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 162 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-10-07 |
Deep Learning Initialized Compressed Sensing (Deli-CS) in Volumetric Spatio-Temporal Subspace Reconstruction
2023-Mar-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.28.534431
PMID:37034586
|
研究论文 | 提出深度学习初始化压缩感知方法加速容积时空MRI重建 | 结合深度学习与压缩感知，通过DL生成初始点来启动迭代重建，减少重建时间同时控制计算资源需求 | 需要验证在更广泛数据集上的泛化能力，未明确说明训练数据规模 | 减少MRI重建时间同时限制深度学习引起的伪影风险 | 容积多轴螺旋投影磁共振指纹成像数据 | 医学影像分析 | NA | 磁共振成像，螺旋投影采集 | 深度学习 | k空间数据，MRI图像 | NA | GPU实现 | NA | 重建质量，重建时间，迭代次数 | GPU内存4.7 GB |
| 42 | 2025-02-21 |
Radar Human Activity Recognition with an Attention-Based Deep Learning Network
2023-Mar-16, Sensors (Basel, Switzerland)
DOI:10.3390/s23063185
PMID:36991896
|
研究论文 | 本文提出了一种基于注意力机制的深度学习网络，用于雷达人类活动识别（HAR），旨在提高识别精度和计算效率 | 提出了一种新的网络结构，结合了一维卷积神经网络（1D CNN）和基于注意力机制的长短期记忆网络（LSTM），以解耦雷达预处理信号的时频特征，并通过平均消除方法增强活动特征 | 尽管在识别精度和计算效率上有所提升，但该方法在实时嵌入式应用中的实际效果仍需进一步验证 | 提高雷达人类活动识别的精度和计算效率，以适用于实时嵌入式应用 | 雷达预处理微多普勒信号 | 计算机视觉 | NA | 深度学习 | 1D CNN, LSTM | 雷达信号 | 基于两个人类活动数据集进行实验 | NA | NA | NA | NA |
| 43 | 2025-02-21 |
Secondary and Topological Structural Merge Prediction of Alpha-Helical Transmembrane Proteins Using a Hybrid Model Based on Hidden Markov and Long Short-Term Memory Neural Networks
2023-Mar-16, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms24065720
PMID:36982795
|
研究论文 | 本研究提出了一种结合深度学习和隐马尔可夫模型的混合模型HDNNtopss，用于预测α-螺旋跨膜蛋白的二级和拓扑结构 | 结合了深度学习的特征提取能力和隐马尔可夫模型的状态路径概率，实现了灵活且生物学意义更强的序列预测 | NA | 预测α-螺旋跨膜蛋白的二级和拓扑结构，以进一步理解其结构和功能 | α-螺旋跨膜蛋白 | 机器学习 | NA | 深度学习神经网络（DNNs）和类隐马尔可夫模型（CHMM） | BiLSTM, CNN, CHMM | 蛋白质序列 | NA | NA | NA | NA | NA |
| 44 | 2025-10-07 |
Accurate Prediction of Transcriptional Activity of Single Missense Variants in HIV Tat with Deep Learning
2023-Mar-24, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms24076138
PMID:37047108
|
研究论文 | 本研究开发了一种结合GigaAssay实验和深度学习的方法，用于准确预测HIV Tat蛋白单错义变体的转录活性 | 首次将深度学习框架应用于预测HIV Tat蛋白单错义变体的转录活性，实现了预测与实验活性之间的高相关性（皮尔逊相关系数0.94） | 目前仅针对单错义变体进行评估，尚未扩展到更复杂的双突变等位基因 | 预测HIV Tat蛋白变体的转录活性，以更好地理解艾滋病病理学和治疗 | HIV Tat蛋白的单错义变体 | 机器学习 | 艾滋病 | GigaAssay实验技术 | 深度学习 | 实验活性数据 | 所有单氨基酸Tat变体的错义突变景观 | NA | NA | 皮尔逊相关系数 | NA |
| 45 | 2025-10-07 |
Detecting Glaucoma from Fundus Photographs Using Deep Learning without Convolutions: Transformer for Improved Generalization
2023-Mar, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2022.100233
PMID:36545260
|
研究论文 | 本研究比较了Vision Transformer（DeiT）和ResNet-50在眼底照片中检测原发性开角型青光眼的诊断准确性和可解释性 | 首次在青光眼检测中应用无需卷积的Vision Transformer架构，并证明其在泛化能力和可解释性方面优于传统CNN模型 | 研究主要基于特定数据集（OHTS），需要进一步验证在其他人群中的适用性 | 开发能够准确检测青光眼并具有良好泛化能力的深度学习模型 | 原发性开角型青光眼患者和健康对照者的眼底照片 | 计算机视觉 | 青光眼 | 深度学习 | Transformer, CNN | 眼底图像 | 66,715张来自1,636名参与者的照片，外加5个外部数据集的16,137张照片 | NA | DeiT, ResNet-50 | AUROC, 灵敏度, 特异度 | NA |
| 46 | 2025-10-07 |
A Deep Learning Approach to Improve Retinal Structural Predictions and Aid Glaucoma Neuroprotective Clinical Trial Design
2023 Mar-Apr, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2022.08.014
PMID:36038107
|
研究论文 | 开发深度学习回归方法预测青光眼患者视网膜结构厚度，以优化神经保护临床试验设计 | 首次利用深度学习模型预测视网膜GCIPL和RNFL厚度，并提出基于个体化半视网膜预测的临床试验样本量优化方法 | 研究为横断面设计，仅包含特定人群（非裔后裔青光眼患者）的数据 | 改进青光眼神经保护临床试验设计，通过预测视网膜结构厚度降低样本量需求 | 青光眼患者的视网膜GCIPL和RNFL厚度 | 医学影像分析 | 青光眼 | 光谱域OCT扫描 | 深度学习回归模型 | 视网膜OCT图像 | 1096只眼（550名患者）的3327对GCIPL/RNFL扫描数据 | NA | NA | 平均绝对误差, 皮尔逊相关系数平方 | NA |
| 47 | 2025-10-07 |
Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass
2023-03-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37173-w
PMID:36944631
|
研究论文 | 本研究使用深度学习技术对心脏磁共振衍生的左心室质量进行全基因组关联分析，识别出11个新变异位点并证明其与心肌病发病风险相关 | 首次将深度学习应用于大规模人群的心脏磁共振左心室质量测量，并成功识别出11个新的左心室质量相关基因位点 | 研究主要基于英国生物银行数据，需要在其他人群中验证结果的普适性 | 探索左心室质量的遗传基础及其与心肌病发病风险的关联 | 43,230名英国生物银行参与者的心脏磁共振数据 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像，全基因组关联研究 | 深度学习 | 医学影像数据，基因数据 | 43,230名英国生物银行参与者，另在Mass General Brigham样本中验证 | NA | NA | 风险比，95%置信区间 | NA |
| 48 | 2024-12-18 |
A Multitask Approach for Automated Detection and Segmentation of Thyroid Nodules in Ultrasound Images
2023-Mar-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.01.31.23285223
PMID:36778410
|
研究论文 | 本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节 | 该方法通过结合异常检测模块与U-Net架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了模型的临床可转化性 | NA | 开发一种自动化的方法，用于在超声图像中检测和分割甲状腺结节，以改善风险分层并减少医疗成本和患者不适 | 甲状腺结节和甲状腺癌 | 计算机视觉 | 甲状腺癌 | 深度学习 | U-Net | 图像 | 280名患者，共9,888张图像 | NA | NA | NA | NA |
| 49 | 2024-12-18 |
Automated evaluation of cardiac contractile dynamics and aging prediction using machine learning in a Drosophila model
2023-Mar-21, Research square
DOI:10.21203/rs.3.rs-2635745/v1
PMID:36993511
|
研究论文 | 本文提出了一种基于深度学习的平台，用于果蝇心脏的光学显微镜图像分割，并首次量化了心脏生理参数在衰老过程中的变化 | 首次使用深度学习和机器学习方法预测果蝇的衰老，并量化心脏生理参数，同时提出了预测心律失常的节律级动态分析方法 | 本文未详细讨论模型的可解释性和泛化能力 | 开发一种自动化方法，用于评估果蝇心脏收缩动力学和预测衰老 | 果蝇心脏的收缩动力学和衰老过程 | 机器学习 | 心血管疾病 | 深度学习 | CNN | 视频 | 实验测试数据集用于验证衰老模型 | NA | NA | NA | NA |
| 50 | 2024-12-08 |
Diffractive interconnects: all-optical permutation operation using diffractive networks
2023-Mar, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0358
PMID:39634345
|
研究论文 | 本文介绍了通过深度学习设计的衍射光学网络，能够在全光条件下执行排列操作，并扩展到数十万条输入输出连接 | 首次实验展示了在太赫兹频段运行的衍射排列网络，并设计了抗对准误差的衍射设计 | 更深的衍射网络设计在物理对准和输出衍射效率方面存在实际挑战 | 开发基于衍射光学网络的全光排列操作平台 | 衍射光学网络的排列操作性能 | 光学 | NA | 衍射光学 | NA | NA | NA | NA | NA | NA | NA |
| 51 | 2024-12-08 |
Multi-task topology optimization of photonic devices in low-dimensional Fourier domain via deep learning
2023-Mar, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0361
PMID:39634354
|
研究论文 | 本文提出了一种基于深度神经网络（DNN）的低维傅里叶域多任务拓扑优化方法，用于光子器件的设计 | 通过在低维傅里叶域中使用DNN进行拓扑优化，减少了设计自由度，加速了训练过程，并实现了多任务优化 | NA | 开发一种高效的多任务光子器件优化方法 | 光子器件，包括波长滤波器和波导耦合单光子源 | 计算机视觉 | NA | 深度学习 | 深度神经网络（DNN） | 光学响应 | NA | NA | NA | NA | NA |
| 52 | 2024-12-08 |
All-optical ultrafast ReLU function for energy-efficient nanophotonic deep learning
2023-Mar, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0137
PMID:39634351
|
研究论文 | 本文展示了使用周期极化薄膜铌酸锂纳米光波导实现的全光超快ReLU函数，为能量高效的纳米光子深度学习提供了新途径 | 首次实验展示了全光超快ReLU函数，实现了每激活仅耗费飞焦耳能量和近乎即时的操作 | NA | 探索能量高效的硬件加速器，特别是光学神经网络中的非线性光学函数 | 全光ReLU函数及其在深度学习中的应用 | 光学 | NA | 周期极化薄膜铌酸锂纳米光波导 | ReLU | 光信号 | NA | NA | NA | NA | NA |
| 53 | 2024-12-08 |
Analog nanophotonic computing going practical: silicon photonic deep learning engines for tiled optical matrix multiplication with dynamic precision
2023-Mar, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0423
PMID:39634350
|
研究论文 | 本文提出并实验验证了一种通过低基数硅光子处理器上的分块矩阵乘法（TMM）实现速度优化的动态精度神经网络（NN）推理 | 引入了与光子神经元噪声系数相关的理论模型，并实验验证了动态精度计算在分类任务中的应用，显著减少了线性操作的执行时间 | 光子硬件尺寸和高速电光组件的有限比特精度限制了性能 | 加速深度神经网络的线性操作，实现高精度和速度优化的分类性能 | 光子神经网络的动态精度推理和分类性能 | 光子学 | NA | 硅光子处理器 | 神经网络 | IRIS数据集 | NA | NA | NA | NA | NA |
| 54 | 2024-11-19 |
Cell type-specific interpretation of noncoding variants using deep learning-based methods
2023-03-20, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad015
PMID:36971292
|
研究论文 | 本文提出了一种新的神经网络架构DeepCT，用于解释非编码变异，并展示了其在细胞类型特异性预测中的应用 | 提出了DeepCT架构，能够学习表观遗传特征的复杂相互关系，并从任何可用输入中推断未测量的数据 | 现有的表观遗传特征数据非常稀疏，限制了依赖特定表观遗传输入的方法 | 解决非编码基因组变异的解释问题，并实现细胞类型特异性的预测 | 非编码变异及其在不同细胞类型中的影响 | 机器学习 | NA | 深度学习 | 神经网络 | 表观遗传特征 | NA | NA | NA | NA | NA |
| 55 | 2024-10-18 |
Thyroid Nodules on Ultrasound in Children and Young Adults: Comparison of Diagnostic Performance of Radiologists' Impressions, ACR TI-RADS, and a Deep Learning Algorithm
2023-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28231
PMID:36259591
|
研究论文 | 比较放射科医生的总体印象、ACR TI-RADS和深度学习算法在儿童和年轻成人甲状腺结节超声诊断中的表现 | 本文创新点在于比较了放射科医生的总体印象、ACR TI-RADS和深度学习算法在甲状腺结节诊断中的敏感性和特异性，发现ACR TI-RADS和深度学习算法在敏感性上优于放射科医生的总体印象 | 本文的局限性在于样本量较小，且仅限于儿童和年轻成人，研究结果可能不适用于所有年龄段 | 比较不同诊断方法在儿童和年轻成人甲状腺结节超声诊断中的表现 | 儿童和年轻成人的甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 深度学习算法 | 深度学习 | 图像 | 139名患者（中位年龄17.5岁；119名女性患者，20名男性患者） | NA | NA | NA | NA |
| 56 | 2024-10-18 |
Abdominopelvic CT Image Quality: Evaluation of Thin (0.5-mm) Slices Using Deep Learning Reconstruction
2023-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28319
PMID:36259592
|
研究论文 | 本研究评估了使用深度学习重建（DLR）的0.5毫米薄层腹部和盆腔CT图像质量，并与0.5毫米和3.0毫米的混合迭代重建（HIR）图像进行了比较 | 本研究首次使用深度学习重建技术生成低噪声的薄层CT图像，并展示了其在图像质量和噪声方面的优势 | 本研究为回顾性研究，样本量较小，且未进行进一步的诊断性能研究 | 比较深度学习重建的薄层CT图像与传统混合迭代重建图像的质量 | 腹部和盆腔CT图像 | 计算机视觉 | NA | 深度学习重建（DLR） | NA | 图像 | 50名患者（31名男性和19名女性；中位年龄64岁） | NA | NA | NA | NA |
| 57 | 2024-10-18 |
Editorial Comment: Deep Learning Image Reconstruction-Do Better Images Make a Better Radiologist?
2023-Mar, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28658
PMID:36287626
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 58 | 2024-10-16 |
Direct prediction of Homologous Recombination Deficiency from routine histology in ten different tumor types with attention-based Multiple Instance Learning: a development and validation study
2023-Mar-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.03.08.23286975
PMID:36945540
|
研究论文 | 研究开发了一种基于注意力加权的多实例学习（attMIL）的深度学习管道，用于从常规组织学图像中直接预测同源重组缺陷（HRD）状态 | 首次展示了使用常规组织学图像直接预测HRD状态的可行性，并验证了其在多种肿瘤类型中的适用性 | 研究仅在十种肿瘤类型中进行了验证，未来需要进一步扩展到更多肿瘤类型 | 探索深度学习技术在常规组织学图像中预测HRD状态的可行性 | 十种不同类型的肿瘤 | 数字病理 | NA | 深度学习 | 注意力加权的多实例学习（attMIL） | 图像 | 4565名患者 | NA | NA | NA | NA |
| 59 | 2024-10-09 |
Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI
2023-Mar, Neuroimage. Reports
DOI:10.1016/j.ynirp.2023.100162
PMID:37035520
|
研究论文 | 研究提出了一种基于深度学习的框架，用于检测脑MRI中的扩大血管周围间隙（ePVS），并寻找最佳的MRI序列组合以支持深度学习量化 | 研究引入了一种轻量级U-Net模型，专门用于ePVS检测，并探讨了不同MRI序列组合对检测准确性的影响 | 研究主要集中在MRI序列的选择和组合上，未涉及其他可能影响检测的因素 | 旨在通过深度学习技术提高脑MRI中ePVS的检测准确性和效率 | 研究对象为脑MRI图像中的扩大血管周围间隙（ePVS） | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 60 | 2024-10-04 |
Deep learning image analysis quantifies tumor heterogeneity and identifies microsatellite instability in colon cancer
2023-Mar, Journal of surgical oncology
IF:2.0Q2
DOI:10.1002/jso.27118
PMID:36251352
|
研究论文 | 本文利用深度学习技术分析结直肠癌的肿瘤异质性并识别微卫星不稳定性 | 提出了肿瘤异质性评分（THS），并发现其与微卫星不稳定性状态相关 | 需要扩展训练集以开发预测微卫星不稳定性的工具 | 研究深度学习在结直肠癌肿瘤异质性和微卫星不稳定性识别中的应用 | 结直肠癌的肿瘤异质性和微卫星不稳定性 | 数字病理学 | 结直肠癌 | 卷积神经网络（CNN） | CNN | 图像 | 313名患者的苏木精-伊红染色（H&E）图像，生成534,771个切片 | NA | NA | NA | NA |