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 1098 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 | 2026-04-17 |
Multiplex design and discovery of proximity handles for programmable proteome editing
2025-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.13.681693
PMID:41279570
|
研究论文 | 本文通过结合蛋白质设计与多重筛选框架，加速发现用于细胞内蛋白质降解、稳定化或重定位的效应器手柄，以推动可编程蛋白质组编辑 | 开发了LABEL-seq测序分析平台，实现了对9715个设计的候选效应器手柄的多重定量筛选，并成功发现了数百个能驱动蛋白质降解或稳定化的效应器手柄，为蛋白质组编辑提供了新工具 | 研究主要基于设计的候选效应器手柄进行筛选，可能未覆盖所有天然存在的效应器；且验证主要针对报告蛋白和特定内源性靶点，通用性需进一步验证 | 开发一种可扩展、低成本的平台，通过深度学习引导的蛋白质设计结合功能细胞读数，加速发现用于可编程蛋白质组编辑的效应器手柄 | 设计的候选效应器手柄，用于招募靶蛋白至泛素-蛋白酶体系统或自噬通路组件 | 蛋白质组学 | NA | LABEL-seq测序分析，蛋白质设计，多重筛选 | 深度学习 | 测序数据，蛋白质丰度数据 | 9715个设计的候选效应器手柄 | NA | NA | 蛋白质丰度变化，降解或稳定化效率 | NA |
| 2 | 2026-04-17 |
Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance
2025-Oct-03, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awaf285
PMID:40794555
|
研究论文 | 本文应用基于Transformer的深度学习模型从批量RNA测序数据中恢复细胞类型特异性转录程序，以研究阿尔茨海默病的认知韧性和脑抵抗性 | 开发了一种Transformer模型，能够从批量RNA测序中恢复细胞类型特异性转录程序，显著优于先前方法，为大规模、成本效益高的细胞类型特异性研究提供了新框架 | 模型依赖于批量RNA测序数据，可能受限于其分辨率和覆盖度，且未详细讨论技术复杂性和成本降低的具体量化 | 揭示阿尔茨海默病韧性和抵抗性的细胞类型特异性机制，并识别潜在治疗靶点 | 阿尔茨海默病患者的脑组织样本，重点关注细胞类型如星形胶质细胞、兴奋性神经元和少突胶质细胞祖细胞 | 机器学习 | 阿尔茨海默病 | 批量RNA测序，单核技术 | Transformer | RNA测序数据 | NA | NA | Transformer | NA | NA |
| 3 | 2026-04-17 |
Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume
2025-Oct, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30555
PMID:40312974
|
研究论文 | 本研究开发了一种基于模型驱动的自监督深度学习网络，用于同时生成心肌氧摄取分数和心肌血容量图 | 将物理模型整合到训练过程中，实现自监督学习模式，并采用结合均方误差和余弦相似度的损失函数，同时估计心肌氧摄取分数和心肌血容量 | 研究仅涉及10名健康受试者和10名心肌梗死患者，样本量较小，且为初步可行性验证 | 开发一种用于同时定量评估心肌氧摄取分数和心肌血容量的深度学习网络 | 心肌氧摄取分数和心肌血容量的图像映射 | 医学影像分析 | 心肌梗死 | 不对称自旋回波准备序列 | 深度学习网络 | 图像 | 10名健康受试者和10名心肌梗死患者 | NA | 自监督学习网络 | 均方误差, 余弦相似度 | NA |
| 4 | 2026-04-17 |
Simulating a Specialist's Treatment Experience for Hypertension Using Deep Neural Networks
2025-10, Journal of clinical hypertension (Greenwich, Conn.)
DOI:10.1111/jch.70173
PMID:41163326
|
研究论文 | 本研究开发并验证了一个深度学习模型，用于模拟高血压专家的处方模式并预测后续生理反应 | 设计了一个双模块深度神经网络框架，同时预测最佳药物处方和次日血压及心率，并采用多目标方法捕捉药物选择与生理结果之间的关系 | 本研究为概念验证性研究，基于单中心数据集，未来需要多中心合作和更大数据集来验证该方法在临床决策支持中的适用性 | 开发能够模拟高血压专家治疗决策并预测生理反应的深度学习模型，以辅助标准化治疗并减少决策差异 | 高血压患者的治疗决策和生理反应 | 机器学习 | 心血管疾病 | 临床试验数据 | DNN | 结构化临床数据 | NA | NA | 双模块深度神经网络 | 平均绝对误差, 误差方差, 平均相对误差 | NA |
| 5 | 2026-04-17 |
Automated classification of cellular expression in multiplexed imaging data with Nimbus
2025-Oct, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02826-9
PMID:41062826
|
研究论文 | 本文介绍了Nimbus，一个基于深度学习、用于从多重成像数据中自动分类细胞标记物表达的预训练模型 | 开发了Nimbus预训练模型，无需针对每个数据集重新训练，即可跨不同细胞类型、组织和显微镜平台预测标记物表达，并构建了包含1.97亿个标记物表达注释的Pan-M数据集 | NA | 开发一个自动化工具，用于准确分类多重成像数据中的细胞标记物表达，以促进组织空间拓扑结构的表征 | 多重成像数据中的细胞 | 数字病理学 | NA | 多重成像 | 深度学习模型 | 图像 | 包含1.97亿个不同标记物表达注释的数据集，涵盖15种不同细胞类型 | NA | NA | 准确性 | NA |
| 6 | 2025-10-29 |
Reducing False Alarms in Lung Cancer Screening: The Promise of Deep Learning
2025-Oct, Radiology
IF:12.1Q1
DOI:10.1148/radiol.252917
PMID:41147921
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7 | 2026-04-12 |
Spam Classification with Support Vector Machines Using Van der Waerden Rank Score Attention
2025-10-31, Journal of visualized experiments : JoVE
DOI:10.3791/69082
PMID:41247923
|
研究论文 | 本研究提出了一种基于Van der Waerden秩分数特征注意力增强的支持向量机（VWR-Attn-SVM）用于垃圾邮件分类 | 引入了Van der Waerden秩变换来归一化文本特征，增强了对异常值的鲁棒性并保持序数关系，同时通过非线性处理和正则化的增强注意力机制优化特征选择 | 未明确提及具体局限性，如模型在更广泛数据集上的泛化能力或实际部署中的计算效率细节 | 解决垃圾邮件分类中高维稀疏数据处理的挑战，并降低计算资源需求 | 垃圾邮件分类任务 | 自然语言处理 | NA | Van der Waerden秩变换 | 支持向量机（SVM） | 文本 | 使用了UCI Spambase和Indonesian Spam数据集，但未明确指定具体样本数量 | NA | VWR-Attn-SVM | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 8 | 2026-04-12 |
GeoEvoBuilder: A deep learning framework for efficient functional and thermostable protein design
2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2504117122
PMID:41071657
|
研究论文 | 本文介绍了一个名为GeoEvoBuilder的深度学习框架，用于高效设计功能性和热稳定性蛋白质 | 提出了一种自适应整合结构和进化约束的深度学习框架，能够直接生成具有所需特性的蛋白质序列，无需依赖传统的单点突变和迭代设计实验循环 | 未明确提及该框架在计算资源需求、序列设计成功率或对特定蛋白质家族适用性方面的具体限制 | 开发一种能够直接生成高活性、高热稳定性蛋白质序列的深度学习方法 | 绿色荧光蛋白、谷胱甘肽过氧化物酶4（GPX4）和二氢叶酸还原酶（DHFR） | 机器学习 | NA | 深度学习 | NA | 蛋白质序列、结构数据 | NA | NA | NA | 催化效率提升倍数、热稳定性增益（摄氏度）、结构正确性验证 | NA |
| 9 | 2026-04-12 |
GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization
2025-10-10, Journal of visualized experiments : JoVE
DOI:10.3791/69097
PMID:41144309
|
研究论文 | 本文提出了一种名为GARNN-AE-LSTM的多模态深度学习框架，用于实现高精度的视频摘要生成 | 提出了一种结合预训练门控循环神经网络（GARNN，融合GRU和AlexNet）与对抗编码器LSTM（AE-LSTM）的多模态框架，并引入了运动补偿PCA降维和门控机制来优化特征选择与冗余消除 | 未明确说明模型的计算复杂度、处理速度或在不同视频类型（如动态范围、长度）上的泛化能力 | 开发一种高精度的视频摘要方法，通过保留关键内容来创建长视频的简洁版本 | 视频数据（包含视觉和听觉信息） | 计算机视觉 | NA | 多模态特征提取、运动补偿特征降维、PCA降维 | GARNN, AE-LSTM, GRU, AlexNet | 视频（图像与音频） | NA | NA | GARNN（GRU与AlexNet结合）, AE-LSTM | 敏感度, F分数, 阳性预测值 | NA |
| 10 | 2026-04-12 |
Decoding Natural Behavior from Neuroethological Embedding
2025-10-03, Journal of visualized experiments : JoVE
DOI:10.3791/68668
PMID:41115131
|
研究论文 | 本研究提出了一个结合行为图谱、微型双光子显微镜和神经嵌入技术的实验与计算框架，用于从自由活动小鼠的神经活动中解码复杂自然社交行为 | 首次整合了Social Behavior Atlas（SBeA）、微型双光子显微镜（mTPM）和CEBRA嵌入方法，实现了在自然社交互动场景下对神经群体动力学与行为特征的高精度同步解码 | 研究目前仅应用于小鼠社交行为模型，方法在其他物种或行为范式中的通用性尚未验证；解码精度可能受神经成像分辨率和行为标注粒度的限制 | 探索神经群体动力学如何编码自然行为，建立从神经活动解码复杂行为特征的计算方法 | 自由活动小鼠在自然社交互动过程中的神经活动与行为表现 | 系统神经科学 | NA | 微型双光子显微镜（mTPM）、荧光成像、行为姿态估计 | 深度学习、嵌入学习 | 神经成像数据、行为视频数据、姿态坐标数据 | 多只自由活动小鼠（具体数量未明确说明） | CEBRA（Consistent EmBeddings of high-dimensional Recordings using Auxiliary variables） | NA | 姿态解码精度（像素误差）、行为基序解码准确率 | NA |
| 11 | 2026-04-12 |
Deep Learning-Based Generation of DSC MRI Parameter Maps Using Dynamic Contrast-Enhanced MRI Data
2025-Oct-01, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8768
PMID:40194853
|
研究论文 | 本研究开发了一种基于条件生成对抗网络的深度学习方法，用于从动态对比增强MRI数据中合成DSC MRI衍生的参数图 | 首次利用条件生成对抗网络从DCE MRI数据中生成DSC MRI参数图，避免了重复注射钆对比剂的需要 | 研究样本量较小（64名参与者），且仅针对脑肿瘤患者进行了验证，未涵盖其他疾病类型 | 开发深度学习方法来合成DSC MRI参数图，以减少临床扫描中对比剂的使用剂量 | 脑肿瘤患者及无脑肿瘤的对照组参与者 | 医学影像分析 | 脑肿瘤 | DSC MRI, DCE MRI | cGAN | MRI图像 | 64名参与者（包括脑肿瘤患者和对照组） | NA | 条件生成对抗网络 | 线性回归, Bland-Altman图 | NA |
| 12 | 2026-04-11 |
SubCell: Proteome-aware vision foundation models for microscopy capture single-cell biology
2025-Oct-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.06.627299
PMID:41278937
|
研究论文 | 本文介绍了SubCell，一套用于荧光显微镜的自监督深度学习模型，旨在捕获细胞形态、蛋白质定位、细胞组织和生物功能 | 提出了基于蛋白质组感知学习目标的自监督模型，首次从图像数据直接学习构建了蛋白质组层次图，并整合蛋白质序列模型实现多模态蛋白质表示 | NA | 开发用于荧光显微镜的深度学习模型，以捕获单细胞生物学特征 | 人类蛋白质图谱中的蛋白质组范围图像集合 | 计算机视觉 | NA | 荧光显微镜 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 13 | 2026-04-11 |
Deep infant brain segmentation from multi-contrast MRI
2025-Oct, Conference record. Asilomar Conference on Signals, Systems & Computers
|
研究论文 | 本文提出BabySeg，一个用于婴幼儿脑部MRI分割的深度学习框架，支持多样化的MRI协议和输入配置 | 结合领域随机化技术合成超出现实范围的训练图像以增强数据集偏移不变性，并引入灵活池化和交互多输入扫描特征的机制 | 未明确说明模型在极端成像条件或罕见病理情况下的鲁棒性 | 开发一个适用于婴幼儿脑部MRI的通用分割框架，以克服现有方法在图像类型和年龄组上的局限性 | 婴幼儿脑部多对比度MRI图像 | 数字病理学 | NA | 多对比度MRI | 深度学习模型 | 图像 | NA | NA | NA | 准确性 | NA |
| 14 | 2026-04-07 |
Deep learning for automatic vertebra analysis: A methodological survey of recent advances
2025-Oct, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文对近年来基于深度学习的自动椎体分析方法进行了系统性综述，总结了网络架构改进和学习策略设计方面的进展 | 作为该领域最新的综述，全面整合了公开数据集和评估指标，并分析了多模态学习、领域泛化及基础模型集成等未来研究方向 | NA | 系统总结自动椎体分析领域的最新进展，指导未来研究开发鲁棒、可泛化且临床可部署的系统 | 椎体检测与分割方法 | 计算机视觉 | 脊柱相关疾病 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 15 | 2026-04-06 |
Transfer Learning and UNet Segmentation for Paddy Leaf Disease Classification as a Solution with a User-Friendly Interface for Non-Technical Users
2025-10-24, Journal of visualized experiments : JoVE
DOI:10.3791/68861
PMID:41212843
|
研究论文 | 本研究提出了一种基于迁移学习和UNet分割的定制化深度学习方案，用于水稻叶片病害分类，并开发了用户友好的图形界面供非技术用户使用 | 结合了定制化的DenseNet-121迁移学习模型与UNet图像分割技术，显著提升了分类准确率，并设计了面向非技术用户的直观交互界面 | 未明确提及模型在真实田间复杂环境下的泛化能力测试或计算资源需求的具体分析 | 开发一种可靠且可扩展的水稻叶片病害自动分类解决方案，以辅助农业生产 | 水稻叶片病害图像，包括Tungro、Sheath Blight、Paddy Hispa、Neck Blast、Narrow Brown Spot、Leaf Scald、Leaf Blast、Brown Spot和Bacterial Leaf Blight | 计算机视觉 | 水稻病害 | 深度学习，图像分割 | CNN | 图像 | 基于Paddy Leaf Diseases Detection Dataset的两个数据集（分割图像与非分割图像），具体样本数量未明确 | 未明确指定，可能为TensorFlow, PyTorch等 | DenseNet-121, UNet | 准确率, 精确率, 召回率 | 未明确指定 |
| 16 | 2026-04-06 |
Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images
2025-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11525-0
PMID:40185924
|
研究论文 | 本文开发了一种自动化的不确定性感知深度学习方法，用于联合评估肺气肿和死亡风险，并量化数据和模型不确定性 | 提出了一种多任务贝叶斯神经网络，能够同时估计肺气肿指标和5年死亡风险，并量化数据与模型不确定性，提高了不同辐射剂量CT图像间评估的一致性 | 研究仅基于COPDGene研究队列，样本量有限（1350名参与者），且仅针对肺气肿和COPD相关死亡风险 | 开发一种对成像协议更鲁棒的自动化方法，用于联合评估肺气肿和死亡风险，并提供不确定性量化 | COPDGene研究中的参与者，包括接受全辐射剂量和降低辐射剂量胸部CT扫描的个体 | 数字病理学 | 肺气肿 | 胸部CT扫描 | 贝叶斯神经网络 | CT图像 | 1350名参与者（平均年龄64.4岁±8.7；659名女性） | NA | 多任务贝叶斯神经网络 | 均值差异, p值, Pearson's rho | NA |
| 17 | 2026-04-06 |
Improving mortality prediction after radiotherapy with large language model structuring of large-scale unstructured electronic health records
2025-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111052
PMID:40692078
|
研究论文 | 本研究利用开源大语言模型（LLM）对大规模非结构化电子健康记录（EHR）进行结构化处理，以改进放疗后患者的死亡率预测 | 采用通用领域的大语言模型（而非针对医学数据微调的模型）来结构化非结构化EHR数据，显著提升了生存预测的准确性和模型可解释性 | 研究主要基于单一医疗中心的数据进行内部验证，外部验证样本量相对较小（852例），且未详细讨论模型在不同医疗系统或人群中的泛化能力 | 提高放疗后患者死亡率预测的准确性，以优化临床决策和避免对预期寿命有限的患者进行不必要的放疗 | 接受放疗的患者，包括来自延世癌症中心的34,276例患者（内部数据集）和来自龙仁Severance医院的852例患者（外部验证集） | 自然语言处理 | 癌症 | 大语言模型（LLM）用于非结构化EHR数据的结构化处理 | 大语言模型（LLM），深度学习模型 | 非结构化和结构化的电子健康记录（EHR）数据 | 内部数据集34,276例患者，外部验证集852例患者 | NA | 开源大语言模型（具体架构未指定），以及统计、机器学习和深度学习模型 | C-index，风险分层的p值，结构化准确率 | NA |
| 18 | 2026-04-05 |
The Synergy of Artificial Intelligence and 3D Bioprinting: Unlocking New Frontiers in Precision and Tissue Fabrication
2025-Oct-28, Advanced functional materials
IF:18.5Q1
DOI:10.1002/adfm.202509530
PMID:41181574
|
综述 | 本文综述了人工智能在3D生物打印中的变革性作用，重点关注AI如何提升其精度、功能性和可扩展性 | 系统性地探讨了AI（包括机器学习、计算机视觉、机器人学等）如何通过实时过程监控、错误纠正和参数优化来革新3D生物打印技术，并强调了其在自动化质量控制、预测性维护和减少生物墨水浪费方面的创新应用 | 在过程监控、质量控制和生物打印系统的可扩展性方面仍存在挑战 | 指导科学家、工程师和医疗保健提供者理解AI增强型生物打印的复杂性和潜力，促进对其在再生医学和个性化医疗中未来作用的更深入认识 | 3D生物打印技术及其与人工智能的融合 | 机器学习, 计算机视觉, 自然语言处理 | NA | 3D生物打印 | 深度学习 | 复杂数据集 | NA | NA | NA | 细胞活力, 结构保真度 | NA |
| 19 | 2026-04-05 |
Artificial intelligence-assisted glaucoma detection on color fundus images: with comorbidity and cross-institutional analysis
2025-Oct-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000001289
PMID:41102915
|
研究论文 | 本研究开发了一种基于人工智能的辅助青光眼检测系统，通过彩色眼底图像进行诊断，并进行了跨机构和共病分析 | 开发了一个结合图像增强、视神经区域自动识别和深度学习分类的分步AI管道，并在多种临床环境和共病条件下验证了其高准确性和鲁棒性 | 研究未提及系统在更广泛人群或不同青光眼亚型中的泛化能力，以及长期临床应用的验证 | 开发并验证一个可靠的人工智能系统，用于在彩色眼底图像上检测青光眼，特别是在存在共病眼病和跨机构设置下 | 彩色眼底图像，包括来自台北荣民总医院的训练图像和五个跨区域外部数据集，以及一个代表共病眼病的内部图像集 | 计算机视觉 | 青光眼 | 彩色眼底摄影 | 深度学习 | 图像 | 训练集：1696张图像；测试集：五个外部数据集和一个包含151张图像的内部共病数据集 | NA | NA | 平衡准确率，曲线下面积 | NA |
| 20 | 2026-04-01 |
Live imaging of late-stage preimplantation human embryos reveals de novo mitotic errors
2025-Oct-23, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02851-1
PMID:41131150
|
研究论文 | 本文通过优化核DNA标记和光片活体成像技术，揭示了人类胚胎在植入前晚期阶段染色体分离错误的发生机制 | 首次应用信使RNA电穿孔优化核DNA标记，结合光片活体成像技术，在人类胚胎植入前晚期阶段实时观察染色体分离错误 | 成像方法可能对胚胎发育产生未知影响，且样本数量有限，需进一步验证临床适用性 | 研究人类胚胎在植入前晚期阶段染色体分离错误的起源和机制 | 晚期植入前阶段的人类胚胎 | 数字病理学 | 不孕症 | 信使RNA电穿孔、光片活体成像 | 深度学习模型 | 图像 | 未明确指定样本数量 | 未明确指定 | 定制化深度学习模型 | NA | NA |