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 1267 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-12-03 |
Optimised deep k-nearest neighbour's based diabetic retinopathy diagnosis(ODeep-NN) using retinal images
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00282-x
PMID:38469456
|
研究论文 | 提出一种基于优化深度k最近邻的糖尿病视网膜病变诊断模型，结合深度学习特征提取与自然启发元启发式算法进行特征选择 | 将深度学习模型的特征提取能力与自然启发元启发式算法相结合，并采用k最近邻算法进行分类，在特征选择阶段优化了模型效率 | 未明确说明模型在临床环境中的泛化能力及对不同类型病变的识别效果 | 开发高效的计算机辅助诊断系统以辅助医生准确诊断糖尿病视网膜病变 | 彩色眼底图像中的病变区域 | 计算机视觉 | 糖尿病视网膜病变 | NA | 深度学习与k最近邻结合模型 | 图像 | 两个不同数据集（具体数量未说明） | NA | ResNet50, AlexNet（作为对比模型） | 准确率 | NA |
| 142 | 2025-12-03 |
A review of machine learning-based methods for predicting drug-target interactions
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00287-6
PMID:38617016
|
综述 | 本文综述了基于机器学习预测药物-靶点相互作用的方法，涵盖数据表示、分类方法、常用数据集和评估指标 | 提出了针对深度神经网络模型在DTI预测中的新分类法 | NA | 预测药物-靶点相互作用以支持药物发现与开发 | 药物和蛋白质 | 机器学习 | NA | NA | 传统机器学习方法, 深度学习方法 | 药物和蛋白质的多种表示形式 | NA | NA | NA | 常用评估指标 | NA |
| 143 | 2025-12-03 |
Exploiting biochemical data to improve osteosarcoma diagnosis with deep learning
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00288-5
PMID:38645838
|
研究论文 | 本文提出了一种融合X射线影像和生化数据（ALP和LDH）的深度学习模型，用于提高骨肉瘤诊断的准确性、可解释性和泛化能力 | 首次将生化数据（碱性磷酸酶和乳酸脱氢酶）与X射线影像特征通过特征空间晚期融合方法结合，提升了骨肉瘤诊断性能 | 研究仅基于848名患者的单中心数据，未提及外部验证或跨机构泛化测试 | 开发具有更高准确性、可解释性和泛化性的骨肉瘤诊断方法 | 骨肉瘤患者 | 数字病理 | 骨肉瘤 | X射线成像，生化检测 | 深度学习 | 图像，数值数据 | 848名患者（年龄4-81岁），共2608个病例 | 未明确说明 | 未明确说明具体架构（采用晚期融合方法） | 准确率 | NA |
| 144 | 2025-12-03 |
Advancements in automated diagnosis of autism spectrum disorder through deep learning and resting-state functional mri biomarkers: a systematic review
2024-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10176-z
PMID:39712105
|
综述 | 本文基于PRISMA指南，系统综述了利用深度学习和静息态功能磁共振成像生物标志物进行自闭症谱系障碍自动诊断的研究进展 | 系统性地比较了不同深度学习算法在ASD自动诊断中的应用及其准确率，并总结了基于rs-fMRI图像的最高诊断准确率接近0.99 | 综述范围仅限于已发表的约26篇文章，可能未涵盖所有相关研究，且未对模型泛化能力进行深入评估 | 评估机器学习和深度学习技术在自闭症谱系障碍早期自动诊断中的应用效果 | 自闭症谱系障碍患者，主要基于ABIDE I和ABIDE II等rs-fMRI图像数据集 | 机器学习 | 自闭症谱系障碍 | 静息态功能磁共振成像 | 深度学习算法 | rs-fMRI图像 | 基于ABIDE I和ABIDE II等公共数据集，具体样本量未明确说明 | NA | NA | 准确率 | NA |
| 145 | 2025-12-03 |
Brain-inspired multisensory integration neural network for cross-modal recognition through spatiotemporal dynamics and deep learning
2024-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-023-09932-4
PMID:39712112
|
研究论文 | 本文提出了一种受大脑启发的多感官整合神经网络，用于通过时空动力学和深度学习实现跨模态识别 | 提出了一种结合并行CNN和RNN的级联框架，模拟大脑多感官整合过程，并揭示了特征在正交子空间编码及网络状态沿准旋转对称轨迹演化的机制 | 使用合成训练数据进行数字识别任务，可能未在真实世界复杂多模态数据上验证 | 研究多感官整合的计算原理，开发受大脑启发的智能神经网络模型以实现跨模态识别 | 视觉和音频感官输入的多模态信息 | 机器学习 | NA | 深度学习 | CNN, RNN | 图像, 音频 | NA | NA | 并行卷积神经网络, 循环神经网络 | NA | NA |
| 146 | 2025-12-03 |
Deep source transfer learning for the estimation of internal brain dynamics using scalp EEG
2024-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10149-2
PMID:39712104
|
研究论文 | 本文提出了一种基于深度学习的新型EEG数据驱动源成像方案，用于精确高效地估计丘脑和皮层区域的大尺度时空脑动力学 | 提出了一种结合卷积循环神经网络的深度源成像框架，并利用基于人脑连接组学构建的脑模型生成合成训练数据，进一步应用迁移学习算法以减少合成数据与真实EEG数据之间的动态差异 | 未明确提及具体的数据集规模限制或模型泛化能力的详细评估 | 通过源成像技术提高EEG的空间分辨率，以增强神经解码和脑机交互的可靠性 | 大脑内部活动，特别是丘脑和皮层区域的宏观时空动力学 | 机器学习 | 癫痫 | 脑电图（EEG） | CNN, RNN | 高密度EEG记录 | NA | NA | 卷积循环神经网络 | NA | NA |
| 147 | 2025-12-03 |
Adaptive learning rate in dynamical binary environments: the signature of adaptive information processing
2024-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10128-7
PMID:39712114
|
研究论文 | 本文构建了一个具有自适应学习率的分层贝叶斯模型，用于推断动态二元环境中的隐藏概率，并分析了该模型在合成数据上的自适应行为 | 模型的自适应学习率受信念和环境不确定性调节，其更新规则是Rescorla-Wagner方程的扩展，强调了自适应学习率作为高效准确推断的机制组成部分 | NA | 研究自适应学习模型在解释人类和动物自适应行为中的作用，特别是在动态二元环境中推断隐藏概率 | 合成数据 | 机器学习 | NA | 分层贝叶斯建模 | 贝叶斯模型 | 合成数据 | NA | NA | 分层贝叶斯模型 | NA | NA |
| 148 | 2025-12-03 |
MSHANet: a multi-scale residual network with hybrid attention for motor imagery EEG decoding
2024-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10127-8
PMID:39712122
|
研究论文 | 本研究提出了一种多尺度残差网络与混合注意力机制（MSHANet），用于解码四种运动想象脑电图类别，以提升脑机接口的性能 | 结合多头注意力和挤压-激励注意力机制，混合聚焦于脑电图特征的重要信息，并应用多尺度残差块提取丰富的特征，同时共享部分块参数以提取共同特征 | NA | 解码运动想象脑电图，以开发稳定且高效的脑机接口系统 | 运动想象脑电图数据 | 机器学习 | NA | 脑电图解码 | CNN | 脑电图信号 | NA | NA | MSHANet | 准确率 | NA |
| 149 | 2025-12-03 |
Advances in brain-computer interface for decoding speech imagery from EEG signals: a systematic review
2024-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10167-0
PMID:39712121
|
综述 | 本文系统综述了基于脑电图（EEG）信号的脑机接口（BCI）在解码想象言语方面的最新进展，旨在帮助言语障碍者实现有效沟通 | 从认知神经发育视角整合EEG信号解码想象言语的关键研究，系统梳理了预处理、特征提取和分类算法（包括深度学习和机器学习方法）及其融合的创新方法 | NA | 推动基于EEG的BCI系统在解码想象言语方面的实际应用，以改善言语障碍者的沟通能力 | 基于EEG信号的想象言语解码研究 | 脑机接口 | 神经系统疾病 | 脑电图（EEG） | 深度学习, 机器学习 | EEG信号 | NA | NA | NA | NA | NA |
| 150 | 2025-12-03 |
A bimodal deep learning network based on CNN for fine motor imagery
2024-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10159-0
PMID:39712133
|
研究论文 | 本研究提出了一种基于CNN的双模态深度学习网络，用于提高精细运动想象的解码性能 | 设计了包含四类任务的精细运动想象范式，并提出了结合EEG和fNIRS信号的双模态融合网络，显著提升了分类准确率 | 样本量较小（仅12名受试者），且四类任务的准确率（58.96%）仍有提升空间 | 提高精细运动想象任务的解码性能，以支持基于精细运动想象的脑机接口系统 | 12名受试者的EEG-fNIRS双模态脑活动数据 | 脑机接口 | NA | EEG, fNIRS | CNN | 脑电信号, 近红外光谱信号 | 12名受试者 | NA | CNN | 四分类准确率 | NA |
| 151 | 2025-12-03 |
On hyper-parameter selection for guaranteed convergence of RMSProp
2024-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-022-09845-8
PMID:39712127
|
研究论文 | 本文提出了一种时间变化的RMSProp算法变体，以解决其在凸优化中可能不收敛的问题，并提供了理论证明和数值实验验证 | 将RMSProp的超参数视为时间变化序列而非固定常数，从而确保收敛性，并首次为平滑非凸目标提供了严格的收敛性证明 | 未讨论算法在超大规模数据集或复杂神经网络架构中的实际性能，且理论分析可能未涵盖所有实际应用场景 | 改进RMSProp优化算法的收敛性，确保其在凸和非凸优化问题中都能收敛到临界点 | RMSProp优化算法及其在深度学习中的应用 | 机器学习 | NA | NA | NA | 基准数据集 | NA | NA | NA | 收敛率 | NA |
| 152 | 2025-12-03 |
A Protocol for Body MRI/CT and Extraction of Imaging-Derived Phenotypes (IDPs) from the China Phenobank Project
2024-Dec, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-023-00141-x
PMID:40061820
|
研究论文 | 本研究基于中国表型银行项目，提出了一套针对多器官的体部成像协议及相应的图像处理流程 | 首次在基于人群的队列研究中，为心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多个器官，制定了标准化的体部成像协议和深度学习分割模型驱动的图像处理流程 | 未提供具体的性能验证数据或临床应用结果，且协议可能受限于特定成像设备和人群 | 为基于中国表型银行项目平台的研究提供体部成像和图像处理的参考标准 | 心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多个器官 | 数字病理学 | NA | 心脏磁共振成像、计算机断层扫描、腹部磁共振成像、盆腔磁共振成像 | 深度学习分割模型 | 图像 | NA | NA | NA | NA | NA |
| 153 | 2025-12-03 |
Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review
2024-Dec, iRadiology
DOI:10.1002/ird3.99
PMID:40453356
|
综述 | 本文对应用于前列腺癌骨转移影像的定量方法（包括影像组学、机器学习和深度学习）进行了范围综述 | 针对前列腺癌骨转移影像分析领域，整合了来自影像组学、机器学习和深度学习等多个领域的定量方法，并提供了临床见解，填补了文献中关于不同方法和未来方向的详细分析空白 | NA | 回顾并分析应用于前列腺癌骨转移影像的定量方法，以期为临床管理提供支持 | 前列腺癌骨转移的影像数据 | 数字病理学 | 前列腺癌 | 影像组学, 机器学习, 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 154 | 2025-11-26 |
Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry
2024-Dec-05, Research square
DOI:10.21203/rs.3.rs-5485172/v1
PMID:39678351
|
研究论文 | 通过深度学习模型识别非编码遗传变异，揭示非洲裔男性前列腺癌风险更高的遗传机制 | 首次使用基于序列的深度学习模型系统探索非编码调控多态性在祖先间前列腺癌风险差异中的作用 | 研究主要关注非洲裔男性群体，对其他祖先群体的适用性需要进一步验证 | 揭示非洲裔男性前列腺癌风险更高的遗传基础 | 非洲裔美国男性的前列腺癌相关遗传变异 | 计算生物学 | 前列腺癌 | 深度学习，基因组关联分析，实验验证 | 深度学习模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 155 | 2025-11-26 |
Automated Evaluation for Pericardial Effusion and Cardiac Tamponade with Echocardiographic Artificial Intelligence
2024-Dec-01, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.27.24318110
PMID:39649606
|
研究论文 | 开发并验证用于自动评估心包积液严重程度和心脏压塞的深度学习模型EchoNet-Pericardium | 首次使用时序空间卷积神经网络自动化评估心包积液严重程度和心脏压塞，采用五标准视图集成预测方法 | 模型性能仍需在更广泛人群中验证，临床实施需要进一步研究 | 开发自动化工具减少心包积液和心脏压塞评估的操作者依赖性 | 超声心动图视频 | 医学人工智能 | 心血管疾病 | 超声心动图 | CNN | 视频 | 训练集：1,427,660个视频（85,380例超声心动图）；外部验证集：33,310个视频（1,806例超声心动图） | NA | 时序空间卷积神经网络 | AUC | NA |
| 156 | 2025-11-24 |
SAMP: Identifying antimicrobial peptides by an ensemble learning model based on proportionalized split amino acid composition
2024-Dec-06, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae046
PMID:39573886
|
研究论文 | 提出一种基于比例化分割氨基酸组成和集成随机投影的抗菌肽识别模型SAMP | 引入比例化分割氨基酸组成特征，能同时捕捉N端和C端残基模式及中间肽段序列顺序信息 | NA | 开发更准确的抗菌肽识别计算方法 | 抗菌肽序列 | 机器学习 | 耐药细菌感染 | 比例化分割氨基酸组成 | 集成学习 | 肽序列 | NA | Python | 集成随机投影 | 准确率, Matthews相关系数, G-measure, F1-score | NA |
| 157 | 2025-11-22 |
Deep learning estimation of proton stopping power with photon-counting computed tomography: a virtual study
2024-Dec, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.S1.S12809
PMID:39574807
|
研究论文 | 本研究通过深度学习模型从光子计数计算机断层扫描图像估计质子阻止本领 | 首次将光子计数CT与U-Net深度学习网络结合用于质子阻止本领估计，相比传统单能和双能CT方法显著提高了精度 | 基于虚拟仿真研究，尚未在真实患者数据上验证 | 提高质子放射治疗中质子阻止本领的估计精度 | 头部XCAT体模的仿真PCCT图像和质子阻止本领图 | 医学影像分析 | 癌症治疗 | 光子计数计算机断层扫描(PCCT) | 深度学习 | 医学影像 | 基于XCAT体模的仿真数据 | NA | U-Net | 均方根误差(RMSE) | NA |
| 158 | 2025-11-17 |
A protein fitness predictive framework based on feature combination and intelligent searching
2024-Dec, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5211
PMID:39548358
|
研究论文 | 提出一种基于特征组合和智能搜索的蛋白质适应性预测框架scut_ProFP | 整合特征组合和特征选择技术，实现从有限蛋白质序列中提取最相关功能特征信息，并能从低阶突变体泛化到高阶突变体 | 未明确说明模型对超大规模数据集的扩展性及计算效率 | 开发高效的蛋白质适应性预测方法以支持蛋白质工程 | 蛋白质序列及其适应性（fitness）值 | 机器学习 | NA | 特征组合、特征选择 | NA | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 159 | 2025-11-14 |
Diagnostic Performance of Deep Learning Applications in Hepatocellular Carcinoma Detection Using Computed Tomography Imaging
2024-12-30, The Turkish journal of gastroenterology : the official journal of Turkish Society of Gastroenterology
DOI:10.5152/tjg.2024.24538
PMID:39760649
|
研究论文 | 本研究利用基于YOLO架构的深度学习技术增强CT图像中肝细胞癌的检测能力 | 首次将YOLO架构应用于肝细胞癌的CT图像检测，显著超越传统诊断方法的准确率 | 样本量相对有限（122名患者），需要更大规模数据验证 | 提高肝细胞癌的早期检测准确率，改善患者预后 | 肝细胞癌患者的CT图像 | 计算机视觉 | 肝细胞癌 | CT成像 | YOLO | 医学图像 | 122名患者的1290张CT图像 | NA | YOLO | 精确率,召回率,准确率,特异性,敏感性 | NA |
| 160 | 2025-11-08 |
ConoDL: a deep learning framework for rapid generation and prediction of conotoxins
2024-Dec-26, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-024-00582-0
PMID:39724258
|
研究论文 | 提出一个名为ConoDL的深度学习框架，用于快速生成和预测芋螺毒素 | 结合迁移学习和大语言模型解决芋螺毒素生成中的数据限制问题，并生成具有新型半胱氨酸支架的人工芋螺毒素 | 芋螺毒素数据有限且结构复杂，限制了深度学习模型的应用 | 开发新型方法探索芋螺毒素的分子空间 | 芋螺毒素（小型二硫键丰富的生物活性肽） | 机器学习 | NA | 深度学习 | LLM | 序列数据 | NA | NA | ConoGen, ConoPred | 序列和结构水平的肽特性评估 | NA |