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 15301 - 15320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15301 | 2025-10-07 |
Novel Domain Knowledge-Encoding Algorithm Enables Label-Efficient Deep Learning for Cardiac CT Segmentation to Guide Atrial Fibrillation Treatment in a Pilot Dataset
2024-Jul-17, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14141538
PMID:39061675
|
研究论文 | 提出一种新型领域知识编码算法，实现小样本下的心脏CT自动分割，用于指导心房颤动治疗 | 开发了领域知识编码（DOKEN）算法，通过编码心脏几何特征和利用公开数字左心房模型来减少对大规模标注数据的依赖 | 仅在房颤消融研究的试点数据集中验证，样本量相对较小 | 开发小样本下的高性能心脏CT自动分割方法，用于指导房颤治疗 | 心房颤动患者的左心房结构 | 医学影像分析 | 心血管疾病 | CT成像 | 深度学习神经网络 | CT图像 | 训练集20例患者，测试集100例患者 | nnU-Net | nnU-Net | Dice系数, 表面距离误差, 质心-边界距离 | NA |
| 15302 | 2025-10-07 |
Efficient deep learning-based automated diagnosis from echocardiography with contrastive self-supervised learning
2024-Jul-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00538-3
PMID:38971887
|
研究论文 | 开发基于对比自监督学习的心动图视频自动诊断方法EchoCLR | 首个针对心动图视频的自监督对比学习方法，结合患者识别和帧重排序任务 | 主要针对左心室肥厚和主动脉瓣狭窄两种心脏疾病 | 开发标签高效的心动图视频自动诊断方法 | 心动图视频数据 | 计算机视觉 | 心血管疾病 | 心动图 | 深度学习 | 视频 | 519项研究（10%训练数据）和53项研究（1%训练数据） | NA | NA | AUROC | NA |
| 15303 | 2025-03-15 |
Cough-DL: A Deep Learning Model for Ear-Worn Cough Detection
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/EMBC53108.2024.10782702
PMID:40039966
|
研究论文 | 本文介绍了一种名为Cough-DL的深度学习模型，用于通过耳戴设备检测咳嗽 | 通过信号处理增强、创新的数据增强技术和精细的建模方法，提高了模型在环境中的鲁棒性，特别是在降低误报率和背景噪声干扰方面 | 未提及具体的研究限制 | 开发一种能够在实际环境中准确检测咳嗽的自动检测系统 | 咳嗽检测 | 机器学习 | 肺部疾病 | 深度学习 | 深度学习模型 | 音频信号 | 未提及具体样本数量 | NA | NA | NA | NA |
| 15304 | 2025-10-07 |
Deep learning survival model predicts outcome after intracerebral hemorrhage from initial CT scan
2024-Jun-16, European stroke journal
IF:5.8Q1
DOI:10.1177/23969873241260154
PMID:38880882
|
研究论文 | 本研究开发了一种基于深度学习的生存模型，通过初次CT扫描预测脑出血后的功能结局 | 首次将深度学习模型与生存分析框架结合，仅使用入院非增强CT扫描即可预测脑出血患者的长期功能损害 | 研究样本量相对有限，外部验证仅在一个独立队列中进行 | 预测脑出血患者的长期功能损害，为患者护理和康复策略规划提供依据 | 脑出血患者 | 医学影像分析 | 脑出血 | 非增强CT扫描 | 深度学习模型 | CT影像 | 882例患者来自麻省总医院ICH研究用于训练，146例患者来自耶鲁纽黑文ICH研究用于外部验证 | NA | NA | c-index, AUC | NA |
| 15305 | 2025-10-07 |
Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage
2024-May-29, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.28.596078
PMID:38853998
|
研究论文 | 通过迁移学习训练深度学习模型，预测转录因子剂量如何影响调控元件的染色质可及性 | 首次将迁移学习应用于预测转录因子剂量变化对染色质状态的定量响应，揭示了顺式调控元件的序列决定因素 | 研究仅针对两种剂量敏感转录因子（TWIST1、SOX9）和面部祖细胞，模型在其他细胞类型和转录因子中的普适性需要进一步验证 | 揭示转录因子剂量变化对染色质状态响应的序列决定因素 | 面部祖细胞中的调控元件染色质可及性 | 计算生物学 | NA | 深度学习, 迁移学习, 报告基因检测, 生物物理建模 | 深度学习模型 | DNA序列数据, 染色质可及性数据 | NA | NA | NA | 实验重现性准确度 | NA |
| 15306 | 2025-10-07 |
A Perspective on Protein Structure Prediction Using Quantum Computers
2024-May-14, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00067
PMID:38703105
|
观点论文 | 探讨利用量子计算机进行蛋白质结构预测的框架设计和资源评估 | 提出了系统筛选适合量子优势的蛋白质结构预测问题的框架，并在量子硬件上验证了寨卡病毒NS3解旋酶催化环的结构预测 | 仅作为概念验证，尚未大规模应用，量子资源需求评估仍需完善 | 探索量子计算机在蛋白质结构预测领域的应用潜力 | 蛋白质三维结构预测，特别是寨卡病毒NS3解旋酶催化环 | 量子计算，计算生物学 | 病毒感染（寨卡病毒） | 量子计算，蛋白质结构预测 | NA | 蛋白质序列和结构数据 | NA | NA | NA | 结构预测准确性 | 实用级量子计算机 |
| 15307 | 2025-10-07 |
Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity
2024-May-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.0080
PMID:38477908
|
研究论文 | 本研究利用深度学习模型评估心外膜和心包脂肪组织与心血管疾病的关联并探索其遗传基础 | 首次在大规模人群队列中结合深度学习语义分割和全基因组关联研究分析心外膜和心包脂肪组织的临床意义和遗传机制 | 关联分析在控制腹部内脏脂肪组织体积后不再显著，可能反映了代谢不健康脂肪表型的共同特征 | 评估心外膜和心包脂肪组织与心血管疾病的横断面和前瞻性关联，并阐明其遗传基础 | 英国生物银行44,475名参与者和FinnGen队列453,733名参与者 | 数字病理 | 心血管疾病 | 磁共振成像，全基因组关联研究 | 深度学习 | 磁共振图像，基因数据 | 英国生物银行44,475人，FinnGen队列453,733人 | NA | 语义分割 | 风险比，比值比，Pearson相关系数 | NA |
| 15308 | 2025-10-07 |
Artificial Intelligence Predicts Hospitalization for Acute Heart Failure Exacerbation in Patients Undergoing Myocardial Perfusion Imaging
2024-May-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.123.266761
PMID:38548351
|
研究论文 | 本研究开发了一种结合临床、负荷试验和影像参数的人工智能模型，用于预测接受SPECT/CT心肌灌注成像患者因急性心力衰竭加重住院的风险 | 首次将临床风险因素、负荷变量、SPECT成像参数和深度学习生成的钙化评分整合到AI模型中预测心力衰竭住院风险 | 研究基于单中心数据开发模型，外部验证队列规模相对有限 | 评估人工智能模型能否预测接受心肌灌注成像患者的心力衰竭住院风险 | 接受SPECT/CT心肌灌注成像的心力衰竭患者 | 医学影像分析 | 心血管疾病 | SPECT/CT心肌灌注成像，深度学习钙化评分 | 深度学习 | 临床数据，负荷试验数据，医学影像数据 | 内部队列4,766名患者，外部验证队列2,912名患者 | NA | NA | ROC曲线下面积 | NA |
| 15309 | 2025-10-07 |
scMeFormer: a transformer-based deep learning model for imputing DNA methylation states in single cells enhances the detection of epigenetic alterations in schizophrenia
2024-Jan-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.25.577200
PMID:38328094
|
研究论文 | 提出一种基于Transformer的深度学习模型scMeFormer，用于单细胞DNA甲基化状态插补，并应用于精神分裂症表观遗传学研究 | 首次将Transformer架构应用于单细胞DNA甲基化数据插补，能够在仅保留10%原始CpG位点覆盖度的情况下实现高保真插补 | 未明确说明模型在不同组织类型或疾病中的泛化能力 | 开发单细胞DNA甲基化状态插补方法以增强表观遗传学分析 | 人类前额叶皮层单细胞DNA甲基化数据 | 深度学习 | 精神分裂症 | 单细胞DNA甲基化测序 | Transformer | DNA甲基化状态数据 | 4名精神分裂症患者和4名神经典型对照的前额叶皮层样本 | NA | Transformer | 插补保真度，差异甲基化区域检测能力 | NA |
| 15310 | 2025-10-07 |
Lightweight model-based sheep face recognition via face image recording channel
2024-Jan-03, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skae066
PMID:38477672
|
研究论文 | 提出一种基于YOLOv7的轻量级绵羊面部识别模型YOLOv7-SFR，通过面部图像采集通道和多种优化策略提升识别性能 | 开发了绵羊面部图像采集通道解决人工采集效率低的问题，并在YOLOv7基础上引入混洗注意力模块、Dyhead检测头和深度可分离卷积实现模型轻量化 | 仅使用50只小尾寒羊作为研究对象，样本多样性可能有限 | 开发轻量级绵羊面部识别模型以满足精准畜牧业实际应用需求 | 50只1-3岁小尾寒羊的面部图像 | 计算机视觉 | NA | 图像采集通道，数据增强 | CNN | 图像 | 50只绵羊，经数据增强后共22,000张面部图像 | PyTorch | YOLOv7, YOLOv7-SFR | mAP@0.5, 模型大小, 平均识别时间 | NA |
| 15311 | 2025-03-15 |
Diagnostic-therapeutic management of pulmonary nodules
2024, Klinicka onkologie : casopis Ceske a Slovenske onkologicke spolecnosti
DOI:10.48095/ ccko2024408
PMID:39772821
|
综述 | 本文全面回顾了肺结节的诊断和治疗方法，重点讨论了基于结节形态、大小和生长潜力的恶性潜力评估 | 文章详细分析了现代影像技术，特别是人工智能（AI）在肺结节诊断中的应用，并强调了多学科方法在肺结节诊断和管理中的重要性 | 文章未提及具体的研究局限性 | 优化肺结节的临床诊断和管理，以减少肺癌的死亡率并改善患者预后 | 肺结节 | 数字病理学 | 肺癌 | 人工智能（AI），深度学习技术 | 深度学习 | 影像数据 | NA | NA | NA | NA | NA |
| 15312 | 2025-10-07 |
Discrimination of benign and malignant breast lesions on dynamic contrast-enhanced magnetic resonance imaging using deep learning
2023-Dec-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_325_23
PMID:38156926
|
研究论文 | 本研究评估了深度迁移学习和微调方法在乳腺动态对比增强磁共振成像中区分良恶性病变的能力 | 比较了三种深度学习模型在乳腺DCE-MRI中的性能，并开发了三种微调策略进一步提升模型性能 | 研究样本量有限，仅使用50个额外病变进行验证集测试 | 评估深度学习模型在乳腺DCE-MRI中区分良恶性病变的诊断效能 | 乳腺动态对比增强磁共振成像中的良恶性病变 | 计算机视觉 | 乳腺癌 | 动态对比增强磁共振成像 | CNN | 医学影像 | 训练集未明确数量，验证集包含50个病变 | NA | VGG19, ResNet50, DenseNet201 | 准确率, 精确率, 召回率, F1分数, AUC, Kappa系数 | NA |
| 15313 | 2025-10-07 |
Deep Learning-Based Diagnostic System for Velopharyngeal Insufficiency Based on Videofluoroscopy in Patients With Repaired Cleft Palates
2023 Nov-Dec 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009560
PMID:37815288
|
研究论文 | 本研究开发了基于视频荧光检查的深度学习诊断系统，用于评估腭裂修复术后患者的腭咽闭合不全 | 首次将六种深度学习算法应用于视频荧光检查数据诊断VPI，并与人类专家诊断结果进行系统比较 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发基于深度学习的腭咽闭合不全自动诊断系统 | 腭裂修复术后接受腭咽功能评估的患者 | 计算机视觉 | 腭咽闭合不全 | 视频荧光检查 | CNN | 视频图像 | 714例病例（2010年1月至2019年6月） | NA | VGGNet, ResNet, Xception, ResNext, DenseNet, SENet | AUC | NA |
| 15314 | 2025-10-07 |
Using a New Deep Learning Method for 3D Cephalometry in Patients With Cleft Lip and Palate
2023 Jul-Aug 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009299
PMID:36944601
|
研究论文 | 本研究开发了一种基于3D点云图卷积神经网络的新深度学习方法，用于唇腭裂患者的头影测量标志点自动定位 | 首次将PointNet++模型应用于唇腭裂患者的3D头影测量，通过点云图卷积神经网络分析点间关系进行标志点预测 | 训练数据集规模有限（150例患者），部分标志点检测成功率较低（3个标志点在2mm误差范围内的SDR低于70%） | 开发适用于唇腭裂患者的自动3D头影测量系统 | 唇腭裂患者 | 计算机视觉 | 唇腭裂 | 计算机断层扫描 | 图卷积神经网络 | 3D点云数据 | 150例唇腭裂患者 | NA | PointNet++ | 平均距离误差, 成功检测率 | NA |
| 15315 | 2025-03-14 |
"Optimizing sEMG Gesture Recognition with Stacked Autoencoder Neural Network for Bionic Hand"
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103207
PMID:40071216
|
研究论文 | 本研究提出了一种使用堆叠自编码器神经网络（SAE）进行表面肌电图（sEMG）手势识别的新方法 | 利用堆叠自编码器神经网络进行层次表示学习，从原始sEMG信号中提取有意义的特征，提高了手势分类的精度和鲁棒性 | NA | 优化sEMG手势识别，以增强仿生手的控制技术 | 表面肌电图（sEMG）信号 | 机器学习 | NA | MODWT分解（最大重叠离散小波变换） | 堆叠自编码器神经网络（SAE） | sEMG信号 | NA | NA | NA | NA | NA |
| 15316 | 2025-03-14 |
MOF-KAN: Kolmogorov-Arnold Networks for Digital Discovery of Metal-Organic Frameworks
2025-Mar-13, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00211
PMID:40015927
|
研究论文 | 本文介绍了一种名为MOF-KAN的新型深度学习架构，首次将Kolmogorov-Arnold Networks (KANs)应用于金属有机框架(MOFs)的数字发现 | MOF-KAN是首个将KANs应用于MOFs数字发现的架构，通过精细调整网络架构，其在预测MOFs的多种性能上优于标准的多层感知器(MLPs)，并在低数据量情况下表现出色 | NA | 开发一种准确且数据高效的方法，以导航复杂的化学和结构空间，用于功能性材料（如MOFs）的数字发现 | 金属有机框架(MOFs) | 机器学习 | NA | 深度学习 | Kolmogorov-Arnold Networks (KANs) | 化学和结构数据 | NA | NA | NA | NA | NA |
| 15317 | 2025-03-14 |
A multi-objective function for deep learning-based automatic energy efficiency power allocation in multicarrier noma system using hybrid heuristic improvement
2025-Mar-13, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2461046
PMID:40079096
|
研究论文 | 本文提出了一种基于深度学习的多目标函数，用于在多载波NOMA系统中自动分配能效功率，采用混合启发式改进方法 | 提出了混合缝纫训练和狐猴优化算法（HSTLO）来优化系统参数，并开发了扩张密集循环神经网络（DDRNN）模型以增强系统性能 | 未提及具体的数据集或实验环境，可能限制了结果的普适性 | 提高多载波NOMA系统的能效（EE）并优化系统性能 | 多载波NOMA系统 | 机器学习 | NA | 混合启发式优化算法、深度学习 | 扩张密集循环神经网络（DDRNN） | NA | NA | NA | NA | NA | NA |
| 15318 | 2025-03-14 |
Pd-Modified Microneedle Array Sensor Integration with Deep Learning for Predicting Silica Aerogel Properties in Real Time
2025-Mar-12, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c17680
PMID:40019213
|
研究论文 | 本研究开发了一种集成Pd/Au传感器和深度学习算法的系统，用于实时预测硅气凝胶的物理特性 | 利用电化学阻抗数据、频率和时间参数，结合深度学习模型，实时预测硅气凝胶的物理特性，显著提高了生产过程的优化和监控效率 | 研究主要针对硅气凝胶，未涉及其他材料的预测 | 通过人工智能预测材料特性，优化硅气凝胶的生产过程 | 硅气凝胶的物理特性，包括孔径、孔体积和表面积 | 机器学习 | NA | 电化学阻抗测量 | 深度神经网络 | 电化学阻抗数据、频率和时间参数 | NA | NA | NA | NA | NA |
| 15319 | 2025-03-14 |
Protein-ligand interaction prediction based on heterogeneity maps and data enhancement
2025-Mar-12, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2025.2475229
PMID:40072484
|
研究论文 | 本文提出了一种基于异构图和数据增强的蛋白质-配体相互作用预测模型HGEF-Net，旨在提高药物发现和重定位的效率 | 提出了异质信息学习模块和多层次对比学习的数据增强策略，以及异质注意力整合框架，有效融合分子内和分子间特征，提升模型在稀疏、不平衡数据集上的性能 | NA | 提高蛋白质-配体相互作用预测的准确性和效率，以支持药物发现和重定位 | 蛋白质-配体相互作用 | 机器学习 | NA | 深度学习 | HGEF-Net | 分子数据 | BindingDB数据集和Davis数据集 | NA | NA | NA | NA |
| 15320 | 2025-03-14 |
In-depth and high-throughput spatial proteomics for whole-tissue slice profiling by deep learning-facilitated sparse sampling strategy
2025-Mar-11, Cell discovery
IF:13.0Q1
DOI:10.1038/s41421-024-00764-y
PMID:40064869
|
研究论文 | 本文介绍了一种通过深度学习辅助的稀疏采样策略（S4P）实现高分辨率空间蛋白质组学的方法，用于全组织切片的深度和高通量分析 | 开发了一种新的稀疏采样策略（S4P），结合计算辅助图像重建方法，显著减少了样本数量，实现了厘米级样本的高分辨率空间蛋白质组学分析 | 当前蛋白质组学方法的多重检测能力有限，高空间分辨率的全组织切片映射需要大量的质谱匹配时间 | 实现高分辨率、深度覆盖的空间蛋白质组学分析，以揭示组织和器官中细胞的异质性分布及其功能 | 小鼠大脑组织 | 数字病理学 | NA | 质谱（MS） | 深度学习 | 图像 | 小鼠大脑组织，映射超过9000种蛋白质 | NA | NA | NA | NA |