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 1213 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-10-15 |
Correction: Zafar et al. Skin Lesion Analysis and Cancer Detection Based on Machine/Deep Learning Techniques: A Comprehensive Survey. Life 2023, 13, 146
2025-Feb-18, Life (Basel, Switzerland)
DOI:10.3390/life15020316
PMID:40003734
|
correction | 对已发表论文《基于机器/深度学习技术的皮肤病变分析和癌症检测：全面综述》的更正说明 | NA | NA | NA | NA | digital pathology | skin cancer | NA | NA | NA | NA | NA | NA | NA | NA |
| 62 | 2025-10-05 |
gRNAde: Geometric Deep Learning for 3D RNA inverse design
2025-Feb-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.31.587283
PMID:38826198
|
研究论文 | 本文介绍了一种基于几何深度学习的3D RNA逆设计方法gRNAde | 首个在3D RNA骨架上操作的几何深度学习流程，能够同时考虑RNA结构和动力学特性进行序列设计 | NA | 开发能够处理3D RNA构象多样性的逆设计方法 | RNA分子结构和序列 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D RNA骨架结构 | PDB数据库中的14个RNA结构，以及10个结构化RNA骨架的湿实验验证 | PyTorch | 多状态图神经网络，自回归解码器 | 天然序列恢复率，成功率 | NA |
| 63 | 2025-10-05 |
Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography
2025-Feb-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.25.24312556
PMID:39252891
|
研究论文 | 本研究利用人工智能技术分析经胸超声心动图和心电图数据，追踪转甲状腺素蛋白淀粉样心肌病的临床前进展 | 首次将深度学习模型应用于经胸超声心动图和心电图数据，实现对ATTR-CM临床前阶段的早期识别和风险分层 | 回顾性研究设计，样本主要来自两个医疗中心，可能存在选择偏倚 | 开发可扩展的ATTR-CM临床前监测策略 | 转诊进行心脏淀粉样变核素检测的患者 | 数字病理 | 心血管疾病 | 深度学习 | 深度学习模型 | 视频,图像 | YNHHS队列984人（中位年龄74岁，44.3%女性），HMH队列806人（中位年龄69岁，34.5%女性），共分析7,352次TTE和32,205次ECG | NA | NA | 敏感性,特异性 | NA |
| 64 | 2025-10-05 |
Swin transformers are robust to distribution and concept drift in endoscopy-based longitudinal rectal cancer assessment
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3046794
PMID:41018523
|
研究论文 | 本研究评估Swin Transformer在内镜图像纵向直肠癌评估中对分布偏移和概念漂移的鲁棒性 | 首次系统比较Swin Transformer与传统卷积网络在直肠癌内镜图像分析中对分布偏移的鲁棒性，并采用最优传输方法模拟颜色偏移 | 研究主要基于私有数据集和公共结肠镜数据集，需要更多外部验证 | 开发对分布偏移具有鲁棒性的直肠癌内镜图像自动评估方法 | 直肠癌患者的内镜图像 | 计算机视觉 | 直肠癌 | 内镜成像 | Transformer, CNN | 图像 | 私有数据集和公共结肠镜数据集 | NA | Swin Transformer, ResNet-50, WideResNet-50, Vision Transformer | 准确率 | NA |
| 65 | 2025-10-05 |
Sli2Vol+: Segmenting 3D Medical Images Based on an Object Estimation Guided Correspondence Flow Network
2025 Feb-Mar, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision
DOI:10.1109/wacv61041.2025.00357
PMID:41001582
|
研究论文 | 提出一种基于目标估计引导对应流网络的自监督框架，用于仅需单张标注切片即可完成3D医学图像分割 | 开发了目标估计引导对应流网络，通过生成伪标签学习可靠切片间对应关系，有效减少重建误差传播并处理切片间不连续性 | 依赖单张标注切片的质量，在复杂解剖结构或严重病理情况下性能可能受限 | 降低3D医学图像分割的标注负担，提高自监督分割方法的准确性和鲁棒性 | 3D医学图像中的各种解剖结构 | 医学图像分析 | 多器官疾病 | 自监督学习 | 深度学习 | 3D医学图像 | 多个不同数据集，每个训练和测试体积仅需单张标注切片 | PyTorch | Object Estimation Guided Correspondence Flow Network | 分割准确性，泛化能力评估 | NA |
| 66 | 2025-10-05 |
Transformer-based approaches for neuroimaging: an in-depth review of their role in classification and regression tasks
2025-02-25, Reviews in the neurosciences
IF:3.4Q2
DOI:10.1515/revneuro-2024-0088
PMID:39333087
|
综述 | 深入探讨Transformer模型在神经影像分类和回归任务中的应用现状与发展趋势 | 首次系统梳理Transformer架构在神经影像领域的应用进展，同时展示其在分类任务中的卓越表现和回归任务中的新兴潜力 | NA | 评估Transformer模型在神经影像分析中的当前应用状况和研究进展 | 神经影像数据 | 医学影像分析 | 神经系统疾病 | 神经影像技术 | Transformer | 神经影像数据 | NA | NA | Transformer | NA | NA |
| 67 | 2025-10-05 |
Comparative Genomics and Epigenomics of Transcriptional Regulation
2025-02, Annual review of animal biosciences
IF:8.7Q1
|
综述 | 本文探讨比较基因组学与表观基因组学在转录调控研究中的应用与前景 | 提出整合多维表观基因组数据与深度学习模型研究转录调控的新范式，强调农场动物模型在此领域的优势 | 当前表观基因组数据主要来自健康个体特定发育阶段，缺乏多样化生理条件下的数据 | 揭示跨物种转录调控的进化保守机制与非编码元件功能 | 多物种转录调控机制与表观基因组特征 | 计算生物学 | NA | 全基因组测序, 表观基因组分析, 功能筛选验证 | 深度学习 | 基因组数据, 表观基因组数据 | NA | NA | NA | NA | NA |
| 68 | 2025-10-05 |
Innovative laboratory techniques shaping cancer diagnosis and treatment in developing countries
2025-Feb-08, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-01877-w
PMID:39921787
|
综述 | 探讨发展中国家癌症诊断与治疗中创新实验室技术的应用现状与挑战 | 系统分析人工智能与深度学习在癌症检测中的整合应用，特别关注资源受限环境下的实施策略 | 发展中国家面临资金不足、医疗基础设施薄弱及先进诊断技术获取受限等结构性挑战 | 通过精密实验室技术推进精准医疗和早期癌症诊断以改善预后 | 癌症检测实验室技术及其在发展中国家应用场景 | 数字病理 | 癌症 | 肿瘤组织学、单细胞技术、流式细胞术、分子影像、液体活检、免疫分析、分子诊断 | CNN | 医学影像、分子数据 | NA | NA | NA | 诊断准确率 | NA |
| 69 | 2025-10-05 |
Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images
2025-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82639-6
PMID:39952935
|
研究论文 | 本研究验证了Cellpose深度学习网络在自发荧光显微镜图像中单细胞分割的可靠性 | 开发了专门针对自发荧光图像的自动荧光训练模型，首次将Cellpose应用于NAD(P)H自发荧光图像分割 | 研究主要针对NAD(P)H强度图像，在其他自发荧光对比机制中的通用性需要进一步验证 | 验证Cellpose在自发荧光显微镜图像中的单细胞分割性能 | PANC-1细胞和患者来源的癌症类器官（9例患者） | 数字病理 | 癌症 | 多光子强度成像，荧光寿命成像显微镜，自发荧光显微镜 | CNN | 显微镜图像 | 9例患者的癌症类器官和PANC-1细胞系 | Cellpose | Cellpose | Dice系数，相关系数R，p值 | NA |
| 70 | 2025-10-06 |
Bone Age Estimation of Chinese Han Adolescents's and Children's Elbow Joint X-rays Based on Multiple Deep Convolutional Neural Network Models
2025-Feb-25, Fa yi xue za zhi
|
研究论文 | 基于多种深度卷积神经网络模型对中国汉族青少年肘关节X光片进行骨龄评估 | 首次针对中国汉族青少年肘关节X光片开发深度学习骨龄评估模型，并比较三种不同预处理方案和多种网络架构的性能 | 样本量相对有限（943例），仅针对中国汉族人群，年龄范围限定在6-16岁 | 开发自动骨龄评估模型并评估其性能 | 中国汉族青少年和儿童的肘关节X光片 | 计算机视觉 | 生长发育评估 | X光成像 | CNN | 图像 | 943例肘关节正位X光片（517男，426女），外加104例外部测试集 | NA | U-Net, UNet++, TransUNet, VGG16, VGG19, InceptionV2, InceptionV3, ResNet34, ResNet50, ResNet101, DenseNet121 | MAE, RMSE, P±0.7 years, P±1.0 years | NA |
| 71 | 2025-10-06 |
Solubilization of Membrane Proteins using designed protein WRAPS
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636539
PMID:39975033
|
研究论文 | 开发了一种基于深度学习的蛋白质设计方法，通过水溶性蛋白质包裹物（WRAPs）使膜蛋白可溶化并保持其功能 | 首次使用深度学习设计水溶性两亲性蛋白质包裹物，无需去污剂即可稳定膜蛋白并保持其结构和功能完整性 | 文中未明确提及该方法的应用范围和潜在局限性 | 开发一种通用方法解决膜蛋白生产和结构表征的难题 | 膜蛋白，特别是β桶状外膜蛋白和螺旋多次跨膜蛋白 | 蛋白质设计 | 梅毒 | 深度学习设计，冷冻电镜 | 深度学习模型 | 蛋白质结构数据 | 四种外膜β桶状蛋白 | NA | NA | 结构一致性（4.0 Å冷冻电镜图谱验证） | NA |
| 72 | 2025-10-06 |
In vivo electrophysiology recordings and computational modeling can predict octopus arm movement
2025-Feb-14, Bioelectronic medicine
DOI:10.1186/s42234-025-00166-9
PMID:39948616
|
研究论文 | 通过体内电生理记录和计算模型预测章鱼手臂运动 | 首次结合碳电极阵列单单元电生理记录与机器学习方法实时预测章鱼复杂运动模式 | NA | 揭示运动回路控制原理并预测行为 | 章鱼前神经索和手臂运动 | 机器学习 | 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 |
| 73 | 2025-10-06 |
Donor-Specific Digital Twin for Living Donor Liver Transplant Recovery
2025-Feb-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.21.639518
PMID:40568069
|
研究论文 | 本研究通过整合临床基因表达数据和数学模型，为活体肝移植供体开发了个性化渐进机制数字孪生模型 | 首次将全转录组RNA测序数据与肝脏再生数学模型结合，创建可预测个体恢复轨迹的个性化数字孪生模型 | 样本量较小（12名供体），仅针对健康LDLT供体进行研究 | 开发个性化数字孪生模型以预测活体肝移植供体的肝脏恢复轨迹 | 活体肝移植供体的肝脏再生过程 | 数字病理 | 肝移植 | RNA测序, WGCNA, 深度学习 | 深度学习, 数学模型 | 基因表达数据 | 12名健康LDLT供体，在一年内14个时间点采集数据 | NA | NA | NA | NA |
| 74 | 2025-10-06 |
Assessing Genotype-Phenotype Correlations with Deep Learning in Colorectal Cancer: A Multi-Centric Study
2025-Feb-08, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.04.25321660
PMID:39973981
|
研究论文 | 本研究开发了一种基于Transformer的多目标深度学习模型，直接从结直肠癌H&E病理切片预测多种遗传生物标志物 | 首次使用单一Transformer模型同时预测结直肠癌中多种遗传变异，超越了常规单一靶标模型，并系统分析了MSI表型对预测性能的影响 | 模型预测性能主要与MSI表型相关，生物标志物本身的形态学贡献相对有限，可能存在混杂因素影响 | 评估深度学习在结直肠癌中基因型-表型关联预测的应用价值 | 结直肠癌患者及其肿瘤组织 | 数字病理学 | 结直肠癌 | H&E染色、panel测序 | Transformer | 病理切片图像 | 1,376名患者（主要数据集）+ 536名患者（验证数据集） | NA | Transformer | AUROC | NA |
| 75 | 2025-10-06 |
Automated lensless blood sample identification through scattering media using deep learning architectures
2025-Feb-10, Optics express
IF:3.2Q2
DOI:10.1364/OE.546326
PMID:40797768
|
研究论文 | 提出一种基于深度学习架构的便携式无透镜系统，用于通过散射介质自动识别血液样本 | 首次将无透镜设备与深度学习相结合，实现通过散射介质对血液样本进行非侵入式自动识别 | 在散射层厚度变化时的系统鲁棒性仍需进一步验证 | 开发一种便携式无透镜系统，用于通过散射介质自动识别血液样本 | 全血样本中的红细胞类型 | 计算机视觉 | NA | 局部二值模式变换，无透镜成像 | CNN | 图像 | NA | NA | AlexNet, VGG-16, SqueezeNet | 准确率, 马修斯相关系数 | NA |
| 76 | 2025-10-06 |
Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology
2025-Feb, The Laryngoscope
DOI:10.1002/lary.31756
PMID:39258420
|
研究论文 | 本研究使用TRIPOD-AI标准评估头颈肿瘤学文献中机器学习算法的报告质量 | 首次在头颈肿瘤学领域系统评估机器学习算法的报告质量，并引入TRIPOD-AI标准作为评估工具 | 研究基于文献分析，未涉及原始数据验证，评估结果受限于所纳入文献的质量 | 评估头颈肿瘤学中机器学习算法的报告质量并提出改进建议 | 头颈肿瘤学领域的机器学习研究文献 | 机器学习 | 头颈肿瘤 | 文献系统评价方法 | NA | 科学文献 | 通过PubMed、Scopus、Embase和Cochrane系统评价数据库检索的相关研究文献 | NA | NA | TRIPOD-AI标准符合率，牛津循证医学中心证据等级 | NA |
| 77 | 2025-10-06 |
Complex conjugate removal in optical coherence tomography using phase aware generative adversarial network
2025-02, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.2.026001
PMID:39963188
|
研究论文 | 提出一种基于生成对抗网络的深度学习方法来消除光学相干断层扫描中的复共轭伪影 | 首次将相位信息整合到生成对抗网络中用于复共轭伪影去除，无需额外硬件组件 | NA | 开发无需额外硬件的软件解决方案来消除FD-OCT中的复共轭伪影 | 光学相干断层扫描图像中的复共轭伪影 | 计算机视觉 | NA | 光学相干断层扫描 | GAN | 图像 | 包括体模、人体皮肤和活体小鼠眼睛样本 | NA | 生成对抗网络 | NA | NA |
| 78 | 2025-10-06 |
KaMLs for Predicting Protein pKa Values and Ionization States: Are Trees All You Need?
2025-Feb-11, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c01602
PMID:39882632
|
研究论文 | 开发基于决策树和图注意力网络的KaML模型，用于准确预测蛋白质pKa值和电离状态 | 提出分别处理酸和碱、使用AlphaFold结构进行数据增强、在理论pKa数据库上进行模型预训练等创新方法 | 机器学习方法受限于实验数据的稀缺性 | 提高蛋白质电离状态预测的准确性，用于生物学理解和计算机辅助药物发现 | 蛋白质电离状态和pKa值 | 机器学习 | NA | 机器学习 | 决策树,图注意力网络(GAT) | 蛋白质结构数据,实验pKa数据库 | PKAD-3数据库（包含高度偏移pKa值） | NA | 决策树,GAT | pKa值预测准确率,电离状态分类准确率 | NA |
| 79 | 2025-10-06 |
Deep learning-driven bacterial cytological profiling to determine antimicrobial mechanisms in Mycobacterium tuberculosis
2025-Feb-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2419813122
PMID:39913203
|
研究论文 | 本研究开发了基于卷积神经网络的细菌细胞学分析方法MycoBCP，用于确定结核分枝杆菌抗菌药物的作用机制 | 将卷积神经网络应用于细菌细胞学分析，克服传统图像分析技术面临的细胞聚集和染色不均等挑战 | 转录抑制和翻译抑制导致的相似形态难以有效区分，需要进一步优化 | 加速结核病治疗药物的作用机制确定，推动新型有效药物的开发 | 结核分枝杆菌及其对多种抗菌化合物的形态反应 | 计算机视觉 | 结核病 | 细菌细胞学分析 | CNN | 图像 | NA | NA | NA | 准确率 | NA |
| 80 | 2025-10-06 |
Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort
2025-Feb-04, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwaf038
PMID:39903569
|
研究论文 | 本研究使用Google街景图像和深度学习技术分析居住环境特征与心血管风险之间的关系 | 首次结合Google街景图像和深度学习技术大规模分析建成环境特征与心血管疾病风险的关联 | 需要未来研究验证这些关联并深入理解潜在机制 | 调查建成环境特征（包括住宅绿化和人行道）与心血管风险的关系 | 美国中西部俄亥俄州东北部地区的49,887名个体 | 计算机视觉 | 心血管疾病 | Google街景图像分析 | 深度学习 | 图像 | 49,887名个体，其中2,083人经历主要不良心血管事件 | NA | NA | 风险比(HR), 置信区间(CI) | NA |