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 12108 篇文献，本页显示第 1761 - 1780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1761 | 2025-05-10 |
Artificial intelligence model for perigastric blood vessel recognition during laparoscopic radical gastrectomy with D2 lymphadenectomy in locally advanced gastric cancer
2024-Dec-30, BJS open
IF:3.5Q1
DOI:10.1093/bjsopen/zrae158
PMID:39963943
|
研究论文 | 开发了一种基于深度学习的实时胃周血管识别模型，用于辅助局部晚期胃癌腹腔镜根治术中的D2淋巴结清扫 | 首次将DeepLabv3+模型应用于胃周血管实时识别，为腹腔镜手术提供AI辅助决策支持 | 在出血或手术烟雾等复杂场景下识别性能下降，肥胖患者数据表现良好但未说明具体样本量 | 提高局部晚期胃癌手术安全性，减少术中意外出血 | 腹腔镜胃癌根治术视频中的胃周血管 | 数字病理 | 胃癌 | 深度学习 | DeepLabv3+ | 手术视频图像 | 116个手术视频的2460张图像 | NA | NA | NA | NA |
| 1762 | 2025-10-07 |
MMDB: Multimodal dual-branch model for multi-functional bioactive peptide prediction
2024-Jul, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115491
PMID:38460901
|
研究论文 | 提出一种新型多模态双分支轻量级深度学习模型MMDB，用于同时预测多功能生物活性肽 | 首次使用多尺度扩张卷积在不增加参数的情况下提取肽序列特征，并设计双分支结构分别捕获序列和结构信息的互补特征 | NA | 开发能够同时准确检测多种功能的生物活性肽预测方法 | 多功能生物活性肽 | 生物信息学 | NA | 深度学习 | CNN, Bi-LSTM | 序列数据，结构数据 | NA | NA | 多尺度扩张卷积，双向LSTM，多层卷积 | Coverage, Precision, Accuracy | NA |
| 1763 | 2025-10-07 |
PhosAF: An integrated deep learning architecture for predicting protein phosphorylation sites with AlphaFold2 predicted structures
2024-Jul, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115510
PMID:38513769
|
研究论文 | 开发了一种集成深度学习架构PhosAF，通过结合序列和结构信息预测人类蛋白质磷酸化位点 | 首次整合AlphaFold2预测的蛋白质结构信息，提出CMA-Net和MFC-Net集成架构，并采用基于蛋白质二级结构的新策略构建可靠负样本 | 仅针对人类蛋白质进行研究，未验证在其他物种上的适用性 | 提高蛋白质磷酸化位点预测的准确性 | 人类蛋白质磷酸化位点 | 生物信息学 | NA | 深度学习，蛋白质结构预测 | CNN，多头注意力机制，DNN | 蛋白质序列数据，蛋白质结构数据 | NA | NA | CMA-Net，MFC-Net | NA | NA |
| 1764 | 2025-10-07 |
Streamlining social media information retrieval for public health research with deep learning
2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae118
PMID:38718216
|
研究论文 | 开发了一个基于深度学习的系统，用于从社交媒体数据中自动构建症状词典，以改进公共卫生研究 | 提出了一个系统化的流程来自动构建医学术语与口语表达之间的映射词典，相比传统关键词匹配方法能发现更多症状表达 | 研究仅基于COVID-19相关推文，词典的通用性需要进一步验证 | 简化社交媒体信息检索流程，支持公共卫生研究和流行病监测 | COVID-19相关推文中的症状表达 | 自然语言处理 | COVID-19 | 命名实体识别，实体规范化，概念映射 | 深度学习模型 | 文本数据（推文） | 从2020年2月1日至2022年4月30日的COVID-19相关推文，识别出498,480个独特症状实体表达 | NA | NA | 准确率 | NA |
| 1765 | 2025-10-07 |
Exploiting holographically encoded variance to transmit labelled images through a multimode optical fiber
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.519379
PMID:38859036
|
研究论文 | 本文提出通过全息调制在多模光纤传输中编码额外方差层，提升系统传输能力并实现彩色图像重建 | 首次将全息编码标签引入多模光纤传输系统，通过输出散斑模式的方差增强实现无时间同步的彩色图像重建 | 未明确说明样本规模和具体性能指标的量化结果 | 提升多模光纤系统的图像传输能力和解码效率 | 通过多模光纤传输的标记图像和散斑模式 | 计算机视觉 | NA | 全息调制，傅里叶变换透镜 | 深度学习神经网络 | 图像，散斑模式 | 数千张图像 | NA | ResUNet | 保真度 | NA |
| 1766 | 2025-10-07 |
Deep learning-based lesion detection and severity grading of small-bowel Crohn's disease ulcers on double-balloon endoscopy images
2024-May, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2023.11.059
PMID:38065509
|
研究论文 | 本研究开发了一种基于深度学习的人工智能模型，用于在双气囊内镜图像中检测小肠克罗恩病病变并对溃疡严重程度进行分级 | 首次将EfficientNet-b5深度学习模型应用于双气囊内镜图像的小肠克罗恩病病变检测和溃疡严重程度分级 | 研究数据来自单一中心，需要多中心验证来进一步验证模型的泛化能力 | 利用人工智能准确检测和客观评估小肠克罗恩病，实现更精细化的疾病管理 | 小肠克罗恩病患者 | 计算机视觉 | 克罗恩病 | 双气囊内镜 | CNN | 图像 | 28,155张双气囊内镜图像，来自628名患者 | NA | EfficientNet-b5 | 准确率 | NA |
| 1767 | 2025-10-07 |
Deep learning model for the detection of prostate cancer and classification of clinically significant disease using multiparametric MRI in comparison to PI-RADs score
2024-05, Urologic oncology
DOI:10.1016/j.urolonc.2024.01.021
PMID:38388243
|
研究论文 | 开发基于深度学习的多参数MRI模型用于前列腺癌检测和临床显著性前列腺癌分类，并与PI-RADS评分系统进行性能比较 | 首次将深度学习模型与PI-RADS分类系统在前列腺癌检测和临床显著性前列腺癌分类方面进行直接比较，并展示了在PSA分层条件下的优越性能 | 研究基于单中心数据，外部验证队列样本量相对较小(315例患者) | 开发自动化前列腺癌检测和分类系统，提高临床显著性前列腺癌的诊断准确性 | 接受根治性前列腺切除术或活检的前列腺疾病患者 | 医学影像分析 | 前列腺癌 | 多参数磁共振成像(mpMRI) | 深度学习 | 医学影像 | 总样本1729例患者(训练队列1285例，外部测试队列315例) | NA | 集成模型 | AUC, 敏感度, 特异度 | NA |
| 1768 | 2025-10-07 |
ViNe-Seg: deep-learning-assisted segmentation of visible neurons and subsequent analysis embedded in a graphical user interface
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae177
PMID:38569889
|
研究论文 | 开发了一种基于深度学习的半自动神经元分割工具ViNe-Seg，包含图形用户界面和后续分析功能 | 提供半自动分割方法，支持实验过程中实时分割，允许用户训练自定义模型并共享，集成后续分析步骤 | 在低信噪比数据集中的分割准确性仍面临挑战 | 改进神经元胞体的分割速度和一致性，减少人工分割带来的变异性 | 可见神经元（无论其活动状态） | 数字病理 | NA | 光学功能成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1769 | 2025-05-09 |
ASAP-DTA: Predicting drug-target binding affinity with adaptive structure aware networks
2024-Dec, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720024500288
PMID:39961610
|
research paper | 提出了一种基于图深度学习的药物-靶标结合亲和力预测模型ASAP-DTA，利用自适应结构感知池化进行图处理 | 整合了自注意力机制与增强的图神经网络，通过聚类相邻节点并按注意力分数加权形成最终分子表示，显著改进了图特征提取 | 未提及模型在更大规模或更复杂数据集上的表现 | 高效预测药物-靶标结合亲和力，减少药物再利用的资源浪费 | 药物-靶标结合亲和力 | machine learning | NA | graph-based deep learning | graph neural network with self-attention mechanism | 2D molecular graph | multiple benchmark datasets including KIBA dataset | NA | NA | NA | NA |
| 1770 | 2025-10-07 |
Integrative analysis of H&E and IHC identifies prognostic immune subtypes in HPV related oropharyngeal cancer
2024-Oct-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00604-w
PMID:39363031
|
研究论文 | 本研究通过整合H&E染色和免疫组化图像，识别HPV相关口咽癌中的预后免疫亚型 | 首次将H&E与IHC图像配准整合，增强对肿瘤免疫微环境功能特征的表征能力 | 回顾性研究，样本量有限（88例原发肿瘤和70例淋巴结组织） | 改善HPV阳性口咽癌患者分层和预后评估 | HPV阳性口咽鳞状细胞癌患者 | 数字病理学 | 口咽癌 | H&E染色，免疫组化 | 深度学习 | 病理图像 | 88例原发肿瘤和70例淋巴结组织图像 | NA | NA | p值，多变量Cox回归分析 | NA |
| 1771 | 2025-10-07 |
Automated Cytometric Gating with Human-Level Performance Using Bivariate Segmentation
2024-May-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.06.592739
PMID:38766268
|
研究论文 | 提出一种名为UNITO的深度学习框架，通过将细胞级分类任务转化为基于图像的语义分割问题，实现自动化细胞分选门控 | 首次将图像分割技术应用于细胞分选门控，能够生成与人工门控相似的轮廓，提供更好的可解释性和可视化检查能力 | 未明确说明训练数据的具体规模和多样性限制 | 开发自动化细胞分选门控方法以减少人工操作负担 | 流式细胞术数据中的细胞亚群 | 数字病理 | NA | 流式细胞术 | 深度学习 | 图像 | 三个独立队列 | NA | 语义分割 | 与专家共识比较 | 每个样本预门控和门控推理约需2分钟 |
| 1772 | 2025-05-08 |
Introducing TEC-LncMir for prediction of lncRNA-miRNA interactions through deep learning of RNA sequences
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf046
PMID:39927859
|
研究论文 | 介绍了一种名为TEC-LncMir的新方法，通过深度学习和Transformer Encoder结合CNN来预测lncRNA-miRNA的相互作用 | 使用Transformer Encoder和CNN结合的方法，将lncRNA和miRNA序列视为自然语言，并通过接触张量进行特征提取，显著提高了预测性能 | 未明确提及具体局限性 | 提高lncRNA-miRNA相互作用预测的性能 | lncRNA和miRNA的相互作用 | 自然语言处理 | 阿尔茨海默病 | 深度学习和序列分析 | Transformer Encoder和CNN | RNA序列 | NA | NA | NA | NA | NA |
| 1773 | 2025-10-07 |
G-Protein Signaling in Alzheimer's Disease: Spatial Expression Validation of Semi-supervised Deep Learning-Based Computational Framework
2024-Nov-06, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.0587-24.2024
PMID:39327003
|
研究论文 | 开发了一种半监督深度学习计算框架digID，用于预测阿尔茨海默病相关基因并识别新的治疗靶点 | 提出结合半监督深度学习分类器和蛋白质相互作用网络分析的新计算框架，发现G蛋白信号通路在AD中的新作用机制 | 计算预测结果需要实验验证，研究样本和脑区覆盖可能有限 | 识别阿尔茨海默病相关基因和新的治疗靶点 | 阿尔茨海默病相关基因、G蛋白亚基(GNAI1, GNB1)、KNG1蛋白、淀粉样前体蛋白(APP) | 机器学习 | 阿尔茨海默病 | 多组学数据分析、STORM超分辨率显微镜、mRNA表达分析 | 半监督深度学习 | 多组学数据、基因表达数据、显微镜图像 | NA | NA | NA | NA | NA |
| 1774 | 2025-10-07 |
Development of Machine Learning-Based Mpox Surveillance Models in a Learning Health System
2024-Sep-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.25.24314318
PMID:39399027
|
研究论文 | 开发基于机器学习的猴痘监测模型，用于从临床笔记中识别猴痘病例 | 在学习型医疗系统框架下开发监测模型，Lasso回归在最小化假阳性方面表现优于深度学习模型 | NA | 开发猴痘病例识别模型以支持持续质量改进 | 临床笔记中的猴痘病例 | 机器学习 | 猴痘 | NA | Lasso回归,深度学习模型 | 临床文本笔记 | NA | NA | NA | 假阳性率 | NA |
| 1775 | 2025-10-07 |
A systematic evaluation of Euclidean alignment with deep learning for EEG decoding
2024-06-11, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad4f18
PMID:38776898
|
研究论文 | 系统评估欧几里得对齐与深度学习结合在脑电图解码中的效果 | 首次系统评估欧几里得对齐对共享和个体深度学习模型训练性能的影响 | 未明确说明实验数据规模和具体使用的深度学习模型架构 | 评估欧几里得对齐作为预处理技术对脑机接口信号解码性能的提升效果 | 脑电图信号和脑机接口任务 | 机器学习 | NA | 脑电图信号处理 | 深度学习模型 | 脑电图信号 | 多受试者数据（具体数量未明确说明） | NA | NA | 准确率，收敛时间 | NA |
| 1776 | 2025-10-07 |
Tailored Intraoperative MRI Strategies in High-Grade Glioma Surgery: A Machine Learning-Based Radiomics Model Highlights Selective Benefits
2024-Jun-01, Operative neurosurgery (Hagerstown, Md.)
DOI:10.1227/ons.0000000000001023
PMID:38289331
|
研究论文 | 本研究开发了一种基于机器学习的放射组学模型，用于预测高级别胶质瘤手术中5-ALA单独使用的局限性，并确定哪些病例需要联合使用术中MRI | 首次将U2-Net深度学习算法与放射组学特征相结合，建立预测模型识别5-ALA在高级别胶质瘤手术中效果不佳的情况 | 样本量相对较小（73例患者），研究结果为单中心数据 | 评估术中MRI在高级别胶质瘤手术中的选择性应用价值 | 73例高级别胶质瘤患者 | 数字病理 | 脑肿瘤 | MRI, 5-ALA荧光引导手术 | 深度学习, 逻辑回归 | 医学影像 | 73例高级别胶质瘤患者 | NA | U2-Net | Nagelkerke R², ROC曲线下面积 | NA |
| 1777 | 2025-10-07 |
PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application
2024-05-28, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad4916
PMID:38722308
|
研究论文 | 开发并验证了一个名为PyHFO的端到端软件平台，用于简化深度学习在癫痫区域神经生理生物标志物检测中的应用 | 首次开发了轻量级端到端高频振荡分析应用，优化技术使其处理速度比传统HFO检测应用快50倍 | NA | 开发能够简化深度学习在癫痫研究中应用的软件平台 | 癫痫患者的脑电图记录和神经生理生物标志物 | 数字病理 | 癫痫 | 脑电图记录，高频振荡检测 | 深度学习模型 | 脑电图信号 | 三个独立数据集：网格/条状电极数据、混合电极数据和啮齿动物研究数据 | PyTorch | NA | 处理速度 | 标准计算机硬件 |
| 1778 | 2025-10-07 |
Deep learning-based auditory attention decoding in listeners with hearing impairment
2024-05-22, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad49d7
PMID:38729132
|
研究论文 | 本研究开发了一种基于深度学习的快速听觉注意解码方法，用于分析听力受损者的脑电图数据 | 首次针对听力受损人群开发深度学习听觉注意解码方法，并比较了两种数据划分策略对模型性能的影响 | 仅使用了31名参与者的数据，样本量有限；仅测试了深度卷积神经网络架构 | 开发快速听觉注意解码方法，理解听力技术对听力受损人群听觉处理的影响 | 听力受损人群的脑电图数据 | 脑机接口 | 听力障碍 | 脑电图 | DCNN | 脑电图信号 | 31名听力受损参与者 | NA | 深度卷积神经网络 | 准确率, AUC | NA |
| 1779 | 2025-10-07 |
FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification
2024-05-15, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad4743
PMID:38701773
|
研究论文 | 提出一种结合特征提取和时空联合注意力的混合方法FetchEEG，用于基于脑电信号的情绪分类 | 首次将传统特征提取与深度学习相结合，采用多头自注意力机制同时提取不同时间点和通道的联合表征 | 未明确说明模型在跨数据集泛化能力的具体限制 | 开发高效的脑电信号情绪分类方法 | 人类情绪状态的脑电信号 | 神经工程 | NA | 脑电信号分析 | Transformer, 注意力机制 | 脑电信号 | 自建数据集和两个公共数据集 | NA | 多头自注意力机制，全连接层 | 分类准确率，泛化能力，训练效率 | NA |
| 1780 | 2025-10-07 |
EEGminer: discovering interpretable features of brain activity with learnable filters
2024-05-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad44d7
PMID:38684154
|
研究论文 | 提出一种名为EEGminer的新型可微分解码流程，用于从多通道脑电图记录中学习信息丰富的潜在表征 | 引入由广义高斯函数参数化的可学习滤波器，提供平滑导数以实现稳定的端到端模型训练，并允许学习可解释的特征 | NA | 设计一个系统用于从持续脑电图活动中学习信息丰富的潜在表征 | 脑活动模式、脑状态识别、行为预测 | 机器学习 | NA | 脑电图(EEG) | 深度学习 | 脑电图信号 | 721名受试者 | NA | 可学习滤波器+预定义特征提取模块 | 准确率 | NA |