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 255 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 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 |
| 122 | 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 |
| 123 | 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 |
| 124 | 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 |
| 125 | 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 |
| 126 | 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 |
| 127 | 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 |
| 128 | 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 |
| 129 | 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 |
| 130 | 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 |
| 131 | 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 |
| 132 | 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 |
| 133 | 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 |
| 134 | 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 |
| 135 | 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 |
| 136 | 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 |
| 137 | 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 |
| 138 | 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 |
| 139 | 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 |
| 140 | 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 |