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 921 - 940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2026-03-18 |
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 | 本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞立体纤毛束的三维形态 | 开发了首个开源、用户友好的Napari插件套件，集成了五个深度学习模型，用于自动化处理和分析耳蜗毛细胞立体纤毛束的3D共聚焦显微镜图像，并提供了首个手动标注的3D实例分割数据集 | 未明确说明模型在更广泛数据集或不同物种上的泛化能力，也未详细讨论计算效率或对硬件资源的具体要求 | 开发一个专门工具，以促进耳蜗毛细胞立体纤毛束的高通量、定量三维形态分析 | 耳蜗毛细胞及其立体纤毛束 | 计算机视觉 | NA | 共聚焦显微镜，鬼笔环肽染色 | 深度学习模型 | 3D共聚焦显微镜图像 | 约55个3D图像堆栈，包含502个内毛细胞束和1703个外毛细胞束的3D标注 | NA | Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类工具 | NA | NA |
| 922 | 2026-03-18 |
Your turn: At home turning angle estimation for Parkinson's disease severity assessment
2025-09, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103194
PMID:40577945
|
研究论文 | 本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转，来自动量化帕金森病患者在家庭环境中的转身角度 | 这是首个探索使用单目摄像头数据在家庭环境中量化帕金森病患者转身行为的研究，重点关注自由生活场景下的复杂挑战 | 由于在自由生活环境中难以获取精确的真实数据，研究基于临床专家的手动标注将角度量化为最近的45°区间，这可能影响精度 | 开发一种自动量化帕金森病患者转身角度的方法，以评估疾病严重程度 | 帕金森病患者和健康对照志愿者 | 计算机视觉 | 帕金森病 | 视频分析，3D骨架提取 | 深度学习 | 视频 | 24名受试者（12名帕金森病患者和12名健康对照志愿者）的1386个转身视频片段 | NA | Fastpose, Strided Transformer | 准确率, 平均绝对误差, 加权精确率 | NA |
| 923 | 2026-03-18 |
Big data and AI: Potential and challenges for digital transformation in toxicology
2025-Sep, Environmental analysis, health and toxicology
DOI:10.5620/eaht.2025s07
PMID:41265416
|
综述 | 本文探讨了大数据和人工智能在毒理学数字化转型中的潜力与挑战，重点关注毒性数据库现状、AI方法及其在化学风险评估中的应用 | 系统整合了毒性数据库、AI方法（包括机器学习、深度学习和大型语言模型）及案例研究，并强调了解释性AI和不良结局通路框架的结合以提升模型可解释性 | 高质量同质数据集有限，AI模型的黑箱性质阻碍了监管接受度 | 推动毒理学从观察科学向预测科学转型，通过AI现代化化学风险评估 | 毒性数据库、AI方法（如机器学习和深度学习）、化学优先排序案例 | 机器学习 | NA | NA | 机器学习, 深度学习, 大型语言模型 | 大数据 | NA | NA | NA | NA | NA |
| 924 | 2026-03-18 |
Comparison of time-series models for predicting physiological metrics under sedation
2025-06, Journal of clinical monitoring and computing
IF:2.0Q2
DOI:10.1007/s10877-024-01237-z
PMID:39470955
|
研究论文 | 本研究全面比较了多种时间序列模型在生理指标预测中的应用，重点关注麻醉深度评估中的双频指数预测 | 系统比较了传统药代动力学-药效学模型、统计模型与现代深度学习模型在双频指数预测中的性能，并探索了单变量与多变量预测方案 | NA | 评估和比较不同时间序列模型在预测手术中镇静深度关键指标双频指数的性能 | 从真实手术中收集的生理指标数据集，用于预测双频指数 | 机器学习 | NA | NA | LSTM, GRU, TCN, Transformer, ARIMA, VAR | 时间序列数据 | NA | NA | LSTM, GRU, TCN, Transformer | NA | NA |
| 925 | 2026-03-18 |
Expert consensus document on artificial intelligence of the Italian Society of Cardiology
2025-05-01, Journal of cardiovascular medicine (Hagerstown, Md.)
DOI:10.2459/JCM.0000000000001716
PMID:40331418
|
专家共识 | 本文是意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件 | 整合了人工智能在心血管疾病诊断、预后和管理中的最新应用，并强调了其在识别患者表型和改善临床决策方面的潜力 | 算法的外部有效性无法保证，结果的可解释性存在“黑箱”问题 | 探讨人工智能在心血管疾病管理中的应用潜力和挑战 | 心血管疾病患者，包括高血压、缺血性心脏病、浸润性心肌病和心房颤动等 | 机器学习 | 心血管疾病 | 机器学习，深度学习 | 人工神经网络 | 医院数据集，心电图，超声心动图采集数据 | NA | NA | NA | 准确性 | NA |
| 926 | 2026-03-18 |
Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients
2025-Apr-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.05.25325276
PMID:40453372
|
研究论文 | 本研究通过深度学习分析腹部手术患者术前CT影像中的身体成分，探讨了性别差异在身体成分与临床营养不良关联中的作用 | 首次使用深度学习对男性和女性腹部手术患者进行全面的身体成分评估，并分别分析其与营养不良的性别特异性关联 | 研究为单中心回顾性设计，可能受选择偏倚影响，且未考虑所有潜在混杂因素 | 评估术前影像衍生的身体成分特征与临床营养不良之间的性别特异性关联 | 接受腹部手术并进行了术前CT扫描的患者 | 数字病理学 | 营养不良 | 计算机断层扫描（CT） | 深度学习 | 医学影像（CT扫描） | 1,143名患者（52%为女性） | NA | NA | 比值比（OR）, p值 | NA |
| 927 | 2026-03-18 |
Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking
2025-Apr-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.01.646705
PMID:40236190
|
研究论文 | 本文介绍了一种基于无标记深度学习的自动化细胞追踪方法DeepBIT，用于高通量研究细胞迁移，特别是在癌症细胞迁移中的应用 | 开发了无需荧光标记的深度学习自动化追踪方法DeepBIT，实现了高通量单细胞迁移分析，显著提高了实验效率 | 方法主要针对癌症细胞迁移，可能在其他细胞类型或疾病模型中的适用性未充分验证 | 研究细胞迁移的调控机制，特别是在癌症转移等疾病过程中的作用 | 癌症细胞迁移行为 | 计算机视觉 | 癌症 | 时间延迟视频成像，CRISPR介导的基因敲除，小分子抑制剂筛选 | 深度学习 | 视频 | 约130万追踪细胞，覆盖840种不同条件 | NA | NA | NA | NA |
| 928 | 2026-03-18 |
Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review
2025-04, Journal of contaminant hydrology
IF:3.5Q2
DOI:10.1016/j.jconhyd.2025.104541
PMID:40112582
|
综述 | 本文对2019年至2024年间人工智能技术在河流水质污染检测与控制领域的应用进行了全面回顾 | 系统梳理了机器学习、深度学习及物联网技术在河流水质模拟中的最新进展与应用，并探讨了多技术融合在实时监测与预测方面的潜力 | 作为综述文章，未提出新的原创模型或方法，主要基于对现有文献的分析与总结 | 评估人工智能技术在河流水质污染检测与控制领域的应用现状与发展趋势 | 河流水质污染 | 机器学习 | NA | NA | ANN, DNN, LSTM, RF | 水质相关数据集 | 分析了超过110篇研究文章 | NA | NA | NA | NA |
| 929 | 2026-03-18 |
A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia
2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco)
DOI:10.1007/978-3-031-78761-4_9
PMID:41800187
|
研究论文 | 本文提出了一种基于病变感知的图神经网络（LEGNet），用于从卒中后失语症患者的静息态功能磁共振成像（rs-fMRI）连接性中预测语言能力 | LEGNet整合了边缘学习模块、病变编码模块和子图学习模块，利用功能相似性进行预测，并在合成数据上进行超参数调优和预训练，展示了在脑损伤患者中学习rs-fMRI连接性与语言能力关系的潜力 | 研究使用了内部数据集，且第二个数据集的神经影像协议略有不同，可能影响泛化能力的全面评估 | 预测卒中后失语症患者的语言能力，以改进卒中后失语症的评估 | 卒中后失语症患者 | 数字病理学 | 卒中后失语症 | rs-fMRI | 图神经网络（GNN） | 神经影像数据（rs-fMRI） | 内部神经影像数据集，具体样本数量未在摘要中明确说明 | NA | LEGNet | NA | NA |
| 930 | 2026-03-18 |
Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes
2025, F1000Research
DOI:10.12688/f1000research.171774.2
PMID:41835982
|
研究方案 | 本文提出了一项关于人工智能在实施科学中应用、评估方法和成果的活体范围综述协议 | 采用活体范围综述方法，以跟踪人工智能在实施科学中快速演变的角色 | NA | 绘制人工智能在实施研究和实践中的应用图景，识别评估方法、报告成果及潜在风险，并综合研究空白和机遇 | 实证研究、系统综述、灰色文献和政策文件 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 自然语言处理, 大语言模型 | NA | 文本 | NA | NA | NA | NA | NA |
| 931 | 2026-03-17 |
Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method
2025-Nov-03, eLife
IF:6.4Q1
DOI:10.7554/eLife.98798
PMID:41181929
|
研究论文 | 本研究通过分子动力学模拟、数据驱动统计方法和深度学习，揭示了新型精神活性物质（NPS）靶向大麻素受体CB1时增强下游β-arrestin信号的结构基础 | 结合过渡态重加权方法、变分自编码器（神经关系推断，NRI）分析配体结合动力学对下游信号的影响，首次系统阐明了NPS与经典大麻素在跨膜区TM7相互作用差异及对NPxxY基序变构调控的机制 | 研究主要基于计算模拟，缺乏实验验证；样本仅涉及两种配体（MDMB-Fubinaca和HU-210），可能无法完全代表所有NPS的多样性 | 揭示新型精神活性物质（NPS）靶向大麻素受体CB1时导致更强β-arrestin信号的结构机制与动力学差异 | 人类大麻素受体1（CB1）及其配体（NPS MDMB-Fubinaca和经典大麻素HU-210） | 计算生物学 | 药物滥用 | 分子动力学模拟，多系综模拟，过渡态重加权方法，变分自编码器（神经关系推断） | 变分自编码器 | 分子动力学模拟轨迹数据 | 两种配体（MDMB-Fubinaca和HU-210）与CB1受体的结合过程模拟 | NA | 神经关系推断 | NA | NA |
| 932 | 2026-03-17 |
Deep learning-powered high-efficient atomic force microscopy single-cell nanomechanical analysis on diverse biointerfaces
2025-10-30, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2025.152761
PMID:41066979
|
研究论文 | 本文提出了一种结合原子力显微镜单细胞压痕实验与视觉基础模型图像识别的方法，用于在不同生物界面上进行高效、可靠的细胞力学测量 | 利用预训练的深度学习模型实时识别光学明场图像中的细胞，实现了自主高效的AFM单细胞压痕实验，提升了AFM的吞吐量和自动化水平 | NA | 揭示细胞与细胞外基质相互作用的物理机制，以全面理解生理和病理过程 | 单细胞在多种生物界面上的力学响应 | 计算机视觉 | NA | 原子力显微镜，单细胞压痕实验 | 深度学习模型 | 图像 | NA | NA | 视觉基础模型 | NA | NA |
| 933 | 2026-03-17 |
DeepInMiniscope: Deep learning-powered physics-informed integrated miniscope
2025-Sep-12, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adr6687
PMID:40938981
|
研究论文 | 本文介绍了一种名为DeepInMiniscope的微型集成显微镜，结合定制光学掩模和物理信息深度学习模型，用于高效的大规模三维成像 | 开发了结合定制光学掩模和物理信息深度学习模型的微型集成显微镜，显著降低了计算需求，并实现了毫米级物体体积的高质量重建 | NA | 开发一种紧凑、高效的大视场三维成像技术，用于生物医学研究 | 小鼠大脑皮层中的神经元活动 | 计算机视觉 | NA | 掩模集成荧光显微镜 | 深度学习模型 | 图像 | NA | NA | NA | 重建质量、速度 | NA |
| 934 | 2026-03-17 |
Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning
2025-09, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04883-2
PMID:40088296
|
研究论文 | 本研究提出了一种基于深度学习的全自动化方法，用于肝脏磁共振弹性成像的质量控制和肝脏硬度测量 | 首次采用深度学习模型（SqueezeNet和U-Net）实现肝脏MRE质量控制和硬度测量的全自动化，显著提高效率 | 研究为单中心回顾性研究，样本量相对较小（69名患者），需进一步多中心验证 | 开发自动化深度学习方法以解决肝脏磁共振弹性成像质量控制和测量变异性问题 | 肝脏磁共振弹性成像扫描图像 | 数字病理学 | 肝纤维化 | 磁共振弹性成像 | CNN | 图像 | 69名患者的146次2D MRE扫描，共897张MRE幅度切片 | NA | SqueezeNet, U-Net | 准确率, 精确率, 召回率, 平均LSM误差, 组内相关系数 | NA |
| 935 | 2026-03-17 |
Training deep learning models on personalized genomic sequences improves variant effect prediction
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618510
PMID:39463940
|
研究论文 | 本文通过训练深度学习模型于个性化基因组序列，提升了变异效应预测的性能 | 在匹配个人基因组的功能基因组数据上训练模型，提高了变异效应预测的准确性，且变异效应表征在微调至未见细胞环境和实验读数时仍能保留 | NA | 改进序列到功能模型在变异效应预测中的性能 | 个性化基因组序列和功能基因组数据 | 机器学习 | NA | 功能基因组数据 | 深度学习模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 936 | 2026-03-17 |
Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT
2025-Feb, Ophthalmology
IF:13.1Q1
DOI:10.1016/j.ophtha.2024.08.017
PMID:39151755
|
研究论文 | 本研究利用深度学习分析OCT图像，量化了在pegcetacoplan治疗下，地理萎缩患者光感受器和视网膜色素上皮层的形态变化 | 首次应用深度学习技术对OCT图像进行分割，以客观量化地理萎缩中光感受器和视网膜色素上皮层的退化，并揭示了椭圆体带-视网膜色素上皮差异对疾病进展和治疗反应的显著影响 | 研究为事后纵向图像分析，可能受限于原始临床试验的设计和数据收集；未详细说明深度学习模型的泛化能力到其他数据集或临床环境 | 评估pegcetacoplan治疗对年龄相关性黄斑变性引起的地理萎缩中视网膜结构变化的疗效 | 来自OAKS和DERBY两项前瞻性随机III期临床试验的897名地理萎缩患者 | 数字病理学 | 年龄相关性黄斑变性 | OCT成像 | 深度学习 | 图像 | 897只眼睛（来自897名患者） | NA | NA | 视网膜色素上皮损失和椭圆体带损失的面积变化百分比 | NA |
| 937 | 2026-03-17 |
AI: the Apollo guidance computer of the Exposome moonshot
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1632520
PMID:41000410
|
评论 | 本文提出将人工智能与微生理系统和多组学平台结合，以推动暴露组学研究，实现疾病预防和个性化健康管理 | 提出“暴露组登月计划”统一愿景，将微生理系统、多组学平台和人工智能整合，创建器官、个体和人群的数字孪生模型 | 需要扩展模型的适用领域、实施稳健的数据安全措施，并优先采用透明可解释的算法 | 推动暴露组学研究，通过人工智能整合环境暴露数据以理解和预防人类疾病 | 人类环境暴露数据、微生理系统生成的数据、多组学平台数据 | 机器学习 | NA | 多组学平台 | 深度学习 | 异质数据流 | NA | NA | NA | NA | NA |
| 938 | 2026-03-17 |
AI redefines mass spectrometry chemicals identification: retention time prediction in metabolomics and for a Human Exposome Project
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1687056
PMID:41312237
|
综述 | 本文综述了人工智能在质谱化学鉴定中的应用，特别是在代谢组学和人类暴露组项目中预测保留时间的方法 | 整合机器学习（包括深度学习和图神经网络）进行保留时间预测，并结合概率校准和跨平台协调，以提高代谢物注释的置信度 | NA | 通过人工智能增强保留时间预测，以改善人类暴露组项目中环境与内源性化学物质的鉴定 | 人类生物样本中的环境与内源性化学物质 | 机器学习 | NA | 液相色谱-高分辨率质谱, 气相色谱 | 深度学习, 图神经网络, 迁移学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 939 | 2026-03-15 |
Lightweight Vision Transformer with transfer learning for interpretable Alzheimer's disease severity assessment
2025-Dec-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28243-8
PMID:41408128
|
研究论文 | 提出一种轻量级深度学习框架ViTTL，用于基于MRI数据评估阿尔茨海默病的严重程度 | 集成Vision Transformer与预训练卷积神经网络进行迁移学习，并结合LIME和GRAD-CAM方法实现模型可解释性，同时大幅减小模型尺寸 | 未明确说明在独立数据集上的具体性能指标或潜在的数据偏差 | 开发准确、可解释且资源高效的阿尔茨海默病诊断工具 | 阿尔茨海默病患者 | 计算机视觉 | 阿尔茨海默病 | MRI | Vision Transformer, CNN, ANN | 图像 | OASIS数据集和Kaggle独立数据集 | 未明确指定 | ViT-DenseNet201 | 准确率, Dice相似系数 | 未明确指定 |
| 940 | 2026-03-15 |
Potential of artificial intelligence for radiation dose reduction in computed tomography -A scoping review
2025-07, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.102968
PMID:40339443
|
综述 | 本文通过范围综述，评估和总结了人工智能在CT扫描中患者定位、扫描范围确定和图像重建三个关键领域对辐射剂量优化的作用 | 系统性地聚焦于AI在CT辐射剂量优化中的三个核心应用领域，并提供了当前技术状态的简明概述，强调了其益处、局限性和对剂量减少变革的影响 | 作为一篇范围综述，它主要总结现有研究，未进行新的实验验证，且纳入文献时间范围可能限制了对最新进展的覆盖 | 回顾、评估和总结人工智能在计算机断层扫描（CT）辐射剂量优化中的作用 | 涉及CT扫描的文献研究，重点关注腹部、胸部、头部、颈部和骨盆以及CT血管造影等扫描部位 | 医学影像 | NA | 计算机断层扫描（CT） | 深度学习 | CT图像 | 90篇符合选择标准的文章 | NA | NA | 辐射剂量、相关评估指标（基于应用AI的CT参数） | NA |