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 197 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 | 2025-10-06 |
Enhanced breast mass mammography classification approach based on pre-processing and hybridization of transfer learning models
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05249-1
PMID:37567987
|
研究论文 | 提出一种基于预处理和迁移学习模型混合的乳腺肿块 mammography 分类方法 | 提出两阶段分类方法，包括三子策略预处理阶段和基于两个预训练CNN混合的特征提取架构 | 仅使用单一数据集CBIS-DDSM进行验证，未在其他数据集测试泛化能力 | 开发可靠的乳腺肿块检测方法以提高乳腺癌早期诊断准确率 | 乳腺 mammography 图像中的肿块区域 | 计算机视觉 | 乳腺癌 | 医学影像分析 | CNN, 迁移学习 | 医学图像 | CBIS-DDSM数据集 | NA | 预训练CNN混合架构 | 准确率, 敏感度, 特异度 | NA |
| 42 | 2025-10-06 |
Development and verification of a deep learning-based m6A modification model for clinical prognosis prediction of renal cell carcinoma
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05169-0
PMID:37558767
|
研究论文 | 开发并验证基于深度学习的m6A修饰模型用于肾细胞癌临床预后预测 | 首次报道基于深度学习的m6A修饰模型用于肾细胞癌预后预测，并深入探索METTL14在肾细胞癌中的重要作用 | NA | 开发肾细胞癌临床预后预测模型并探索METTL14的生物学功能 | 肾细胞癌患者和肾癌细胞 | 机器学习 | 肾细胞癌 | Western blotting, 实时定量PCR, 免疫组织化学, RNA免疫沉淀 | 深度学习 | 临床数据, 实验数据 | 两个独立患者队列和一个泛癌患者队列 | NA | 高级神经网络 | 5年随访生存状态预测 | NA |
| 43 | 2025-10-06 |
Circular-SWAT for deep learning based diagnostic classification of Alzheimer's disease: application to metabolome data
2023-Nov, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104820
PMID:37806288
|
研究论文 | 本研究提出Circular-SWAT方法，利用深度学习对阿尔茨海默病进行代谢组学数据分类诊断 | 在现有SWAT方法基础上提出Circular-SWAT，通过特征相关性分析、特征选择和分类三步法提高分类准确率 | 仅使用ADNI队列的997名参与者数据，需要进一步验证 | 提高阿尔茨海默病的诊断分类准确性 | 阿尔茨海默病患者与认知正常老年人的血清代谢组学数据 | 机器学习 | 阿尔茨海默病 | 代谢组学，脂质组学 | CNN, Random Forest | 代谢组学数据 | 997名ADNI参与者 | NA | NA | 准确率, AUC | NA |
| 44 | 2025-10-06 |
Artificial intelligence-enabled penicillin allergy delabelling: an implementation study
2023-11, Internal medicine journal
IF:1.8Q2
DOI:10.1111/imj.16266
PMID:37997266
|
研究论文 | 本研究实施了一种基于深度学习AI算法的青霉素过敏标签去除系统 | 使用深度学习人工智能算法识别适合进行青霉素过敏评估的患者，并通过电子邮件通知系统实现过敏标签去除 | 需要进一步研究优化此类方法 | 通过人工智能技术实现青霉素过敏标签的准确去除 | 被标记为青霉素过敏的患者 | 医疗人工智能 | 药物过敏 | 深度学习 | 深度学习算法 | 医疗记录数据 | 干预组59人，对照组未明确数量 | NA | NA | 统计学显著性(P值) | NA |
| 45 | 2025-10-06 |
Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors
2023-Nov-14, Research square
DOI:10.21203/rs.3.rs-3332530/v1
PMID:38014055
|
研究论文 | 本研究开发了一种基于深度学习的模型，能够通过细胞形态学图像区分造血干细胞和多能祖细胞的不同功能亚群 | 首次在稳态条件下使用深度学习技术仅基于细胞形态学特征区分HSCs和MPPs，无需依赖表面标记物或移植实验 | 模型算法仍需持续改进，且需要集成到更多成像系统中验证通用性 | 探索深度学习技术在造血干细胞和祖细胞分类中的应用可行性 | 小鼠长期造血干细胞(LT-HSCs)、短期造血干细胞(ST-HSCs)和多能祖细胞(MPPs) | 计算机视觉 | NA | 光学显微镜(DIC)成像 | CNN | 图像 | 大量图像数据集 | NA | LSM模型(三分类器) | NA | NA |
| 46 | 2025-10-06 |
Noninvasive molecular subtyping of pediatric low-grade glioma with self-supervised transfer learning
2023-Nov-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.04.23293673
PMID:37609311
|
研究论文 | 开发并外部验证基于MRI的深度学习流程，用于儿童低级别胶质瘤BRAF突变状态的无创分类 | 结合迁移学习和自监督交叉训练方法，在有限数据场景下提升分类性能；提出新的模型可解释性指标COMDist | 回顾性研究，样本量有限，数据来自两个特定机构 | 开发无创的儿童低级别胶质瘤分子亚型分类方法 | 儿童低级别胶质瘤患者 | 医学影像分析 | 儿童低级别胶质瘤 | MRI，基因组测序 | 深度学习 | 3D MRI图像 | BCH数据集214例（开发集），CBTN数据集112例（外部验证集） | NA | NA | AUC，准确率，COMDist | NA |
| 47 | 2025-10-06 |
Spin device-based image edge detection architecture for neuromorphic computing
2023-Nov-15, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ad0056
PMID:37797609
|
研究论文 | 提出一种基于自旋轨道转矩磁随机存储器的交叉阵列设计，用于图像边缘检测的神经形态计算架构 | 采用双电平自旋轨道转矩磁随机存储器设计，实现内存计算并扩展至脉冲域蚁群优化算法 | NA | 开发资源高效的硬件实现方案，用于图像边缘检测 | 灰度图像边缘检测 | 神经形态计算 | NA | 内存计算，非易失性存储器 | NA | 图像 | NA | 蚁群优化算法 | 交叉阵列设计 | 像素精度，面积效率，泄漏功耗，能效 | NA |
| 48 | 2025-10-06 |
One hundred years of neurosciences in the arts and humanities, a bibliometric review
2023-11-09, Philosophy, ethics, and humanities in medicine : PEHM
DOI:10.1186/s13010-023-00147-3
PMID:37946225
|
文献计量学综述 | 通过百年文献计量分析揭示神经科学在艺术与人文领域的影响演变 | 首次对神经科学与艺术人文交叉领域进行长达百年的纵向文献计量分析，识别出研究范式的转变和新兴技术趋势 | 仅基于Scopus数据库文献，可能存在收录范围限制；文献计量方法本身对内容深度的分析有限 | 探究神经科学技术在创造力和审美体验研究中的历史演变与未来挑战 | Scopus数据库中1922-2022年间3612篇多学科研究文献 | 文献计量学与跨学科研究 | NA | 文献计量分析，PRISMA方法筛选，关键词聚类分析 | NA | 文献元数据 | 3612篇文献 | NA | NA | NA | NA |
| 49 | 2025-10-06 |
Diagnosis of primary clear cell carcinoma of the liver based on Faster region-based convolutional neural network
2023-Nov-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000002853
PMID:37882066
|
研究论文 | 本研究基于Faster RCNN建立深度学习模型，用于准确区分原发性肝透明细胞癌和普通肝细胞癌 | 首次应用Faster RCNN深度学习算法对PCCCL和CHCC进行术前鉴别诊断 | 样本量相对有限，仅来自单一医疗中心的数据 | 建立准确的PCCCL和CHCC鉴别诊断模型 | 原发性肝透明细胞癌和普通肝细胞癌患者 | 计算机视觉 | 肝癌 | 深度学习 | CNN | 医学图像 | 62例PCCCL患者和1079例CHCC患者，共4392张训练图像和1072张测试图像 | NA | Faster RCNN | 准确率, 平均精确率, 召回率 | NA |
| 50 | 2025-05-31 |
Development of Multiscale 3D Residual U-Net to Segment Edematous Adipose Tissue by Leveraging Annotations from Non-Edematous Adipose Tissue
2023-Nov, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2669719
PMID:40256010
|
研究论文 | 本文开发了一种多尺度3D残差U-Net模型，用于从非水肿脂肪组织的注释中分割水肿脂肪组织 | 利用不准确的注释直接训练深度学习模型，提高了脂肪组织分割的准确性，无需手动注释 | 训练数据中缺乏水肿脂肪组织的异质性，可能影响模型在极端情况下的表现 | 开发一种无需手动注释的深度学习模型，用于医学图像中的脂肪组织分割 | CT扫描中的脂肪组织 | 数字病理学 | 水肿 | 深度学习 | 3D残差U-Net | 医学图像（CT扫描） | 训练集101名患者，测试集14名患者（其中10名患有全身性水肿） | NA | NA | NA | NA |
| 51 | 2025-10-07 |
Update on muscle imaging in myositis
2023-11-01, Current opinion in rheumatology
IF:5.2Q1
DOI:10.1097/BOR.0000000000000975
PMID:37656661
|
综述 | 本文综述了MRI、超声和PET/CT等影像技术在肌炎诊断和管理中的最新进展 | 重点介绍了从手动定性分析向定量分析的转变，以及人工智能和纹理分析等新兴技术的应用前景 | NA | 探讨影像技术在特发性炎症性肌病中的应用进展 | 肌炎或特发性炎症性肌病 | 数字病理 | 肌肉炎症性疾病 | MRI, 超声, PET/CT, 剪切波弹性成像 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 52 | 2025-10-07 |
Machine learning applications and challenges in graft-versus-host disease: a scoping review
2023-11-01, Current opinion in oncology
IF:2.8Q2
DOI:10.1097/CCO.0000000000000996
PMID:37820094
|
综述 | 本文探讨机器学习在移植物抗宿主病风险预测、诊断和个性化治疗中的应用潜力与挑战 | 系统总结机器学习在GVHD领域的最新进展，包括动态风险评估、深度学习诊断模型和自适应治疗策略 | 需要大规模多中心合作开发可泛化模型，且需解决伦理准则实施等关键问题 | 评估人工智能特别是机器学习在GVHD管理中的应用前景 | 移植物抗宿主病的风险评估、诊断和治疗方法 | 机器学习 | 移植物抗宿主病 | NA | 深度学习,强化学习,Q-learning,深度强化学习 | 时间序列数据,图像数据 | NA | NA | NA | NA | NA |
| 53 | 2025-10-07 |
The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis
2023-Nov-23, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.23.568470
PMID:38045294
|
研究论文 | 本研究通过大规模平行报告基因分析和深度学习模型揭示了斑马鱼胚胎发生过程中5' UTR在翻译调控中的调控景观 | 首次在脊椎动物早期发育中建立了5' UTR翻译调控的定量模型，发现了86个具有不同核糖体招募能力的调控基序 | 研究仅聚焦于斑马鱼胚胎发生的早期阶段，未涵盖其他发育阶段或物种 | 解析5' UTR在翻译调控中的调控特征和作用机制 | 斑马鱼胚胎发育过程中的5' UTR序列 | 计算生物学 | NA | 大规模平行报告基因分析，多核糖体分析，深度学习 | 深度学习模型 | 序列数据，翻译效率数据 | 18,154个5' UTR序列 | NA | DaniO5P | NA | NA |
| 54 | 2025-10-07 |
Deep Learning-Based Analysis of Glottal Attack and Offset Times in Adductor Laryngeal Dystonia
2023-Nov-15, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2023.10.011
PMID:37977969
|
研究论文 | 开发基于深度学习的自动化方法测量声门攻击时间和声门偏移时间，用于辅助诊断内收肌型喉肌张力障碍 | 首次提出使用深度学习框架自动从高速视频喉镜数据中测量GAT和GOT参数，为喉肌张力障碍提供客观诊断指标 | 样本量有限，仅包含正常成人和AdLD患者；与手动分析相比差异虽小但未达统计学显著性 | 开发自动化测量方法辅助内收肌型喉肌张力障碍的诊断 | 声音正常成年人和内收肌型喉肌张力障碍患者 | 数字病理学 | 喉肌张力障碍 | 高速视频喉镜 | 深度学习 | 视频 | 声音正常成年人和AdLD患者（具体数量未明确） | NA | NA | 相关性分析 | NA |
| 55 | 2025-10-07 |
Deep learning assisted single particle tracking for automated correlation between diffusion and function
2023-Nov-17, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.16.567393
PMID:38014323
|
研究论文 | 提出DeepSPT深度学习框架，用于自动分析细胞内颗粒的扩散行为与功能关联 | 首次开发出能够仅通过扩散行为自动提取功能信息的深度学习框架，实现秒级分析而非传统所需的数周时间 | NA | 开发自动化工具来关联亚细胞颗粒扩散行为与生物学功能 | 病毒感染的早期事件、内体细胞器、网格蛋白包被小窝和囊泡 | 计算机视觉 | 病毒感染 | 光学显微镜，单颗粒追踪 | 深度学习 | 2D/3D时间序列图像 | NA | NA | DeepSPT | 准确率 | NA |
| 56 | 2025-10-07 |
SPACEL: deep learning-based characterization of spatial transcriptome architectures
2023-11-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43220-3
PMID:37990022
|
研究论文 | 提出基于深度学习的空间转录组架构表征工具SPACEL，用于分析空间转录组数据 | 开发了首个集成细胞类型反卷积、空间域识别和3D对齐的深度学习工具包 | 未明确说明方法在特定组织类型或技术平台上的局限性 | 解决多个空间转录组切片的联合分析和3D组织架构重建的挑战 | 空间转录组数据 | 生物信息学 | NA | 空间转录组技术 | 多层感知机, 图卷积网络, 对抗学习 | 空间转录组数据 | 模拟和真实ST数据集，涉及多种组织和ST技术 | NA | 多层感知机, 图卷积网络 | 细胞类型反卷积性能, 空间域识别性能, 3D对齐性能 | NA |
| 57 | 2025-10-07 |
PET/CT based cross-modal deep learning signature to predict occult nodal metastasis in lung cancer
2023-11-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-42811-4
PMID:37980411
|
研究论文 | 基于PET/CT的跨模态深度学习特征预测肺癌隐匿性淋巴结转移 | 开发了基于PET/CT的跨模态深度学习特征，在预测隐匿性淋巴结转移方面显著优于单模态模型、临床模型和医生判断 | NA | 预测临床分期N0非小细胞肺癌的隐匿性淋巴结转移 | 非小细胞肺癌患者 | 数字病理 | 肺癌 | PET/CT成像 | 深度学习 | 医学影像 | 内部队列1911例，外部队列355例，前瞻性队列999例 | NA | 跨模态深度学习 | AUC | NA |
| 58 | 2025-10-07 |
Deep learning of human polyadenylation sites at nucleotide resolution reveals molecular determinants of site usage and relevance in disease
2023-11-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43266-3
PMID:37968271
|
研究论文 | 开发深度学习模型在核苷酸分辨率下识别人类基因组中的多聚腺苷酸化位点并分析其分子决定因素 | 首次在核苷酸级别分辨率下识别全基因组多聚腺苷酸化位点，并定量测量位置特异性基序重要性及其相互作用 | NA | 解析人类基因组中多聚腺苷酸化位点优化的分子机制及其在疾病中的作用 | 人类基因组中的多聚腺苷酸化位点 | 机器学习 | 人类疾病 | 深度学习，机器学习 | 深度学习模型 | 基因组数据 | NA | NA | NA | NA | NA |
| 59 | 2025-10-07 |
Genome-wide association analysis of left ventricular imaging-derived phenotypes identifies 72 risk loci and yields genetic insights into hypertrophic cardiomyopathy
2023-11-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43771-5
PMID:38036550
|
研究论文 | 通过深度学习算法分析心脏磁共振图像，识别左心室区域壁厚度的遗传决定因素及其与肥厚型心肌病的关联 | 开发新型深度学习算法精确计算12个左心室区域壁厚度，首次在42,194人群体中发现72个与左心室壁厚度相关的遗传位点 | 研究样本仅来自UK Biobank数据库，需要其他人群验证 | 探索左心室区域壁厚度的遗传基础及其与肥厚型心肌病的因果关系 | UK Biobank数据库中的42,194名个体的心脏磁共振图像 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像, 全基因组关联分析, 孟德尔随机化分析 | 深度学习 | 医学影像 | 42,194名UK Biobank参与者 | NA | NA | P值, 遗传相关性, 多基因风险评分 | NA |
| 60 | 2025-10-07 |
TransformEHR: transformer-based encoder-decoder generative model to enhance prediction of disease outcomes using electronic health records
2023-11-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43715-z
PMID:38030638
|
研究论文 | 提出基于Transformer的编码器-解码器生成模型TransformEHR，通过新型预训练目标提升电子健康记录疾病预测性能 | 采用预测患者未来就诊时所有疾病和结果的创新预训练目标，结合编码器-解码器框架实现最先进性能 | 未明确说明模型在更广泛疾病预测任务中的泛化能力限制 | 开发能够准确预测临床疾病结果的深度学习模型 | 电子健康记录中的患者纵向医疗数据 | 自然语言处理 | 胰腺癌、创伤后应激障碍 | 电子健康记录分析 | Transformer | 电子健康记录文本数据 | NA | NA | Transformer编码器-解码器 | 精确召回曲线下面积 | NA |