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 659 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2026-01-08 |
Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks
2026-Jan-06, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae33f6
PMID:41494208
|
研究论文 | 本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动进行人类迷走神经束和神经外膜的3D分割 | 引入了一种新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并显著减少了解剖错误 | 研究仅基于5名受试者的100个微CT体积数据，样本量相对较小 | 开发一种自动化的3D分割方法，以精确量化神经形态，优化外周神经刺激疗法 | 人类迷走神经的神经束和神经外膜 | 数字病理学 | NA | 微计算机断层扫描 | CNN | 图像 | 100个微CT体积，来自5名受试者的颈部和胸部迷走神经 | NA | 3D U-Net, 2D U-Net | Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测 | NA |
| 202 | 2026-01-08 |
Soft sonocapacitor with topologically integrated piezodielectric nanospheres enables wireless epidural closed-loop neuromodulation
2026-Jan-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67723-3
PMID:41495062
|
研究论文 | 本文开发了一种拓扑纤维结构声电容（SonoCap），用于实现无线、高电容电荷密度注入的硬膜外闭环神经调控 | 提出了一种独特的压电-介电复合纳米球（UCapT）拓扑结构，能高效耦合超声激发实现压电电子-电容转移，其高度组装的SonoCap实现了累积电荷存储、高离子可及表面积和宏观柔软性 | NA | 开发一种无线、高电容电荷密度注入的硬膜外神经调控技术 | 大鼠和猪大脑的神经回路动力学 | 生物医学工程 | 颞叶癫痫 | 超声激发 | 深度学习 | NA | NA | NA | NA | 电容电荷密度输出（9.7 mC cm²）、法拉第电荷（2 nC cm²） | NA |
| 203 | 2026-01-08 |
Labeled photovoltaic installations for orthographic aerial imagery in Queens, New York
2026-Jan-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06523-2
PMID:41495074
|
研究论文 | 本文介绍了纽约皇后区2018年正射航空影像中光伏安装位置的手动标注数据集 | 数据集覆盖了人口密集的城区环境，包含四通道影像（三色加红外），且纽约州定期更新源数据，为光伏部署的时间序列研究提供了基础 | 数据集仅限于纽约皇后区2018年的特定区域，可能无法直接推广到其他地区或时间点 | 为能源研究人员提供标注数据，以支持计算机视觉方法识别屋顶光伏安装，并研究城市地区的光伏部署 | 纽约皇后区2018年航空影像中的光伏安装位置 | 计算机视觉 | NA | 航空影像采集 | 深度学习模型 | 图像 | 约5,500个独立安装，对应14,000个多边形标注 | NA | NA | NA | NA |
| 204 | 2026-01-08 |
Multimodal graph, surface, and language-based model for protein protein interaction prediction
2026-Jan-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34758-x
PMID:41495146
|
研究论文 | 本文介绍了一种名为GSMFormer-PPI的新型多模态框架，用于预测蛋白质-蛋白质相互作用，通过整合蛋白质分子表面特征、3D结构图和残基级序列嵌入来提高预测准确性 | 引入了结合蛋白质表面特征、结构图和序列嵌入的多模态框架，采用几何深度学习和高级融合策略，超越了传统的简单特征拼接方法 | 未明确说明模型在更大规模或更复杂数据集上的泛化能力，以及计算资源需求的具体细节 | 提高蛋白质-蛋白质相互作用预测的准确性，以更好地理解生物过程和疾病机制 | 蛋白质-蛋白质相互作用 | 机器学习 | NA | 几何深度学习，图卷积网络，Transformer编码器 | 图卷积网络，Transformer | 蛋白质分子表面特征，3D结构图，序列嵌入 | 基于PINDER数据集，具体样本数量未明确说明 | NA | MaSIF，图卷积网络，Transformer编码器 | NA | NA |
| 205 | 2026-01-08 |
A multimodal vision-language model for generalizable annotation-free pathology localization
2026-Jan-06, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-025-01574-7
PMID:41495192
|
研究论文 | 本文提出了一种无需标注的通用病理定位视觉语言模型AFLoc，通过多级语义结构对比学习实现病理定位与分类 | 采用基于多级语义结构的对比学习，全面对齐多粒度医学概念与丰富图像特征，无需专家图像标注即可适应病理的多样化表达 | NA | 开发一种无需标注的通用病理定位模型，以降低标注需求并适应复杂临床环境 | 胸部X光图像、组织病理学图像和视网膜眼底图像中的病理区域 | 计算机视觉 | 胸部疾病 | NA | 视觉语言模型 | 图像-报告对 | 220,000对胸部X光图像-报告，并在8个外部数据集上验证，涵盖34种胸部病理类型 | NA | AFLoc | 定位精度、分类准确率 | NA |
| 206 | 2026-01-08 |
The interpretable multimodal dimension reduction framework SpaHDmap enhances resolution in spatial transcriptomics
2026-Jan-06, Nature cell biology
IF:17.3Q1
DOI:10.1038/s41556-025-01838-z
PMID:41495202
|
研究论文 | 本文提出了一种可解释的多模态降维框架SpaHDmap，通过整合空间转录组学数据与高分辨率组织学图像来提升空间分辨率 | 将非负矩阵分解融入深度学习框架，实现了高分辨率空间元基因的识别，并能同时分析多个样本及兼容多种组织学图像类型 | 未明确说明框架对计算资源的具体需求及在处理超大规模数据集时的可扩展性 | 提升空间转录组学数据的空间分辨率以解析细微空间结构和生物活动 | 空间转录组学数据与组织学图像 | 数字病理学 | NA | 空间转录组学 | 深度学习 | 基因表达数据, 图像 | 合成、公共及新测序的多技术多组织类型数据集 | NA | NA | NA | NA |
| 207 | 2026-01-08 |
A hybrid CNN-transformer model with adaptive activation function for potato leaf disease classification
2026-Jan-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34406-4
PMID:41495315
|
研究论文 | 本文提出了一种结合CNN与Transformer的混合深度学习架构PLDNet，并引入自适应激活函数AFpM，用于马铃薯叶片病害的自动分类 | 提出了一种名为PLDNet的混合架构，融合了DenseNet CNN与Transformer注意力模块；并创新性地设计了自适应参数化激活函数AFpM，通过可学习参数实现自适应非线性，在动态梯度控制方面优于Mish、Swish和PFpM等现有激活函数 | 未明确说明模型在更复杂田间环境或更多病害类别下的泛化能力；未讨论计算复杂度与实时部署的可行性 | 开发一种高效、准确的自动化马铃薯叶片病害分类方法，以替代传统人工检测 | 马铃薯叶片病害图像 | 计算机视觉 | 植物病害 | 深度学习图像分类 | CNN, Transformer | 图像 | PlantVillage和Mendeley两个公开数据集 | 未明确说明 | DenseNet, Transformer | 准确率 | 未明确说明 |
| 208 | 2026-01-08 |
Development of a comprehensive model combining clinical, radiomics with deep learning for predicting the micropapillary pattern in ≤ 2cm invasive lung adenocarcinoma
2026-Jan-06, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery
IF:3.1Q1
DOI:10.1093/ejcts/ezag002
PMID:41495424
|
研究论文 | 本研究开发了一个结合临床特征、影像组学特征和深度学习特征的预测模型，用于术前识别≤2cm浸润性肺腺癌中的微乳头状模式 | 首次将临床、影像组学和深度学习特征融合到一个综合模型中，用于预测≤2cm浸润性肺腺癌中的微乳头状模式，并展示了其优于单一特征模型的性能 | 研究为回顾性设计，样本量相对有限（311例患者），且来自单一中心，可能影响模型的泛化能力 | 开发一个非侵入性预测模型，以术前识别≤2cm浸润性肺腺癌中的微乳头状模式，从而指导手术决策和优化患者管理 | 311例经病理证实的≤2cm浸润性肺腺癌患者（其中102例微乳头状模式≥5%，209例无微乳头状模式） | 数字病理学 | 肺癌 | 影像组学特征提取（使用PyRadiomics），深度学习特征提取（使用3D卷积神经网络） | 随机森林, SVM | 临床数据, 医学影像数据 | 311例患者 | PyRadiomics, 自定义深度学习框架（NASLung） | 3D卷积神经网络（NASLung） | AUC, 敏感性, 特异性, 校准曲线, 决策曲线分析 | NA |
| 209 | 2026-01-08 |
Hgtsynergy: a transfer learning method for predicting anticancer synergistic drug combinations based on a drug-drug interaction heterogeneous graph
2026-Jan-06, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06360-5
PMID:41495639
|
研究论文 | 本文提出了一种名为HGTSynergy的深度学习方法，用于预测抗癌协同药物组合，该方法基于药物-药物相互作用异构图，并利用迁移学习框架提升预测性能 | 首次将药物-药物相互作用异构图与迁移学习框架结合，以全面建模多种药物相互作用类型并从中提取先验知识，从而改进协同药物组合的预测 | 未明确说明方法在更广泛药物类型或不同癌症类型中的泛化能力，以及计算成本或数据需求的具体限制 | 预测抗癌协同药物组合，以降低手动筛选成本并优化癌症治疗中的药物组合疗法 | 抗癌药物及其相互作用 | 机器学习 | 癌症 | 深度学习 | 异构图注意力网络 | 图数据（药物-药物相互作用异构图） | NA | NA | 异构图注意力网络 | 均方误差, 均方根误差, 皮尔逊相关系数, AUC, AUPRC, 准确率, 精确率, Cohen's Kappa | NA |
| 210 | 2026-01-08 |
Prediction of pathological complete response to neoadjuvant therapy in breast cancer using deep learning with multi-modal radiological image and biopsy whole slide images: a two-center study
2026-Jan-06, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00986-7
PMID:41495869
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 211 | 2026-01-08 |
Deep Learning-Based Collateral Scoring on Multiphase CTA in Patients with Acute Ischemic Stroke in the MCA Region
2026-Jan-05, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8911
PMID:40623825
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于评估和量化急性缺血性卒中患者多期相CTA图像中的侧支循环，以减少观察者间的变异并提高诊断效率 | 提出了一种结合定制预处理模块的深度学习分类方法，首次实现了在多期相CTA上对侧支循环状态进行自动评估和量化，并证明多期相CTA相比单期或双期CTA在侧支评估中具有更好的性能 | 研究为回顾性设计，样本量相对有限（420例患者），且仅针对大脑中动脉区域的卒中患者，可能限制了结果的普适性 | 开发一种自动评估急性缺血性卒中患者多期相CTA侧支循环的方法，以辅助临床决策 | 420例急性缺血性卒中患者的多期相CTA图像 | 医学影像分析 | 急性缺血性卒中 | 多期相CTA | 深度学习分类模型 | 医学影像（多期相CTA图像） | 420例患者 | NA | NA | 准确率, F1分数, 精确率, 灵敏度, 特异性, AUC, 组内相关系数, κ系数 | NA |
| 212 | 2026-01-08 |
Development and validation of deep learning for predicting the growth of ovarian cancer organoids
2026-Jan-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003575
PMID:40709801
|
研究论文 | 本研究开发并验证了一种基于深度学习的可解释模型，用于预测卵巢癌类器官的生长结果 | 首次应用深度学习模型预测卵巢癌类器官的生长结果，并采用梯度加权类激活映射（Grad-CAM）进行可解释性分析 | 研究样本量有限，且仅针对卵巢癌类器官，模型泛化能力有待进一步验证 | 开发可预测卵巢癌类器官培养结果的深度学习模型，以提高类器官培养的成功率和临床实用性 | 卵巢癌类器官的纵向显微镜图像 | 计算机视觉 | 卵巢癌 | 纵向显微镜成像 | CNN, Transformer | 图像 | 517个卵巢癌类器官液滴（训练集325，验证集88，测试集104），外加179个多中心样本用于前瞻性验证 | PyTorch | ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2 | AUC, Brier分数, 校准曲线, 决策曲线净收益 | NA |
| 213 | 2026-01-08 |
Deep Learning-Based Acceleration in MRI: Current Landscape and Clinical Applications in Neuroradiology
2026-Jan-05, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8943
PMID:40721279
|
综述 | 本文综述了深度学习在加速磁共振成像（MRI）中的当前应用，特别是在神经放射学领域的临床实践 | 探讨了深度学习图像重建（DLBIR）技术如何从2D到3D采集的演进，结合自监督学习的进展，以在减少扫描时间的同时保持或提升图像质量 | 存在跨扫描器和成像条件的泛化性挑战、对伪影的敏感性、病理表征可能被改变，以及供应商特定闭源算法的训练数据、底层算法和临床验证信息有限 | 回顾深度学习加速MRI的技术现状、临床应用及未来趋势 | 神经放射学中的MRI图像 | 医学影像 | NA | 深度学习图像重建（DLBIR） | 深度学习模型 | 图像 | NA | NA | NA | 图像质量、病变显著性、噪声抑制、诊断准确性 | NA |
| 214 | 2026-01-08 |
Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction
2026-Jan-05, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8950
PMID:41381352
|
研究论文 | 本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在多发性硬化症脊髓病变检测中的诊断性能，并与传统MRI序列进行比较 | 首次将深度学习去噪方法应用于3D白质抑制MPRAGE序列，显著提高了脊髓病变的检测灵敏度和图像质量 | 样本量较小（仅38名患者），且研究为单中心前瞻性设计，需要更大规模的多中心验证 | 评估新型成像技术（3D WMn MPRAGE结合深度学习）在多发性硬化症脊髓病变检测中的诊断效能 | 多发性硬化症或临床孤立综合征患者的脊髓MRI图像 | 医学影像分析 | 多发性硬化症 | 3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列 | 深度学习去噪模型 | 3D MRI图像 | 38名患者 | NA | NA | 病变计数、检测置信度、图像质量评分、对比噪声比、组间一致性 | NA |
| 215 | 2026-01-08 |
Enhanced Neurovascular Imaging Using Ultra-High-Resolution CT and Deep Learning-Based Image Reconstruction
2026-Jan-05, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8964
PMID:41436283
|
研究论文 | 本研究评估了基于深度学习的图像重建在超高清CT神经血管成像中的诊断优势 | 首次将深度学习重建算法应用于超高清CT神经血管成像，并与标准混合迭代重建进行对比 | 单中心回顾性研究，样本量有限，仅使用特定供应商的深度学习算法 | 评估深度学习重建在神经血管成像中的诊断效益 | 100名因急性神经症状接受颅脑CT和CTA检查的患者 | 医学影像分析 | 脑血管疾病 | CTA, 超高清CT, 深度学习图像重建 | 深度学习算法 | CT图像 | 100名患者 | Matlab | 供应商特定的深度学习算法 | SNR, CNR, 斜率评估, 图像质量评分 | NA |
| 216 | 2026-01-08 |
Deep generative models for vessel segmentation in CT angiography of the brain
2026-Jan-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111432
PMID:41494368
|
研究论文 | 本文提出了一种用于脑部CT血管造影中血管分割的无监督生成深度学习半监督方法 | 提出了一种基于条件生成对抗网络（GAN）的半监督方法，用于CTA到NCCT的转换，并生成对比图以自动提取血管分割；此外，引入了一种基于3D Frangi滤波器的损失函数来增强对比图中的管状结构，以改进血管分割 | 与监督方法nnUnet相比，半监督方法的Dice相似系数低4%，假阳性率较高 | 开发一种无需繁琐手动分割的半监督生成深度学习方法来分割颅内血管 | 脑部CT血管造影（CTA）和非对比增强CT（NCCT）图像中的血管 | 计算机视觉 | 脑血管疾病 | CT血管造影（CTA），非对比增强CT（NCCT） | GAN | 3D医学图像 | 908个未标记的脑部CTA和NCCT扫描，以及9个带有手动标注参考分割的CTA体积作为测试集 | NA | 条件生成对抗网络（GAN） | Dice相似系数（DSC），真阳性率（TPR），假阳性率（FPR） | NA |
| 217 | 2026-01-05 |
YOLO-based deep learning framework for real-time multi-class plant health monitoring in precision agriculture
2026-Jan-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29132-w
PMID:41484288
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 218 | 2026-01-08 |
Automated evaluation of pulmonary lesion changes on chest radiograph during follow-up using semantic segmentation
2026-01-02, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253567
PMID:41321291
|
研究论文 | 本研究开发并验证了一种基于深度学习的模型，利用病灶特异性分割技术，在配对胸部X光片中自动评估实变和胸腔积液的改变状态 | 首次提出一种病灶特异性深度学习模型，用于自动评估胸部X光片中实变和胸腔积液在随访期间的改变状态，实现了对病灶变化的量化分析 | 模型在ICU环境中对胸腔积液的评估准确性显著低于放射科医生，且研究数据仅来自单一机构，可能限制了模型的泛化能力 | 开发一种自动化工具，用于评估胸部X光片中肺部病灶在随访期间的变化状态 | 胸部X光片中的实变和胸腔积液病灶 | 数字病理学 | 肺部疾病 | 语义分割 | 深度学习模型 | 图像 | 5,178张胸部X光片用于模型训练，另从急诊科和重症监护室获取配对X光片用于阈值确定和时间验证 | 未明确指定 | 未明确指定 | AUC, 准确率 | NA |
| 219 | 2026-01-08 |
Beyond peak accuracy: a stability-centric framework for reliable multimodal student engagement assessment
2026-Jan-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31215-7
PMID:41484417
|
研究论文 | 本研究提出了一种多模态学生参与度评估框架，通过类别感知损失函数、时间数据增强和异质集成等策略，解决了类别不平衡、模型不稳定性和可解释性有限的问题 | 引入了一个以稳定性为中心的框架，结合类别感知损失函数、时间数据增强、异质集成和基于SHAP的可解释性分析，以提升评估的可靠性和鲁棒性 | 未明确提及具体的数据集限制或外部验证的不足 | 开发一个可靠且稳定的多模态学生参与度评估系统，用于技术增强学习 | 学生参与度 | 机器学习 | NA | 多模态数据融合 | CNN, 集成学习 | 多模态数据（可能包括视频、音频等） | NA | NA | ResNet, Inception, MCNN, TimeCNN | 准确率, 宏平均F1分数 | NA |
| 220 | 2026-01-08 |
Informing atmospheric pollution hotspots and exposure risks under climate change using machine learning: Evidence from 2843 Chinese regions
2026-Jan-02, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.141002
PMID:41494348
|
研究论文 | 本研究应用时间序列和因果推断模型，量化了气候变化下中国2843个地区多种空气污染物浓度的变化及其对全因死亡的相对影响 | 提出了一种基于深度学习的RSSFF模型，用于预测气候变化背景下污染物浓度的变化及其与全因死亡的因果关系 | 研究存在不确定性增加的问题，特别是在共暴露和气候指标放大健康效应方面 | 评估气候变化对中国空气污染热点和暴露风险的影响 | 中国2843个地区的空气污染物浓度和全因死亡数据 | 机器学习 | NA | 时间序列分析，因果推断模型 | 深度学习模型 | 时间序列数据 | 2843个中国地区 | NA | RSSFF | NA | NA |