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 32373 篇文献，本页显示第 9541 - 9560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9541 | 2025-05-31 |
Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4)
2024 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100543
PMID:39139544
|
research paper | 介绍了一种基于深度学习的生物标志物提案系统，用于加速年龄相关性黄斑变性(AMD)的生物标志物发现 | 使用自监督对比学习训练神经网络，无需临床注释即可发现AMD相关特征，并提出新的生物标志物候选 | 研究依赖于视网膜专家的半结构化访谈来解读聚类结果，可能存在主观性 | 加速AMD生物标志物的发现 | 视网膜OCT图像 | digital pathology | geriatric disease | OCT | CNN | image | 3456名51-102岁成年人的46496张视网膜OCT图像 | NA | NA | NA | NA |
| 9542 | 2025-05-31 |
Synthesizing Real-Time Ultrasound Images of Muscle Based on Biomechanical Simulation and Conditional Diffusion Network
2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3445434
PMID:39186423
|
research paper | 提出了一种基于生物力学模拟和条件扩散网络的肌肉实时超声图像合成方法，用于生成大量可靠的合成超声数据集 | 结合生物力学模拟（FEM）、稀疏肌束重建算法和扩散网络，生成多样化的实时超声图像，解决了超声图像斑点噪声导致的标注难题 | 合成图像的逼真度仍需进一步验证，且参数调整可能影响生成数据的多样性 | 开发无需人工扫描标注的肌肉超声图像合成流程，增强深度学习模型的训练和评估 | 肌肉运动超声图像 | medical imaging | NA | finite-element method (FEM), conditional diffusion network | diffusion network | ultrasound images | 3030张合成超声图像 | NA | NA | NA | NA |
| 9543 | 2025-05-31 |
Investigating the Use of Traveltime and Reflection Tomography for Deep Learning-Based Sound-Speed Estimation in Ultrasound Computed Tomography
2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3459391
PMID:39264782
|
研究论文 | 本研究探讨了在超声计算机断层扫描中，使用走时层析成像和反射层析成像作为深度学习输入模态对声速估计的影响 | 提出了一种基于双通道（走时层析成像和反射层析成像）的卷积神经网络方法，用于高分辨率声速重建，相比全波形反演具有更高的计算效率 | 研究主要基于数值乳腺模型，临床数据验证有限 | 提高超声计算机断层扫描中声速估计的准确性和计算效率 | 数值乳腺模型和临床人类乳腺数据 | 医学影像处理 | 乳腺癌 | 超声计算机断层扫描（USCT），走时层析成像（TT），反射层析成像（RT） | CNN | 图像 | 数值乳腺模型和临床人类乳腺数据（具体数量未提及） | NA | NA | NA | NA |
| 9544 | 2025-05-31 |
Expert-guided protein language models enable accurate and blazingly fast fitness prediction
2024-11-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae621
PMID:39576695
|
research paper | 介绍了一种快速准确的蛋白质变异效应预测工具VespaG，该工具利用蛋白质语言模型嵌入作为最小深度学习模型的输入 | 通过使用GEMME作为伪标准创建了一个包含3900万个单氨基酸变异的数据集，提高了预测的可解释性，并且速度比现有方法快几个数量级 | 依赖于GEMME作为伪标准，可能引入偏差 | 开发一种快速准确的蛋白质变异效应预测方法 | 人类蛋白质组中的单氨基酸变异 | machine learning | NA | protein language model (pLM), deep learning | deep learning model | protein sequence data | 39 million single amino acid variants from the human proteome | NA | NA | NA | NA |
| 9545 | 2025-05-31 |
Self-supervised learning for accurately modelling hierarchical evolutionary patterns of cerebrovasculature
2024-10-25, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53550-5
PMID:39455566
|
研究论文 | 本文首次提出了一种流程，用于探索2841名个体的皮质体积（CVs）和动脉体积（AVs）的联合演化，并利用深度学习技术构建了空间层次脑区域的CVs和AVs的规范模型 | 首次提出了一个流程来联合探索皮质体积和动脉体积的演化，并构建了空间层次脑区域的规范模型 | 研究样本虽然较大（2841名个体），但可能无法涵盖所有人群的多样性 | 理解脑血管的正常演化，以检测早期偏差并实现及时干预 | 2841名个体的皮质体积（CVs）和动脉体积（AVs） | 数字病理学 | 阿尔茨海默病（AD）和中风 | 深度学习 | 深度学习模型（未具体说明） | 图像 | 2841名个体 | NA | NA | NA | NA |
| 9546 | 2025-05-31 |
Deep Learning-Based Detection of Carotid Plaques Informs Cardiovascular Risk Prediction and Reveals Genetic Drivers of Atherosclerosis
2024-Oct-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.17.24315675
PMID:39484270
|
research paper | 本研究利用深度学习模型检测颈动脉斑块，评估其在心血管风险预测中的作用，并揭示动脉粥样硬化的遗传驱动因素 | 开发了一个高性能的深度学习模型用于颈动脉斑块检测，发现了两个新的基因组位点，并揭示了颈动脉斑块与心血管事件的关联 | 研究基于UK Biobank数据，可能不适用于其他人群 | 评估颈动脉斑块的流行率、风险因素、预后意义及其遗传结构 | 19,499名UK Biobank参与者的177,757张颈动脉超声图像 | digital pathology | cardiovascular disease | deep learning, GWAS, Mendelian randomization | deep learning model | image | 19,499名参与者，177,757张超声图像 | NA | NA | NA | NA |
| 9547 | 2025-05-31 |
Remote Assessment of Eczema Severity via AI-powered Skin Image Analytics: A Systematic Review
2024-10, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102968
PMID:39213813
|
系统综述 | 本文综述了通过AI驱动的皮肤图像分析远程评估湿疹严重程度的研究现状 | 系统评估了现有研究的质量，并提出了提高工具稳健性和可靠性的建议 | 研究质量受限于数据集挑战，包括患者年龄范围和皮肤光型报告不足，以及非公开数据集和开源代码的缺乏 | 提高远程湿疹严重程度评估算法的准确性和可靠性 | 湿疹严重程度的自动评估 | 数字病理学 | 湿疹 | 深度学习，传统机器学习 | 深度学习模型 | 数字相机图像 | 25篇文章，涉及湿疹区域检测（n=13）和严重程度预测（n=12） | NA | NA | NA | NA |
| 9548 | 2025-05-31 |
Performance evaluation of image co-registration methods in photoacoustic mesoscopy of the vasculature
2024-Sep-25, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad7fc7
PMID:39321985
|
research paper | 评估光声介观成像中图像配准方法在血管网络纵向表征中的性能 | 比较了五种开源配准算法在生理和病理组织中的应用，特别是针对肿瘤血管网络的纵向成像配准 | 配准在光声成像中具有挑战性，主要由于信号复杂性、数据稀疏性、几何伪影、扫描间技术变异性和生物变异性 | 评估和比较不同图像配准方法在光声介观成像中的性能，以实现血管网络的纵向定量表征 | 小鼠耳朵和乳腺癌患者来源的异种移植物的3D血管图像 | digital pathology | breast cancer | photoacoustic mesoscopy | GAN, LocalNet | image | murine ears and breast cancer patient-derived xenografts | NA | NA | NA | NA |
| 9549 | 2025-05-31 |
Deep learning method with integrated invertible wavelet scattering for improving the quality ofin vivocardiac DTI
2024-Sep-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad6f6a
PMID:39142339
|
研究论文 | 提出一种基于无监督学习的可逆小波散射方法，用于提高心脏扩散张量成像的质量 | 使用多尺度小波散射提取近乎变换不变的特征，并通过多尺度编码器和解码器网络学习小波散射系数与扩散加权图像之间的关系 | 未提及具体局限性 | 提高心脏扩散张量成像的质量 | 心脏扩散张量成像数据 | 医学影像处理 | 心血管疾病 | 扩散张量成像(DTI), 小波散射(WS) | 多尺度编码器和解码器网络 | 医学影像 | 三个心脏DTI数据集 | NA | NA | NA | NA |
| 9550 | 2025-05-31 |
Poised PABP-RNA hubs implement signal-dependent mRNA decay in development
2024-Sep, Nature structural & molecular biology
IF:12.5Q1
DOI:10.1038/s41594-024-01363-x
PMID:39054355
|
研究论文 | 该研究利用深度学习解析了细胞信号通路如何通过改变基因表达实现快速转录组重编程的机制 | 揭示了LIN28A磷酸化后与PABP-RNA枢纽的相互作用如何选择性地触发mRNA降解，从而促进多能性状态的转变 | 研究主要聚焦于naive多能性mRNA的降解机制，可能不适用于其他类型的mRNA降解过程 | 探索信号通路如何通过mRNA降解机制快速重塑转录组 | naive多能性mRNA及其降解机制 | 分子生物学 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 9551 | 2025-05-31 |
Deep learning and direct sequencing of labeled RNA captures transcriptome dynamics
2024-Sep, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqae116
PMID:39211330
|
研究论文 | 介绍了一种名为RNAkinet的深度卷积和循环神经网络，用于检测经过代谢标记的新生RNA分子，并通过纳米孔直接RNA测序区分新生和已有RNA分子 | RNAkinet能够直接从纳米孔测序的电信号中处理并区分新生和已有RNA分子，适用于多种细胞类型和生物体，并能量化RNA亚型的半衰期 | NA | 揭示RNA亚型代谢的动力学参数，促进RNA代谢及其调控元件的研究 | RNA亚型 | 自然语言处理 | NA | 纳米孔直接RNA测序 | 深度卷积和循环神经网络 | RNA测序数据 | NA | NA | NA | NA | NA |
| 9552 | 2025-05-31 |
Clinical and genetic associations of asymmetric apical and septal left ventricular hypertrophy
2024-Sep, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae060
PMID:39318696
|
research paper | 本研究探讨了左心室不对称顶端和间隔肥厚的临床和遗传关联 | 使用深度学习衍生的表型研究左心室肥厚区域分布的遗传和临床关联，独立于总左心室质量 | 需要在多民族队列中进行进一步研究 | 研究左心室不对称肥厚的临床和遗传关联及其对心血管疾病风险的影响 | 35,268名UK Biobank参与者 | machine learning | cardiovascular disease | 深度学习 | NA | genetic and clinical data | 35,268名UK Biobank参与者 | NA | NA | NA | NA |
| 9553 | 2025-05-31 |
AlphaFold2 Reveals Structural Patterns of Seasonal Haplotype Diversification in SARS-CoV-2 Nucleocapsid Protein Variants
2024-08-25, Viruses
DOI:10.3390/v16091358
PMID:39339835
|
研究论文 | 利用AlphaFold2揭示SARS-CoV-2核衣壳蛋白变体的季节性单倍型多样化结构模式 | 首次将AlphaFold2应用于SARS-CoV-2核衣壳蛋白变体的结构模式分析，揭示了内在无序区域在病毒进化中的重要性 | 研究依赖于计算模型预测的蛋白质结构，而非实验验证的实际结构 | 探究SARS-CoV-2变体的起源和进化机制 | SARS-CoV-2核衣壳蛋白(N蛋白)的22种单倍型 | 计算生物学 | COVID-19 | AlphaFold2, 从头计算方法, 数据挖掘 | AlphaFold2 | 蛋白质序列和结构数据 | 22种单倍型(来自GISAID数据库截至2023年7月23日的数据) | NA | NA | NA | NA |
| 9554 | 2025-05-31 |
Accurate prediction of protein function using statistics-informed graph networks
2024-Aug-04, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50955-0
PMID:39097570
|
研究论文 | 提出了一种利用统计信息图网络仅从蛋白质序列预测蛋白质功能的方法 | 该方法无需结构信息即可预测蛋白质功能，并通过进化特征量化评估执行特定功能的残基重要性 | NA | 预测蛋白质功能以支持医学、生物技术和药物开发领域的研究 | 蛋白质序列 | 生物信息学 | NA | 统计信息图网络 | 图网络 | 序列数据 | 超过2亿个未表征的蛋白质 | NA | NA | NA | NA |
| 9555 | 2025-05-31 |
Unsupervised representation learning on high-dimensional clinical data improves genomic discovery and prediction
2024-Aug, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-024-01831-6
PMID:38977853
|
research paper | 介绍了一种名为REGLE的无监督深度学习模型，用于发现高维临床数据（HDCD）与遗传变异之间的关联 | REGLE利用变分自编码器计算HDCD的非线性解缠结嵌入，这些嵌入作为全基因组关联研究（GWAS）的输入，能够发现现有专家定义特征未捕获的特征，并在标记数据极少的数据集中构建准确的疾病特异性多基因风险评分（PRSs） | NA | 改进高维临床数据的遗传发现和疾病预测 | 高维临床数据（HDCD） | machine learning | respiratory and circulatory diseases | variational autoencoders, GWAS | variational autoencoders | clinical data | biobank-scale datasets | NA | NA | NA | NA |
| 9556 | 2025-05-31 |
Quantifying social roles in multi-animal videos using subject-aware deep-learning
2024-Jul-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.07.602350
PMID:39026890
|
研究论文 | 介绍了一种基于深度学习的系统LabGym2，用于识别和量化多动物群体中的社会角色 | 采用主体感知方法，评估群体中每个个体的行为状态，同时考虑其社会和周围环境 | NA | 开发自动化工具以分析多动物群体中自由移动个体的社会角色 | 多动物群体中的个体 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 多种物种和实验，包括自由移动昆虫和野外灵长类动物的社会互动 | NA | NA | NA | NA |
| 9557 | 2025-05-31 |
Dynamic risk stratification of worsening heart failure using a deep learning-enabled implanted ambulatory single-lead electrocardiogram
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae035
PMID:39081943
|
研究论文 | 该研究开发了一种基于深度学习的动态风险分层方法，利用植入式单导联动态心电图监测心力衰竭恶化的风险 | 首次将植入式循环记录器的动态心电图数据与深度学习算法结合，用于心力衰竭恶化的动态风险分层 | 研究仅基于回顾性数据，需要前瞻性研究验证 | 开发心力衰竭恶化的早期预警系统 | 心力衰竭患者 | 数字病理学 | 心血管疾病 | 动态心电图监测 | CNN | 心电图数据 | 2247名患者（训练集），909名患者（验证集） | NA | NA | NA | NA |
| 9558 | 2025-05-31 |
CrysFormer: Protein structure determination via Patterson maps, deep learning, and partial structure attention
2024-Jul, Structural dynamics (Melville, N.Y.)
DOI:10.1063/4.0000252
PMID:39148510
|
研究论文 | 提出了一种基于Transformer的模型CrysFormer，利用实验蛋白质晶体学数据和部分结构信息计算蛋白质的电子密度图 | 首次提出直接利用实验蛋白质晶体学数据和部分结构信息的Transformer模型，绕过晶体学相位问题 | 仅在合成数据集上进行了验证，未在真实复杂蛋白质结构上测试 | 解决蛋白质原子级结构确定的长期挑战 | 蛋白质晶体结构 | 计算生物学 | NA | X射线晶体学 | Transformer | Patterson图、蛋白质序列信息 | 两个合成数据集（一个每单位细胞含2个残基，另一个含15个残基） | NA | NA | NA | NA |
| 9559 | 2025-05-31 |
ROBUST QUANTIFICATION OF PERCENT EMPHYSEMA ON CT VIA DOMAIN ATTENTION: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635299
PMID:39267982
|
研究论文 | 本文提出了一种基于域注意力的深度学习框架，用于在CT扫描中稳健量化肺气肿，解决了不同扫描仪类型带来的域偏移问题 | 设计了一种新颖的域注意力块，将图像视觉特征与定量扫描仪先验融合，显著提高了结果 | 需要进一步验证在大规模临床扫描中的适用性 | 开发一种稳健的肺气肿量化方法，适用于不同CT扫描仪的大规模研究 | CT扫描图像中的肺气肿量化 | 数字病理 | 肺气肿 | CT扫描 | UNet, 域注意力块 | CT图像 | NA | NA | NA | NA | NA |
| 9560 | 2025-05-31 |
UNSUPERVISED AIRWAY TREE CLUSTERING WITH DEEP LEARNING: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635651
PMID:39398280
|
research paper | 该研究提出了一种无监督深度学习流程，用于从3D气道分割投影中提取特征并进行聚类，以识别与疾病风险相关的气道亚型 | 首次使用无监督深度学习方法直接从3D气道分割投影中提取特征并进行聚类，识别出四种可重复且临床意义不同的气道亚型 | 对CT分割气道树变异的定量表征仍不完整，对这些变异的临床和发展影响的理解也有限 | 开发一种方法来定量表征CT扫描中气道树的变异，并探索其与疾病风险的关联 | 人类气道树 | digital pathology | COPD | deep learning | unsupervised deep-learning pipeline | 3D CT scans | MESA Lung CT cohort | NA | NA | NA | NA |