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 1370 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 | 2026-04-11 |
Multisequence 3-T Image Synthesis from 64-mT Low-Field-Strength MRI Using Generative Adversarial Networks in Multiple Sclerosis
2025-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233529
PMID:40261176
|
研究论文 | 本研究开发了一种名为LowGAN的生成对抗网络架构，用于从64-mT低场强MRI生成高质量的3-T多序列脑部图像，并在多发性硬化症患者中进行了评估 | 提出了一种专门用于低场强到高场强MRI图像翻译的生成对抗网络架构LowGAN，能够从便携式低场强扫描仪生成接近常规高场强质量的图像 | 研究样本量相对较小（主要组50人，验证组13人），且仅针对多发性硬化症患者，可能限制了模型的泛化能力 | 开发并评估一种深度学习架构，以从低场强MRI输入生成高场强质量的脑部图像，提高便携式低场强扫描仪的图像质量 | 多发性硬化症患者的脑部MRI图像 | 计算机视觉 | 多发性硬化症 | MRI（T1加权、T2加权、FLAIR序列） | GAN | 图像 | 主要组50名参与者，验证组13名参与者 | NA | LowGAN | 结构相似性指数, Dice分数 | NA |
| 62 | 2026-04-10 |
New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals
2025-Apr-08, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2025.01.035
PMID:40175013
|
研究论文 | 本研究利用深度学习模型分析大规模人群的心脏磁共振成像数据，提出了新的轻度主动脉瓣狭窄定义阈值，并验证了其与不良临床结局的关联 | 首次在超过6万人的大规模无临床指征人群中，通过深度学习模型测量主动脉瓣功能参数，并基于健康亚组数据提出了新的轻度主动脉瓣狭窄血流动力学阈值 | 研究为观察性设计，无法确定因果关系；随访时间相对较短（平均3.9年）；外部验证队列使用超声心动图而非心脏磁共振成像 | 研究无临床指征人群中主动脉瓣功能的流行病学特征，并定义轻度主动脉瓣狭窄的血流动力学阈值 | 英国生物银行62,902名参与者和澳大利亚国家超声数据库365,870名临床队列参与者 | 数字病理学 | 心血管疾病 | 速度编码心脏磁共振成像 | 深度学习模型 | 医学影像（心脏磁共振成像） | 英国生物银行62,902人（健康亚组41,859人），外部验证队列365,870人 | NA | NA | 风险比 | NA |
| 63 | 2026-04-10 |
DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103462
PMID:39892220
|
研究论文 | 提出了一种名为DSAM的新型可解释深度学习框架，用于直接从时间序列中学习任务特定的功能连接矩阵，并利用专门的图神经网络进行最终分类，以分析脑网络的时空动态 | 提出了一种可解释的深度学习框架，能够直接从时间序列中学习任务特定的功能连接矩阵，并整合了时间因果卷积网络、时间注意力单元、自注意力单元以及一种新颖的图神经网络变体，以同时捕获时空动态 | 未明确提及研究的局限性 | 开发一个深度学习框架，以更准确地建模和分析静息态功能磁共振成像数据中脑网络的时空动态，超越静态或滑动窗口功能连接矩阵的假设 | 人脑功能连接网络 | 机器学习 | NA | 静息态功能磁共振成像 | 图神经网络, 卷积神经网络, 注意力机制 | 时间序列数据 | Human Connectome Project数据集1075个样本，Adolescent Brain Cognitive Development数据集8520个样本 | NA | 时间因果卷积网络, 时间注意力单元, 自注意力单元, 图神经网络变体 | NA | NA |
| 64 | 2026-04-06 |
Personalized auto-segmentation for magnetic resonance imaging-guided adaptive radiotherapy of large brain metastases
2025-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110773
PMID:39914742
|
研究论文 | 本研究开发了一种两阶段的个性化深度学习自动分割模型，用于辅助大体积脑转移瘤的在线勾画，以优化磁共振引导自适应放疗的工作流程 | 提出了一种两阶段的个性化深度学习自动分割模型，专门针对大体积脑转移瘤在放疗过程中的体积变化进行优化，相比基础模型和刚性配准方法，在肿瘤体积显著缩小时表现出更好的性能 | 研究样本量相对有限，仅基于20个大体积脑转移瘤的741幅每日在线MR图像进行个性化模型开发，且仅对8名患者进行了手动勾画与DLAS辅助勾画的对比评估 | 优化磁共振引导自适应放疗（MRgART）的工作流程，提高大体积脑转移瘤在线勾画的准确性和效率 | 大体积脑转移瘤（直径≥2厘米）患者 | 数字病理学 | 脑转移瘤 | 磁共振成像（MRI），深度学习自动分割 | 深度学习模型 | 多序列磁共振图像 | 177个脑转移瘤用于基础模型训练，20个大体积脑转移瘤的741幅每日在线MR图像用于个性化模型开发，8名患者用于对比评估 | NA | NA | Dice相似系数（DSC） | NA |
| 65 | 2026-04-06 |
Assessing multiple MRI sequences in deep learning-based synthetic CT generation for MR-only radiation therapy of head and neck cancers
2025-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110782
PMID:39929288
|
研究论文 | 本研究探讨了多种MRI序列对头颈部区域基于深度学习的合成CT生成质量的影响 | 首次系统评估了多种MRI序列（包括T1pre-、T1post-contrast、T2及Dixon图像）在深度学习合成CT生成中的效果，并确定了最优的多通道输入组合 | 样本量较小（仅26名患者），且研究局限于头颈部癌症，未涉及其他解剖区域 | 评估多通道MRI序列对深度学习合成CT生成质量的影响，以支持头颈部癌症的仅MRI放射治疗计划 | 头颈部癌症患者的MRI和CT图像数据 | 医学影像分析 | 头颈部癌症 | MRI序列（T1pre-、T1post-contrast、T2及Dixon图像） | 深度学习模型 | 医学影像（MRI和CT图像） | 26名头颈部癌症患者，共12个MRI序列 | U-Net框架 | U-Net | 平均绝对误差（MAE）、Dice相似系数（DSC）、Gamma通过率 | NA |
| 66 | 2026-04-03 |
MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia
2025-Apr, Annals of the American Thoracic Society
IF:6.8Q1
DOI:10.1513/AnnalsATS.202401-022OC
PMID:39591102
|
研究论文 | 本研究探讨了IPF患者遗传风险谱与基于深度学习的CT影像表型之间的关联 | 首次将MUC5B基因型等常见变异与基于深度学习的UIP模式计算影像特征相关联，利用深度学习分析增强基因型-表型关联的识别能力 | 未发现常见变异与计算影像评估的纤维化程度之间的关联，且MUC5B基因型与视觉评估的UIP模式无显著关联 | 确定IPF患者的遗传风险谱是否能识别独特的计算影像表型 | IPF患者 | 数字病理 | 肺纤维化 | 计算影像分析（放射组学） | 深度学习 | CT影像 | 329名IPF参与者 | NA | NA | NA | NA |
| 67 | 2026-04-03 |
Recipes and ingredients for deep learning models of 3D genome folding
2025-Apr, Current opinion in genetics & development
IF:3.7Q2
DOI:10.1016/j.gde.2024.102308
PMID:39862604
|
综述 | 本文比较和对比了用于预测基因组接触图的深度学习模型，综述了预处理、架构、训练、评估和解释方法 | 系统性地综述了三维基因组折叠的深度学习模型，突出了不同模型的能力和局限性，并指出了未来研究方向 | 作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析 | 探讨深度学习模型在预测三维基因组折叠中的应用，以理解基因调控和疾病机制 | 三维基因组折叠和基因组接触图 | 机器学习 | NA | NA | 深度学习模型 | 基因组接触图数据 | NA | NA | NA | NA | NA |
| 68 | 2026-04-03 |
Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images
2025-04, Journal of gastroenterology
IF:6.9Q1
DOI:10.1007/s00535-024-02209-5
PMID:39815116
|
研究论文 | 本文提出了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态（未感染、当前感染和根除后）的内窥镜图像 | 开发了一种创新的多阶段深度学习方法，通过结合患者幽门螺杆菌根除史信息，显著提高了分类性能，并超越了医生的诊断准确率 | 研究样本量相对较小（训练集538例，验证集146例），可能影响模型的泛化能力，且未详细说明多阶段架构的具体设计 | 开发一种自动分类幽门螺杆菌感染状态的方法，以辅助胃癌筛查和风险评估 | 幽门螺杆菌感染状态（未感染、当前感染、根除后）的内窥镜图像 | 计算机视觉 | 幽门螺杆菌感染 | 内窥镜成像 | 深度学习 | 图像 | 训练集538例，验证集146例 | NA | 多阶段深度学习架构 | 准确率 | NA |
| 69 | 2026-04-01 |
Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence
2025-04, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.240272
PMID:40178397
|
研究论文 | 本研究开发并评估了一种用于心脏MRI的自由呼吸、高度加速、多切面、单次心跳的电影序列 | 提出了一种结合生成对抗网络（REGAIN）进行图像重建的自由呼吸单次心跳心脏电影MRI序列，实现了14.8倍的加速 | 研究样本量相对有限（136名参与者），且未明确说明模型在不同心脏疾病亚组中的泛化性能 | 开发一种快速、无需屏气的心脏MRI成像技术，以提高扫描效率和患者舒适度 | 健康参与者及患有各种心脏疾病的患者 | 医学影像 | 心血管疾病 | 心脏MRI, 生成对抗网络 | GAN | MRI图像 | 136名参与者（40名健康，96名患有心脏疾病） | NA | REGAIN（分辨率增强生成对抗网络） | 线性回归, Bland-Altman分析, Pearson相关系数, 组内相关系数（ICC） | 3-T MRI系统 |
| 70 | 2026-03-31 |
Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment
2025-04-16, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040589
PMID:40305346
|
综述 | 本文综述了人工智能在优化黑色素瘤免疫检查点抑制剂治疗中的应用潜力 | 探讨了AI整合多种诊断工具（如RNAseq、电子健康记录、CT影像）以优化免疫治疗的新策略，包括预测模型构建、生物标志物识别和治疗反应预测 | 临床验证和实施挑战仍然存在 | 优化黑色素瘤的免疫检查点抑制剂治疗 | 黑色素瘤患者 | 机器学习 | 黑色素瘤 | RNAseq分析，CT成像，电子健康记录数据分析 | 机器学习，深度学习 | 文本，图像，实验室数据 | NA | NA | NA | 准确度 | NA |
| 71 | 2026-03-28 |
A Deep Retrieval-Enhanced Meta-Learning Framework for Enzyme Optimum pH Prediction
2025-Apr-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02291
PMID:40127128
|
研究论文 | 本文提出了一种基于深度检索增强元学习的酶最适pH预测框架Venus-DREAM，通过结合k近邻算法和少样本学习实现高精度预测 | 首次将酶pH预测视为少样本学习任务，并引入基于蛋白质语言模型嵌入的检索机制和Reptile元学习算法进行优化 | 未明确说明模型在极端pH值或罕见酶家族上的泛化能力，且依赖预训练蛋白质语言模型的嵌入质量 | 开发高效的计算方法以预测酶的最适pH值，支持酶的高通量虚拟筛选与设计 | 酶蛋白质序列及其最适pH值 | 机器学习 | NA | 蛋白质语言模型嵌入，少样本学习 | kNN回归，元学习 | 蛋白质序列嵌入表示 | NA | NA | Reptile | 准确度 | NA |
| 72 | 2026-03-22 |
Machine Learning and Deep Learning in Detection of Neonatal Seizures: A Systematic Review
2025-04, Journal of evaluation in clinical practice
IF:2.1Q2
DOI:10.1111/jep.70083
PMID:40189779
|
系统综述 | 本文系统综述了机器学习和深度学习在新生儿癫痫检测中的应用 | 首次系统性地总结和评估了ML和DL模型在新生儿癫痫检测中的性能，强调了卷积神经网络（CNN）在早期检测中的高效能 | 纳入的研究数量有限（仅10项），且研究间存在异质性，可能影响结论的普适性 | 研究机器学习和深度学习对新生儿癫痫检测的效果 | 新生儿癫痫的检测 | 机器学习 | 新生儿癫痫 | 脑电图（EEG）信号分析 | CNN | 时间序列数据（EEG信号） | 最少17名，最多258名新生儿，共1389次癫痫发作，平均834小时EEG数据 | NA | 卷积神经网络 | AUC, 灵敏度, 特异性 | NA |
| 73 | 2026-03-21 |
Deep Learning-Assisted SERS for Therapeutic Drug Monitoring of Clozapine in Serum on Plasmonic Metasurfaces
2025-04-02, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c00391
PMID:40111434
|
研究论文 | 提出一种结合人工神经网络与表面增强拉曼光谱的集成框架，用于快速监测血清中氯氮平及其代谢物的浓度 | 首次将人工神经网络与基于等离子体超表面的表面增强拉曼光谱技术集成，实现对氯氮平及其两种主要代谢物的快速分类和浓度预测 | 未明确说明样本量、模型架构细节、计算资源及具体性能指标数值 | 开发一种快速、精确的治疗药物监测方法，以优化精神分裂症患者的治疗效果并减少不良反应 | 人血清中的氯氮平及其两种主要代谢物（去甲氯氮平和氯氮平-N-氧化物） | 机器学习 | 精神分裂症 | 表面增强拉曼光谱 | 人工神经网络 | 光谱数据 | NA | NA | NA | NA | NA |
| 74 | 2026-03-20 |
Making sense of blobs, whorls, and shades: methods for label-free, inverse imaging in bright-field optical microscopy
2025-Apr, Biophysical reviews
IF:4.9Q1
DOI:10.1007/s12551-025-01301-1
PMID:40376420
|
综述 | 本文综述了在传统明场光学显微镜中实现无标记、逆成像的方法，以解决其成像模糊、相位与振幅交织等问题 | 系统总结了明场显微镜中逆成像问题的多种解决方案，包括硬件和软件方法，并特别强调了光学切片明场显微镜（OSBM）在三维成像中的直接应用 | 文中讨论的方法可能存在计算复杂度高、对硬件要求严格或适用范围有限等潜在限制 | 开发和应用无标记、逆成像技术，以提高明场光学显微镜对生物样本的准确二维和三维成像能力 | 生物样本在明场光学显微镜下的成像 | 计算机视觉 | NA | 明场光学显微镜，包括离焦显微镜、强度传输、叠层成像、去卷积、多视角重建、物理建模、深度学习等 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 75 | 2026-03-19 |
Deep Learning-Powered Colloidal Digital SERS for Precise Monitoring of Cell Culture Media
2025-04-16, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c01071
PMID:40177940
|
研究论文 | 本文提出了一种基于深度学习的胶体数字SERS平台，用于精确监测细胞培养基，以提高生物制造中的过程分析技术 | 将SERS光谱转换为基于强度阈值的二进制“开/关”信号，实现单分子事件可视化并减少假阳性，结合深度学习突破传统SERS缺乏特征峰的限制 | NA | 开发一种快速、准确、可重复的过程分析技术，用于监测生物制造中的小分子关键过程参数和质量属性 | AMBIC 1.1哺乳动物细胞培养基 | 机器学习 | NA | 表面增强拉曼光谱（SERS） | 深度学习 | 光谱数据 | NA | NA | NA | 准确性，可重复性 | NA |
| 76 | 2026-03-18 |
Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients
2025-Apr-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.05.25325276
PMID:40453372
|
研究论文 | 本研究通过深度学习分析腹部手术患者术前CT影像中的身体成分，探讨了性别差异在身体成分与临床营养不良关联中的作用 | 首次使用深度学习对男性和女性腹部手术患者进行全面的身体成分评估，并分别分析其与营养不良的性别特异性关联 | 研究为单中心回顾性设计，可能受选择偏倚影响，且未考虑所有潜在混杂因素 | 评估术前影像衍生的身体成分特征与临床营养不良之间的性别特异性关联 | 接受腹部手术并进行了术前CT扫描的患者 | 数字病理学 | 营养不良 | 计算机断层扫描（CT） | 深度学习 | 医学影像（CT扫描） | 1,143名患者（52%为女性） | NA | NA | 比值比（OR）, p值 | NA |
| 77 | 2026-03-18 |
Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking
2025-Apr-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.01.646705
PMID:40236190
|
研究论文 | 本文介绍了一种基于无标记深度学习的自动化细胞追踪方法DeepBIT，用于高通量研究细胞迁移，特别是在癌症细胞迁移中的应用 | 开发了无需荧光标记的深度学习自动化追踪方法DeepBIT，实现了高通量单细胞迁移分析，显著提高了实验效率 | 方法主要针对癌症细胞迁移，可能在其他细胞类型或疾病模型中的适用性未充分验证 | 研究细胞迁移的调控机制，特别是在癌症转移等疾病过程中的作用 | 癌症细胞迁移行为 | 计算机视觉 | 癌症 | 时间延迟视频成像，CRISPR介导的基因敲除，小分子抑制剂筛选 | 深度学习 | 视频 | 约130万追踪细胞，覆盖840种不同条件 | NA | NA | NA | NA |
| 78 | 2026-03-18 |
Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review
2025-04, Journal of contaminant hydrology
IF:3.5Q2
DOI:10.1016/j.jconhyd.2025.104541
PMID:40112582
|
综述 | 本文对2019年至2024年间人工智能技术在河流水质污染检测与控制领域的应用进行了全面回顾 | 系统梳理了机器学习、深度学习及物联网技术在河流水质模拟中的最新进展与应用，并探讨了多技术融合在实时监测与预测方面的潜力 | 作为综述文章，未提出新的原创模型或方法，主要基于对现有文献的分析与总结 | 评估人工智能技术在河流水质污染检测与控制领域的应用现状与发展趋势 | 河流水质污染 | 机器学习 | NA | NA | ANN, DNN, LSTM, RF | 水质相关数据集 | 分析了超过110篇研究文章 | NA | NA | NA | NA |
| 79 | 2026-03-10 |
CPDMS: a database system for crop physiological disorder management
2025-04-22, Database : the journal of biological databases and curation
DOI:10.1093/database/baaf031
PMID:40261733
|
研究论文 | 本研究开发了一个用于收集番茄作物生理障碍实时图像的系统，并构建了一个包含多种胁迫条件下番茄图像的大型数据库 | 开发了一个系统化收集作物多角度实时图像的系统，并构建了包含多种生理障碍类型、多个番茄品种的大规模图像数据库，为农业AI研究提供了关键资源 | 模型性能仍有提升空间（mAP 0.46），系统在不同农业环境中的泛化能力需要进一步探索 | 开发用于作物生理障碍管理的实时数据收集与分析系统 | 番茄作物及其生理障碍（细菌性萎蔫病、病毒病、干旱、盐胁迫） | 计算机视觉 | 作物生理障碍 | 实时图像采集 | 深度学习模型 | 图像 | 58,479张图像（43,894张可标注，其中24,000张用于训练，13,037张用于测试），涵盖7个番茄品种 | NA | NA | 平均精度均值（mAP），召回率 | NA |
| 80 | 2026-03-06 |
SORBET: Automated cell-neighborhood analysis of spatial transcriptomics or proteomics for interpretable sample classification via GNN
2025-Apr-21, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.30.573739
PMID:38260586
|
研究论文 | 本文提出了一种名为SORBET的几何深度学习框架，用于分析空间转录组学或蛋白质组学数据，通过图神经网络实现可解释的样本分类 | SORBET是首个在空间转录组学数据上进行表型预测的方法，利用图卷积网络直接建模相邻细胞图，无需将完整细胞谱压缩为有限注释（如细胞类型），并采用新颖的数据增强技术和可解释性分析 | NA | 开发一个自动化细胞邻域分析框架，以整合空间信息与多重分子数据，准确预测临床表型，如免疫治疗反应 | 转移性黑色素瘤、非小细胞肺癌和结直肠癌样本 | 数字病理学 | 黑色素瘤, 非小细胞肺癌, 结直肠癌 | 空间转录组学（CosMx）, 空间蛋白质组学（IMC, CODEX） | 图卷积网络（GNN） | 空间转录组学数据, 空间蛋白质组学数据 | NA | PyTorch | 图卷积网络 | 准确性 | NA |