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 39616 篇文献，本页显示第 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2026-01-28 |
Augmenting a prognostic deep learning system for referable diabetic retinopathy and maculopathy with synthetic retinal images
2025-Dec-20, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01316-5
PMID:41420096
|
研究论文 | 本研究探讨了使用条件级联扩散模型生成的合成视网膜图像来增强预测性深度学习系统在两年内可转诊糖尿病视网膜病变或黄斑病变预测中的性能 | 首次将条件级联扩散模型生成的合成视网膜图像用于增强预测性深度学习系统，以解决标记数据稀缺和类别不平衡问题 | 合成图像增强在内部测试中显著提升性能，但在外部测试中未观察到改善，表明合成图像增强的泛化能力有待提高 | 提高预测性深度学习系统对两年内可转诊糖尿病视网膜病变或黄斑病变的预测准确性 | 来自英国东南伦敦糖尿病眼筛查计划和伯明翰糖尿病眼筛查计划的视网膜图像 | 数字病理学 | 糖尿病视网膜病变 | 条件级联扩散模型 | 深度学习系统 | 图像 | 开发数据集包含72,559只眼的图像，内部测试集包含9,071只眼，外部测试集包含2,842只眼 | NA | 条件级联扩散模型 | AUROC | NA |
| 1102 | 2026-01-28 |
Generalizable and scalable protein stability prediction with rewired protein generative models
2025-Dec-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67609-4
PMID:41422228
|
研究论文 | 本文提出了一种名为SPURS的深度学习框架，通过重新连接和整合两种互补的蛋白质生成模型，并利用大规模热稳定性数据进行监督微调，以实现可泛化、可扩展的蛋白质稳定性预测 | 创新点在于将蛋白质语言模型和逆折叠模型进行重新连接和整合，形成一个统一框架，并通过监督微调提升蛋白质稳定性预测能力，同时展示了在蛋白质信息学中的广泛应用潜力 | 未在摘要中明确提及 | 研究目的是预测由氨基酸替换引起的蛋白质热稳定性变化，以理解人类疾病并指导蛋白质工程应用 | 研究对象是蛋白质及其氨基酸替换 | 机器学习 | NA | 深度学习 | 蛋白质语言模型, 逆折叠模型 | 蛋白质序列数据, 热稳定性数据 | 大规模热稳定性数据 | NA | SPURS框架 | NA | NA |
| 1103 | 2026-01-28 |
Caries Detection in Primary Molars with Bitewing Radiographs through Deep Learning Based-Object Detectors
2025-Dec-18, Caries research
IF:2.9Q1
DOI:10.1159/000550079
PMID:41411231
|
研究论文 | 本研究旨在开发基于深度学习目标检测器的人工智能算法，用于在儿童乳磨牙的咬翼X光片中检测和分期龋齿病变 | 首次将多种深度学习目标检测算法应用于儿童乳磨牙龋齿的自动检测与分期，并比较了不同模型在龋齿严重性分类中的性能 | 数据集仅包含1,023张X光片，样本量相对有限；模型在检测所有龋齿病变时的灵敏度仅为0.509，仍有提升空间 | 开发人工智能算法以辅助临床医生更准确地诊断儿童龋齿病变，实现自动化龋齿检测与分期 | 儿童乳磨牙的咬翼X光片 | 计算机视觉 | 龋齿 | X光成像 | 深度学习目标检测器 | 图像 | 1,023张儿童乳磨牙咬翼X光片 | NA | DINO, YOLOv7 | 加权Kappa分数, 灵敏度, 特异性, 准确率 | NA |
| 1104 | 2026-01-28 |
Data-Driven differentiation of idiopathic Normal-Pressure hydrocephalus and progressive supranuclear palsy via automated volumetric analysis
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03830-8
PMID:41204957
|
研究论文 | 本研究开发了基于深度学习的自动化脑部体积分析方法，用于区分特发性正常压力脑积水和进行性核上性麻痹 | 采用深度学习自动化体积分析结合多组MRI特征（脑干、体积、中脑与脑桥比率、DESH亚组），并应用线性支持向量机模型实现高诊断准确性 | 样本量相对有限（共192例），且仅基于T1加权MRI图像，未涉及多模态影像或纵向数据 | 开发自动化机器学习方法以区分特发性正常压力脑积水和进行性核上性麻痹 | 特发性正常压力脑积水和进行性核上性麻痹患者的T1加权3D脑部MRI扫描 | 数字病理学 | 神经退行性疾病 | T1加权3D脑部MRI扫描 | SVM | 图像 | 192例患者（132例iNPH，60例PSP） | NA | 线性支持向量机 | AUROC | NA |
| 1105 | 2026-01-28 |
Deep learning for multi-modal medical image segmentation: a survey and comparative study
2025-Dec, Brain imaging and behavior
IF:2.4Q2
DOI:10.1007/s11682-025-01052-3
PMID:41082044
|
综述 | 本文对2019年至2025年间多模态医学图像分割的深度学习方法进行了全面的调查和比较分析 | 提供了多模态医学图像分割深度学习方法与融合策略的全面概述，并比较了不同模型在提升分割准确性和可靠性方面的表现 | NA | 综述和比较多模态医学图像分割的深度学习技术进展 | 多模态医学图像分割方法 | 计算机视觉 | NA | 多模态医学图像融合 | 深度学习模型 | 多模态医学图像 | NA | NA | NA | 分割准确性，可靠性 | NA |
| 1106 | 2026-01-28 |
Deep learning-based computed tomography reconstruction improves image quality but does not significantly affect Alberta stroke program early CT score evaluation in acute middle cerebral artery territory infarction
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03804-w
PMID:41091157
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1107 | 2026-01-28 |
Retrospective detection of missed intra-cranial aneurysms on computed tomography angiography using a commercial deep learning algorithm
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03810-y
PMID:41091156
|
研究论文 | 本研究评估了一种商业深度学习算法在回顾性检测计算机断层扫描血管造影中漏诊的颅内动脉瘤的效果 | 结合自然语言处理与卷积神经网络，通过算法标记疑似漏诊动脉瘤，并由神经放射科医生验证，提高了动脉瘤的检测率 | 漏诊的动脉瘤主要为小型（≤3毫米），且研究为单中心回顾性设计，可能存在选择偏倚 | 识别漏诊动脉瘤患者以进行随访和可能治疗，并评估深度学习算法在CTA中检测漏诊动脉瘤的有效性 | 成年患者的头部CTA研究 | 数字病理学 | 颅内动脉瘤 | 计算机断层扫描血管造影 | CNN | 图像 | 2615项头部CTA研究 | NA | NA | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 1108 | 2025-11-25 |
Deep learning in bone marrow cytomorphology: advances in segmentation, classification, and clinical translation
2025-Nov-24, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-03127-z
PMID:41284066
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1109 | 2026-01-28 |
OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG
2025-10, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110854
PMID:40857816
|
研究论文 | 本文介绍了一种名为OpenSpindleNet的开源深度学习网络，用于在头皮和颅内脑电图中可靠检测睡眠纺锤波 | 采用双头架构增强性能、鲁棒性和易用性，在颅内脑电图检测中表现优于现有方法 | NA | 开发一种精确、自动的睡眠纺锤波检测方法，以理解其在睡眠生理和脑健康中的作用 | 睡眠纺锤波，一种在轻度非快速眼动睡眠期间发生的振荡性脑活动 | 机器学习 | NA | 脑电图 | 深度学习网络 | 脑电图数据 | NA | NA | 双头架构 | F1分数 | NA |
| 1110 | 2026-01-28 |
VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.17.599381
PMID:38948743
|
研究论文 | 本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞静纤毛束的3D形态 | 开发了首个集成五种深度学习模型的Napari插件套件，用于耳蜗毛细胞静纤毛束的自动化3D分析，并提供了首个开源的手动标注3D数据集 | NA | 开发一个自动化工具，以解决耳蜗毛细胞静纤毛束复杂3D形态分析的挑战 | 耳蜗毛细胞静纤毛束 | 计算机视觉 | NA | 共聚焦显微镜，鬼笔环肽染色 | 深度学习模型 | 3D图像堆栈 | 约55个3D堆栈，包含502个内毛细胞束和1703个外毛细胞束的实例分割标注 | Napari | Z-Focus Tracker, PCPAlignNet, 分割模型, 分类模型 | NA | NA |
| 1111 | 2026-01-28 |
Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants
2025-Sep-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.18.25336004
PMID:41001491
|
研究论文 | 本研究利用深度学习模型，通过早产儿视网膜图像预测支气管肺发育不良和肺动脉高压 | 首次将早产儿视网膜筛查图像与心肺疾病预测结合，提出多模态模型整合图像特征与人口统计学风险因素，优于单一特征模型 | 样本量相对有限（BPD队列99例，PH队列37例测试集），且图像仅限于孕后年龄≤34周，可能影响模型泛化能力 | 探索早产儿视网膜图像是否包含与支气管肺发育不良和肺动脉高压相关的特征，并开发多模态预测模型 | 493名有早产儿视网膜病变风险的早产儿，接受常规视网膜筛查 | 数字病理学 | 心血管疾病 | 视网膜成像，超声心动图 | 深度学习，支持向量机 | 图像，人口统计学数据 | 493名早产儿（BPD测试集99例，PH测试集37例） | NA | ResNet18 | AUC | NA |
| 1112 | 2026-01-28 |
UNISELF: A Unified Network with Instance Normalization and Self-Ensembled Lesion Fusion for Multiple Sclerosis Lesion Segmentation
2025-Aug-06, ArXiv
PMID:41479462
|
研究论文 | 提出一种名为UNISELF的深度学习方法，用于多发性硬化病灶的自动分割，旨在同时优化域内准确性和跨域泛化能力 | 结合了测试时自集成病灶融合和测试时实例归一化，以处理域偏移和输入对比度缺失问题 | 仅基于单一有限数据源（ISBI 2015训练数据集）进行训练，可能未涵盖所有临床场景的多样性 | 开发一种能够同时提高域内分割精度和跨域泛化性能的多发性硬化病灶自动分割方法 | 多发性硬化病灶 | 数字病理 | 多发性硬化 | 多对比磁共振成像 | 深度学习 | 图像 | 基于ISBI 2015纵向多发性硬化分割挑战训练数据集，并在多个公共和私有测试数据集上评估 | 未明确指定 | 未明确指定 | 未明确指定 | 未明确指定 |
| 1113 | 2026-01-28 |
Learning Biophysical Dynamics with Protein Language Models
2025-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.11.617911
PMID:39464109
|
研究论文 | 本文介绍了SeqDance和ESMDance两种蛋白质语言模型，用于学习蛋白质的生物物理动力学特性 | 首次将分子动力学模拟和正常模式分析得到的动态生物物理特性整合到蛋白质语言模型中，以捕捉蛋白质的动态本质 | 模型训练依赖于模拟数据，可能受限于模拟的准确性和覆盖范围 | 开发能够预测蛋白质动态行为和突变效应的深度学习模型 | 超过64,000个蛋白质的动态生物物理特性 | 自然语言处理 | NA | 分子动力学模拟，正常模式分析 | 蛋白质语言模型 | 序列数据，动态生物物理特性数据 | 超过64,000个蛋白质 | NA | SeqDance, ESMDance (基于ESM2) | 零样本预测性能 | NA |
| 1114 | 2026-01-28 |
Bridging the Gap Between Accuracy and Efficiency in AI-Based Breast Cancer Diagnosis from Histopathological Data
2025-06-26, Cancers
IF:4.5Q1
DOI:10.3390/cancers17132159
PMID:40647456
|
研究论文 | 本研究提出了一种名为CellSage的新型轻量级深度学习模型，用于从组织病理学图像中诊断乳腺癌，旨在平衡诊断准确性与计算效率 | 提出了一种集成了多尺度特征提取、深度可分离卷积和卷积块注意力模块（CBAM）的新型CNN架构，在保持高精度的同时显著降低了模型参数量和计算负担 | 研究仅在BreakHis数据集上进行训练和评估，未在其他独立数据集或真实临床环境中进行广泛验证 | 设计一个轻量且高性能的深度学习模型，以解决乳腺癌组织病理学诊断中准确性与计算效率之间的权衡问题 | 乳腺癌的组织病理学图像 | 数字病理学 | 乳腺癌 | 染色归一化（通过对比增强建模，CAM），数据增强 | CNN | 图像 | BreakHis数据集 | NA | CellSage（集成多尺度特征提取、深度可分离卷积、CBAM） | 准确率，F1分数，AUC | NA |
| 1115 | 2026-01-28 |
AI-Based Detection of Optical Microscopic Images of Pseudomonas aeruginosa in Planktonic and Biofilm States
2025-Apr, Information (Basel)
DOI:10.3390/info16040309
PMID:41550100
|
研究论文 | 本文报告了一种基于深度学习的AI模型，用于高精度检测铜绿假单胞菌在浮游和生物膜状态下的光学显微镜图像 | 首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇预防生物膜形成，实现高效检测 | 未提及模型在多样化环境或不同细菌物种上的泛化能力评估 | 开发一种准确高效的生物膜检测与预防方法 | 铜绿假单胞菌的浮游状态和生物膜状态 | 计算机视觉 | NA | 光学显微镜成像，适配体DNA模板银纳米簇技术 | 深度学习 | 图像 | 大体积亮场图像（具体数量未说明） | NA | U-Net, ResNet18, ResNet34 | NA | NA |
| 1116 | 2026-01-28 |
An AI-directed analytical study on the optical transmission microscopic images of Pseudomonas aeruginosa in planktonic and biofilm states
2024-Dec-24, ArXiv
PMID:39764404
|
研究论文 | 本研究应用基于深度学习的AI模型，结合适配体DNA模板银纳米簇，对铜绿假单胞菌的浮游态和生物膜态光学透射显微图像进行高精度检测与分析 | 首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇抑制生物膜形成，实现多学科交叉的生物膜检测新方法 | 未明确说明模型在多样化环境样本或不同细菌物种上的泛化能力，且未提供与其他先进方法的定量对比结果 | 开发准确高效的生物膜检测与预防方法，以应对健康、食品工业和环境污染问题 | 铜绿假单胞菌的浮游态和生物膜态 | 计算机视觉 | NA | 光学透射显微镜，适配体DNA模板银纳米簇合成 | CNN | 图像 | NA | NA | U-Net, ResNet18, ResNet34 | NA | NA |
| 1117 | 2026-01-28 |
Using Deep Learning Neural Networks to Improve Dementia Detection: Automating Coding of the Clock-Drawing Test
2024-Oct-15, Research square
DOI:10.21203/rs.3.rs-4909790/v1
PMID:39483868
|
研究论文 | 本研究开发并评估了一种基于深度学习神经网络的智能时钟绘图测试评分系统，用于自动编码时钟绘图测试图像，以改进痴呆症检测 | 引入了结构化排序到编码系统中，超越了传统的名义分类方法，并比较了Vision Transformers与其他先进深度学习模型在自动编码时钟绘图测试图像上的性能 | 未在摘要中明确提及 | 改进痴呆症检测，通过自动化编码时钟绘图测试来减少大规模研究中的手动编码偏差 | 阿尔茨海默病及相关痴呆症 | 计算机视觉 | 老年疾病 | 深度学习神经网络 | CNN, Transformer | 图像 | 来自2011-2019年国家健康与老龄化趋势研究的大型公开时钟绘图测试图像库 | NA | ResNet101, EfficientNet, Vision Transformers | NA | NA |
| 1118 | 2026-01-28 |
Identification of Chemical Scaffolds That Inhibit the Mycobacterium tuberculosis Respiratory Complex Succinate Dehydrogenase
2024-10-11, ACS infectious diseases
IF:4.0Q1
DOI:10.1021/acsinfecdis.3c00655
PMID:39268963
|
研究论文 | 本研究结合生化筛选和深度学习技术，识别出抑制结核分枝杆菌呼吸复合物琥珀酸脱氢酶的多种化学支架，并评估其作为新型抗菌剂的潜力 | 首次利用深度学习辅助筛选方法，针对结核分枝杆菌的琥珀酸脱氢酶（SDH）这一未充分探索的靶点，识别出多个具有抑制活性的化学支架，并展示了SDH抑制剂在对抗耐药菌株和协同其他生物能量抑制剂方面的潜力 | 研究主要基于体外实验和计算模型，尚未进行深入的体内药效学和毒性评估，且对SDH抑制剂的长期耐药性发展机制探讨有限 | 开发针对结核分枝杆菌呼吸能量代谢的新型抗菌剂，特别是以琥珀酸脱氢酶（SDH）为靶点 | 结核分枝杆菌（包括野生型和耐药菌株）及其琥珀酸脱氢酶（SDH）酶 | 机器学习 | 结核病 | 生化筛选、深度学习 | 深度学习模型 | 化学结构数据、生化活性数据 | NA | NA | NA | 抗菌活性（抑制效果）、代谢和呼吸失调程度、细胞内琥珀酸分泌水平、耐药性预防效果 | NA |
| 1119 | 2026-01-28 |
TimeTuner: Diagnosing Time Representations for Time-Series Forecasting with Counterfactual Explanations
2024-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2023.3327389
PMID:37883273
|
研究论文 | 本文提出了一个名为TimeTuner的可视化分析框架，用于诊断时间序列预测中的时间表示，并通过反事实解释帮助分析人员理解模型行为 | 提出了一种结合反事实解释和可视化交互的两阶段技术，首次将局部相关性、平稳性和粒度分析集成到时间序列表示诊断中 | 仅实例化了平滑和采样两种转换方法，在更复杂的时间序列转换方法上尚未验证 | 改进时间序列预测中特征工程的自动化方法，增强模型行为的可解释性和可靠性 | 时间序列数据，包括单变量太阳黑子和多变量空气污染物数据 | 机器学习 | NA | 反事实解释，可视化分析 | 深度学习模型 | 时间序列数据 | NA | NA | NA | NA | NA |
| 1120 | 2026-01-28 |
Motor Imagery EEG Classification Based on a Weighted Multi-Branch Structure Suitable for Multisubject Data
2023-Nov, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3274231
PMID:37186527
|
研究论文 | 本文提出了一种加权多分支结构，用于处理多被试数据以提升特定被试运动想象脑电信号分类性能 | 提出加权多分支结构，每个分支负责拟合一对源-目标被试数据，通过自适应权重整合所有分支或选择权重最大的分支进行最终决策，有效利用分布差异大的多被试数据 | 未明确说明计算复杂度或实时性限制，且实验仅基于特定脑电数据集，泛化能力需进一步验证 | 解决特定被试运动想象脑电信号分类中训练数据稀缺问题，通过利用多被试数据提升模型性能 | 多被试脑电信号数据，包括BCICIV-2a、BCICIV-2b、高伽马数据集及两个补充数据集 | 机器学习 | NA | 脑电信号采集 | CNN | 脑电信号 | 基于多个公开脑电数据集，具体样本数未明确说明 | NA | EEGNet, Shallow ConvNet, Deep ConvNet, ResNet, MSFBCNN, EEG_TCNet | 分类准确率 | NA |