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 1132 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 | 2025-10-06 |
The global evolution and impact of systems biology and artificial intelligence in stem cell research and therapeutics development: a scoping review
2024-11-05, Stem cells (Dayton, Ohio)
DOI:10.1093/stmcls/sxae054
PMID:39230167
|
综述 | 通过范围综述分析系统生物学和人工智能在干细胞研究和治疗开发中的全球演变历程与影响 | 首次系统梳理2000-2024年间系统生物学和人工智能在干细胞研究领域的全球发展趋势和区域分布特征 | 仅基于PubMed数据库文献，未涵盖其他学术资源；时间跨度较大可能导致早期文献收录不全 | 评估系统生物学和人工智能在干细胞研究及治疗开发中的贡献和发展轨迹 | PubMed数据库中2000-2024年发表的干细胞研究相关文献 | 生物信息学 | NA | 系统生物学分析，机器学习，深度学习 | NA | 文献元数据 | 涵盖2000-2024年PubMed数据库相关文献 | NA | NA | 文献数量统计，增长倍数分析 | NA |
| 242 | 2025-10-06 |
The Current Application and Future Potential of Artificial Intelligence in Renal Cancer
2024-11, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2024.07.010
PMID:39029807
|
综述 | 本文通过文献回顾探讨人工智能在肾癌评估、管理和预后预测中的应用现状与未来潜力 | 系统梳理了72项具有临床影响力的AI肾癌研究，涵盖影像学、组织病理学和预后预测等多个领域 | 基于叙述性综述方法，可能存在文献选择偏倚 | 评估人工智能在肾癌领域的应用现状并展望未来发展潜力 | 肾癌相关研究 | 医疗人工智能 | 肾癌 | 监督/无监督机器学习、深度学习、自然语言处理、神经网络、影像组学、病理组学 | NA | 医学影像、组织病理数据 | 72项相关研究 | NA | NA | NA | NA |
| 243 | 2025-10-06 |
Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement
2024-11, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2024.108843
PMID:39173218
|
研究论文 | 提出一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法 | 使用对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并整合原子、功能基团和分子层面的多粒度信息 | NA | 提高分子属性预测的准确性 | 分子 | 机器学习 | NA | 深度学习 | 多模态模型 | 图数据, 文本数据 | NA | NA | 交叉注意力机制 | 准确率 | NA |
| 244 | 2025-10-06 |
iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics
2024-Nov-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.03.29.24305092
PMID:39649598
|
研究论文 | 提出了一种名为iGTP的可解释生成转录程序框架，用于从单细胞转录组数据中学习可解释的细胞嵌入表示 | 设计了结合转录程序空间和蛋白质-蛋白质相互作用的新型可解释深度学习框架，能够同时建模不同生物状态下的细胞响应机制 | NA | 开发能够推断单细胞转录组数据背后生物学机制的可解释深度学习模型 | 单细胞转录组数据 | 机器学习 | NA | 单细胞转录组测序 | 变分自编码器,图神经网络,潜在扩散模型 | 基因表达数据 | NA | NA | iGTP框架 | 功能富集分析性能 | NA |
| 245 | 2025-10-06 |
Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer
2024-Nov-18, Molecular cancer
IF:27.7Q1
DOI:10.1186/s12943-024-02169-7
PMID:39551726
|
研究论文 | 本研究通过开发TRPM家族相关评分系统，发现CCNE1作为跨癌种的重要生物标志物，具有预测免疫治疗反应和免疫调节功能 | 首次构建TRPM家族相关评分系统并发现CCNE1作为关键下游效应因子在泛癌分析中的重要作用 | 研究主要基于计算分析，仅通过体外实验初步验证功能，需要更多体内实验进一步确认 | 探索TRPM家族及其相关基因CCNE1在泛癌中的预测价值和免疫调节潜力 | 17种实体肿瘤的分子标志物 | 生物信息学 | 泛癌分析 | 机器学习、深度学习计算技术 | NA | 分子生物标志物数据 | 17种实体肿瘤的多组学数据 | NA | NA | 预测准确性、免疫治疗反应预测 | NA |
| 246 | 2025-10-06 |
Semi-Supervised Contrastive VAE for Disentanglement of Digital Pathology Images
2024-Nov, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-72083-3_43
PMID:40556771
|
研究论文 | 提出一种用于数字病理图像解耦的半监督对比变分自编码器方法 | 首个针对病理图像的解耦方法，提出了级联解耦、新颖架构和重建分支等创新思想 | NA | 提高深度学习模型的可解释性，特别关注肿瘤浸润淋巴细胞检测任务 | 数字病理图像 | 数字病理学 | 癌症 | 深度学习 | 变分自编码器 | 病理图像 | NA | NA | 对比变分自编码器 | NA | NA |
| 247 | 2025-10-06 |
Utilizing retinal arteriole/venule ratio to estimate intracranial pressure
2024-11-08, Acta neurochirurgica
IF:1.9Q2
DOI:10.1007/s00701-024-06343-0
PMID:39514087
|
研究论文 | 本研究探索利用视网膜动静脉比率通过眼底检查无创评估颅内压的方法 | 首次在神经重症监护病房患者中结合眼内压，使用深度学习算法分析眼底视频来评估视网膜动静脉比率与颅内压的关系 | 样本量较小，图像质量存在挑战，诊断特异性较低，需要更大规模的多中心研究验证 | 开发无创颅内压监测方法 | 神经重症监护病房中格拉斯哥昏迷评分≤8分的成年患者 | 数字病理 | 神经系统疾病 | 眼底检查，深度学习算法 | 深度学习 | 视频 | 40名患者入组，15名纳入最终分析 | NA | NA | 敏感性，特异性，AUC | NA |
| 248 | 2025-10-06 |
Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230296
PMID:39194400
|
研究论文 | 开发基于弱监督学习的深度学习模型，使用研究级标签自动检测和定位头CT扫描中的颅内出血 | 使用研究级标签而非像素级标注训练模型，通过注意力机制实现图像级定位，具有高度泛化能力 | 回顾性研究，依赖放射学报告提取标签，可能存在标注偏差 | 开发能够快速准确检测颅内出血的计算机辅助诊断工具 | 头CT扫描中的颅内出血 | 计算机视觉 | 颅内出血 | CT扫描 | CNN, 双向LSTM | 医学图像 | 本地数据集10699个非对比头CT扫描（7469名患者），外部测试集491个扫描 | NA | 注意力机制双向长短期记忆网络 | 阳性预测值, AUC | NA |
| 249 | 2025-10-06 |
AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230529
PMID:39230423
|
研究论文 | 本研究评估了AI集成筛查在乳腺X线摄影中替代双读法的准确性和可行性 | 比较了三种AI集成筛查场景与标准双读法的性能，首次在大型代表性筛查人群中系统评估AI在筛查工作流中不同部署位置的临床影响 | 回顾性研究设计，AI阈值部分基于先前验证设定，未在真实临床环境中验证 | 评估AI集成筛查替代传统双读法在乳腺X线摄影中的准确性和可行性 | 249,402张来自代表性筛查人群的乳腺X线影像 | 医学影像分析 | 乳腺癌 | 乳腺X线摄影筛查 | CNN | 医学影像 | 249,402张乳腺X线影像 | NA | NA | 敏感度, 阴性预测值, 召回率, 阳性预测值, 仲裁率 | NA |
| 250 | 2024-11-28 |
Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.240604
PMID:39601670
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 251 | 2025-10-06 |
A deep learning approach to prediction of blood group antigens from genomic data
2024-11, Transfusion
IF:2.5Q2
DOI:10.1111/trf.18013
PMID:39268576
|
研究论文 | 本研究开发了一种基于深度学习的方法，利用基因组数据预测血型抗原 | 首次将去噪自编码器与卷积神经网络结合应用于血型抗原预测，能够处理基因型缺失数据 | 对于低频或高频抗原、小训练队列或遗传基础复杂的血型系统（如Cw、Cob、RhD），模型准确性面临挑战 | 开发基于廉价可扩展筛查阵列基因分型平台的深度学习血型预测模型 | 约111,000名丹麦和1,168名芬兰献血者的血型和基因型数据 | 机器学习 | NA | 筛查阵列基因分型 | 去噪自编码器,卷积神经网络 | 基因组数据 | 约112,168名献血者（111,000丹麦+1,168芬兰） | NA | 去噪自编码器,CNN | F1-accuracy | NA |
| 252 | 2025-06-18 |
Boosting Deep Learning for Interpretable Brain MRI Lesion Detection through the Integration of Radiology Report Information
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230520
PMID:39377669
|
research paper | 该研究通过整合放射学报告中的文本特征，指导深度学习模型关注脑部MRI病变特征，以实现可解释的病变检测 | 提出了一种结合放射学报告文本特征的深度学习模型（ReportGuidedNet），显著提高了脑部病变检测的性能和可解释性 | 研究为回顾性设计，可能受到数据质量和报告一致性的限制 | 提高深度学习模型在脑部MRI病变检测中的性能和可解释性 | 脑部MRI扫描和对应的放射学报告 | digital pathology | brain lesions | MRI | ReportGuidedNet, PlainNet | image, text | 35,282份脑部MRI扫描用于训练、验证和内部测试，2,655份用于外部测试 | NA | NA | NA | NA |
| 253 | 2025-10-06 |
Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients
2024-Nov-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.21.24317716
PMID:39606323
|
研究论文 | 开发了一种基于深度学习和保形预测的时间序列模型，用于非ICU住院患者的脓毒症早期诊断 | 结合时间序列深度学习和保形预测框架，专门针对非ICU环境设计，显著降低假阳性率 | 模型依赖于电子健康记录数据的完整性和质量，在数据稀疏环境中性能可能受限 | 提高非ICU住院患者脓毒症的早期诊断准确性和时效性 | 非ICU住院患者 | 机器学习 | 脓毒症 | 深度学习，保形预测 | 深度学习模型 | 电子健康记录，时间序列数据 | 83,813名患者用于训练，eICU-CRD数据集用于验证 | NA | 时间序列深度学习模型 | AUROC，假阳性率，特异性 | NA |
| 254 | 2025-10-06 |
Balanced Training Sets Improve Deep Learning-Based Prediction of CRISPR sgRNA Activity
2024-11-15, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.4c00542
PMID:39495623
|
研究论文 | 本研究通过比较平衡与不平衡训练集对深度学习模型预测CRISPR sgRNA活性的影响 | 首次系统评估平衡训练集对CRISPR sgRNA活性预测模型性能的影响，并验证合成sgRNA数据增强方法的有效性 | 研究主要基于CRISPR-Cas12a和Cas9系统的酵母数据，在其他生物系统中的普适性需进一步验证 | 提高CRISPR sgRNA活性预测的准确性 | CRISPR系统的sgRNA序列 | 机器学习 | NA | CRISPR-Cas筛选 | CNN,LLM | 基因序列数据 | 基于酵母CRISPR-Cas12a筛选数据生成的数据集 | NA | 卷积神经网络,大语言模型 | 预测准确性 | NA |
| 255 | 2025-05-31 |
Boosting Cardiac Color Doppler Frame Rates With Deep Learning
2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3424549
PMID:38976463
|
研究论文 | 本文探讨了使用深度学习模型从减少的滤波I/Q信号中估计心内多普勒速度，以提高心脏彩色多普勒成像的帧率 | 提出使用深度学习模型（如U-Net和ConvNeXt）从减少的滤波I/Q信号中估计多普勒速度，有效减轻混叠和噪声，优于现有的自相关器方法 | 未观察到实数与复数数据之间的显著差异，且仅在体外和体内实验中验证了模型 | 提高心脏彩色多普勒成像的帧率，以更全面地分析心室充盈 | 心脏彩色多普勒成像中的血流速度 | 数字病理 | 心血管疾病 | 深度学习 | CNN, U-Net, ConvNeXt | 图像 | 模拟患者心脏彩色多普勒采集数据，并通过数据增强策略扩大训练数据集 | NA | NA | NA | NA |
| 256 | 2025-05-31 |
Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4)
2024 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100543
PMID:39139544
|
research paper | 介绍了一种基于深度学习的生物标志物提案系统，用于加速年龄相关性黄斑变性(AMD)的生物标志物发现 | 使用自监督对比学习训练神经网络，无需临床注释即可发现AMD相关特征，并提出新的生物标志物候选 | 研究依赖于视网膜专家的半结构化访谈来解读聚类结果，可能存在主观性 | 加速AMD生物标志物的发现 | 视网膜OCT图像 | digital pathology | geriatric disease | OCT | CNN | image | 3456名51-102岁成年人的46496张视网膜OCT图像 | NA | NA | NA | NA |
| 257 | 2025-05-31 |
Synthesizing Real-Time Ultrasound Images of Muscle Based on Biomechanical Simulation and Conditional Diffusion Network
2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3445434
PMID:39186423
|
research paper | 提出了一种基于生物力学模拟和条件扩散网络的肌肉实时超声图像合成方法，用于生成大量可靠的合成超声数据集 | 结合生物力学模拟（FEM）、稀疏肌束重建算法和扩散网络，生成多样化的实时超声图像，解决了超声图像斑点噪声导致的标注难题 | 合成图像的逼真度仍需进一步验证，且参数调整可能影响生成数据的多样性 | 开发无需人工扫描标注的肌肉超声图像合成流程，增强深度学习模型的训练和评估 | 肌肉运动超声图像 | medical imaging | NA | finite-element method (FEM), conditional diffusion network | diffusion network | ultrasound images | 3030张合成超声图像 | NA | NA | NA | NA |
| 258 | 2025-05-31 |
Investigating the Use of Traveltime and Reflection Tomography for Deep Learning-Based Sound-Speed Estimation in Ultrasound Computed Tomography
2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3459391
PMID:39264782
|
研究论文 | 本研究探讨了在超声计算机断层扫描中，使用走时层析成像和反射层析成像作为深度学习输入模态对声速估计的影响 | 提出了一种基于双通道（走时层析成像和反射层析成像）的卷积神经网络方法，用于高分辨率声速重建，相比全波形反演具有更高的计算效率 | 研究主要基于数值乳腺模型，临床数据验证有限 | 提高超声计算机断层扫描中声速估计的准确性和计算效率 | 数值乳腺模型和临床人类乳腺数据 | 医学影像处理 | 乳腺癌 | 超声计算机断层扫描（USCT），走时层析成像（TT），反射层析成像（RT） | CNN | 图像 | 数值乳腺模型和临床人类乳腺数据（具体数量未提及） | NA | NA | NA | NA |
| 259 | 2025-05-31 |
Expert-guided protein language models enable accurate and blazingly fast fitness prediction
2024-11-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae621
PMID:39576695
|
research paper | 介绍了一种快速准确的蛋白质变异效应预测工具VespaG，该工具利用蛋白质语言模型嵌入作为最小深度学习模型的输入 | 通过使用GEMME作为伪标准创建了一个包含3900万个单氨基酸变异的数据集，提高了预测的可解释性，并且速度比现有方法快几个数量级 | 依赖于GEMME作为伪标准，可能引入偏差 | 开发一种快速准确的蛋白质变异效应预测方法 | 人类蛋白质组中的单氨基酸变异 | machine learning | NA | protein language model (pLM), deep learning | deep learning model | protein sequence data | 39 million single amino acid variants from the human proteome | NA | NA | NA | NA |
| 260 | 2025-10-07 |
Self-Powered, Flexible, Wireless and Intelligent Human Health Management System Based on Natural Recyclable Materials
2024-11-22, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c02186
PMID:39436357
|
研究论文 | 基于天然可回收材料开发自供电柔性无线智能健康管理系统，用于人体运动识别和睡眠呼吸异常预警 | 采用丝瓜络导电石墨四摩擦层增强型摩擦纳米发电机，信号强度提升390%，结合深度学习模型实现高精度运动分析 | NA | 开发基于天然材料的自供电健康管理系统，用于肥胖相关慢性疾病的监测和干预 | 人体运动状态和睡眠呼吸模式 | 可穿戴设备与健康监测 | 肥胖相关慢性疾病（阻塞性睡眠呼吸暂停、II型糖尿病、心血管疾病、阿尔茨海默病） | 摩擦纳米发电技术、蓝牙无线传输、深度学习 | 深度学习模型 | 运动信号、呼吸信号 | 个体七类位移速度识别（1人）、三人七类位移速度识别（3人） | NA | NA | 准确率（98.1%个体识别，96.46%三人识别） | NA |