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 1869 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-04-25 |
Single-cell spatial multi-omics and deep learning dissect enhancer-driven gene regulatory networks in liver zonation
2024-01, Nature cell biology
IF:17.3Q1
DOI:10.1038/s41556-023-01316-4
PMID:38182825
|
研究论文 | 本研究结合单细胞多组学、空间组学、大规模并行报告基因检测和深度学习技术，解析了小鼠肝脏细胞类型中的增强子-基因调控网络 | 首次结合多种组学技术和深度学习模型DeepLiver，系统解析了肝脏分区中的增强子驱动基因调控网络 | 研究主要基于小鼠模型，人类肝脏中的适用性需要进一步验证 | 解析肝脏分区现象的基因调控机制 | 小鼠肝脏细胞（特别是肝细胞） | 生物信息学 | NA | 单细胞多组学、空间组学、大规模并行报告基因检测 | DeepLiver（分层深度学习模型） | 单细胞基因表达数据、染色质可及性数据 | NA | NA | NA | NA | NA |
| 142 | 2025-10-07 |
RecGOBD: accurate recognition of gene ontology related brain development protein functions through multi-feature fusion and attention mechanisms
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae163
PMID:39678209
|
研究论文 | 开发了专门用于识别与脑发育相关的基因本体蛋白质功能的深度学习模型RecGOBD | 通过多特征融合和注意力机制优化脑发育数据集，专门针对神经发育障碍研究 | NA | 预测与脑发育相关的蛋白质功能 | 与脑发育相关的蛋白质序列 | 生物信息学 | 神经发育障碍 | 蛋白质序列分析 | 深度学习 | 蛋白质序列数据 | NA | Python | 注意力机制 | AUROC, AUPR, Fmax | NA |
| 143 | 2025-10-07 |
Deep learning approach for discrimination of liver lesions using nine time-phase images of contrast-enhanced ultrasound
2024-Jan, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-023-01390-z
PMID:38051461
|
研究论文 | 本研究开发了一种深度学习模型，利用对比增强超声的九个时相图像来鉴别肝脏病变性质 | 提出并行排列三个ResNet50迁移学习模型的新型架构，可同步输入九个不同时相的CEUS图像并进行数据增强 | 样本量相对有限（共181个肝脏病变），且仅使用单一对比剂Sonazoid | 评估深度学习模型在肝脏结节定性诊断中的性能 | 肝脏病变（48个良性，78个肝细胞癌，55个非肝细胞癌恶性病变） | 计算机视觉 | 肝脏疾病 | 对比增强超声 | CNN | 图像 | 181个肝脏病变 | NA | ResNet50 | 灵敏度, 特异度, 正确预测率 | NA |
| 144 | 2025-10-07 |
Evaluation and Prediction of Post-Hepatectomy Liver Failure Using Imaging Techniques: Value of Gadoxetic Acid-Enhanced Magnetic Resonance Imaging
2024-01, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0507
PMID:38184766
|
研究论文 | 评估钆塞酸增强磁共振成像在肝切除术后肝衰竭预测中的价值 | 结合体积和功能分析评估肝功能，采用钆塞酸增强MRI提供全局和区域功能信息 | NA | 准确评估肝功能和预测肝切除术后肝衰竭 | 接受肝切除术患者的肝功能评估 | 医学影像分析 | 肝脏疾病 | 钆塞酸增强磁共振成像 | 深度学习 | 磁共振图像 | NA | NA | NA | NA | NA |
| 145 | 2025-10-07 |
Exploring the trade-off between deep-learning and explainable models for brain-machine interfaces
2024, Advances in neural information processing systems
PMID:40231170
|
研究论文 | 本研究开发了一种基于KalmanNet的脑机接口解码器，在保持可解释性的同时实现了与深度学习模型相当的性能 | 将卡尔曼滤波器与递归神经网络结合，通过计算卡尔曼增益实现输入与动态之间的可变信任机制 | 与现有深度学习解码器一样泛化能力有限，且在未见噪声分布下性能受限于卡尔曼滤波器的归纳偏置 | 探索深度学习与可解释模型在脑机接口中的权衡，开发高性能且可解释的解码器 | 两只猴子的脑活动数据 | 脑机接口 | 瘫痪 | 脑信号解码 | KalmanNet, KF, LSTM, tcFNN | 神经信号 | 两只猴子的多天离线数据和实时数据 | NA | KalmanNet, 卡尔曼滤波器, LSTM, tcFNN | 离线预测精度, 在线实时预测性能 | NA |
| 146 | 2025-04-18 |
Using interactive deep learning to track cells: A report on a 3-day hands-on training program at IUPAB 2024
2024, Biophysics and physicobiology
IF:1.6Q4
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 147 | 2025-10-07 |
Multiple-instance learning of somatic mutations for the classification of tumour type and the prediction of microsatellite status
2024-01, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-023-01120-3
PMID:37919367
|
研究论文 | 提出一种基于多示例学习的深度学习模型，通过体细胞突变数据分类肿瘤类型和预测微卫星状态 | 使用弱监督端到端多示例学习模型，通过多头注意力机制编码和聚合体细胞突变的局部序列背景或基因组位置，增强模型可解释性 | NA | 利用基因组数据改进肿瘤类型分类和微卫星状态预测性能 | 体细胞突变数据 | 机器学习 | 肿瘤 | 基因组测序 | 多示例学习, 深度学习 | 基因组数据 | NA | NA | 多头注意力机制 | 准确率, 分类性能 | NA |
| 148 | 2025-10-07 |
Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition
2024-01-30, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.3c10811
PMID:38169507
|
研究论文 | 开发基于深度学习与纳米机械振动相结合的无标记、快速上皮间质转化检测方法 | 首次从力学角度研究癌细胞集落，结合纳米振动生物力学指纹与深度学习实现表型分类 | NA | 开发癌细胞上皮/间质表型分类的无标记检测方法 | 癌细胞集落 | 机器学习 | 癌症 | 纳米机械振动检测 | 深度学习 | 振动数据 | NA | NA | NA | 准确率 | NA |
| 149 | 2025-10-07 |
Functional Near-Infrared Spectroscopy-Based Computer-Aided Diagnosis of Major Depressive Disorder Using Convolutional Neural Network with a New Channel Embedding Layer Considering Inter-Hemispheric Asymmetry in Prefrontal Hemodynamic Responses
2024, Depression and anxiety
IF:4.7Q1
DOI:10.1155/2024/4459867
PMID:40226684
|
研究论文 | 提出一种基于功能近红外光谱和卷积神经网络的计算机辅助诊断系统，用于重度抑郁症的准确诊断 | 设计了一种考虑大脑半球间不对称性的新型通道嵌入层，并采用集成CNN架构专门捕捉MDD患者与健康对照组在血流动力学响应中的差异特征 | 样本量相对有限（共116名参与者），仅使用单一认知任务（Stroop任务）的数据 | 开发基于fNIRS的重度抑郁症计算机辅助诊断系统 | 48名MDD患者和68名健康对照者 | 医学影像分析 | 重度抑郁症 | 功能近红外光谱 | CNN | 血流动力学响应信号 | 116名参与者（48名患者+68名健康对照） | NA | 集成CNN架构，包含三个1D深度卷积层 | 准确率, 灵敏度, 特异性 | NA |
| 150 | 2025-10-07 |
Artificial intelligence- and computer-assisted navigation for shoulder surgery
2024 Jan-Apr, Journal of orthopaedic surgery (Hong Kong)
DOI:10.1177/10225536241243166
PMID:38546214
|
综述 | 全面分析人工智能和计算机辅助导航技术在肩部手术领域的最新进展和应用前景 | 系统整合了人工智能、深度学习与计算机辅助导航技术在肩部手术中的创新应用，展望了技术融合带来的革命性突破 | 主要基于现有文献分析，缺乏原始临床数据验证 | 探讨人工智能和计算机辅助导航技术在肩部手术中的应用现状和发展趋势 | 肩部手术相关的技术方法和临床应用 | 计算机视觉, 机器学习 | 骨科疾病 | 机器人辅助手术, 虚拟现实, 人工智能, 患者特异性器械 | 深度学习 | 医学影像（超声, CT, MRI）, 荧光镜图像, 运动学数据 | NA | NA | NA | NA | NA |
| 151 | 2025-10-07 |
Machine learning predicts which rivers, streams, and wetlands the Clean Water Act regulates
2024-01-26, Science (New York, N.Y.)
DOI:10.1126/science.adi3794
PMID:38271507
|
研究论文 | 使用深度学习模型预测《清洁水法案》对河流、溪流和湿地的监管范围 | 首次结合航空影像和地球物理数据，通过深度学习预测美国陆军工程兵团对15万项水资源管辖权的决定 | 模型预测依赖于历史管辖决定数据，可能无法完全捕捉未来政策变化的影响 | 评估《清洁水法案》对水资源的保护范围及最高法院和白宫规则变化对监管的影响 | 美国河流、溪流、湿地等水资源及其管辖权决定 | 机器学习 | NA | 深度学习 | 深度学习模型 | 航空影像、地球物理数据 | 150,000项管辖权决定 | NA | NA | NA | NA |
| 152 | 2025-10-07 |
Early detection of Alzheimer's disease in structural and functional MRI
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1520878
PMID:39726682
|
研究论文 | 本研究通过先进的深度学习架构实现海马体和脑室的精确分割，并结合混合分类器提高阿尔茨海默病的早期检测准确率 | 将先进的DeepLabV3+和Deep-Residual-U-Net分割技术与VGG-16-RF等混合分类器无缝集成，为早期AD检测提供了鲁棒且可扩展的框架 | NA | 开发精确高效的深度学习架构用于阿尔茨海默病的早期检测 | 阿尔茨海默病患者的功能性磁共振成像数据 | 医学影像分析 | 阿尔茨海默病 | 功能性磁共振成像 | CNN, 集成学习 | 医学影像 | NA | NA | Deep-Residual-U-Net, DeepLabV3+, VGG-16, DenseNet-169 | 准确率, Jaccard系数, Dice系数 | NA |
| 153 | 2025-10-07 |
The Growing Impact of Natural Language Processing in Healthcare and Public Health
2024 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing
DOI:10.1177/00469580241290095
PMID:39396164
|
综述 | 本文综述了自然语言处理技术在医疗保健和公共卫生领域的当前应用、成功案例及未来趋势 | 系统总结了2018-2023年间NLP在医疗领域的最新应用进展，特别关注了大语言模型和社交媒体数据分析在公共卫生中的新兴应用 | 仅纳入英文文献且时间范围限定为近五年，可能遗漏部分重要研究和非英语文献 | 总结NLP在医疗保健领域的应用现状，识别该子领域的研究空白和新兴趋势 | 27篇2018-2023年间发表的科学论文 | 自然语言处理 | NA | 自然语言处理，深度学习，语音识别，自然语言理解 | NA | 非结构化文本数据，电子健康记录，社交媒体数据 | 27篇论文 | NA | NA | NA | NA |
| 154 | 2025-10-07 |
Deep Learning-Assisted Single-Molecule Detection of Protein Post-translational Modifications with a Biological Nanopore
2024-01-16, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.3c08623
PMID:38112538
|
研究论文 | 本研究开发了一种基于生物纳米孔和深度学习技术的单分子蛋白质翻译后修饰检测方法 | 首次结合气溶素纳米孔与深度学习模型实现多种蛋白质翻译后修饰的单分子检测与区分 | 仅针对α-突触核蛋白衍生肽段进行验证，尚未扩展到其他蛋白质体系 | 开发高灵敏度的蛋白质翻译后修饰单分子检测技术 | α-突触核蛋白衍生肽段及其磷酸化、硝化和氧化修饰变体 | 生物纳米技术 | 神经退行性疾病 | 纳米孔传感技术, 深度学习信号处理 | 深度学习模型 | 电流信号数据 | 多种α-突触核蛋白肽段变体 | NA | NA | 检测灵敏度, 区分准确率 | NA |
| 155 | 2025-04-10 |
Deep learning in public health: Comparative predictive models for COVID-19 case forecasting
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0294289
PMID:38483948
|
研究论文 | 比较多种深度学习模型在预测阿联酋和马来西亚COVID-19病例中的效果 | 使用贝叶斯优化技术提升模型性能，并比较不同深度学习模型在特定地区的预测效果 | 研究仅针对阿联酋和马来西亚，可能不适用于其他地区 | 确定预测COVID-19病例的最有效深度学习模型 | 阿联酋和马来西亚的COVID-19病例数据 | 机器学习 | COVID-19 | 贝叶斯优化 | LSTM, bidirectional LSTM, CNN, hybrid CNN-LSTM, Multilayer Perceptron's, RNN | 结构化数据（确诊病例数、人口统计数据、社会经济因素） | NA | NA | NA | NA | NA |
| 156 | 2025-04-09 |
Regulated Behavior in Living Cells with Highly Aligned Configurations on Nanowrinkled Graphene Oxide Substrates: Deep Learning Based on Interplay of Cellular Contact Guidance
2024-01-16, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.2c09815
PMID:38099607
|
研究论文 | 研究通过纳米皱纹石墨烯氧化物基底调控细胞行为，并利用深度学习技术解析细胞反应 | 开发了高度有序的纳米皱纹石墨烯氧化物表面，结合深度学习技术精确解析细胞行为 | 研究仅针对L929成纤维细胞和HT22海马神经元细胞，未涉及其他细胞类型 | 探索纳米拓扑结构对细胞行为的调控机制及其在组织工程中的应用 | L929成纤维细胞和HT22海马神经元细胞 | 数字病理学 | NA | 深度学习 | DL网络 | 图像 | L929成纤维细胞和HT22海马神经元细胞 | NA | NA | NA | NA |
| 157 | 2025-04-09 |
Altered Motor Activity Patterns within 10-Minute Timescale Predict Incident Clinical Alzheimer's Disease
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-230928
PMID:38393904
|
研究论文 | 研究通过运动活动的分形模式变化预测临床阿尔茨海默病的发生 | 首次在10分钟时间尺度内发现运动活动分形模式变化与阿尔茨海默病临床发病的最强关联 | 研究仅基于运动活动数据，未结合其他生物标志物 | 确定运动活动分形调节(FMAR)在哪些时间尺度的变化最能预测阿尔茨海默病的临床发病 | 1,077名参与者，其中270人在随访期间出现临床阿尔茨海默病 | 数字病理学 | 阿尔茨海默病 | 活动记录仪(actigraphy)和深度学习 | DeepSurv, Cox模型, 随机生存森林 | 时间序列运动活动数据 | 1,077名参与者，随访长达15年 | NA | NA | NA | NA |
| 158 | 2025-10-07 |
Developing and comparing deep learning and machine learning algorithms for osteoporosis risk prediction
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1355287
PMID:38919268
|
研究论文 | 本研究开发并比较了深度学习与传统机器学习算法在骨质疏松风险预测中的性能 | 提出了一种新型深度神经网络框架，并在大规模临床数据上验证其在骨质疏松风险预测中的优越性能 | 研究样本仅来自单一研究队列（路易斯安那骨质疏松研究），需要外部验证 | 评估深度学习算法在骨质疏松风险预测中的性能表现 | 8,134名40岁以上成年人的髋部骨密度和临床数据 | 机器学习 | 骨质疏松症 | 骨密度测量，临床数据分析 | DNN, RF, ANN, KNN, SVM | 临床数据，人口统计学数据 | 8,134名受试者 | NA | 深度神经网络 | AUC, 准确率 | NA |
| 159 | 2025-04-06 |
Toward Blind Flare Removal Using Knowledge-Driven Flare-Level Estimator
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3480696
PMID:39437280
|
研究论文 | 本文提出了一种基于知识驱动的盲光斑去除方法，通过光斑级别估计器和调制器来提升网络在训练和测试阶段的适应性 | 提出了一种新的盲光斑去除视角，设计了光斑级别估计器和调制器，以及光斑感知块，用于更准确的光斑识别和重建 | 合成数据与真实数据之间的偏差仍然存在，且光斑的混合机制依赖于多种不确定因素 | 解决盲光斑去除任务中的挑战，提升图像去光斑的效果 | 光斑污染的图像及其无光斑对应图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 三个基准数据集和一个新收集的真实世界光斑数据集WiderFlare | NA | NA | NA | NA |
| 160 | 2025-04-04 |
Deepdefense: annotation of immune systems in prokaryotes using deep learning
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae062
PMID:39388605
|
研究论文 | 使用深度学习对原核生物中的免疫系统进行注释和分类 | 开发了名为Deepdefense的算法，通过深度学习模型预测免疫系统相关蛋白，并结合校准方法提高准确性，能够识别已知和潜在的新型免疫系统蛋白 | 现有方法通常基于封闭世界假设，而基因组学中新样本的出现可能超出训练数据范围 | 开发一种自动检测和分类原核生物免疫系统蛋白的算法 | 原核生物（古菌和细菌）的免疫系统蛋白 | 机器学习 | NA | 深度学习 | 神经网络 | 基因组数据 | NA | NA | NA | NA | NA |