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 3314 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 | 2026-01-20 |
Attenuation-based ultra-low-dose lung computed tomography at 0.1 mSv to 0.3 mSv effective dose in children
2026-Jan-19, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06503-z
PMID:41553466
|
研究论文 | 本研究评估了在儿科患者中使用宽探测器能量积分CT系统结合深度学习重建的超低剂量肺部CT方案的辐射剂量和性能 | 利用宽探测器能量积分CT和深度学习图像重建技术，实现了与新型光子计数CT系统相当的0.12-0.23 mSv超低剂量儿科肺部CT成像 | 研究为回顾性分析，存在心脏运动和阶梯伪影等非破坏性伪影，尽管不影响诊断解读 | 评估儿科超低剂量肺部CT的辐射剂量和诊断图像质量 | 106名儿科患者（年龄范围113天至17.85岁）的277次低剂量肺部CT扫描 | 数字病理学 | NA | 计算机断层扫描（CT），深度学习图像重建，衰减基础自动处方 | NA | CT图像 | 277次CT扫描来自106名儿科患者 | NA | NA | 信噪比，对比噪声比 | NA |
| 2262 | 2026-01-20 |
Hybrid imaging-clinical model for predicting microvascular invasion in hepatocellular carcinoma using deep learning-derived features from CT
2026-Jan-19, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01689-w
PMID:41553627
|
研究论文 | 本研究提出了一种结合深度学习和机器学习技术的方法，利用CT图像中的脂肪组织特征来预测肝细胞癌患者的微血管侵犯状态 | 首次整合脂肪组织深度特征与临床特征构建混合模型，用于预测肝细胞癌的微血管侵犯，并通过可视化分析验证了脂肪组织模态的临床诊断价值 | 研究仅基于两个中心的517例患者数据，样本量相对有限，且未进行外部验证 | 开发一种预测肝细胞癌微血管侵犯的混合成像-临床模型 | 肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 增强计算机断层扫描 | 深度学习, 机器学习 | 图像 | 517例肝细胞癌患者 | NA | NA | AUC, 决策曲线分析, 散点图, 箱线图 | NA |
| 2263 | 2026-01-20 |
Development and validation of a deep survival model to predict time to seizure from routine electroencephalography
2026-Jan-19, Epilepsia
IF:6.6Q1
DOI:10.1002/epi.70101
PMID:41553763
|
研究论文 | 本研究开发并验证了一个深度学习生存模型EEGSurvNet，用于从常规脑电图分析中预测个体随时间变化的癫痫发作风险 | 首次开发了深度学习生存模型EEGSurvNet，能够从单次常规脑电图中提取超出可见癫痫样异常的预后信息，并在无癫痫样放电的脑电图中表现出优越的区分能力 | 研究为回顾性队列设计，未来需要前瞻性研究来验证结果并评估临床影响 | 开发并验证一个深度学习模型，以预测癫痫患者从常规脑电图记录到下一次癫痫发作的时间 | 994名患者的1014次连续常规脑电图记录 | 机器学习 | 癫痫 | 常规脑电图 | 深度学习生存模型 | 脑电图信号 | 1014次脑电图记录（来自994名患者），测试集包含135次脑电图记录（来自115名患者） | NA | EEGSurvNet | 时间依赖性AUROC, 2年积分AUROC, C指数 | NA |
| 2264 | 2026-01-20 |
ASO Author Reflections: Multimodal Deep Learning Redefining Precision Prognosis in Prostate Cancer
2026-Jan-18, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-19105-2
PMID:41549219
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2265 | 2026-01-20 |
EvoZymePro-Cat: A Protein-Ligand-Aware Deep Learning Framework for Predicting Mutation Effects in Enzyme Function
2026-Jan-16, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00755
PMID:41422407
|
研究论文 | 本文提出了一种名为EvoZymePro-Cat的深度学习框架，用于预测突变对酶功能的影响，并通过比较预测突变活性来筛选改进的酶突变体 | 提出了一种成对比较框架，直接建模变体间的相对活性优势，避免了绝对活性预测的系统误差；整合了蛋白质和配体的全序列与局部结构语义，并利用双线性注意力机制捕获催化过程中的长程分子间相互作用 | 未明确说明模型在跨酶家族或不同反应类型中的泛化能力，也未详细讨论计算资源需求或运行时间 | 开发一个深度学习平台，用于高效筛选酶突变体，以推动酶的高效发现和定向进化 | 酶突变体及其功能活性 | 机器学习 | NA | 深度学习 | Transformer, 注意力机制 | 蛋白质序列、配体分子表示、结构特征 | NA | NA | ESM1b, MolT5, 双线性注意力机制 | AUC | NA |
| 2266 | 2026-01-20 |
AggrescanAI: Prediction of Aggregation-Prone Regions Using Contextualized Embeddings
2026-Jan-16, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2026.169643
PMID:41548690
|
研究论文 | 本文介绍了AggrescanAI，一种基于深度学习的工具，可直接从蛋白质序列预测残基水平的聚集倾向 | 利用ProtT5蛋白质语言模型的上下文嵌入，无需结构数据即可捕获序列中隐含的丰富信息，代表了新一代基于序列的聚集预测工具 | 未明确说明模型在特定蛋白质类型或极端条件下的泛化能力限制 | 开发一种能够准确预测蛋白质序列中聚集倾向区域（APRs）的深度学习工具 | 蛋白质序列及其聚集倾向区域 | 自然语言处理 | 神经退行性疾病 | 蛋白质语言模型 | 深度学习 | 序列数据 | 通过同源转移扩展的实验注释APRs数据集 | TensorFlow, PyTorch | ProtT5 | 交叉验证，外部基准测试 | Google Colab |
| 2267 | 2026-01-20 |
Quality of Head and Neck Diffusion-weighted MR Imaging Using a Combination of the Periodically Rotated Overlapping Parallel Lines with Enhanced Reconstruction (PROPELLER) Sequence and Deep Learning Reconstruction
2026-Jan-16, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0058
PMID:41548899
|
研究论文 | 本研究评估了结合周期性旋转重叠平行线增强重建序列与深度学习重建的头颈部扩散加权磁共振成像质量 | 首次将PROPELLER-DWI序列与深度学习重建技术结合，并系统比较了不同重建强度下的成像效果 | 样本量较小（仅10名健康成年人），未在患者群体中验证，且仅使用单一MRI设备 | 提升头颈部扩散加权磁共振成像的图像质量 | 健康成年人的头颈部磁共振图像 | 医学影像处理 | NA | 扩散加权磁共振成像，周期性旋转重叠平行线增强重建序列，单次激发回波平面成像 | 深度学习重建模型 | 磁共振图像 | 10名健康成年人（8名男性，2名女性） | NA | NA | 信噪比，对比度比，表观扩散系数图的变异系数，整体图像质量，几何畸变程度，磁敏感伪影 | 3特斯拉磁共振系统（Discovery MR750w） |
| 2268 | 2026-01-20 |
Explainable AI for pain perception: subject-independent EEG decoding using DeepSHAP and CNNs
2026-Jan-15, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae34b4
PMID:41499809
|
研究论文 | 本研究使用可解释的深度学习（DeepSHAP和CNN）从EEG信号中解码疼痛感知，实现主体独立的疼痛水平分类 | 首次将DeepSHAP可解释性技术应用于EEG疼痛解码，识别出与高低疼痛状态相关的特定频率带贡献 | 样本量较小（50名受试者），仅针对低和高两种疼痛刺激水平，未涵盖更广泛的疼痛强度范围 | 开发可解释的深度学习模型，用于从EEG信号中客观监测疼痛水平 | 50名受试者在低和高疼痛刺激下的EEG信号 | 机器学习 | NA | EEG信号分析 | CNN | EEG信号 | 50名受试者 | NA | 1D CNN | 分类准确率 | NA |
| 2269 | 2026-01-20 |
Skin disease diagnostics through federated transfer learning on heterogeneous data
2026-Jan-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31730-7
PMID:41540083
|
研究论文 | 本文提出了一种结合联邦学习和迁移学习的隐私保护方法，用于皮肤疾病的诊断，旨在解决医疗数据短缺和隐私限制问题 | 结合联邦学习与迁移学习，构建了一个隐私保护的诊断生态系统，并在异构数据上验证了模型的有效性 | 未明确说明模型在更广泛或真实世界临床环境中的泛化能力，以及具体的数据隐私保护机制细节 | 开发一种高效、轻量且隐私保护的皮肤疾病诊断方法，以提升诊断准确性并适应资源受限设备 | 皮肤疾病 | 机器学习 | 皮肤疾病 | 联邦学习, 迁移学习 | DNN | 图像数据（推断自皮肤疾病诊断） | NA | NA | 密集神经网络 | 交叉验证准确率 | 资源受限设备（如边缘设备） |
| 2270 | 2026-01-20 |
Modeling Ischemic Stroke Pathological Dynamics via Continuous Fields and Vector Flow
2026-Jan-15, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02222-9
PMID:41540225
|
研究论文 | 提出了一种名为StrokeFlow的新型框架，用于将缺血性卒中区域建模为连续场，以更精确地定位扩散加权MRI中的灌注缺损 | 将缺血性卒中建模从离散二值分割转向连续、功能感知的场表示，并引入了与表观扩散系数图负梯度对齐的矢量流场来模拟灌注缺损的方向性 | 仅使用了公开的ISLES 2022数据集进行评估，未在更广泛或多样化的临床数据上进行验证 | 开发一种更精确、生物学上更合理且可解释的工具，用于缺血性卒中的临床评估 | 急性缺血性卒中患者的扩散加权MRI图像 | 医学影像分析 | 缺血性卒中 | 扩散加权MRI | 基于坐标的神经网络 | 医学影像 | ISLES 2022公开数据集 | NA | StrokeFlow | 95% Hausdorff Distance, 敏感性 | NA |
| 2271 | 2026-01-20 |
Harnessing artificial intelligence for the assessment of liver fibrosis and steatosis via multiparametric ultrasound
2026-Jan-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i2.113059
PMID:41551823
|
综述 | 本文综述了人工智能（AI）结合多参数超声（US）技术在肝纤维化和脂肪变性评估中的应用、进展及临床意义 | 整合AI与多参数超声（如弹性成像和多普勒成像）技术，提高了肝纤维化和脂肪变性诊断的准确性、客观性和可重复性，减少了操作者依赖性 | 需要大规模数据集、算法透明度不足以及缺乏充分的临床验证 | 探索AI在多参数超声评估肝纤维化和脂肪变性中的当前应用和未来潜力 | 肝纤维化和脂肪变性 | 医学影像 | 肝病 | 多参数超声（包括弹性成像和多普勒成像） | 机器学习, 深度学习 | 超声图像 | NA | NA | NA | 灵敏度 | NA |
| 2272 | 2026-01-20 |
Machine Learning for Separating Dopamine and Octopamine Electrochemical Signals in Drosophila
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04155
PMID:41480932
|
研究论文 | 本研究利用深度学习回归方法，通过分析颜色图分离果蝇中多巴胺和章鱼胺的电化学信号 | 采用改进的U-Net架构作为回归模型，利用章鱼胺的独特初级氧化峰预测其二级氧化峰，从而从混合信号中分离多巴胺贡献，克服了传统方法假设伏安图形状固定的局限性 | 方法依赖于计算生成的混合物作为地面真实值进行训练，可能无法完全捕捉实验条件下的所有变异性 | 开发一种机器学习方法，用于同时检测和分离果蝇中多巴胺和章鱼胺的重叠电化学信号 | 果蝇中的多巴胺和章鱼胺神经递质 | 机器学习 | NA | 快速扫描循环伏安法 | 深度学习回归 | 颜色图（伏安图） | NA | NA | U-Net | 归一化均方根误差, 相关系数, 一致性相关系数 | NA |
| 2273 | 2026-01-20 |
Development and validation of a novel multimodal deep learning model integrating histopathology, radiology, and clinical data to predict primary non-response to infliximab in patients with Crohn's disease
2026-Jan-09, Journal of Crohn's & colitis
DOI:10.1093/ecco-jcc/jjaf206
PMID:41298328
|
研究论文 | 本研究开发并验证了一种整合组织病理学、放射学和临床数据的多模态深度学习模型，用于预测克罗恩病患者对英夫利昔单抗的初始无应答 | 首次将TabNet模型应用于临床和实验室特征，并采用多实例学习框架整合多模态信息，以预测英夫利昔单抗的初始无应答 | 研究为回顾性分析，样本量相对较小（188例患者），且仅针对英夫利昔单抗一种药物 | 提高克罗恩病患者对英夫利昔单抗治疗反应的预测准确性，推动精准医疗发展 | 克罗恩病患者 | 数字病理学 | 克罗恩病 | 计算机断层扫描肠造影（CTE）、内镜组织病理学全切片活检图像 | TabNet | 图像、文本 | 188例患者（内部训练集93例，内部验证集38例，外部测试集57例） | NA | TabNet | AUC | NA |
| 2274 | 2026-01-20 |
Artificial intelligence and machine learning-driven advancements in gastrointestinal cancer: Paving the way for precision medicine
2026-Jan-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i1.111428
PMID:41551523
|
综述 | 本文综述了人工智能和机器学习在胃肠道癌症检测、诊断和预后预测中的应用进展 | 整合了从影像学、病理学到临床数据的多模态AI方法，为精准肿瘤学提供了新机遇，并评估了大型语言模型在放射学报告中的应用 | 需要更广泛的验证、融入临床工作流程，并关注伦理、法律和社会影响 | 探讨人工智能和机器学习在胃肠道癌症精准医疗中的应用与进展 | 胃肠道癌症 | 机器学习 | 胃肠道癌症 | NA | 深度学习 | 影像数据, 病理数据, 临床数据 | NA | NA | NA | 准确率, AUC | NA |
| 2275 | 2026-01-20 |
Predicting lymph node metastasis in colorectal cancer using case-level multiple instance learning
2026-Jan-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i1.112090
PMID:41551528
|
研究论文 | 本研究开发并验证了一种基于病例级多实例学习（MIL）的框架，用于预测局部晚期结直肠癌的淋巴结转移，通过整合病理特征与临床数据提升预测性能 | 采用病例级多实例学习框架模拟病理学家的全面审查过程，相比传统的切片级深度学习，能更好地捕捉稀疏且诊断关键的转移潜力特征，并首次将CONCH v1.5和UNI2-h深度学习模型应用于此任务 | 研究为回顾性设计，样本量较小（130例患者），需要进一步的外部验证以确认其泛化能力 | 开发并验证一种改进的深度学习框架，以更准确地预测局部晚期（T3/T4）结直肠癌的淋巴结转移 | 130例T3/T4期结直肠癌患者的全切片图像及临床数据 | 数字病理学 | 结直肠癌 | 全切片图像分析，苏木精-伊红染色 | 深度学习，多实例学习 | 图像，临床数据 | 130例患者 | NA | CONCH v1.5, UNI2-h | AUC | NA |
| 2276 | 2026-01-20 |
RCSB Protein Data Bank: Delivering integrative structures alongside experimental structures and computed structure models
2026-Jan-06, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf1187
PMID:41206752
|
研究论文 | 本文介绍了RCSB.org在整合结构数据管理方面的扩展能力，使其能够与单一方法实验结构和计算结构模型一同支持发现、分析和可视化 | 将PDB-IHM系统与PDB统一，首次在RCSB.org上实现对整合结构、单一方法实验结构和计算结构模型的集成访问 | 未提及具体的数据处理技术限制或用户访问性能问题 | 扩展RCSB.org的数据服务能力，以支持更广泛的结构生物学研究 | 蛋白质数据银行（PDB）中的大分子三维结构数据，包括实验结构、计算结构模型和整合结构 | 结构生物信息学 | NA | 整合/混合方法（IHM）、深度学习、大分子晶体学、3D电子显微镜、核磁共振波谱 | NA | 三维结构数据 | 超过240,000个实验结构和超过100万个计算结构模型 | NA | NA | NA | NA |
| 2277 | 2026-01-20 |
JASPAR 2026: expansion of transcription factor binding profiles and integration of deep learning models
2026-Jan-06, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf1209
PMID:41325984
|
研究论文 | 本文介绍了JASPAR数据库2026版本的更新内容，包括扩展转录因子结合谱、整合深度学习模型以及新增功能 | 首次在JASPAR数据库中整合深度学习模型集合，包含1259个BPNet模型，用于建模和表征转录因子与DNA的相互作用 | 未明确说明模型在非人类物种或其他实验条件下的泛化能力 | 更新和扩展转录因子结合谱数据库，整合深度学习模型以改进转录因子-DNA相互作用的建模 | 转录因子（TFs）的DNA结合谱及其与DNA的相互作用 | 生物信息学 | NA | ChIP-seq，深度学习建模 | BPNet | 基因组序列数据，ChIP-seq数据 | 240个人类转录因子的ENCODE ChIP-seq数据集 | NA | BPNet | NA | NA |
| 2278 | 2026-01-20 |
Comprehensive perturbation of transcription factors in human cardiomyocytes reveals the regulatory architecture of congenital heart disease
2026-Jan-05, bioRxiv : the preprint server for biology
DOI:10.64898/2025.12.15.694070
PMID:41446109
|
研究论文 | 本文通过系统扰动人类干细胞心肌细胞分化过程中的转录因子，揭示了先天性心脏病的调控架构 | 首次大规模扰动1983个转录因子，结合深度学习Transformer模型预测扰动转录因子，并构建了TF-基因调控网络以解析先天性心脏病的调控机制 | 研究基于体外干细胞分化模型，可能无法完全模拟体内心脏发育的复杂性；增强子扰动仅涉及981个，覆盖范围有限 | 定义先天性心脏病基因的调控架构，解析转录因子在心脏发育中的作用 | 人类干细胞分化的心肌细胞，先天性心脏病相关转录因子和增强子 | 计算生物学 | 先天性心脏病 | 转录因子扰动，增强子扰动，RNA测序 | Transformer | 转录组数据 | 涉及1983个转录因子和981个增强子的扰动实验 | NA | Transformer | NA | NA |
| 2279 | 2026-01-20 |
Multimodal Deep Learning Differentiates Papilledema and Non-Arteritic Anterior Ischemic Optic Neuropathy From Healthy Eyes
2026-Jan-05, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.67.1.12
PMID:41533910
|
研究论文 | 本研究开发了一种多模态深度学习模型，结合光学相干断层扫描（OCT）和眼底照片，用于区分视盘水肿（IIH）、非动脉炎性前部缺血性视神经病变（NAION）和健康眼睛 | 首次提出结合OCT和眼底照片的多模态深度学习方法来提高IIH和NAION的诊断准确性 | 未提及 | 提高视盘水肿（IIH）和非动脉炎性前部缺血性视神经病变（NAION）的诊断准确性 | 视盘水肿（IIH）、非动脉炎性前部缺血性视神经病变（NAION）和健康眼睛 | 数字病理学 | 眼科疾病 | 光学相干断层扫描（OCT）和眼底摄影 | CNN | 图像 | 7019张OCT扫描和17,657张眼底照片，涉及视盘水肿（2315 OCT, 6349眼底）、NAION（841 OCT, 1814眼底）和健康眼睛（3863 OCT, 9494眼底） | PyTorch | 3D-ResNet-18, ResNet-50 | AUC-ROC, 准确率, 精确率, 召回率, F1分数 | 未提及 |
| 2280 | 2026-01-20 |
Precise Identification of Gastric Cancer Pathological Differentiation Based on Hyperspectral Imaging and Lightweight Deep Learning Models
2026-Jan, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500242
PMID:40903818
|
研究论文 | 本研究提出了一种结合高光谱成像和轻量级深度学习模型的改进深度残差网络，用于精确识别胃癌组织的病理分化程度 | 提出了一种结合高光谱成像和轻量级深度学习模型的改进深度残差网络，通过光谱预处理、降维和带有注意力机制的残差CNN来增强特征提取，同时保持效率，特别在识别低分化组织方面表现出色 | NA | 实现胃癌组织病理分化程度的精确分类，以辅助预后和治疗决策 | 胃癌组织 | 计算机视觉 | 胃癌 | 高光谱成像 | CNN | 图像 | NA | NA | 改进深度残差网络, ResNet50, ViT | NA | NA |