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 12039 篇文献，本页显示第 1781 - 1800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1781 | 2025-10-07 |
Sleep, physical activity and panic attacks: A two-year prospective cohort study using smartwatches, deep learning and an explainable artificial intelligence model
2024-02, Sleep medicine
IF:3.8Q1
DOI:10.1016/j.sleep.2023.12.013
PMID:38154150
|
研究论文 | 本研究通过智能手表监测、深度学习和可解释AI模型，探索睡眠与体力活动对惊恐发作的预测作用 | 首次结合可穿戴设备数据与深度学习模型（RNN/LSTM/GRU）进行惊恐发作的7天预测，并采用SHAP模型提供临床可解释性 | 样本量适中且依赖自评问卷 | 预测未来一周的惊恐发作、状态焦虑、特质焦虑和惊恐障碍严重程度 | 114名来自综合医院的惊恐障碍患者 | 机器学习 | 惊恐障碍 | 智能手表监测、深度学习、可解释人工智能 | RNN, LSTM, GRU | 睡眠数据、体力活动数据、心率数据、临床问卷数据 | 114名患者（2020年6月16日至2022年6月10日） | NA | RNN, LSTM, GRU | 准确率 | NA |
| 1782 | 2024-10-02 |
Deep learning sharpens vistas on biodiversity mapping
2024-Oct-08, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2416358121
PMID:39348547
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1783 | 2025-04-01 |
A Deep Learning-based Pipeline for Segmenting the Cerebral Cortex Laminar Structure in Histology Images
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09688-0
PMID:39417954
|
研究论文 | 本文提出了一种基于深度学习的流程，用于在组织学图像中分割大脑皮层的层状结构 | 开发了一种新颖的计算框架，结合AI工具获取皮层标签，并使用深度学习模型进行皮层分层分割，相比现有方法在分割质量上有显著提升 | 仅针对普通狨猴的Nissl染色和髓鞘染色切片图像进行研究，未在其他物种或染色方法上验证 | 理解大脑皮层层状结构的解剖学特征及其连接模式，为神经系统疾病研究提供见解 | 普通狨猴大脑的Nissl染色和髓鞘染色切片图像 | 数字病理学 | 神经系统疾病 | 深度学习 | 深度学习模型（未明确具体类型） | 图像 | 普通狨猴大脑切片图像（具体数量未说明） | NA | NA | NA | NA |
| 1784 | 2024-08-07 |
Comment on 'Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis'
2024-Sep-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001718
PMID:38814316
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1785 | 2025-10-07 |
Automated segmentation of the median nerve in patients with carpal tunnel syndrome
2024-07-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65840-5
PMID:39033223
|
研究论文 | 本研究开发了一种基于U-Net的自动分割算法，用于识别腕管综合征患者的正中神经并测量其横截面积 | 首次使用U-Net网络对正中神经在完整远端前臂行程中进行自动分割和测量 | 样本量较小（仅25例患者和26例健康对照），需要更大规模验证 | 开发自动分割正中神经的算法以辅助腕管综合征诊断 | 腕管综合征患者和健康对照者的正中神经超声图像 | 医学影像分析 | 腕管综合征 | 超声成像 | CNN | 图像 | 25例腕管综合征患者和26例健康对照，共2355张手动分割图像 | NA | U-Net | Dice系数, 面积测量差异百分比 | NA |
| 1786 | 2025-10-07 |
VesselBoost: A Python Toolbox for Small Blood Vessel Segmentation in Human Magnetic Resonance Angiography Data
2024-May-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.22.595251
PMID:38826408
|
研究论文 | 开发了一个名为VesselBoost的Python工具箱，用于在人类磁共振血管造影数据中进行小血管分割 | 结合深度学习与不完美训练标签进行血管分割，并采用创新的数据增强技术利用血管结构相似性 | NA | 实现高分辨率MRA数据中小血管的精确分割 | 人类大脑磁共振血管造影数据中的小血管 | 医学图像分析 | 脑血管疾病 | 磁共振血管造影(MRA) | 深度学习 | 医学图像 | NA | Python | NA | NA | NA |
| 1787 | 2025-10-07 |
Areas of interest and sentiment analysis towards second generation antipsychotics, lithium and mood stabilizing anticonvulsants: Unsupervised analysis using Twitter
2024-04-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.01.234
PMID:38290587
|
研究论文 | 通过分析Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗惊厥药物的推文，探索用户关注点和情感态度 | 首次利用无监督分析方法对15年间近90万条相关推文进行情感分析和主题挖掘 | 推文长度限制可能影响讨论深度分析，药物广泛治疗用途使特定疾病讨论难以分离，仅分析英语和西班牙语推文限制了文化广度 | 了解患者和公众对精神疾病治疗药物的态度和认知 | Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗惊厥药物的推文 | 自然语言处理 | 精神疾病 | 机器学习，深度学习，自然语言处理 | NA | 文本 | 893,289条推文（2008-2022年） | NA | NA | NA | NA |
| 1788 | 2025-10-07 |
Larger hypothalamic subfield volumes in patients with chronic insomnia disorder and relationships to levels of corticotropin-releasing hormone
2024-04-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.02.023
PMID:38341156
|
研究论文 | 本研究通过深度学习自动分割工具探究慢性失眠障碍患者下丘脑亚区体积变化及其与促肾上腺皮质激素释放激素水平的关系 | 首次使用先进深度学习工具在体量化分析慢性失眠患者下丘脑亚区体积变化，并揭示前下丘脑肥大在CRH水平与失眠严重程度关系中的中介作用 | 样本量相对有限，横断面研究设计无法确定因果关系 | 探究慢性失眠障碍患者下丘脑亚区体积变化及其与HPA轴生物标志物的关联 | 150名慢性失眠障碍患者和155名人口学匹配的健康对照 | 医学影像分析 | 睡眠障碍 | T1加权结构磁共振成像 | 深度学习 | MRI图像 | 305名参与者（150名患者+155名健康对照） | FreeSurfer | 基于深度学习的自动分割工具 | NA | NA |
| 1789 | 2025-10-07 |
Research and application of deep learning-based sleep staging: Data, modeling, validation, and clinical practice
2024-04, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2024.101897
PMID:38306788
|
综述 | 全面回顾基于深度学习的睡眠分期方法及其临床应用 | 系统梳理深度学习在睡眠分期领域的数据处理、建模流程和临床应用，重点关注大规模数据集、跨学科合作和人机交互等前沿方向 | 未提出新的具体模型或算法，主要进行系统性综述和分析 | 提升睡眠分期的效率和准确性，推动自动化睡眠分期系统在临床实践和日常生活中的应用 | 睡眠分期相关数据和方法 | 机器学习 | 睡眠障碍 | 深度学习 | NA | 生理信号数据 | NA | NA | NA | 准确率等性能指标 | NA |
| 1790 | 2025-03-30 |
STMGraph: spatial-context-aware of transcriptomes via a dual-remasked dynamic graph attention model
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae685
PMID:39764614
|
研究论文 | 介绍了一种名为STMGraph的双重掩蔽动态图注意力模型，用于空间转录组数据的全局上下文感知分析 | 提出了一种结合双重掩蔽机制(MASK-REMASK)与动态图注意力模型(DGAT)的新型深度学习框架，能够更好地处理空间转录组数据 | 未明确提及具体局限性 | 提高空间转录组数据分析的准确性和鲁棒性，实现微环境异质性检测、空间域聚类和批次效应校正 | 空间转录组数据 | 生物信息学 | NA | 空间转录组技术 | 动态图注意力模型(DGAT) | 空间转录组数据 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 1791 | 2025-10-07 |
Artificial intelligence-based assessment of built environment from Google Street View and coronary artery disease prevalence
2024-May-07, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae158
PMID:38544295
|
研究论文 | 本研究使用深度学习分析谷歌街景图像评估建成环境，并探究其与冠状动脉疾病患病率的关联 | 首次将机器视觉与深度学习技术应用于建成环境评估，并建立其与心血管疾病的定量关联 | 横断面研究设计无法确定因果关系，仅涵盖美国七个城市的789个人口普查区 | 研究基于机器视觉的建成环境与心血管代谢疾病患病率之间的关联 | 美国七个城市的789个人口普查区及其居民 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 图像 | 53万张谷歌街景图像，覆盖789个人口普查区 | NA | 卷积神经网络 | 方差解释率 | NA |
| 1792 | 2025-03-30 |
Robustness of ML-Based Seizure Prediction Using Noisy EEG Data From Limited Channels
2024 Apr-May, ... International Conference on Distributed Computing in Sensor Systems and workshops. DCOSS (Conference)
|
研究论文 | 本文研究了基于机器学习的癫痫发作预测模型在噪声EEG数据和有限通道条件下的鲁棒性 | 评估了DL模型在临床级EEG数据训练但消费级可穿戴EEG头戴设备数据测试时的表现，特别是在通道减少、流数据和类别不平衡情况下的鲁棒性 | 研究仅针对SPERTL模型进行评估，可能不适用于其他DL模型 | 提高癫痫发作预测模型在真实世界条件下的准确性和适用性 | 癫痫患者的EEG数据 | 机器学习 | 癫痫 | EEG | DL(SPERTL模型) | EEG信号数据 | NA | NA | NA | NA | NA |
| 1793 | 2025-10-07 |
DARDN: A Deep-Learning Approach for CTCF Binding Sequence Classification and Oncogenic Regulatory Feature Discovery
2024-01-23, Genes
IF:2.8Q2
DOI:10.3390/genes15020144
PMID:38397134
|
研究论文 | 提出一种名为DARDN的深度学习方法，用于CTCF结合序列分类和致癌调控特征发现 | 开发结合CNN和DeepLIFT的可解释深度学习模型，能够从长DNA序列中识别癌症特异性CTCF结合位点 | 未明确说明模型对长DNA序列处理的特定限制 | 识别与癌症特异性CTCF结合相关的DNA序列特征，发现致癌转录因子 | CTCF结合位点的DNA序列，涵盖T-ALL、AML、BRCA、CRC、LUAD和PRAD等多种癌症类型 | 生物信息学 | 多癌种（包括白血病、乳腺癌、结直肠癌、肺癌、前列腺癌等） | 高通量测序数据 | CNN | DNA序列 | NA | NA | DNAResDualNet (DARDN) | 分类准确性、序列特征识别能力 | NA |
| 1794 | 2025-10-07 |
Multiplex Detection of Foodborne Pathogens using 3D Nanostructure Swab and Deep Learning-Based Classification of Raman Spectra
2024-08, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202308317
PMID:38564785
|
研究论文 | 提出了一种结合3D纳米结构拭子和深度学习拉曼信号分类的多重食源性病原体检测方法 | 首次将3D纳米结构拭子捕获技术与便携式拉曼仪器及深度学习分类算法相结合，实现快速准确的多种食源性细菌检测 | NA | 开发简单、快速、灵敏的食源性病原体检测方法以支持食品安全监测 | 食源性细菌 | 机器学习 | 食源性疾病 | 拉曼光谱技术 | CNN | 光谱数据 | NA | NA | 1D卷积神经网络 | 准确率 | NA |
| 1795 | 2025-10-07 |
Variants in tubule epithelial regulatory elements mediate most heritable differences in human kidney function
2024-Jun-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.18.599625
PMID:38948875
|
研究论文 | 通过GWAS和单细胞染色质可及性分析揭示肾小管上皮细胞调控元件中的遗传变异是人类肾功能遗传差异的主要决定因素 | 开发了ChromKid深度学习模型预测肾脏细胞类型特异性染色质可及性，并首次系统性地将肾功能遗传变异定位到特定细胞类型的调控元件 | 研究主要关注常见遗传变异，可能未涵盖罕见变异的影响；功能验证实验仅在体外细胞模型中进行 | 识别影响肾功能的遗传变异及其作用的细胞类型和分子机制 | 人类肾功能相关的遗传变异和肾脏细胞类型特异性调控元件 | 基因组学 | 肾脏疾病 | GWAS, scATAC-seq, 深度学习, CRISPRi, 增强子检测 | 深度学习模型 | 基因组数据, 表观基因组数据, 单细胞测序数据 | NA | NA | ChromKid | NA | NA |
| 1796 | 2025-10-07 |
Enhancing Global Estimation of Fine Particulate Matter Concentrations by Including Geophysical a Priori Information in Deep Learning
2024-May-10, ACS ES&T air
DOI:10.1021/acsestair.3c00054
PMID:38751607
|
研究论文 | 通过将地球物理先验信息融入深度学习模型，改进全球细颗粒物浓度估算 | 开发了包含地球物理估计的损失函数，引入空气质量空间交叉验证新方法，通过整合地球物理PM解决监测稀少区域性能下降问题 | 模型性能仍依赖于地面监测站密度，在监测站极稀疏区域估算精度可能受限 | 提高全球细颗粒物浓度分布的估算精度 | 1998-2019年全球月度PM2.5浓度数据 | 机器学习 | NA | 卫星遥感、数值模拟、地面监测 | CNN | 卫星数据、模拟数据、监测数据 | 1998-2019年全球月度PM2.5浓度数据 | NA | 卷积神经网络 | 决定系数(R²) | NA |
| 1797 | 2025-10-07 |
MA-PEP: A novel anticancer peptide prediction framework with multimodal feature fusion based on attention mechanism
2024-Apr, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4966
PMID:38532681
|
研究论文 | 提出一种基于注意力机制的多模态特征融合抗癌肽预测框架MA-PEP | 利用多重注意力机制进行特征增强和融合，整合分子级化学特征和序列信息 | 未明确说明模型在未见数据上的泛化能力及计算复杂度 | 提高抗癌肽预测性能 | 抗癌肽（ACPs） | 机器学习 | 癌症 | 多模态特征融合 | 深度学习 | 序列数据，化学特征 | 多个基准数据集（未指定具体样本量） | NA | 基于注意力机制的融合架构 | 预测性能（未指定具体指标） | NA |
| 1798 | 2025-10-07 |
Deep learning from latent spatiotemporal information of the heart: Identifying advanced bioimaging markers from echocardiograms
2024-Mar, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0176850
PMID:38559589
|
研究论文 | 利用深度学习从超声心动图的潜在时空信息中提取先进生物成像标记物 | 开发新型时空深度学习模型，基于未标记像素数据构建个性化4D心脏网格并提取潜在时间成像特征 | 依赖于手动和主观的人工追踪，存在异质性问题 | 改善超声心动图的采集、处理和数据分析流程标准化 | 心脏时空成像数据和心血管疾病 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 超声心动图视频序列 | NA | NA | 时空深度学习模型 | NA | NA |
| 1799 | 2025-10-07 |
Taxonomy of hybridly polarized Stokes vortex beams
2024-Feb-26, Optics express
IF:3.2Q2
DOI:10.1364/OE.512409
PMID:38439421
|
研究论文 | 提出结合深度学习与衍射斯托克斯偏振测量法的高效识别混合偏振斯托克斯涡旋光束方法 | 首次将深度学习与广义衍射斯托克斯偏振测量法相结合，解决复杂偏振结构光束的简并识别难题 | 实验噪声因素（相对相位、振幅和偏振差异）与光束波动会增加识别过程的复杂性 | 开发高效识别混合偏振斯托克斯涡旋光束的分类方法 | 15类基于斯托克斯奇点类型及模式指数的光束 | 光学 | NA | 斯托克斯偏振测量法，衍射技术 | 深度神经网络 | 光束强度图像（总强度与偏振分量强度） | 15类斯托克斯奇点光束 | NA | 深度神经网络 | 分类准确率（98.67%） | NA |
| 1800 | 2025-03-29 |
"UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae087
PMID:39607983
|
research paper | 该研究介绍了迄今为止最大的淡水硅藻图像数据集，旨在促进深度学习在硅藻识别问题上的应用和基准测试 | 提出了最大的硅藻图像数据集，并展示了两种创新分析方法，包括处理视觉异质性类别的子聚类、分布外样本检测和半监督学习 | 硅藻的高类内变异性和小类间差异、显微镜载玻片上标本视觉外观的差异以及硅藻专家注释的有限可用性 | 促进深度学习在淡水硅藻识别问题上的应用和基准测试 | 淡水硅藻 | computer vision | NA | light microscopy | deep learning | image | 83,570张图像，涵盖611种硅藻类群，其中101种类群每种至少有100个样本，144种类群每种至少有50个样本 | NA | NA | NA | NA |