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 43290 篇文献，本页显示第 441 - 460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 2026-04-11 |
Satellite-Based and Street-View Green Space and Adiposity in US Children
2024-12-02, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究利用卫星遥感和街景图像数据，探究了美国儿童居住区绿地暴露与多种肥胖指标之间的关联 | 首次同时结合卫星遥感（NDVI）和街景图像深度学习算法提取的绿地指标，并关联了多种全面的肥胖测量指标（BMI、腰围、总脂肪质量指数、躯干脂肪质量指数），而非仅使用BMI | 研究为观察性研究，不能确定因果关系；绿地暴露测量基于家庭住址，可能未完全捕捉个体的日常活动范围；样本来自特定队列，可能限制结果的普遍性 | 探究居住区绿地暴露与儿童肥胖指标之间的前瞻性关联 | 美国儿童（来自Project Viva队列） | 环境健康与流行病学 | 儿童肥胖 | 卫星遥感（NDVI）、街景图像分析、深度学习算法、双能X射线吸收测定法 | 深度学习算法（未指定具体类型） | 卫星遥感数据、街景图像、人体测量数据 | 843名儿童（基线时平均年龄7.9岁，50.2%为女孩） | NA | NA | 回归系数、95%置信区间 | NA |
| 442 | 2026-04-11 |
Enhancing Amyloid PET Quantification: MRI-Guided Super-Resolution Using Latent Diffusion Models
2024-Dec-01, Life (Basel, Switzerland)
DOI:10.3390/life14121580
PMID:39768288
|
研究论文 | 本研究提出了一种基于潜在扩散模型的MRI引导超分辨率方法，用于增强淀粉样蛋白PET图像的量化精度 | 采用潜在扩散模型进行分辨率恢复，并结合加权L1、L2和MS-SSIM损失在噪声和图像尺度上增强MRI引导重建 | 未明确提及具体局限性 | 解决PET扫描中部分容积效应导致的淀粉样蛋白沉积量化不准确问题 | 阿尔茨海默病患者的淀粉样蛋白PET图像 | 医学影像分析 | 阿尔茨海默病 | PET成像，MRI引导 | 潜在扩散模型 | PET图像，MRI图像 | NA | NA | 潜在扩散模型 | 量化准确性，示踪剂间变异性，纵向变化检测统计功效 | NA |
| 443 | 2026-04-11 |
Deep-Learning Model for Mortality Prediction of ICU Patients with Paralytic Ileus
2024-Nov-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11121214
PMID:39768031
|
研究论文 | 本文提出了一种基于深度学习的预测框架DLMP，用于预测ICU中麻痹性肠梗阻患者的死亡率 | 通过SHAP分析筛选出六个关键临床实验室指标，结合一个人口统计学变量，构建了一个仅包含两层神经网络的简化深度学习模型，显著提高了预测性能 | 模型基于单一数据集MIMIC-IV开发，可能缺乏外部验证，且样本量相对有限 | 开发一个简化且可靠的深度学习模型，以预测ICU中麻痹性肠梗阻患者的死亡率 | ICU中的麻痹性肠梗阻患者 | 机器学习 | 麻痹性肠梗阻 | 深度学习，SHAP分析 | 神经网络 | 临床实验室数据，人口统计学数据 | 1017名ICU麻痹性肠梗阻患者 | NA | 两层神经网络 | AUC | NA |
| 444 | 2026-04-11 |
Significance of Artificial Intelligence in the Study of Virus-Host Cell Interactions
2024-07-26, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14080911
PMID:39199298
|
综述 | 本文综述了人工智能（特别是机器学习和深度学习）在病毒-宿主细胞相互作用分子水平研究中的应用及其对药物发现和预防策略的推动作用 | 整合了机器学习和深度学习在预测病毒-宿主细胞蛋白质-蛋白质及蛋白质-糖相互作用、转录翻译分析以及快速药物发现模型开发方面的最新进展，强调了AI在处理大规模遗传和分子数据中的高效性和准确性 | NA | 探讨人工智能在病毒-宿主细胞相互作用研究中的应用，以促进新治疗和预防策略的开发 | 病毒-宿主细胞在分子水平的相互作用，包括蛋白质-蛋白质和蛋白质-糖的相互作用 | 机器学习 | NA | 机器学习，深度学习 | NA | 遗传数据，分子数据，基因组序列，图像 | NA | NA | NA | NA | NA |
| 445 | 2026-04-11 |
Accurate Identification of Spatial Domain by Incorporating Global Spatial Proximity and Local Expression Proximity
2024-06-09, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14060674
PMID:38927077
|
研究论文 | 本文提出了一种名为SECE的深度学习方法，用于准确识别空间转录组学数据中的空间域，通过整合全局空间邻近性和局部表达邻近性来提升识别精度 | SECE方法首次同时捕获了spots之间的局部和全局关系，并利用表达相似性和空间相似性聚合信息，克服了现有方法仅基于局部或全局空间关系进行域分割的局限性 | NA | 提高空间转录组学数据中空间域识别的准确性，以阐明组织微环境和生物功能 | 空间转录组学数据中的spots | 机器学习 | NA | 空间转录组学 | 深度学习 | 空间转录组学数据 | 六个真实空间转录组学数据集，涵盖四个不同平台 | NA | NA | 空间域识别准确率，低维可视化清晰度，轨迹推断准确性 | NA |
| 446 | 2026-04-11 |
Deep learning methods in metagenomics: a review
2024-Apr, Microbial genomics
IF:4.0Q2
DOI:10.1099/mgen.0.001231
PMID:38630611
|
综述 | 本文综述了深度学习在宏基因组学中的应用，包括卷积网络、自编码器和注意力模型等方法 | 深度学习为宏基因组学分析提供了新颖且有前景的补充方法，能够处理微生物组分析的多个方面，如新病原体检测、序列分类、患者分层和疾病预测，并强调可解释性 | NA | 综述深度学习在宏基因组学中的应用，以改进患者护理并更好地理解微生物组在健康中的关键作用 | 宏基因组数据，特别是人类肠道等微生物环境的数据 | 机器学习 | NA | 宏基因组测序 | CNN, 自编码器, 注意力模型 | 序列数据 | NA | NA | NA | NA | NA |
| 447 | 2026-04-11 |
Workshop summaries from the 2024 voice AI symposium, presented by the Bridge2AI-voice consortium
2024, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2024.1484818
PMID:39540145
|
研讨会总结 | 本文总结了2024年语音AI研讨会的内容，该研讨会由Bridge2AI-Voice联盟组织，旨在探讨语音生物标志物和人工智能在医疗保健中的最新进展 | 通过跨学科研讨会形式，整合了学术界、工业界和医疗保健领域的专家，共同探讨语音生物标志物研究的标准化、伦理实践和实际部署挑战 | 研讨会内容基于转录和总结，可能无法完全捕捉所有讨论细节；且未涉及具体模型性能的量化评估 | 促进语音生物标志物和人工智能在医疗保健领域的开发与应用，推动跨领域合作 | 语音生物标志物、人工智能在医疗保健中的应用、语音数据收集与伦理实践 | 自然语言处理 | 语音障碍 | 语音信号处理、深度学习、机器学习运维 | 深度学习模型 | 语音数据 | NA | Whisper, ChatGPT | NA | NA | NA |
| 448 | 2026-04-11 |
trRosettaRNA: automated prediction of RNA 3D structure with transformer network
2023-11-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-42528-4
PMID:37945552
|
研究论文 | 本文介绍了trRosettaRNA，一种基于深度学习的自动化方法，用于预测RNA三维结构，并在基准测试和盲测中表现出色 | 开发了首个结合transformer网络和能量最小化的自动化RNA三维结构预测方法，在CASP15和RNA-Puzzles实验中与顶尖人工预测结果竞争 | 对于合成RNA的准确结构预测仍具有挑战性 | 解决RNA三维结构预测的长期难题 | RNA分子 | 机器学习 | NA | 深度学习 | Transformer | RNA序列和结构数据 | NA | NA | Transformer | 均方根偏差Z分数 | NA |
| 449 | 2026-04-11 |
Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors
2023-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.6.064504
PMID:38162317
|
研究论文 | 评估预训练的深度学习模型在胸部X光片上分类COVID-19阳性和阴性患者的表现，并考虑图像采集参数、临床因素和患者人口统计学 | 通过比较不同图像采集技术（标准与软组织X光）和临床因素（如病毒变体、免疫状态）来评估模型性能，并探讨了模型在新测试集上性能下降的原因 | 模型在新测试集上性能显著下降，且时间匹配、免疫状态、疾病严重程度、年龄和性别分布未能完全解释性能差异，表明模型可能存在过拟合和泛化能力不足 | 评估深度学习模型在COVID-19分类任务中的性能，并分析图像采集技术和临床因素对模型表现的影响 | 胸部X光片（标准与软组织图像） | 计算机视觉 | COVID-19 | 胸部X光成像 | CNN | 图像 | 原始数据集9860名患者，当前测试集5893名患者 | NA | DenseNet-121 | ROC AUC | NA |
| 450 | 2026-04-11 |
Weakly supervised perivascular spaces segmentation with salient guidance of Frangi filter
2023-06, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29593
PMID:36692103
|
研究论文 | 本文提出了一种结合Frangi滤波器与卷积神经网络的弱监督3D血管周围空间分割模型 | 通过条件随机场理论将基于规则的Frangi滤波器与U-Net深度学习算法结合，实现弱监督学习，减少对大规模标注数据的依赖 | 未明确说明模型在更广泛数据集上的泛化能力或计算效率的具体限制 | 开发用于血管周围空间分割的弱监督3D分割模型，提高分割准确性并区分PVS与白质高信号 | 人类连接组计划数据中的血管周围空间 | 数字病理学 | NA | Frangi滤波器，卷积神经网络 | CNN | 3D图像 | 人类连接组计划数据，具体样本数量未明确 | NA | U-Net | 真阳性率，假阳性率 | NA |
| 451 | 2026-04-11 |
Automatic International Hidradenitis Suppurativa Severity Score System (AIHS4): A novel tool to assess the severity of hidradenitis suppurativa using artificial intelligence
2023-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13357
PMID:37357665
|
研究论文 | 本文介绍了一种基于人工智能的自动国际化脓性汗腺炎严重程度评分系统（AIHS4），用于评估化脓性汗腺炎的严重程度 | 开发了首个自动化的IHS4评分工具，利用基于YOLOv5架构的深度学习模型进行病变检测，并通过专家共识和知识统一算法训练 | 当前数据集规模可能有限，未具体说明模型在更广泛人群或不同设备上的泛化能力 | 开发一种自动化工具来评估化脓性汗腺炎的严重程度，以辅助临床实践和临床试验 | 化脓性汗腺炎患者的皮肤图像 | 计算机视觉 | 化脓性汗腺炎 | 深度学习，图像分析 | CNN | 图像 | NA | PyTorch | YOLOv5 | NA | NA |
| 452 | 2026-04-11 |
Deep learning approach to predict pain progression in knee osteoarthritis
2022-Feb, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-021-03773-0
PMID:33835240
|
研究论文 | 本研究开发并评估了深度学习模型，用于预测膝关节骨关节炎患者的疼痛进展 | 首次将深度学习应用于膝关节X光片分析，以预测疼痛进展，并开发了结合传统风险因素和深度学习分析的组合模型 | 研究为回顾性分析，且仅基于特定队列数据，可能无法完全推广到其他人群 | 预测膝关节骨关节炎患者的疼痛进展 | 膝关节骨关节炎患者或有患病风险的人群 | 数字病理学 | 骨关节炎 | X光成像 | 深度学习, 人工神经网络 | 图像 | 9348个膝盖（来自4674名受试者），其中训练集4200个膝盖，测试集500个膝盖 | NA | NA | AUC, 敏感性, 特异性 | NA |
| 453 | 2026-04-11 |
DeepLSR: a deep learning approach for laser speckle reduction
2019-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.10.002869
PMID:31259057
|
研究论文 | 提出了一种名为DeepLSR的对抗性深度学习框架，用于减少激光散斑噪声，将相干照明图像转换为无散斑的非相干照明图像 | 采用对抗性深度学习框架进行激光散斑减少，相比传统方法（如优化非局部均值处理、BM3D和光学散斑减少器）能显著降低噪声（6.4 dB），并可结合光学方法进一步减少至9.4 dB | 未明确提及具体局限性，如泛化能力、计算成本或对不同成像模态的适应性 | 减少激光散斑噪声，提高相干光源成像质量，以支持医疗内窥镜等需要小型照明源和高品质成像的应用 | 使用多波长激光照明的物体和组织宽场图像，以LED照明图像作为真实参考 | 计算机视觉 | NA | 激光照明成像，宽场成像 | GAN | 图像 | 未明确提及具体样本数量，但涉及胃肠道组织图像 | 未明确指定，但基于对抗性深度学习框架 | 未明确指定具体架构，但为对抗性框架 | 散斑噪声减少（dB） | NA |
| 454 | 2026-04-11 |
Deep EHR: A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis
2018-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2017.2767063
PMID:29989977
|
综述 | 本文综述了深度学习技术在电子健康记录分析中的最新进展和应用 | 系统性地总结了深度学习在EHR分析中的多种应用，如信息提取、表示学习、结果预测等，并指出了当前研究的局限性 | 当前研究存在模型可解释性不足、数据异质性、缺乏统一基准等问题 | 调查深度学习技术在电子健康记录分析中的研究现状和应用 | 电子健康记录数据 | 自然语言处理 | NA | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 455 | 2026-04-10 |
Deep Learning Methods for De Novo Peptide Sequencing
2026 May-Jun, Mass spectrometry reviews
IF:6.9Q1
DOI:10.1002/mas.21919
PMID:39611290
|
综述 | 本文综述了深度学习在从头肽段测序中的应用方法、性能评估流程及领域挑战 | 系统总结了自2017年DeepNovo算法以来深度学习主导的从头测序技术发展脉络 | 未提出新的算法模型，主要侧重于现有方法的归纳与讨论 | 探讨深度学习在质谱数据从头肽段测序中的方法学进展与评估标准 | 蛋白质串联质谱数据及其对应的肽段序列 | 机器学习 | NA | 串联质谱 | 多层神经网络 | 质谱数据 | NA | NA | NA | NA | NA |
| 456 | 2026-04-10 |
Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging
2026-May, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70125
PMID:41267329
|
研究论文 | 本研究评估了基于深度学习的模型，用于高频超声（HFUS）图像在B模式和Doppler模式下的皮肤病变二分类 | 通过比较单输入CNN与Unity和Cascade架构，结合B模式和Doppler模式数据，探索了定制化深度学习在非侵入性皮肤病变分类中的潜力 | 未明确提及具体局限性，但暗示网络设计和数据质量会影响性能 | 评估深度学习模型在高频超声图像上对皮肤病变进行二分类的性能 | 高频超声（HFUS）图像，包括B模式和Doppler模式 | 计算机视觉 | 皮肤病变 | 高频超声（HFUS）成像 | CNN | 图像 | NA | NA | CNN, Unity, Cascade | 准确率, AUC | NA |
| 457 | 2026-04-10 |
Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study
2026-May-01, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005639
PMID:41631492
|
研究论文 | 本研究开发并验证了一种基于YOLO11深度学习架构的模型，用于在MRI上自动检测颈脊髓压迫 | 首次将YOLO11架构应用于颈脊髓压迫的自动化检测，并进行了多中心外部验证，模型性能与专家标注高度一致 | 研究为回顾性设计，数据来源于两个医疗中心，可能存在选择偏倚；模型仅针对T2加权矢状位MRI图像 | 开发和验证一个深度学习模型，用于自动化检测MRI上的颈脊髓压迫，以辅助退行性颈脊髓病的诊断 | 疑似退行性颈脊髓病患者的颈椎MRI图像 | 计算机视觉 | 退行性颈脊髓病 | MRI | YOLO | 图像 | 735名患者的1431张矢状位T2加权颈椎MRI图像 | NA | YOLO11 | mAP50, 精确度, 召回率 | NA |
| 458 | 2026-04-10 |
Neutrophil CD14 is a driver and a therapeutic target for deep vein thrombosis
2026-Apr-14, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2025017224
PMID:41512166
|
研究论文 | 本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并验证了其作为治疗靶点的潜力 | 首次通过多组学分析发现DVT早期中性粒细胞CD14过表达，并利用几何深度学习模型DeepPBS揭示了G-CSF通过上调C/EBPα驱动CD14表达的机制 | 研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证 | 探究深静脉血栓形成早期中性粒细胞激活的分子机制并寻找新的治疗靶点 | 骨髓中性粒细胞（小鼠模型）和原代人类中性粒细胞 | 生物医学研究 | 深静脉血栓 | RNA测序, 蛋白质组学, 流式细胞术, 染色质免疫沉淀 | 几何深度学习模型 | 多组学数据（转录组、蛋白质组、流式数据） | 未明确说明具体样本数量 | NA | DeepPBS | 血栓负荷降低, 血栓发生率降低, 中性粒细胞和瓜氨酸化组蛋白H3积累减少 | NA |
| 459 | 2026-04-10 |
DeepFit: Physically and Chemically Informed XAS-Structure Fitting Made Simple
2026-Apr-09, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c04009
PMID:41711252
|
研究论文 | DeepFit提出了一种基于深度学习的通用方法，通过结合光谱失配和量子化学能量的可微分最小化，解决X射线吸收光谱分析中的病态挑战，实现催化剂和材料局部结构的物理化学知情拟合 | 首次将深度学习与量子化学约束相结合，通过E(3)等变神经网络实现XAS数据的物理等变和化学合理结构精修，将定量XAS分析转化为黑盒常规工具 | 主要验证于均相催化剂的实验案例，可能尚未广泛测试于更复杂的材料体系或非过渡金属化合物 | 开发一种简化且准确的X射线吸收光谱结构拟合方法，以克服传统方法的高计算成本和模糊解问题 | 3d/4d过渡金属配合物的局部结构，特别是均相催化剂 | 机器学习 | NA | X射线吸收光谱 | E(3)-equivariant neural network | 光谱数据 | 67,000个理论K边光谱 | NA | E(3)-equivariant neural network | MAE, ROC-AUC | NA |
| 460 | 2026-04-10 |
Integrating Molecular Dynamics and Deep Learning to Elucidate Conformational Plasticity Underlying the Reduced Activity of Glycocin F
2026-Apr-09, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.6c00056
PMID:41885711
|
研究论文 | 本文结合分子动力学与深度学习，揭示了糖肽F（GccF）中α-甲基化导致活性降低的结构动力学机制 | 利用变分自编码器引导的分子动力学框架，量化了微小化学修饰如何通过改变构象可塑性影响肽的功能 | NA | 阐明糖肽F中α-甲基化导致其抗菌活性大幅降低的结构动力学原因 | 糖肽F（GccF）及其α-甲基化变体 | 机器学习 | NA | 分子动力学模拟 | 变分自编码器 | 分子构象数据 | NA | NA | 变分自编码器 | NA | NA |