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 1481 - 1500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1481 | 2026-07-01 |
Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms
2025-Nov-21, Research square
DOI:10.21203/rs.3.rs-8001137/v1
PMID:41333439
|
研究论文 | 开发并验证了一种基于一维注意力门控U-Net的深度学习模型，用于分割机械通气波形中的吸气与呼气起始点 | 首次将注意力门控U-Net架构应用于通气波形时间序列分割，在噪声真实数据中优于传统启发式方法，并能通过梯度加权类激活图解释模型决策特征 | NA | 实现机械通气波形的高精度实时分割，为患者-呼吸机异步事件的可重复量化提供基础 | 机械通气波形中的吸气与呼气起始点 | 机器学习 | NA | NA | 深度学习 | 时间序列波形 | 来自33名患者的9,719次呼吸 | NA | 注意力门控U-Net | F1分数 | NA |
| 1482 | 2026-07-01 |
Transforming sleep medicine: the evolving role of artificial intelligence
2025-11-01, Current opinion in pulmonary medicine
IF:2.8Q2
DOI:10.1097/MCP.0000000000001210
PMID:40855966
|
综述 | 探讨人工智能在睡眠医学中的演变角色及其对诊断和治疗的影响 | 系统总结了AI技术在阻塞性睡眠呼吸暂停、失眠和发作性睡病等睡眠障碍检测中的应用，并强调了基于睡眠障碍内分型实现个性化治疗的潜力 | 临床应用中存在伦理问题，包括患者隐私、数据使用偏见和透明度不足等挑战 | 解释AI在睡眠医学中的演变角色，为临床医生提供关于其益处和局限性的关键信息 | 睡眠医学领域，包括阻塞性睡眠呼吸暂停、失眠、发作性睡病等睡眠障碍 | 机器学习 | 睡眠障碍 | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 1483 | 2026-07-01 |
Establishment of normative spleen volume in a Japanese cohort using automated CT segmentation: diagnostic implications for liver fibrosis
2025-Oct-30, BMC gastroenterology
IF:2.5Q2
DOI:10.1186/s12876-025-04383-z
PMID:41168695
|
研究论文 | 利用基于深度学习的自动化CT分割建立日本人群的脾脏体积参考值，并评估其用于肝纤维化分期诊断的意义 | 首次通过深度学习分割技术为日本人群建立脾脏体积的标准化参考值，并基于预测残差定义脾肿大的Z评分阈值，用于无创性肝纤维化分期 | 外部队列样本量较小（仅136例肝病患者），且未包含对照组的健康人群数据 | 建立日本人群的脾脏体积参考值，并验证体积定义的脾肿大在肝纤维化分期中的诊断价值 | 日本健康成年人（4732例）及经组织学确认的肝病患者（136例） | 计算机视觉 | 肝病 | 非增强腹部CT | 深度学习分割模型 | CT图像 | 4732例健康成人（数据集1）和136例肝病患者（数据集2） | NA | NA | Dice系数，平均绝对误差，曲线下面积（AUC） | NA |
| 1484 | 2026-07-01 |
Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning
2025-Sep-24, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.22.677755
PMID:41040270
|
研究论文 | 提出一种从静态蛋白质结构推断动态灵活性信息的深度学习框架，无需分子动力学模拟 | 利用高斯积分向量作为蛋白质骨架的全局形状和拓扑不变量，结合注意力机制的一维卷积神经网络实现灵活性与非灵活性分类，性能优于传统方法 | 对高度灵活性蛋白质的预测存在系统性低估，且不同二级结构类型（如α螺旋）的预测效果差异较大 | 开发无需分子动力学模拟即可从蛋白质静态结构预测动态灵活性的计算方法 | 来自ATLAS数据库的1,374条蛋白质链的标准化全原子分子动力学轨迹数据 | 机器学习 | 不适用 | 分子动力学模拟、高斯积分 | 一维卷积神经网络、循环神经网络、注意力机制 | 蛋白质结构坐标、30维高斯积分向量 | 1,374条蛋白质链，每条链对应标准化全原子分子动力学轨迹 | PyTorch | 注意力机制的一维卷积神经网络、循环神经网络 | AUC、精确率、召回率、F1分数、R | 未明确提及 |
| 1485 | 2026-07-01 |
Quantitative Computed Tomography Measures of Lung Fibrosis and Outcomes in the National Lung Screening Trial
2025-09, Annals of the American Thoracic Society
IF:6.8Q1
DOI:10.1513/AnnalsATS.202410-1048OC
PMID:40208581
|
研究论文 | 研究国家肺部筛查试验中定量CT测量的肺纤维化与临床结局的关系 | 利用深度学习算法和定量成像技术，在大规模高风险人群中评估肺纤维化的意义 | 仅包括有吸烟史的高危人群，可能无法推广至其他人群 | 评估定量肺纤维化测量与临床相关结局的关联 | 国家肺部筛查试验中的参与者 | 计算机视觉 | 肺纤维化 | 低剂量CT扫描，CALIPER算法，深度学习UIP算法 | 深度学习模型（DL-UIP） | 医学影像 | 11518名参与者 | NA | CALIPER, DL-UIP | 危险比（HR） | NA |
| 1486 | 2026-07-01 |
Pulse Pressure, White Matter Hyperintensities, and Cognition: Mediating Effects Across the Adult Lifespan
2025-08, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.70086
PMID:40413732
|
研究论文 | 研究脉压和平均动脉压对年龄与白质高信号负荷关系的介导作用，以及白质高信号负荷对认知功能的介导效应 | 发现脉压而非平均动脉压介导年龄与白质高信号负荷的关系，并验证白质高信号负荷在整个成年生命周期中作为认知评分的中介变量 | 样本量较小（231人），且为回顾性研究设计，可能存在未控制的混杂因素 | 探讨血压指标（脉压和平均动脉压）在年龄相关脑白质病变累积及认知功能下降中的中介机制 | 231名无中风和痴呆的成年人 | 机器学习 | 老年性疾病 | 磁共振成像（T2-FLAIR序列） | TrUE-Net深度学习工具 | 医学影像数据 | 231名成年人（来自Aging Brain Cohort研究） | NA | TrUE-Net | NA | NA |
| 1487 | 2026-07-01 |
A Digital Twin Framework for Adaptive Treatment Planning in Radiotherapy
2025-Jul-22, ArXiv
PMID:40671956
|
研究论文 | 提出了一种用于前列腺立体定向放射治疗的数字孪生框架，实现快速在线自适应质子治疗计划优化 | 整合深度学习和多图谱变形配准，利用每日锥形束CT更新解剖结构，并通过知识库计划质量评估实现临床等效治疗计划，显著缩短再优化时间 | 基于43例既往病例的数据库，样本量有限，且仅针对前列腺SBRT，需验证更广泛适用性 | 开发数字孪生框架以实现自适应放疗中快速在线计划优化，提高治疗精度并减少器官毒性 | 前列腺立体定向放射治疗病例 | 数字病理学 | 前列腺癌 | 质子治疗 | CNN | 图像 | 43例既往前列腺SBRT病例 | TensorFlow, PyTorch | U-Net | 计划质量评分, 剂量覆盖率, 器官受照剂量 | NA |
| 1488 | 2026-07-01 |
Leveraging deep learning to discover interpretable cellular spatial biomarkers for prognostic predictions based on hepatocellular carcinoma histology
2025-07, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70033
PMID:40511597
|
研究论文 | 利用深度学习从肝细胞癌组织学图像中挖掘可解释的细胞空间生物标志物用于预后预测 | 首次系统量化肝细胞癌肿瘤微环境中肿瘤细胞、基质细胞和淋巴细胞的空间分布特征，并发现六种与患者总生存期显著相关的细胞空间特征，其中部分特征组合能进一步分层预后 | 研究仅基于H&E染色图像，可能需要更多独立队列验证；未深入探讨这些空间特征背后的生物学机制 | 通过量化肝细胞癌肿瘤微环境中的细胞空间组织，发现可解释的预后生物标志物，以改善患者风险分层 | 肝细胞癌H&E染色病理图像中的肿瘤细胞、基质细胞和淋巴细胞 | 数字病理学 | 肝细胞癌 | 深度学习细胞分割与识别 | CNN | 图像 | 两个独立队列：癌症基因组图谱计划队列和北京医院队列 | NA | NA | 总生存期相关性 | NA |
| 1489 | 2026-07-01 |
Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation
2025-05, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2024.10.103
PMID:39477040
|
研究论文 | 提出一个自动化图像处理流程，用于膝关节放射影像注册，整合多标签图像语义分类器与共形预测不确定性量化及物体检测模型 | 首次将共形预测不确定性量化整合到膝关节放射影像多标签分类中，并结合物体检测模型用于大型注册库的自动化构建 | NA | 开发一个用于膝关节放射影像注册的自动化图像处理流程，提升大规模注册库创建的效率和透明度 | 膝关节放射影像 | 计算机视觉 | 膝关节疾病 | NA | EfficientNet、物体检测模型 | 图像 | 26,000张膝关节图像用于分类，11,841张用于物体检测 | NA | EfficientNet | F1分数、准确率、敏感度、特异性、边际覆盖率、效率、平均精确度 | NA |
| 1490 | 2026-07-01 |
Enhancing HER2 testing in breast cancer: predicting fluorescence in situ hybridization (FISH) scores from immunohistochemistry images via deep learning
2025-03, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70024
PMID:40050230
|
研究论文 | 利用聚类约束注意力多实例深度学习模型，从免疫组化图像预测HER2评分和荧光原位杂交评分，以减少对反射性FISH检测的依赖 | 将深度学习应用于HER2 IHC评分和FISH评分预测，提高IHC测试的准确性，减少主观性和变异性，并降低对反射性FISH检测的依赖 | FISH预测模型准确性和灵敏度较低，虽然特异性高，但对低表达病例的识别能力有限 | 提高HER2检测的准确性，减少主观性和变异性，降低对反射性FISH检测的依赖 | 5,731张HER2 IHC图像，包括592例FISH检测的病例 | 计算机视觉 | 乳腺癌 | 免疫组化（IHC），荧光原位杂交（FISH） | 深度学习 | 图像 | 5,731张HER2 IHC图像，其中592例有FISH检测结果 | NA | 聚类约束注意力多实例学习模型 | 准确率，ROC AUC，敏感性，特异性 | NA |
| 1491 | 2026-07-01 |
Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses
2025-02-05, American journal of epidemiology
IF:5.0Q1
DOI:10.1093/aje/kwae215
PMID:39013794
|
评论 | 本文是一篇关于深度学习在流行病学数据收集中应用的评论文章，讨论了其扩展研究领域的机会 | 强调了深度学习在流行病学数据收集和分析中的新机遇，如扩大地理覆盖范围、增加受试者数量及处理高维数据 | 深度学习工具对流行病学家的使用不如传统回归方法直观或普及，需要跨学科合作 | 探讨深度学习在流行病学中扩展数据收集和分析的潜力 | 流行病学研究方法 | 机器学习 | NA | 深度学习 | 神经网络, 注意力算法 | 文本, 音频, 图像, 视频 | NA | NA | NA | NA | NA |
| 1492 | 2026-07-01 |
Spiral volumetric optoacoustic tomography of reduced oxygen saturation in the spinal cord of M83 mouse model of Parkinson's disease
2025-01, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06938-w
PMID:39382580
|
研究论文 | 使用螺旋体积光声层析成像技术评估帕金森病M83小鼠模型脊髓中的氧饱和度降低 | 首次结合体内螺旋体积光声层析成像和高场磁共振成像及深度学习自动分割技术，非侵入性高分辨率检测帕金森病小鼠模型脊髓中的氧饱和度变化，无需结构性萎缩 | 未提及 | 评估帕金森病转基因M83小鼠模型脊髓中的氧合变化，并开发深度学习分析方法进行定量 | 帕金森病转基因M83小鼠及其非转基因同窝对照小鼠 | 数字病理学 | 帕金森病 | 螺旋体积光声层析成像，高场磁共振成像 | 深度学习模型 | 图像 | M83小鼠和非转基因同窝对照小鼠，具体数量未提及 | NA | NA | NA | NA |
| 1493 | 2026-07-01 |
Systematic review of generative adversarial networks (GANs) in cell microscopy: Trends, practices, and impact on image augmentation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0291217
PMID:40554529
|
系统综述 | 本系统综述旨在找出生成对抗网络在细胞显微图像增强中的趋势、常见实践和常用数据集，并分析其影响 | 首次对GAN在细胞显微图像增强中的应用进行系统综述，识别出StyleGAN和对抗损失（Vanilla和Wasserstein）等热门架构与损失函数，并强调设计良好实践和黄金标准以确保可比性和可重复性 | 缺乏性能指标、基线和数据集的共识；仅纳入英文研究，可能存在语言偏差；未在PROSPERO注册 | 系统梳理GAN在细胞显微图像增强中的应用趋势、常见实践和常用数据集，并评估其影响 | 46项符合纳入标准的英文研究论文，使用GAN生成任何类型的细胞显微图像 | 计算机视觉 | 不适用 | 生成对抗网络 | 生成对抗网络 | 图像 | 46项研究，其中23项以图像增强为主要任务；检索到29个公开数据集 | 不适用 | StyleGAN | 不适用 | 不适用 |
| 1494 | 2026-06-30 |
Multi-Organ metabolic profiling with [18F]F-FDG PET/CT predicts pathological response to neoadjuvant immunochemotherapy in resectable NSCLC
2025-12, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07350-8
PMID:40451983
|
研究论文 | 开发并验证一个结合多器官 PET 代谢指标的列线图，用于预测可切除非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解 | 首次报道多器官代谢列线图，通过量化全身宿主-肿瘤代谢交互作用，优于传统的仅基于肿瘤的预测方法 | NA | 预测可切除非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解 | 可切除非小细胞肺癌患者 | 机器学习 | 肺癌 | 18F-FDG PET/CT | LASSO回归、随机森林、列线图 | PET/CT图像及代谢参数 | 115例患者 | NA | NA | AUC, 特异性, 阳性预测值, 总体准确率 | NA |
| 1495 | 2026-06-30 |
Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy
2025-12, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07416-7
PMID:40580320
|
研究论文 | 研究基于PSMA-PET/CT的深度学习全身CT分割方法，评估转移性去势抵抗性前列腺癌患者在接受放射配体治疗前的身体成分的预后价值 | 首次利用深度学习模型从PSMA-PET/CT的CT组分中自动分割身体组织（包括内脏脂肪、皮下脂肪和肌肉间脂肪），并探索其与治疗预后的关联，超越传统PET-based评估 | 样本量较小（n=86），需要更大规模前瞻性数据集验证；为概念验证研究，结论需进一步证实 | 开发自动化全身CT分割方法，评估前列腺癌患者身体成分指标对放射配体治疗预后的预测能力 | 86名转移性去势抵抗性前列腺癌患者，在接受[177Lu]Lu-PSMA放射配体治疗前的PSMA-PET/CT扫描数据 | 医学影像与深度学习 | 前列腺癌（转移性去势抵抗性前列腺癌） | PSMA-PET/CT，深度学习分割模型 | 深度学习分割模型 | CT图像（3D腹部CT体积及2D单层面图像） | 86名转移性去势抵抗性前列腺癌患者 | NA | NA | 风险比、p值、Kaplan-Meier生存分析、对数秩检验 | NA |
| 1496 | 2026-06-30 |
In vivo confocal microscopy in ophthalmology: research trends from a bibliometric analysis
2025-11, Clinical & experimental optometry
DOI:10.1080/08164622.2025.2459345
PMID:39933698
|
综述 | 通过文献计量分析，系统梳理了眼科体内共聚焦显微镜（IVCM）领域的研究趋势、影响性文章、作者、机构及新兴方向 | 首次对IVCM在眼科领域的研究进行全球性文献计量分析，并聚焦角膜神经和免疫细胞两个子方向，揭示深度学习、人工智能等新兴主题 | 仅基于Web of Science核心合集数据库，可能遗漏部分高质量研究；分析局限于标题和作者关键词检索，未涵盖全文内容 | 识别IVCM在眼科研究中具有影响力的文章、作者、机构及新兴趋势，为该领域提供发展路线图 | IVCM在眼科中的研究文献 | 文献计量学 | 角膜疾病、眼表疾病 | 体内共聚焦显微镜（IVCM） | NA | 文献计量数据 | 1,389篇文献（其中600篇为近十年发表）；亚组分析：角膜神经425篇、免疫细胞182篇 | VOSviewer | NA | h指数、每篇平均引用次数 | NA |
| 1497 | 2026-06-30 |
Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI
2025-Jul-14, ArXiv
PMID:40709302
|
研究论文 | 利用Swin Transformer对多壳层弥散MRI数据进行阿尔茨海默病诊断和淀粉样蛋白检测 | 首次将Swin Transformer应用于多壳层弥散MRI数据进行阿尔茨海默病分类和淀粉样蛋白检测，并采用低秩适应技术高效适应有限标注神经影像数据 | 数据样本规模有限，分类性能在淀粉样蛋白检测任务上仍有提升空间 | 利用多壳层弥散MRI中的微结构信息，基于视觉Transformer深度学习框架支持阿尔茨海默病的早期诊断和淀粉样蛋白积累检测 | 多壳层弥散MRI数据 | 计算机视觉 | 阿尔茨海默病 | 弥散磁共振成像 | Swin Transformer | MRI图像 | NA | PyTorch | Swin Transformer, Grad-CAM | 平衡准确率 | NA |
| 1498 | 2026-06-30 |
Sepsis Important Genes Identification Through Biologically Informed Deep Learning and Transcriptomic Analysis
2025-07, Clinical and experimental pharmacology & physiology
DOI:10.1111/1440-1681.70031
PMID:40356040
|
研究论文 | 使用生物信息深度学习模型P-NET鉴定脓毒症重要基因，并通过转录组分析验证其功能 | 首次将生物信息驱动的可解释AI模型P-NET应用于脓毒症关键基因识别，结合单细胞与多组学分析发现TIMP1、GSTO1和MYL6三个新标志物，并通过药物重定位策略筛选潜在靶向药物 | 未明确说明模型验证的外部数据集规模及临床样本的多样性限制 | 识别调控脓毒症免疫反应的关键基因，为治疗提供新靶点和生物标志物 | 脓毒症患者基因表达数据（包括bulk和单细胞层面） | 机器学习 | 脓毒症 | RNA-seq, 单细胞测序 | P-NET（生物学信息驱动的可解释AI模型） | 基因表达数据 | NA | NA | P-NET | NA | NA |
| 1499 | 2026-06-30 |
Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study
2025-05-15, Clinical & experimental metastasis
IF:4.2Q2
DOI:10.1007/s10585-025-10349-y
PMID:40369240
|
研究论文 | 基于深度学习的MRI放射组学模型预测局部晚期鼻咽癌新辅助放化疗后复发的前瞻性多中心研究 | 首次将深度学习提取的MRI放射组学特征与传统放射组学特征结合，并联合临床特征构建综合预测模型，用于预测局部晚期鼻咽癌患者新辅助放化疗后的复发情况 | 未提及外部验证队列的独立验证，且样本量相对有限，可能影响模型的泛化性 | 验证基于深度学习的MRI放射组学模型在预测局部晚期鼻咽癌患者新辅助放化疗后复发中的临床价值 | 局部晚期鼻咽癌患者 | 医学影像分析， 机器学习 | 鼻咽癌 | MRI影像、放射组学特征提取 | 随机森林、机器学习分类器 | MRI图像（对比增强T1加权和T2加权序列） | 328名鼻咽癌患者（训练集229例，验证集99例） | NA | 随机森林 | 受试者工作特征曲线下面积、准确率、灵敏度、特异度 | NA |
| 1500 | 2026-06-30 |
Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence
2025-05, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.70564
PMID:40387596
|
研究论文 | 利用人工智能深度学习结合19个卷积神经网络模型，通过分析单细胞图像以高准确度区分白血病干细胞与正常干细胞 | 首次证明白血病干细胞具有独特的形态学特征，且人工智能能够提取和识别这些特征，而病理学家的显微镜观察无法做到 | NA | 利用人工智能识别白血病干细胞并监测其数量，以指导治疗选择和评估治疗反应及疾病预后 | 白血病干细胞（LSCs）和正常干细胞，以及真性红细胞增多症（PV）小鼠模型中的其他细胞谱系 | 数字病理学 | 血液系统恶性肿瘤（急性髓系白血病、骨髓增生性肿瘤） | 单细胞成像 | 卷积神经网络（CNN） | 图像 | 来自JAK2V617F敲入小鼠和健康小鼠的细胞样本（未明确具体数量） | NA | 19个卷积神经网络组合，具体架构未明确 | 准确率（>99%） | NA |