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 43930 篇文献，本页显示第 1461 - 1480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1461 | 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 |
| 1462 | 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 |
| 1463 | 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 |
| 1464 | 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 |
| 1465 | 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 |
| 1466 | 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 |
| 1467 | 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 |
| 1468 | 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 |
| 1469 | 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 |
| 1470 | 2026-04-18 |
Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease
2025-Apr-02, Alzheimer's research & therapy
DOI:10.1186/s13195-025-01705-x
PMID:40176187
|
研究论文 | 本研究利用深度学习网络整合方法，结合蛋白质组学和蛋白质相互作用数据，揭示了在阿尔茨海默病早期阶段调节Aβ与tau蛋白相互作用的新型细胞因子 | 首次将深度学习网络整合方法BIONIC应用于阿尔茨海默病机制研究，发现了GPNMB+小胶质细胞作为Aβ-tau相互作用的新型调节因子 | 研究主要基于ROSMAP队列的蛋白质组数据，需要在其他独立队列中进行验证；网络分析方法对数据质量和完整性依赖较高 | 揭示阿尔茨海默病中淀粉样蛋白β与tau蛋白相互作用的调节机制，寻找新的治疗靶点 | 轻度认知障碍和早期阿尔茨海默病患者 | 生物信息学 | 阿尔茨海默病 | 蛋白质组学，蛋白质-蛋白质相互作用分析，深度学习网络整合 | 深度学习 | 蛋白质组数据，基因表达数据，组织病理学数据 | ROSMAP队列样本（具体数量未在摘要中说明） | BIONIC | 深度学习网络整合模型 | 统计显著性（Benjamini-Hochberg校正p<0.05），线性回归分析，互信息分析 | NA |
| 1471 | 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 |
| 1472 | 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 |
| 1473 | 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 |
| 1474 | 2026-04-18 |
Noncoding variants and sulcal patterns in congenital heart disease: Machine learning to predict functional impact
2025-Feb-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111707
PMID:39877905
|
研究论文 | 本研究利用深度学习模型预测非编码变异对基因调控信号的影响，并探讨其与先天性心脏病患者脑沟模式的关联 | 首次将深度学习模型应用于预测非编码变异对H3K9me2修饰的影响，并揭示其与先天性心脏病患者右侧顶叶脑沟模式的关联 | 研究样本仅限于先天性心脏病患者，未考虑其他混杂因素对脑沟模式的影响 | 探究非编码变异对先天性心脏病患者脑沟模式的影响机制 | 先天性心脏病患者及无先天性心脏病的对照人群 | 机器学习 | 先天性心脏病 | 深度学习 | 深度学习模型 | 基因变异数据、脑沟模式数据 | 先天性心脏病患者队列及无先天性心脏病的对照队列 | NA | NA | NA | NA |
| 1475 | 2026-04-18 |
Global Land Use Change and Its Impact on Greenhouse Gas Emissions
2024-12, Global change biology
IF:10.8Q1
DOI:10.1111/gcb.17604
PMID:39614423
|
研究论文 | 本文通过合成29年全球历史数据，利用结构方程模型和深度学习模型，分析了全球土地利用变化对温室气体排放的影响，并预测了未来排放趋势 | 结合长期全球历史数据，首次使用结构方程模型量化土地利用与温室气体排放的关联，并应用深度学习模型进行未来排放预测 | 模型预测基于当前趋势延续假设，未考虑未来可能出现的突发性政策、技术或自然变化 | 探究全球土地利用变化对温室气体排放的影响，并预测未来排放情景 | 全球陆地表面，包括人工表面、农田、牧场、森林和荒地等土地利用类型 | 环境科学 | NA | 结构方程建模，深度学习 | 深度学习模型 | 时间序列数据，空间数据 | 29年全球历史数据 | NA | NA | NA | NA |
| 1476 | 2026-04-18 |
Detection and prioritization of COVID-19 infected patients from CXR images: Analysis of AI-assisted diagnosis in clinical settings
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.045
PMID:39734754
|
研究论文 | 本文介绍了基于人工智能的Covid放射成像系统（Co.R.S.A.）项目的研究成果，旨在通过胸部X光图像诊断新冠肺炎 | 提出了一个基于两步法的检测模型，结合客观放射学发现提供可靠结果；开发了患者优先级排序方案，确保重症病例优先处理；并进行了临床验证和偏差分析以增强AI系统的可信度 | 未明确说明模型在外部数据集上的泛化能力，以及可能存在的样本选择偏差 | 开发用于新冠肺炎诊断和患者优先级排序的AI系统，并评估其在临床环境中的实际效益 | 新冠肺炎患者的胸部X光图像 | 计算机视觉 | 新冠肺炎 | 胸部X光成像 | 深度学习 | 图像 | 未明确说明具体样本数量，但提及了公开的CORDA数据集 | 未明确说明 | 未明确说明具体架构，但提及基于两步法 | 准确性、时间效率 | 未明确说明 |
| 1477 | 2026-04-18 |
Leveraging anatomical constraints with uncertainty for pneumothorax segmentation
2024-Dec, Health care science
DOI:10.1002/hcs2.119
PMID:39735285
|
研究论文 | 本文提出了一种结合解剖学约束和不确定性的深度学习方法，用于在二维胸部X光片上分割气胸病变 | 创新性地将“肺+空间”作为解剖学约束引入深度学习模型训练，并利用外部数据集和辅助任务生成约束，同时通过判别器消除不可靠约束，提高了气胸分割的准确性和鲁棒性 | 方法依赖于外部数据集进行辅助任务，可能受领域偏移影响；未在更多疾病或更广泛数据集上验证通用性 | 通过结合医学领域知识，提升深度学习模型在气胸病变分割任务中的性能 | 二维胸部X光片中的气胸病变区域 | 计算机视觉 | 气胸 | 深度学习 | CNN | 图像 | NA | NA | U-Net, LinkNet, PSPNet, VGG-11, MobileOne-S0 | 交并比, Dice相似系数, Hausdorff距离 | NA |
| 1478 | 2026-04-18 |
Use of Deep Learning to Identify Peripheral Arterial Disease Cases From Narrative Clinical Notes
2024-11, The Journal of surgical research
IF:1.8Q2
DOI:10.1016/j.jss.2024.09.062
PMID:39454287
|
研究论文 | 本研究利用深度学习技术从电子健康记录的非结构化临床笔记中识别外周动脉疾病患者 | 采用基于BioMed-RoBERTa的深度学习模型，相比传统关键词搜索方法，在识别PAD病例方面表现出更优性能 | 研究依赖于已有的诊断或程序编码作为真实标签，可能无法完全捕获未确诊的PAD患者 | 开发一种从临床叙事文本中自动识别外周动脉疾病患者的替代方法 | 电子健康记录中的非结构化临床笔记 | 自然语言处理 | 心血管疾病 | 自然语言处理 | Transformer | 文本 | 71,355名患者的484,363次就诊记录，包含2,268,062条笔记 | PyTorch, Hugging Face Transformers | BioMed-RoBERTa | 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率 | NA |
| 1479 | 2026-04-18 |
Optical Coherence Tomography Versus Optic Disc Photo Assessment in Glaucoma Screening
2024-08-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002392
PMID:38546240
|
综述 | 本文综述了光学相干断层扫描（OCT）和视盘摄影在青光眼筛查中的优势和局限性 | 探讨了人工智能和深度学习模型在提升视盘摄影诊断准确性方面的潜力，并提出了结合OCT客观数据训练AI模型的新方向 | AI模型的有效性依赖于训练数据质量，使用主观分级作为训练数据可能将人类评估的局限性带入系统 | 评估OCT和视盘摄影在青光眼筛查中的准确性、可行性和成本效益 | 青光眼筛查方法 | 数字病理学 | 青光眼 | 光学相干断层扫描（OCT）、视盘摄影 | 深度学习模型 | 图像 | NA | NA | NA | 阳性预测值（PPV） | NA |
| 1480 | 2026-04-18 |
Barriers and Potential Solutions to Glaucoma Screening in the Developing World: A Review
2024-08-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002404
PMID:38625838
|
综述 | 本文综述了发展中国家青光眼筛查的障碍，并从不同利益相关者角度提出了解决方案 | 从患者、家属、医疗提供者和系统/管理机构等多方利益相关者视角，系统分析青光眼筛查障碍，并强调结合人工智能和深度学习技术作为潜在创新解决方案 | 基于文献综述的定性分析，可能缺乏实证数据支持具体解决方案的有效性 | 探讨发展中国家青光眼筛查的障碍及潜在解决方案，以改善青光眼的检测与管理 | 发展中国家的青光眼筛查项目及相关利益相关者（患者、家属、医疗提供者、系统/管理机构） | NA | 青光眼 | 文献综述 | NA | 定性数据 | NA | NA | NA | NA | NA |