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 1213 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-01-06 |
Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives
2025-Feb-27, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c01257
PMID:39916476
|
综述 | 本文综述了人工智能在天然产物药物发现中的当前应用与未来前景 | 整合人工智能（特别是机器学习和深度学习）分析天然产物数据，利用生成式AI进行数据合成，以加速药物发现过程 | 未具体说明数据规模或模型性能的局限性 | 加速天然产物药物发现过程，提升数据分析和预测建模能力 | 天然产物及其相关的生物活性化合物 | 机器学习 | NA | NA | 机器学习, 深度学习 | 生物数据, 化学数据 | NA | NA | NA | NA | NA |
| 2 | 2026-01-05 |
A spatial-spectral vision transformer model for head and neck cancer detection with hyperspectral, RGB, and synthesized RGB histologic images
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3048966
PMID:41480495
|
研究论文 | 本研究评估了深度学习模型在组织学图像中使用高光谱成像（HSI）检测头颈部鳞状细胞癌（SCC）的效能 | 引入了具有光谱注意力的空间-光谱视觉变换器（SST）模型，并比较了其在HSI、RGB及HSI合成RGB图像上的性能，证明了HSI在敏感性和准确性方面的优势 | 样本量相对较小（77张全切片来自51名患者），且未讨论模型在其他癌症类型或更大数据集上的泛化能力 | 评估高光谱成像（HSI）相对于正常彩色（RGB）图像在头颈部鳞状细胞癌组织学检测中的优势 | 头颈部鳞状细胞癌（SCC）的组织学切片 | 计算机视觉 | 头颈癌 | 高光谱成像（HSI） | Vision Transformer, CNN | 图像（高光谱图像、RGB图像、合成RGB图像） | 77张全组织学切片，来自51名患者 | PyTorch（推断自DinoV2和ResNet的常用框架） | DinoV2, ResNet-152, 空间-光谱视觉变换器（SST） | 准确率, 特异性, 敏感性 | NA |
| 3 | 2026-01-04 |
Enhancing placental pathology detection with GAMatrix-YOLOv8 model
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42441
PMID:41477509
|
研究论文 | 本研究提出了一种名为GAMatrix-YOLOv8的新模型，用于增强胎盘病理组织（特别是延迟绒毛成熟）的实时识别和精确定位检测 | 将GAM注意力机制嵌入YOLOv8骨干网络，并结合图像增强和归一化等关键预处理步骤，使模型中间层能更有效地关注关键图像特征，从而提升计算效率和检测精度 | 摘要中未明确提及研究的局限性 | 旨在增强和验证YOLOv8模型，并探究其在胎盘组织病理学检测中的意义 | 胎盘病理组织，特别是延迟绒毛成熟 | 计算机视觉 | 胎盘病理 | NA | CNN, YOLO | 图像 | 摘要中未提及具体样本数量 | 摘要中未明确提及，但YOLOv8通常基于PyTorch | YOLOv8, GAMatrix-YOLOv8, GoogleNet, ResNet18 | 准确率, 精确率, 召回率, F1分数 | 摘要中未提及具体计算资源 |
| 4 | 2026-01-04 |
FedKBP: Federated dose prediction framework for knowledge-based planning in radiation therapy
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3044379
PMID:41472880
|
研究论文 | 本文提出了一种名为FedKBP的联邦学习框架，用于评估放射治疗中基于知识的计划剂量预测模型的集中式、联邦式和个体化训练性能 | 开发了FedKBP框架，首次在放射治疗剂量预测中系统比较了集中式、联邦式和个体化训练，并分析了数据分布（IID与非IID）对联邦学习性能的影响 | 非IID数据分布下联邦学习性能下降，表明需要更复杂的联邦学习方法超越简单的模型平均来处理站点间数据差异 | 评估联邦学习在放射治疗剂量预测中的应用，比较不同训练策略的性能 | 放射治疗计划中的剂量预测模型 | 医疗人工智能 | 放射治疗相关疾病 | 深度学习，联邦学习 | 深度学习模型 | 放射治疗计划数据 | 340个计划，来自OpenKBP数据集，分为8个训练站点 | NA | NA | 模型优化速度，样本外测试分数 | NA |
| 5 | 2025-12-29 |
Tractography enhancement in clinically-feasible diffusion MRI using T1-weighted MRI and anatomical context
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047112
PMID:41451395
|
研究论文 | 本文提出了一种结合T1加权MRI和解剖学背景的方法，从临床可行的扩散MRI数据中获取高质量的纤维束成像 | 通过整合T1加权MRI和解剖学标签作为输入，使用卷积循环神经网络（CoRNN）作为局部纤维束成像估计器，以提升临床质量扩散MRI数据的纤维束成像质量 | 未明确说明方法在更广泛数据集或不同临床环境下的泛化能力 | 从临床可行的扩散MRI数据中估计高质量的白质纤维束成像 | 人脑白质通路 | 医学影像分析 | NA | 扩散MRI（dMRI），T1加权MRI | 卷积循环神经网络（CoRNN） | 扩散MRI图像，T1加权MRI图像，解剖学标签 | NA | NA | 卷积循环神经网络（CoRNN） | 统计显著性差异，纤维束重建特征 | NA |
| 6 | 2025-12-28 |
An Intrinsically Explainable Approach to Detecting Vertebral Compression Fractures in CT Scans via Neurosymbolic Modeling
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047426
PMID:41445919
|
研究论文 | 本文提出了一种用于CT扫描中椎体压缩性骨折检测的神经符号方法，该方法结合深度学习与基于形状的算法，实现了高性能且本质可解释的检测 | 提出了一种结合深度学习（用于椎体分割）与基于形状的规则算法（用于分析椎体高度分布）的神经符号模型，实现了在保持高性能的同时提供内在可解释性 | 方法仅在VerSe19数据集上进行了评估，未在其他独立数据集上进行验证；基于形状的规则可能无法捕捉所有类型的椎体压缩性骨折形态 | 开发一种高性能且本质可解释的椎体压缩性骨折自动检测方法，以支持机会性筛查和临床决策 | CT扫描中的椎体压缩性骨折 | 数字病理学 | 骨质疏松症 | CT扫描 | 神经符号模型, DenseNet | CT图像 | VerSe19数据集 | NA | DenseNet | 准确率, 灵敏度 | NA |
| 7 | 2025-12-24 |
Rewiring protein sequence and structure generative models to enhance protein stability prediction
2025-Feb-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.13.638154
PMID:40027759
|
研究论文 | 本文提出了一种名为SPURS的新型深度学习框架，通过整合蛋白质语言模型和逆折叠模型来增强蛋白质稳定性预测 | 提出了一种创新的“重布线”策略，将ProteinMPNN学习到的结构表示整合到ESM的注意力层中，从而结合序列和结构数据中的进化模式来预测突变效应 | 未明确说明模型在特定蛋白质家族或极端条件下的泛化能力限制 | 提高蛋白质热稳定性变化的预测准确性，以支持疾病理解和蛋白质工程 | 蛋白质氨基酸替换对热稳定性的影响 | 机器学习 | NA | 深度学习 | 蛋白质语言模型, 逆折叠模型 | 序列数据, 结构数据 | 基于最近发布的大规模热稳定性数据集进行监督训练 | PyTorch | ESM, ProteinMPNN | 准确性, 速度, 可扩展性, 泛化能力 | NA |
| 8 | 2025-12-24 |
A Physics-Informed Deep Learning Model for MRI Brain Motion Correction
2025-Feb-13, ArXiv
PMID:39990792
|
研究论文 | 本文提出了一种名为PI-MoCoNet的物理信息深度学习模型，用于MRI脑部图像的运动伪影校正 | 提出了一种新颖的物理信息运动校正网络，该网络利用空间域和k空间域的互补信息，无需显式运动参数估计即可鲁棒地去除高分辨率脑部MRI图像中的运动伪影 | 运动伪影是通过对相位编码线施加随机刚性变换来模拟的，可能无法完全覆盖所有真实临床场景中的复杂运动模式 | 开发并评估一种用于MRI脑部图像运动伪影校正的深度学习模型，以提高图像质量和诊断可靠性 | 脑部MRI图像 | 计算机视觉 | NA | 磁共振成像 | 深度学习 | 图像 | 两个公共数据集（IXI和MR-ART） | PyTorch | U-net, Swin Transformer | 峰值信噪比, 结构相似性指数, 归一化均方误差 | NA |
| 9 | 2025-12-23 |
A Novel Improvement of Feature Selection for Dynamic Hand Gesture Identification Based on Double Machine Learning
2025-02-13, Sensors (Basel, Switzerland)
DOI:10.3390/s25041126
PMID:40006355
|
研究论文 | 本文提出了一种基于双重机器学习的新方法，用于动态手势识别中的特征选择，以提高模型性能和可解释性 | 引入因果机器学习概念，通过双重机器学习方法选择与手势结果具有因果关系的变量，而非仅依赖相关性 | 未明确说明方法在更广泛数据集或实际应用场景中的泛化能力 | 探索因果机器学习在特征选择中的应用，以提升手势识别模型的效率和可靠性 | 动态手势识别问题中的变量选择 | 机器学习 | NA | 双重机器学习 | NA | NA | NA | NA | NA | NA | NA |
| 10 | 2025-12-23 |
Training Generalized Segmentation Networks with Real and Synthetic Cryo-ET data
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.31.635598
PMID:39975172
|
研究论文 | 本文开发了CryoTomoSim软件，通过结合真实和合成数据训练通用分割网络，用于冷冻电子断层扫描图像中的细胞特征分割 | 开发了开源的CryoTomoSim软件包，通过模拟分子拥挤和多样性的合成数据集训练分割网络，并采用协同训练方法构建了跨生命领域的通用分割网络NeuralSeg | 仅基于合成数据训练的网络的准确性有限，需要真实细胞数据进行最准确和可泛化的训练 | 解决冷冻电子断层扫描图像分割中真实训练数据不足的问题，并构建通用分割网络 | 冷冻电子断层扫描图像中的大分子复合物和细胞特征，特别是神经元生长锥的细胞骨架分布 | 计算机视觉 | NA | 冷冻电子断层扫描 | U-Net | 图像 | 超过100张来自神经元生长锥的断层扫描图 | NA | U-Net | NA | NA |
| 11 | 2025-12-20 |
Capsule network-based deep learning for early and accurate diabetic retinopathy detection
2025-Feb-18, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03391-4
PMID:39966199
|
研究论文 | 本研究提出了一种基于UNet++和胶囊网络的混合深度学习模型，用于青光眼的早期和准确检测 | 结合UNet++进行语义分割以精确勾勒视盘和视杯，并利用胶囊网络捕获层次结构，相比传统卷积神经网络对青光眼变化更敏感 | 未明确说明样本量或数据集的详细局限性，仅提及AI在眼科医疗中的革命性应用 | 实现青光眼的早期和准确检测，以预防失明 | 视网膜图像，特别是视盘和视杯的形态特征 | 计算机视觉 | 青光眼 | 深度学习，图像预处理（直方图均衡化和对比度受限自适应直方图均衡化） | CNN, CapsNet | 图像 | NA | NA | UNet++, CapsNet | 准确度 | NA |
| 12 | 2025-12-20 |
Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning
2025-Feb-18, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03439-z
PMID:39966317
|
研究论文 | 本文提出了一种基于KiU-Net的深度学习模型，用于在糖尿病视网膜病变患者的OCT图像中自动分割高反射病灶 | 结合Kite-Net分支和三层U-Net分支，并设计交叉注意力块来整合细节和语义信息，显著减少了模型参数并提升了分割性能 | 未明确提及模型在更大规模或多样化数据集上的泛化能力，以及临床部署中的实际挑战 | 开发一种能够精确识别和分割糖尿病视网膜病变患者OCT图像中高反射病灶的自动分割算法 | 糖尿病视网膜病变患者的OCT图像中的高反射病灶 | 数字病理学 | 糖尿病视网膜病变 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | KiU-Net, Kite-Net, U-Net | 灵敏度, Dice相似系数, 精确率, 召回率 | NA |
| 13 | 2025-12-19 |
phyddle: software for exploring phylogenetic models with deep learning
2025-Feb-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.06.606717
PMID:39149349
|
研究论文 | 介绍用于通过深度学习探索系统发育模型的软件phyddle | 开发了基于流水线的软件，可在缺乏易处理似然函数的系统发育模型中使用无似然深度学习进行推断 | NA | 开发一种软件工具，使研究人员能够使用深度学习进行系统发育建模和推断 | 系统发育树 | 机器学习 | NA | 深度学习 | 深度学习模型 | 系统发育树数据 | NA | NA | NA | 准确性, 覆盖率测试 | NA |
| 14 | 2025-12-19 |
RVDLAHA: An RISC-V DLA Hardware Architecture for On-Device Real-Time Seizure Detection and Personalization in Wearable Applications
2025-02, IEEE transactions on biomedical circuits and systems
IF:3.8Q2
DOI:10.1109/TBCAS.2024.3442250
PMID:39137083
|
研究论文 | 本文提出了一种用于可穿戴设备的实时癫痫发作检测与个性化硬件架构及算法 | 提出了支持实时癫痫检测与个性化算法的RISC-V深度学习加速器硬件架构及专用编译器 | 实验仅在实验室大鼠中进行，尚未在人类患者中进行临床验证 | 开发用于可穿戴设备的实时癫痫发作检测与个性化治疗系统 | 癫痫患者的脑电信号（通过动物实验验证） | 机器学习 | 癫痫 | 脑电信号处理，硬件加速 | CNN | 时间序列信号（脑电信号） | 实验室大鼠的脑电数据（具体数量未明确说明） | 自定义硬件架构 | CNN（具体架构未说明） | 准确率 | Xilinx PYNQ-Z2 FPGA平台，运行频率1MHz，功耗0.107W |
| 15 | 2025-12-18 |
Spatial Transcriptomics of the Respiratory System
2025-02, Annual review of physiology
IF:15.7Q1
|
综述 | 本文综述了呼吸系统空间转录组学的最新技术进展，包括常用分析流程及其优缺点，并展望了机器学习和人工智能在解读空间数据方面的应用前景 | 系统梳理了新兴空间解析基因表达技术与计算工具（特别是机器学习和深度学习）的结合应用，展示了其在呼吸系统研究中的转化潜力 | 作为综述文章，未提出原创性实验方法或模型，主要总结现有技术 | 探讨如何利用空间转录组学技术理解呼吸系统中细胞类型在三维空间中的相互作用及其在健康和疾病状态下的功能 | 呼吸系统（肺部和气道）的细胞类型及其空间组织 | 数字病理学 | 肺癌 | 空间转录组学 | 机器学习, 深度学习 | 空间基因表达数据 | NA | NA | NA | NA | NA |
| 16 | 2025-12-17 |
Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging
2025-Feb-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.09.24318661
PMID:39711698
|
研究论文 | 本研究利用深度学习分割技术，分析纵向血管壁成像数据，评估了斑块内出血对颈动脉斑块负荷长期进展的影响 | 首次采用深度学习分割管道在长期纵向血管壁成像数据中，量化斑块内出血体积并分析其与斑块负荷进展的长期关联 | 样本量较小（28名无症状受试者），且为观察性研究，无法确定因果关系 | 评估斑块内出血对颈动脉斑块负荷长期进展的影响 | 无症状颈动脉粥样硬化患者的颈动脉斑块 | 数字病理学 | 心血管疾病 | 多对比磁共振血管壁成像 | 深度学习 | 磁共振图像 | 28名无症状受试者，共50条动脉，平均每名受试者接受4.7次扫描，随访时间平均5.8年 | NA | NA | NA | NA |
| 17 | 2025-12-17 |
CellSAM: A Foundation Model for Cell Segmentation
2025-Feb-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.17.567630
PMID:38045277
|
研究论文 | 本文提出了一种名为CellSAM的通用细胞分割基础模型，该模型通过结合目标检测器和提示工程方法，能够在多种细胞成像数据上实现跨域泛化 | 基于Segment Anything Model (SAM)开发了一种提示工程方法，并结合自动细胞检测器CellFinder，构建了一个能够跨多种成像模态和细胞类型进行零样本和少样本学习的通用细胞分割模型 | 未明确提及模型在极端成像条件或高度异质性细胞样本上的性能限制 | 开发一个能够泛化到不同细胞成像数据的通用细胞分割模型 | 哺乳动物细胞、酵母和细菌的成像数据 | 数字病理学 | NA | 细胞成像 | 基础模型 | 图像 | NA | NA | Segment Anything Model (SAM), CellFinder | 人类水平性能 | NA |
| 18 | 2025-12-10 |
Leveraging a Vision-Language Model with Natural Text Supervision for MRI Retrieval, Captioning, Classification, and Visual Question Answering
2025-Feb-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.15.638446
PMID:40027630
|
研究论文 | 本文提出了一种基于向量检索和对比学习的框架，利用自然语言监督学习视觉脑MRI概念，并应用于MRI检索、描述、分类和视觉问答等多个任务 | 通过自然语言监督联合嵌入学习，识别阿尔茨海默病中影响大脑的因素，并开发了一个能够执行多种任务的模型框架 | 未提及具体的数据隐私保护措施或服务托管透明度细节，且模型可能受限于训练数据的质量和领域相关性 | 开发一个基于自然语言监督的多任务框架，用于脑MRI的检索、描述、分类和视觉问答 | 脑MRI图像及其相关自然语言描述 | 计算机视觉 | 阿尔茨海默病 | 自然语言监督，对比学习，向量检索 | Transformer | 图像，文本 | NA | NA | Transformer | NA | NA |
| 19 | 2025-12-10 |
Lightweight Source-Free Domain Adaptation Based on Adaptive Euclidean Alignment for Brain-Computer Interfaces
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3463737
PMID:39292591
|
研究论文 | 本文提出了一种基于自适应欧几里得对齐的轻量级无源域适应方法，用于脑机接口中的跨被试识别 | 将欧几里得对齐扩展为自适应欧几里得对齐，通过学习投影矩阵对齐目标被试与源被试的分布，从而消除域漂移问题并提升模型性能 | NA | 在保护被试隐私的前提下，提升脑机接口中跨被试脑电信号分类的性能 | 脑电信号 | 脑机接口 | NA | 脑电图 | 深度学习模型 | 脑电信号 | 四个数据集（两个运动想象数据集、一个事件相关电位数据集、一个稳态视觉诱发电位数据集） | NA | EEGNet, Shallow ConvNet, Deep ConvNet, MSFBCNN | 准确率 | NA |
| 20 | 2025-12-10 |
A Dual-Branch Cross-Modality-Attention Network for Thyroid Nodule Diagnosis Based on Ultrasound Images and Contrast-Enhanced Ultrasound Videos
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3472609
PMID:39356606
|
研究论文 | 本文提出了一种基于超声图像和超声造影视频的双分支跨模态注意力网络，用于甲状腺结节的诊断 | 提出了一种新颖的双分支网络，通过跨模态注意力机制（UAC-T和CAU-T）整合超声图像和超声造影视频的信息，模仿放射科医生的诊断方式，将诊断分解为结节分割和分类两个相关任务 | 未明确提及 | 提高甲状腺结节的诊断准确性 | 甲状腺结节 | 计算机视觉 | 甲状腺结节 | 超声造影 | Transformer | 图像, 视频 | 未明确提及 | 未明确提及 | 双分支跨模态注意力网络 | 准确率, 特异性, 敏感性 | 未明确提及 |