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 12022 篇文献，本页显示第 801 - 820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 801 | 2025-10-06 |
Vocal Call Locator Benchmark (VCL) for localizing rodent vocalizations from multi-channel audio
2024-Sep-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.20.613758
PMID:39345431
|
研究论文 | 本文提出了首个用于啮齿动物声音源定位的大规模基准数据集VCL，包含多通道音频和同步视频记录 | 创建了生物声学领域首个公开的声音源定位基准数据集，填补了该领域缺乏系统评估工具的空白 | 目前仅限于啮齿动物声音定位，未涵盖其他动物物种 | 开发用于生物声学研究的声音源定位基准和方法 | 啮齿动物的社交发声定位 | 生物声学 | NA | 多通道音频记录，同步视频采集 | 深度学习声音源定位模型 | 多通道音频，视频 | 767,295个带有标注真实声源的声音样本，涵盖9种条件 | NA | NA | 声音源定位性能评估指标 | NA |
| 802 | 2025-10-06 |
Emerging research trends in artificial intelligence for cancer diagnostic systems: A comprehensive review
2024-Sep-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e36743
PMID:39263113
|
综述 | 本文对人工智能在癌症诊断系统中的最新研究趋势进行了全面综述 | 重点突出了可解释人工智能在癌症诊断中的新兴应用，包括交互式可视化模型决策和特征重要性分析等特定技术 | NA | 评估现代机器学习技术在癌症诊断中的应用，指导研究人员、临床医生和政策制定者开发高效可解释的癌症诊断系统 | 癌症诊断系统 | 机器学习 | 癌症 | 机器学习 | 监督学习,无监督学习,深度学习,联邦学习 | 影像数据,基因组数据,临床记录 | NA | NA | NA | NA | NA |
| 803 | 2025-10-06 |
Modelling protein complexes with crosslinking mass spectrometry and deep learning
2024-09-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51771-2
PMID:39251624
|
研究论文 | 通过将交联质谱实验数据整合到AlphaFold-Multimer中，开发了AlphaLink方法用于蛋白质复合物结构建模 | 首次将交联质谱数据整合到深度学习蛋白质结构预测中，扩展了AlphaLink方法至蛋白质复合物建模 | NA | 提高蛋白质复合物结构建模的准确性和可靠性 | 蛋白质复合物 | 计算生物学 | NA | 交联质谱, 深度学习 | 深度学习 | 质谱数据, 蛋白质序列 | NA | AlphaFold-Multimer | AlphaLink | 建模性能 | NA |
| 804 | 2025-10-06 |
Pretrainable geometric graph neural network for antibody affinity maturation
2024-09-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51563-8
PMID:39242604
|
研究论文 | 提出可预训练的几何图神经网络GearBind用于抗体亲和力成熟 | 结合多关系图构建、多层级几何消息传递和大规模无标签蛋白质结构数据的对比预训练 | NA | 开发计算模型提升抗体与靶抗原的结合亲和力 | 抗体-抗原相互作用 | 机器学习 | NA | 几何深度学习 | 图神经网络 | 蛋白质结构数据 | SKEMPI数据集和独立测试集 | NA | GearBind | ELISA EC值, K值 | NA |
| 805 | 2025-10-06 |
The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning
2024-Aug-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e36067
PMID:39224395
|
研究论文 | 本研究使用一维卷积神经网络模型和深度学习方法对高校体育舞蹈教学质量进行综合评估 | 创新地将深度学习技术应用于体育舞蹈教学质量评估，解决了传统评估方法主观性强和标准不一致的问题 | NA | 通过构建教学质量评估模型，定量评估高校体育舞蹈教育质量 | 高校体育舞蹈课程教学质量 | 机器学习 | NA | 深度学习 | CNN | 一维评估数据 | NA | NA | 一维CNN | 均方误差(MSE), R值 | NA |
| 806 | 2025-10-06 |
Forward dynamics computational modelling of a cyclist fall with the inclusion of protective response using deep learning-based human pose estimation
2024-01, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.111959
PMID:38286096
|
研究论文 | 本研究通过视频分析结合深度学习姿态估计和正向动力学计算模型，研究自行车骑行者跌倒的运动学特征和防护响应机制 | 开发了结合深度学习姿态估计和逆向运动学优化的新型重建流程，用于从真实跌倒视频中提取人体运动数据，并首次在自行车跌倒模型中优化包含支撑性主动响应 | 研究仅针对单个自行车跌倒案例进行研究，样本量有限 | 研究自行车骑行者跌倒的运动学和动力学特征，开发计算模型以改进防护装备和安全措施 | 自行车骑行者的跌倒过程 | 计算机视觉, 生物力学 | 创伤性损伤 | 视频分析, 深度学习姿态估计, 逆向运动学优化, 正向动力学计算模型 | 深度学习姿态估计模型 | 视频 | 单个自行车跌倒案例研究 | 遗传算法 | NA | NA | NA |
| 807 | 2025-10-06 |
Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230296
PMID:39194400
|
研究论文 | 开发基于弱监督学习的深度学习模型，使用研究级标签自动检测和定位头CT扫描中的颅内出血 | 使用研究级标签而非像素级标注训练模型，通过注意力机制实现图像级定位，具有高度泛化能力 | 回顾性研究，依赖放射学报告提取标签，可能存在标注偏差 | 开发能够快速准确检测颅内出血的计算机辅助诊断工具 | 头CT扫描中的颅内出血 | 计算机视觉 | 颅内出血 | CT扫描 | CNN, 双向LSTM | 医学图像 | 本地数据集10699个非对比头CT扫描（7469名患者），外部测试集491个扫描 | NA | 注意力机制双向长短期记忆网络 | 阳性预测值, AUC | NA |
| 808 | 2025-10-06 |
AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230529
PMID:39230423
|
研究论文 | 本研究评估了AI集成筛查在乳腺X线摄影中替代双读法的准确性和可行性 | 比较了三种AI集成筛查场景与标准双读法的性能，首次在大型代表性筛查人群中系统评估AI在筛查工作流中不同部署位置的临床影响 | 回顾性研究设计，AI阈值部分基于先前验证设定，未在真实临床环境中验证 | 评估AI集成筛查替代传统双读法在乳腺X线摄影中的准确性和可行性 | 249,402张来自代表性筛查人群的乳腺X线影像 | 医学影像分析 | 乳腺癌 | 乳腺X线摄影筛查 | CNN | 医学影像 | 249,402张乳腺X线影像 | NA | NA | 敏感度, 阴性预测值, 召回率, 阳性预测值, 仲裁率 | NA |
| 809 | 2024-11-28 |
Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.240604
PMID:39601670
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 810 | 2025-10-06 |
Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning
2024-09-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-52263-z
PMID:39266547
|
研究论文 | 利用自发荧光显微镜和深度学习技术，实现无标记组织中淀粉样蛋白沉积的虚拟双折射成像和虚拟刚果红染色 | 首次使用单一神经网络将无标记组织的自发荧光图像转换为明场和偏振显微镜图像，匹配其组织化学染色版本 | 研究主要针对心脏组织，在其他器官组织中的适用性需要进一步验证 | 开发无需化学染色的淀粉样蛋白沉积可视化方法 | 人体组织样本中的淀粉样蛋白沉积 | 数字病理学 | 系统性淀粉样变性 | 自发荧光显微镜，深度学习 | 神经网络 | 图像 | 心脏组织样本（具体数量未明确说明） | NA | NA | 定量指标，病理学家评估 | NA |
| 811 | 2025-10-06 |
Automated design of multi-target ligands by generative deep learning
2024-09-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-52060-8
PMID:39261471
|
研究论文 | 本研究利用生成式深度学习模型开发多靶点配体药物 | 首次将化学语言模型应用于多靶点配体的从头设计，通过小样本微调实现双靶点活性分子的生成 | 仅验证了12个设计分子对6个靶点对的活性，样本规模有限 | 探索生成式深度学习在多靶点药物设计中的应用 | 多靶点配体分子 | 机器学习 | NA | 化学语言模型，SMILES表示法 | 生成式深度学习模型 | 分子结构数据 | 12个设计分子，6个靶点对 | NA | 化学语言模型 | 纳摩尔级活性，双配体确认 | NA |
| 812 | 2025-10-06 |
External Testing of a Deep Learning Model to Estimate Biologic Age Using Chest Radiographs
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.230433
PMID:39046324
|
研究论文 | 本研究在亚洲人群中对基于深度学习的胸片年龄模型进行外部测试，评估其预测全因死亡率及特定疾病死亡率的预后价值 | 首次在大型亚洲队列中验证基于胸片影像的深度学习生物年龄预测模型的泛化能力 | 单中心回顾性研究，仅包含无症状亚洲人群 | 评估深度学习胸片年龄模型在外部测试队列中的预后价值 | 50-80岁无症状亚洲个体的胸片影像 | 计算机视觉 | 肺癌 | 胸片影像分析 | CNN | 医学影像 | 36,924名个体 | NA | NA | 风险比, 似然比检验 | NA |
| 813 | 2025-10-06 |
Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE)
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240076
PMID:38984984
|
研究论文 | 开发深度学习算法预测缺氧缺血性脑病新生儿2年神经发育结局 | 首次结合多序列MRI和基础临床数据开发深度学习模型预测新生儿脑病长期神经发育结局 | 回顾性研究设计，样本量相对有限（414例） | 预测缺氧缺血性脑病新生儿2年神经发育结局 | 足月缺氧缺血性脑病新生儿 | 医学影像分析 | 新生儿脑病 | MRI（T1加权、T2加权、扩散张量成像） | CNN | 医学影像、临床数据 | 414例新生儿（来自17个机构） | NA | 深度学习分类器 | AUC, 准确率 | NA |
| 814 | 2025-10-06 |
Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.230601
PMID:38900043
|
研究论文 | 开发了一种基于深度学习的自动方法，用于在腹部CT扫描中检测腹水并量化其体积 | 首次提出使用深度学习自动分割和量化腹水体积的方法，并在肝硬化和卵巢癌患者中验证 | 回顾性研究，数据来源于特定机构，可能存在选择偏倚 | 评估深度学习模型在检测和量化腹水体积方面的性能 | 肝硬化腹水患者和卵巢癌患者 | 医学影像分析 | 肝硬化,卵巢癌 | CT扫描 | 深度学习 | 医学影像 | 训练集：TCGA卵巢癌数据集；测试集：NIH-LC(25例)、NIH-OV(166例)、UofW-LC(124例) | NA | NA | F1/Dice系数,体积估计误差,95%置信区间 | NA |
| 815 | 2025-10-06 |
Noninvasive virtual biopsy using micro-registered optical coherence tomography (OCT) in human subjects
2024-04-12, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adi5794
PMID:38598626
|
研究论文 | 开发了一种基于光学相干断层扫描的非侵入式虚拟活检技术，通过深度学习将OCT图像转换为虚拟H&E染色切片 | 提出了微米级精度的配准方法，首次实现了从完整组织获取的3D OCT图像到2D H&E切片的精确对应，并展示了2D和3D的高保真虚拟染色 | 需要配对数据集进行训练，尚未应用于体内OCT图像的临床验证 | 开发非侵入式虚拟活检技术以减少不必要的活检程序 | 人类组织样本 | 数字病理学 | 癌症 | 光学相干断层扫描（OCT），H&E染色 | 条件生成对抗网络（cGAN） | 3D OCT图像，2D H&E组织切片 | NA | NA | 条件生成对抗网络 | 高保真度转换 | NA |
| 816 | 2025-10-06 |
Three-dimensional assessments are necessary to determine the true, spatially-resolved composition of tissues
2024-Mar-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.04.569986
PMID:38106231
|
研究论文 | 本研究通过深度学习平台重建胰腺组织的三维微解剖结构，证明二维评估会显著低估组织异质性 | 首次使用深度学习平台CODA对正常和癌变人类胰腺标本进行三维微解剖重建，系统比较二维与三维评估在组织成分分析中的差异 | 研究样本仅限胰腺组织，未验证其他器官组织的适用性 | 评估三维组织映射在准确分析组织成分中的必要性 | 接受胰腺切除术患者的正常和癌变人类胰腺标本 | 数字病理学 | 胰腺癌 | 深度学习组织映射平台，三维组织重建 | 深度学习 | 全玻片图像，连续组织切片图像 | 包含二维全玻片图像队列和三维重建厚组织切片队列的胰腺标本 | NA | CODA平台 | 组织成分异质性误差分析 | NA |
| 817 | 2025-10-06 |
Deep learning-based accurate diagnosis and quantitative evaluation of microvascular invasion in hepatocellular carcinoma on whole-slide histopathology images
2024-03, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.7104
PMID:38488408
|
研究论文 | 本研究开发了一种基于深度学习的肝细胞癌微血管浸润智能诊断模型，能够提高诊断效率和准确性 | 成功开发了MVI人工智能诊断模型，能够识别传统病理学难以区分的微小微血管浸润，并提供癌细胞数量和空间信息的自动量化 | 研究主要基于单一医疗中心数据，外部验证集来自公共数据库，可能存在数据异质性 | 开发深度学习模型以显著提高肝细胞癌微血管浸润诊断的效率和准确性 | 肝细胞癌患者的H&E染色全切片图像 | 数字病理学 | 肝细胞癌 | H&E染色 | 深度学习模型 | 全切片病理图像 | 753名患者（内部数据集）+ 358名患者（外部验证集） | NA | NA | 准确率, 精确率, 召回率, F1分数, ROC曲线下面积 | NA |
| 818 | 2025-10-06 |
An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1418280
PMID:38988988
|
研究论文 | 提出一种基于二元卷积神经网络的深度学习方法来增强脑部MRI图像中肿瘤的检测和分割 | 能够分割10种最常见的脑肿瘤类型，相比现有模型仅能分割4种类型有显著改进 | NA | 提高脑肿瘤在MRI图像中的检测和分割精度 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | MRI成像 | CNN | 图像 | 6,600张脑部MRI图像 | NA | 二元卷积神经网络(BCNN) | 准确率,精确率,召回率,F-Measure | NA |
| 819 | 2025-10-06 |
A deep learning approach to prediction of blood group antigens from genomic data
2024-11, Transfusion
IF:2.5Q2
DOI:10.1111/trf.18013
PMID:39268576
|
研究论文 | 本研究开发了一种基于深度学习的方法，利用基因组数据预测血型抗原 | 首次将去噪自编码器与卷积神经网络结合应用于血型抗原预测，能够处理基因型缺失数据 | 对于低频或高频抗原、小训练队列或遗传基础复杂的血型系统（如Cw、Cob、RhD），模型准确性面临挑战 | 开发基于廉价可扩展筛查阵列基因分型平台的深度学习血型预测模型 | 约111,000名丹麦和1,168名芬兰献血者的血型和基因型数据 | 机器学习 | NA | 筛查阵列基因分型 | 去噪自编码器,卷积神经网络 | 基因组数据 | 约112,168名献血者（111,000丹麦+1,168芬兰） | NA | 去噪自编码器,CNN | F1-accuracy | NA |
| 820 | 2025-06-18 |
Boosting Deep Learning for Interpretable Brain MRI Lesion Detection through the Integration of Radiology Report Information
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230520
PMID:39377669
|
research paper | 该研究通过整合放射学报告中的文本特征，指导深度学习模型关注脑部MRI病变特征，以实现可解释的病变检测 | 提出了一种结合放射学报告文本特征的深度学习模型（ReportGuidedNet），显著提高了脑部病变检测的性能和可解释性 | 研究为回顾性设计，可能受到数据质量和报告一致性的限制 | 提高深度学习模型在脑部MRI病变检测中的性能和可解释性 | 脑部MRI扫描和对应的放射学报告 | digital pathology | brain lesions | MRI | ReportGuidedNet, PlainNet | image, text | 35,282份脑部MRI扫描用于训练、验证和内部测试，2,655份用于外部测试 | NA | NA | NA | NA |