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 147 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 | 2025-11-21 |
Comment on 'Intelligent cataract surgery supervision and evaluation via deep learning'
2023-06-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000000419
PMID:37131327
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2 | 2025-11-18 |
Modelling human behaviour in cognitive tasks with latent dynamical systems
2023-06, Nature human behaviour
IF:21.4Q1
DOI:10.1038/s41562-022-01510-8
PMID:36658212
|
研究论文 | 提出一种深度学习框架task-DyVA，通过潜在动态系统建模人类在认知任务中的行为反应时间序列 | 首次将表达性动态系统与深度学习结合，能够以高时间精度捕捉个体特异性行为差异，并支持通过扰动实验发现可解释的认知理论 | 未明确说明模型在其他认知任务上的泛化能力及计算复杂度 | 开发能够准确建模个体人类受试者在认知任务中反应时间序列的计算框架 | 人类受试者在任务转换认知任务中的行为数据 | 机器学习 | NA | 深度学习 | 潜在动态系统 | 反应时间序列数据 | 大型任务转换数据集中的个体人类受试者 | 深度学习框架 | task-DyVA | 时间精度，任务转换成本捕捉能力 | NA |
| 3 | 2025-11-17 |
Leveraging mid-infrared spectroscopic imaging and deep learning for tissue subtype classification in ovarian cancer
2023-Jun-12, The Analyst
DOI:10.1039/d2an01035f
PMID:37218522
|
研究论文 | 本研究结合中红外光谱成像和深度学习技术，实现了卵巢癌组织亚型的无标记自动分类 | 首次使用光学光热红外成像技术实现卵巢组织亚型的无标记定量自动识别，空间分辨率比现有仪器提高10倍 | NA | 开发基于中红外光谱成像和深度学习的卵巢癌组织亚型自动分类方法 | 卵巢癌组织样本 | 数字病理学 | 卵巢癌 | 中红外光谱成像，光学光热红外成像 | 深度学习 | 光谱图像 | 78例患者样本，超过6000万个数据点 | NA | NA | 分类准确度 | NA |
| 4 | 2025-11-14 |
Discovering small-molecule senolytics with deep neural networks
2023-06, Nature aging
IF:17.0Q1
DOI:10.1038/s43587-023-00415-z
PMID:37142829
|
研究论文 | 利用图神经网络筛选具有抗衰老细胞活性的小分子化合物 | 首次将图神经网络应用于大规模筛选抗衰老化合物，发现结构多样且具有更优药物化学性质的新候选分子 | 研究基于etoposide诱导的衰老模型，在其他衰老模型中的普适性需进一步验证 | 开发新型抗衰老药物（senolytics）以清除衰老细胞 | 衰老细胞和小分子化合物 | 机器学习 | 老年疾病 | 分子对接模拟，时间分辨荧光能量转移实验 | 图神经网络 | 化学分子结构数据 | 2,352个初筛化合物，800,000+个预测分子 | NA | 图神经网络 | 选择性，药物化学性质，分子对接评分 | NA |
| 5 | 2025-10-30 |
Deep Learning System Outperforms Clinicians in Identifying Optic Disc Abnormalities
2023-Jun-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000001800
PMID:36719740
|
研究论文 | 开发了一种基于深度学习的人工智能系统(BONSAI-DLS)，用于通过眼底照片检测视盘异常，并在性能上超越临床医生 | 首次开发出能够准确检测视盘异常(包括视乳头水肿)的深度学习系统，并在多中心研究中证明其性能优于一线临床医生 | 使用回顾性收集的便利样本，可能限制结果的泛化性 | 评估深度学习系统在识别视盘异常方面的诊断性能，并与不同专业背景的临床医生进行比较 | 454名患者的800张眼底照片，包括正常视盘、视乳头水肿和其他异常 | 计算机视觉 | 眼科疾病 | 数字眼底摄影 | 深度学习系统 | 图像 | 训练集14,341张眼底照片，测试集800张眼底照片(来自454名患者) | NA | NA | AUC, 错误率, 准确率, 敏感性, 特异性 | NA |
| 6 | 2025-10-27 |
Motivation for using data-driven algorithms in research: A review of machine learning solutions for image analysis of micrographs in neuroscience
2023-06-20, Journal of neuropathology and experimental neurology
IF:3.2Q2
DOI:10.1093/jnen/nlad040
PMID:37244652
|
综述 | 回顾机器学习在神经科学显微图像分析中的应用，探讨其潜力与局限性 | 系统梳理深度学习在神经科学显微图像分析中的最新进展，并提供实际研究项目中的框架选择指导 | 未经验证的新算法可能存在的技术门槛和适用性问题 | 探讨机器学习在神经科学图像分析中的应用价值与实施策略 | 神经科学领域的显微图像数据 | 计算机视觉 | NA | 显微图像分析 | 深度学习 | 显微图像 | NA | NA | NA | NA | NA |
| 7 | 2025-10-05 |
Enhancing Neonatal Pain Assessment Transparency via Explanatory Training Examples Identification
2023-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems
DOI:10.1109/cbms58004.2023.00236
PMID:41019613
|
研究论文 | 本研究提出一种基于实例的解释方法，通过识别最有帮助和有害的训练样本来增强新生儿疼痛音频评估的透明度 | 将音频信号可视化为频谱图进行分类，并提出基于实例的解释方法分析训练样本对预测的影响 | 仅针对音频模态，未整合其他疼痛信号；在临床环境中的实际应用效果需要进一步验证 | 提高基于深度学习的新生儿疼痛评估方法的透明度和可解释性 | 新生儿疼痛音频信号 | 机器学习 | 新生儿疼痛 | 音频信号处理，频谱图转换 | 深度学习模型 | 音频信号，频谱图图像 | NA | NA | NA | 影响分数 | NA |
| 8 | 2025-10-05 |
Contrastive learning in protein language space predicts interactions between drugs and protein targets
2023-06-13, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2220778120
PMID:37289807
|
研究论文 | 开发了一种基于对比学习的深度学习模型ConPLex，用于预测药物与蛋白质靶点之间的相互作用 | 成功结合预训练蛋白质语言模型和蛋白质锚定对比共嵌入技术，在保持高精度的同时实现了对未见数据的广泛适应性 | NA | 加速药物发现过程，实现基因组规模的高灵敏度计算机药物筛选 | 药物与蛋白质靶点的相互作用 | 自然语言处理, 机器学习 | NA | 蛋白质语言模型, 对比学习 | 深度学习 | 蛋白质序列, 药物化合物数据 | 人类蛋白质组和大型化合物库规模，实验验证了19个激酶-药物相互作用预测 | NA | ConPLex | 准确性, 适应性, 特异性 | NA |
| 9 | 2025-10-05 |
Microbial carbon use efficiency promotes global soil carbon storage
2023-06, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06042-3
PMID:37225998
|
研究论文 | 本研究通过多方法整合分析发现微生物碳利用效率是全球土壤碳储存的主要决定因素 | 首次量化证明微生物碳利用效率对全球土壤碳储存的重要性是其他因素的四倍以上 | 微生物碳利用效率与环境依赖性的具体机制仍需进一步研究 | 探究微生物碳利用效率在土壤有机碳储存和持久性中的作用 | 全球土壤碳储存系统 | 环境科学 | NA | 数据同化,深度学习,荟萃分析 | 深度学习 | 全球尺度数据集 | 全球范围数据集 | NA | 微生物过程显式模型 | 相关性分析 | NA |
| 10 | 2025-10-05 |
Transfer learning enables predictions in network biology
2023-06, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06139-9
PMID:37258680
|
研究论文 | 本研究开发了名为Geneformer的基于注意力机制的深度学习模型，通过在大规模单细胞转录组数据上预训练，能够在网络生物学中实现数据有限情况下的精准预测 | 首次将迁移学习应用于网络生物学领域，开发了能够自监督学习网络层次结构的注意力模型，可在有限数据条件下进行上下文特异性预测 | 模型性能依赖于预训练数据的质量和规模，在特定疾病类型中的应用仍需进一步验证 | 解决网络生物学中数据稀缺条件下的基因网络预测问题，加速关键网络调控因子和治疗靶点的发现 | 基因网络、单细胞转录组数据、染色质和网络动力学 | 机器学习 | 心肌病 | 单细胞转录组测序 | Transformer, 注意力机制 | 单细胞转录组数据 | 约3000万个单细胞转录组 | NA | Transformer | 预测准确率 | NA |
| 11 | 2025-10-06 |
Quantization of extraoral free flap monitoring for venous congestion with deep learning integrated iOS applications on smartphones: a diagnostic study
2023-Jun-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000000391
PMID:37055021
|
研究论文 | 开发并验证了一种集成深度学习的iOS智能手机应用，用于量化监测口腔外游离皮瓣静脉淤血 | 首次将深度学习模型集成到智能手机应用中实现游离皮瓣监测的客观量化，替代传统主观人工观察方法 | 单中心回顾性研究，样本量有限（642名患者），仅适用于iOS平台 | 开发一种科学监测和量化游离皮瓣状况的临床工具 | 接受游离皮瓣手术的患者术后皮瓣监测 | 计算机视觉 | 外科手术并发症 | 计算机视觉，深度学习 | 深度学习模型 | 图像 | 642名患者的1761张照片 | NA | NA | 准确率，灵敏度，特异性，AUC，校准测试 | 智能手机iOS平台 |
| 12 | 2025-10-06 |
PeakDetective: A Semisupervised Deep Learning-Based Approach for Peak Curation in Untargeted Metabolomics
2023-06-27, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c00764
PMID:37314824
|
研究论文 | 开发了一种基于半监督深度学习的峰检测方法PeakDetective，用于非靶向代谢组学中的峰筛选 | 结合无监督自动编码器和主动学习分类器，仅需少于100个用户标记的峰即可快速训练模型 | 需要用户提供少量标记数据，性能可能受特定LC/MS方法和样本类型影响 | 解决非靶向代谢组学数据处理中峰检测的假阳性问题 | LC/MS代谢组学数据中的色谱峰 | 机器学习 | NA | LC/MS，非靶向代谢组学 | 自动编码器，分类器 | 代谢组学色谱峰数据 | 五个不同的LC/MS数据集，包括SARS-CoV-2数据集 | Python | 自动编码器 | 准确率，统计显著性代谢物检测数量 | NA |
| 13 | 2025-10-06 |
Noise Suppression With Similarity-Based Self-Supervised Deep Learning
2023-06, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2022.3231428
PMID:37015446
|
研究论文 | 提出一种基于相似性的自监督深度学习去噪方法Noise2Sim，用于抑制CT图像中的独立和相关噪声 | 首个基于相似性的自监督深度去噪方法，能以非局部和非线性方式处理相关噪声，理论上在温和条件下与监督学习方法渐近等价 | 未明确说明方法在极端噪声条件下的性能表现 | 开发无需配对干净样本的自监督图像去噪方法 | 低剂量CT和光子计数CT图像 | 计算机视觉 | NA | CT成像 | 深度学习 | 医学图像 | NA | NA | NA | 视觉评估,定量分析,统计分析 | NA |
| 14 | 2025-10-06 |
Combined diagnosis of multiparametric MRI-based deep learning models facilitates differentiating triple-negative breast cancer from fibroadenoma magnetic resonance BI-RADS 4 lesions
2023-Jun, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-022-04142-7
PMID:35771263
|
研究论文 | 本研究开发基于多参数MRI的深度学习模型组合诊断方法，用于区分三阴性乳腺癌与纤维腺瘤BI-RADS 4类病变 | 首次将多参数MRI（增强T1加权、扩散加权和T2加权成像）的深度学习模型组合应用于三阴性乳腺癌与纤维腺瘤的鉴别诊断 | 回顾性研究设计，样本量有限（319例），缺乏外部验证 | 评估多参数MRI深度学习模型组合在区分三阴性乳腺癌与纤维腺瘤BI-RADS 4类病变中的价值 | 319例女性患者的319个病理证实的BI-RADS 4类乳腺病变 | 医学影像分析 | 乳腺癌 | 多参数MRI（增强T1加权成像、扩散加权成像、T2加权成像） | 深度学习模型 | 医学影像 | 319例女性患者，随机分为训练集、验证集和测试集 | NA | NA | AUC, 敏感度, 特异度, 准确度, 加权kappa值 | NA |
| 15 | 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 |
| 16 | 2025-05-10 |
CROSS-DOMAIN DIFFUSION BASED SPEECH ENHANCEMENT FOR VERY NOISY SPEECH
2023-Jun, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference)
|
研究论文 | 本文提出了一种基于跨域扩散的语音增强方法，用于极低信噪比条件下的非平稳噪声场景 | 将基于扩散的学习方法引入增强模型，提高了在极低信噪比条件下的鲁棒性 | 实验仅在TIMIT数据集上进行，未在其他数据集上验证 | 提高极低信噪比条件下的语音增强性能 | 语音信号 | 语音处理 | NA | 扩散模型 | 扩散模型 | 语音信号 | TIMIT数据集 | NA | NA | NA | NA |
| 17 | 2025-10-07 |
Sequence basis of transcription initiation in human genome
2023-Jun-29, bioRxiv : the preprint server for biology
DOI:10.1101/2023.06.27.546584
PMID:37425823
|
研究论文 | 通过深度学习可解释建模方法在碱基对分辨率水平揭示人类基因组转录起始的序列基础 | 首次在碱基对分辨率水平系统解释人类启动子功能，发现多个未被表征的位置特异性效应模式 | NA | 解析人类基因组中转录起始的序列决定规则 | 人类启动子序列、241种哺乳动物基因组、小鼠转录起始位点数据 | 机器学习 | NA | 深度学习可解释建模、实验扰动验证 | 深度学习 | 基因组序列数据、转录起始位点数据 | 241种哺乳动物基因组 | NA | NA | NA | NA |
| 18 | 2025-10-07 |
Tissue response curve-shape analysis of dynamic glucose-enhanced and dynamic contrast-enhanced magnetic resonance imaging in patients with brain tumor
2023-06, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.4863
PMID:36310022
|
研究论文 | 开发基于组织响应曲线形状的动态葡萄糖增强MRI分析方法，并与动态对比增强MRI在脑肿瘤患者中进行比较 | 首次提出基于深度学习识别七种组织响应曲线形状的方法，创建彩色编码曲线图展示不同曲线类型的空间分布 | 样本量较小（11例患者），仅针对胶质瘤患者进行研究 | 比较动态葡萄糖增强MRI和动态对比增强MRI在脑肿瘤检测中的异同 | 疑似胶质瘤患者的脑部组织 | 医学影像分析 | 脑肿瘤 | 动态葡萄糖增强MRI，动态对比增强MRI，7T磁共振成像 | 深度学习 | 磁共振影像 | 11例疑似胶质瘤患者 | NA | NA | 曲线下面积，p值 | NA |
| 19 | 2025-10-07 |
Integrative dissection of gene regulatory elements at base resolution
2023-Jun-14, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2023.100318
PMID:37388913
|
研究论文 | 本研究结合表观遗传扰动、碱基编辑和深度学习技术，在CD69免疫基因座中解析关键调控元件 | 首次将表观遗传扰动、碱基编辑和深度学习相结合，在天然染色质环境中系统解析调控元件的功能基础 | 研究主要聚焦于Jurkat T细胞中的CD69基因座，尚未在其他细胞类型或基因座中验证 | 解析基因调控元件的序列基序和单个碱基功能 | CD69免疫基因座的调控序列 | 机器学习 | NA | 表观遗传扰动, 碱基编辑, 深度学习 | 深度学习 | 表观遗传数据, 基因表达数据 | Jurkat T细胞系 | NA | NA | NA | NA |
| 20 | 2025-10-07 |
Explainable artificial intelligence (XAI) for interpreting the contributing factors feed into the wildfire susceptibility prediction model
2023-06-25, The Science of the total environment
DOI:10.1016/j.scitotenv.2023.163004
PMID:36965733
|
研究论文 | 本研究利用可解释人工智能技术解释深度学习模型在野火易发性预测中的关键影响因素 | 首次将SHAP可解释性模型应用于野火易发性预测的深度学习模型，识别关键环境影响因素 | 模型可能受到训练数据质量和输入变量不确定性的影响 | 开发可解释的野火易发性预测模型以有效控制火灾风险 | 澳大利亚野火易发性区域 | 机器学习 | NA | 可解释人工智能 | 深度学习 | 环境因子数据 | NA | NA | NA | NA | NA |