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 33929 篇文献，本页显示第 1961 - 1980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1961 | 2025-10-29 |
SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation
2025-Mar-23, ArXiv
PMID:40735077
|
研究论文 | 提出一种名为SNRAware的新型深度学习MRI去噪方法，利用重建过程中的定量噪声分布信息提升去噪性能与泛化能力 | 通过信噪比单元训练和G因子图增强技术，将MRI重建过程的定量噪声分布信息整合到深度学习训练中 | 研究为回顾性研究，主要基于心脏电影序列数据，需要进一步验证在其他解剖部位和成像序列的普适性 | 开发并评估一种利用重建过程噪声分布信息的深度学习MRI去噪方法 | 心脏回顾性门控电影复杂序列、心脏实时电影、首次通过心脏灌注、神经和脊柱MRI图像 | 医学影像处理 | 心血管疾病 | MRI成像技术 | Transformer, CNN | 医学图像 | 2,885,236张图像，来自96,605个心脏电影序列，测试集包含3000个样本 | NA | Transformer, 卷积神经网络 | PSNR, SSIM, CNR | NA |
| 1962 | 2025-10-29 |
A Robust and Data-Efficient Deep Learning Model for Cardiac Assessment without Segmentation
2024-Oct-28, Research square
DOI:10.21203/rs.3.rs-5290766/v1
PMID:39574901
|
研究论文 | 提出一种无需心室分割的鲁棒且数据高效深度学习模型用于心脏评估 | 通过分解和转换卷积编码器输出估计与心动周期相关的帧级权重，无需分割模型即可处理噪声输入 | 未明确说明模型在极端噪声条件下的性能表现 | 开发无需心室分割的鲁棒心脏评估深度学习算法 | 经胸超声心动图视频数据 | 计算机视觉 | 心血管疾病 | 深度学习 | R(2+1)D CNN | 视频 | NA | NA | R(2+1)D卷积编码器 | NA | NA |
| 1963 | 2025-10-29 |
Predicting the effort required to manually mend auto-segmentations
2024-Jun-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.12.24308779
PMID:38947045
|
研究论文 | 本研究探讨如何评估医学图像自动分割结果所需的人工修正工作量 | 提出混合指标Mendability Index (MI)评估修正工作量，并探索使用深度学习模型预测修正工作量的可行性 | 研究仅基于7个对象的数据集，样本量相对有限 | 探索评估医学图像自动分割结果临床适用性的合适方法 | 医学图像自动分割结果及其人工修正过程 | 医学图像分析 | NA | CT成像 | 深度学习模型 | CT图像, 分割掩码 | 来自三个不同机构的7个对象数据集 | NA | NA | Dice系数, Hausdorff距离, 表面Dice系数, 添加路径长度, Mendability指数 | NA |
| 1964 | 2025-10-26 |
VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.17.599381
PMID:38948743
|
研究论文 | 开发了一个名为VASCilia的Napari插件，用于基于深度学习的耳蜗毛细胞立体纤毛束3D分析 | 首个专门用于耳蜗毛细胞立体纤毛束3D分析的深度学习工具套件，包含五个深度学习模型和自动化计算工具 | NA | 开发自动化工具以解决耳蜗毛细胞立体纤毛束3D形态分析的挑战 | 耳蜗毛细胞立体纤毛束 | 计算机视觉 | 听力障碍 | 共聚焦显微镜，鬼笔环肽染色 | 深度学习模型 | 3D图像堆栈 | 约55个3D图像堆栈，包含502个内毛细胞束和1,703个外毛细胞束 | Napari | Z-Focus Tracker, PCPAlignNet, 分割模型, 位置预测工具, 分类工具 | NA | NA |
| 1965 | 2025-10-28 |
Deep learning analysis of histopathological images predicts immunotherapy prognosis and reveals tumour microenvironment features in non-small cell lung cancer
2024-Dec, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-024-02856-8
PMID:39455880
|
研究论文 | 本研究开发了一种基于深度学习分析H&E组织病理图像的免疫检查点抑制剂预后预测模型 | 首次基于H&E染色图像开发免疫相关病理预后特征，采用改进的ResNet模型结合渐进式增长策略和AdamW优化器 | 样本量相对有限，仅包含本地队列106例和TCGA队列899例患者 | 预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应和预后 | 非小细胞肺癌患者的H&E染色组织病理图像 | 数字病理 | 肺癌 | H&E染色 | CNN | 图像 | 本地队列106例，TCGA队列899例 | PyTorch | ResNet18-PG | AUC, 召回率, 风险比, 对数秩检验P值 | NA |
| 1966 | 2025-10-27 |
MCA-GAN: A lightweight Multi-scale Context-Aware Generative Adversarial Network for MRI reconstruction
2025-Dec, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110465
PMID:40780320
|
研究论文 | 提出一种轻量级多尺度上下文感知生成对抗网络MCA-GAN，用于加速MRI重建 | 通过双域生成器协同优化k空间和图像域表示，集成多个轻量级模块实现高效多尺度特征提取和全局上下文建模 | NA | 提高MRI重建质量同时显著降低计算成本 | MRI图像重建 | 医学影像处理 | NA | 磁共振成像 | GAN | MRI图像 | IXI、MICCAI 2013和MRNet膝关节数据集 | NA | MCA-GAN, 包含DWLA、AGRB、MSCMB、CSMS模块 | PSNR, SSIM | NA |
| 1967 | 2025-10-27 |
Deep learning-based automatic contour quality assurance for auto-segmented abdominal MR-Linac contours
2024-Oct-25, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad87a6
PMID:39413822
|
研究论文 | 开发基于深度学习的自动轮廓质量评估模型，用于评估腹部MR-Linac中自动分割的胰腺和十二指肠轮廓质量 | 首次提出基于3D卷积神经网络的自动轮廓质量评估模型，能够快速识别需要编辑的自动分割轮廓 | 训练数据集规模有限（103个数据集），且使用内部开发的轮廓分类工具进行质量标注 | 优化MR引导在线自适应放疗中自动分割轮廓的质量保证流程 | 腹部MRI中的胰腺和十二指肠自动分割轮廓 | 数字病理 | 腹部恶性肿瘤 | MRI | CNN | 3D医学图像 | 103个训练数据集，34个独立测试数据集 | NA | 3D卷积神经网络 | 准确率 | NA |
| 1968 | 2025-10-27 |
Motivation for using data-driven algorithms in research: A review of machine learning solutions for image analysis of micrographs in neuroscience
2023-06-20, Journal of neuropathology and experimental neurology
IF:3.2Q2
DOI:10.1093/jnen/nlad040
PMID:37244652
|
综述 | 回顾机器学习在神经科学显微图像分析中的应用，探讨其潜力与局限性 | 系统梳理深度学习在神经科学显微图像分析中的最新进展，并提供实际研究项目中的框架选择指导 | 未经验证的新算法可能存在的技术门槛和适用性问题 | 探讨机器学习在神经科学图像分析中的应用价值与实施策略 | 神经科学领域的显微图像数据 | 计算机视觉 | NA | 显微图像分析 | 深度学习 | 显微图像 | NA | NA | NA | NA | NA |
| 1969 | 2025-10-26 |
A robust deep learning system for screening of obstructive sleep apnea using T-F spectrum of ECG signals
2025-Nov, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2359635
PMID:38829354
|
研究论文 | 提出一种基于心电信号时频谱分析的深度学习系统，用于阻塞性睡眠呼吸暂停的自动筛查 | 开发了轻量级深度卷积神经网络，相比基准模型参数量更少且准确率更高 | 未提及模型在外部验证集上的泛化能力及临床部署的实际效果 | 实现阻塞性睡眠呼吸暂停的自动化准确筛查 | 心电信号数据 | 医学信号处理 | 阻塞性睡眠呼吸暂停 | 心电信号分析，Stock-well变换 | 深度卷积神经网络 | 心电信号时频谱 | NA | NA | Alex-Net, Squeeze-Net, 自定义DCNN | 灵敏度, 特异度, 准确率, 阴性预测值, 精确率, F1分数, Fowlkes-Mallows指数 | NA |
| 1970 | 2025-10-26 |
RNAbpFlow: Base pair-augmented SE(3)-flow matching for conditional RNA 3D structure generation
2025-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.24.634669
PMID:39896539
|
研究论文 | 提出了一种基于序列和碱基对条件的SE(3)-等变流匹配模型，用于生成RNA三维结构 | 使用碱基对中心表示法，无需显式或隐式使用进化信息或同源结构模板即可端到端生成全原子RNA结构 | NA | 解决RNA三维结构预测的挑战，生成准确的RNA三维结构集合 | RNA分子 | 生物分子建模 | NA | 深度学习 | SE(3)-等变流匹配模型 | RNA三维结构数据 | NA | NA | RNAbpFlow | RNA拓扑采样和预测建模性能 | NA |
| 1971 | 2025-10-26 |
Powerful and accurate case-control analysis of spatial molecular data
2025-Aug-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.07.637149
PMID:39975274
|
研究论文 | 提出一种结合深度学习与统计原理的空间分子数据分析方法VIMA，用于识别与疾病相关的空间结构 | 引入变分推断微生态分析方法，通过变分自编码器集合提取组织斑块的数字“指纹”，定义数据依赖的“微生态”空间特征 | NA | 开发更灵活精确的空间分子数据分析方法，识别与疾病相关的关键空间结构 | 空间分子数据，包括免疫荧光显微镜、CODEX和空间转录组学数据 | 数字病理 | 类风湿关节炎,溃疡性结肠炎,痴呆 | 免疫荧光显微镜,CODEX,空间转录组学 | 变分自编码器 | 空间分子数据,组织斑块图像 | 涉及三种不同疾病和空间模态的数据集 | NA | 变分自编码器 | 校准性能 | NA |
| 1972 | 2025-10-26 |
Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning
2025-Apr-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.15.603529
PMID:39071413
|
研究论文 | 本文评估了深度学习建模中记忆效应对溶质载体膜蛋白替代构象状态预测的影响，并提出了一种结合ESM和模板建模的新方法 | 开发了结合ESM和基于模板建模的方法，利用SLC蛋白内部伪对称性来一致建模替代构象状态 | 方法主要适用于具有伪对称结构的SLC蛋白，对其他类型蛋白的适用性未验证 | 解决深度学习在建模膜蛋白多构象状态时的记忆偏差问题 | 溶质载体(SLC)膜蛋白超家族 | 机器学习 | 病毒感染 | 深度学习方法，进化尺度建模，模板建模 | AlphaFold2, AlphaFold3, ESM | 蛋白质序列，结构数据 | 多个整合膜蛋白转运体，包括SLC35F2 | AlphaFold, ESM | 深度学习蛋白质结构预测模型 | 与进化协方差数据比较验证 | NA |
| 1973 | 2025-10-25 |
Arthroscopy-validated diagnostic performance of sub-5-min deep learning super-resolution 3T knee MRI in children and adolescents
2025-Dec, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-04969-4
PMID:40493057
|
研究论文 | 评估5分钟内深度学习超分辨率3T膝关节MRI在儿童青少年中的诊断性能 | 首次在儿童青少年中验证结合六倍并行成像和同步多层采集的深度学习超分辨率快速MRI技术 | 回顾性研究，样本量有限(44例)，年龄范围较窄(9-17岁) | 确定快速深度学习超分辨率膝关节MRI的诊断性能 | 患有膝关节疼痛的儿童和青少年患者 | 医学影像 | 膝关节疾病 | 深度学习超分辨率MRI，并行成像(PIx3)，同步多层采集(SMSx2) | 深度学习 | MRI影像 | 44名儿童和青少年(24名男孩，平均年龄15±2岁) | NA | 超分辨率网络 | 灵敏度, 特异性, 准确率, AUC, 组内相关系数 | NA |
| 1974 | 2025-10-25 |
Deep Learning Accelerates the Development of Antimicrobial Peptides Comprising 15 Amino Acids
2025-Oct, Assay and drug development technologies
IF:1.6Q3
DOI:10.1089/adt.2025.011
PMID:40139786
|
研究论文 | 利用深度学习加速由15个氨基酸组成的抗菌肽的开发 | NA | NA | 加速抗菌肽的开发 | 由15个氨基酸组成的抗菌肽 | 机器学习 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 1975 | 2025-10-25 |
ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning
2025-Aug-12, ArXiv
PMID:40395940
|
研究论文 | 提出ProtoECGNet原型深度学习模型用于可解释的多标签心电图分类 | 结合原型推理和对比学习，为多标签心电图分类提供基于案例的可解释性，并设计了适用于多标签学习的原型损失函数 | NA | 开发可解释的深度学习模型用于心电图多标签分类 | 心电图信号 | 医疗人工智能 | 心血管疾病 | 心电图分析 | CNN | 时间序列数据，图像数据 | PTB-XL数据集的所有71个标签 | NA | 1D CNN, 2D CNN, 多分支架构 | NA | NA |
| 1976 | 2025-10-25 |
Cell-APP: A generalizable method for cell annotation and cell-segmentation model training
2025-Aug-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.23.634498
PMID:39896521
|
研究论文 | 提出一种名为Cell-APP的自动化细胞标注和分割模型训练方法 | 通过结合透射光和核荧光图像实现自动化高质量训练数据生成，支持创建细胞系特异性和多细胞系分割模型 | NA | 开发自动化细胞标注和分割模型训练方法以加速高通量显微镜数据分析 | 显微镜图像中的细胞 | 计算机视觉 | NA | 透射光成像、核荧光成像 | Vision Transformer | 显微镜图像 | NA | NA | Vision Transformer | NA | NA |
| 1977 | 2025-10-25 |
Comprehensive molecular impact mapping of common and rare variants at GWAS loci
2025-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.05.658079
PMID:40501721
|
研究论文 | 介绍DNACipher深度学习模型及其变体影响映射方法DVIM，用于预测遗传变异在多种生物环境中的分子效应 | 开发了能够预测未直接测量生物环境中变异效应的深度学习模型，相比Enformer预测环境数量增加7倍以上 | 模型预测仍受限于训练数据的细胞类型和检测方法范围 | 通过深度学习模型预测遗传变异在多种生物环境中的分子效应，改进GWAS位点的变异精细定位 | 遗传变异，特别是GWAS位点的常见和罕见变异 | 机器学习 | 1型糖尿病 | 单核ATAC-seq，荧光素酶检测 | 深度学习 | 基因组序列 | 38,582个细胞类型-检测组合 | NA | DNACipher | 精细映射可信集大小，后验概率 | NA |
| 1978 | 2025-10-25 |
Mixing individual and collective behaviors to predict out-of-routine mobility
2025-Apr-29, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2414848122
PMID:40267135
|
研究论文 | 提出一种动态融合个体与集体移动行为的方法，用于预测人类非常规出行 | 通过集体智能动态整合个体与集体移动行为，提升对非常规出行预测的准确性 | 模型在兴趣点密集的城区效果更佳，其他区域效果可能受限 | 解决人类移动预测中的非常规行为预测问题 | 人类移动轨迹数据 | 机器学习 | NA | 轨迹数据分析 | 深度学习, 马尔可夫模型 | 轨迹数据 | 美国五个城市的数百万条隐私保护轨迹 | NA | NA | 预测准确率 | NA |
| 1979 | 2025-10-25 |
Transitions in dynamical regime and neural mode underlie perceptual decision-making
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.15.562427
PMID:37904994
|
研究论文 | 本研究通过无监督深度学习方法分析大鼠前额叶皮层和纹状体的神经活动，揭示了感知决策过程中动态机制和神经模式的转变 | 发现了决策过程中两个连续动态机制的存在，并提出了神经推断承诺时间(nTc)的概念 | 研究局限于啮齿类动物模型，需要进一步验证在更复杂认知任务和不同物种中的普适性 | 探索感知决策过程中神经动态机制和决策承诺的神经基础 | 大鼠前额叶皮层和纹状体的神经元活动 | 计算神经科学 | NA | 大规模神经元同步记录，脉冲听觉证据积累任务 | 深度学习，简化动力学模型 | 神经电生理信号 | 数百个神经元的同时记录数据 | NA | NA | 神经推断承诺时间(nTc)的精确推断 | NA |
| 1980 | 2025-10-25 |
Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart
2025-Feb-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.18.638922
PMID:40027628
|
研究论文 | 通过深度学习模型预测非编码变异在脑和心脏不同细胞类型中的调控效应 | 整合单细胞ATAC-seq图谱与群体遗传学，开发了FLARE模型来优先考虑具有极端调控效应的突变 | 仅关注脑和心脏组织，未涵盖其他器官系统 | 理解常见和罕见非编码变异在人类疾病中的作用机制 | 人类非编码基因组变异 | 生物信息学 | 神经发育障碍 | 单细胞ATAC-seq，全基因组测序 | 深度学习 | 基因组测序数据，表观基因组数据 | 132个脑和心脏细胞环境 | NA | NA | 突变优先排序能力 | NA |