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 1515 篇文献，本页显示第 801 - 820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 801 | 2026-02-22 |
Learning geometric and visual features for medical image segmentation with vision GNN
2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种名为MedSegViG的新型医学图像分割模型，结合视觉图神经网络（ViG）和混合特征解码器，以提升分割精度和鲁棒性 | 将图像表示为图结构，利用ViG编码器提取多层次图特征和图像特征，并通过混合特征解码器融合，强调对象间关系，解决了传统网格结构方法对对象关系关注不足的问题 | 未在摘要中明确说明，可能包括模型在更复杂或多样病变类型上的泛化能力有待进一步验证 | 开发一种基于视觉图神经网络的医学图像分割方法，以提高分割准确性、鲁棒性和泛化能力 | 息肉、皮肤病变和视网膜血管三种类型的病变图像 | 计算机视觉 | 息肉, 皮肤病变, 视网膜血管疾病 | 深度学习 | ViG | 图像 | 六个数据集 | NA | Vision GNN (ViG) | 分割准确性, 鲁棒性, 泛化能力 | NA |
| 802 | 2026-02-22 |
Developing an automatic decision-assistance tool to choose proton/photon radiotherapy for patients with prostate cancer
2026-Feb, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70497
PMID:41704219
|
研究论文 | 本研究开发了一种自动决策辅助工具，用于为前列腺癌患者选择质子或光子放疗技术 | 提出了一种结合深度学习剂量预测模型和正常组织并发症概率（NTCP）计算的自动决策方法，以辅助临床选择放疗技术 | 样本量较小（48例患者），且仅针对前列腺癌，未涉及其他癌症类型 | 开发自动决策辅助工具，优化前列腺癌患者放疗技术（质子 vs 光子）的选择 | 前列腺癌患者 | 医学影像与放疗计划 | 前列腺癌 | 深度学习剂量预测 | 深度学习模型 | 放疗计划数据（剂量分布） | 48例前列腺癌患者 | NA | NA | 平均绝对误差（MAE），准确性，AUC，p值 | NA |
| 803 | 2026-02-22 |
Volumetric choroidal biomarkers in central serous chorioretinopathy using swept-source optical coherence tomography: a deep learning approach
2026-Feb, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-07014-1
PMID:41165808
|
研究论文 | 本研究利用深度学习技术分析慢性中心性浆液性脉络膜视网膜病变（cCSC）患者与健康对照的脉络膜体积生物标志物 | 采用基于残差UNet的深度学习方法和Phansalkar阈值法进行脉络膜层分割和血管提取，首次在cCSC中应用体积化脉络膜生物标志物分析 | 样本量较小（仅48只眼），且为回顾性研究，可能影响结果的普遍性 | 探究cCSC患者与健康对照在脉络膜体积生物标志物上的差异 | 慢性中心性浆液性脉络膜视网膜病变（cCSC）患者和健康年龄匹配个体的眼睛 | 数字病理学 | 脉络膜视网膜疾病 | 扫频源光学相干断层扫描（SS-OCT） | CNN | 图像 | 48只眼（24只健康眼，24只cCSC眼） | NA | 残差UNet | NA | NA |
| 804 | 2026-02-22 |
Fuzzy rough set loss for deep learning-based precise medical image segmentation
2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种新颖的模糊粗糙集损失函数，用于提高医学图像分割的精度，特别是在边界模糊和类别不平衡的情况下 | 提出了一种基于模糊粗糙集理论的损失函数，通过结合像素的模糊相似性关系和边界不确定性模型，增强了边界敏感性和处理预测不确定性的能力 | 主要针对中度类别不平衡情况，对于极端不平衡或更复杂场景的适用性未充分探讨 | 开发一种改进的损失函数，以提升医学图像分割的准确性和鲁棒性 | 医学图像分割任务，包括病变边界、类别不平衡和复杂解剖结构 | 计算机视觉 | 多种疾病（包括乳腺癌、胃肠道息肉、脑部疾病、胸部疾病和皮肤病变） | 医学图像分析 | 深度学习模型（未指定具体类型，但涉及分割网络） | 图像 | 涉及五个数据集，具体样本数量未在摘要中提供 | 未指定 | 未指定 | Dice分数，其他未指定但提到所有评估指标均有显著改进 | 未指定具体硬件，但提到计算效率高（平均推理时间0.075-0.12秒每图像，内存4.5 MB） |
| 805 | 2026-02-22 |
A deep learning-based automated pipeline for colorectal cancer detection in contrast-enhanced CT images
2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究提出了一种基于深度学习的自动化检测流程，用于在门静脉期增强CT图像中识别和定位结直肠癌 | 在YOLOv11基线架构中集成了ResNet50模块以增强图像特征提取，并设计了引入自适应系数和缩放因子的尺度自适应损失函数，以自适应地测量IoU和中心点距离，从而提升检测性能 | 需要在更大规模的队列中进行验证以确认其临床转化价值 | 开发一种自动检测结直肠癌的流程，以支持下游的癌症分期、预后评估和治疗规划 | 结直肠癌 | 计算机视觉 | 结直肠癌 | 门静脉期增强CT扫描 | CNN | 图像 | 内部数据集和外部公共数据集 | NA | YOLOv11, ResNet50 | 召回率, 精确率, F1分数 | NA |
| 806 | 2026-02-22 |
PAIRNet: Predicting PIWI cleavage specificity via position-aware RNA interaction modeling
2026-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013936
PMID:41712585
|
研究论文 | 本文提出了一种名为PAIRNet的深度学习框架，用于预测PIWI蛋白介导的RNA切割速率 | PAIRNet通过显式建模引导-靶标相互作用，整合了生化见解与计算创新，包括编码配对状态、错配类型、插入和缺失，以及可学习的位置嵌入，以量化空间依赖性 | 未在摘要中明确提及 | 预测PIWI切割特异性，加速RNA引导的基因组防御机制研究 | PIWI蛋白介导的RNA切割过程 | 自然语言处理 | NA | Cleave-N'-Seq (CNS-seq) | CNN, Transformer | RNA序列数据 | 四个PIWI引导数据集 | NA | 混合CNN-Transformer架构 | PCC（皮尔逊相关系数） | NA |
| 807 | 2026-02-22 |
Self-supervised out-of-distribution detection-Metal implants and other anomaly
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70339
PMID:41719005
|
研究论文 | 本文提出了一种基于自监督生成模型的人工智能方法，用于检测腹部-骨盆CT扫描中的异常或分布外数据，以提升下游应用的性能 | 结合了VQVAE和VIT-MAE两种生成模型，构建了2D和3D架构，能够在无先验知识的情况下检测多种未知异常，并在非共享医疗合作环境中作为服务部署 | 在外部验证中，24.7%的假阳性率主要由体外异常触发，模型对异常类型的泛化能力仍有提升空间 | 开发AI模型以检测和识别腹部-骨盆CT检查中的异常或分布外数据，改善下游医学影像应用的鲁棒性 | 腹部-骨盆CT扫描图像，重点关注第三腰椎切片或整个扫描序列 | 计算机视觉 | NA | CT成像 | 生成模型 | 医学影像（CT图像） | 训练集：超过2850例50岁以上成年人的腹部-骨盆CT体积数据；前瞻性测试集：544例CT（2024年7月）；外部测试集：AbdominalCT-1k数据集的1062例CT扫描 | PyTorch | Vector Quantized Variational Autoencoder (VQVAE), Vision Transformer-Masked Autoencoder (VIT-MAE) | 真阳性率, 假阳性率 | NA |
| 808 | 2026-02-20 |
Deep Learning Integration of Endoscopic Ultrasound Features and Serum Data Reveals LTB4 as a Diagnostic and Therapeutic Target in ESCC
2026-Feb-19, Cancer biotherapy & radiopharmaceuticals
DOI:10.1177/10849785251380368
PMID:40965275
|
研究论文 | 本研究通过深度学习整合内镜超声图像特征与血清数据，揭示了LTB4作为食管鳞状细胞癌的诊断和治疗靶点 | 首次将深度学习提取的内镜超声图像特征与血清炎症标志物（特别是LTB4）相结合，用于ESCC的诊断和治疗反应预测 | 样本量较小（仅115例患者），且为单中心前瞻性研究，需要更大规模的多中心验证 | 开发可靠的、非侵入性的生物标志物，用于食管鳞状细胞癌的早期诊断和治疗反应预测 | 115例食管鳞状细胞癌患者及其内镜超声图像和血浆样本 | 数字病理学 | 食管鳞状细胞癌 | 酶联免疫吸附测定（ELISA） | CNN | 图像, 血清数据 | 115例患者 | NA | ResNet50 | NA | NA |
| 809 | 2026-02-20 |
Patch2Space: a registration-free segmentation method for misaligned multimodal medical images
2026-Feb-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4286
PMID:41643314
|
研究论文 | 提出了一种无需配准的、针对未对齐多模态医学图像的分割方法Patch2Space | 提出了统一体空间模块，将未对齐模态的图像块编码并投影到统一空间，并设计了新的空间注意力机制集成到多级特征融合模块中，实现了内部、空间和模态三个层次的特征有效融合 | 未在摘要中明确说明 | 开发一种基于深度学习的多模态图像分割方法，能够从未对齐的多模态图像中学习高质量且强相关的图像特征，无需配准即可获得与对齐图像相当的准确分割结果 | 未对齐的多模态医学图像 | 数字病理学 | NA | 深度学习 | NA | 多模态医学图像 | 1472名患者 | NA | NA | NA | NA |
| 810 | 2026-02-20 |
The utility of artificial intelligence and deep learning to automate and accelerate follicle counts in human ovarian tissue†
2026-Feb-18, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioaf250
PMID:41206485
|
研究论文 | 本文开发了一种基于人工智能和深度学习的方法，用于自动化人类卵巢组织全玻片图像中的卵泡计数 | 整合了DeepLabV3+分割模型和Faster R-CNN目标检测模型，通过合并预测结果提高了卵泡计数的准确性和可重复性 | 分割模型的Dice系数仅为0.4939，目标检测模型的COCOmetric得分为0.27，表明模型性能仍有提升空间 | 开发自动化工具以加速和改善人类卵巢组织中卵泡的定量分析，支持生育力保存的研究和临床决策 | 人类卵巢组织全玻片图像中的卵泡 | 数字病理学 | NA | 组织学评估，全玻片成像 | CNN | 图像 | 来自47名患者的1857张全玻片图像，包含8300个标注卵泡 | NA | DeepLabV3+, Faster R-CNN | Dice系数, 敏感性, 阳性预测值, COCOmetric | NA |
| 811 | 2026-02-20 |
Deep Learning Model for Differentiating Between Neoplastic Pathologic Fracture and Nonpathologic Fracture Using Hip Radiographs
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00344
PMID:41296822
|
研究论文 | 本研究开发并评估了一种深度学习模型，用于在髋关节X光片上区分肿瘤性病理性骨折与非病理性骨折 | 首次开发了基于髋关节X光片的深度学习模型，用于区分肿瘤性病理性骨折与非病理性骨折，并在多中心数据上进行了外部验证 | 研究为回顾性设计，且模型性能在外部验证中特异性相对较低 | 提高髋关节X光片上肿瘤性病理性骨折与非病理性骨折的鉴别诊断准确性 | 髋关节X光片 | 计算机视觉 | 骨肿瘤 | X光成像 | 深度学习模型 | 图像 | 训练与内部测试：338名患者；外部验证：488名患者（其中67名为肿瘤性病理性骨折，421名为非病理性骨折） | 未明确提及 | 未明确提及 | 准确率, 敏感度, 特异性 | 未明确提及 |
| 812 | 2026-02-20 |
AI-Driven CT-MRI Image Fusion and Segmentation for Automatic Preoperative Planning of ACL Reconstruction: Development and Application
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00485
PMID:41364772
|
研究论文 | 本研究开发了一种基于AI的自动化术前规划系统，通过CT-MRI图像融合与分割技术，用于前交叉韧带重建手术的精准规划 | 创新点在于结合了Dual-UNet注册架构进行CT-MRI图像融合，实现了动态3D重建，并利用深度学习框架自动优化ACL隧道定位，具备等距、解剖和个性化特征 | 研究样本主要针对中国汉族人群，年龄范围有限（18-50岁），且男性占比较高（81.0%），可能影响结果的普适性 | 开发并评估一种AI驱动的自动化术前规划系统，以提高前交叉韧带重建手术的准确性和效率 | 前交叉韧带完整的患者膝关节CT和MRI图像，以及进行ACL重建手术的骨模型和临床患者 | 数字病理 | 运动损伤 | CT-MRI图像融合，深度学习 | Dual-UNet | 图像 | 200个膝关节CT和MRI扫描用于训练，36个ACL重建骨模型和72例临床手术（36例AI引导，36例传统手术）用于验证 | NA | Dual-UNet | Dice系数，隧道长度偏差，移植物长度偏差，隧道位置偏差（D-S, H-L, M-L, A-P方向） | NA |
| 813 | 2026-02-20 |
DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention
2026-Feb-18, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc08898d
PMID:41487137
|
研究论文 | 本文提出了一种名为DSSA-PPI的混合深度学习框架，用于增强预测蛋白质突变引起的结合亲和力变化 | 通过解耦注意力机制整合结构和序列信息，结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2，提出了一种新颖的表征学习策略 | 未在摘要中明确提及 | 准确评估突变对蛋白质-蛋白质相互作用的影响，以理解疾病发病机制并开发靶向疗法 | 蛋白质-蛋白质相互作用中的突变效应 | 机器学习 | NA | 深度学习 | 图神经网络, 语言模型 | 结构信息, 序列信息 | 标准蛋白质结合亲和力数据集SKEMPI v2 | NA | PPIFormer, ESM-2 | NA | NA |
| 814 | 2026-02-20 |
Host-specific fluorescence dynamics in legume-rhizobium symbiosis during nodulation
2026-Feb-18, Applied and environmental microbiology
IF:3.9Q2
DOI:10.1128/aem.02154-25
PMID:41543262
|
研究论文 | 本研究系统评估了固氮酶系统启动子驱动不同荧光报告基因在豆科植物-根瘤菌共生结瘤过程中的表达效果，并建立了基于深度学习的自动化分析流程 | 首次系统比较了P启动子驱动多种荧光蛋白在确定型和不确定型结瘤系统中的表达特性，并开发了深度学习辅助的高通量结瘤性状分析流程 | 部分红色荧光蛋白（如mScarlet-I、mRFP1）在豌豆中信号弱或不稳定，红色荧光标记体系在某些宿主中仍需优化 | 开发适用于豆科植物-根瘤菌共生研究的可靠荧光报告系统与自动化分析工具 | 豆科植物（确定型和不确定型结瘤系统）与根瘤菌的共生相互作用 | 植物微生物互作 | NA | 荧光报告基因系统、共聚焦显微成像、深度学习图像分析 | 深度学习 | 荧光显微图像 | 多种豆科植物根瘤样本（包括确定型和不确定型结瘤系统） | NA | NA | 与ImageJ标准分析结果的验证对比 | NA |
| 815 | 2026-02-20 |
A Single-Mode, Multimodal, and Self-Powered Sensor Based on Electron Relaxation Dynamics
2026-Feb-18, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c21901
PMID:41653092
|
研究论文 | 本文报道了一种基于电子弛豫动力学的单模态、多模态自供电柔性传感器，能够同时检测温度和压力刺激 | 通过无缝集成互补且兼容的热电和摩擦电传感机制，实现了单模态输出、简化操作、超低功耗、自适应响应行为以及对复杂刺激的优异区分能力 | 未明确提及具体局限性 | 开发一种简化制造和操作、同时增强功能性和能源效率的下一代柔性传感系统 | 柔性传感器，用于模拟人类皮肤同时检测热和机械刺激的能力 | 机器学习 | NA | 热电和摩擦电传感机制 | 深度学习回归模型 | 电压信号 | NA | NA | NA | 准确率 | NA |
| 816 | 2026-02-20 |
Optimization and External Validation of a Deep Learning Model for Segmentation and Quantification of Traumatic Brain Injury Lesions on Head Computed Tomography
2026-Feb-18, Journal of neurotrauma
IF:3.9Q2
DOI:10.1177/08977151251408798
PMID:41705651
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 817 | 2026-02-20 |
AI-based image quality assessment of positioning in mammography: considerations and challenges
2026-Feb-16, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02191-3
PMID:41697490
|
研究论文 | 本文探讨了基于AI的原型算法在乳腺X线摄影中复制PGMI（完美-良好-中等-不足）定位质量评估系统的能力 | 首次将深度学习原型软件应用于乳腺X线摄影的PGMI系统自动化评估，并系统比较了AI与人类专家共识之间的一致性 | AI与人类专家在整体PGMI评分上仅达到轻微至一般一致性，部分子类别评分存在显著差异，算法对解剖标志的误判和分类因果关系问题仍需改进 | 探索AI算法在乳腺X线摄影定位质量评估中复制人类PGMI评分系统的可行性 | 来自多中心病例库的200例标准乳腺X线摄影图像（共800张图像） | 计算机视觉 | 乳腺疾病 | 深度学习 | 深度学习模型 | 医学图像（乳腺X线摄影图像） | 200例标准乳腺X线摄影（800张图像） | NA | NA | 加权Cohen's kappa系数 | NA |
| 818 | 2026-02-20 |
Silencer variants are key drivers of gene up-regulation in Alzheimer's disease
2026-Feb-13, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adz3323
PMID:41671378
|
研究论文 | 本文开发了一个深度学习框架，整合组蛋白修饰数据和单细胞开放染色质图谱，以评估阿尔茨海默病相关非编码变体的调控潜力 | 整合批量组蛋白修饰数据与单细胞开放染色质图谱，识别沉默子和增强子变体，并区分单功能与双功能基因位点 | 未明确说明模型在更广泛组织或疾病类型中的泛化能力，且实验验证仅限于部分变体 | 探究阿尔茨海默病中非编码DNA变体的遗传机制及其对基因上调的驱动作用 | 阿尔茨海默病相关的非编码变体，特别是背外侧前额叶皮层中的调控元件 | 机器学习 | 阿尔茨海默病 | 组蛋白修饰分析，单细胞开放染色质图谱 | 深度学习 | 表观遗传数据，单细胞数据 | NA | NA | NA | 方向一致性 | NA |
| 819 | 2026-02-14 |
De novo generation and in silico screening of anti-diabetic peptide candidates via a deep learning-attention framework with physicochemical feature fusion
2026-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39985-4
PMID:41680447
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 820 | 2026-02-20 |
Early detection of female-specific cancers using longitudinal healthcare records with a multichannel convolutional neural network
2026-Feb-12, BMJ health & care informatics
IF:4.1Q2
DOI:10.1136/bmjhci-2025-101874
PMID:41688098
|
研究论文 | 本研究开发了一种多通道卷积神经网络，利用纵向医疗记录对女性特异性癌症进行早期检测 | 提出了一种多通道卷积神经网络架构，能够统一处理四种女性癌症的早期检测，并通过系统性特征选择大幅降低计算需求，实现了在人口规模数据库上的验证 | 研究基于台湾的国民健康保险研究数据库，可能受限于该地区的医疗编码系统和数据特性，泛化性需进一步验证 | 开发并验证一种利用纵向医疗记录进行女性特异性癌症早期检测的计算方法 | 女性患者，包括乳腺癌、卵巢癌、宫颈癌和子宫恶性肿瘤病例 | 机器学习 | 乳腺癌,卵巢癌,宫颈癌,子宫恶性肿瘤 | 医疗记录分析 | CNN | 医疗记录 | 19954名女性患者（596例癌症病例，19358例对照） | NA | 多通道卷积神经网络 | Macro-F1分数,精确度,召回率 | NA |