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 1164 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-10-07 |
AESurv: autoencoder survival analysis for accurate early prediction of coronary heart disease
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae479
PMID:39323093
|
研究论文 | 开发了一种基于自编码器的生存分析模型AESurv，用于利用DNA甲基化和临床特征准确预测冠心病发病时间 | 首次将自编码器与生存分析相结合，通过低维表征学习处理高维DNA甲基化数据，在冠心病预测中实现了优于传统生存分析模型的性能 | 研究仅在美国印第安人群和绝经后女性两个特定队列中进行验证，模型在其他人群中的普适性需要进一步验证 | 开发准确的冠心病时间-事件预测模型以支持早期干预策略 | 美国印第安成年人（Strong Heart Study队列）和绝经后女性（Women's Health Initiative队列） | 机器学习 | 心血管疾病 | DNA甲基化分析 | 自编码器 | DNA甲基化数据和临床特征数据 | 两个前瞻性队列研究：Strong Heart Study和Women's Health Initiative | NA | 自编码器 | C指数, 时间-事件平均AUROC | NA |
| 242 | 2025-10-07 |
scMGATGRN: a multiview graph attention network-based method for inferring gene regulatory networks from single-cell transcriptomic data
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae526
PMID:39417321
|
研究论文 | 提出基于多视图图注意力网络的scMGATGRN方法，用于从单细胞转录组数据推断基因调控网络 | 首次将多视图图注意力网络应用于基因调控网络推断，能够同时利用局部特征信息和高阶邻居特征信息 | 未明确说明模型在处理大规模数据时的计算效率限制 | 开发更准确的基因调控网络推断方法 | 基因调控网络 | 机器学习 | NA | 单细胞RNA测序 | 图注意力网络 | 单细胞转录组数据 | 7个基准单细胞RNA测序数据集，来自5个细胞系（2个人类，3个小鼠） | NA | GAT, 多视图注意力机制 | NA | NA |
| 243 | 2025-02-21 |
ERABiLNet: enhanced residual attention with bidirectional long short-term memory
2024-09-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71299-1
PMID:39232053
|
研究论文 | 本文提出了一种新的深度学习模型ERABiLNet，用于从MRI图像中早期检测阿尔茨海默病 | 提出了增强残差注意力与双向长短期记忆网络（ERABiLNet），通过结合残差注意力网络和注意力机制的双向LSTM，提高了阿尔茨海默病的检测性能 | 未提及具体的数据集规模或外部验证结果，可能影响模型的泛化能力 | 开发一种深度学习模型，用于从MRI图像中早期检测阿尔茨海默病 | 阿尔茨海默病患者的MRI图像 | 计算机视觉 | 老年病 | 深度学习 | ERABiLNet（结合残差注意力网络和双向LSTM） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 244 | 2024-09-20 |
Label-free and rapid mechanics of single cells under high-density co-culture conditions by deep learning image recognition-assisted atomic force microscopy
2024-Sep-18, Acta biochimica et biophysica Sinica
IF:3.3Q1
DOI:10.3724/abbs.2024158
PMID:39295485
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 245 | 2025-10-07 |
Single unit electrophysiology recordings and computational modeling can predict octopus arm movement
2024-Sep-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.13.612676
PMID:39345497
|
研究论文 | 通过章鱼单单元电生理记录和计算建模预测章鱼手臂运动 | 首次结合单单元电生理记录与计算模型预测章鱼手臂运动类型，揭示了运动电路产生丰富运动类型的实时机制 | 研究仅针对前神经索，未涵盖整个神经系统；模型预测精度仍有提升空间 | 探索章鱼简化神经系统的运动控制原理并改进脑机接口设备 | 章鱼前神经索和手臂运动 | 计算神经科学 | NA | 单单元电生理记录 | 深度学习模型 | 电生理信号，运动记录 | NA | NA | NA | 预测置信度（88.64%，75.45%） | NA |
| 246 | 2025-02-16 |
Flexible use of conserved motif vocabularies constrains genome access in cell type evolution
2024-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.03.611027
PMID:39282369
|
研究论文 | 本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制 | 揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守 | 研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物 | 探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束 | 细胞类型家族及其基因组可及性 | 基因组学 | NA | 单核多组学测序，深度学习 | 深度学习模型 | 基因组序列数据 | 涉及多个早期分支动物物种的细胞类型 | NA | NA | NA | NA |
| 247 | 2025-10-07 |
Generative artificial intelligence in ophthalmology: current innovations, future applications and challenges
2024-Sep-20, The British journal of ophthalmology
DOI:10.1136/bjo-2024-325458
PMID:38925907
|
综述 | 探讨生成式人工智能在眼科领域的当前创新、未来应用与挑战 | 系统阐述生成对抗网络和扩散模型在眼科影像生成中的应用，以及多模态基础模型在眼科的多场景应用潜力 | 该技术仍处于发展初期，存在数据偏差、安全问题和临床实施挑战 | 分析生成式AI在眼科领域的应用前景与技术挑战 | 眼科医疗影像与相关文本数据 | 计算机视觉, 自然语言处理 | 眼科疾病 | 生成对抗网络, 扩散模型, 多模态基础模型 | GAN, 扩散模型 | 图像, 文本, 视频 | NA | NA | NA | NA | NA |
| 248 | 2024-08-08 |
Commentary: Detection of Endoleak After Endovascular Aortic Repair Through Deep Learning Based on Non-contrast CT
2024-Sep, Cardiovascular and interventional radiology
IF:2.8Q2
DOI:10.1007/s00270-024-03830-w
PMID:39110204
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 249 | 2024-08-07 |
Correction to: Omics-based deep learning approaches for lung cancer decision-making and therapeutics development
2024-Sep-27, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad046
PMID:37721137
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 250 | 2025-10-07 |
Interpretation of SNP combination effects on schizophrenia etiology based on stepwise deep learning with multi-precision data
2024-Sep-27, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad041
PMID:37738675
|
研究论文 | 提出一种基于多精度数据的逐步深度学习技术SLEM，用于探索SNP组合通过分子和细胞功能对精神分裂症病因的影响 | 首次结合多精度数据（精确但少量的多层级检测数据与不精确但大量的GWAS数据）构建逐步深度学习模型，从难以处理的大规模SNP组合空间中识别有效相互作用 | 未明确说明样本规模和数据来源的具体细节 | 探索SNP组合通过中间分子和细胞功能对精神分裂症易感性的影响机制 | 精神分裂症相关的SNP（单核苷酸多态性）组合 | 机器学习 | 精神分裂症 | GWAS（全基因组关联分析）, 多层级检测数据 | 深度学习 | 基因组数据, 多精度数据 | NA | NA | NA | 准确率 | NA |
| 251 | 2025-10-07 |
CelloType: A Unified Model for Segmentation and Classification of Tissue Images
2024-Sep-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.15.613139
PMID:39345491
|
研究论文 | 提出CelloType统一模型，用于生物医学显微镜图像中的细胞分割与分类 | 采用多任务学习方法，将分割与分类任务相连接，替代传统的两阶段方法，同时提升两个任务的性能 | NA | 开发用于空间组学数据分析的细胞分割与分类统一模型 | 生物医学显微镜图像中的细胞和非细胞元素 | 数字病理学 | NA | 显微镜成像 | Transformer | 图像 | NA | NA | Transformer | 准确率 | NA |
| 252 | 2025-10-07 |
Machine learning-optimized targeted detection of alternative splicing
2024-Sep-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.20.614162
PMID:39386495
|
研究论文 | 提出一种名为LSV-seq的靶向RNA测序方法，通过机器学习优化引物设计，提高选择性剪接检测的效率和灵敏度 | 开发了Optimal Prime机器学习算法优化引物设计，并首次将深度学习剪接编码预测与靶向测序相结合 | 方法主要针对已知剪接事件的检测，可能不适用于全新剪接事件的发现 | 开发高效检测和量化选择性剪接的靶向RNA测序方法 | 人类组织样本中的选择性剪接事件 | 机器学习 | NA | RNA-seq, LSV-seq, 靶向测序 | 机器学习, 深度学习 | RNA测序数据 | GTEx数据库中的数千个引物序列 | NA | NA | 捕获率, 测序深度, 灵敏度 | NA |
| 253 | 2025-10-07 |
Empowering Portable Age-Related Macular Degeneration Screening: Evaluation of a Deep Learning Algorithm for a Smartphone Fundus Camera
2024-09-05, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2023-081398
PMID:39237272
|
研究论文 | 评估用于智能手机眼底相机的深度学习算法在年龄相关性黄斑变性筛查中的性能 | 首次评估基于智能手机眼底相机的AI系统进行AMD筛查，通过两阶段训练策略（初始训练+设备特定微调） | 使用回顾性数据，需要前瞻性研究验证临床适用性 | 开发便携式年龄相关性黄斑变性筛查系统 | 视网膜图像和年龄相关性黄斑变性患者 | 计算机视觉 | 年龄相关性黄斑变性 | 眼底成像 | 深度学习 | 图像 | 初始训练108,251张图像，微调1,108张图像，测试集分别包含909张和238张图像 | NA | NA | AUC, 敏感度, 特异度 | NA |
| 254 | 2025-10-07 |
Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities
2024-Sep, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-024-03427-6
PMID:39107521
|
研究论文 | 评估基于深度学习的脑电监测系统BSN作为新生儿缺氧缺血性脑病严重程度床边标志物的有效性 | 首次通过计算云平台免费提供基于深度学习的脑电评估，为克服健康差异提供创新解决方案 | 样本量较小（仅46例HIE新生儿），需要更大规模研究验证 | 开发可访问的深度学习脑电评估工具用于新生儿脑病严重程度监测 | 缺氧缺血性脑病新生儿与健康婴儿 | 医疗人工智能 | 新生儿缺氧缺血性脑病 | 脑电图 | 深度学习 | 脑电信号 | 46例HIE新生儿及健康婴儿对照 | NA | Brain State of the Newborn (BSN) | 与Total Sarnat Score相关性分析 | 计算云平台 |
| 255 | 2025-10-07 |
Global Genotype by Environment Prediction Competition Reveals That Diverse Modeling Strategies Can Deliver Satisfactory Maize Yield Estimates
2024-Sep-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.13.612969
PMID:39345633
|
研究论文 | 通过全球基因型与环境预测竞赛分析多种建模策略在玉米产量预测中的表现 | 首次公开的G2F计划GxE预测竞赛，展示了多种建模方法在相同数据集上的比较结果 | 竞赛环境下的评估可能无法完全代表实际应用场景 | 研究基因与环境因素组合对表型预测的影响 | 玉米产量预测 | 计算生物学 | NA | 基因组变异分析、表型测量、气象数据采集 | 随机森林、岭回归、最小二乘法、深度学习 | 基因组数据、表型数据、气象数据、田间管理记录 | 九年收集的大型数据集 | NA | 模型集成、机制模型 | 产量预测准确度 | NA |
| 256 | 2025-10-07 |
Comparison of Vision Transformers and Convolutional Neural Networks in Medical Image Analysis: A Systematic Review
2024-Sep-12, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02105-8
PMID:39264388
|
系统性综述 | 系统比较视觉Transformer和卷积神经网络在医学影像分析中的性能表现 | 首次系统性地比较ViT和CNN在医学影像分析领域的综合表现，涵盖鲁棒性、计算效率、可扩展性和准确性等多个维度 | 仅纳入36项研究，样本量相对有限；未进行定量荟萃分析 | 比较视觉Transformer和卷积神经网络在医学影像分析中的性能差异 | 医学影像数据 | 计算机视觉 | NA | 深度学习 | Vision Transformer, CNN | 医学影像 | 36项研究 | NA | Vision Transformer, 卷积神经网络 | 鲁棒性, 计算效率, 可扩展性, 准确性 | NA |
| 257 | 2025-10-07 |
Advancing ICU patient care with a Real-Time predictive model for mechanical Power to mitigate VILI
2024-Sep, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105511
PMID:38851133
|
研究论文 | 开发用于预测ICU患者机械功率的实时人工智能模型以减轻呼吸机引起的肺损伤 | 首次开发混合神经网络模型实时预测机械功率，可提前15分钟预警，并集成到临床网络平台 | 回顾性观察研究设计，仅纳入单中心2018-2022年数据 | 通过人工智能预测机械功率来减轻呼吸机引起的肺损伤 | ICU接受有创机械通气的成年患者 | 医疗人工智能 | 呼吸系统疾病 | 临床数据挖掘，深度学习 | 混合神经网络 | 临床数据，机械通气参数，实验室数据，监测数据 | 1967名患者（中位年龄63岁，66.9%男性） | NA | 混合神经网络 | 均方误差，准确率 | NA |
| 258 | 2025-10-07 |
GenomicLinks: deep learning predictions of 3D chromatin interactions in the maize genome
2024-Sep, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqae123
PMID:39318505
|
研究论文 | 开发了深度学习模型GenomicLinks来预测玉米基因组中的3D染色质相互作用 | 首次在植物中应用深度学习模型预测染色质3D相互作用，并发现bHLH转录因子结合基序对染色质环形成的特异性预测作用 | 目前主要针对玉米基因组，植物染色质环形成的生物学机制仍了解有限 | 识别预测3D染色质相互作用的DNA序列特征 | 玉米基因组中的染色质相互作用 | 基因组学 | NA | 深度学习，诱变方法，单细胞共可及性分析 | 深度学习模型 | 基因组序列数据，染色质相互作用数据 | NA | NA | GenomicLinks | 相互作用概率 | 开源网络工具 |
| 259 | 2025-10-07 |
Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures
2024-Sep-20, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12092139
PMID:39335651
|
研究论文 | 本研究通过五种深度学习模型分析不同疾病队列的脑年龄差距，并探讨模型架构对预测结果的影响 | 首次系统比较五种先进深度学习模型在不同神经系统疾病中的脑年龄差距表现，并发现脑年龄差距随实际年龄增长而下降的趋势 | 研究结果可能受到生存偏倚、疾病进展和治疗干预等复杂因素的共同影响 | 评估不同深度学习模型在多种疾病中脑年龄预测的一致性和差异性 | 健康对照者及睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病患者 | 医学影像分析 | 神经系统疾病 | T1加权磁共振成像 | 深度学习 | 脑部MRI图像 | 多个疾病队列的健康对照和患者样本 | NA | 2D VGG, 3D VGG, RelationNet, ResNet, SFCN | 脑年龄差距统计显著性 | NA |
| 260 | 2025-10-07 |
Phase retrieval based on the distributed conditional generative adversarial network
2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.529243
PMID:39889034
|
研究论文 | 提出基于分布式条件生成对抗网络的相位恢复方法，同时提升相位和幅度图像的重建质量 | 首次提出分布式幅度和相位条件生成对抗网络(D-APUCGAN)，能够同时提高相位和幅度图像的重建质量 | 未明确说明计算资源需求和模型训练时间 | 解决相位恢复问题，从傅里叶强度测量中重建原始图像 | 自然图像、非自然图像、DIV2K测试数据集、MNIST数据集和真实数据 | 计算机视觉 | NA | 傅里叶强度测量 | GAN, 条件生成对抗网络 | 图像 | NA | NA | UCGAN, AUCGAN, PUCGAN, APUCGAN | PSNR, SSIM | NA |