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 1136 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 | 2025-10-06 |
Dynamic modulation of social gaze by sex and familiarity in marmoset dyads
2024-Nov-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.16.580693
PMID:38405818
|
研究论文 | 开发了一种新框架来追踪自由活动的狨猴面部特征和三维头部注视方向，并研究性别和熟悉度对社交注视行为的影响 | 结合深度学习计算机视觉工具与三角测量算法，首次实现了对自由活动狨猴的3D头部注视方向追踪，克服了传统方法需要限制头部运动的局限 | 研究仅针对狨猴这一物种，方法在严重遮挡情况下可能仍存在挑战 | 量化灵长类动物在自然状态下的社交注视行为，探究社会因素对注视动态的影响 | 普通狨猴成对组合 | 计算机视觉 | NA | 深度学习，三角测量算法，3D几何面部框架构建 | CNN | 视频，图像 | 多对狨猴组合 | 深度学习计算机视觉工具 | NA | NA | NA |
| 82 | 2025-10-06 |
Natural Language Processing of Clinical Documentation to Assess Functional Status in Patients With Heart Failure
2024-11-04, JAMA network open
IF:10.5Q1
|
研究论文 | 开发并验证一种深度学习自然语言处理策略，用于从非结构化临床文档中提取心力衰竭患者的功能状态评估 | 首次开发专门用于从临床文档中提取NYHA分级和心衰症状的深度学习NLP模型，将功能状态评估的可提取比例提高了83% | 研究数据仅来自美国康涅狄格州的三个医疗网络，可能限制模型的泛化能力 | 开发自然语言处理工具从临床文档中自动提取心衰患者功能状态信息 | 34,070名心力衰竭患者的电子健康记录数据 | 自然语言处理 | 心血管疾病 | 自然语言处理 | 深度学习 | 文本 | 34,070名患者，182,308份未标注文档和3,000份专家标注文档 | NA | NA | AUROC | NA |
| 83 | 2025-10-06 |
Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes
2024-Nov-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.18.24317499
PMID:39606364
|
研究论文 | 本研究通过整合空间转录组学和单核RNA测序数据，增强了阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析能力 | 首次将空间转录组数据与单核RNA测序数据整合，实现了皮层层级特异性细胞类型差异基因表达分析 | 研究基于死后脑组织样本，可能无法完全反映活体状态；空间位置是通过深度学习工具推断而非直接测量 | 提升阿尔茨海默病相关表型的空间信息差异基因表达分析能力 | 436例死后大脑背外侧前额叶皮层组织的约150万个细胞 | 生物信息学 | 阿尔茨海默病 | 空间转录组学，单核RNA测序，深度学习 | 深度学习 | 基因表达数据，空间位置数据 | 436个死后大脑样本，约150万个细胞 | CelEry | NA | p值，基因集富集分析 | NA |
| 84 | 2025-10-06 |
In vivo evaluation of complex polyps with endoscopic optical coherence tomography and deep learning during routine colonoscopy: a feasibility study
2024-11-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78891-5
PMID:39537775
|
研究论文 | 本研究评估了内窥镜光学相干断层扫描结合深度学习在常规结肠镜检查中评估复杂结直肠息肉的可行性 | 开发了用于成人结肠镜的侧视OCT导管，并在常规结肠镜检查中实现了实时诊断，不仅区分良恶性病变，还区分多种组织学亚型息肉 | 样本量较小（35个息肉），仅为可行性研究 | 评估内窥镜OCT结合深度学习在结肠镜检查中评估结直肠息肉深部浸润的可行性 | 接受内镜治疗的大型结直肠息肉患者 | 数字病理 | 结直肠癌 | 内窥镜光学相干断层扫描，组织病理学 | 深度学习模型 | OCT图像 | 32名患者的35个息肉 | NA | NA | AUROC, Cohen's kappa | NA |
| 85 | 2025-10-06 |
A wearable echomyography system based on a single transducer
2024-Nov, Nature electronics
IF:33.7Q1
DOI:10.1038/s41928-024-01271-4
PMID:40677283
|
研究论文 | 开发了一种基于单个换能器的可穿戴回声肌电图系统，用于肌肉活动的无线监测和手势识别 | 采用单个定制换能器替代复杂的换能器阵列，实现了小型化、低功耗的可穿戴回声肌电图系统 | NA | 开发可穿戴肌肉活动监测系统，用于健康监测和身体运动追踪 | 膈肌活动和前臂肌肉的手势识别 | 生物医学工程 | NA | 回声肌电图，超声波检测 | 深度学习算法 | 射频数据，超声波信号 | NA | NA | NA | 平均误差7.9° | NA |
| 86 | 2025-10-06 |
ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction
2024-Nov-25, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01336-y
PMID:39586913
|
研究论文 | 提出一种基于视频视觉变换器的深度学习模型ViViEchoformer，用于从超声心动图视频直接预测射血分数 | 首次将视频视觉变换器应用于超声心动图视频分析，通过提取时空标记直接回归左心室功能 | 仅使用单一医疗中心的数据集，需要进一步多中心验证 | 开发自动量化左心室功能的深度学习模型，辅助人类评估 | 左心室射血分数和心力衰竭伴射血分数降低 | 计算机视觉 | 心血管疾病 | 超声心动图 | Transformer | 视频 | 10,030个心尖四腔心切面超声心动图视频 | NA | 视频视觉变换器 | 平均绝对误差,均方根误差,均方对数误差,R²,曲线下面积,准确率 | NA |
| 87 | 2025-10-06 |
A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae709
PMID:39815828
|
研究论文 | 提出一种用于整合高维生物标志物的深度学习特征重要性测试框架，以提升疾病结局预测能力 | 开发了高维特征重要性测试（HdFIT）框架，结合特征筛选和机器学习建模，能有效识别关键生物标志物并处理高维数据中的复杂关联 | 未明确说明框架在特定疾病类型或数据规模下的适用性限制 | 通过整合低维行为临床特征与高维分子特征来改进疾病结局预测和诊断 | 人类疾病相关的行为、临床和分子因素 | 机器学习 | NA | 蒙特卡洛实验，微生物组研究 | 深度学习神经网络 | 高维分子特征数据，低维行为临床特征数据 | NA | NA | 深度神经网络 | 预测准确率，特征识别能力 | NA |
| 88 | 2025-10-06 |
Comparison of Three Computational Tools for the Prediction of RNA Tertiary Structures
2024-Nov-08, Non-coding RNA
IF:3.6Q2
DOI:10.3390/ncrna10060055
PMID:39585047
|
研究论文 | 比较三种计算工具在预测RNA三级结构方面的性能 | 首次系统比较RNAComposer、Rosetta FARFAR2和最新AlphaFold 3在预测不同类型RNA三级结构方面的表现 | 在预测人类前微RNA和较大BioRNA分子的远端环结构时存在显著差异，且这些分子的三维结构尚未通过实验表征 | 评估不同计算工具在RNA三级结构预测中的实用性和准确性 | 非编码RNA，包括小干扰RNA药物nedosiran和新型生物工程RNA分子 | 计算生物学 | NA | RNA三级结构预测 | 深度学习, 分子动力学 | RNA序列, 二级结构 | 多种RNA形式，包括小干扰RNA、孔雀石绿适体、tRNA、人类前微RNA和BioRNA分子 | AlphaFold 3, Rosetta FARFAR2, RNAComposer | NA | 结构相似性比较 | NA |
| 89 | 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 |
| 90 | 2025-10-06 |
Uncertainty-aware genomic deep learning with knowledge distillation
2024-Nov-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.13.623485
PMID:39605624
|
研究论文 | 提出一种集成知识蒸馏的基因组深度学习框架DEGU，用于提高预测鲁棒性和可解释性 | 通过集成学习和知识蒸馏结合，同时捕捉预测平均值和变异性，量化认知不确定性和随机不确定性 | 未明确说明模型在特定基因组任务中的性能局限性 | 提高基因组深度学习的预测可靠性和决策可解释性 | 调控基因组学数据 | 机器学习 | NA | 基因组功能预测 | 深度神经网络 | 基因组序列数据 | NA | NA | 集成学习架构 | 校准不确定性估计, 保形预测覆盖率 | NA |
| 91 | 2025-10-06 |
Quantification of myocardial oxygen extraction fraction on noncontrast MRI enabled by deep learning
2024-Nov, Radiology advances
DOI:10.1093/radadv/umae026
PMID:40641627
|
研究论文 | 开发一种基于深度学习的无对比剂心血管磁共振方法，用于活体定量测量心肌氧摄取分数和心肌血容量 | 首次将UNet神经网络与不对称自旋回波CMR序列结合，实现无对比剂的心肌氧代谢参数定量测量 | 样本量较小（20名健康志愿者和10名心梗患者），需要在更大人群中验证 | 开发无创定量测量心肌氧代谢参数的新方法 | 健康志愿者和慢性心肌梗死患者 | 医学影像分析 | 心血管疾病 | 心血管磁共振，不对称自旋回波序列 | 深度学习 | 磁共振图像 | 20名健康志愿者（11名女性，20-30岁）和10名慢性心肌梗死患者 | NA | UNet | 变异系数 | 3 T MRI临床系统 |
| 92 | 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 |
| 93 | 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 |
| 94 | 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 |
| 95 | 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 |
| 96 | 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 |
| 97 | 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 |
| 98 | 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 |
| 99 | 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 |
| 100 | 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 |