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 36984 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2025-12-20 |
Rapid prediction of lab-grown tissue properties using deep learning
2023-10-19, Physical biology
IF:2.0Q3
DOI:10.1088/1478-3975/ad0019
PMID:37793414
|
研究论文 | 本文提出了一种使用深度学习快速预测实验室培养组织特性的方法，通过机器学习工具预测细胞与细胞外基质相互作用在组织自组织中的作用 | 首次将pix2pix深度学习模型应用于细胞-基质相互作用的模拟数据，以预测水凝胶中组织自组织行为，相比传统生物物理方法显著提高了预测速度 | 研究基于模拟数据而非真实实验数据，且模型在未见过的案例上仅测试了100个样本，可能限制了其泛化能力 | 开发一种高效预测细胞-基质相互作用对组织自组织影响的方法，以促进药物测试、再生医学和基础生物学研究中的模具设计 | 细胞负载水凝胶在固定模具中的自组织行为 | 机器学习 | NA | 生物物理模拟（收缩网络偶极取向模型） | GAN | 模拟数据 | 6400个训练案例，100个测试案例 | NA | pix2pix | NA | NA |
| 482 | 2025-12-20 |
Super-resolution biomedical imaging via reference-free statistical implicit neural representation
2023-10-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acfdf1
PMID:37757838
|
研究论文 | 提出一种无需参考图像的超分辨率统计隐式神经表示框架，用于生物医学成像 | 通过最大似然估计建模低分辨率图像的统计特性，并利用隐式神经表示网络作为连续空间函数生成任意尺度的高分辨率图像，无需大量成对训练数据 | 仅使用有限数量的低分辨率图像进行验证，可能在大规模或复杂场景下泛化能力有待进一步测试 | 解决生物医学成像中因缺乏高分辨率参考图像而难以应用监督深度学习的超分辨率问题 | 计算机断层扫描（CT）、磁共振成像（MRI）、荧光显微镜和超声图像 | 计算机视觉 | NA | 超分辨率成像 | 隐式神经表示（INR） | 图像 | 每个超分辨率任务使用有限数量的低分辨率图像 | NA | 基于坐标的多层感知机 | NA | NA |
| 483 | 2025-12-20 |
A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration
2023-07-31, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace754
PMID:37442128
|
研究论文 | 本研究提出了一种结合深度学习与可变形图像配准的混合方法，用于从腹部/骨盆锥形束CT生成合成CT，以改进质子射程估计 | 提出了一种新颖的混合方法，将无监督深度学习（CycleGAN）与可变形图像配准（DIR）相结合，分别处理几何加权（高频）和强度加权（低频）分量，并通过迭代反馈机制优化合成CT，特别是在含肠气区域 | 研究样本量相对较小（81名儿科患者），且仅针对腹部/骨盆区域，方法在存在肠气口袋的质子束路径中的普适性有待进一步验证 | 开发一种从锥形束CT（CBCT）生成合成CT（sCT）的方法，以促进质子治疗中射程的准确估计，特别是在存在肠气口袋的情况下 | 81名儿科患者的锥形束CT（CBCT）、同日重复CT和计划CT（pCT）图像 | 医学影像分析 | NA | 锥形束CT（CBCT）、可变形图像配准（DIR） | 生成对抗网络（GAN） | 医学影像（CT图像） | 81名儿科患者（60名训练，6名验证，15名测试） | NA | CycleGAN | 平均绝对误差（HU）、Dice相似系数、伽马通过率、质子射程误差（80%远端跌落处的第90百分位误差） | NA |
| 484 | 2025-12-20 |
Deep learning enhanced ultra-fast SPECT/CT bone scan in patients with suspected malignancy: quantitative assessment and clinical performance
2023-06-30, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acddc6
PMID:37307847
|
研究论文 | 本研究评估了深度学习增强的超快SPECT/CT骨扫描在疑似恶性肿瘤患者中的临床性能 | 将深度学习应用于3分钟SPECT扫描，生成算法增强图像，在仅1/7采集时间内达到与标准20分钟SPECT/CT相当的图像质量和诊断价值 | 样本量相对较小（102例），且为单中心前瞻性研究 | 评估深度学习增强超快SPECT/CT骨扫描的临床诊断性能 | 102例疑似恶性肿瘤患者 | 数字病理学 | 恶性肿瘤 | SPECT/CT骨扫描 | 深度学习模型 | 医学影像（SPECT/CT图像） | 102例患者 | NA | NA | 灵敏度, 特异性, 准确性, 组内相关系数, 峰值信噪比, 结构相似性指数, SUV最大值 | NA |
| 485 | 2025-12-20 |
Dynamic low-count PET image reconstruction using spatio-temporal primal dual network
2023-06-30, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acde3e
PMID:37311469
|
研究论文 | 提出一种用于动态低计数PET图像重建的时空原始对偶网络（STPDnet） | 将时空相关性同时编码到基于模型的深度学习框架中，克服了现有方法主要关注空间域而忽略时间域的局限 | 未明确提及模型在更广泛临床数据集上的泛化能力或计算效率的详细分析 | 解决动态低计数PET图像重建的挑战，提升图像质量 | 动态PET图像 | 医学影像分析 | 癌症 | 动态正电子发射断层扫描（PET）成像 | 基于模型的深度学习 | 动态PET图像序列 | 模拟数据和真实大鼠扫描数据 | NA | 时空原始对偶网络（STPDnet） | 噪声降低，重建性能 | NA |
| 486 | 2025-12-20 |
End-to-end deep learning for recognition of ploidy status using time-lapse videos
2021-Jul, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-021-02228-8
PMID:34021832
|
研究论文 | 本研究开发了一种端到端深度学习模型，利用原始延时视频识别胚胎的倍性状态 | 首次提出使用端到端深度学习模型直接从原始延时视频中预测胚胎倍性状态，无需人工特征提取 | 研究为回顾性设计，样本量相对较小，未来需要更大规模数据和前瞻性验证 | 通过深度学习自动识别胚胎的倍性状态，辅助胚胎植入前遗传学检测 | 人类胚胎的延时视频 | 计算机视觉 | 生殖健康 | 延时视频成像，胚胎植入前遗传学检测（PGT-A） | 深度学习模型 | 视频 | 690组延时视频图像，其中138个用于测试 | NA | NA | AUC | NA |
| 487 | 2025-12-19 |
SynSeg: A synthetic data-driven approach for robust subcellular structure segmentation
2026-Mar-02, The Journal of cell biology
IF:7.4Q1
DOI:10.1083/jcb.202506096
PMID:41410685
|
研究论文 | 本文提出了一种名为SynSeg的合成数据驱动方法，用于鲁棒地分割亚细胞结构，无需人工标注 | 开发了基于合成训练数据的U-Net模型分割流程，通过生成具有多样强度、形态和信号分布的合成数据集来替代耗时且可能存在偏差的人工标注 | 未明确说明合成数据与真实数据之间的域适应挑战或模型在未见过的细胞类型上的泛化能力限制 | 开发一种无需人工标注的鲁棒亚细胞结构分割方法，以促进定量细胞生物学研究 | 细胞和活体秀丽隐杆线虫中的囊泡、细胞骨架细丝以及疾病相关的微管形态 | 数字病理学 | 神经退行性疾病 | 合成数据生成 | CNN | 图像 | NA | NA | U-Net | NA | NA |
| 488 | 2025-12-19 |
Emerging Role of MRI-Based Artificial Intelligence in Individualized Treatment Strategies for Hepatocellular Carcinoma: A Narrative Review
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70048
PMID:40682357
|
综述 | 本文是一篇叙述性综述，探讨了基于MRI的人工智能在肝细胞癌个体化治疗策略中的新兴作用 | 聚焦于AI在MRI影像中用于指导HCC个体化治疗策略的应用，特别是治疗前预测治疗反应和预后的AI工具 | 模型泛化性、可解释性及临床整合方面仍存在挑战，需要标准化的影像数据集和多组学融合 | 探讨人工智能在肝细胞癌个体化治疗策略中的应用，以支持精准临床决策 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 磁共振成像 | NA | 影像 | NA | NA | NA | NA | NA |
| 489 | 2025-12-19 |
Improving genomic selection accuracy using a dual-path convolutional neural network framework: a terpenoid case study
2026-Jan, The New phytologist
DOI:10.1111/nph.70727
PMID:41229065
|
研究论文 | 本研究通过整合全基因组重测序数据和代谢物定量分析，开发了一种基于双路径卷积神经网络的基因组选择模型，用于提高山鸡椒中萜类化合物合成的预测精度 | 提出了PKDP深度学习模型，该模型通过并行路径分别提取GWAS识别位点和全基因组标记的特征，并将先验知识与广泛基因组信息融合，从而显著提升基因组选择的预测能力 | NA | 揭示山鸡椒萜类生物合成的遗传基础，并开发基于深度学习的基因组选择策略以促进高效的遗传改良 | 山鸡椒（Litsea cubeba）的945个种质资源及其中的310个样本的萜类化合物 | 机器学习 | NA | 全基因组重测序, GC-MS定量分析 | CNN | 基因组数据, 代谢物定量数据 | 945个种质资源进行全基因组重测序，310个样本进行GC-MS萜类定量 | NA | 双路径卷积神经网络（PKDP） | 预测能力提升百分比（与传统rrBLUP相比） | NA |
| 490 | 2025-12-19 |
Artificial intelligence in sport psychology: Implications for the identification and development of talent
2026-Jan, Psychology of sport and exercise
IF:3.1Q1
DOI:10.1016/j.psychsport.2025.102977
PMID:41326137
|
综述 | 本文探讨了人工智能（特别是机器学习）在运动心理学领域，尤其是在人才识别与发展方面的应用、挑战与未来方向 | 系统性地将人工智能范式引入运动心理学领域，并特别强调了解决数据挑战、促进人机交互以及整合心理建构的未来方向 | 面临数据可用性、质量、所有权和标注困难等重大障碍，纵向研究存在数据缺失和数据集不平衡问题，可能导致模型存在偏见和泛化能力差，心理和主观因素（如教练判断、运动员态度）在现有技术中代表性不足 | 探讨人工智能在运动心理学，特别是人才识别与发展领域的应用、挑战与未来发展方向 | 运动心理学领域，特别是运动员人才识别与发展过程 | 机器学习 | NA | 机器学习，深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 491 | 2025-12-19 |
USING ARTIFICIAL INTELLIGENCE TO ASSESS MACULAR EDEMA TREATMENTS IN RETINITIS PIGMENTOSA
2026-Jan-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004636
PMID:40743462
|
研究论文 | 本研究验证了一种基于深度学习的AI工具，用于量化视网膜色素变性中黄斑水肿的视网膜内液体积，并通过纵向分析提供了治疗疗效和疾病自然史的新见解 | 开发并验证了一种深度学习工具，用于快速准确地量化视网膜色素变性相关黄斑水肿的视网膜内液体积，为治疗评估提供了新方法 | 研究为回顾性设计，样本量相对较小（44名患者），且随访时间有限（平均2.3年） | 验证AI工具在量化视网膜色素变性黄斑水肿中的应用，并评估不同治疗方法的疗效 | 视网膜色素变性伴黄斑水肿的患者 | 数字病理学 | 视网膜色素变性 | 光谱域光学相干断层扫描 | 深度学习 | 图像 | 44名患者，共66只眼（52只治疗组，14只未治疗组），490对图像用于验证 | NA | NA | Dice系数 | NA |
| 492 | 2025-12-19 |
Performance of Artificial Intelligence in Skin Cancer Detection: An Umbrella Review of Systematic Reviews and Meta-Analyses
2026-Jan, International journal of dermatology
IF:3.5Q1
DOI:10.1111/ijd.17981
PMID:40745683
|
综述 | 本文通过伞状综述综合评估了人工智能模型在皮肤癌检测中的诊断性能 | 首次通过伞状综述整合多项系统综述和荟萃分析，全面比较了不同AI模型（如CNN、SVM）在多种皮肤癌类型和临床场景下的诊断准确性，并特别评估了AI辅助工具对初级保健医生与专科医生诊断能力的差异化提升效果 | 纳入的荟萃分析存在异质性（如研究设计、数据来源、评估标准不同），可能影响结果的可比性；未对原始研究的偏倚风险进行统一评估；缺乏对AI模型在真实世界临床环境中长期表现的前瞻性数据 | 综合评估人工智能在皮肤癌检测中的诊断准确性，为临床整合提供证据支持 | 皮肤癌（包括黑色素瘤、鳞状细胞癌等）的检测与诊断 | 数字病理学 | 皮肤癌 | 人工智能辅助诊断 | CNN, SVM | 图像 | 11项荟萃分析，涵盖551项研究 | NA | 卷积神经网络，支持向量机 | 灵敏度，特异性，准确度 | NA |
| 493 | 2025-12-19 |
Association Between Choroid Plexus Morphological Alterations, Alzheimer Pathologies, and Cognitive Impairment: A Longitudinal Study
2025-Dec-23, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000213953
PMID:41284956
|
研究论文 | 本研究利用深度学习分割方法，探讨了阿尔茨海默病相关脉络丛形态学改变与认知功能下降之间的纵向关联 | 开发了基于深度学习的脉络丛分割方法，并首次系统分析了高阶形态学特征在阿尔茨海默病病理与认知衰退之间的中介作用 | 研究为回顾性设计，且脉络丛形态学特征背后的病理学基础尚需通过影像-组织病理学对比研究进一步阐明 | 探究阿尔茨海默病相关脉络丛形态学特征及其与认知功能下降的关联 | 阿尔茨海默病神经影像学倡议项目中无痴呆的参与者 | 数字病理学 | 阿尔茨海默病 | 3D T1 MRI, 3D FLAIR MRI, β-淀粉样蛋白PET, tau蛋白PET | 深度学习 | 医学影像 | 564名无痴呆参与者（平均年龄72.4岁，54.1%女性），其中339名Aβ-，225名Aβ+ | NA | NA | p值, 假发现率校正, 标准化β系数, 95%置信区间 | NA |
| 494 | 2025-12-19 |
Toward neuroimaging-based diagnostic support: a deep learning approach with a closed-loop system for psychiatric classification
2025-Dec-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.114100
PMID:41399512
|
研究论文 | 本研究开发了一种基于深度学习的补丁层次网络（PHN），用于从结构MRI中分类多种精神疾病，并部署了一个闭环诊断支持系统 | 提出了PHN深度学习框架，并首次实现了一个闭环神经影像诊断支持系统，将其整合到临床工作流程中 | 未明确说明模型在更广泛或不同人群中的泛化能力限制，以及临床部署的具体挑战 | 利用人工智能提供客观支持，缩小精神疾病诊断的研究与实践差距 | 四种主要精神疾病患者及对照组的神经影像数据 | 医学影像分析 | 精神疾病 | 结构MRI | 深度学习 | 图像 | 训练集2,490例，独立研究数据集1,346例，真实世界临床数据344例 | NA | 补丁层次网络（PHN） | NA | NA |
| 495 | 2025-12-19 |
A holistic framework for strengthening security of healthcare data through encryption utilizing blockchain technology
2025-Dec-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31698-4
PMID:41407846
|
研究论文 | 本研究提出了一种结合区块链和高级加密标准（AES）的框架，以增强医疗数据的安全性和隐私性 | 提出了一种新颖的BCT-AES框架，将CNN特征提取、决策树与逻辑回归分类、AES加密和区块链技术集成，实现了去中心化、防篡改的医疗数据安全解决方案 | 未明确提及框架在超大规模数据集或实时高并发场景下的性能限制，也未讨论与现有医疗系统集成的具体挑战 | 增强医疗数据的安全性、隐私性和完整性，以应对日益增长的网络安全威胁 | 医疗数据，包括患者记录和医学图像 | 机器学习 | NA | 区块链技术，高级加密标准（AES） | CNN, 决策树, 逻辑回归 | 文本（患者记录），图像（医学图像） | NA | Python | CNN, 决策树, 逻辑回归 | 加密时间（毫秒），分类准确率 | NA |
| 496 | 2025-12-19 |
Accelerating imaging: deep learning for enhanced 123I-ioflupane SPECT efficiency
2025-Dec-18, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01933-z
PMID:41407995
|
研究论文 | 本研究评估了深度学习重建能否从5分钟扫描中生成诊断质量的123I-ioflupane多巴胺转运体SPECT图像 | 首次将多种卷积架构（包括U-Net变体和TransUNet）应用于加速SPECT成像，并证明四层U-Net可将扫描时间减少80%而不损失诊断质量 | 研究为回顾性分析，需要前瞻性多中心验证；样本量相对有限（207项研究） | 通过深度学习加速123I-ioflupane SPECT成像，减少患者扫描时间 | 123I-ioflupane多巴胺转运体SPECT图像 | 医学影像分析 | 神经系统疾病（如帕金森病） | SPECT成像 | 深度学习，卷积神经网络 | 医学图像（SPECT切片） | 207项研究（1035个切片），来自207名患者，分为训练集（120名患者/600张图像）、验证集（37名患者/185张图像）和测试集（50名患者/250张图像） | 未明确指定 | U-Net（1-5层深度）、V-Net、U-Net++、R2U-Net、Attention U-Net、TransUNet | 峰值信噪比（PSNR）、结构相似性指数（SSIM）、加权κ系数、组内相关系数（ICC） | NA |
| 497 | 2025-12-19 |
Spine age derived from DXA VFA images predicts incident fractures and mortality: the Manitoba Bone Mineral Density Registry
2025-Dec-18, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research
IF:5.1Q1
DOI:10.1093/jbmr/zjaf194
PMID:41408721
|
研究论文 | 本研究利用深度学习从DXA VFA图像中估计脊柱年龄，并探讨其加速老化对骨折和死亡风险的独立预测价值 | 首次将深度学习应用于DXA VFA图像来估计脊柱生物年龄，并证明其能独立于年龄、椎体骨折和骨密度预测骨折及死亡风险 | 研究基于特定人群（加拿大马尼托巴省≥50岁成年人），可能限制了结果的普适性；随访时间平均为3.9年，相对较短 | 评估从DXA VFA图像中衍生的脊柱年龄是否能够独立预测骨折发生和死亡率 | 年龄≥50岁、在加拿大马尼托巴省接受DXA VFA检查的成年人 | 数字病理学 | 骨质疏松症 | DXA（双能X射线吸收测定法）VFA（椎体骨折评估），深度学习 | CNN | 图像 | 训练集：韩国队列10,341人；测试集：加拿大队列8,810人 | NA | 卷积神经网络 | 调整后的风险比 | NA |
| 498 | 2025-12-19 |
Comparing guideline adherence and readability: Artificial intelligence with deep learning versus specialized physicians in peripheral artery disease management
2025-Dec-18, Vascular medicine (London, England)
DOI:10.1177/1358863X251386394
PMID:41410030
|
研究论文 | 本研究比较了专业医生与人工智能在管理外周动脉疾病时对指南的遵循程度和回答可读性 | 首次在拉丁美洲背景下，将大型语言模型（包括标准模型和思维链推理模型）与专业医生的临床建议在指南遵循和可读性方面进行直接比较 | 样本量相对较小（30名医生和13个LLM系统），且研究为横断面设计，无法评估临床结果 | 比较人工智能与专业医生在外周动脉疾病管理中的指南遵循情况和回答可读性 | 外周动脉疾病的标准病例 | 自然语言处理 | 心血管疾病 | 大型语言模型，思维链推理 | LLM | 文本 | 30名专业医生（11名心脏病专家，19名血管外科医生）和13个LLM系统（10个标准模型，3个思维链模型） | NA | NA | 指南遵循评分，可读性指数（Readability μ），组内相关系数 | NA |
| 499 | 2025-12-19 |
Volumetric compensation after anatomical lung resection: comparative analysis of lobectomy and segmentectomy
2025-Dec-18, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery
IF:3.1Q1
DOI:10.1093/ejcts/ezaf428
PMID:41410522
|
研究论文 | 本研究通过深度学习辅助的3D肺部分割技术，比较了肺癌患者接受肺叶切除术与肺段切除术后肺功能和体积代偿的差异 | 首次使用深度学习辅助的3D肺部分割技术量化比较肺叶切除与肺段切除后的体积代偿模式，并揭示了不同切除类型和肺叶位置对代偿模式的异质性影响 | 研究为回顾性设计，可能存在选择偏倚；仅基于影像学体积测量，未纳入更全面的生理功能评估；样本量在匹配后仍有限，特别是肺段切除亚组分析 | 比较肺癌患者接受肺叶切除术与肺段切除术后肺功能保留和肺体积代偿的差异 | 接受初次肺癌手术的患者，包括肺叶切除和肺段切除两组 | 数字病理学 | 肺癌 | 薄层计算机断层扫描（CT）、深度学习辅助的3D肺部分割 | 深度学习模型（具体架构未明确说明） | 医学影像（CT图像） | 初始1076名患者（870例肺叶切除，206例肺段切除），经倾向评分匹配后纳入567名患者（378例肺叶切除，189例肺段切除） | NA | NA | 统计显著性（p值）、相关性分析 | NA |
| 500 | 2025-12-19 |
Deep learning's false positive burden may threaten the MRI harm reduction mandate in screening
2025-Dec-18, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12228-2
PMID:41410706
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |