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 19275 篇文献，本页显示第 2201 - 2220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2201 | 2026-04-18 |
FetDTIAlign: A deep learning framework for affine and deformable registration of fetal brain dMRI
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121190
PMID:40221066
|
研究论文 | 本文提出了一种名为FetDTIAlign的深度学习框架，专门用于胎儿脑扩散磁共振成像（dMRI）的仿射和非刚性配准 | 提出了一种新颖的双编码器架构和基于特征的迭代推理机制，有效降低了噪声和低分辨率的影响，并针对仿射和非刚性配准的不同挑战，策略性地采用了不同的网络配置和领域特异性图像特征 | 未明确说明模型在更广泛胎龄范围或不同病理条件下的泛化能力 | 开发一种适用于胎儿脑dMRI的精确空间配准方法，以支持纵向和横断面神经发育研究 | 胎儿脑扩散磁共振成像（dMRI）数据 | 医学图像处理 | 神经发育 | 扩散磁共振成像（dMRI） | 深度学习 | 医学图像（扩散磁共振成像） | 涵盖胎龄23至36周的胎儿脑dMRI数据集，包含60个白质束 | 未明确说明 | 双编码器架构 | 解剖对应性，视觉对齐效果 | NA |
| 2202 | 2026-04-18 |
Interpretable deep learning for deconvolutional analysis of neural signals
2025-Apr-16, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2025.02.006
PMID:40081364
|
研究论文 | 本文提出了一种可解释的深度学习方法DUNL，用于神经信号的解卷积分析，通过算法展开设计稀疏解卷积神经网络架构，并直接解释网络权重与刺激驱动的单神经元活动之间的关系 | 首次将算法展开方法应用于神经信号解卷积，设计可解释的稀疏解卷积神经网络，直接关联网络权重与神经元活动，提供对神经活动的机制性理解 | 未明确说明方法在更复杂神经场景或大规模数据集上的泛化能力，以及计算效率的具体评估 | 开发可解释的深度学习方法以分析神经信号，揭示神经活动与刺激之间的机制性联系 | 多个脑区的神经信号，包括中脑多巴胺神经元、躯体感觉丘脑、梨状皮层和纹状体 | 机器学习 | NA | 神经信号记录 | 稀疏解卷积神经网络 | 神经信号数据 | NA | NA | 基于算法展开的稀疏解卷积神经网络 | NA | NA |
| 2203 | 2026-04-18 |
Throw out an oligopeptide to catch a protein: Deep learning and natural language processing-screened tripeptide PSP promotes Osteolectin-mediated vascularized bone regeneration
2025-Apr, Bioactive materials
IF:18.0Q1
DOI:10.1016/j.bioactmat.2024.11.011
PMID:39734571
|
研究论文 | 本研究结合深度学习和自然语言处理技术，从蛋白质的无序区域中筛选出具有促血管生成和成骨活性的三肽PSP，并验证其在促进血管化骨再生中的作用机制 | 首次提出结合深度学习和自然语言处理的复合模型算法，用于从蛋白质无序区域中筛选生物活性肽；发现三肽PSP可作为“启动”剂，通过激活Osteolectin产生和细胞外囊泡释放来促进血管化骨再生 | 研究主要基于小鼠颅骨缺损模型，临床转化潜力尚需进一步验证；筛选的蛋白质数据集（262个相关蛋白）规模有限 | 开发更安全高效的促血管生成治疗替代方案，以促进骨再生 | 蛋白质无序区域中的生物活性肽、内皮细胞、骨髓间充质干细胞、小鼠颅骨缺损模型 | 自然语言处理, 机器学习 | 骨缺损 | 深度学习, 自然语言处理, 生物信息学筛选 | 深度学习模型, 自然语言处理模型 | 蛋白质序列数据, 文本数据（文献信息）, 实验数据 | 262个相关蛋白质的无序区域 | NA | NA | NA | NA |
| 2204 | 2026-04-18 |
Analyzing heterogeneity in Alzheimer disease using multimodal normative modeling on imaging-based ATN biomarkers
2025-Apr, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70143
PMID:40235115
|
研究论文 | 本研究采用基于深度学习的多模态规范建模框架，分析阿尔茨海默病（AD）患者中基于成像的ATN（淀粉样蛋白-τ蛋白-神经变性）生物标志物的个体水平异质性 | 首次将深度学习驱动的多模态规范建模应用于ATN成像生物标志物，以量化AD的个体异质性，并开发了结合空间范围和异常偏差幅度的个体疾病严重程度指数（DSI） | 研究依赖于横断面数据，未评估纵向变化；样本量相对有限（发现队列n=665，复制队列n=430），且仅基于成像生物标志物，未整合其他临床或分子数据 | 探究阿尔茨海默病在成像生物标志物上的异质性，并开发个体化疾病严重程度评估指标 | 阿尔茨海默病患者及淀粉样蛋白阴性对照个体 | 数字病理学 | 阿尔茨海默病 | T1加权磁共振成像（MRI）、淀粉样蛋白正电子发射断层扫描（PET）、τ蛋白正电子发射断层扫描（PET） | 深度学习 | 图像 | 发现队列665人，复制队列430人 | NA | NA | 疾病严重程度指数（DSI） | NA |
| 2205 | 2026-04-18 |
Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI
2025-Mar-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.28.25323105
PMID:40093221
|
研究论文 | 本研究利用结构MRI、人口统计学数据和可解释人工智能，探讨了精神分裂症分类、性别差异和脑年龄预测中的多变量区域模式 | 整合深度学习模型与SHAP可解释性方法，识别精神分裂症、性别差异和脑年龄相关的个性化多变量脑区模式 | 未明确提及样本量限制、模型泛化能力或外部验证结果 | 研究精神分裂症分类、性别差异和脑年龄预测中的多变量脑区模式 | 精神分裂症患者和健康对照者的结构MRI数据及人口统计学信息 | 医学影像分析 | 精神分裂症 | 结构MRI | 深度学习神经网络, 支持向量机, k近邻, Lasso回归, 岭回归, 支持向量回归 | 图像, 人口统计学数据 | NA | NA | NA | NA | NA |
| 2206 | 2026-04-18 |
Noncoding variants and sulcal patterns in congenital heart disease: Machine learning to predict functional impact
2025-Feb-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111707
PMID:39877905
|
研究论文 | 本研究利用深度学习模型预测非编码变异对基因调控信号的影响，并探讨其与先天性心脏病患者脑沟模式的关联 | 首次将深度学习模型应用于预测非编码变异对H3K9me2修饰的影响，并揭示其与先天性心脏病患者右侧顶叶脑沟模式的关联 | 研究样本仅限于先天性心脏病患者，未考虑其他混杂因素对脑沟模式的影响 | 探究非编码变异对先天性心脏病患者脑沟模式的影响机制 | 先天性心脏病患者及无先天性心脏病的对照人群 | 机器学习 | 先天性心脏病 | 深度学习 | 深度学习模型 | 基因变异数据、脑沟模式数据 | 先天性心脏病患者队列及无先天性心脏病的对照队列 | NA | NA | NA | NA |
| 2207 | 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 |
| 2208 | 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 |
| 2209 | 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 |
| 2210 | 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 |
| 2211 | 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 |
| 2212 | 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 |
| 2213 | 2026-04-17 |
Multimodal convolutional neural network-based algorithm for real-time detection and differentiation of malignant and inflammatory biliary strictures in cholangioscopy: a proof-of-concept study (with video)
2025-04, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2024.09.001
PMID:39265745
|
研究论文 | 本研究开发了一种基于多模态卷积神经网络的实时算法，用于在数字单操作者胆道镜视频中检测和区分恶性与炎性胆道狭窄 | 结合临床元数据到CNN算法中，克服了仅基于图像模型的限制，实现了实时检测和诊断 | 研究为概念验证性研究，样本量相对较小（111名患者），需要进一步验证 | 开发用于胆道镜视频中恶性与炎性胆道狭窄实时检测和区分的深度学习算法 | 胆道狭窄患者，包括恶性、炎性和正常胆道组织 | 计算机视觉 | 胆道癌 | 数字单操作者胆道镜 | CNN | 视频, 图像 | 111名患者，总计15,158张静态帧 | NA | 多模态卷积神经网络 | AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 2214 | 2025-10-29 |
Reducing False Alarms in Lung Cancer Screening: The Promise of Deep Learning
2025-Oct, Radiology
IF:12.1Q1
DOI:10.1148/radiol.252917
PMID:41147921
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2215 | 2026-04-14 |
External Test of a Deep Learning Algorithm for Pulmonary Nodule Malignancy Risk Stratification Using European Screening Data
2025-09, Radiology
IF:12.1Q1
DOI:10.1148/radiol.250874
PMID:40956165
|
研究论文 | 本研究利用欧洲三大肺癌筛查试验的汇总数据，对一种基于深度学习的肺结节恶性风险分层算法进行了外部测试 | 首次在多个欧洲筛查数据集上对深度学习算法进行外部验证，并证明其在降低假阳性率方面优于传统的PanCan模型 | 研究为回顾性分析，且主要基于欧洲人群数据，可能限制了其普适性 | 评估深度学习算法在肺结节恶性风险分层中的性能，以减少低剂量CT筛查中的假阳性发现 | 来自丹麦、意大利和荷兰-比利时肺癌筛查试验的基线CT扫描图像及对应的肺结节 | 数字病理 | 肺癌 | 低剂量CT扫描 | 深度学习算法 | CT图像 | 4146名参与者，包含7614个良性结节和180个恶性结节 | NA | NA | AUC, 敏感性, 假阳性率 | NA |
| 2216 | 2026-04-14 |
ESMDynamic: Fast and Accurate Prediction of Protein Dynamic Contact Maps from Single Sequences
2025-Aug-24, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671365
PMID:40894558
|
研究论文 | 本文介绍了一种名为ESMDynamic的深度学习模型，该模型能够直接从蛋白质序列预测动态的残基-残基接触概率图 | 首次基于ESMFold架构开发了直接从单序列预测蛋白质动态接触图的深度学习模型，无需多重序列比对，且推理速度比现有方法快数个数量级 | 模型性能依赖于训练数据（实验结构集合和分子动力学模拟）的质量和覆盖范围，对于训练数据中未充分代表的构象动态模式可能预测能力有限 | 开发一种快速准确的蛋白质动态接触图预测方法，以理解蛋白质构象动力学 | 蛋白质序列及其动态结构特性 | 结构生物学 | NA | 深度学习，分子动力学模拟 | 深度学习模型 | 蛋白质序列，接触概率图 | 在两个大规模MD数据集（mdCATH和ATLAS）上进行基准测试，并应用于ASCT2和SWEET2b转运蛋白、肌钙蛋白C设计以及HIV-1蛋白酶同源二聚体等多个系统 | NA | 基于ESMFold架构 | 与最先进的集合预测模型（AlphaFlow、ESMFlow、BioEmu）在瞬时接触预测方面进行比较 | NA |
| 2217 | 2026-04-14 |
Intratumoral Microbiome-related MRI Model for Predicting Breast Cancer Shrinkage Pattern Following Neoadjuvant Therapy
2025-08, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243545
PMID:40892452
|
研究论文 | 本研究开发了一种基于瘤内微生物组相关MRI特征的模型，用于预测乳腺癌患者在新辅助治疗后肿瘤的缩小模式 | 首次将瘤内微生物组数据与多时间点MRI的放射组学和深度学习特征融合，构建预测模型，并验证了其在分子亚型和肿瘤分期中的稳健性 | 本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床适用性 | 开发一个精准预测乳腺癌新辅助治疗后肿瘤缩小模式的模型，以辅助保乳手术规划 | 接受新辅助治疗并手术的乳腺癌患者 | 数字病理学 | 乳腺癌 | MRI | 深度学习, 机器学习 | MRI图像 | 2249名女性乳腺癌患者（训练集671人，内部验证集335人，外部验证集1243人） | NA | U-Net, ResNet-50 | AUC, Dice系数 | NA |
| 2218 | 2026-04-14 |
Spiner, deep learning-based automated detection of spiral ganglion neurons in intact cochleae
2025-Jul-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112929
PMID:40687827
|
研究论文 | 本研究开发了一种基于深度学习的自动化工具Spiner，用于在完整耳蜗中检测螺旋神经节神经元 | 引入了胶原酶处理优化组织透明化协议，并采用深度学习对象检测模型实现大型3D数据集中SGN的自动定位与计数 | 目前主要针对I型螺旋神经节神经元，在大型动物模型中的应用仍需进一步验证 | 改进耳蜗中螺旋神经节神经元的检测与定量方法 | 沙鼠和猪的完整耳蜗组织 | 数字病理学 | 听力损失 | 组织透明化、光片荧光显微镜、胶原酶处理 | 深度学习对象检测模型 | 3D图像数据 | 沙鼠和猪的耳蜗样本（具体数量未明确） | NA | NA | 与人工计数的一致性 | NA |
| 2219 | 2026-04-14 |
A fully open AI foundation model applied to chest radiography
2025-07, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-09079-8
PMID:40500447
|
研究论文 | 本文介绍了Ark，一个应用于胸部X光片的开放基础模型，通过循环积累和重用多个数据集中异构专家标签的知识进行预训练 | Ark模型通过聚合多样化数据集和专家知识，扩展了诊断范围，适应新疾病，支持小样本学习和联邦学习，并开源代码和模型 | 未在摘要中明确提及具体限制 | 开发一个开放的基础模型，用于自动化胸部X光片解释，以克服现有深度学习模型的局限性 | 胸部X光片图像数据 | 医学影像 | 肺部疾病 | 深度学习 | 基础模型 | 图像 | 多个公共数据集，具体数量未在摘要中指定 | NA | Ark | NA | NA |
| 2220 | 2026-04-14 |
Longitudinal Tracking of Emphysema Holes at Noncontrast CT: Dynamic Patterns and Clinical Relationships
2025-07, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243239
PMID:40662972
|
研究论文 | 本研究利用深度学习软件纵向追踪肺气肿空洞的动态变化，并分析其与肺功能下降、疾病进展及死亡率的关系 | 首次采用深度学习技术对肺气肿空洞进行纵向追踪，并根据直径变化将其动态分组，揭示了空洞动态模式与临床结局的关联 | 研究为二次分析，样本量较小（108名参与者），且主要为男性，可能限制结果的普适性 | 追踪肺气肿空洞的纵向变化，探究其动态模式与临床指标（FEV1下降、疾病进展、死亡率）的关系 | 韩国阻塞性肺疾病队列研究中完成基线和6年随访CT扫描的参与者 | 数字病理学 | 肺气肿 | CT扫描 | 深度学习 | CT图像 | 108名参与者（平均年龄63.4岁，其中104名男性） | NA | NA | 线性回归系数（β）、P值、对数秩检验（log-rank test） | NA |