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 922 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-06-02 |
Artificial-intelligence-based risk prediction and mechanism discovery for atrial fibrillation using heart beat-to-beat intervals
2024-05-10, Med (New York, N.Y.)
DOI:10.1016/j.medj.2024.02.006
PMID:38492571
|
研究论文 | 基于心跳间期数据，开发可解释的深度学习模型预测房颤风险并探究其机制 | 提出基于模型可解释性的房颤机制推测，并验证自主神经失衡与多种房颤风险因素的关联 | 依赖心跳间期数据，可能忽略其他临床特征对房颤风险的影响 | 利用窦性心律时的心跳间期数据预测房颤风险，并揭示潜在机制 | 房颤风险预测及自主神经失衡机制 | 机器学习 | 心血管疾病 | NA | 深度学习模型 | 心率间期数据 | 大型院内及外部公共数据集 | NA | NA | NA | NA |
| 2 | 2026-05-29 |
Improving the diagnosis of ductal carcinoma in situ with microinvasion without immunohistochemistry: An innovative method with H&E-stained and multiphoton microscopy images
2024-05-15, International journal of cancer
IF:5.7Q1
DOI:10.1002/ijc.34855
PMID:38268429
|
研究论文 | 提出一种结合H&E染色和多光子显微镜图像的新方法，用于无免疫组化诊断导管原位癌伴微浸润 | 首次将H&E染色图像中的可疑区域通过深度学习分割细胞核，并融合多光子显微镜图像（TPEF和SHG信号）来区分DCISM与DCIS，避免了对免疫组化标记物的依赖 | 需要依赖H&E图像中的可疑区域标注，且多光子显微镜设备的可用性可能受限 | 开发一种快速准确、无需免疫组化的DCISM诊断方法 | 乳腺导管原位癌伴微浸润和导管原位癌组织样本 | 数字病理学 | 乳腺癌（导管原位癌伴微浸润） | H&E染色, 多光子显微镜 | 深度学习模型 | 图像（H&E染色图像，多光子显微镜图像） | 研究未明确说明样本量，涉及DCISM和DCIS组织标本 | NA | NA | Kappa系数 | NA |
| 3 | 2026-05-24 |
LUNet: deep learning for the segmentation of arterioles and venules in high resolution fundus images
2024-05-03, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad3d28
PMID:38599224
|
研究论文 | 提出LUNet深度学习模型，用于高分辨率眼底图像中视网膜小动脉和小静脉的自动分割 | 设计了双扩张卷积块以扩大感受野并减少参数量，结合高分辨率尾部模块细化分割细节，并针对血管分割连续性设计了自定义损失函数 | 未提及模型在低分辨率图像或极端病理条件下的表现，且数据集涉及人群和标注者变异性但未涵盖所有可能场景 | 实现视网膜小动脉和小静脉的自动分割，以通过眼底图像辅助诊断心血管疾病 | 视网膜小动脉和小静脉 | 计算机视觉 | 心血管疾病 | 眼底成像 | CNN | 图像 | 240张数字眼底图像，由15名医学生和1名眼科医生标注 | NA | LUNet | 准确率 | NA |
| 4 | 2026-05-19 |
Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases
2024-May-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.14.594252
PMID:38798507
|
研究论文 | 介绍scPRS，一个几何深度学习模型，通过单细胞染色质可及性数据构建单细胞层面多基因风险评分，用于复杂疾病预测和生物学发现 | 首次将多基因风险评分降维至单细胞层面，结合几何深度学习解析疾病细胞异质性和分子机制 | 未明确说明局限性，可能依赖于参考单细胞染色质数据质量及计算资源需求 | 开发单细胞分辨率的PRS方法，增强复杂疾病的遗传风险预测和生物学机制理解 | 2型糖尿病、肥厚性心肌病和阿尔茨海默病的单细胞数据 | 机器学习 | 2型糖尿病, 肥厚性心肌病, 阿尔茨海默病 | 单细胞ATAC测序, 多组学分析 | 几何深度学习模型 | 单细胞染色质可及性数据、多组学数据 | NA | NA | scPRS | 预测能力 | NA |
| 5 | 2026-05-19 |
Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability
2024 May-Jun, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2024.01.005
PMID:38296108
|
研究论文 | 开发深度学习模型预测低视野变异性的青光眼患者，并评估其对神经保护试验样本量的影响 | 首次利用深度学习模型从单次基线临床访问数据预测低视野变异性，并证明其可显著减少临床试验所需样本量 | 未提及模型在实际临床试验中的验证，可能存在外部有效性限制 | 评估深度学习模型在识别低视野变异性患者中的作用，以及降低青光眼临床试验样本量的潜力 | 青光眼患者的视野变异性和临床试验样本量 | 医疗影像 | 青光眼 | NA | 深度学习模型 | 视野测量数据、OCT图像、临床数据 | 2817只眼（每位患者一只眼） | NA | NA | 受试者工作特征曲线下面积（AUC） | NA |
| 6 | 2026-05-19 |
LEARNING SPATIALLY-CONTINUOUS FIBER ORIENTATION FUNCTIONS
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635838
PMID:42148456
|
研究论文 | 提出一种名为FENRI的新方法，从低分辨率扩散加权图像中学习空间连续的纤维取向分布函数，以提升纤维追踪的准确性 | 首次提出学习空间连续纤维取向分布函数的方法，满足纤维追踪对连续场的需求，并引入新的模拟数据集用于评估基于学习的纤维追踪模型 | 未提及，可能包括对计算资源的要求或需要在临床数据上进一步验证 | 解决低分辨率扩散MRI中纤维追踪因插值方法导致精度不足的问题 | 人脑连接组中的神经通路纤维方向 | 机器学习 | NA | 扩散磁共振成像 | 神经网络 | 图像 | NA | NA | FENRI | NA | NA |
| 7 | 2026-05-16 |
Vascularized organoid-on-a-chip: design, imaging, and analysis
2024-05, Angiogenesis
IF:9.2Q1
DOI:10.1007/s10456-024-09905-z
PMID:38409567
|
综述 | 本文综述了血管化类器官芯片的设计、成像与分析技术，涵盖芯片设计、培养策略、光学成像、组织透明化方法及深度学习在血管分析中的应用 | 系统整合了血管化类器官芯片的设计、成像与分析方法，特别强调了组织透明化技术与深度学习在克服成像深度限制和提高分析效率方面的创新应用 | 现有血管化类器官芯片在血管网络成熟度、长期稳定性及高通量分析方面仍存在挑战，且深度学习方法的泛化能力有待验证 | 总结血管化类器官芯片的设计、成像与分析技术现状，并展望未来发展方向 | 血管化类器官芯片模型及其血管网络分析技术 | 数字病理学 | NA | NA | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 8 | 2026-05-15 |
TIST-Net: style transfer in dynamic contrast enhanced MRI using spatial and temporal information
2024-May-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad4193
PMID:38648788
|
研究论文 | 提出一种利用时空信息在动态对比增强MRI中进行风格转换的TIST-Net网络 | 将卷积长短时记忆网络与自编码器结合，实现时间序列数据内容与风格潜空间的解耦，并利用可变形和自适应卷积精细控制风格转换 | 未提及具体限制 | 开发一种结合时空信息的风格转换方法，用于在动态对比增强MRI图像中添加或去除对比增强 | 动态对比增强MRI数据，包括肾脏、前列腺和子宫数据集 | 计算机视觉 | NA | DCE-MRI | CNN, LSTM | 图像（医学图像） | 三个数据集（肾脏、前列腺和子宫） | NA | 自编码器、卷积长短时记忆网络、可变形卷积、自适应卷积 | SSIM, 对比加权结构相似性指标 | NA |
| 9 | 2026-05-15 |
A temporal enhanced semi-supervised training framework for needle segmentation in 3D ultrasound images
2024-May-21, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad450b
PMID:38684166
|
研究论文 | 针对3D超声图像中活检针分割难题，提出一种基于时间信息的半监督训练框架 | 创新点包括设计基于静态与动态特征的环形Transformer模块提取时序信息，提出结合时序信息前后的输出一致性约束以实现半监督学习 | 实验仅在比格犬活检数据集上验证，未在临床大规模数据中评估泛化能力 | 实现快速准确的三维超声图像中活检针分割，提升活检导航系统效能 | 比格犬肾脏和前列腺的3D超声活检图像 | 计算机视觉 | NA | 3D超声成像 | CNN, Transformer | 3D超声图像序列 | 三个比格犬活检超声数据集（具体样本量未提及） | PyTorch（推测） | 环形Transformer模块 | Dice相似系数, 针尖位置误差, 长度误差 | NA |
| 10 | 2026-05-15 |
A lightweight deep learning approach for detecting electrocardiographic lead misplacement
2024-May-15, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad43ae
PMID:38663434
|
研究论文 | 提出一种基于轻量级深度学习的心电图导联错位检测方法 | 首次提出针对肢体和胸导联错位分别设计的轻量级深度学习模型，利用数学变换和导联互换模拟错位场景，并在多个数据库上验证泛化能力 | 未提及具体局限性 | 开发有效检测心电图导联错位的算法，避免波形失真影响诊断 | 心电图导联错位检测模型 | 机器学习 | 心血管疾病 | NA | 深度学习模型 | 心电图信号 | Chapman数据库（8:2训练验证）及PTB-XL、PTB、LUDB数据库 | PyTorch（推测，需确认） | 轻量级神经网络（具体架构未说明） | 准确率、精确率、灵敏度、特异度、宏平均F1分数 | NA |
| 11 | 2026-05-15 |
Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm
2024-May-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad3dba
PMID:38604190
|
研究论文 | 使用患者衍生的3D打印PixelPrint体模评估深度学习CT重建算法的临床成像性能 | 采用患者来源的PixelPrint 3D打印体模，提供更真实的组织结构，超越传统体模仅基于噪声和对比度的评估 | 未明确提及，但体模可能无法完全模拟真实患者的生物变异性和运动伪影 | 评估深度学习重建算法在不同辐射剂量下的临床成像性能，并估计剂量降低潜力 | 患者衍生的肺体模（包含磨玻璃样阴影），小尺寸和中尺寸拓展环 | 计算机视觉 | 肺部疾病（磨玻璃样阴影） | CT扫描 | 深度学习重建算法 | 图像 | 两个体模尺寸（小和中），每个尺寸在多个剂量水平下扫描 | NA | NA | 图像噪声、对比度噪声比、均方根误差、结构相似性指数、多尺度结构相似性指数 | NA |
| 12 | 2026-05-15 |
Evaluation of transformation invariant loss function with distance equilibrium in prediction of imaging photoplethysmography characteristics
2024-May-07, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad3dbf
PMID:38604181
|
research paper | 评估使用距离平衡的变换不变损失函数在预测成像光电容积描记术特征中的性能 | 提出一种基于距离平衡的变换不变损失函数，用于成像光电容积描记术中的血容量脉冲信号特征提取 | NA | 改进成像光电容积描记术在心率变异性监测中的分析能力，超越仅基于心率的分析方法 | 成像光电容积描记术（IPPG）中提取的血容量脉冲信号及心率变异性指标 | machine learning, computer vision | 心血管疾病 | 成像光电容积描记术（IPPG） | NA | 图像 | NA | NA | NA | NA | NA |
| 13 | 2026-05-06 |
HisCl1 regulates gustatory habituation in sweet taste neurons and mediates sugar ingestion in Drosophila
2024-May-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.06.592591
PMID:38765964
|
研究论文 | 本研究利用深度学习姿态估计和光遗传学刺激，发现果蝇甜味神经元中的HisCl1基因调控味觉习惯化，并影响糖分摄取 | 首次揭示HisCl1基因在甜味神经元中通过调节尖峰频率适应来介导味觉习惯化，为研究昆虫味觉习惯化提供了新方向 | 未提及 | 探究甜味神经元在果蝇味觉习惯化中的细胞自主机制及其对糖分摄取的调控 | 果蝇（Drosophila）的甜味神经元 | 机器学习， 数字病理学 | NA | RNA干扰筛选， 单感器电生理， 光遗传学刺激 | 深度学习姿态估计模型 | 行为数据， 电生理数据 | 果蝇样本，具体数量未提及 | NA | NA | NA | NA |
| 14 | 2026-05-06 |
Panoramic Radiography in the Evaluation of the Relationship of Maxillary Molar Teeth and Maxillary Sinuses on the Deep Learning Models Improved with the Findings Obtained by Cone Beam Computed Tomography
2024-May-01, Nigerian journal of clinical practice
IF:0.7Q3
DOI:10.4103/njcp.njcp_220_24
PMID:38842718
|
研究论文 | 利用深度学习模型评估全景放射片中上颌磨牙与上颌窦的关系，并通过锥束计算机断层扫描结果进行验证 | 首次利用锥束计算机断层扫描确认的数据来提升深度学习模型在全景放射片上判断上颌磨牙与上颌窦关系的诊断性能 | 未提及 | 评估深度学习应用在全景放射片上评估上颌磨牙与上颌窦关系的诊断性能 | 上颌第一磨牙和上颌第二磨牙与上颌窦底的接触关系 | 数字病理学 | 口腔疾病 | 全景放射摄影，锥束计算机断层扫描 | 卷积神经网络 | 图像 | 2162颗上颌第一磨牙和上颌第二磨牙 | 未提及 | GoogLeNet, VGG16, VGG19, DarkNet19, DarkNet53 | 准确率 | NA |
| 15 | 2026-05-04 |
Unpaired deep learning for pharmacokinetic parameter estimation from dynamic contrast-enhanced MRI without AIF measurements
2024-05-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120571
PMID:38518829
|
研究论文 | 提出一种无需配对数据和动脉输入函数测量的无监督深度学习方法，通过物理驱动的CycleGAN从动态对比增强MRI中估算药代动力学参数 | 首次将CycleGAN应用于无配对深度学习中的DCE-MRI药代动力学参数估计，设计基于物理模型的简化生成器-判别器架构，无需单独测量动脉输入函数 | 未明确讨论方法在临床异质性数据集上的泛化能力及计算效率 | 开发一种不依赖配对标签数据和动脉输入函数测量的药代动力学参数估计方法，提升可靠性与实用性 | 动态对比增强MRI中的药代动力学参数和动脉输入函数 | 医学图像分析 | NA | DCE-MRI | CycleGAN（生成对抗网络） | 医学图像（动态对比增强MRI） | NA | PyTorch | CycleGAN（单生成器-判别器对） | 药代动力学参数估计可靠性（对比其他技术） | NA |
| 16 | 2026-05-04 |
Supervised contrastive learning enhances graph convolutional networks for predicting neurodevelopmental deficits in very preterm infants using brain structural connectome
2024-05-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120579
PMID:38537766
|
研究论文 | 应用监督对比学习增强图卷积网络，通过脑结构连接组预测极早产儿神经发育缺陷 | 首次将图卷积网络与监督对比学习结合用于脑结构连接组分析，以解决数据稀缺问题并提高早期预测准确性 | 样本量相对较小（约280名婴儿），可能限制模型普适性；研究基于单一队列，需外部验证 | 开发深度学习模型，利用足月等效年龄的脑结构连接组早期预测极早产儿2岁矫正年龄时的神经发育缺陷 | 极早产儿（胎龄小于32周）的脑结构连接组及其神经发育结果 | 机器学习 | 神经发育缺陷 | MRI扫描 | 图卷积网络（GCN） | 脑结构连接组数据 | 约280名极早产儿 | PyTorch | 图卷积网络（GCN） | AUC | NA |
| 17 | 2026-05-04 |
Quantitative susceptibility mapping through model-based deep image prior (MoDIP)
2024-05-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120583
PMID:38554781
|
研究论文 | 提出一种基于模型的无监督深度图像先验方法（MoDIP），用于解决定量磁化率成像中的偶极子反演问题 | 首次将模型驱动的深度图像先验与无监督学习结合，无需训练即可处理不同扫描参数下的QSM偶极子反演 | NA | 提高定量磁化率成像方法在不同扫描参数下的泛化能力 | 病理脑部QSM数据 | 机器学习, 计算机视觉 | 脑部疾病 | QSM | 深度图像先验 | 图像 | NA | NA | 小型未训练网络 | 准确度, 计算效率, 运行时间 | NA |
| 18 | 2026-05-03 |
Explainable Multimodal Graph Isomorphism Network for Interpreting Sex Differences in Adolescent Neurodevelopment
2024-May, Applied sciences (Basel, Switzerland)
DOI:10.3390/app14104144
PMID:42037656
|
研究论文 | 提出一种可解释的多模态图同构网络，用于解读青少年神经发育中的性别差异 | 首次将多模态图同构网络（MGIN）与GNNExplainer相结合，通过整合同一受试者的多次fMRI扫描数据，提升性别分类准确率并识别关键脑网络子图结构 | 未提及数据量和外部验证，且仅针对fMRI任务相关数据，未考虑其他模态或静息态数据 | 利用多模态图神经网络分析fMRI数据，揭示青少年神经发育中的性别差异 | 健康青少年的脑功能网络（基于fMRI任务相关数据） | 机器学习 | NA | fMRI | 图神经网络（GNN） | fMRI任务相关数据（脑网络） | NA | PyTorch | 图同构网络（GIN） | 分类准确率 | NA |
| 19 | 2026-04-29 |
Deep learning-based whole-body PSMA PET/CT attenuation correction utilizing Pix-2-Pix GAN
2024-05-07, Oncotarget
DOI:10.18632/oncotarget.28583
PMID:38712741
|
研究论文 | 提出基于Pix-2-Pix GAN的深度学习工具，从前列腺癌患者的NAC-PET图像生成AC-PET图像，以减少CT扫描辐射剂量 | 首次将Pix-2-Pix GAN用于全身PSMA PET/CT衰减校正，并评估了两种标准化策略（SUV和SUV-Nyul）对模型性能的影响 | 病变位置、密度和摄取量会影响生成的SUV指标的相对误差，且需要进一步临床验证 | 开发AI工具减少PET/CT中低剂量CT扫描的需求，降低患者辐射暴露 | 302例前列腺癌患者的18F-DCFPyL PSMA PET-CT研究图像 | 计算机视觉 | 前列腺癌 | PSMA PET/CT | GAN | 图像 | 302例前列腺癌患者（训练集183例，验证集60例，测试集59例） | PyTorch | Pix-2-Pix GAN | NMSE, MAE, SSIM, PSNR, ICC, RC | NA |
| 20 | 2026-04-14 |
A Survey of Deep Learning Methods for Estimating the Accuracy of Protein Quaternary Structure Models
2024-05-13, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14050574
PMID:38785981
|
综述 | 本文综述了近年来用于评估蛋白质复合物四级结构模型准确性的深度学习方法 | 首次对蛋白质复合物结构模型准确性评估的深度学习方法进行了全面综述，填补了该领域缺乏系统性概述的空白 | 作为综述文章，不涉及原始实验或模型开发，主要基于现有文献进行分析 | 为蛋白质复合物结构模型准确性评估领域提供方法学综述和发展展望 | 蛋白质复合物的四级结构模型 | 计算生物学 | NA | 深度学习 | NA | 蛋白质结构数据 | NA | NA | NA | NA | NA |