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 45937 篇文献，本页显示第 5101 - 5120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5101 | 2026-04-18 |
Circulating tumor cell detection in cancer patients using in-flow deep learning holography
2026, Npj biosensing
DOI:10.1038/s44328-026-00084-z
PMID:41993926
|
研究论文 | 本文介绍了一种结合微流控富集、深度学习图像分析和免疫荧光分析的流式数字全息显微镜系统，用于提高循环肿瘤细胞检测的敏感性和特异性 | 整合惯性微流控预处理与双模态成像（全息术和荧光传感），并利用深度学习模型提供细胞形态学置信度，可实时结合免疫荧光标准进行CTC计数，且能检测到传统EpCAM标记可能漏检的PSMA阳性CTC | 仅进行了小规模试点研究（13名晚期前列腺癌患者和8名健康对照），样本量有限，需进一步验证 | 开发一种高灵敏度、高特异性的循环肿瘤细胞检测方法，用于癌症早期检测、预后评估和疾病监测 | 循环肿瘤细胞（CTCs），来自晚期前列腺癌患者和健康对照的血液样本 | 数字病理学 | 前列腺癌 | 数字全息显微镜，微流控富集，免疫荧光分析 | 深度学习模型 | 图像（全息和荧光图像） | 13名晚期前列腺癌患者和8名健康对照的血液样本 | NA | NA | 患者水平假阳性率（1细胞/毫升），CTC计数 | NA |
| 5102 | 2026-04-18 |
A multimodal deep learning-based model for posture asymmetry recognition and sports injury risk prediction in adolescent table tennis athletes
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1800522
PMID:41994050
|
研究论文 | 本研究开发了一个多模态深度学习框架，用于自动识别青少年乒乓球运动员的姿态不对称模式并评估其生物力学损伤风险水平 | 提出了一个集成视频RGB序列、骨骼关键点轨迹和运动学参数的多模态深度学习框架，通过跨模态注意力机制、加权图卷积网络和时间卷积网络实现姿态不对称识别和损伤风险预测 | 研究基于专家评估的姿态偏差标准进行生物力学风险分层，用于筛查目的，而非经过纵向验证的损伤发生预测 | 开发智能评估系统，用于青少年乒乓球运动员的训练监测和损伤预防 | 青少年乒乓球运动员 | 计算机视觉 | 运动损伤 | 视频分析, 运动捕捉 | 深度学习 | 视频, 骨骼关键点, 运动学参数 | TTStroke-21数据集 | NA | 加权图卷积网络, 时间卷积网络 | NA | NA |
| 5103 | 2026-04-18 |
Protein design, generative AI and biological security
2026, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2026.1817535
PMID:41994287
|
综述 | 本文回顾了生成式人工智能在蛋白质设计领域的当前发展，评估了其双重用途影响，并讨论了平衡科学进步与生物安全的相称缓解策略 | 深入探讨了AI驱动的蛋白质设计在生物安全方面带来的新机遇（如检测生物制剂、开发病毒表面蛋白结合剂）与新风险（如设计出功能等效但序列相似性低的毒素），并提出了分层的缓解策略 | 文章为综述性质，未进行具体的实验验证或模型开发，主要基于现有文献和趋势进行分析，因此可能未涵盖所有新兴风险或技术细节 | 评估生成式人工智能在蛋白质设计中的双重用途影响，并探讨如何平衡科学创新与生物安全风险 | AI驱动的蛋白质设计技术及其在生物安全领域的应用与潜在风险 | 机器学习 | NA | 深度学习 | 生成模型 | 蛋白质序列与结构数据 | NA | NA | NA | NA | NA |
| 5104 | 2026-04-18 |
Artificial intelligence in the diagnosis of thyroid diseases: applications and challenges
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1740915
PMID:41994322
|
综述 | 本文综述了人工智能在甲状腺疾病诊断中的最新应用，并深入分析了其面临的挑战 | 通过整合跨模态研究，揭示了AI在不同成像模态中的应用，并强调了其在特征提取和风险分层中的潜在价值 | 面临数据异质性（跨机构和设备数据差异导致模型性能下降）和可解释性不足（深度学习模型作为“黑箱”，难以提供透明决策依据）等关键挑战 | 探讨人工智能在甲状腺疾病诊断中的应用及其挑战 | 甲状腺疾病 | 数字病理学 | 甲状腺疾病 | NA | 机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 5105 | 2026-04-18 |
Application of machine learning and deep learning in the diagnosis and treatment of inguinal hernia: a narrative review
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1743178
PMID:41994435
|
综述 | 本文综述了机器学习和深度学习在腹股沟疝诊断与治疗中的应用现状与前景 | 系统性地总结了AI在腹股沟疝诊疗中的最新进展，并指出了生成式AI等新兴技术的潜力与挑战 | 生成式AI的准确性和可靠性仍需进一步验证，且文章为叙述性综述，未进行定量分析 | 回顾并总结机器学习和深度学习在腹股沟疝诊疗领域的应用，为临床实践和技术创新提供参考 | 腹股沟疝的诊断与治疗 | 机器学习 | 腹股沟疝 | NA | 深度学习 | 图像, 视频, 非结构化数据 | NA | NA | 深度神经网络 | NA | NA |
| 5106 | 2026-04-18 |
Few-shot deployment of pretrained MRI transformers in brain imaging tasks
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1771088
PMID:41994558
|
研究论文 | 本研究提出了一种用于在数据受限的临床环境中，对预训练的MRI Transformer模型进行少样本部署的实用框架 | 提出了一种融合预训练MAE全局嵌入与局部CNN特征的混合架构MAE-FUnet，用于医学图像分割；在少样本设置下，实现了高效的模型部署和卓越的性能 | 研究主要聚焦于脑部MRI成像任务，其通用性在其他医学影像模态或解剖区域中尚未验证；实验在受控的少样本设置下进行，真实世界数据分布复杂性可能带来挑战 | 开发一个实用的框架，以解决医学影像中标注数据稀缺的问题，实现预训练Transformer模型在多种脑部成像任务中的少样本高效部署 | 多队列脑部MRI数据集，包括NACC、ADNI、OASIS、NFBS、SynthStrip和MRBrainS18 | 医学影像分析 | 脑部疾病 | 掩码自编码器预训练策略 | Transformer, CNN | MRI图像 | 超过3100万张2D切片的大规模多队列脑部MRI数据集 | NA | Masked Autoencoder, MAE-FUnet | 准确率, Dice系数, IoU分数 | NA |
| 5107 | 2026-04-18 |
Advances in ultrasound for preoperative molecular subtyping of malignant breast tumors
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1774951
PMID:41994636
|
综述 | 本文综述了超声技术在术前恶性乳腺肿瘤分子分型（如luminal A、luminal B、HER2富集和三阴性）中的最新进展，涵盖传统超声特征分析、弹性成像、超声造影、微血管成像、影像组学和深度学习等方法 | 系统整合了多种超声技术（包括超声造影、微血管成像、弹性成像及多参数机器学习模型）在术前分子分型中的应用，并强调了方法学严谨性、可解释性和临床转化路径 | 研究存在参考标准异质性、单中心回顾性设计、类别不平衡和外部验证有限等主要障碍 | 支持术前乳腺肿瘤分子分型推断和生物标志物相关风险分层，以指导系统治疗选择和预后评估 | 恶性乳腺肿瘤 | 数字病理学 | 乳腺癌 | 超声技术（包括B型超声、弹性成像、超声造影、微血管成像） | 深度学习, 机器学习 | 超声图像 | NA | NA | NA | NA | NA |
| 5108 | 2026-04-18 |
MRI augmented with novel artificial intelligence system is equivalent to CT in glenoid imaging
2025-Nov-04, Shoulder & elbow
IF:1.5Q3
DOI:10.1177/17585732251392203
PMID:41199812
|
研究论文 | 本研究通过深度学习算法自动分割MRI图像，并与CT图像进行对比，评估MRI在肩关节前向不稳定中替代CT作为首选成像方式的可行性 | 开发了一种定制深度学习算法，用于自动分割MRI图像，实现了与CT近乎相同的解剖定义，同时具备软组织可视化和避免电离辐射的优势 | 研究为回顾性设计，样本量相对较小（共64例患者），且仅针对特定MRI序列（T1脂肪抑制和VIBE MRI关节造影图像）进行验证 | 评估MRI是否能在肩关节前向不稳定的骨丢失测量中替代CT作为首选成像方式 | 肩关节前向不稳定患者的MRI和CT扫描图像 | 医学影像分析 | 肩关节前向不稳定 | MRI（T1脂肪抑制和VIBE序列）、CT | 深度学习算法 | 图像 | 64例患者（39例T1脂肪抑制MRI，25例VIBE MRI关节造影） | NA | NA | Dice相似系数, Spearman相关系数 | NA |
| 5109 | 2026-04-18 |
Deep Learning Estimation of 24-2 Visual Field Map From Optic Nerve Head Optical Coherence Tomography Angiography
2025-11-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002626
PMID:40923848
|
研究论文 | 本研究开发了深度学习模型，利用OCTA图像估计24-2视野图，以减少视野测试频率 | 首次将深度学习应用于OCTA图像，利用视盘层信息高精度估计24-2视野图 | NA | 开发深度学习模型从OCTA图像估计24-2视野图 | OCTA视盘正面图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描血管成像 | 深度学习模型 | 图像 | 994名参与者（1684只眼睛）的3148个视野OCTA对 | NA | NA | 平均绝对误差, 皮尔逊相关系数 | NA |
| 5110 | 2026-04-18 |
A protein dynamics-based deep learning model enhances predictions of fitness and epistasis
2025-Oct-21, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2502444122
PMID:41100667
|
研究论文 | 本研究构建了一个融合蛋白质动力学信息的深度学习框架，用于增强对蛋白质突变适应性和上位性效应的预测能力 | 首次将基于物理的蛋白质动力学指标（非对称动态耦合指数DCI）整合到图神经网络架构中，无需上位性实验数据训练即可有效建模突变间的复杂相互作用 | 模型仅在四种特定蛋白质的深度突变扫描数据集上验证，尚未在更广泛的蛋白质家族或体内环境中测试 | 开发能够准确预测多个突变对蛋白质功能协同影响（包括上位性效应）的计算模型 | 蛋白质突变效应预测，重点关注残基间的动态耦合与上位性相互作用 | 机器学习 | NA | 深度突变扫描，蛋白质动力学模拟 | GNN | 蛋白质序列数据，动力学耦合指标 | 四种不同蛋白质的深度突变扫描数据集，外加37个计算设计的TEM-1 β-内酰胺酶变体 | PyTorch | 图神经网络（GNN），基于动态耦合构建残基连接 | 预测准确性，与现有方法的比较性能 | NA |
| 5111 | 2026-04-18 |
Deep Learning-Based Generation of DSC MRI Parameter Maps Using Dynamic Contrast-Enhanced MRI Data
2025-Oct-01, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8768
PMID:40194853
|
研究论文 | 本研究开发了一种基于条件生成对抗网络的方法，从动态对比增强MRI数据合成DSC MRI参数图 | 首次利用cGAN从DCE MRI数据生成DSC参数图，避免了重复注射造影剂，并能在易感伪影区域可视化 | 样本量较小（64名参与者），且仅针对脑肿瘤患者进行了验证，未在其他疾病或更大队列中测试 | 开发深度学习方法来从DCE MRI数据合成DSC MRI参数图，以减少造影剂使用 | 脑肿瘤患者及无脑肿瘤的对照组参与者 | 医学影像分析 | 脑肿瘤 | DSC MRI, DCE MRI | cGAN | MRI图像 | 64名参与者（包括脑肿瘤患者和对照组） | NA | 条件生成对抗网络 | 线性回归, Bland-Altman图 | NA |
| 5112 | 2026-04-18 |
Using Deep Learning to Choose Optimal Smoothing Values for Equating
2025-Aug-23, Applied psychological measurement
IF:1.0Q3
DOI:10.1177/01466216251363244
PMID:40881830
|
研究论文 | 本研究利用深度学习自动选择等值中的最优平滑值，通过训练卷积神经网络分析人类分类的后平滑图，并与人工选择进行比较 | 首次将深度学习（特别是卷积神经网络）应用于心理测量等值中的平滑值选择，自动化了传统依赖人工视觉判断的过程 | 人类与训练网络的一致性率为71%，表明仍有提升空间，且研究可能受限于训练数据的质量和数量 | 自动化心理测量等值过程中最优平滑值的选择，提高效率和一致性 | 等值过程中的后平滑图（图像数据） | 机器学习 | NA | 深度学习，图像分类 | CNN | 图像 | 使用人类分类的后平滑图进行训练，具体样本数量未明确说明 | NA | 卷积神经网络 | 一致性率（agreement rate） | NA |
| 5113 | 2026-04-18 |
Development and application of deep learning-based diagnostics for pathologic diagnosis of gastric endoscopic submucosal dissection specimens
2025-07, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-025-01612-y
PMID:40232558
|
研究论文 | 本研究开发并评估了一种用于胃内镜黏膜下剥离术标本病理诊断的深度学习模型 | 首次开发了针对胃ESD标本的深度学习模型，用于肿瘤和黏膜肌层的组织分割以及肿瘤和黏膜下浸润的检测，并显著减少了病理医生的诊断时间 | 研究样本量相对有限（366个ESD标本），且仅针对腺癌，未涵盖其他类型的胃癌 | 开发并评估一种深度学习模型，以辅助胃内镜黏膜下剥离术标本的准确病理诊断 | 胃内镜黏膜下剥离术标本的整张切片图像 | 数字病理学 | 胃癌 | 整张切片成像 | 深度学习模型 | 图像 | 366个ESD标本，包含2257个标注的兴趣区域和83,839个补丁图像 | NA | NA | Dice系数, AUROC, 特异性, 敏感性 | NA |
| 5114 | 2026-04-18 |
Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification
2025-Jun-27, ArXiv
PMID:41019222
|
综述 | 本文综述了胎儿睡眠的生理特征、测量方法和分类技术，并探讨了宫内条件如缺氧和生长受限对胎儿睡眠的影响 | 综合了八十多年的研究，比较了人类与大型动物模型的睡眠模式，并评估了基于规则和深度学习的分类方法 | NA | 为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供基础，以支持产前护理的早期诊断和干预 | 胎儿睡眠模式，包括人类和大型动物模型 | 自然语言处理 | 老年疾病 | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 5115 | 2026-04-18 |
Identifying kinematic biomarkers of the dystrophic phenotype in a zebrafish model of Duchenne muscular dystrophy
2025-Jun-20, Skeletal muscle
IF:5.3Q2
DOI:10.1186/s13395-025-00382-6
PMID:40542412
|
研究论文 | 本研究使用高速摄像和基于深度学习的无标记运动捕捉技术，量化了杜氏肌营养不良症斑马鱼模型的逃逸反应游泳运动学，以识别表型生物标志物 | 首次将无标记运动捕捉与机器学习模型结合，精确量化斑马鱼逃逸反应运动学，识别出区分突变与野生型幼虫的关键生物标志物，并揭示了运动障碍的潜在机制 | 研究仅针对两种斑马鱼突变株（sapje和sapje-like），样本范围有限；方法依赖于高速摄像设备，可能增加实验成本 | 开发高分辨率、低变异性的方法，以评估杜氏肌营养不良症斑马鱼模型的运动能力，并识别表型生物标志物 | 杜氏肌营养不良症斑马鱼模型（sapje和sapje-like突变株）的幼虫 | 计算机视觉 | 杜氏肌营养不良症 | 高速摄像，无标记运动捕捉 | 随机森林，支持向量机 | 视频 | 两种斑马鱼突变株（sapje和sapje-like）的幼虫，具体数量未在摘要中明确 | NA | NA | 效应大小（标准偏差） | NA |
| 5116 | 2026-04-18 |
FetDTIAlign: A deep learning framework for affine and deformable registration of fetal brain dMRI
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121190
PMID:40221066
|
研究论文 | 本文提出了一种名为FetDTIAlign的深度学习框架，专门用于胎儿脑扩散磁共振成像（dMRI）的仿射和非刚性配准 | 提出了一种新颖的双编码器架构和基于特征的迭代推理机制，有效降低了噪声和低分辨率的影响，并针对仿射和非刚性配准的不同挑战，策略性地采用了不同的网络配置和领域特异性图像特征 | 未明确说明模型在更广泛胎龄范围或不同病理条件下的泛化能力 | 开发一种适用于胎儿脑dMRI的精确空间配准方法，以支持纵向和横断面神经发育研究 | 胎儿脑扩散磁共振成像（dMRI）数据 | 医学图像处理 | 神经发育 | 扩散磁共振成像（dMRI） | 深度学习 | 医学图像（扩散磁共振成像） | 涵盖胎龄23至36周的胎儿脑dMRI数据集，包含60个白质束 | 未明确说明 | 双编码器架构 | 解剖对应性，视觉对齐效果 | NA |
| 5117 | 2026-04-18 |
Interpretable deep learning for deconvolutional analysis of neural signals
2025-Apr-16, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2025.02.006
PMID:40081364
|
研究论文 | 本文提出了一种可解释的深度学习方法DUNL，用于神经信号的解卷积分析，通过算法展开设计稀疏解卷积神经网络架构，并直接解释网络权重与刺激驱动的单神经元活动之间的关系 | 首次将算法展开方法应用于神经信号解卷积，设计可解释的稀疏解卷积神经网络，直接关联网络权重与神经元活动，提供对神经活动的机制性理解 | 未明确说明方法在更复杂神经场景或大规模数据集上的泛化能力，以及计算效率的具体评估 | 开发可解释的深度学习方法以分析神经信号，揭示神经活动与刺激之间的机制性联系 | 多个脑区的神经信号，包括中脑多巴胺神经元、躯体感觉丘脑、梨状皮层和纹状体 | 机器学习 | NA | 神经信号记录 | 稀疏解卷积神经网络 | 神经信号数据 | NA | NA | 基于算法展开的稀疏解卷积神经网络 | NA | NA |
| 5118 | 2026-04-18 |
Throw out an oligopeptide to catch a protein: Deep learning and natural language processing-screened tripeptide PSP promotes Osteolectin-mediated vascularized bone regeneration
2025-Apr, Bioactive materials
IF:18.0Q1
DOI:10.1016/j.bioactmat.2024.11.011
PMID:39734571
|
研究论文 | 本研究结合深度学习和自然语言处理技术，从蛋白质的无序区域中筛选出具有促血管生成和成骨活性的三肽PSP，并验证其在促进血管化骨再生中的作用机制 | 首次提出结合深度学习和自然语言处理的复合模型算法，用于从蛋白质无序区域中筛选生物活性肽；发现三肽PSP可作为“启动”剂，通过激活Osteolectin产生和细胞外囊泡释放来促进血管化骨再生 | 研究主要基于小鼠颅骨缺损模型，临床转化潜力尚需进一步验证；筛选的蛋白质数据集（262个相关蛋白）规模有限 | 开发更安全高效的促血管生成治疗替代方案，以促进骨再生 | 蛋白质无序区域中的生物活性肽、内皮细胞、骨髓间充质干细胞、小鼠颅骨缺损模型 | 自然语言处理, 机器学习 | 骨缺损 | 深度学习, 自然语言处理, 生物信息学筛选 | 深度学习模型, 自然语言处理模型 | 蛋白质序列数据, 文本数据（文献信息）, 实验数据 | 262个相关蛋白质的无序区域 | NA | NA | NA | NA |
| 5119 | 2026-04-18 |
Analyzing heterogeneity in Alzheimer disease using multimodal normative modeling on imaging-based ATN biomarkers
2025-Apr, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70143
PMID:40235115
|
研究论文 | 本研究采用基于深度学习的多模态规范建模框架，分析阿尔茨海默病（AD）患者中基于成像的ATN（淀粉样蛋白-τ蛋白-神经变性）生物标志物的个体水平异质性 | 首次将深度学习驱动的多模态规范建模应用于ATN成像生物标志物，以量化AD的个体异质性，并开发了结合空间范围和异常偏差幅度的个体疾病严重程度指数（DSI） | 研究依赖于横断面数据，未评估纵向变化；样本量相对有限（发现队列n=665，复制队列n=430），且仅基于成像生物标志物，未整合其他临床或分子数据 | 探究阿尔茨海默病在成像生物标志物上的异质性，并开发个体化疾病严重程度评估指标 | 阿尔茨海默病患者及淀粉样蛋白阴性对照个体 | 数字病理学 | 阿尔茨海默病 | T1加权磁共振成像（MRI）、淀粉样蛋白正电子发射断层扫描（PET）、τ蛋白正电子发射断层扫描（PET） | 深度学习 | 图像 | 发现队列665人，复制队列430人 | NA | NA | 疾病严重程度指数（DSI） | NA |
| 5120 | 2026-04-18 |
Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI
2025-Mar-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.28.25323105
PMID:40093221
|
研究论文 | 本研究利用结构MRI、人口统计学数据和可解释人工智能，探讨了精神分裂症分类、性别差异和脑年龄预测中的多变量区域模式 | 整合深度学习模型与SHAP可解释性方法，识别精神分裂症、性别差异和脑年龄相关的个性化多变量脑区模式 | 未明确提及样本量限制、模型泛化能力或外部验证结果 | 研究精神分裂症分类、性别差异和脑年龄预测中的多变量脑区模式 | 精神分裂症患者和健康对照者的结构MRI数据及人口统计学信息 | 医学影像分析 | 精神分裂症 | 结构MRI | 深度学习神经网络, 支持向量机, k近邻, Lasso回归, 岭回归, 支持向量回归 | 图像, 人口统计学数据 | NA | NA | NA | NA | NA |