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 142 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 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 |
| 22 | 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 |
| 23 | 2025-10-07 |
Massively parallel characterization of psychiatric disorder-associated and cell-type-specific regulatory elements in the developing human cortex
2023-Feb-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.02.15.528663
PMID:36824845
|
研究论文 | 通过大规模并行报告基因检测系统分析人类发育期大脑皮层中的基因调控元件及其与精神疾病的关联 | 首次在人类原代细胞和脑类器官中系统评估了超过10万个调控序列的功能活性，并利用深度学习解析增强子活性的序列基础和上游调控因子 | 研究主要聚焦于发育期大脑皮层，未涵盖其他脑区或发育阶段 | 建立人类神经元发育过程中功能性基因调控元件和变异的全面目录 | 人类中期妊娠皮层原代细胞和脑类器官 | 计算生物学 | 精神疾病 | 大规模并行报告基因检测(MPRA), 深度学习 | 深度学习模型 | 基因组序列数据, 表观遗传数据 | 102,767个调控序列 | NA | NA | 增强子活性显著性变化 | NA |
| 24 | 2025-10-07 |
De novo design of luciferases using deep learning
2023-02, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-05696-3
PMID:36813896
|
研究论文 | 本研究使用深度学习方法从头设计具有高活性和选择性的荧光素酶 | 开发了基于深度学习的'家族级幻觉'方法，能够生成大量包含多样化口袋形状的理想化蛋白质结构和编码这些结构的序列 | NA | 从头设计具有高催化效率和底物选择性的荧光素酶 | 人工设计的荧光素酶及其对合成荧光素底物（二苯基特拉嗪和2-脱氧腔肠素）的催化性能 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构数据 | NA | NA | NA | 催化效率(k/K)、底物选择性、热稳定性(熔解温度)、酶分子量 | NA |
| 25 | 2025-04-04 |
Machine Learning for Adrenal Gland Segmentation and Classification of Normal and Adrenal Masses at CT
2023-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.220101
PMID:36125375
|
研究论文 | 本研究开发了一种机器学习算法，用于在增强CT图像上分割肾上腺并分类正常和含肿块的肾上腺 | 提出了一种两阶段的机器学习流程，能够自动分割肾上腺并区分正常肾上腺和含肿块的肾上腺 | 在二次测试集上的分类敏感性较低（69%） | 开发一种用于肾上腺分割和分类的机器学习算法 | 增强CT图像中的肾上腺 | 计算机视觉 | 肾上腺疾病 | 深度学习 | 深度学习分割和分类模型 | CT图像 | 开发数据集包含274例CT检查（251名患者），二次测试集包含991例CT检查（991名患者） | NA | NA | NA | NA |
| 26 | 2025-10-07 |
Transport-based morphometry of nuclear structures of digital pathology images in cancers
2023-Feb-02, ArXiv
PMID:36776820
|
研究论文 | 提出一种基于最优传输理论的核结构形态测量新方法，用于分析癌症数字病理图像中的核染色质结构 | 开发了基于最优传输理论的形态测量框架，可直接从成像数据建模核染色质结构信息内容，无需依赖传统特征提取方法 | NA | 开发定量核形态测量方法以区分良恶性肿瘤 | 癌症数字病理图像中的细胞核结构 | 数字病理学 | 癌症 | 数字病理成像 | NA | 图像 | NA | NA | NA | NA | NA |
| 27 | 2025-10-07 |
High-throughput property-driven generative design of functional organic molecules
2023-Feb, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00391-1
PMID:38177626
|
研究论文 | 本研究开发了一种结合生成式深度学习与监督式深度学习的分子设计方法，用于高效发现具有优化电子特性的有机分子 | 通过将预测分子三维构象的生成模型与预测电子特性的监督模型相结合，实现了对多个分子特性的帕累托优化，无需在预测过程中进行量子化学计算 | 方法主要针对有机电子学应用进行验证，在其他材料领域的适用性需要进一步测试 | 开发高效的功能性有机分子生成设计方法 | 有机分子 | 机器学习 | NA | 深度学习 | 生成式深度学习模型, 监督式深度学习模型 | 分子三维构象数据, 电子结构数据 | NA | NA | NA | 帕累托最优性 | NA |
| 28 | 2025-02-21 |
Attention-assisted hybrid 1D CNN-BiLSTM model for predicting electric field induced by transcranial magnetic stimulation coil
2023-02-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-29695-6
PMID:36781975
|
研究论文 | 本文提出了一种基于1D CNN和BiLSTM的注意力机制模型，用于预测经颅磁刺激线圈感应的电场 | 结合1D CNN和BiLSTM的注意力机制模型，提高了电场预测的准确性和效率 | 未提及具体局限性 | 提高经颅磁刺激线圈感应电场的预测准确性和效率 | 经颅磁刺激线圈感应的电场 | 机器学习 | NA | NA | 1D CNN-BiLSTM | 模拟数据 | NA | NA | NA | NA | NA |
| 29 | 2025-02-21 |
Long Short-term Memory-Based Prediction of the Spread of Influenza-Like Illness Leveraging Surveillance, Weather, and Twitter Data: Model Development and Validation
2023-02-06, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/42519
PMID:36745490
|
研究论文 | 本研究开发并验证了一种基于长短期记忆（LSTM）神经网络的模型，用于预测流感样疾病（ILI）的传播，结合了监测数据、天气数据和Twitter数据 | 首次结合ILI监测数据、天气数据和Twitter数据，利用深度学习技术开发预测模型，用于ILI病例的实时预测和预报 | 研究主要针对希腊地区，可能在其他地区或社交媒体平台上的适用性需要进一步验证 | 开发能够实时预测和预报ILI病例的模型，以增强传染病监测的准确性和可靠性 | ILI监测数据、天气数据和Twitter数据 | 自然语言处理 | 流感样疾病 | LSTM神经网络 | LSTM | 文本、时间序列数据 | 2010年至2019年希腊地区的ILI监测数据、天气数据和Twitter数据 | NA | NA | NA | NA |
| 30 | 2025-02-21 |
Clinical Decision Support Systems to Predict Drug-Drug Interaction Using Multilabel Long Short-Term Memory with an Autoencoder
2023-02-02, International journal of environmental research and public health
DOI:10.3390/ijerph20032696
PMID:36768060
|
研究论文 | 本文提出了一种基于深度学习的药物-药物相互作用预测技术SSODL-DDIP，用于大数据环境下的医疗决策支持 | 结合麻雀搜索优化算法与多标签长短期记忆网络和自编码器模型，提高了药物-药物相互作用预测的准确性和性能 | 未提及具体的数据集大小或实验的具体限制条件 | 开发一种新的技术来预测药物-药物相互作用，以提高药物研究中的安全性 | 药物-药物相互作用 | 机器学习 | NA | 深度学习 | 多标签长短期记忆网络（MLSTM）与自编码器（AE） | 药物相关网络或分子图数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 31 | 2025-02-21 |
Attention-Based Convolutional Recurrent Deep Neural Networks for the Prediction of Response to Repetitive Transcranial Magnetic Stimulation for Major Depressive Disorder
2023-Feb, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065723500077
PMID:36641543
|
研究论文 | 本文开发了一种基于深度学习的模型，用于预测重度抑郁症患者对重复经颅磁刺激治疗的反应 | 结合了预训练的卷积神经网络（CNN）和带有注意力机制的长短期记忆（LSTM）单元，充分利用了脑电图信号的时空信息 | 样本量较小，仅涉及34名患者 | 预测重度抑郁症患者对重复经颅磁刺激治疗的反应 | 34名重度抑郁症患者的脑电图信号 | 机器学习 | 重度抑郁症 | 脑电图信号分析 | VGG16, Xception, EfficientNetB0, LSTM | 脑电图信号 | 34名患者 | NA | NA | NA | NA |
| 32 | 2025-10-07 |
Deep Learning Estimation of 10-2 Visual Field Map Based on Circumpapillary Retinal Nerve Fiber Layer Thickness Measurements
2023-02, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2022.10.013
PMID:36328198
|
研究论文 | 本研究开发了基于卷积神经网络的深度学习模型，通过视网膜神经纤维层厚度测量来估计青光眼患者的10-2视野图 | 首次使用卷积神经网络从SD-OCT环形扫描的RNFL厚度信息中估计10-2视野图的68个个体敏感度阈值 | 研究样本仅包含724名患者的5352次扫描，需要更大规模验证 | 利用人工智能技术从结构数据估计功能性的视野图 | 健康受试者、疑似青光眼患者和青光眼患者的1365只眼睛 | 医学影像分析 | 青光眼 | 光谱域光学相干断层扫描 | CNN | 医学影像 | 5352次SD-OCT扫描和10-2视野图对，来自1365只眼睛 | NA | 卷积神经网络 | 平均绝对误差, 相关系数 | NA |
| 33 | 2025-01-04 |
Deep learning-based method for segmenting epithelial layer of tubules in histopathological images of testicular tissue
2023-Feb, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.S1.S17501
PMID:37153721
|
研究论文 | 本文提出了一种基于深度学习的自动化方法，用于分割睾丸组织病理图像中的生精小管上皮层 | 使用ResNet-34作为特征编码器模块，并在编码模块中集成了压缩和激励注意力块，以提高上皮层的分割和定位效果 | 尽管在有限训练集上表现良好，但训练集规模较小 | 开发自动化方法以检测睾丸组织中的异常 | 睾丸组织中的生精小管上皮层 | 数字病理学 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 34 | 2024-12-16 |
OCTOPUS - Optical coherence tomography plaque and stent analysis software
2023-Feb, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e13396
PMID:36816277
|
研究论文 | 本文介绍并评估了一种高度自动化的软件包OCTOPUS，用于在血管内光学相干断层扫描（IVOCT）图像中进行冠状动脉斑块和支架的定量分析 | 开发了OCTOPUS软件，提供高度自动化的冠状动脉斑块和支架分析，包括深度学习斑块分割和机器学习支架支柱识别等算法 | 目前OCTOPUS主要作为离线研究工具使用，尚未应用于实时治疗规划 | 开发一种用于IVOCT图像中冠状动脉斑块和支架分析的自动化软件 | 冠状动脉斑块和支架 | 数字病理学 | 心血管疾病 | 光学相干断层扫描（IVOCT） | 深度学习模型和机器学习模型 | 图像 | 34个新的pullbacks样本 | NA | NA | NA | NA |
| 35 | 2024-12-08 |
Deep Learning Solution for Quantification of Fluorescence Particles on a Membrane
2023-Feb-05, Sensors (Basel, Switzerland)
DOI:10.3390/s23041794
PMID:36850392
|
研究论文 | 本文提出了一种基于YOLOv5算法的深度学习方法，用于检测和量化膜上荧光颗粒，特别是SARS-CoV-2病毒颗粒 | 本文创新性地使用了YOLOv5算法和CSPnet作为其骨干网络，结合测试时间增强（TTA）算法，实现了对多尺度、形状多变的荧光细胞的高效检测和量化 | 本文未提及具体的局限性 | 开发一种高效、准确的深度学习方法，用于检测和量化环境水样中的SARS-CoV-2病毒颗粒 | SARS-CoV-2病毒颗粒及其荧光细胞 | 计算机视觉 | NA | YOLOv5算法 | CNN | 图像 | 使用由Linde + Robinson实验室提供的私有数据集进行评估 | NA | NA | NA | NA |
| 36 | 2024-12-08 |
A deep generative prior for high-resolution isotropic MR head slices
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2654032
PMID:39629055
|
研究论文 | 本文训练了一个StyleGAN3-T模型，用于生成高分辨率各向同性的头部MR切片 | 本文首次在头部MR切片上训练了一个StyleGAN3-T模型，并保留了图像的完整性以适用于下游任务 | NA | 开发一个能够生成高分辨率各向同性头部MR切片的生成模型 | 头部MR切片 | 计算机视觉 | NA | StyleGAN3-T | GAN | 图像 | 使用了来自多个方向和对比度的1mm各向同性体积的切片 | NA | NA | NA | NA |
| 37 | 2024-11-09 |
A method using deep learning to discover new predictors from left-ventricular mechanical dyssynchrony for CRT response
2023-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1007/s12350-022-03067-5
PMID:35915327
|
研究论文 | 本研究利用深度学习技术从左心室机械不同步性的极坐标图中发现新的预测因子，以帮助选择可能对心脏再同步治疗有高反应的心衰患者 | 本研究首次使用自编码器技术从左心室机械不同步性的极坐标图中提取新的预测因子，并在外部验证中显示出良好的预测价值 | 本研究样本量较小，且仅在一个外部验证集中进行了验证，需要进一步的大规模多中心研究来验证其普适性 | 发现新的预测因子以提高心脏再同步治疗反应的预测准确性 | 左心室机械不同步性的极坐标图和心脏再同步治疗反应 | 机器学习 | 心血管疾病 | 自编码器技术 | 自编码器 | 图像 | 157名接受静息门控单光子发射计算机断层扫描心肌灌注成像的患者 | NA | NA | NA | NA |
| 38 | 2024-10-26 |
Deep Constrained Spherical Deconvolution for Robust Harmonization
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2654398
PMID:37228707
|
研究论文 | 本文提出了一种基于深度学习的DW-MRI信号协调方法，以提高微结构估计的可靠性和可重复性 | 引入了数据驱动的扫描仪不变正则化方案，以更稳健地估计纤维方向分布函数（FODF） | NA | 旨在解决DW-MRI在多站点和/或纵向扩散研究中的测量变异性问题 | DW-MRI信号和纤维方向分布函数（FODF） | 计算机视觉 | NA | 扩散加权磁共振成像（DW-MRI） | 深度学习 | 图像 | 研究了Human Connectome Project的年轻成人测试-重测组以及MASiVar数据集（包括跨站点和跨扫描/重扫描数据） | NA | NA | NA | NA |
| 39 | 2024-10-26 |
Topological-Preserving Membrane Skeleton Segmentation in Multiplex Immunofluorescence Imaging
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2654087
PMID:37786583
|
研究论文 | 本文提出了一种基于深度学习的膜骨架分割方法，用于多重免疫荧光成像中的细胞分割 | 本文创新性地结合了全局和局部信息，使用深度学习方法进行膜骨架分割，并提出了一个新的体积度量指标用于评估 | 本文未详细讨论模型在不同细胞类型和成像条件下的泛化能力 | 研究目的是提高多重免疫荧光成像中细胞分割的准确性和拓扑保持性 | 研究对象是多重免疫荧光成像中的膜骨架 | 计算机视觉 | NA | 多重免疫荧光成像 | 深度学习网络 | 图像 | 80张膜多重免疫荧光图像用于5折交叉验证 | NA | NA | NA | NA |
| 40 | 2024-10-26 |
Longitudinal Variability Analysis on Low-dose Abdominal CT with Deep Learning-based Segmentation
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2653762
PMID:37465093
|
研究论文 | 研究使用深度学习方法对低剂量腹部CT图像进行纵向变异性分析 | 首次对低剂量单切片CT图像进行纵向变异性的全面研究，并使用深度学习进行自动分割 | 研究仅限于2D切片，且样本量相对较小 | 评估低剂量腹部CT图像在纵向变异性中的稳定性和变异性 | 1469名受试者的1816张低剂量腹部CT图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 1469名受试者的1816张图像 | NA | NA | NA | NA |