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 2675 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2026-08-10 |
Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies
2023-Sep-17, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.13.557544
PMID:37745446
|
研究论文 | 本文利用半监督深度自编码器对斑马鱼幼虫的高维行为数据进行特征提取，以识别暴露于毒物后的异常行为，并发现传统统计方法未能捕捉的新化学物质效应 | 首次将半监督深度自编码器应用于斑马鱼高维行为数据的异常检测，能够识别传统统计方法（如仅基于移动距离）无法捕捉的多种化学物质-浓度组合下的行为异常 | 未在摘要中提及明确的局限性，可能包括模型对训练数据的依赖性、对复杂行为解释的挑战以及需要进一步验证的泛化能力 | 开发一种基于深度自编码器的行为模式识别方法，以更全面分析斑马鱼幼虫暴露于环境毒物后的高维行为数据，改进神经毒性筛选 | 斑马鱼幼虫的行为数据，包括未暴露和暴露于纳米材料、芳香族化合物、全氟和多氟烷基物质（PFAS）等环境污染物后的行为 | 机器学习 | 神经发育毒性 | 行为成像 | 深度自编码器 | 行为数据（图像/视频序列中的空间时间响应） | 未明确具体样本数量，但涉及未暴露和暴露于多种毒物的斑马鱼幼虫 | NA | 深度自编码器 | NA | NA |
| 122 | 2026-08-09 |
A machine learning method to process voice samples for identification of Parkinson's disease
2023-11-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-47568-w
PMID:37996478
|
研究论文 | 本研究利用机器学习方法处理个人电话采集的持续元音/a/语音样本，用于帕金森病的自动识别，并展示了预训练卷积神经网络（Inception V3）迁移学习在频谱图分析中的优越性 | 创新点包括验证自然环境下个人电话采集的语音样本的可靠性，以及首次将预训练卷积神经网络（Inception V3）迁移学习应用于频谱图分析以区分帕金森病患者与健康对照 | 未提及 | 验证机器学习方法在个人电话采集语音样本中识别帕金森病的可靠性，并比较深度学习方法与传统特征分类的性能 | 帕金森病患者与健康对照个体的持续元音/a/语音样本 | 数字病理学 | 帕金森病 | 语音录音 | 卷积神经网络 | 语音 | 50名帕金森病患者和50名健康对照 | 未提及 | Inception V3 | 未提及 | 未提及 |
| 123 | 2026-08-07 |
Structure-Aware Annotation of Leucine-rich Repeat Domains
2023-Nov-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.27.562987
PMID:37961157
|
研究论文 | 开发基于结构感知的降维方法，用于注释富含亮氨酸重复结构域的重复单元，并纠正现有序列基预测工具的误差 | 利用深度学习预测的蛋白质结构，通过降维方法改进序列基域注释，能够自动检测发夹环和结构异常 | 方法仅在特定蛋白质家族（LRR）和植物物种中验证，可能不适用于其他域类型 | 改进蛋白质结构域注释的准确性，特别是针对富含亮氨酸重复结构域 | 拟南芥中127个含LRR结构域的细胞内先天免疫蛋白的预测结构，以及172个手动注释LRR域的基准数据集 | 结构生物学 | NA | 深度学习蛋白质结构预测、降维分析 | HMM（作为基线） | 蛋白质结构数据、序列数据 | 127个预测结构、172个手动注释LRR域 | NA | NA | 准确性、错误纠正能力 | NA |
| 124 | 2026-08-07 |
Whole genome deconvolution unveils Alzheimer's resilient epigenetic signature
2023-08-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-40611-4
PMID:37587197
|
研究论文 | 开发了一种名为Cellformer的深度学习方法，用于从批量ATAC-seq数据中解卷积出细胞类型特异的染色质开放状态，并应用于阿尔茨海默病韧性研究 | 首次提出基于深度学习的全基因组批量ATAC-seq解卷积方法Cellformer，能高效低成本地实现大规模队列中细胞类型特异的开放染色质分析 | 未提及明显的局限性 | 开发一种深度学习工具，从批量ATAC-seq数据中推断细胞类型特异的基因调控机制，并识别阿尔茨海默病韧性的表观遗传学特征 | 191个来自3个脑区的批量ATAC-seq样本，涉及阿尔茨海默病韧性个体 | 深度学习 | 阿尔茨海默病 | ATAC-seq | 深度学习模型 | 基因表达谱（ATAC-seq数据） | 191个批量样本，来自3个脑区 | NA | Transformer | NA | NA |
| 125 | 2026-08-06 |
Fine-tuning TrailMap: The utility of transfer learning to improve the performance of deep learning in axon segmentation of light-sheet microscopy images
2023-Oct-23, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.23.563546
PMID:37961439
|
研究论文 | 本研究通过微调预训练的TrailMap模型，利用专家标注的小鼠脑去甲肾上腺素能轴突结构数据，优化了光片显微镜图像中轴突分割的深度学习性能，提高了召回率并有时改善了调整后的F1分数 | 通过微调TrailMap模型的最后两层并以较低学习率进行迁移学习，显著提高了轴突分割的召回率，并偶尔改善了调整后的F1分数，这是对现有模型性能的优化 | 未明确提及具体局限性，可能包括微调数据仅来自特定类型轴突（去甲肾上腺素能），且测试数据集中改进效果不一致（召回率提升但F1分数改善不总是出现） | 通过优化迁移学习，提高深度学习模型在光片显微镜图像中轴突分割的性能，以自动化替代耗时的手动分割 | 小鼠脑中的去甲肾上腺素能轴突结构，来自光片显微镜图像 | 数字病理学、计算机视觉 | 不适用（该研究未涉及特定疾病，而是聚焦于神经解剖结构的分割） | 光片显微镜、迁移学习 | 深度学习模型（基于TrailMap模型的神经网络） | 图像（光片显微镜图像） | 未明确提供样本数量，但使用了专家标注的来自小鼠脑去甲肾上腺素能轴突结构的数据 | 未明确指定（可能基于深度学习框架，但未提及具体如PyTorch或TensorFlow） | TrailMap模型，微调了神经网络的最后两层 | 召回率、调整后的F1分数 | 未提及具体的计算资源 |
| 126 | 2026-08-04 |
Coupling analysis of heart rate variability and cortical arousal using a deep learning algorithm
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0284167
PMID:37023117
|
研究论文 | 本研究利用深度学习算法分析心率变异性与皮层觉醒之间的耦合关系，基于多民族动脉粥样硬化研究数据集中的心电图信号，发现皮层觉醒期间心率及HRV增加，且反应因性别和睡眠阶段而异 | 首次在种族多样人群中通过深度学习工具自动标注皮层觉醒事件，并结合时间分析区分觉醒病因，探索皮层觉醒与HRV的瞬时关联 | 未在文中明确提及具体限制，但可能包括样本特异性或对ECG信号分析的依赖性 | 探讨皮层觉醒与心率变异性之间的瞬时关联，并分析其在不同性别、睡眠阶段及觉醒病因下的变化 | 1,069名受试者的整夜心电图信号及皮层觉醒事件 | 数字病理学 | 睡眠呼吸障碍 | 心电图信号分析 | 深度学习模型 | 心电图信号 | 1,069名受试者的整夜心电图信号 | NA | NA | NA | NA |
| 127 | 2026-08-02 |
Assessing an AI-based Smart Imagery Framing and Truthing (SIFT) system to assist radiologists annotating lung abnormalities on chest X-ray images for development of deep learning models
2023, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2653826
PMID:42534261
|
研究论文 | 评估一种基于AI的智能影像框定与标注（SIFT）系统，辅助放射科医生标注胸部X光图像中的肺异常，以支持深度学习模型的开发 | 集成基于卷积神经网络的增强型MaskR-CNN和多层感知器神经网络，实现自动标注ROI、精细边界注释、置信度评分及推荐其他可能异常类型，有效提高放射科医生标注的一致性和效率 | 未提及 | 评估SIFT系统在自动标注多疾病胸部X光图像中的辅助作用，以提高放射科医生的标注一致性、效率和准确性 | 胸部X光图像中的肺异常，包括肺结核、肺结节、肺炎、COVID-19和纤维化 | 计算机视觉 | 肺部疾病 | NA | CNN、MLP | 图像 | 训练数据含307415个ROI和67071张正常胸部X光图像；测试数据含178张CXR图像和272个ROI | NA | MaskR-CNN、多层感知器 | 接受率、变异减少、平均IOU、一致真阳性率、假阳性率、标注时间 | NA |
| 128 | 2026-08-01 |
Flexible Protein-Protein Docking with a Multi-Track Iterative Transformer
2023-Jul-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.06.29.547134
PMID:37425754
|
研究论文 | 提出了一种名为GeoDock的多轨迭代Transformer网络，用于柔性蛋白质-蛋白质对接，可预测结合诱导的构象变化。 | 允许在残基级别预测构象变化，输入仅为对接伙伴的序列和结构，无需多序列比对；推理速度极快（单GPU上平均低于一秒）。 | 结合诱导的构象变化仍然是一个挑战，因为训练和评估数据有限。 | 开发一种快速且灵活的蛋白质-蛋白质对接方法，以支持高通量复杂结构预测和结构基虚拟筛选。 | 蛋白质-蛋白质对接中的蛋白质结构。 | 机器学习 | 不适用 | 不适用 | Transformer | 蛋白质序列和结构 | 基准集：刚性靶标（具体数量未提供）和柔性靶标（具体数量未提供）；使用多个基准集评估。 | PyTorch（根据GitHub链接推断，但未在摘要中明确说明） | 多轨迭代Transformer | 成功率 | 单个GPU |
| 129 | 2026-07-31 |
Fast Auto-Differentiable Digitally Reconstructed Radiographs for Solving Inverse Problems in Intraoperative Imaging
2023, Clinical image-based procedures : from planning to intervention : international workshop, CLIP ..., held in conjunction with MICCAI ... : revised selected papers. CLIP (Workshop)
DOI:10.1007/978-3-031-23179-7_1
PMID:42524476
|
研究论文 | 提出一种快速可自动微分的数字重建放射影像生成器，用于解决术中成像中的逆问题 | 将Siddon射线追踪算法重新表述为向量化张量运算，并在PyTorch中实现，使DRR生成器完全可微，支持基于梯度的优化和深度学习框架 | 论文未明确说明局限性，但可推断该方法可能依赖于GPU资源，且尚未在真实临床数据上验证其优势 | 解决术中成像中DRR生成速度慢且不支持梯度计算的挑战，实现基于梯度的快速优化以支持微创手术中的图像引导 | 数字重建放射影像（DRR）生成器在切片到体积配准问题中的应用 | 计算机视觉 | 不适用 | 数字重建放射影像（DRR）生成 | 不适用（方法为DRR生成器，非传统模型） | 医学图像（如CT扫描生成的DRR） | 未明确说明样本量，基于模拟实验 | PyTorch | 不适用（基于Siddon方法的向量化实现） | 不适用（论文主要关注渲染速度和可微分性，未提及具体评估指标） | GPU加速（具体类型未说明） |
| 130 | 2026-07-30 |
Comparison of deep learning-based recurrence-free survival with random survival forest and Cox proportional hazard models in Stage-I NSCLC patients
2023-09, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.6479
PMID:37644818
|
研究论文 | 比较深度学习模型DeepSurv、随机生存森林和Cox比例风险模型在I期非小细胞肺癌患者无复发生存预测中的性能 | 首次在I期非小细胞肺癌患者中系统比较深度学习生存模型与传统统计和机器学习方法在复发预测中的表现 | 单中心回顾性研究，样本量有限（268例），且未提及基因突变等分子标志物对复发的影响 | 评估不同统计和机器学习方法在I期非小细胞肺癌复发预测中的效能，为临床决策提供依据 | 接受手术切除的I期非小细胞肺癌患者 | 机器学习 | 肺癌 | NA | DeepSurv, 随机生存森林, Cox比例风险模型 | 临床数据 | 268例I期非小细胞肺癌患者（训练集和测试集随机划分） | NA | DeepSurv | Harrell's C指数 | NA |
| 131 | 2026-07-28 |
Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease
2023-Sep-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.22.23295984
PMID:37808872
|
研究论文 | 提出一种疾病驱动的域泛化方法，用于基于神经影像的阿尔茨海默病评估 | 利用模型可解释性来提升分类模型在多个队列间的泛化能力，通过将类别级注意力与统一的视觉显著性先验对齐来指导模型训练 | NA | 开发深度学习方法以克服多中心MRI数据中的分布差异，实现跨队列泛化的认知障碍评估 | 从四个独立队列获取的MRI扫描影像和临床诊断数据 | 计算机视觉 | 阿尔茨海默病 | MRI | 深度神经网络 | 图像 | 来自ADNI（1821例）、FHS（304例）、AIBL（661例）和NACC（4647例）四个队列的MRI数据 | NA | NA | NA | NA |
| 132 | 2026-07-28 |
DeepComBat: A Statistically Motivated, Hyperparameter-Robust, Deep Learning Approach to Harmonization of Neuroimaging Data
2023-Apr-24, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.24.537396
PMID:37163042
|
研究论文 | DeepComBat是一种基于条件变分自编码器和ComBat模型的深度学习方法，用于消除神经影像数据中的批次效应 | 基于统计启发的深度学习框架，放宽了先前深度学习协调方法的强假设，对超参数选择具有经验鲁棒性 | NA | 设计一种有效去除神经影像数据批次效应的深度学习方法，提高数据的泛化性和可重复性 | 神经影像数据中的批次效应及其对下游机器学习分析的影响 | 机器学习 | 老年病 | 神经影像 | 条件变分自编码器 | 神经影像数据 | 大型认知衰老队列 | NA | 条件变分自编码器 | 机器学习方法评估指标 | NA |
| 133 | 2026-07-24 |
NAG-Net: Nested attention-guided learning for segmentation of carotid lumen-intima interface and media-adventitia interface
2023-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2023.106718
PMID:36889027
|
研究论文 | 提出一种嵌套注意力引导的深度学习模型NAG-Net，用于颈动脉管腔-内膜界面和中外膜界面的精准分割 | 创新性地通过视觉注意力图将任务相关临床领域知识融入模型，使分割网络聚焦于临床医生在同一任务下的视觉关注区域，且无需复杂后处理即可直接获取精细轮廓，同时设计通道注意力编码器特征融合块增强特征表示 | 未明确提及，但数据稀缺性影响通过迁移学习部分缓解 | 实现颈动脉管腔-内膜界面和中外膜界面的精准分割，以测量内膜-中膜厚度，用于心血管疾病的早期筛查和预防 | 颈动脉超声图像中的管腔-内膜界面和中外膜界面 | 计算机视觉, 数字病理学 | 心血管疾病 | NA | CNN | 图像 | 未明确说明 | PyTorch | VGG-16 | 准确性，精确率，召回率，F1分数，Dice系数 | NA |
| 134 | 2026-07-24 |
Identifying keystone species in microbial communities using deep learning
2023-Mar-31, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.15.532858
PMID:36993659
|
研究论文 | 提出基于深度学习的DKI框架，用于识别微生物群落中的关键物种 | 首次利用深度学习隐式学习微生物群落组装规则，通过“思想实验”量化物种关键度，实现数据驱动的关键物种识别 | 依赖特定生境微生物样本的训练数据质量，合成数据验证与真实生态系统的复杂性可能存在差距 | 建立系统性识别微生物群落关键物种的高效方法 | 人类肠道、口腔微生物组、土壤及珊瑚微生物组中的物种 | 机器学习 | NA | 深度学习模型训练与群落动力学合成数据生成 | 深度学习模型（具体结构未指明） | 微生物组丰度数据（合成数据与真实宏基因组数据） | 涉及人类肠道、口腔、土壤和珊瑚多个生境的微生物样本（具体数量未说明） | NA | NA | NA | NA |
| 135 | 2026-07-23 |
RETRACTED: Blockchain-Powered Healthcare Systems: Enhancing Scalability and Security with Hybrid Deep Learning
2023-09-07, Sensors (Basel, Switzerland)
DOI:10.3390/s23187740
PMID:37765797
|
研究论文 | 提出一种结合区块链与混合深度学习技术的新型医疗系统，旨在提升可扩展性与安全性 | 首次提出基于权限的区块链框架与混合深度学习模型相结合，用于医疗数据的可扩展与安全处理 | 计算复杂性、法规遵从性和伦理考量仍需解决 | 提升医疗系统的可扩展性、安全性及数据管理效率 | 医疗数据（包括病历、影像和传感器数据）以及医疗系统中的数据共享与访问控制 | 机器学习 | NA | NA | 混合深度学习模型（结合深度学习与机器学习） | 文本、图像、传感器数据 | NA | NA | NA | NA | NA |
| 136 | 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 |
| 137 | 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 |
| 138 | 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 |
| 139 | 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 |
| 140 | 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 |