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 205 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 | 2026-02-15 |
Exploration on learning molecular docking with deep learning models
2023-Sep, Quantitative biology (Beijing, China)
DOI:10.15302/J-QB-022-0321
PMID:41675244
|
研究论文 | 本文提出并评估了一种结合深度学习与两种免费对接程序的虚拟筛选方法，用于快速高效地筛选超大型化合物库以获取多样化的潜在活性化合物 | 创新点在于将深度学习模型与免费对接程序结合，形成一种可显著降低计算成本且具有可转移性的策略 | NA | 研究目标是开发一种快速高效的虚拟筛选方法，用于从超大型化合物库中识别潜在活性化合物 | 研究对象是超大型化合物库中的化合物 | 机器学习 | NA | 分子对接 | 深度学习模型 | 化合物数据 | NA | NA | NA | NA | NA |
| 2 | 2026-02-15 |
DeepRCI: predicting RNA-chromatin interactions via deep learning with multi-omics data
2023-Sep, Quantitative biology (Beijing, China)
DOI:10.15302/J-QB-022-0316
PMID:41675247
|
研究论文 | 本文提出了一种名为DeepRCI的可解释计算框架，用于预测RNA与染色质之间的相互作用 | 开发了一个高度可解释的深度学习框架，结合多组学数据来预测RNA-染色质相互作用 | NA | 识别不同类型RNA与染色质之间的相互作用，以研究基因调控机制 | 染色质相关RNA（caRNA）及其与染色质的相互作用 | 机器学习 | NA | 多组学数据 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 3 | 2026-02-15 |
Pattern discovery of long non-coding RNAs associated with the herbal treatments in breast and prostate cancers
2023-Sep, Quantitative biology (Beijing, China)
DOI:10.15302/J-QB-023-0333
PMID:41675250
|
研究论文 | 本研究通过RNA-seq数据构建共表达网络，探索长链非编码RNA与草药治疗在乳腺癌和前列腺癌中的关联 | 首次系统性地研究了lncRNAs与草药治疗在癌症中的潜在关系，并应用深度学习模型预测癌症相关lncRNAs | 研究主要基于RNA-seq数据，未进行实验验证，且样本量未明确说明 | 识别lncRNAs与草药治疗在乳腺癌和前列腺癌中的关联 | 乳腺癌和前列腺癌的RNA-seq数据 | 自然语言处理 | 乳腺癌,前列腺癌 | RNA-seq | 深度学习 | RNA-seq数据 | NA | NA | NA | NA | NA |
| 4 | 2026-02-15 |
DeepDrug: A general graph-based deep learning framework for drug-drug interactions and drug-target interactions prediction
2023-Sep, Quantitative biology (Beijing, China)
DOI:10.15302/J-QB-022-0320
PMID:41675249
|
研究论文 | 本文提出了一种名为DeepDrug的通用图基深度学习框架，用于预测药物-药物相互作用和药物-靶点相互作用 | DeepDrug在一个统一框架内同时处理药物-药物相互作用和药物-靶点相互作用预测问题，能够提取药物和靶蛋白的全面特征 | NA | 加速药物发现过程，通过计算预测药物-药物相互作用和药物-靶点相互作用 | 药物和靶蛋白 | 机器学习 | NA | NA | 图神经网络 | 图数据 | NA | NA | DeepDrug | NA | NA |
| 5 | 2026-01-16 |
Evaluating Drug Effectiveness for Antihypertensives in Heart Failure Prognosis: Leveraging Composite Clinical Endpoints and Biomarkers from Electronic Health Records
2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine
DOI:10.1145/3584371.3612977
PMID:41527552
|
研究论文 | 本研究利用电子健康记录中的复合临床终点和生物标志物，评估抗高血压药物在心力衰竭预后中的有效性，并开发监督深度学习分类器进行预测 | 首次结合EHR中的临床事件和生物标志物设计抗高血压药物有效性选择策略，并构建标注语料库用于深度学习分类 | 基因组关联研究成本高且基因型指导的疗法临床转化困难，EHR数据在抗高血压有效性研究中仍未被充分利用 | 评估抗高血压药物在心力衰竭预后中的有效性，并开发药物响应预测模型 | 心力衰竭患者及其抗高血压药物治疗响应 | 自然语言处理 | 心血管疾病 | 电子健康记录数据分析 | 深度学习分类器 | 文本序列 | 约9500名患者的EHR序列 | NA | NA | F1分数 | NA |
| 6 | 2026-01-15 |
Development and External Validation of an Artificial Intelligence Model for Identifying Radiology Reports Containing Recommendations for Additional Imaging
2023-09, AJR. American journal of roentgenology
DOI:10.2214/AJR.23.29120
PMID:37073901
|
研究论文 | 本研究开发并外部验证了一种基于BERT的人工智能模型，用于识别放射学报告中包含额外成像建议的内容 | 利用预训练的BERT深度学习模型理解语言上下文和歧义，首次在放射学报告额外成像建议识别任务中应用，并展示了优于传统机器学习模型的性能 | 研究为回顾性设计，模型性能可能受到报告文本风格和术语变化的影响，且未在更广泛的多中心数据集上进行验证 | 开发并验证一种人工智能模型，以自动识别放射学报告中包含的额外成像建议，支持大规模质量改进工作 | 放射学报告 | 自然语言处理 | NA | 深度学习，自然语言处理 | BERT | 文本 | 总计7560份放射学报告，来自7419名独特患者（4133名女性，3286名男性；平均年龄58.8岁），其中训练集5040份，测试集1260份，外部验证集1260份 | NA | BERT | 精确度，召回率，F1分数，准确度 | NA |
| 7 | 2026-01-12 |
An Approach to Developing Benchmark Datasets for Protein Secondary Structure Segmentation from Cryo-EM Density Maps
2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine
DOI:10.1145/3584371.3612947
PMID:41509644
|
研究论文 | 本文提出了一种生成用于蛋白质二级结构分割的基准数据集的方法，并评估了数据特性对深度学习模型性能的影响 | 提出了一种生成具有特定规格（如蛋白质序列同一性、结构内容和数据质量）的基准数据集的方法，以系统研究影响分割性能的因素 | 仅针对DeepSSETracer这一特定深度学习方法进行了测试，可能未涵盖所有潜在影响因素 | 开发基准数据集以评估和提升从冷冻电镜密度图中分割蛋白质二级结构的深度学习方法的性能 | 冷冻电镜密度图中的蛋白质二级结构 | 计算机视觉 | NA | 冷冻电镜（Cryo-EM） | 深度学习 | 图像（密度图） | NA | NA | DeepSSETracer | NA | NA |
| 8 | 2025-12-18 |
Forecasting Risk of Future Rapid Glaucoma Worsening Using Early Visual Field, OCT, and Clinical Data
2023 Sep-Oct, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2023.03.005
PMID:36944385
|
研究论文 | 本研究利用深度学习模型，基于早期视野检查、OCT和临床数据，预测青光眼患者未来发生快速视野恶化的风险 | 首次将视觉Transformer用于整合多模态眼科数据（视野、OCT、临床）以预测青光眼进展，并证明加入多次随访数据可提升预测性能 | 回顾性研究设计，样本中快速恶化病例比例较低（5.80%），模型性能需在前瞻性研究中进一步验证 | 评估利用早期多模态数据预测青光眼快速视野恶化的可行性 | 4536只眼（来自2962名患者），其中263只眼发生快速视野恶化 | 数字病理学 | 青光眼 | 视野检查（VF）、光学相干断层扫描（OCT）、临床测量 | 深度学习模型（DLM） | 图像（视野偏差图、OCT厚度图）、数值型临床数据 | 4536只眼（2962名患者），其中263只眼为快速恶化病例 | 未明确说明（可能为PyTorch或TensorFlow） | 视觉Transformer（Vision Transformer） | AUC（曲线下面积） | NA |
| 9 | 2025-11-27 |
Whole Slide Imaging-Based Prediction of TP53 Mutations Identifies an Aggressive Disease Phenotype in Prostate Cancer
2023-09-01, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-22-3113
PMID:37352385
|
研究论文 | 开发基于全切片图像的深度学习模型预测前列腺癌TP53突变并识别侵袭性表型 | 首次开发TiDo模型实现从全切片图像预测TP53突变，并发现假阳性预测与TP53缺失相关，揭示了与侵袭性疾病相关的下游表型 | 无法完美预测单个TP53突变的空间存在 | 开发基于全切片图像的生物标志物识别前列腺癌转移潜力 | 前列腺癌患者和病灶 | 数字病理学 | 前列腺癌 | 全切片成像 | 深度学习 | 图像 | 独立多灶性队列 | NA | TiDo | NA | NA |
| 10 | 2025-11-18 |
Benchmarking of deep neural networks for predicting personal gene expression from DNA sequence highlights shortcomings
2023-Sep-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.16.532969
PMID:36993652
|
研究论文 | 评估深度神经网络在从DNA序列预测个体基因表达方面的性能并识别其局限性 | 首次系统评估深度学习方法在跨个体基因表达预测中的表现，揭示了现有方法在预测变异效应方向上的局限性 | 现有方法未能充分学习序列基序语法，导致对变异效应方向的预测能力不足 | 评估深度学习方法作为个人DNA解释工具在预测跨个体基因表达变异方面的实用性 | 839名ROSMAP研究参与者的全基因组测序和基因表达配对数据 | 基因组学, 机器学习 | NA | 全基因组测序, 基因表达分析 | 深度神经网络 | 基因组DNA序列, 基因表达数据 | 839名个体 | NA | NA | 变异效应方向预测准确性 | NA |
| 11 | 2025-11-15 |
Interpretable neural architecture search and transfer learning for understanding CRISPR/Cas9 off-target enzymatic reactions
2023-Sep-29, ArXiv
PMID:37808087
|
研究论文 | 开发了一个可解释的深度学习框架，用于预测CRISPR/Cas9脱靶编辑概率 | 结合了可解释神经网络架构搜索和迁移学习，既能保持物理可解释性又能实现最先进性能 | 未明确说明样本规模和数据来源的具体限制 | 建立预测性和可解释的酶促反应动力学模型 | CRISPR/Cas9脱靶编辑反应 | 机器学习 | NA | CRISPR/Cas9基因编辑技术 | CNN, 神经网络集成 | 动力学测定数据，细胞环境数据 | NA | NA | KINN（动力学可解释神经网络），卷积神经网络 | NA | NA |
| 12 | 2025-11-15 |
Efficient and accurate large library ligand docking with KarmaDock
2023-09, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00511-5
PMID:38177786
|
研究论文 | 提出了一种用于配体对接的深度学习框架KarmaDock，集成了对接加速、结合姿态生成与校正以及结合强度估计功能 | 首次将E(n)等变图神经网络与自注意力机制结合用于配体对接，同时实现姿态优化和结合强度评估的三阶段模型 | 仅在四个基准数据集和单一真实虚拟筛选项目中验证，需要更广泛的应用场景测试 | 开发高效准确的大规模配体对接方法以改进基于结构的虚拟筛选 | 蛋白质-配体复合物 | 机器学习 | NA | 虚拟筛选 | 图神经网络, 混合密度网络 | 分子结构数据 | 四个基准数据集和一个真实虚拟筛选项目 | NA | E(n) equivariant graph neural networks, self-attention, mixture density network | 对接速度, 姿态质量, 结合亲和力准确性 | NA |
| 13 | 2025-11-15 |
Progress in using deep learning to treat cancer
2023-09, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00514-2
PMID:38177785
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14 | 2025-10-09 |
Large-scale capture of hidden fluorescent labels for training generalizable markerless motion capture models
2023-09-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-41565-3
PMID:37752123
|
研究论文 | 开发了一种名为GlowTrack的方法，通过荧光标记生成大量训练数据，用于训练可泛化的无标记运动捕捉模型 | 提出使用荧光标记生成隐藏标签的高通量方法，创建多相机多光照设置模拟多样化视觉条件，并实现并行标记多个关键点的密集追踪技术 | NA | 解决无标记运动捕捉模型泛化能力有限的问题，建立标准化的行为分析流程 | 动物行为研究中的运动追踪 | 计算机视觉 | NA | 荧光标记，多相机多光照设置 | 深度学习模型 | 视频图像数据 | NA | NA | NA | NA | NA |
| 15 | 2025-10-05 |
Deep learning enabled fast 3D brain MRI at 0.055 tesla
2023-09-22, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adi9327
PMID:37738341
|
研究论文 | 提出基于深度学习的快速采集与重建框架，显著加速0.055特斯拉超低场脑部MRI成像 | 结合单次平均三维编码与二维部分傅里叶采样实现快速采集，利用高场人脑数据训练3D深度学习模型提升图像质量 | 未明确说明模型对病理状态的泛化能力及临床验证规模 | 解决超低场MRI图像质量差、扫描时间长的问题 | 人脑解剖结构 | 医学影像分析 | 神经系统疾病 | 磁共振成像（MRI） | 深度学习 | 三维脑部MRI图像 | 未明确说明具体样本数量 | NA | 3D深度学习模型 | 图像质量增强、伪影减少、噪声降低、空间分辨率提升至1.5毫米各向同性 | NA |
| 16 | 2025-10-05 |
Pervasive downstream RNA hairpins dynamically dictate start-codon selection
2023-09, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06500-y
PMID:37674078
|
研究论文 | 本研究通过整合拟南芥模式触发免疫期间的转录组范围翻译和结构分析，揭示下游RNA发夹结构动态调控起始密码子选择的机制 | 首次发现uAUG下游双链RNA结构（uAUG-ds）通过调控扫描前起始复合体来选择性地翻译上游开放阅读框，并证明该机制在人类细胞中具有普适性 | 研究主要基于模式植物拟南芥，在人类细胞中的验证仍需进一步扩展 | 探究翻译重编程中起始密码子选择性起始的分子机制 | 拟南芥mRNA的上游起始密码子（uAUGs）和下游RNA发夹结构 | 计算生物学 | 植物免疫反应 | 转录组范围翻译分析、RNA结构分析、深度学习建模 | 深度学习模型 | 翻译组数据、RNA结构数据 | 拟南芥在模式触发免疫条件下的转录组样本 | NA | NA | 预测准确性 | NA |
| 17 | 2025-10-06 |
Application of artificial intelligence in the diagnosis of hepatocellular carcinoma
2023-Sep, eGastroenterology
DOI:10.1136/egastro-2023-100002
PMID:39944000
|
综述 | 探讨人工智能在肝细胞癌放射学诊断中的最新应用进展 | 系统总结AI在HCC放射诊断中的优势，包括降低诊断变异性和优化数据分析 | 尚未在临床实践中常规应用，需要进一步研究和验证 | 评估人工智能在肝细胞癌诊断中的应用价值 | 肝细胞癌患者的放射学影像数据 | 计算机视觉 | 肝癌 | 放射学成像 | 深度学习,神经网络 | 医学影像 | NA | NA | NA | NA | NA |
| 18 | 2025-10-06 |
Comparison of evaluation metrics of deep learning for imbalanced imaging data in osteoarthritis studies
2023-09, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2023.05.006
PMID:37209993
|
研究论文 | 比较骨关节炎研究中不平衡影像数据深度学习评估指标的适用性 | 首次系统比较不同类别不平衡程度下ROC和PR曲线等评估指标在骨关节炎深度学习研究中的表现差异 | 仅基于单一数据集（骨关节炎倡议研究）的MRI数据，未验证其他类型医学影像数据 | 评估深度学习模型在不平衡医学影像数据中的性能表现 | 骨关节炎患者的膝关节MRI影像和骨髓病变检测 | 计算机视觉 | 骨关节炎 | MRI成像 | 深度学习 | 医学影像 | 2467名参与者的2996个膝关节MRI | NA | NA | ROC-AUC, PR-AUC, 敏感性, 特异性 | NA |
| 19 | 2025-09-12 |
Application of a 1H Brain MRS Benchmark Dataset to Deep Learning for Out-of-Voxel Artifacts
2023-Sep-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.08.539813
PMID:37215030
|
研究论文 | 本文介绍了一个用于训练和测试神经网络的合成¹H MRS基准数据集AGNOSTIC，并展示了其在检测和预测体素外伪影方面的应用 | 创建了包含259,200个合成MRS样本的大规模基准数据集，并首次使用CNN网络实现体素外伪影的实时检测和信号重建 | 基于合成数据训练，需要在真实临床数据上进一步验证模型性能 | 解决MRS数据中的体素外伪影问题，提高磁共振波谱数据分析的准确性 | 合成¹H MRS数据 | 医学影像分析 | NA | 磁共振波谱(MRS) | CNN | 频谱数据 | 259,200个合成MRS样本 | NA | NA | NA | NA |
| 20 | 2025-10-06 |
Deep learning prediction of post-SBRT liver function changes and NTCP modeling in hepatocellular carcinoma based on DGAE-MRI
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16386
PMID:36988423
|
研究论文 | 基于DGAE-MRI开发深度学习模型预测肝癌患者SBRT治疗后肝功能变化并建立NTCP模型 | 首次将条件Wasserstein生成对抗网络(cWGAN)用于预测放疗期间肝功能图，并整合体素级功能信息建立个性化NTCP模型 | 研究样本量较小(仅24例患者)，需要在更大患者队列中进一步验证 | 开发基于DGAE-MRI的个性化正常组织并发症概率(NTCP)模型，用于肝癌患者立体定向放射治疗(SBRT)的适应性治疗 | 接受SBRT治疗的肝细胞癌(HCC)患者 | 医学影像分析 | 肝癌 | 动态钆塞酸增强磁共振成像(DGAE-MRI) | cWGAN, 逻辑剂量反应模型 | 医学影像(MRI), 剂量分布图, 肝功能参数图 | 24例HCC患者(来自146例接受SBRT治疗的患者队列) | NA | 条件Wasserstein生成对抗网络(cWGAN) | 均方根误差(RMSE), 结构相似性(SSIM), Wilcoxon符号秩检验 | NA |