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 19278 篇文献，本页显示第 441 - 460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 2026-05-03 |
Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240229
PMID:39969278
|
研究论文 | 开发了一种纵向感知分割网络（LAS-Net），用于自动量化儿童霍奇金淋巴瘤患者的序列PET/CT图像 | LAS-Net引入纵向交叉注意力机制，利用基线PET1图像特征指导中期PET2图像分析，实现多时间点PET指标的自动量化 | 外部测试队列性能略有下降，且样本量有限（297名患者） | 开发并验证一种能自动量化儿科霍奇金淋巴瘤序列PET/CT图像的深度学习分割模型 | 儿童霍奇金淋巴瘤患者的序列PET/CT图像（基线PET1和中期PET2） | 医学图像分析, 深度学习 | 霍奇金淋巴瘤 | PET/CT成像 | 卷积神经网络 | 医学图像 | 297名儿科患者（内部200名，外部97名） | NA | 纵向感知分割网络（LAS-Net） | Dice系数, F1分数, Spearman相关系数 | NA |
| 442 | 2026-05-03 |
AI in SPECT Imaging: Opportunities and Challenges
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.03.005
PMID:40189986
|
综述 | 全面概述人工智能在SPECT成像中的应用进展，涵盖图像重建、增强、衰减校正、分割、疾病分类及多模态融合 | 系统综述了监督/无监督学习、图像合成、跨模态学习及自监督对比学习策略在SPECT成像中的创新应用，并探讨了基础模型和大语言模型用于知识驱动图像分析的未来方向 | 数据异质性、模型可解释性不足及计算复杂度高限制了AI方法的临床采纳，且缺乏标准化评估指标和大规模多模态数据集 | 总结AI驱动SPECT成像的技术进展，分析临床转化中的关键挑战并展望未来研究方向 | SPECT成像技术及其在心血管、神经、肿瘤疾病中的应用 | 计算机视觉 | 心血管疾病, 神经系统疾病, 肿瘤疾病 | SPECT成像 | 卷积神经网络, 生成对抗网络, Transformer | SPECT图像 | NA | NA | CNN, GAN, Transformer | NA | NA |
| 443 | 2026-05-03 |
Using deep learning for estimation of time-since-injury in pediatric accidental fractures
2025-May, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06223-4
PMID:40258953
|
研究论文 | 使用深度学习模型估计儿童意外骨折的受伤时间 | 首次应用深度学习模型精确估计儿童意外长骨骨折的受伤时间，在分类和直接估计任务上均取得高于基线的表现 | 未具体说明，可能包括样本量有限、数据来自单一机构等 | 训练和验证深度学习模型以正确估计儿童意外长骨骨折的年龄 | 儿童意外长骨骨折的X光图像 | 计算机视觉 | 骨折 | X光成像 | 深度学习模型 | 图像 | 399名患者的2328张X光片 | NA | NA | 混淆矩阵、敏感性、特异性、激活图、平均绝对误差（MAE）、均方根误差（RMSE） | NA |
| 444 | 2026-05-03 |
Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning
2025-05, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240714
PMID:40326877
|
研究论文 | 利用基于流体力学的生成对抗网络直接从解剖输入预测主动脉三维血流动力学 | 首次利用流体物理约束的循环生成对抗网络直接从三维主动脉解剖分割预测血流动力学，无需4D flow MRI，实现亚秒级计算 | 未明确讨论模型对极端解剖变异或低质量输入的鲁棒性，外部验证样本量有限（60例） | 评估基于物理信息的深度学习替代4D flow MRI量化主动脉血流动力学的可行性和准确性 | 主动脉血流动力学指标（速度矢量场、峰值速度、壁面剪切应力、主动脉瓣狭窄分级） | 计算机视觉 | 主动脉瓣疾病（二叶式主动脉瓣、三叶式主动脉瓣） | 4D flow MRI | 生成对抗网络（CycleGAN） | 三维图像（主动脉分割） | 1765例患者（994例BAV训练+248例测试；419例TAV训练+104例测试；外部验证60例） | PyTorch | FPI-CycleGAN | 偏倚、一致性界限、相关系数（ρ）、相对差异、κ系数 | GPU未具体说明，训练时间TAV网络1500分钟、BAV网络3600分钟，推理时间0.15秒 |
| 445 | 2026-05-03 |
Trials and tribulations: Developing an artificial intelligence for screening malaria parasite from peripheral blood smears
2025 May-Jun, Medical journal, Armed Forces India
DOI:10.1016/j.mjafi.2023.10.007
PMID:40463611
|
研究论文 | 本研究尝试开发一种人工智能模型，用于从外周血涂片中自动筛查疟原虫 | 首次尝试开发一个完整模块，用于从自动显微摄影或全玻片图像中筛查疟原虫，并对比了五种深度学习模型的性能 | 研究中未提及数据集的多样性、模型泛化能力及实际临床应用中的挑战 | 开发自动化人工智能系统以替代人工筛查疟原虫，提高检测敏感性和特异性 | 疟原虫感染的红细胞（正常红细胞和寄生红细胞） | 计算机视觉 | 疟疾 | 显微镜血涂片图像 | 深度学习模型（深度卷积神经网络、Inception V3） | 图像 | 352张利什曼-吉姆萨染色外周血涂片图像 | NA | 深度卷积神经网络、Inception V3、分水岭变换 | 敏感性, 特异性 | NA |
| 446 | 2026-05-03 |
scDILT: A Model-Based and Constrained Deep Learning Framework for Single-Cell Data Integration, Label Transferring, and Clustering
2025 May-Jun, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3553068
PMID:40811359
|
研究论文 | 提出scDILT框架，利用条件自编码器和深度嵌入聚类，实现单细胞数据整合、标签转移和聚类，同时保留参考数据集中的细胞类型模式 | 首次实现同时进行数据整合、标签转移和聚类，并通过同质性和异质性约束分别保留参考数据集的细胞类型模式并将新数据细胞映射到已标注的细胞簇 | NA | 开发一种能够同时进行单细胞数据整合、标签转移和聚类的工具，并确保新数据集整合后不改变旧数据集中的细胞簇定义 | 单细胞RNA测序数据集，包括模拟数据集和真实数据集，以及多组学单细胞数据集 | 机器学习 | NA | scRNA-seq | 条件自编码器，深度嵌入聚类 | 基因表达数据 | NA | PyTorch | 条件自编码器 | 数据整合评估指标 | NA |
| 447 | 2026-05-03 |
Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis
2025-Apr-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.21.25326162
PMID:40313262
|
研究论文 | 开发了SMAART-AI，一个基于深度学习（nnU-Net 2D）的全自动管道，用于从CT图像中可靠评估骨骼肌面积，并预测癌症恶病质 | 提出端到端自动管道SMAART-AI，结合不确定性机制标记高误差预测，并使用多层感知器模型整合多模态数据预测癌症恶病质 | 未在多种其他癌症类型中验证其泛化性，且未讨论不确定性机制的临床接受度和成本影响 | 开发一个可靠、自动化的工具用于骨骼肌面积评估和癌症恶病质早期诊断 | 胃食管癌患者的CT图像及临床数据 | 计算机视觉， 数字病理 | 癌症恶病质， 胃食管癌 | CT成像 | CNN（nnU-Net 2D）， 多层感知器（MLP） | 图像， 临床数据 | 四个数据集的样本量 | PyTorch | nnU-Net 2D， 多层感知器（MLP） | Dice系数， 绝对中位误差， 精度， 相关系数（方差、熵、变异系数） | 未在摘要中说明 |
| 448 | 2026-05-03 |
Active learning of enhancers and silencers in the developing neural retina
2025-Jan-15, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2024.12.004
PMID:39778579
|
研究论文 | 开发了一种主动学习方法，用于区分发育中神经视网膜中的增强子和沉默子 | 结合主动学习与不确定性采样，迭代训练模型区分具有相同序列但功能相反的CRX结合位点 | 模型训练主要基于CRX转录因子，可能不适用于其他转录因子的调控元件 | 建立区分增强子和沉默子的深度学习模型 | CRX转录因子的顺式调控元件（增强子和沉默子） | 机器学习 | NA | 大规模平行报告基因检测 | 深度学习模型 | 基因组序列 | 超过所有结合CRX的基因组位点 | NA | NA | 区分能力 | NA |
| 449 | 2026-05-03 |
Accelerated CEST imaging through deep learning quantification from reduced frequency offsets
2025-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30269
PMID:39270056
|
研究论文 | 通过深度学习和减少频率偏移采样来加速CEST成像 | 利用Fisher信息增益分析识别最优频率偏移，并采用U-NET网络从欠采样Z谱中量化CEST图，实现扫描时间显著缩短 | 未提及大规模验证或不同场强下的适用性 | 缩短CEST采集时间，通过Z谱欠采样结合深度学习构建CEST图 | 脑部CEST图像，包括18名志愿者的体内数据及模拟的胶质母细胞瘤IV级病理 | 深度学习 | 脑部疾病, 胶质母细胞瘤 | CEST成像 | U-NET | 图像 | 18名志愿者 | NA | U-NET | 结构相似性指数, 峰值信噪比, 皮尔逊相关系数, 均方误差 | NA |
| 450 | 2026-05-03 |
Virtual multiplex immunofluorescence identifies lymphocyte subsets predictive of response to neoadjuvant therapy
2025, Therapeutic advances in medical oncology
IF:4.3Q2
DOI:10.1177/17588359251379411
PMID:41142474
|
研究论文 | 开发并验证一种名为mSIGHT的深度学习工具，可将常规H&E染色病理图像转化为高保真合成多重免疫荧光图像，用于预测乳腺癌新辅助治疗反应 | 首创结合配准网络的图像翻译管线mSIGHT，解决了输入与目标图像之间的未对齐问题，性能优于标准Pix2Pix和CycleGAN，能从常规H&E染色中提取免疫细胞信息 | 研究样本量较小（17例三阴性乳腺癌用于模型开发），且仅针对乳腺癌，可能限制在其他癌症类型中的泛化能力 | 开发能从常规H&E染色图像中获取免疫细胞信息的深度学习工具，以低成本、可扩展的方式替代多重免疫荧光技术，并预测乳腺癌新辅助治疗反应 | 乳腺癌患者的核心针活检组织样本 | 数字病理学 | 乳腺癌 | H&E染色，多重免疫荧光（mIF） | 生成对抗网络（GAN）结合配准网络 | 病理图像 | 17例三阴性乳腺癌用于模型开发，218例乳腺癌用于外部验证 | PyTorch | Pix2Pix, CycleGAN,配准网络 | 像素级指标，细胞密度，细胞间邻近度，调整后的优势比 | NA |
| 451 | 2026-05-02 |
Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning
2025-12, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2025.2483944
PMID:40170162
|
研究论文 | 利用大规模黏度数据和集成深度学习模型加速高浓度单克隆抗体的开发 | 构建了包含102个集成人工神经网络模型的DeepViscosity系统，使用序列特征预测高浓度抗体黏度，数据规模远超此前仅有几十个数据点的局限性 | 模型预测仅限于150 mg/mL浓度下的黏度分类，对极端序列抗体或其他浓度条件的泛化能力仍需验证 | 开发能够预测高浓度单克隆抗体黏度的计算模型，用于早期抗体筛选与皮下注射药物开发 | 229个单克隆抗体样本的黏度数据，以及229个序列来源的DeepSP特征 | 机器学习 | NA | NA | 人工神经网络集成模型 | 数值与序列特征 | 229个单克隆抗体样品，以及额外独立测试集16和38个样品 | NA | 集成多层人工神经网络 | 准确率 | NA |
| 452 | 2026-05-02 |
AlphaBind, a domain-specific model to predict and optimize antibody-antigen binding affinity
2025-12, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2025.2534626
PMID:40693434
|
研究论文 | 提出AlphaBind模型用于预测和优化抗体-抗原结合亲和力 | 利用蛋白质语言模型嵌入和数百万定量实验室测量的预训练，实现抗体亲和力优化的最先进性能，仅需单轮数据生成 | 未提及具体局限性 | 通过深度学习预测和优化抗体序列的结合亲和力 | 四种亲本抗体（部分已进行过亲和力成熟） | 机器学习 | NA | 亲和力测量 | 蛋白质语言模型 | 序列数据、实验测量数据 | 数百万定量实验室测量数据 | PyTorch | AlphaBind | 结合亲和力提升程度 | NA |
| 453 | 2026-05-02 |
Germline-aware deep learning models and benchmarks for predicting antibody VH-VL pairing
2025-12, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2025.2570749
PMID:41104651
|
研究论文 | 提出了一个包含新基准数据集和三种深度学习模型的综合框架，用于预测抗体VH-VL配对 | 引入了基于V(D)J种系信息的不同负采样策略，并开发了轻量级BERT模型实现超过90%的配对准确率 | 未在摘要中明确提及 | 开发高效的计算方法以预测抗体可变重链和可变轻链的兼容配对 | 抗体VH和VL链序列 | 自然语言处理 | NA | NA | BERT | 序列数据 | NA | NA | BERT | 准确率 | NA |
| 454 | 2025-05-24 |
Corrigendum to "Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy" [Academic Radiology 32 (2025) 12-23]
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.010
PMID:40404505
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 455 | 2026-05-02 |
Federated Deep Learning Approaches for Detecting Ocular Diseases in Medical Imaging: A Systematic Review
2025-Oct-02, Current medical imaging
IF:1.1Q3
|
综述 | 本文系统综述了联邦深度学习在医学影像眼部疾病检测中的应用进展 | 首次系统性地评估联邦学习在眼部疾病检测中的进展，重点关注数据隐私保护与诊断准确性的平衡 | 数据异质性、通信效率和模型收敛性等挑战尚未完全解决 | 分析人工智能驱动的眼部疾病检测进展，特别是基于联邦学习的方法 | 2017年至2024年间发表的关于深度学习和联邦学习模型用于眼部疾病检测的研究文章 | 计算机视觉 | 眼部疾病 | NA | 联邦学习模型，包括FedAvg和FedProx | 医学影像 | NA | NA | NA | 准确性、效率 | NA |
| 456 | 2026-05-02 |
Racial and ethnic disparities in exposure to short-term NO2 air pollution in California during 1980-2022
2025-Sep-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.139309
PMID:40695125
|
研究论文 | 利用深度学习框架估算1980-2022年美国加州短期NO2暴露浓度，并分析种族和民族差异 | 首次利用深度学习结合化学传输模型输出和地理空间数据，生成1980-2022年高时空分辨率NO2浓度数据，并量化历史短期NO2暴露中的种族和民族差异 | 未明确提及外部验证或潜在数据偏差 | 评估加州1980-2022年短期NO2暴露中的种族和民族差异，为环境正义提供关键信息 | 美国加州不同种族和民族群体（包括西班牙裔或拉丁裔、非西班牙裔非洲裔或黑人、非西班牙裔美洲印第安人、阿拉斯加原住民、亚裔、太平洋岛民及非西班牙裔白人） | 机器学习 | NA | 地理空间数据分析 | 深度学习模型 | 地理空间数据 | NA | 深度学习框架（未具体说明） | NA | 决定系数（R²），范围0.72-0.83 | NA |
| 457 | 2026-05-02 |
3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出多类变分点云自编码器用于3D心脏形状与功能分析，实现对心肌梗死的预测和虚拟心脏合成 | 将变分点云自编码器应用于多类3D心脏解剖结构的几何深度学习，实现低维且可解释的潜在空间中的复杂非线性形状变异捕捉 | NA | 开发一种新型几何深度学习方法，用于3D心脏形状和功能分析，以理解并利用人类群体的心脏变异，辅助临床决策和心脏功能模拟 | 超过10000个受试者的3D心脏点云数据 | 计算机视觉, 机器学习, 数字病理学 | 心肌梗死 | NA | 变分点云自编码器 | 点云 | 超过10000个受试者的3D心脏点云数据 | NA | Point VAE | Chamfer距离, AUROC, Harrell's C指数 | NA |
| 458 | 2026-05-02 |
Automated detection and recognition of oocyte toxicity by fusion of latent and observable features
2025-08-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.138411
PMID:40318589
|
研究论文 | 开发了一种融合深度学习潜在特征与可观察人类概念特征的框架，用于自动检测和识别卵母细胞毒性 | 首次将深度学习提取的潜在特征与人类概念可观察特征融合，用于卵母细胞毒性检测、亚型分类和强度分级 | NA | 评估环境污染物对卵母细胞异常的影响，并实现自动化毒性检测与分类 | 小鼠卵母细胞 | 计算机视觉 | NA | NA | 深度学习（潜在特征提取网络） | 图像 | 2126张小鼠卵母细胞图像 | NA | 特征融合网络 | ROC-AUC | NA |
| 459 | 2026-05-02 |
Deep learning-enhanced hyperspectral imaging for rapid screening of Co-metabolic microplastic-degrading bacteria in environmental samples
2025-08-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.138370
PMID:40267710
|
研究论文 | 提出一种结合高光谱成像与深度学习的方法，用于快速筛选共代谢微塑料降解细菌 | 首次将高光谱成像与深度学习算法结合，用于共代谢固体培养基中微塑料降解细菌的直接筛选，克服了传统方法耗时且难以鉴别共代谢降解菌的局限 | 仅验证了一种聚己二酸/对苯二甲酸丁二醇酯降解细菌，模型在更广泛微生物种类和环境样本中的适用性需进一步探索 | 开发一种高效筛选共代谢微塑料降解细菌的方法 | 共代谢固体培养基中的微塑料降解细菌 | 机器学习和计算机视觉 | 不适用 | 高光谱成像 | 机器学习和深度学习算法 | 高光谱图像（包含空间和光谱信息） | 实验涉及固体培养基样本，具体数量未明确 | 不适用 | 不适用 | 不适用 | 不适用 |
| 460 | 2026-05-02 |
Deep learning-guided design of dynamic proteins
2025-May-22, Science (New York, N.Y.)
DOI:10.1126/science.adr7094
PMID:40403060
|
研究论文 | 描述了一种基于深度学习的通用方法，用于从头设计具有原子级精度的蛋白质构象动态变化 | 首次实现从头设计受控的蛋白质构象变化，模拟自然信号蛋白的开关机制，并通过实验验证了设计构象 | 未提及具体限制，但可能涉及计算资源需求高或设计复杂度随蛋白质大小增加 | 开发通用深度学习框架实现可调控蛋白质动态构象的从头设计 | 蛋白质构象的动态变化及信号传导行为 | 机器学习 | NA | 深度学习 | 神经网络 | 蛋白质结构数据 | NA | NA | NA | NA | NA |