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 1094 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 | 2026-04-01 |
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 |
| 2 | 2026-03-31 |
Paradigm Shifts in Regenerative Medicine for Bone and Joint Surgery: From Mechanical Repair to Intelligent Biological Restoration
2025-Oct-31, Ortopedia, traumatologia, rehabilitacja
DOI:10.5604/01.3001.0055.6647
PMID:41904999
|
综述 | 本文综述了再生医学和人工智能在骨与关节外科中从机械修复向智能生物修复范式转变的科学进展与临床转化 | 整合了干细胞疗法、生物活性支架、生长因子策略以及AI驱动的规划与递送系统，强调了生物材料、智能技术与人工智能的融合如何重新定义手术范式 | 存在监管障碍，如干细胞审批路径不一、细胞来源和患者数据使用的伦理问题、生产成本高，以及外科医生在生物和AI集成系统方面需要培训 | 探讨再生医学和人工智能在骨与关节外科中的范式转变，从机械修复转向智能生物修复 | 干细胞疗法、生物活性支架、生长因子策略、AI规划与递送系统在肌肉骨骼应用中的临床转化 | 再生医学 | 骨关节疾病 | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 3 | 2026-03-28 |
Leveraging Artificial Intelligence and Modulation of Oxidative Stressors to Enhance Healthspan and Radical Longevity
2025-10-24, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15111501
PMID:41301419
|
综述 | 本文探讨了人工智能在促进健康寿命和延长寿命方面的变革潜力 | 综述了AI在分析复杂生物数据、加速生物标志物发现、优化治疗干预和个性化医疗方面的应用，特别是在识别生物年龄准确生物标志物、开发精准医学方法、加速药物发现和增强CRISPR等基因组编辑技术方面的突破 | AI在长寿研究中的整合带来了伦理和社会挑战，包括隐私问题、公平获取以及延长人类寿命的更广泛影响 | 探索人工智能在促进健康寿命和延长寿命方面的应用潜力 | 健康寿命和长寿的生物机制，以及AI在相关领域的应用 | 机器学习 | 溶血性疾病 | 机器学习、深度学习、自然语言处理、机器人技术、数据分析 | NA | 复杂生物数据 | NA | NA | NA | NA | NA |
| 4 | 2026-03-28 |
Quantitative molecular imaging using deep magnetic resonance fingerprinting
2025-10, Nature protocols
IF:13.1Q1
DOI:10.1038/s41596-025-01152-w
PMID:40169753
|
研究论文 | 本文介绍了一种基于深度学习的饱和转移磁共振指纹成像（MRF）协议，用于蛋白质、代谢物和pH值的无创体内定量分子成像 | 提出了一个完整的深度MRF协议，通过人工智能模型解决传统分子MRI技术复杂、半定量和扫描时间长的问题，实现快速定量分子信息提取 | 协议完成时间从48分钟到57小时不等，对于复杂多质子池体内成像耗时较长，且技术复杂性可能限制其广泛临床采用 | 开发一种定量分子MRI方法，用于提取具有生物学和临床意义的分子信息 | 体外样本、动物和人类扫描 | 医学影像 | 癌症、神经退行性疾病、中风、心脏病 | 化学交换饱和转移（CEST）、半固体磁化转移（MT）定量成像 | 深度学习模型 | 磁共振图像 | NA | NA | NA | NA | NA |
| 5 | 2026-03-28 |
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深度学习的条件生成对抗网络，用于从动态对比增强MRI数据合成DSC MRI参数图，以减少对比剂使用剂量 | 首次利用条件生成对抗网络从DCE MRI数据生成DSC MRI参数图，实现了单次对比剂注射获取双模态灌注参数，并能可视化传统DSC图中因磁敏感伪影不可见的区域 | 研究样本量较小（64名参与者），且数据来源于既往研究，可能影响模型泛化能力；未对不同类型脑肿瘤进行细分分析 | 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） | NA | 条件生成对抗网络 | 线性回归分析, Bland-Altman图 | NA |
| 6 | 2026-03-28 |
Optic Nerve Atrophy Conditions Associated With 3D Unsegmented Optical Coherence Tomography Volumes Using Deep Learning
2025-Oct-01, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2025.2766
PMID:40839281
|
研究论文 | 本研究利用深度学习模型分析未分割的3D光学相干断层扫描（OCT）体积数据，以区分青光眼、非动脉炎性前部缺血性视神经病变（NAION）、视神经炎和健康眼睛的视神经萎缩 | 首次使用未分割的3D OCT体积数据训练深度学习模型，直接区分多种视神经萎缩疾病，无需手动分割，并比较了全体积、视盘周围区域（PPR）和视神经头（ONH）三种不同区域模型的性能 | 视神经炎的分类最具挑战性，当轴突损失严重或极小时，易被误分类为NAION或健康眼睛；研究为横断面设计，未评估纵向变化或治疗反应 | 确定基于未分割ONH OCT扫描的3D深度学习模型是否能可靠地区分青光眼、NAION、视神经炎和健康眼睛的视神经萎缩 | 患者（包括青光眼、NAION、视神经炎患者）和健康对照者的眼睛 | 数字病理学 | 视神经萎缩相关疾病（包括青光眼、非动脉炎性前部缺血性视神经病变、视神经炎） | 光学相干断层扫描（OCT） | CNN | 3D图像（OCT体积数据） | 7014次Cirrus ONH OCT扫描，来自1382只眼睛（青光眼113只，NAION 311只，视神经炎163只，健康对照715只） | 未明确指定，但基于ResNet-3D-18架构推断可能为PyTorch或TensorFlow | ResNet-3D-18 | 准确率，宏AUC-ROC，精确率，召回率，F1分数 | 未明确指定 |
| 7 | 2026-03-28 |
3D Deep Learning Analysis of OCT to Classify Optic Atrophy
2025-Oct-01, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2025.2829
PMID:40839376
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8 | 2026-03-25 |
Unlocking the metabolic potential of endophytic fungi through epigenetics: a paradigm shift for natural product discovery and plant-microbe interactions
2025-10-15, Natural product reports
IF:10.2Q1
DOI:10.1039/d5np00028a
PMID:40719258
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9 | 2026-03-22 |
Massively parallel characterization of non-coding de novo mutations in autism spectrum disorder
2025-10, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2025.07.008
PMID:40738258
|
研究论文 | 本研究通过整合皮层细胞特异性顺式调控元件注释、深度学习变异预测模型和大规模并行报告基因检测，系统评估了自闭症谱系障碍中非编码区新生突变的功能影响 | 首次大规模并行表征自闭症谱系障碍中的非编码区新生突变，并发现下调调控突变与自闭症风险显著相关，鉴定出42个潜在的自闭症风险突变 | 研究主要基于Simons Simplex Collection和MSSNG队列数据，可能未涵盖所有人群变异；功能验证主要依赖报告基因检测，体内功能需要进一步验证 | 阐明非编码区新生突变在自闭症谱系障碍发病机制中的功能作用和分子机制 | 自闭症谱系障碍患者的非编码区新生突变 | 计算生物学 | 自闭症谱系障碍 | 大规模并行报告基因检测，深度学习变异预测 | 深度学习模型 | 基因组变异数据，调控元件注释数据 | 来自Simons Simplex Collection和Autism Speaks MSSNG资源的227,878个非编码区新生突变 | NA | NA | 比值比，P值 | NA |
| 10 | 2026-03-19 |
Deep learning-driven adaptive optics for laser wavefront correction
2025-Oct-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.572860
PMID:41842191
|
研究论文 | 本文提出了一种基于深度学习的激光波前校正方法，通过近场/远场相机设置实现自适应光学的在线控制以优化光束质量 | 采用仅强度信息和深度学习的方法，结合螺旋相位板的相位多样性概念，在毫秒级时间内预测光学场，增强了方法的鲁棒性和精度 | NA | 开发一种快速、精确的激光波前校正技术，用于优化光束质量 | 激光光束 | 计算机视觉 | NA | 深度学习, 自适应光学, 相位多样性 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 11 | 2026-03-19 |
Performance of deep learning in moiré fringe analysis with different intensities
2025-Oct-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.569259
PMID:41842211
|
研究论文 | 本文研究了不同强度下深度学习在莫尔条纹分析中的性能表现 | 首次系统性地探索了条纹强度作为影响深度学习在莫尔条纹分析中性能的关键物理因素，并确定了模型最佳性能对应的强度范围 | 仅研究了条纹强度单一因素，未考虑其他物理因素（如噪声、畸变等）的复合影响；实验数据为模拟或特定条件下采集，可能无法完全代表真实复杂流场环境 | 探究条纹强度对深度学习模型在莫尔条纹分析中性能的影响，优化动态流场条纹分析的深度学习应用 | 不同强度的莫尔条纹图像 | 计算机视觉 | NA | 莫尔偏折法 | 深度学习 | 图像 | 9900帧莫尔条纹图像（9组不同强度，每组1100帧） | NA | U-net++, ResUnet | 均方根误差, 结构相似性指数 | NA |
| 12 | 2026-03-19 |
Accurate broadband wavefront sensing for space telescopes via a compact neural network
2025-Oct-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.568775
PMID:41842498
|
研究论文 | 本研究提出了一种基于紧凑卷积神经网络U-EFFNet的宽带波前传感方法，用于提高空间望远镜在宽带照明下的波前重建精度 | 结合U-Net的编码器-解码器结构与EFFNet的高效特征提取模块，实现了局部与全局特征的有效平衡，轻量级设计且泛化能力强 | 未专门为宽带波前传感任务设计，可能在某些极端条件下存在性能限制 | 解决空间望远镜在宽带成像中因色散和光谱非相干性导致的波前传感精度问题 | 空间望远镜的波前传感系统 | 计算机视觉 | NA | 宽带成像 | CNN | 图像 | NA | NA | U-Net, EFFNet | 重建精度, 鲁棒性 | NA |
| 13 | 2026-03-18 |
Multimodal pathomics and clinical features predict postresection permanent hydrocephalus in pediatric medulloblastoma
2025-Oct-31, Journal of neuro-oncology
IF:3.2Q2
DOI:10.1007/s11060-025-05263-y
PMID:41171470
|
研究论文 | 本研究利用深度学习提取的病理组学特征结合临床特征，预测儿童髓母细胞瘤术后持续性脑积水的风险 | 首次将深度学习提取的定量病理组学特征与临床特征相结合，构建多模态模型来预测儿童髓母细胞瘤术后持续性脑积水的风险，显著提高了风险分层能力 | 研究为单中心回顾性研究，样本量相对较小（90例患者），需要外部验证以确认模型的泛化能力 | 改善儿童髓母细胞瘤术后持续性脑积水的风险预测和分层 | 18岁以下接受治疗的髓母细胞瘤患者 | 数字病理学 | 髓母细胞瘤 | H&E染色 | CNN, 逻辑回归 | 图像, 临床数据 | 90例患者 | PyTorch | ResNet-18 | AUC, 平均精度 | NA |
| 14 | 2026-03-18 |
Differential Diagnosis of Papillary Thyroid Carcinoma and Nodular Goiter With Papillary Hyperplasia Using Hyperspectral Imaging Technology
2025-Oct, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500200
PMID:40603107
|
研究论文 | 本研究评估了高光谱成像技术结合深度学习在区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生方面的应用 | 首次将高光谱成像与带自注意力机制的一维卷积神经网络结合，用于甲状腺病变的鉴别诊断，并在特定光谱区域实现了高灵敏度 | 样本量相对较小（共82个样本），且仅使用了石蜡包埋样本，未涉及新鲜组织或活体成像 | 开发一种基于高光谱成像和深度学习的快速、非侵入性方法，以准确区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生 | 石蜡包埋的甲状腺组织样本（43个PTC样本和39个NGPH样本） | 计算机视觉 | 甲状腺癌 | 高光谱成像（HSI），光谱范围400-1000 nm | CNN | 高光谱图像 | 82个石蜡包埋组织样本（43个PTC，39个NGPH） | NA | 带自注意力机制的一维卷积神经网络 | ROC曲线下面积（AUC），像素级分类准确率，灵敏度，特异性 | NA |
| 15 | 2026-03-17 |
Deep learning-powered high-efficient atomic force microscopy single-cell nanomechanical analysis on diverse biointerfaces
2025-10-30, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2025.152761
PMID:41066979
|
研究论文 | 本文提出了一种结合原子力显微镜单细胞压痕实验与视觉基础模型图像识别的方法，用于在不同生物界面上进行高效、可靠的细胞力学测量 | 利用预训练的深度学习模型实时识别光学明场图像中的细胞，实现了自主高效的AFM单细胞压痕实验，提升了AFM的吞吐量和自动化水平 | NA | 揭示细胞与细胞外基质相互作用的物理机制，以全面理解生理和病理过程 | 单细胞在多种生物界面上的力学响应 | 计算机视觉 | NA | 原子力显微镜，单细胞压痕实验 | 深度学习模型 | 图像 | NA | NA | 视觉基础模型 | NA | NA |
| 16 | 2026-03-14 |
Optimization of carotid CT angiography image quality with deep learning image reconstruction with high setting (DLIR-H) algorithm under ultra-low radiation and contrast agent conditions
2025-10, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.103154
PMID:40914000
|
研究论文 | 本研究评估了深度学习图像重建（DLIR-H）算法在超低辐射和造影剂条件下优化颈动脉CT血管造影图像质量的效果 | 首次在超低剂量和低造影剂条件下，将DLIR-H算法应用于双能CT血管造影（DE-CTA）的40 keV虚拟单能图像（VMI），显著提升了图像质量并降低了辐射剂量和造影剂用量 | 研究样本量相对较小（120例），且为单中心前瞻性研究，可能限制结果的普适性 | 评估DLIR-H算法在超低辐射和造影剂条件下提升颈动脉CT血管造影图像质量的效能 | 接受双能CT血管造影（DE-CTA）检查的120例患者 | 医学影像处理 | 颈动脉疾病 | 双能CT血管造影（DE-CTA）、虚拟单能图像（VMI）、深度学习图像重建（DLIR） | 深度学习重建算法（DLIR） | CT影像数据 | 120例患者，分为四组（一组对照组使用ASIR-V，三组实验组分别使用DLIR-L、DLIR-M、DLIR-H算法） | NA | DLIR-H（深度学习图像重建高设置算法） | CT值、图像噪声、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表） | NA |
| 17 | 2026-03-14 |
Evaluation of paediatric head CT radiation dose in Jordan: A new national diagnostic reference level survey
2025-10, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.103158
PMID:40939270
|
研究论文 | 本研究评估了约旦儿科头部CT扫描的辐射剂量，并建立了国家诊断参考水平，以解决剂量标准化问题 | 首次在约旦进行全国性儿科头部CT辐射剂量调查，并基于年龄类别建立了诊断参考水平 | 由于医院间患者体重数据不一致，研究基于年龄而非体重分组，这被视为方法学限制 | 评估约旦儿科头部CT扫描的辐射剂量变异性，并建立国家诊断参考水平以促进剂量标准化 | 在约旦八家医院进行的1550例儿科头部CT检查 | 医学影像 | 神经系统疾病 | CT扫描 | NA | 辐射剂量数据（CTDIvol, DLP） | 1550例儿科头部CT检查 | SPSS | NA | NA | NA |
| 18 | 2026-03-14 |
Predicting Anastomosis or Stump Leakage After Laparoscopic Gastrectomy: A Deep Learning Approach to Intraoperative Image Analysis
2025-10, Journal of gastric cancer
IF:3.2Q2
DOI:10.5230/jgc.2025.25.e39
PMID:41093773
|
研究论文 | 本研究旨在开发和验证深度学习模型，利用腹腔镜图像预测胃癌手术中吻合口或残端渗漏 | 首次将深度学习应用于腹腔镜图像分析，以预测胃癌手术中的渗漏并发症，并比较了多种深度学习架构的性能 | 渗漏发生率较低（DS 1.3%，EJ 4.3%），可能影响模型泛化能力；研究基于三家机构的回顾性数据，需进一步前瞻性验证 | 开发并验证深度学习模型，用于预测腹腔镜胃癌切除术后的吻合口或残端渗漏 | 接受胃癌腹腔镜切除术的患者及其手术中的腹腔镜图像 | 计算机视觉 | 胃癌 | 腹腔镜成像 | CNN | 图像 | 来自2035名患者的10256张腹腔镜图像 | NA | ResNet18, ResNet34, ResNet50, EfficientNet_V2_L, Inception_V3, DenseNet121 | F1分数, 召回率 | NA |
| 19 | 2026-03-07 |
Reliable deep learning for coronary artery disease detection: a patient-level, statistically validated MRI study
2025 Oct-Dec, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie
DOI:10.47162/RJME.66.4.09
PMID:41787625
|
研究论文 | 本研究评估了DenseNet121和ResNet50两种深度学习架构在利用多参数心脏磁共振成像自动分类冠状动脉疾病方面的性能与统计稳健性 | 结合了患者级别的严格数据划分、现实的预处理流程以及全面的统计推断测试（如Shapiro-Wilk检验和Brown-Forsythe检验），以生成可重复且具有临床意义的性能评估 | 未明确提及样本的具体来源或多样性，可能影响模型的泛化能力；仅比较了两种深度学习架构，未探索其他可能更优的模型 | 评估深度学习模型在冠状动脉疾病检测中的性能和统计稳健性，以支持早期诊断和临床决策 | 冠状动脉疾病患者的心脏磁共振成像数据 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | CNN | 图像 | NA | NA | DenseNet121, ResNet50 | 准确率, AUC-ROC, 精确率-召回率曲线下面积 | NA |
| 20 | 2026-03-06 |
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，一种用于从多重成像数据中自动分类细胞标记物表达的深度学习模型 | 开发了预训练模型Nimbus，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 | 未明确提及模型在未见过的标记物或极端成像条件下的泛化能力 | 实现多重成像数据中细胞标记物表达的自动化准确分类 | 细胞，特别是15种不同细胞类型中的标记物表达 | 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Pan-M数据集 | NA | NA | 准确性 | NA |