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 948 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 | 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 |
| 22 | 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 |
| 23 | 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 |
| 24 | 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 |
| 25 | 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 |
| 26 | 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 |
| 27 | 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 |
| 28 | 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 |
| 29 | 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 |
| 30 | 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 |
| 31 | 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 |
| 32 | 2026-05-15 |
Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP)
2025-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3559467
PMID:40208770
|
研究论文 | 通过记忆高效协同优化三维螺旋轨迹、图像重建和参数估计，改进螺旋投影磁共振指纹成像 | 提出了一种计算高效的基于模型的深度学习图像重建框架，并联合优化图像重建、定量参数估计和k空间采样轨迹，通过参数估计损失联合优化图像重建和参数量化网络，以及基于数据驱动的全3D螺旋轨迹旋转角度优化 | 未明确说明限制 | 提高高分辨率磁共振指纹成像的扫描效率并克服计算挑战 | 健康受试者和患者的模拟及在体磁共振指纹数据 | 计算机视觉 | NA | 磁共振指纹成像 | 基于模型的深度学习 | 图像 | 模拟数据和在体数据（健康受试者和患者） | NA | MBDL | 归一化均方根误差（NRMSE）、重建时间 | NA |
| 33 | 2026-05-15 |
MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study
2025-08, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243412
PMID:40762846
|
研究论文 | 基于MRI的卵巢病变分类，通过基础分割模型和多模态分析的多中心研究 | 利用Meta的Segment Anything Model进行自动分割，结合DenseNet-121深度学习模型和多模态数据（影像和临床数据），实现高效、可泛化的卵巢病变鉴别 | 外部数据集样本量较小（58例和29例），可能影响模型泛化性能的评估 | 开发一个高效且可泛化的MRI卵巢病变分类流程 | 卵巢病变患者的MRI扫描数据 | computer vision, digital pathology | 卵巢病变 | MRI成像 | CNN (DenseNet-121) | 图像, 临床数据 | 主要机构534个病灶（448名女性），外部机构B 58个病灶（55名女性），外部机构C 29个病灶（29名女性） | NA | DenseNet-121 | Dice系数, AUC | NA |
| 34 | 2026-05-15 |
External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT
2025-08, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243393
PMID:40762850
|
研究论文 | 外部测试深度学习模型Sybil在亚洲健康体检人群中识别肺癌高风险个体的有效性 | 首次对深度学习模型Sybil在亚洲非吸烟或轻度吸烟人群中进行外部测试，评估其在低剂量CT筛查中的泛化性能 | 研究仅限于单一医学检查机构的数据，且样本中肺癌发生率较低（0.5%），可能影响统计效能 | 验证开源深度学习模型Sybil在亚洲健康体检人群中识别肺癌高风险个体的性能，特别是非吸烟或轻度吸烟亚组 | 2004年1月至2021年12月期间收集的50-80岁亚洲健康体检人群的低剂量CT扫描数据 | 计算机视觉 | 肺癌 | 低剂量CT扫描 | 深度学习模型 | 图像 | 18,057人（男性11,267人，中位年龄56岁） | NA | Sybil | 时间依赖性受试者工作特征曲线下面积(AUC) | NA |
| 35 | 2026-05-08 |
stImage: a versatile framework for optimizing spatial transcriptomic analysis through customizable deep histology and location informed integration
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf429
PMID:40905789
|
研究论文 | stImage是一个通过定制化深度组织学与位置信息整合来优化空间转录组分析的通用框架 | 首次在统一框架中全面协同基因表达、组织学特征和精确空间坐标，提供54种整合策略并通过诊断图引导用户选择最优方案 | 论文未明确提及局限性 | 开发一个能够综合转录谱、组织学图像和空间信息的开源R包，以优化空间转录组学分析 | 空间转录组学数据及其与组织学、空间信息的整合分析 | 数字病理学 | NA | 空间转录组学 | 深度学习 | 基因表达数据、组织学图像、空间坐标 | 多个数据集 | R | NA | NA | NA |
| 36 | 2026-05-08 |
Ultrasound-based deep learning to differentiate salivary gland tumors
2025-08, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2025.03.014
PMID:40379502
|
研究论文 | 开发基于超声图像的深度学习模型，用于区分唾液腺肿瘤的良恶性 | 使用多种卷积神经网络架构并采用Focal Loss解决类别不平衡问题，模型表现优于超声医师诊断 | 仅基于回顾性研究，样本量315例，且来源单一科室，可能限制泛化能力 | 开发深度学习模型实现唾液腺肿瘤术前准确良恶性鉴别 | 315例术前超声检查且术后病理确诊的唾液腺肿瘤患者 | 计算机视觉 | 唾液腺肿瘤 | 超声成像 | 卷积神经网络 | 图像 | 315例患者 | PyTorch | Inception v3, ResNet101d, EfficientNet, DenseNet, Vision Transformer, ResNet50d | 准确率, 敏感度, 特异度, AUC | NA |
| 37 | 2026-05-06 |
Factors associated with glucocorticoid dosing in treating patients with noncritical COVID-19 pneumonia: Insights from an artificial intelligence-based CT imaging analysis
2025 Aug-Sep, Enfermedades infecciosas y microbiologia clinica (English ed.)
DOI:10.1016/j.eimce.2025.06.004
PMID:40754353
|
研究论文 | 基于AI的CT影像分析，探讨非危重型COVID-19肺炎患者糖皮质激素剂量的影响因素并构建预测模型 | 利用人工智能深度学习技术精确量化肺部CT影像中的病变面积，结合多变量逻辑回归分析糖皮质激素剂量与影像特征的关系，首次构建了基于CT特征的剂量预测模型 | 样本量较小，仅为单中心回顾性研究，需通过更大规模的前瞻性研究验证 | 确定非危重型COVID-19肺炎患者糖皮质激素的最佳剂量，分析影响因素并建立预测模型 | 非危重型COVID-19肺炎患者 | 数字病理学 | COVID-19肺炎 | CT影像 | 深度学习 | CT影像 | 273例非危重型COVID-19肺炎患者（最终分析243例，训练集168例，验证集75例） | NA | 用于分割肺部和病变区域的深度学习模型（具体架构未明确说明） | AUC | NA |
| 38 | 2026-05-04 |
Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization
2025-08, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06311-5
PMID:40613839
|
研究论文 | 比较不同深度学习模型在婴儿肾超声图像中分类尿路扩张的性能，并与专家分类进行一致性评估 | 首次系统比较多种深度学习模型在婴儿肾超声UTD分类中的表现，并评估其与专家标注的一致性 | 数据集来自单一机构，样本量有限（仅492个右肾和487个左肾），且仅由一位专家提供金标准标签 | 开发和评估深度学习模型在婴儿肾超声图像中自动分类尿路扩张的性能 | 3个月以下婴儿的肾超声图像 | 计算机视觉 | 尿路扩张 | 超声成像 | 深度神经网络 | 图像 | 492个右肾和487个左肾超声图像（共979个样本） | NA | NA | 准确率, Kappa系数, 95%置信区间 | NA |
| 39 | 2026-05-04 |
Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging
2025-08, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06314-2
PMID:40650736
|
研究论文 | 评估深度学习重建在儿科神经影像中加速脑MRI的临床可行性，并与传统MRI进行图像质量比较 | 首次在儿科神经影像中系统性评估深度学习重建加速MRI的图像质量，证明加速扫描可缩短43%时间且图像质量优于传统方法 | 回顾性研究设计、样本量有限（116例）、未评估运动伪影对加速序列的影响 | 评估深度学习重建加速脑MRI在儿科神经影像中的临床可行性及图像质量 | 116名儿科患者（平均年龄7.9±5.4岁）的常规脑MRI图像 | 医学影像 | 儿科神经疾病 | MRI | 深度学习重建 | MRI图像 | 116名儿科参与者 | NA | NA | 图像质量评分、清晰度、伪影、噪声、病变显著性、噪声标准差、变异系数 | NA |
| 40 | 2026-05-04 |
Feasibility study of fully automatic measurement of adenoid size on lateral neck and head radiographs using deep learning
2025-08, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06332-0
PMID:40658209
|
研究论文 | 开发并验证了基于深度学习全自动测量侧位头颈X线片中腺样体大小的系统 | 首次利用RTMDet和RTMPose网络实现腺样体大小的全自动测量，替代传统人工测量方法 | 未在论文标题和摘要中明确说明局限性 | 开发并验证自动测量腺样体大小的深度学习系统 | 侧位头颈X线片中的腺样体、鼻咽及腺样体-鼻咽比 | 计算机视觉 | 腺样体肥大相关疾病 | NA | 深度学习模型 | 图像 | 711张侧位头颈X线片 | NA | RTMDet, RTMPose | 组内相关系数, 平均绝对差, 均方根, Bland-Altman图 | NA |