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 44490 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2026-05-25 |
Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle
2025-Jun-01, Molecular biology of the cell
IF:3.1Q3
DOI:10.1091/mbc.E25-01-0009
PMID:40327364
|
研究论文 | 通过微流控培养、深度学习视频帧插值算法FIEST和细胞周期阶段特异性分割，连续定量成像并分析真核微生物整个生命周期中的细胞分裂与生长 | 首次结合微流控培养、深度学习视频帧插值算法（FIEST）和细胞周期阶段特异性分割，实现对整个真核微生物生命周期的连续定量成像与分析，克服了传统方法中对细胞状态进行分离研究的限制 | 未明确提及具体局限性，但可能受限于实验条件（如单一环境条件）和算法对特定病原体的泛化能力 | 连续定量研究真核微生物的完整生命周期，揭示细胞分裂、生长及细胞周期调控因子随生命阶段的变化规律 | 真核微生物（如酵母）的整个生命周期，包括休眠、交配、减数分裂和细胞分裂等状态 | 计算机视觉 | NA | 微流控培养、深度学习视频帧插值 | 深度学习模型（视频帧插值） | 图像 | 最多三代有性繁殖的酵母细胞群体 | Python（FIEST包） | FIEST（视频帧插值算法） | NA | NA |
| 402 | 2026-05-25 |
Epistasis regulates genetic control of cardiac hypertrophy
2025-Jun, Nature cardiovascular research
IF:9.4Q1
DOI:10.1038/s44161-025-00656-8
PMID:40473955
|
研究论文 | 利用深度学习从心脏磁共振图像估计左心室质量，发现心脏肥大的上位性遗传调控网络 | 开发了低信号有符号迭代随机森林方法，揭示了传统全基因组关联研究中被忽略的上位性变异位点，并结合功能性基因组与微流控单细胞形态学分析验证因果关系 | 样本主要来自英国生物样本库，可能存在人群偏倚；上位性检测的统计效力受样本量限制 | 阐明心脏肥大中非加性遗传相互作用的复杂遗传结构 | 来自英国生物样本库的29,661例心脏磁共振图像及313个人类心脏转录组数据 | 计算机视觉, 机器学习 | 心血管疾病 | 深度学习, RNA-seq, RNA沉默, 微流控单细胞形态学分析 | 随机森林, 深度学习 | 图像, 转录组, 单细胞形态学数据 | 29,661例心脏磁共振图像, 313个人类心脏样本 | PyTorch, Scikit-learn | 低信号有符号迭代随机森林 | NA | NA |
| 403 | 2026-05-25 |
Ensemble network using oblique coronal MRI for Alzheimer's disease diagnosis
2025-04-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121151
PMID:40147601
|
研究论文 | 提出利用斜冠状磁共振成像结合集成学习进行阿尔茨海默病诊断的方法 | 首次提出使用斜冠状MRI切片结合集成学习策略进行AD诊断，并实现了基于患者级别的分类而非图像级别分类 | 未提及具体局限性 | 开发一种利用斜冠状MRI辅助诊断阿尔茨海默病的方法 | 阿尔茨海默病、轻度认知障碍、正常衰老患者 | 计算机视觉 | 阿尔茨海默病 | 斜冠状MRI | 集成学习方法 | MRI图像 | 基于ADNI数据集，具体样本量未提及 | NA | NA | 准确率 | NA |
| 404 | 2026-05-25 |
Automatic visual detection of activated sludge microorganisms based on microscopic phase contrast image optimisation and deep learning
2025-04, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13385
PMID:39846854
|
研究论文 | 基于显微相衬图像优化和深度学习的活性污泥微生物自动视觉检测方法 | 提出了基于融合方差的相衬图像质量优化算法，设计了轻量化的YOLOv8n-SimAM模型并引入SimAM注意力模块，以及提出新的IW-IoU损失函数，显著提升了检测精度和速度 | NA | 实现活性污泥中微生物的快速准确检测，以评估污水处理系统的稳定性和效率 | 活性污泥中的八种微生物 | 计算机视觉 | NA | 显微相衬成像 | YOLOv8n-SimAM | 图像 | 包含八种微生物的数据集 | PyTorch | YOLOv8n, SimAM | 检测精度, 帧率, 模型大小 | NA |
| 405 | 2026-05-25 |
Automated Euler number of the alveolar capillary network based on deep learning segmentation with verification by stereological methods
2025-04, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13390
PMID:39887731
|
研究论文 | 测试深度学习在肺泡毛细血管网络分割、三维重建及自动定量分析中的应用，并与体视学估计方法比较验证 | 首次将深度学习应用于连续块面扫描电镜数据中肺泡毛细血管网络的自动分割和自动化定量分析，减少了人工交互需求 | 分析数据量有限，并非为获取代表性支气管肺发育不良所致的肺泡毛细血管网络改变数据，而是为了展示全自动分割与评估工作流的下一步发展方向 | 开发高效的肺泡毛细血管网络定量比较分析方法，实现全自动分割和评估工作流 | 肺泡毛细血管网络 | 计算机视觉 | 支气管肺发育不良 | 连续块面扫描电子显微镜 | 2D深度学习模型 | 图像 | 有限数量的SBF-SEM图像数据 | NA | 2D深度学习分割架构 | 分割质量评估、结果可靠性、与体视学估计比较 | NA |
| 406 | 2026-05-25 |
A quantitatively interpretable model for Alzheimer's disease prediction using deep counterfactuals
2025-04-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121077
PMID:39954872
|
研究论文 | 提出一种基于深度反事实推理的可定量解释模型用于阿尔茨海默病预测 | 通过反事实推理生成标记的结构性MRI，并将其转化为灰质密度图以测量区域体积变化，同时设计了轻量线性分类器以提升ROI的定量解释效果 | NA | 提高深度学习模型在阿尔茨海默病预测中的可解释性，提供定量的医学或神经科学验证 | 结构性MRI图像中的灰质密度及脑区域变化 | 医学影像分析 | 阿尔茨海默病 | MRI成像 | 轻量线性分类器 | 图像（结构性MRI） | NA | NA | NA | 预测性能（具体指标未提及） | NA |
| 407 | 2026-05-25 |
Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100635
PMID:39758130
|
research paper | 利用眼底自身荧光图像通过深度学习模型预测地理萎缩病变的未来生长区域 | 首次使用两个时间点的眼底自身荧光图像通过U-Net模型预测地理萎缩的1年生长区域，创新点在于多类型模型比较和时间序列信息的利用 | 观察性研究，样本量相对有限（597名患者），且模型性能在验证集上较低（Dice得分0.68），可能存在过拟合风险 | 开发深度学习模型预测地理萎缩病变在黄斑区的1年生长区域 | 地理萎缩患者的眼底自身荧光图像 | computer vision | 老年性黄斑变性相关地理萎缩 | 眼底自身荧光成像 | U-Net | 图像 | 597名患者的眼部数据集（训练集310、验证集78、测试集209） | NA | U-Net | Dice得分, 决定系数(R2), 平方皮尔逊相关系数(r2) | NA |
| 408 | 2026-05-25 |
Dynamic cycles between brain states during creative storytelling
2025-03, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121053
PMID:39863001
|
研究论文 | 通过功能磁共振成像研究，发现创造性故事讲述中两种关键大脑状态之间的动态循环，并利用深度学习方法揭示了自发思维与深思思维交替驱动不同脑状态之间的停留与转换 | 首次利用深度学习方法揭示创造性思维中自发思维与深思思维的交替交互作用，而非平行或顺序操作，为认知机制提供新的实验证据 | 样本量较小仅41名大学生，可能限制结果的泛化性；创造性任务的具体性可能无法完全代表所有类型的创造性思维 | 探索创造性思维中不同心理状态之间的动态转变及其认知神经机制 | 41名大学生在创造性故事讲述任务中的大脑功能磁共振成像数据 | 机器学习， 数字病理学 | NA | 功能磁共振成像 | 深度学习模型 | fMRI图像 | 41名大学生 | NA | NA | 相关分析性能指标 | NA |
| 409 | 2026-05-25 |
High resolution multi-delay arterial spin labeling with self-supervised deep learning denoising for pediatric choroid plexus perfusion MRI
2025-03, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121070
PMID:39889809
|
研究论文 | 提出基于自监督深度学习去噪的高分辨率多延迟动脉自旋标记协议，用于儿童脉络丛灌注MRI | 首次在儿童群体中应用高分辨率多延迟ASL协议，并采用基于Transformer的深度学习模型结合k空间加权图像平均参考进行自监督去噪，有效提升了儿童脉络丛灌注成像的信噪比和可重复性 | NA | 开发和验证适用于儿童的高分辨率多延迟ASL灌注MRI协议，以量化脉络丛灌注 | 21名8至17岁典型发育儿童 | 数字病理学 | NA | 动脉自旋标记（ASL）, MRI | Transformer | 图像, MRI数据 | 21名儿童（8-17岁） | NA | Transformer | 信噪比, 偏差, 可重复性 | NA |
| 410 | 2026-05-25 |
UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases
2025-03, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121064
PMID:39892529
|
研究论文 | 提出全面流程训练和比较多种机器学习与深度学习脑年龄预测模型，并利用外部数据库评估其性能 | 整合多种预处理策略和校正项，构建统计框架评估模型在不同队列中的预测鲁棒性及作为神经退行性疾病生物标志物的潜力 | 未明确提及局限，但可能依赖特定数据集（如UK Biobank）的成像协议和预处理方法 | 开发并验证可用于健康个体年龄预测及神经退行性疾病检测的通用脑年龄模型 | T1加权MRI扫描图像及提取的图像衍生表型 | 计算机视觉, 机器学习 | 痴呆, 神经退行性疾病 | MRI | 机器学习模型, 深度学习模型 | 图像 | NA (涉及UK Biobank、ADNI和NACC数据库，但未具体说明样本量) | NA | 惩罚线性模型 | 平均绝对误差, AUROC | NA |
| 411 | 2026-05-25 |
DeepCERES: A deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI
2025-03, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121063
PMID:39922330
|
研究论文 | 提出一种基于深度学习的多模态超高分辨率小脑小叶分割方法DeepCERES | 首次使用超高分辨率（0.125 mm）多模态MRI数据，集成深度网络集成模型，结合经典机器学习方法与多图谱分割先验知识，偏离传统U-Net架构开展探索 | NA | 改进小脑小叶分割的精度和鲁棒性，提供在线分割工具 | 人脑小脑小叶 | 计算机视觉 | NA | MRI | 深度网络集成模型 | 多模态超高分辨率MRI图像（T1和T2） | NA | NA | 非传统U-Net架构，多图谱分割 | 精度、鲁棒性 | NA |
| 412 | 2026-05-25 |
DeepReducer: A linear transformer-based model for MEG denoising
2025-03, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121080
PMID:39929407
|
研究论文 | 提出一种基于线性变压器的深度学习模型DeepReducer，用于脑磁图数据去噪，减少所需试验次数 | 首次将线性变压器架构应用于MEG事件相关磁场去噪，通过混合有限试验和多次试验平均的ERFs训练模型，显著提升信噪比并降低源定位误差 | 未提及 | 开发一种可靠且高效的MEG数据去噪方法，以减少数据采集所需试验次数，降低参与者负担和伪影 | MEG记录中的事件相关磁场信号 | 机器学习 | NA | MEG | 线性变压器 | 脑磁图信号 | 半合成和实验任务相关的MEG数据 | NA | 线性变压器 | 信噪比, 源定位误差 | NA |
| 413 | 2026-05-25 |
A joint three-plane physics-constrained deep learning based polynomial fitting approach for MR electrical properties tomography
2025-02-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121054
PMID:39863005
|
研究论文 | 提出一种联合三平面物理约束深度学习多项式拟合法，用于磁共振电特性断层成像，以提升电导率重建精度并减少计算负担 | 将物理约束的加权多项式拟合与深度学习融合，通过联合优化三个正交平面内的神经网络权重，实现三维数据驱动的电特性重建，显著提升泛化能力且无需大量训练数据 | 未提及在更大规模或不同病理组织上的验证，也未评估计算资源的需求 | 改进磁共振电特性断层成像中电导率重建的精度和鲁棒性，同时减少计算开销 | 模拟异质脑模型和体内人脑组织 | 数字病理 | 脑部疾病 | 磁共振电特性断层成像 | 卷积神经网络 | MRI图像 | 模拟异质脑模型（具体样本数未提及）及体内人脑数据 | NA | 三个独立神经网络（具体架构未明确） | 电导率估计精度、解剖细节保留度、均匀性 | 未提及 |
| 414 | 2026-05-25 |
RetOCTNet: Deep Learning-Based Segmentation of OCT Images Following Retinal Ganglion Cell Injury
2025-Feb-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.2.4
PMID:39903165
|
研究论文 | 提出RetOCTNet深度学习工具，用于自动分割视网膜神经纤维层和全视网膜厚度，应用于大鼠视网膜神经节细胞损伤后的OCT图像 | 首次开发专门针对大鼠视网膜神经节细胞损伤后OCT图像的深度学习分割工具，能同时处理放射状和体积扫描，并在眼压升高和视神经夹伤两种模型上验证 | NA | 开发自动化分割工具，减少大鼠OCT图像分析时间并提高研究间一致性 | 大鼠视网膜神经纤维层和全视网膜厚度 | 计算机视觉 | 视网膜神经节细胞损伤 | OCT | 深度学习分割模型 | 图像 | 192张OCT扫描图像（80%训练，10%测试，10%验证） | NA | RetOCTNet | F1分数 | NA |
| 415 | 2026-05-25 |
Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103738
PMID:39922027
|
研究论文 | 评估深度学习示踪术TractSeg在半球切开术患者中的表现并提出改进方法 | 首次记录TractSeg在严重异常数据中幻觉重建已手术断开纤维束的情况，并提出基于低秩张量近似的改进方法以提高数据保真度 | 推荐在临床应用时谨慎并进行人工质量控制 | 探索TractSeg在病理数据中的泛化极限并提出改进方案 | 接受半球切开术的癫痫患者和健康对照组 | 机器学习 | 癫痫 | 弥散磁共振成像示踪术 | 深度学习模型 | 图像 | 25名接受半球切开术的癫痫患者和25名健康对照 | NA | TractSeg | NA | NA |
| 416 | 2026-05-25 |
Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103757
PMID:39983552
|
系统综述和荟萃分析 | 评估基于神经影像特征的AI算法在额颞叶变性诊断和预测中的效能 | 首次对AI驱动的神经影像在FTLD诊断中的效能进行系统综述和荟萃分析，涵盖了多个疾病对比场景和多分类任务 | 较高类别分类（如5类和11类）的灵敏度较低，且研究局限于已发表的英文文献 | 评估神经影像特征为基础的人工智能算法对额颞叶变性的诊断和预测效能 | 额颞叶变性（FTLD）患者及其与健康对照、阿尔茨海默病、帕金森病、非典型帕金森综合征等的区分 | 计算机视觉, 机器学习 | 额颞叶变性, 阿尔茨海默病, 帕金森病, 非典型帕金森综合征 | 神经影像学 | 机器学习, 深度学习 | 图像 | 75篇文章共20601名受试者，包括8051名FTLD患者 | NA | NA | 灵敏度, 特异度 | NA |
| 417 | 2026-05-25 |
Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103752
PMID:39987858
|
研究论文 | 报告了南德克萨斯阿尔茨海默病研究中心死后脑库的首个形态测量分析，结合多图谱与多模态MRI数据 | 首次利用该新脑库数据集进行形态测量分析，开发了针对死后MRI挑战的轻量级深度学习网络和MRI合成工具 | 死后扫描中区域脑体积测量具有挑战性，但可获取对性别和年龄差异敏感的稳健估计 | 开展死后脑库的多模态MRI形态测量分析，解决死后神经影像学挑战 | 南德克萨斯阿尔茨海默病研究中心死后脑库的200例脑捐赠和100例MRI扫描 | 机器学习 | 阿尔茨海默病 | MRI | 深度学习 | 图像 | 200例脑捐赠和100例MRI扫描 | NA | 轻量级深度网络 | NA | NA |
| 418 | 2026-05-25 |
The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography
2024-08-26, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae081
PMID:38525588
|
research paper | 验证低剂量CT扫描中视觉和自动冠脉钙化评分的预后价值 | 首次在[15O]-水PET心肌灌注成像的低剂量CT扫描中评估视觉和自动CAC评分对主要不良心脏事件的预测价值 | 研究为单中心回顾性设计，且低剂量CT与参考CSCT扫描间的风险分类一致性仅为中等 | 评估低剂量CT扫描中视觉和自动冠脉钙化评分对主要不良心脏事件预测的附加价值 | 疑似冠脉疾病患者 | 计算机视觉 | 心血管疾病 | 低剂量CT, [15O]-水PET | 深度学习 | 医学影像 | 572名连续患者 | NA | NA | 风险分类一致性（Cohen's kappa）, 风险比 | NA |
| 419 | 2026-05-25 |
Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study
2024-08-26, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae115
PMID:38700097
|
研究论文 | 前瞻性多中心国际研究，比较基于深度学习自动分析CCTA与IVUS评估冠脉斑块的准确性和一致性 | 首次在多中心前瞻性研究中验证AI驱动的CCTA斑块量化系统与IVUS金标准的一致性，实现钙化、非钙化及低衰减斑块的全自动分割 | 样本量相对有限（237例患者432个病变），且仅纳入临床稳定型冠心病患者，未包含急性冠脉综合征人群 | 评估基于深度学习的CCTA自动斑块分析系统与IVUS金标准在冠脉粥样硬化量化表征中的一致性 | 临床稳定型冠心病患者的冠脉粥样硬化斑块，包括总斑块体积、钙化斑块、非钙化斑块及低衰减斑块 | 计算机视觉 | 冠心病 | 冠状动脉CT血管造影（CCTA）、血管内超声（IVUS） | 深度学习模型（具体架构未明确说明） | 医学影像（CCTA和IVUS图像） | 237例患者（来自美国及日本15个中心），共432个冠脉病变 | NA | NA | 相关系数、Bland-Altman分析、Y截距、斜率 | NA |
| 420 | 2026-05-25 |
Diagnostic support in pediatric craniopharyngioma using deep learning
2024-08, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-024-06400-0
PMID:38647660
|
研究论文 | 利用深度学习开发儿童颅咽管瘤诊断支持模型 | 首次在机构中应用可解释人工智能与深度学习模型结合，辅助放射学诊断儿童颅咽管瘤 | NA | 开发卷积深度学习算法，用于儿童鞍区-鞍上肿瘤的放射学辅助分类 | 226名智利儿童患者的术前T1w和T2w磁共振图像 | 医学影像分析 | 颅咽管瘤 | 磁共振成像 | 卷积神经网络 | 图像 | 226名患者（68名健康对照、58名颅咽管瘤患者、100名其他鞍区肿瘤患者） | NA | 卷积神经网络 | 阳性预测值、阴性预测值 | NA |