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 10601 - 10620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10601 | 2025-10-07 |
Integrative Network Analysis Reveals Novel Moderators of Aβ-Tau Interaction in Alzheimer's Disease
2024-Oct-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.14.599092
PMID:39554095
|
研究论文 | 本研究采用深度学习网络整合方法分析阿尔茨海默病中Aβ与tau蛋白相互作用的调节因子 | 首次应用BIONIC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，发现GPNMB+小胶质细胞是Aβ-tau相互作用的新型调节因子 | 研究基于ROSMAP队列数据，需要在其他独立队列中验证结果的普适性 | 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 | 轻度认知障碍和早期阿尔茨海默病患者 | 生物医学信息学 | 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 | 蛋白质组数据, 基因表达数据, 组织病理学数据 | ROSMAP队列样本 | BIONIC | 深度学习网络整合模型 | 线性回归分析, 互信息分析, Benjamini-Hochberg校正 | NA |
| 10602 | 2025-10-07 |
Deep-learning-enabled antibiotic discovery through molecular de-extinction
2024-Jul, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-024-01201-x
PMID:38862735
|
研究论文 | 通过深度学习从灭绝生物蛋白质组中挖掘具有抗菌活性的多肽分子 | 首次将深度学习应用于分子去灭绝领域，从灭绝生物中发掘新型抗生素多肽 | 仅验证了69种预测多肽的实验活性，尚未进行大规模临床验证 | 开发新型抗生素以解决抗生素耐药性问题 | 灭绝生物的蛋白质组多肽序列 | 机器学习 | 细菌感染 | 深度学习预测、多肽合成、实验验证 | 神经网络 | 多肽序列数据 | 10,311,899条多肽序列 | NA | 序列编码器+神经网络集成模型 | 抗菌活性预测准确率 | NA |
| 10603 | 2025-05-17 |
Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781599
PMID:40039079
|
研究论文 | 该研究探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入对阿尔茨海默病分类和痴呆严重程度推断的价值，并在印度和北美人群数据集中进行了测试 | 研究了dMRI作为输入对CNN模型性能的提升，并评估了使用3D CycleGAN方法在训练前对成像数据集进行协调的效果 | 研究主要基于特定的数据集（ADNI和NIMHANS），可能在其他人群中的泛化能力有限 | 提升阿尔茨海默病分类和痴呆严重程度推断的准确性 | 印度和北美人群的脑部MRI扫描数据 | 数字病理学 | 阿尔茨海默病 | 扩散加权MRI（dMRI） | CNN, 3D CycleGAN | MRI图像 | ADNI和NIMHANS队列的数据集 | NA | NA | NA | NA |
| 10604 | 2025-05-17 |
Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782502
PMID:40039209
|
research paper | 本文提出了一种基于变分自编码器（VAE）的PPG信号建模方法，并探讨了其优势和应用 | 提出了一种名为PPG-VAE的模型，能够识别PPG心跳波的局部斜率、去除高频噪声，并生成与现有信号形态匹配的新信号段 | 未提及具体的研究限制 | 探索PPG信号处理的新方法，提高信号分析和合成的能力 | PPG信号 | machine learning | NA | VAE | VAE | signal | NA | NA | NA | NA | NA |
| 10605 | 2025-05-17 |
Integrated Multi-Omics and Whole Slide Images for Survival Prediction in Glioblastoma Using Multiple Instance Learning and Co-Attention
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782321
PMID:40039442
|
研究论文 | 本研究旨在通过整合全切片图像和多组学数据，结合生物通路知识，利用多实例学习和共注意力机制，提高胶质母细胞瘤的生存预测准确性 | 首次将多组学数据与全切片图像结合，利用生物通路知识进行整合，并通过多实例学习和共注意力机制提高预测性能 | 研究样本量相对较小（214例患者），且仅使用了TCGA数据库的数据 | 提高胶质母细胞瘤（GBM）患者的生存预测准确性 | 胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | RNA测序、拷贝数变异分析、DNA甲基化分析 | 多实例学习和共注意力机制 | 全切片图像和多组学数据 | 214例GBM患者，包括447张全切片图像和多种多组学特征 | NA | NA | NA | NA |
| 10606 | 2025-05-17 |
Automatic COVID-19 Detection from Chest X-ray using Deep MobileNet Convolutional Neural Network
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781897
PMID:40039689
|
research paper | 该研究提出了一种基于深度迁移学习MobileNetV2模型的自动检测COVID-19的方法，通过胸部X光片(CXR)进行病毒检测 | 结合预训练的MobileNetV2 CNN模型和SVM分类器，提高了COVID-19检测的准确率，从基线模型的92.28%提升至93.2% | NA | 开发一种自动检测COVID-19的计算工具，以应对全球医疗系统的压力 | 胸部X光片(CXR)数据 | computer vision | lung cancer | deep learning, transfer learning | MobileNetV2, CNN, SVM | image | NA | NA | NA | NA | NA |
| 10607 | 2025-10-07 |
An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome
2024-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.04.597442
PMID:38895386
|
研究论文 | 通过分析扩展的ENCODE ChIP-seq数据集和深度学习模型，系统评估核转录因子与线粒体基因组的关联证据 | 利用十年间大幅扩展的ENCODE数据集（6,153个ChIP实验）结合可解释深度学习模型，首次全面评估核转录因子在线粒体基因组上的占据情况 | 相同转录因子使用不同抗体和ChIP方案检测时，chrM占据证据的可重复性不一致 | 建立核转录因子与线粒体基因组关联的综合目录并重新评估相关证据标准 | 人类和小鼠的核转录因子与线粒体基因组的相互作用 | 计算生物学 | NA | ChIP-seq, 深度学习 | 深度学习模型 | 基因组测序数据 | 6,153个ChIP实验，942种蛋白质（其中763个为序列特异性转录因子） | NA | NA | 可重复性评估 | NA |
| 10608 | 2025-10-07 |
ProkDBP: Toward more precise identification of prokaryotic DNA binding proteins
2024-Jun, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5015
PMID:38747369
|
研究论文 | 开发了一种名为ProkDBP的新型机器学习计算模型，用于更精确地预测原核生物DNA结合蛋白 | 首次专门针对原核生物DNA结合蛋白开发预测模型，结合浅层学习和深度学习算法，采用随机森林变量重要性度量筛选进化显著特征 | 未明确说明模型在哪些特定原核生物类型或条件下的性能差异 | 提高原核生物DNA结合蛋白的预测准确性 | 原核生物DNA结合蛋白 | 机器学习 | NA | 机器学习预测 | LGBM, 随机森林, 浅层学习算法, 深度学习模型 | 蛋白质序列特征数据 | NA | NA | LGBM, 随机森林 | auROC, auPRC, 五折交叉验证准确率 | NA |
| 10609 | 2025-10-07 |
Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning
2024-May-15, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2024.04.006
PMID:38754367
|
研究论文 | 提出Polaris分析流程，通过弱监督深度学习方法实现图像空间转录组学中的单分子点检测 | 结合深度学习细胞分割与点检测模型以及概率基因解码器，为多种空间转录组技术提供统一解决方案 | NA | 开发准确量化单细胞基因表达的空间转录组学分析流程 | 图像空间转录组学数据 | 数字病理学 | NA | MERFISH, seqFISH, ISS | 深度学习 | 图像 | NA | DeepCell | NA | NA | NA |
| 10610 | 2025-10-07 |
Graph neural networks for automatic extraction and labeling of the coronary artery tree in CT angiography
2024-May, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.3.034001
PMID:38756439
|
研究论文 | 提出一种使用深度学习从冠状动脉CT血管造影中自动提取和解剖标记冠状动脉树的方法 | 首次将图卷积神经网络与多分辨率集成方法相结合，利用相邻血管段的几何和图像强度信息进行冠状动脉树的自动提取和标记 | 研究样本量相对较小（104例患者），仅来自两家医院 | 开发全自动的冠状动脉树提取和解剖标记方法，以支持冠状动脉疾病的自动报告 | 冠状动脉CT血管造影扫描图像 | 医学图像分析 | 冠状动脉疾病 | 冠状动脉CT血管造影 | 图卷积神经网络 | 医学影像 | 104名患者来自两家医院的CCTA扫描 | NA | 图卷积神经网络, 多分辨率集成模型 | F1分数 | NA |
| 10611 | 2025-10-07 |
Efficacy of artificial intelligence in reducing miss rates of GI adenomas, polyps, and sessile serrated lesions: a meta-analysis of randomized controlled trials
2024-May, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2024.01.004
PMID:38184117
|
荟萃分析 | 通过荟萃分析评估人工智能在内窥镜手术中降低胃肠道腺瘤、息肉和无蒂锯齿状病变漏诊率的效果 | 首次通过随机对照试验的荟萃分析系统评估AI对多种胃肠道病变漏诊率的综合影响 | 仅纳入7项随机对照试验，样本量有限；对晚期腺瘤漏诊率未见显著改善 | 评估人工智能技术在内窥镜检查中降低病变漏诊率的有效性 | 胃肠道腺瘤、息肉、无蒂锯齿状病变和微小腺瘤 | 医学人工智能 | 胃肠道疾病 | 内窥镜检查 | 卷积神经网络 | 内窥镜图像 | 7项随机对照试验 | NA | NA | 相对风险, 置信区间, P值, Hedges' g | NA |
| 10612 | 2025-10-07 |
Geriatric depression and anxiety screening via deep learning using activity tracking and sleep data
2024-02, International journal of geriatric psychiatry
IF:3.6Q1
DOI:10.1002/gps.6071
PMID:38372966
|
研究论文 | 本研究开发了一种基于活动追踪和睡眠数据的深度学习模型，用于老年人抑郁和焦虑的筛查 | 首次开发基于活动追踪数据的混合输入深度学习模型，用于老年人抑郁和焦虑的多标签识别 | NA | 研究通过消费级腕戴式活动追踪器获取的时序数据训练端到端深度学习模型来识别共病抑郁和焦虑的可行性 | 老年人抑郁和焦虑筛查 | 机器学习 | 老年疾病 | 活动追踪, 睡眠监测 | CNN, LSTM, ResNet | 时间序列数据(步数, 睡眠阶段), 评估分数 | NA | NA | ResNet, CNN, LSTM | 汉明损失 | NA |
| 10613 | 2025-05-17 |
Scoping Review of Deep Learning Techniques for Diagnosis, Drug Discovery, and Vaccine Development in Leishmaniasis
2024, Transboundary and emerging diseases
IF:3.5Q1
DOI:10.1155/2024/6621199
PMID:40303156
|
综述 | 本文对深度学习技术在利什曼病的诊断、药物发现和疫苗开发中的应用进行了范围综述 | 首次对深度学习在利什曼病领域的应用进行全面综述，填补了该领域的研究空白 | 仅对现有文献进行了分析，未进行新的实验验证 | 探讨深度学习技术在利什曼病领域的应用现状和未来发展方向 | 利什曼病的诊断、药物发现和疫苗开发 | 机器学习 | 利什曼病 | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 10614 | 2025-10-07 |
Deep Learning-Based Analysis of Glottal Attack and Offset Times in Adductor Laryngeal Dystonia
2023-Nov-15, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2023.10.011
PMID:37977969
|
研究论文 | 开发基于深度学习的自动化方法测量声门攻击时间和声门偏移时间，用于辅助诊断内收肌型喉肌张力障碍 | 首次提出使用深度学习框架自动从高速视频喉镜数据中测量GAT和GOT参数，为喉肌张力障碍提供客观诊断指标 | 样本量有限，仅包含正常成人和AdLD患者；与手动分析相比差异虽小但未达统计学显著性 | 开发自动化测量方法辅助内收肌型喉肌张力障碍的诊断 | 声音正常成年人和内收肌型喉肌张力障碍患者 | 数字病理学 | 喉肌张力障碍 | 高速视频喉镜 | 深度学习 | 视频 | 声音正常成年人和AdLD患者（具体数量未明确） | NA | NA | 相关性分析 | NA |
| 10615 | 2025-05-17 |
Applications of Artificial Intelligence in Choroid Visualization for Myopia: A Comprehensive Scoping Review
2023 Oct-Dec, Middle East African journal of ophthalmology
IF:0.5Q4
DOI:10.4103/meajo.meajo_154_24
PMID:39959595
|
综述 | 本文综述了人工智能在近视患者脉络膜可视化中的应用，特别是深度学习技术在光学相干断层扫描（OCT）图像中分割脉络膜的效果和角色 | 综合评估了多种AI模型在脉络膜分割中的诊断准确性，并探讨了其在近视诊断和管理中的潜力 | 需要进一步标准化AI方法，并扩大其在更广泛临床环境中的应用 | 评估人工智能在近视患者脉络膜可视化中的应用效果 | 近视患者 | 数字病理 | 近视 | 光学相干断层扫描（OCT） | U-Net, LASSO回归, Attention-based Dense U-Net, ResNeSt101, Mask R-CNN | 图像 | 12项研究，涉及不同近视程度的患者 | NA | NA | NA | NA |
| 10616 | 2025-10-07 |
Deep Learning for Smartphone-Based Malaria Parasite Detection in Thick Blood Smears
2020-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2019.2939121
PMID:31545747
|
研究论文 | 本研究开发了一种基于深度学习的智能手机应用，用于厚血涂片中疟疾寄生虫的自动检测 | 首个能在智能手机上运行的厚血涂片疟疾寄生虫检测深度学习方法，结合了强度-based IGMS快速筛选和定制CNN分类的两步处理流程 | NA | 开发智能手机平台的自动化疟疾寄生虫检测方法 | 厚血涂片中的疟疾寄生虫 | 计算机视觉 | 疟疾 | 厚血涂片成像 | CNN | 图像 | 150名患者的1819张厚血涂片图像 | NA | 定制卷积神经网络 | 准确率, AUC, 灵敏度, 特异度, 精确率, 阴性预测值 | 智能手机平台 |
| 10617 | 2025-10-07 |
A Systematic Review of Detecting Sleep Apnea Using Deep Learning
2019-Nov-12, Sensors (Basel, Switzerland)
DOI:10.3390/s19224934
PMID:31726771
|
系统综述 | 本文对2008-2018年间使用深度学习检测睡眠呼吸暂停的研究进行了系统性回顾分析 | 首次系统性地综述了深度学习在睡眠呼吸暂停检测中的应用，比较了不同深度网络架构的实现方法、预处理需求和优缺点 | 仅纳入了2008-2018年间的21篇文献，可能未覆盖最新研究进展 | 分析深度学习在睡眠呼吸暂停检测中的应用现状，回答不同深度网络的实现方法、预处理需求和网络优缺点等研究问题 | 睡眠呼吸暂停检测相关研究文献 | 机器学习 | 睡眠呼吸暂停 | 深度学习 | 深度神经网络 | 生理信号数据 | 255篇文献中筛选出21篇符合标准的研究 | NA | NA | NA | NA |
| 10618 | 2025-05-16 |
Impact of deep learning reconstruction on radiation dose reduction and cancer risk in CT examinations: a real-world clinical analysis
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11212-6
PMID:39613960
|
research paper | 本研究评估了深度学习重建（DLR）在CT检查中降低辐射剂量和癌症风险的实际效果 | 首次利用真实世界临床数据分析DLR对辐射诱发癌症风险的影响 | 研究为单中心回顾性分析，可能存在选择偏倚 | 评估DLR技术对CT检查辐射剂量和癌症风险的降低效果 | 接受全身CT检查的成年患者 | medical imaging | radiation-induced cancer | deep learning reconstruction (DLR) | NA | CT scan data | 5247 matched cases (pre-DLR) + 5247 matched cases (post-DLR) | NA | NA | NA | NA |
| 10619 | 2025-05-16 |
Evaluation of a deep learning prostate cancer detection system on biparametric MRI against radiological reading
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11287-1
PMID:39699671
|
研究论文 | 本研究评估了一种基于双参数MRI的深度学习系统在检测临床显著性前列腺癌方面的性能，并与放射学解读进行了比较 | 开发了一个3D nnU-Net模型用于前列腺癌检测，在独立测试队列中表现优于放射科医生，特别是在中等和大尺寸病灶检测上 | 对小病灶的检测仍然具有挑战性 | 评估深度学习系统在前列腺癌检测中的性能 | 临床显著性前列腺癌(csPCa)，定义为Gleason Grade Group (GGG) ≥ 2 | 数字病理 | 前列腺癌 | 双参数MRI(bpMRI) | 3D nnU-Net | 医学影像 | 训练集4381例bpMRI病例(3800阳性，581阴性)，测试集328例来自PROSTATEx数据集 | NA | NA | NA | NA |
| 10620 | 2025-05-16 |
The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis
2025-May-15, Brain connectivity
IF:2.4Q3
DOI:10.1089/brain.2024.0084
PMID:40371570
|
系统性综述 | 本文对创伤后应激障碍（PTSD）神经反馈（NF）研究进行了系统性综述和统计分析，探讨了现有研究的不足并提出了改进方向 | 首次对PTSD-NF研究进行了全面的统计分析和分类，提出了改进NF过程评估机制和调制指导的建议 | 研究仅纳入了31项原始研究，样本量较小（EEG-NF平均17.4人，fMRI-NF平均14.6人），且缺乏深度学习方法的运用 | 探讨PTSD-NF研究中存在的问题并提出改进方向 | 创伤后应激障碍（PTSD）患者 | 脑机接口 | 创伤后应激障碍 | 脑电图神经反馈（EEG-NF）和功能磁共振成像神经反馈（fMRI-NF） | 传统统计方法和基础机器学习方法 | 神经信号数据 | EEG-NF研究平均17.4人（SD 7.13），fMRI-NF研究平均14.6人（SD 6.37） | NA | NA | NA | NA |