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 1099 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 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 |
| 62 | 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 |
| 63 | 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 |
| 64 | 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 |
| 65 | 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 |
| 66 | 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 |
| 67 | 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 |
| 68 | 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 |
| 69 | 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 |
| 70 | 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 |
| 71 | 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 |
| 72 | 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 |
| 73 | 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 |
| 74 | 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 |
| 75 | 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 |
| 76 | 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 |
| 77 | 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 |
| 78 | 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 |
| 79 | 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 |
| 80 | 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 |