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 168 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 | 2026-03-06 |
Automated player identification and indexing using two-stage deep learning network
2023-Jun-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-36657-5
PMID:37339988
|
研究论文 | 本文提出了一种基于深度学习的球员追踪系统，用于自动追踪美式足球比赛中的球员并索引每场比赛的参与情况 | 采用两阶段网络设计，结合检测变换器和卷积神经网络，在拥挤场景中高精度识别球员和球衣号码 | 未明确提及具体局限性，可能包括数据不平衡或复杂环境下的识别挑战 | 开发自动化球员识别与索引系统，以提升美式足球比赛视频分析效率 | 美式足球比赛视频中的球员及其球衣号码 | 计算机视觉 | NA | 深度学习 | 检测变换器, 卷积神经网络 | 视频 | 未明确提及具体样本数量，仅提到足球视频数据 | 未明确提及具体框架，可能基于常见深度学习框架如TensorFlow或PyTorch | 检测变换器, 卷积神经网络 | 定性结果, 定量结果 | 未明确提及具体计算资源 |
| 22 | 2026-03-02 |
Acquisition of a Lexicon for Family History Information: Bidirectional Encoder Representations From Transformers-Assisted Sublanguage Analysis
2023-Jun-27, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/48072
PMID:37368483
|
研究论文 | 本研究旨在构建一个用于家庭病史信息提取和标准化的词汇资源，利用基于Transformer的方法从初级保健临床笔记中提取信息，并通过规则和深度学习系统进行评估 | 利用基于Transformer的方法（如BERT）辅助构建家庭病史词汇资源，结合规则和深度学习系统进行信息提取，提高了召回率 | 性能评估中F1分数存在波动，且词汇资源主要基于特定临床笔记语料，可能在其他医疗环境中泛化能力有限 | 构建一个标准化的家庭病史词汇资源，以支持电子健康记录中的信息提取和下游临床应用 | 家庭病史信息，包括临床笔记中的实体和关系 | 自然语言处理 | NA | 自然语言处理，基于Transformer的方法 | BERT，深度学习模型 | 文本（临床笔记） | 语料来自初级保健临床笔记，具体样本数量未明确说明 | NA | Transformer，BERT | F1分数，召回率 | NA |
| 23 | 2026-02-15 |
Prediction of chromatin looping using deep hybrid learning (DHL)
2023-Jun, Quantitative biology (Beijing, China)
DOI:10.15302/J-QB-022-0315
PMID:41675657
|
研究论文 | 本文提出了一种基于深度混合学习（DHL）的方法，用于预测染色质环化，结合了深度学习模型DNABERT与传统机器学习算法 | 创新点在于将基于Transformer的DNABERT深度学习模型与SVM、RF、KNN等传统机器学习模型集成，形成深度混合学习（DHL）框架，以提高染色质环化预测的精度 | 未在摘要中明确提及具体限制 | 研究目的是利用深度混合学习预测染色质环化，以理解基因组空间组织对复杂性状的影响 | 研究对象是染色质环化数据，具体基于ChIA-PET实验，涉及CTCF和RNAPII数据集 | 机器学习 | NA | Hi-C, ChIA-PET | BERT, SVM, RF, KNN | 基因组序列数据 | NA | NA | DNABERT, Transformer | 精度 | NA |
| 24 | 2026-02-15 |
Computational methods for identifying enhancer-promoter interactions
2023-Jun, Quantitative biology (Beijing, China)
DOI:10.15302/J-QB-022-0322
PMID:41675661
|
综述 | 本文系统综述了自2010年以来用于识别增强子-启动子相互作用（EPIs）的计算方法，包括传统机器学习和深度学习模型，并总结了相关数据集资源和在疾病（如癌症）中的应用 | 提供了增强子-启动子相互作用预测方法的系统性总结，特别关注了基于深度学习和迁移学习的模型，这些模型可直接从DNA序列预测EPIs，减少了生物信息学研究者的参数训练时间 | NA | 总结和梳理增强子-启动子相互作用的识别方法，为研究者提供应用和优化这些方法的框架 | 增强子、启动子及其相互作用（EPIs） | 生物信息学 | 癌症 | 测序技术 | 传统机器学习, 深度学习 | 遗传、基因组和表观基因组特征数据, DNA序列 | NA | NA | NA | NA | NA |
| 25 | 2026-02-15 |
3D genomic organization in cancers
2023-Jun, Quantitative biology (Beijing, China)
DOI:10.15302/J-QB-022-0317
PMID:41675662
|
综述 | 本文综述了三维基因组组织在癌症中的作用及其研究进展 | 整合了生物信息学技术，特别是机器学习和深度学习，在三维癌症基因组研究中的应用潜力 | NA | 探讨三维基因组结构在癌症发生、发展和治疗中的作用机制 | 三维染色质结构（染色质区室A/B、拓扑关联结构域和增强子-启动子相互作用） | 生物信息学 | 癌症 | 机器学习和深度学习 | NA | 基因组数据 | NA | NA | NA | NA | NA |
| 26 | 2026-02-03 |
Low-contrast-dose liver CT using low monoenergetic images with deep learning-based denoising for assessing hepatocellular carcinoma: a randomized controlled noninferiority trial
2023-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-09298-x
PMID:36576547
|
研究论文 | 本研究通过一项随机对照非劣效性试验，评估了使用双能CT和深度学习去噪技术的低对比剂剂量CT在肝细胞癌高风险患者中的有效性 | 结合双能CT的低单能图像和深度学习去噪技术，首次在随机对照试验中证明可将肝脏CT的对比剂剂量减少40%而不影响肝细胞癌的显影清晰度 | 研究为单中心试验，样本量相对较小（90名参与者），且仅针对肝细胞癌高风险患者，结果可能无法推广到所有人群或其他肝脏病变 | 评估低对比剂剂量CT结合先进成像技术在肝细胞癌检测中的非劣效性 | 肝细胞癌高风险患者 | 数字病理 | 肝细胞癌 | 双能CT，深度学习去噪，模型迭代重建 | 深度学习 | CT图像 | 90名参与者（47名标准剂量组，43名低剂量组） | NA | NA | 肝细胞癌显影清晰度评分，非劣效性检验 | NA |
| 27 | 2025-12-20 |
Deep learning enhanced ultra-fast SPECT/CT bone scan in patients with suspected malignancy: quantitative assessment and clinical performance
2023-06-30, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acddc6
PMID:37307847
|
研究论文 | 本研究评估了深度学习增强的超快SPECT/CT骨扫描在疑似恶性肿瘤患者中的临床性能 | 将深度学习应用于3分钟SPECT扫描，生成算法增强图像，在仅1/7采集时间内达到与标准20分钟SPECT/CT相当的图像质量和诊断价值 | 样本量相对较小（102例），且为单中心前瞻性研究 | 评估深度学习增强超快SPECT/CT骨扫描的临床诊断性能 | 102例疑似恶性肿瘤患者 | 数字病理学 | 恶性肿瘤 | SPECT/CT骨扫描 | 深度学习模型 | 医学影像（SPECT/CT图像） | 102例患者 | NA | NA | 灵敏度, 特异性, 准确性, 组内相关系数, 峰值信噪比, 结构相似性指数, SUV最大值 | NA |
| 28 | 2025-12-20 |
Dynamic low-count PET image reconstruction using spatio-temporal primal dual network
2023-06-30, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acde3e
PMID:37311469
|
研究论文 | 提出一种用于动态低计数PET图像重建的时空原始对偶网络（STPDnet） | 将时空相关性同时编码到基于模型的深度学习框架中，克服了现有方法主要关注空间域而忽略时间域的局限 | 未明确提及模型在更广泛临床数据集上的泛化能力或计算效率的详细分析 | 解决动态低计数PET图像重建的挑战，提升图像质量 | 动态PET图像 | 医学影像分析 | 癌症 | 动态正电子发射断层扫描（PET）成像 | 基于模型的深度学习 | 动态PET图像序列 | 模拟数据和真实大鼠扫描数据 | NA | 时空原始对偶网络（STPDnet） | 噪声降低，重建性能 | NA |
| 29 | 2025-12-16 |
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 | 本研究开发并验证了一种集成深度学习模型的iOS智能手机应用，用于量化监测口腔外游离皮瓣的静脉淤血状况 | 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 | 研究为单中心回顾性分析，样本量有限，且仅适用于iOS平台 | 开发一种便捷、准确、经济的游离皮瓣监测工具，以改善患者安全和管理 | 接受游离皮瓣手术的患者 | 计算机视觉 | 口腔外游离皮瓣静脉淤血 | 计算机视觉 | 深度学习模型 | 图像 | 642名患者的1761张照片，其中122名患者参与临床应用阶段 | NA | NA | 准确率, 灵敏度, 特异性, AUC | 智能手机（iOS平台） |
| 30 | 2025-12-12 |
Effect evaluation of denosumab combined with curettage and bone cement reconstruction in the treatment of recurrent giant cell tumor of bone around the knee joint
2023-06, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202306_32621
PMID:37318478
|
研究论文 | 本研究评估了地诺单抗联合刮除术和骨水泥重建治疗膝关节周围复发性骨巨细胞瘤的效果，并构建深度学习模型用于X射线图像分类识别 | 结合地诺单抗治疗与深度学习模型（Inception-v3和Faster-RCNN）用于复发性骨巨细胞瘤的影像分类识别，并比较两种手术方式的预后 | 样本量较小（仅19例患者），且为单中心研究，可能影响结果的普遍性 | 探索膝关节周围复发性骨巨细胞瘤的合适手术方案，并评估深度学习模型在影像分类中的应用 | 19例膝关节周围复发性骨巨细胞瘤患者 | 数字病理学 | 骨巨细胞瘤 | X射线成像 | CNN | 图像 | 19例患者 | NA | Inception-v3, Faster-RCNN, CNN, U-Net, Fast-RCNN | MSTS评分, SF-36评分, 复发率, 并发症发生率 | NA |
| 31 | 2025-12-07 |
Deep learning automation of MEST-C classification in IgA nephropathy
2023-06-30, Nephrology, dialysis, transplantation : official publication of the European Dialysis and Transplant Association - European Renal Association
DOI:10.1093/ndt/gfad039
PMID:36792061
|
研究论文 | 本研究开发了一种基于神经网络的工具，用于自动化IgA肾病中MEST-C分类的识别和量化 | 首次使用深度学习自动化MEST-C分类，解决了病理学家间观察者变异性的问题 | 样本量相对较小，且M评分的kappa系数仅为中等水平 | 自动化IgA肾病的MEST-C分类以提高诊断一致性和预后评估 | IgA肾病患者的肾活检样本 | 数字病理学 | IgA肾病 | 肾活检 | 神经网络 | 图像 | 训练队列42例，测试队列66例，应用队列88例 | NA | NA | AUC, kappa系数, 风险比 | NA |
| 32 | 2025-12-04 |
EmbryoNet: using deep learning to link embryonic phenotypes to signaling pathways
2023-06, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-023-01873-4
PMID:37156842
|
研究论文 | 本研究开发了一个名为EmbryoNet的深度卷积神经网络，用于自动识别斑马鱼信号通路突变体的表型缺陷 | 首次利用深度学习结合时间依赖性发育轨迹模型，无偏地准确识别和分类七种主要脊椎动物发育信号通路的功能缺失表型缺陷 | 分类方案尚未标准化，且需要专家知识进行验证 | 通过自动表型分析链接胚胎表型与信号通路，以识别发育缺陷的潜在信号机制 | 斑马鱼胚胎及其信号通路突变体 | 计算机视觉 | NA | 深度学习，自动表型分析 | CNN | 图像 | 超过200万张用于训练和测试的图像 | NA | EmbryoNet | 高精度分类 | NA |
| 33 | 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 |
| 34 | 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 |
| 35 | 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 |
| 36 | 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 |
| 37 | 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 |
| 38 | 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 |
| 39 | 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 |
| 40 | 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 |