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 1209 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 | 2026-02-21 |
Macrophage memory emerges from coordinated transcription factor and chromatin dynamics
2025-Feb-19, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101171
PMID:39938520
|
研究论文 | 本文通过活细胞分析、ATAC测序和脓毒症体内模型，揭示了巨噬细胞如何通过NF-κB网络和染色质可及性重编程来编码动态炎症信号的记忆 | 首次展示了巨噬细胞在单细胞水平上通过转录因子和染色质动态协调，对连续炎症信号形成记忆的机制 | 研究主要聚焦于脓毒症模型，可能未涵盖所有炎症条件；单细胞变异性机制仍需进一步探索 | 探究免疫细胞如何编码和解码动态炎症信号，以及巨噬细胞是否保留过去暴露于炎症分子的记忆 | 巨噬细胞 | 机器学习 | 脓毒症 | ATAC测序, 活细胞分析, 转录组分析 | 深度学习 | 序列数据, 转录组数据 | NA | NA | NA | NA | NA |
| 2 | 2026-02-17 |
Brain structural connectomic topology predicts medication response in youth with bipolar disorder: A randomized clinical trial
2025-Feb-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.11.061
PMID:39577502
|
研究论文 | 本研究利用脑结构连接组拓扑特征，通过深度学习模型预测青少年双相情感障碍患者对喹硫平或锂盐的药物反应 | 首次结合基线及用药一周后的脑结构连接组拓扑变化，构建纵向联合深度学习模型，实现了对双相情感障碍药物反应的高精度预测（91.3%） | 需要独立样本验证初步发现 | 开发基于神经影像的生物标志物，预测青少年双相情感障碍患者的药物反应 | 未接受过精神药物治疗的双相情感障碍I型青少年患者 | 数字病理学 | 双相情感障碍 | 结构磁共振成像 | 深度学习 | 图像 | 121名患者 | NA | NA | 准确率 | NA |
| 3 | 2026-02-17 |
A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers
2025-Feb-15, The American journal of cardiology
DOI:10.1016/j.amjcard.2024.11.028
PMID:39581517
|
研究论文 | 本研究评估了基于深度学习的AI-ECG模型在监测肥厚型心肌病患者接受室间隔减容术和Mavacamten药物治疗后生物反应中的应用 | 首次利用AI-ECG模型对两种不同疗法（手术/介入治疗与口服药物治疗）在肥厚型心肌病中的治疗效果进行系统性比较评估 | 研究为观察性设计，样本量相对有限，且随访时间较短，可能影响结果的普遍性和长期效应评估 | 评估AI-ECG作为监测肥厚型心肌病治疗反应的新策略 | 接受室间隔减容术或Mavacamten药物治疗的肥厚型心肌病患者 | 数字病理学 | 心血管疾病 | AI增强心电图分析 | 深度学习模型 | 心电图图像 | 315名患者（70名来自YNHHS，100名来自CCF，145名来自AHS接受SRT；36名来自YNHHS接受Mavacamten治疗） | NA | NA | AI-ECG HCM评分，Wilcoxon符号秩检验 | NA |
| 4 | 2024-10-18 |
Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias
2025-02, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31963
PMID:39413236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5 | 2026-02-15 |
Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing
2025-Feb, 3D printing and additive manufacturing
IF:2.3Q3
DOI:10.1089/3dp.2023.0285
PMID:40151680
|
研究论文 | 本文提出了一种基于多图像融合和深度学习的缺陷检测方法，用于陶瓷增材制造中实时监测涂覆缺陷 | 结合多图像融合与通道级YOLO（CW-YOLO）方法，通过图像校正技术将侧视涂覆图像转换为俯视图，并引入F1分数作为综合评价指标，显著提升了难以区分缺陷的检测性能 | NA | 开发一种实时监测陶瓷增材制造中涂覆缺陷的方法，以提高工艺稳定性 | 陶瓷增材制造中的涂覆缺陷，如材料短缺和划痕 | 计算机视觉 | NA | 多图像融合，图像校正技术 | YOLO | 图像 | NA | NA | CW-YOLO | F1分数，检测准确率，召回率 | NA |
| 6 | 2026-02-12 |
Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3510217
PMID:40030552
|
研究论文 | 本研究通过融合临床特征和生理信号，利用机器学习/深度学习集成方法预测儿科心脏重症监护室中机械循环支持的需求 | 首次将血流动力学对正性肌力药物的反应与机械循环支持结果关联，并处理分钟级多传感器数据以早期识别高风险患者，不同于以往仅处理单一特征类型或短期诊断的研究 | 研究基于单一四级医院的儿科心脏重症监护室数据，临床决策在某些情况下可能不直接适用 | 预测儿科心脏重症监护室中急性失代偿性心力衰竭患者对机械循环支持的需求 | 儿科心脏重症监护室中因急性失代偿性心力衰竭入院的患者 | 机器学习 | 心血管疾病 | 血流动力学监测、心电图和动脉血压信号分析 | 机器学习/深度学习集成方法 | 表格临床特征、时间序列、原始波形 | NA | NA | NA | AUC | NA |
| 7 | 2026-02-12 |
Scaling Synthetic Brain Data Generation
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3520156
PMID:40030742
|
研究论文 | 本文介绍了Wirehead，一种可扩展的内存数据管道，旨在显著提升神经影像学中深度学习任务的实时合成数据生成性能 | 通过将数据生成与训练解耦，并利用多个独立并行进程运行生成器，实现了接近线性的性能提升，同时使用MongoDB高效处理TB级数据，大幅降低了存储成本 | 揭示了在优化生成与训练平衡以及资源分配方面存在未来研究机会 | 解决神经影像学研究中深度学习应用因数据稀缺而面临的挑战，通过提升合成数据生成效率来加速实验周期 | 合成脑影像数据生成工具SynthSeg及其在深度学习模型训练中的应用 | 神经影像学 | NA | 合成数据生成 | 深度学习模型 | 图像 | NA | NA | NA | 吞吐量提升倍数 | 并行生成器（16至20个） |
| 8 | 2026-02-11 |
Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures
2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society
IF:1.9Q2
DOI:10.1007/s00068-025-02793-y
PMID:39984717
|
研究论文 | 本研究评估了整合区块链技术与人工智能的先进诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性 | 首次将区块链技术与深度学习结合，构建了一个用于胫骨平台骨折检测的分布式网络，实现了无需数据出院的模型训练和参数聚合 | 研究仅在三家独立医院收集图像进行训练和验证，样本来源和多样性可能有限 | 评估整合区块链与人工智能的模型在急诊环境中安全、协作诊断胫骨平台骨折的临床价值 | 胫骨平台骨折患者的医学影像 | 计算机视觉 | 骨科创伤 | 深度学习 | CNN | 图像 | 来自三家独立医院的影像数据，具体数量未明确说明 | NA | YOLOv8n | 准确率, 灵敏度, 特异性, F1分数, AUC | NA |
| 9 | 2026-02-11 |
Impact of deep learning on pediatric elbow fracture detection: a systematic review and meta-analysis
2025-Feb-20, European journal of trauma and emergency surgery : official publication of the European Trauma Society
IF:1.9Q2
DOI:10.1007/s00068-025-02779-w
PMID:39976732
|
系统综述与荟萃分析 | 本研究系统评估了深度学习模型在检测儿童肘部骨折中的性能 | 首次对深度学习模型在儿童肘部骨折检测中的表现进行系统综述与荟萃分析，并强调了预处理技术和模型骨干架构对性能的影响 | 仅纳入了6项符合标准的研究，样本量有限，可能存在发表偏倚 | 评估深度学习模型在儿童肘部骨折检测中的诊断性能 | 0至16岁儿童的肘部骨折 | 计算机视觉 | 儿童肘部骨折 | 深度学习 | 深度学习模型 | 医学影像数据（如X光片） | NA | NA | ResNet | 灵敏度, 特异度, AUC | NA |
| 10 | 2026-02-11 |
Retinal vascular alterations in cognitive impairment: A multicenter study in China
2025-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.14593
PMID:39988572
|
研究论文 | 本研究通过多中心研究，利用深度学习模型分析认知障碍患者的视网膜血管变化，探索其作为认知功能下降生物标志物的潜力 | 首次在东亚三个地区（上海、香港、宁夏）开展多中心研究，利用VC-Net深度学习模型分割视网膜动静脉网络并提取36个血管特征，发现认知障碍患者血管结构显著改变 | 样本量相对较小（共440名参与者），需要更大规模队列验证，且未深入探讨潜在机制 | 研究认知障碍患者的视网膜血管变化，探索其作为阿尔茨海默病诊断生物标志物的可能性 | 轻度认知障碍（MCI）或阿尔茨海默病（AD）患者及健康对照者 | 数字病理学 | 阿尔茨海默病 | 视网膜成像 | 深度学习 | 图像 | 440名参与者（176名MCI/AD患者，264名对照） | NA | VC-Net | NA | NA |
| 11 | 2026-02-08 |
Predicting RNA structure and dynamics with deep learning and solution scattering
2025-Feb-04, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2024.12.024
PMID:39722452
|
研究论文 | 本文介绍了一种名为SCOPER的RNA溶液构象预测工具，该工具结合了基于运动学的构象采样和深度学习模型IonNet，用于预测RNA在溶液中的结构和动力学，并通过小角X射线散射（SAXS）数据进行验证 | 开发了SCOPER管道，整合了构象采样与创新的深度学习模型IonNet来预测Mg离子结合位点，解决了RNA结构预测中缺乏离子和构象可塑性的挑战 | 需要初始足够准确的结构作为输入，且可能因过度调整可塑性和离子密度而导致过拟合实验SAXS数据 | 预测RNA在溶液中的结构和动力学，并通过SAXS数据验证结构预测的准确性 | RNA分子及其在溶液中的构象 | 机器学习 | NA | 小角X射线散射（SAXS） | 深度学习模型 | 结构数据，SAXS数据 | 14个实验数据集 | NA | IonNet | SAXS剖面拟合质量 | NA |
| 12 | 2026-02-08 |
Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort
2025-Feb-04, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwaf038
PMID:39903569
|
研究论文 | 本研究利用Google街景图像和深度学习技术，分析住宅周围建筑环境特征与心血管事件风险之间的关系 | 首次结合Google街景图像和深度学习技术，大规模量化评估建筑环境特征（如绿化和人行道）与心血管风险的关联 | 研究为回顾性队列设计，需未来研究验证关联性并深入理解其机制 | 探究建筑环境特征（包括住宅绿化和人行道）与心血管风险之间的关系 | 美国俄亥俄州东北部地区的居民 | 计算机视觉 | 心血管疾病 | Google街景图像分析 | 深度学习模型 | 图像 | 49,887名个体 | NA | NA | 风险比（HR），95%置信区间 | NA |
| 13 | 2026-02-07 |
Consequences of training data composition for deep learning models in single-cell biology
2025-Feb-24, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.19.639127
PMID:40060416
|
研究论文 | 本文系统研究了训练数据组成对单细胞转录组学深度学习模型行为的影响，重点关注人类造血系统作为模型系统 | 首次系统探讨训练数据组成对单细胞基础模型性能的影响，揭示了数据多样性对模型泛化能力的重要性 | 研究主要聚焦于人类造血系统，可能限制了结论在其他生物系统或疾病类型中的普适性 | 优化单细胞基础模型的训练数据组成以提高其性能 | 人类造血系统中的单细胞转录组数据 | 机器学习 | NA | 单细胞转录组学 | 深度学习模型 | 单细胞转录组数据 | 包含成人及发育组织、疾病状态和扰动图谱的细胞数据 | NA | NA | NA | NA |
| 14 | 2026-02-06 |
An Explainable Unified Framework of Spatio-Temporal Coupling Learning With Application to Dynamic Brain Functional Connectivity Analysis
2025-02, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3467384
PMID:39320999
|
研究论文 | 本文提出了一种可解释的时空耦合学习统一框架，并应用于动态脑功能连接分析 | 该框架基于时空相关性构建深度学习网络，能有效整合节点表示与节点间连接的时间变化耦合关系，并探索每个时间步的时空演化，提高了分析结果的可解释性 | NA | 开发一个可解释的深度学习框架，用于挖掘时间序列数据中的时空耦合信息，以揭示生物机制 | fMRI和MEG等时间序列数据，特别是大脑动态功能连接 | 机器学习 | NA | fMRI, MEG | 深度学习网络 | 时间序列数据 | NA | NA | NA | NA | NA |
| 15 | 2026-02-03 |
Advanced Distance-Resolved Evaluation of the Perienhancing Tumor Areas with FLAIR Hyperintensity Indicates Different ADC Profiles by MGMT Promoter Methylation Status in Glioblastoma
2025-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8493
PMID:39848779
|
研究论文 | 本研究利用一种新颖的距离分辨3D评估方法，分析了胶质母细胞瘤（GBM）强化周围浸润区的ADC值，并探讨其与MGMT启动子甲基化状态的关系 | 首次采用距离分辨的3D体积分析方法，量化了GBM肿瘤核心周围不同距离子体积的ADC值，揭示了传统MRI人眼无法察觉的组织特征差异 | 研究为回顾性分析，样本量相对有限（101例），且仅分析了IDH野生型GBM | 探究MGMT启动子甲基化状态是否反映在GBM的MRI标记物（特别是ADC值）上 | IDH野生型胶质母细胞瘤（GBM）患者 | 数字病理学 | 胶质母细胞瘤 | MRI（包括FLAIR序列和ADC图），深度学习分割 | 深度学习模型（具体类型未在摘要中指定） | 3D MRI图像 | 101名患者（其中MGMT启动子甲基化[mMGMT] 43例，未甲基化[uMGMT] 58例） | NA | NA | Wilcoxon符号秩检验的P值 | NA |
| 16 | 2026-02-03 |
Whole-body low-dose computed tomography in patients with newly diagnosed multiple myeloma predicts cytogenetic risk: a deep learning radiogenomics study
2025-Feb, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04733-0
PMID:38937291
|
研究论文 | 本研究开发了一种基于全身低剂量CT的深度学习模型，用于预测多发性骨髓瘤患者的细胞遗传学异常风险 | 首次利用全身低剂量CT扫描结合深度学习技术预测多发性骨髓瘤的细胞遗传学风险，实现了无创性风险分层 | 样本量相对较小（151例患者），且仅基于单中心数据，可能影响模型的泛化能力 | 开发深度学习模型以通过影像学特征预测多发性骨髓瘤的细胞遗传学异常 | 新诊断的多发性骨髓瘤患者 | 数字病理学 | 多发性骨髓瘤 | 荧光原位杂交（FISH），全身低剂量CT（WBLDCT） | 深度学习模型 | 医学影像（CT扫描） | 151例多发性骨髓瘤患者 | NA | NA | AUROC（受试者工作特征曲线下面积） | NA |
| 17 | 2026-02-03 |
Comparison of Pathologist and Artificial Intelligence-based Grading for Prediction of Metastatic Outcomes After Radical Prostatectomy
2025-Feb, European urology oncology
IF:8.3Q1
DOI:10.1016/j.euo.2024.08.004
PMID:39232875
|
研究论文 | 本研究比较了基于深度学习的AI分级与病理学家分级在预测前列腺癌根治术后转移结局方面的表现 | 首次直接评估AI分级算法与病理学家分级在预测前列腺癌转移结局方面的临床价值，而非仅关注分级一致性 | 研究样本量相对有限（777例患者），且仅基于单个代表性切片进行评估 | 评估AI分级系统在预测前列腺癌根治术后转移风险方面的临床有效性 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 苏木精-伊红染色 | 深度学习 | 全切片数字图像 | 777名独特患者 | NA | NA | Harrell's C-index | NA |
| 18 | 2026-02-03 |
Deep Learning-Based Tract Classification of Preoperative DWI Tractography Advances the Prediction of Short-Term Postoperative Language Improvement in Children With Drug-Resistant Epilepsy
2025-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3463481
PMID:39292577
|
研究论文 | 本研究开发了一种基于深度卷积神经网络的纤维束分类方法，用于利用术前全脑扩散加权成像连接组中的语言模块网络轴突连接标记，预测儿童耐药性癫痫患者术后短期语言功能改善 | 扩展了先前的DCNN纤维束分类方法，利用高质量开放数据库提高个体患者术前连接组中真实阳性纤维束的分类准确性，并结合心理测量驱动的连接组分析构建核心、表达性和接受性语言模块网络 | 研究样本量相对有限，且仅评估了短期（约两个月）术后语言改善，缺乏长期随访数据 | 提高儿童耐药性癫痫患者术后短期语言功能改善的预测准确性 | 耐药性癫痫儿童患者 | 医学影像分析 | 癫痫 | 扩散加权成像（DWI）、纤维束成像 | 深度卷积神经网络（DCNN） | 医学影像（扩散加权成像连接组） | 未明确说明具体样本数量，但包含独立验证队列 | 未明确说明 | 深度卷积神经网络（DCNN） | F统计量、准确率 | NA |
| 19 | 2026-02-03 |
Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia
2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-024-02021-y
PMID:39506100
|
研究论文 | 本研究开发了一种结合精神病症状严重程度的多任务深度学习模型，用于基于神经解剖图像识别首发精神分裂症患者 | 将症状严重程度回归任务整合到标准病例/对照识别中，提高了模型性能并增强了临床相关性 | 样本量相对有限，且主要针对药物初治的首发精神分裂症患者，可能限制了泛化能力 | 通过结合MRI和临床特征，建立影像生物标志物与症状表达之间的联系，以增强对急性精神病的机制理解 | 首发精神分裂症患者和健康对照者 | 医学影像分析 | 精神分裂症 | MRI，基于体素的形态测量法（VBM），基于表面的形态测量法（SBM） | 深度学习模型 | 神经解剖图像（MRI） | 训练集包括286名药物初治首发精神分裂症患者和330名健康对照（来自两个数据集），独立验证集包括40名首发精神分裂症患者 | NA | 多任务深度学习模型 | 平衡准确率，灵敏度，特异性 | NA |
| 20 | 2026-02-03 |
Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17509
PMID:39514841
|
研究论文 | 本研究开发了一种基于深度学习的框架，利用多参数磁共振图像合成表观扩散系数图，用于弥漫性胶质瘤患者 | 提出了多参数残差视觉Transformer模型，结合了视觉Transformer的长距离上下文建模能力和卷积算子的精确性，并通过残差块显著增强了模型的表示能力 | 研究依赖于公开数据集的预处理ADC图作为金标准，模型性能可能受限于数据质量和预处理步骤 | 开发深度学习框架从多参数MRI图像合成ADC图，以克服DWI MRI耗时且易受伪影影响的问题 | 弥漫性胶质瘤患者 | 医学影像分析 | 胶质瘤 | 扩散加权磁共振成像，多参数磁共振成像 | Transformer, CNN | 磁共振图像 | 501例胶质瘤病例（训练集400例，验证集50例，测试集51例） | NA | MPR-ViT, Vision Convolutional Transformer, ResViT | 峰值信噪比, 结构相似性指数, 均方误差 | NA |