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 3338 篇文献，本页显示第 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 2026-02-06 |
De novo protein design: a transformative frontier in clinical protein applications
2026-Feb-04, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07784-0
PMID:41639692
|
综述 | 本文综述了从头蛋白质设计在临床蛋白质应用中的前沿进展，包括其计算策略、深度学习贡献、应用前景及面临的挑战 | 超越传统依赖天然蛋白质支架的限制，直接设计具有定制结构和功能的蛋白质，为临床应用提供新途径 | 临床转化仍受生物、技术和转化等多方面因素限制，需要计算设计、实验验证、工程优化和临床需求更紧密协调 | 探讨从头蛋白质设计作为临床蛋白质应用变革性前沿的潜力与挑战 | 蛋白质生物制剂及其从头设计方法 | 计算生物学 | NA | 从头蛋白质设计，深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 1442 | 2026-02-06 |
UniSyn: a multi-modal framework with knowledge transfer for anti-cancer drug synergy prediction
2026-Feb-04, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-026-03972-9
PMID:41639919
|
研究论文 | 提出一种名为UniSyn的可解释多模态深度学习框架，通过从单药治疗响应中迁移知识来增强抗癌药物协同作用的预测 | 开发了一种基于混合注意力的多模态知识迁移框架，能够将单药治疗的知识迁移到药物协同预测任务中，并支持多任务学习以提供机制性见解 | NA | 提高抗癌药物协同作用的预测准确性 | 抗癌药物组合和肿瘤细胞系 | 机器学习 | 癌症 | 深度学习 | 深度学习框架 | 多模态数据（药物特征、细胞系特征） | 大规模肿瘤细胞系 | NA | 基于混合注意力的集成架构 | 多种协同作用评分指标 | NA |
| 1443 | 2026-02-06 |
Combined caLculation of Ultra-high field Biases (CLUB) With Sandwich: Fast, Simultaneous Estimation of 3D B0 and Multi-Channel B1 + Maps at 7 T
2026-Feb-04, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70289
PMID:41639931
|
研究论文 | 本文开发并验证了一种在超高场强下同时映射静态场和发射场不均匀性的方法，并评估了使用深度学习加速该序列的实用性 | 提出了一种名为CLUB-Sandwich的3D序列，通过将多回波读出结合到Sandwich B1+映射序列的非饱和段，实现了同时B0估计，并首次评估了深度学习与联合低秩张量补全重建方法在加速该序列中的应用 | 研究仅在11名健康志愿者中进行，未涉及患者群体或不同病理条件 | 开发一种快速、准确且能同时估计ΔB0和B1+映射的方法，以支持超高场磁共振应用中的快速在线不均匀性估计 | 超高场（7T）磁共振成像中的静态场（B0）和发射场（B1+）不均匀性 | 医学影像处理 | NA | 磁共振成像（MRI），多回波读出序列 | 深度学习模型 | 3D磁共振图像数据 | 11名健康志愿者 | NA | NA | 相关系数（r），平均体积均方根误差 | NA |
| 1444 | 2026-02-06 |
Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI
2026-Feb-04, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70288
PMID:41639936
|
研究论文 | 本研究开发并评估了一个用于多参数肾脏MRI的全自动深度学习后处理流程，以实现肾脏对齐、分割和定量特征提取 | 提出了一种集成了分割、配准和特征提取的端到端全自动工作流程，显著提高了处理效率和准确性 | 样本量相对较小（34名受试者），且患者群体主要为前列腺癌或神经内分泌肿瘤患者，可能限制了结果的普适性 | 开发一个高效、准确的全自动后处理流程，用于多参数肾脏MRI的定量分析 | 肾脏（来自24名前列腺癌或神经内分泌肿瘤患者和10名健康受试者的多参数MRI图像） | 数字病理学 | 肾脏疾病 | 多参数MRI | 深度学习网络 | 医学图像（MRI） | 34名受试者（24名患者，10名健康对照），每人进行重复扫描 | NA | NA | 相关性（r > 0.9），组内相关系数，偏差 | NA |
| 1445 | 2026-02-06 |
A Deep Learning Model to Detect Acute MCA Occlusion on High-Resolution Noncontrast Head CT
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8954
PMID:40780878
|
研究论文 | 本研究开发了一种深度学习模型，用于基于高分辨率非增强头部CT检测急性大脑中动脉闭塞 | 利用高分辨率非增强CT（NCCT）数据，通过3D深度学习模型进行逐体素血栓分割，以检测急性MCA闭塞，其准确性接近CTA，为资源有限环境下的卒中分诊提供了新工具 | 研究为回顾性设计，且性能在包含M2段闭塞时略有下降 | 评估深度学习模型使用高分辨率NCCT成像数据识别急性MCA闭塞的可行性和准确性 | 大脑中动脉（MCA）血栓 | 数字病理学 | 心血管疾病 | 高分辨率非增强CT（NCCT）， CT血管造影（CTA） | 3D深度学习模型 | 医学影像（CT图像） | 总计5659次连续检查（4648次用于训练和验证，1011次用于独立测试） | NA | NA | AUROC, 准确率, 灵敏度, 特异性 | NA |
| 1446 | 2026-02-06 |
Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8977
PMID:41062184
|
研究论文 | 本研究验证了一种集成回顾性运动校正的深度学习重建方法，用于3D T1加权脑部MRI，旨在改善认知障碍患者中的运动伪影问题 | 将回顾性运动校正机制整合到深度学习重建流程中，针对3D脑部MRI中的运动伪影进行校正，而传统深度学习方法主要关注提升信噪比 | 研究样本量相对较小（41名参与者），且仅在特定成像站点和时间内进行数据采集，可能限制结果的普遍适用性 | 验证一种集成运动校正的深度学习重建方法在3D T1加权脑部MRI中的效果，以改善运动伪影并提高图像质量 | 健康志愿者（控制运动队列）和因记忆丧失接受评估的患者（临床队列） | 医学影像分析 | 认知障碍 | 3D MPRAGE序列，集成侦察加速运动估计与减少（SAMER）采集 | 深度学习 | 3D脑部MRI图像 | 41名参与者（15名女性，平均年龄58岁），共154个图像体积 | NA | NA | 分割误差，图像质量评分（5点Likert量表），组内相关系数 | NA |
| 1447 | 2026-02-06 |
Spine age derived from DXA vertebral fracture assessment images predicts incident fractures and mortality: the Manitoba Bone Mineral Density Registry
2026-Feb-03, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research
IF:5.1Q1
DOI:10.1093/jbmr/zjaf194
PMID:41408721
|
研究论文 | 本研究利用深度学习从DXA椎体骨折评估图像中预测脊柱年龄，并探讨其与骨折和死亡风险的关联 | 首次通过深度学习从DXA VFA图像中估计脊柱年龄，并证明其能独立于年龄、椎体骨折和骨密度预测骨折和死亡风险 | 研究基于特定人群（加拿大马尼托巴省），可能限制结果的普适性；随访时间平均3.9年，相对较短 | 评估基于深度学习的脊柱年龄预测在骨折和死亡风险预测中的独立价值 | 年龄≥50岁、接受DXA VFA检查的成年人 | 数字病理学 | 骨质疏松症 | DXA（双能X射线吸收法）椎体骨折评估 | CNN | 图像 | 训练集：韩国队列10,341人；测试集：加拿大马尼托巴省8,810人 | NA | 卷积神经网络 | 调整后风险比 | NA |
| 1448 | 2026-02-06 |
Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8992
PMID:41617400
|
研究论文 | 本研究前瞻性验证了深度学习加速的3D T1-MPRAGE序列与Wave-CAIPI加速序列在评估颅内强化病灶中的诊断质量 | 首次在常规3D容积MRI应用中广泛验证深度学习重建方法，并采用两步法（变分网络启发与超分辨率算法）进行图像重建 | 研究仅针对颅内强化病灶，未涵盖其他类型病变；样本量相对有限（115例） | 评估深度学习加速3D T1-MPRAGE序列在颅内强化病灶诊断中的图像质量与临床适用性 | 接受增强脑部MRI检查的门诊患者（115例，含68名女性/47名男性） | 医学影像分析 | 颅内病变（含肿瘤、血管病变等） | 3T MRI系统扫描，对比增强T1-MPRAGE序列 | 深度学习重建方法（含变分网络与超分辨率算法） | 3D MRI图像 | 115例患者 | NA | 变分网络启发架构，超分辨率算法 | 非劣效性检验（15%边界），噪声感知、伪影、锐利度、整体诊断质量的统计学显著性（P值） | NA |
| 1449 | 2026-02-06 |
Topology-aware multiclass segmentation of the Circle of Willis from MRA and CTA images
2026-Feb-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111516
PMID:41637822
|
研究论文 | 提出一种用于磁共振血管造影和计算机断层扫描血管造影图像中Willis环多类别分割的深度学习框架，重点关注拓扑准确性和分割精度 | 提出一种结合nnUNet模型和无需额外训练的后处理块的深度学习框架，专门针对Willis环多类别分割任务，在公开数据集上实现了高精度分割 | 未明确说明模型在更广泛临床数据上的泛化能力，后处理块可能增加计算复杂度 | 实现Willis环血管的拓扑准确多类别分割，以评估其血管结构和变异作为神经血管病理学生物标志物 | Willis环血管网络（13个可能类别） | 数字病理学 | 神经血管疾病 | 磁共振血管造影，计算机断层扫描血管造影 | CNN | 图像 | 使用TopCoW 2024公开数据集（MRA和CTA）进行训练和验证，并在隐藏测试集及CROWN 2023挑战数据集独立子集上评估 | PyTorch | nnUNet | Dice系数，中心线Dice系数 | NA |
| 1450 | 2026-02-06 |
Multiplex live imaging approaches to interrogate the interplay of multiple signaling pathways
2026-Feb-03, Cell structure and function
IF:2.0Q4
DOI:10.1247/csf.25129
PMID:41638680
|
综述 | 本文综述了多重活体成像技术在同时可视化活细胞中多个信号通路方面的策略与应用，特别是在癌症生物学中揭示信号异质性和动态变化 | 整合了光谱多重、细胞内多重、细胞间多重和时间多重等多种成像策略，并结合计算方法和深度学习算法提升信号分离能力，实现对单细胞水平多信号通路的同时动态追踪 | 未具体说明实验验证的样本规模或临床转化中的实际限制，主要聚焦于技术综述而非实证研究 | 探讨多重活体成像技术在研究细胞信号网络动态交互中的应用，以理解癌症等疾病中的信号通路调控 | 活细胞中的信号通路，特别是癌症信号网络 | 生物成像与计算分析 | 癌症 | 多重活体成像、荧光生物传感器、光谱成像、荧光各向异性、荧光寿命成像、拉曼成像 | 深度学习算法 | 活细胞成像数据 | NA | NA | NA | NA | NA |
| 1451 | 2026-02-06 |
Multiple paths to recovery after the Permian-Triassic mass extinction
2026-Feb-02, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2025.11.065
PMID:41512851
|
研究论文 | 本研究使用基于深度学习的方法，结合定量分类多样性测量，分析了二叠纪-三叠纪大灭绝事件后三个幸存类群的形态和分类恢复模式 | 首次结合深度学习自动提取形态特征与定量分类多样性测量，揭示了大灭绝后生物恢复的两种主要路径：填补模式和扩张模式 | 研究聚焦于三个海洋无脊椎动物类群，可能无法完全代表所有幸存类群的恢复模式 | 探究大灭绝事件后幸存谱系如何重建多样性 | 菊石、腕足动物和介形虫三个在二叠纪-三叠纪大灭绝事件中经历选择性灭绝的类群 | 古生物学 | NA | 深度学习 | NA | 形态特征数据 | NA | NA | NA | NA | NA |
| 1452 | 2026-02-06 |
Cardiovascular measures from abdominal MRI provide insights into abdominal vessel genetic architecture
2026-Feb-02, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01242-6
PMID:41629584
|
研究论文 | 本研究利用深度学习从腹部MRI中分割心脏、主动脉和腔静脉，生成六个图像衍生表型，并探索其与疾病结果、遗传和环境因素的关联 | 首次从非特异性腹部MRI中提取心血管表型，并识别出72个遗传关联（其中15个为新发现），为心血管疾病风险筛查提供了新见解 | 研究基于UK Biobank队列，可能受人群特异性限制，且腹部MRI非专门心血管成像，可能影响测量精度 | 探索腹部MRI衍生心血管表型与疾病风险及遗传架构的关联 | 44,541名UK Biobank参与者的腹部MRI扫描 | 数字病理学 | 心血管疾病 | 腹部磁共振成像 | 深度学习 | 图像 | 44,541名参与者 | NA | NA | NA | NA |
| 1453 | 2026-02-06 |
Object Detection, Recognition, Deep Learning, and the Universal Law of Generalization
2026-Feb-02, Neural computation
IF:2.7Q3
DOI:10.1162/NECO.a.1483
PMID:41637719
|
研究论文 | 本文通过训练深度神经网络分析自然伪装图像，探讨了物体检测与识别中泛化过程的普遍规律，并扩展了通用泛化定律 | 将通用泛化定律扩展到现实学习场景，使用自然伪装图像验证泛化内部表示主要由生态环境属性塑造，而非特定系统细节 | 未明确说明模型的具体架构细节和训练数据规模，可能限制结果的普适性验证 | 研究物体检测与识别中泛化过程的普遍原则，验证内部表示是否反映环境属性 | 自然图像中的“清晰”和“伪装”动物 | 计算机视觉 | NA | 深度神经网络训练 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 1454 | 2026-02-06 |
General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospecstive-Prospective Diagnostic Concordance Study
2026-Feb-02, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2026.106077
PMID:41638432
|
研究论文 | 本研究探讨了基于深度学习的虚拟染色技术如何提升供体肾脏评估的准确性，特别是针对间质纤维化和慢性病变 | 利用CycleGAN模型将H&E图像转换为虚拟Masson三色染色，使普通病理学家在肾脏间质纤维化评估中达到接近专科病理学家的诊断性能 | 研究为回顾性-前瞻性设计，样本量有限（187张全切片图像用于开发验证，46张冰冻切片用于前瞻性验证），且仅针对供体肾脏评估 | 评估人工智能虚拟染色技术在提升供体肾脏质量评估准确性方面的应用价值 | 供体肾脏组织切片 | 数字病理学 | 肾脏疾病 | H&E染色, Masson三色染色, 虚拟染色 | GAN | 图像 | 187对H&E和Masson三色染色全切片图像用于模型开发验证，46张冰冻切片用于前瞻性验证 | NA | CycleGAN | 加权kappa系数, 诊断准确率, 观察者间一致性 | NA |
| 1455 | 2026-02-06 |
A dedicated deep learning workflow for automatic Fasciola hepatica and Calicophoron daubneyi egg detection using the Kubic FLOTAC microscope
2026-Feb, International journal for parasitology
IF:3.7Q1
DOI:10.1016/j.ijpara.2025.08.007
PMID:40882888
|
研究论文 | 本研究开发了一种基于深度学习的自动检测系统，用于识别Fasciola hepatica和Calicophoron daubneyi虫卵，通过Kubic FLOTAC显微镜优化诊断流程 | 结合FLOTAC/Mini-FLOTAC技术与人工智能预测模型，实现了高灵敏度、准确性和精度的自动化寄生虫卵检测，并针对两种寄生虫卵的区分进行了系统优化 | NA | 改进反刍动物寄生虫的粪便显微镜诊断方法，以控制其传播 | Fasciola hepatica和Calicophoron daubneyi这两种对反刍动物健康和经济有重大影响的吸虫 | 计算机视觉 | 寄生虫感染 | FLOTAC/Mini-FLOTAC技术 | 深度学习模型 | 图像 | 使用两个数据集：一个来自卵样加标样本和自然感染样本的模拟条件数据集，另一个来自经光学显微镜验证的田间样本数据集 | NA | NA | 平均绝对误差 | 集成AI服务器用于图像分析 |
| 1456 | 2026-02-06 |
PRIME 2.0: Proposed Requirements for Cardiovascular Imaging-Related Multimodal-AI Evaluation: An Updated Checklist
2026-Feb, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.08.004
PMID:40892627
|
方法学论文 | 本文介绍了PRIME 2.0清单，这是一个用于标准化心血管影像人工智能应用开发、评估与报告的更新版领域特定框架 | 针对从传统机器学习向深度学习、大语言模型及多模态生成式AI的快速演进进行了更新，并纳入了心血管影像特有的复杂性考量 | NA | 为心血管影像领域的人工智能研究提供标准化评估与报告框架 | 心血管影像相关的人工智能应用 | 医学影像分析 | 心血管疾病 | NA | 深度学习, 大语言模型, 多模态生成式AI | 影像数据 | NA | NA | NA | NA | NA |
| 1457 | 2026-02-06 |
Time-Frequency Collaborative Learning for Imbalanced Ship Motion Data With Missing Labels in Sea State Estimation
2026-Feb, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3610416
PMID:40997001
|
研究论文 | 本文提出了一种名为BalanceSSE的新型半监督学习方法，用于处理类别不平衡且存在标签缺失的船舶运动数据，以进行海况估计 | 提出了一种结合动态插补、不平衡时频协同学习和聚类近邻分类器的集成方法，以同时解决船舶运动数据中的类别不平衡和标签缺失问题 | 未明确说明方法在极端数据缺失或极高类别不平衡情况下的鲁棒性，也未与其他领域的数据集进行广泛验证 | 开发一种能够有效处理类别不平衡和标签缺失数据的半监督学习方法，以提升海况估计的准确性 | 船舶运动数据 | 机器学习 | NA | 半监督学习，时间频率分析 | NA | 时间序列数据 | NA | NA | 动态插补模块，不平衡时频学习模块，ClusterProx分类器 | NA | NA |
| 1458 | 2026-02-06 |
Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5
2026-Feb, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500384
PMID:41016832
|
研究论文 | 本文提出了一种基于多光谱成像和YOLOv5的血细胞识别方法，通过融合五个波长的图像来提升细胞边界和结构的识别性能 | 利用多光谱成像替代传统的单波长显微图像，结合改进的YOLOv5模型，显著提高了血细胞（尤其是稀有白细胞）的识别精度 | 未明确说明样本来源、数据规模及模型在更广泛临床环境中的泛化能力 | 开发一种高精度的自动化血细胞识别方法，以辅助医学诊断 | 血细胞（红细胞、血小板、白细胞） | 计算机视觉 | NA | 多光谱成像 | YOLOv5 | 多光谱图像 | NA | NA | YOLOv5 | 识别精度 | NA |
| 1459 | 2026-02-06 |
VDLIN: A Deep Learning-Based Platform for Methylcobalamin-Inspired Immunomodulatory Compound Screening
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202413775
PMID:41144841
|
研究论文 | 本研究开发了一个基于深度学习的平台VDLIN，用于筛选既能抑制炎症又能增强先天免疫的化合物，并发现了一种优于甲基钴胺素（MCB）的新型候选化合物Co7 | 首次结合RNA-seq、ATAC-seq和CUT&Tag多组学分析揭示了MCB通过限制染色质可及性削弱先天免疫的机制，并开发了深度学习模型VDLIN来筛选具有双重免疫调节功能的化合物 | 未明确说明模型验证的临床前或临床研究阶段，化合物Co7的具体体内外实验数据未在摘要中详细展示 | 开发能够平衡抗炎和免疫刺激功能的化合物筛选平台，以改善炎症性疾病和SARS-CoV-2感染的治疗 | 甲基钴胺素（MCB）及其衍生物、先天免疫调节化合物 | 机器学习 | SARS-CoV-2感染 | RNA-seq, ATAC-seq, CUT&Tag | 深度学习模型 | 多组学数据（转录组、表观基因组） | NA | NA | VDLIN（Vitamin B12-derived Deep Learning for Innate Immunity） | NA | NA |
| 1460 | 2026-02-06 |
BPFNN: Bayesian Probabilistic Fuzzy Neural Networks for Uncertainty-Aware Clustering and Probabilistic Fuzzy Reasoning
2026-Feb, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3617987
PMID:41150242
|
研究论文 | 本文提出了一种贝叶斯概率模糊神经网络（BPFNN），用于解决传统模糊聚类和神经网络在不确定性、噪声和可解释性方面的挑战 | 提出了一种统一的BPFNN架构，结合了贝叶斯概率模糊C均值（BPFCM）算法和非高斯建模，通过MCMC进行后验推断，生成概率性隶属度以更好地捕捉不确定性 | 隐藏层激活仅表示输入与聚类中心之间的相似性值，原始输入特征未直接保留 | 开发一种能够处理不确定性、噪声并提高可解释性的模糊神经网络模型 | 基准数据集和高维激光诱导击穿光谱（LIBS）光谱数据 | 机器学习 | NA | 激光诱导击穿光谱（LIBS） | 贝叶斯概率模糊神经网络（BPFNN） | 光谱数据 | NA | NA | 贝叶斯概率模糊神经网络（BPFNN） | 准确性, 鲁棒性, 可解释性 | NA |