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 12055 篇文献，本页显示第 1141 - 1160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1141 | 2026-09-23 |
Maximizing pancreatic carcinoma classification performance using parrot optimized vision transformer
2026-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53240-w
PMID:42168286
|
研究论文 | 该研究利用鹦鹉优化算法优化的视觉Transformer模型对胰腺癌CT图像进行分类，实现了高精度的胰腺癌自动识别与分类 | 将鹦鹉元启发式优化算法与视觉Transformer相结合用于胰腺癌分类，并采用YOLOv11进行特征提取、UNet进行分割的完整流程 | 仅使用来自Kaggle的1411张CT图像，数据集规模有限，未提及外部验证集 | 开发一个基于人工智能的自动化模型，用于胰腺癌的识别与分类 | 胰腺CT图像数据集 | 计算机视觉 | 胰腺癌 | CT成像 | Vision Transformer | 图像 | 1411张胰腺CT图像 | NA | Vision Transformer, UNet, YOLOv11 | 准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 真阳性率, 假阳性率 | NA |
| 1142 | 2026-09-23 |
DigitAb: Domain-Adaptive Cell Type Prediction Method from Light Microscopy Images
2026-May-21, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.19.726313
PMID:42239069
|
研究论文 | 该论文开发了DigitAb，一个深度学习框架，能够直接从H&E染色图像中分类细胞类型，无需专门的免疫染色。 | 利用Phenocycler成像生成大规模高分辨率真值，训练语义分割模型，并集成对抗域适应模块，实现无标记细胞类型预测。 | 需要Phenocycler成像生成训练真值，且仅针对肾脏样本进行验证，泛化性有待进一步评估。 | 开发一种从光显微镜图像中预测细胞类型的方法，以替代昂贵的多重成像技术。 | 人类肾脏样本中的细胞 | 数字病理学 | 肾脏疾病 | H&E染色, Phenocycler成像 | CNN | 图像 | 29个人类肾脏样本，约350万个细胞 | NA | NA | 平衡准确率 | NA |
| 1143 | 2026-09-23 |
An Open Multi-Center Whole-Body FDG PET/CT Foundation Model for Tumor Segmentation
2026-May-20, ArXiv
PMID:42238067
|
研究论文 | 提出一个开源的多中心全身FDG PET/CT基础模型，使用4,997例扫描，采用早期通道级拼接的UNet骨干和掩码自编码目标，并在AutoPET病灶分割上验证了标签效率。 | 采用早期通道级拼接的层次化UNet骨干，使解剖和代谢特征从第一层嵌入开始交互；引入基于零均值插值的掩码自编码目标结合加权全局重建损失，避免了可学习掩码令牌导致的非物理强度不连续。 | 摘要中未明确提及研究局限性。 | 解决现有PET/CT深度学习方法任务特定、单中心训练和双分支融合延迟跨模态交互的局限，开发开源多中心全身FDG PET/CT基础模型，用于肿瘤分割。 | 全身FDG PET/CT扫描，来自四个公共数据集的4,997例协调扫描，下游任务为AutoPET病灶分割。 | 数字病理学/医学图像分析 | 肿瘤（通用） | FDG PET/CT成像 | UNet | 图像（PET和CT） | 4,997例全身FDG PET/CT扫描，来自四个公共数据集；下游任务使用AutoPET数据集 | NA | UNet | Dice分数 | NA |
| 1144 | 2026-09-23 |
Automated identification of bolus types in modified barium swallow studies using deep learning: a preliminary study
2026-May-20, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.16.26353385
PMID:42238390
|
研究论文 | 本研究利用深度学习技术实现改良钡餐吞咽造影（MBS）中食团类型的自动分类 | 首次将 Inflated 3D 卷积神经网络应用于 MBS 视频中食团类型的自动分类 | 本研究为初步研究，样本量有限，且未报告模型可解释性及多中心验证结果 | 开发基于深度学习的自动分类系统，用于标准化和高效地识别 MBS 检查中的食团类型 | 206 名接受 MBS 检查的患者，共 277 次 MBS 研究，包含 2,752 个食团级视频片段 | 医学图像分析 | 吞咽障碍 | 视频荧光透视 | Inflated 3D 卷积神经网络 | 视频 | 206 名患者，277 次 MBS 研究，2,752 个食团视频片段 | NA | I3D | 准确率, 宏 F1 分数 | NA |
| 1145 | 2026-09-23 |
HiCP2GAN: A Plug and Play Foundation Model-based GAN for Hi-C Enhancement
2026-May-20, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.18.725960
PMID:42239130
|
研究论文 | 该文章提出了一种基于预训练Hi-C基础模型的即插即用GAN框架HiCP2GAN，用于增强Hi-C数据的分辨率。 | 首次将预训练的Vision Transformer-based Hi-C基础模型作为GAN的判别器，提供生物学意义的梯度监督；框架与生成器无关，可即插即用。 | 摘要中未明确提及。 | 提高Hi-C数据的分辨率，以改善下游分析。 | Hi-C接触矩阵。 | 基因组学、深度学习 | NA | Hi-C | GAN | Hi-C接触矩阵 | 预训练使用了1.18亿个Hi-C片段，涵盖多种物种和细胞类型；实验在人类细胞系上进行，具体样本量未提及。 | PyTorch | Vision Transformer, GAN | 分辨率提升 | NA |
| 1146 | 2026-09-23 |
Weak supervision of H&E slides reveals systems-level biology and functional states that govern therapeutic resistance
2026-May-19, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723013
PMID:42146619
|
研究论文 | 该研究训练了一个弱监督深度学习模型，以常规H&E切片为输入，量化治疗相关的肿瘤微环境表型活性，并在乳腺癌中验证其与转录组、免疫荧光及临床反应的一致性 | 利用弱监督深度学习从常规H&E切片中推断系统级肿瘤微环境生物学和功能状态，揭示驱动治疗耐药的形态-分子介质，并可应用于大规模 legacy 生物样本库 | 依赖切片级标签进行训练，未提及外部独立验证队列的规模或前瞻性验证，可能受限于数据偏差和泛化性 | 开发可扩展的工具，在患者层面评估驱动治疗耐药的系统级肿瘤微环境程序，以推动精准肿瘤学 | 乳腺癌H&E全切片图像（WSIs）及匹配的批量转录组数据、多重免疫荧光、盲法读者评估和多机构患者队列 | 数字病理学 | 乳腺癌 | H&E染色全切片成像、批量转录组学、多重免疫荧光 | 弱监督深度学习模型 | 图像、文本（转录组数据） | 3111个乳腺癌H&E全切片图像（WSIs）及匹配的批量转录组数据 | NA | NA | AUROC, PCC, p值 | NA |
| 1147 | 2026-09-23 |
Opportunistic CT Attenuation Biomarkers of Anemia Are Associated With Impaired Myocardial Flow Reserve and Cardiovascular Outcomes
2026-May-19, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.14.26353239
PMID:42238410
|
研究论文 | 本研究利用深度学习从CT图像中自动分割心脏腔室并量化密度，评估其与贫血、心肌血流储备及心血管结局的关联 | 首次在大规模多模态数据集中，通过深度学习自动提取心脏腔室密度作为贫血的机会性CT生物标志物，并关联心肌血流储备和心血管事件 | 回顾性研究设计，可能存在选择偏倚；未直接测量血红蛋白验证贫血；未详细说明深度学习模型的具体架构和训练细节 | 评估心脏腔室密度测量与血红蛋白、PET检查结果及心血管事件之间的关系 | 接受PET检查的患者和接受肺癌筛查胸部CT的患者 | 数字病理学 | 心血管疾病 | CT, PET | 深度学习 | 图像 | 57,828名患者（33,460名来自13个中心的REFINE-PET接受PET检查，24,368名接受肺癌筛查胸部CT） | NA | NA | 调整比值比, 调整风险比, 95%置信区间 | NA |
| 1148 | 2026-09-23 |
Replicability of unsupervised deep learning derived image phenotypes
2026-May-19, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.19.726257
PMID:42239250
|
研究论文 | 该文评估了基于大脑MRI的无监督深度学习图像表型在不同训练扰动和队列间的可重复性 | 首次系统评估无监督深度学习图像表型在模型初始化、数据划分和独立队列变化下的稳定性，并引入加权MAXVAR广义CCA提取共享子空间 | 未明确讨论模型架构选择的全面性及不同遗传背景人群的泛化能力 | 评估无监督深度学习图像表型在实验条件变化下的可重复性，验证其是否捕获稳健的生物学结构 | 大脑MRI图像表型及UKB和ADNI队列的遗传数据 | 医学图像分析 | 脑部疾病 | MRI | CNN, ViT | 图像, 遗传数据 | UKB发现队列N=22,985，以及UKB和ADNI独立数据集 | NA | CNN, ViT | CKA, KCCA, 位点重叠率 | NA |
| 1149 | 2026-09-23 |
NeuroPupil: A generalization-first framework for scalable and biologically informative cross-species pupillometry
2026-May-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.14.725098
PMID:42239082
|
研究论文 | 该文章提出了NeuroPupil，一个用于高通量、跨物种瞳孔测量的深度学习框架，强调跨受试者、行为情境和成像条件的稳健泛化能力 | 提出了一种以泛化为先的深度学习框架，通过系统基准测试发现多受试者混合训练结合优化的U-Net架构是实现可靠且可迁移瞳孔追踪性能的关键决定因素 | 摘要中未明确提及该研究的局限性 | 开发一个可扩展、可泛化且具有生物学信息量的跨物种瞳孔测量框架，以促进瞳孔测量在系统和转化神经科学中的应用 | 小鼠和人类的瞳孔成像数据 | 计算机视觉 | NA | 定量瞳孔测量、深度学习 | CNN | 图像 | NA | NA | U-Net | 准确率、计算效率 | NA |
| 1150 | 2026-09-23 |
DamageFormer: a damage-aware multimodal deep learning framework for DNA lesion identification from nanopore sequencing
2026-May-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.14.725245
PMID:42239454
|
研究论文 | 本文提出了DamageFormer，一个多模态深度学习框架，用于从纳米孔测序数据中检测和定位DNA损伤 | 首次将损伤感知的基因组基础模型LesionBERT与神经信号模型通过自适应门控机制结合，实现序列上下文与纳米孔信号证据的动态加权融合，并采用预测、定位和对比对齐损失的联合目标函数训练 | 未明确说明 | 实现从纳米孔测序数据中对DNA损伤的准确检测与核苷酸分辨率定位 | 氧化性DNA损伤基准数据集中的DNA损伤位点 | 机器学习 | 癌症 | 纳米孔测序 | 深度学习, Transformer, 多模态融合模型 | 序列数据, 信号数据 | NA | NA | LesionBERT, DNABERT-2, 自适应门控机制 | AUROC, 平均绝对定位误差 | NA |
| 1151 | 2026-09-23 |
Using Deep Learning Models of Gene Regulation to Guide Drug Prioritization
2026-May-14, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.11.724354
PMID:42182259
|
研究论文 | 该研究开发了一个整合深度学习框架，将等位基因特异性增强子预测与转录因子中心基因表达变化及药物诱导转录谱联系起来，以优先考虑候选治疗药物 | 开发了一个整合深度学习框架，将非编码遗传变异与治疗候选药物联系起来，克服了大多数计算方法无法建模非编码遗传变异的局限 | 仅以乳腺癌作为概念验证，需要在更多疾病类型中验证框架的通用性 | 加速治疗发现，将非编码基因组变异转化为药理学相关的治疗假设 | 乳腺癌、非编码遗传变异、增强子、转录因子、药物化合物 | 机器学习 | 乳腺癌 | 深度学习、GWAS、药物重定位 | CNN | 基因组序列、基因表达谱、图像 | 7个细胞系、63个候选化合物、18个已批准药物、8个核心乳腺癌通路 | NA | NA | NA | NA |
| 1152 | 2026-09-23 |
Functional brain growth trajectories across the first decade of life from a single longitudinal cohort
2026-May-14, Research square
DOI:10.21203/rs.3.rs-9557891/v1
PMID:42183358
|
研究论文 | 该研究基于633名儿童从出生到10岁的1436次静息态fMRI扫描，构建了功能性脑连接成熟、网络拓扑和大规模功能梯度的规范性生长轨迹 | 首次建立了从出生到10岁功能性脑发育的规范性参考曲线，揭示了网络从初级到跨模态系统的层级非线性发展模式，并证明早期功能连接测量对后期社会情感和认知结果具有预测价值 | 仅基于单一纵向队列，样本可能缺乏多样性，需要更多独立队列验证发现的普遍性 | 定义关键脑功能连接特性的规范性纵向轨迹，并评估早期功能连接测量的预后价值 | 633名从出生到10岁随访的儿童 | 神经影像学 | 神经发育障碍 | 静息态fMRI | 深度学习 | 图像 | 1436次静息态fMRI扫描，来自633名儿童 | NA | NA | NA | NA |
| 1153 | 2026-09-23 |
Bayesian-Steered Structure Prediction of Mechanical Biomolecules Using Twisted Diffusion
2026-May-13, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.11.724187
PMID:42182379
|
研究论文 | 该文章提出了一种在Boltz-2中实现的扭曲扩散采样器，通过贝叶斯似然条件化扩散分布，预测机械生物分子的拉伸构象，无需额外训练神经网络 | 将寻找替代分子构象重新表述为从条件扩散分布中采样，使用任意贝叶斯似然进行条件化；在Boltz-2中实现扭曲扩散采样器；无需额外训练神经网络；实现了导向分子动力学的扩散类比 | 未明确提及局限性，但可能受限于扩散模型的采样效率和条件似然的准确性 | 预测功能相关但实验代表性不足的分子构象，特别是机械生物分子的拉伸状态 | DNA片段、肌联蛋白、内耳原钙黏蛋白-15、MscL离子通道 | 机器学习 | NA | 扩散模型、贝叶斯条件化、扭曲扩散采样 | 扩散模型 | 分子结构数据 | NA | NA | Boltz-2 | NA | NA |
| 1154 | 2026-09-23 |
Deep Computational Anatomy via Latent-Aligned Multiview Normalizing Flows
2026-May-11, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723039
PMID:42146611
|
研究论文 | 该论文提出了一种潜在对齐多视图归一化流（LAMNr）方法，用于深度计算解剖学，并在多模态医学影像数据上验证了其效果。 | 创新点在于通过潜在对齐约束学习共享潜在子空间，实现了跨视图的精确条件建模和潜在空间操作，并提供了与ANTsX生态集成的开源PyTorch实现。 | 摘要中未明确提及研究的局限性。 | 研究目的是利用归一化流进行深度计算解剖学建模，实现多模态数据共享潜在空间的表示和解剖学概念的计算。 | 研究对象包括影像衍生表型（IDPs）和多模态MRI数据。 | 医学图像分析 | NA | 多模态MRI | 归一化流 | 图像 | NA | PyTorch | 归一化流 | NA | NA |
| 1155 | 2026-09-23 |
Deep Learning Optimisation Strategies for Uveal Melanoma Detection Using Ultra-Widefield Photography
2026-May-11, Research square
DOI:10.21203/rs.3.rs-9441188/v1
PMID:42183368
|
研究论文 | 本研究评估了使用超广角眼底摄影进行葡萄膜黑色素瘤检测的深度学习数据优化策略 | 引入健康视网膜对照作为额外类别，显著提升模型性能至AUC 0.987 | 回顾性研究、样本量有限（864张图像）、单一中心数据 | 评估以数据为中心的优化策略对葡萄膜黑色素瘤深度学习分类性能的影响 | 784名患者的864张超广角眼底照片 | 计算机视觉 | 葡萄膜黑色素瘤 | 超广角眼底摄影 | CNN | 图像 | 784名患者的864张图像 | NA | NA | AUC, F1分数, 精确率, 召回率, 期望校准误差 | NA |
| 1156 | 2026-09-23 |
Reduction techniques for survival analysis
2026-May-10, Lifetime data analysis
IF:1.2Q2
DOI:10.1007/s10985-026-09714-0
PMID:42203896
|
综述 | 本文讨论了生存分析中的归约技术，即将生存任务转化为常见回归或分类任务的方法，并提供了实现、示例和基准分析 | 系统性地概述了不同的归约技术，提供了原则性实现，使其可直接用于标准机器学习工作流，并进行了基准分析 | 未明确提及具体限制，但作为综述可能缺乏新颖的实验验证或对特定方法的深入理论分析 | 探讨归约技术在生存分析中的应用，以促进基于机器学习的生存分析 | 生存分析任务和归约技术 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | 预测性能 | NA |
| 1157 | 2026-09-23 |
Cortical reconstruction and anatomical parcellation of high-resolution multi-modal postmortem ex vivo MRI of the human infant brain
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.07.722301
PMID:42146518
|
研究论文 | 该研究介绍了一个独特的产后婴儿高分辨率多模态MRI数据集，并提出了一个统一的计算框架，用于体积分割和皮层表面重建及解剖分区，通过合成数据生成引擎解决域偏移问题 | 首个产后婴儿高分辨率多模态MRI数据集；开发了产后特异性合成数据生成引擎，明确模拟固定引起的成像特征；结合深度学习体积分割与基于表面的皮层重建，在高分辨率原始空间中进行解剖分区 | 摘要中未明确提及 | 开发稳健的计算工具，用于产后婴儿大脑的自动解剖分割和皮层表面重建，并建立形态测量与潜在病理之间的联系 | 产后婴儿大脑的高分辨率多模态离体MRI数据 | 医学图像分析，神经影像学 | NA | 高分辨率多模态离体MRI，深度学习体积分割，基于表面的皮层重建 | 深度学习模型 | 多模态MRI图像 | NA | NA | NA | 解剖一致性，分割性能 | NA |
| 1158 | 2026-09-23 |
A Deep Learning Framework for Spatiotemporal Modeling of Visual Task fMRI
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722117
PMID:42146685
|
研究论文 | 提出了一种深度学习框架STREAM，用于任务态fMRI的时空建模，学习神经转换函数以表征有效连接和全脑信息流 | 提出了STREAM框架，学习任务态fMRI中的神经转换函数来表征有效连接和全脑信息流，揭示了传统激活区域主要由传入信号驱动，默认模式网络作为高层调控枢纽具有广泛传出影响，以及类别特异性通信源于关键枢纽间信号模式的动态重构而非静态通路 | NA | 表征认知任务中分布式脑区的动态协调，揭示驱动局部激活的底层信息流 | 1074名参与者的视觉类别处理任务态fMRI数据 | 计算机视觉, 机器学习 | NA | 任务态fMRI | 深度学习 | 图像 | 1074名参与者 | NA | NA | NA | NA |
| 1159 | 2026-09-23 |
CT Attenuation Map-Derived Body Composition Is Associated with Cardiorespiratory Fitness in Multicenter External Validation
2026-May-08, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.07.26352573
PMID:42145618
|
研究论文 | 该研究利用深度学习从CT衰减图中量化身体成分，开发了一种身体成分“健康”评分，并在多中心外部人群中验证其与心肺适能和全因死亡率的关系 | 首次提出基于CT衰减图衍生的综合身体成分“健康”评分，并通过深度学习自动量化身体成分，在外部SPECT和PET人群中验证了该评分对良好运动能力和心血管死亡的预测价值，将常规CT数据转化为心肺适能的替代标志物 | 研究为回顾性设计，运动能力定义基于Bruce方案完成时间，可能无法完全反映真实心肺适能；外部验证人群的种族和地域多样性有限；未与直接心肺运动试验的金标准进行头对头比较 | 开发并验证一种基于CT身体成分分析的“健康”评分，用于在无法进行运动测试的患者中评估心肺适能 | 来自四个SPECT中心和十二个PET中心的总共36471名患者，中位年龄67岁（四分位距58-74） | 医学图像分析 | 心血管疾病 | SPECT、PET、CT衰减图、深度学习 | CNN | 图像 | 36471名患者（来自四个SPECT中心和十二个PET中心） | NA | NA | AUC、95%置信区间、调整风险比 | NA |
| 1160 | 2026-09-23 |
AI-enabled virtual immunopeptidomics links quantitative neoantigen presentation to immunogenicity
2026-May-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722287
PMID:42146452
|
研究论文 | 本研究开发了epiVIP深度学习框架，通过基因表达数据预测HLA-I肽的丰度，揭示新抗原丰度与非自身性在决定免疫原性中的补偿关系 | 首次开发了基于深度学习的epiVIP框架，能够利用广泛可用的(sc)RNA-seq数据预测单个HLA-I肽的丰度，将虚拟免疫肽组学与定量新抗原呈递联系起来；揭示了丰度与非自身性在决定抗原性中的补偿关系，为TCR亲和力理论提供了定量支持 | 摘要中未明确提及研究局限性 | 建立AI驱动的虚拟免疫肽组学方法，将定量新抗原呈递与免疫原性联系起来，改善癌症免疫治疗 | HLA-I肽、新抗原、肿瘤样本、患者生存数据、新抗原疫苗队列和免疫检查点阻断队列 | 机器学习 | 癌症 | (sc)RNA-seq、免疫肽组学、T细胞功能实验 | 深度学习 | 基因表达谱、肽序列数据、临床数据 | 170万免疫肽与基因表达谱配对数据，来自临床数据集的33,711个新抗原 | NA | epiVIP | NA | NA |