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 12401 - 12420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12401 | 2025-10-07 |
Deep learning of cell spatial organizations identifies clinically relevant insights in tissue images
2023-12-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43172-8
PMID:38081823
|
研究论文 | 开发基于细胞空间组织的图卷积网络Ceograph，从病理图像中识别与临床结果相关的细胞空间组织特征 | 首次提出基于细胞空间组织的图卷积网络方法，能够评估个体空间相互作用并识别关键的临床相关特征 | 方法在特定疾病类型中验证，需要进一步在其他疾病和更大样本中验证通用性 | 开发能够从组织图像中识别临床相关细胞空间组织特征的深度学习方法 | 口腔潜在恶性疾病患者和肺癌患者的组织病理图像 | 数字病理 | 口腔癌,肺癌 | 组织成像技术 | 图卷积网络 | 病理图像 | NA | NA | Ceograph | 临床结果预测准确性 | NA |
| 12402 | 2025-10-07 |
DeepRTAlign: toward accurate retention time alignment for large cohort mass spectrometry data analysis
2023-12-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43909-5
PMID:38081814
|
研究论文 | 开发基于深度学习的保留时间对齐工具DeepRTAlign，用于大规模队列液相色谱-质谱数据分析 | 能够同时处理单调和非单调保留时间偏移，相比现有方法具有更好的性能表现 | NA | 解决大规模队列LC-MS研究中保留时间对齐的瓶颈问题 | 蛋白质组学和代谢组学数据 | 机器学习 | 肝细胞癌 | 液相色谱-质谱联用技术 | 深度学习 | 质谱数据 | 多个真实世界和模拟数据集 | NA | NA | 识别灵敏度，定量准确性 | NA |
| 12403 | 2025-10-07 |
The text-package: An R-package for analyzing and visualizing human language using natural language processing and transformers
2023-Dec, Psychological methods
IF:7.6Q1
DOI:10.1037/met0000542
PMID:37126041
|
研究论文 | 介绍了一个用于分析和可视化人类语言的R软件包，该软件包整合了自然语言处理和Transformer技术 | 将最先进的自然语言处理和深度学习技术打包成心理学研究者易于使用的工具，专门针对人类层面分析优化 | NA | 为心理学和社会科学研究人员提供易于使用的文本分析工具 | 人类语言文本数据 | 自然语言处理 | NA | 自然语言处理，深度学习 | Transformer | 文本 | NA | R | Transformer | NA | NA |
| 12404 | 2025-10-07 |
Deep Learning of Cell Spatial Organizations Identifies Clinically Relevant Insights in Tissue Images
2023-Jul-04, Research square
DOI:10.21203/rs.3.rs-2928838/v1
PMID:37461694
|
研究论文 | 提出基于细胞空间组织的图卷积网络Ceograph，通过分析病理图像中的细胞空间特征预测临床结果 | 开发了首个基于细胞空间组织的图卷积网络，能够量化单个细胞间的空间相互作用并识别与临床结果相关的关键特征 | NA | 开发能够从组织图像中识别具有临床意义的细胞空间组织特征的计算方法 | 口腔潜在恶性疾病患者和肺癌患者的组织病理图像 | 数字病理 | 口腔癌,肺癌 | 组织成像技术 | 图卷积网络 | 病理图像 | NA | NA | Ceograph | 临床结果预测准确性 | NA |
| 12405 | 2025-10-07 |
External Validation of SpineNet, an Open-Source Deep Learning Model for Grading Lumbar Disk Degeneration MRI Features, Using the Northern Finland Birth Cohort 1966
2023-Apr-01, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000004572
PMID:36728678
|
研究论文 | 本研究使用北芬兰1966出生队列数据对开源深度学习模型SpineNet进行腰椎间盘退变MRI特征分级的外部验证 | 首次在地理和时间上与训练数据集分离的外部数据集上验证SpineNet模型对腰椎间盘退变分级的泛化能力 | 研究为回顾性观察设计，仅使用单一队列数据进行验证 | 外部验证深度学习模型SpineNet在腰椎间盘退变MRI特征分级中的性能 | 北芬兰1966出生队列的1331名参与者的腰椎MRI数据 | 计算机视觉 | 腰椎间盘退变疾病 | 磁共振成像 | 深度学习图像分类模型 | T2加权矢状位腰椎MRI序列图像 | 1331名NFBC1966队列参与者 | NA | SpineNet | 平衡准确度, Lin一致性相关系数, Cohen κ系数 | NA |
| 12406 | 2025-05-02 |
International Importation Risk Estimation of SARS-CoV-2 Omicron Variant with Incomplete Mobility Data
2023, Transboundary and emerging diseases
IF:3.5Q1
DOI:10.1155/2023/5046932
PMID:40303718
|
research paper | 开发了一个基于深度神经网络的模型，用于评估Omicron BQ.1从西非传入其他国家的风险 | 利用不完全的人口流动数据，首次应用深度神经网络模型估计病毒输入风险 | 依赖不完全的人口流动数据，可能影响模型准确性 | 评估Omicron BQ.1从西非传入其他国家的风险 | Omicron BQ.1病毒及其传播风险 | machine learning | COVID-19 | deep neural networks | DNN | population mobility data | 西非到其他非非洲国家的人口流动数据 | NA | NA | NA | NA |
| 12407 | 2025-10-07 |
Applying Deep Learning to Establish a Total Hip Arthroplasty Radiography Registry: A Stepwise Approach
2022-09-21, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.21.01229
PMID:35866648
|
研究论文 | 本研究开发了基于深度学习的自动化流程，用于建立全髋关节置换术影像注册表 | 采用分步式深度学习方法自动筛选和标注髋关节影像，实现了高效准确的影像注册表构建 | 研究为单中心回顾性研究，证据等级为IV级 | 建立自动化的全髋关节置换术影像注册表，实现影像的自动筛选和角度测量 | 20,378名接受初次或翻修全髋关节置换术患者的846,988份髋部和骨盆X光影像 | 计算机视觉 | 骨科疾病 | X光摄影 | CNN, 目标检测 | 医学影像 | 846,988份DICOM文件，来自20,378名患者 | NA | EfficientNetB3, YOLOv5 | 准确率, 精确率, 召回率, F1分数 | NA |
| 12408 | 2025-10-07 |
Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images
2018-04-03, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2018.03.086
PMID:29617659
|
研究论文 | 本研究利用深度学习技术分析TCGA样本的H&E染色病理图像，绘制肿瘤浸润淋巴细胞空间分布图并探索其与分子特征的相关性 | 首次通过计算染色方法从H&E图像中提取肿瘤浸润淋巴细胞的空间组织模式，并将其与基因组数据和临床预后相关联 | 研究仅基于13种TCGA肿瘤类型，样本来源和图像质量可能存在异质性 | 探索肿瘤微环境中淋巴细胞空间分布模式与分子特征及临床预后的关联 | TCGA数据库中的13种肿瘤类型的H&E染色病理图像 | 数字病理学 | 多种癌症类型 | H&E染色，深度学习图像分析 | CNN | 病理图像 | 13种TCGA肿瘤类型的多样本集合 | NA | 卷积神经网络 | NA | NA |
| 12409 | 2025-10-07 |
PLPTP: A Motif-based Interpretable Deep Learning Framework Based on Protein Language Models for Peptide Toxicity Prediction
2025-Jun-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169115
PMID:40158838
|
研究论文 | 提出一种基于蛋白质语言模型的深度学习框架PLPTP，用于肽毒性预测 | 整合ESM2、BiLSTM和DNN模型，并结合基序分析增强模型可解释性，使用Focal Loss处理类别不平衡问题 | NA | 提高肽毒性预测的准确性，促进更安全的肽类药物设计 | 肽序列 | 生物信息学 | NA | 深度学习 | ESM2, BiLSTM, DNN | 肽序列数据 | NA | NA | ESM2, BiLSTM, 深度神经网络 | 多个评估指标 | NA |
| 12410 | 2025-10-07 |
AI-Driven Microscopy: Cutting-Edge Approach for Breast Tissue Prognosis Using Microscopic Images
2025-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24788
PMID:39748498
|
研究论文 | 提出一种基于深度学习的AI驱动显微镜方法，用于乳腺组织微观图像的预后分析 | 将挤压激励模块和扩张密集卷积块集成到密集卷积网络中，结合注意力机制和多尺度特征提取技术 | 未明确说明数据集的具体规模和多样性限制 | 开发快速精确的临床诊断、病程分析和预后预测的计算机辅助分析方法 | 乳腺组织微观图像中的良恶性病变和八种乳腺亚型 | 数字病理学 | 乳腺癌 | 显微镜成像 | CNN | 图像 | NA | TensorFlow, PyTorch | DenseNet, VGGNet-19, ResNet152V2, EfficientNetV2-B1, DenseNet-121 | 准确率 | NA |
| 12411 | 2025-10-07 |
Highly-Efficient Differentiation of Reactive Lymphocytes in Peripheral Blood Using Multi-Object Detection Network With Large Kernels
2025-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24775
PMID:39760201
|
研究论文 | 提出一种高效的多目标检测网络用于外周血中反应性淋巴细胞的自动检测 | 引入空间到深度卷积(SPD-Conv)、动态大核注意力机制(DLKA)和渐进特征金字塔网络(AFPM)来提升密集小目标检测性能 | NA | 开发计算机辅助诊断系统用于反应性淋巴细胞检测 | 外周血中的反应性淋巴细胞和其他白细胞 | 计算机视觉 | 病毒感染相关疾病 | 深度学习 | 多目标检测网络 | 医学图像 | NA | NA | SPD-Conv, DLKA, AFPN | mAP50 | NA |
| 12412 | 2025-10-07 |
Enhancing panoramic dental imaging with AI-driven arch surface fitting: achieving improved clarity and accuracy through an optimal reconstruction zone
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf006
PMID:39832267
|
研究论文 | 开发基于AI的自动化全景牙科成像方法，通过3D U-Net生成牙弓曲面并定义最优重建区域 | 提出使用3D U-Net深度学习模型生成牙弓曲面并定义最优3D重建区域的新方法 | 需要进一步测试在不同牙颌面结构患者中的鲁棒性能 | 开发自动生成更清晰、对齐良好的全景牙科视图的方法 | 312名患者的锥形束CT扫描数据 | 数字病理 | 牙科疾病 | 锥形束CT扫描 | 3D U-Net | 医学影像 | 312名患者（平均年龄40岁，41.3%男性，58.7%女性） | NA | 3D U-Net | 牙根与牙槽骨对比度，交并比，像素值 | NA |
| 12413 | 2025-10-07 |
Deep learning-based segmentation of the mandibular canals in cone-beam CT reaches human-level performance
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae069
PMID:39932925
|
研究论文 | 本研究开发了一种基于深度学习的下颌管分割方法，在锥形束CT数据中达到人类专家水平的性能 | 首次实现基于深度学习的下颌管自动分割，在准确性和可靠性方面达到人类专家水平 | 样本量相对较小（90个CBCT扫描），验证集仅包含1个样本 | 为牙科种植治疗规划提供可靠高效的下颌管识别支持工具 | 下颌管解剖结构 | 计算机视觉 | 牙科疾病 | 锥形束CT成像 | CNN | 医学影像 | 90个CBCT扫描（训练集69个，验证集1个，测试集20个） | NA | 分层卷积神经网络 | Dice相似系数, 95% Hausdorff距离, 平均对称表面距离, 5点Likert量表 | NA |
| 12414 | 2025-10-07 |
Deep learning image enhancement for confident diagnosis of TMJ osteoarthritis in zero-TE MR imaging
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae063
PMID:39989448
|
研究论文 | 评估深度学习技术在零回波时间MRI中用于去噪和伪影减少的有效性及其在颞下颌关节骨关节炎诊断中的临床应用价值 | 开发了一种新的深度学习技术，可同时实现ZTE-MRI的去噪和伪影减少，显著提高图像质量和诊断准确性 | 样本量较小（仅30名患者），需要更大规模的研究验证 | 评估深度学习图像增强技术在ZTE-MRI中的效果及其在颞下颌关节骨关节炎诊断中的临床应用 | 颞下颌关节（TMJ） | 医学影像分析 | 颞下颌关节骨关节炎 | 零回波时间MRI（ZTE-MRI），锥形束CT（CBCT） | 深度学习 | 医学影像 | 30名患者 | NA | NA | 信噪比（SNR），3点评分系统，Cohen's κ系数 | NA |
| 12415 | 2025-10-07 |
Predicting and Explaining Cognitive Load, Attention, and Working Memory in Virtual Multitasking
2025-May, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3549850
PMID:40063446
|
研究论文 | 本研究利用深度学习模型预测虚拟现实多任务环境中的认知负荷、注意力与工作记忆，并通过SHAP分析解释关键特征 | 首次结合眼动追踪、头部运动与生理指标（心率、皮电反应）综合预测虚拟现实多任务场景中的认知状态，并采用可解释性分析方法 | 依赖单一公开数据集（VRWalking），模型架构相对简单，未进行跨场景验证 | 开发能够预测和解释虚拟现实多任务环境中用户认知状态的模型 | 虚拟现实多任务环境中的用户认知状态（身体负荷、心理负荷、工作记忆、注意力） | 机器学习 | NA | 眼动追踪，头部运动追踪，心率监测，皮电反应测量 | 深度学习 | 时间序列生理数据，运动追踪数据 | VRWalking公开数据集（具体样本量未明确说明） | NA | NA | 准确率 | NA |
| 12416 | 2025-10-07 |
Predicting Respiratory Disease Mortality Risk Using Open-Source AI on Chest Radiographs in an Asian Health Screening Population
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240628
PMID:40172326
|
研究论文 | 评估开源深度学习算法CXR-Lung-Risk在亚洲健康筛查人群中预测呼吸系统疾病死亡风险的预后价值 | 首次在亚洲健康筛查人群中验证开源深度学习算法对呼吸系统疾病死亡风险的预测能力，并采用时间序列聚类分析进行纵向风险轨迹研究 | 单中心回顾性研究，样本来源单一，需要多中心前瞻性研究进一步验证 | 评估基于胸部X光片的深度学习算法对呼吸系统疾病死亡风险的预测价值 | 接受健康筛查的亚洲人群的胸部X光片 | 数字病理 | 肺癌 | 胸部X光摄影 | 深度学习 | 图像 | 36,924名个体（22,352名男性），中位年龄58岁 | 开源框架（具体未说明） | CXR-Lung-Risk | 风险比, 置信区间, 似然比检验 | NA |
| 12417 | 2025-04-04 |
scAtlasVAE: a deep learning framework for generating a human CD8+ T cell atlas
2025-May, Nature reviews. Cancer
DOI:10.1038/s41568-025-00811-0
PMID:40175619
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12418 | 2025-05-01 |
Analyzing resuscitation conference content through the lens of the chain of survival
2025-May, Resuscitation plus
IF:2.1Q2
DOI:10.1016/j.resplu.2025.100951
PMID:40297165
|
研究论文 | 通过生存链框架分析复苏会议的内容 | 首次使用生存链框架对复苏会议摘要进行系统分析，并考察了人工智能和机器学习在数据分析中的应用 | 仅分析了两大会议的数据，可能无法代表所有复苏科学会议的情况 | 了解复苏科学会议中讨论的主题分布及其与生存链框架的对应关系 | 复苏会议摘要 | 医学信息学 | 心血管疾病 | 机器学习 | NA | 文本 | Resuscitation 2024的54篇摘要和Resuscitation Science Symposium 2024的47篇摘要 | NA | NA | NA | NA |
| 12419 | 2025-10-07 |
Determinants of ascending aortic morphology: cross-sectional deep learning-based analysis on 25 073 non-contrast-enhanced NAKO MRI studies
2025-Apr-30, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf081
PMID:40052574
|
研究论文 | 基于深度学习自动分析25073例非对比增强MRI数据，研究升主动脉形态的决定因素 | 首次在大规模流行病学队列中应用深度学习自动分割胸主动脉，并结合因果分析揭示升主动脉直径的决定因素 | 研究为横断面设计，无法确定因果关系的时间顺序，且仅基于德国人群数据 | 探究升主动脉形态的决定因素及其与心血管健康的关系 | 25073名德国国家队列(NAKO)参与者的非对比增强磁共振血管成像数据 | 医学影像分析 | 心血管疾病 | 非对比增强磁共振血管成像(NC-MRA) | 深度学习 | 3D MRI图像 | 25073例NC-MRA研究 | NA | NA | 决定系数(r²), P值 | NA |
| 12420 | 2025-10-07 |
Hyperspectral Imaging and Deep Learning for Quality and Safety Inspection of Fruits and Vegetables: A Review
2025-Apr-30, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.4c11492
PMID:40237548
|
综述 | 本文综述了高光谱成像技术结合深度学习方法在果蔬质量安全检测中的应用现状与前景 | 系统整合高光谱成像与深度学习技术在果蔬质量检测中的最新应用，提出未来研究方向包括成本优化、个性化特征提取和模型泛化能力提升 | NA | 探讨高光谱成像与深度学习技术在果蔬质量安全检测中的应用潜力与发展方向 | 水果和蔬菜的质量安全检测 | 计算机视觉 | NA | 高光谱成像技术 | 深度学习 | 高光谱图像 | NA | NA | NA | 检测精度, 检测效率 | NA |