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 1920 篇文献，本页显示第 921 - 940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2026-01-25 |
Construction of musculoskeletal quantitative model based on deep learning and study of musculoskeletal relationship in patients with osteoporosis
2026-Jan-18, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2026.01.037
PMID:41558598
|
研究论文 | 本研究基于深度学习构建了用于骨质疏松患者腰椎CT和MRI的肌肉骨骼定量模型，并探索了肌肉骨骼关系 | 开发了基于U-Net的UNet3D模型，能同时分割CT上的L1-S1椎体和MRI上的椎旁肌/肌间隙，并在性能上超越了U-Net、U2-Net和Mask R-CNN | 研究为回顾性分析，样本来自两个中心，可能存在选择偏倚；外部测试集样本量相对较小 | 开发用于骨质疏松筛查的深度学习肌肉骨骼定量模型，并研究骨质疏松患者的肌肉骨骼关系 | 骨质疏松患者的腰椎CT、MRI和DXA扫描图像 | 数字病理学 | 骨质疏松 | CT, MRI, DXA扫描 | CNN | 图像 | 410名骨质疏松患者（平均年龄65±10岁，240名女性），包含76,700张CT轴位切片和6,210张T2 MRI轴位切片，分为训练集（266例）、验证集（76例）、内部测试集（38例）和外部测试集（30例） | 未明确指定，但提及了U-Net、U2-Net、Mask R-CNN等模型 | UNet3D, U-Net, U2-Net, Mask R-CNN | 像素准确率（PA）、平均像素准确率（mPA）、平均交并比（mIoU） | NA |
| 922 | 2026-01-25 |
GIN-transformer based pairwise graph contrastive learning framework
2026-Jan-18, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108621
PMID:41576557
|
研究论文 | 本文提出了一种基于GIN-Transformer的成对图对比学习框架，用于从静息态功能磁共振成像中自动诊断神经精神疾病 | 结合图同构网络和Transformer，通过无监督图对比学习解决数据稀缺问题，并利用双模态对比学习模块实现多尺度特征提取 | 未明确说明模型在更广泛数据集或实际临床环境中的泛化能力限制 | 开发一种无监督学习框架，以降低对标记数据的依赖，提高神经精神疾病的自动诊断性能 | 静息态功能磁共振成像数据，用于自闭症谱系障碍和重度抑郁障碍的诊断 | 机器学习 | 神经精神疾病 | 静息态功能磁共振成像 | GIN, Transformer | 图像（时间序列数据） | 两个公开数据集，具体样本数量未在摘要中提供 | NA | GIN-Transformer | NA | NA |
| 923 | 2026-01-25 |
Transfer learning from 2D natural images to 4D fMRI brain images via geometric mapping
2026-Jan-17, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103949
PMID:41576824
|
研究论文 | 提出了一种基于几何映射的fMRI迁移学习方法，使从2D自然图像到4D fMRI脑图像的迁移学习成为可能 | 通过将大脑皮层视为3D空间中的折叠黎曼流形，并利用表面几何映射将其映射到2D空间，从而弥合了fMRI数据与自然图像之间的迁移学习鸿沟 | 未明确提及 | 解决fMRI数据集样本量小的问题，并实现从大规模2D自然图像到4D fMRI脑图像的有效迁移学习 | fMRI脑图像数据 | 医学图像分析 | 抑郁症 | 功能磁共振成像（fMRI），血氧水平依赖（BOLD）信号 | 深度学习模型（具体未指定），迁移学习 | 4D fMRI图像，2D自然图像 | 基于人类连接组计划（HCP）数据集，并在23个抑郁症数据集上验证 | 未明确提及 | 多尺度多域特征聚合（MMFA）模块 | 未明确提及具体指标，但提及在性别分类、年龄估计和行为测量预测任务中达到最先进性能 | 未明确提及 |
| 924 | 2026-01-25 |
Dataset-centric evaluation of federated intrusion detection models in IoT networks
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32567-w
PMID:41545394
|
研究论文 | 本文对物联网网络中的联邦入侵检测模型进行了全面的数据集中心评估 | 首次跨三个当代物联网/工业物联网数据集进行联邦学习入侵检测系统的综合评估，并引入标签统一和特征对齐方法 | 评估仅限于三个数据集，可能未覆盖所有物联网场景；联邦学习模型在跨数据集测试中性能下降显著 | 评估联邦学习在物联网入侵检测系统中的泛化能力、收敛行为和通信成本 | 物联网网络中的入侵检测系统 | 机器学习 | NA | 联邦学习 | LSTM, Transformer | 网络流量数据 | 三个数据集：Edge-IIoTset (2022), CIC-IoT2023, TII-SSRC-23 (2023) | NA | LSTM, Transformer | macro-F1, 准确率 | NA |
| 925 | 2026-01-25 |
Pain assessment using physiological responses/markers in different types of pain: a scoping review
2026-Jan-15, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02241-6
PMID:41540230
|
综述 | 本文对2014年至2024年间利用生理信号进行疼痛评估的生物标志物和机器学习方法进行了范围综述 | 系统性地总结了不同疼痛类型下生理信号特征的变化，并回顾了基于经典机器学习和深度学习技术的最新疼痛评估模型 | 作为一篇范围综述，主要关注文献总结而非原始研究，未提供新的实验数据或模型验证 | 概述利用生理信号进行客观疼痛评估的最新进展，强调该领域日益增长的研究兴趣和未满足的需求 | 疼痛评估的生物标志物和机器学习方法 | 机器学习 | NA | 生理信号分析 | 经典机器学习, 深度学习 | 生理信号 | NA | NA | NA | NA | NA |
| 926 | 2026-01-10 |
A deep learning framework for species-level identification of root-knot nematodes using perineal pattern images
2026-Jan-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33143-y
PMID:41507258
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 927 | 2026-01-25 |
RTCC-Net: tropical cyclone generation classification model based on multi-source information fusion
2026-Jan-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33207-z
PMID:41507302
|
研究论文 | 本文提出了一种基于多源信息融合的热带气旋生成分类模型RTCC-Net，用于准确预测热带云团是否会发展为热带气旋 | 通过计算对流核心图和极坐标表示，并结合ResNet与自注意力机制提取时空特征，实现了对热带云团数据的更充分特征提取，超越了以往深度学习研究的局限性 | 未明确提及模型在处理极端或罕见天气模式时的泛化能力，以及在不同地理区域的应用限制 | 提高热带气旋生成的预测准确性，以支持灾害预防和减灾工作 | 热带云团的红外图像数据 | 计算机视觉 | NA | 红外图像分析 | CNN, 自注意力机制 | 图像 | 未明确提及具体样本数量 | 未明确提及，可能为TensorFlow或PyTorch | ResNet | 检测率, 误报率 | 未明确提及 |
| 928 | 2026-01-25 |
A CT-based multimodal fusion model for predicting outcomes in blunt chest trauma: A multicenter study
2026-Jan-02, The American journal of emergency medicine
DOI:10.1016/j.ajem.2025.12.038
PMID:41576754
|
研究论文 | 本研究开发了一种融合临床变量、影像组学特征和深度学习特征的多模态预测模型，用于提高钝性胸部创伤患者的预后预测准确性 | 通过整合多时间点CT影像与临床变量，构建了多模态融合模型，并引入代表时间变化的delta特征，显著提升了预后性能 | 回顾性研究设计，样本量相对有限（337例），且仅来自三个医疗中心，可能存在选择偏倚 | 提高钝性胸部创伤患者的预后预测准确性 | 钝性胸部创伤患者 | 数字病理学 | 胸部创伤 | CT成像 | LASSO回归, 深度学习模型 | 临床数据, CT图像 | 337例患者（来自三个医疗中心） | NA | NA | AUC, 校准曲线, 决策曲线分析, 净重分类改善指数, 综合判别改善指数 | NA |
| 929 | 2026-01-25 |
3D Quantification of Viral Transduction Efficiency in Living Human Retinal Organoids
2026-Jan, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202401050
PMID:40509616
|
研究论文 | 本文介绍了一种在活体人视网膜类器官中定量三维表征病毒转导效率的方法 | 结合活体成像和深度学习图像分割，实现了在三维活体组织中单细胞水平的时空定量分析，克服了传统方法的组织解离和空间信息丢失问题 | 方法依赖于特定的成像技术和类器官模型，可能无法完全模拟体内复杂环境 | 优化基因疗法，通过定量测试病毒转导效率来指导治疗开发 | 人视网膜类器官 | 数字病理学 | NA | 共聚焦活体成像，工程化腺相关病毒（AAV）载体 | 深度学习 | 三维图像 | NA | NA | NA | NA | NA |
| 930 | 2026-01-25 |
Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003434
PMID:40899800
|
研究论文 | 本研究构建了腹腔镜根治性肾切除术的全粒度标注数据集，并开发了一个用于多层级粒度信息整合的深度学习框架，以支持临床智能应用 | 构建了首个针对腹腔镜根治性肾切除术的全粒度标注数据集，并提出了一个轻量级框架，通过共享特征提取和任务特定解码器实现多粒度信息的同步感知与双向补偿增强 | 数据集仅包含41个多中心视频，样本量相对有限；研究聚焦于单一手术类型（腹腔镜根治性肾切除术） | 实现计算机对手术场景的全面理解，为智能手术辅助和自主决策提供基础 | 腹腔镜根治性肾切除术的手术视频 | 计算机视觉 | 肾癌 | 深度学习 | 深度学习框架 | 视频 | 41个多中心视频，包含141,443帧（手术阶段/步骤标注）、8,435帧（器械分割标注）和25,305帧（手术动作三元组标注） | NA | 共享特征提取器与任务特定解码器 | 准确率 | NA |
| 931 | 2025-09-05 |
Comment on "Association of peripheral immune markers with brain age and dementia risk estimated using deep learning method"
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003411
PMID:40905852
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 932 | 2026-01-25 |
Multimodal machine learning for staging laparoscopy: a combined image analysis and morphologic tool for the discrimination of peritoneal metastasis
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003448
PMID:40928288
|
研究论文 | 本研究开发了一种新型多模态机器学习模型，通过整合腹腔镜图像分析和形态学特征，用于区分腹膜转移瘤与良性病变 | 首次将深度学习图像分类模型与基于形态学特征的传统机器学习模型相结合，构建多模态机器学习模型，以提升腹膜转移瘤的术中识别能力 | 研究样本量较小（仅67名患者），且为单中心内部验证，缺乏外部验证 | 开发一种术中决策支持工具，以辅助外科医生在腹腔镜分期手术中更准确地鉴别腹膜转移瘤 | 接受腹腔镜分期手术的疑似腹膜转移瘤患者的腹膜病变 | 计算机视觉 | 腹膜转移瘤 | 腹腔镜视频图像分析 | 深度学习, 传统机器学习 | 视频帧图像, 形态学特征数据 | 67名患者的453个连续活检病变（良性197个，恶性256个） | NA | NA | AUC | NA |
| 933 | 2026-01-25 |
Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003455
PMID:40956187
|
研究论文 | 本研究提出了一种基于深度学习的框架DLCP，用于对肝细胞癌患者进行分层、识别预后生物标志物并推荐潜在的抗肝癌药物 | 首次提出一个整合多组学数据和临床表型的深度学习框架DLCP，用于患者分层、生物标志物发现和药物筛选，并通过实验验证了所发现生物标志物RAC1及其配体KGA-1083b的结合 | 研究主要基于TCGA和LIRI-JP队列数据，需要在更多独立队列中进行验证；所筛选的配体KGA-1083b的体内药效和安全性有待进一步评估 | 识别新的肝细胞癌预后生物标志物及其配体，以改善患者生存 | 肝细胞癌患者、小鼠原发性肝癌模型 | 机器学习 | 肝癌 | 基因组学、转录组学、表观遗传学、分子对接、分子动力学模拟、表面等离子共振、细胞热位移分析 | 深度神经网络 | 多组学数据、生存数据、化学化合物数据、天然产物数据 | TCGA HCC患者队列和LIRI-JP验证队列 | NA | NA | 患者分层生存差异、KD值 | NA |
| 934 | 2026-01-25 |
Multimodal deep learning integration for predicting renal function outcomes in living donor kidney transplantation: a retrospective cohort study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003494
PMID:40961229
|
研究论文 | 本研究开发并验证了一种多模态深度学习模型，整合CT影像、放射学报告文本和结构化临床变量，以预测活体肾移植受者术后1年的估计肾小球滤过率 | 首次将CT影像、放射学报告文本和结构化临床数据通过多模态深度学习进行整合，用于预测活体肾移植后的肾功能结局，显著超越了仅基于临床数据的传统模型 | 研究为回顾性队列研究，可能受到选择偏倚的影响；排除了免疫高风险受者、早期移植物并发症和解剖异常病例，可能限制了模型的泛化能力 | 优化活体肾移植中的供受者匹配并改善长期预后，通过预测术后肾功能来支持精准医学在移植领域的应用 | 活体肾移植受者 | 数字病理学 | 肾脏疾病 | 计算机断层扫描 | 多模态深度学习模型, 集成分类器 | 影像, 文本, 结构化临床数据 | 1,937例活体肾移植受者 | XGBoost | BioBERT, CLIP | 宏F1分数, 微F1分数, 加权F1分数, 准确率 | NA |
| 935 | 2025-11-06 |
Letter to editor on "Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment"
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003656
PMID:41190371
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 936 | 2026-01-25 |
Optimizing infant magnetic resonance imaging efficiency: Deep learning-assisted feed-and-wrap technique versus general anesthesia using an infant magnetic resonance imaging stabilizer in infants under 4 months
2026-Jan, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06437-6
PMID:41193818
|
研究论文 | 本研究比较了深度学习辅助的喂食包裹技术与全身麻醉在4个月以下婴儿MRI检查中的效率，发现深度学习辅助的喂食包裹技术能显著缩短MRI室周转时间 | 首次将深度学习图像重建技术与喂食包裹方法结合，用于优化婴儿MRI流程，减少对全身麻醉的依赖 | 单中心回顾性研究，样本量较小（48名婴儿），可能存在选择偏倚 | 评估深度学习辅助的喂食包裹技术相比全身麻醉在婴儿MRI检查中的效率优势 | 4个月以下的婴儿 | 医学影像分析 | NA | 磁共振成像 | 深度学习 | MRI图像 | 48名婴儿（DL-FW组22名，GA组26名） | NA | NA | 周转时间（分钟） | NA |
| 937 | 2026-01-25 |
Automatic detection of knee medial collateral ligament (MCL) tear from magnetic resonance imaging using deep neural network
2026-Jan, The Knee
DOI:10.1016/j.knee.2025.10.028
PMID:41238423
|
研究论文 | 本研究提出了一种基于深度神经网络的方法，用于从膝关节磁共振成像中自动检测内侧副韧带撕裂 | 首次应用深度神经网络解决膝关节内侧副韧带撕裂的自动检测问题，并比较了自定义CNN、预训练VGG19特征提取及迁移学习三种不同场景的性能 | 研究数据集仅来自单一医院的60名患者，样本多样性有限，未来需要在更广泛的人群中进行验证以确保模型的鲁棒性 | 开发一种自动检测膝关节内侧副韧带撕裂的方法，以提高诊断准确性和效率 | 膝关节磁共振成像图像 | 计算机视觉 | 膝关节损伤 | 磁共振成像 | CNN, VGG19 | 图像 | 3575张膝关节MRI图像，来自60名患者 | NA | 自定义CNN, VGG19 | 准确率, 损失值, AUC | NA |
| 938 | 2026-01-25 |
Predictions of Response in Non-small Cell Lung Cancer Patients Treated with Immune Checkpoint Inhibitors Using Clinical Data, Deep Learning, and Radiomics
2026-Jan, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.037
PMID:41087235
|
研究论文 | 本研究开发了一种整合临床数据、深度学习和放射组学的多模态模型（CRDL），用于预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 提出了一种结合临床数据、深度学习和放射组学的多模态融合模型（CRDL），在预测免疫治疗反应方面优于单模态及预融合模型 | 研究为回顾性设计，样本量相对较小（228例患者），且数据来源于单一中心，可能限制模型的泛化能力 | 开发并验证一个多模态模型，以预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 228例非小细胞肺癌患者，其程序性死亡配体1（PD-L1）表达水平各异 | 数字病理学 | 肺癌 | 计算机断层扫描（CT）成像 | CNN, 随机森林, 支持向量机 | 图像, 临床数据 | 228例非小细胞肺癌患者，其中训练集159例，验证集69例 | PyRadiomics, 未指定深度学习框架 | 深度卷积神经网络（具体架构未指定） | AUC | NA |
| 939 | 2026-01-25 |
Advancements in metastatic spinal cord compression treatment: a narrative review of innovations, challenges, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004382
PMID:41496922
|
综述 | 本文综述了转移性脊髓压迫治疗的最新进展，评估了其在改善神经功能、缓解疼痛、提高生存率和生活质量方面的疗效 | 系统整合了过去五年内MSCC治疗的多项创新，包括机器人辅助手术、深度学习早期检测模型、个性化医疗技术（如下一代测序）、生物工程植入物和质子治疗等 | 诊断延迟和获得专科治疗的机会有限等挑战仍然存在 | 综述转移性脊髓压迫治疗的最新进展、挑战及未来方向 | 转移性脊髓压迫患者 | NA | 转移性脊髓压迫 | 下一代测序 | 深度学习模型 | MRI图像 | 从132篇文章中筛选出38篇符合纳入标准的研究 | NA | NA | NA | NA |
| 940 | 2026-01-25 |
Early detection in oral cancer: are we ready for AI-driven precision?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004418
PMID:41496956
|
综述 | 本文探讨了人工智能在口腔癌早期检测和精准医疗中的应用前景与挑战 | 强调了AI驱动的精准医疗在口腔癌诊断中的变革潜力，特别是基于智能手机的AI系统在识别口腔病变方面达到专家级准确性 | 存在患者隐私、数据偏见以及AI系统“黑箱”性质不透明等问题 | 评估AI技术在口腔癌早期检测和精准医疗中的准备情况与应用潜力 | 口腔癌（特别是口腔鳞状细胞癌）及其潜在恶性病变（如白斑、红斑、扁平苔藓、黏膜下纤维化） | 数字病理学 | 口腔癌 | 荧光成像、高光谱成像、多组学整合 | CNN | 图像 | NA | NA | NA | 准确性 | NA |