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 1841 - 1860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1841 | 2026-05-20 |
Genomic determinants of biological age estimated by deep learning applied to retinal images
2025-04, GeroScience
IF:5.3Q1
DOI:10.1007/s11357-024-01481-w
PMID:39775603
|
研究论文 | 本研究通过深度学习从视网膜图像预测生物年龄，并进行全基因组关联分析以揭示视网膜年龄差距的遗传基础 | 首次通过全基因组关联分析识别出13个与视网膜年龄差距相关的基因位点，并通过孟德尔随机化分析揭示了糖化血红蛋白、炎症细胞和贫血与视网膜加速老化的因果关系 | 基于两个队列的发现需在更大规模和更多样化的人群中验证，且遗传力估计值较低(0.15) | 探索视网膜年龄差距的生物学含义和分子机制，为衰老过程提供因果推断及潜在药物干预靶点 | 英国生物银行(31,271人)和GoDARTS(8,034人)两个队列的参与者 | 机器学习, 数字病理学 | 老年性疾病 | 全基因组关联分析, 孟德尔随机化分析 | 深度学习 | 视网膜图像 | 31,271 (UK Biobank) + 8,034 (GoDARTS) | NA | NA | 遗传相关性, 遗传力 | NA |
| 1842 | 2026-05-20 |
Artificial Intelligence-Enhanced Perfusion Scoring Improves the Diagnostic Accuracy of Myocardial Perfusion Imaging
2025-04-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.124.268079
PMID:39978815
|
研究论文 | 通过深度学习模型增强心肌灌注SPECT成像的总灌注缺陷评分，提升阻塞性冠状动脉疾病检测的准确性 | 将深度学习预测融入传统定量评分方法，生成临床医生熟悉的增强TPD和17节段总负荷评分，既保持临床可解释性又提高诊断准确性 | NA | 提高基于人工智能的心肌灌注SPECT成像方法在临床中的可转化性 | 555名接受心肌灌注SPECT成像并在180天内行有创冠状动脉造影的患者 | 机器学习 | 冠状动脉疾病 | SPECT心肌灌注成像 | 深度学习模型 | 图像 | 555名患者（中位年龄65岁，69%为男性，59%确诊阻塞性CAD） | NA | NA | AUC, 敏感性, 特异性 | NA |
| 1843 | 2026-05-20 |
DeepPath: Overcoming data scarcity for protein transition pathway prediction using physics-based deep learning
2025-Mar-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.27.640693
PMID:40060558
|
研究论文 | 提出DeepPath，一种基于深度学习的框架，通过物理引导的主动学习快速预测蛋白质状态间的转变路径 | 采用主动学习框架，利用分子力学力场作为预言机迭代优化预测，克服了传统监督学习方法在蛋白质构象转变数据稀缺上的局限 | 仅针对已知蛋白质状态间的路径预测，未涉及完全未知状态的探索；验证案例数量有限（三个），通用性需进一步验证 | 开发高效方法替代传统分子动力学模拟，快速生成蛋白质构象转变的物理合理路径 | 三种蛋白质系统的构象转变路径：SHP2激活、CdiB H1分泌、BAM复合体侧向门开放 | 机器学习 | NA | 分子动力学模拟、分子力学力场 | 深度学习（主动学习） | 蛋白质结构数据 | 三个生物学验证案例（SHP2、CdiB、BAM复合体） | NA | NA | TM-score | NA |
| 1844 | 2026-05-20 |
Retinal vascular alterations in cognitive impairment: A multicenter study in China
2025-02, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.14593
PMID:39988572
|
研究论文 | 本研究调查了中国三个地区认知障碍患者的视网膜血管变化，利用深度学习分割模型提取36个血管特征，发现与认知功能相关的血管结构改变 | 首次在多中心东亚人群中使用VC-Net深度学习模型量化视网膜动静脉网络特征，并发现静脉结构与认知功能水平的相关性 | 需要在更大样本队列中验证，并探索视网膜血管改变的潜在机制 | 探究视网膜血管变化作为认知障碍生物标志物的可行性 | 轻度认知障碍或阿尔茨海默病患者与健康对照者的视网膜图像 | 计算机视觉 | 阿尔茨海默病 | 视网膜成像 | VC-Net（深度学习分割模型） | 图像 | 176例认知障碍患者（MCI或AD）和264例对照者 | NA | VC-Net | NA | NA |
| 1845 | 2026-05-20 |
Impurity detection of premium green tea based on improved lightweight deep learning model
2025-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2024.115516
PMID:39779147
|
研究论文 | 提出了一种基于改进轻量级深度学习模型的优质绿茶杂质检测方法 | 通过替换损失函数、轻量级卷积、模型剪枝和知识蒸馏，在提升检测性能的同时实现模型轻量化 | 未提及在实际生产环境中的部署验证及对其他茶叶品种的泛化能力 | 解决优质绿茶杂质检测中计算资源受限和大模型难以部署的问题 | 优质绿茶中的杂质 | 计算机视觉 | 不适用 | 深度学习 | YOLOv8 | 图像 | 使用自建数据集 | PyTorch | YOLOv8 | GFLOPs, 参数量, 精确率, 召回率, 平均精度均值, 每秒帧数 | 未提及 |
| 1846 | 2026-05-19 |
Dual-Network Deep Learning for Accelerated Head and Neck MRI: Enhanced Image Quality and Reduced Scan Time
2025-12, Head & neck
DOI:10.1002/hed.28255
PMID:40693394
|
研究论文 | 评估双网络深度学习超分辨率方法在头颈部T1和T2加权MRI中提升图像质量和缩短扫描时间的效果 | 提出双网络深度学习超分辨率方法同时提升图像质量和缩短扫描时间，并通过前瞻性临床研究验证其有效性 | 样本量较小（58例），且未报告算法对诊断准确性的影响 | 评估双网络深度学习超分辨率方法在头颈部MRI中的应用，以提升图像质量和缩短扫描时间 | 头颈部肿块患者 | 医学影像 | 头颈部肿块 | MRI | 双网络深度学习 | MRI图像 | 58名参与者（34男，24女，平均年龄51.37±13.24岁） | NA | 双网络深度学习超分辨率网络 | 信噪比, 对比度噪声比, 对比度, 图像清晰度Likert评分, 病灶显著性Likert评分, 结构描绘Likert评分, 伪影Likert评分 | NA |
| 1847 | 2026-05-19 |
Artificial Intelligence-Assisted Standard Plane Detection in Hip Ultrasound for Developmental Dysplasia of the Hip: A Novel Real-Time Deep Learning Approach
2025-10, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.70020
PMID:40619593
|
研究论文 | 本研究提出了一种基于人工智能的实时标准平面检测软件AI-SPS，用于髋关节超声检查中发育性髋关节发育不良的诊断 | 首个将实时深度学习目标检测模型用于髋关节超声标准平面自动检测的创新方法，特别是YOLOv11n模型在准确性和速度上表现优异 | 研究仅基于单一机构的45个临床超声视频数据，样本量有限，且未涉及不同超声设备和操作者的泛化性验证 | 开发一种基于AI的实时标准平面检测系统，以减少DDH超声筛查中的操作者依赖性，提高诊断一致性和准确性 | 髋关节超声视频中的标准平面与非标准平面帧 | 计算机视觉 | 发育性髋关节发育不良 | 超声成像 | SSD-MobileNet V2, YOLOv11n | 图像 | 2,737个标注帧（1,737个标准+1,000个非标准）来自45个临床超声视频，另含934个独立验证帧 | PyTorch, TensorFlow | SSD-MobileNet V2, YOLOv11n | 准确率, 精确率, 召回率, F1分数 | NA |
| 1848 | 2026-05-19 |
Combinatorial Tuning of 5'UTR and N-Terminal Coding Sequences for Enhanced Recombinant Protein Expression in Corynebacterium glutamicum
2025-08-15, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00250
PMID:40748894
|
研究论文 | 本文通过组合优化5'UTR和N端编码序列，实现了谷氨酸棒状杆菌中重组蛋白表达水平的连续调控，并建立了序列特征与表达水平之间的关联模式 | 首次系统建立5'UTR与NCS特征序列与蛋白表达之间的关系模式，并筛选出与外源蛋白兼容性强的特征序列，通过组合实现蛋白表达的动态调节 | 目前对5'UTR和NCS序列与蛋白表达率之间关系的研究仍不充分 | 探究谷氨酸棒状杆菌中5'UTR和NCS特征序列与蛋白表达模式的关系，并为精细调控基因表达或蛋白生产提供潜在工具 | 谷氨酸棒状杆菌中外源蛋白的表达调控 | 机器学习 | NA | 深度测序 | 深度学习模型 | 序列数据 | 两个文库（5'UTR库和NCS库）包含碱基N，并通过FACS和深度测序筛选 | NA | 深度学习 | 荧光强度 | NA |
| 1849 | 2026-05-19 |
AI in Orthopedic Research: A Comprehensive Review
2025-08, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.26109
PMID:40415515
|
综述 | 全面回顾人工智能在骨科研究中的应用，包括诊断、预测分析及新兴技术，并讨论其局限性与未来方向 | 系统整合了AI在骨折检测、骨关节炎分级、预后预测及机器人、增强现实、数字孪生和外部骨骼控制等新兴应用，提供了跨领域的综合视角 | 数据异质性、算法偏差、模型“黑箱”特性以及鲁棒性验证不足等挑战仍需解决 | 综述AI在肌肉骨骼诊疗中的当前发展、关键限制及未来整合方向 | 骨科诊断影像（X光、MRI）、患者多模态数据（步态、影像特征）及手术规划工具 | 计算机视觉, 机器学习 | 骨科疾病（骨折、骨关节炎） | 深度学习、预测分析 | 深度学习算法 | 影像数据（X光、MRI）、步态运动数据 | 未提及 | NA | NA | 诊断准确率、可重复性评估 | NA |
| 1850 | 2026-05-19 |
Mapping the Conformational Heterogeneity Intrinsic to the Protein Native Ensemble
2025-07-15, Biochemistry
IF:2.9Q3
DOI:10.1021/acs.biochem.5c00201
PMID:40615361
|
综述 | 本文综述了如何在AlphaFold时代利用实验和计算技术绘制蛋白质天然构象集合的异质性，强调从单一结构到构象集合的转变 | 提出了序列-集合-功能的新范式，强调即使对于看似良好折叠的蛋白质也需要考虑构象集合的异质性 | 未深入探讨具体方法的技术细节或定量比较方法间差异 | 阐明蛋白质构象多样性对功能理解的重要性，推动从单一结构到构象集合的研究范式转变 | 蛋白质天然构象集合 | 自然语言处理 | 不适用 | 多探针实验、计算建模 | 不适用 | 文本 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 1851 | 2026-05-19 |
Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness
2025-06, Neurocritical care
IF:3.1Q2
DOI:10.1007/s12028-024-02142-8
PMID:39532777
|
研究论文 | 利用18F-FDG PET颅外归一化结合行为CRS-R评分建立预测意识障碍患者一年后恢复的预后模型 | 首次将18F-FDG PET图像的颅外组织归一化方法与行为CRS-R评分相结合，构建多模态预后模型，显著提升了意识恢复预测的准确性 | 初步研究，样本量有限（87例），且未在独立的大规模外部验证集上进行验证 | 开发一个基于18F-FDG PET和临床行为评分的预后模型，用于预测长期意识障碍患者一年后的恢复情况 | 87名新诊断为长期意识障碍的患者 | 机器学习, 数字病理 | 意识障碍 | 18F-FDG PET/CT | DenseNet121, 深度学习表格模型 | 图像（PET/CT）、表格数据（行为评分） | 87名意识障碍患者，其中52名恢复意识，35名未恢复 | PyTorch | DenseNet121 | AUC, 特异性, 灵敏度, 准确率 | NA |
| 1852 | 2026-05-19 |
Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29646
PMID:39467097
|
研究论文 | 通过扩展相位图建模提高OAI数据集中软骨T2映射的准确性和可重复性 | 首次将EPG建模应用于OAI数据集，并系统比较EPG方法与单指数方法在软骨T2映射中的表现 | 未明确提及具体限制 | 评估不同拟合方法（包括基于EPG和基于指数的方法）对OAI数据集中软骨T2准确性和可重复性的影响 | OAI数据集中50名按骨关节炎严重程度分层的受试者和50名无骨关节炎诊断的受试者 | 机器学习 | 骨关节炎 | 多回波自旋回波序列 | 深度学习 | 图像 | 100名受试者（50名OA患者，50名健康者，每组25名女性，平均年龄约61岁） | NA | NA | 平均绝对误差, Bland-Altman分析, Lin's一致性系数, 变异系数 | NA |
| 1853 | 2026-05-19 |
Stigmatisation of gambling disorder in social media: a tailored deep learning approach for YouTube comments
2025-04-18, Harm reduction journal
IF:4.0Q1
DOI:10.1186/s12954-025-01169-0
PMID:40247272
|
研究论文 | 通过深度学习分析YouTube评论中关于赌博障碍的污名化现象 | 结合引导主题建模和定性总结性内容分析，创建扩展污名词典，专门针对赌博障碍的社交媒体污名化进行自动化分析 | 仅分析了两段视频下的用户评论，样本代表性有限；方法依赖预定义词典，可能遗漏未被收录的污名表达 | 理解德国社交媒体中赌博障碍的污名化模式，为减少污名化策略提供依据 | YouTube视频中关于赌博障碍的用户评论 | 自然语言处理 | 赌博障碍 | 深度学习、引导主题建模、定性内容分析 | 深度学习模型 | 文本 | 从34个视频收集84,024条评论，最终聚焦2个视频 | NA | 引导主题模型 | NA | NA |
| 1854 | 2026-05-19 |
Classification of 3D shoe prints using the PointNet architecture: proof of concept investigation of binary classification of nike and adidas outsoles
2025-03, Forensic science, medicine, and pathology
DOI:10.1007/s12024-024-00877-6
PMID:39235752
|
研究论文 | 利用PointNet架构对3D鞋印进行二元分类的概念验证研究，区分耐克和阿迪达斯品牌 | 首次使用深度学习方法（PointNet架构）对3D鞋印进行分类研究 | 二元分类目前可能无法完全满足法医学实际需求，数据集仅包含两个品牌且样本量有限 | 证明深度学习方法在3D鞋印分类中的可行性，为法医学应用奠定基础 | 160双鞋的3D鞋印图像（797张阿迪达斯和2445张耐克） | 计算机视觉 | 不适用 | 3D扫描 | PointNet | 3D点云图像 | 160双鞋的3D图像，共3242张 | PyTorch | PointNet | 准确率 | 未提及 |
| 1855 | 2026-05-19 |
Flexible Tail of Antimicrobial Peptide PGLa Facilitates Water Pore Formation in Membranes
2025-02-06, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.4c06190
PMID:39847609
|
研究论文 | 通过全原子模拟和深度学习算法，研究了抗菌肽PGLa诱导细胞膜水孔形成的完整过程，揭示了C末端尾部柔性的关键作用 | 首次阐明PGLa多肽C末端尾部柔性在膜插入和寡聚化过程中的重要性，并利用基于深度学习的中间状态识别算法解析了水孔形成的分子机制 | 未提及具体局限性 | 揭示抗菌肽PGLa诱导细胞膜水孔形成的分子机制，特别是结构柔性的作用 | 抗菌肽PGLa与阴离子细胞膜（DMPC/DMPG组成）的相互作用 | 机器学习 | NA | 全原子模拟（all-atom simulations） | 深度学习模型 | 模拟轨迹数据 | NA | NA | NA | NA | NA |
| 1856 | 2026-05-19 |
Applications of deep learning in intracranial aneurysm imaging: A scoping review of detection, risk prediction, and emerging prognostic models
2025-Jan-04, Current journal of neurology
IF:0.5Q4
DOI:10.18502/cjn.v24i1.20302
PMID:42148237
|
综述 | 系统梳理深度学习在颅内动脉瘤影像检测、风险预测和预后模型中的应用现状与挑战 | 通过系统范围综述方法，整合42项研究，覆盖超过1万例患者，全面评估DL在IA检测、分割、风险预测和预后评估中的方法学严谨性、临床实用性和转化局限性，并指出缺乏模型间基准比较、可解释性不足以及伦理法规框架缺失等关键空白 | 仅少数研究进行了外部验证或关注治疗后结局，且存在模型间基准比较缺失、可解释性有限、数据集异质性和泛化性不足等主要局限 | 系统评估深度学习在颅内动脉瘤影像检测、分割、风险预测和预后评估中的应用格局，并关注方法学严谨性、临床实用性和转化障碍 | PubMed、Scopus和Web of Science中截至2023年8月的42项研究，涵盖超过1万例患者 | 计算机视觉 | 脑血管疾病 | 放射影像 | 卷积神经网络 | 影像 | 42项研究，超过1万例患者 | NA | 卷积神经网络 | 灵敏度, AUC | NA |
| 1857 | 2026-05-19 |
Time series-based forecasting of infectious disease outbreak using information systems in public health
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1680534
PMID:42145969
|
研究论文 | 提出EpiCastNet框架，通过融合时空注意力机制与混合编码架构，实现对传染病爆发的准确预测 | 创新地整合了时空注意力机制与因果正则化语义锚定模块，将流行病学原理（如干预效果和季节传播动态）融入神经网络的可微训练过程，提高了模型在现实不确定性下的语义对齐性和鲁棒性 | NA | 开发可靠且可解释的传染病爆发预测系统，以支持及时公共卫生干预 | 传染病爆发时间序列数据 | 机器学习 | 传染病 | 时间序列分析 | EpiCastNet（结合时空注意力与混合编码的深度学习框架） | 时间序列数据 | COVIDcast 和 JHU COVID-19 公共健康时间序列数据集 | NA | EpiCastNet（包含时空注意力机制、混合编码架构和因果正则化语义锚定模块） | 均方根误差, 平均绝对误差, R2, 平均绝对百分比误差 | NA |
| 1858 | 2026-05-18 |
AI model using CT-based imaging biomarkers to predict hepatocellular carcinoma in patients with chronic hepatitis B
2025-06, Journal of hepatology
IF:26.8Q1
DOI:10.1016/j.jhep.2024.12.029
PMID:39710148
|
研究论文 | 开发基于CT影像生物标志物的人工智能模型，用于预测慢性乙型肝炎患者的肝细胞癌风险 | 整合深度学习CT自动分割软件提取的影像生物标志物与临床变量，提出PLAN-B-DF模型，显著优于仅基于临床数据的传统预测模型 | 未提及具体限制，但可能包括对CT图像质量依赖性强、外部验证队列的中位随访时间较短 | 开发并验证基于CT影像生物标志物的人工智能肝细胞癌风险预测模型 | 慢性乙型肝炎患者的肝细胞癌风险预测 | 机器学习 | 肝细胞癌 | CT自动分割（DeepFore软件），梯度提升机算法 | 梯度提升机 | 图像（CT影像）和临床数据 | 训练和内部验证集5,585例，外部验证集2,883例慢性乙型肝炎患者 | NA | 梯度提升机 | c-index, Hosmer-Lemeshow检验 | NA |
| 1859 | 2026-05-18 |
Development and Validation of Multiparametric MRI-based Interpretable Deep Learning Radiomics Fusion Model for Predicting Lymph Node Metastasis and Prognosis in Rectal Cancer: A Two-center Study
2025-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.045
PMID:39638641
|
研究论文 | 开发并验证基于多参数MRI的可解释深度学习影像组学融合模型，用于预测直肠癌淋巴结转移和预后 | 结合深度学习特征和影像组学特征构建融合模型，并使用SHAP工具增强模型可解释性，提升放射科医师的诊断性能 | 未明确说明 | 开发可解释的机器学习模型，利用多参数MRI的深度学习和影像组学特征预测直肠癌术前淋巴结转移 | 直肠癌患者 | 数字病理学 | 直肠癌 | 多参数磁共振成像 | 深度学习模型 | 影像 | 286名来自中心1（训练集）和66名来自中心2（外部测试集）的癌症患者 | NA | MobileNet-V3-large, Inception-V3, ResNet50, VGG16 | AUC | NA |
| 1860 | 2026-05-18 |
Deep Learning for Contrast Enhanced Mammography - A Systematic Review
2025-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.035
PMID:39643464
|
综述 | 系统综述深度学习在对比增强乳腺摄影中的应用 | 首次系统综述深度学习在对比增强乳腺摄影中的应用，总结了模型在病变分类、检测和分割方面的性能 | 研究数量较少，大多数为回顾性研究，缺乏前瞻性临床验证 | 探讨深度学习如何提升对比增强乳腺摄影的诊断潜力 | 对比增强乳腺摄影图像中的病变（分类、检测、分割） | 计算机视觉、医学影像分析 | 乳腺癌 | 对比增强乳腺摄影 | 卷积神经网络，注意力机制 | 医学影像 | 16项相关研究，时间跨度2018至2024年 | NA | CNN, 注意力机制模型 | AUC, 准确率 | NA |