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 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2026-05-05 |
Advancing healthcare practice and education via data sharing: demonstrating the utility of open data by training an artificial intelligence model to assess cardiopulmonary resuscitation skills
2025-02, Advances in health sciences education : theory and practice
IF:3.0Q2
DOI:10.1007/s10459-024-10369-5
PMID:39249618
|
研究论文 | 通过共享心肺复苏技能表现视频数据库并训练人工智能模型，展示开放数据在医疗保健实践与教育中的效用 | 首次利用开放共享的CPR技能表现视频数据库训练AI模型，实现自动临床评估；该数据库包含多角度视频和专家评分，支持3D重建和运动分析 | NA | 论证数据共享在医疗教育中的价值，并开发基于AI的自动CPR技能评估工具 | 40名参与者的心肺复苏技能表现视频及其质量评估数据 | 计算机视觉 | NA | 视频采集、姿势估计 | 深度学习网络 | 视频 | 40名参与者，从6个角度录制 | NA | 姿势估计网络、深度学习网络 | NA | NA |
| 62 | 2026-05-04 |
Exploring Deep Learning Applications using Ultrasound Single View Cines in Acute Gallbladder Pathologies: Preliminary Results
2025-02, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.061
PMID:39306521
|
研究论文 | 利用超声单视图动态影像开发深度学习模型，以区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎 | 首次使用超声单视图动态影像进行深度学习建模，区分胆囊正常、非紧急胆石症和需紧急干预的急性胆囊炎，具有高精度和特异性 | 初步研究，样本量有限（186名患者，266个动态影像），仅使用单视图动态影像，可能无法代表完整临床场景 | 开发深度学习模型，利用超声单视图动态影像区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎 | 急诊科出现右上腹疼痛的成年患者的超声单视图动态影像，涵盖正常、非紧急胆石症和急性胆囊炎三类 | 计算机视觉 | 胆囊疾病 | 超声成像 | 深度学习模型（未明确具体类型，如CNN） | 超声动态影像（单视图） | 186名患者，共266个动态影像（正常：52人/104个，非紧急胆石症：73人/88个，急性胆囊炎：61人/74个） | NA | NA | 准确率、特异性 | NA |
| 63 | 2026-05-04 |
Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research
2025-02, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.042
PMID:39406582
|
研究论文 | 评估大型语言模型在放射学研究中的统计和深度学习代码生成能力 | 首次系统评估 ChatGPT 和 Gemini 在放射学研究中生成统计测试、R 语言代码和深度学习模型代码的性能 | LLM 存在幻觉风险、代码生成错误，需要用户验证和优化代码，且受数据隐私法规限制 | 测试 LLM 在放射学研究中提供统计解决方案和深度学习代码的能力 | ChatGPT-4o、ChatGPT-3.5 和 Google Gemini | 自然语言处理 | NA | NA | 大型语言模型 | 文本 | 8 个统计问题，1 个深度学习任务 | PyTorch | Vision Transformer (ViT-B/16) | 代码正确率、运行时错误次数 | 网络聊天界面，未指定 GPU |
| 64 | 2026-05-02 |
Global genotype by environment prediction competition reveals that diverse modeling strategies can deliver satisfactory maize yield estimates
2025-02-05, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyae195
PMID:39576009
|
研究论文 | 通过全球基因型-环境预测竞赛，发现多样化建模策略均可有效预测玉米产量 | 首次举办公开的基因型-环境互作预测竞赛，整合基因组变异、表型、气象和管理数据，系统评估多种建模策略（包括传统育种工具、机器学习/深度学习、机械模型和集成模型）的预测能力，验证了无单一模型绝对优越的结论 | 未明确讨论模型可解释性、数据偏差或跨环境泛化性的潜在问题 | 探索结合遗传和环境因素预测作物表型的方法，提升产量预测精度以保障粮食安全 | 玉米（Maize）的产量性状预测 | 机器学习 | 不适用 | 基因组变异分析、表型采集、气象数据记录、田间管理记录 | 混合模型（随机森林、岭回归、最小二乘法、深度学习/机器学习、机械模型、集成模型） | 基因型数据、表型数据、气象数据、管理记录 | 涵盖9年（2022-2023年）的多地点玉米数据集，具体样本量未在摘要中明确 | 不适用（竞赛中涉及多种框架，如随机森林、岭回归等，但未在摘要中指定具体框架） | 随机森林、岭回归、最小二乘法、深度学习网络（具体架构未指定）、机械模型、集成模型 | 产量预测精度（未在摘要中明确具体指标，如R²或RMSE等） | 未指定具体计算资源 |
| 65 | 2026-05-01 |
OrganoIDNet: a deep learning tool for identification of therapeutic effects in PDAC organoid-PBMC co-cultures from time-resolved imaging data
2025-Feb, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-024-00958-2
PMID:38805131
|
研究论文 | 提出OrganoIDNet深度学习工具，用于从时序成像数据中识别PDAC类器官与PBMC共培养的治疗效果 | 首次将深度学习应用于PDAC类器官与免疫细胞共培养的实时成像分析，能够区分类器官大小和健康状态，并纵向监测免疫治疗反应 | NA | 开发和验证基于深度学习的工具，用于实时监测PDAC类器官对化疗和免疫治疗的反应 | 小鼠和人源PDAC类器官、PBMCs共培养模型 | 数字病理学 | 胰腺导管腺癌（PDAC） | 活细胞成像 | 深度学习 | 明场图像 | 小鼠和人源PDAC类器官样本 | NA | OrganoIDNet | 准确率、CellTiter-Glo终点增殖试验验证 | NA |
| 66 | 2025-02-22 |
Author Correction: Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker
2025-Feb-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90514-1
PMID:39979555
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 67 | 2026-04-25 |
Deep learning assists early-detection of hypertension-mediated heart change on ECG signals
2025-02, Hypertension research : official journal of the Japanese Society of Hypertension
IF:4.3Q1
DOI:10.1038/s41440-024-01938-7
PMID:39394520
|
研究论文 | 设计深度学习模型从心电图信号中预测高血压并识别相关心电片段 | 提出多分支多尺度LSTM网络MML-Net和心电导向波对齐可解释人工智能管道ECG-XAI，用于早期检测高血压介导的心脏变化 | 未在外部多中心数据集上验证，且模型解释仅聚焦于P波和R波 | 探索利用心电图信号早期检测高血压引起的心脏结构变化 | 心电图信号及高血压患者的心脏变化 | 机器学习, 数字健康 | 心血管疾病, 高血压 | 心电图 | LSTM | 信号 | 210,120份10秒12导联心电图（来自FUKUDA FX-8322）和812份心电图（来自NALONG RAGE-12） | PyTorch | MML-Net（多分支多尺度LSTM） | 召回率, 精确率 | NA |
| 68 | 2026-04-25 |
Graph based recurrent network for context specific synthetic lethality prediction
2025-02, Science China. Life sciences
DOI:10.1007/s11427-023-2618-y
PMID:39422810
|
研究论文 | 提出基于图循环网络的模型用于上下文特异性合成致死预测 | 引入图循环网络编码器获取上下文特异性低维特征表示，利用门控循环单元集成上下文相关状态信息 | 未提及具体限制，但方法依赖遗传上下文信息，可能对缺乏上下文数据的场景适应性有限 | 预测具有治疗潜力的合成致死相互作用，特别是上下文依赖性的SL关系 | 合成致死相互作用及其遗传上下文依赖性 | 机器学习 | 癌症 | NA | 图循环网络 | 基因组相互作用数据 | NA | NA | 图循环网络，门控循环单元 | NA | NA |
| 69 | 2026-04-25 |
Clinical Relevance of Computational Pathology Analysis of Interplay between Kidney Microvasculature and Interstitial Microenvironment
2025-Feb-01, Clinical journal of the American Society of Nephrology : CJASN
IF:8.5Q1
DOI:10.2215/CJN.0000000597
PMID:39714939
|
研究论文 | 利用计算病理学分析肾脏微血管与间质微环境相互作用在肾小球疾病进展中的临床相关性 | 首次揭示肾小管周围毛细血管与间质纤维化/肾小管萎缩区域的空间和形态特征之间的相互作用，并识别出新型数字生物标志物用于预测疾病进展 | 样本量有限（344例），且未在独立外部队列中验证结果 | 评估肾小管周围毛细血管特征与其间质微环境相互作用在肾小球疾病进展中的临床相关性，并识别新型数字生物标志物 | 肾小球疾病患者（包括微小病变肾病、局灶节段性肾小球硬化、膜性肾病和IgA肾病）的肾脏活检组织切片 | 数字病理学 | 肾小球疾病 | 深度学习模型、全玻片成像、计算病理学分析 | 深度学习模型、机器学习模型 | 病理图像 | 344例肾小球疾病患者（112例微小病变肾病、134例局灶节段性肾小球硬化、61例膜性肾病、37例IgA肾病） | NA | NA | NA | NA |
| 70 | 2026-04-22 |
Multiscale footprints reveal the organization of cis-regulatory elements
2025-02, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08443-4
PMID:39843737
|
研究论文 | 本文介绍了一种名为PRINT的计算方法，用于从染色质可及性数据中识别DNA-蛋白质相互作用的多尺度足迹，并开发了seq2PRINT深度学习框架以推断转录因子和核小体结合 | 开发了PRINT方法，首次从多尺度蛋白质大小角度分析染色质可及性数据中的DNA-蛋白质相互作用足迹，并结合深度学习框架seq2PRINT实现精确的调控逻辑解读 | 方法主要依赖于染色质可及性数据，可能无法完全捕捉所有DNA-蛋白质相互作用的复杂性，且应用范围目前限于特定细胞类型 | 研究顺式调控元件的组织结构和动态变化，以连接其结构与细胞命运和疾病中的功能 | 人类骨髓和小鼠造血干细胞中的顺式调控元件 | 机器学习 | NA | 染色质可及性测序 | 深度学习 | 染色质可及性数据 | NA | NA | NA | NA | NA |
| 71 | 2026-04-20 |
A green and efficient method for detecting nicosulfuron residues in field maize using hyperspectral imaging and deep learning
2025-02-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136724
PMID:39637793
|
研究论文 | 本研究提出了一种结合高光谱成像和深度学习（HerbiResNet模型）的绿色高效方法，用于检测田间玉米中烟嘧磺隆除草剂残留 | 开发了HerbiResNet模型，首次将高光谱成像与深度学习结合用于玉米除草剂残留的预测与分类，并识别出与残留及生理变化强相关的特定光谱波段（约550 nm、680 nm、750 nm和1000 nm） | 研究仅针对六种玉米品种（抗性和敏感型）及两种除草剂浓度，样本多样性和环境条件可能有限 | 实现田间玉米中烟嘧磺隆除草剂残留的准确、快速检测，以支持化学修复和优化喷洒策略 | 田间种植的玉米叶片（六种品种，包括抗性和敏感型） | 计算机视觉 | NA | 高光谱成像 | 深度学习 | 光谱数据 | 六种玉米品种（抗性和敏感型），在两种除草剂浓度下，残留分为低、中、高三个水平 | NA | HerbiResNet | 决定系数（R²），准确率 | NA |
| 72 | 2026-04-18 |
Noncoding variants and sulcal patterns in congenital heart disease: Machine learning to predict functional impact
2025-Feb-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111707
PMID:39877905
|
研究论文 | 本研究利用深度学习模型预测非编码变异对基因调控信号的影响，并探讨其与先天性心脏病患者脑沟模式的关联 | 首次将深度学习模型应用于预测非编码变异对H3K9me2修饰的影响，并揭示其与先天性心脏病患者右侧顶叶脑沟模式的关联 | 研究样本仅限于先天性心脏病患者，未考虑其他混杂因素对脑沟模式的影响 | 探究非编码变异对先天性心脏病患者脑沟模式的影响机制 | 先天性心脏病患者及无先天性心脏病的对照人群 | 机器学习 | 先天性心脏病 | 深度学习 | 深度学习模型 | 基因变异数据、脑沟模式数据 | 先天性心脏病患者队列及无先天性心脏病的对照队列 | NA | NA | NA | NA |
| 73 | 2026-04-14 |
Computational pathology applied to clinical colorectal cancer cohorts identifies immune and endothelial cell spatial patterns predictive of outcome
2025-02, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.6378
PMID:39788558
|
研究论文 | 本研究应用计算病理学方法，在三个临床结直肠癌队列中识别出可预测预后的免疫细胞和内皮细胞空间模式 | 利用基于深度学习的细胞分类器，在大型临床队列中系统量化肿瘤微环境中细胞类型的空间组织和共定位，并发现内皮细胞与癌细胞的比例等空间模式是独立的预后预测因子 | 研究队列虽然具有临床异质性，但样本量仍有限，且结果需要在独立队列中进行进一步验证 | 探究结直肠癌肿瘤微环境的空间组织特征及其对治疗反应和预后的影响 | 三个临床结直肠癌患者队列（MISSONI、BRAF、VALENTINO），总计375名患者 | 计算病理学 | 结直肠癌 | 深度学习细胞分类，多重免疫荧光验证 | 深度学习细胞分类器 | H&E染色组织切片图像 | 375名临床注释的结直肠癌患者（MISSONI: n=59, BRAF: n=141, VALENTINO: n=175），验证集n=26 | NA | NA | 风险比，置信区间，p值 | NA |
| 74 | 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 |
| 75 | 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 |
| 76 | 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 |
| 77 | 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 |
| 78 | 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 |
| 79 | 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 |
| 80 | 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 |