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 36434 篇文献，本页显示第 3301 - 3320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3301 | 2025-11-19 |
A systematic literature review on mammography: deep learning techniques for breast cancer detection with global and Asian perspectives
2025-Oct-22, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14876-5
PMID:41126088
|
系统综述 | 本文系统综述了基于深度学习的乳腺X线摄影乳腺癌检测技术，特别关注亚洲人群的研究现状和挑战 | 首次系统分析亚洲人群在深度学习乳腺癌检测中的特殊挑战和研究空白，揭示全球研究对高加索人群数据集的偏向性 | 纳入研究的时间范围限制（2018-2023年），亚洲数据集代表性不足，缺乏多中心验证 | 评估深度学习在乳腺癌检测中的应用现状，特别关注亚洲人群的研究差距 | 基于乳腺X线摄影的乳腺癌检测研究，重点关注亚洲人群数据 | 计算机视觉 | 乳腺癌 | 深度学习，图像预处理，数据增强 | 深度学习模型 | 乳腺X线影像 | 287篇纳入研究，涉及1051条记录筛选 | NA | NA | NA | NA |
| 3302 | 2025-11-19 |
Criteria for Keratoconus Progression: A Systematic Review of Diagnostic Test Accuracy
2025-Oct-22, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004020
PMID:41247279
|
系统评价 | 对用于定义圆锥角膜进展标准的诊断测试准确性进行系统评价 | 首次系统评估圆锥角膜进展诊断标准的准确性，比较不同诊断方法的敏感性和特异性 | 纳入研究数量有限（15项），且主要为回顾性研究，存在潜在偏倚 | 评估圆锥角膜进展诊断标准的准确性 | 圆锥角膜患者（2654名患者的3547只眼睛） | 医学诊断 | 圆锥角膜 | 系统评价和诊断测试准确性分析 | NA | 医学研究数据 | 15项研究，2654名患者，3547只眼睛 | NA | NA | 敏感性, 特异性, 诊断比值比 | NA |
| 3303 | 2025-11-19 |
Deep Learning Algorithms in the Diagnosis of Basal Cell Carcinoma Using Dermatoscopy: Systematic Review and Meta-Analysis
2025-Oct-03, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/73541
PMID:41043135
|
系统评价与荟萃分析 | 评估基于皮肤镜的深度学习算法在基底细胞癌诊断中的性能表现 | 首次对基于皮肤镜的深度学习算法诊断基底细胞癌进行系统性评价和荟萃分析 | 多数纳入研究为回顾性设计，参考标准存在差异，外部验证数据集性能有限 | 评估深度学习算法在基底细胞癌皮肤镜诊断中的诊断性能 | 基底细胞癌的皮肤镜图像 | 计算机视觉 | 皮肤癌 | 皮肤镜检查 | 深度学习算法 | 图像 | 内部验证集32,069例患者或图像，外部验证集200例患者或图像 | NA | NA | 灵敏度, 特异度, AUC | NA |
| 3304 | 2025-11-19 |
The Significance of Prolonged Physical Activity in Neurogenesis and Neural Regeneration: Comparing Clinical Studies With Proposed AI-Based Framework
2025-Oct, Artificial organs
IF:2.2Q3
DOI:10.1111/aor.15059
PMID:40692193
|
综述 | 本文探讨人工智能在分析运动对神经干细胞增殖影响中的应用 | 提出基于AI的框架来比较临床研究结果，预测神经再生机制 | 主要依赖现有临床研究数据，缺乏实际AI模型验证 | 研究运动对成人神经发生的影响及AI在此领域的应用潜力 | 神经干细胞、神经元、神经胶质细胞 | 机器学习 | 神经退行性疾病 | NA | 机器学习算法,深度学习技术 | 临床研究数据 | NA | NA | NA | NA | NA |
| 3305 | 2025-11-19 |
A novel RHD*01N allele harboring a c.634+1G>A splice site variant results in the RhD-negative phenotype in a Chinese blood donor
2025-Oct, Transfusion
IF:2.5Q2
DOI:10.1111/trf.18390
PMID:40910776
|
研究论文 | 在中国献血者中发现一种导致RhD阴性表型的新型RHD*01N等位基因 | 首次报道了c.634+1G>A剪接位点变异导致的新型RHD*01N等位基因 | 仅针对单个病例进行研究，样本量有限 | 鉴定导致RhD阴性表型的新型RHD基因变异 | 中国献血者的血液样本 | 医学遗传学 | 血型系统疾病 | 血清学检测、Sanger测序、单分子实时测序 | 深度学习 | 基因组数据 | 1例中国献血者 | SpliceAI | NA | NA | NA |
| 3306 | 2025-11-19 |
Deep Learning for Drug-Target Interaction Prediction: A Comprehensive Review
2025-Oct, Chemical biology & drug design
IF:3.2Q3
DOI:10.1111/cbdd.70183
PMID:41121622
|
综述 | 本文系统综述了基于深度学习的药物-靶点相互作用预测方法 | 首次对深度学习在DTI预测中的各类架构进行结构化梳理，并指出自监督学习和可解释人工智能等未来方向 | 作为综述文章未提出新的原创模型 | 总结深度学习在药物-靶点相互作用预测领域的研究进展 | 药物分子和蛋白质靶点 | 机器学习 | NA | 深度学习 | DNN, RNN, CNN, GNN, Transformer | 分子结构数据，蛋白质序列数据 | NA | NA | 深度神经网络，循环神经网络，卷积神经网络，图神经网络，Transformer模型 | 准确率，精确率，召回率，F1分数，AUC | NA |
| 3307 | 2025-11-19 |
Super-Resolution MR Spectroscopic Imaging via Diffusion Models for Tumor Metabolism Mapping
2025-Sep-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01652-x
PMID:40897835
|
研究论文 | 提出基于条件去噪扩散概率模型的深度学习框架，用于磁共振波谱成像的超分辨率重建，以改善脑胶质瘤代谢成像 | 首次将条件去噪扩散概率模型应用于MRSI超分辨率重建，采用自注意力UNet骨干网络整合全局上下文特征 | 主要针对IDH突变型胶质瘤进行研究，在其他类型神经系统疾病中的适用性需进一步验证 | 开发高分辨率磁共振波谱成像技术以改善肿瘤代谢成像质量 | IDH突变型胶质瘤患者和健康志愿者的磁共振波谱成像数据 | 医学影像分析 | 脑胶质瘤 | 磁共振波谱成像 | 扩散模型 | 医学影像 | 模拟患者数据和体内MRSI数据（包括健康志愿者和胶质瘤患者） | PyTorch | Self-Attention UNet | SSIM, PSNR, LPIPS | NA |
| 3308 | 2025-11-19 |
GastroNet-5M: A Multicenter Dataset for Developing Foundation Models in Gastrointestinal Endoscopy
2025-Jul-30, Gastroenterology
IF:25.7Q1
DOI:10.1053/j.gastro.2025.07.030
PMID:40749857
|
研究论文 | 本研究提出了包含482万张内窥镜图像的GastroNet-5M多中心数据集，并基于此开发了用于胃肠道内窥镜AI应用的基础模型 | 创建了目前最大的多中心胃肠道内窥镜图像数据集，采用自监督学习开发基础模型，在17种内窥镜AI应用中展现出优越性能 | 数据集仅包含2012-2020年荷兰8家医院的图像，可能存在地域和时间的局限性 | 开发用于胃肠道内窥镜AI应用的基础模型，减少对标注数据的依赖 | 胃肠道内窥镜图像 | 数字病理 | 胃肠道疾病 | 内窥镜成像 | 深度学习基础模型 | 图像 | 4,820,653张内窥镜图像，来自约500,000次检查程序 | 自监督学习 | NA | 分类准确率, 分割准确率, 数据效率, 鲁棒性 | NA |
| 3309 | 2025-11-19 |
Generating Synthetic Task-based Brain Fingerprints for Population Neuroscience Using Deep Learning
2025-May-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.03.606469
PMID:40654743
|
研究论文 | 提出一种从静息态功能磁共振成像生成未采集任务对比图的深度学习方法 | 首次实现从静息态fMRI生成任意功能认知任务的合成对比图，保留个体间变异 | 依赖于特定数据集（HCP和UK Biobank），任务生成范围受训练数据限制 | 解决任务功能磁共振成像在群体神经科学研究中的扩展难题 | 人类连接组计划寿命数据和英国生物银行超过20,000名个体 | 医学影像分析 | 神经科学相关疾病 | 功能磁共振成像（fMRI），包括任务fMRI和静息态fMRI | 深度学习 | 脑功能影像数据 | 超过20,000名个体 | NA | DeepTaskGen | 重建性能，个体间变异保留，人口统计学、认知和临床变量预测性能 | NA |
| 3310 | 2025-11-19 |
Universal consensus 3D segmentation of cells from 2D segmented stacks
2025-Mar-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.03.592249
PMID:38766074
|
研究论文 | 开发了一种无需训练数据即可将2D细胞分割转换为3D共识分割的理论和工具箱u-Segment3D | 提出兼容任何2D分割方法的通用3D分割方案，无需训练数据即可实现2D到3D的转换 | 依赖于2D分割方法的质量，在密集细胞和复杂形态情况下可能仍有挑战 | 解决3D细胞分割中密集标注的难题，开发通用的2D到3D分割方法 | 显微镜图像中的细胞，包括单细胞、细胞聚集体和组织 | 数字病理 | NA | 显微镜成像 | NA | 2D图像堆栈 | 11个真实数据集，超过70,000个细胞 | NA | NA | NA | NA |
| 3311 | 2025-11-19 |
Application Value of Intelligent Quick Magnetic Resonance for Accelerating Brain MR Scanning and Improving Image Quality in Acute Ischemic Stroke
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 评估智能快速磁共振在急性缺血性脑卒中患者中加速脑部MRI扫描和改善图像质量的应用价值 | 无需硬件改造即可显著缩短MRI扫描时间，同时通过智能算法提升加速序列的图像质量 | 样本量较小且未包含功能序列 | 评估智能快速磁共振技术在急性缺血性脑卒中诊断中的应用效果 | 58例急性缺血性脑卒中患者 | 医学影像分析 | 急性缺血性脑卒中 | 磁共振成像，扩散加权成像，T1加权，T2加权，T2-FLAIR序列 | 深度学习 | 磁共振图像 | 58例患者 | NA | NA | 信噪比，对比噪声比，定性评分，ASPECTS评分，组内相关系数 | NA |
| 3312 | 2025-11-19 |
IRTCI: Item Response Theory for Categorical Imputation
2024-Jul-02, Research square
DOI:10.21203/rs.3.rs-4529519/v1
PMID:39011102
|
研究论文 | 提出基于项目反应理论的分类数据插补新方法IRTCI，并与现有多种机器学习方法进行对比评估 | 首次将项目反应理论应用于分类数据插补，通过生成概率项确定缺失单元格的类别归属 | 未明确说明方法在大规模数据集上的计算效率及在复杂缺失模式下的表现 | 开发更有效的分类数据缺失值插补方法 | 具有缺失值的分类数据集 | 机器学习 | NA | 项目反应理论 | IRT | 分类数据（顺序、名义、二元） | 三个不同数据集 | NA | IRTCI | 准确率, 预测性能 | NA |
| 3313 | 2025-11-19 |
Mapping single-cell developmental potential in health and disease with interpretable deep learning
2024-Mar-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.19.585637
PMID:38562882
|
研究论文 | 开发可解释深度学习框架CytoTRACE 2，用于从单细胞RNA测序数据中表征细胞发育潜能和分化状态 | 提出首个可在绝对尺度上量化细胞潜能的可解释深度学习框架，涵盖31个跨物种数据集并验证其优于现有方法 | 方法验证主要基于已公开数据集，需要进一步实验验证在更多疾病模型中的适用性 | 建立单细胞水平发育潜能定量分析平台 | 人类和小鼠单细胞RNA测序数据 | 生物信息学 | 癌症 | 单细胞RNA测序 | 深度学习 | 基因表达数据 | 31个数据集，涵盖28种组织类型，62个小鼠胚胎发育时间点 | NA | NA | 潜能水平恢复准确度，分化状态重建精度 | NA |
| 3314 | 2025-11-19 |
Translation of tissue-based artificial intelligence into clinical practice: from discovery to adoption
2023-11, Oncogene
IF:6.9Q1
DOI:10.1038/s41388-023-02857-6
PMID:37875656
|
综述 | 探讨基于组织的人工智能在临床实践中的应用转化过程，从发现到采纳的完整路径 | 提出将人工智能应用于数字病理图像的多概念方法，包括语言建模和图像分析领域的新方法 | 数字病理/AI设备的新颖性及相关计算科学流程引入了新的设计和监管要求 | 推动组织基人工智能从研究向临床实践转化 | 数字病理图像和癌症诊断 | 数字病理学 | 癌症 | 数字病理成像 | 深度学习卷积神经网络, 多示例学习 | 病理图像 | NA | NA | NA | NA | NA |
| 3315 | 2025-11-19 |
Structure-based prediction of T cell receptor:peptide-MHC interactions
2023-01-20, eLife
IF:6.4Q1
DOI:10.7554/eLife.82813
PMID:36661395
|
研究论文 | 本研究开发了一种基于深度学习的结构建模方法，用于预测T细胞受体与肽-MHC复合物的相互作用 | 首次将专门优化的AlphaFold神经网络应用于TCR:肽-MHC相互作用的结构建模和特异性预测 | 预测结果尚未达到广泛实际应用水平，仍需进一步改进 | 开发可泛化的TCR:肽-MHC相互作用特异性预测模型 | T细胞受体(TCR)与主要组织相容性复合体(MHC)呈递的肽段之间的相互作用 | 机器学习 | 免疫相关疾病 | 蛋白质结构预测 | 深度神经网络 | 蛋白质结构数据 | NA | AlphaFold | AlphaFold变体 | 准确度 | NA |
| 3316 | 2025-11-18 |
Bio-inspired auto-adaptive framework for optimized movement of passive knee prosthesis
2026-Jan, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.107187
PMID:40987055
|
研究论文 | 提出一种仿生自适应框架，通过深度学习优化被动膝关节假体的运动控制 | 开发了能够智能适应并模拟自然步态的仿生框架，通过传感器和阻尼控制机制驱动被动膝关节 | NA | 为截肢者创建能够补偿失去的活动能力并模拟自然行走的智能假体框架 | 被动膝关节假体使用者 | 机器学习 | 截肢康复 | 传感器技术，阻尼控制机制 | 深度学习 | 步态相位事件数据 | NA | NA | NA | 分类准确率，膝关节屈曲角度，跌倒预防率 | NA |
| 3317 | 2025-11-18 |
Hybrid Fusion Model for Effective Distinguishing Benign and Malignant Parotid Gland Tumors in Gray-Scale Ultrasonography
2026-Jan, Ultrasound in medicine & biology
|
研究论文 | 开发了一种结合影像组学和迁移学习的混合融合模型DLRN，用于辅助超声医师区分腮腺良恶性肿瘤 | 首次将影像组学特征与深度迁移学习通过决策融合相结合，并进一步整合临床特征构建混合融合模型 | 回顾性研究，样本量相对有限（328例患者），仅来自两个中心 | 开发辅助诊断模型以提高腮腺肿瘤良恶性鉴别的准确性 | 经病理证实的腮腺肿瘤患者 | 医学影像分析 | 腮腺肿瘤 | 灰度超声成像 | 混合融合模型,机器学习分类器,迁移学习网络 | 超声图像 | 328例患者来自两个医疗中心 | NA | 8种机器学习分类器,7种迁移学习网络 | AUC,校准曲线,决策曲线分析,Hosmer-Lemeshow检验 | NA |
| 3318 | 2025-11-18 |
Enhancing Newborn Health Assessment: Ultrasound-based Body Composition Prediction Using Deep Learning Techniques
2026-Jan, Ultrasound in medicine & biology
|
研究论文 | 本研究开发了一种基于改进U-Net架构的深度学习模型，通过超声图像预测新生儿体成分（脂肪质量和去脂体重） | 首次将改进的U-Net架构应用于新生儿超声图像体成分预测，并采用Grad-CAM技术识别关键图像区域 | 研究样本量较小（仅65名早产儿），需要更大规模验证 | 探索深度学习在超声图像中预测新生儿体成分的可行性，改善新生儿健康评估 | 65名早产儿的721张肱二头肌、股四头肌和腹部超声图像 | 医学影像分析 | 新生儿健康 | 超声成像，空气置换体积描记法 | 深度学习 | 超声图像 | 65名早产儿，共721张超声图像 | NA | 改进的U-Net | 平均绝对误差(MAE), 均方误差(MSE), 均方根误差(RMSE), 平均绝对百分比误差(MAPE), Bland-Altman图 | NA |
| 3319 | 2025-11-18 |
Enhancing cardiac MRI reliability at 3 T using motion-adaptive B0 shimming
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70026
PMID:40810283
|
研究论文 | 本研究开发了一种基于深度学习的运动自适应B0匀场方法，用于改善3T高场强心脏MRI的可靠性 | 首次结合深度学习技术开发运动自适应B0匀场方法，能够动态补偿呼吸运动引起的磁场不均匀性 | 心脏运动对B0场影响较小（p=0.49），主要针对呼吸运动进行优化 | 改善高场强（≥3T）心脏MRI的磁场均匀性和图像质量 | 心脏MRI中的B0场不均匀性和运动伪影 | 医学影像处理 | 心血管疾病 | 心脏MRI, B0 mapping, T2* mapping | 深度学习 | MRI图像, 磁场映射数据 | 人体成像研究（具体样本数未明确说明） | NA | NA | 场均匀性标准差比, T2*映射变异系数, p值 | NA |
| 3320 | 2025-11-18 |
Automatic determination of the resection plane for shoulder arthroplasty in arthritic humeri: a deep learning model
2025-Dec, Journal of shoulder and elbow surgery
IF:2.9Q1
DOI:10.1016/j.jse.2025.03.010
PMID:40274011
|
研究论文 | 开发深度学习模型自动确定关节炎肱骨肩关节置换术的截骨平面 | 首个针对关节炎肱骨自动识别截骨平面的深度学习方法，解决了骨赘和畸形导致解剖标志模糊的临床难题 | 样本量较小（62例），仅基于CT扫描数据，未验证其他影像模态 | 实现肩关节置换术中肱骨截骨平面的自动精确定位 | 关节炎和非关节炎患者的肱骨三维模型 | 医学影像分析 | 骨关节炎 | 计算机断层扫描（CT） | 深度学习模型 | 三维模型 | 62例肱骨三维模型（80%训练，20%测试） | NA | NA | 质心平均欧几里得距离，法向量角度误差 | NA |