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 915 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2025-10-07 |
Predicting dynamic, motion-related changes in B0 field in the brain at a 7T MRI using a subject-specific fine-trained U-net
2024-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29980
PMID:38193276
|
研究论文 | 提出一种基于深度学习的方法，通过头部位置变化预测7T MRI中大脑B0场的动态变化 | 使用针对特定受试者精细训练的3D U-net网络，仅需有限头部位置测量即可预测B0场变化，无需传统导航序列 | 需要外部跟踪硬件配合，且依赖于刚性运动假设 | 开发无需导航器的B0场动态变化预测方法，提高MRI数据质量 | 大脑B0场在头部运动时的动态变化 | 医学影像分析 | NA | 7T MRI，梯度回波序列 | CNN | 3D MRI图像，B0场图 | NA | NA | 3D U-net | 定性比较，定量比较 | NA |
| 162 | 2025-10-07 |
Dynamic Projection of Medication Nonpersistence and Nonadherence Among Patients With Early Breast Cancer
2024-05-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究使用深度学习模型预测早期乳腺癌患者口服抗癌药物的不持续使用和不依从行为 | 首次使用基于门控循环单元的深度学习模型预测乳腺癌患者用药不持续和不依从事件，并分析不同特征对预测结果的贡献 | 研究基于法国医保报销数据，可能受数据来源限制，且模型预测性能有待进一步提升 | 预测乳腺癌患者口服抗癌治疗的持续性和依从性，识别相关风险因素 | 229,695名法国女性早期乳腺癌患者 | 医疗健康数据分析 | 乳腺癌 | 深度学习，特征重要性分析 | GRU | 医疗报销数据 | 229,695名女性患者 | NA | 门控循环单元 | AUC | NA |
| 163 | 2025-10-07 |
De novo designed proteins neutralize lethal snake venom toxins
2024-May-17, Research square
DOI:10.21203/rs.3.rs-4402792/v1
PMID:38798548
|
研究论文 | 利用深度学习方法设计能够中和蛇毒三指毒素的新型蛋白质 | 首次使用深度学习计算设计针对三指毒素家族多种亚型的高亲和力中和蛋白 | 实验筛选规模有限，尚未进行大规模临床验证 | 开发新一代安全、经济、易生产的蛇毒解毒疗法 | 蛇毒三指毒素家族（包括短链和长链α-神经毒素及细胞毒素） | 机器学习 | 蛇咬伤中毒 | 深度学习 | NA | 蛋白质结构数据 | 小鼠实验 | NA | NA | 热稳定性、结合亲和力、结构一致性、中和效果、存活率 | NA |
| 164 | 2025-10-07 |
The Neurobeachin-like 2 protein (NBEAL2) controls the homeostatic level of the ribosomal protein RPS6 in mast cells
2024-05, Immunology
IF:4.9Q2
DOI:10.1111/imm.13756
PMID:38272677
|
研究论文 | 本研究揭示了NBEAL2蛋白通过调控核糖体蛋白RPS6的稳态水平影响肥大细胞功能的分子机制 | 首次发现NBEAL2与RPS6形成复合物调控其蛋白稳态，并阐明NBEAL2缺失导致RPS6异常磷酸化进而引发肥大细胞表型异常的机制 | 研究主要基于小鼠模型和细胞系，人类样本验证不足；具体分子相互作用机制仍需进一步探索 | 探究NBEAL2在肥大细胞中的详细功能及其分子机制 | 小鼠肥大细胞、MC/9肥大细胞系 | 分子生物学 | 免疫系统疾病 | CRISPR/Cas9基因编辑, 免疫共沉淀, 蛋白质印迹, ELISA, 流式细胞术 | 深度学习 | 蛋白质结构, 分子相互作用数据 | 野生型和Nbeal2基因敲除小鼠的肥大细胞, MC/9细胞系 | RoseTTAFold, Pymol | 深度学习蛋白质结构预测模型 | NA | NA |
| 165 | 2025-10-07 |
A CONVEX COMPRESSIBILITY-INSPIRED UNSUPERVISED LOSS FUNCTION FOR PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI56570.2024.10635138
PMID:39886655
|
研究论文 | 提出一种基于压缩感知的凸损失函数，用于物理驱动深度学习MRI重建 | 首次将凸压缩性启发式损失函数引入物理驱动深度学习，支持监督、无监督和零样本学习场景 | 未明确说明具体数据规模和计算资源需求 | 改进快速MRI扫描的重建质量 | MRI图像重建 | 医学影像重建 | NA | MRI扫描 | 深度学习网络 | 医学影像 | NA | NA | NA | 重建质量评估 | NA |
| 166 | 2024-08-07 |
Correction to: Prediction of protein-ligand binding affinity via deep learning models
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae310
PMID:38888458
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 167 | 2025-10-07 |
Molecular Display of the Animal Meta-Venome for Discovery of Novel Therapeutic Peptides
2024-May-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.27.595990
PMID:38854075
|
研究论文 | 开发了一种计算方法来设计动物毒液和元毒液库，通过噬菌体展示技术发现靶向人类瘙痒受体的新型治疗肽 | 首创计算设计高度多样化的动物毒液和元毒液库，结合可编程M13超噬菌体展示技术实现高通量筛选 | 未明确说明库规模的具体数值和筛选通量的上限 | 发现靶向人类瘙痒受体MRGPRX4的新型治疗肽 | 动物毒液蛋白、人类瘙痒受体MRGPRX4 | 生物信息学 | 瘙痒相关疾病 | M13噬菌体展示、高通量DNA测序、深度学习结构同源性挖掘 | 深度学习 | 蛋白质序列数据、结构数据 | NA | NA | NA | NA | NA |
| 168 | 2025-01-29 |
DeepIDA-GRU: a deep learning pipeline for integrative discriminant analysis of cross-sectional and longitudinal multiview data with applications to inflammatory bowel disease classification
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae339
PMID:39007595
|
研究论文 | 本文提出了一种名为DeepIDA-GRU的深度学习管道，用于整合横截面和纵向多视图数据的判别分析，并应用于炎症性肠病分类 | 该管道结合了统计和深度学习方法，能够整合来自多个来源的横截面和纵向数据，并识别出对视图间关联和类别分离有贡献的关键变量 | 现有方法通常要求所有视图的数据类型相同（仅横截面数据或仅纵向数据），或者在整合方法中不考虑任何类别结果 | 开发一种能够整合横截面和纵向多视图数据的深度学习管道，以更好地理解复杂疾病的病理生物学 | 炎症性肠病（IBD）研究中的横截面和纵向多组学数据（宏基因组学、转录组学和代谢组学） | 机器学习 | 炎症性肠病 | 功能主成分分析和欧拉特征提取 | 密集前馈网络（用于横截面数据）和循环神经网络（用于纵向数据） | 多组学数据 | NA | NA | NA | NA | NA |
| 169 | 2025-10-07 |
Exploring intricate connectivity patterns for cognitive functioning and neurological disorders: incorporating frequency-domain NC method into fMRI analysis
2024-05-02, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae195
PMID:38741270
|
研究论文 | 本研究将频域新因果方法应用于fMRI分析，探索认知功能与神经系统疾病的复杂连接模式 | 将频域新因果方法首次应用于fMRI分析，构建了多种因果关联模式并用于脑效率网络构建 | 研究仅针对认知障碍患者，未包含健康对照组进行对比分析 | 探索大脑连接模式与认知功能及神经系统疾病的关联 | 1252组不同程度认知障碍患者 | 医学影像分析 | 阿尔茨海默病 | 功能磁共振成像，频域新因果方法 | 深度学习模型 | fMRI BOLD信号 | 1252组认知障碍患者 | NA | NA | 准确率,精确率,召回率 | NA |
| 170 | 2025-01-25 |
ENHANCING TRANSCRANIAL FOCUSED ULTRASOUND TREATMENT PLANNING WITH SYNTHETIC CT FROM ULTRA-SHORT ECHO TIME (UTE) MRI: A MULTI-TASK DEEP LEARNING APPROACH
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635176
PMID:39844940
|
研究论文 | 本研究利用多任务深度学习框架，从有限的超短回波时间（UTE）MRI数据集中生成合成CT（sCT）图像，用于经颅聚焦超声（tFUS）治疗规划 | 采用3D Transformer U-Net生成sCT图像，展示了UTE-MRI作为无辐射、成本效益高的tFUS规划替代方案的潜力 | 研究基于有限的数据集，可能需要更大规模的数据验证 | 提高经颅聚焦超声治疗规划的准确性和效率 | 超短回波时间（UTE）MRI数据 | 医学影像处理 | NA | 超短回波时间（UTE）MRI | 3D Transformer U-Net | MRI图像 | 有限的数据集 | NA | NA | NA | NA |
| 171 | 2025-10-07 |
UTILIZATION OF ARTIFICIAL INTELLIGENCE FOR PREDICTIVE MODELING IN DENTAL IMPLANTOLOGY
2024-May, Georgian medical news
PMID:39089263
|
综述 | 本文综述了人工智能在牙科种植学中预测模型的应用研究现状 | 系统评估了AI在牙科种植成功率预测中的多种算法应用，包括决策树、随机森林、人工神经网络和深度学习 | 由于缺乏具体研究结果和足够数量的可比研究，无法进行定量分析 | 探讨人工智能在牙科种植预测模型中的应用研究 | 牙科种植患者数据（X光片、病史记录） | 医疗人工智能 | 牙科疾病 | AI预测建模 | 决策树, 随机森林, ANN, 深度学习 | 医学影像, 文本数据 | NA | NA | NA | NA | NA |
| 172 | 2025-10-07 |
ROBUST OUTER VOLUME SUBTRACTION WITH DEEP LEARNING GHOSTING DETECTION FOR HIGHLY-ACCELERATED REAL-TIME DYNAMIC MRI
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635530
PMID:39834646
|
研究论文 | 提出一种结合深度学习鬼影检测的外容积信号估计方法，用于提升实时动态MRI的加速成像质量 | 利用运动器官产生的伪周期性鬼影伪影特性，通过深度学习改进外容积信号估计，结合物理驱动的深度学习方法实现个体时间帧重建 | 未明确说明方法在非周期性运动场景下的适用性 | 提升实时动态MRI在高加速率下的图像质量 | 心脏成像中的动态MRI数据 | 医学影像分析 | 心血管疾病 | 动态MRI, 时间交错欠采样 | 深度学习 | MRI时间序列图像 | NA | NA | NA | 图像质量 | NA |
| 173 | 2025-01-23 |
CYCLE-CONSISTENT SELF-SUPERVISED LEARNING FOR IMPROVED HIGHLY-ACCELERATED MRI RECONSTRUCTION
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635895
PMID:39831103
|
研究论文 | 本文提出了一种基于循环一致性的自监督学习方法，用于改进高度加速的MRI重建 | 使用循环一致性（CC）来增强自监督学习，特别是在高加速率下减少混叠伪影 | 未明确提及具体局限性 | 改进高度加速的MRI重建技术 | MRI图像 | 计算机视觉 | NA | 自监督学习 | NA | 图像 | 包括速率6和8的fastMRI膝关节成像以及20倍的HCP风格fMRI | NA | NA | NA | NA |
| 174 | 2025-01-19 |
NON-CARTESIAN SELF-SUPERVISED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION FOR HIGHLY-ACCELERATED MULTI-ECHO SPIRAL FMRI
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635551
PMID:39669313
|
研究论文 | 本文提出了一种基于物理驱动的深度学习（PD-DL）重建方法，用于加速多回波螺旋fMRI的10倍重建 | 本文的创新点在于将自监督学习算法修改并应用于非笛卡尔轨迹的优化训练，以实现高时空分辨率的多回波螺旋fMRI重建 | NA | 研究目的是通过深度学习技术加速多回波螺旋fMRI的重建，以提高时空分辨率 | 多回波螺旋fMRI数据 | 医学影像处理 | NA | 深度学习 | PD-DL网络 | fMRI图像数据 | NA | NA | NA | NA | NA |
| 175 | 2025-10-07 |
A Novel Deep Learning Approach for Forecasting Myocardial Infarction Occurrences with Time Series Patient Data
2024-May-22, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02076-w
PMID:38775899
|
研究论文 | 使用新型深度学习模型预测心肌梗死发生率 | 提出了专门针对心肌梗死预测的MSC-LSTM方法，在新型数据集上表现优于传统模型 | 研究仅限于吉大港大都会区的数据，时间范围仅为两年 | 早期预测心肌梗死发生率以支持公共卫生决策 | 吉大港大都会区2020-2021年心肌梗死患者时间序列数据 | 机器学习 | 心血管疾病 | 时间序列分析 | LSTM | 时间序列数据 | 2020年1月1日至2021年12月31日吉大港大都会区每日心肌梗死发病率数据 | NA | MSC-LSTM, LSTM | 平均百分比误差(MPE) | NA |
| 176 | 2025-10-07 |
Deep learning model integrating radiologic and clinical data to predict mortality after ischemic stroke
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31000
PMID:38826743
|
研究论文 | 开发并验证了一个结合放射影像和临床数据的深度学习模型，用于预测缺血性卒中患者的死亡率 | 首次将脑部扩散加权成像(DWI)和表观扩散系数(ADC)等放射学信息与临床因素整合到缺血性卒中死亡率预测模型中 | 数据来源于单一医疗中心，外部验证集仅来自一个二级心血管中心 | 创建和验证基于深度学习的缺血性卒中死亡率预测模型 | 缺血性卒中患者 | 医学影像分析 | 缺血性卒中 | 扩散加权成像(DWI), 表观扩散系数(ADC) | 深度学习模型 | 医学影像, 临床数据 | 训练集1109例, 验证集437例, 内部测试集654例, 外部测试集507例 | NA | NA | 时间依赖性受试者工作特征曲线下面积(TD AUC), Harrell一致性指数(C-index) | NA |
| 177 | 2025-10-07 |
A multimodal Transformer Network for protein-small molecule interactions enhances predictions of kinase inhibition and enzyme-substrate relationships
2024-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012100
PMID:38768223
|
研究论文 | 提出一种多模态Transformer网络ProSmith，用于增强蛋白质-小分子相互作用的预测能力 | 采用多模态Transformer网络同时处理蛋白质氨基酸序列和小分子字符串，促进两类分子间的信息交换 | 未明确说明模型在未知蛋白质上的泛化能力具体提升程度 | 提高蛋白质-小分子相互作用的预测准确性 | 蛋白质-小分子相互作用 | 机器学习 | NA | 多模态深度学习 | Transformer,梯度提升 | 蛋白质氨基酸序列,小分子字符串 | NA | Python | Transformer | 预测准确性 | NA |
| 178 | 2025-10-07 |
Deep learning to assess microsatellite instability directly from histopathological whole slide images in endometrial cancer
2024-May-29, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01131-7
PMID:38811811
|
研究论文 | 开发基于深度学习的模型直接从子宫内膜癌组织病理学全切片图像评估微卫星不稳定性状态 | 首次提出直接从H&E染色全切片图像评估MSI状态的深度学习方法，无需传统分子检测 | 研究基于TCGA单一数据库，需要外部验证 | 开发快速准确的子宫内膜癌微卫星不稳定性评估方法 | 子宫内膜癌患者的组织病理学全切片图像 | 数字病理学 | 子宫内膜癌 | H&E染色全切片成像 | 深度学习 | 图像 | 529名患者来自癌症基因组图谱(TCGA) | NA | NA | F-measure,准确率,精确率,灵敏度 | NA |
| 179 | 2025-10-07 |
L2NLF: a novel linear-to-nonlinear framework for multi-modal medical image registration
2024-May, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-023-00344-1
PMID:38645595
|
研究论文 | 提出一种用于多模态医学图像配准的线性到非线性框架L2NLF | 提出两阶段配准框架，第一阶段通过图像转换将多模态配准转化为单模态配准，第二阶段设计了新型CrossMorph配准网络 | NA | 解决多模态医学图像配准的复杂挑战 | 240例患者的脑部T1和T2磁共振图像 | 医学图像处理 | 脑部疾病 | 医学图像配准 | 深度学习神经网络 | 医学图像 | 240例患者脑部图像 | NA | U-net, CrossFormer | 平均表面距离, Dice系数, 形变场平滑度 | NA |
| 180 | 2025-01-07 |
Exploring the roles of ribosomal peptides in prokaryote-phage interactions through deep learning-enabled metagenome mining
2024-May-24, Microbiome
IF:13.8Q1
DOI:10.1186/s40168-024-01807-y
PMID:38790030
|
研究论文 | 本研究通过深度学习技术挖掘海洋宏基因组数据，探索核糖体合成及翻译后修饰肽（RiPPs）在微生物与病毒相互作用中的潜在角色 | 开发了TrRiPP方法，以标志基因独立的方式从高度碎片化的宏基因组数据中识别RiPP前体，克服了传统方法的局限性，并揭示了RiPP家族在海洋微生物组中的多样性和新颖性 | 研究主要依赖于宏基因组和宏转录组数据的相关性分析，未进行实验验证 | 探索RiPPs的生物合成潜力及其在原核生物与噬菌体相互作用中的生态功能 | 海洋微生物组中的核糖体合成及翻译后修饰肽（RiPPs） | 机器学习 | NA | 深度学习、宏基因组挖掘、宏转录组分析 | 深度学习模型 | 宏基因组数据、宏转录组数据 | 全球海洋微生物组的宏基因组数据 | NA | NA | NA | NA |