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 1401 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 | 2025-10-05 |
Mapping individualized multi-scale hierarchical brain functional networks from fMRI by self-supervised deep learning
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.07.647618
PMID:40291726
|
研究论文 | 提出一种自监督深度学习框架，从fMRI数据中映射个体化的多尺度分层脑功能网络 | 首次通过自监督深度学习同时计算多尺度功能网络并量化其跨尺度层次结构 | 方法依赖于fMRI数据质量，在外部验证队列数量有限 | 表征个体化多尺度脑功能网络的层次组织结构 | 人脑功能网络 | 机器学习 | 神经精神疾病 | fMRI | 深度学习 | 神经影像数据 | 人类连接组计划数据集及两个外部队列 | NA | 自监督深度学习框架 | 功能网络同质性，与生物表型关联性 | NA |
| 22 | 2025-10-05 |
HIERARCHICAL LOG BAYESIAN NEURAL NETWORK FOR ENHANCED AORTA SEGMENTATION
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10980947
PMID:41001007
|
研究论文 | 提出一种基于贝叶斯神经网络的分层拉普拉斯高斯模型，用于增强主动脉分割精度 | 结合3D U-Net流和分层LoG流，通过贝叶斯方法参数化LoG流并提供分割结果的置信区间 | 未明确说明模型的计算复杂度和在实际临床环境中的验证情况 | 提高主动脉及其分支血管的医学图像分割精度 | 主动脉及其弓部分支血管 | 医学图像分析 | 主动脉疾病 | 分层拉普拉斯高斯(LoG)滤波 | 贝叶斯神经网络, 3D U-Net | 3D医学图像 | 来自两个主动脉数据集的多个体积数据 | NA | 3D U-Net, 分层LoG网络 | Dice系数 | NA |
| 23 | 2025-10-05 |
AutoRADP: An Interpretable Deep Learning Framework to Predict Rapid Progression for Alzheimer's Disease and Related Dementias Using Electronic Health Records
2025-Apr-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.06.25325337
PMID:40297450
|
研究论文 | 提出一种基于自动编码器的可解释深度学习框架AutoRADP，用于预测阿尔茨海默病及相关痴呆症的快速进展 | 结合基于规则的自然语言处理方法提取认知评估特征，采用混合采样策略处理数据不平衡问题，并利用SHAP值提供可解释性预测 | 仅使用UFHealth的单中心电子健康记录数据，可能限制模型的泛化能力 | 开发可解释的深度学习框架以预测阿尔茨海默病及相关痴呆症的快速进展 | 阿尔茨海默病及相关痴呆症患者 | 自然语言处理 | 阿尔茨海默病 | 电子健康记录分析，自然语言处理 | 自动编码器 | 结构化电子健康记录数据，非结构化临床文本 | UFHealth电子健康记录数据（具体样本数量未明确说明） | NA | 自动编码器 | NA | NA |
| 24 | 2025-10-05 |
Artificial intelligence in four-dimensional imaging for motion management in radiation therapy
2025-Apr, Artificial intelligence review
IF:10.7Q1
DOI:10.1007/s10462-025-11109-w
PMID:40963558
|
综述 | 本文全面回顾了人工智能在放射治疗四维成像运动管理中的应用现状与发展前景 | 系统探讨AI技术如何在不改变硬件的前提下解决四维成像的固有挑战，推动运动管理技术发展 | 未提供具体实验数据验证，主要基于现有研究进展的理论分析 | 提升放射治疗中四维成像的准确性和效率 | 放射治疗中的运动管理技术 | 医学影像分析 | 肿瘤放射治疗 | 四维成像技术 | 深度学习 | 四维医学影像 | NA | NA | NA | NA | NA |
| 25 | 2025-10-05 |
Transformer-inspired training principles based breast cancer prediction: combining EfficientNetB0 and ResNet50
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98523-w
PMID:40251247
|
研究论文 | 提出结合EfficientNetB0和ResNet50的集成模型用于乳腺癌组织病理学图像分类 | 结合EfficientNetB0的高效性能和ResNet50的深度残差连接，并融入Transformer训练原则 | 未提及模型在更大规模数据集上的泛化能力验证 | 提高乳腺癌组织病理学图像分类的准确性和效率 | 乳腺癌组织病理学图像（IDC与非IDC类别） | 计算机视觉 | 乳腺癌 | 组织病理学成像 | CNN, 集成学习 | 图像 | NA | NA | EfficientNetB0, ResNet50 | 准确率, 平均绝对误差, 马修斯相关系数 | NA |
| 26 | 2025-10-05 |
MRS-Sim: Open-Source Framework for Simulating In Vivo-like Magnetic Resonance Spectra
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.20.629645
PMID:40291707
|
研究论文 | 介绍MRS-Sim开源框架，用于模拟体内磁共振波谱数据 | 包含两种新型组件：3D磁场图模拟器和半参数生成器，能够模拟从原始多线圈瞬态数据到预处理数据的多种场景 | NA | 开发用于磁共振波谱研究的合成数据模拟框架 | 磁共振波谱数据 | 医学影像分析 | NA | 磁共振波谱(MRS) | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 27 | 2025-10-05 |
Artificial intelligence predicts multiclass molecular signatures and subtypes directly from breast cancer histology: a multicenter retrospective study
2025-Apr-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002220
PMID:39764584
|
研究论文 | 开发基于深度学习的算法BBMIL，直接从乳腺癌组织病理图像预测分子标志物和亚型 | 首次直接从H&E染色组织病理图像预测多种分子标志物、免疫治疗相关基因特征和预后相关亚型 | 回顾性研究，需进一步前瞻性验证 | 通过人工智能降低乳腺癌生物标志物检测的成本和组织负担 | 乳腺癌组织病理图像 | 数字病理 | 乳腺癌 | H&E染色组织病理学 | 深度学习 | 图像 | 多中心回顾性研究 | NA | BBMIL | NA | NA |
| 28 | 2025-10-06 |
Harnessing Deep Learning for Accurate Pathological Assessment of Brain Tumor Cell Types
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01107-9
PMID:39150595
|
研究论文 | 本研究开发了一种基于深度学习的脑肿瘤病理图像分类方法，用于区分原发性弥漫性中枢神经系统大B细胞淋巴瘤和高级别胶质瘤 | 结合预训练CNN网络提取深度特征与支持向量机分类器，解决了医学影像数据有限的问题 | 基于相对有限的医学影像数据集 | 提高脑肿瘤病理诊断的准确性和效率 | 脑肿瘤病理图像 | 数字病理学 | 脑肿瘤 | 病理图像分析 | CNN, SVM | 图像 | NA | NA | ResNet50 | 准确率 | NA |
| 29 | 2025-10-06 |
Artificial Intelligence in Cardiovascular Imaging: Current Applications and New Horizons
2025 Apr-Jun, Journal of cardiovascular echography
IF:0.7Q4
DOI:10.4103/jcecho.jcecho_62_25
PMID:40950368
|
综述 | 本文综述人工智能在心血管影像学中的当前应用与未来发展前景 | 系统阐述AI在超声心动图、心脏CT和心脏MRI中的创新应用，包括图像采集优化、自动化分析和预后预测 | AI模型存在黑箱问题、需要更多样化的数据集、面临监管审批和伦理考量等挑战 | 探讨人工智能技术在心血管影像领域的应用现状与发展方向 | 心血管影像学技术（超声心动图、心脏CT、心脏MRI）及相关疾病诊断 | 医学影像分析 | 心血管疾病 | 深度学习 | 深度学习模型 | 医学影像数据 | NA | NA | NA | NA | NA |
| 30 | 2025-10-06 |
MiRNA-Based Exosome-Targeted Multi-Target, A Multi-Pathway Intervention for Personalized Lung Cancer Therapy: Prognostic Prediction and Survival Risk Assessment
2025-Apr, Iranian journal of biotechnology
IF:1.6Q4
DOI:10.30498/ijb.2025.516588.4112
PMID:40860049
|
研究论文 | 本研究基于外泌体miRNA分析开发了肺癌预后预测模型，通过机器学习和深度学习预测nivolumab治疗效果 | 首次结合外泌体miRNA分析与Transformer深度学习模型预测肺癌免疫治疗疗效和生存风险 | miRNA表达差异相对较小，样本量有限 | 开发基于外泌体miRNA的肺癌预后预测模型 | 肺癌患者的外泌体miRNA | 生物信息学 | 肺癌 | miRNA测序，生物信息学分析 | 机器学习模型，Transformer深度学习模型，Cox回归模型 | miRNA表达数据 | GSE207715数据集 | NA | Transformer | 准确率，p值 | NA |
| 31 | 2025-10-06 |
Association of Deep Learning-Derived Histologic Features of Placental Chorionic Villi with Maternal and Infant Characteristics in the New Hampshire Birth Cohort Study
2025-Apr-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.22.25325465
PMID:40313259
|
研究论文 | 本研究利用深度学习技术自动量化胎盘绒毛膜绒毛的组织学特征，并分析其与母婴临床特征的关联 | 首次开发基于深度学习的自动化方法检测超过900万个胎盘绒毛，并通过无监督聚类识别出与生物学分类一致的绒毛亚型 | 研究仅纳入足月胎盘样本，未包含早产胎盘；样本量相对有限 | 建立胎盘绒毛结构的客观标准化方法，探索胎盘结构与母婴特征的关联 | 新罕布什尔州出生队列研究中的1,531个足月胎盘全玻片图像 | 数字病理学 | 妇产科疾病 | 全玻片图像分析 | 深度学习分割模型 | 病理图像 | 1,531个足月胎盘全玻片图像，检测超过900万个绒毛 | NA | NA | 统计显著性(p值) | NA |
| 32 | 2025-10-06 |
One-click image reconstruction in single-molecule localization microscopy via deep learning
2025-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.13.648574
PMID:40376092
|
研究论文 | 开发了基于深度学习的单分子定位超分辨显微成像一键式图像重建软件AutoDS和AutoDS3D | 通过自动从原始成像数据提取实验参数，显著减少了人工干预，在2D情况下可从预训练模型中选择最优模型，在3D情况下通过图形用户界面实现一键重建 | 未明确说明模型对新实验条件的泛化能力极限 | 简化单分子定位超分辨显微镜的图像重建流程 | 单分子定位超分辨显微镜数据 | 计算机视觉 | NA | 单分子定位超分辨显微镜 | 深度神经网络 | 显微图像 | NA | NA | 基于Deep-STORM和DeepSTORM3D | NA | NA |
| 33 | 2025-10-06 |
Assessing the risk of takeover catastrophe from large language models
2025-04, Risk analysis : an official publication of the Society for Risk Analysis
IF:3.0Q1
DOI:10.1111/risa.14353
PMID:38945529
|
研究论文 | 本文对大型语言模型引发极端接管灾难的风险进行分析评估 | 首次针对实际已部署的AI系统（而非假设性未来系统）进行接管灾难风险评估 | 分析基于当前LLM能力，未来模型风险存在不确定性 | 评估大型语言模型引发极端灾难性接管的风险 | 大型语言模型（如ChatGPT、GPT-4） | 自然语言处理 | NA | 深度学习 | 大型语言模型 | 文本 | NA | NA | NA | NA | NA |
| 34 | 2025-10-06 |
IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases
2025-Apr-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.26.645544
PMID:40291692
|
研究论文 | 构建了炎症性肠病的综合分子、组织病理学和临床图谱，通过多组学和多模态数据分析揭示疾病特征 | 整合了多组学数据和临床信息，开发了基于基础模型的深度学习方法来预测组织学疾病活动评分 | 样本量相对有限（1002例），未涉及所有IBD亚型 | 提高对炎症性肠病的理解，改进诊断并实现个性化治疗策略 | 炎症性肠病（克罗恩病和溃疡性结肠炎）患者及非IBD对照 | 数字病理学 | 炎症性肠病 | 全外显子测序,RNA测序,血清蛋白质组学,组织病理学评估 | 深度学习,基础模型 | 基因组数据,转录组数据,蛋白质组数据,组织病理图像 | 1002例临床注释患者（包括IBD患者和非IBD对照） | NA | 基础模型 | 组织学疾病活动评分预测准确性 | NA |
| 35 | 2025-10-06 |
In vitro evaluation of multi-protein chimeric antigens in effectively clearing the blood stage of Plasmodium falciparum
2025-04-19, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2025.126952
PMID:40037124
|
研究论文 | 本研究通过构建多蛋白嵌合抗原评估其在清除恶性疟原虫血液阶段感染中的效果 | 采用多抗原免疫优势肽序列组合策略解决疟疾疫苗研发中的多态性和冗余性问题 | 目前仅为体外初步研究结果，尚未进行体内验证 | 开发针对恶性疟原虫血液阶段的有效疫苗策略 | 恶性疟原虫血液阶段蛋白（PfEMP1和裂殖子表面蛋白） | 生物医学工程 | 疟疾 | 表位定位微阵列，微流体器官芯片系统 | 深度学习 | 图像数据 | NA | NA | NA | 粘附红细胞数量定量，生长抑制浓度 | NA |
| 36 | 2025-10-06 |
Automated Deep Learning Pipeline for Characterizing Left Ventricular Diastolic Function
2025-Apr-30, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.29.25326683
PMID:40343044
|
研究论文 | 开发自动化深度学习流程用于评估左心室舒张功能 | 首次构建包含8个人工智能模型的完整工作流，基于超过15.5万项研究自动评估左心室舒张功能障碍 | 模型性能在不同医疗中心存在差异（加权Cohen's kappa从0.27到0.52） | 开发自动化AI流程来标准化左心室舒张功能障碍的评估 | 来自两个学术医疗中心的超声心动图研究 | 数字病理 | 心血管疾病 | 超声心动图 | 深度学习模型 | 医学图像和文本报告 | 超过155,000项研究，验证队列包括955项（Cedars-Sinai）和1,572项（Stanford） | NA | NA | 一致性百分比，加权Cohen's kappa | NA |
| 37 | 2025-10-06 |
Raman spectral unmixing via multimodal time-frequency transformations and deep learning
2025-Apr-21, Optics express
IF:3.2Q2
DOI:10.1364/OE.555722
PMID:40797931
|
研究论文 | 提出一种基于多模态时频变换和深度学习的拉曼光谱分离方法，用于从混合光谱中分离不同组织的信号 | 结合多模态频率和时频变换提取混合光谱特征，并引入注意力U-Net模型进行多模态融合预测 | 研究仅针对犬类膝关节骨关节炎样本，尚未验证在其他组织或疾病中的适用性 | 开发拉曼光谱分离技术以提高生物组织在体检测的准确性 | 犬类膝关节骨关节炎组织中的软骨和软骨下骨 | 机器学习 | 骨关节炎 | 拉曼光谱 | 深度学习 | 光谱数据 | 犬类膝关节样本 | NA | 注意力U-Net | NA | NA |
| 38 | 2025-10-06 |
Quantifying knee-adjacent subcutaneous fat in the entire OAI baseline dataset - Associations with cartilage MRI T2, thickness and pain, independent of BMI
2025-Apr, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2025.01.001
PMID:39864732
|
研究论文 | 开发基于人工智能的膝关节周围皮下脂肪自动分割工具，并评估其与软骨厚度、MRI T2弛豫时间、膝关节疼痛和肌力的关联 | 首次在完整OAI基线数据集中量化膝关节周围皮下脂肪，并证明其与骨关节炎相关指标的独立于BMI的关联 | 横断面研究设计无法确定因果关系 | 评估膝关节周围皮下脂肪作为骨关节炎生物标志物的潜力 | 骨关节炎倡议队列的4796名参与者 | 医学影像分析 | 骨关节炎 | 3.0T磁共振成像 | 深度学习 | MRI图像 | 4796例右膝关节基线MRI图像 | NA | NA | 交叉验证误差 | NA |
| 39 | 2025-10-06 |
DeepBiome: A Phylogenetic Tree Informed Deep Neural Network for Microbiome Data Analysis
2025-Apr, Statistics in biosciences
IF:0.8Q4
DOI:10.1007/s12561-024-09434-9
PMID:40894332
|
研究论文 | 提出一种基于系统发育树信息的深度神经网络DeepBiome，用于微生物组数据分析和表型预测 | 首次将系统发育信息整合到神经网络架构中，能够同时分析多个分类水平并可视化微生物-表型关联网络 | 未明确说明具体样本量大小，且关联分析的具体分类水平仍需进一步确定 | 开发能够预测表型并揭示微生物-表型关联网络的分析工具 | 微生物组数据和人类表型数据 | 机器学习 | NA | 微生物组测序 | 神经网络 | 微生物丰度计数数据 | 小到中等训练样本量 | Keras, TensorFlow | 基于系统发育树指导的神经网络架构 | 准确率, 效率 | NA |
| 40 | 2025-10-06 |
AI analysis of medical images at scale as a health disparities probe: a feasibility demonstration using chest radiographs
2025-Apr-08, ArXiv
PMID:40297238
|
研究论文 | 本研究开发了一种利用医学影像自动提取定量指标作为健康差异指数计算输入的流程 | 首次将医学影像自动分析结果作为健康差异研究的新型数据源，并建立了影像衍生健康差异指数计算框架 | 研究样本量有限（1,571例），仅验证了两种社会人口学相关因素，需要更大规模研究验证 | 探索医学影像分析作为健康差异研究新型数据源的可行性 | 1,571例患者的胸部X光影像 | 医学影像分析 | 肺部疾病 | 深度学习影像分析 | 深度学习模型 | 医学影像 | 1,571例独特患者 | NA | NA | 组间方差、差异指数、泰尔指数、平均对数偏差 | NA |