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 12255 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2026-06-19 |
Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning
2024-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.03.556122
PMID:37732188
|
研究论文 | 提出一种基于弱监督深度学习的高精度单分子点检测方法，用于图像空间转录组学分析 | 结合深度学习的细胞分割与点检测模型，以及概率基因解码器，提供统一、即开即用的空间转录组学数据分析解决方案 | 未明确说明，可能依赖特定实验条件下的表现 | 实现精确的单细胞基因表达定量分析，简化图像空间转录组学数据处理流程 | 空间转录组学数据中的单分子荧光原位杂交（MERFISH、seqFISH、ISS）图像 | 数字病理学 | NA | MERFISH, seqFISH, ISS | 深度学习模型（卷积神经网络等） | 图像 | NA | TensorFlow | 细胞分割与点检测网络（具体架构未明确） | 准确性（Accuracy） | NA |
| 222 | 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 |
| 223 | 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 |
| 224 | 2026-06-18 |
Deep Learning Artificial Intelligence Predicts Homologous Recombination Deficiency and Platinum Response From Histologic Slides
2024-10-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO.23.02641
PMID:39083703
|
研究论文 | 开发深度学习平台DeepHRD，从H&E染色组织切片预测同源重组缺陷和铂类药物反应 | 首次利用深度学习直接从常规H&E染色组织切片预测同源重组缺陷，无需分子检测，且能跨癌种迁移学习 | 训练数据主要来自TCGA的乳腺癌和卵巢癌，可能对其他癌种泛化性有限；预测的HRD状态与分子检测结果的一致性有待进一步验证 | 开发一种无需分子检测的深度学习方法来预测同源重组缺陷，以指导铂类药物和PARP抑制剂治疗 | 乳腺癌和卵巢癌患者 | 数字病理学， 深度学习 | 乳腺癌， 卵巢癌 | H&E染色组织切片 | 深度学习模型 | 图像 | 训练集：1,008例乳腺癌和459例卵巢癌（来自TCGA）；验证集：349例乳腺癌和141例卵巢癌（来自多个独立数据集） | 深度学习框架 | 深度学习架构 | AUC， 完全缓解， 无进展生存期， 风险比， 总生存期 | NA |
| 225 | 2026-06-18 |
Predicting the potential associations between circRNA and drug sensitivity using a multisource feature-based approach
2024-10, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.18591
PMID:39347936
|
研究论文 | 介绍了一种名为SNMGCDA的新型深度学习模型，用于预测环状RNA与药物敏感性之间的潜在关联 | 结合多种相似性网络和多源特征计算方法（稀疏自编码器、非负矩阵分解、多头图注意力网络）来提取circRNA和药物的特征，并通过多层感知机进行预测 | 文中未明确提及局限性，但可能包括对数据多样性和计算资源的需求 | 高效预测circRNA与药物敏感性之间的关联，以支持药物研发和治疗优化 | 环状RNA（circRNA）和药物敏感性 | 机器学习 | NA | NA | 深度学习模型（SNMGCDA） | 文本（序列数据） | NA | NA | 稀疏自编码器、非负矩阵分解、多头图注意力网络、多层感知机 | 5折交叉验证和10折交叉验证的性能（与五种最先进方法对比） | NA |
| 226 | 2026-06-18 |
Deciphering lung adenocarcinoma prognosis and immunotherapy response through an AI-driven stemness-related gene signature
2024-07, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.18564
PMID:39046884
|
研究论文 | 通过人工智能驱动的干性相关基因签名解析肺腺癌预后和免疫治疗反应 | 首次整合传统回归、机器学习和深度学习算法构建干性相关基因签名，结合单细胞RNA测序和多重组学数据，全面揭示干性与肿瘤免疫微环境的关系 | NA | 构建可预测肺腺癌预后和免疫治疗反应的人工智能驱动的干性相关基因签名 | 肺腺癌上皮细胞的干性相关基因 | 机器学习 | 肺癌 | 单细胞RNA测序 | NA | 基因表达数据 | NA | NA | NA | NA | NA |
| 227 | 2026-06-18 |
Construction and validation of a deep learning prognostic model based on digital pathology images of stage III colorectal cancer
2024-07, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2024.108369
PMID:38703632
|
研究论文 | 基于深度学习方法构建并验证III期结直肠癌数字病理图像的预后模型 | 首次针对III期结直肠癌患者，通过深度学习方法量化肿瘤微环境中的九种组织类型，并构建肿瘤风险特征（TRS）用于预后预测 | 样本量较小，仅包含265例TCGA和70例外部验证队列，且仅针对III期结直肠癌患者，未涉及其他分期 | 探索基于深度学习的肿瘤风险特征（TRS）对III期结直肠癌患者预后的预测价值 | III期结直肠癌患者的全切片图像（WSI） | 数字病理学 | 结直肠癌 | NA | 卷积神经网络（CNN） | 图像（全切片病理图像） | 265例来自TCGA的III期结直肠癌患者和70例来自中山大学附属第六医院的III期结直肠癌患者 | NA | NA | 准确率、Harrell一致性指数（C-index）、风险比（HR） | NA |
| 228 | 2026-06-18 |
Heterogenous thinning of peripapillary tissues occurs early during high myopia development in juvenile tree shrews
2024-03, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2024.109824
PMID:38336167
|
研究论文 | 本研究调查幼年树鼩实验性高度近视发展过程中视盘周围组织的厚度变化 | 首次揭示了幼年树鼩高度近视早期视盘周围组织发生异质性变薄，且视网膜相对于脉络膜-视网膜色素上皮复合体和巩膜受到保护 | 仅使用树鼩作为模型，样本量较小，未探究长期组织变化 | 探究幼年树鼩实验性高度近视发展过程中视盘周围组织厚度变化及其与青光眼风险的关联 | 幼年树鼩的视盘周围组织，包括巩膜、脉络膜-视网膜色素上皮复合体、视网膜神经纤维层和剩余视网膜层 | 计算机视觉 | 高度近视 | 光学相干断层扫描（OCT），深度学习自动分割算法 | 深度学习模型 | 图像 | 6只正常视力树鼩和9只单眼-10D透镜治疗树鼩，共15只 | NA | NA | NA | NA |
| 229 | 2026-06-18 |
Longitudinal single-cell transcriptional dynamics throughout neurodegeneration in SCA1
2024-02-07, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2023.10.039
PMID:38016472
|
研究论文 | 通过纵向单细胞转录组测序分析SCA1神经退行性过程中的动态转录变化 | 首次揭示了单极刷细胞和少突胶质细胞在SCA1中的早期转录失调，并应用深度学习方法准确预测疾病状态 | 未提及具体限制 | 剖析异质组织中不同细胞类型如何导致神经退行性疾病的发病和进展 | 小鼠和人小脑组织中的单个细胞核 | 自然语言处理 | 脊髓小脑性共济失调1型 | 单核RNA测序 | 深度学习模型 | 基因表达数据 | 小鼠和人小脑组织样本（具体数量未提及） | NA | NA | 准确率 | NA |
| 230 | 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 |
| 231 | 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 |
| 232 | 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 |
| 233 | 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 |
| 234 | 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 |
| 235 | 2026-06-17 |
Deep learning insights into distinct patterns of polygenic adaptation across human populations
2024-12-11, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae1027
PMID:39558170
|
研究论文 | 提出RAISING，一种两阶段深度学习框架，用于检测人类群体多基因适应的特征 | RAISING通过超参数调优优化神经网络架构，并在特征选择和预测任务中优于现有方法，计算时间缩短60倍，真阳性率提高最多28% | 未明确提及 | 开发深度学习框架以识别人类基因组中多基因适应的特征模式 | 人类基因组中的多基因适应信号 | 机器学习 | NA | 基因组学 | 深度学习 | 基因组数据（模拟和实测） | 非洲、欧洲、南亚和东亚人群 | NA | 神经网络 | 真阳性率 | NA |
| 236 | 2026-06-17 |
A novel interpretable deep learning-based computational framework designed synthetic enhancers with broad cross-species activity
2024-11-27, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae912
PMID:39420601
|
研究论文 | 提出DREAM框架，一种基于深度学习的可解释计算方法，用于设计具有跨物种活性的合成增强子 | 首次实现基于深度学习的增强子设计框架，不仅能预测活性，还能设计出比果蝇基因组最强增强子活性高3.6倍的合成增强子，且这些增强子具有跨数十亿年进化物种的保守功能 | NA | 开发可解释的深度学习框架用于可控活性的合成增强子设计 | 增强子序列及其活性设计 | 机器学习 | NA | 合成生物学、高通量筛选 | 深度神经网络 | DNA序列数据 | NA | PyTorch | NA | 预测性能指标未明确指定 | NA |
| 237 | 2026-06-17 |
Deep learning models for the prediction of acute postoperative pain in PACU for video-assisted thoracoscopic surgery
2024-10-07, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-024-02357-5
PMID:39375589
|
研究论文 | 利用深度学习模型预测电视辅助胸腔镜手术后急性疼痛 | 首次将图注意力网络和图Transformer网络结合注意力机制构建DoseFormer模型，用于预测术后急性疼痛，且模型性能显著优于传统机器学习算法和临床医生评估 | NA | 开发深度学习算法，利用患者基本信息和术中实时生命体征数据预测术后急性疼痛 | 接受电视辅助胸腔镜手术的患者 | 机器学习 | 术后急性疼痛 | NA | 图注意力网络、图Transformer网络 | 结构化数据（患者信息、术中生命体征） | 1552例患者（训练集931例，测试集621例） | NA | DoseFormer（基于GAT和GTN） | AUROC、F1值 | NA |
| 238 | 2026-06-17 |
Dissection of core promoter syntax through single nucleotide resolution modeling of transcription initiation
2024-Sep-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.13.583868
PMID:38559255
|
研究论文 | 通过单核苷酸分辨率模型解析核心启动子语法对转录起始的编码机制 | 提出了CLIPNET深度学习模型，能够以单核苷酸分辨率准确预测转录起始的位置和数量，揭示了核心启动子序列与转录因子相互作用的复杂语法 | 模型主要基于PRO-cap数据，可能无法完全覆盖所有细胞类型或条件下的转录起始机制 | 探究DNA序列如何编码转录起始模式，揭示核心启动子语法的分子机制 | 转录起始位点附近的核心启动子序列及转录激活因子基序 | 机器学习 | NA | PRO-cap测序、深度学习 | 深度学习模型（CLIPNET） | 序列数据 | 群体规模的PRO-cap数据集 | TensorFlow或PyTorch（未明确指定，推测可能使用） | NA | 预测准确率（优于现有方法） | NA |
| 239 | 2026-06-17 |
Clisp: A Robust Interactive Segmentation Framework for Pathological Images
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782318
PMID:40039941
|
研究论文 | 提出一种名为Clisp的鲁棒交互式分割框架，用于病理图像的低成本交互式标注 | 构建包含约79,000张图像的多源病理图像标注数据集，并采用重参数视觉Transformer作为图像编码器以提升大规模数据的特征表示能力和泛化性能 | 未明确提及局限性 | 开发一种基于点击的交互式分割方法，以减少病理图像标注成本并提高对不同任务或分割对象的泛化能力 | 病理图像 | 数字病理学 | NA | NA | 视觉Transformer | 图像 | 约79,000张病理图像用于训练，7个开源数据集用于评估 | NA | 重参数视觉Transformer | 分割性能（具体指标未说明） | NA |
| 240 | 2026-06-17 |
Measurement and Application of Incidentally Detected Coronary Calcium: JACC Review Topic of the Week
2024-04-23, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2024.01.039
PMID:38631775
|
综述 | 总结无门控非对比胸部CT检测偶然发现冠状动脉钙化的测量方法及其在心血管疾病风险分层中的应用 | 探讨深度学习自动化评分流程的潜力，并展望NCCT衍生的CAC评分在特定患者群体和更广泛健康系统中的未来临床应用 | 未提及具体限制 | 总结NCCT衍生的冠状动脉钙化在预防性心血管健康中的当前作用，并探索未来临床应用的途径 | 无门控非对比胸部CT扫描（NCCT） | 医学影像分析 | 动脉粥样硬化性心血管疾病 | 冠状动脉钙化评分 | 深度学习 | 影像数据（CT） | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |