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 954 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-06-02 |
Progress and new challenges in image-based profiling
2025-Aug-07, ArXiv
PMID:40799808
|
综述 | 综述了基于图像的细胞表型分析的计算领域进展，包括深度学习方法、单细胞分析和批次效应校正等 | 聚焦于图像分析技术的计算演化而非生物学应用，为研究人员提供了应对进展与挑战的路线图 | 未深入讨论广泛生物学应用中的具体挑战 | 为研究人员提供基于图像表型分析领域的进展与挑战的路线图 | 基于图像的细胞表型分析技术 | 计算机视觉 | NA | 显微镜成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2 | 2026-06-02 |
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
2025-Aug-04, ArXiv
PMID:40799806
|
研究论文 | 结合复值表示和Kuramoto同步动力学，提升深度神经网络在视觉分类中的对象绑定能力 | 首次将神经同步假设与复值神经网络结合，通过Kuramoto动力学促进特征相位对齐，实现多对象场景的鲁棒编码 | NA | 探究基于同步的机制如何增强人工模型在视觉分类任务中的对象编码能力 | 手写数字重叠、噪声输入及分布外变换的多对象图像数据 | 计算机视觉 | NA | NA | 前馈神经网络、循环神经网络 | 图像 | NA | NA | 前馈模型、带有反馈连接的循环模型 | 准确率、鲁棒性、泛化能力 | NA |
| 3 | 2026-05-31 |
A Systematic Review of Multimodal Deep Learning and Machine Learning Fusion Techniques for Prostate Cancer Classification
2025-Aug-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.07.25333235
PMID:40832371
|
综述 | 系统回顾了用于前列腺癌分类的多模态深度学习与机器学习融合技术 | 系统地总结了多模态融合方法在前列腺癌分类中的应用现状，并比较了不同融合策略的性能 | 仅纳入了2021至2025年间发表的27篇研究，可能存在发表偏倚；未深入探讨算法的可解释性和临床部署障碍 | 概述当前基于深度学习和机器学习的多模态融合技术在前列腺癌分类中的实现、性能、挑战及临床适用性 | 已发表的使用多模态深度学习或机器学习融合技术进行前列腺癌分类的研究论文 | 机器学习 | 前列腺癌 | NA | CNN | 图像、临床数据 | 27篇研究 | NA | 卷积神经网络 | 准确率、敏感度、特异度 | NA |
| 4 | 2026-05-31 |
Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics
2025-Aug-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117455
PMID:40233489
|
研究论文 | 提出一种基于物理约束的深度学习方法LOCA-PRAM，用于光谐振吸收显微镜中金纳米颗粒的定位与定量，实现数字分辨率的分子诊断 | 利用光子晶体-金纳米颗粒共振耦合增强信号对比度，通过配准经验获得点扩散函数实现逼真训练数据生成，在无需样本分割或酶扩增下实现数字分辨率检测 | 未提及 | 实现高精度、高灵敏度的金纳米颗粒定位与定量，推动数字分辨率分子诊断 | 金纳米颗粒标记的生物分子 | 计算机视觉 | NA | 光谐振吸收显微镜 | 深度学习 | 图像 | NA | NA | LOCA-PRAM | 准确性、灵敏度、亚像素分辨率 | NA |
| 5 | 2026-05-30 |
Artificial Intelligence in the Diagnosis and Prognostication of the Musculoskeletal Patient
2025-Aug, HSS journal : the musculoskeletal journal of Hospital for Special Surgery
IF:1.6Q2
DOI:10.1177/15563316251339660
PMID:40454292
|
综述 | 探讨人工智能在肌肉骨骼疾病诊断和预后中的应用，包括计算机视觉算法和多模态预测模型 | 引入生成式人工智能领域，概述AI模型开发的局限性框架 | 未具体说明，但指出AI模型开发存在局限性 | 帮助临床医生理解机器学习和深度学习在肌肉骨骼疾病管理中的应用意义 | 肌肉骨骼患者和相关AI模型 | 计算机视觉 | 肌肉骨骼疾病 | NA | 深度学习 | 图像、多模态数据 | NA | NA | 计算机视觉算法、多模态预测模型 | NA | NA |
| 6 | 2026-05-27 |
A High-resolution T2WI-based Deep Learning Model for Preoperative Discrimination Between T2 and T3 Rectal Cancer: A Multicenter Study
2025-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.048
PMID:40221285
|
研究论文 | 基于高分辨率T2加权图像的深度学习模型用于术前区分直肠癌T2和T3分期，并与经验丰富的放射科医生进行性能比较 | 首次基于高分辨率T2WI构建DenseNet深度学习模型，并在多中心数据上证明其在区分直肠癌T2和T3分期方面优于经验丰富的放射科医生 | 外部测试集样本量较小（仅26例患者），可能影响模型泛化能力的评估 | 构建深度学习模型用于术前准确区分直肠癌T2和T3分期，以改善治疗决策 | 281例经病理确诊的直肠癌患者，来自四个中心 | 数字病理学，计算机视觉 | 直肠癌 | 高分辨率T2加权成像 | 卷积神经网络（CNN） | 医学图像（高分辨率T2加权MRI） | 281例患者（255例用于模型开发与内部验证，26例用于外部测试） | PyTorch | DenseNet | 准确率，灵敏度，特异度，受试者工作特征曲线下面积（AUC） | NA |
| 7 | 2026-05-27 |
Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation
2025-08, International urogynecology journal
IF:1.8Q3
DOI:10.1007/s00192-025-06211-0
PMID:40580222
|
研究论文 | 开发并验证一种基于经会阴超声图像的多任务深度学习模型，用于自动评估女性盆腔器官脱垂 | 首次利用多任务深度学习模型，通过单个ResNet34特征提取器和四个平行全连接层，同时评估膀胱膨出、子宫脱垂、直肠膨出和会阴体过度活动四种盆腔器官脱垂类型 | 未明确说明限制，可能包括样本量有限、单中心研究或缺乏外部验证 | 开发并验证一种自动评估女性盆腔器官脱垂的深度学习模型，减少诊断差异 | 1340名女性患者的经会阴超声图像 | 计算机视觉 | 盆腔器官脱垂 | 经会阴超声 | 卷积神经网络 | 图像 | 1340名女性患者的1340张超声图像（1072张用于训练，268张用于验证） | PyTorch | ResNet34 | 准确率、AUC | NA |
| 8 | 2026-05-27 |
Pediatric pancreas segmentation from MRI scans with deep learning
2025-Aug, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.]
IF:2.8Q2
DOI:10.1016/j.pan.2025.06.006
PMID:40645819
|
研究论文 | 评估和验证用于儿童胰腺MRI分割的深度学习算法PanSegNet在急性胰腺炎、慢性胰腺炎和健康对照组中的性能 | 首个经过验证的用于胰腺MRI分割的深度学习解决方案，在健康和疾病状态下均达到专家级性能，并公开提供工具和标注数据集 | NA | 评估和验证儿童胰腺MRI分割的深度学习算法 | 儿童胰腺MRI扫描图像 | 数字病理学 | 胰腺炎 | MRI | 深度学习算法 | 图像 | 84个MRI扫描（42名急性胰腺炎/慢性胰腺炎患儿，42名健康儿童） | NA | PanSegNet | Dice相似系数，95百分位Hausdorff距离，Cohen's kappa | NA |
| 9 | 2026-05-26 |
Deep Learning-Based Fully Automated Aortic Valve Leaflets and Root Measurement From Computed Tomography Images - A Feasibility Study
2025-08-25, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-24-1031
PMID:40436780
|
研究论文 | 基于深度学习实现CT图像中主动脉瓣叶和根部全自动测量的可行性研究 | 针对根部扩张患者CT数据重新训练现有深度学习算法，实现主动脉瓣叶/根部全自动测量，显著缩短测量时间并降低工作量 | 除了主动脉瓣反流病例的窦管交界处（由于扩张窦部边界不明确，差异达10.3毫米），其他测量参数均具有中高度相关性；样本量有限 | 评估基于深度学习的全自动主动脉瓣叶/根部测量算法在临床中的可行性 | 主动脉瓣叶和根部解剖结构 | 计算机视觉 | 心血管疾病 | 心脏CT | 深度学习算法 | 图像 | 67例心电图门控心脏CT扫描用于重新训练（40名根部扩张患者），100例用于评估（50例主动脉瓣狭窄，50例主动脉瓣反流） | NA | NA | 相关性、差异值、测量时间 | NA |
| 10 | 2026-05-26 |
Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI
2025-08, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30478
PMID:40014485
|
研究论文 | 提出一种鼓励重复性的自监督学习重建方法，用于加速定量磁共振成像并提升测量重复性 | 首次将自监督学习与跨数据一致性约束结合，利用时间子集数据促进重建结果的重复性，无需标注训练数据即可获得优于监督学习的重复性表现 | 未明确说明方法的局限性 | 开发一种能够提升定量MRI测量重复性的深度学习重建方法 | 心脏MR Multitasking T1 mapping数据 | 机器学习 | 心血管疾病 | 定量MRI | 自监督学习网络 | k-t空间数据 | 60秒采集的数据，分割为两个30秒子集 | NA | NA | Bland-Altman一致性限度，变异系数 | NA |
| 11 | 2026-05-25 |
Enhanced reconstruction of atomic force microscopy cell images to super-resolution
2025-08, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13423
PMID:40341533
|
研究论文 | 提出一种基于深度学习的跨模块超分辨率重建方法，用于后处理原子力显微镜细胞图像，提升图像质量 | 设计了增强空间融合结构和优化反投影机制，结合对抗网络检测弱信号和复杂纹理；创新性提出基于交叉的频率分割模块，利用图像频率特性分离并增强细胞结构特征 | NA | 提升原子力显微镜细胞图像的超分辨率重建效果，增强细胞结构细节分析能力 | 原子力显微镜捕获的各类细胞图像 | 计算机视觉 | NA | 原子力显微镜 | 生成对抗网络 | 图像 | NA | NA | 增强空间融合结构、优化反投影机制、交叉频率分割模块 | 峰值信噪比、结构相似性指数、学习感知图像块相似度、Fréchet初始距离、自然图像质量评估器 | NA |
| 12 | 2026-05-25 |
Development of a deep learning method for phase retrieval image enhancement in phase contrast microcomputed tomography
2025-08, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13419
PMID:40357880
|
研究论文 | 开发一种基于深度学习的边缘视图增强相位恢复方法，用于改善相位对比显微计算机断层扫描中的图像质量 | 通过策略性地整合去噪边缘增强对比图像和相位恢复图像的互补空间特征，使用成对图像训练深度卷积神经网络，克服了传统相位恢复算法过度平滑和噪声敏感的问题 | NA | 开发一种深度学习方法以增强相位对比显微CT图像，提高低密度材料的可视化和分割准确性 | 低密度水凝胶构建体，包括体外和体内样本 | 计算机视觉，数字病理学 | NA | 相位对比显微计算机断层扫描，传播成像，相位恢复算法 | 深度卷积神经网络 | 图像 | 使用成对去噪边缘增强对比和相位恢复图像进行训练，具体样本数量未明确说明 | NA | 卷积神经网络 | 信噪比，对比度噪声比，分割效率 | NA |
| 13 | 2026-05-24 |
BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images
2025-Aug-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01882-x
PMID:40764388
|
研究论文 | 开发了一种名为“BlurryScope”的快速扫描光学显微镜，结合连续图像采集和深度学习，为组织切片的自动检查和分析提供经济高效且紧凑的解决方案 | 利用运动模糊图像进行深度学习分类，实现了低成本、小巧轻便的扫描显微镜，性能媲美高端商用数字病理扫描仪 | 未提及具体局限性 | 实现乳腺癌组织切片中HER2评分的自动分类 | 免疫组化染色的乳腺组织切片 | 数字病理学 | 乳腺癌 | 免疫组化染色 | 深度学习 | 图像 | 284个独特患者核心样本 | NA | NA | 准确率 | NA |
| 14 | 2026-05-23 |
Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart
2025-Aug-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.09.25333350
PMID:40832432
|
研究论文 | 提出多器官AI内表型概念，利用深度学习方法研究脑、眼及心脏疾病的异质性与共同病因 | 首次提出"泛疾病"概念，并利用弱监督深度学习模型（Surreal-GAN）从多器官成像、遗传、蛋白质组和RNA-seq数据中识别11个AI衍生生物标志物（多器官AI内表型），用于揭示不同器官疾病之间的异质性和共享机制 | NA | 研究脑、眼及心脏疾病的异质性与共同病因，并为精准医学提供新的AI维度表示 | 129,340名参与者的个体水平数据以及MULTI联盟的汇总数据 | 机器学习、数字病理学 | 阿尔茨海默病、偏头痛、癌症、心血管疾病 | RNA-seq | Surreal-GAN（弱监督深度学习模型） | 图像、基因、蛋白质组、RNA-seq数据 | 129,340名参与者 | NA | Surreal-GAN | NA | NA |
| 15 | 2026-05-20 |
Performance Degradation between Development and Deployment of a Predictive Model for Central Line-Associated Bloodstream Infections in Hospitalized Children
2025-08, Applied clinical informatics
IF:2.1Q4
DOI:10.1055/a-2605-1847
PMID:40355126
|
研究论文 | 探讨儿童中心静脉导管相关血流感染预测模型从开发到部署过程中性能下降的原因及应对策略 | 首次系统分析预测模型在临床部署中性能下降的根因，包括训练/服务偏差、特征泄漏和过拟合，并提出多团队协作的解决框架 | 模型性能显著下降（AUROC从0.97降至<0.60），且仅针对单一医院数据集，未在多中心验证 | 实施儿科CLABSI预测模型并评估其在离线验证中的性能，以支持临床实践应用 | 住院儿童中的中心静脉导管相关血流感染（CLABSI）患者 | 机器学习 | 血流感染 | NA | 深度学习模型 | 结构化电子健康记录数据（8小时时间窗口特征） | 未明确样本量，但涉及住院儿童和多次迭代测试 | NA | 深度学习模型（未指定具体架构） | AUROC（接受者操作特征曲线下面积） | NA |
| 16 | 2026-05-19 |
Combinatorial Tuning of 5'UTR and N-Terminal Coding Sequences for Enhanced Recombinant Protein Expression in Corynebacterium glutamicum
2025-08-15, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00250
PMID:40748894
|
研究论文 | 本文通过组合优化5'UTR和N端编码序列，实现了谷氨酸棒状杆菌中重组蛋白表达水平的连续调控，并建立了序列特征与表达水平之间的关联模式 | 首次系统建立5'UTR与NCS特征序列与蛋白表达之间的关系模式，并筛选出与外源蛋白兼容性强的特征序列，通过组合实现蛋白表达的动态调节 | 目前对5'UTR和NCS序列与蛋白表达率之间关系的研究仍不充分 | 探究谷氨酸棒状杆菌中5'UTR和NCS特征序列与蛋白表达模式的关系，并为精细调控基因表达或蛋白生产提供潜在工具 | 谷氨酸棒状杆菌中外源蛋白的表达调控 | 机器学习 | NA | 深度测序 | 深度学习模型 | 序列数据 | 两个文库（5'UTR库和NCS库）包含碱基N，并通过FACS和深度测序筛选 | NA | 深度学习 | 荧光强度 | NA |
| 17 | 2026-05-19 |
AI in Orthopedic Research: A Comprehensive Review
2025-08, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.26109
PMID:40415515
|
综述 | 全面回顾人工智能在骨科研究中的应用，包括诊断、预测分析及新兴技术，并讨论其局限性与未来方向 | 系统整合了AI在骨折检测、骨关节炎分级、预后预测及机器人、增强现实、数字孪生和外部骨骼控制等新兴应用，提供了跨领域的综合视角 | 数据异质性、算法偏差、模型“黑箱”特性以及鲁棒性验证不足等挑战仍需解决 | 综述AI在肌肉骨骼诊疗中的当前发展、关键限制及未来整合方向 | 骨科诊断影像（X光、MRI）、患者多模态数据（步态、影像特征）及手术规划工具 | 计算机视觉, 机器学习 | 骨科疾病（骨折、骨关节炎） | 深度学习、预测分析 | 深度学习算法 | 影像数据（X光、MRI）、步态运动数据 | 未提及 | NA | NA | 诊断准确率、可重复性评估 | NA |
| 18 | 2026-05-17 |
Artificial Intelligence-Assisted Visualized Microspheres for Biochemical Analysis: From Encoding to Decoding
2025-08-19, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.5c00396
PMID:40748254
|
综述 | 总结课题组在人工智能辅助可视化微球用于生物化学分析方面的研究，重点介绍从编码到解码的策略与生化传感平台 | 系统整合了基于微球编码与人工智能解码的新型生物传感策略，涵盖多色/多尺寸微球编码、定制化高速解码算法（如计算机视觉、机器学习、深度学习）以及便携式成像设备，实现多重靶标快速灵敏检测 | 未明确讨论当前微球编码容量限制、算法泛化性及实际应用中的干扰因素 | 开发并优化人工智能辅助的可视化微球生物传感系统，实现快速、灵敏、多重靶标检测 | 蛋白质、细菌、病毒、抗生素等生化分析靶标 | 计算机视觉 | NA | 荧光微球编码、光学成像、生物识别分子修饰 | CNN, LSTM, GAN | 图像 | NA | PyTorch, TensorFlow | ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet | 准确率、精确率、召回率、F1分数、AUC、Dice系数 | NVIDIA RTX 3090, V100, A100 |
| 19 | 2026-05-17 |
Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia
2025-08, Aging & mental health
IF:2.8Q2
DOI:10.1080/13607863.2025.2464704
PMID:39950960
|
meta分析 | 系统综述和荟萃分析关于眼动追踪与人工智能在痴呆检测中的交叉研究 | 首次系统评估眼动追踪与人工智能结合在痴呆检测中的性能，并进行了元分析 | 纳入研究数量有限，样本量较小，缺乏标准化指南，未涵盖所有痴呆类型 | 评估眼动追踪与人工智能在痴呆检测中的有效性 | 痴呆患者和健康对照者的眼动行为数据 | 机器学习 | 阿尔茨海默病 | 眼动追踪 | 机器学习模型, 深度学习模型 | 眼动数据 | 57至583名参与者 | NA | NA | 准确率, 灵敏度, 特异度 | NA |
| 20 | 2026-05-15 |
Longitudinal structural MRI-based deep learning and radiomics features for predicting Alzheimer's disease progression
2025-08-07, Alzheimer's research & therapy
DOI:10.1186/s13195-025-01827-2
PMID:40775357
|
研究论文 | 利用纵向结构MRI的深度学习和影像组学特征预测阿尔茨海默病进展 | 结合3D残差网络和注意力机制的时间感知LSTM模型，首次在纵向MRI中融合深度学习嵌入与灰质影像组学特征 | 样本量有限，计算资源不足，需更大规模、更多样化的研究来验证结果 | 预测轻度认知障碍向阿尔茨海默病的转化 | 阿尔茨海默病神经影像学倡议中的228名轻度认知障碍参与者 | 数字病理学、机器学习 | 阿尔茨海默病 | 结构磁共振成像 | 3D残差网络、长短期记忆网络 | T1加权MRI图像 | 228名MCI参与者 | PyTorch | ResNet3D, LSTM | c-index, AUC | NA |