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 133 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-05-29 |
scDisInFact: disentangled learning for integration and prediction of multi-batch multi-condition single-cell RNA-sequencing data
2023-May-02, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.01.538975
PMID:37205545
|
研究论文 | scDisInFact是一个深度学习框架，用于多批次多条件单细胞RNA测序数据的整合与预测，可同时消除批次效应并保留条件效应 | 首次提出能够同时分离批次效应和条件效应的解耦学习方法，实现批次校正、关键基因检测和扰动预测三项任务的统一 | 当前方法要么消除所有批次效应而丢失条件效应，要么仅关注条件效应而忽略批次效应，scDisInFact通过解耦学习解决了这一矛盾 | 开发一个能够同时处理批次效应和条件效应的深度学习模型，用于整合和预测多批次多条件的单细胞RNA测序数据 | 单细胞RNA测序数据中的批次效应和条件效应 | 机器学习 | NA | scRNA-seq | 深度学习框架 | 基因表达数据 | 模拟数据和真实数据集 | NA | 解耦学习网络 | 批次校正性能、关键基因检测准确率、扰动预测精度 | NA |
| 2 | 2026-05-29 |
Atrial fibrillation ablation outcome prediction with a machine learning fusion framework incorporating cardiac computed tomography
2023-05, Journal of cardiovascular electrophysiology
IF:2.3Q2
DOI:10.1111/jce.15890
PMID:36934383
|
研究论文 | 提出一种融合机器学习框架，整合心脏CT成像与临床数据，预测房颤消融术后结果 | 首次将CT形态特征、深度学习图像特征和临床数据智能融合，构建端到端自动预测框架 | 单中心回顾性研究，样本量有限，需外部验证 | 开发个性化房颤消融术后预后预测模型 | 321例接受房颤消融术患者的CT影像及临床数据 | 机器学习 | 心房颤动 | CT成像 | 融合机器学习模型 | 图像、临床结构化数据 | 321例患者（平均年龄64.2岁，69%男性，40%阵发性房颤） | NA | 深度学习网络 | AUC | NA |
| 3 | 2026-05-24 |
Deep Learning of Videourodynamics to Classify Bladder Dysfunction Severity in Patients With Spina Bifida
2023-05, The Journal of urology
IF:5.9Q1
DOI:10.1097/JU.0000000000003267
PMID:36787376
|
研究论文 | 利用深度学习模型对脊髓脊膜膨出患者进行膀胱功能障碍严重程度分类 | 首次将深度学习应用于视频尿动力学数据的分析，结合容量-压力记录和荧光透视图像自动分类膀胱功能障碍严重程度 | 样本量有限（306项检查），且仅来自单一机构，模型泛化能力待验证 | 开发基于视频尿动力学数据的深度学习模型，以分类膀胱功能障碍严重程度 | 2个月至28岁患脊髓脊膜膨出的患者 | 机器学习 | 脊髓脊膜膨出相关膀胱功能障碍 | 视频尿动力学 | 卷积神经网络，随机森林 | 容量-压力曲线，荧光透视图像 | 306次视频尿动力学检查 | NA | 卷积神经网络 | 准确率，加权卡帕系数 | NA |
| 4 | 2026-05-17 |
At-home wireless sleep monitoring patches for the clinical assessment of sleep quality and sleep apnea
2023-05-24, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adg9671
PMID:37224243
|
研究论文 | 本文报告了一种家用无线睡眠监测贴片系统，用于临床评估睡眠质量和睡眠呼吸暂停 | 开发了集成机器学习的无线可穿戴电子设备，实现家庭自然睡眠环境下的睡眠质量评估和睡眠呼吸暂停检测，相比传统多导睡眠监测系统更便携、低负担 | NA | 开发一种家用、便携的无线睡眠监测系统，用于评估睡眠质量和检测睡眠呼吸暂停 | 睡眠障碍患者和健康对照者 | 机器学习 | 睡眠呼吸暂停 | 机器学习 | 深度学习 | 脑电、眼电、肌电信号 | NA | NA | NA | 准确率 | NA |
| 5 | 2026-04-19 |
Identifying Key Residues in Lysine Decarboxylase for Soluble Expression Using Consensus Design Soluble Mutant Screening (ConsenSing)
2023-05-19, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.2c00670
PMID:37071041
|
研究论文 | 本文提出了一种结合计算预测与实验筛选的混合方法，用于识别提高蛋白质溶解度的关键残基 | 开发了ConsenSing方法，通过共识序列预测热点残基，并利用分裂GFP报告系统快速验证突变体，从而有效提高蛋白质溶解度 | 方法可能不适用于所有蛋白质，且预测与实验结果之间仍可能存在不一致 | 提高目标蛋白质的溶解度，通过识别关键残基突变来优化蛋白质表达 | 赖氨酸脱羧酶（LdcC） | 蛋白质工程 | NA | 序列分析、分裂GFP报告系统、Darwin组装 | 深度学习 | 蛋白质序列 | NA | NA | NA | 溶解度增加 | NA |
| 6 | 2026-04-07 |
Deep Learning of Coronary Calcium Scores From PET/CT Attenuation Maps Accurately Predicts Adverse Cardiovascular Events
2023-05, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2022.06.006
PMID:36284402
|
研究论文 | 本研究开发了一种深度学习模型，用于从PET/CT衰减校正扫描中自动量化冠状动脉钙化评分，以预测心血管不良事件 | 首次将原本为视频应用开发的深度学习模型应用于PET/CT衰减校正扫描，实现冠状动脉钙化评分的全自动快速量化，无需改变现有扫描协议 | 研究主要基于外部队列验证，且未详细讨论模型在不同人群或设备间的泛化能力 | 开发一种深度学习模型，从PET/CT衰减校正扫描中自动定义冠状动脉钙化评分，以预测心血管不良事件风险 | 接受PET/CT成像的患者，包括有心血管不良事件随访数据的队列 | 数字病理学 | 心血管疾病 | PET/CT成像，心电图门控CT扫描 | 深度学习模型 | CT扫描图像 | 训练集：9,543张专家标注的CT扫描；测试集：4,331名患者（其中2,737名有配对的心电图门控CAC扫描） | NA | NA | 风险比，净重分类改善，阴性预测值 | NA |
| 7 | 2026-03-29 |
MKMR: a multi-kernel machine regression model to predict health outcomes using human microbiome data
2023-05-19, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad158
PMID:37099694
|
研究论文 | 本文提出了一种多核机器回归模型，用于利用人类微生物组数据预测健康结果 | 首次开发了能够同时利用多种微生物组信号形式（如丰度、存在/缺失、系统发育关系）的预测模型 | 未明确说明模型在更广泛数据集或不同疾病类型中的泛化能力 | 开发一个预测模型，以利用人类微生物组数据预测健康结果 | 人类微生物组数据，包括喉咙和肠道微生物组 | 机器学习 | NA | 微生物组测序 | 多核机器回归 | 微生物组丰度数据、存在/缺失数据 | NA | NA | 多核机器回归 | 预测性能 | NA |
| 8 | 2026-03-17 |
RETRACTED ARTICLE: A novel deep learning-based approach for detecting attacks in social IoT
2023-05-10, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08389-1
PMID:37362260
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9 | 2026-03-02 |
Deep learning to estimate lung disease mortality from chest radiographs
2023-05-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37758-5
PMID:37193717
|
研究论文 | 本研究开发了一个深度学习模型CXR Lung-Risk，用于从胸部X光片中预测肺部疾病死亡风险 | 首次利用深度学习从易于获取的胸部X光片中预测肺部疾病死亡率，并展示了与死亡风险的梯度关联 | 模型仅基于胸部X光片，未整合其他临床或基因组数据，且外部验证队列数量有限 | 预测肺部疾病死亡率以改善个性化预防和治疗策略 | 慢性肺部疾病（如哮喘、肺癌）患者 | 计算机视觉 | 肺癌 | 胸部X光成像 | 深度学习模型 | 图像 | 训练集：40,643名个体的147,497张X光图像；测试集：三个独立队列共15,976名个体 | NA | CXR Lung-Risk | 风险比（Hazard ratios） | NA |
| 10 | 2026-01-22 |
RETRACTED ARTICLE: Economic simulation of sports industry based on deep learning algorithm and data mining
2023-05-22, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08461-w
PMID:37362271
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11 | 2025-12-30 |
Neural Network Models for Sequence-Based TCR and HLA Association Prediction
2023-May-26, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.25.542327
PMID:37293077
|
研究论文 | 本文提出了一种名为DePTH的神经网络方法，用于基于氨基酸序列预测T细胞受体与人类白细胞抗原的关联 | 开发了首个基于深度学习的TCR-HLA关联预测模型，并利用该模型量化HLA等位基因的功能相似性，揭示了其与癌症患者免疫检查点阻断治疗生存结局的关联 | 未明确提及模型在独立验证集上的泛化能力或数据偏差问题 | 预测T细胞受体与人类白细胞抗原之间的关联，以深入理解免疫识别机制 | T细胞受体的氨基酸序列和人类白细胞抗原的氨基酸序列 | 机器学习 | 癌症 | NA | 神经网络 | 序列数据（氨基酸序列） | NA | NA | NA | NA | NA |
| 12 | 2025-12-03 |
A population-level computational histologic signature for invasive breast cancer prognosis
2023-May-26, Research square
DOI:10.21203/rs.3.rs-2947001/v1
PMID:37293118
|
研究论文 | 本研究提出了一种基于深度学习的组织学预后签名（HiPS），用于评估乳腺癌肿瘤微环境的形态学特征并预测生存风险 | HiPS首次通过深度学习全面量化肿瘤微环境中的上皮、基质、免疫和空间交互特征，超越了传统病理学家基于诺丁汉标准的定性评估 | 研究未明确讨论模型在不同种族或地域人群中的泛化能力，且依赖于历史队列数据 | 开发一种计算组织学特征来改善浸润性乳腺癌的预后预测 | 乳腺癌患者的组织切片图像 | 数字病理学 | 乳腺癌 | 深度学习，组织图像分析 | 深度学习模型 | 组织病理学图像 | 基于癌症预防研究（CPS）-II的群体级队列开发，并在PLCO试验、CPS-3和癌症基因组图谱三个独立队列中验证 | NA | NA | 生存预测准确性 | NA |
| 13 | 2025-10-06 |
Confidence-based laboratory test reduction recommendation algorithm
2023-05-10, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02187-3
PMID:37165369
|
研究论文 | 提出一种基于置信度的深度学习模型，用于识别住院患者不必要的血红蛋白检测 | 采用'选择与预测'设计理念，通过预测置信度评估结果可靠性，并选择性考虑高置信度样本进行推荐 | 未提及模型在更广泛医疗场景中的适用性验证 | 减少不必要的实验室检测，降低医疗风险和医疗成本 | 住院患者的血红蛋白检测数据 | 机器学习 | NA | 深度学习 | 深度学习模型 | 实验室检测数据 | 来自休斯顿教学医院的内部患者数据和MIMIC III数据库的外部患者数据 | NA | NA | AUC | NA |
| 14 | 2025-10-06 |
A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: a retrospective assessment
2023-May-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.05.14.23289960
PMID:37293008
|
研究论文 | 开发并评估用于皮肤鳞状细胞癌术中冰冻切片实时切缘分析的深度学习算法 | 首次针对皮肤鳞状细胞癌的冰冻切片开发实时切缘分析AI算法，并探讨肿瘤分化状态对算法性能的影响 | 回顾性研究，需要进一步算法改进以更好区分高分化肿瘤与表皮组织，并解决炎症等混杂病理因素的影响 | 提高皮肤鳞状细胞癌Mohs显微手术中实时切缘分析的效率和准确性 | 接受Mohs显微手术的皮肤鳞状细胞癌患者 | 数字病理学 | 皮肤鳞状细胞癌 | 冰冻切片，全玻片扫描 | CNN | 图像 | 2020年1月至3月期间接受Mohs手术的cSCC患者队列 | NA | 卷积神经网络 | AUC | NA |
| 15 | 2025-10-06 |
Artificial intelligence algorithms aimed at characterizing or detecting prostate cancer on MRI: How accurate are they when tested on independent cohorts? - A systematic review
2023-May, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2022.11.005
PMID:36517398
|
系统综述 | 系统评估基于人工智能的MRI算法在独立测试队列中诊断前列腺癌的准确性 | 首次系统评估AI算法在满足独立性标准的测试队列中的诊断性能，比较了放射组学与深度学习系统的差异 | 23项研究未使用预设诊断阈值可能使结果偏乐观，人机差异的最佳管理策略尚未明确 | 评估基于AI的MRI算法在独立测试队列中诊断前列腺癌的准确性 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | 磁共振成像 | 深度学习, 放射组学 | 医学影像 | 35项研究，每项测试队列超过40名患者 | NA | 计算机辅助诊断系统, 计算机辅助检测系统 | 诊断准确性, 假阳性率 | NA |
| 16 | 2025-10-06 |
Deep learning-based weld defect classification using VGG16 transfer learning adaptive fine-tuning
2023-May-08, International journal on interactive design and manufacturing
DOI:10.1007/s12008-023-01327-3
PMID:40478981
|
研究论文 | 本研究提出了一种基于深度学习的焊接缺陷分类方法，使用VGG16迁移学习和自适应微调技术 | 提出了一种独特的基于图像的方法，使用小规模X射线图像数据集训练深度学习模型，并采用数据增强和迁移学习技术 | 使用的小型数据集在15个不同类别中分布不平衡 | 开发自动焊接缺陷检测和分类系统 | 焊接缺陷 | 计算机视觉 | NA | X射线成像 | CNN | 图像 | 小型X射线图像数据集（具体数量未提及） | NA | VGG16, ResNet50 | 准确率 | NA |
| 17 | 2025-10-06 |
Sub-second photon dose prediction via transformer neural networks
2023-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16231
PMID:36669122
|
研究论文 | 提出一种结合Transformer和卷积层的深度学习算法iDoTA，用于快速预测光子束剂量分布 | 首次将Transformer架构与3D卷积结合用于剂量预测，将3D剂量预测任务建模为序列建模问题 | 训练数据仅包含1700个束流剂量分布，需要更多样化的临床数据验证 | 开发快速准确的光子束剂量预测算法，支持在线和实时自适应放疗 | 光子束剂量分布预测 | 医学影像分析 | 前列腺癌, 肺癌, 头颈癌 | 深度学习 | Transformer, CNN | 3D CT影像, 剂量分布数据 | 1700个束流剂量分布，来自11个临床VMAT计划（每个计划194-354个束流） | NA | Transformer, 3D卷积神经网络 | gamma通过率, 相对剂量误差 | NA |
| 18 | 2025-10-07 |
Coding infant engagement in the Face-to-Face Still-Face paradigm using deep neural networks
2023-05, Infant behavior & development
IF:1.9Q3
DOI:10.1016/j.infbeh.2023.101827
PMID:36806017
|
研究论文 | 本研究使用深度神经网络对面对面静止面孔范式中的婴儿参与度进行自动编码 | 首次将深度神经网络应用于FFSF任务中婴儿参与度的自动编码，实现了高达99.5%的分类准确率 | 继承了原始研究的采样和实验限制，样本量相对较小且主要为白人群体 | 测试深度神经网络在FFSF任务中编码婴儿参与度的准确性 | 68对母婴组合在三个时间点完成的FFSF任务视频 | 计算机视觉 | NA | 视频分析 | DNN | 图像 | 68对母婴组合，40,000张图像 | NA | 四种不同的深度神经网络图像分类模型 | 准确率, Cohen's κ值 | NA |
| 19 | 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 |
| 20 | 2025-04-06 |
GeoSynth: A Photorealistic Synthetic Indoor Dataset for Scene Understanding
2023-May, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2023.3247087
PMID:37027722
|
research paper | 本文介绍了GeoSynth，一个用于室内场景理解任务的多样化、逼真合成数据集 | 提出了一种新的合成数据集GeoSynth，包含丰富的标注信息，如分割、几何、相机参数等，能显著提升感知任务的网络性能 | 数据集仅部分公开，可能限制其广泛应用 | 解决室内场景理解任务中大规模标注数据集创建成本高、耗时长的问题 | 室内场景 | computer vision | NA | NA | NA | image | NA | NA | NA | NA | NA |