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 1959 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 | 2026-06-26 |
Deep learning based predictive modeling to screen natural compounds against TNF-alpha for the potential management of rheumatoid arthritis: Virtual screening to comprehensive in silico investigation
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303954
PMID:39636801
|
研究论文 | 采用深度学习方法虚拟筛选天然化合物以抑制TNF-α，用于类风湿关节炎的潜在管理 | 将深度学习预测模型与虚拟筛选、分子对接、ADMET评估及分子动力学模拟相结合，系统筛选天然化合物针对TNF-α的潜在抑制剂 | 未提及体外或体内实验验证，结果完全基于计算预测 | 寻找治疗类风湿关节炎的天然化合物候选药物 | TNF-α蛋白及天然化合物库 | 机器学习 | 类风湿关节炎 | 分子对接, ADMET分析, 分子动力学模拟 | 深度学习预测模型 | 分子结构数据 | 2563个天然化合物 | NA | NA | MSE, MAPE, MAE | NA |
| 42 | 2026-06-19 |
A Siamese ResNeXt network for predicting carotid intimal thickness of patients with T2DM from fundus images
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1364519
PMID:38549767
|
研究论文 | 开发并验证基于眼底图像的深度学习模型，用于预测2型糖尿病患者的颈动脉内膜中层厚度 | 提出一种基于Siamese ResNeXt网络的单模态模型，在预测T2DM患者CIMT的效能和鲁棒性上优于传统网络，并通过Grad-CAM可视化证实眼底微血管病变与CIMT的关联 | 未提及模型的外部验证、数据来源的多样性限制，以及年龄因素嵌入网络后性能下降的原因分析不足 | 利用眼底图像预测T2DM患者的颈动脉内膜中层厚度 | 1236名T2DM患者的眼底图像和CIMT超声记录 | 机器学习 | 2型糖尿病 | 眼底图像分析 | Siamese ResNeXt网络 | 图像 | 1236名T2DM患者 | NA | ResNet, ResNeXt | 召回率, AUC, 精确率, 特异性, F1值, ROC曲线 | NA |
| 43 | 2026-06-19 |
An ensemble deep learning diagnostic system for determining Clinical Activity Scores in thyroid-associated ophthalmopathy: integrating multi-view multimodal images from anterior segment slit-lamp photographs and facial images
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1365350
PMID:38628586
|
研究论文 | 开发集成深度学习方法，结合前节裂隙灯照片和面部图像来自动评估甲状腺相关眼病的临床活动性评分 | 首次将前节裂隙灯照片和面部图像作为多视角多模态数据，通过集成深度学习方法模拟专家评估，提升了TAO活动性预测的准确性 | 研究样本量较小，仅包含单一医院的156例患者，可能影响模型泛化性；主观症状（如疼痛）仍需额外输入而非完全自动化 | 构建集成深度学习系统，通过多视角多模态图像准确预测TAO的临床活动性评分 | 甲状腺相关眼病患者的炎症体征（眼睑结膜红肿、肿胀等）及主观症状 | 计算机视觉 | 甲状腺相关眼病 | NA | 集成深度学习模型（基于残差网络） | 图像（前节裂隙灯照片和面部图像） | 156名TAO患者 | NA | 残差网络 | 准确率、特异度、精确率、召回率、F1分数 | NA |
| 44 | 2026-06-18 |
Using Artificial Intelligence for Rheumatic Heart Disease Detection by Echocardiography: Focus on Mitral Regurgitation
2024-01-16, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.123.031257
PMID:38226515
|
研究论文 | 利用人工智能检测超声心动图中风湿性心脏病，重点分析二尖瓣反流 | 首次系统评估机器学习在儿童便携式超声心动图上检测二尖瓣反流和风湿性心脏病的潜力，整合图像标准化、深度学习与注意力机制 | 数据集相对较小，模型性能依赖专家标注质量，泛化能力需更多数据验证 | 开发基于人工智能的超声心动图自动化方法，检测隐匿性风湿性心脏病 | 儿童便携式超声心动图，关注二尖瓣彩色多普勒图像 | 计算机视觉 | 风湿性心脏病 | 超声心动图 | 卷积神经网络, 深度学习模型, 注意力机制 | 图像 | 511例儿童超声心动图（229例正常，282例风湿性心脏病） | PyTorch | 卷积神经网络, 注意力机制 | 准确率, Dice系数, AUC, 精确度, 召回率, F1分数 | NA |
| 45 | 2026-06-18 |
Radiation dose estimation with multiple artificial neural networks in dicentric chromosome assay
2024, International journal of radiation biology
IF:2.1Q2
DOI:10.1080/09553002.2024.2338531
PMID:38687685
|
研究论文 | 开发了一种基于多重人工神经网络的算法，用于自动化双着丝粒染色体分析并实现辐射剂量的高精度估计 | 首次结合多种人工神经网络实现双着丝粒染色体的全自动检测与计数，并通过回归神经网络和蒙特卡洛方法校正剂量响应曲线，确保泊松分布符合性 | 低于0.5 Gy的剂量估计存在数值计算问题；1 Gy剂量点的准确性未改善 | 实现基于深度学习的高精度辐射剂量自动估计，克服传统双着丝粒染色体分析中劳动密集和分布偏差的问题 | 来自30名健康捐赠者的血液样本，经0至4 Gy七种辐射剂量处理 | 机器学习 | 辐射暴露损伤 | 双着丝粒染色体分析 | 人工神经网络 | 图像 | 30名健康捐赠者，七种剂量梯度（0-4 Gy） | NA | 多重人工神经网络（包含目标检测、分类和回归网络） | 置信区间（95%）、准确率 | NA |
| 46 | 2026-06-18 |
Application of artificial intelligence for the classification of the clinical outcome and therapy in patients with viral infections: The case of COVID-19
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-230917
PMID:37840512
|
研究论文 | 应用人工智能对病毒感染患者临床结果和治疗进行分类：以COVID-19为例 | 本研究创新性地将分类从单纯疾病存在扩展到疾病严重程度分类，为患者分诊时的关键决策支持系统奠定基础 | NA | 通过深度学习方法增强对三类临床严重程度（轻度、中度和重度）患者的诊断、预测和个性化治疗 | 在波斯尼亚和黑塞哥维那泰沙尼总医院诊断和治疗过程中收集的1000名患者数据 | 机器学习 | COVID-19 | NA | 人工神经网络 | 数值数据 | 1000名患者 | NA | 人工神经网络 | 准确率 | NA |
| 47 | 2026-06-18 |
Lung cancer detection based on computed tomography image using convolutional neural networks
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-230810
PMID:37955065
|
研究论文 | 利用卷积神经网络对计算机断层扫描图像进行肺癌检测 | 采用GoogLeNet深度学习架构对CT图像进行良恶性肺部病变分类，减少人工干预 | 未提及 | 利用深度学习方法对良性和恶性肺部病变进行分类 | 计算机断层扫描（CT）图像中的肺部病变 | 计算机视觉 | 肺癌 | 卷积神经网络 | CNN | 图像 | 4459个CT扫描（良性2242个，恶性2217个） | NA | GoogLeNet | 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 48 | 2026-06-18 |
Three-dimensional analysis of junctions between efferent and epididymal ducts in the human caput epididymis
2024-01, Andrology
IF:3.2Q1
DOI:10.1111/andr.13445
PMID:37129932
|
研究论文 | 利用三维重建技术分析人类附睾头中输出管与附睾管连接处的结构 | 首次通过深度学习模型和高性能三维重建软件，从连续石蜡切片中重建人类输出管与附睾头的三维结构，揭示了与啮齿动物不同的连接模式 | 样本量较小（仅3例前列腺癌患者标本），且未能详细说明深度学习分割模型的准确性和潜在局限性 | 研究人类输出管与附睾头附睾管的三维结构及其连接处 | 人类输出管和附睾头附睾管 | 机器学习 | 男性不育症 | 连续石蜡切片 | 深度学习分割模型 | 图像 | 3例前列腺癌患者标本 | NA | NA | NA | 高性能三维重建软件 |
| 49 | 2026-06-17 |
Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-240098
PMID:38728189
|
research paper | 提出一种新型深度学习模型MoFNet，通过整合多组学数据和先验功能相互作用，研究阿尔茨海默病的分子机制及其遗传贡献因素 | 首次建模从DNA到RNA和蛋白质的动态信息流，整合SNP、基因和蛋白质间的先验功能相互作用，提升模型可解释性 | NA | 通过新型多组学数据整合方法，发现功能连接的多组学特征以阐明阿尔茨海默病的分子机制 | 阿尔茨海默病的分子机制及其上游遗传贡献因素 | machine learning | 阿尔茨海默病 | NA | 深度学习 | 多组学数据 | NA | NA | MoFNet | 预测性能 | NA |
| 50 | 2026-06-07 |
Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1328579
PMID:38524629
|
研究论文 | 利用深度学习结合病理和临床特征预测特发性膜性肾病免疫治疗反应 | 首次将深度学习训练的病理特征与临床因素结合构建模型，用于预测特发性膜性肾病患者对免疫治疗的反应，并发现病理特征整合模型优于临床特征模型 | 样本量较小（291例），且模型在验证集上AUC较低（0.77），可能影响泛化能力 | 建立并验证一种结合病理和临床特征的深度学习模型，以评估特发性膜性肾病患者对免疫抑制治疗的反应 | 291例特发性膜性肾病（IMN）患者 | 数字病理学 | 特发性膜性肾病 | 全切片病理图像分析 | 卷积神经网络（CNN） | 全切片病理图像和临床数据 | 291例患者（训练集219例，验证集72例） | NA | CNN | AUC | NA |
| 51 | 2026-06-07 |
PET/CT-based deep learning grading signature to optimize surgical decisions for clinical stage I invasive lung adenocarcinoma and biologic basis under its prediction: a multicenter study
2024-01, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-023-06434-7
PMID:37725128
|
研究论文 | 基于PET/CT的深度学习分级特征用于优化临床I期浸润性肺腺癌的手术决策及其预测的生物学基础 | 首次开发基于PET/CT的深度学习分级特征（DLGS）用于个性化治疗临床I期浸润性肺腺癌，并探索其预测下的生物学基础 | 需要更大规模的国际研究验证其在其他地区的适用性 | 开发一种基于PET/CT的深度学习分级特征，以个性化手术治疗临床I期浸润性肺腺癌，并探索其预测的生物学基础 | 临床I期浸润性肺腺癌患者 | 计算机视觉 | 肺腺癌 | PET/CT | 深度学习 | 图像 | 来自4个医疗中心的2638名临床I期浸润性肺腺癌患者 | NA | NA | AUC | NA |
| 52 | 2026-06-03 |
Network anomaly detection using Deep Autoencoder and parallel Artificial Bee Colony algorithm-trained neural network
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2333
PMID:41937808
|
研究论文 | 提出基于深度自编码器与并行化人工蜂群算法的神经网络进行网络异常检测 | 将深度自编码器与向量化、并行化的人工蜂群算法结合，用于训练前馈神经网络，以解决传统训练算法易陷入局部最优和检测率低的问题 | 未明确说明局限性，但可能包括算法复杂度高、对特定数据集依赖性强等 | 提高网络入侵检测的性能，特别是检测率和降低误报率 | 网络流量数据中的异常或入侵行为 | 机器学习 | NA | 深度自编码器，人工蜂群算法 | 前馈神经网络 | 数值型网络流量特征数据 | 使用了UNSW-NB15和NF-UNSW-NB15-v2两个数据集 | NA | 深度自编码器 | 检测率，误报率 | NA |
| 53 | 2026-06-02 |
Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis
2024-01, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-023-07982-0
PMID:37875679
|
research paper | 通过深度学习模型大规模评估腰椎旁肌肉横截面积和脂肪浸润 | 利用验证的深度学习模型对4434名背部疾病患者进行大规模自动化分析，揭示性别、年龄和疾病类型对腰椎肌肉形态的影响 | 未提及具体限制 | 评估背部疾病患者腰椎肌肉横截面积和脂肪浸润的差异 | 4434名背部疾病患者（包括骨折、疝气、脊柱手术等）的T2轴向MRI图像 | digital pathology | 背部疾病 | MRI | 深度学习 | 图像 | 4434名患者（2609名女性，1825名男性） | NA | NA | NA | NA |
| 54 | 2024-10-02 |
Towards deep learning methods for quantification of the right ventricle using 2D echocardiography
2024, Future cardiology
IF:1.6Q3
DOI:10.1080/14796678.2024.2347125
PMID:39351980
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 55 | 2026-05-29 |
scDisInFact: disentangled learning for integration and prediction of multi-batch multi-condition single-cell RNA-sequencing data
2024-01-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-45227-w
PMID:38291052
|
研究论文 | 提出scDisInFact深度学习框架，用于解缠多批次多条件下单细胞RNA测序数据的批次效应与条件效应 | 首次提出同时实现批次效应去除、条件相关关键基因检测和扰动预测的整合框架 | 未见明确阐述 | 开发能同时处理批次效应和条件效应的深度学习模型 | 单细胞RNA测序数据中的批次效应和条件效应 | 机器学习 | NA | 单细胞RNA测序 | 深度学习框架 | 单细胞RNA测序数据 | NA | PyTorch | scDisInFact | NA | NA |
| 56 | 2026-05-29 |
Race, Sex, and Age Disparities in the Performance of ECG Deep Learning Models Predicting Heart Failure
2024-01, Circulation. Heart failure
|
研究论文 | 本研究调查了深度学习心电图模型在预测心力衰竭时基于种族、性别和年龄的性能差异 | 首次系统评估深度学习模型在不同种族、性别和年龄群体中预测心力衰竭的性能偏差，并探索了减少偏差的策略 | 研究基于单一医院数据，可能无法推广至其他人群；未包含其他潜在影响因子如社会经济状态 | 评估深度学习ECG模型在预测心力衰竭时的人口统计学偏差，并提出缓解算法偏差的方法 | 326,518次患者就诊的心电图数据，涵盖2008-2018年斯坦福医院的标准临床指征 | 机器学习 | 心力衰竭 | 12导联心电图 | 卷积神经网络 | ECG信号 | 326,518次患者就诊，160,312例ECG测试集 | NA | 卷积神经网络 | AUC, F1分数 | NA |
| 57 | 2026-05-23 |
Using deep learning to quantify neuronal activation from single-cell and spatial transcriptomic data
2024-01-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-44503-5
PMID:38278804
|
研究论文 | 通过深度学习方法从单细胞和空间转录组数据量化神经元激活水平 | 提出NEUROeSTIMator模型，能够整合转录组信号估计神经元激活，与Patch-seq电生理特征相关且对物种、细胞类型和脑区差异具有鲁棒性 | NA | 开发一种从单细胞和空间转录组数据准确量化神经元激活的深度学习工具 | 神经元激活相关的转录组数据 | 机器学习 | NA | 单细胞RNA测序（scRNA-seq），空间转录组学 | 深度学习模型 | 转录组数据 | NA | NA | NEUROeSTIMator | 准确度 | NA |
| 58 | 2026-05-23 |
MHC-I upregulation safeguards neoplastic T cells in the skin against NK cell-mediated eradication in mycosis fungoides
2024-01-25, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-45083-8
PMID:38272918
|
研究论文 | 利用克隆性监督深度学习方法，揭示IL-32β-MHC-I轴在皮肤T细胞淋巴瘤免疫逃逸中的关键作用 | 首次发现MHC-I上调通过抑制NK细胞功能促进皮肤T细胞淋巴瘤免疫逃逸，并验证破坏MHC-I与Ly49受体相互作用可恢复NK细胞抗肿瘤活性 | 研究局限于皮肤T细胞淋巴瘤模型，未探索其他类型淋巴瘤或多器官微环境差异 | 阐明皮肤T细胞淋巴瘤免疫逃逸机制并开发克服细胞靶向治疗耐药的新策略 | 蕈样肉芽肿患者皮肤样本及雌性小鼠模型 | 数字病理学, 机器学习 | 皮肤T细胞淋巴瘤 | RNA-seq | 深度学习 | 图像, 文本 | 人类患者皮肤样本（未明确数量）及雌性小鼠模型 | PyTorch | 克隆性监督深度神经网络 | NA | NA |
| 59 | 2026-05-23 |
IntroUNET: identifying introgressed alleles via semantic segmentation
2024-Jan-23, bioRxiv : the preprint server for biology
DOI:10.1101/2023.02.07.527435
PMID:36865105
|
研究论文 | 将语义分割深度学习算法应用于识别种群遗传比对中的渗入等位基因 | 首次将语义分割任务应用于渗入等位基因的个体水平精确识别，能推断每个个体的渗入等位基因及其在基因组中的具体位置 | 依赖模拟数据训练，真实数据应用需要验证；对未采样“幽灵”种群的性能需进一步评估 | 开发一种能够识别基因组中渗入区域和个体渗入等位基因的深度学习方法 | 两个种群的遗传比对数据（模拟数据及真实种群数据如邓氏鱼） | 机器学习 | NA | NGS | CNN (语义分割网络) | 图像（种群遗传比对图像） | 具体样本量未说明，但包括模拟数据和来自果蝇的真实数据 | NA | 语义分割网络（具体架构未明确提及） | 准确率（highly accurate） | NA |
| 60 | 2026-05-23 |
The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241287089
PMID:39363876
|
研究论文 | 通过拓扑放射组学分析预测肺部磨玻璃结节的恶性风险 | 首次将拓扑数据分析应用于肺磨玻璃结节的放射组学分析，结合同调理论提取拓扑特征，显著提升了良恶性鉴别性能 | 研究中未提及外部验证，可能限制模型的泛化能力 | 预测肺CT扫描中磨玻璃结节的恶性风险，提升早期诊断准确性 | 肺部磨玻璃结节（GGNs）患者 | 计算机视觉 | 肺癌 | CT扫描，放射组学分析 | 机器学习与深度学习算法结合的模型 | 影像数据 | 来自两个中心的3223名患者（2018年1月至2023年6月） | NA | NA | 曲线下面积（AUC）、敏感度 | NA |