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 12185 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2026-04-10 |
Convolutional neural network models describe the encoding subspace of local circuits in auditory cortex
2024-Nov-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.07.622384
PMID:39574636
|
研究论文 | 本文开发了一种可视化卷积神经网络（CNN）捕获的调谐子空间的方法，用于解释听觉皮层局部回路对自然声音的编码机制 | 提出了一种通过动态谱时感受野（dSTRF）和主成分分析（PCA）来可视化CNN编码子空间的方法，揭示了听觉皮层神经元的非线性响应多样性和局部群体中的稀疏表示 | 方法主要基于线性近似（dSTRF），可能无法完全捕捉CNN的所有非线性特性；研究仅针对被动聆听的雪貂听觉皮层，结果推广性需进一步验证 | 解释卷积神经网络在预测听觉皮层神经活动时性能提升的计算特性，并建立深度学习模型的可解释性框架 | 雪貂初级听觉皮层（A1）中的单个神经元活动 | 计算神经科学 | NA | 高通道数微电极阵列记录 | CNN | 神经电生理信号（尖峰率）和自然声音刺激 | 使用大型自然声音集进行记录，具体样本数量未明确说明 | NA | CNN（具体架构未指定） | 预测准确性（与完整CNN比较） | NA |
| 362 | 2026-04-10 |
Deep Learning-Based Reconstruction of 3D T1 SPACE Vessel Wall Imaging Provides Improved Image Quality with Reduced Scan Times: A Preliminary Study
2024-11-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8382
PMID:38889969
|
研究论文 | 本研究评估了基于深度学习的图像重建优化序列在颅内血管壁成像中的应用，旨在缩短扫描时间并提高图像质量 | 首次将深度学习优化的图像重建技术应用于T1 3D SPACE序列，实现了扫描时间缩短约30%的同时，显著提升了血管壁和管腔的可视化评分 | 样本量较小（10名健康对照和5名患者），属于初步研究，需要在更大队列中进一步验证 | 评估深度学习优化的颅内血管壁成像序列在临床实践中的可行性和效果 | 健康对照者和颅内血管疾病患者的颅内血管壁图像 | 医学影像分析 | 颅内血管疾病 | T1加权成像，3D SPACE序列 | 深度学习模型 | 医学影像（MRI图像） | 10名健康对照和5名患者 | NA | NA | Likert-like量表评分（1-4分），背景噪声，图像锐度，CSF信号均匀性 | NA |
| 363 | 2026-04-10 |
Deep Learning Algorithms for Breast Cancer Detection in a UK Screening Cohort: As Stand-alone Readers and Combined with Human Readers
2024-11, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233147
PMID:39560480
|
研究论文 | 本研究在独立的英国数据集上外部验证了三种深度学习算法作为乳腺X线摄影筛查阅读器的性能，评估其作为独立阅读器以及与人类阅读器结合时的表现 | 首次在独立英国队列中同时评估三种商业深度学习算法作为独立阅读器及与人类阅读器结合时的性能，并与单读和双读标准进行比较 | 研究为回顾性设计，仅使用两家厂商的设备数据，未评估算法在不同人群或设备间的泛化能力 | 验证深度学习算法在乳腺X线摄影筛查中作为独立阅读器及辅助工具的临床性能 | 乳腺X线摄影图像及对应的乳腺癌病例 | 计算机视觉 | 乳腺癌 | 全视野数字乳腺X线摄影 | 深度学习算法 | 医学图像 | 26722例病例（包括332例筛查检出癌、174例间期癌和254例下一轮检出癌） | NA | 三种商业深度学习算法（DL-1, DL-2, DL-3） | 灵敏度, 特异度 | NA |
| 364 | 2026-04-10 |
Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2
2024-Oct-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618559
PMID:39463944
|
研究论文 | 本研究利用AlphaFold2探索电压门控钠通道的构象及其与蛋白质伙伴的相互作用 | 通过子采样多序列对齐和调整循环次数增强构象采样，首次展示了AlphaFold2能够模拟钠通道的多种构象，包括实验未识别的新状态和潜在中间态，同时AlphaFold Multimer高精度建模了钠通道与辅助β亚基和钙调蛋白的复合物 | 研究依赖于计算模拟，未进行实验验证新构象或相互作用的生物学功能，且AlphaFold2在捕获动态构象变化方面可能存在固有局限 | 探索深度学习模型AlphaFold2在采样电压门控钠通道构象及建模其蛋白质-蛋白质相互作用方面的能力 | 电压门控钠通道（Na通道）的α亚基及其与辅助β亚基和钙调蛋白的相互作用 | 计算生物学 | NA | AlphaFold2, AlphaFold Multimer, 冷冻电镜 | 深度学习模型 | 蛋白质序列和结构数据 | NA | AlphaFold2, AlphaFold Multimer | AlphaFold2 | 准确性 | NA |
| 365 | 2026-04-10 |
Deep Learning Denoising Improves CT Perfusion Image Quality in the Setting of Lower Contrast Dosing: A Feasibility Study
2024-10-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8367
PMID:38844370
|
研究论文 | 本研究探讨了深度学习去噪技术在降低碘对比剂剂量和X射线mAs剂量条件下，对CT灌注成像图像质量的改善效果 | 首次在临床前和临床研究中，系统评估了深度学习去噪（RED-CNN）在低对比剂剂量CTP成像中的应用，并比较了其与传统k-space加权图像平均滤波的效果 | 样本量较小（12头猪和22名患者），且为回顾性研究，可能影响结果的普遍性 | 开发在降低碘对比剂剂量情况下维持CTP图像质量的协议，以应对对比剂短缺和减少医疗浪费 | 猪（临床前研究）和患者（临床研究）的CT灌注成像数据 | 医学影像分析 | NA | CT灌注成像 | CNN | 医学影像 | 12头猪（每头进行9次CTP检查）和22名患者（11名低剂量组，11名标准剂量对照组） | NA | 残差编码器-解码器卷积神经网络 | 信噪比, 定性图像评估 | NA |
| 366 | 2026-04-10 |
Integrating Clinical Data and Radiomics and Deep Learning Features for End-to-End Delayed Cerebral Ischemia Prediction on Noncontrast CT
2024-09-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8301
PMID:39025637
|
研究论文 | 本研究开发了一种基于非增强CT的端到端模型，用于预测动脉瘤性蛛网膜下腔出血后的迟发性脑缺血 | 提出了一种结合临床数据、影像组学和深度学习特征的两阶段端到端模型，实现了快速准确的出血区域分割和优越的迟发性脑缺血预测性能 | 研究为回顾性设计，样本量相对有限（400例患者），且仅基于单中心数据，可能影响模型的泛化能力 | 开发自动化模型以早期预测动脉瘤性蛛网膜下腔出血后的迟发性脑缺血 | 400例动脉瘤性蛛网膜下腔出血患者（其中156例伴有迟发性脑缺血） | 数字病理学 | 心血管疾病 | 非增强CT | 深度学习, 机器学习 | 图像 | 400例患者 | NA | ATT-Deeplabv3+, 逻辑回归, 朴素贝叶斯, AdaBoost, 多层感知机 | Dice相似系数, AUC, 校准曲线 | NA |
| 367 | 2026-04-10 |
MR Cranial Bone Imaging: Evaluation of Both Motion-Corrected and Automated Deep Learning Pseudo-CT Estimated MR Images
2024-09-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8335
PMID:38991771
|
研究论文 | 本研究评估了基于运动校正和深度学习生成的伪CT图像在儿科颅骨成像中的临床应用潜力 | 结合自动运动校正与深度学习技术从MR图像生成伪CT图像，为无辐射的骨成像提供新方法 | 样本量较小（共72例患者），且仅针对儿科患者，未涉及成人群体 | 评估运动校正伪CT图像在临床颅骨成像中的诊断准确性 | 儿科患者（年龄小于18岁）的颅骨，包括创伤评估和颅缝通畅性检查 | 医学影像分析 | 儿科颅骨疾病 | MR成像（黄金角星形径向容积插值屏气扫描） | 深度学习 | 医学图像（CT和MR图像） | 72例患者（12例评估颅缝通畅性，60例评估头部创伤） | NA | NA | 特异性, 敏感性 | NA |
| 368 | 2026-04-10 |
Assessing the Emergence and Evolution of Artificial Intelligence and Machine Learning Research in Neuroradiology
2024-09-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8252
PMID:38521092
|
研究论文 | 本文通过文献计量分析评估了神经放射学领域人工智能与机器学习研究的出现与演变趋势 | 首次对《美国神经放射学杂志》中AI/ML相关研究进行系统性文献计量分析，并提出了基于临床整合程度的文章分类框架（类型1-3） | 仅分析单一期刊可能无法代表整个神经放射学领域的研究全貌，且分类标准具有一定主观性 | 表征神经放射学领域AI/ML研究的出现与演变规律，分析该领域的趋势、挑战与未来方向 | 1980年至2022年间《美国神经放射学杂志》发表的AI/ML相关原创研究文章 | 神经放射学 | NA | 文献计量分析 | NA | 文献数据 | 182篇文章（类型1:53篇，类型2:90篇，类型3:39篇） | NA | NA | NA | NA |
| 369 | 2026-04-10 |
Enhancing Missense Variant Pathogenicity Prediction with MissenseNet: Integrating Structural Insights and ShuffleNet-Based Deep Learning Techniques
2024-09-02, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14091105
PMID:39334871
|
研究论文 | 本文介绍了一种名为MissenseNet的新型深度学习模型，用于增强错义变异致病性预测，通过整合AlphaFold2的结构洞察和ShuffleNet架构，显著提升了分类性能 | 该研究创新性地将AlphaFold2预测的蛋白质结构信息整合到错义变异致病性预测中，并采用基于ShuffleNet的编码器-解码器框架与Squeeze-and-Excitation模块，以自适应调整通道权重并增强特征融合与交互 | NA | 提高错义变异致病性预测的准确性，以支持疾病诊断和个性化治疗策略 | 错义变异 | 机器学习 | NA | 深度学习 | CNN | 结构数据 | NA | NA | ShuffleNet | 准确率, ROC曲线下面积, 精确率-召回率曲线下面积 | NA |
| 370 | 2026-04-10 |
DRpred: A Novel Deep Learning-Based Predictor for Multi-Label mRNA Subcellular Localization Prediction by Incorporating Bayesian Inferred Prior Label Relationships
2024-08-26, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14091067
PMID:39334834
|
研究论文 | 提出了一种名为DRpred的新型深度学习预测器，用于通过整合贝叶斯推断的先验标签关系来预测mRNA的多标签亚细胞定位 | 首次将贝叶斯网络捕获的标签依赖关系与从mRNA序列中提取的特征相结合，并采用结合BiLSTM和注意力机制的神经网络进行多标签预测 | 未在摘要中明确说明 | 提高mRNA亚细胞定位预测的性能，特别是在多标签预测方面 | 信使RNA（mRNA） | 自然语言处理 | NA | Word2vec | BiLSTM, 注意力机制 | 序列（mRNA序列） | NA | NA | BiLSTM结合注意力机制 | 准确率 | NA |
| 371 | 2026-04-10 |
MMFSyn: A Multimodal Deep Learning Model for Predicting Anticancer Synergistic Drug Combination Effect
2024-08-22, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14081039
PMID:39199425
|
研究论文 | 提出一种基于多模态药物数据与细胞系特征的新型深度学习模型MMFSyn，用于预测抗癌药物的协同组合效应 | 首次综合运用Morgan指纹、原子序列、分子图和原子点云数据四种药物模态，并结合细胞系组学特征，通过多模态深度学习框架预测药物协同效应 | 未提及模型在临床验证或新药组合泛化能力方面的具体评估 | 开发能够准确预测抗癌药物协同组合效应的计算模型 | 药物组合与癌细胞系 | 机器学习 | 癌症 | 药物分子特征提取（SMILES转换）、组学数据分析 | 深度学习多模态融合模型 | 多模态药物数据（分子指纹、序列、图像、点云）、细胞系组学数据（基因表达、突变） | NA | NA | Bi-LSTM, gMLP, 多头注意力机制, 多尺度GCNs | 均方根误差, 皮尔逊相关系数 | NA |
| 372 | 2026-04-10 |
A Deep Learning Approach to Predict Recanalization First-Pass Effect following Mechanical Thrombectomy in Patients with Acute Ischemic Stroke
2024-08-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8272
PMID:38871371
|
研究论文 | 本研究开发了一种基于深度学习的全自动方法，利用治疗前CT和MR影像预测急性缺血性卒中患者机械取栓后的首次通过再通效果 | 首次实现了仅基于MR影像的首次通过效果分类，并提出了首个CT影像的自动化首次通过效果分类方法，无需耗时的手动分割 | 研究样本仅来自单一医疗中心，可能影响模型的泛化能力 | 预测急性缺血性卒中患者机械取栓后的首次通过再通效果 | 接受血管内取栓术的急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | CT和MR影像 | 深度学习 | 图像 | 326名患者 | NA | 混合Transformer模型 | ROC-AUC, 敏感性, 特异性 | NA |
| 373 | 2026-04-10 |
Identification, Design, and Application of Noncoding Cis-Regulatory Elements
2024-08-05, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14080945
PMID:39199333
|
综述 | 本文综述了非编码顺式调控元件的识别、设计与应用，强调了其在基因调控中的核心作用及在基因治疗和合成生物学中的潜力 | 整合了大规模功能基因组学数据与深度学习算法（特别是大语言模型）来解析CRE功能，并探讨了其从头设计的新方法 | NA | 探讨顺式调控元件的识别、功能解析及其在生物技术和医学中的应用 | 非编码顺式调控元件及其与转录因子、RNA结合蛋白和非编码RNA的相互作用 | 自然语言处理 | NA | 大规模并行报告基因检测，功能基因组学数据分析 | 大语言模型 | 基因组序列数据，多模态功能基因组数据 | NA | NA | NA | NA | NA |
| 374 | 2026-04-10 |
Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning
2024-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202400596
PMID:38887178
|
研究论文 | 本研究开发了一种低电极-皮肤接触阻抗的柔性贴肤传感器，结合注意力深度学习算法，用于非侵入性检测早期非酒精性脂肪肝病 | 通过合成铂纳米颗粒和还原石墨烯量子点降低传感器阻抗，并首次引入注意力深度学习算法分析阻抗信号，显著提升早期NAFLD检测准确率 | 研究仅在Ldlr基因敲除小鼠模型中进行验证，尚未在人体临床试验中应用 | 开发非侵入性、经济高效的早期非酒精性脂肪肝病检测方法 | 高脂饮食喂养的低密度脂蛋白受体敲除（Ldlr）小鼠与健康对照组 | 机器学习 | 非酒精性脂肪肝病 | 皮肤阻抗传感技术 | 注意力深度学习模型 | 生物阻抗信号 | Ldlr基因敲除小鼠与健康对照组（具体数量未明确） | 未明确说明 | 注意力机制深度学习架构 | 准确率, AUC | NA |
| 375 | 2026-04-10 |
RETRACTED: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311897
PMID:39392828
|
研究论文 | 本研究开发了一种基于可见光的高速通信信号处理方法，结合自适应均衡算法与深度学习，应用于铁路通信信号处理 | 将自适应均衡算法与深度学习结合，应用于可见光通信，有效降低多径传输和反射干扰，误码率降至0.0001水平 | NA | 提升铁路通信系统的信号处理能力，满足高速信号处理需求 | 铁路通信信号 | 信号处理 | NA | 波分复用(WDM)、正交频分复用(OFDM)、直流偏置光正交频分复用(DCO-OFDM) | 深度学习 | 通信信号 | NA | NA | NA | 误码率 | NA |
| 376 | 2026-04-07 |
Dynamic modulation of social gaze by sex and familiarity in marmoset dyads
2024-Nov-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.16.580693
PMID:38405818
|
研究论文 | 本文开发了一种新框架，用于准确追踪自由活动的普通狨猴的面部特征和三维头部注视方向，并量化了性别和熟悉度对其社交注视行为的影响 | 结合深度学习计算机视觉工具与三角测量算法，首次实现了对自由活动狨猴面部特征和三维头部注视方向的准确追踪，克服了传统实验中头部固定限制自然行为的挑战 | 研究仅针对狨猴这一物种，且实验环境为受控的竞技场，可能不完全反映完全自然状态下的行为 | 研究社交因素（性别和熟悉度）如何影响非人灵长类动物的社交注视行为 | 自由活动的普通狨猴 | 计算机视觉 | NA | 深度学习计算机视觉工具与三角测量算法 | NA | 视频 | NA | NA | NA | NA | NA |
| 377 | 2026-04-07 |
Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model
2024-10-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae412
PMID:39445422
|
研究论文 | 本研究使用深度学习模型从任务态动态功能连接中预测个体认知特质 | 结合多尺度卷积和长短时记忆层，利用任务态动态功能连接预测认知分数，并证明其比静息态具有更高预测力 | 未发现特定皮层网络在预测中具有显著相关性，且去除混杂因素会显著降低预测性能 | 从神经影像数据中预测个体认知特质，如一般智力和流体智力 | 874名来自人类连接组计划的受试者 | 机器学习 | NA | 功能磁共振成像 | CNN, LSTM | 神经影像数据 | 874名受试者 | NA | 多尺度卷积和长短时记忆层组合模型 | 方差解释率 | NA |
| 378 | 2026-04-07 |
Investigating the role of auditory cues in modulating motor timing: insights from EEG and deep learning
2024-10-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae427
PMID:39475113
|
研究论文 | 本研究通过EEG和深度学习探讨听觉线索在调节运动计时中的作用，重点关注手指敲击任务中的神经机制 | 首次结合深度学习对单试次EEG数据进行分类，以预测行为计时条件，并揭示听觉输入在运动计时中的关键作用 | 在移除EEG数据中的听觉成分后，阶段间的区分变得不确定，突显了在无听觉刺激下隔离运动激活的挑战 | 探究基于动作的计时神经机制，特别是在涉及同步和异步模式的手指敲击任务中 | 12名健康参与者 | 机器学习 | NA | 脑电图 | 深度学习 | 脑电图数据 | 12名参与者 | NA | NA | 分类准确率, 平均异步准确率 | NA |
| 379 | 2026-04-07 |
Performance of Artificial Intelligence in Detecting Diabetic Macular Edema From Fundus Photography and Optical Coherence Tomography Images: A Systematic Review and Meta-analysis
2024-02-01, Diabetes care
IF:14.8Q1
DOI:10.2337/dc23-0993
PMID:38241500
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析评估了人工智能在利用眼底摄影和光学相干断层扫描图像检测糖尿病性黄斑水肿方面的性能 | 首次通过荟萃分析综合评估了基于FP和OCT图像的AI算法在DME检测中的性能，并识别了影响模型性能的潜在因素，如深度学习技术、训练数据集规模和多样性 | 分析受到算法结果未标准化、患者人口统计学数据不足、OCT体积扫描数据缺乏以及外部验证数据不充分的限制 | 评估人工智能从眼底摄影或光学相干断层扫描图像中检测糖尿病性黄斑水肿的性能，并识别影响模型性能的潜在因素 | 使用人工智能从眼底摄影或光学相干断层扫描图像中检测糖尿病性黄斑水肿的研究 | 医学影像分析 | 糖尿病性黄斑水肿 | 眼底摄影，光学相干断层扫描 | 深度学习 | 图像 | 53项研究被纳入荟萃分析 | NA | NA | AUROC，灵敏度，特异性 | NA |
| 380 | 2026-04-06 |
Targeted design of synthetic enhancers for selected tissues in the Drosophila embryo
2024-02, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06905-9
PMID:38086418
|
研究论文 | 本文结合深度学习和迁移学习，设计了针对果蝇胚胎中五个组织的特异性增强子 | 首次通过结合全基因组单细胞ATAC-seq数据和体内增强子活性小规模数据，利用迁移学习实现组织特异性增强子的靶向设计 | 未明确讨论设计增强子的通用性或跨物种适用性，且实验验证仅基于40个合成增强子 | 开发一种靶向设计具有组织特异性活性的合成增强子的方法 | 果蝇胚胎中的中央神经系统、表皮、肠道、肌肉和大脑组织 | 机器学习 | NA | ATAC-seq, 体内增强子活性测定 | CNN | 基因组序列数据 | 基于全基因组单细胞ATAC-seq数据集和小规模体内增强子活性数据 | NA | 卷积神经网络 | 阳性预测值 | NA |