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 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2025-05-17 |
Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders
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/EMBC53108.2024.10782502
PMID:40039209
|
research paper | 本文提出了一种基于变分自编码器（VAE）的PPG信号建模方法，并探讨了其优势和应用 | 提出了一种名为PPG-VAE的模型，能够识别PPG心跳波的局部斜率、去除高频噪声，并生成与现有信号形态匹配的新信号段 | 未提及具体的研究限制 | 探索PPG信号处理的新方法，提高信号分析和合成的能力 | PPG信号 | machine learning | NA | VAE | VAE | signal | NA | NA | NA | NA | NA |
| 1122 | 2025-05-17 |
Integrated Multi-Omics and Whole Slide Images for Survival Prediction in Glioblastoma Using Multiple Instance Learning and Co-Attention
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/EMBC53108.2024.10782321
PMID:40039442
|
研究论文 | 本研究旨在通过整合全切片图像和多组学数据，结合生物通路知识，利用多实例学习和共注意力机制，提高胶质母细胞瘤的生存预测准确性 | 首次将多组学数据与全切片图像结合，利用生物通路知识进行整合，并通过多实例学习和共注意力机制提高预测性能 | 研究样本量相对较小（214例患者），且仅使用了TCGA数据库的数据 | 提高胶质母细胞瘤（GBM）患者的生存预测准确性 | 胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | RNA测序、拷贝数变异分析、DNA甲基化分析 | 多实例学习和共注意力机制 | 全切片图像和多组学数据 | 214例GBM患者，包括447张全切片图像和多种多组学特征 | NA | NA | NA | NA |
| 1123 | 2025-05-17 |
Automatic COVID-19 Detection from Chest X-ray using Deep MobileNet Convolutional Neural Network
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/EMBC53108.2024.10781897
PMID:40039689
|
research paper | 该研究提出了一种基于深度迁移学习MobileNetV2模型的自动检测COVID-19的方法，通过胸部X光片(CXR)进行病毒检测 | 结合预训练的MobileNetV2 CNN模型和SVM分类器，提高了COVID-19检测的准确率，从基线模型的92.28%提升至93.2% | NA | 开发一种自动检测COVID-19的计算工具，以应对全球医疗系统的压力 | 胸部X光片(CXR)数据 | computer vision | lung cancer | deep learning, transfer learning | MobileNetV2, CNN, SVM | image | NA | NA | NA | NA | NA |
| 1124 | 2025-10-07 |
An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome
2024-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.04.597442
PMID:38895386
|
研究论文 | 通过分析扩展的ENCODE ChIP-seq数据集和深度学习模型，系统评估核转录因子与线粒体基因组的关联证据 | 利用十年间大幅扩展的ENCODE数据集（6,153个ChIP实验）结合可解释深度学习模型，首次全面评估核转录因子在线粒体基因组上的占据情况 | 相同转录因子使用不同抗体和ChIP方案检测时，chrM占据证据的可重复性不一致 | 建立核转录因子与线粒体基因组关联的综合目录并重新评估相关证据标准 | 人类和小鼠的核转录因子与线粒体基因组的相互作用 | 计算生物学 | NA | ChIP-seq, 深度学习 | 深度学习模型 | 基因组测序数据 | 6,153个ChIP实验，942种蛋白质（其中763个为序列特异性转录因子） | NA | NA | 可重复性评估 | NA |
| 1125 | 2025-10-07 |
ProkDBP: Toward more precise identification of prokaryotic DNA binding proteins
2024-Jun, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5015
PMID:38747369
|
研究论文 | 开发了一种名为ProkDBP的新型机器学习计算模型，用于更精确地预测原核生物DNA结合蛋白 | 首次专门针对原核生物DNA结合蛋白开发预测模型，结合浅层学习和深度学习算法，采用随机森林变量重要性度量筛选进化显著特征 | 未明确说明模型在哪些特定原核生物类型或条件下的性能差异 | 提高原核生物DNA结合蛋白的预测准确性 | 原核生物DNA结合蛋白 | 机器学习 | NA | 机器学习预测 | LGBM, 随机森林, 浅层学习算法, 深度学习模型 | 蛋白质序列特征数据 | NA | NA | LGBM, 随机森林 | auROC, auPRC, 五折交叉验证准确率 | NA |
| 1126 | 2025-10-07 |
Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning
2024-May-15, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2024.04.006
PMID:38754367
|
研究论文 | 提出Polaris分析流程，通过弱监督深度学习方法实现图像空间转录组学中的单分子点检测 | 结合深度学习细胞分割与点检测模型以及概率基因解码器，为多种空间转录组技术提供统一解决方案 | NA | 开发准确量化单细胞基因表达的空间转录组学分析流程 | 图像空间转录组学数据 | 数字病理学 | NA | MERFISH, seqFISH, ISS | 深度学习 | 图像 | NA | DeepCell | NA | NA | NA |
| 1127 | 2025-10-07 |
Graph neural networks for automatic extraction and labeling of the coronary artery tree in CT angiography
2024-May, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.3.034001
PMID:38756439
|
研究论文 | 提出一种使用深度学习从冠状动脉CT血管造影中自动提取和解剖标记冠状动脉树的方法 | 首次将图卷积神经网络与多分辨率集成方法相结合，利用相邻血管段的几何和图像强度信息进行冠状动脉树的自动提取和标记 | 研究样本量相对较小（104例患者），仅来自两家医院 | 开发全自动的冠状动脉树提取和解剖标记方法，以支持冠状动脉疾病的自动报告 | 冠状动脉CT血管造影扫描图像 | 医学图像分析 | 冠状动脉疾病 | 冠状动脉CT血管造影 | 图卷积神经网络 | 医学影像 | 104名患者来自两家医院的CCTA扫描 | NA | 图卷积神经网络, 多分辨率集成模型 | F1分数 | NA |
| 1128 | 2025-10-07 |
Efficacy of artificial intelligence in reducing miss rates of GI adenomas, polyps, and sessile serrated lesions: a meta-analysis of randomized controlled trials
2024-May, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2024.01.004
PMID:38184117
|
荟萃分析 | 通过荟萃分析评估人工智能在内窥镜手术中降低胃肠道腺瘤、息肉和无蒂锯齿状病变漏诊率的效果 | 首次通过随机对照试验的荟萃分析系统评估AI对多种胃肠道病变漏诊率的综合影响 | 仅纳入7项随机对照试验，样本量有限；对晚期腺瘤漏诊率未见显著改善 | 评估人工智能技术在内窥镜检查中降低病变漏诊率的有效性 | 胃肠道腺瘤、息肉、无蒂锯齿状病变和微小腺瘤 | 医学人工智能 | 胃肠道疾病 | 内窥镜检查 | 卷积神经网络 | 内窥镜图像 | 7项随机对照试验 | NA | NA | 相对风险, 置信区间, P值, Hedges' g | NA |
| 1129 | 2025-10-07 |
Geriatric depression and anxiety screening via deep learning using activity tracking and sleep data
2024-02, International journal of geriatric psychiatry
IF:3.6Q1
DOI:10.1002/gps.6071
PMID:38372966
|
研究论文 | 本研究开发了一种基于活动追踪和睡眠数据的深度学习模型，用于老年人抑郁和焦虑的筛查 | 首次开发基于活动追踪数据的混合输入深度学习模型，用于老年人抑郁和焦虑的多标签识别 | NA | 研究通过消费级腕戴式活动追踪器获取的时序数据训练端到端深度学习模型来识别共病抑郁和焦虑的可行性 | 老年人抑郁和焦虑筛查 | 机器学习 | 老年疾病 | 活动追踪, 睡眠监测 | CNN, LSTM, ResNet | 时间序列数据(步数, 睡眠阶段), 评估分数 | NA | NA | ResNet, CNN, LSTM | 汉明损失 | NA |
| 1130 | 2025-05-17 |
Scoping Review of Deep Learning Techniques for Diagnosis, Drug Discovery, and Vaccine Development in Leishmaniasis
2024, Transboundary and emerging diseases
IF:3.5Q1
DOI:10.1155/2024/6621199
PMID:40303156
|
综述 | 本文对深度学习技术在利什曼病的诊断、药物发现和疫苗开发中的应用进行了范围综述 | 首次对深度学习在利什曼病领域的应用进行全面综述，填补了该领域的研究空白 | 仅对现有文献进行了分析，未进行新的实验验证 | 探讨深度学习技术在利什曼病领域的应用现状和未来发展方向 | 利什曼病的诊断、药物发现和疫苗开发 | 机器学习 | 利什曼病 | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 1131 | 2025-05-16 |
RNA language models predict mutations that improve RNA function
2024-Sep-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.05.588317
PMID:38617247
|
研究论文 | 该研究创建了一个名为GARNET的新数据库，用于RNA结构和功能分析，并开发了一种类似GPT的RNA语言模型，以预测提高RNA功能的突变 | 创建GARNET数据库，结合GTDB基因组数据与生物生长温度信息，开发了重叠三连体标记化的RNA生成模型，用于预测增强RNA功能的突变 | RNA结构预测目前仍缺乏充足的高质量参考数据 | 理解RNA序列、结构与功能之间的联系 | RNA序列及其功能 | 自然语言处理 | NA | 深度学习，RNA生成模型 | GPT-like语言模型 | RNA序列数据 | GTDB基因组数据中的RNA序列 | NA | NA | NA | NA |
| 1132 | 2025-05-16 |
Comparing Artificial Intelligence-Based Versus Conventional Endotracheal Tube Monitoring Systems in Clinical Practice
2024-07-24, Studies in health technology and informatics
DOI:10.3233/SHTI240230
PMID:39049336
|
研究论文 | 本研究开发了一种基于深度学习和人工智能的气管插管监测系统，并与传统方法进行了比较评估 | 提出了一种新型的AI监测系统，用于实时检测气管插管移位或脱落，相比传统方法具有更高的及时性和准确性 | 研究尚未完成，实际效果需要通过后续随机交叉实验验证 | 评估AI监测系统在气管插管管理中的有效性，促进医疗护理领域的创新应用 | 气管插管患者 | 医疗人工智能 | NA | 深度学习 | 深度学习模型（未指定具体类型） | 临床监测数据 | NA（研究尚未完成） | NA | NA | NA | NA |
| 1133 | 2025-05-16 |
Deep Learning for Predicting Phlebitis in Patients with Intravenous Catheters
2024-07-24, Studies in health technology and informatics
DOI:10.3233/SHTI240231
PMID:39049337
|
research paper | 该研究提出了一种深度学习模型，用于预测外周静脉导管（PIVC）插入患者的静脉炎 | 利用深度学习模型预测静脉炎，并在大规模电子健康记录数据上验证其性能，准确率和AUC均表现优异 | 研究数据仅来自韩国首尔的一家医院，可能缺乏普遍性 | 开发一种有效的工具，用于早期检测静脉炎，以改善患者预后和医疗效率 | 接受外周静脉导管（PIVC）插入的患者 | machine learning | 静脉炎 | 电子健康记录数据分析 | 深度学习模型 | 电子健康记录数据 | 27,532次住院记录和70,293次PIVC事件 | NA | NA | NA | NA |
| 1134 | 2025-05-16 |
ASPTF: A computational tool to predict abiotic stress-responsive transcription factors in plants by employing machine learning algorithms
2024-06, Biochimica et biophysica acta. General subjects
DOI:10.1016/j.bbagen.2024.130597
PMID:38490467
|
研究论文 | 开发了一个名为ASPTF的计算工具，通过机器学习算法预测植物中响应非生物胁迫的转录因子 | 结合了浅层学习和深度学习算法，并采用特征选择技术提高预测准确性 | 未提及模型在跨物种应用中的泛化能力 | 识别与植物非生物胁迫响应相关的转录因子，以培育抗逆作物品种 | 植物转录因子 | 机器学习 | NA | 机器学习算法（包括浅层学习和深度学习） | LGBM（Light-Gradient Boosting Machine） | 序列数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1135 | 2025-05-16 |
Protocol for assessing neighborhood physical disorder using the YOLOv8 deep learning model
2024-03-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102778
PMID:38104313
|
研究论文 | 提出了一种使用YOLOv8深度学习模型定量评估邻里物理紊乱(PD)的协议 | 利用YOLOv8深度学习模型构建检测模型，为不同国家和地区评估PD提供方法学基础 | 未提及具体样本量或数据收集范围 | 开发定量评估邻里物理紊乱(PD)的方法 | 邻里物理紊乱(PD) | 计算机视觉 | NA | YOLOv8深度学习模型 | YOLOv8 | 街景图像 | NA | NA | NA | NA | NA |
| 1136 | 2025-05-15 |
Regional, rural and remote medicine attracts students with a similar approach to learning in both the Northern and Southern hemisphere
2024-12, International journal of circumpolar health
IF:1.3Q4
DOI:10.1080/22423982.2024.2404274
PMID:39285655
|
研究论文 | 本研究比较了南北半球两个医学项目中学生的学习目标取向和学习特征，以探讨适合农村医疗环境的学生特质 | 首次在跨半球背景下比较农村医学项目学生的学习特征和目标取向 | 样本仅来自两个医学项目，可能无法代表所有农村医学学生 | 探讨适合农村医疗环境的学生学习特征和目标取向 | 263名医学学生（分别来自南北半球的两个医学项目） | 医学教育 | NA | 问卷调查（三种调查工具） | NA | 问卷调查数据 | 263名医学学生 | NA | NA | NA | NA |
| 1137 | 2025-05-15 |
Using Deep Learning to Suggest Treatment for Proximal Humerus Fractures
2024-11-22, Studies in health technology and informatics
DOI:10.3233/SHTI241080
PMID:39575796
|
research paper | 该研究开发了一个基于深度学习的模型，用于根据肱骨近端骨折的放射影像预测治疗类型 | 利用深度学习模型预测肱骨近端骨折的治疗类型，其准确性和观察者间可靠性超过了肩部外科医生的判断 | 模型仅在特定测试数据集上进行了验证，可能需要更多样化的数据以提高泛化能力 | 开发一个治疗决策支持系统，以加快急诊科对肱骨近端骨折的治疗决策 | 肱骨近端骨折患者 | digital pathology | 骨折 | 深度学习 | NA | image | NA | NA | NA | NA | NA |
| 1138 | 2025-05-15 |
ECG classification via integration of adaptive beat segmentation and relative heart rate with deep learning networks
2024-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109062
PMID:39205344
|
research paper | 提出了一种先进的深度学习方法，用于准确分析心电图（ECG）信号，同时处理波形描绘和心跳类型分类任务 | 将自适应心跳分割方法和相对心率信息整合到深度学习模型中，显著提高了模型性能 | NA | 提高心电图信号分析的准确性，特别是在波形描绘和心跳类型分类方面 | 心电图信号 | machine learning | cardiovascular disease | deep learning | deep learning networks | ECG signal | PhysioNet QT Database, MIT-BIH Arrhythmia Database, and real-world wearable device data | NA | NA | NA | NA |
| 1139 | 2025-05-15 |
TA-RNN: an attention-based time-aware recurrent neural network architecture for electronic health records
2024-06-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae264
PMID:38940180
|
研究论文 | 提出了一种基于注意力机制的时间感知循环神经网络架构TA-RNN，用于电子健康记录分析 | 提出了两种可解释的深度学习架构TA-RNN和TA-RNN-AE，通过时间嵌入处理临床访问间隔不规则问题，并采用双级注意力机制提高模型可解释性 | 模型性能仅在特定疾病(阿尔茨海默病)和特定数据集上验证 | 开发可解释的深度学习模型来预测患者临床结果 | 电子健康记录(EHR)数据 | 机器学习 | 阿尔茨海默病 | 深度学习 | RNN, TA-RNN, TA-RNN-AE | 电子健康记录 | ADNI和NACC数据集(阿尔茨海默病)，MIMIC-III数据集(死亡率预测) | NA | NA | NA | NA |
| 1140 | 2025-10-07 |
Histopathology Based AI Model Predicts Anti-Angiogenic Therapy Response in Renal Cancer Clinical Trial
2024-May-28, ArXiv
PMID:38855551
|
研究论文 | 开发基于组织病理学切片的深度学习模型预测肾癌抗血管生成治疗反应 | 首次使用深度学习从常规组织病理学切片预测RNA水平的血管生成评分，并生成可视化血管网络提高模型可解释性 | 需要多个独立队列验证模型泛化能力，肿瘤异质性可能影响预测准确性 | 预测转移性透明细胞肾细胞癌对抗血管生成治疗的反应 | 转移性透明细胞肾细胞癌患者 | 数字病理学 | 肾癌 | 组织病理学，RNA测序 | 深度学习 | 组织病理学图像 | 多个独立队列包括IMmotion150临床试验数据集 | NA | NA | Spearman相关系数，c-index | NA |