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 1205 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2026-07-04 |
Quantifying Nuclear Structures of Digital Pathology Images Across Cancers Using Transport-Based Morphometry
2025-02, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.24917
PMID:39982036
|
研究论文 | 提出一种基于最优输运的形态测量学方法，用于量化数字病理图像中的细胞核结构，并跨癌症类型进行分析 | 首次将最优输运数学理论引入核染色质信息建模，通过传输形态测量框架实现对细胞核完整信息内容的表示，且对不同染色模式和成像协议具有鲁棒性 | NA | 开发一种可定量比较不同数据集和癌症类型中细胞核形态差异的计算方法 | 数字病理图像中的细胞核结构，包括来自肝实质、甲状腺、肺间皮和皮肤上皮的肿瘤样本 | 数字病理学 | 多种癌症（肝癌、甲状腺癌、肺癌、皮肤癌） | 最优输运数学方法、特征提取、深度学习 | 传输形态测量框架 | 图像 | 多来源数据集（TCGA、人类蛋白质图谱），包含多种癌症类型的肿瘤样本 | NA | 传输形态测量网络 | NA | NA |
| 22 | 2026-07-03 |
Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology
2025-02, The Laryngoscope
DOI:10.1002/lary.31756
PMID:39258420
|
综述 | 评估头颈肿瘤学文献中机器学习算法报告质量的系统评价 | 首次使用TRIPOD-AI标准系统评估头颈肿瘤学领域机器学习算法的报告质量 | 仅限于已发表文献，且TRIPOD-AI标准本身可能存在局限性 | 评估头颈肿瘤学文献中机器学习算法的报告质量并提出改进建议 | 头颈肿瘤学中机器学习算法的相关研究文献 | 自然语言处理 | 头颈肿瘤 | NA | 机器学习算法 | NA | NA | NA | NA | NA | NA |
| 23 | 2026-07-03 |
MI-Mamba: A hybrid motor imagery electroencephalograph classification model with Mamba's global scanning
2025-02, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.15288
PMID:39844431
|
研究论文 | 提出一种将卷积神经网络与Mamba混合的脑电图分类模型MI-Mamba，用于运动想象数据解码 | 首次将Mamba的状态空间模型引入运动想象脑电解码，利用其全局扫描能力克服传统CNN和Transformer在长序列建模中的效率与依赖问题，同时将参数量减少近六倍 | 未明确提及，但可能需进一步验证在更多样化的数据集和真实场景中的泛化能力 | 提升运动想象脑电图解码的准确性并降低计算复杂度 | 运动想象脑电图信号 | 机器学习 | NA | 脑电图 | CNN与Mamba混合模型 | 脑电图信号 | 两个公开运动想象数据集：BCI Competition IV 2a（四类任务）和BCI Competition IV 2b（两类任务） | NA | 单卷积层结合Mamba模块 | 准确率 | NA |
| 24 | 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 |
| 25 | 2026-06-29 |
DeepCompoundNet: enhancing compound-protein interaction prediction with multimodal convolutional neural networks
2025-02, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2023.2291829
PMID:38084744
|
研究论文 | 提出DeepCompoundNet，一种利用多模态卷积神经网络整合分子信息和相互作用网络来预测化合物-蛋白质相互作用的深度学习模型 | 首次将分子信息（氨基酸序列、化学结构）与多种相互作用网络数据（蛋白质-蛋白质相互作用、药物-疾病相互作用、蛋白质-疾病相互作用）有效整合，提高了预测性能 | 未明确提及局限性，但可能涉及计算资源需求大或对新型相互作用预测的泛化能力有待进一步验证 | 提出一种新的深度学习模型，通过整合分子信息和多种相互作用数据来提高化合物-蛋白质相互作用预测的准确性 | 化合物-蛋白质相互作用对，包括蛋白质、药物以及相关的相互作用网络数据 | 机器学习 | NA | NA | 卷积神经网络 | 文本和网络数据 | NA | NA | 多模态卷积神经网络 | 性能评估指标 | NA |
| 26 | 2026-06-26 |
Identifying invasiveness to aid lung adenocarcinoma diagnosis using deep learning and pathomics
2025-02-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87094-5
PMID:39929860
|
研究论文 | 探索结合深度学习和病理组学识别肺腺癌肿瘤浸润性，辅助病理学家诊断 | 将深度学习与病理组学结合用于识别肺腺癌肿瘤浸润性，并验证其对初级和中级病理学家诊断精度的提升效果 | 样本量有限（289例），且仅针对磨玻璃结节患者，可能限制泛化性 | 评估深度学习和病理组学在肺腺癌肿瘤浸润性识别中的临床价值及对病理学家的辅助作用 | 289例手术切除的磨玻璃结节患者的全切片图像数据 | 数字病理学 | 肺腺癌 | 全切片图像分析 | ResNet、随机森林 | 图像（全切片图像） | 289例患者（磨玻璃结节） | PyTorch | ResNet18、ResNet34、ResNet50、随机森林 | AUC、灵敏度、准确率 | NA |
| 27 | 2026-06-26 |
Artificial Intelligence In Health And Health Care: Priorities For Action
2025-02, Health affairs (Project Hope)
DOI:10.1377/hlthaff.2024.01003
PMID:39841940
|
评论 | 本文作为美国国家医学院重要方向计划的一部分，阐述了在健康与医疗领域安全、有效及公平地使用人工智能所需采取的行动步骤 | 从战略高度系统性地提出了在健康与医疗领域应用人工智能的四个优先方向（安全性、劳动力、科研、责任） | 未提供具体的技术实施细节或实证数据支持 | 为即将上任的政府提供关于健康与医疗领域人工智能应用的指导性建议 | 美国医疗健康体系中的人工智能应用 | 机器学习 | NA | 深度学习、生成式人工智能 | NA | NA | NA | NA | NA | NA | NA |
| 28 | 2026-06-19 |
Quantifying multilabeled brain cells in the whole prefrontal cortex reveals reduced inhibitory and a subtype of excitatory neuronal marker expression in serotonin transporter knockout rats
2025-02-05, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae486
PMID:39932853
|
研究论文 | 利用深度学习网络StarDist结合开源方法，量化5-羟色胺转运体基因敲除大鼠全前额叶皮层中多标记脑细胞，发现抑制性和一类兴奋性神经元标志物表达减少 | 结合StarDist深度学习网络与新型开源方法，实现全脑前额叶皮层亚区多标记细胞的自动化计数，突破了传统免疫组织化学在脑区体积变化和细胞分割上的限制 | 未提及具体局限性 | 量化5-羟色胺转运体基因敲除大鼠前额叶皮层亚区中多标记脑细胞，探究焦虑行为与细胞标志物表达的关系 | 5-羟色胺转运体基因敲除大鼠和野生型大鼠的前额叶皮层细胞 | 计算机视觉, 数字病理学 | 焦虑症 | 免疫组织化学, 深度学习细胞分割 | 深度学习网络 (StarDist) | 图像 | 5-羟色胺转运体基因敲除大鼠和野生型大鼠的脑组织切片 | TensorFlow, Keras | StarDist | 自动化细胞计数 | NA |
| 29 | 2026-06-18 |
Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model
2025-02, Oral oncology
IF:4.0Q2
|
研究论文 | 开发并验证了一种基于MRI的深度学习模型，用于诊断口腔鳞状细胞癌的淋巴结转移 | 提出了一个三阶段深度学习模型，结合随机森林分类器，在识别淋巴结转移和降低隐匿性转移率方面表现优异，性能与普通和专科放射科医生相当或更优 | NA | 开发并验证一种基于MRI的深度学习模型，用于识别口腔鳞状细胞癌患者的淋巴结转移 | 口腔鳞状细胞癌患者 | 计算机视觉 | 口腔鳞状细胞癌 | MRI | 深度学习模型 | 图像 | 来自10家中国医院的723名患者，共45,664张术前MRI图像 | NA | 三阶段深度学习模型 | AUC | NA |
| 30 | 2026-06-17 |
Coronal Plane Alignment of the Knee (CPAK) Type Shifts Toward Constitutional Varus with Increasing Kellgren and Lawrence Grade: A Radiographic Analysis of 17,365 Knees
2025-Feb-05, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.24.00316
PMID:39719004
|
研究论文 | 本研究通过放射学分析17365例膝关节，探讨了随着骨关节炎严重程度增加，膝关节冠状面力线类型（CPAK）的分布变化及相关参数 | 首次大规模分析不同骨关节炎严重程度下CPAK类型的分布变化，发现KL分级增加时CPAK类型从II型向I型转变，并揭示骨关节炎严重程度是CPAK分布的主导因素 | 回顾性横断面研究设计，可能影响因果推断的准确性 | 探索不同骨关节炎严重程度下膝关节冠状面力线类型的分布变化 | 17365例人类膝关节 | 数字病理学 | 骨关节炎 | 放射学分析 | 深度学习软件 | 放射学图像 | 17365例膝关节 | NA | NA | NA | NA |
| 31 | 2026-06-15 |
Foundation Models in Radiology: What, How, Why, and Why Not
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240597
PMID:39903075
|
综述 | 本文综述了基础模型在放射学中的应用，探讨其训练方法、能力及评估策略 | 系统性地统一了放射学中基础模型的技术进展与临床需求，强调安全负责任的模型训练 | NA | 解释放射学中基础模型的基本概念与术语，聚焦训练数据需求、模型训练范式、模型能力及评估策略 | 放射学领域的基础模型 | 自然语言处理, 计算机视觉 | NA | NA | 基础模型 | 文本, 图像 | NA | NA | NA | NA | NA |
| 32 | 2026-06-15 |
Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240473
PMID:39964263
|
研究论文 | 基于全国肺筛查试验的纵向数据，分析连续低剂量CT扫描中心外膜脂肪组织变化与死亡率的关系 | 首次在大规模肺癌筛查队列中系统评估EAT变化的纵向轨迹（体积和密度）与全因、心血管及肺癌死亡率的独立关联，并基于深度学习算法自动量化EAT | 研究为回顾性二次分析，可能未完全纳入所有潜在混杂因素；EAT变化分类基于典型范围，其适用性需验证；仅包括肺癌筛查人群，结果推广性受限 | 探究在肺癌筛查人群中，两年间隔的低剂量CT扫描中EAT变化与死亡率之间的关联 | 参与全国肺筛查试验的受试者（共20,661人），通过深度学习自动分割获取EAT体积和密度 | 计算机视觉 | 心血管疾病 | 低剂量CT，深度学习算法 | 深度学习神经网络 | CT影像 | 20,661名参与者（平均年龄61.4岁，男性占59.2%） | NA | NA | 危险比（HR），95%置信区间，P值 | NA |
| 33 | 2026-06-07 |
DeepPhoPred: Accurate Deep Learning Model to Predict Microbial Phosphorylation
2025-02, Proteins
IF:3.2Q2
DOI:10.1002/prot.26734
PMID:39239684
|
研究论文 | 提出名为DeepPhoPred的深度学习工具，用于预测微生物磷酸化位点 | 采用双头卷积神经网络架构结合压缩与激励模块，从肽段的结构和进化信息中联合学习特征，显著优于现有预测方法 | NA | 开发低成本、高速度的计算方法，准确预测微生物磷酸化位点以辅助理解发病机制、宿主病原体相互作用及药物设计 | 微生物中的磷酸化丝氨酸、磷酸化苏氨酸和磷酸化酪氨酸位点 | 机器学习 | NA | NA | 卷积神经网络 | 肽段序列及其结构信息、进化信息 | NA | NA | 双头卷积神经网络、压缩与激励模块、全连接层 | NA | NA |
| 34 | 2026-06-02 |
IoT based healthcare system using fractional dung beetle optimization enabled deep learning for breast cancer classification
2025-02, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于物联网和分数阶粪甲虫优化深度学习方法的乳腺组织病理图像癌症分类系统 | 将分数阶粪甲虫优化算法（FDBO）结合SqueezeNet进行乳腺组织病理图像分类，并利用FDBO实现物联网路由优化 | 文中未明确讨论局限性 | 提高基于组织病理图像的乳腺癌症分类准确率，构建高效的物联网医疗系统 | 乳腺组织病理图像数据集 | 计算机视觉 | 乳腺癌 | 组织病理学成像 | 深度学习（SqueezeNet、LadderNet） | 图像 | NA | NA | SqueezeNet、LadderNet | 准确率、敏感度、特异度、阴性预测值、阳性预测值 | NA |
| 35 | 2026-05-30 |
Synthetic Diffusion Tensor Imaging Maps Generated by 2D and 3D Probabilistic Diffusion Models: Evaluation and Applications
2025-Feb-25, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.21.639511
PMID:40060678
|
研究论文 | 评估2D和3D概率扩散模型生成的合成扩散张量成像图的质量及其在数据增强和下游任务中的应用 | 首次系统比较2D切片级和3D体积级扩散模型在合成DTI平均扩散率图的质量、效率和下游任务性能，发现3D合成在下游任务中优于2D | NA | 评估2D和3D扩散概率模型生成的合成DTI图像的质量、保真度及其在性别分类和痴呆分类等下游任务中的增值效用 | 合成的DTI平均扩散率图，以及用于性别分类和痴呆分类的2D和3D卷积神经网络 | 机器视觉, 数字病理 | 痴呆症 | 扩散张量成像 | 概率扩散模型, 卷积神经网络 | 图像 | NA | NA | 2D和3D卷积神经网络 | 图像质量、保真度、计算效率、下游任务性能 | NA |
| 36 | 2026-05-29 |
Bioimaging and the future of whole-organismal developmental physiology
2025-02, Comparative biochemistry and physiology. Part A, Molecular & integrative physiology
DOI:10.1016/j.cbpa.2024.111783
PMID:39581226
|
评论文章 | 评估影像技术作为测量整体生物发育生理学手段的重要性，并探讨计算机视觉在发育生理学中的应用潜力与挑战 | 强调计算机视觉模型在不同物种、生命阶段和实验之间的可转移性，推动发育生理学中的表型组学应用 | 并未提及具体的技术验证或定量结果分析 | 探讨利用计算机视觉和深度学习方法推进发育动物生长与功能的理解 | 发育中的动物整体生物及其体表形态 | 计算机视觉 | NA | 影像技术 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 37 | 2026-05-27 |
Artificial intelligence-driven ensemble deep learning models for smart monitoring of indoor activities in IoT environment for people with disabilities
2025-02-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88450-1
PMID:39910242
|
研究论文 | 提出了一种基于元启发式优化的集成深度学习模型，用于在物联网环境中对残疾人的室内活动进行智能监测 | 首次将海洋捕食者算法用于特征选择，并采用图卷积网络、LSTM序列到序列和卷积自编码器的集成模型，利用改进的卷尾猴优化算法进行超参数调优 | 未提及模型在真实场景中的部署挑战、计算资源需求或对不同类型残疾人的适应性 | 开发一种智能监测室内活动的方法，以提高残疾人的生活质量并降低医疗成本 | 残疾人的室内活动监测 | 机器学习 | NA | NA | 集成模型（图卷积网络、LSTM序列到序列、卷积自编码器） | 传感器信号、图像或视频帧 | NA | NA | 图卷积网络（GCN）、LSTM序列到序列（LSTM-seq2seq）、卷积自编码器（ConvAutoencoder） | 准确率（Accuracy） | NA |
| 38 | 2026-05-27 |
Automatic cervical lymph nodes detection and segmentation in heterogeneous computed tomography images using deep transfer learning
2025-02-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84804-3
PMID:39905029
|
研究论文 | 利用深度迁移学习在异构CT图像中自动检测和分割颈部淋巴结 | 使用大规模头颈数据集预训练的nnUNet模型进行迁移学习，实现了在异质CT图像中自动检测和分割颈部淋巴结，并验证了在不同医院外部测试集中的泛化能力 | 检测灵敏度较低（54.6%），且外部测试集性能有所下降；未说明模型在更广泛临床场景中的表现 | 开发用于自动检测和分割颈部淋巴结的深度学习模型 | 626名头颈癌患者的11,013个标注淋巴结（短轴直径≥3mm） | 计算机视觉 | 头颈癌 | CT成像 | 深度学习模型（nnUNet） | CT图像 | 11,013个淋巴结（626名患者） | nnUNet | nnUNet | 灵敏度、阳性预测值、假阳性率/例、Dice相似系数、Hausdorff距离 | NA |
| 39 | 2026-05-27 |
Investigating a Domain Adaptation Approach for Integrating Different Measurement Instruments in a Longitudinal Clinical Registry
2025-02, Biometrical journal. Biometrische Zeitschrift
DOI:10.1002/bimj.70023
PMID:39698740
|
研究论文 | 探索将域自适应方法用于整合纵向临床注册中不同测量工具以获取联合潜在表示 | 将计算机科学中用于图像数据的域自适应概念应用于纵向队列设置，通过常微分方程对潜在表示中的轨迹建模并从基线特征推断个体参数，还加入惩罚项以改善对齐 | 在更复杂场景中对齐效果降低，且仅评估了时间点较少的情况 | 评估域自适应方法在整合不同测量工具以分析纵向注册数据中的潜力 | 脊髓性肌萎缩症患者注册数据中的不同运动功能测量工具 | 机器学习 | 脊髓性肌萎缩症 | NA | 深度学习模型（常微分方程） | 数值型纵向数据（测量工具评估得分） | 基于修改的SMA数据及真实SMA数据集，具体样本数未提供 | NA | NA | 拟合优度、复杂度 | NA |
| 40 | 2026-05-25 |
A joint three-plane physics-constrained deep learning based polynomial fitting approach for MR electrical properties tomography
2025-02-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121054
PMID:39863005
|
研究论文 | 提出一种联合三平面物理约束深度学习多项式拟合法，用于磁共振电特性断层成像，以提升电导率重建精度并减少计算负担 | 将物理约束的加权多项式拟合与深度学习融合，通过联合优化三个正交平面内的神经网络权重，实现三维数据驱动的电特性重建，显著提升泛化能力且无需大量训练数据 | 未提及在更大规模或不同病理组织上的验证，也未评估计算资源的需求 | 改进磁共振电特性断层成像中电导率重建的精度和鲁棒性，同时减少计算开销 | 模拟异质脑模型和体内人脑组织 | 数字病理 | 脑部疾病 | 磁共振电特性断层成像 | 卷积神经网络 | MRI图像 | 模拟异质脑模型（具体样本数未提及）及体内人脑数据 | NA | 三个独立神经网络（具体架构未明确） | 电导率估计精度、解剖细节保留度、均匀性 | 未提及 |