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 2677 篇文献，本页显示第 821 - 840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 821 | 2025-05-31 |
Development of Multiscale 3D Residual U-Net to Segment Edematous Adipose Tissue by Leveraging Annotations from Non-Edematous Adipose Tissue
2023-Nov, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2669719
PMID:40256010
|
研究论文 | 本文开发了一种多尺度3D残差U-Net模型，用于从非水肿脂肪组织的注释中分割水肿脂肪组织 | 利用不准确的注释直接训练深度学习模型，提高了脂肪组织分割的准确性，无需手动注释 | 训练数据中缺乏水肿脂肪组织的异质性，可能影响模型在极端情况下的表现 | 开发一种无需手动注释的深度学习模型，用于医学图像中的脂肪组织分割 | CT扫描中的脂肪组织 | 数字病理学 | 水肿 | 深度学习 | 3D残差U-Net | 医学图像（CT扫描） | 训练集101名患者，测试集14名患者（其中10名患有全身性水肿） | NA | NA | NA | NA |
| 822 | 2025-05-31 |
Automated Classification of Intravenous Contrast Enhancement Phase of CT Scans Using Residual Networks
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2655263
PMID:40248190
|
research paper | 本研究利用残差网络（ResNet34）自动分类CT扫描的静脉对比增强阶段，以提高计算机辅助诊断的准确性 | 首次使用ResNet34自动分类多期CT扫描的静脉对比增强阶段，准确率达99%，优于VGG19和DenseNet121 | 研究使用的数据集仅包含395个弱标记的多期CT扫描，样本量相对较小 | 开发一种自动分类多期CT扫描的方法，以改进数据增强和深度学习模型的训练 | 多期CT扫描的静脉对比增强阶段 | computer vision | NA | deep learning | ResNet34, VGG19, DenseNet121 | image | 395个多期CT扫描（316训练，79测试） | NA | NA | NA | NA |
| 823 | 2025-10-07 |
ChromaFold predicts the 3D contact map from single-cell chromatin accessibility
2023-Jul-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.27.550836
PMID:37546906
|
研究论文 | 提出ChromaFold深度学习模型，从单细胞ATAC测序数据预测3D染色质接触图谱和调控相互作用 | 首次实现仅使用单细胞ATAC测序数据预测3D接触图谱，无需染色体构象捕获实验 | 需要配对scATAC-seq和Hi-C数据进行训练 | 从单细胞染色质可及性数据预测3D染色质结构和调控相互作用 | 人类和小鼠细胞系及组织中的染色质相互作用 | 计算生物学 | NA | scATAC-seq, Hi-C, CTCF ChIP-seq | 深度学习 | 基因组测序数据 | 多种人类和小鼠测试细胞类型 | NA | 轻量级架构 | 预测准确性 | 标准GPU |
| 824 | 2025-10-07 |
Update on muscle imaging in myositis
2023-11-01, Current opinion in rheumatology
IF:5.2Q1
DOI:10.1097/BOR.0000000000000975
PMID:37656661
|
综述 | 本文综述了MRI、超声和PET/CT等影像技术在肌炎诊断和管理中的最新进展 | 重点介绍了从手动定性分析向定量分析的转变，以及人工智能和纹理分析等新兴技术的应用前景 | NA | 探讨影像技术在特发性炎症性肌病中的应用进展 | 肌炎或特发性炎症性肌病 | 数字病理 | 肌肉炎症性疾病 | MRI, 超声, PET/CT, 剪切波弹性成像 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 825 | 2025-10-07 |
Machine learning applications and challenges in graft-versus-host disease: a scoping review
2023-11-01, Current opinion in oncology
IF:2.8Q2
DOI:10.1097/CCO.0000000000000996
PMID:37820094
|
综述 | 本文探讨机器学习在移植物抗宿主病风险预测、诊断和个性化治疗中的应用潜力与挑战 | 系统总结机器学习在GVHD领域的最新进展，包括动态风险评估、深度学习诊断模型和自适应治疗策略 | 需要大规模多中心合作开发可泛化模型，且需解决伦理准则实施等关键问题 | 评估人工智能特别是机器学习在GVHD管理中的应用前景 | 移植物抗宿主病的风险评估、诊断和治疗方法 | 机器学习 | 移植物抗宿主病 | NA | 深度学习,强化学习,Q-learning,深度强化学习 | 时间序列数据,图像数据 | NA | NA | NA | NA | NA |
| 826 | 2025-10-07 |
MRI-based Deep Learning Assessment of Amyloid, Tau, and Neurodegeneration Biomarker Status across the Alzheimer Disease Spectrum
2023-10, Radiology
IF:12.1Q1
DOI:10.1148/radiol.222441
PMID:37815445
|
研究论文 | 本研究开发了一种基于MRI和临床数据的深度学习模型，用于预测阿尔茨海默病ATN生物标志物状态 | 首次将深度学习应用于MRI数据来预测PET确定的ATN生物标志物状态，提供了一种无创、低成本的替代方案 | 研究采用回顾性数据，模型性能在tau生物标志物预测方面相对较低(AUC 0.73) | 开发非侵入性方法评估阿尔茨海默病ATN生物标志物状态 | 阿尔茨海默病影像倡议(ADNI)数据库中的患者MRI和PET数据 | 医学影像分析 | 阿尔茨海默病 | MRI, PET | CNN, 逻辑回归 | 医学影像, 临床数据 | 2099个淀粉样蛋白PET-MRI对，557个tau PET-MRI对，2768个FDG PET-MRI对 | NA | 卷积神经网络 | AUC | NA |
| 827 | 2025-10-07 |
A Hybrid Deep Learning Approach to Identify Preventable Childhood Hearing Loss
2023 Sep-Oct 01, Ear and hearing
IF:2.6Q1
DOI:10.1097/AUD.0000000000001380
PMID:37318215
|
研究论文 | 本研究开发了一种混合深度学习模型，用于自动化分类鼓室导抗图以识别可预防的儿童听力损失 | 提出了一种混合深度学习模型，在资源有限社区中实现非专业人员引导的鼓室导抗测试，其性能优于传统方法和设备内置分类器 | 研究样本主要来自阿拉斯加农村地区特定人群，可能限制结果的普适性 | 评估机器学习在自动化鼓室导抗图分类中的效用，促进资源有限社区的听力筛查 | 来自阿拉斯加农村 underserved 社区的学龄儿童，重点关注感染相关性听力损失 | 医疗人工智能 | 儿童听力损失 | 鼓室导抗测试 | 混合深度学习模型 | 窄带鼓室导抗图轨迹 | 1635名儿童，4810对鼓室导抗图轨迹（由听力专家和非专业人员采集） | NA | NA | 灵敏度, 特异度, AUC | NA |
| 828 | 2025-10-07 |
Cyclic peptide structure prediction and design using AlphaFold
2023-Feb-26, bioRxiv : the preprint server for biology
DOI:10.1101/2023.02.25.529956
PMID:36865323
|
研究论文 | 本研究通过改进AlphaFold网络实现了环肽结构的准确预测与设计 | 首次将AlphaFold网络成功应用于环肽结构预测与设计，解决了该领域因结构数据稀缺导致的方法开发难题 | 环肽结构数据库规模较小可能限制模型性能 | 开发基于深度学习的环肽结构预测与设计方法 | 7-13个氨基酸长度的环肽分子 | 计算生物学 | NA | 深度学习，X射线晶体学 | AlphaFold | 蛋白质序列与结构数据 | 49个天然环肽用于验证，7个设计序列通过晶体结构验证，约10,000个设计候选物 | AlphaFold | 改进的AlphaFold架构 | pLDDT，RMSD | NA |
| 829 | 2025-10-07 |
Artificial Intelligence and Machine Learning in Rotator Cuff Tears
2023-Sep-01, Sports medicine and arthroscopy review
IF:2.5Q2
DOI:10.1097/JSA.0000000000000371
PMID:37976127
|
综述 | 本文评估人工智能在肩袖撕裂管理中的当前应用与未来潜力 | 系统评估深度学习在肩袖撕裂诊断和预后预测中的创新应用 | 数据集规模较小，部分厚度撕裂分类存在复杂性 | 探索人工智能在肩袖撕裂诊疗管理中的应用价值 | 肩袖撕裂患者 | 医学影像分析 | 肩袖撕裂 | 磁共振成像，放射影像分析 | CNN | 医学影像 | NA | NA | 卷积神经网络 | 诊断准确率 | NA |
| 830 | 2025-10-07 |
The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis
2023-Nov-23, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.23.568470
PMID:38045294
|
研究论文 | 本研究通过大规模平行报告基因分析和深度学习模型揭示了斑马鱼胚胎发生过程中5' UTR在翻译调控中的调控景观 | 首次在脊椎动物早期发育中建立了5' UTR翻译调控的定量模型，发现了86个具有不同核糖体招募能力的调控基序 | 研究仅聚焦于斑马鱼胚胎发生的早期阶段，未涵盖其他发育阶段或物种 | 解析5' UTR在翻译调控中的调控特征和作用机制 | 斑马鱼胚胎发育过程中的5' UTR序列 | 计算生物学 | NA | 大规模平行报告基因分析，多核糖体分析，深度学习 | 深度学习模型 | 序列数据，翻译效率数据 | 18,154个5' UTR序列 | NA | DaniO5P | NA | NA |
| 831 | 2025-10-07 |
Active learning of enhancer and silencer regulatory grammar in photoreceptors
2023-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2023.08.21.554146
PMID:37662358
|
研究论文 | 本研究使用主动机器学习方法在哺乳动物视网膜中训练深度学习模型，以预测光感受器中增强子和沉默子的调控语法 | 采用主动机器学习策略，通过多轮合成DNA序列分析迭代训练模型，相比现有方法减少了一个数量级的训练数据需求 | 研究主要聚焦于光感受器转录因子CRX的结合基序，可能不直接适用于其他类型的调控元件 | 建立能够从DNA序列准确预测调控元件活性的深度学习模型 | 包含光感受器转录因子Cone-rod homeobox (CRX)结合基序的DNA序列 | 机器学习 | NA | 合成DNA序列分析，活体哺乳动物视网膜检测 | 深度学习 | DNA序列数据 | 多轮合成的DNA序列，具体数量未明确说明 | NA | NA | 模型内部置信度估计，序列活性预测准确性 | NA |
| 832 | 2025-05-17 |
Applications of Artificial Intelligence in Choroid Visualization for Myopia: A Comprehensive Scoping Review
2023 Oct-Dec, Middle East African journal of ophthalmology
IF:0.5Q4
DOI:10.4103/meajo.meajo_154_24
PMID:39959595
|
综述 | 本文综述了人工智能在近视患者脉络膜可视化中的应用，特别是深度学习技术在光学相干断层扫描（OCT）图像中分割脉络膜的效果和角色 | 综合评估了多种AI模型在脉络膜分割中的诊断准确性，并探讨了其在近视诊断和管理中的潜力 | 需要进一步标准化AI方法，并扩大其在更广泛临床环境中的应用 | 评估人工智能在近视患者脉络膜可视化中的应用效果 | 近视患者 | 数字病理 | 近视 | 光学相干断层扫描（OCT） | U-Net, LASSO回归, Attention-based Dense U-Net, ResNeSt101, Mask R-CNN | 图像 | 12项研究，涉及不同近视程度的患者 | NA | NA | NA | NA |
| 833 | 2025-05-16 |
Protocol to investigate the neural basis for copulation posture of Drosophila using a closed-loop real-time optogenetic system
2023-12-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102623
PMID:37788165
|
研究论文 | 本文提出了一种利用闭环实时光遗传系统研究果蝇交配姿势神经基础的协议 | 使用深度学习分析实现高效的光遗传学操作，仅在交配期间调控神经活动 | 协议的具体执行细节需参考Yamanouchi等人的研究 | 探究果蝇交配姿势的神经基础 | 果蝇 | 神经科学 | NA | 光遗传学 | 深度学习 | 行为数据 | NA | NA | NA | NA | NA |
| 834 | 2025-05-16 |
Chromatin accessibility in the Drosophila embryo is determined by transcription factor pioneering and enhancer activation
2023-10-09, Developmental cell
IF:10.7Q1
DOI:10.1016/j.devcel.2023.07.007
PMID:37557175
|
research paper | 该研究通过深度学习模型分析果蝇胚胎中的转录因子结合和染色质可及性数据，揭示了染色质可及性的两层次机制 | 利用可解释的深度学习模型解析了先驱转录因子Zelda与轴模式转录因子在染色质可及性中的层级关系 | 研究仅基于果蝇胚胎数据，在其他生物系统中的普适性有待验证 | 探究染色质可及性在转录因子识别顺式调控DNA序列中的作用机制 | 果蝇胚胎中的转录因子结合和染色质可及性 | computational biology | NA | deep learning, high-resolution TF binding and chromatin accessibility analysis | interpretable deep learning model | genomic sequencing data | 果蝇胚胎数据（具体数量未说明） | NA | NA | NA | NA |
| 835 | 2025-10-07 |
Artificial intelligence, machine learning, and deep learning in liver transplantation
2023-06, Journal of hepatology
IF:26.8Q1
DOI:10.1016/j.jhep.2023.01.006
PMID:37208107
|
综述 | 探讨人工智能、机器学习和深度学习在肝移植领域的应用前景与挑战 | 系统阐述AI技术在肝移植术前术后全流程中的创新应用场景 | 模型训练存在数据不平衡问题，存在数据隐私隐患，缺乏真实世界性能评估标准 | 研究人工智能技术在肝移植临床决策支持中的应用价值 | 终末期肝病患者的肝移植全过程管理 | 机器学习 | 肝病 | NA | 机器学习, 深度学习 | 人口统计学数据, 临床数据, 实验室数据, 病理数据, 影像数据, 组学数据 | NA | NA | NA | NA | NA |
| 836 | 2025-10-07 |
Using DeepContact with Amira graphical user interface
2023-12-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102558
PMID:37717213
|
protocol | 介绍如何在Amira软件中集成DeepContact深度学习模型，用于细胞器分割和膜接触位点量化 | 将DeepContact深度学习模型与Amira图形用户界面相结合，提供用户友好的膜接触位点分析工具 | 仅支持2D电子显微镜图像分析，具体使用细节需参考原始文献 | 开发膜接触位点的高通量量化方法 | 2D电子显微镜图像中的膜接触位点 | digital pathology | NA | electron microscopy | deep learning | 2D electron microscopy images | NA | NA | DeepContact | NA | NA |
| 837 | 2025-10-07 |
Protocol to analyze fundus images for multidimensional quality grading and real-time guidance using deep learning techniques
2023-12-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102565
PMID:37733597
|
研究论文 | 提出DeepFundus协议，使用深度学习技术对眼底图像进行多维质量分级并为现场图像采集提供实时指导 | 开发了能够进行多维眼底图像质量分类并提供实时采集指导的深度学习系统 | NA | 解决医学人工智能研究中数据质量问题，提高眼底图像采集质量 | 眼底图像 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习模型 | 图像 | NA | Python | NA | NA | NA |
| 838 | 2025-10-07 |
Deep learning assisted single particle tracking for automated correlation between diffusion and function
2023-Nov-17, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.16.567393
PMID:38014323
|
研究论文 | 提出DeepSPT深度学习框架，用于自动分析细胞内颗粒的扩散行为与功能关联 | 首次开发出能够仅通过扩散行为自动提取功能信息的深度学习框架，实现秒级分析而非传统所需的数周时间 | NA | 开发自动化工具来关联亚细胞颗粒扩散行为与生物学功能 | 病毒感染的早期事件、内体细胞器、网格蛋白包被小窝和囊泡 | 计算机视觉 | 病毒感染 | 光学显微镜，单颗粒追踪 | 深度学习 | 2D/3D时间序列图像 | NA | NA | DeepSPT | 准确率 | NA |
| 839 | 2025-10-07 |
Protocol for predicting peptides with anticancer and antimicrobial properties by a tri-fusion neural network
2023-09-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102541
PMID:37660298
|
研究论文 | 介绍使用TriNet三融合神经网络预测具有抗癌和抗菌特性的肽 | 开发了名为TriNet的三融合神经网络架构用于肽性质预测 | NA | 预测具有抗癌和抗菌特性的肽 | 肽序列 | 机器学习 | 癌症, 感染性疾病 | 深度学习 | 神经网络 | 肽序列数据 | NA | Python | TriNet（三融合神经网络） | NA | NA |
| 840 | 2025-10-07 |
Label-free imaging of nuclear membrane for analysis of nuclear import of viral complexes
2023-12, Journal of virological methods
IF:2.2Q3
DOI:10.1016/j.jviromet.2023.114834
PMID:37875225
|
研究论文 | 本研究开发了一种基于深度学习的方法，利用透射光显微镜实现核膜的无标记成像，用于分析HIV-1病毒复合物的核输入过程 | 首次使用深度神经网络模型通过透射光显微镜实现核膜的无标记可视化，避免了传统荧光标记的局限性 | 模型训练基于固定细胞数据，虽然已证明可适用于活细胞成像，但在原代细胞中的应用仍需进一步验证 | 研究HIV-1病毒复合物在非分裂细胞中的核输入机制 | HIV-1病毒复合物、细胞核膜、核孔复合物 | 数字病理 | HIV感染 | 透射光显微镜、荧光显微镜、单病毒追踪 | 深度神经网络 | 图像 | 未明确说明具体样本数量 | 未明确说明 | 未明确说明具体架构 | 预测准确性（通过与荧光标记真实值对比验证） | NA |