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 12281 - 12300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12281 | 2025-10-07 |
Predicting metabolite response to dietary intervention using deep learning
2024-Sep-19, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.14.532589
PMID:36993761
|
研究论文 | 开发了一种基于深度学习的代谢物对饮食干预反应预测方法McMLP | 首次将深度学习应用于代谢物对饮食干预反应的预测，提出了耦合多层感知器架构 | 未明确说明模型在更广泛人群中的泛化能力 | 精准预测个体对饮食干预的代谢物反应，实现精准营养 | 人类肠道微生物组和代谢物反应 | 机器学习 | NA | 深度学习，微生物消费者-资源模型 | MLP | 微生物组成数据，代谢物数据 | 来自六项饮食干预研究的真实数据加上合成数据 | NA | 耦合多层感知器 | NA | NA |
| 12282 | 2025-05-03 |
Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence
2024-Jun-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.0749
PMID:38691380
|
研究论文 | 本研究利用深度学习技术从卫星图像中提取建筑环境特征，并探讨其与城市中心脏代谢疾病患病率之间的关联 | 首次大规模使用Google卫星图像结合卷积神经网络评估建筑环境与心脏代谢疾病的关系，并发现特定建筑环境特征与疾病的相关性 | 横断面研究设计无法确定因果关系，且仅覆盖了美国7个城市的数据 | 探究基于图像的建筑环境特征与心脏代谢疾病患病率之间的关系 | 美国7个城市(克利夫兰、弗里蒙特等)的789个人口普查区的建筑环境和居民健康数据 | 计算机视觉 | 心血管疾病 | 卫星图像分析 | CNN(卷积神经网络)、LightGBM(轻量梯度提升机) | 卫星图像、人口普查数据 | 31,786张航拍图像覆盖789个人口普查区 | NA | NA | NA | NA |
| 12283 | 2025-05-03 |
Development and validation of a deep learning model to predict axial length from ultra-wide field images
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02885-2
PMID:38102471
|
研究论文 | 开发并验证了一种深度学习模型，用于从超广角眼底图像预测中高度近视患者的眼轴长度 | 首次利用深度学习模型从超广角眼底图像预测眼轴长度，并验证了其可行性 | 模型预测偏差与真实眼轴长度值呈强负相关，且在男女之间存在显著差异 | 验证利用深度学习模型从超广角眼底图像预测中高度近视患者眼轴长度的可行性 | 3134名近视患者的6174张超广角眼底图像 | 计算机视觉 | 近视 | 深度学习 | 深度学习模型 | 图像 | 6174张超广角眼底图像（来自3134名患者） | NA | NA | NA | NA |
| 12284 | 2025-05-03 |
Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02914-0
PMID:38238576
|
系统综述 | 本文系统综述了使用深度学习技术分析眼底图像预测系统性疾病的文献，评估了研究质量并提出了临床转化建议 | 首次对深度学习在眼底图像预测系统性疾病领域的文献进行全面系统评价，并采用TRIPOD和PROBAST标准评估报告透明度和偏倚风险 | 仅纳入31篇文献，大多数研究存在高偏倚风险，临床可用性数据不足 | 评估深度学习在眼底图像预测系统性疾病中的应用现状和研究质量 | 使用深度学习和眼底图像预测系统性参数的文献 | 数字病理学 | 糖尿病及相关疾病、心血管疾病等 | 深度学习 | NA | 眼底图像 | 31篇研究文献（涉及4969篇初步筛选文献） | NA | NA | NA | NA |
| 12285 | 2025-05-03 |
AI-guided histopathology predicts brain metastasis in lung cancer patients
2024-05, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.6263
PMID:38433721
|
研究论文 | 使用深度学习技术分析常规H&E染色组织切片，预测非小细胞肺癌患者脑转移风险 | 首次将深度学习应用于常规H&E染色切片预测脑转移风险，准确率显著高于病理专家 | 样本量相对较小（158例），需要更大规模验证 | 开发AI模型预测非小细胞肺癌患者的脑转移风险 | I-III期非小细胞肺癌患者的H&E染色组织切片 | 数字病理学 | 肺癌 | 深度学习 | DL算法 | 病理图像 | 158例I-III期NSCLC患者（65例发生脑转移，93例未进展） | NA | NA | NA | NA |
| 12286 | 2025-05-03 |
Explainable AI-based Deep-SHAP for mapping the multivariate relationships between regional neuroimaging biomarkers and cognition
2024-May, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111403
PMID:38452732
|
research paper | 该研究开发了一种名为Deep-SHAP的可解释AI方法，用于探索轻度认知障碍(MCI)/阿尔茨海默病(AD)患者区域神经影像生物标志物与认知功能之间的多变量关系 | 结合深度学习和SHAP方法，首次提出Deep-SHAP方法来揭示MCI/AD中区域脑部特征与认知功能之间的复杂多变量关系 | 研究仅针对MCI/AD患者，结果可能不适用于其他神经退行性疾病 | 探索MCI/AD患者区域脑成像指标与认知功能之间的多变量关系 | MCI/AD患者 | digital pathology | geriatric disease | MRI, PET | 深度学习神经网络 | 神经影像数据 | MCI/AD患者的实验数据 | NA | NA | NA | NA |
| 12287 | 2024-08-07 |
Deep learning in ophthalmic and orbital ultrasound for spaceflight associated neuro-ocular syndrome (SANS)
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02877-2
PMID:38135772
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12288 | 2024-08-07 |
Response to 'Deep learning in ophthalmic ultrasound to enable further insights in Spaceflight Associated Neuro-Ocular Syndrome (SANS)'
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02878-1
PMID:38135773
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12289 | 2025-05-03 |
Evaluation of a Cascaded Deep Learning-based Algorithm for Prostate Lesion Detection at Biparametric MRI
2024-05, Radiology
IF:12.1Q1
DOI:10.1148/radiol.230750
PMID:38713024
|
研究论文 | 评估一种基于级联深度学习的算法在双参数MRI中检测前列腺病变的性能，并与放射科医生的读取和活检结果进行比较 | 开发了一种用于双参数MRI的前列腺病变检测和分割的AI算法，其性能与经验丰富的放射科医生相当 | 算法在病变级别的检测灵敏度为55%，阳性预测值为57%，且每个参与者的平均假阳性病变数为0.61 | 评估AI算法在双参数MRI中检测前列腺病变的性能 | 疑似或已知前列腺癌的患者 | 数字病理学 | 前列腺癌 | 双参数MRI | 级联深度学习算法 | MRI图像 | 658名男性参与者，共1029个MRI可见病变 | NA | NA | NA | NA |
| 12290 | 2025-10-07 |
NRG Oncology Assessment of Artificial Intelligence Deep Learning-Based Auto-segmentation for Radiation Therapy: Current Developments, Clinical Considerations, and Future Directions
2024-May-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2023.10.033
PMID:37972715
|
综述 | 本文评估人工智能深度学习在放射治疗自动分割中的临床应用现状、挑战与未来发展方向 | 首次系统评估商业AI自动分割工具在多样化临床环境中的应用潜力与局限性 | 商业AI模型在非受控临床环境中的适用性存在挑战，缺乏标准化评估框架 | 评估AI自动分割工具在放射治疗中的临床应用价值与发展方向 | 商业AI自动分割工具及其在放射治疗规划中的应用 | 数字病理 | 肿瘤疾病 | 深度学习神经网络 | DLNN | 医学影像 | NA | NA | NA | 分割准确性，轮廓符合度 | 集成治疗计划系统 |
| 12291 | 2025-05-03 |
Image factory: A method for synthesizing novel CT images with anatomical guidance
2024-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16864
PMID:38043097
|
research paper | 提出了一种名为Image factory的方法，用于在解剖学指导下合成新的CT图像，以解决医学影像领域标记数据不足的问题 | 通过结合StyleGAN、U-Net和CycleGAN/P2P架构，能够从少量标记数据生成大量高质量的标记CT图像，并合成具有新解剖结构的图像 | 需要依赖初始的小规模标记数据集和大量非标记数据，且生成图像的解剖合理性可能存在轻微下降 | 解决医学影像领域深度学习训练数据不足的问题 | CT图像 | digital pathology | lung cancer | StyleGAN, U-Net, CycleGAN/P2P | GAN, CNN | image | 30例标记的肺部CT数据（来自TCIA）和14k例未标记的高分辨率CT数据（来自NIH） | NA | NA | NA | NA |
| 12292 | 2025-05-03 |
RAPHIA: A deep learning pipeline for the registration of MRI and whole-mount histopathology images of the prostate
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108318
PMID:38522253
|
research paper | 介绍了一种名为RAPHIA的深度学习流程，用于高效准确地对前列腺MRI和全切片组织病理学图像进行配准 | RAPHIA自动化了现有方法中多个耗时的手动步骤，包括前列腺分割、组织病理学图像旋转角度和水平翻转的估计，以及MRI-组织病理学切片对应关系的估计，并通过深度学习配准网络大幅减少计算时间 | 未明确提及具体限制，但可能依赖于深度学习模型的性能和训练数据的质量 | 开发一种高效准确的MRI和组织病理学图像配准流程，以促进前列腺癌早期检测的机器学习方法的发展 | 前列腺MRI和全切片组织病理学图像 | digital pathology | prostate cancer | deep learning registration networks | NA | image | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 12293 | 2025-05-03 |
TractGeoNet: A geometric deep learning framework for pointwise analysis of tract microstructure to predict language assessment performance
2024-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103120
PMID:38458095
|
研究论文 | 提出了一种基于几何深度学习的框架TractGeoNet，用于利用扩散磁共振成像(dMRI)纤维束成像和相关的点状组织微结构测量进行回归分析 | 采用点云表示法直接利用纤维束内所有点的组织微结构和位置信息，无需沿流线平均或分箱数据；提出了一种新的损失函数Paired-Siamese Regression loss，以提高回归性能；提出了Critical Region Localization算法，用于识别白质纤维束中对预测结果贡献最大的解剖区域 | 研究仅基于806名受试者的20个关联白质纤维束数据集，样本量和区域范围可能有限 | 通过几何深度学习增强对大脑白质纤维束的研究，并将其结构与人类语言表现等特征联系起来 | 人脑白质纤维束及其与语言表现的关系 | 机器学习 | NA | 扩散磁共振成像(dMRI)纤维束成像 | 几何深度学习 | 图像 | 806名受试者的20个关联白质纤维束 | NA | NA | NA | NA |
| 12294 | 2025-05-03 |
External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study
2024-03-01, Critical care medicine
IF:7.7Q1
DOI:10.1097/CCM.0000000000006137
PMID:38381018
|
研究论文 | 本研究验证了深度学习基础的心脏骤停风险管理系统DeepCARS在快速反应系统（RRS）运行和非运行期间的预测性能，并探索了其在RRS运行时间之外的潜力 | DeepCARS在RRS运行和非运行期间均表现出优于传统早期预警系统的预测性能，且性能稳定 | 研究为单中心回顾性研究，可能限制了结果的普遍性 | 验证DeepCARS在预测住院患者心脏骤停方面的性能，特别是在RRS非运行期间的有效性 | 入住普通病房的成年患者 | 医疗人工智能 | 心血管疾病 | 深度学习 | DeepCARS | 电子健康记录 | 2019年9月1日至2020年8月31日期间入住普通病房的成年患者数据 | NA | NA | NA | NA |
| 12295 | 2025-05-03 |
Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1450804
PMID:39364166
|
研究论文 | 通过生物信息学分析结合深度学习方法，研究细菌形态与抗生素抗性之间的关联 | 首次在无抗生素条件下研究抗性细菌的形态特征，并开发新的深度学习单细胞分类方法 | 仅研究了10种抗生素抗性菌株，样本量有限 | 探索细菌形态特征与抗生素抗性之间的关联 | 10种抗生素抗性细菌菌株 | 生物信息学 | 细菌感染 | 光学显微镜、深度学习 | 深度学习 | 图像 | 10种抗生素抗性细菌菌株 | NA | NA | NA | NA |
| 12296 | 2025-10-07 |
Identification of Drug Compounds for Capsular Contracture Based on Text Mining and Deep Learning
2023-11-01, Plastic and reconstructive surgery
IF:3.2Q1
DOI:10.1097/PRS.0000000000010350
PMID:36862957
|
研究论文 | 通过文本挖掘和深度学习识别治疗包膜挛缩的候选药物化合物 | 首次结合文本挖掘、基因富集分析和DeepPurpose深度学习框架系统性地筛选包膜挛缩治疗药物 | 研究基于计算预测，缺乏实验验证；候选药物数量有限 | 探索包膜挛缩的非手术治疗方法，识别潜在治疗药物 | 包膜挛缩相关基因和靶向药物 | 生物信息学, 药物发现 | 包膜挛缩 | 文本挖掘, 基因富集分析, 蛋白质相互作用分析, 深度学习 | DeepPurpose | 基因数据, 药物靶点数据, 文本数据 | 55个相关基因, 8个候选基因, 100个候选药物 | DeepPurpose, GeneCodis, Cytoscape | NA | 预测结合亲和力 | NA |
| 12297 | 2025-05-02 |
Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22006
PMID:40302983
|
研究论文 | 探讨合成数据在训练深度学习模型用于对比增强乳腺摄影中病变检测和分类的影响 | 研究合成数据（特别是模拟微钙化簇）对提升深度学习模型性能的潜力，尤其是在真实数据稀缺的情况下 | 合成数据加入较小真实训练集时虽提高恶性病变检测灵敏度但降低了精确度，且集成模型性能不如独立DL模型 | 优化对比增强乳腺摄影中病变检测和分类的深度学习模型性能 | 乳腺摄影图像中的增强肿块和微钙化簇 | 数字病理学 | 乳腺癌 | 深度学习与放射组学分类器集成 | DL（深度学习模型）与放射组学分类器 | 图像（低能量与重组对比增强乳腺摄影图像） | 训练集：782例无病变乳房（合成数据）+850例真实患者；验证集：内部212例+外部279例真实患者 | NA | NA | NA | NA |
| 12298 | 2025-05-02 |
Artificial Intelligence Measurement of Preoperative Radiographs in Adolescent Idiopathic Scoliosis Based on Multiple-View Semantic Segmentation
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241270036
PMID:39109794
|
研究论文 | 本研究探讨了基于深度学习的青少年特发性脊柱侧凸（AIS）自动分类方法，并验证了机器分类与人工分类的一致性 | 利用U-Net语义分割神经网络技术和深度学习方法，实现了脊柱多视图的自动分割和对齐关系建立，以及Cobb角等脊柱特征的自动提取 | 研究样本量相对较小，且性别比例不均（男性81例，女性425例） | 开发并验证一种自动化的AIS影像分类方法，以提高分类的一致性和准确性 | 青少年特发性脊柱侧凸（AIS）患者 | 数字病理 | 脊柱侧凸 | 深度学习，U-Net语义分割神经网络 | U-Net | 图像 | 506例（训练集），107例（测试集） | NA | NA | NA | NA |
| 12299 | 2025-05-02 |
A New Method for Scoliosis Screening Incorporating Deep Learning With Back Images
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241282581
PMID:39264983
|
研究论文 | 提出了一种结合深度学习与背部图像的新方法用于脊柱侧弯筛查 | 利用深度学习算法自动进行脊柱侧弯筛查，减少不必要的辐射风险和筛查成本 | 研究样本量较小（247例），且为回顾性研究 | 开发一种自动化、准确、简洁且方便的脊柱侧弯筛查方法 | 脊柱侧弯患者 | 计算机视觉 | 脊柱侧弯 | 深度学习 | NA | 图像（正面、侧面、背部直立图像及X射线图像） | 247例脊柱侧弯患者（2008-2021年数据） | NA | NA | NA | NA |
| 12300 | 2025-05-02 |
Lumbar Spinal Stenosis Grading in Multiple Level Magnetic Resonance Imaging Using Deep Convolutional Neural Networks
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241299332
PMID:39487037
|
研究论文 | 该研究通过比较专家和深度卷积神经网络（CNN）对腰椎多水平磁共振成像（MRI）的狭窄分级，探讨深度学习在临床诊断中的应用 | 使用CNN进行腰椎狭窄分级和神经根分类，展示了深度学习在医学影像诊断中的潜力 | 解剖结构的突然变化可能导致仅基于图像的诊断困难 | 评估深度学习模型在腰椎狭窄分级和神经根分类中的性能 | 腰椎多水平磁共振成像 | 数字病理学 | 脊柱疾病 | MRI | CNN | 图像 | NA | NA | NA | NA | NA |