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 12390 篇文献，本页显示第 2941 - 2960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2941 | 2025-10-07 |
Integrative analysis of H&E and IHC identifies prognostic immune subtypes in HPV related oropharyngeal cancer
2024-Oct-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00604-w
PMID:39363031
|
研究论文 | 本研究通过整合H&E染色和免疫组化图像，识别HPV相关口咽癌中的预后免疫亚型 | 首次将H&E与IHC图像配准整合，增强对肿瘤免疫微环境功能特征的表征能力 | 回顾性研究，样本量有限（88例原发肿瘤和70例淋巴结组织） | 改善HPV阳性口咽癌患者分层和预后评估 | HPV阳性口咽鳞状细胞癌患者 | 数字病理学 | 口咽癌 | H&E染色，免疫组化 | 深度学习 | 病理图像 | 88例原发肿瘤和70例淋巴结组织图像 | NA | NA | p值，多变量Cox回归分析 | NA |
| 2942 | 2025-10-07 |
Automated Cytometric Gating with Human-Level Performance Using Bivariate Segmentation
2024-May-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.06.592739
PMID:38766268
|
研究论文 | 提出一种名为UNITO的深度学习框架，通过将细胞级分类任务转化为基于图像的语义分割问题，实现自动化细胞分选门控 | 首次将图像分割技术应用于细胞分选门控，能够生成与人工门控相似的轮廓，提供更好的可解释性和可视化检查能力 | 未明确说明训练数据的具体规模和多样性限制 | 开发自动化细胞分选门控方法以减少人工操作负担 | 流式细胞术数据中的细胞亚群 | 数字病理 | NA | 流式细胞术 | 深度学习 | 图像 | 三个独立队列 | NA | 语义分割 | 与专家共识比较 | 每个样本预门控和门控推理约需2分钟 |
| 2943 | 2025-05-08 |
Introducing TEC-LncMir for prediction of lncRNA-miRNA interactions through deep learning of RNA sequences
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf046
PMID:39927859
|
研究论文 | 介绍了一种名为TEC-LncMir的新方法，通过深度学习和Transformer Encoder结合CNN来预测lncRNA-miRNA的相互作用 | 使用Transformer Encoder和CNN结合的方法，将lncRNA和miRNA序列视为自然语言，并通过接触张量进行特征提取，显著提高了预测性能 | 未明确提及具体局限性 | 提高lncRNA-miRNA相互作用预测的性能 | lncRNA和miRNA的相互作用 | 自然语言处理 | 阿尔茨海默病 | 深度学习和序列分析 | Transformer Encoder和CNN | RNA序列 | NA | NA | NA | NA | NA |
| 2944 | 2025-10-07 |
G-Protein Signaling in Alzheimer's Disease: Spatial Expression Validation of Semi-supervised Deep Learning-Based Computational Framework
2024-Nov-06, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.0587-24.2024
PMID:39327003
|
研究论文 | 开发了一种半监督深度学习计算框架digID，用于预测阿尔茨海默病相关基因并识别新的治疗靶点 | 提出结合半监督深度学习分类器和蛋白质相互作用网络分析的新计算框架，发现G蛋白信号通路在AD中的新作用机制 | 计算预测结果需要实验验证，研究样本和脑区覆盖可能有限 | 识别阿尔茨海默病相关基因和新的治疗靶点 | 阿尔茨海默病相关基因、G蛋白亚基(GNAI1, GNB1)、KNG1蛋白、淀粉样前体蛋白(APP) | 机器学习 | 阿尔茨海默病 | 多组学数据分析、STORM超分辨率显微镜、mRNA表达分析 | 半监督深度学习 | 多组学数据、基因表达数据、显微镜图像 | NA | NA | NA | NA | NA |
| 2945 | 2025-10-07 |
Development of Machine Learning-Based Mpox Surveillance Models in a Learning Health System
2024-Sep-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.25.24314318
PMID:39399027
|
研究论文 | 开发基于机器学习的猴痘监测模型，用于从临床笔记中识别猴痘病例 | 在学习型医疗系统框架下开发监测模型，Lasso回归在最小化假阳性方面表现优于深度学习模型 | NA | 开发猴痘病例识别模型以支持持续质量改进 | 临床笔记中的猴痘病例 | 机器学习 | 猴痘 | NA | Lasso回归,深度学习模型 | 临床文本笔记 | NA | NA | NA | 假阳性率 | NA |
| 2946 | 2025-10-07 |
A systematic evaluation of Euclidean alignment with deep learning for EEG decoding
2024-06-11, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad4f18
PMID:38776898
|
研究论文 | 系统评估欧几里得对齐与深度学习结合在脑电图解码中的效果 | 首次系统评估欧几里得对齐对共享和个体深度学习模型训练性能的影响 | 未明确说明实验数据规模和具体使用的深度学习模型架构 | 评估欧几里得对齐作为预处理技术对脑机接口信号解码性能的提升效果 | 脑电图信号和脑机接口任务 | 机器学习 | NA | 脑电图信号处理 | 深度学习模型 | 脑电图信号 | 多受试者数据（具体数量未明确说明） | NA | NA | 准确率，收敛时间 | NA |
| 2947 | 2025-10-07 |
PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application
2024-05-28, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad4916
PMID:38722308
|
研究论文 | 开发并验证了一个名为PyHFO的端到端软件平台，用于简化深度学习在癫痫区域神经生理生物标志物检测中的应用 | 首次开发了轻量级端到端高频振荡分析应用，优化技术使其处理速度比传统HFO检测应用快50倍 | NA | 开发能够简化深度学习在癫痫研究中应用的软件平台 | 癫痫患者的脑电图记录和神经生理生物标志物 | 数字病理 | 癫痫 | 脑电图记录，高频振荡检测 | 深度学习模型 | 脑电图信号 | 三个独立数据集：网格/条状电极数据、混合电极数据和啮齿动物研究数据 | PyTorch | NA | 处理速度 | 标准计算机硬件 |
| 2948 | 2025-10-07 |
Deep learning-based auditory attention decoding in listeners with hearing impairment
2024-05-22, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad49d7
PMID:38729132
|
研究论文 | 本研究开发了一种基于深度学习的快速听觉注意解码方法，用于分析听力受损者的脑电图数据 | 首次针对听力受损人群开发深度学习听觉注意解码方法，并比较了两种数据划分策略对模型性能的影响 | 仅使用了31名参与者的数据，样本量有限；仅测试了深度卷积神经网络架构 | 开发快速听觉注意解码方法，理解听力技术对听力受损人群听觉处理的影响 | 听力受损人群的脑电图数据 | 脑机接口 | 听力障碍 | 脑电图 | DCNN | 脑电图信号 | 31名听力受损参与者 | NA | 深度卷积神经网络 | 准确率, AUC | NA |
| 2949 | 2025-10-07 |
FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification
2024-05-15, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad4743
PMID:38701773
|
研究论文 | 提出一种结合特征提取和时空联合注意力的混合方法FetchEEG，用于基于脑电信号的情绪分类 | 首次将传统特征提取与深度学习相结合，采用多头自注意力机制同时提取不同时间点和通道的联合表征 | 未明确说明模型在跨数据集泛化能力的具体限制 | 开发高效的脑电信号情绪分类方法 | 人类情绪状态的脑电信号 | 神经工程 | NA | 脑电信号分析 | Transformer, 注意力机制 | 脑电信号 | 自建数据集和两个公共数据集 | NA | 多头自注意力机制，全连接层 | 分类准确率，泛化能力，训练效率 | NA |
| 2950 | 2025-10-07 |
EEGminer: discovering interpretable features of brain activity with learnable filters
2024-05-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad44d7
PMID:38684154
|
研究论文 | 提出一种名为EEGminer的新型可微分解码流程，用于从多通道脑电图记录中学习信息丰富的潜在表征 | 引入由广义高斯函数参数化的可学习滤波器，提供平滑导数以实现稳定的端到端模型训练，并允许学习可解释的特征 | NA | 设计一个系统用于从持续脑电图活动中学习信息丰富的潜在表征 | 脑活动模式、脑状态识别、行为预测 | 机器学习 | NA | 脑电图(EEG) | 深度学习 | 脑电图信号 | 721名受试者 | NA | 可学习滤波器+预定义特征提取模块 | 准确率 | NA |
| 2951 | 2025-05-08 |
Automated Detection of Abnormal Optical Coherence Tomography B-scans Using a Deep Learning Artificial Intelligence Neural Network Platform
2024-Jan-01, International ophthalmology clinics
DOI:10.1097/IIO.0000000000000519
PMID:38146885
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2952 | 2025-10-07 |
DeepPFP: a multi-task-aware architecture for protein function prediction
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae579
PMID:39905954
|
研究论文 | 提出一种名为DeepPFP的多任务感知架构，用于解决蛋白质功能预测中的泛化问题 | 结合模型无关元学习与蛋白质语言模型，能够捕获不同序列-功能映射任务间的共享特征 | 仅在五个域外深度突变扫描数据集上进行了训练验证 | 开发能够跨领域泛化的蛋白质功能预测模型 | 蛋白质序列与功能关系 | 生物信息学 | NA | 深度突变扫描，进化尺度建模 | 蛋白质语言模型，元学习模型 | 蛋白质序列数据 | 五个DMS数据集，包括SARS-CoV-2和Ube4b数据集（其中Ube4b使用500个样本子集） | NA | DeepPFP | 皮尔逊相关系数 | NA |
| 2953 | 2025-10-07 |
Deep Learning-Based Real-Time Ureter Identification in Laparoscopic Colorectal Surgery
2024-Oct-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000003335
PMID:38959453
|
研究论文 | 开发了一种基于深度学习的实时输尿管识别模型UreterNet，用于腹腔镜结直肠手术中识别输尿管 | 首次将基于语义分割的深度学习算法应用于腹腔镜手术视频中的输尿管识别任务 | 需要验证UreterNet是否能有效降低医源性输尿管损伤的发生率 | 开发一种非侵入性方法在腹腔镜结直肠手术中识别输尿管，提高手术安全性 | 腹腔镜结直肠手术视频中的输尿管 | 计算机视觉 | 结直肠手术相关并发症 | 深度学习语义分割 | CNN | 手术视频图像 | 304个手术视频，14,069张标注图像（训练集9537张，验证集2266张，测试集2266张） | NA | Feature Pyramid Networks | 精确率,召回率,Dice系数 | NA |
| 2954 | 2025-10-07 |
Single-cell multi-omics analysis reveals cooperative transcription factors for gene regulation in oligodendrocytes
2024-Jun-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.19.599799
PMID:38948852
|
研究论文 | 通过整合单细胞多组学数据识别少突胶质细胞中协同调控基因表达的转录因子对 | 首次结合scRNA-seq和scATAC-seq数据系统分析少突胶质细胞中转录因子的协同调控机制，并采用深度学习模型量化TF-TF相互作用 | 研究主要基于计算预测，部分结果需实验验证 | 揭示少突胶质细胞中转录因子协同调控基因表达的机制 | 少突胶质细胞及其基因调控网络 | 生物信息学 | 脑部疾病 | scRNA-seq, scATAC-seq, ChIP-seq | 深度学习模型 | 单细胞多组学数据 | NA | NA | NA | Shapley交互得分, t检验p值 | NA |
| 2955 | 2025-10-07 |
Use of a novel magnetically actuated compression system to study the temporal dynamics of axial and lateral strain in human osteochondral plugs
2024-01, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2023.111887
PMID:38128469
|
研究论文 | 开发新型磁驱动压缩系统研究人类骨软骨栓在循环加载中轴向和横向应变的时空动态 | 首创磁驱动装置实现加载周期中压板的完全分离，解决传统系统因持续接触影响组织再水化的局限性 | 研究基于尸体样本，可能无法完全反映活体组织的生理响应；样本量未明确说明 | 探究循环加载中软骨再水化对应变积累的影响机制 | 人类尸体骨软骨栓 | 生物力学 | 骨关节炎 | 磁驱动压缩系统，高速成像（30帧/秒） | 深度学习 | 二维软骨轮廓图像序列 | NA | NA | U-Net | NA | NA |
| 2956 | 2025-10-07 |
DEEP LEARNING FOR AUTOMATED DETECTION OF BREAST CANCER IN DEEP ULTRAVIOLET FLUORESCENCE IMAGES WITH DIFFUSION PROBABILISTIC MODEL
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI56570.2024.10635349
PMID:40313564
|
研究论文 | 本研究应用扩散概率模型增强深紫外荧光图像数据集，以改进乳腺癌术中切缘评估的分类性能 | 首次将扩散概率模型应用于深紫外荧光医学图像的数据增强，并结合预训练ResNet特征提取与XGBoost分类器进行乳腺癌检测 | 数据量有限是主要挑战，研究依赖于特定类型的深紫外荧光图像 | 提高乳腺癌在深紫外荧光图像中的自动检测准确率，用于术中切缘评估 | 乳腺癌的深紫外荧光图像 | 计算机视觉 | 乳腺癌 | 深紫外荧光成像 | 扩散概率模型, ResNet, XGBoost | 医学图像 | NA | NA | ResNet | 准确率 | NA |
| 2957 | 2025-05-04 |
Deep learning-based design and experimental validation of a medicine-like human antibody library
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf023
PMID:39851074
|
研究论文 | 本文描述了一种基于深度学习的模型，用于计算生成具有高人类抗体可变区域的文库，这些区域的固有物理化学性质类似于已上市抗体生物治疗药物的可变区域 | 利用生成式深度学习算法计算生成具有理想开发属性的新型抗体序列，这是首次实现计算生成可开发的人类抗体文库 | 研究仅针对IGHV3-IGKV1种系对的抗原无关人类抗体，可能不适用于其他类型的抗体 | 加速基于抗体的生物治疗药物的计算发现，并扩展可药物抗原空间 | 人类抗体可变区域 | 机器学习 | NA | 深度学习 | 生成式深度学习模型 | 序列数据 | 训练数据集包含31416个满足计算开发性标准的人类抗体，生成了100000个可变区域序列，实验评估了51个高度多样化的计算生成抗体 | NA | NA | NA | NA |
| 2958 | 2025-05-04 |
Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning
2024-Sep-13, ArXiv
PMID:39314509
|
研究论文 | 本文提出了一种新型的人工神经网络架构，通过融入生物树突的结构化连接和受限采样特性，提高了学习精度、鲁棒性和参数效率 | 引入生物树突的特性到人工神经网络中，解决了传统深度学习算法参数过多、易过拟合的问题 | 未提及具体的应用场景限制或实验数据的局限性 | 提升人工神经网络的学习效率、鲁棒性和参数效率 | 人工神经网络（ANNs）及其学习策略 | 机器学习 | NA | NA | dendritic ANNs | 图像数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2959 | 2025-10-07 |
Deep Learning-Based Localization and Detection of Malpositioned Endotracheal Tube on Portable Supine Chest Radiographs in Intensive and Emergency Medicine: A Multicenter Retrospective Study
2024-02-01, Critical care medicine
IF:7.7Q1
DOI:10.1097/CCM.0000000000006046
PMID:38095506
|
研究论文 | 开发基于深度学习的计算机辅助检测系统，用于定位和检测重症与急诊医学中便携式仰卧胸片上气管插管的位置异常 | 首次采用DeepLabv3+与ResNeSt50结合DenseNet121的混合架构，在 multicenter 回顾性研究中实现气管插管分割与位置异常分类的双重任务 | 回顾性研究设计，数据来源于单一医疗体系的不同分院，需要前瞻性研究进一步验证 | 开发自动检测气管插管位置异常的计算机辅助诊断系统 | 重症监护室和急诊科患者的便携式仰卧胸部X光片 | 计算机视觉 | 呼吸系统疾病 | 胸部X光成像 | CNN | 医学图像 | 训练集5767张图像（NTUH-1519），测试集1611张图像（NTUH-20: 955张，NTUH-YB: 656张） | NA | DeepLabv3+, ResNeSt50, DenseNet121 | Dice系数, AUC | NA |
| 2960 | 2025-05-04 |
Lesion classification and diabetic retinopathy grading by integrating softmax and pooling operators into vision transformer
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1442114
PMID:39835306
|
research paper | 该研究提出了一种结合softmax和池化操作的视觉Transformer模型，用于病灶分类和糖尿病视网膜病变分级 | 引入了集成自注意力机制，结合softmax和线性模块，以提高效率和表达能力，同时通过代理令牌减少计算复杂度 | 未提及具体的数据集规模或模型在更大规模数据集上的泛化能力 | 开发一种高效的自动化糖尿病视网膜病变分级方法 | 糖尿病视网膜病变的医学图像 | digital pathology | diabetic retinopathy | vision transformer | Transformer | image | NA | NA | NA | NA | NA |