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 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-10-07 |
Label-free identification of protein aggregates using deep learning
2023-11-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43440-7
PMID:38016971
|
研究论文 | 提出一种基于深度学习的无标记蛋白质聚集体识别方法LINA | 无需荧光标记即可在活细胞中识别未标记的Httex1蛋白质聚集体 | NA | 开发无标记识别神经退行性疾病相关蛋白质聚集体的方法 | 亨廷顿蛋白Httex1在活细胞中形成的蛋白质聚集体 | 计算机视觉 | 神经退行性疾病 | 透射光成像 | 深度学习 | 图像 | NA | NA | NA | 特异性 | NA |
| 62 | 2025-10-07 |
Identification of Drug Compounds for Capsular Contracture Based on Text Mining and Deep Learning
2023-11-01, Plastic and reconstructive surgery
IF:3.2Q1
DOI:10.1097/PRS.0000000000010350
PMID:36862957
|
研究论文 | 通过文本挖掘和深度学习识别治疗包膜挛缩的候选药物化合物 | 首次结合文本挖掘、基因富集分析和DeepPurpose深度学习框架系统性地筛选包膜挛缩治疗药物 | 研究基于计算预测，缺乏实验验证；候选药物数量有限 | 探索包膜挛缩的非手术治疗方法，识别潜在治疗药物 | 包膜挛缩相关基因和靶向药物 | 生物信息学, 药物发现 | 包膜挛缩 | 文本挖掘, 基因富集分析, 蛋白质相互作用分析, 深度学习 | DeepPurpose | 基因数据, 药物靶点数据, 文本数据 | 55个相关基因, 8个候选基因, 100个候选药物 | DeepPurpose, GeneCodis, Cytoscape | NA | 预测结合亲和力 | NA |
| 63 | 2025-04-06 |
Automatic Detection of Tooth-Gingiva Trim Lines on Dental Surfaces
2023-11, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3263161
PMID:37015112
|
research paper | 提出了一种两阶段几何深度学习框架，用于自动检测牙齿-牙龈修剪线 | 提出了一个两阶段框架，包括修剪线提议网络（TLP-Net）和修剪线细化网络（TLR-Net），能够充分利用高分辨率牙科表面数据 | 未提及具体样本量或临床验证的广泛性 | 自动检测牙齿-牙龈修剪线以支持牙科治疗规划和矫正器3D打印 | 牙齿-牙龈修剪线 | computer vision | NA | 几何深度学习 | U-Net, LDDMM | 3D牙科表面数据 | NA | NA | NA | NA | NA |
| 64 | 2025-10-07 |
Data-efficient resting-state functional magnetic resonance imaging brain mapping with deep learning
2023-11-01, Journal of neurosurgery
IF:3.5Q1
DOI:10.3171/2023.3.JNS2314
PMID:37060318
|
研究论文 | 开发基于深度学习的静息态功能磁共振成像脑图谱映射方法，用于术前功能定位 | 提出使用3D卷积神经网络在少量RS-fMRI数据下实现语言和运动静息态网络的体素级映射 | 研究样本主要来自健康成年人，脑肿瘤患者样本量较小（仅5例） | 开发能够用最少RS-fMRI数据可靠映射静息态网络的深度学习模型 | 健康成年人（2252名）和脑胶质母细胞瘤患者（5名） | 医学影像分析 | 脑肿瘤 | 静息态功能磁共振成像（RS-fMRI） | CNN | 医学影像 | 2257名参与者（2252名健康成年人，5名脑肿瘤患者） | NA | 3DCNN | 准确率，真阳性率 | NA |
| 65 | 2025-10-07 |
Convolutional Neural Networks for Segmentation of Malignant Pleural Mesothelioma: Analysis of Probability Map Thresholds (CALGB 30901, Alliance)
2023-Nov-30, ArXiv
PMID:38076518
|
研究论文 | 评估概率图阈值对卷积神经网络分割恶性胸膜间皮瘤肿瘤的影响 | 首次系统分析CNN概率图阈值对MPM肿瘤分割体积和空间重叠度的影响 | CNN在特定疾病表现（如严重胸腔积液或胸膜裂隙疾病）存在分割缺陷，未找到同时优化肿瘤体积和DSC的最佳单一阈值 | 评估深度学习自动分割方法在恶性胸膜间皮瘤肿瘤测量中的可靠性 | 恶性胸膜间皮瘤患者的CT扫描图像 | 计算机视觉 | 肺癌 | CT扫描 | CNN | 医学图像 | 21名MPM患者的88次CT扫描 | NA | VGG16,U-Net | Dice相似系数,体积百分比差异 | NA |
| 66 | 2025-03-21 |
A full-stack platform for spiking deep learning
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00565-5
PMID:38177599
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 67 | 2025-03-21 |
Accurately predicting molecular spectra with deep learning
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00553-9
PMID:38177595
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 68 | 2025-10-07 |
A deep learning model for predicting selected organic molecular spectra
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00550-y
PMID:38177591
|
研究论文 | 开发了一种结合E(3)等变群和自注意力机制的深度学习模型DetaNet，用于高效预测分子光谱 | 结合E(3)等变群和自注意力机制，能够生成包括标量、向量及高阶张量在内的多种分子性质，达到量子化学计算精度 | 基于QM9S数据集进行验证，尚未在其他数据集上测试泛化能力 | 提高分子光谱预测的效率和准确性 | 有机分子光谱 | 机器学习 | NA | 深度学习 | 图神经网络 | 分子结构数据 | 130,000个分子物种 | NA | E(3)-等变网络,自注意力机制 | 量子化学计算精度 | NA |
| 69 | 2025-10-07 |
Deep Learning-Based Diagnostic System for Velopharyngeal Insufficiency Based on Videofluoroscopy in Patients With Repaired Cleft Palates
2023 Nov-Dec 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009560
PMID:37815288
|
研究论文 | 本研究开发了基于视频荧光检查的深度学习诊断系统，用于评估腭裂修复术后患者的腭咽闭合不全 | 首次将六种深度学习算法应用于视频荧光检查数据诊断VPI，并与人类专家诊断结果进行系统比较 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发基于深度学习的腭咽闭合不全自动诊断系统 | 腭裂修复术后接受腭咽功能评估的患者 | 计算机视觉 | 腭咽闭合不全 | 视频荧光检查 | CNN | 视频图像 | 714例病例（2010年1月至2019年6月） | NA | VGGNet, ResNet, Xception, ResNext, DenseNet, SENet | AUC | NA |
| 70 | 2025-10-07 |
Automated classification of fat-infiltrated axillary lymph nodes on screening mammograms
2023-Nov, The British journal of radiology
DOI:10.1259/bjr.20220835
PMID:37751215
|
研究论文 | 开发基于深度学习的自动化流程对筛查性乳腺X线摄影中的脂肪浸润腋窝淋巴结进行分类 | 首次使用自动化深度学习方法对脂肪浸润淋巴结进行分类 | 标记数据稀缺可能限制模型泛化能力 | 开发快速可推广的工具辅助数据标注，支持大规模研究 | 筛查性乳腺X线摄影中的脂肪浸润腋窝淋巴结 | 计算机视觉 | 肥胖相关疾病 | 乳腺X线摄影 | 深度学习 | 医学影像 | 886张内部机构乳腺X线片和外部数据库子集 | NA | 两阶段深度学习模型 | 准确率, AUC | NA |
| 71 | 2025-02-21 |
A two-dimensional hydrodynamics prediction framework for mantle-undulated propulsion robot using multiple proper orthogonal decomposition and long short term memory neural network
2023-11-29, Bioinspiration & biomimetics
IF:3.1Q2
DOI:10.1088/1748-3190/ad0daf
PMID:37976535
|
研究论文 | 本文开发了一个基于深度学习的框架，用于预测在波动推进机器人（MUPRo）上的流体动力 | 提出了多重本征正交分解（MPOD）算法，有效识别MUPRo波动表面附近流体的全局和局部特征，并开发了基于MPOD算法和长短期记忆神经网络的流体动力预测框架 | NA | 开发一个能够经济且可靠地预测波动推进机器人流体动力的框架 | 波动推进机器人（MUPRo） | 机器学习 | NA | 多重本征正交分解（MPOD）算法，长短期记忆神经网络（LSTM） | LSTM | 流体动力数据 | NA | NA | NA | NA | NA |
| 72 | 2025-02-21 |
Application of bidirectional long short-term memory network for prediction of cognitive age
2023-11-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-47606-7
PMID:37980387
|
研究论文 | 本研究应用双向长短期记忆网络（BLSTM）算法分析台北慈济医院儿科脑电图实验室的EEG数据，以预测认知年龄 | 首次将BLSTM算法应用于EEG数据的认知年龄预测，并验证了其在识别不同年龄段儿童和青少年EEG数据中的有效性 | 对于智力障碍患者的EEG样本，预测准确率显著降低，表明个体智力在年龄预测中起主要作用 | 探讨深度学习工具在EEG分类中的应用，特别是用于预测认知年龄 | 儿童和青少年的EEG数据 | 机器学习 | NA | EEG | BLSTM | EEG数据 | 来自台北慈济医院儿科脑电图实验室的EEG样本 | NA | NA | NA | NA |
| 73 | 2025-02-21 |
An Adaptive Intrusion Detection System in the Internet of Medical Things Using Fuzzy-Based Learning
2023-Nov-17, Sensors (Basel, Switzerland)
DOI:10.3390/s23229247
PMID:38005635
|
研究论文 | 本文提出了一种基于模糊学习的自适应长短期记忆（LSTM）入侵检测系统（IDS），用于医疗物联网（IoMT）中的攻击检测 | 提出了一种动态调整训练周期和使用早停策略的模糊自调LSTM模型，以提高入侵检测的准确性和预测性 | 未提及具体的数据集规模或实验环境的局限性 | 开发更高效和准确的入侵检测系统，以应对医疗物联网中的网络攻击 | 医疗物联网（IoMT）设备 | 机器学习 | NA | 模糊学习，LSTM | LSTM | 网络日志数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 74 | 2025-02-21 |
Novel integrated modelling based on multiplicative long short-term memory (mLSTM) deep learning model and ensemble multi-criteria decision making (MCDM) models for mapping flood risk
2023-Nov-01, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2023.118838
PMID:37595460
|
研究论文 | 本文提出了一种基于乘法长短期记忆（mLSTM）深度学习模型和多准则决策（MCDM）集成模型的新方法，用于绘制伊朗南部Minab-Shamil平原的洪水风险图 | 创新点在于首次将mLSTM深度学习模型与MCDM集成模型结合，用于生成高分辨率的洪水风险图 | 研究仅限于Minab-Shamil平原，未在其他地区验证模型的普适性 | 研究目的是开发一种集成方法，用于精确绘制洪水风险图，以支持洪水管理和减灾 | 研究对象是Minab-Shamil平原的洪水风险 | 机器学习 | NA | 深度学习，多准则决策 | mLSTM, CODAS, EDAS, MOOSRA | 地理空间数据 | 70%训练数据，30%测试数据 | NA | NA | NA | NA |
| 75 | 2025-10-07 |
Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study
2023-Nov-11, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-023-00597-0
PMID:37952058
|
研究论文 | 本研究利用深度学习从组织病理学图像预测早期乳腺癌复发风险 | 首次使用深度学习分析H&E染色肿瘤切片图像来预测乳腺癌早期复发，为传统临床标志物提供补充信息 | 样本量相对有限（202名参与者），预测准确率为62.4%仍有提升空间 | 开发基于图像的快速识别早期乳腺癌高复发风险患者的方法 | 乳腺癌患者组织病理学图像 | 数字病理学 | 乳腺癌 | H&E染色，深度学习 | 深度学习模型 | 组织病理学图像 | 202名参与者（101名复发，101名未复发），704张1mm肿瘤核心H&E图像 | NA | NA | 准确率，置信区间 | NA |
| 76 | 2025-10-07 |
Artificial intelligence for natural product drug discovery
2023-11, Nature reviews. Drug discovery
DOI:10.1038/s41573-023-00774-7
PMID:37697042
|
综述 | 探讨人工智能与计算组学技术在天然产物药物发现中的协同应用 | 提出人工智能与计算组学技术相结合的新范式，用于挖掘天然产物的药物潜力 | 需要高质量数据集训练深度学习算法，且缺乏有效的算法验证策略 | 通过人工智能方法加速天然产物药物发现进程 | 天然产物分子 | 机器学习 | NA | 计算组学技术 | 深度学习 | 分子数据 | NA | NA | NA | NA | NA |
| 77 | 2025-10-07 |
A comprehensive survey of complex brain network representation
2023-Nov, Meta-radiology
DOI:10.1016/j.metrad.2023.100046
PMID:39830588
|
综述 | 本文系统综述了基于神经影像的脑网络表示方法，涵盖传统方法和深度学习技术 | 首次全面整合传统脑网络分析方法和最新图学习方法，提供该领域的系统分类框架 | 作为综述文章，不包含原始实验验证，主要依赖现有文献分析 | 总结脑网络表示方法的研究进展并展望未来方向 | 神经影像衍生的脑结构网络和功能网络 | 机器学习 | 神经退行性疾病 | 神经影像技术 | 图神经网络 | 脑网络数据 | NA | NA | NA | NA | NA |
| 78 | 2024-12-15 |
Enhancing diagnosis of Hirschsprung's disease using deep learning from histological sections of post pull-through specimens: preliminary results
2023-Nov-29, Pediatric surgery international
IF:1.5Q3
DOI:10.1007/s00383-023-05590-z
PMID:38019366
|
研究论文 | 本研究利用深度学习技术从回拉手术后的组织学切片中识别Hirschsprung病中的神经节细胞和肥大神经，以提高诊断准确性 | 首次使用AI技术基于U-net模型识别Hirschsprung病中的神经节细胞和肥大神经 | 研究样本量较小，且仅限于回拉手术后的组织学切片 | 开发一种基于人工智能的方法来提高Hirschsprung病的组织学诊断准确性 | Hirschsprung病中的神经节细胞和肥大神经 | 数字病理学 | Hirschsprung病 | 深度学习 | U-net | 图像 | 108个标注样本，数据增强后生成19,600张图像，最终用于训练和验证的图像为1945张 | NA | NA | NA | NA |
| 79 | 2024-12-09 |
Deep learning based tomosynthesis denoising: a bias investigation across different breast types
2023-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.6.064003
PMID:38074628
|
研究论文 | 本文提出了一种基于深度学习的数字乳腺断层合成（DBT）去噪算法，并研究了其在不同乳腺类型中的潜在偏差 | 本文设计了一种基于物理驱动的数据增强方法和专门用于乳腺图像去噪的ReLU损失函数，以提高去噪效果 | 本文仅在临床和模拟数据上进行了测试，未涵盖所有可能的乳腺类型和剂量分布 | 评估深度学习去噪算法在不同乳腺类型中的有效性和公平性 | 数字乳腺断层合成（DBT）图像的去噪效果 | 计算机视觉 | NA | 深度学习 | 编码器-解码器网络 | 图像 | 临床数据和模拟数据 | NA | NA | NA | NA |
| 80 | 2024-12-08 |
Severe aortic stenosis detection by deep learning applied to echocardiography
2023-11-14, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehad456
PMID:37611002
|
研究论文 | 本研究开发并验证了一种基于深度学习的模型，用于通过二维超声心动图视频检测严重主动脉瓣狭窄 | 利用自监督对比预训练的三维卷积神经网络模型，无需多普勒成像即可识别严重主动脉瓣狭窄 | NA | 开发和验证一种自动化方法，用于通过单一视角的二维超声心动图检测严重主动脉瓣狭窄 | 严重主动脉瓣狭窄的早期诊断 | 计算机视觉 | 心血管疾病 | 深度学习 | 三维卷积神经网络 | 视频 | 训练集包含5257个研究（17570个视频），验证集包含2040个连续研究，以及来自加利福尼亚和新英格兰其他医院的4226和3072个研究 | NA | NA | NA | NA |