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 1461 - 1480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1461 | 2025-04-25 |
Digital pathology assessment of kidney glomerular filtration barrier ultrastructure in an animal model of podocytopathy
2024-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.14.599097
PMID:38948787
|
research paper | 开发了一种基于深度学习的数字病理计算方法，用于测量TEM图像中肾小球滤过屏障的超微结构 | 首次使用U-Net模型和图像处理算法自动测量GBM和PFP宽度，减少了人工操作的劳动强度和操作者间的变异性 | 自动和手动PFP宽度测量在ILK cKO标本中存在差异，表明方法在PFP测量上可能不够精确 | 研究肾小球滤过屏障超微结构的自动化测量方法，以促进足细胞病的研究和临床诊断 | Integrin-Linked Kinase (ILK) 足细胞特异性条件敲除小鼠和野生型小鼠的肾脏TEM图像 | digital pathology | podocytopathy | transmission electron microscopy (TEM) | U-Net | image | WT和ILK cKO同窝小鼠的肾脏TEM图像，4周龄 | NA | NA | NA | NA |
| 1462 | 2025-04-25 |
Analysis of RNA translation with a deep learning architecture provides new insight into translation control
2024-Jul-02, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.08.548206
PMID:39005319
|
研究论文 | 开发了一种深度神经网络模型，用于从RNA序列直接预测和分析翻译起始和终止位点 | 模型揭示了密码子使用在调控翻译终止中的新作用，并发现了数千个新的开放阅读框 | 模型主要基于人类转录本训练，在其他生物体中的预测准确性可能有限 | 理解基因翻译的调控机制 | RNA序列中的翻译起始和终止位点 | 自然语言处理 | NA | 深度神经网络 | 深度神经网络 | RNA序列 | 人类转录组数据 | NA | NA | NA | NA |
| 1463 | 2025-04-25 |
Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers
2024-Jul-01, ArXiv
PMID:39010871
|
research paper | 使用多模态规范建模分析阿尔茨海默病的异质性，基于成像ATN生物标志物 | 采用深度学习多模态规范框架分析个体水平的ATN成像生物标志物变异 | 研究仅基于横断面数据，未考虑纵向变化 | 探究阿尔茨海默病的异质性及其与认知功能和疾病进展的关系 | 阿尔茨海默病患者（淀粉样蛋白阳性和阴性对照） | digital pathology | geriatric disease | T1-weighted MRI, amyloid and tau PET | deep learning-based multimodal normative framework | imaging data | 发现队列（n = 665）和复制队列（n = 430） | NA | NA | NA | NA |
| 1464 | 2025-04-25 |
Artificial intelligence in colonoscopy: from detection to diagnosis
2024-07, The Korean journal of internal medicine
DOI:10.3904/kjim.2023.332
PMID:38695105
|
综述 | 本文综述了人工智能在结肠镜检查中从检测到诊断的最新进展 | 总结了不同深度学习模型在结肠镜检查不同任务中的适用性及性能表现 | 仅纳入2021年及以后发表的英文文献，可能存在发表偏倚 | 评估人工智能在结肠镜检查中的应用效果 | 27篇PubMed原始研究 | 数字病理学 | 胃肠道疾病 | 深度学习 | Efficientnet, YOLO, Unet | 医学影像 | 27项研究 | NA | NA | NA | NA |
| 1465 | 2025-04-25 |
Privacy-proof Live Surgery Streaming: Development and Validation of a Low-cost, Real-time Robotic Surgery Anonymization Algorithm
2024-Jul-01, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000006245
PMID:38390732
|
研究论文 | 开发并验证了一种低成本、实时机器人手术匿名化算法，用于隐私保护的实时手术流媒体 | 首创了一种手术匿名化算法，能够可靠且准确地实时移除体外图像，并在多种机器人平台上进行验证 | NA | 开发一种可靠、准确且实时的机器人手术匿名化算法，用于手术视频数据的隐私保护 | 机器人手术视频数据 | 计算机视觉 | NA | 深度学习 | Robotic Anonymization Network | 视频 | 63个手术视频，包含6种手术和4种机器人系统，共496,828张图像 | NA | NA | NA | NA |
| 1466 | 2025-04-25 |
Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers
2024-Jun-30, bioRxiv : the preprint server for biology
DOI:10.1101/2023.08.15.553412
PMID:37662280
|
research paper | 本研究采用基于深度学习的多模态规范框架，分析阿尔茨海默病(AD)患者个体水平的ATN成像生物标志物变异 | 首次将多模态规范建模应用于ATN成像生物标志物，以分析AD的异质性 | 研究仅基于横断面数据，缺乏纵向追踪验证 | 探究阿尔茨海默病的异质性表现 | 阿尔茨海默病患者(淀粉样蛋白阳性个体)与对照组(淀粉样蛋白阴性个体) | digital pathology | geriatric disease | T1加权MRI、淀粉样蛋白PET、tau蛋白PET | 深度学习模型 | 医学影像数据 | 发现队列665人，验证队列430人 | NA | NA | NA | NA |
| 1467 | 2025-04-25 |
Enhanced Cell Tracking Using A GAN-based Super-Resolution Video-to-Video Time-Lapse Microscopy Generative Model
2024-Jun-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.11.598572
PMID:38915545
|
research paper | 该论文提出了一种基于GAN的超分辨率视频到视频延时显微镜生成模型，用于增强细胞追踪 | 提出了一种称为tGAN的GAN-based延时显微镜生成器，能够显著提高合成注释延时显微镜数据的质量和多样性，采用双分辨率架构合成低分辨率和高分辨率图像 | 需要进一步验证模型在更大规模和多样性数据集上的泛化能力 | 解决细胞追踪中由于缺乏大规模多样化注释数据集而导致的深度学习模型泛化能力不足的问题 | 细胞动态行为 | digital pathology | NA | time-lapse microscopy | GAN | video | NA | NA | NA | NA | NA |
| 1468 | 2025-04-25 |
MulTFBS: A Spatial-Temporal Network with Multichannels for Predicting Transcription Factor Binding Sites
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c02088
PMID:38733561
|
research paper | 提出了一种名为MulTFBS的多通道深度学习框架，用于预测转录因子结合位点（TFBSs） | 整合了DNA序列的不同类型特征，包括独立的一热编码、词嵌入编码（可结合上下文信息并提取序列的全局特征）和双螺旋三维结构特征，通过空间-时间网络结合CNN和双向LSTM及注意力机制有效提取序列高层信息 | 未明确提及 | 揭示影响转录因子结合特异性的机制，理解基因调控 | 转录因子结合位点（TFBSs） | natural language processing | NA | 深度学习 | CNN, bidirectional LSTM, attention mechanism | DNA序列 | 66个不同转录因子的通用蛋白结合微阵列数据集 | NA | NA | NA | NA |
| 1469 | 2025-04-25 |
MolLoG: A Molecular Level Interpretability Model Bridging Local to Global for Predicting Drug Target Interactions
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00171
PMID:38709146
|
research paper | 提出了一种名为MolLoG的深度学习网络结构，用于预测药物与靶标之间的相互作用，并提供分子层面的解释 | MolLoG通过局部特征编码器（LFE）和全局交互学习（GIL）模块，平衡了局部特征提取与全局交互表示，提供了对黑盒结果的生物学相关解释 | 未提及具体的数据集规模或实验环境限制 | 提高药物与靶标相互作用预测的准确性和可解释性 | 药物与蛋白质分子 | machine learning | NA | 深度学习（DL） | 图卷积网络（GCN）、多层感知机（MLP） | 分子结构数据 | 四个数据集 | NA | NA | NA | NA |
| 1470 | 2025-04-25 |
CNSMolGen: A Bidirectional Recurrent Neural Network-Based Generative Model for De Novo Central Nervous System Drug Design
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00504
PMID:38739718
|
研究论文 | 本文介绍了一种基于双向循环神经网络(Bi-RNN)的生成模型CNSMolGen，用于中枢神经系统(CNS)药物的从头设计 | 开发了首个专门针对CNS药物设计的Bi-RNN生成模型，能够生成90%以上全新且可合成的CNS药物分子结构 | 未提及模型在更大规模或更复杂CNS靶点上的泛化能力验证 | 加速中枢神经系统药物的发现与优化 | 中枢神经系统药物分子 | 机器学习 | 神经退行性疾病/精神疾病 | 深度学习生成模型 | Bi-RNN | 分子结构数据 | 未明确说明样本量（使用SERT靶点药物作为微调数据集） | NA | NA | NA | NA |
| 1471 | 2025-04-25 |
Predicting Antimicrobial Peptides Using ESMFold-Predicted Structures and ESM-2-Based Amino Acid Features with Graph Deep Learning
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c02061
PMID:38739853
|
研究论文 | 提出了一种基于ESMFold预测结构和ESM-2氨基酸特征的图深度学习框架，用于预测抗菌肽 | 结合了最新的三级结构预测技术和进化信息编码方法，避免了多重序列对齐的内存和时间消耗 | 依赖于预测的肽结构，可能受到预测准确性的影响 | 开发一种无需对齐的模型，用于高效预测抗菌肽 | 抗菌肽（AMPs） | 机器学习 | 抗菌耐药性 | ESMFold结构预测，ESM-2进化模型，图注意力网络（GAT） | GAT | 氨基酸序列和预测的3D结构 | 67,058种肽 | NA | NA | NA | NA |
| 1472 | 2025-04-25 |
Prediction of Transcription Factor Binding Sites on Cell-Free DNA Based on Deep Learning
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00047
PMID:38798191
|
研究论文 | 本研究提出了一种基于深度学习的非侵入性方法，用于预测细胞游离DNA上的转录因子结合位点 | 利用卷积神经网络和长短期记忆网络从已知的转录因子结合位点学习序列信息，实现了非侵入性预测 | 研究中未提及样本的具体数量或多样性，可能影响模型的泛化能力 | 探索基因调控机制，为非侵入性动态监测疾病提供技术指导 | 细胞游离DNA上的转录因子结合位点 | 机器学习 | 癌症 | 深度学习 | CNN, LSTM | DNA序列数据 | NA | NA | NA | NA | NA |
| 1473 | 2025-10-07 |
Natural language processing models reveal neural dynamics of human conversation
2024-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.10.531095
PMID:36945468
|
研究论文 | 本研究结合预训练深度学习自然语言处理模型与颅内神经元记录，揭示了人类自然对话中语言产生和理解的神经动态机制 | 首次将预训练深度学习NLP模型与颅内神经元记录相结合，在自然对话情境下发现语言产生和理解及其转换的可靠神经信号 | 研究基于颅内记录，样本量有限，且神经活动模式在语言产生和理解中仅部分重叠 | 探索人类自然对话中语言产生和理解及其转换的神经机制 | 人类自然对话过程中的神经活动 | 自然语言处理 | NA | 颅内神经元记录，深度学习自然语言处理 | 预训练深度学习模型 | 文本，神经电生理信号 | NA | NA | NA | NA | NA |
| 1474 | 2025-04-25 |
Fine-Grained Forecasting of COVID-19 Trends at the County Level in the United States
2024-Mar-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.13.24301248
PMID:38293076
|
research paper | 本文提出了一种名为FIGI-Net的循环神经网络模型，用于预测美国县级COVID-19的感染趋势 | FIGI-Net利用堆叠的双向LSTM结构，能够提前两周准确预测县级COVID-19感染趋势，并能预测疾病趋势的突然变化 | NA | 提高COVID-19短期疾病活动预测的准确性和实时性 | 美国县级COVID-19感染趋势 | machine learning | COVID-19 | deep learning | LSTM | time-series data | 县级数据（具体数量未提及） | NA | NA | NA | NA |
| 1475 | 2025-04-25 |
Single-cell spatial multi-omics and deep learning dissect enhancer-driven gene regulatory networks in liver zonation
2024-01, Nature cell biology
IF:17.3Q1
DOI:10.1038/s41556-023-01316-4
PMID:38182825
|
研究论文 | 本研究结合单细胞多组学、空间组学、大规模并行报告基因检测和深度学习技术，解析了小鼠肝脏细胞类型中的增强子-基因调控网络 | 首次结合多种组学技术和深度学习模型DeepLiver，系统解析了肝脏分区中的增强子驱动基因调控网络 | 研究主要基于小鼠模型，人类肝脏中的适用性需要进一步验证 | 解析肝脏分区现象的基因调控机制 | 小鼠肝脏细胞（特别是肝细胞） | 生物信息学 | NA | 单细胞多组学、空间组学、大规模并行报告基因检测 | DeepLiver（分层深度学习模型） | 单细胞基因表达数据、染色质可及性数据 | NA | NA | NA | NA | NA |
| 1476 | 2025-04-24 |
Mitigating Aberration-Induced Noise: A Deep Learning-Based Aberration-to- Aberration Approach
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3422027
PMID:38959140
|
研究论文 | 本文提出了一种基于深度学习的无需真实数据的相位像差校正方法 | 首次提出无需真实数据即可校正相位像差的深度学习方法，并设计了自适应混合损失函数以提高性能 | 未明确说明方法在复杂临床环境中的泛化能力 | 解决超声成像中相位像差导致的图像质量下降问题 | 超声成像中的相位像差 | 医学影像处理 | NA | 深度学习 | CNN | 超声射频数据(RF data)和B模式图像 | 超过180,000张带有相位像差的单平面波图像(RF数据) | NA | NA | NA | NA |
| 1477 | 2025-04-24 |
PolarFormer: A Transformer-Based Method for Multi-Lesion Segmentation in Intravascular OCT
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3417007
PMID:38900618
|
研究论文 | 提出了一种基于Transformer的多病灶分割方法PolarFormer，用于血管内OCT图像中的多类别易损斑块分割 | 引入了Polar Attention模块，模拟易损斑块在径向的空间关系，并整合了斑块的空间分布先验知识 | 研究受限于公开的大规模多类别易损斑块标注的血管内OCT数据集的缺乏 | 解决血管内OCT图像中多类别易损斑块分割的挑战 | 血管内OCT图像中的多类别易损斑块 | 计算机视觉 | 心血管疾病 | 深度学习 | Transformer | 图像 | 70个回拉数据 | NA | NA | NA | NA |
| 1478 | 2025-04-24 |
CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3426939
PMID:38990749
|
research paper | 提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期 | 设计了多尺度卷积-Transformer时段编码器来捕捉局部和全局特征，并基于共同注意力机制开发了跨模态上下文编码器来建模不同模态间的关系 | 未明确提及具体局限性，但暗示现有研究忽略了全局特征和跨模态关系 | 开发高性能的自动睡眠分期方法 | 多导睡眠图（PSG）记录的睡眠数据 | digital pathology | geriatric disease | deep learning | CNN, Transformer | 生理信号（EEG和EOG） | 一个私有数据集SSND和两个公共数据集Sleep-EDF-153和ISRUC | NA | NA | NA | NA |
| 1479 | 2025-04-24 |
BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3422023
PMID:38954566
|
研究论文 | 提出了一种名为BP-Net的新方法，通过光电容积图(PPG)监测血压变化，而非直接估计血压值 | 将问题重新定义为跟踪血压在一段时间内的变化，而非直接估计其值，并提出了一种自对比掩码(SCM)模型进行成对时间比较 | 在训练期间未见过的受试者数据上，准确率为75.97%/73.19%，仍有提升空间 | 通过PPG信号监测血压的急性变化，为临床应用(如高血压急症)提供潜在价值 | 光电容积图(PPG)信号 | 机器学习 | 心血管疾病 | 深度学习 | BP-Net, SCM | 生理信号 | 使用PulseDB数据集，涉及未见过的受试者数据 | NA | NA | NA | NA |
| 1480 | 2025-04-24 |
Uni4Eye++: A General Masked Image Modeling Multi-Modal Pre-Training Framework for Ophthalmic Image Classification and Segmentation
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3422102
PMID:38954581
|
研究论文 | 提出了一种名为Uni4Eye++的通用自监督Transformer框架，用于眼科图像的分类和分割任务 | 采用图像熵引导的掩码策略重建更具信息量的图像块，并引入动态头部生成器模块减轻模态混淆 | 未明确提及具体局限性 | 开发一种能够利用大量未标记眼科图像的自监督学习框架 | 眼科图像（包括2D和3D图像） | 计算机视觉 | 眼科疾病 | 自监督学习（SSL） | Transformer | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |