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 43379 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 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 |
| 162 | 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 |
| 163 | 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 |
| 164 | 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 |
| 165 | 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 |
| 166 | 2026-04-18 |
Development and Validation of a Deep Learning Strategy for Automated View Classification of Pediatric Focused Assessment With Sonography for Trauma
2022-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.15868
PMID:34741469
|
研究论文 | 本研究开发并验证了一种深度学习策略，用于自动分类儿科创伤超声聚焦评估（FAST）的视图 | 利用大型异质数据集开发深度学习视图分类器，以解决临床医生在获取儿科FAST所有必要视图时缺乏专业知识的技术限制 | 研究为回顾性队列分析，可能受到数据选择和临床实践差异的影响 | 开发准确的深度学习视图分类器，以增强对受伤儿童的评估 | 18岁以下受伤儿童的儿科FAST研究，包括视频片段和静态帧 | 计算机视觉 | 创伤 | 超声成像 | 深度学习分类器 | 视频片段, 静态帧 | 699项FAST研究，包含4925个视频片段和1,062,612个静态帧，由30名不同临床医生执行 | NA | NA | 准确率 | NA |
| 167 | 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 |
| 168 | 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 |
| 169 | 2026-04-17 |
Colorectal mucosal exposure area assessment using artificial intelligence: a multicenter prospective observational study
2026-Mar, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2695-1832
PMID:40902624
|
研究论文 | 本研究提出了一种新的结肠镜检查质量控制指标——累积结直肠黏膜暴露面积（CCMEA），并基于深度学习构建了CCMEA系统，通过多中心前瞻性观察研究验证了该指标的有效性 | 首次提出CCMEA作为结肠镜检查的质量控制指标，并基于ResNet50和UNet++构建了深度学习系统进行自动评估 | 研究为观察性设计，未进行随机对照试验；样本量相对有限（510名参与者）；阈值确定基于特定腺瘤检出率（25%），可能需进一步验证 | 开发并验证一种基于人工智能的结肠镜检查质量评估指标，以提高腺瘤和息肉检出率 | 接受结肠镜检查的患者 | 计算机视觉 | 结直肠癌 | 结肠镜检查 | CNN | 图像 | 510名参与者（合格组270人，不合格组240人） | NA | ResNet50, UNet++ | 腺瘤检出率, 息肉检出率, 调整后比值比, 调整后发生率比 | NA |
| 170 | 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 |
| 171 | 2026-04-17 |
Multiplex design and discovery of proximity handles for programmable proteome editing
2025-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.13.681693
PMID:41279570
|
研究论文 | 本文通过结合蛋白质设计与多重筛选框架，加速发现用于细胞内蛋白质降解、稳定化或重定位的效应器手柄，以推动可编程蛋白质组编辑 | 开发了LABEL-seq测序分析平台，实现了对9715个设计的候选效应器手柄的多重定量筛选，并成功发现了数百个能驱动蛋白质降解或稳定化的效应器手柄，为蛋白质组编辑提供了新工具 | 研究主要基于设计的候选效应器手柄进行筛选，可能未覆盖所有天然存在的效应器；且验证主要针对报告蛋白和特定内源性靶点，通用性需进一步验证 | 开发一种可扩展、低成本的平台，通过深度学习引导的蛋白质设计结合功能细胞读数，加速发现用于可编程蛋白质组编辑的效应器手柄 | 设计的候选效应器手柄，用于招募靶蛋白至泛素-蛋白酶体系统或自噬通路组件 | 蛋白质组学 | NA | LABEL-seq测序分析，蛋白质设计，多重筛选 | 深度学习 | 测序数据，蛋白质丰度数据 | 9715个设计的候选效应器手柄 | NA | NA | 蛋白质丰度变化，降解或稳定化效率 | NA |
| 172 | 2026-04-17 |
Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance
2025-Oct-03, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awaf285
PMID:40794555
|
研究论文 | 本文应用基于Transformer的深度学习模型从批量RNA测序数据中恢复细胞类型特异性转录程序，以研究阿尔茨海默病的认知韧性和脑抵抗性 | 开发了一种Transformer模型，能够从批量RNA测序中恢复细胞类型特异性转录程序，显著优于先前方法，为大规模、成本效益高的细胞类型特异性研究提供了新框架 | 模型依赖于批量RNA测序数据，可能受限于其分辨率和覆盖度，且未详细讨论技术复杂性和成本降低的具体量化 | 揭示阿尔茨海默病韧性和抵抗性的细胞类型特异性机制，并识别潜在治疗靶点 | 阿尔茨海默病患者的脑组织样本，重点关注细胞类型如星形胶质细胞、兴奋性神经元和少突胶质细胞祖细胞 | 机器学习 | 阿尔茨海默病 | 批量RNA测序，单核技术 | Transformer | RNA测序数据 | NA | NA | Transformer | NA | NA |
| 173 | 2026-04-17 |
Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume
2025-Oct, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30555
PMID:40312974
|
研究论文 | 本研究开发了一种基于模型驱动的自监督深度学习网络，用于同时生成心肌氧摄取分数和心肌血容量图 | 将物理模型整合到训练过程中，实现自监督学习模式，并采用结合均方误差和余弦相似度的损失函数，同时估计心肌氧摄取分数和心肌血容量 | 研究仅涉及10名健康受试者和10名心肌梗死患者，样本量较小，且为初步可行性验证 | 开发一种用于同时定量评估心肌氧摄取分数和心肌血容量的深度学习网络 | 心肌氧摄取分数和心肌血容量的图像映射 | 医学影像分析 | 心肌梗死 | 不对称自旋回波准备序列 | 深度学习网络 | 图像 | 10名健康受试者和10名心肌梗死患者 | NA | 自监督学习网络 | 均方误差, 余弦相似度 | NA |
| 174 | 2026-04-17 |
Simulating a Specialist's Treatment Experience for Hypertension Using Deep Neural Networks
2025-10, Journal of clinical hypertension (Greenwich, Conn.)
DOI:10.1111/jch.70173
PMID:41163326
|
研究论文 | 本研究开发并验证了一个深度学习模型，用于模拟高血压专家的处方模式并预测后续生理反应 | 设计了一个双模块深度神经网络框架，同时预测最佳药物处方和次日血压及心率，并采用多目标方法捕捉药物选择与生理结果之间的关系 | 本研究为概念验证性研究，基于单中心数据集，未来需要多中心合作和更大数据集来验证该方法在临床决策支持中的适用性 | 开发能够模拟高血压专家治疗决策并预测生理反应的深度学习模型，以辅助标准化治疗并减少决策差异 | 高血压患者的治疗决策和生理反应 | 机器学习 | 心血管疾病 | 临床试验数据 | DNN | 结构化临床数据 | NA | NA | 双模块深度神经网络 | 平均绝对误差, 误差方差, 平均相对误差 | NA |
| 175 | 2026-04-17 |
Automated classification of cellular expression in multiplexed imaging data with Nimbus
2025-Oct, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02826-9
PMID:41062826
|
研究论文 | 本文介绍了Nimbus，一个基于深度学习、用于从多重成像数据中自动分类细胞标记物表达的预训练模型 | 开发了Nimbus预训练模型，无需针对每个数据集重新训练，即可跨不同细胞类型、组织和显微镜平台预测标记物表达，并构建了包含1.97亿个标记物表达注释的Pan-M数据集 | NA | 开发一个自动化工具，用于准确分类多重成像数据中的细胞标记物表达，以促进组织空间拓扑结构的表征 | 多重成像数据中的细胞 | 数字病理学 | NA | 多重成像 | 深度学习模型 | 图像 | 包含1.97亿个不同标记物表达注释的数据集，涵盖15种不同细胞类型 | NA | NA | 准确性 | NA |
| 176 | 2026-04-17 |
BiU-Net: A Biologically Informed U-Net for Genotype Imputation
2025-Aug-26, Research square
DOI:10.21203/rs.3.rs-6797863/v1
PMID:40909775
|
研究论文 | 提出一种名为BiU-Net的生物信息学启发的U-Net模型，用于基因型插补，以解决缺失基因型在复杂区域和小数据集中的问题 | BiU-Net通过分割基因型数据并编码位置信息来保留基因组上下文，从而在整体指标和按次要等位基因频率分层的指标上优于现有方法 | NA | 开发一种参考自由的深度学习模型，以改进基因型插补，特别是在复杂区域和种群不匹配的情况下 | 基因型数据 | 机器学习 | NA | 基因型插补 | U-Net | 基因型数据 | 涉及1000 Genomes Project、Louisiana Osteoporosis Study和Simons Genome Diversity Project数据集 | NA | U-Net | 整体指标和按次要等位基因频率分层的指标 | NA |
| 177 | 2026-04-17 |
Deep learning for fetal inflammatory response diagnosis in the umbilical cord
2025-Jun-26, Placenta
IF:3.0Q2
DOI:10.1016/j.placenta.2025.04.013
PMID:40294507
|
研究论文 | 本研究利用深度学习技术，基于脐带组织全切片图像（WSI）进行胎儿炎症反应（FIR）的诊断分类 | 首次将注意力机制的全切片学习模型应用于脐带组织病理图像的FIR诊断，并比较了基于非医学图像（ImageNet）预训练模型与基于组织病理学图像（UNI）预训练模型的性能差异 | 模型在FIR 1病例中的注意力分配存在不一致性（部分模型关注脐血管，部分关注沃顿胶质），可能影响诊断解释的稳定性 | 开发一种基于深度学习的自动化诊断工具，以辅助病理学家诊断脐带组织中的胎儿炎症反应，减少观察者间差异 | 脐带组织病理切片图像 | 数字病理学 | 胎儿炎症反应综合征 | H&E染色组织病理学成像 | 深度学习, 注意力机制模型 | 全切片图像（WSI） | 4100张脐带组织H&E染色病理切片 | 未明确指定（可能为PyTorch或TensorFlow） | ConvNeXtXLarge, UNI（基于组织病理学预训练的模型） | 平衡准确度 | NA |
| 178 | 2026-04-17 |
Rural Medical Centers Struggle to Produce Well-Calibrated Clinical Prediction Models: Data Augmentation Can Help
2025-Jun-17, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.16.25329699
PMID:40585177
|
研究论文 | 本文探讨了农村医疗中心在临床预测模型校准方面的挑战，并评估了合成数据生成（SDG）在增强本地数据量以改善模型性能方面的效用 | 通过实证和模拟研究，揭示了农村医疗中心因患者数据量不足导致模型校准困难的问题，并验证了深度学习驱动的合成数据生成方法在提升本地分类器性能方面的有效性 | 研究可能未涵盖所有农村医疗场景，且合成数据生成方法的泛化能力在不同疾病或任务中需进一步验证 | 评估农村医疗中心在临床预测模型本地化校准中的挑战，并探索合成数据生成作为数据增强解决方案的潜力 | 真实医院网络中的30天非计划再入院预测数据，以及多站点ICU数据集 | 机器学习 | NA | 合成数据生成（SDG） | 深度学习 | 临床数据 | 涉及真实医院网络和多站点ICU数据集，具体样本量未明确说明 | NA | NA | 模型校准度，分类器性能 | NA |
| 179 | 2026-04-17 |
A deep learning-based, real-time image report system for linear EUS
2025-06, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2024.10.030
PMID:39427992
|
研究论文 | 本研究开发了一种基于深度学习的EUS自动图像报告系统，用于实时捕获高质量胆胰EUS图像 | 首次开发了基于深度学习的实时EUS自动图像报告系统，实现了标准站点、病变和穿刺过程的自动拍照记录 | 研究样本量相对有限，且仅在一家医院进行前瞻性测试，需要更多外部验证 | 提高EUS检查中图像采集的完整性和质量，减少不同内镜医师之间的报告差异 | 胆胰EUS检查中的图像采集过程 | 计算机视觉 | 胆胰疾病 | 线性EUS | 深度学习模型 | 图像 | 235,784张图像用于训练和测试，114名患者用于前瞻性测试 | NA | NA | 完整性百分比, 置信区间, P值 | NA |
| 180 | 2026-04-17 |
Hybrid CNN and random forest model with late fusion for detection of autism spectrum disorder in Toddlers
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103278
PMID:40236798
|
研究论文 | 本研究提出了一种结合VGG16预训练深度CNN与随机森林分类器的混合模型，用于幼儿自闭症谱系障碍的检测 | 通过晚期融合策略，将深度学习模型提取的高层次图像特征与随机森林的集成分类能力相结合，提高了ASD检测的准确性 | 研究主要基于特定数据集，未来需要整合多模态数据并在更多样化的数据集上进行测试以提升泛化能力 | 开发一种准确且可靠的混合模型，用于幼儿自闭症谱系障碍的早期诊断 | 幼儿自闭症谱系障碍患者 | 计算机视觉 | 自闭症谱系障碍 | NA | CNN, 随机森林 | 图像, 问卷数据 | NA | NA | VGG16, EfficientNetB0, AlexNet | 准确率 | NA |