| 10239 | 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 |
| 10240 | 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 |