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 47295 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 | 2026-07-22 |
GPS: Harnessing data fusion strategies to improve the accuracy of machine learning-based genomic and phenotypic selection
2025-08-11, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101416
PMID:40509592
|
研究论文 | 提出一种名为GPS的数据融合框架，通过整合基因组和表型数据提升机器学习的预测准确性 | 首次提出三种数据融合策略（数据融合、特征融合、结果融合）并全面比较，在四种作物种群上验证了数据融合策略的优越性 | 未提及具体局限性 | 提升基因组选择和表型选择在植物育种中的预测准确性、鲁棒性和可迁移性 | 四种作物物种（玉米、大豆、水稻、小麦）的基因组和表型数据 | 机器学习 | NA | SNP基因分型 | 统计模型（GBLUP、BayesB）、机器学习模型（Lasso、RF、SVM、XGBoost、LightGBM）、深度学习模型（DNNGP）、表型辅助预测模型（MAK） | 基因组数据（SNP标记）和表型数据 | 包含四种作物的大规模数据集，最小样本量为200 | NA | Lasso_D（数据融合策略下优化的Lasso模型） | 预测准确性 | NA |
| 242 | 2026-07-22 |
Chromatin accessibility dynamics and transcriptional regulatory networks underlying the primary nitrogen response in rice roots
2025-07-14, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101392
PMID:40468596
|
研究论文 | 通过时间序列ATAC-seq和RNA-seq分析，研究水稻根部在氮素重新供应后染色质可及性和基因表达的动态变化，揭示初级氮响应中的转录调控网络 | 首次在水稻中通过时间序列分析揭示初级氮响应过程中染色质可及性动态与转录调控网络的级联变化，并鉴定OsLBD38/39与OsbZIP23作为关键调控因子，其调控模式相反 | 研究主要关注根部，未涉及地上部分；分析基于两个水稻品种，可能无法完全代表所有亚种间的差异 | 阐明水稻根部初级氮响应的转录调控机制，特别是染色质可及性动态与基因表达变化之间的关系 | 水稻根部，包括两个品种（珍汕97和日本晴） | 机器学习, 数字病理学 | NA | ATAC-seq, RNA测序 | 深度学习模型 | 测序数据 | 两个水稻品种，在硝酸铵重新供应后2小时内进行时间序列采样 | NA | NA | NA | NA |
| 243 | 2026-07-22 |
DGAT: A Dual-Graph Attention Network for Inferring Spatial Protein Landscapes from Transcriptomics
2025-Jul-09, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.05.662121
PMID:40672156
|
研究论文 | 提出一种名为DGAT的双图注意力网络，用于从转录组学数据中推断空间蛋白质表达 | 首次利用图注意力网络整合转录组、蛋白质组和空间信息，从仅含转录组数据的空间转录组学中推断蛋白质表达，填补了空间组学中蛋白质层面分析的空缺 | 未提及具体限制 | 实现从仅转录组学空间数据中推断蛋白质表达，推动空间组学及癌症、免疫学、精准医学的功能解释 | RNA-蛋白质关系及空间蛋白表达 | 机器学习和计算机视觉 | 扁桃体癌、乳腺癌、胶质母细胞瘤、恶性间皮瘤 | 空间转录组学（ST）、空间CITE-seq | 图注意力网络（GAT） | 基因表达和蛋白质表达数据 | NA | NA | 图注意力网络（GAT） | 蛋白质插补精度 | NA |
| 244 | 2026-07-22 |
Spatial and Temporal Changes in Choroid Morphology Associated With Long-Duration Spaceflight
2025-05-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.5.17
PMID:40332907
|
研究论文 | 利用深度学习从OCT图像分析长时间太空飞行中脉络膜的时空变化 | 将基于深度学习的脉络膜量化方法扩展到黄斑平面的脉动性和拓扑变化分析，并研究长时间微重力暴露下的反应 | 样本量较小（12名宇航员），且在轨成像数据仅对其中6名宇航员可用 | 探讨脉络膜在太空飞行相关神经-眼综合征病因中的作用及微重力暴露下的变化 | 长时间太空飞行前后的宇航员 | 数字病理学 | 太空飞行相关神经-眼综合征 | 光学相干断层扫描（OCT） | 深度学习模型（具体CNN类型未明确） | OCT图像和视频 | 12名宇航员，平均年龄47±9岁；其中6名有在轨成像数据 | NA | NA（仅提及深度学习模型） | 脉络膜厚度、管腔面积、脉动性管腔面积、脉络膜体积、管腔体积、脉络膜血管指数 | NA |
| 245 | 2026-07-22 |
Harnessing Electronic Health Records and Artificial Intelligence for Enhanced Cardiovascular Risk Prediction: A Comprehensive Review
2025-03-18, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.124.036946
PMID:40079336
|
综述 | 综述电子健康记录和人工智能在心血管疾病风险预测中的应用进展与挑战 | 系统整合了传统方法及基于AI的深度学习在EHR心血管疾病风险预测中的进展 | AI方法可解释性有限，需在不同人群中进行验证和重新校准；数据质量和标准化问题仍存挑战 | 评估将EHR数据与AI结合用于心血管疾病风险预测的进展与挑战 | 电子健康记录数据及心血管疾病风险预测模型 | 机器学习 | 心血管疾病 | NA | 深度学习模型 | 文本、电子健康记录 | NA | NA | NA | NA | NA |
| 246 | 2026-07-22 |
CATALYZE: a deep learning approach for cataract assessment and grading on SS-OCT images
2025-03-01, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001598
PMID:39680679
|
研究论文 | 提出了一种基于扫频源光学相干断层扫描（SS-OCT）图像的深度学习白内障评估与分级方法 | 首次利用SS-OCT图像构建深度学习管道，实现白内障的自动化层析指标计算和临床显著性指数（CSI）评估，并与双通道像差仪（OQAS）的散射指数进行对比验证 | 单中心研究，样本来源有限，可能影响模型的泛化能力；排除了有眼部手术史、角膜或视网膜疾病及干眼症的患者，未覆盖所有白内障类型 | 开发一种客观、可靠的深度学习白内障分级方法，替代传统主观评估 | 白内障患者和健康对照者的眼睛 | 计算机视觉 | 白内障 | 扫频源光学相干断层扫描（SS-OCT） | 深度学习模型 | 图像 | 315名患者共548只眼睛（331只开发集和217只验证集） | NA | NA | 受试者工作特征曲线下面积（AUROC）、灵敏度、特异性、决定系数（r²） | NA |
| 247 | 2026-07-22 |
Multimodal MRI radiomics-clinical fusion model predicts intravenous glucocorticoid response in thyroid eye disease
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1726947
PMID:41641033
|
研究论文 | 开发多模态MRI影像组学-临床融合模型预测甲状腺眼病患者对静脉糖皮质激素的治疗反应 | 首次结合多模态MRI影像组学特征、深度迁移学习特征与临床独立预测因子构建融合模型，并以列线图可视化，用于预测甲状腺眼病的静脉糖皮质激素治疗反应 | 样本量较小（108例），且为回顾性研究，验证集AUC的置信区间较宽，表明模型稳定性需进一步验证 | 开发一种用于预测甲状腺眼病患者静脉糖皮质激素治疗反应的无创工具，支持个性化治疗计划 | 来自两家医学机构的甲状腺眼病患者（78例治疗响应者，30例非响应者） | 数字病理学 | 甲状腺眼病 | MRI（T1加权成像和脂肪抑制T2加权成像） | CNN | 图像 | 108例患者（78例响应者，30例非响应者） | NA | NA | AUC, 校准曲线, 决策曲线分析 | NA |
| 248 | 2026-07-22 |
Clinical impact of deep learning-derived intravascular ultrasound characteristics in patients with deferred coronary artery
2024-12-15, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132543
PMID:39265789
|
研究论文 | 利用深度学习模型从血管内超声图像中提取特征，预测非罪犯冠状动脉病变患者的长期预后 | 首次利用深度学习从IVUS图像中自动提取几何参数和斑块负荷指数，并验证其对心脏死亡和靶血管血运重建的预测价值 | NA | 识别预测非罪犯冠状动脉病变不良预后的形态学标准并验证其临床影响 | 1115例非罪犯冠状动脉病变患者的血管内超声图像 | 计算机视觉 | 冠状动脉疾病 | 血管内超声 | 深度学习模型 | 图像 | 1115例患者的非罪犯血管IVUS图像 | NA | NA | 心脏死亡免于发生率、靶血管血运重建率、风险比 | NA |
| 249 | 2026-07-22 |
Automated echocardiographic diastolic function grading: A hybrid multi-task deep learning and machine learning approach
2024-12-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132504
PMID:39218252
|
研究论文 | 开发了一种混合多任务深度学习与机器学习算法，用于自动评估超声心动图舒张功能分级 | 提出轻量级混合算法MMnet，结合多模态输入和多任务输出，利用ASE舒张功能决策树和总概率理论提供分级概率，实现了全自动的舒张功能分级 | 未明确提及，但基于抽象可能包括对数据集大小和外部验证范围的依赖 | 开发一种完全自动化的超声心动图舒张功能评估方法，简化遵循ASE指南的繁琐流程 | 左心室舒张功能（LVDF）评估，包括LVEF、LAESV、多普勒参数（E、A、e'、TRmax） | 计算机视觉，机器学习 | 心血管疾病 | 超声心动图 | CNN（卷积神经网络）与机器学习混合 | 视频（2D超声心动图视频）和图像（多普勒图像） | 内部数据集862和239个超声心动图，外部数据集包括EchoNet-Dynamic和CAMUS | NA | MMnet（多任务多模态网络） | Dice系数（0.922-0.932）、分类准确率（0.9977-1.0）、平均绝对误差（MAE，LVEF 3.7%-5.6%，LAESV 5.8 ml）、舒张功能分级准确率（硬标准0.88，软标准0.98） | NA |
| 250 | 2026-07-22 |
A 25-Year Retrospective of the Use of AI for Diagnosing Acute Stroke: Systematic Review
2024-09-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/59711
PMID:39255472
|
综述 | 本文系统回顾了过去25年间人工智能在急性卒中诊断中的应用，总结了性能指标和算法发展趋势 | 首次对1999年至2024年间AI辅助卒中诊断的50篇代表性文献进行了系统回顾，分析了从传统方法到机器学习再到深度学习的演变过程 | 未明确说明 | 总结AI技术在卒中诊断中的应用进展，提供临床实践参考 | 学术文献 | 机器学习 | 脑卒中 | NA | 传统机器学习、深度学习 | NA | NA | NA | NA | NA | NA |
| 251 | 2026-07-22 |
An artificial intelligence-enabled electrocardiogram algorithm for the prediction of left atrial low-voltage areas in persistent atrial fibrillation
2024-09, Journal of cardiovascular electrophysiology
IF:2.3Q2
DOI:10.1111/jce.16373
PMID:39054663
|
研究论文 | 构建一种基于人工智能的心电图算法，用于预测持续性心房颤动患者左心房低电压区的存在 | 首次利用深度学习算法仅从心电图数据预测左心房低电压区，且性能优于传统临床评分系统 | NA | 开发和验证一个能准确预测持续性心房颤动患者左心房低电压区存在的人工智能心电图算法 | 587名持续性心房颤动患者及其942张术前12导联心电图扫描图像 | 机器学习 | 持续性心房颤动 | 心电图 | 深度学习、随机森林 | 图像 | 587名患者，942张心电图图像 | NA | 深度学习模型、随机森林分类模型 | AUROC、敏感度、特异度、校准曲线、决策曲线分析 | NA |
| 252 | 2026-07-22 |
RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction
2024-09-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168552
PMID:38552946
|
研究论文 | 介绍了一个名为RNA3DB的结构化RNA数据集，用于深度学习模型的训练和基准测试 | 通过将RNA 3D链分组为序列和结构上均非冗余的不同组分，确保了训练集与测试集在序列和结构上无重叠，解决了现有数据集结构重叠导致的性能评估虚高问题 | 未提及具体的性能评估或模型对比结果，且当前深度学习方法在CASP15中仍逊于传统方法 | 提供一种用于训练和基准测试深度学习RNA结构预测模型的结构非冗余数据集和方法 | 来自蛋白质数据银行（PDB）的结构化RNA 3D链 | 机器学习 | NA | NA | 深度学习模型 | 3D结构数据 | NA | NA | NA | NA | NA |
| 253 | 2026-07-22 |
A novel model for predicting postoperative liver metastasis in R0 resected pancreatic neuroendocrine tumors: integrating computational pathology and deep learning-radiomics
2024-08-14, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05449-4
PMID:39143624
|
研究论文 | 结合计算病理学和深度学习影像组学，构建预测胰腺神经内分泌肿瘤R0切除术后肝转移的新型模型 | 首次将Ki67染色全切片图像的计算病理特征与深度学习影像组学特征整合到列线图中，用于预测术后肝转移 | 单中心回顾性研究，样本量较小（163例），需多中心外部验证 | 开发一种能准确预测胰腺神经内分泌肿瘤R0切除术后肝转移的整合模型 | R0切除术后胰腺神经内分泌肿瘤患者 | 计算病理学, 深度学习影像组学 | 胰腺神经内分泌肿瘤 | 数字病理学, Ki67免疫组化染色, 增强CT扫描 | 深度学习 (CNN), 逻辑回归, 列线图 | 病理全切片图像 (WSI), 增强CT影像, 临床数据 | 163例胰腺神经内分泌肿瘤患者（来自复旦大学附属肿瘤医院及病理会诊中心） | NA | 深度学习模型 (未指定具体架构), 列线图 | AUC, 中位无复发生存期 | NA |
| 254 | 2026-07-22 |
Enhancing recognition and interpretation of functional phenotypic sequences through fine-tuning pre-trained genomic models
2024-08-12, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05567-z
PMID:39135093
|
研究论文 | 本研究通过微调预训练基因组模型（如DNA_bert_6和human_gpt2-v1）来增强对功能表型序列的识别与解读，构建了多个基因型-表型数据集，并在HERV数据集上取得了优异分类性能 | 创新性地将预训练基因组模型表示与经典分析方法相结合，通过微调模型识别HERV序列中高平均局部表示权重的特定基序，并揭示了这些基序与神经系统疾病和癌症的关联 | NA | 探索深度学习，特别是预训练基因组模型，在解读和表示人类基因组序列方面的应用，以提升DNA序列功能分类的准确性 | 人类基因组序列，特别是HERV序列中的特定基序 | 自然语言处理 | 神经系统疾病，癌症 | 预训练基因组模型微调 | DNA_bert_6，human_gpt2-v1 | DNA序列 | NA | NA | Transformer | 准确率，F1值 | NA |
| 255 | 2026-07-22 |
A graph-learning based model for automatic diagnosis of Sjögren's syndrome on digital pathological images: a multicentre cohort study
2024-08-08, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05550-8
PMID:39118142
|
研究论文 | 提出基于图学习的CTG-PAM模型，用于在数字病理图像上自动诊断干燥综合征 | 构建了基于图理论的细胞-组织-病理图像分析模型（CTG-PAM），实现了单细胞特征、细胞间特征和细胞-组织特征的表征，并利用连通分量分析进行淋巴细胞计数辅助诊断 | 研究未明确指出局限性与不足之处 | 开发可靠的人工智能模型，提高干燥综合征诊断的准确性与效率 | 唇腺活检组织切片的全切片图像 | 数字病理学 | 干燥综合征 | NA | 图学习模型 | 图像 | 100例唇腺活检标本 | NA | CTG-PAM | AUC，灵敏度，准确率 | NA |
| 256 | 2026-07-22 |
Development and validation of novel interpretable survival prediction models based on drug exposures for severe heart failure during vulnerable period
2024-08-06, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05544-6
PMID:39107765
|
研究论文 | 基于药物暴露数据开发和验证严重心力衰竭患者在脆弱期的新型可解释生存预测模型 | 首次利用药物信息作为主要预测因子，开发针对严重心力衰竭患者脆弱期的生存预测模型，并比较了Cox比例风险模型、随机生存森林和深度学习生存预测模型 | NA | 利用药物暴露数据开发并验证严重心力衰竭患者在脆弱期的生存预测模型 | 严重心力衰竭患者 | 机器学习 | 严重心力衰竭 | NA | CoxPH, RSF, DeepSurv | 临床数据 | 11590名严重心力衰竭患者 | NA | CoxPH, RSF, DeepSurv | AUC, Brier score, 决策曲线分析 | NA |
| 257 | 2026-07-22 |
Automatic segmentation of femoral tumors by nnU-net
2024-06, Clinical biomechanics (Bristol, Avon)
|
研究论文 | 本文提出了一种基于nnU-Net的深度学习算法，用于在CT扫描中自动分割股骨内溶骨性肿瘤 | 首次将nnU-Net应用于股骨肿瘤的自动分割，并验证其与经验丰富的放射科医生相当的准确性 | 数据集较小，仅包含50例CT扫描，且dice相似度分数（0.67-0.68）略低于医生间变异度（0.73） | 实现股骨溶骨性肿瘤的自动准确分割，以支持CT有限元分析辅助骨科决策 | 股骨CT扫描中的溶骨性肿瘤 | 数字病理学 | 股骨肿瘤 | CT扫描 | nnU-Net | 图像 | 50例患者CT扫描（40例训练，10例测试） | PyTorch | nnU-Net | Dice相似度系数 | NA |
| 258 | 2026-07-22 |
RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction
2024-Mar-11, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.30.578025
PMID:38352531
|
研究论文 | 提出了RNA3DB，一个基于蛋白质数据银行的结构化RNA数据集，专为训练和基准测试深度学习模型而设计，解决了RNA结构预测中数据重叠和性能评估的问题 | 通过序列和结构双重非冗余的分组方法（Component）创建训练/验证/测试集，确保测试集在序列和结构上均与训练集无重叠，避免性能评估的膨胀 | 数据和评估方法当前未超越CASP15中传统方法的性能表现 | 为RNA结构预测的深度学习模型提供更严格的基准数据集和训练/测试划分方法 | 蛋白质数据银行中解析的RNA三维结构链 | 机器学习 | NA | NA | 深度学习模型 | 三维结构数据 | 源于PDB的RNA三维链，数据集被分为Component组，采用约70/30的训练/测试比例 | NA | NA | NA | NA |
| 259 | 2026-07-21 |
Modelling future bone mineral density: Simplicity or complexity?
2024-10, Bone
IF:3.5Q2
DOI:10.1016/j.bone.2024.117178
PMID:38972532
|
研究论文 | 比较简单统计模型与深度学习模型在预测未来骨密度方面的性能 | 首次系统比较了基于深度学习的复杂模型与简单统计模型在预测个体未来骨密度方面的表现，并揭示了不同性别下的模型性能差异 | 研究局限于白种人样本，且女性占比过高，可能影响模型在不同人群中的泛化能力 | 探索有效方法将骨密度变化纳入临床算法，以改善骨密度测量时机和骨折风险评估 | 40-90岁白人成年人，进行了两次及以上髋部DXA扫描的个体 | 机器学习 | 骨质疏松 | DXA（双能X线吸收测定法） | 统计模型（ZBM）、深度学习模型（Hybrid-DL等） | 纵向临床数据（DXA扫描结果） | 2948名白人成年人（2652名女性，296名男性） | NA | Hybrid-DL | NA | NA |
| 260 | 2026-07-21 |
Artificial intelligence: illuminating the depths of the tumor microenvironment
2024-08-29, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05609-6
PMID:39210368
|
综述 | 回顾人工智能在肿瘤微环境评估中的应用发展 | 综述了人工智能在分析肿瘤微环境中各类细胞定量和空间位置特征的应用，揭示其预后预测价值并提供肿瘤治疗新思路 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |