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 43650 篇文献，本页显示第 901 - 920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 901 | 2026-04-18 |
FetDTIAlign: A deep learning framework for affine and deformable registration of fetal brain dMRI
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121190
PMID:40221066
|
研究论文 | 本文提出了一种名为FetDTIAlign的深度学习框架，专门用于胎儿脑扩散磁共振成像（dMRI）的仿射和非刚性配准 | 提出了一种新颖的双编码器架构和基于特征的迭代推理机制，有效降低了噪声和低分辨率的影响，并针对仿射和非刚性配准的不同挑战，策略性地采用了不同的网络配置和领域特异性图像特征 | 未明确说明模型在更广泛胎龄范围或不同病理条件下的泛化能力 | 开发一种适用于胎儿脑dMRI的精确空间配准方法，以支持纵向和横断面神经发育研究 | 胎儿脑扩散磁共振成像（dMRI）数据 | 医学图像处理 | 神经发育 | 扩散磁共振成像（dMRI） | 深度学习 | 医学图像（扩散磁共振成像） | 涵盖胎龄23至36周的胎儿脑dMRI数据集，包含60个白质束 | 未明确说明 | 双编码器架构 | 解剖对应性，视觉对齐效果 | NA |
| 902 | 2026-04-18 |
Interpretable deep learning for deconvolutional analysis of neural signals
2025-Apr-16, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2025.02.006
PMID:40081364
|
研究论文 | 本文提出了一种可解释的深度学习方法DUNL，用于神经信号的解卷积分析，通过算法展开设计稀疏解卷积神经网络架构，并直接解释网络权重与刺激驱动的单神经元活动之间的关系 | 首次将算法展开方法应用于神经信号解卷积，设计可解释的稀疏解卷积神经网络，直接关联网络权重与神经元活动，提供对神经活动的机制性理解 | 未明确说明方法在更复杂神经场景或大规模数据集上的泛化能力，以及计算效率的具体评估 | 开发可解释的深度学习方法以分析神经信号，揭示神经活动与刺激之间的机制性联系 | 多个脑区的神经信号，包括中脑多巴胺神经元、躯体感觉丘脑、梨状皮层和纹状体 | 机器学习 | NA | 神经信号记录 | 稀疏解卷积神经网络 | 神经信号数据 | NA | NA | 基于算法展开的稀疏解卷积神经网络 | NA | NA |
| 903 | 2026-04-18 |
Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease
2025-Apr-02, Alzheimer's research & therapy
DOI:10.1186/s13195-025-01705-x
PMID:40176187
|
研究论文 | 本研究利用深度学习网络整合方法，结合蛋白质组学和蛋白质相互作用数据，揭示了在阿尔茨海默病早期阶段调节Aβ与tau蛋白相互作用的新型细胞因子 | 首次将深度学习网络整合方法BIONIC应用于阿尔茨海默病机制研究，发现了GPNMB+小胶质细胞作为Aβ-tau相互作用的新型调节因子 | 研究主要基于ROSMAP队列的蛋白质组数据，需要在其他独立队列中进行验证；网络分析方法对数据质量和完整性依赖较高 | 揭示阿尔茨海默病中淀粉样蛋白β与tau蛋白相互作用的调节机制，寻找新的治疗靶点 | 轻度认知障碍和早期阿尔茨海默病患者 | 生物信息学 | 阿尔茨海默病 | 蛋白质组学，蛋白质-蛋白质相互作用分析，深度学习网络整合 | 深度学习 | 蛋白质组数据，基因表达数据，组织病理学数据 | ROSMAP队列样本（具体数量未在摘要中说明） | BIONIC | 深度学习网络整合模型 | 统计显著性（Benjamini-Hochberg校正p<0.05），线性回归分析，互信息分析 | NA |
| 904 | 2026-04-18 |
Throw out an oligopeptide to catch a protein: Deep learning and natural language processing-screened tripeptide PSP promotes Osteolectin-mediated vascularized bone regeneration
2025-Apr, Bioactive materials
IF:18.0Q1
DOI:10.1016/j.bioactmat.2024.11.011
PMID:39734571
|
研究论文 | 本研究结合深度学习和自然语言处理技术，从蛋白质的无序区域中筛选出具有促血管生成和成骨活性的三肽PSP，并验证其在促进血管化骨再生中的作用机制 | 首次提出结合深度学习和自然语言处理的复合模型算法，用于从蛋白质无序区域中筛选生物活性肽；发现三肽PSP可作为“启动”剂，通过激活Osteolectin产生和细胞外囊泡释放来促进血管化骨再生 | 研究主要基于小鼠颅骨缺损模型，临床转化潜力尚需进一步验证；筛选的蛋白质数据集（262个相关蛋白）规模有限 | 开发更安全高效的促血管生成治疗替代方案，以促进骨再生 | 蛋白质无序区域中的生物活性肽、内皮细胞、骨髓间充质干细胞、小鼠颅骨缺损模型 | 自然语言处理, 机器学习 | 骨缺损 | 深度学习, 自然语言处理, 生物信息学筛选 | 深度学习模型, 自然语言处理模型 | 蛋白质序列数据, 文本数据（文献信息）, 实验数据 | 262个相关蛋白质的无序区域 | NA | NA | NA | NA |
| 905 | 2026-04-18 |
Analyzing heterogeneity in Alzheimer disease using multimodal normative modeling on imaging-based ATN biomarkers
2025-Apr, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70143
PMID:40235115
|
研究论文 | 本研究采用基于深度学习的多模态规范建模框架，分析阿尔茨海默病（AD）患者中基于成像的ATN（淀粉样蛋白-τ蛋白-神经变性）生物标志物的个体水平异质性 | 首次将深度学习驱动的多模态规范建模应用于ATN成像生物标志物，以量化AD的个体异质性，并开发了结合空间范围和异常偏差幅度的个体疾病严重程度指数（DSI） | 研究依赖于横断面数据，未评估纵向变化；样本量相对有限（发现队列n=665，复制队列n=430），且仅基于成像生物标志物，未整合其他临床或分子数据 | 探究阿尔茨海默病在成像生物标志物上的异质性，并开发个体化疾病严重程度评估指标 | 阿尔茨海默病患者及淀粉样蛋白阴性对照个体 | 数字病理学 | 阿尔茨海默病 | T1加权磁共振成像（MRI）、淀粉样蛋白正电子发射断层扫描（PET）、τ蛋白正电子发射断层扫描（PET） | 深度学习 | 图像 | 发现队列665人，复制队列430人 | NA | NA | 疾病严重程度指数（DSI） | NA |
| 906 | 2026-04-18 |
Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI
2025-Mar-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.28.25323105
PMID:40093221
|
研究论文 | 本研究利用结构MRI、人口统计学数据和可解释人工智能，探讨了精神分裂症分类、性别差异和脑年龄预测中的多变量区域模式 | 整合深度学习模型与SHAP可解释性方法，识别精神分裂症、性别差异和脑年龄相关的个性化多变量脑区模式 | 未明确提及样本量限制、模型泛化能力或外部验证结果 | 研究精神分裂症分类、性别差异和脑年龄预测中的多变量脑区模式 | 精神分裂症患者和健康对照者的结构MRI数据及人口统计学信息 | 医学影像分析 | 精神分裂症 | 结构MRI | 深度学习神经网络, 支持向量机, k近邻, Lasso回归, 岭回归, 支持向量回归 | 图像, 人口统计学数据 | NA | NA | NA | NA | NA |
| 907 | 2026-04-18 |
Noncoding variants and sulcal patterns in congenital heart disease: Machine learning to predict functional impact
2025-Feb-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111707
PMID:39877905
|
研究论文 | 本研究利用深度学习模型预测非编码变异对基因调控信号的影响，并探讨其与先天性心脏病患者脑沟模式的关联 | 首次将深度学习模型应用于预测非编码变异对H3K9me2修饰的影响，并揭示其与先天性心脏病患者右侧顶叶脑沟模式的关联 | 研究样本仅限于先天性心脏病患者，未考虑其他混杂因素对脑沟模式的影响 | 探究非编码变异对先天性心脏病患者脑沟模式的影响机制 | 先天性心脏病患者及无先天性心脏病的对照人群 | 机器学习 | 先天性心脏病 | 深度学习 | 深度学习模型 | 基因变异数据、脑沟模式数据 | 先天性心脏病患者队列及无先天性心脏病的对照队列 | NA | NA | NA | NA |
| 908 | 2026-04-18 |
Global Land Use Change and Its Impact on Greenhouse Gas Emissions
2024-12, Global change biology
IF:10.8Q1
DOI:10.1111/gcb.17604
PMID:39614423
|
研究论文 | 本文通过合成29年全球历史数据，利用结构方程模型和深度学习模型，分析了全球土地利用变化对温室气体排放的影响，并预测了未来排放趋势 | 结合长期全球历史数据，首次使用结构方程模型量化土地利用与温室气体排放的关联，并应用深度学习模型进行未来排放预测 | 模型预测基于当前趋势延续假设，未考虑未来可能出现的突发性政策、技术或自然变化 | 探究全球土地利用变化对温室气体排放的影响，并预测未来排放情景 | 全球陆地表面，包括人工表面、农田、牧场、森林和荒地等土地利用类型 | 环境科学 | NA | 结构方程建模，深度学习 | 深度学习模型 | 时间序列数据，空间数据 | 29年全球历史数据 | NA | NA | NA | NA |
| 909 | 2026-04-18 |
Detection and prioritization of COVID-19 infected patients from CXR images: Analysis of AI-assisted diagnosis in clinical settings
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.045
PMID:39734754
|
研究论文 | 本文介绍了基于人工智能的Covid放射成像系统（Co.R.S.A.）项目的研究成果，旨在通过胸部X光图像诊断新冠肺炎 | 提出了一个基于两步法的检测模型，结合客观放射学发现提供可靠结果；开发了患者优先级排序方案，确保重症病例优先处理；并进行了临床验证和偏差分析以增强AI系统的可信度 | 未明确说明模型在外部数据集上的泛化能力，以及可能存在的样本选择偏差 | 开发用于新冠肺炎诊断和患者优先级排序的AI系统，并评估其在临床环境中的实际效益 | 新冠肺炎患者的胸部X光图像 | 计算机视觉 | 新冠肺炎 | 胸部X光成像 | 深度学习 | 图像 | 未明确说明具体样本数量，但提及了公开的CORDA数据集 | 未明确说明 | 未明确说明具体架构，但提及基于两步法 | 准确性、时间效率 | 未明确说明 |
| 910 | 2026-04-18 |
Leveraging anatomical constraints with uncertainty for pneumothorax segmentation
2024-Dec, Health care science
DOI:10.1002/hcs2.119
PMID:39735285
|
研究论文 | 本文提出了一种结合解剖学约束和不确定性的深度学习方法，用于在二维胸部X光片上分割气胸病变 | 创新性地将“肺+空间”作为解剖学约束引入深度学习模型训练，并利用外部数据集和辅助任务生成约束，同时通过判别器消除不可靠约束，提高了气胸分割的准确性和鲁棒性 | 方法依赖于外部数据集进行辅助任务，可能受领域偏移影响；未在更多疾病或更广泛数据集上验证通用性 | 通过结合医学领域知识，提升深度学习模型在气胸病变分割任务中的性能 | 二维胸部X光片中的气胸病变区域 | 计算机视觉 | 气胸 | 深度学习 | CNN | 图像 | NA | NA | U-Net, LinkNet, PSPNet, VGG-11, MobileOne-S0 | 交并比, Dice相似系数, Hausdorff距离 | NA |
| 911 | 2026-04-18 |
Use of Deep Learning to Identify Peripheral Arterial Disease Cases From Narrative Clinical Notes
2024-11, The Journal of surgical research
IF:1.8Q2
DOI:10.1016/j.jss.2024.09.062
PMID:39454287
|
研究论文 | 本研究利用深度学习技术从电子健康记录的非结构化临床笔记中识别外周动脉疾病患者 | 采用基于BioMed-RoBERTa的深度学习模型，相比传统关键词搜索方法，在识别PAD病例方面表现出更优性能 | 研究依赖于已有的诊断或程序编码作为真实标签，可能无法完全捕获未确诊的PAD患者 | 开发一种从临床叙事文本中自动识别外周动脉疾病患者的替代方法 | 电子健康记录中的非结构化临床笔记 | 自然语言处理 | 心血管疾病 | 自然语言处理 | Transformer | 文本 | 71,355名患者的484,363次就诊记录，包含2,268,062条笔记 | PyTorch, Hugging Face Transformers | BioMed-RoBERTa | 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率 | NA |
| 912 | 2026-04-18 |
Optical Coherence Tomography Versus Optic Disc Photo Assessment in Glaucoma Screening
2024-08-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002392
PMID:38546240
|
综述 | 本文综述了光学相干断层扫描（OCT）和视盘摄影在青光眼筛查中的优势和局限性 | 探讨了人工智能和深度学习模型在提升视盘摄影诊断准确性方面的潜力，并提出了结合OCT客观数据训练AI模型的新方向 | AI模型的有效性依赖于训练数据质量，使用主观分级作为训练数据可能将人类评估的局限性带入系统 | 评估OCT和视盘摄影在青光眼筛查中的准确性、可行性和成本效益 | 青光眼筛查方法 | 数字病理学 | 青光眼 | 光学相干断层扫描（OCT）、视盘摄影 | 深度学习模型 | 图像 | NA | NA | NA | 阳性预测值（PPV） | NA |
| 913 | 2026-04-18 |
Barriers and Potential Solutions to Glaucoma Screening in the Developing World: A Review
2024-08-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002404
PMID:38625838
|
综述 | 本文综述了发展中国家青光眼筛查的障碍，并从不同利益相关者角度提出了解决方案 | 从患者、家属、医疗提供者和系统/管理机构等多方利益相关者视角，系统分析青光眼筛查障碍，并强调结合人工智能和深度学习技术作为潜在创新解决方案 | 基于文献综述的定性分析，可能缺乏实证数据支持具体解决方案的有效性 | 探讨发展中国家青光眼筛查的障碍及潜在解决方案，以改善青光眼的检测与管理 | 发展中国家的青光眼筛查项目及相关利益相关者（患者、家属、医疗提供者、系统/管理机构） | NA | 青光眼 | 文献综述 | NA | 定性数据 | NA | NA | NA | NA | NA |
| 914 | 2026-04-18 |
Systemic lupus in the era of machine learning medicine
2024-03-04, Lupus science & medicine
IF:3.7Q1
DOI:10.1136/lupus-2023-001140
PMID:38443092
|
综述 | 本文综述了机器学习和人工智能在系统性红斑狼疮研究中的应用现状、挑战与未来机遇 | 探讨了机器学习在系统性红斑狼疮这一复杂疾病研究中的新兴应用，包括预测模型构建和新型生物标志物识别 | 大多数预测模型仍需外部验证才能临床采纳，且伦理、治理和监管问题需进一步关注 | 概述机器学习技术在系统性红斑狼疮研究中的应用，讨论当前差距、挑战和机遇 | 系统性红斑狼疮 | 机器学习 | 系统性红斑狼疮 | 监督学习和无监督学习 | 深度学习模型 | 多样化的大数据集 | NA | NA | NA | NA | NA |
| 915 | 2026-04-18 |
Enhancing Spatial Transcriptomics Analysis by Integrating Image-Aware Deep Learning Methods
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160299
|
研究论文 | 本文提出了一种整合空间转录组学和组织病理学图像数据的新方法，以增强对癌症组织中空间异质性的分析 | 通过结合ResNet深度学习模型提取形态学特征，并与基因表达数据联合进行聚类分析，实现了图像感知的特征发现，弥补了传统方法仅依赖基因表达的不足 | 方法主要针对胶质母细胞瘤和三阴性乳腺癌等侵袭性癌症类型，可能在其他癌症或组织类型中的适用性有待验证 | 提升空间转录组学分析能力，通过整合图像数据更好地捕获生物学上有意义的模式 | 胶质母细胞瘤和三阴性乳腺癌患者的组织样本 | 数字病理学 | 胶质母细胞瘤, 三阴性乳腺癌 | 空间转录组学, 组织病理学成像 | CNN | 图像, 基因表达数据 | NA | NA | ResNet-50 | NA | NA |
| 916 | 2024-08-07 |
Correlating Deep Learning-Based Automated Reference Kidney Histomorphometry with Patient Demographics and Creatinine
2023-12-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000299
PMID:37966063
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 917 | 2026-04-18 |
Exposing the Limitations of Molecular Machine Learning with Activity Cliffs
2022-Dec-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.2c01073
PMID:36456532
|
研究论文 | 本研究通过评估24种机器学习和深度学习方法在活性悬崖化合物上的性能，揭示了分子机器学习模型在处理活性悬崖时的局限性，并提出了改进建议 | 首次系统性地评估了多种机器学习方法在活性悬崖化合物上的性能，并开发了开源基准平台MoleculeACE来引导社区关注这一被忽视的挑战 | 所有方法在活性悬崖存在时均表现不佳，且性能存在较大的个案差异，表明当前模型仍难以准确预测此类边缘情况 | 填补活性悬崖对机器学习模型性能影响的知识空白，并推动开发更有效的预测方法 | 从30个大分子靶点中提取的经过整理的生物活性数据，重点关注活性悬崖化合物 | 机器学习 | NA | NA | 机器学习,深度学习 | 分子数据 | 来自30个大分子靶点的生物活性数据 | NA | NA | NA | NA |
| 918 | 2026-04-18 |
Distant supervision for medical concept normalization
2020-09, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2020.103522
PMID:32783923
|
研究论文 | 本文提出了一种利用远程监督方法进行医学概念归一化的新方法，通过从患者讨论论坛自动提取数据来增强训练集 | 通过计算方式从患者讨论论坛创建远程监督数据集，结合医学知识库示例训练模型，在无需人工标注的情况下显著提升分类准确率 | 依赖于合成训练的分类器和现成的医学实体链接器，可能引入噪声或误差 | 解决医学概念归一化任务中大规模概念扩展时的数据标注成本问题 | 非正式医学短语与正式医学概念之间的映射 | 自然语言处理 | NA | 远程监督，句子编码模型，k-最近邻搜索 | 深度学习模型 | 文本 | NA | NA | 句子编码模型 | 分类准确率 | NA |
| 919 | 2026-04-17 |
Helixer: ab initio prediction of primary eukaryotic gene models combining deep learning and a hidden Markov model
2026-Apr, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02939-1
PMID:41286201
|
研究论文 | 本文介绍了Helixer，一种基于人工智能的从头基因预测工具，用于准确预测真核生物基因模型 | 结合深度学习和隐马尔可夫模型，无需RNA测序等额外实验数据，即可跨真菌、植物、脊椎动物和无脊椎动物基因组实现高精度基因预测 | NA | 开发一种广泛适用于多种物种的高精度从头基因预测工具 | 真菌、植物、脊椎动物和无脊椎动物的基因组 | 机器学习 | NA | 从头基因预测 | 深度学习, 隐马尔可夫模型 | 基因组序列数据 | NA | NA | NA | 多种评估指标 | NA |
| 920 | 2026-04-17 |
phyddle: Software for Exploring Phylogenetic Models with Deep Learning
2025-Dec-18, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syaf036
PMID:40366771
|
研究论文 | 介绍phyddle软件，这是一个基于流程的软件，用于使用无似然深度学习方法在系统发育树上执行建模任务 | 开发了phyddle软件，通过深度学习方法处理缺乏可处理似然函数的系统发育模型，扩展了系统发育推断的能力 | NA | 开发一个软件工具，以支持使用深度学习方法进行系统发育建模和推断 | 系统发育树和相关的进化模型 | 机器学习 | NA | 深度学习方法 | 深度学习模型 | 系统发育树数据 | NA | NA | NA | 准确性, 覆盖率测试 | NA |