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 43295 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2026-04-07 |
Training bias and sequence alignments shape protein-peptide docking by AlphaFold and related methods
2025-Nov, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70331
PMID:41084281
|
研究论文 | 本研究评估了AlphaFold2-Multimer、AlphaFold3、Boltz-1和Chai-1等深度学习模型在预测蛋白质-肽复合物结构时的性能，并分析了其训练偏差和对序列比对信息的利用方式 | 首次系统比较了四种主流深度学习模型在蛋白质-肽对接任务中的表现，揭示了模型对训练数据中已见结构的偏好性，并深入探究了蛋白质和肽段多重序列比对（MSA）对预测准确性的贡献 | 研究基于实验解析的结构数据集，可能无法完全覆盖所有新型蛋白质或结合位点；肽段序列的MSA通常较浅或质量较差，可能影响模型性能评估 | 评估深度学习模型预测蛋白质-肽复合物结构的性能，并理解其工作原理和局限性 | 蛋白质-肽相互作用复合物 | 计算生物学, 结构生物信息学 | NA | 多重序列比对（MSA）, 深度学习结构预测 | 深度学习模型 | 蛋白质三维结构数据, 序列比对数据 | NA | NA | NA | NA | NA |
| 622 | 2026-04-07 |
Deep learning for automatic vertebra analysis: A methodological survey of recent advances
2025-Oct, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文对近年来基于深度学习的自动椎体分析方法进行了系统性综述，总结了网络架构改进和学习策略设计方面的进展 | 作为该领域最新的综述，全面整合了公开数据集和评估指标，并分析了多模态学习、领域泛化及基础模型集成等未来研究方向 | NA | 系统总结自动椎体分析领域的最新进展，指导未来研究开发鲁棒、可泛化且临床可部署的系统 | 椎体检测与分割方法 | 计算机视觉 | 脊柱相关疾病 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 623 | 2026-04-07 |
Energy-Efficient Machine Learning Based Denoising Techniques for Sustainable Medical Imaging
2025-09-16, Journal of visualized experiments : JoVE
DOI:10.3791/68968
PMID:41052129
|
研究论文 | 本研究提出了一种结合图像增强和K-means聚类预处理的节能型医学图像去噪方法，旨在降低计算成本和能耗 | 提出了一种集成图像锐化核和K-means聚类分割的预处理流程，能有效识别解剖边界和噪声区域，从而提升卷积自编码器的训练效率和去噪效果 | 未明确说明具体使用的CT和MRI公开数据集细节及样本规模，且未详细描述对比实验设置 | 开发节能高效的医学图像去噪技术，以支持可持续医疗成像实践和远程诊断 | CT和MRI医学图像 | 医学影像处理 | NA | 图像去噪 | 卷积自编码器 | 医学图像 | NA | NA | 卷积自编码器 | 峰值信噪比, 结构相似性指数, 分类准确率 | GPU |
| 624 | 2026-04-07 |
Detecting structural heart disease from electrocardiograms using AI
2025-08, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-09227-0
PMID:40670798
|
研究论文 | 本文介绍了一种名为EchoNext的深度学习模型，用于从心电图检测多种结构性心脏病 | 模型基于大规模多样化健康系统的超过100万条心律和影像记录进行训练，能够检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性，优于心脏病专家，且在不同护理环境和种族/民族群体中表现一致 | NA | 利用人工智能扩大心脏病筛查的可及性 | 结构性心脏病 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图（心律记录）和影像记录 | 超过100万条心律和影像记录 | NA | EchoNext | 诊断准确性 | NA |
| 625 | 2026-04-07 |
Impact of spectrum bias on deep learning-based stroke MRI analysis
2025-Jul, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112161
PMID:40359732
|
研究论文 | 本研究评估了在卒中MRI分析中排除不确定急性缺血性病变病例对深度学习工具诊断性能的影响，并识别了与这些不确定病例相关的因素 | 首次量化了排除不确定病例对深度学习工具诊断比值比的放大效应，并识别了MRI伪影、病灶大小、位置和年龄等与诊断不确定性相关的独立因素 | 单中心回顾性研究，可能受选择偏倚影响；未评估不同深度学习模型间的差异 | 评估卒中MRI分析中的谱偏倚，并探究排除不确定病例对深度学习工具诊断性能的影响 | 疑似卒中成年患者的脑部MRI图像 | 数字病理学 | 卒中 | 脑部MRI | 深度学习 | 图像 | 989名患者 | NA | NA | 诊断比值比 | NA |
| 626 | 2026-04-07 |
Foundation model embeddings for quantitative tumor imaging biomarkers
2025-May-29, Research square
DOI:10.21203/rs.3.rs-6630446/v1
PMID:40502795
|
研究论文 | 本研究系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能，并发布了基准测试工具TumorImagingBench | 首次系统性地比较了多种基础模型在定量肿瘤影像生物标志物提取任务中的表现，并分析了模型对临床变异性的鲁棒性和可解释性 | 仅使用了六个公开数据集（共3244个扫描），可能无法涵盖所有临床场景和肿瘤类型 | 评估医学影像基础模型在提取可靠定量放射组学表型方面的能力 | 肿瘤影像数据 | 医学影像分析 | 肿瘤 | 深度学习 | 基础模型 | 医学影像扫描 | 3244个扫描（来自六个公开数据集） | NA | 多种架构（具体未说明） | 终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性 | NA |
| 627 | 2026-04-07 |
Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100635
PMID:39758130
|
研究论文 | 本研究开发了多种深度学习模型，利用眼底自发荧光图像预测地理萎缩病变的1年生长区域 | 首次使用深度学习模型基于不同时间点的眼底自发荧光图像预测地理萎缩的未来生长区域，并比较了多种输入策略的性能 | 研究为回顾性分析，依赖于特定临床试验的数据，可能限制了模型的泛化能力 | 预测地理萎缩病变的1年生长区域，以支持临床试验决策和临床治疗 | 地理萎缩患者 | 计算机视觉 | 老年性疾病 | 眼底自发荧光成像 | CNN | 图像 | 597名患者的研究眼数据集，分为训练集310例、验证集78例、测试集209例 | NA | U-Net | Dice分数, 决定系数, 平方皮尔逊相关系数 | NA |
| 628 | 2026-04-07 |
De novo designed proteins neutralize lethal snake venom toxins
2025-03, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08393-x
PMID:39814879
|
研究论文 | 本研究利用深度学习方法从头设计蛋白质，以中和蛇毒中的三指毒素，并在体外和小鼠模型中验证了其有效性 | 首次使用深度学习从头设计蛋白质来中和蛇毒中的三指毒素，实现了高结合亲和力、热稳定性及近原子级精度，为下一代抗蛇毒疗法提供了新途径 | 研究主要基于计算设计和有限的实验筛选，尚未进行大规模临床验证，且资源有限环境下的应用潜力需进一步探索 | 开发新型蛋白质以中和蛇毒中的三指毒素，为蛇咬伤提供更安全、经济、可及的治疗方案 | 蛇毒中的短链和长链α-神经毒素及细胞毒素（来自三指毒素家族） | 机器学习 | 蛇咬伤 | 深度学习 | NA | 蛋白质序列和结构数据 | NA | NA | NA | 结合亲和力、热稳定性、中和效果 | NA |
| 629 | 2026-04-07 |
Artificial Intelligence Applications in Cardiac CT Imaging for Ischemic Disease Assessment
2025-02, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.70098
PMID:39927866
|
综述 | 本文综述了人工智能在心脏CT成像中用于缺血性疾病评估的应用 | 强调了AI在心脏CT成像中检测人眼难以察觉的洞察和模式，以提升诊断准确性和效率的潜力 | NA | 探讨AI在心脏CT成像中对缺血性心脏病的评估作用，旨在优化工作流程并提高心脏护理效率 | 心脏CT成像数据，包括斑块负荷、狭窄严重程度和CT衍生的血流储备分数等功能评估 | 医学影像分析 | 心血管疾病 | 心脏CT成像 | 机器学习，深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 630 | 2026-04-07 |
Structure-Based Approaches for Protein-Protein Interaction Prediction Using Machine Learning and Deep Learning
2025-01-17, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15010141
PMID:39858535
|
综述 | 本文总结了利用蛋白质结构信息进行蛋白质-蛋白质相互作用预测的计算方法，重点关注机器学习和深度学习技术 | 通过整合三维空间和生化特征，结构基方法比序列基方法提供更高的生物准确性，并揭示功能位点如结合和催化残基 | 面临高分辨率结构数据有限和有效负采样需求等挑战 | 推动蛋白质-蛋白质相互作用预测，以理解细胞过程并揭示健康和疾病的分子机制 | 蛋白质-蛋白质相互作用 | 机器学习 | NA | 结构基预测 | 机器学习,深度学习 | 蛋白质结构数据 | NA | NA | NA | 预测准确性 | NA |
| 631 | 2026-04-07 |
Utilizing Feature Selection Techniques for AI-Driven Tumor Subtype Classification: Enhancing Precision in Cancer Diagnostics
2025-01-08, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15010081
PMID:39858475
|
综述 | 本文综述了特征选择技术如何通过提高机器学习模型在高维数据集中的可解释性和性能，来应对癌症异质性带来的诊断挑战 | 探讨了人工智能驱动的特征选择在自动化特征提取方面的潜力，并强调了整合深度学习模型和多组学策略的未来方向 | 方法仍面临数据质量保证、过拟合缓解和可扩展性处理等关键限制 | 提升癌症诊断的精确性，特别是肿瘤亚型的分类 | 肿瘤亚型及其生物行为 | 机器学习 | 癌症 | 多组学数据整合 | 机器学习模型，深度学习模型 | 高维数据集 | NA | NA | NA | NA | NA |
| 632 | 2026-04-07 |
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 | 本文开发了一种新框架，用于准确追踪自由活动的普通狨猴的面部特征和三维头部注视方向，并量化了性别和熟悉度对其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面部特征和三维头部注视方向的准确追踪，克服了传统实验中头部固定限制自然行为的挑战 | 研究仅针对狨猴这一物种，且实验环境为受控的竞技场，可能不完全反映完全自然状态下的行为 | 研究社交因素（性别和熟悉度）如何影响非人灵长类动物的社交注视行为 | 自由活动的普通狨猴 | 计算机视觉 | NA | 深度学习计算机视觉工具与三角测量算法 | NA | 视频 | NA | NA | NA | NA | NA |
| 633 | 2026-04-07 |
Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model
2024-10-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae412
PMID:39445422
|
研究论文 | 本研究使用深度学习模型从任务态动态功能连接中预测个体认知特质 | 结合多尺度卷积和长短时记忆层，利用任务态动态功能连接预测认知分数，并证明其比静息态具有更高预测力 | 未发现特定皮层网络在预测中具有显著相关性，且去除混杂因素会显著降低预测性能 | 从神经影像数据中预测个体认知特质，如一般智力和流体智力 | 874名来自人类连接组计划的受试者 | 机器学习 | NA | 功能磁共振成像 | CNN, LSTM | 神经影像数据 | 874名受试者 | NA | 多尺度卷积和长短时记忆层组合模型 | 方差解释率 | NA |
| 634 | 2026-04-07 |
Investigating the role of auditory cues in modulating motor timing: insights from EEG and deep learning
2024-10-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae427
PMID:39475113
|
研究论文 | 本研究通过EEG和深度学习探讨听觉线索在调节运动计时中的作用，重点关注手指敲击任务中的神经机制 | 首次结合深度学习对单试次EEG数据进行分类，以预测行为计时条件，并揭示听觉输入在运动计时中的关键作用 | 在移除EEG数据中的听觉成分后，阶段间的区分变得不确定，突显了在无听觉刺激下隔离运动激活的挑战 | 探究基于动作的计时神经机制，特别是在涉及同步和异步模式的手指敲击任务中 | 12名健康参与者 | 机器学习 | NA | 脑电图 | 深度学习 | 脑电图数据 | 12名参与者 | NA | NA | 分类准确率, 平均异步准确率 | NA |
| 635 | 2026-04-07 |
Performance of Artificial Intelligence in Detecting Diabetic Macular Edema From Fundus Photography and Optical Coherence Tomography Images: A Systematic Review and Meta-analysis
2024-02-01, Diabetes care
IF:14.8Q1
DOI:10.2337/dc23-0993
PMID:38241500
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析评估了人工智能在利用眼底摄影和光学相干断层扫描图像检测糖尿病性黄斑水肿方面的性能 | 首次通过荟萃分析综合评估了基于FP和OCT图像的AI算法在DME检测中的性能，并识别了影响模型性能的潜在因素，如深度学习技术、训练数据集规模和多样性 | 分析受到算法结果未标准化、患者人口统计学数据不足、OCT体积扫描数据缺乏以及外部验证数据不充分的限制 | 评估人工智能从眼底摄影或光学相干断层扫描图像中检测糖尿病性黄斑水肿的性能，并识别影响模型性能的潜在因素 | 使用人工智能从眼底摄影或光学相干断层扫描图像中检测糖尿病性黄斑水肿的研究 | 医学影像分析 | 糖尿病性黄斑水肿 | 眼底摄影，光学相干断层扫描 | 深度学习 | 图像 | 53项研究被纳入荟萃分析 | NA | NA | AUROC，灵敏度，特异性 | NA |
| 636 | 2026-04-07 |
Deep Learning of Coronary Calcium Scores From PET/CT Attenuation Maps Accurately Predicts Adverse Cardiovascular Events
2023-05, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2022.06.006
PMID:36284402
|
研究论文 | 本研究开发了一种深度学习模型，用于从PET/CT衰减校正扫描中自动量化冠状动脉钙化评分，以预测心血管不良事件 | 首次将原本为视频应用开发的深度学习模型应用于PET/CT衰减校正扫描，实现冠状动脉钙化评分的全自动快速量化，无需改变现有扫描协议 | 研究主要基于外部队列验证，且未详细讨论模型在不同人群或设备间的泛化能力 | 开发一种深度学习模型，从PET/CT衰减校正扫描中自动定义冠状动脉钙化评分，以预测心血管不良事件风险 | 接受PET/CT成像的患者，包括有心血管不良事件随访数据的队列 | 数字病理学 | 心血管疾病 | PET/CT成像，心电图门控CT扫描 | 深度学习模型 | CT扫描图像 | 训练集：9,543张专家标注的CT扫描；测试集：4,331名患者（其中2,737名有配对的心电图门控CAC扫描） | NA | NA | 风险比，净重分类改善，阴性预测值 | NA |
| 637 | 2026-04-07 |
Sparse deep neural networks on imaging genetics for schizophrenia case-control classification
2021-06-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.25387
PMID:33724588
|
研究论文 | 本研究提出了一种稀疏深度神经网络方法，用于精神分裂症病例-对照分类，通过L1范数正则化实现稀疏特征选择，以提高可解释性 | 在深度神经网络输入层引入L1范数正则化进行稀疏特征选择，使模型能够直接解释原始特征，并有效融合灰质体积和单核苷酸多态性数据 | 未详细讨论模型在不同扫描协议数据集上的性能波动原因，且外部验证样本量相对较小 | 开发可解释的深度学习方法，用于精神分裂症的病例-对照分类和生物标志物识别 | 精神分裂症患者和对照个体的灰质体积及单核苷酸多态性数据 | 机器学习 | 精神分裂症 | 灰质体积测量，单核苷酸多态性分析 | 深度神经网络 | 影像遗传学数据 | 训练集634人，外部验证集三个独立数据集（分别394人、255人、160人） | NA | 稀疏深度神经网络 | 错误率 | NA |
| 638 | 2026-04-07 |
VEHiCLE: a Variationally Encoded Hi-C Loss Enhancement algorithm for improving and generating Hi-C data
2021-04-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-88115-9
PMID:33893353
|
研究论文 | 本文提出了一种名为VEHiCLE的深度学习算法，用于提高Hi-C接触数据的分辨率 | VEHiCLE算法结合了变分自编码器和对抗训练策略，并引入了四种损失函数（对抗损失、变分损失、染色体拓扑启发的绝缘损失和均方误差损失），以增强接触图，使其更适用于下游分析，同时提供了对生物意义和人类可解释特征提取的新见解，并允许用户调整生成合成Hi-C数据 | NA | 提高Hi-C接触数据的分辨率，以改善染色质构象分析 | Hi-C接触数据 | 机器学习 | NA | Hi-C | 变分自编码器, GAN | 接触图 | NA | NA | 变分自编码器 | NA | NA |
| 639 | 2026-04-07 |
A Hybrid Model for Family History Information Identification and Relation Extraction: Development and Evaluation of an End-to-End Information Extraction System
2021-Apr-22, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/22797
PMID:33885370
|
研究论文 | 本文开发并评估了一个用于从电子健康记录中提取家族史信息的端到端信息提取系统 | 提出了一种结合机器学习和基于规则方法的混合模型，用于实体识别和关系提取，并利用额外标注数据和临床文本嵌入模型提升性能 | 未明确说明系统在更广泛数据集或不同医疗环境中的泛化能力 | 开发一个高性能的端到端信息提取系统，用于从非结构化自由文本中识别家族成员和观察结果及其关系 | 电子健康记录中的非结构化自由文本笔记 | 自然语言处理 | NA | 自然语言处理 | 双向长短期记忆深度学习模型, 在线梯度下降模型 | 文本 | 使用了2019年n2c2/OHNLP共享任务数据集、BioCreative/OHNLP 2018语料库以及MIMIC-III临床数据库的临床笔记 | NA | 双向长短期记忆 | 精确率, 召回率, F1分数 | NA |
| 640 | 2026-04-07 |
Evaluating recommender systems for AI-driven biomedical informatics
2021-04-19, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaa698
PMID:32766825
|
研究论文 | 本文研究了一种基于网络AI平台的自动化生物医学数据科学方法，通过推荐模型选择和实验来简化机器学习在生物信息学中的应用 | 提出基于矩阵分解的推荐系统在自动化机器学习中优于元学习方法，并开发了AI驱动的平台PennAI，能够自动选择和配置算法，减少计算负担 | 研究主要基于165个分类问题进行验证，可能未覆盖所有生物医学数据类型；自动化方法可能无法完全替代专家手动调参 | 自动化生物医学数据科学，使缺乏机器学习或编程经验的领域专家能够轻松应用机器学习 | 生物信息学数据，特别是脓毒性休克预测的临床数据 | 机器学习 | 脓毒性休克 | 机器学习自动化 | 矩阵分解推荐系统，深度学习模型 | 生物医学数据 | 165个分类问题 | NA | NA | AUROC | NA |