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 1467 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2026-02-13 |
MetaChrome: An Open-Source, User-Friendly Tool for Automated Metaphase Chromosome Analysis
2025-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.02.673813
PMID:41019638
|
研究论文 | 介绍了一个名为MetaChrome的开源软件平台，用于自动化中期染色体分析和FISH信号共定位分析 | 开发了一个结合图形用户界面的开源软件，通过微调的深度学习模型实现中期染色体的自动化分割和FISH信号共定位分析，相比传统图像处理方法提高了分割精度 | 未明确说明 | 解决DNA-FISH染色体图像分析中染色体自动分割和FISH信号共定位的挑战，推进高通量染色体分析工作流程 | 中期染色体图像、染色体特异性FISH探针和免疫荧光标记蛋白 | 数字病理学 | NA | DNA荧光原位杂交(FISH)、高通量成像(HTI) | 深度学习模型 | 图像 | NA | NA | Cellpose | 分割精度 | NA |
| 42 | 2026-02-13 |
Reconstruction of total-body multi parametric images with shortened-duration dynamic [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET scans
2025-Sep-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adfe33
PMID:40840511
|
研究论文 | 本研究利用深度学习技术，从缩短至20分钟的全身动态PET扫描中重建多参数图像 | 提出了一种结合动态PET帧预测、参数线性拟合和生成对抗网络的深度学习框架，首次实现了从20分钟动态PET数据重建[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04的多参数图像，将扫描时间从1小时以上大幅缩短至20分钟 | 研究样本量相对较小（49名受试者），且仅针对两种特定示踪剂（[68Ga]Ga-FAPI-04和[68Ga]Ga-PSMA-11）进行了验证，未涵盖其他PET示踪剂或更广泛的临床场景 | 开发一种基于深度学习的图像重建方法，以缩短动态PET扫描时间，减少患者不适、运动伪影和成本 | 49名接受全身动态PET扫描的受试者（18名使用[68Ga]Ga-FAPI-04示踪剂，31名使用[68Ga]Ga-PSMA-11示踪剂） | 医学影像分析 | 前列腺癌 | 动态正电子发射断层扫描（PET），[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04示踪剂成像 | 生成对抗网络（GAN） | 动态PET图像序列 | 49名受试者（18名[68Ga]Ga-FAPI-04，31名[68Ga]Ga-PSMA-11） | NA | GAN | 峰值信噪比（PSNR），结构相似性指数（SSIM），皮尔逊相关系数（PCC） | NA |
| 43 | 2026-02-13 |
mmWave Radar for Sit-to-Stand Analysis: A Comparative Study With Wearables and Kinect
2025-Sep, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3548092
PMID:40042953
|
研究论文 | 本研究探讨了使用毫米波雷达技术分析坐立动作的新方法，旨在开发一种非接触式、保护隐私且可全天候运行的医疗保健解决方案 | 首次将毫米波雷达技术应用于坐立动作分析，并与可穿戴设备和Kinect进行对比研究，提出了一种非接触式、隐私保护的解决方案 | 毫米波雷达在精细动作分析方面仍存在挑战，且未与金标准VICON系统进行验证，计划未来进行验证 | 开发用于医疗保健应用的非接触式、隐私保护且全天候运行的坐立动作分析系统，以进行跌倒风险评估 | 45名参与者执行坐立动作 | 机器学习和计算机视觉 | 老年疾病 | 毫米波雷达技术，深度学习姿态估计模型，逆运动学 | 深度学习姿态估计模型 | 雷达点云数据 | 45名参与者 | NA | NA | NA | NA |
| 44 | 2026-02-12 |
Fusion of habitat analysis and deep learning on contrast-enhanced T1-weighted imaging for predicting Ki-67 status in pediatric brain tumors
2025-Sep-27, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-025-06934-x
PMID:41014337
|
研究论文 | 本研究通过融合生境分析和深度学习技术，基于对比增强T1加权成像预测儿童脑肿瘤的Ki-67状态 | 首次将肿瘤生境分析与深度学习特征融合，用于量化儿童脑肿瘤的瘤内异质性并预测Ki-67指数 | 回顾性研究设计，样本量较小（140例），且仅基于单一成像模态（CE-T1WI） | 预测儿童脑肿瘤的Ki-67指数，以指导治疗和评估患者预后 | 儿童脑肿瘤患者 | 数字病理学 | 脑肿瘤 | 对比增强T1加权成像（CE-T1WI） | 随机森林 | 医学图像 | 140例儿童患者 | Scikit-learn | 随机森林 | AUC | NA |
| 45 | 2026-02-12 |
Variational inference of single cell time series
2025-Sep-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610389
PMID:39257806
|
研究论文 | 本文介绍了一种名为SNOW的深度学习算法，用于解卷积单细胞时间序列数据，分离时间依赖和独立成分 | 提出SNOW算法，能够构建有生物学意义的潜在空间、去除批次效应并生成逼真的单细胞时间序列 | NA | 分析时间过程单细胞RNA测序数据，解决时间与细胞类型贡献解卷积、区分真实动态与批次效应等挑战 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 基因表达数据 | NA | NA | NA | NA | NA |
| 46 | 2026-02-12 |
Deep learning-based super-resolution method for projection image compression in radiotherapy
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2962
PMID:40893517
|
研究论文 | 本文研究了一种基于深度学习的超分辨率方法，用于压缩放疗中的投影图像，以经济地存储大规模图像数据 | 结合超分辨率深度学习网络与视频编解码算法，对放疗投影图像进行压缩，在提高压缩比的同时保持图像质量 | 未明确提及方法在临床实际应用中的验证或与其他先进压缩方法的直接比较 | 开发一种经济有效的投影图像压缩方法，用于放疗中的图像存储 | 锥形束计算机断层扫描（CBCT）的投影图像 | 计算机视觉 | 癌症 | 锥形束计算机断层扫描（CBCT）成像 | CNN, ResNet, GAN | 图像 | 基于自然图像和投影图像的两个数据库 | NA | 卷积神经网络, 残差网络, 生成对抗网络 | 压缩比（CR）, 峰值信噪比（PSNR）, 视频质量度量（VQM）, 结构相似性指数（SSIM） | NA |
| 47 | 2026-02-10 |
Deep Learning-based Alignment Measurement in Knee Radiographs
2025-Sep-19, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-032-04965-0_12
PMID:41568201
|
研究论文 | 本研究提出了一种基于深度学习的方法，用于在膝关节前后位X光片中通过自动定位膝关节解剖标志来测量膝关节对齐 | 首次基于深度学习定位超过100个膝关节解剖标志以完整勾勒膝关节形状，并整合术前和术后图像的膝关节对齐测量 | NA | 自动化膝关节对齐测量以预测关节健康和全膝关节置换术后的手术结果 | 膝关节前后位X光片 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | Hourglass网络 | 平均绝对差异, 组内相关系数 | NA |
| 48 | 2026-02-09 |
Poor-prognosis young-onset colorectal cancer is defined by the mesenchymal subtype and can be predicted by integrating molecular and histopathological characteristics
2025-Sep, ESMO gastrointestinal oncology
DOI:10.1016/j.esmogo.2025.100181
PMID:41647998
|
研究论文 | 本研究通过分析年轻发病结直肠癌的分子和临床特征，揭示了其与晚发病例的异质性，并开发了一个结合分子和组织学标志物的风险评分模型来预测CMS4间充质亚型 | 首次整合了深度学习和分子标记（如SDI、微卫星状态和miR-200s启动子甲基化）来预测年轻发病结直肠癌中的CMS4间充质亚型，并建立了有效的风险评分模型 | 研究依赖于回顾性队列数据，可能受到样本选择偏差的影响，且外部验证的广泛性有待进一步确认 | 解析结直肠癌的年龄依赖性分子异质性，并开发识别高风险年轻发病患者的模型 | 年轻发病结直肠癌患者（年龄<50岁）的临床和分子数据 | 数字病理学 | 结直肠癌 | 深度学习分析、分子亚型分型、微卫星状态检测、启动子甲基化分析 | 深度学习框架 | 苏木精-伊红染色全切片图像、临床数据、分子数据 | 总临床数据涉及564,439个患者样本，分子特征分析使用1,874个患者样本 | NA | NA | 曲线下面积 | NA |
| 49 | 2026-02-07 |
Exploiting correlations across trials and behavioral sessions to improve neural decoding
2025-Sep-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.14.613047
PMID:39314484
|
研究论文 | 本文提出了两种利用跨试验和跨行为会话相关性的新型神经解码模型，以提高神经解码的准确性 | 提出了多会话降秩回归模型和多会话状态空间模型，首次系统性地利用跨试验和跨会话的神经活动相关性来改进解码，相比传统方法具有更好的解释性和计算效率 | 未明确说明模型在实时解码场景下的性能表现，也未讨论模型对噪声和异常数据的鲁棒性 | 改进神经解码的准确性，通过利用跨试验和跨行为会话的神经活动相关性 | 小鼠的神经活动数据与行为数据 | 机器学习 | NA | Neuropixels记录技术 | 降秩回归模型, 状态空间模型 | 神经活动数据, 行为数据 | 433个行为会话，覆盖270个脑区，来自国际脑实验室公开的小鼠Neuropixels数据集 | NA | 多会话降秩回归模型, 多会话状态空间模型 | 解码准确率 | NA |
| 50 | 2026-02-06 |
RETRACTED ARTICLE: Personalised sports rehabilitation analysis using a fitness enhanced model based on big data and deep learning
2025-Sep-29, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2561926
PMID:41020342
|
研究论文 | 本研究通过结合可穿戴设备、传感器和大数据分析，开发了一种基于健身气功的现代健康康复管理模型，用于个性化运动康复分析 | 将嵌入式技术和大数据分析应用于健身气功，创建了一个技术增强的个性化康复模型，相比传统方法在生理指标和依从率上显示出显著提升 | NA | 建立一个现代健康康复管理模型，以改善生理功能并提升整体生活质量 | 健身气功练习者，通过可穿戴设备和环境传感器收集数据 | 机器学习 | NA | 大数据分析，可穿戴设备与传感器技术 | 深度学习模型 | 生理数据（如心率变异性、呼吸率、运动效率、压力水平） | NA | NA | NA | 心率变异性增加百分比，呼吸率降低百分比，运动效率提升百分比，压力水平下降百分比，依从率，相关性系数（r值） | NA |
| 51 | 2026-02-06 |
RETRACTED ARTICLE: Intelligent sports rehabilitation: integrating deep learning and real-time monitoring to achieve personalized rehabilitation
2025-Sep-19, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2559187
PMID:40970943
|
研究论文 | 本研究探讨了将太极拳融入体育运动员强制戒毒康复计划的心理益处 | 将太极拳这一传统文化实践整合到现代体育康复中，以评估其对心理健康的独特影响 | 研究样本仅限于特定运动员群体，可能无法推广到其他人群；干预周期相对较短 | 评估太极拳在体育康复中的心理优势 | 参与强制戒毒康复计划的体育运动员 | NA | NA | 随机对照试验 | NA | 心理评估数据 | 172名参与者，平均分为太极拳干预组和对照组 | NA | NA | 情绪健康、自我调节和心理韧性改善 | NA |
| 52 | 2026-02-06 |
RETRACTED ARTICLE: Multimodal deep learning methods for speech and language rehabilitation: a cross-sectional observational study
2025-Sep-05, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2551708
PMID:40911624
|
研究论文 | 本研究提出了一种改进的多模态深度学习管道，结合音频、视频和文本信息，为言语和语言康复提供个性化治疗 | 采用交叉注意力融合的多模态分层Transformer架构，联合建模语音声学、面部动态、唇部发音和语言上下文，并通过自监督预训练和数据增强适应患者变异性 | 未明确说明样本规模或具体临床验证细节，可能受限于数据可用性和患者异质性 | 开发智能多模态深度学习系统以革新言语和语言康复治疗 | 患有神经障碍、发育迟缓或身体残疾导致沟通障碍的患者 | 自然语言处理 | NA | 深度学习 | Transformer | 音频, 视频, 文本 | NA | NA | 交叉注意力融合多模态分层Transformer | 准确率, 患者参与度, 可测量治疗效果 | NA |
| 53 | 2025-09-10 |
Correction to: Deep Learning in High-Resolution Anoscopy: Assessing the Impact of Staining and Therapeutic Manipulation on Automated Detection of Anal Cancer Precursors
2025-09-01, Clinical and translational gastroenterology
IF:3.0Q2
DOI:10.14309/ctg.0000000000000894
PMID:40920629
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 54 | 2026-01-30 |
Species habitat modeling based on image semantic segmentation
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09035-6
PMID:41028132
|
研究论文 | 本研究提出了一种结合核密度分析和语义分割方法（Segformer）的物种栖息地建模框架，以整合周围环境条件，并应用于台湾鹬科和燕科鸟类的栖息地制图 | 提出了一个整合周围环境条件的栖息地建模新框架，使用核密度分析将仅存在数据扩展为存在-缺失数据，并首次将深度学习语义分割方法（Segformer）应用于栖息地建模，在鹬科案例中性能优于传统MaxEnt模型 | 在燕科案例研究中显示了所提方法的局限性，表明方法可能不适用于所有物种或环境 | 开发更全面的物种栖息地建模方法，以支持生物多样性评估和保护规划 | 台湾的鹬科鸟类和燕科鸟类 | 计算机视觉 | NA | 核密度分析，语义分割 | Segformer | 图像，地理空间数据 | NA | NA | Segformer | AUC | NA |
| 55 | 2026-01-29 |
A multimodal artificial intelligence system for the detection and diagnosis of solid pancreatic lesions under EUS
2025 Sep-Oct, Endoscopic ultrasound
IF:4.4Q1
DOI:10.1097/eus.0000000000000145
PMID:41583348
|
研究论文 | 本研究开发了一种基于深度学习的多模态人工智能系统，用于在超声内镜下检测和诊断实性胰腺病变 | 开发了首个整合超声内镜B型图像、弹性成像和临床数据的多模态AI系统，超越了仅关注单一模态的现有模型 | 研究为单中心回顾性分析，样本量相对有限，未来需要多中心前瞻性研究验证 | 提高实性胰腺病变的诊断准确性，以辅助治疗规划 | 接受超声内镜检查的实性胰腺病变患者 | 数字病理学 | 胰腺癌 | 超声内镜（EUS），包括B型成像和弹性成像 | CNN | 图像，临床数据 | 492名患者 | NA | DCNN | 准确率，灵敏度，特异性，AUC，Dice系数 | NA |
| 56 | 2026-01-24 |
Deep Learning Unveils Health Predictions From EEG and MRI Data
2025 Sep-Oct, IEEE pulse
IF:0.3Q4
DOI:10.1109/MPULS.2025.3618430
PMID:41564094
|
综述 | 本文综述了人工智能（尤其是深度学习）在利用fMRI和EEG数据进行大脑活动检测和神经系统疾病诊断中的应用 | 系统性地概述了AI在神经影像学中的多种应用，并讨论了其在认知神经科学和医学影像中的关键作用以及未来挑战 | 作为综述文章，未提出新的具体模型或实验，主要基于现有研究进行总结 | 探讨AI驱动技术在利用fMRI和EEG检测和探索人类大脑活动中的应用 | 功能磁共振成像（fMRI）和脑电图（EEG）数据 | 机器学习 | 神经系统疾病 | fMRI, EEG | 深度学习模型, 机器学习技术 | 神经影像数据（fMRI和EEG） | NA | NA | NA | NA | NA |
| 57 | 2026-01-22 |
XComposition: multimodal deep learning model to measure body composition using chest radiographs and clinical data
2025-Sep, Radiology advances
DOI:10.1093/radadv/umaf035
PMID:41164313
|
研究论文 | 本文提出了一种名为XComposition的多模态深度学习模型，利用胸部X光片和临床数据来估计身体组成指标 | 开发了一个结合胸部X光片和易于获取的临床变量的多任务、多模态深度学习模型，用于从胸部X光片中估计身体组成，这在以前的研究中较少见 | 研究为回顾性队列，样本量相对有限（1118名患者），且模型对骨骼肌体积的预测性能较低（Pearson相关系数为0.58） | 探索使用深度学习从胸部X光片和临床变量中估计身体组成指标，以促进大规模研究 | 患者（包括女性和男性）的胸部X光片和临床数据（年龄、出生性别、身高、体重） | 数字病理学 | 心血管疾病 | 深度学习 | 多任务、多模态深度学习模型 | 图像（胸部X光片）、文本（临床数据） | 1118名患者（582名女性，538名男性），来自美国30个卫生系统，影像采集时间为2010年至2024年 | NA | NA | Pearson相关系数, 平均绝对误差 | NA |
| 58 | 2026-01-21 |
DeepWheat: predicting the effects of genomic variants on gene expression and regulatory activities across tissues and varieties in wheat using deep learning
2025-Sep-29, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03809-x
PMID:41024142
|
研究论文 | 本文提出了一个名为DeepWheat的深度学习框架，用于预测小麦中基因组变异对基因表达和调控活性的影响 | 开发了DeepWheat框架，包含DeepEXP和DeepEPI两个模型，能够整合序列和表观基因组特征进行组织特异性基因表达预测，并支持跨品种的模型迁移 | NA | 预测小麦中基因组变异对组织特异性基因表达和调控活性的影响，以支持作物功能基因组学和育种 | 小麦 | 机器学习 | NA | 深度学习 | 深度学习模型 | 基因组序列, 表观基因组数据 | 五个小麦品种 | NA | DeepEXP, DeepEPI | 皮尔逊相关系数 | NA |
| 59 | 2026-01-18 |
Systematic Review and Meta-analysis of AI-driven MRI Motion Artifact Detection and Correction
2025-Sep-05, ArXiv
PMID:40949764
|
综述与荟萃分析 | 本文系统回顾并荟萃分析了人工智能驱动的MRI运动伪影检测与校正方法，评估了当前发展、有效性、挑战及未来研究方向 | 首次对基于深度学习的MRI运动伪影检测与校正方法进行系统性综述与定量荟萃分析，特别聚焦于生成模型的应用 | 方法泛化能力有限，依赖成对训练数据，存在视觉失真风险，且缺乏标准化数据集和报告协议 | 评估人工智能方法在MRI运动伪影检测与校正中的有效性、挑战及未来发展方向 | MRI运动伪影 | 医学影像分析 | NA | 磁共振成像 | 深度学习生成模型 | MRI图像 | NA | NA | NA | NA | NA |
| 60 | 2026-01-17 |
SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION
2025-Sep, Proceedings. International Conference on Image Processing
DOI:10.1109/icip55913.2025.11084355
PMID:41527662
|
研究论文 | 提出一种通过精心设计的扰动训练物理驱动深度学习网络的新方法，以改进高加速率下的自监督MRI重建 | 在传统自监督学习的k空间掩蔽基础上，引入一个新颖的一致性项，该一致性项评估模型在稀疏域中准确预测所添加扰动的能力 | NA | 改进高加速率下自监督MRI重建的图像质量，减少伪影和噪声放大 | 快速MRI扫描的重建 | 医学影像重建 | NA | 快速MRI扫描 | 物理驱动深度学习网络 | MRI图像，k空间数据 | fastMRI膝盖和大脑数据集 | NA | NA | 视觉评估，定量评估 | NA |