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 34204 篇文献，本页显示第 19701 - 19720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19701 | 2025-10-07 |
Linking disease activity with optical coherence tomography angiography in neovascular age related macular degeneration using artificial intelligence
2024-08-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70234-8
PMID:39164449
|
研究论文 | 本研究利用人工智能分析光学相干断层扫描血管成像参数与新生血管性年龄相关性黄斑变性疾病活动性的定量关联 | 首次将AI评估的疾病活动性与OCTA参数相关联，揭示了不同类型黄斑新生血管与视网膜液体的特异性关联模式 | 样本量相对有限（230例患者），部分相关性未达到统计学显著性 | 探讨AI评估的疾病活动性与OCTA参数在nAMD患者中的定量关联 | 接受抗VEGF治疗的新生血管性年龄相关性黄斑变性患者 | 数字病理 | 年龄相关性黄斑变性 | 光学相干断层扫描血管成像，光谱域光学相干断层扫描 | 深度学习 | 医学影像 | 230例患者 | NA | RetInSight | 相关性估计值，p值 | NA |
| 19702 | 2025-10-07 |
The diagnostic performance of AI-based algorithms to discriminate between NMOSD and MS using MRI features: A systematic review and meta-analysis
2024-Jul, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2024.105682
PMID:38781885
|
系统综述与荟萃分析 | 本文系统评估了基于MRI特征的AI算法在区分视神经脊髓炎谱系疾病和多发性硬化症方面的诊断性能 | 首次对AI算法基于MRI特征区分NMOSD和MS的诊断性能进行系统综述和荟萃分析 | 存在MRI成像、模型评估和性能指标报告方面的异质性，影响了结果的可靠性 | 评估AI算法基于MRI特征区分NMOSD和MS的能力 | NMOSD和MS患者 | 医学影像分析 | 神经系统自身免疫性疾病 | 磁共振成像 | 机器学习,深度学习 | MRI图像 | 15项研究，包含1,362例MS患者和1,118例NMOSD患者 | NA | NA | 准确率,敏感度,特异度,AUC | NA |
| 19703 | 2025-10-07 |
Sensing technologies and machine learning methods for emotion recognition in autism: Systematic review
2024-Jul, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105469
PMID:38723429
|
系统综述 | 系统回顾了2011-2023年间自闭症情感识别中使用的传感技术和机器学习方法 | 首次系统性地总结了自闭症情感识别领域的技术应用现状和研究缺口 | 主要关注面部表情技术，对自闭症谱系具体障碍的研究不足，隐私安全问题讨论不够充分 | 识别自闭症情感识别系统应用的现有障碍和未来发展方向 | 自闭症儿童、青少年和成人 | 机器学习 | 自闭症 | 面部表情分析,生理传感器 | 监督学习,深度学习 | 视频,生理信号 | 65篇符合条件的研究文献 | NA | NA | NA | NA |
| 19704 | 2025-10-07 |
Small-Molecule Inhibitors of TIPE3 Protein Identified through Deep Learning Suppress Cancer Cell Growth In Vitro
2024-04-30, Cells
IF:5.1Q2
DOI:10.3390/cells13090771
PMID:38727307
|
研究论文 | 通过深度学习识别TIPE3蛋白小分子抑制剂并验证其体外抑制癌细胞生长的效果 | 首次结合深度卷积神经网络(DFCNN)、分子对接和分子动力学模拟从化合物库中筛选TIPE3抑制剂 | 研究仅限于体外实验验证，尚未进行动物模型或临床试验 | 开发针对TIPE3蛋白的癌症治疗抑制剂 | TIPE3蛋白及其小分子抑制剂 | 药物发现 | 癌症 | 深度学习、分子对接、分子动力学模拟 | DFCNN | 化合物结构数据 | 从ZINC化合物数据集中筛选，最终验证6个候选化合物 | NA | 深度卷积神经网络 | 细胞活力、增殖、迁移和凋亡评估 | NA |
| 19705 | 2025-10-07 |
Predicting 5-year recurrence risk in colorectal cancer: development and validation of a histology-based deep learning approach
2024-Apr, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-024-02573-2
PMID:38245662
|
研究论文 | 开发并验证基于组织学图像的深度学习模型预测结直肠癌患者5年复发风险 | 首次提出基于组织学图像的弱监督深度学习模型用于结直肠癌5年无复发生存预测 | 样本量相对有限（614例），需进一步多中心验证 | 开发结直肠癌复发风险预测模型以辅助临床决策 | 非转移性结直肠癌患者的组织学图像 | 数字病理 | 结直肠癌 | 组织学图像分析 | 深度学习 | 图像 | 614例来自三家医院的结直肠癌病例 | NA | NA | AUC, 风险比 | NA |
| 19706 | 2025-10-07 |
UNCERTAINTY-GUIDED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION VIA CYCLIC MEASUREMENT CONSISTENCY
2024-Apr, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference)
|
研究论文 | 提出一种通过循环测量一致性进行不确定性引导的物理驱动深度学习重建方法 | 设计了一种主要关注物理驱动深度学习中数据保真度分量的不确定性估计过程，通过表征不同前向模型间的循环一致性来实现 | NA | 改进计算成像质量，特别是在MRI应用中的重建效果 | 计算成像重建，MRI图像重建 | 计算成像，医学影像 | NA | 物理驱动深度学习，不确定性量化 | 深度学习神经网络 | 医学影像数据，MRI数据 | NA | NA | NA | 重建质量 | NA |
| 19707 | 2025-10-07 |
Using Genomics to Identify Novel Therapeutic Targets for Aortic Disease
2024-02, Arteriosclerosis, thrombosis, and vascular biology
DOI:10.1161/ATVBAHA.123.318771
PMID:38095107
|
综述 | 探讨基因组学结合机器学习技术在主动脉疾病治疗靶点发现中的应用与前景 | 系统阐述深度学习技术加速主动脉疾病遗传学发现的创新路径，提出从遗传关联到生物学洞察的转化蓝图 | 未涉及具体临床验证数据，主要聚焦方法论层面的探讨 | 探索基因组学在主动脉疾病治疗靶点识别中的应用价值 | 主动脉疾病（包括夹层、动脉瘤和破裂）的遗传基础与表型特征 | 机器学习 | 心血管疾病 | 基因组学、深度学习、高通量功能筛选 | 深度学习 | 影像数据、遗传数据 | NA | NA | NA | NA | NA |
| 19708 | 2025-10-07 |
Multimodal Deep Learning Network for Differentiating Between Benign and Malignant Pulmonary Ground Glass Nodules
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究开发了一种多模态深度学习网络模型，用于区分良性和恶性肺磨玻璃结节 | 结合ResNet提取影像特征、Word2Vec提取语义信息和自注意力机制融合多模态数据，构建了新型多模态分类模型 | 研究采用回顾性数据，需要前瞻性研究进一步验证模型性能 | 提高肺磨玻璃结节良恶性诊断的准确性 | 肺磨玻璃结节患者 | 计算机视觉 | 肺癌 | 胸部计算机断层扫描 | 深度学习 | CT影像, 文本数据 | 多中心数据集1020个GGN（265良性，755恶性），测试集204个GGN（67良性，137恶性） | NA | ResNet, VGG, 自注意力机制 | 准确率, 敏感度, 特异度, Kappa系数 | NA |
| 19709 | 2025-10-07 |
Leveraging deep learning for robust EEG analysis in mental health monitoring
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1494970
PMID:39829439
|
研究论文 | 提出一种名为EEG Mind-Transformer的深度学习架构，用于脑电图信号分析以实现心理健康监测 | 创新性地结合动态时序图注意力机制、分层图表示分析模块和时空融合模块，能有效捕捉脑电图数据中的复杂时空关系 | 未明确说明模型在不同人群和心理健康场景下的具体适应能力限制 | 开发稳健的脑电图分析方法以改进心理健康监测 | 脑电图信号及其与认知和情绪状态的关系 | 机器学习 | 心理健康障碍 | 脑电图分析 | Transformer | 脑电图信号 | 多个数据集（具体样本量未明确说明） | NA | EEG Mind-Transformer, Dynamic Temporal Graph Attention Mechanism, Hierarchical Graph Representation and Analysis, Spatial-Temporal Fusion Module | 准确率, 召回率, F1分数, AUC | NA |
| 19710 | 2025-10-07 |
Non-invasive ML methods for diagnosis of congenital heart disease associated with pulmonary arterial hypertension
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1502725
PMID:39830028
|
综述 | 本文综述了两种用于诊断先天性心脏病相关肺动脉高压的非侵入性机器学习方法 | 提出了直接三分法和两阶段分类两种非侵入性诊断算法，结合传统特征与深度学习特征，在数据稀缺情况下广泛使用集成学习 | 先天性心脏病相关肺动脉高压数据缺乏 | 开发先天性心脏病相关肺动脉高压的非侵入性诊断方法 | 先天性心脏病相关肺动脉高压患者 | 机器学习 | 心血管疾病 | 心音分析 | Bi-LSTM, 集成学习 | 心音信号 | NA | NA | Bi-LSTM | 准确率 | NA |
| 19711 | 2025-10-07 |
ReIU: an efficient preliminary framework for Alzheimer patients based on multi-model data
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1449798
PMID:39830185
|
研究论文 | 提出基于U-Net和迭代配准学习的视网膜血管分割框架ReIU，用于阿尔茨海默病的早期筛查 | 首次将视网膜血管分割与多模态数据结合，开发经济、非侵入性的阿尔茨海默病初步筛查工具 | 在HRF数据集上的分割准确率相对较低（68.3%），分类准确率有待进一步提升 | 开发基于深度学习的阿尔茨海默病早期检测方法 | 阿尔茨海默病患者和健康受试者的视网膜血管数据 | 数字病理学 | 阿尔茨海默病 | OCT血管成像（OCT-A） | CNN | 图像 | 包含健康者和AD患者的多模态数据集 | NA | U-Net | 准确率 | NA |
| 19712 | 2025-10-07 |
Protein-ligand binding affinity prediction using multi-instance learning with docking structures
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1518875
PMID:39830331
|
研究论文 | 提出一种基于多实例学习和分子对接构象的蛋白质-配体结合亲和力预测方法 | 首次将多实例学习与注意力网络结合，利用多个分子对接构象而非共晶结构进行结合亲和力预测 | 依赖分子对接生成的构象质量，对接不准确可能影响预测性能 | 开发不依赖共晶结构的蛋白质-配体结合亲和力预测方法 | 蛋白质-配体复合物 | 机器学习 | COVID-19 | 分子对接 | 多实例学习, 注意力网络 | 3D结构数据 | PDBbind数据集和SARS-CoV-2主要蛋白酶靶向化合物 | NA | 注意力网络 | 结合亲和力预测准确性 | NA |
| 19713 | 2025-10-07 |
Research hotspots and trends in lung cancer STAS: a bibliometric and visualization analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1495911
PMID:39830648
|
系统综述 | 通过文献计量学和可视化分析方法研究2015-2024年间肺癌STAS领域的研究热点和发展趋势 | 首次运用R软件bibliometrix、CiteSpace和VOSviewer对肺癌STAS文献进行系统的文献计量和可视化分析 | 仅纳入Web of Science数据库文献，可能遗漏其他数据库相关研究 | 分析肺癌STAS领域的研究热点和发展趋势 | 2015-2024年间发表的243篇肺癌STAS相关文献 | 文献计量学 | 肺癌 | 文献计量分析，可视化分析 | NA | 文献数据 | 243篇文献 | R bibliometrix, CiteSpace, VOSviewer, Excel | NA | NA | NA |
| 19714 | 2025-10-07 |
OA-MEN: a fusion deep learning approach for enhanced accuracy in knee osteoarthritis detection and classification using X-Ray imaging
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1437188
PMID:39830688
|
研究论文 | 提出一种融合深度学习模型OA-MEN，用于膝关节X射线影像中骨关节炎的检测和分类 | 结合ResNet和MobileNet特征提取与多尺度特征融合的混合模型，增强语义信息提取同时保留高分辨率图像的优势 | 未明确说明训练数据的具体来源和样本分布特征 | 通过融合深度学习技术提高膝关节骨关节炎评估的准确性和效率 | 膝关节X射线影像 | 计算机视觉 | 骨关节炎 | X射线成像 | CNN | 图像 | NA | NA | ResNet,MobileNet | 准确率,AUC | NA |
| 19715 | 2025-10-07 |
A comprehensive survey of complex brain network representation
2023-Nov, Meta-radiology
DOI:10.1016/j.metrad.2023.100046
PMID:39830588
|
综述 | 本文系统综述了基于神经影像的脑网络表示方法，涵盖传统方法和深度学习技术 | 首次全面整合传统脑网络分析方法和最新图学习方法，提供该领域的系统分类框架 | 作为综述文章，不包含原始实验验证，主要依赖现有文献分析 | 总结脑网络表示方法的研究进展并展望未来方向 | 神经影像衍生的脑结构网络和功能网络 | 机器学习 | 神经退行性疾病 | 神经影像技术 | 图神经网络 | 脑网络数据 | NA | NA | NA | NA | NA |
| 19716 | 2025-10-07 |
Feasibility of Universal Anomaly Detection without Knowing the Abnormality in Medical Images
2023-Oct, Medical image learning with limited and noisy data : second international workshop, MILLanD 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MILLanD (Workshop) : (2nd : 2023 : Vancouver, B...
DOI:10.1007/978-3-031-44917-8_8
PMID:38523773
|
研究论文 | 本研究探讨医学图像中无需预知异常类型的通用异常检测可行性，比较多种方法并提出决策级集成方案 | 提出无需异常图像参与验证的模型选择策略，并开发决策级集成方法增强跨数据集检测鲁棒性 | 评估方法在四个数据集中均未表现出一致最优性能，存在数据集依赖性 | 开发不依赖预知异常类型的通用医学图像异常检测方法 | 医学图像中的异常形态检测 | 计算机视觉 | NA | 深度学习异常检测 | 集成学习 | 医学图像 | 四个医学数据集 | NA | NA | AUC | NA |
| 19717 | 2025-10-07 |
Gadolinium-Free Cardiac MRI Myocardial Scar Detection by 4D Convolution Factorization
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43895-0_60
PMID:39829676
|
研究论文 | 提出一种无需钆对比剂的心脏MRI心肌瘢痕检测方法，通过4D卷积分解技术实现 | 开发了新型深度时空残差注意力网络(ST-RAN)，包含因子化4D卷积层、时空注意力机制和多尺度特征提取模块 | 未明确说明模型在特定患者群体或罕见心脏病类型中的性能表现 | 开发无需钆对比剂的心脏MRI心肌瘢痕检测技术 | 缺血性和非缺血性心脏病患者的心肌瘢痕组织 | 医学影像分析 | 心脏病 | 心脏磁共振成像(CMR) | 深度学习, CNN | 4D(3D+时间)心脏MRI图像 | 3000名接受临床CMR检查的患者 | NA | ST-RAN, 4D卷积分解网络, 残差注意力块 | NA | NA |
| 19718 | 2025-10-07 |
The Genetic Determinants of Aortic Distention
2023-04-11, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2023.01.044
PMID:37019578
|
研究论文 | 本研究通过深度学习模型分析心脏磁共振图像，探索主动脉扩张性的流行病学相关性和遗传决定因素 | 首次使用深度学习模型在大规模人群（42,342人）中量化主动脉扩张性，并发现22个与胸主动脉直径无关的新遗传位点 | 研究样本主要来自UK Biobank，可能存在人群代表性限制 | 发现主动脉扩张性和应变的流行病学相关性和遗传决定因素 | 42,342名UK Biobank参与者的胸主动脉 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 心脏磁共振图像 | 42,342名UK Biobank参与者 | NA | NA | 风险比(HR), P值 | NA |
| 19719 | 2025-10-07 |
Development of a Visualization Deep Learning Model for Classifying Origins of Ventricular Arrhythmias
2022-07-25, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-22-0065
PMID:35387940
|
研究论文 | 开发基于可视化深度学习模型用于分类心室心律失常起源 | 首次将梯度加权类激活映射方法应用于12导联心电图心律失常起源分类，实现模型决策过程的可视化 | 研究样本量较小（仅80例患者），需进一步扩大验证 | 创建可准确分类心律失常起源的可视化深度学习模型 | 接受导管消融治疗的80例心律失常患者 | 医疗人工智能 | 心血管疾病 | 12导联心电图 | CNN | 心电图信号 | 80例患者 | NA | 卷积神经网络 | 准确率, 召回率 | NA |
| 19720 | 2025-01-21 |
Assessment of ComBat Harmonization Performance on Structural Magnetic Resonance Imaging Measurements
2024-Dec-15, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70085
PMID:39704541
|
研究论文 | 本研究评估了ComBat技术在结构磁共振成像（MRI）测量中的性能，特别是在多中心数据聚合的背景下 | 使用稳健的交叉验证方法来评估ComBat在多中心MRI数据中的性能，并应用多类高斯过程分类器进行定量分析 | 性能评估主要基于定量的统计分析和机器学习方法，缺乏更广泛的定性验证 | 评估ComBat技术在消除多中心MRI数据中的站点效应方面的有效性 | 多中心MRI数据中的体积和表面测量值 | 医学影像分析 | NA | ComBat技术 | 多类高斯过程分类器 | MRI图像 | 来自三个站点的MRI数据 | NA | NA | NA | NA |