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 14901 - 14920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14901 | 2025-03-25 |
Super-resolution Deep Learning Reconstruction for 3D Brain MR Imaging: Improvement of Cranial Nerve Depiction and Interobserver Agreement in Evaluations of Neurovascular Conflict
2024-12, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.06.010
PMID:38897913
|
research paper | 该研究探讨了超分辨率深度学习重建（SR-DLR）在3D脑部MR成像中对颅神经描绘和神经血管冲突评估的改进效果 | 首次比较了SR-DLR与DLR在3D FASE脑部MR图像中对颅神经描绘和神经血管冲突评估的影响 | 研究样本量较小（37例患者），且SR-DLR显示出更高的主观图像噪声 | 评估SR-DLR在3D脑部MR成像中对颅神经描绘和神经血管冲突评估的改进效果 | 37例患者的3D FASE脑部MR图像 | digital pathology | 神经血管疾病 | 3D fast asymmetric spin echo (3D FASE)脑部MR成像 | 深度学习重建（DLR）和超分辨率深度学习重建（SR-DLR） | 3D MR图像 | 37例患者 | NA | NA | NA | NA |
| 14902 | 2025-03-25 |
Predicting Lymphovascular Invasion in Non-small Cell Lung Cancer Using Deep Convolutional Neural Networks on Preoperative Chest CT
2024-12, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.05.010
PMID:38845293
|
研究论文 | 本研究利用术前胸部CT图像和深度学习技术，构建了一个非小细胞肺癌淋巴血管侵犯的无创预测诊断模型 | 结合2D和3D CT成像特征以及临床放射学数据，开发了四种不同的深度卷积神经网络预测模型，用于预测非小细胞肺癌的淋巴血管侵犯 | 研究为回顾性观察研究，样本中LVI阳性患者较少（106例），可能影响模型的泛化能力 | 开发非小细胞肺癌淋巴血管侵犯的无创预测方法 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | CT成像 | DCNN（包括Dual-head Res2Net_3D23F、Dual-head Res2Net_3D3F、Dual-head Res2Net_3D和EfficientNet-B0_2D） | 图像 | 3034例非小细胞肺癌患者（其中106例LVI阳性） | NA | NA | NA | NA |
| 14903 | 2025-03-25 |
Value of CT-Based Deep Learning Model in Differentiating Benign and Malignant Solid Pulmonary Nodules ≤ 8 mm
2024-12, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.05.021
PMID:38806374
|
研究论文 | 本研究探讨了基于CT的深度学习模型在区分≤8mm的良性和恶性实性肺结节中的有效性 | 使用MDANet构建的深度学习模型，结合结节和不同周围区域特征，优于传统算法 | 样本量有限（n=719），且所有患者均接受了手术切除，可能影响模型的泛化能力 | 评估基于CT的深度学习模型在区分小实性肺结节良恶性方面的性能 | ≤8mm的实性肺结节 | 数字病理学 | 肺癌 | CT扫描 | MDANet, VGG19, ResNet50, ResNeXt50, DenseNet121 | 医学影像 | 719例患者（内部训练、内部验证和外部验证队列） | NA | NA | NA | NA |
| 14904 | 2025-03-25 |
Assessment of Deep Learning-Based Triage Application for Acute Ischemic Stroke on Brain MRI in the ER
2024-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.04.046
PMID:38908922
|
研究论文 | 评估基于深度学习的急性缺血性卒中在急诊室脑MRI上的分诊应用 | 开发并评估了一种深度学习应用（DLA），用于在急诊室环境下快速检测急性缺血性卒中（AIS），并研究了T2加权成像（T2WI）对其性能的影响 | 研究为回顾性分析，可能受到数据选择和采集时间的限制 | 评估深度学习应用在急诊室环境下检测急性缺血性卒中的效果 | 急诊室中接受脑MRI检查的患者 | 数字病理学 | 心血管疾病 | MRI（包括DWI和FLAIR序列） | 深度学习应用（DLA） | 医学影像（MRI） | 947名个体（平均年龄64±16岁，男性461名，女性486名），其中239名（25%）为急性缺血性卒中阳性 | NA | NA | NA | NA |
| 14905 | 2025-03-25 |
Multi-feature Fusion Network on Gray Scale Ultrasonography: Effective Differentiation of Adenolymphoma and Pleomorphic Adenoma
2024-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.05.023
PMID:38871552
|
研究论文 | 开发一种深度学习放射组学图网络（DLRN），用于区分腮腺多形性腺瘤（PA）和腺淋巴瘤（AL） | 整合了灰度超声图像的深度学习特征、放射组学特征和临床特征，构建了DLRN模型，显著提高了诊断性能 | 数据集较小，可能影响模型的泛化能力 | 区分腮腺多形性腺瘤和腺淋巴瘤 | 287名经组织学确认的PA或AL患者 | 数字病理 | 腮腺肿瘤 | 灰度超声成像 | DLRN, LR, SVM, KNN, RF, ExtraTrees, XGBoost, LightGBM, MLP | 图像 | 287名患者（162名训练集，70名内部验证集，55名外部验证集） | NA | NA | NA | NA |
| 14906 | 2025-10-07 |
A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules
2024-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.05.002
PMID:38777719
|
研究论文 | 开发并验证了一种基于自监督学习的细粒度分类模型，用于区分亚厘米实性肺结节的良恶性 | 采用自监督预训练结合细粒度网络架构，专门针对亚厘米级别肺结节的良恶性分类问题 | 回顾性研究设计，内部数据集特别富集了恶性病例 | 开发用于区分亚厘米实性肺结节良恶性的深度学习模型 | 亚厘米实性肺结节（SSPNs） | 计算机视觉 | 肺癌 | CT影像分析 | 深度学习 | CT图像 | 内部数据集1276名患者的1389个SSPNs（625个良性），外部测试集202个SSPNs | NA | 自监督预训练细粒度网络 | AUC, 准确率, 敏感度, 特异度 | NA |
| 14907 | 2025-10-07 |
Deep Learning Model for Predicting Proliferative Hepatocellular Carcinoma Using Dynamic Contrast-Enhanced MRI: Implications for Early Recurrence Prediction Following Radical Resection
2024-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.04.028
PMID:38749868
|
研究论文 | 开发并验证基于动态对比增强MRI的深度学习模型，用于预测增殖性肝细胞癌及术后早期复发风险 | 首次将深度学习模型应用于DCE-MRI图像来区分增殖性与非增殖性肝细胞癌，并用于预测根治性切除术后的早期复发风险 | 回顾性研究设计，样本量相对有限（355例患者），需进一步前瞻性验证 | 通过术前评估优化肝细胞癌治疗策略，预测早期复发风险 | 肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 动态对比增强MRI | 深度学习模型 | 医学影像 | 355例来自两个中国医疗中心的肝细胞癌患者（训练集251例，内部测试集62例，外部测试集42例） | NA | NA | AUC | NA |
| 14908 | 2025-10-07 |
Deep Learning Features and Metabolic Tumor Volume Based on PET/CT to Construct Risk Stratification in Non-small Cell Lung Cancer
2024-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.04.036
PMID:38740530
|
研究论文 | 本研究结合PET/CT深度学习特征和全身代谢肿瘤体积构建风险分层模型，用于预测非小细胞肺癌患者的总生存期和无进展生存期 | 首次将深度学习特征与代谢肿瘤体积结合构建风险分层模型，作为TNM分期的补充预测工具 | 样本量相对有限（590例患者），测试集在预测总生存期时C-index提升未达统计显著性 | 提高非小细胞肺癌患者生存期预测准确性，辅助临床治疗决策 | 非小细胞肺癌患者 | 医学影像分析 | 肺癌 | PET/CT成像 | CNN | 医学影像（PET/CT图像） | 590例非小细胞肺癌患者（训练集413例，测试集177例） | NA | 卷积神经网络 | C-index | NA |
| 14909 | 2025-03-25 |
Accuracy of 18F-FDG PET Imaging in Differentiating Parkinson's Disease from Atypical Parkinsonian Syndromes: A Systematic Review and Meta-Analysis
2024-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.016
PMID:39183130
|
meta-analysis | 该研究通过系统综述和荟萃分析评估了18F-FDG PET成像在区分帕金森病（PD）与非典型帕金森综合征（APSs）中的准确性 | 比较了视觉解读与AI辅助自动分类在诊断PD中的表现，发现AI辅助方法的诊断准确性与放射科医师相当 | 纳入研究的方法学异质性可能影响结果的可靠性 | 定量评估18F-FDG PET在区分PD与APSs中的准确性 | 帕金森病（PD）与非典型帕金森综合征（APSs）患者 | 医学影像分析 | 帕金森病 | 18F-FDG PET成像 | 机器学习（ML）和深度学习（DL） | 医学影像数据 | 1508名PD患者和1370名APSs患者 | NA | NA | NA | NA |
| 14910 | 2025-03-25 |
Community assessment of methods to deconvolve cellular composition from bulk gene expression
2024-Aug-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50618-0
PMID:39191725
|
research paper | 评估从批量基因表达数据中解卷积细胞组成的方法，通过社区范围的DREAM挑战进行 | 评估了多种解卷积方法，包括深度学习方法的强表现，确立了该范式在解卷积中的适用性 | 部分方法未针对所有功能性CD8+ T细胞状态进行训练或准确度较低 | 评估解卷积方法在推断肿瘤样本中免疫浸润水平的效果 | 体外和计算机模拟的癌症与健康免疫细胞的混合转录谱 | machine learning | cancer | bulk gene expression analysis | deep learning | gene expression data | NA | NA | NA | NA | NA |
| 14911 | 2025-03-25 |
Deep learning predicts postoperative opioids refills in a multi-institutional cohort of surgical patients
2024-08, Surgery
IF:3.2Q1
DOI:10.1016/j.surg.2024.03.054
PMID:38796387
|
research paper | 该研究探讨了深度学习模型在预测术后需要阿片类药物补充的患者中的应用 | 首次将深度学习模型应用于预测术后阿片类药物补充需求，并通过多机构队列验证其高准确性 | 研究为回顾性设计，且仅纳入单一医疗中心的患者数据 | 优化术后阿片类药物处方策略，平衡药物滥用风险与患者疼痛控制需求 | 接受择期手术的成年患者 | machine learning | NA | deep learning, random forest, eXtreme Gradient Boosting | 深度学习、随机森林、XGBoost | 临床医疗记录 | 9,731例择期手术患者（平均年龄62.1岁，51.4%为女性） | NA | NA | NA | NA |
| 14912 | 2025-10-07 |
Deep learning structural insights into heterotrimeric alternatively spliced P2X7 receptors
2024-Aug, Purinergic signalling
IF:3.0Q2
DOI:10.1007/s11302-023-09978-3
PMID:38032425
|
研究论文 | 本研究应用AlphaFold2-Multimer深度学习方法预测异源三聚体选择性剪接P2X7受体的结构 | 首次验证AF2M在预测三聚体P2X7受体结构中的准确性，并成功生成多种异源三聚体剪接变体的结构模型 | 模型验证主要依赖计算指标和分子动力学模拟，缺乏实验结构直接验证异源三聚体模型 | 探索选择性剪接对P2X7受体结构和功能的影响 | P2X7受体及其剪接变体（P2X7B、P2X7E、P2X7J、P2X7L） | 结构生物信息学 | NA | 深度学习结构预测，冷冻电镜，分子动力学模拟 | AlphaFold2-Multimer | 蛋白质序列，结构数据 | 多种P2X7受体剪接变体组合 | AlphaFold2 | AlphaFold2-Multimer | 模型置信度评分，分子动力学稳定性，保守区域灵活性 | NA |
| 14913 | 2025-10-07 |
A deep learning quantification of patient specificity as a predictor of session attendance and treatment response to internet-enabled cognitive behavioural therapy for common mental health disorders
2024-04-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.01.134
PMID:38244796
|
研究论文 | 本研究使用深度学习模型评估患者对话特异性对网络认知行为疗法出席率和治疗效果的影响 | 首次使用深度学习量化患者对话特异性，并分析其与治疗结果的关系 | 无法从数据中推断因果关系 | 评估患者对话特异性是否能够预测治疗结束时的症状水平和疗程完成情况 | 接受网络认知行为疗法的常见心理健康障碍患者 | 自然语言处理 | 常见心理健康障碍 | 深度学习 | 深度学习模型 | 文本 | 65,030名参与者，353,614次治疗会话 | NA | NA | 线性混合效应模型 | NA |
| 14914 | 2025-10-07 |
Pediatric ECG-Based Deep Learning to Predict Left Ventricular Dysfunction and Remodeling
2024-03-19, Circulation
IF:35.5Q1
|
研究论文 | 本研究开发了一种基于心电图的深度学习模型，用于预测儿童左心室功能障碍和重构 | 首次将人工智能增强的心电图分析应用于儿科人群，并在外部验证中表现出色，模型对左心室肥厚的预测甚至超过了儿科心脏病专家的基准 | 研究排除了主要先天性心脏病患者，可能限制了模型的普适性 | 开发一种低成本筛查儿童左心室功能障碍和重构的方法 | 18岁以下无主要先天性心脏病的儿科患者 | 数字病理 | 心血管疾病 | 心电图, 超声心动图 | CNN | 心电图信号, 医学影像 | 训练队列：92,377对心电图-超声心动图配对数据（46,261名患者）；测试队列包括内部测试12,631名患者、急诊科2,830名患者和外部验证5,088名患者 | NA | 卷积神经网络 | AUROC, AUPRC, 阴性预测值 | NA |
| 14915 | 2025-10-07 |
ANN multi-layer perceptron for prediction of blood-brain barrier permeable compounds for central nervous system therapeutics
2024-Mar-18, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2326671
PMID:38497749
|
研究论文 | 开发人工神经网络模型预测血脑屏障通透性化合物，用于中枢神经系统药物筛选 | 使用大规模数据集构建ANN多层感知器模型，在BBB通透性预测中实现高精度性能 | 仅基于化学结构预测BBB通透性存在困难 | 预测化合物的血脑屏障通透性以促进中枢神经系统药物研发 | 具有血脑屏障通透潜力的化学化合物 | 机器学习 | 中枢神经系统疾病 | 机器学习算法 | ANN多层感知器 | 化学结构数据 | 大型数据集（具体数量未提及） | NA | 多层感知器 | 准确率,特异性,敏感性,AUC,MCC | NA |
| 14916 | 2025-10-07 |
Deep-VEGF: deep stacked ensemble model for prediction of vascular endothelial growth factor by concatenating gated recurrent unit with two-dimensional convolutional neural network
2024-Mar-07, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2323144
PMID:38450715
|
研究论文 | 提出了一种基于深度堆叠集成学习的Deep-VEGF模型，用于从蛋白质一级序列预测血管内皮生长因子 | 开发了新颖的KSTS-BPSSM特征描述符，并首次将GRU与二维CNN通过堆叠集成方法结合用于VEGF预测 | NA | 开发准确预测血管内皮生长因子的计算方法 | 血管内皮生长因子(VEGF)蛋白质序列 | 生物信息学 | 癌症、糖尿病视网膜病变、黄斑变性、关节炎 | 蛋白质序列分析 | GRU, GAN, CNN | 蛋白质一级序列 | NA | NA | GRU, CNN, 堆叠集成模型 | 准确率 | NA |
| 14917 | 2025-10-07 |
CMNet: deep learning model for colon polyp segmentation based on dual-branch structure
2024-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.2.024004
PMID:38525292
|
研究论文 | 提出基于双分支结构的深度学习模型CMNet用于结肠息肉分割 | 采用CNN与Transformer结合的双分支结构，引入深度可分离卷积和条纹池化模块，提出聚合注意力模块实现高维语义信息融合 | NA | 开发用于结肠息肉分割的深度学习模型以辅助医疗诊断 | 结肠息肉 | 计算机视觉 | 结肠癌 | 深度学习 | CNN, Transformer | 医学图像 | Kvasir-SEG数据集上的五折交叉验证 | NA | ResNet, 双分支结构 | mIoU, mDice | NA |
| 14918 | 2025-10-07 |
Deep Hair Phenomics: Implications in Endocrinology, Development, and Aging
2025-Apr, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2024.08.014
PMID:39236901
|
研究论文 | 开发了一种基于深度学习的计算机视觉方法，用于高通量量化单个毛发纤维 | 创新的计算机视觉工具能够区分和提取重叠的毛发纤维进行多变量特征量化 | NA | 探索激素信号、基因修饰和衰老对毛囊输出的影响 | 小鼠毛发纤维 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 14919 | 2025-03-22 |
Author Correction: A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93621-1
PMID:40113839
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14920 | 2025-10-07 |
This Microtubule Does Not Exist: Super-Resolution Microscopy Image Generation by a Diffusion Model
2025-Mar, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202400672
PMID:39400948
|
研究论文 | 本研究探索使用扩散模型生成超分辨率显微镜图像，并验证其在数据增强方面的应用价值 | 首次将扩散模型应用于超分辨率显微镜图像生成，证明其能产生逼真的合成图像且训练记忆程度较低 | 仅使用少量实验图像进行验证，未在大规模数据集上测试 | 开发用于显微镜图像生成的扩散模型，解决显微镜图像采集和标注的限制 | 超分辨率显微镜图像 | 计算机视觉 | NA | 超分辨率显微镜，扩散模型 | 扩散模型 | 显微镜图像 | 少量实验图像 | NA | 扩散模型 | 重建质量，空间分辨率 | NA |