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 2393 篇文献，本页显示第 2261 - 2280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2261 | 2025-12-18 |
Multimodal self-supervised retinal vessel segmentation
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108011
PMID:40921125
|
研究论文 | 本文提出了一种新颖的自监督预训练框架，利用未标记的多模态眼底图像对来提升视网膜血管分割的准确性 | 提出了一种利用多模态图像互补差异构建血管信息融合图的自监督预训练框架，通过Vision Transformer编码和相关性滤波实现，并在INFOMAX损失指导下学习实例级判别特征 | 未明确说明框架在计算资源需求方面的具体限制，也未讨论在不同临床环境中的泛化能力 | 开发一种减少标注依赖的视网膜血管自动分割方法 | 视网膜眼底图像 | 计算机视觉 | NA | 自监督学习，多模态特征融合 | Vision Transformer | 多模态眼底图像 | 未在摘要中明确说明 | NA | Vision Transformer | NA | NA |
| 2262 | 2025-12-18 |
Dynamic network compression via probabilistic channel pruning
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108080
PMID:40925121
|
研究论文 | 本文提出了一种基于概率通道剪枝的动态网络压缩方法，以减少深度学习模型的参数数量并提升效率 | 开发了概率连接模块，能在训练期间动态激活和停用通道连接，无需对剪枝后模型进行微调，并通过卷积分解有效诱导稀疏性 | 未明确提及具体局限性，但可能包括对特定模型架构的依赖或泛化能力的验证不足 | 解决神经网络压缩问题，以克服计算密集型深度学习模型的限制 | 深度学习模型，特别是ResNet-56和VGG-19架构 | 机器学习 | NA | 网络剪枝 | CNN | NA | NA | NA | ResNet, VGG | 准确率 | NA |
| 2263 | 2025-12-18 |
Learning in PINNs: Phase transition, diffusion equilibrium, and generalization
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107983
PMID:40884895
|
研究论文 | 本文通过神经梯度信噪比研究全连接神经网络的学习动态，识别出扩散平衡相，并提出样本重加权方案以改善泛化能力 | 识别出训练中的扩散平衡相，提出样本重加权方案以提高残差同质性和泛化能力，并发现激活饱和驱动的信息压缩现象 | 研究主要基于物理信息神经网络，可能在其他网络架构或任务中的普适性有待验证 | 研究非凸目标中一阶优化器的行为，探索神经网络学习动态与泛化能力的关系 | 全连接神经网络的学习动态，特别是梯度对齐和残差同质性 | 机器学习 | NA | NA | 全连接神经网络 | NA | NA | NA | NA | NA | NA |
| 2264 | 2025-12-18 |
Integration of radiomics, habitat imaging, and deep learning for MRI-based prediction of parametrial invasion in cervical cancer: A dual-center study
2026-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110542
PMID:41173217
|
研究论文 | 本研究评估了放射组学、生境成像和2.5D深度学习模型在基于MRI预测宫颈癌宫旁浸润中的诊断性能，并探讨了多模态整合模型的临床效用 | 首次将放射组学、生境成像和2.5D深度学习模型结合，构建多模态整合模型用于预测宫颈癌宫旁浸润，并在双中心数据中验证其优越性能 | 研究为回顾性设计，样本量相对有限（共290例患者），且仅基于MRI数据，未来需前瞻性多中心验证并整合更多模态信息 | 评估多模态模型在预测宫颈癌宫旁浸润中的诊断性能，以优化术前评估和临床决策 | FIGO分期为IB1-IIB的宫颈癌患者 | 医学影像分析 | 宫颈癌 | MRI成像, k-means聚类, 放射组学特征提取 | 深度学习模型, 机器学习模型 | MRI图像 | 290例患者（中心A: 227例，中心B: 63例） | NA | 2.5D深度学习模型 | AUC, 准确率 | NA |
| 2265 | 2025-12-18 |
Dual-channel hierarchical interactive learning for the prediction of Protein-Ligand binding affinity
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107982
PMID:40845562
|
研究论文 | 本文提出了一种名为双通道分层交互学习（DHIL）的新方法，用于更全面地建模蛋白质-配体相互作用，以提高结合亲和力预测的准确性 | 采用双通道编码结构同时学习分子内和分子间相互作用，并设计了分层交互学习范式，在多个层次上促进两类相互作用之间的信息交换，模拟了生物系统从局部到全局的工作机制 | 由于多尺度图构建和跨层消息传递，该框架引入了显著的计算开销；并且对输入3D结合构象的质量敏感，可能影响其在实际应用中的鲁棒性 | 提高蛋白质-配体结合亲和力（PLBA）的预测准确性，以支持药物筛选和发现 | 蛋白质-配体复合物 | 机器学习 | NA | NA | 深度学习 | 3D结构数据 | NA | NA | 双通道分层交互学习（DHIL） | 准确性 | NA |
| 2266 | 2025-12-18 |
ITSEF: Inception-based two-stage ensemble framework for P300 detection
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108014
PMID:40857922
|
研究论文 | 本文提出了一种基于Inception的两阶段集成框架（ITSEF），用于提高P300脑机接口中P300信号的检测准确率 | 设计了一种结合Inception卷积神经网络（ICNN）进行多尺度特征提取和跨通道学习的两阶段集成框架，并采用预训练和微调策略，通过动态加权两个分支的预测结果，使模型学习重点从多数类逐渐转向少数类，从而提升分类性能和泛化能力 | NA | 解决P300脑机接口中信号信噪比低、被试个体差异大以及类别不平衡的问题，以提高P300检测准确率 | P300脑电信号 | 脑机接口 | NA | 脑电图（EEG） | CNN, 集成学习 | 脑电信号数据 | 两个数据集：BCI Competition III的Dataset II和BCIAUT-P300数据集 | NA | Inception-based CNN (ICNN) | 分类准确率 | NA |
| 2267 | 2025-12-18 |
Hypothesis spaces for deep learning
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107995
PMID:40882408
|
研究论文 | 本文为基于深度神经网络（DNNs）的深度学习引入了一个假设空间，通过将DNN视为输入变量和参数变量的函数，构建了一个Banach空间，并证明其为再生核Banach空间（RKBS），进而研究了正则化学习和最小范数插值问题 | 提出将DNN视为双变量函数来构建假设空间，并证明该空间为RKBS，为深度学习提供了新的理论框架 | 未在具体数据集或实际应用中验证理论框架的有效性 | 为深度学习建立理论假设空间并研究学习模型 | 深度神经网络（DNNs）及其参数空间 | 机器学习 | NA | NA | 深度神经网络（DNNs） | NA | NA | NA | NA | NA | NA |
| 2268 | 2025-12-18 |
AutoProfile: Automated profiling in deep learning-based side-channel analysis
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108009
PMID:40882410
|
研究论文 | 本文提出了一种名为AutoProfile的新方法，用于增强基于深度学习的侧信道分析中配置攻击的效果 | AutoProfile针对侧信道分析定制了贝叶斯优化的两个核心组件：建模策略和获取函数，从而显著提升了攻击性能 | NA | 提高基于深度学习的侧信道分析在强密码系统中的攻击效率 | 公开可用的真实侧信道测量数据集 | 机器学习 | NA | 深度学习 | NA | 侧信道测量数据 | NA | NA | NA | 攻击所需轨迹数量减少百分比 | NA |
| 2269 | 2025-12-18 |
Spatial-frequency domain aggregation upsampling for pan-sharpening
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108007
PMID:40884893
|
研究论文 | 本文提出了一种新颖的空间-频域聚合上采样方法，用于提升全色锐化的性能 | 提出了空间-频域聚合上采样方法，包含双域非线性融合、区域特定注意力机制和自适应特征融合门三个核心模块，有效平衡空间与光谱信息 | NA | 提升遥感图像全色锐化的质量，生成高分辨率多光谱图像 | 高分辨率全色图像与低分辨率多光谱图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | PyTorch | SFAU | NA | NA |
| 2270 | 2025-12-17 |
Spatial single-cell proteomics landscape decodes the tumor microenvironmental ecosystem of intrahepatic cholangiocarcinoma
2026-Jan-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001283
PMID:39999448
|
研究论文 | 本研究利用人工智能辅助的空间多组学技术，生成了肝内胆管癌的全面空间图谱，揭示了肿瘤微环境的空间特征与预后及免疫治疗的关系 | 首次结合多种空间多组学技术（如成像质谱流式、空间蛋白质组学、空间转录组学等）和深度学习系统，系统解析了肝内胆管癌肿瘤微环境的细胞空间拓扑结构，并识别出与预后相关的空间亚型 | 空间转录组学样本量较小（n=4），部分数据依赖公共数据库，可能影响结果的普遍性 | 生成肝内胆管癌的空间肿瘤微环境图谱，识别与预后和免疫治疗相关的空间特征 | 肝内胆管癌患者的肿瘤组织样本 | 数字病理学 | 肝内胆管癌 | 成像质谱流式、空间蛋白质组学、空间转录组学、多重免疫荧光、单细胞RNA测序、批量RNA测序、批量蛋白质组学 | 深度学习 | 图像、蛋白质组数据、转录组数据 | 超过106万个细胞，包括155个内部成像质谱流式样本、155个内部空间蛋白质组学样本、4个内部空间转录组学样本、20个内部多重免疫荧光样本、9个内部和34个公共单细胞RNA测序样本、244个公共批量RNA测序样本、110个内部和214个公共批量蛋白质组学样本 | NA | NA | 高准确度 | NA |
| 2271 | 2025-12-17 |
Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70046
PMID:40679171
|
综述 | 本文综述了集成PET-MRI在神经退行性疾病临床实践中的转化应用，包括技术进展、临床益处及未来前景 | 总结了集成PET-MRI在神经退行性疾病中的最新技术革新，如基于MRI的衰减校正、运动校正方法以及深度学习在疾病分类和预测中的应用 | NA | 探讨集成PET-MRI在神经退行性疾病临床诊断和研究中的应用价值及技术发展 | 阿尔茨海默病及其他神经退行性疾病患者 | 数字病理学 | 神经退行性疾病 | 集成PET-MRI, MRI, PET | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2272 | 2025-12-17 |
A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70113
PMID:40916364
|
研究论文 | 本文评估了基于深度学习的模型用于法洛四联症患者心脏磁共振图像的左心室、右心室和左心室心肌的自动分割 | 采用MultiResUNet模型在混合数据集（包含法洛四联症和非法洛四联症病例）上训练，实现了对法洛四联症患者心脏结构的准确自动分割，并进行了内部和外部验证 | 研究为回顾性设计，样本量有限（特别是外部验证仅12例），且仅使用了一种成像序列 | 评估深度学习模型在法洛四联症患者心脏磁共振图像自动分割中的性能，以替代耗时且存在变异性的手动分割 | 427名患有不同心脏疾病的患者（包括122名法洛四联症患者和305名非法洛四联症患者）的心脏磁共振图像 | 数字病理学 | 心血管疾病 | 稳态自由进动电影序列 | CNN | 图像 | 427名患者（395名用于训练/验证，32名法洛四联症患者用于内部测试，12名外部法洛四联症患者用于泛化性评估） | NA | U-Net, Deep U-Net, MultiResUNet | Dice相似系数, 交并比, F1分数 | NA |
| 2273 | 2025-09-11 |
Editorial for "A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients"
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70114
PMID:40928233
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2274 | 2025-12-17 |
Predicting Radiation Pneumonitis Integrating Clinical Information, Medical Text, and 2.5D Deep Learning Features in Lung Cancer
2026-Jan-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.07.1437
PMID:40844448
|
研究论文 | 本文构建了一个基于临床信息、医学文本和2.5D深度学习特征的肺癌患者放射性肺炎预测模型 | 提出了一种结合临床信息、医学文本和2.5D多实例学习特征的放射性肺炎预测模型，为预测放疗副作用提供了新思路 | 模型在不同测试队列中的最优模型类型存在差异，可能影响泛化能力 | 构建放射性肺炎的预测模型以评估放疗副作用 | 肺癌患者 | 数字病理学 | 肺癌 | CT成像, 放射治疗剂量切片 | 深度学习模型 | 图像, 文本 | 594名患者（356名来自一个中心，238名来自三个其他中心） | NA | DenseNet121, DenseNet201, Twins-SVT | AUC | NA |
| 2275 | 2025-12-15 |
Molecular, metabolic, and histological subtypes of pancreatic ductal adenocarcinoma and its tumor microenvironment: Insights into tumor heterogeneity and clinical implications
2026-Jan, Pharmacology & therapeutics
IF:12.0Q1
DOI:10.1016/j.pharmthera.2025.108946
PMID:41183744
|
综述 | 本文综述了胰腺导管腺癌（PDAC）在分子、代谢和组织学层面的亚型分类方法，旨在促进实用、经济高效的诊断和个性化医疗 | 整合了单细胞和空间转录组学、代谢组学以及深度学习在组织病理学中的应用，揭示了PDAC的肿瘤异质性、肿瘤微环境相互作用及亚型可塑性，为亚型指导的治疗策略提供了新视角 | 作为一篇综述，未提出新的实验数据或模型，主要基于现有研究进行总结和讨论 | 旨在全面概述PDAC的亚型异质性，以指导未来的亚型知情治疗策略 | 胰腺导管腺癌（PDAC）及其肿瘤微环境 | 数字病理学 | 胰腺癌 | 单细胞转录组学, 空间转录组学, 代谢组学, 深度学习 | 深度学习模型 | 组织病理学图像（H&E染色切片）, 转录组数据, 代谢组数据 | NA | NA | NA | NA | NA |
| 2276 | 2025-12-15 |
A transformer-based pathomics model using endoscopic biopsy WSIs for predicting pathological complete response to preoperative immunotherapy in colorectal cancer
2026-Jan, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.111182
PMID:41240799
|
研究论文 | 本研究基于内镜活检全切片图像，利用深度学习模型预测结直肠癌患者术前免疫治疗的病理完全缓解 | 结合Swin Transformer架构与卷积神经网络增强的自注意力机制，并采用CLAM框架优化病理图像分析，首次利用内镜活检WSIs预测结直肠癌术前免疫治疗的pCR | 样本量较小（训练集72例，验证集23例），且为单中心回顾性研究，可能限制模型的泛化能力 | 构建预测模型以识别结直肠癌患者术前免疫治疗的病理完全缓解 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | H&E染色全切片图像分析 | Transformer, CNN | 图像 | 训练集72例，验证集23例 | CLAM | Swin Transformer | AUC | NA |
| 2277 | 2025-12-15 |
Optimal artificial intelligence model based on gastrointestinal filling contrast-enhanced ultrasound: Risk stratification of gastric gastrointestinal stromal tumors
2026-Jan, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.111190
PMID:41265372
|
研究论文 | 本研究基于胃肠道充盈对比增强超声图像，开发了一种深度学习模型，用于胃胃肠道间质瘤的早期筛查、辅助诊断和风险分层评估 | 首次将深度学习模型应用于胃肠道充盈对比增强超声图像，以实现胃胃肠道间质瘤的客观风险分层预测，减少操作者经验和主观判断的影响 | 样本量相对较小（121例患者），且为单中心研究，可能影响模型的泛化能力 | 开发基于胃肠道充盈对比增强超声图像的深度学习模型，用于胃胃肠道间质瘤的早期筛查、辅助诊断和风险分类评估 | 原发性胃胃肠道间质瘤患者 | 计算机视觉 | 胃肠道间质瘤 | 胃肠道充盈对比增强超声 | CNN | 图像 | 121例原发性胃胃肠道间质瘤患者 | NA | ResNet, CNN, ViT, EfficientNet | AUC | NA |
| 2278 | 2025-12-15 |
Uncertainty- and hardness-weighted loss functions for medical image segmentation
2026-Jan-01, Engineering applications of artificial intelligence
IF:7.5Q1
DOI:10.1016/j.engappai.2025.113118
PMID:41383559
|
研究论文 | 本文提出了一种用于医学图像分割的新型不确定性/困难度加权损失函数，通过概率引导不确定性权重和区域增强困难度权重来提升分割精度 | 首次提出结合像素级预测不确定性和困难度的双重加权损失函数，通过PGU和REH权重机制动态调整训练关注点 | 实验仅基于四种特定医学图像数据集，未验证在更广泛模态或临床场景中的泛化能力 | 改进医学图像分割的精度，特别是减少边界区域的分割误差 | 视网膜青光眼图像、视网膜血管树图像、光学相干断层扫描图像和心房分割挑战数据集 | 计算机视觉 | 青光眼,心血管疾病 | 深度学习 | Transformer, CNN | 二维图像,三维图像 | 四个公开数据集（REFUGE, RETA, OCT, ASC） | PyTorch | Swin-Unet, V-Net | Dice系数,分割误差 | 未明确说明 |
| 2279 | 2025-12-15 |
Feasibility of recent peptide therapy for ischemic stroke: a comprehensive exploration
2026-Jan, Journal of pharmacological sciences
IF:3.0Q2
DOI:10.1016/j.jphs.2025.10.007
PMID:41390189
|
综述 | 本文综述了肽疗法在缺血性卒中治疗中的最新进展及其潜力 | 探讨了人工智能与深度学习在肽生成中的应用，以加速药物发现过程 | NA | 探索肽疗法作为缺血性卒中新型治疗策略的可行性 | 缺血性卒中及其相关分子通路 | 自然语言处理 | 心血管疾病 | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 2280 | 2025-12-14 |
NMR-based deep learning classification of raw cow's milk samples in different stages of mastitis
2026-Jan-30, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.70200
PMID:40959907
|
研究论文 | 本研究利用核磁共振（NMR）数据和深度强化学习（DRL）协议，开发了一个用于对生牛奶样本在不同乳腺炎阶段进行分类的可靠预测模型 | 首次将未经预处理的生牛奶NMR数据作为指纹图谱，结合先进的张量分解方法和深度强化学习（DRL）协议，用于乳腺炎阶段的分类 | 未明确说明样本的具体数量，且模型在仅使用一半训练集时达到82%的准确率，可能表明数据量有限或模型泛化能力有待进一步验证 | 评估核磁共振（NMR）数据作为指纹图谱，结合深度强化学习（DRL）开发可靠的预测模型，以对生牛奶样本在不同乳腺炎阶段进行分类 | 健康奶牛（两组）以及患有亚临床（四组）和临床（一组）乳腺炎的奶牛的生牛奶样本 | 机器学习 | 乳腺炎 | 核磁共振（NMR），包括1H-NMR和扩散排序光谱（DOSY）NMR | 深度神经网络（DNN），深度强化学习（DRL） | 光谱数据（2D DOSY NMR谱） | NA | NA | NA | 准确率 | NA |