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 2585 篇文献，本页显示第 2441 - 2460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2441 | 2025-12-20 |
A quantitative detection method for maize kernel broken rate based on the optimisation of the MSA transformer algorithm
2026-Jan-31, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.117983
PMID:41412662
|
研究论文 | 本研究提出了一种基于机器视觉和深度学习算法的玉米籽粒破碎率定量检测模型 | 开发了一种改进的基于Transformer的深度学习模型MSA Transformer，通过集成多尺度特征融合和注意力机制，利用并行分支进行多粒度特征提取，并通过全局和局部注意力增强显著信息 | NA | 实现玉米籽粒破碎率的在线定量评估，为粮食质量检测提供理论依据 | 玉米籽粒 | 计算机视觉 | NA | 机器视觉 | Transformer | 图像 | NA | NA | MSA Transformer | 准确率, 精确率, 召回率, F1分数, 相关系数, 决定系数, 均方根误差 | NA |
| 2442 | 2025-12-20 |
Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort
2026-Jan, Brain pathology (Zurich, Switzerland)
DOI:10.1111/bpa.70029
PMID:40589103
|
研究论文 | 本研究评估了两种弱监督多示例学习方法，利用预训练特征提取器在瑞典多中心队列的儿童脑肿瘤WSI上进行分类 | 首次在瑞典多中心儿童脑肿瘤队列中应用基于注意力机制的多示例学习方法，并评估了三种预训练特征提取器的性能 | 研究仅基于瑞典六家医院的数据，未包含国际多中心验证，且样本量相对有限 | 评估先进的计算病理学方法在儿童脑肿瘤多层级分类中的性能与泛化能力 | 540名被诊断为脑肿瘤的儿童患者的苏木精-伊红染色全切片图像 | 数字病理学 | 脑肿瘤 | 数字病理学, 深度学习 | 多示例学习 | 图像 | 540名受试者（年龄8.5±4.9岁）的WSI，来自瑞典六家大学医院 | NA | ResNet50, UNI, CONCH, ABMIL, CLAM | 马修斯相关系数 | NA |
| 2443 | 2025-07-21 |
A Review of Metadata and Deep Learning Strategies for Skin Lesion Classification
2026-Jan, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2025.06.1593
PMID:40683340
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2444 | 2025-12-20 |
Integrating multi-polygenic scores for enhanced prediction of antidepressant treatment outcomes in an East Asian population
2026-Jan, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-025-02269-y
PMID:41152404
|
研究论文 | 本研究探讨了多基因风险评分在预测东亚人群选择性5-羟色胺再摄取抑制剂抗抑郁治疗结局中的应用价值 | 首次在东亚人群中整合多基因风险评分以预测抗抑郁治疗结局，填补了该地区药物基因组学研究的空白 | 样本量相对较小，且仅针对东亚人群，未来需要更大规模、更多样化的队列进行验证 | 提高抗抑郁治疗结局的预测准确性，推动个体化治疗策略的发展 | 接受SSRI治疗的台湾地区抑郁症患者 | 生物信息学 | 抑郁症 | 全基因组关联研究，多基因风险评分计算 | 广义线性混合模型，机器学习算法，深度学习算法 | 基因组数据，临床数据，人口统计学数据 | 两个台湾队列共422名患者（VGHTP队列177人，NHRI队列245人） | PRS-CS, PRS-CSx, glmmLasso | NA | AUC | NA |
| 2445 | 2025-12-20 |
Graduate Student Literature Review: A review on near-infrared spectroscopy for rapid detection of hazardous substances in milk and dairy products
2026-Jan, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-27462
PMID:41130398
|
综述 | 本文综述了近红外光谱技术在牛奶及乳制品中危险物质快速检测中的应用 | 系统总结了近红外光谱在乳制品安全检测中的原理、方法及最新研究进展，并指出了未来与深度学习、人工智能等前沿技术融合的方向 | 近红外光谱检测仍面临光学机制不明确、痕量分析灵敏度不足、复杂基质干扰强以及模型鲁棒性和泛化性欠佳等挑战 | 评估近红外光谱技术用于牛奶及乳制品中危险物质快速检测的可行性与发展前景 | 牛奶及乳制品中的危险物质，包括兽药残留、掺假物和食源性病原体 | 光谱分析 | NA | 近红外光谱 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 2446 | 2025-12-19 |
Emerging Role of MRI-Based Artificial Intelligence in Individualized Treatment Strategies for Hepatocellular Carcinoma: A Narrative Review
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70048
PMID:40682357
|
综述 | 本文是一篇叙述性综述，探讨了基于MRI的人工智能在肝细胞癌个体化治疗策略中的新兴作用 | 聚焦于AI在MRI影像中用于指导HCC个体化治疗策略的应用，特别是治疗前预测治疗反应和预后的AI工具 | 模型泛化性、可解释性及临床整合方面仍存在挑战，需要标准化的影像数据集和多组学融合 | 探讨人工智能在肝细胞癌个体化治疗策略中的应用，以支持精准临床决策 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 磁共振成像 | NA | 影像 | NA | NA | NA | NA | NA |
| 2447 | 2025-12-19 |
Improving genomic selection accuracy using a dual-path convolutional neural network framework: a terpenoid case study
2026-Jan, The New phytologist
DOI:10.1111/nph.70727
PMID:41229065
|
研究论文 | 本研究通过整合全基因组重测序数据和代谢物定量分析，开发了一种基于双路径卷积神经网络的基因组选择模型，用于提高山鸡椒中萜类化合物合成的预测精度 | 提出了PKDP深度学习模型，该模型通过并行路径分别提取GWAS识别位点和全基因组标记的特征，并将先验知识与广泛基因组信息融合，从而显著提升基因组选择的预测能力 | NA | 揭示山鸡椒萜类生物合成的遗传基础，并开发基于深度学习的基因组选择策略以促进高效的遗传改良 | 山鸡椒（Litsea cubeba）的945个种质资源及其中的310个样本的萜类化合物 | 机器学习 | NA | 全基因组重测序, GC-MS定量分析 | CNN | 基因组数据, 代谢物定量数据 | 945个种质资源进行全基因组重测序，310个样本进行GC-MS萜类定量 | NA | 双路径卷积神经网络（PKDP） | 预测能力提升百分比（与传统rrBLUP相比） | NA |
| 2448 | 2025-12-19 |
USING ARTIFICIAL INTELLIGENCE TO ASSESS MACULAR EDEMA TREATMENTS IN RETINITIS PIGMENTOSA
2026-Jan-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004636
PMID:40743462
|
研究论文 | 本研究验证了一种基于深度学习的AI工具，用于量化视网膜色素变性中黄斑水肿的视网膜内液体积，并通过纵向分析提供了治疗疗效和疾病自然史的新见解 | 开发并验证了一种深度学习工具，用于快速准确地量化视网膜色素变性相关黄斑水肿的视网膜内液体积，为治疗评估提供了新方法 | 研究为回顾性设计，样本量相对较小（44名患者），且随访时间有限（平均2.3年） | 验证AI工具在量化视网膜色素变性黄斑水肿中的应用，并评估不同治疗方法的疗效 | 视网膜色素变性伴黄斑水肿的患者 | 数字病理学 | 视网膜色素变性 | 光谱域光学相干断层扫描 | 深度学习 | 图像 | 44名患者，共66只眼（52只治疗组，14只未治疗组），490对图像用于验证 | NA | NA | Dice系数 | NA |
| 2449 | 2025-12-18 |
Clinical value of the 70-kVp ultra-low-dose CT pulmonary angiography with deep learning image reconstruction
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11764-1
PMID:40603771
|
研究论文 | 本研究评估了基于深度学习图像重建算法的低辐射剂量和低对比剂剂量的CT肺动脉造影的可行性 | 结合70 kVp超低剂量协议与深度学习图像重建算法，实现了辐射剂量和对比剂剂量的双重降低，同时保持了图像质量并提高了肺动脉远端分支的可视性 | 样本量相对较小（100名患者），且研究为单中心前瞻性设计，可能限制了结果的普遍适用性 | 评估深度学习图像重建算法在低剂量CT肺动脉造影中的临床应用价值 | 连续100名接受CT肺动脉造影的患者 | 数字病理学 | 心血管疾病 | CT肺动脉造影 | 深度学习图像重建算法 | CT图像 | 100名患者（50名常规剂量组，50名低剂量组） | NA | NA | CT值、标准差、信噪比、对比噪声比、图像质量评分 | NA |
| 2450 | 2025-12-18 |
Super-resolution deep learning in pediatric CTA for congenital heart disease: enhancing intracardiac visualization under free-breathing conditions
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11800-0
PMID:40670764
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）、传统深度学习重建（C-DLR）和混合迭代重建（HIR）在自由呼吸条件下增强儿科先天性心脏病（CHD）CT血管造影（CCTA）图像质量和诊断性能的效果 | 在儿科自由呼吸CCTA中应用超分辨率深度学习重建（SR-DLR），显著提升了图像质量和对小病灶（如多孔房间隔缺损和室间隔缺损）的检测灵敏度，诊断准确率接近超声水平 | 研究样本量相对较小（91例），且仅针对1-10岁疑似先天性心脏病的儿科患者，未涵盖更广泛的年龄组或疾病类型 | 评估和比较不同图像重建算法在儿科先天性心脏病CT血管造影中的图像质量和诊断性能 | 91名1-10岁疑似先天性心脏病的儿科患者，在自由呼吸条件下接受心脏CT血管造影检查 | 医学影像分析 | 先天性心脏病 | CT血管造影（CCTA），超分辨率深度学习重建（SR-DLR），传统深度学习重建（C-DLR），混合迭代重建（HIR） | 深度学习模型（具体架构未明确说明） | 医学影像（CT图像） | 91名儿科患者 | NA | NA | 准确率, 灵敏度, 阴性预测值, 标准差（SD）, 信噪比（SNR）, 对比噪声比（CNR） | NA |
| 2451 | 2025-12-18 |
Diagnostic interchangeability of deep-learning based Synth-STIR images generated from T1 and T2 weighted spine images
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11827-3
PMID:40681776
|
研究论文 | 本研究评估了通过深度学习从T1和T2加权脊柱图像生成的合成短时反转恢复（Synth-STIR）图像的质量和诊断可互换性 | 利用深度学习从T1和T2加权图像生成Synth-STIR，显著减少扫描时间约180秒，同时提高信噪比和对比噪声比 | 研究为前瞻性单中心设计，样本量有限（199名参与者），且未明确说明深度学习模型的具体架构和训练细节 | 评估深度学习生成的Synth-STIR图像在脊柱MRI中的图像质量和诊断可互换性，以提高临床效率 | 脊柱MRI图像，包括标准STIR和从T1/T2加权图像生成的Synth-STIR | 医学影像分析 | 脊柱异常 | 深度学习，MRI成像（T1WI, T2WI, STIR） | 深度学习模型 | 医学图像（MRI） | 199名参与者（106名男性，平均年龄46.8±16.9岁） | NA | NA | 信噪比（SNR），对比噪声比（CNR），主观图像质量评估，个体等效指数（IEI），Kappa系数，Kendall一致性系数，McNemar检验 | NA |
| 2452 | 2025-12-18 |
Deep learning reconstruction of zero echo time magnetic resonance imaging: diagnostic performance in axial spondyloarthritis
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11843-3
PMID:40707731
|
研究论文 | 本研究比较了深度学习重建的零回波时间MRI在诊断中轴型脊柱关节炎患者结构病变方面的诊断性能，以CT为参考标准 | 首次将深度学习重建技术应用于零回波时间MRI，以增强对骶髂关节骨硬化和骨侵蚀等微小结构病变的检测能力 | 样本量较小（仅26名患者），且研究为单中心设计，可能限制结果的普遍性 | 评估深度学习重建的零回波时间MRI在中轴型脊柱关节炎结构病变诊断中的性能 | 中轴型脊柱关节炎患者的骶髂关节（包括52个关节和104个象限） | 医学影像分析 | 中轴型脊柱关节炎 | 零回波时间磁共振成像，深度学习重建 | 深度学习模型 | MRI图像 | 26名患者（52个骶髂关节，104个象限） | NA | NA | 诊断性能（敏感性、特异性等），加权Kappa系数（用于评估读者间一致性） | NA |
| 2453 | 2025-09-05 |
From detection to decision: Can deep learning-based CADx meet the challenge of incidental pulmonary nodules?
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11935-0
PMID:40906185
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2454 | 2025-12-18 |
GIMS: Image matching system based on adaptive graph construction and graph neural network
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108030
PMID:40907360
|
研究论文 | 本文提出了一种基于自适应图构建和图神经网络的图像匹配系统，通过结合GNN和Transformer提升匹配性能 | 引入了创新的自适应图构建方法，利用基于距离和动态阈值相似性的过滤机制，并融合GNN的顶点处理能力和Transformer的全局感知能力 | NA | 提升基于特征的图像匹配性能 | 图像中的关键点 | 计算机视觉 | NA | NA | GNN, Transformer | 图像 | 广泛图像数据集 | NA | GNN, Transformer | 整体匹配性能提升倍数 | 多GPU技术 |
| 2455 | 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 |
| 2456 | 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 |
| 2457 | 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 |
| 2458 | 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 |
| 2459 | 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 |
| 2460 | 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 |