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 928 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2026-05-15 |
Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm
2024-May-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad3dba
PMID:38604190
|
研究论文 | 使用患者衍生的3D打印PixelPrint体模评估深度学习CT重建算法的临床成像性能 | 采用患者来源的PixelPrint 3D打印体模，提供更真实的组织结构，超越传统体模仅基于噪声和对比度的评估 | 未明确提及，但体模可能无法完全模拟真实患者的生物变异性和运动伪影 | 评估深度学习重建算法在不同辐射剂量下的临床成像性能，并估计剂量降低潜力 | 患者衍生的肺体模（包含磨玻璃样阴影），小尺寸和中尺寸拓展环 | 计算机视觉 | 肺部疾病（磨玻璃样阴影） | CT扫描 | 深度学习重建算法 | 图像 | 两个体模尺寸（小和中），每个尺寸在多个剂量水平下扫描 | NA | NA | 图像噪声、对比度噪声比、均方根误差、结构相似性指数、多尺度结构相似性指数 | NA |
| 82 | 2026-05-15 |
Evaluation of transformation invariant loss function with distance equilibrium in prediction of imaging photoplethysmography characteristics
2024-May-07, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad3dbf
PMID:38604181
|
research paper | 评估使用距离平衡的变换不变损失函数在预测成像光电容积描记术特征中的性能 | 提出一种基于距离平衡的变换不变损失函数，用于成像光电容积描记术中的血容量脉冲信号特征提取 | NA | 改进成像光电容积描记术在心率变异性监测中的分析能力，超越仅基于心率的分析方法 | 成像光电容积描记术（IPPG）中提取的血容量脉冲信号及心率变异性指标 | machine learning, computer vision | 心血管疾病 | 成像光电容积描记术（IPPG） | NA | 图像 | NA | NA | NA | NA | NA |
| 83 | 2026-05-06 |
HisCl1 regulates gustatory habituation in sweet taste neurons and mediates sugar ingestion in Drosophila
2024-May-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.06.592591
PMID:38765964
|
研究论文 | 本研究利用深度学习姿态估计和光遗传学刺激，发现果蝇甜味神经元中的HisCl1基因调控味觉习惯化，并影响糖分摄取 | 首次揭示HisCl1基因在甜味神经元中通过调节尖峰频率适应来介导味觉习惯化，为研究昆虫味觉习惯化提供了新方向 | 未提及 | 探究甜味神经元在果蝇味觉习惯化中的细胞自主机制及其对糖分摄取的调控 | 果蝇（Drosophila）的甜味神经元 | 机器学习， 数字病理学 | NA | RNA干扰筛选， 单感器电生理， 光遗传学刺激 | 深度学习姿态估计模型 | 行为数据， 电生理数据 | 果蝇样本，具体数量未提及 | NA | NA | NA | NA |
| 84 | 2026-05-06 |
Panoramic Radiography in the Evaluation of the Relationship of Maxillary Molar Teeth and Maxillary Sinuses on the Deep Learning Models Improved with the Findings Obtained by Cone Beam Computed Tomography
2024-May-01, Nigerian journal of clinical practice
IF:0.7Q3
DOI:10.4103/njcp.njcp_220_24
PMID:38842718
|
研究论文 | 利用深度学习模型评估全景放射片中上颌磨牙与上颌窦的关系，并通过锥束计算机断层扫描结果进行验证 | 首次利用锥束计算机断层扫描确认的数据来提升深度学习模型在全景放射片上判断上颌磨牙与上颌窦关系的诊断性能 | 未提及 | 评估深度学习应用在全景放射片上评估上颌磨牙与上颌窦关系的诊断性能 | 上颌第一磨牙和上颌第二磨牙与上颌窦底的接触关系 | 数字病理学 | 口腔疾病 | 全景放射摄影，锥束计算机断层扫描 | 卷积神经网络 | 图像 | 2162颗上颌第一磨牙和上颌第二磨牙 | 未提及 | GoogLeNet, VGG16, VGG19, DarkNet19, DarkNet53 | 准确率 | NA |
| 85 | 2026-05-04 |
Unpaired deep learning for pharmacokinetic parameter estimation from dynamic contrast-enhanced MRI without AIF measurements
2024-05-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120571
PMID:38518829
|
研究论文 | 提出一种无需配对数据和动脉输入函数测量的无监督深度学习方法，通过物理驱动的CycleGAN从动态对比增强MRI中估算药代动力学参数 | 首次将CycleGAN应用于无配对深度学习中的DCE-MRI药代动力学参数估计，设计基于物理模型的简化生成器-判别器架构，无需单独测量动脉输入函数 | 未明确讨论方法在临床异质性数据集上的泛化能力及计算效率 | 开发一种不依赖配对标签数据和动脉输入函数测量的药代动力学参数估计方法，提升可靠性与实用性 | 动态对比增强MRI中的药代动力学参数和动脉输入函数 | 医学图像分析 | NA | DCE-MRI | CycleGAN（生成对抗网络） | 医学图像（动态对比增强MRI） | NA | PyTorch | CycleGAN（单生成器-判别器对） | 药代动力学参数估计可靠性（对比其他技术） | NA |
| 86 | 2026-05-04 |
Supervised contrastive learning enhances graph convolutional networks for predicting neurodevelopmental deficits in very preterm infants using brain structural connectome
2024-05-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120579
PMID:38537766
|
研究论文 | 应用监督对比学习增强图卷积网络，通过脑结构连接组预测极早产儿神经发育缺陷 | 首次将图卷积网络与监督对比学习结合用于脑结构连接组分析，以解决数据稀缺问题并提高早期预测准确性 | 样本量相对较小（约280名婴儿），可能限制模型普适性；研究基于单一队列，需外部验证 | 开发深度学习模型，利用足月等效年龄的脑结构连接组早期预测极早产儿2岁矫正年龄时的神经发育缺陷 | 极早产儿（胎龄小于32周）的脑结构连接组及其神经发育结果 | 机器学习 | 神经发育缺陷 | MRI扫描 | 图卷积网络（GCN） | 脑结构连接组数据 | 约280名极早产儿 | PyTorch | 图卷积网络（GCN） | AUC | NA |
| 87 | 2026-05-04 |
Quantitative susceptibility mapping through model-based deep image prior (MoDIP)
2024-05-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120583
PMID:38554781
|
研究论文 | 提出一种基于模型的无监督深度图像先验方法（MoDIP），用于解决定量磁化率成像中的偶极子反演问题 | 首次将模型驱动的深度图像先验与无监督学习结合，无需训练即可处理不同扫描参数下的QSM偶极子反演 | NA | 提高定量磁化率成像方法在不同扫描参数下的泛化能力 | 病理脑部QSM数据 | 机器学习, 计算机视觉 | 脑部疾病 | QSM | 深度图像先验 | 图像 | NA | NA | 小型未训练网络 | 准确度, 计算效率, 运行时间 | NA |
| 88 | 2026-04-29 |
Deep learning-based whole-body PSMA PET/CT attenuation correction utilizing Pix-2-Pix GAN
2024-05-07, Oncotarget
DOI:10.18632/oncotarget.28583
PMID:38712741
|
研究论文 | 提出基于Pix-2-Pix GAN的深度学习工具，从前列腺癌患者的NAC-PET图像生成AC-PET图像，以减少CT扫描辐射剂量 | 首次将Pix-2-Pix GAN用于全身PSMA PET/CT衰减校正，并评估了两种标准化策略（SUV和SUV-Nyul）对模型性能的影响 | 病变位置、密度和摄取量会影响生成的SUV指标的相对误差，且需要进一步临床验证 | 开发AI工具减少PET/CT中低剂量CT扫描的需求，降低患者辐射暴露 | 302例前列腺癌患者的18F-DCFPyL PSMA PET-CT研究图像 | 计算机视觉 | 前列腺癌 | PSMA PET/CT | GAN | 图像 | 302例前列腺癌患者（训练集183例，验证集60例，测试集59例） | PyTorch | Pix-2-Pix GAN | NMSE, MAE, SSIM, PSNR, ICC, RC | NA |
| 89 | 2026-04-14 |
A Survey of Deep Learning Methods for Estimating the Accuracy of Protein Quaternary Structure Models
2024-05-13, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14050574
PMID:38785981
|
综述 | 本文综述了近年来用于评估蛋白质复合物四级结构模型准确性的深度学习方法 | 首次对蛋白质复合物结构模型准确性评估的深度学习方法进行了全面综述，填补了该领域缺乏系统性概述的空白 | 作为综述文章，不涉及原始实验或模型开发，主要基于现有文献进行分析 | 为蛋白质复合物结构模型准确性评估领域提供方法学综述和发展展望 | 蛋白质复合物的四级结构模型 | 计算生物学 | NA | 深度学习 | NA | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 90 | 2024-08-07 |
In the right direction: A deep learning tool for assessment of right ventricular function
2024-05, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.15831
PMID:38757551
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 91 | 2026-04-04 |
Causal-StoNet: Causal Inference for High-Dimensional Complex Data
2024-May, ... International Conference on Learning Representations
PMID:41725678
|
研究论文 | 本文提出了一种名为Causal-StoNet的新方法，用于处理高维复杂数据的因果推断问题 | 结合稀疏深度学习理论和随机神经网络，以统一方式处理高维性和未知数据生成过程，并支持缺失值 | 未在摘要中明确说明 | 解决高维复杂数据中的因果推断问题 | 高维复杂数据集，可能包含缺失值 | 机器学习 | NA | 深度学习技术，包括稀疏深度学习和随机神经网络 | 随机神经网络 | 高维复杂数据 | 未在摘要中明确说明 | 未在摘要中明确说明 | 未在摘要中明确说明 | 未在摘要中明确说明 | 未在摘要中明确说明 |
| 92 | 2026-04-01 |
DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning
2024-05-10, Journal of visualized experiments : JoVE
DOI:10.3791/64833
PMID:38801262
|
研究论文 | 本文报告了一种结合RPA、CRISPR/Cas12a系统、智能手机显微镜和深度学习模型的快速、便携、高灵敏度的DNA病毒即时检测系统 | 将RPA-CRISPR/Cas12a检测技术与智能手机显微镜(SPM)及深度学习辅助分类相结合，构建了一个完整的便携式即时检测系统，无需专业操作人员和大型仪器 | 仅以蛙病毒3(FV3)作为示例进行了测试，未展示对其他DNA病毒的广泛适用性 | 开发一种用于DNA病毒快速、高灵敏度检测的即时诊断系统 | DNA病毒（以蛙病毒3为例） | 机器学习 | 病毒感染 | 重组酶聚合酶扩增(RPA), CRISPR/Cas12a系统, 荧光检测 | 深度学习模型 | 荧光图像 | NA | NA | NA | 准确率, 检测限(LoD) | 智能手机（用于图像采集和处理） |
| 93 | 2026-03-30 |
Discrete latent embedding of single-cell chromatin accessibility sequencing data for uncovering cell heterogeneity
2024-05, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00625-4
PMID:38730185
|
研究论文 | 本文提出了一种基于向量量化变分自编码器的深度生成模型CASTLE，用于从单细胞染色质可及性测序数据中提取离散潜在嵌入，以揭示细胞异质性 | CASTLE模型采用离散潜在嵌入，克服了传统变分自编码器中高斯假设与真实数据不符的局限性，并能有效整合大规模参考数据集信息 | 未明确说明模型在处理极稀疏数据或特定细胞类型时的具体限制 | 开发一种深度生成模型，以改善单细胞表观基因组数据的下游分析，特别是细胞类型识别和可视化 | 单细胞染色质可及性测序数据 | 机器学习 | NA | 单细胞染色质可及性测序 | 变分自编码器, 深度生成模型 | 表观基因组数据 | NA | NA | 向量量化变分自编码器 | 细胞类型识别准确性, 可视化合理性 | NA |
| 94 | 2026-03-30 |
Automated discovery of symbolic laws governing skill acquisition from naturally occurring data
2024-05, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00629-0
PMID:38811819
|
研究论文 | 本文提出了一种两阶段算法，从大规模训练日志数据中自动发现技能习得的符号定律 | 开发了一种结合深度学习与符号回归的两阶段算法，以解决认知状态不可观测和搜索空间爆炸问题，并发现了两种新的技能习得定律形式 | 未明确说明算法在噪声范围外的泛化能力，且可能依赖于特定数据源（如Lumosity） | 从自然发生的大规模数据中挖掘技能学习的普遍定律 | 技能习得过程，特别是从训练日志数据中提取的认知状态与学习规律 | 机器学习 | NA | 深度学习，符号回归 | 深度学习模型，符号回归算法 | 训练日志数据 | 大规模Lumosity训练数据（具体数量未提供） | NA | NA | 拟合度 | NA |
| 95 | 2026-03-28 |
Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma
2024-05-12, Aging and disease
IF:7.0Q1
DOI:10.14336/AD.2024.0169
PMID:38916736
|
研究论文 | 本研究开发了一种基于增强CT图像的深度学习模型，用于预测肺鳞癌患者对新辅助化疗免疫治疗的病理缓解反应 | 首次将深度学习模型应用于预测肺鳞癌患者对新辅助化疗免疫治疗的主要病理缓解，并探索了其与基因突变、免疫微环境和瘤内微生物的关联机制 | 样本量相对有限（309例），且为回顾性研究，需要前瞻性验证 | 开发预测模型以识别对新辅助化疗免疫治疗有响应的肺鳞癌患者，并阐明其生物学机制 | 肺鳞癌患者 | 数字病理学 | 肺癌 | 增强计算机断层扫描 | CNN | 图像 | 309例肺鳞癌患者 | NA | ResNet50 | AUC | NA |
| 96 | 2026-03-28 |
Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity
2024-May-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.0080
PMID:38477908
|
研究论文 | 本研究利用深度学习模型量化心外膜和心包脂肪组织面积，评估其与心血管疾病的关联，并进行了全基因组关联分析 | 首次在大规模人群队列中结合深度学习语义分割技术量化EPAT，并系统评估其与多种心血管疾病的横断面及前瞻性关联，同时进行了全基因组关联研究以阐明其遗传基础 | 研究结果可能受到残余混杂因素的影响，且EPAT与心血管疾病的关联在控制腹部内脏脂肪组织体积后不再显著，表明关联可能主要反映代谢不健康的脂肪表型 | 评估心外膜和心包脂肪组织与心血管疾病的关联，并阐明其遗传基础 | 来自UK Biobank的44,475名参与者（平均年龄64.1岁，51.7%为女性）以及独立FinnGen队列的453,733名参与者 | 数字病理学 | 心血管疾病 | 磁共振成像，全基因组关联研究 | 深度学习模型 | 图像（四腔磁共振图像） | UK Biobank: 44,475名参与者；FinnGen: 453,733名参与者 | NA | 语义分割模型 | β系数，Pearson相关系数，风险比，比值比，95%置信区间，P值 | NA |
| 97 | 2026-03-22 |
Deep Learning Resolves Myovascular Dynamics in the Failing Human Heart
2024-May, JACC. Basic to translational science
DOI:10.1016/j.jacbts.2024.02.007
PMID:38984052
|
研究论文 | 本文介绍了一种名为CardioCount的深度学习管道，用于精确量化人类心脏显微图像中的细胞核，并揭示了成年人类心脏中心肌细胞与内皮细胞的耦合生长关系 | 开发了CardioCount这一新的深度学习管道，首次大规模应用于368,434张人类显微图像，发现了成年人类心脏中心肌细胞与内皮细胞的耦合生长，以及终末期心力衰竭中血管稀疏与心肌肥大的相互关联 | 未明确说明模型在多样化数据集上的泛化能力或计算资源需求的具体限制 | 通过深度学习量化人类心脏显微图像中的细胞核，以研究心脏细胞动力学和心力衰竭的病理机制 | 人类心脏的显微图像，特别是心肌细胞和心脏内皮细胞 | 数字病理学 | 心血管疾病 | 显微镜成像 | 深度学习模型 | 图像 | 368,434张人类显微图像 | 未指定，但提及可通过GitHub和Google Colab访问 | 未指定具体架构 | 未明确说明 | Google Colab（面向机器学习经验有限的用户） |
| 98 | 2026-03-20 |
Circumventing drug resistance in gastric cancer: A spatial multi-omics exploration of chemo and immuno-therapeutic response dynamics
2024-05, Drug resistance updates : reviews and commentaries in antimicrobial and anticancer chemotherapy
IF:15.8Q1
DOI:10.1016/j.drup.2024.101080
PMID:38579635
|
研究论文 | 本研究通过空间多组学方法探索胃癌对化疗和免疫治疗的耐药性机制，并开发深度学习模型预测治疗反应 | 整合空间多组学数据与深度学习模型，揭示胃癌耐药性的细胞间通讯机制，并构建高精度预测模型 | 研究样本量有限，且模型验证需在更大队列中进行外部验证 | 阐明胃癌对化疗和免疫治疗耐药的细胞与分子机制，并开发预测模型 | 接受化疗和免疫治疗的胃癌患者术后组织样本 | 数字病理学 | 胃癌 | 多组学分析、mIHC（多重免疫组化）检测、空间转录组学 | SVM（支持向量机）、深度学习模型 | 空间多组学数据、图像数据 | 探索队列和验证队列的胃癌患者术后组织样本 | NA | NA | AUC（曲线下面积） | NA |
| 99 | 2026-03-06 |
Learning peptide properties with positive examples only
2024-May-15, Digital discovery
IF:6.2Q1
DOI:10.1039/d3dd00218g
PMID:38756224
|
研究论文 | 本文提出了一种仅使用阳性样本的深度学习方法来预测肽的性质 | 采用阳性-未标记学习策略，仅利用有限的已知阳性样本，克服了传统监督学习需要正负样本的局限 | 未明确说明模型在更广泛肽序列或性质上的泛化能力，且依赖已知阳性样本的质量和数量 | 开发仅需阳性样本的肽性质预测模型，解决负样本数据稀缺问题 | 肽序列及其性质（溶解度、溶血性、SHP-2结合能力、非污损活性） | 机器学习 | NA | 阳性-未标记学习 | 深度学习模型 | 序列数据 | NA | NA | NA | NA | NA |
| 100 | 2024-08-07 |
Deep learning-powered enzyme efficiency boosting with evolutionary information
2024-05-30, Science bulletin
IF:18.8Q1
DOI:10.1016/j.scib.2024.03.034
PMID:38531716
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |