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 41036 篇文献，本页显示第 2461 - 2480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2461 | 2026-02-05 |
Clinical correlates of CT imaging-derived phenotypes among lean and overweight patients with hepatic steatosis
2024-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-49470-x
PMID:38167550
|
研究论文 | 本研究利用深度学习从腹部CT扫描中提取脾-肝衰减差作为肝脂肪变性的定量指标，并基于BMI分层分析瘦与超重患者中肝脂肪变性与临床表型的关联 | 首次在大型生物样本库中，通过深度学习量化CT影像特征，系统比较瘦与超重患者肝脂肪变性的流行病学差异及其与心血管、肾脏等疾病的关联 | 研究为回顾性设计，可能受选择偏倚影响；CT衍生的肝脂肪变性指标虽经验证，但非金标准；未考虑其他混杂因素如生活方式或遗传背景 | 定义肝脂肪变性的CT影像表型，并探究其与患者临床特征（特别是瘦与超重人群差异）的关联 | 肝脂肪变性患者，包括瘦（BMI < 25 kg/m²）和超重（BMI ≥ 25 kg/m²）个体 | 数字病理学 | 肝脂肪变性 | 腹部CT扫描 | 深度学习 | 医学影像（CT图像） | 8914名患者，包括278名瘦且伴有脂肪变性、1867名瘦无脂肪变性、1863名超重伴有脂肪变性、4906名超重无脂肪变性 | NA | NA | p值 | NA |
| 2462 | 2026-02-05 |
Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284349
PMID:39381826
|
研究论文 | 本文开发了一个基于模块化混合增长神经气体（MyGNG）的智能计算系统，用于阿尔茨海默病的早期诊断，通过分类任务（MCI-AD和CN-MCI-AD）实现 | 提出了一种混合和个体发育神经架构MyGNG，结合GNG聚类和感知机标记，在阿尔茨海默病早期诊断中表现优于其他机器学习方法 | 未明确说明数据集的局限性或模型在其他数据集上的泛化能力 | 开发智能计算系统以解决阿尔茨海默病的早期诊断问题 | 阿尔茨海默病患者，包括轻度认知障碍（MCI）和认知正常（CN）个体 | 机器学习 | 阿尔茨海默病 | 神经影像数据 | 混合神经网络架构（GNG和感知机） | 结构化数据（患者特征） | MCI-AD任务495名患者，CN-MCI-AD任务819名患者，均来自ADNI数据库，每名患者有211个特征 | NA | 模块化混合增长神经气体（MyGNG），包含增长神经气体（GNG）和感知机 | AUC, 敏感度 | NA |
| 2463 | 2026-02-05 |
Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1331677
PMID:38384484
|
研究论文 | 本研究提出了一种基于结构MRI的可解释深度学习框架，用于自动区分额颞叶痴呆的三种临床亚型 | 采用多类型并行特征嵌入框架和集成梯度方法进行特征可视化，实现了对额颞叶痴呆亚型的可解释性分类 | 样本量相对较小且存在不平衡，数据来自多中心可能存在扫描仪差异的残留影响 | 自动区分额颞叶痴呆的三种临床表型，以辅助早期精确诊断和干预规划 | 277名额颞叶痴呆患者，包括行为变异型额颞叶痴呆、语义变异型原发性进行性失语和非流利变异型原发性进行性失语 | 数字病理学 | 老年疾病 | 结构MRI | 深度神经网络 | 图像 | 277名患者（173名行为变异型额颞叶痴呆，63名非流利变异型原发性进行性失语，41名语义变异型原发性进行性失语） | NA | 多类型并行特征嵌入框架 | 平衡准确度 | NA |
| 2464 | 2026-02-05 |
Opportunities and obstacles for deep learning in biology and medicine
2018-04, Journal of the Royal Society, Interface
DOI:10.1098/rsif.2017.0387
PMID:29618526
|
综述 | 本文探讨了深度学习在生物学和医学领域的应用机会与障碍 | 系统性地评估了深度学习在生物医学任务中的潜力与挑战，并指出其尚未彻底改变该领域但已取得有前景的进展 | 深度学习模型的可解释性仍存在开放挑战，且敏感健康数据的标注数据有限及法律隐私限制构成障碍 | 分析深度学习在生物学和医学中的应用潜力与局限性 | 生物医学数据与任务，包括患者分类、基础生物过程及患者治疗 | 机器学习 | NA | NA | 神经网络 | 复杂生物医学数据 | NA | NA | NA | NA | NA |
| 2465 | 2026-02-04 |
Performance Evaluation of a Commercial Deep Learning Software for Detecting Intracranial Hemorrhage in a Pediatric Population
2026-Feb-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01857-8
PMID:41629667
|
研究论文 | 本研究评估了一款基于成人数据训练的商业AI工具（Aidoc）在儿童颅内出血检测中的性能 | 首次在儿科人群中系统评估基于成人数据训练的商用深度学习软件对颅内出血的检测性能，揭示了儿科特异性特征对AI性能的影响 | 单中心回顾性研究，仅纳入6-17岁儿童，未包含婴幼儿群体，参考标准依赖放射科医师多数投票 | 评估商用AI工具在儿科颅内出血检测中的诊断性能 | 儿科患者（6-17岁）的头部CT影像 | 数字病理学 | 颅内出血 | CT影像分析，自然语言处理 | 深度学习 | 医学影像（CT），文本报告 | 2502名儿科患者 | Aidoc（商用软件） | NA | 灵敏度，特异度，准确度 | NA |
| 2466 | 2026-02-04 |
Artificial Intelligence-Driven Laser Capture Microdissection
2026, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-5154-4_14
PMID:41629719
|
研究论文 | 本文介绍了一种针对FFPE样本H&E染色切片优化的AI驱动激光捕获显微切割协议，旨在提升空间蛋白质组学的可扩展性和灵活性 | 开发了AI驱动的激光捕获显微切割协议，专门针对FFPE样本的H&E染色切片进行优化，提高了工作流程的可扩展性和临床适应性 | 当前工作流程缺乏可扩展性和灵活性，限制了在临床和转化环境中的广泛应用 | 优化激光捕获显微切割与质谱蛋白质组学结合的工作流程，以推进空间蛋白质组学的大规模应用 | 福尔马林固定石蜡包埋（FFPE）患者样本的H&E染色切片 | 数字病理学 | NA | 激光捕获显微切割, 质谱蛋白质组学, H&E染色 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2467 | 2026-02-03 |
A dense recurrent unrolling network leveraging spatio-temporal priors for highly-accelerated dynamic MRI
2026-Apr, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110595
PMID:41397563
|
研究论文 | 本文提出了一种密集循环展开网络，利用时空先验知识来高度加速动态MRI重建 | 在稀疏先验更新模块中引入了双向循环卷积单元，通过循环聚合过去和未来帧的上下文信息来增强时间依赖性建模，并采用了中间特征传输而非仅单阶段输出的设计，以改善多阶段协作 | 未明确说明在极高加速因子（如24倍以上）下的性能极限或计算成本 | 提高动态MRI在高度欠采样条件下的重建准确性和时间保真度 | 动态MRI数据 | 计算机视觉 | NA | 动态磁共振成像 | 深度学习 | 图像 | NA | NA | 密集循环展开网络 | 重建准确性, 时间保真度 | NA |
| 2468 | 2026-02-03 |
Dysmorphic neurons express markers of inhibitory glycinergic signaling in focal cortical dysplasia IIb
2026-Mar, Brain pathology (Zurich, Switzerland)
DOI:10.1111/bpa.70043
PMID:40957662
|
研究论文 | 本研究利用深度学习技术对局灶性皮质发育不良IIb型进行解剖学映射，并结合空间转录组学分析，揭示了畸形神经元中非经典信号通路和神经递质通路的标记物 | 首次结合深度学习和空间转录组学，对FCD IIb型进行客观解剖学映射和分子特征分析，发现了畸形神经元中新的信号通路标记物 | NA | 研究局灶性皮质发育不良IIb型中畸形神经元的分子特征，以寻找新的治疗靶点 | 局灶性皮质发育不良IIb型中的巨细胞畸形神经元 | 数字病理学 | 癫痫 | 空间转录组学 | 深度学习 | 图像, 转录组数据 | NA | NA | NA | NA | NA |
| 2469 | 2026-02-03 |
Deep learning-enhanced 3D imaging unveils semaglutide impact on cardiac fibrosis
2026-Mar, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.70217
PMID:41121520
|
研究论文 | 本研究开发了一种结合三维光片荧光显微镜和深度学习的心脏纤维化量化方法，并用于评估GLP-1R激动剂司美格鲁肽在HFpEF小鼠模型中的抗纤维化疗效 | 开发了首个结合荧光胶原标记、组织透明化、三维光片荧光显微镜和深度学习的高通量全心脏成像平台，实现了微米分辨率的心脏纤维化区域异质性量化 | 研究仅在小鼠模型中进行，未在人类样本中验证；司美格鲁肽对替代性纤维化无显著影响 | 开发心脏纤维化的三维成像与深度学习量化方法，并评估GLP-1R激动剂的抗纤维化疗效 | db/db UNx-ReninAAV小鼠模型（表现为糖尿病、肾衰竭、肥胖和高血压） | 数字病理学 | 心血管疾病 | 荧光胶原标记、组织透明化、三维光片荧光显微镜 | 深度学习 | 三维图像 | 未明确样本数量，但分析了17个左心室节段 | NA | NA | NA | NA |
| 2470 | 2026-02-03 |
Research on a spatiotemporal prediction method for two-dimensional temperature fields based on TDLAS array sensors and the SwinLSTM model
2026-Feb-02, The Analyst
DOI:10.1039/d5an01304f
PMID:41504477
|
研究论文 | 本文提出了一种基于TDLAS阵列传感器和SwinLSTM模型的二维温度场时空预测方法，用于火焰温度场的准确重构和短期预测 | 结合二维阵列TDLAS直接成像与深度学习，采用64像素阵列探测器替代传统单点传感器，并构建SwinLSTM模型以同时学习温度场的空间全局依赖性和时间动态特性 | NA | 开发一种能够准确重构和预测火焰二维温度场的时空预测诊断方法 | 火焰的二维温度场 | 计算机视觉 | NA | 可调谐二极管激光吸收光谱技术 | LSTM | 图像 | NA | NA | SwinLSTM | SSIM, PSNR | NA |
| 2471 | 2026-02-03 |
Reduction of motion artifacts from photoplethysmography signals using learned convolutional sparse coding
2026-Feb-02, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae35cb
PMID:41505906
|
研究论文 | 本文提出了一种结合信号分解和深度学习优势的框架，用于减少可穿戴设备中光电容积脉搏波信号的运动伪影 | 利用算法展开将PPG结构先验知识整合到深度神经网络中，提高了模型的可解释性，并采用学习卷积稀疏编码模型捕获重复形态模式 | 未明确说明模型在极端运动条件下的泛化能力或临床验证的详细结果 | 提高可穿戴设备中光电容积脉搏波信号的质量，以支持心血管疾病的监测 | 光电容积脉搏波信号及其运动伪影 | 信号处理 | 心血管疾病 | 光电容积脉搏波 | 深度神经网络, 卷积稀疏编码 | 信号数据 | 使用PulseDB数据集和PPG-DaLiA数据集，具体样本数量未明确 | NA | 学习卷积稀疏编码模型 | 信噪比, 心率平均绝对误差 | NA |
| 2472 | 2026-02-03 |
EXPRESS: Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra
2026-Feb-02, Applied spectroscopy
IF:2.2Q2
DOI:10.1177/00037028261422275
PMID:41622963
|
研究论文 | 本文提出了一种卷积自编码器，用于肿瘤细胞和组织拉曼光谱的单步自动化预处理 | 开发了一种卷积自编码器，能够单步自动化去除拉曼光谱中的基线、噪声和宇宙射线，无需GPU支持，处理速度快 | 未明确提及模型在更广泛或不同类型肿瘤光谱数据上的泛化能力 | 开发一种深度学习框架，用于高效自动化预处理肿瘤细胞和组织的拉曼光谱，以支持放疗反应监测研究 | 临床前单细胞系和异种移植组织光谱，以及临床前列腺肿瘤活检光谱 | 机器学习 | 前列腺癌 | 拉曼光谱 | 自编码器 | 光谱数据 | 约11,000条光谱 | 未明确提及 | 卷积自编码器 | 均方根误差, 百分比均方根差异, 宇宙射线去除率 | 无需GPU，在2.4秒内处理约11,000条光谱 |
| 2473 | 2026-02-03 |
Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection
2026-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2426580
PMID:39550608
|
研究论文 | 提出一种结合Kruskal-Szekeres生成对抗网络与深度自编码器的方法，用于结直肠癌的早期检测 | 提出KSGANA-DA模型，首次将Kruskal-Szekeres坐标变换应用于数据增强，并结合基于解剖标志的深度自编码器进行图像分割 | 未明确说明数据集的具体来源、样本数量及临床验证范围 | 提高结直肠癌早期检测的准确率和效率 | 结直肠癌医学图像 | 数字病理学 | 结直肠癌 | 医学图像处理 | GAN, Autoencoder | 图像 | NA | Python | Kruskal-Szekeres GAN Augmented Deep Autoencoder | 精确率, 召回率, 训练时间 | NA |
| 2474 | 2026-02-03 |
ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images
2026-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2435491
PMID:39663578
|
研究论文 | 提出了一种结合Vision Transformer残差密集网络和自适应深度贝叶斯网络的阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病识别 | 首次将Vision Transformer与残差密集网络结合用于医学图像特征提取，并采用自适应深度贝叶斯网络进行疾病检测，通过增强高尔夫优化算法优化网络参数 | 未提及模型在不同数据集上的泛化能力测试，也未说明计算复杂度或实时性分析 | 开发基于深度学习的阿尔茨海默病早期检测方法 | 阿尔茨海默病患者的MRI图像 | 计算机视觉 | 阿尔茨海默病 | MRI成像 | Vision Transformer, 残差网络, 密集网络, 贝叶斯网络 | 图像 | NA | NA | ViT-ResDenseNet, Ada-DBN | 准确率 | NA |
| 2475 | 2026-02-03 |
Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth
2026-Feb, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70074
PMID:40276961
|
研究论文 | 本研究开发了一种基于深度学习的连续睡眠深度测量方法——序数睡眠深度（OSD），并评估了其与觉醒概率及临床变量的相关性 | 提出了一种数据驱动的连续睡眠深度测量方法，通过卷积神经网络结合序数回归，超越了传统离散睡眠分期的限制 | 研究基于特定人群的PSG数据，可能无法完全推广到所有人群或睡眠条件 | 开发并验证一种连续测量睡眠深度的方法，以更精确地评估睡眠质量及其与临床因素的关系 | 18,116名独特患者的21,787份多导睡眠图记录 | 机器学习 | 睡眠障碍 | 多导睡眠图 | CNN | EEG信号 | 21,787份PSG记录来自18,116名患者 | 未明确指定，推测为PyTorch或TensorFlow | 卷积神经网络 | Pearson相关系数 | NA |
| 2476 | 2026-02-03 |
MRI-based detection of multiple sclerosis using an optimized attention-based deep learning framework
2026-Feb, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2527899
PMID:40616778
|
研究论文 | 本文提出了一种名为2DRK-MSCAN的深度学习框架，用于基于MRI数据早期准确检测多发性硬化病灶 | 开发了结合深度扩散残差核和多尺度蛇形卷积注意力机制的2DRK-MSCAN模型，以提高检测准确性和鲁棒性 | 临床验证仍在进行中，需要进一步的实际应用测试 | 开发并评估一种新型深度学习框架，用于早期和准确检测多发性硬化病灶 | 多发性硬化病灶 | 计算机视觉 | 多发性硬化 | MRI | CNN | 图像 | 三个公开可用的基于MRI的脑肿瘤数据集 | NA | EfficientNetV2L, U-Net | 准确率 | NA |
| 2477 | 2026-02-03 |
Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions
2026-Feb, Pharmacotherapy
IF:2.9Q2
DOI:10.1002/phar.70085
PMID:41276479
|
综述 | 本文是一篇范围综述，系统评估了人工智能和机器学习模型在预测偏头痛药物治疗反应方面的证据，并指出了当前方法的局限性和未来发展方向 | 首次系统性地对AI/ML在预测偏头痛药物治疗反应中的应用进行了范围综述，并识别了普遍存在的验证不足和数据瓶颈等关键方法学弱点 | 现有研究大多仅依赖内部验证，存在高过拟合风险，外部验证极其罕见，且数据集中存在患者队列重叠，完全缺乏生物标志物或遗传数据 | 评估AI和ML模型在预测偏头痛患者对急性或预防性药物治疗反应方面的证据，并推动精准医疗在偏头痛治疗中的应用 | 偏头痛患者 | 机器学习 | 偏头痛 | 临床表型分析、神经影像数据 | 支持向量机、深度学习、概率模型 | 临床数据、神经影像数据 | 基于12项符合条件的研究，具体样本量未在摘要中明确说明 | NA | NA | 预测准确性 | NA |
| 2478 | 2026-02-03 |
Highly Accelerated T1ρ Imaging in 3 min: Comparison Between Compressed Sensing and Deep Learning Reconstruction
2026-Feb, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70226
PMID:41493163
|
研究论文 | 本研究比较了压缩感知和深度学习在膝关节软骨T1ρ成像加速重建中的性能 | 首次在膝关节软骨T1ρ映射中系统比较压缩感知与深度学习加速重建技术，并评估了前瞻性欠采样数据的重建效果 | 样本量较小（9名志愿者），且仅针对膝关节软骨进行评估，未涉及其他组织或疾病 | 比较压缩感知与深度学习在加速磁共振T1ρ成像重建中的性能，以缩短扫描时间 | 人类膝关节软骨（包括健康志愿者和三名确诊病理患者） | 医学影像分析 | 骨关节疾病 | 3T MRI扫描，T1ρ映射，DESS成像，3D MAPSS序列，GRAPPA加速采集 | 深度学习模型（具体架构未明确说明） | 磁共振图像 | 9名志愿者（包括3名确诊病理患者） | NA | NA | 中位数归一化绝对差异，一致性相关系数，变异系数 | NA |
| 2479 | 2026-02-03 |
Deep learning-based lung volume estimation with dynamic chest radiography
2026-Feb, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70487
PMID:41611260
|
研究论文 | 本研究利用深度学习从动态胸部X光摄影图像中估计肺容积，并与传统线性回归方法进行比较 | 首次将深度学习模型（VGG19和DenseNet121）应用于动态胸部X光摄影图像进行肺容积估计，相比传统线性回归方法表现出更优性能 | 深度学习模型估计的用力肺活量误差相对较高，模型架构和呼吸操作指导方面仍有改进空间 | 研究基于动态胸部X光摄影图像的肺容积估计方法，评估其准确性 | 257名患者的动态胸部X光摄影图像和对应CT图像 | 计算机视觉 | 肺部疾病 | 动态胸部X光摄影，CT成像 | CNN | 图像 | 257名患者 | 未明确指定 | VGG19, DenseNet121 | 平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 自由度调整决定系数 | NA |
| 2480 | 2026-02-03 |
Functional and Clinical: An Explainable Deep Learning Model for Multimodal Alzheimer's Disease Classification
2026-Feb, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.71240
PMID:41612899
|
研究论文 | 本研究开发了一种结合功能磁共振成像和临床测试的多模态可解释深度学习模型，用于阿尔茨海默病的分类 | 采用多模态和可解释人工智能方法，通过补充临床数据克服小数据集限制，应用扰动排名解释特征重要性，并采用严格的留一交叉验证防止数据泄露 | 样本量较小且需要外部验证 | 提高阿尔茨海默病分类的准确性、可解释性和临床适用性 | 来自ADNI的52名参与者，包括阿尔茨海默病患者和对照组 | 数字病理学 | 阿尔茨海默病 | 功能磁共振成像 | CNN | 图像, 临床数据 | 52名参与者 | NA | 3D卷积神经网络 | 准确率 | NA |