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 1484 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2026-06-03 |
An accurate, straightforward computer vision algorithm for optimal tumor-feeding visualization in cone-beam computed tomography hepatic arteriography: A preliminary study
2026-Feb, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107192
PMID:41547160
|
研究论文 | 提出一种计算机视觉算法，用于在锥形束CT肝动脉造影中自动推荐最佳肿瘤供血动脉可视化角度 | 使用传统计算机视觉方法而非深度学习，实现快速、可解释的自动角度推荐，提高了放射科医生的操作效率 | 研究样本量较小，仅纳入50例患者进行内部验证，需要更大规模研究进一步验证 | 开发一种能够自动推荐最佳旋转角度的计算机视觉算法，以优化肿瘤供血动脉的可视化，辅助肝动脉栓塞术 | 肝细胞癌患者的锥形束CT肝动脉造影图像中的肿瘤供血动脉 | 计算机视觉 | 肝细胞癌 | 锥形束CT肝动脉造影 | NA | 图像 | 19例患者用于算法开发，50例患者用于内部验证 | OpenCV | NA | 检索相关性 | NA |
| 42 | 2026-06-03 |
Spatial location and distribution reconstruction of the leaking gas plume via a single infrared remote sensing system
2026-Feb, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110061
PMID:41547313
|
研究论文 | 提出一种基于深度学习的生成网络，利用单个红外遥感系统重建泄漏气体羽流的空间位置和三维分布 | 采用八叉树表示建模气体羽流的稀疏三维分布，实现从粗到细的生成，仅需少量计算和内存资源 | 红外遥感仪器的分辨率和计算机存储容量限制了气体羽流重建的空间分辨率 | 解决单个红外遥感系统仅能测量气体浓度二维投影的问题，实现三维气体羽流重建 | 泄漏气体羽流的空间位置和分布 | 计算机视觉 | NA | 红外遥感 | 生成网络 | 红外遥感图像 | 实地实验中的泄漏气体羽流样本 | PyTorch | 八叉树生成网络 | NA | NA |
| 43 | 2026-06-03 |
Deep learning in stroke therapeutics: drug repurposing and beyond
2026-Feb, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2619641
PMID:41549848
|
综述 | 本文综述了深度学习在脑卒中治疗中的应用，重点包括药物重定位及其他前沿领域 | 系统性地将深度学习应用于脑卒中药物重定位，并扩展到临床前建模及临床决策支持，加速了从数据到治疗转化的进程 | 面临模型可解释性不足、泛化能力有限以及真实世界验证困难的挑战 | 梳理深度学习在脑卒中治疗中的现有应用，并探讨其克服病理异质性和治疗窗狭窄等问题及促进药物开发的潜力 | 脑卒中相关的药物重定位、靶点识别、虚拟筛选及临床诊断工具 | 机器学习 | 脑血管疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 44 | 2026-06-03 |
Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance
2026-Feb-01, European thyroid journal
IF:3.5Q2
DOI:10.1530/ETJ-25-0268
PMID:41553093
|
研究论文 | 评估人工智能模型对非典型意义不明确细胞学的甲状腺结节风险分层效果 | 首次应用深度学习AI模型对AUS细胞学的甲状腺结节进行风险分层，并与传统K-TIRADS评分系统直接比较诊断准确性 | 回顾性设计、样本量较小（165个结节）、仅纳入韩国医疗中心数据 | 评估AI模型在AUS细胞学甲状腺结节临床风险分层中的适用性 | 2019年1月至2020年12月韩国五家医疗中心接受甲状腺结节细针穿刺的患者 | 数字病理学， 机器学习 | 甲状腺结节， 甲状腺癌 | 超声成像， 细针穿刺细胞学 | 深度学习模型 | 超声图像 | 165个甲状腺结节 | NA | AI-Thyroid（具体架构未说明） | 敏感度， 阴性预测值， AUC | NA |
| 45 | 2026-06-01 |
Short-TR Acquisition Time-of-flight MR Angiography with Deep Learning Reconstruction: Technical Feasibility and Initial Clinical Evaluation in Moyamoya Disease
2026-Feb-26, 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.2025-0139
PMID:41535020
|
研究论文 | 结合短TR采集与深度学习重建的飞行时间磁共振血管成像技术，在烟雾病中实现扫描时间减半同时保持图像质量 | 提出STRA-TOF技术，首次将可变密度泊松圆盘采样与展开深度学习重建相结合，实现约50%扫描时间缩短并保持或改善图像质量 | 烟雾病患者样本量小（仅3例），缺乏大规模临床验证 | 开发并评估短TR采集时间飞行时间磁共振血管成像（STRA-TOF）在颅内血管可视化中的技术可行性和临床价值 | 颅内动脉血管的磁共振血管成像 | 计算机视觉 | 烟雾病 | 磁共振血管成像（MRA） | 深度学习 | 图像 | 10名健康志愿者和3名烟雾病患者 | TensorFlow, PyTorch, MONAI | 展开深度学习重建 | 信噪比（SNR）, 对比噪声比（CNR）, 图像质量评分（3点量表） | NA |
| 46 | 2026-06-01 |
Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI
2026-02-17, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02235-0
PMID:41703497
|
研究论文 | 提出一种基于先验信息的深度学习算法，用于膝关节定位以及膝骨关节炎的诊断与分级，数据来自OAI | 综合考了膝骨数据的先验信息，重新设计KOA评估流程，提出无锚点膝部概率计算网（AKPCNet）的膝关节感兴趣区域提取算法和基于注意力池化的低阶特征强化网络（APLFRNet），并引入注意力池化全局优化算法 | 未明确说明具体限制，但研究仅基于OAI数据集中的X光影像，可能存在数据来源单一和样本选择性偏倚 | 开发并评估一种基于深度学习的方法，实现膝关节全自动分割，并利用先验信息诊断和分级膝骨关节炎 | 膝骨关节炎患者的膝关节X光影像 | 计算机视觉 | 膝骨关节炎 | X光影像 | 深度学习模型 | 图像 | 35,000张膝关节X光片（前后位视图） | NA | AKPCNet, APLFRNet | ROC AUC, 平衡准确率, 准确率 | NA |
| 47 | 2026-06-01 |
Automated deep learning pipeline for measuring lumbar thecal sac AP diameter on mid-sagittal MR images
2026-02-10, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02220-7
PMID:41668049
|
研究论文 | 开发并验证了一种基于深度学习的自动化管道，用于在中矢状位腰椎T2加权MRI图像上定量测量椎间盘水平的硬膜囊前后径 | 结合YOLOv8定向边界框进行椎间盘定位和方向估计，同形变换ROI，注意力U-Net分割，以及基于骨架的AP直径计算，实现了全自动、椎间盘水平的量化测量 | 未在更广泛的数据集或临床环境中验证，且可能受限于MRI图像质量和患者体位差异 | 建立自动化、标准化的腰椎管狭窄形态测量方法，支持临床定量评估 | 中矢状位腰椎T2加权MRI图像上的硬膜囊前后径 | 医学影像分析 | 腰椎管狭窄 | MRI | YOLOv8, Attention U-Net | 图像 | 511例回顾性研究（内验证50例，外验证50例） | PyTorch | YOLOv8-OBB, Attention U-Net | MAE | NA |
| 48 | 2025-09-15 |
A novel deep learning framework for the diagnosis of erythematosquamous lesions using whole slide histopathologic images
2026-Feb, Journal of the American Academy of Dermatology
IF:12.8Q1
DOI:10.1016/j.jaad.2025.09.010
PMID:40945744
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 49 | 2026-05-30 |
Automated Lymph Node and Extranodal Extension Assessment Improves Risk Stratification in Oropharyngeal Carcinoma
2026-02-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-02679
PMID:41435207
|
研究论文 | 应用自动化人工智能影像平台整合淋巴结自动分割与结外侵犯预测，评估对咽癌患者风险分层的预后价值 | 首次将AI预测的结外侵犯淋巴结数量作为独立预后因子，并整合到现有风险分组系统中以改善分层效果 | NA | 评估自动AI预测的结外侵犯淋巴结数量对咽癌患者风险分层的预后价值 | 1,733名接受根治性放疗的咽癌患者的治疗前CT影像数据 | 计算机视觉 | 咽癌 | CT成像 | 深度学习 | 影像 | 1,733名咽癌患者 | NA | 深度学习自动分割模型，结外侵犯预测模型 | C指数，决策曲线分析，风险比 | NA |
| 50 | 2026-03-02 |
Deep learning prediction model based on multi-modal transvaginal ultrasound scan images for endometrial cancer
2026-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-026-01013-z
PMID:41764582
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 51 | 2026-05-27 |
SpliceRead: Improving Canonical and Non-Canonical Splice Site Prediction with Residual Blocks and Synthetic Data Augmentation
2026-Feb-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.05.703825
PMID:41726927
|
研究论文 | SpliceRead利用残差块和合成数据增强改善规范及非规范剪接位点预测 | 提出SpliceRead模型，结合残差卷积块和合成数据增强方法，有效提升非规范剪接位点的识别能力，降低假阴性率 | 依赖多物种数据集，但可能对极端非规范序列的泛化能力仍有局限 | 改进规范和非规范剪接位点的分类预测，提升基因注释准确性 | 多物种的400和600核苷酸序列，包括规范与非规范剪接位点 | 机器学习 | NA | 合成数据增强 | 残差卷积网络 | 核苷酸序列 | 多物种数据集，包含400和600核苷酸序列 | NA | 残差卷积块 | F1分数, 准确率, 精确率, 召回率 | NA |
| 52 | 2026-05-27 |
Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank
2026-02, GeroScience
IF:5.3Q1
DOI:10.1007/s11357-025-01702-w
PMID:40576910
|
研究论文 | 利用神经网络Cox模型预测38种与年龄相关疾病的发病加速风险 | 首次利用相对发病加速关联来表征疾病模式，并开发了OnsetNet神经网络架构用于预测发病加速风险 | NA | 预测与年龄相关疾病的发病加速风险 | 来自英国生物银行的60,396名个体和218,530个结果事件 | 机器学习 | 老年疾病 | NA | 神经网络Cox模型 | 人口统计学、人体测量学、影像学、血液生物标志物特征 | 60,396名个体，218,530个结果事件 | NA | OnsetNet | Harrell's一致性指数(C-index)，Kaplan-Meier曲线，对数秩检验，Schoenfeld残差 | NA |
| 53 | 2026-05-27 |
Hallucination at low radiation dose: Evaluation of two deep-learning reconstruction methods in high-resolution chest CT
2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3087772
PMID:42181036
|
研究论文 | 评估两种深度学习重建方法在高分辨率胸部CT中低辐射剂量下的幻觉表现 | 首次系统评估辐射剂量降低对两种深度学习重建算法（DLR1和DLR2）在高分辨率胸部CT中产生幻觉的影响，特别是在接近胸部X射线剂量的极低剂量水平（8%） | NA | 评估低辐射剂量下两种深度学习重建方法在高分辨率胸部CT中产生幻觉的情况 | 胸部CT图像中的间质性肺病病变 | 计算机视觉 | 间质性肺病 | CT | 深度学习重建 | 图像 | 30个图像系列（5名患者 × 3种剂量 × 2种DLR算法） | NA | DLR1, DLR2 | 幻觉评分（5点李克特量表） | NA |
| 54 | 2026-05-26 |
Benchmarking foundation models for splice site and exon annotation
2026-Feb-23, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.22.707219
PMID:42124697
|
研究论文 | 基准测试基础模型在剪接位点和外显子注释中的表现 | 系统性评估多种基础模型（包括Transformer和CNN架构）在不同类型外显子（如编码与非编码、组成性与选择性剪接、转座子衍生外显子）上的注释性能，并引入新微调模型STEP2h | 模型对训练数据中代表性不足的外显子类别（如非编码内部外显子、末端外显子、选择性剪接外显子及LINE-1衍生外显子）性能显著下降 | 评估基础模型在基因结构注释中的泛化能力，并识别其在不同外显子类别上的性能差异 | 基因和剪接位点注释模型 | 机器学习 | NA | NA | CNN, Transformer | 基因组序列 | NA | NA | SegmentNT, Enformer, Borzoi, SpliceAI, AlphaGenome, STEP2h | NA | NA |
| 55 | 2026-05-26 |
Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction
2026-02, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70072
PMID:40931540
|
研究论文 | 提出一种基于少样本学习的3D时间飞跃法磁共振血管成像重建方法，以极少的实验获取数据实现高质量重建 | 提出了专为3D TOF-MRA设计的3D变分网络，利用模拟多线圈K空间数据进行预训练，仅用两个单层实验数据集进行微调，解决了高分辨率全脑血管成像数据获取耗时的难题 | 未明确提及局限性，但训练数据仅限于模拟和少量实验数据，可能影响极端临床场景的泛化性 | 开发一种深度学习重建方法，实现高度加速的3D TOF-MRA成像，在极有限原始数据下保持高质量重建和鲁棒泛化 | 3D时间飞跃法磁共振血管成像（TOF-MRA）数据 | 计算机视觉 | 脑血管疾病 | 磁共振血管成像（MRA）、K空间模拟 | 变分网络 | 复数多线圈K空间数据、幅度图像 | 5名健康志愿者的回顾性欠采样in vivo数据、2名额外受试者的前瞻性欠采样数据 | PyTorch | 3D变分网络 | 重建质量评估（保留细血管、最小伪影）、加速倍数（8倍） | NA |
| 56 | 2026-05-25 |
FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling
2026-Feb-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69596-6
PMID:41714622
|
研究论文 | 提出FATE-MAP平台，结合深度学习与机械建模预测致畸性和人类原肠胚形成失败模式 | 首次将Transformer与偏微分方程模拟相融合，集成高通量扰动实验、定量表型映射和机械建模，系统解码人类原肠胚形成失败模式 | NA | 阐明人类原肠胚形成失败模式并预测药物致畸性 | 药物处理的人类2D原肠胚样结构（超过2000个） | 深度学习，机械建模 | 先天性畸形 | 高通量药物治疗，定量表型映射 | Transformer，偏微分方程模拟 | 图像、化学结构数据 | 超过2000个药物处理的人类2D原肠胚样结构 | NA | Transformer | NA | NA |
| 57 | 2026-05-25 |
Bridging clinical narratives and structured phenotypes with large language models and sentence transformers
2026-Feb-14, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2026.02.009
PMID:41698530
|
研究论文 | 提出LEAP框架，融合大型语言模型和句子转换器，从电子健康记录非结构化文本中提取结构化表型并映射到人类表型本体标识符 | 提出两阶段框架LEAP，结合大型语言模型进行自由文本表型提取和基于大规模数据集微调的句子转换器进行HPO映射，能处理长文本输入并确保输出有效且确定的HPO标识符，克服了BERT模型上下文窗口限制和大型语言模型可能产生无效标识符的局限 | 未明确说明，但可能包括依赖大规模标注数据集进行微调以及对罕见表型提取的潜在局限性 | 提高从电子健康记录中自动提取结构化表型的准确性和可靠性，支持孟德尔疾病诊断和基因-表型关联研究 | 电子健康记录中的临床叙述文本，用于提取表型并映射到人类表型本体 | 自然语言处理 | 孟德尔疾病 | NA | 大型语言模型、句子转换器 | 文本 | 5,330,557个实例用于句子转换器微调；真实世界电子健康记录测试集 | NA | BERT，句子转换器 | 精确率、F1分数、召回率 | NA |
| 58 | 2026-05-25 |
A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium
2026-02, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13376
PMID:39651611
|
研究论文 | 比较五种超分辨率显微镜技术对专性胞内细菌（恙虫病东方体）紧密聚集微菌落的成像效果，并结合深度学习软件Cellpose和Imaris进行3D细胞分割与分析 | 首次系统比较五种超分辨率显微镜技术（标准共聚焦、Airyscan、iSIM、3D-SIM、STED）对专性胞内细菌成像的横向和轴向分辨率，并整合深度学习分割管道进行3D形态分析 | 研究仅比较了实验室可用的五种技术；未涉及其他超分辨率方法（如PALM/STORM），且样本处理成本高、对染料和标记物要求严格 | 评估不同超分辨率显微镜技术对细胞内紧密聚集的专性胞内细菌成像的分辨能力，并优化3D分析流程以揭示细菌形态差异 | 恙虫病东方体（Orientia tsutsugamushi）及其在哺乳动物细胞系中的菌落 | 数字病理学 | 恙虫病 | 超分辨率显微镜（共聚焦、Airyscan、iSIM、3D-SIM、STED） | 深度学习分割模型 | 显微图像（3D荧光图像） | 多种细胞系中培养的细菌菌落（具体数量未说明） | Cellpose, Imaris | Cellpose（通用深度学习分割模型） | 半高全宽（FWHM），细菌检测能力 | 商用软件Imaris处理图像；未提及GPU具体型号 |
| 59 | 2026-05-25 |
Artificial intelligence-powered microscopy: Transforming the landscape of parasitology
2026-02, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13433
PMID:40492595
|
综述 | 综述人工智能在寄生虫学中的应用，主要集中在顶复门、双滴虫门和动基体目寄生虫的显微镜和图像分析 | 总结人工智能在寄生虫学领域的最新进展，并探讨其在填补理解空白和诊断中的潜力 | 缺乏具体实验验证，依赖现有文献分析，且人工智能在生物医学领域的实施面临挑战 | 探讨人工智能如何推动寄生虫学研究和诊断发展，并促进跨学科合作 | 寄生虫学中的显微镜和图像分析，涉及顶复门、双滴虫门和动基体目寄生生物 | 自然语言处理、机器学习 | 寄生虫病 | 显微镜成像、图像分析 | 机器学习和深度学习模型 | 图像 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 60 | 2026-05-25 |
Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach
2026-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103318
PMID:41330257
|
研究论文 | 本研究提出一种透明且可解释的深度学习模型，利用BioBERT分析临床文本实现自闭症谱系障碍的自动诊断，并在两个不同数据集上评估迁移学习效果 | 首次采用BioBERT模型建立透明可解释的自闭症诊断流程，能够将行为描述映射到诊断标准，并系统比较了透明模型与黑箱模型在不同训练顺序和数据混合策略下的迁移学习性能 | 连续训练模型时性能略有下降，说明训练数据顺序对模型表现有影响 | 开发透明可解释的机器学习方法用于自动诊断自闭症，并评估迁移学习能力以提高模型的泛化性 | 自闭症谱系障碍患者和非自闭症个体的临床文本描述 | 自然语言处理 | 自闭症谱系障碍 | NA | Transformer（BioBERT） | 文本 | 两个不同的真实世界临床数据集 | NA | BioBERT | 敏感性, 特异性 | NA |