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 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 | 2025-12-13 |
Personalized phenotype encoding and prediction of pathological head development from cross-sectional images
2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop
|
研究论文 | 本文提出了一种新颖的深度学习架构，用于仅使用横截面数据对规范和病理性头部发育进行个性化预测 | 首次创建了与年龄和性别无关的患者表型表示，并能够在无需纵向数据训练的情况下实现病理性发育的个性化预测 | NA | 预测解剖发育，以辅助儿科外科治疗的选择和规划 | 儿科患者的头部发育，包括规范发育和病理性发育 | 计算机视觉 | 颅骨病理 | 深度学习 | 深度学习架构 | 图像 | NA | NA | 表型编码器, 生长预测器 | 头部表面生长预测误差, 体积误差 | NA |
| 802 | 2025-12-13 |
STDAN: Deformable Attention Network for Space-Time Video Super-Resolution
2024-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3243029
PMID:37027773
|
研究论文 | 提出一种用于时空视频超分辨率的可变形注意力网络（STDAN），通过长短期特征插值和时空可变形特征聚合模块提升视频重建质量 | 设计了长短期特征插值模块（LSTFI）利用双向RNN结构从更多相邻帧挖掘信息，并提出时空可变形特征聚合模块（STDFA）自适应捕获动态视频中的时空上下文 | 未明确说明模型在极端运动场景或计算资源受限环境下的性能表现 | 提升低分辨率低帧率视频的时空分辨率 | 视频序列 | 计算机视觉 | NA | 深度学习 | RNN, 注意力网络 | 视频 | 多个数据集（未指定具体数量） | PyTorch（根据GitHub仓库推断） | STDAN（包含LSTFI和STDFA模块） | 未明确说明，但提及超越现有方法 | NA |
| 803 | 2025-12-13 |
Deep Learning Sequence Models for Transcriptional Regulation
2024-08, Annual review of genomics and human genetics
IF:7.7Q1
|
研究论文 | 本文综述了基于深度学习的序列模型在转录调控中的应用，包括预测非编码变异的功能后果 | 利用深度学习模型预测人类基因组中任何非编码变异的功能后果，包括罕见或未观察到的变异，并应用可解释性方法识别关键序列模式 | 未明确提及具体模型或实验的局限性 | 解码基因表达的调控代码并解释基因组变异对转录的影响 | 人类基因组DNA序列，包括非编码变异 | 自然语言处理 | NA | 深度学习序列模型 | 深度学习序列模型 | DNA序列数据 | NA | NA | NA | NA | NA |
| 804 | 2025-12-13 |
Integrating Large-Scale Protein Structure Prediction into Human Genetics Research
2024-08, Annual review of genomics and human genetics
IF:7.7Q1
|
综述 | 本文综述了深度学习模型在蛋白质结构和变异预测方面的最新进展，并探讨了其在人类遗传学和健康研究中的应用 | 强调将最先进的蛋白质信息学技术（如AlphaFold2）整合到人类遗传学研究中，以优先考虑未注释的错义变异 | 未具体讨论数据可用性、模型泛化能力或特定技术实施的局限性 | 促进蛋白质结构预测技术在人类遗传学研究中的更好整合，以注释变异对蛋白质功能的影响 | 人类蛋白质及其错义变异 | 自然语言处理 | NA | 深度学习，序列基结构预测 | 深度学习模型 | 蛋白质序列数据 | 数百万人类错义蛋白变异 | NA | AlphaFold2 | NA | NA |
| 805 | 2025-12-12 |
Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme
2024-Dec-14, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0241246
PMID:39665326
|
研究论文 | 本研究结合大正则蒙特卡洛模拟和深度学习增强采样方法，探讨了Mg2+分布和Drude极化力场对twister核酶折叠态稳定性的影响 | 首次将振荡化学势大正则蒙特卡洛与机器学习反应坐标相结合，应用于metadynamics模拟，以研究Mg2+分布和电子极化性对RNA稳定性的复杂作用 | 研究主要基于模拟数据，实验验证有限；且仅针对twister核酶特定体系，结论的普适性有待进一步验证 | 探究Mg2+分布和电子极化性（通过Drude极化力场）对twister核酶折叠态稳定性的影响 | twister核酶（一种RNA分子）及其与Mg2+离子的相互作用 | 计算生物学 | NA | 分子动力学模拟，大正则蒙特卡洛，metadynamics增强采样，机器学习方法 | NA | 模拟数据（分子构象、离子分布、相互作用能等） | NA | NA | NA | NA | NA |
| 806 | 2025-12-12 |
Imputation of cancer proteomics data with a deep model that learns from many datasets
2024-Aug-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.26.609780
PMID:39253518
|
研究论文 | 本文提出了一种名为Lupine的深度学习方法，用于估算串联质谱标签（TMT）蛋白质组学数据中的缺失值，通过联合学习多个数据集提高预测准确性 | Lupine是首个设计用于联合学习多个数据集的缺失值估算方法，能更准确地预测缺失值，并学习蛋白质和患者样本的有意义表示 | NA | 开发一种深度学习方法以估算癌症蛋白质组学数据中的缺失值，提高数据分析和统计功效 | 来自临床蛋白质组学肿瘤图谱联盟（CPTAC）的超过1000个癌症患者样本的TMT蛋白质组学数据，涵盖十种癌症类型 | 机器学习 | 癌症 | 串联质谱标签（TMT）蛋白质组学 | 深度学习模型 | 蛋白质组学数据 | 超过1000个癌症患者样本 | Python | NA | NA | NA |
| 807 | 2025-12-10 |
GENERATIVE FORECASTING OF BRAIN ACTIVITY ENHANCES ALZHEIMER'S CLASSIFICATION AND INTERPRETATION
2024-Oct-30, ArXiv
PMID:39575120
|
研究论文 | 本研究通过生成式预测大脑活动来增强阿尔茨海默病的分类和解释 | 采用基于Transformer的BrainLM模型进行静息态功能磁共振成像数据的多元时间序列预测，作为数据增强手段，并展示了其在阿尔茨海默病分类中的性能提升 | 数据可用性有限，尤其是在阿尔茨海默病等疾病特定群体中，这限制了深度学习模型的泛化能力 | 通过数据驱动方法理解认知与内在大脑活动之间的关系，并提升阿尔茨海默病的分类性能 | 阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 静息态功能磁共振成像 | LSTM, Transformer | 多元时间序列 | NA | NA | BrainLM | NA | NA |
| 808 | 2025-12-10 |
Sensitive Detection of Structural Differences using a Statistical Framework for Comparative Crystallography
2024-Jul-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.22.604476
PMID:39091831
|
研究论文 | 本文介绍了一种结合深度学习和统计先验的贝叶斯框架，用于校正X射线衍射数据，并通过多变量统计理论提升比较晶体学中结构差异的敏感检测 | 将贝叶斯框架与多变量统计理论结合，显著提高了蛋白质动力学、元素特异性异常信号及药物片段结合的检测能力 | NA | 开发一种统计框架，以敏感检测比较晶体学中的结构差异 | 蛋白质的化学和构象变化 | 机器学习 | NA | X射线衍射 | 深度学习 | 晶体学数据 | NA | NA | NA | NA | NA |
| 809 | 2025-12-10 |
Opportunistic screening for coronary artery calcium deposition using chest radiographs - a multi-objective models with multi-modal data fusion
2024-Jan-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.10.23299699
PMID:38260571
|
研究论文 | 本研究开发了一种基于多任务深度学习的融合模型，利用胸部X光片和电子健康记录数据进行冠状动脉钙化评分和心血管风险的预测 | 提出了一种结合多模态数据（CXR和EHR）的多任务深度学习模型，用于冠状动脉钙化的机会性筛查，并在多个外部数据集上验证了其稳健性 | 研究为回顾性设计，样本量相对有限（2,121名患者），且外部验证数据集的种族和民族差异可能影响模型泛化能力 | 开发一种基于胸部X光片和电子健康记录的机会性筛查策略，用于预测冠状动脉钙化评分和心血管风险 | 冠状动脉钙化沉积和心血管风险 | 数字病理学 | 心血管疾病 | CT扫描，胸部X光成像 | 多任务深度学习模型 | 图像，文本 | 2,121名患者（内部数据集），外加多个外部数据集（EUH和VGHTPE） | NA | 多任务深度学习融合模型 | F1分数，AUCROC | NA |
| 810 | 2025-12-09 |
Toward Non-Invasive Diagnosis of Bankart Lesions with Deep Learning
2024-Dec-09, ArXiv
PMID:39764408
|
研究论文 | 本研究开发了基于深度学习的模型，用于在标准MRI和MRA上检测Bankart病变，旨在提高诊断准确性并减少对侵入性MRA的依赖 | 首次使用Swin Transformer架构和预训练策略，结合多视图集成方法，在标准MRI上实现了与MRA相当的诊断性能，可能减少对侵入性检查的需求 | 研究样本量相对有限（586个MRI扫描），且模型性能可能受限于数据集的多样性和标注质量 | 提高Bankart病变的诊断准确性，减少对侵入性MRI关节造影（MRA）的依赖 | 肩部MRI扫描（包括标准MRI和MRA） | 计算机视觉 | 骨科损伤（Bankart病变） | MRI成像 | 深度学习 | 医学图像（MRI） | 586个肩部MRI扫描（来自558名患者，包括335个标准MRI和251个MRA） | PyTorch（基于Swin Transformer的实现通常使用PyTorch） | Swin Transformer | AUC, 准确率, 敏感性, 特异性 | NA |
| 811 | 2025-12-08 |
Wireless Sensing-based Daily Activity Tracking System Deployment in Low-Income Senior Housing Environments
2024-Nov, Proceedings of the ... annual International Conference on Mobile Computing and Networking. International Conference on Mobile Computing and Networking
DOI:10.1145/3636534.3698115
PMID:41346851
|
研究论文 | 本文介绍了一种基于无线传感的日常活动追踪系统，专为低收入老年住房环境设计，用于监测老年人的日常活动与移动能力 | 提出了一种非侵入式、低成本的无线传感解决方案，利用深度学习对周围WiFi信号进行细粒度分析，避免了摄像头或可穿戴设备带来的隐私、负担等问题 | 系统部署时间仅为一周，样本规模有限，且准确率最高为76.90%，仍有提升空间 | 开发并评估一种适用于低收入老年人的非侵入式日常活动监测系统，以早期发现功能衰退 | 低收入老年住房环境中的老年人及其日常活动 | 机器学习 | 老年疾病 | 无线传感技术，基于WiFi信号分析 | 深度学习模型 | 无线信号数据 | 在真实老年住房环境中部署一周，具体参与者数量未明确说明 | NA | NA | 准确率 | NA |
| 812 | 2025-12-07 |
International Validation of Echocardiographic AI Amyloid Detection Algorithm
2024-Dec-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.14.24319049
PMID:39763545
|
研究论文 | 本研究通过国际多中心回顾性病例对照研究，验证了基于计算机视觉的深度学习算法EchoNet-LVH在超声心动图视频中检测心脏淀粉样变性的性能 | 开发并国际验证了首个基于超声心动图视频的计算机视觉深度学习算法EchoNet-LVH，用于检测心脏淀粉样变性，其高特异性旨在最大化阳性预测值，以应对这种罕见疾病的诊断挑战 | 研究为回顾性设计，未来需前瞻性验证以确认其临床实用性；算法性能在不同亚组中虽表现一致，但需在更广泛人群中进一步评估 | 评估计算机视觉深度学习算法在国际多中心环境中检测心脏淀粉样变性的诊断性能 | 心脏淀粉样变性患者与对照组的超声心动图研究 | 计算机视觉 | 心脏淀粉样变性 | 经胸超声心动图 | 深度学习 | 视频 | 涉及多个国际站点的回顾性病例对照研究，具体样本量未在摘要中明确说明 | NA | EchoNet-LVH | AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 813 | 2025-12-04 |
Clustering single-cell RNA sequencing data via iterative smoothing and self-supervised discriminative embedding
2024-07, Oncogene
IF:6.9Q1
DOI:10.1038/s41388-024-03074-5
PMID:38834657
|
研究论文 | 提出了一种名为scRISE的深度聚类方法，用于单细胞RNA测序数据的聚类分析 | 结合了基于图自编码器的迭代平滑模块和具有自适应相似度阈值的自监督判别嵌入模块，以去噪数据并优化聚类 | 未明确提及方法在极大规模数据集上的计算效率或泛化能力 | 解决单细胞RNA测序数据聚类中相似度度量选择的挑战 | 单细胞RNA测序数据 | 机器学习 | 头颈鳞状细胞癌 | 单细胞转录组测序 | 图自编码器 | 基因表达数据 | 17个单细胞RNA测序数据集 | NA | 图自编码器 | NA | NA |
| 814 | 2025-12-04 |
A visual-language foundation model for computational pathology
2024-03, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-02856-4
PMID:38504017
|
研究论文 | 本文介绍了一种用于计算病理学的视觉-语言基础模型CONCH，通过任务无关的预训练处理多样化的病理图像和文本数据 | 开发了首个利用超过117万图像-标题对进行视觉-语言对比学习的病理学基础模型，支持多任务迁移且无需额外监督微调 | 未明确讨论模型在特定疾病或小样本场景下的泛化能力限制 | 构建一个能够处理病理学图像和文本的多任务基础模型，以解决医学领域标签稀缺和任务局限性问题 | 多样化的病理学图像、生物医学文本及图像-标题对 | 计算病理学 | NA | 深度学习，视觉-语言对比学习 | 视觉-语言基础模型 | 图像，文本 | 超过117万图像-标题对 | NA | CONCH | 图像分类，分割，标题生成，文本到图像检索，图像到文本检索的先进性能 | NA |
| 815 | 2025-12-03 |
Improving laryngeal cancer detection using chaotic metaheuristics integration with squeeze-and-excitation resnet model
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00296-5
PMID:39006830
|
研究论文 | 本文提出了一种结合混沌元启发式算法与SE-ResNet模型的高效喉癌检测方法 | 通过混沌自适应麻雀搜索算法优化SE-ResNet超参数，并结合极限学习机进行分类，提升了喉癌检测的准确性和效率 | 未提及方法在更大规模或多样化数据集上的泛化能力，以及计算资源消耗的具体分析 | 提高喉癌的早期检测准确率，减少计算复杂性和筛查时间 | 喉部区域图像 | 计算机视觉 | 喉癌 | 深度学习 | CNN | 图像 | 基准喉部区域图像数据库（具体数量未提及） | NA | Squeeze-and-Excitation ResNet, 极限学习机 | 准确性 | NA |
| 816 | 2025-12-03 |
A transfer learning enabled approach for ocular disease detection and classification
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00293-8
PMID:38868156
|
研究论文 | 本研究提出了一种名为Ocular Net的新型深度学习模型，用于从眼部图像中检测和分类白内障、糖尿病性视网膜病变、葡萄膜炎和青光眼等眼部疾病 | 提出了一种结合迁移学习、平均池化层、Clipped ReLU和Leaky ReLU等多种层结构的新型Ocular Net模型，并在大型眼部图像数据集上实现了高精度疾病分类 | 未明确说明模型在外部验证集或临床环境中的泛化能力，以及数据集中各类别样本的具体分布情况 | 开发一种高精度的深度学习模型，用于眼部疾病的自动检测和分类 | 眼部疾病图像（白内障、糖尿病性视网膜病变、葡萄膜炎、青光眼）及正常眼部图像 | 计算机视觉 | 眼部疾病 | 深度学习，数据增强 | CNN | 图像 | 6200张患者双眼图像（4000张训练，2200张测试） | 未明确说明 | Ocular Net（自定义架构） | 准确率，损失值 | NA |
| 817 | 2025-12-03 |
Pix2HDR - A Pixel-Wise Acquisition and Deep Learning-Based Synthesis Approach for High-Speed HDR Videos
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3410140
PMID:38837925
|
研究论文 | 本文提出了一种结合像素级采样和深度学习的高动态范围视频合成方法，用于高速视频采集 | 采用像素级可变曝光和相位偏移采样模式，而非传统的帧级多曝光方法，结合端到端深度学习权重转换，实现高时空分辨率且减少运动模糊 | NA | 解决高速高动态范围视频采集中的动态范围和运动模糊问题 | 动态场景中的视频数据 | 计算机视觉 | NA | 像素级可编程图像传感器采样 | 深度神经网络 | 视频 | NA | NA | NA | NA | NA |
| 818 | 2025-12-03 |
Harbor seal whiskers optimization algorithm with deep learning-based medical imaging analysis for gastrointestinal cancer detection
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00294-7
PMID:38764569
|
研究论文 | 本文提出了一种基于海豹胡须优化算法与深度学习的医学影像分析技术，用于胃肠道癌症检测 | 结合了海豹胡须优化算法（HSWOA）与Xception模型进行特征提取，并采用飞蛾火焰优化算法（MFO）优化XGBoost模型的参数，形成了一种新的混合优化框架 | 实验仅在Kvasir数据库上进行验证，缺乏多中心、大规模的外部验证，且未详细讨论模型的计算复杂度和实时性 | 开发一种高效的医学影像分析技术，以实现胃肠道癌症的早期检测与诊断 | 胃肠道医学影像（如CT、内镜、MRI、超声、PET等图像） | 计算机视觉 | 胃肠道癌症 | 医学影像分析（包括CT、内镜、MRI、超声、PET） | CNN, XGBoost | 图像 | 使用Kvasir数据库，具体样本数量未明确说明 | 未明确指定，但涉及深度学习与机器学习优化算法 | Xception | 未明确列出具体指标，但提及了最佳可能解决方案的比较 | NA |
| 819 | 2025-12-03 |
DeepEMC-T2 mapping: Deep learning-enabled T2 mapping based on echo modulation curve modeling
2024-Dec, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30239
PMID:39129209
|
研究论文 | 本文提出了一种基于深度学习的方法DeepEMC-T2 mapping，用于从多回波自旋回波图像中高效估计准确的T2图 | 开发了基于改进U-Net的深度学习版本EMC-T2映射方法，无需繁琐的逐像素字典匹配步骤，并引入了多项新特征以提高T2和质子密度估计的准确性 | 研究主要基于特定采集参数和方向的MESE数据集，虽然评估了不同扫描参数和方向的泛化性，但可能仍需在更广泛的数据集和临床场景中进一步验证 | 开发一种高效、准确的T2量化方法，以简化多回波自旋回波成像中的T2弛豫时间估计 | 多回波自旋回波成像数据，用于估计T2弛豫时间和质子密度图 | 医学影像分析 | NA | 多回波自旋回波成像 | 深度学习 | 医学影像 | 124个MESE数据集（67个用于网络训练和评估，57个用于评估泛化性） | NA | 改进的U-Net | T2估计误差, PD估计误差 | NA |
| 820 | 2025-12-03 |
New developments in the application of artificial intelligence to laryngology
2024-Dec-01, Current opinion in otolaryngology & head and neck surgery
IF:1.9Q2
DOI:10.1097/MOO.0000000000000999
PMID:39146248
|
综述 | 本文综述了人工智能在喉科学中的应用，总结了最新进展并指出了当前实施中的障碍 | 强调了人工智能在喉科学中的新兴应用，如声学生物标志物用于疾病筛查、深度学习分析喉镜视频识别病变，以及自动分割视频荧光镜检测误吸 | 现有研究大多缺乏大规模和多样化的数据集、外部验证以及一致的参考标准，这限制了结果的普适性 | 总结人工智能技术在喉科学中的应用现状，并探讨其临床转化潜力 | 喉科学相关的诊断、筛查和数据分析 | 自然语言处理, 计算机视觉 | 喉部疾病 | NA | 深度学习 | 视频, 音频 | NA | NA | NA | NA | NA |