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 2592 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-07-10 |
Imaging evaluation of a proposed 3D generative model for MRI to CT translation in the lumbar spine
2023-11, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2023.06.399
PMID:37479140
|
研究论文 | 开发并评估一个从MRI生成腰椎3D CT图像的深度学习模型 | 提出使用3D循环生成对抗网络从MRI数据直接生成高质量腰椎CT图像，减少患者辐射暴露和医疗系统负担 | 轴向重建图像的测量精度较低（相对误差高达34%），可能由于使用了非容积常规矢状T1加权MRI序列 | 评估深度学习模型生成的合成腰椎CT图像的准确性 | 腰椎MRI和CT图像 | 计算机视觉 | 腰椎疾病 | MRI, CT | 3D循环生成对抗网络 | 图像 | 400个未配对CT和400个未配对MRI用于训练，20对匹配CT和MRI用于评估 | PyTorch | 3D Cycle-GAN | 绝对误差，相对误差 | NA |
| 2 | 2026-07-10 |
Exploring the Roles of RNAs in Chromatin Architecture Using Deep Learning
2023-Oct-24, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.22.563498
PMID:37961712
|
研究论文 | 提出名为AkitaR的深度学习框架，利用基因组序列和全基因组RNA-DNA相互作用，研究染色质相关RNA在HFFc6细胞基因组折叠中的作用 | 首次将基因组序列与全基因组RNA-DNA相互作用结合，通过深度学习模型区分caRNAs的顺式和反式调控作用，并识别出新型非编码RNA可能通过反式相互作用调节染色质结构 | NA | 探究染色质相关RNA在三维基因组组织中的作用及其调控机制 | HFFc6细胞中的染色质相关RNA（caRNAs）及基因组折叠 | 机器学习 | NA | RNA-seq、Hi-C、深度学习 | 深度学习框架 | 序列数据和RNA-DNA相互作用数据 | HFFc6细胞系的单一样本 | NA | NA | NA | NA |
| 3 | 2026-07-10 |
RETRACTED: Convolutional neural network model by deep learning and teaching robot in keyboard musical instrument teaching
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0293411
PMID:37883500
|
研究论文 | 研究了键盘乐器教学中深度学习卷积神经网络模型与教学机器人的应用 | 将卷积神经网络模型应用于教学机器人，通过分析学生图像和动作实现个性化教学 | NA | 探索键盘乐器教学的智能化改进方案 | 学前教育中键盘乐器教学 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | NA | NA | 卷积神经网络 | 学生满意度 | NA |
| 4 | 2026-07-07 |
Overproduce and select, or determine optimal molecular descriptor subset via configuration space optimization? Application to the prediction of ecotoxicological endpoints
2023-06, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202200227
PMID:36894503
|
研究论文 | 提出通过配置空间优化确定最佳分子描述符子集的方法，用于预测生态毒理学终点 | 将分子描述符生成建模为多准则优化问题，采用标准遗传算法的变体求解，并通过Choquet积分聚合四个准则计算适应度函数 | 未明确说明 | 改进传统分子描述符选择方法在预测化合物生物活性中的性能 | 生态毒理学终点预测中的化学数据集 | 机器学习 | NA | NA | 遗传算法 | 化学分子描述符数据 | NA | NA | NA | NA | NA |
| 5 | 2026-07-06 |
Beyond the AJR: Deep Learning Model for Risk-Based Breast Cancer Screening
2023-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28703
PMID:36350116
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6 | 2026-07-04 |
DeepIFC: Virtual fluorescent labeling of blood cells in imaging flow cytometry data with deep learning
2023-10, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.24770
PMID:37276178
|
研究论文 | 提出一种基于Inception U-Net网络的深度学习方法DeepIFC，从明场和暗场图像虚拟生成荧光标记图像，实现血细胞重构、分型和未知细胞类型识别 | 无需真实荧光标记即可生成荧光图像，并利用平衡数据集对稀有细胞类型进行良好预测，同时能识别训练中未见过的红细胞类型 | NA | 通过深度学习实现成像流式细胞术数据的虚拟荧光标记，降低标记成本和时间 | 流动成像数据中的血细胞 | 计算机视觉 | NA | 成像流式细胞术 | Inception U-Net | 图像（明场、暗场、荧光图像） | NA | NA | Inception U-Net | NA | NA |
| 7 | 2026-07-04 |
Artificial intelligence in disease diagnosis: a systematic literature review, synthesizing framework and future research agenda
2023, Journal of ambient intelligence and humanized computing
DOI:10.1007/s12652-021-03612-z
PMID:35039756
|
综述 | 对人工智能在疾病诊断中的应用进行系统文献综述，构建综合框架并提出未来研究议程 | 系统梳理了从机器学习到深度学习的人工智能技术在多种疾病诊断中的应用，并基于PRISMA指南筛选文献，比较了不同数据集和特征提取方法的效果 | 未明确说明具体技术的局限性，且文献筛选截至2020年10月，可能遗漏近期研究 | 综述人工智能技术在疾病诊断中的现状，构建综合框架并指出未来研究方向 | 用于阿尔茨海默病、癌症、糖尿病、慢性心脏病、结核病、中风及脑血管疾病、高血压、皮肤病和肝病诊断的人工智能技术 | 机器学习 | 阿尔茨海默病、癌症、糖尿病、慢性心脏病、结核病、脑血管疾病、高血压、皮肤病、肝病 | NA | NA | 医学影像（超声、磁共振成像、乳腺X线摄影、基因组学、计算机断层扫描） | NA | NA | NA | 预测率、准确率、灵敏度、特异性、曲线下面积、精确率、召回率、F1分数 | NA |
| 8 | 2026-07-03 |
RETRACTED ARTICLE: A review on quantum computing and deep learning algorithms and their applications
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-022-07037-4
PMID:35411203
|
综述 | 本文综述了量子计算和深度学习算法及其在计算智能中的应用 | 系统分析了量子算法和深度学习算法这两大领域及其在计算智能中的应用，强调了量子计算带来的指数级加速优势 | 未详细比较不同算法的具体性能指标，也未讨论实际部署中的挑战 | 探讨量子计算和深度学习在计算智能中的研究现状与应用 | 量子计算和深度学习算法 | 机器学习 | NA | NA | 深度学习模型 | 文本、图像、音频 | NA | NA | NA | NA | NA |
| 9 | 2026-07-03 |
RETRACTED ARTICLE: DenseNet-II: an improved deep convolutional neural network for melanoma cancer detection
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-022-07406-z
PMID:36034768
|
研究论文 (已撤稿) | 提出改进的深度卷积神经网络DenseNet-II用于黑色素瘤检测 | 通过自定义网络层数、激活函数和输入数组维度，改进DenseNet架构，实现对七类皮肤病变的分类，超越传统二分类（恶性/良性）方法 | 未在摘要中明确说明 | 提高黑色素瘤检测的准确性 | 黑色素瘤皮肤病变数据集中的七种病变类型 | 计算机视觉, 数字病理学 | 黑色素瘤 | NA | 卷积神经网络（CNN） | 图像（皮肤镜图像或普通相机图像） | NA | NA | DenseNet（改进型，文中称DenseNet-II） | 准确率 | NA |
| 10 | 2026-07-03 |
RETRACTED ARTICLE: An automatic and intelligent brain tumor detection using Lee sigma filtered histogram segmentation model
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-022-07457-2
PMID:36105824
|
科研论文 | 提出一种基于Lee sigma滤波直方图分割模型（LSFHS）的自动智能脑肿瘤检测方法 | 创新性地结合自适应Lee sigma滤波与灰度双峰直方图分割进行脑肿瘤检测，相比现有方法提高了14%的检测准确率并加快了25%的检测速度 | 本文已被撤回，可能涉及研究结果或方法的可靠性问题 | 实现高准确率、低时间消耗的脑肿瘤自动检测 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI成像 | NA | 图像 | 多张MRI图像 | NA | LSFHS（Lee sigma滤波直方图分割） | 峰值信噪比（PSNR），肿瘤检测准确率，错误率 | NA |
| 11 | 2026-07-01 |
Long-Term Follow-Up of Interstitial Lung Abnormality: Implication in Follow-Up Strategy and Risk Thresholds
2023-10-15, American journal of respiratory and critical care medicine
IF:19.3Q1
DOI:10.1164/rccm.202303-0410OC
PMID:37590877
|
研究论文 | 探讨肺间质异常的最佳随访CT间隔及其与预后的关系 | 首次基于深度学习量化肺间质异常，提出以纤维化范围和蜂窝征为基础的风险分层及3年随访间隔建议 | 单中心回顾性研究，人群为自选筛查者，可能选择偏倚；中位随访11.3年，但部分结局事件数较少 | 确定肺间质异常在CT上的最佳随访策略和与预后相关的范围阈值 | 年龄≥50岁、包括非吸烟者的自选筛查参与者 | 机器学习 | 肺间质疾病 | CT成像 | 深度学习模型 | CT图像 | 305名参与者 | NA | 深度学习模型（未具体说明） | 风险比、10年总体生存率 | NA |
| 12 | 2026-06-30 |
Deep learning prediction boosts phosphoproteomics-based discoveries through improved phosphopeptide identification
2023-Jan-12, bioRxiv : the preprint server for biology
DOI:10.1101/2023.01.11.523329
PMID:36711982
|
研究论文 | 提出了DeepRescore2计算工作流程，利用深度学习预测保留时间和碎片离子强度来提高磷酸肽鉴定和磷酸化位点定位 | 首次将深度学习预测数据（保留时间和碎片离子强度）整合进磷酸蛋白质组学流程，显著提高磷酸肽鉴定率并发现新的生物学靶点 | 仅测试了合成数据和生物数据集，可能未覆盖所有复杂样本类型；深度学习模型依赖训练数据质量 | 改进磷酸蛋白质组学数据分析中的磷酸肽鉴定率，促进基于磷酸化蛋白质组学的生物发现 | 磷酸肽鉴定、磷酸化位点定位、肝脏癌症样本中的磷酸化信号通路 | 深度学习 | 肝癌 | Shotgun磷酸蛋白质组学 | 深度学习模型 | 质谱数据 | 合成数据集和生物数据集（包括肝癌肿瘤与正常组织样本） | NA | NA | 肽谱匹配数增加率（17%）、磷酸肽鉴定增加率（19%-46%）、磷酸化位点 | NA |
| 13 | 2026-06-26 |
trRosettaRNA: automated prediction of RNA 3D structure with transformer network
2023-11-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-42528-4
PMID:37945552
|
研究论文 | 开发了一个基于深度学习的自动化RNA三维结构预测方法trRosettaRNA，使用Transformer网络预测一维和二维几何特征，再通过能量最小化进行三维结构折叠 | 首次将Transformer网络应用于RNA结构预测，在CASP15和RNA-Puzzles盲测中达到与顶级人工预测相当的水平，且优于其他深度学习方法 | 对于合成RNA的结构预测仍具挑战性，自动化方法难以准确预测其结构 | 解决RNA三维结构预测这一长期挑战，推动深度学习在RNA结构预测中的应用 | 天然RNA和合成RNA的三维结构 | 机器学习 | 不适用 | 深度学习 | Transformer网络 | 序列数据 | 不适用 | 不适用 | Transformer | Z-score, 均方根偏差 | 不适用 |
| 14 | 2026-06-26 |
Efficient and accurate large library ligand docking with KarmaDock
2023-09, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00511-5
PMID:38177786
|
研究论文 | 提出一种名为KarmaDock的深度学习配体对接方法，集成了对接加速、结合姿态生成与校正以及结合强度估计功能 | 首次将E(n)等变图神经网络与自注意力机制应用于配体对接，通过端到端学习同时优化对接速度、姿态质量和结合亲和度精度 | NA | 开发一种高效且准确的深度学习方法用于大规模文库配体对接，以提升虚拟筛选性能 | 配体对接的准确性和效率，以及发现的潜在药物分子 | 机器学习 | NA | NA | E(n)等变图神经网络、混合密度网络 | 分子结构（蛋白质与配体） | 四个基准数据集和一个实际虚拟筛选项目（涉及白细胞酪氨酸激酶LTK的活性抑制剂筛选） | NA | E(n)等变图神经网络、自注意力机制、混合密度网络 | 对接速度、姿态质量、结合亲和度 | NA |
| 15 | 2026-06-26 |
Automatic International Hidradenitis Suppurativa Severity Score System (AIHS4): A novel tool to assess the severity of hidradenitis suppurativa using artificial intelligence
2023-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13357
PMID:37357665
|
研究论文 | 介绍了一种基于深度学习的自动化脓性汗腺炎严重程度评分系统（AIHS4），用于评估化脓性汗腺炎严重程度 | 首次利用深度学习模型（YOLOv5架构）实现IHS4的自动评分，并采用多专家注释和知识统一算法处理数据 | 当前数据集规模有限，可能影响模型泛化能力 | 开发可替代人工IHS4评分的自动评估工具，减少观察者间变异性和对专家经验的依赖 | 化脓性汗腺炎患者的皮肤图像 | 计算机视觉 | 化脓性汗腺炎 | 图像处理 | CNN | 图像 | Legit.Health-HS-IHS4数据集，包含由六位专家标注的化脓性汗腺炎图像 | PyTorch | YOLOv5 | 与最专业医师相当的性能 | NA |
| 16 | 2026-06-26 |
Corrigendum to ArtifactID: Identifying artifacts in low-field MRI of the brain using deep learning Magnetic Resonance Imaging Volume 89, June 2022, Pages 42-48
2023-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2022.03.006
PMID:35396147
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17 | 2026-06-19 |
Divergences in color perception between deep neural networks and humans
2023-12, Cognition
IF:2.8Q1
DOI:10.1016/j.cognition.2023.105621
PMID:37716312
|
研究论文 | 评估深度神经网络与人类在颜色感知方面的差异，揭示当前DNN模型未能充分捕捉人类颜色感知的认知一致性 | 首次通过对比颜色相似性判断实验，系统评估了包括卷积神经网络和视觉Transformer在内的多种DNN架构与人类颜色感知的偏差，并提出了基于小波分解的可解释颜色感知模型作为更优基准 | 未涉及颜色感知的时间动态特性、跨文化差异以及高维颜色空间（如CIELAB）的深度映射；小波模型的认知合理性仍需更多神经科学验证 | 探究深度神经网络在颜色感知维度上与人类认知的一致性，并寻找更符合认知规律的替代模型 | 人类颜色相似性判断（通过在线调查收集）和多种DNN产生的颜色嵌入表示 | 机器学习、计算机视觉、认知科学 | 不适用 | 卷积神经网络、视觉Transformer、小波分解、风格迁移任务训练 | 卷积神经网络、视觉Transformer | 图像（控制颜色属性的图像、网络搜索图像、CIFAR-10真实世界图像） | 多种图像数据集（未明确样本数量，包含三类图像集：颜色控制图像、网络图像、CIFAR-10的10类图像） | PyTorch（隐含）、TensorFlow（未明确，但常见框架） | ResNet、ViT、VGG、U-Net（？待确认）、小波模型 | 颜色相似性判断一致性（相关系数、均方误差） | 未明确，但通常使用GPU（如NVIDIA A100或V100） |
| 18 | 2026-06-19 |
Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer
2023-02, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-022-02134-1
PMID:36624314
|
研究论文 | 建立并评估了一种多染色深度学习模型，用于预测结直肠癌的预后和治疗反应 | 首次利用人工智能在超过1000名患者中确定AImmunoscore，并展示了其在预测新辅助治疗反应方面的能力 | 免疫评分系统如Immunoscore和上皮内淋巴细胞定量在临床常规使用中接受缓慢，且有一定局限性 | 评估多染色深度学习模型在结直肠癌预后和治疗反应预测中的能力 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 多染色免疫组织化学 | 深度学习 | 病理图像 | 超过1000名结直肠癌患者 | NA | 多染色深度学习模型 | 预后能力，优于其他临床、分子和免疫细胞相关参数 | NA |
| 19 | 2026-06-18 |
A Multichannel Fluorescence Isothermal Amplification Device with Integrated Internet of Medical Things for Rapid Sensing of Pathogens through Deep Learning
2023-10-17, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c02973
PMID:37733965
|
研究论文 | 本文开发了一种集成医疗物联网的等温荧光扩增设备，结合深度学习实现病原体快速传感 | 提出多通道等温荧光扩增设备，整合医疗物联网实现远程控制和数据上传，并利用深度学习进行快速（9.4毫秒）、准确的分析 | NA | 开发一种高效、便携的病原体快速检测设备，以应对突发公共卫生事件 | 金黄色葡萄球菌和耐甲氧西林金黄色葡萄球菌 | 机器学习 | 感染性疾病 | 等温扩增、CRISPR/Cas12a介导的核酸检测 | 深度学习模型 | 荧光信号数据 | NA | NA | NA | 检测限（LOD）、检测时间 | NA |
| 20 | 2026-06-18 |
Deep learning PET/CT-based radiomics integrates clinical data: A feasibility study to distinguish between tuberculosis nodules and lung cancer
2023-07, Thoracic cancer
IF:2.3Q2
DOI:10.1111/1759-7714.14924
PMID:37183577
|
研究论文 | 评估深度学习模型整合PET/CT影像特征、放射组学特征和临床信息在区分结核结节和肺癌中的性能 | 首次将深度学习特征、放射组学特征和临床信息多维度数据整合到单一模型中，用于区分结核结节和肺癌 | 样本量较小（仅174例患者），且未提及外部验证，模型泛化能力有待进一步验证 | 评估多信息融合的深度学习模型在区分结核结节和肺癌中的诊断效能 | 97例肺癌患者和77例结核结节患者的PET和CT影像数据 | 数字病理学 | 肺癌 | PET/CT成像 | 深度卷积神经网络 (DCNN) | 图像 | 174例患者（97例肺癌，77例结核结节） | PyTorch | 残差神经网络 (ResNet) | AUC, 灵敏度, 准确率, 特异度, F1分数 | NA |