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 12036 篇文献，本页显示第 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 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 |
| 1242 | 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 |
| 1243 | 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 |
| 1244 | 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 |
| 1245 | 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 |
| 1246 | 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 |
| 1247 | 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 |
| 1248 | 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 |
| 1249 | 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 |
| 1250 | 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 |
| 1251 | 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 |
| 1252 | 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 |
| 1253 | 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 |
| 1254 | 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 |
| 1255 | 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 |
| 1256 | 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 |
| 1257 | 2025-10-07 |
Deep learning assisted single particle tracking for automated correlation between diffusion and function
2024-Feb-02, Research square
DOI:10.21203/rs.3.rs-3716053/v1
PMID:38352328
|
研究论文 | 提出DeepSPT深度学习框架，用于自动分析细胞内颗粒的扩散行为与功能关联 | 首个能够仅通过扩散行为自动提取亚细胞功能信息的深度学习框架 | NA | 开发自动化工具来关联亚细胞颗粒扩散行为与生物学功能 | 病毒感染的早期事件、内体细胞器、网格蛋白包被小窝和囊泡 | 计算机视觉 | 病毒感染 | 光学显微镜，单颗粒追踪 | 深度学习 | 2D/3D时间序列图像 | NA | NA | NA | 准确率 | NA |
| 1258 | 2025-10-07 |
Monitoring Substance Use with Fitbit Biosignals: A Case Study on Training Deep Learning Models Using Ecological Momentary Assessments and Passive Sensing
2024-Dec, AI (Basel, Switzerland)
DOI:10.3390/ai5040131
PMID:40351335
|
研究论文 | 通过Fitbit生物信号监测物质使用行为，探索使用自监督学习增强的个性化CNN模型在物质使用检测中的可行性 | 采用参与者特定的卷积神经网络结合自监督学习来解决个体间数据异质性问题，在有限标签条件下改进个性化特征提取 | 样本量较小（仅9名参与者），限制了研究结果在不同人群中的普适性 | 开发基于可穿戴设备生物信号的物质使用检测数字健康解决方案 | 物质使用障碍患者 | 机器学习 | 物质使用障碍 | 被动传感，生态瞬时评估 | CNN | 生物信号数据 | 9名参与者 | NA | 1D-CNN | AUC, 敏感度, 特异度 | NA |
| 1259 | 2025-10-07 |
Early Multimodal Data Integration for Data-Driven Medical Research - A Scoping Review
2024-08-30, Studies in health technology and informatics
DOI:10.3233/SHTI240837
PMID:39234706
|
综述 | 本文通过范围综述分析了2019-2024年间21篇关于早期多模态数据整合方法的文献 | 将早期多模态数据整合方法分为四类并总结了各类特征，提出了方法选择的关键考量因素 | 仅关注结构整合方法，未系统比较早期与晚期整合方法 | 探索数据驱动医学研究中早期多模态数据整合方法的应用现状 | 21篇关于早期多模态数据整合方法的综述文献 | 机器学习 | NA | 多模态数据整合 | 深度学习 | 多模态医学数据 | 21篇综述文献 | NA | NA | NA | NA |
| 1260 | 2025-10-07 |
Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification
2024-Jun-23, ArXiv
PMID:39398214
|
研究论文 | 开发用于腹水自动分割和体积量化的深度学习模型 | 首次提出基于深度学习的腹水自动分割和体积量化方法，并在多中心数据上验证其性能 | 回顾性研究，数据来源于特定患者群体（肝硬化和卵巢癌患者） | 评估深度学习模型在检测腹水并量化其体积方面的性能 | 肝硬化腹水患者和卵巢癌患者 | 医学影像分析 | 肝硬化和卵巢癌 | CT扫描 | 深度学习分割模型 | 腹部盆腔CT图像 | 训练集：143名女性患者（TCGA卵巢癌数据集）；测试集：NIH-LC（25例）、NIH-OV（166例）、UofW-LC（124例） | NA | NA | Dice系数, 体积估计误差, 决定系数(r²) | NA |