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 2292 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2025-10-07 |
Cross-convolutional transformer for automated multi-organs segmentation in a variety of medical images
2023-01-23, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acb19a
PMID:36623323
|
研究论文 | 提出基于交叉卷积变换器的深度学习网络，用于多种医学图像中的多器官自动分割 | 设计新型交叉卷积自注意力机制，整合局部和全局上下文，建模长短距离依赖关系；提出多尺度特征边缘融合模块 | 仅在三个数据集上验证，尚未在更广泛的医学图像数据上进行测试 | 开发具有更好泛化能力和准确性的多器官自动分割算法 | 医学图像中的多器官分割 | 计算机视觉 | 多种疾病（腹部器官、心脏结构、皮肤癌） | 医学影像分析 | Transformer, CNN | 医学图像（CT、MRI、皮肤图像） | 三个数据集：Synapse（腹部CT）、ACDC（心脏MRI）、ISIC 2017（皮肤癌图像） | NA | CFormer（交叉卷积变换器网络） | Dice相似系数, 95% Hausdorff距离 | NA |
| 382 | 2025-10-07 |
Predicting trabecular arrangement in the proximal femur: An artificial neural network approach for varied geometries and load cases
2023-12, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2023.111860
PMID:37948877
|
研究论文 | 使用前馈神经网络预测股骨近端小梁排列，通过几何和载荷参数快速计算表观密度 | 将神经网络应用于骨重塑现象建模，相比有限元方法显著减少计算时间 | 需要获取不同数据集才能将结果扩展到其他结构 | 开发快速准确的骨小梁分布预测方法 | 股骨近端的骨密度分布 | 机器学习 | 骨科疾病 | 有限元分析，神经网络建模 | 前馈神经网络 | 密度分布数据集 | 包含多种几何形状和载荷情况的样本 | NA | 前馈神经网络 | 计算时间比较 | NA |
| 383 | 2025-10-07 |
NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation
2023-Sep-22, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.20.558715
PMID:37790488
|
研究论文 | 提出一种名为NuFold的新型深度学习方法，用于准确预测RNA三级结构 | 采用灵活的核苷碱基中心表示法，能够准确重现所有可能的核苷酸构象 | NA | 开发计算方法来预测RNA三级结构，弥合RNA序列数据与结构认知之间的差距 | RNA分子及其三级结构 | 机器学习 | NA | 深度学习 | 深度学习架构 | RNA序列数据 | NA | NA | NuFold | NA | NA |
| 384 | 2025-10-07 |
Pooled tagging and hydrophobic targeting of endogenous proteins for unbiased mapping of unfolded protein responses
2023-Jul-14, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.13.548611
PMID:37503003
|
研究论文 | 开发了一种通过高通量基因标记和深度学习图像分析来研究蛋白质组动力学和功能的高效方法 | 结合高通量基因标记、荧光标记测序、深度学习图像分析和单细胞RNA测序，实现蛋白质错误折叠的空间限制诱导和细胞区室特异性响应映射 | NA | 系统水平理解蛋白质组组织和功能，绘制蛋白质错误折叠的区室特异性响应图谱 | 内源性标记蛋白质，细胞池 | 计算生物学 | NA | 高通量基因标记，单细胞RNA测序，荧光标记测序 | 深度学习 | 图像，基因表达数据 | NA | NA | NA | NA | NA |
| 385 | 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 |
| 386 | 2025-10-07 |
Deep learning-based phenotyping reclassifies combined hepatocellular-cholangiocarcinoma
2023-12-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43749-3
PMID:38092727
|
研究论文 | 本研究利用深度学习对组合性肝细胞-胆管癌进行表型重分类 | 首次使用深度学习模型对cHCC-CCA肿瘤进行重新分类，并将预测结果与临床结局、基因改变和空间基因表达谱相关联 | 研究针对罕见双表型癌症，样本量相对有限 | 改善组合性肝细胞-胆管癌的诊断分类和治疗决策 | 405例cHCC-CCA患者及其肿瘤样本 | 数字病理学 | 肝癌 | 深度学习，原位空间基因表达分析 | 深度学习模型 | 病理图像，基因表达数据 | 405例cHCC-CCA患者 | NA | NA | 诊断准确性 | NA |
| 387 | 2025-10-07 |
Automating General Movements Assessment with quantitative deep learning to facilitate early screening of cerebral palsy
2023-12-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-44141-x
PMID:38097602
|
研究论文 | 开发基于深度学习的运动评估模型，用于自动化评估婴儿全身运动以早期筛查脑瘫 | 首次将深度学习与婴儿视频特征结合实现全身运动评估的自动化，并提出定量GMA方法 | 需要专业视频数据且依赖专家标注进行训练 | 开发自动化工具促进脑瘫早期筛查 | 婴儿全身运动视频数据 | 计算机视觉 | 脑瘫 | 视频分析 | 深度学习 | 视频 | 未明确说明 | NA | NA | AUC | NA |
| 388 | 2025-10-07 |
Single-cell spatial metabolomics with cell-type specific protein profiling for tissue systems biology
2023-12-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43917-5
PMID:38086839
|
研究论文 | 提出单细胞空间代谢组学框架scSpaMet，实现人类组织中单个免疫细胞和癌细胞的蛋白质-代谢物联合分析 | 首次将非靶向空间代谢组学与靶向多重蛋白质成像整合到同一流程中，实现单细胞水平的空间代谢-蛋白质联合分析 | 仅使用男性人类组织样本，样本类型和数量有限 | 开发用于组织系统生物学的单细胞空间代谢组学分析工具 | 人类肺癌、扁桃体和子宫内膜组织中的单个免疫细胞和癌细胞 | 数字病理学 | 肺癌 | 空间代谢组学, 多重蛋白质成像 | 深度学习 | 空间代谢组数据, 蛋白质成像数据 | 肺癌组织19507个单细胞, 扁桃体组织31156个单细胞, 子宫内膜组织8215个单细胞 | NA | 联合嵌入模型 | NA | NA |
| 389 | 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 |
| 390 | 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 |
| 391 | 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 |
| 392 | 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 |
| 393 | 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 |
| 394 | 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 |
| 395 | 2025-10-07 |
From the diagnosis of infectious keratitis to discriminating fungal subtypes; a deep learning-based study
2023-12-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-49635-8
PMID:38097753
|
研究论文 | 本研究开发基于深度学习的模型用于传染性角膜炎诊断及其真菌亚型区分 | 首次构建可同时实现传染性角膜炎诊断、细菌与真菌角膜炎区分、以及真菌丝状与酵母亚型鉴别的多任务深度学习系统 | 模型3对真菌亚型区分的准确率相对较低（77.5%），可能存在分类性能提升空间 | 通过人工智能技术改进传染性角膜炎的早期诊断和分类 | 传染性角膜炎患者及其裂隙灯照片 | 计算机视觉 | 眼科感染疾病 | 裂隙灯成像 | 深度学习模型 | 图像 | 977名患者的9329张裂隙灯照片 | NA | NA | 准确率 | NA |
| 396 | 2025-04-25 |
Structural characterization of an intrinsically disordered protein complex using integrated small-angle neutron scattering and computing
2023-10, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4772
PMID:37646172
|
研究论文 | 本文提出了一种结合小角中子散射和计算方法的集成方法，用于解析两个内在无序区域形成的复合物的结构集合 | 结合选择性氘标记的小角中子散射实验、微秒级全原子分子动力学模拟和基于自动编码器的深度学习算法，提出了一种新的集成方法来表征内在无序蛋白质的结构集合 | 实验时间尺度通常捕获的是多个构象的平均测量值，导致复杂的小角中子散射数据难以解析 | 研究内在无序蛋白质和蛋白质内在无序区域的结构集合，以理解其结构与功能关系 | 由两个内在无序区域形成的复合物 | 结构生物学 | NA | 小角中子散射(SANS)、分子动力学(MD)模拟、深度学习(DL) | 自动编码器 | 中子散射数据、分子动力学模拟数据 | NA | NA | NA | NA | NA |
| 397 | 2025-10-07 |
Rapid and Portable Quantification of HIV RNA via a Smartphone-enabled Digital CRISPR Device and Deep Learning
2023-May-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.05.12.23289911
PMID:37292781
|
研究论文 | 开发了一种基于智能手机的数字CRISPR设备，结合深度学习算法快速定量检测HIV RNA | 首次将数字CRISPR检测与智能手机平台集成，实现HIV RNA的快速便携定量检测 | NA | 开发便携式HIV病毒载量监测工具以支持艾滋病治疗管理 | HIV RNA | 数字病理 | 艾滋病 | RT-RPA-CRISPR, 荧光成像 | 深度学习 | 荧光图像 | NA | NA | NA | 检测灵敏度 | 智能手机平台 |
| 398 | 2025-10-07 |
Spikebench: An open benchmark for spike train time-series classification
2023-01, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1010792
PMID:36626366
|
研究论文 | 提出一个用于脉冲序列时间序列分类的开放基准测试Spikebench | 基于开放获取神经活动数据集构建首个脉冲序列分类基准，包含多种学习任务，并证明基于手工特征工程的方法与最先进深度学习模型性能相当 | NA | 为神经解码领域提供多样化和具有挑战性的基准测试 | 神经脉冲序列数据 | 机器学习 | NA | 神经信号记录 | 决策树集成, 深度神经网络 | 时间序列数据 | NA | NA | NA | NA | NA |
| 399 | 2025-10-07 |
Exploration of the intelligent-auxiliary design of architectural space using artificial intelligence model
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0282158
PMID:36867635
|
研究论文 | 探索基于人工智能模型的建筑空间智能辅助设计方法 | 将AI辅助模型与建筑空间智能深度融合，通过深度学习实现建筑空间的智能设计 | NA | 提高建筑设计行业的效率，促进建筑空间设计的智能化和数字化转型 | 建筑空间设计，三维建筑模型 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 三维模型数据 | UrbanScene3D数据集中的3D模型 | NA | NA | 模型拟合度，智能评分 | NA |
| 400 | 2025-04-24 |
Geneformer: a deep learning model for exploring gene networks
2023-12, Science China. Life sciences
DOI:10.1007/s11427-023-2431-x
PMID:37672186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |