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 1206 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2026-04-11 |
Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology
2025-Feb, The Laryngoscope
DOI:10.1002/lary.31756
PMID:39258420
|
研究论文 | 本研究使用TRIPOD-AI标准评估头颈肿瘤学文献中机器学习算法的报告质量 | 首次在头颈肿瘤学领域系统应用TRIPOD-AI标准评估机器学习研究的报告质量 | 研究基于已发表文献的回顾性分析，无法评估未发表研究的报告质量 | 评估头颈肿瘤学中机器学习算法的报告质量并识别改进需求 | 头颈肿瘤学领域的机器学习研究文献 | 机器学习 | 头颈肿瘤 | NA | NA | 文献数据 | 通过PubMed、Scopus、Embase和Cochrane数据库检索的相关研究文献 | NA | NA | TRIPOD-AI标准符合率 | NA |
| 42 | 2026-04-10 |
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 | 本文综述了放射学中基础模型的基本概念、训练方法、能力评估及其临床应用的潜力与挑战 | 系统性地阐述了放射学领域基础模型的训练数据需求、模型训练范式、能力评估策略，并强调了安全与负责任训练的重要性 | 作为一篇综述文章，未提出新的实验模型或数据，主要基于现有文献进行总结与讨论 | 解释放射学中基础模型的基本概念，并探讨其训练、评估及临床应用的路径 | 放射学领域的基础模型及其在临床实践中的应用 | 机器学习 | NA | NA | 基础模型 | 文本与影像数据 | NA | NA | NA | NA | NA |
| 43 | 2026-04-10 |
Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241351
PMID:39964264
|
研究论文 | 本研究验证了7分钟并行成像加速的深度学习超分辨率3-T肩关节MRI在诊断肩部病变中的临床效能 | 首次通过关节镜检查验证了快速深度学习超分辨率肩关节MRI的诊断性能，实现了7分钟扫描时间 | 回顾性研究设计，样本量相对较小（121名成人），部分病变（如软骨缺损）的诊断准确性较低 | 验证加速深度学习超分辨率肩关节MRI对肩部病变的诊断准确性 | 患有疼痛性肩部疾病的成人患者 | 数字病理学 | 肩部疾病 | 并行成像加速的深度学习超分辨率MRI | 深度学习模型 | MRI图像 | 121名成人（平均年龄55岁±14，75名男性） | NA | 超分辨率网络 | 敏感性, 特异性, 准确性, AUC | 3-T MRI扫描仪 |
| 44 | 2026-04-10 |
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 | 本研究利用深度学习算法分析国家肺癌筛查试验中连续低剂量CT扫描的心外膜脂肪组织变化，并探讨其与全因、心血管及肺癌死亡率的关联 | 首次在大型肺癌筛查队列中，利用自动化深度学习算法量化连续CT扫描的心外膜脂肪组织体积与密度变化，并建立其与长期死亡率的新型关联 | 研究为二次分析，可能存在未测量的混杂因素；心外膜脂肪组织的测量依赖自动化算法，可能受CT扫描参数影响 | 探究连续低剂量CT扫描中心外膜脂肪组织变化与死亡率之间的关联 | 国家肺癌筛查试验中接受连续低剂量CT肺癌筛查的参与者 | 数字病理学 | 肺癌, 心血管疾病 | 低剂量CT扫描, 深度学习算法 | 深度学习 | CT图像 | 20661名参与者（平均年龄61.4岁，男性12237名） | NA | NA | 风险比, 置信区间 | NA |
| 45 | 2026-04-10 |
Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240427
PMID:39998377
|
研究论文 | 本研究利用基于深度学习的自动化工具从CT图像中测量总肾脏体积，以预测接受177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者的肾功能下降 | 首次将基于nnU-Net框架的深度学习分割模型TotalSegmentator用于自动化测量总肾脏体积，并证明其在预测放射性配体治疗后肾功能下降方面优于其他基线风险因素和早期eGFR变化 | 这是一项回顾性研究，样本量相对较小（121名患者），且仅针对接受特定治疗（至少四个周期Lu-PSMA-I&T）的患者，结果可能无法推广到其他治疗或早期患者 | 识别接受Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者发生临床显著肾功能恶化的预测标志物 | 接受至少四个周期177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者 | 数字病理学 | 前列腺癌 | CT成像，放射性配体治疗（177Lu-PSMA-I&T） | 深度学习分割模型 | CT图像 | 121名患者（平均年龄76岁±7岁） | nnU-Net | TotalSegmentator（基于nnU-Net框架） | 受试者工作特征曲线下面积，Youden指数 | NA |
| 46 | 2026-04-07 |
Artificial Intelligence Applications in Cardiac CT Imaging for Ischemic Disease Assessment
2025-02, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.70098
PMID:39927866
|
综述 | 本文综述了人工智能在心脏CT成像中用于缺血性疾病评估的应用 | 强调了AI在心脏CT成像中检测人眼难以察觉的洞察和模式，以提升诊断准确性和效率的潜力 | NA | 探讨AI在心脏CT成像中对缺血性心脏病的评估作用，旨在优化工作流程并提高心脏护理效率 | 心脏CT成像数据，包括斑块负荷、狭窄严重程度和CT衍生的血流储备分数等功能评估 | 医学影像分析 | 心血管疾病 | 心脏CT成像 | 机器学习，深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 47 | 2026-04-06 |
A variational deep-learning approach to modeling memory T cell dynamics
2025-Feb-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.08.602409
PMID:40060443
|
研究论文 | 本文提出了一种结合深度学习和随机变分推理的方法，用于从高维单细胞流式细胞术数据中同时推断动态模型参数和细胞群体结构，以研究小鼠流感病毒感染后肺驻留记忆T细胞的动态变化 | 该方法直接基于原始单细胞数据训练，而非预定义聚类动力学，能够同时推断动态模型参数和群体结构，为高维时间序列数据的解释提供了新基础 | 研究仅针对小鼠流感病毒感染模型中的肺驻留记忆T细胞，尚未在其他生物系统或疾病中验证 | 研究流感病毒感染后肺驻留记忆CD4和CD8 T细胞的动态发展和持久性 | 小鼠肺组织中的记忆CD4和CD8 T细胞 | 机器学习 | 流感 | 单细胞流式细胞术 | 深度学习 | 单细胞流式细胞术数据 | NA | NA | NA | NA | NA |
| 48 | 2026-04-05 |
Assessing the Performance of the DINOv2 Self-supervised Learning Vision Transformer Model for the Segmentation of the Left Atrium from MRI Images
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3048192
PMID:41878116
|
研究论文 | 本研究评估了基于自监督学习的视觉Transformer基础模型DINOv2在MRI图像上分割左心房的性能 | 探索了在自然图像上预训练的DINOv2模型在医学图像分割任务中的开箱即用潜力，并证明了其在有限标注数据下的优异表现 | 研究主要针对左心房分割，且数据量和患者数量有限，未广泛验证于其他心脏结构或医学影像模态 | 评估DINOv2模型在心脏MRI图像中左心房分割任务的准确性和一致性，探索其在医学影像领域的应用潜力 | 心脏MRI图像中的左心房结构 | 计算机视觉 | 心血管疾病 | MRI成像 | Transformer | 图像 | 未明确说明具体样本数量，但提及了不同数据集大小和患者数量的少样本学习实验 | NA | DINOv2 | Dice系数, IoU | NA |
| 49 | 2026-04-04 |
Spatial transcriptomic clocks reveal cell proximity effects in brain ageing
2025-02, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08334-8
PMID:39695234
|
研究论文 | 本研究构建了一个空间分辨的单细胞转录组大脑图谱，并开发了空间衰老时钟模型，以揭示细胞邻近效应对大脑衰老的影响 | 首次开发了基于空间转录组数据的空间衰老时钟模型，能够识别衰老、年轻化和疾病的空间及细胞类型特异性转录组特征，并发现了T细胞和神经干细胞对邻近细胞的显著邻近效应 | 研究仅基于小鼠模型，尚未在人类样本中验证；空间转录组技术的分辨率可能限制对某些细胞相互作用的精确解析 | 研究大脑衰老过程中细胞间相互作用及其对组织功能衰退的影响 | 成年小鼠大脑中的420万个细胞，涵盖20个不同年龄阶段 | 空间转录组学 | 神经退行性疾病 | 空间分辨单细胞转录组测序 | 机器学习模型, 深度学习模型 | 空间转录组数据 | 420万个细胞，来自20个不同年龄的成年小鼠大脑 | NA | 空间衰老时钟 | NA | NA |
| 50 | 2026-04-02 |
A prognostic and predictive model based on deep learning to identify optimal candidates for intensity-modulated radiotherapy alone in patients with stage II nasopharyngeal carcinoma: A retrospective multicenter study
2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110660
PMID:39645201
|
研究论文 | 本研究开发并验证了一个结合深度学习MRI特征和临床信息的预后预测模型，用于识别II期鼻咽癌患者中仅需调强放疗的低风险人群 | 首次将深度学习MRI特征与临床信息整合，构建了针对II期鼻咽癌患者的预后预测模型，能够有效识别仅需调强放疗的低风险患者 | 研究为回顾性多中心设计，可能存在选择偏倚；模型尚未在前瞻性队列中进行验证 | 开发一个预后预测模型，以识别II期鼻咽癌患者中仅需调强放疗即可获得良好预后的低风险人群 | II期鼻咽癌患者 | 数字病理学 | 鼻咽癌 | MRI成像 | CNN, XGBoost | MRI图像, 临床数据 | 999名来自两个中心的II期鼻咽癌患者 | NA | 3DResNet | C-index, AUC, 校准测试 | NA |
| 51 | 2026-04-02 |
Deep learning dose prediction to approach Erasmus-iCycle dosimetric plan quality within seconds for instantaneous treatment planning
2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110662
PMID:39647528
|
研究论文 | 本研究探讨了深度学习模型在预测前列腺癌患者三维剂量分布方面的应用，旨在实现即时治疗计划 | 通过分析训练数据集大小和模型规模对剂量预测精度的影响，为即时治疗计划提供快速且高质量的剂量预测方法 | 即使使用1000名患者进行训练，预测精度尚未达到收敛，可能需要更大数据集或进一步优化 | 评估深度学习模型在预测Erasmus-iCycle剂量计划质量方面的准确性，以支持即时治疗计划 | 1250名前列腺癌患者的自动生成剂量分布数据 | 医学影像分析 | 前列腺癌 | 深度学习剂量预测 | U-Net | 三维剂量分布图像 | 1250名前列腺癌患者（训练集：50/100/250/500/1000，验证集：100，测试集：150） | NA | 分层密集连接U-Net（具有2/3/4/5/6个池化层） | PTV V95%误差、直肠V75Gy误差、膀胱V65Gy误差 | NA |
| 52 | 2026-04-02 |
Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation
2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110667
PMID:39675574
|
研究论文 | 本研究探讨了在直肠癌在线自适应放疗中，通过整合患者特异性先验临床知识来提升临床靶区自动分割的泛化能力 | 创新性地利用治疗前勾画的临床靶区作为患者特异性先验知识，结合基于人群的分数间变形变异，创建患者特异性权重图，以增强深度学习模型在多中心数据上的泛化性能 | 研究仅针对直肠癌的肠系膜临床靶区，未涵盖其他癌症类型或靶区结构，且依赖于治疗前勾画的可用性 | 提高在线自适应放疗中临床靶区自动分割的泛化性和鲁棒性 | 中危或局部晚期直肠癌患者 | 数字病理 | 直肠癌 | 深度学习 | 深度学习模型 | MRI图像 | 来自三个中心的中危或局部晚期直肠癌患者 | NA | NA | DSC, surface Dice, 95HD, MSD | NA |
| 53 | 2026-03-28 |
A dataset of blood slide images for AI-based diagnosis of malaria
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111190
PMID:39802838
|
研究论文 | 本文介绍了一个用于基于AI的疟疾诊断的血涂片图像数据集，包含厚血涂片和薄血涂片图像 | 提供了一个来自乌干达的基准数据集，支持构建卷积神经网络模型用于自动疟疾筛查 | 数据集规模相对较小（共4000张图像），且仅来自乌干达特定医院，可能限制模型的泛化能力 | 开发用于疟疾自动筛查的深度学习模型，以提高诊断效率和准确性 | 厚血涂片和薄血涂片图像 | 数字病理学 | 疟疾 | 显微镜检查 | CNN | 图像 | 3000张厚血涂片图像和1000张薄血涂片图像 | NA | NA | 检测准确率 | NA |
| 54 | 2026-03-24 |
Evaluation of Learning Approaches Among Physiotherapy Students in Haryana: A Cross-Sectional Study
2025-02, Journal of evaluation in clinical practice
IF:2.1Q2
DOI:10.1111/jep.14253
PMID:39644511
|
研究论文 | 本研究通过横断面调查评估了哈里亚纳邦物理治疗学生的学习方法，发现大多数学生采用深度学习方式 | 首次在哈里亚纳邦物理治疗学生中系统评估学习方法，并比较了临床前与临床阶段学生的差异 | 样本仅来自同一大学附属院校，可能限制结果的普适性；未追踪学习方法随时间的变化 | 评估物理治疗学生的学习方法，以改进教学策略和课程设计 | 物理治疗专业学生（包括临床前和临床阶段） | NA | NA | 问卷调查（ASSIST量表） | NA | 问卷数据 | 250名参与者（129名临床前组，121名临床组） | IBM SPSS 27 | NA | p值（统计显著性） | NA |
| 55 | 2026-03-22 |
De novo design of Ras isoform selective binders
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610300
PMID:39975043
|
研究论文 | 本研究利用深度学习设计针对Ras蛋白异构体的选择性结合剂，以特异性靶向其C末端 | 首次应用深度学习方法设计出针对所有主要Ras异构体的特异性结合剂，解决了传统方法难以针对其无序且高电荷C末端产生抗体的难题 | 未明确说明结合剂在体内环境下的长期稳定性及潜在免疫原性问题 | 开发能够特异性识别不同Ras蛋白异构体的结合工具，以研究其在癌症中的不同作用 | Ras蛋白的四种主要异构体（KRAS4A、KRAS4B、HRAS、NRAS） | 机器学习 | 癌症 | 深度学习 | NA | 蛋白质序列数据 | 针对四种Ras异构体的设计研究 | NA | NA | 结合特异性、膜定位干扰效果、Ras活性抑制能力 | NA |
| 56 | 2026-03-20 |
Deep learning to decode sites of RNA translation in normal and cancerous tissues
2025-Feb-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56543-0
PMID:39894899
|
研究论文 | 本研究提出了一种基于Transformer模型的RiboTIE方法，用于从核糖体分析数据中高精度、高灵敏度地检测翻译的开放阅读框，并在正常脑组织和髓母细胞瘤样本中验证了其有效性 | RiboTIE是首个直接利用原始核糖体分析计数数据、基于Transformer模型来检测翻译开放阅读框的方法，相比现有方法在精度和灵敏度上有显著提升 | 论文未明确说明该方法在其他癌症类型或组织中的泛化能力，也未详细讨论计算资源需求或模型的可解释性 | 开发一种能够准确分析RNA翻译变异、提升核糖体分析数据解析能力的计算工具 | 正常脑组织和髓母细胞瘤（一种脑癌）样本中的RNA翻译过程 | 自然语言处理 | 髓母细胞瘤 | 核糖体分析测序 | Transformer | 序列数据 | NA | NA | Transformer | 精度, 灵敏度 | NA |
| 57 | 2026-03-17 |
Training deep learning models on personalized genomic sequences improves variant effect prediction
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618510
PMID:39463940
|
研究论文 | 本文通过训练深度学习模型于个性化基因组序列，提升了变异效应预测的性能 | 在匹配个人基因组的功能基因组数据上训练模型，提高了变异效应预测的准确性，且变异效应表征在微调至未见细胞环境和实验读数时仍能保留 | NA | 改进序列到功能模型在变异效应预测中的性能 | 个性化基因组序列和功能基因组数据 | 机器学习 | NA | 功能基因组数据 | 深度学习模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 58 | 2026-03-17 |
Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT
2025-Feb, Ophthalmology
IF:13.1Q1
DOI:10.1016/j.ophtha.2024.08.017
PMID:39151755
|
研究论文 | 本研究利用深度学习分析OCT图像，量化了在pegcetacoplan治疗下，地理萎缩患者光感受器和视网膜色素上皮层的形态变化 | 首次应用深度学习技术对OCT图像进行分割，以客观量化地理萎缩中光感受器和视网膜色素上皮层的退化，并揭示了椭圆体带-视网膜色素上皮差异对疾病进展和治疗反应的显著影响 | 研究为事后纵向图像分析，可能受限于原始临床试验的设计和数据收集；未详细说明深度学习模型的泛化能力到其他数据集或临床环境 | 评估pegcetacoplan治疗对年龄相关性黄斑变性引起的地理萎缩中视网膜结构变化的疗效 | 来自OAKS和DERBY两项前瞻性随机III期临床试验的897名地理萎缩患者 | 数字病理学 | 年龄相关性黄斑变性 | OCT成像 | 深度学习 | 图像 | 897只眼睛（来自897名患者） | NA | NA | 视网膜色素上皮损失和椭圆体带损失的面积变化百分比 | NA |
| 59 | 2026-03-11 |
Renal Cell Type and State Estimation in Brightfield Histology Images: A Pilot Study on Diabetic Nephropathy
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047996
PMID:41799653
|
研究论文 | 本研究提出了一种基于深度学习的两阶段流程，用于从亮视野组织学图像预测细胞类型/状态，旨在提升糖尿病肾病的诊断和预后评估 | 结合图像到文本检索网络和视觉语言模型，利用CONCH模型从亮视野图像生成组织病理学文本提示，并通过回归头预测细胞类型/状态比例，相比仅使用图像输入的模型有显著性能提升 | 研究为试点性质，样本来源单一（印第安纳大学收集的糖尿病肾病样本），且仅针对四种组织结构类型进行分类，可能缺乏泛化性 | 开发机器学习流程，从亮视野组织学图像预测细胞类型/状态，以弥补多组学数据在临床中的昂贵和不可及性 | 糖尿病肾病患者的10X Visium空间转录组学福尔马林固定石蜡包埋全切片图像 | 数字病理学 | 糖尿病肾病 | 空间转录组学（10X Visium），亮视野显微镜 | 深度学习模型 | 图像，文本 | 未明确指定样本数量，但来自印第安纳大学收集的糖尿病肾病样本集 | 未明确指定，但提及CONCH、ViT、ResNet等模型架构 | CONCH, ViT, ResNet | 均方误差 | NA |
| 60 | 2026-03-06 |
Addressing myocardial infarction in South-Asian populations: risk factors and machine learning approaches
2025-Feb-03, NPJ cardiovascular health
DOI:10.1038/s44325-024-00040-8
PMID:41776250
|
综述 | 本文探讨了南亚人群心肌梗死的风险因素，并强调了机器学习和深度学习在提升诊断与预测准确性方面的潜在作用 | 结合南亚人群特有的心血管风险因素，利用机器学习和深度学习模型（如CNN和Transformer）分析临床特征、心电图和心脏生物标志物等多模态数据，以改进传统风险评估工具 | 缺乏高质量数据集，且临床应用面临挑战 | 提升南亚人群心肌梗死的风险预测、诊断和管理水平 | 南亚人群的心肌梗死风险因素 | 机器学习 | 心血管疾病 | NA | CNN, Transformer | 临床特征、心电图、心脏生物标志物等多模态数据 | NA | NA | 卷积神经网络, Transformer | NA | NA |