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 36734 篇文献，本页显示第 3401 - 3420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3401 | 2025-11-23 |
Single Cell Spatial Transcriptomics Reveals Immunotherapy-Driven Bone Marrow Niche Remodeling in AML
2025-Jan-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.24.634753
PMID:39975227
|
研究论文 | 本研究通过单细胞空间转录组学分析免疫治疗对急性髓系白血病骨髓微环境的重塑作用 | 整合单细胞RNA测序与空间转录组数据，开发基于深度学习的细胞分割模型，采用细胞边缘距离计算方法更精确分析肿瘤微环境 | 测序深度限制，样本量有限 | 研究免疫治疗对急性髓系白血病骨髓微环境中白血病细胞与免疫细胞时空相互作用的影响 | 难治性或复发性急性髓系白血病患者的骨髓样本 | 数字病理学 | 急性髓系白血病 | 单细胞RNA测序, 空间转录组学, 多组学分析 | 深度学习分割模型 | 空间转录组数据, 单细胞RNA测序数据, 图像数据 | NA | NA | NA | NA | NA |
| 3402 | 2025-11-23 |
Robust Human Gait Speed Recognition Under Non-Ideal Conditions for Suspension-Assisted Walking Systems
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70029
PMID:41262208
|
研究论文 | 提出一种基于IMU信号和混合深度学习模型的步态速度识别框架，用于非理想条件下的可靠步态分析 | 融合CNN和BiLSTM的混合深度学习模型，结合多传感器数据融合和两阶段特征选择策略，在非理想条件下实现高精度步态速度识别 | 仅使用8名健康受试者数据，未在患者群体中验证，样本规模有限 | 开发在非理想条件下鲁棒的步态速度识别方法，用于移动能力评估和智能辅助系统 | 健康受试者的下肢运动数据 | 机器学习 | NA | 惯性测量单元(IMU)信号采集，快速傅里叶变换(FFT)，连续小波变换(CWT) | CNN, BiLSTM, LSTM, GRU, BP | 运动传感器数据 | 8名健康受试者 | NA | CNN-BiLSTM混合模型 | 准确率, 均方根误差(RMSE) | NA |
| 3403 | 2025-11-23 |
Engineering Macrophage via Biomaterial-Mediated Mitochondrial Regulation: Mechanisms and Strategies
2025, Research (Washington, D.C.)
DOI:10.34133/research.0883
PMID:41262353
|
综述 | 本文综述了通过生物材料介导的线粒体调控工程化改造巨噬细胞的机制与策略 | 提出人工智能驱动的深度学习方法加速靶向线粒体疗法开发，建立理性设计原则和标准化评估方案 | 面临单细胞中心调控、线粒体互作复杂性和传统试错策略效率低下等转化挑战 | 开发针对炎症相关疾病的线粒体靶向精准免疫治疗策略 | 巨噬细胞的线粒体稳态与表型极化 | 生物医学工程 | 炎症性疾病 | 生物材料介导的线粒体调控 | 深度学习 | 代谢网络模型 | NA | NA | NA | NA | NA |
| 3404 | 2025-11-23 |
Artificial intelligence-assisted accurate diagnosis of anterior cruciate ligament tears using customized CNN and YOLOv9
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1691048
PMID:41262491
|
研究论文 | 本研究开发了一种基于定制CNN和YOLOv9的人工智能系统，用于通过膝关节MRI准确诊断前交叉韧带撕裂 | 提出定制化CNN架构，采用手术验证数据集，同时包含部分和完全撕裂病例，并采用严格的患者级数据分割方法 | 单中心研究，未来需要扩展到多中心数据集、多样化MRI协议和前瞻性读者研究 | 评估多种CNN架构在前交叉韧带撕裂检测中的性能 | 前交叉韧带撕裂患者 | 计算机视觉 | 运动损伤 | 磁共振成像 | CNN, YOLOv9 | 图像 | 8,086个质子密度加权矢状位膝关节MRI切片 | NA | CustomCNN, DenseNet121, InceptionResNetV2 | 准确率, 灵敏度, 特异性, AUC | NA |
| 3405 | 2025-11-23 |
Artificial intelligence for mental health: A narrative review of applications, challenges, and future directions in digital health
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251395548
PMID:41262770
|
综述 | 本文系统回顾了人工智能在心理健康领域的应用现状、挑战和未来发展方向 | 重点关注非生成式AI在心理健康领域的应用，涵盖诊断、治疗个性化和实时监测等多个维度 | 数据集多样性不足、算法偏见、缺乏临床验证以及伦理考量等挑战 | 探索人工智能在心理健康领域的应用潜力和发展方向 | 心理健康数字健康应用 | 自然语言处理, 机器学习 | 心理健康障碍 | 机器学习, 深度学习, 自然语言处理 | NA | 多模态数据 | NA | NA | NA | 诊断准确性, 治疗个性化程度 | NA |
| 3406 | 2025-11-23 |
The Hydractinia Genome Project Portal: multi-omic annotation and visualization of Hydractinia genomic datasets
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf215
PMID:41262968
|
研究论文 | 介绍水螅基因组项目门户网站，提供水螅属两种物种的多组学数据和可视化工具 | 首次提供水螅属物种的综合性多组学数据门户，包含独特的单细胞基因表达图谱和基于结构的深度学习功能注释方法 | 仅涵盖两种水螅物种，功能注释方法仍存在已知的注释转移空白 | 推进对水螅模型生物的研究，增强对基因组与形态复杂性关系的理解 | 水螅属两种广泛研究的物种 | 生物信息学 | NA | 基因组学、转录组学、蛋白质组学、单细胞测序 | DeepFRI | 基因组序列、转录组数据、蛋白质结构数据 | NA | NA | NA | NA | NA |
| 3407 | 2025-11-23 |
SCC-NET: segmentation of clinical cancer image for head and neck squamous cell carcinoma
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.065501
PMID:39583005
|
研究论文 | 提出一种基于神经架构搜索U-Net的改进模型SCC-NET，用于头颈部鳞状细胞癌内镜图像的病灶分割 | 提出可学习离散小波池化技术，结合通道注意力模块为不同层输出分配权重，并引入CSPNet的跨阶段部分设计 | 仅使用单一医疗中心数据，样本量相对有限 | 开发头颈部鳞状细胞癌内镜图像的自动分割算法 | 头颈部鳞状细胞癌内镜图像 | 数字病理 | 头颈部鳞状细胞癌 | 内镜检查 | U-Net, CSPNet | 图像 | 556张经病理确认的鳞状细胞癌照片 | NA | SCC-NET, U-Net, CSPNet | mIOU, Dice相似系数, 准确率, 召回率 | NA |
| 3408 | 2025-11-23 |
Session Introduction: Artificial Intelligence in Clinical Medicine: Generative and Interactive Systems at the Human-Machine Interface
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160265
|
会议介绍 | 介绍2024年太平洋生物计算研讨会中关于临床医学人工智能的专题会议，重点关注生成式和交互式系统在人机界面的应用 | 聚焦于生成式AI和深度学习模型在医疗领域的突破性应用，特别强调人机交互界面的创新研究 | NA | 评估AI系统在医疗保健中的潜在影响和意义，开发解决实际医疗问题的AI算法 | 临床决策支持系统、监测工具、医学影像解读和分诊能力 | 人工智能在医学中的应用 | NA | 生成式AI、深度学习 | 深度学习模型 | 非结构化文本、影像数据、结构化和表格数据 | NA | NA | NA | NA | NA |
| 3409 | 2025-11-23 |
BrainSTEAM: A Practical Pipeline for Connectome-based fMRI Analysis towards Subject Classification
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160269
|
研究论文 | 提出BrainSTEAM集成框架，通过时空模块和多种技术组合解决fMRI数据有限导致的过拟合问题，提升基于连接组的脑功能网络分析性能 | 提出结合EdgeConv图神经网络、自编码器和Mixup策略的集成框架，通过动态分割时间序列信号构建相关网络来增加训练数据 | 依赖于有限规模的神经影像数据集，在更广泛疾病类型上的泛化能力有待验证 | 开发有效的基于连接组的fMRI分析框架，用于神经模式发现和疾病诊断 | 功能脑网络和脑区连接结构 | 神经影像分析 | 自闭症 | fMRI | GNN, Autoencoder | 功能磁共振成像时间序列数据 | ABIDE和HCP两个真实世界神经影像数据集 | PyTorch | EdgeConv | 分类准确率 | NA |
| 3410 | 2025-11-23 |
Optimizing Computer-Aided Diagnosis with Cost-Aware Deep Learning Models
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160273
|
研究论文 | 本研究提出了一种集成成本敏感参数的深度学习辅助诊断系统，旨在优化医学影像诊断中的错误分类成本 | 在激活函数中引入成本敏感参数，差异化处理假阴性和假阳性错误的代价 | 仅在两个医学影像数据集上验证，未在其他疾病或影像模态上测试 | 开发成本敏感的深度学习模型以优化计算机辅助诊断系统 | 肺结节影像和乳腺癌组织学图像 | 计算机视觉 | 肺癌, 乳腺癌 | 医学影像分析 | 深度学习 | 医学影像 | LIDC和BreakHis两个数据库的样本 | NA | NA | 灵敏度, 准确率 | NA |
| 3411 | 2025-11-23 |
A deep neural network estimation of brain age is sensitive to cognitive impairment and decline
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160276
|
研究论文 | 本研究利用自由水校正的扩散MRI和T1加权MRI构建深度神经网络预测大脑年龄，并探讨其与认知障碍的关系 | 首次采用自由水校正的dMRI技术分离组织与液体信号，并结合T1加权MRI构建密集连接神经网络预测大脑年龄 | 未说明具体样本量大小和参与者的详细人口统计学特征 | 开发敏感的生物标志物用于阿尔茨海默病的诊断和监测 | 认知未受损个体和轻度认知障碍参与者 | 医学影像分析 | 阿尔茨海默病 | 扩散MRI, T1加权MRI, 自由水校正技术 | 深度神经网络 | 神经影像数据 | NA | NA | 密集连接神经网络 | 相关系数r, p值, β系数 | NA |
| 3412 | 2025-11-23 |
Live-cell imaging in the deep learning era
2023-12, Current opinion in cell biology
IF:6.0Q1
DOI:10.1016/j.ceb.2023.102271
PMID:37897927
|
综述 | 本文综述了深度学习时代活细胞成像的计算方法进展 | 系统总结了深度学习在活细胞成像中的最新应用，包括自主显微镜等前沿技术 | 仅简要覆盖重要计算方法，未提供详细的实施指南或性能比较 | 探讨深度学习如何改变活细胞成像的实施和数据分析方式 | 活细胞成像技术和相关计算方法 | 计算机视觉 | NA | 荧光显微镜，活细胞成像 | 深度学习 | 图像，时间序列数据 | NA | NA | NA | NA | NA |
| 3413 | 2025-11-23 |
A deep neural network estimation of brain age is sensitive to cognitive impairment and decline
2023-Oct-11, bioRxiv : the preprint server for biology
DOI:10.1101/2023.08.10.552494
PMID:37645837
|
研究论文 | 本研究利用自由水校正的扩散MRI和T1加权MRI特征构建深度神经网络模型预测脑年龄，并验证其对认知障碍和认知衰退的敏感性 | 首次采用自由水校正的扩散MRI技术分离脑组织与液体成分，并构建多模态融合的深度神经网络模型预测脑年龄 | 未明确说明样本来源和具体样本量，研究范围可能受限于特定人群 | 开发敏感的生物标志物用于阿尔茨海默病的诊断和监测 | 认知未受损个体和轻度认知障碍参与者 | 医学影像分析 | 阿尔茨海默病 | 扩散MRI, T1加权MRI, 自由水校正技术 | 深度神经网络 | 神经影像数据 | NA | NA | 密集连接神经网络 | 相关系数, p值, β系数 | NA |
| 3414 | 2025-11-23 |
Segmenting 3D geometry of left coronary artery from coronary CT angiography using deep learning for hemodynamic evaluation
2022-11-08, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ac9e03
PMID:36317246
|
研究论文 | 提出基于深度学习的CoronarySegNet框架，用于从冠状动脉CT血管造影图像中自动分割左冠状动脉并生成3D几何模型 | 结合通道感知注意力模块和带有空间丢弃的深度残差块的U-net架构，通过消除2D特征图增强特征图独立性 | NA | 开发自动分割左冠状动脉3D几何的深度学习框架，用于血流动力学评估 | 左冠状动脉 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影 | CNN | 医学图像 | 来自孟加拉国多家医疗中心和Rotterdam冠状动脉算法评估挑战数据集的CCTA图像 | NA | U-net | Dice相似系数 | NA |
| 3415 | 2025-11-22 |
Ergonomic handheld chip: An instrument-free RPA-CRISPR platform for rapid home self-testing
2026-Feb-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.118157
PMID:41177006
|
研究论文 | 开发了一种无需仪器的便携式微流控芯片平台，用于家庭自测分子检测 | 将机械、生化和智能模块集成到手持设备中，通过单次摆动产生瞬时加速度驱动试剂流动，无需外部泵、加热器或电源 | 样本量较小(52个样本)，仅验证了HPV检测应用 | 开发低成本、无需仪器、用户友好的分子检测平台用于分散或家庭环境 | 高风险人乳头瘤病毒(HPV) | 生物医学工程 | 病毒感染疾病 | RPA-CRISPR, 微流控技术, 荧光成像 | 深度学习模型 | 智能手机采集的荧光图像 | 52个临床样本 | NA | NA | 检测限, 特异性, 准确率, 一致性 | 智能手机 |
| 3416 | 2025-11-22 |
MR Imaging of the Triangular Fibrocartilage Complex: Anatomy and Relevant Pathology
2026-Feb, Magnetic resonance imaging clinics of North America
IF:1.5Q3
DOI:10.1016/j.mric.2025.08.004
PMID:41265977
|
综述 | 本文探讨了三角纤维软骨复合体磁共振成像的技术要求、解剖结构及相关病理表现 | 介绍了深度学习新技术在提高三角纤维软骨复合体磁共振成像分辨率和诊断准确性方面的应用潜力 | 磁共振成像与关节镜检查作为金标准的一致性仍面临挑战 | 优化三角纤维软骨复合体的磁共振成像技术和诊断准确性 | 三角纤维软骨复合体及其相关病理变化 | 医学影像 | 腕关节疾病 | 磁共振成像, 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 3417 | 2025-11-22 |
Amplification-free detection of mycoplasma pneumoniae via CRISPR-Cas12a and deep learning-optimized crRNAs on a lateral flow platform
2026-Jan-15, Journal of pharmaceutical and biomedical analysis
IF:3.1Q2
DOI:10.1016/j.jpba.2025.117196
PMID:41129856
|
研究论文 | 开发了一种基于CRISPR-Cas12a和深度学习优化crRNA的无扩增检测平台，用于肺炎支原体的快速诊断 | 结合深度学习优化的crRNA文库与侧向流平台，实现无扩增检测并显著提升检测灵敏度 | 未明确说明临床样本规模及深度学习模型的具体架构细节 | 开发快速准确的肺炎支原体检测方法 | 肺炎支原体P1基因保守区域 | 生物信息学 | 呼吸道感染 | CRISPR-Cas12a, 侧向流检测, 深度学习 | 深度学习 | 基因序列数据 | 从50多个候选crRNA中筛选出16个高活性crRNA | NA | NA | 检测限, 灵敏度, 特异性, 信号饱和度时间 | NA |
| 3418 | 2025-11-22 |
Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation
2026-Jan, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-04991-6
PMID:40782188
|
研究论文 | 开发并验证用于肩关节置换术患者肩袖肌肉自动3D分割的深度学习模型 | 首次在纵向CT扫描中实现肩袖肌肉和脂肪的自动化3D分割，显著减少分析时间 | 样本量相对有限（53名患者用于模型开发），仅针对肩关节置换术患者 | 开发自动化工具量化肩袖肌肉体积和脂肪分数，改善肩关节置换术的评估 | 接受全肩关节置换术的患者 | 医学影像分析 | 肩关节疾病 | CT扫描 | 深度学习 | 3D CT影像 | 53名患者用于模型训练验证，172名患者用于应用分析 | NA | DeepLabV3+, ResNet50 | Dice相似系数, 平均对称表面距离, 95% Hausdorff距离, 相对绝对体积差异 | NA |
| 3419 | 2025-11-22 |
Development of a novel machine learning model to automate vertebral column segmentation utilizing biplanar full-body imaging
2025-Dec, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2025.05.003
PMID:40324481
|
研究论文 | 开发了一种基于双平面全身成像的自动化脊柱分割机器学习模型 | 采用两阶段深度学习模型，能够处理复杂脊柱病理和植入器械的干扰 | 回顾性研究，样本量有限（250张图像），仅使用单一医疗中心数据 | 开发自动化脊柱分割算法以辅助退变性脊柱侧弯评估 | 退变性脊柱侧弯患者的双平面全身X光图像 | 计算机视觉 | 脊柱侧弯 | 双平面全身X光成像 | CNN | X光图像 | 250张患者图像（200张训练，50张测试） | NA | UNET | Dice-Sørensen系数 | NA |
| 3420 | 2025-11-22 |
Deep learning-based automatic segmentation of arterial vessel walls and plaques in MR vessel wall images for quantitative assessment
2025-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11697-9
PMID:40459736
|
研究论文 | 开发基于深度学习的自动分割方法用于MR血管壁图像中动脉血管壁和斑块的定量评估 | 提出结合血管壁先验知识和Tversky损失的自动斑块分割方法，利用血管壁与斑块间的形态相似性提升分割性能 | 缺乏对其他设备、人群和解剖部位测试，研究结果的可靠性仍需进一步探索 | 开发自动分割方法用于血管壁和动脉粥样硬化斑块的定量评估 | 193名动脉粥样硬化斑块患者的MR血管壁图像 | 医学图像分析 | 心血管疾病 | T1加权MRI扫描 | CNN | 医学图像 | 193名患者（107名训练验证，39名内部测试，47名外部测试）来自五个中心 | NA | Vessel-SegNet | Dice相似系数, 组内相关系数 | NA |