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 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2026-02-11 |
Make the Fastest Faster: Importance Mask Synthesis for Interactive Volume Visualization Using Reconstruction Neural Networks
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3621079
PMID:41082423
|
研究论文 | 本文提出了一种通过重要性掩码学习和合成网络来优化交互式体积可视化渲染延迟的方法 | 首次尝试直接从用户视图参数合成规则采样模式的重要区域，以最小化渲染像素数量，并联合考虑数据集、用户行为和下游重建神经网络 | 未明确提及具体的数据集规模或计算资源限制 | 减少大规模体积数据集可视化时的计算时间和空间复杂度 | 科学体积数据集的可视化渲染 | 计算机视觉 | NA | 深度学习图像修复方法 | 神经网络 | 体积数据集图像 | NA | NA | 重要性掩码学习网络, 重要性掩码合成网络 | 渲染延迟 | GPU |
| 1122 | 2026-02-11 |
Super-Resolution Deep Learning Reconstruction for Coronary CT Angiography: Coronary Stenosis Assessment and CAD-RADS Reclassification
2026-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.252163
PMID:41665496
|
研究论文 | 本研究比较了超分辨率深度学习重建算法与混合迭代重建算法在冠状动脉CT血管造影中对狭窄评估的性能，并探讨了其对患者层面CAD-RADS分类的影响 | 首次将一种基于超高清分辨率CT数据训练的新型超分辨率深度学习重建算法应用于冠状动脉CT血管造影，以提升空间分辨率并改善狭窄评估 | 证据有限，且研究结果基于特定的前瞻性队列，可能需要更多外部验证 | 比较SR-DLR与HIR在评估冠状动脉狭窄方面的诊断性能，并探索其对CAD-RADS患者级别分类的潜在影响 | 接受临床指征的冠状动脉CT血管造影和侵入性冠状动脉造影的患者及其斑块 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影，侵入性冠状动脉造影 | 深度学习 | 医学影像 | 204名个体（平均年龄64.3岁，137名男性），共605个斑块（175个钙化，140个非钙化，290个混合） | NA | 超分辨率深度学习重建 | AUC | NA |
| 1123 | 2026-02-11 |
Cardiac meshes reconstruction from cardiac magnetic resonance image by graph transformation
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70318
PMID:41665536
|
研究论文 | 提出一种基于图变换的新方法，从心脏磁共振图像重建3D患者特异性心脏网格 | 利用图傅里叶变换和图小波变换分析网格顶点位移的频率成分，以多尺度捕捉心脏形状特征，并引入时间损失确保动态网格重建的生理一致性 | 未明确提及方法的计算效率或对大规模数据集的扩展性 | 开发一种从2D电影图像重建3D心脏网格的方法，解决传统方法的拓扑不准确性和深度学习方法的计算需求高及标记数据稀缺问题 | 心脏磁共振图像 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | 图变换方法 | 图像 | 公共ACDC数据集和私有CMR数据集 | NA | NA | 重建精度, 网格质量 | NA |
| 1124 | 2026-02-11 |
S3CNet: self-supervised Siamese cooperative network for accelerating magnetic resonance imaging reconstruction
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70321
PMID:41665542
|
研究论文 | 本文提出了一种自监督的孪生协作网络（S3CNet），用于加速磁共振成像重建，减少对全采样数据的依赖 | 提出了一种统一的两阶段自监督重建框架，结合测量一致性损失、交叉一致性损失和重建一致性损失，无需全采样标签数据即可有效训练 | 未明确说明在更广泛或多样化的临床数据集上的泛化性能，以及计算效率的具体评估 | 减少基于深度学习的MRI重建方法对全采样标签数据的依赖，实现高质量重建 | 磁共振成像（MRI）的k空间数据 | 计算机视觉 | NA | 磁共振成像（MRI） | 孪生网络 | 图像（k空间数据） | 使用T1和T2加权的脑部FastMRI数据集 | NA | S3CNet | NA | NA |
| 1125 | 2026-02-11 |
First deep learning framework for enhanced positron annihilation interaction-transmission imaging system precision
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70320
PMID:41665546
|
研究论文 | 本文提出了首个深度学习框架DeepPAITI，用于提高正电子湮没相互作用-透射成像系统在提取次级图像时的精度 | 首次将深度学习应用于PAITI系统，显著提高了次级图像提取的准确性，特别是在极低剂量条件下提升了电子密度分解的置信度 | NA | 提高正电子湮没相互作用-透射成像系统的精度，以支持临床应用，如离子治疗计划 | 正电子湮没相互作用-透射成像系统生成的次级图像（相互作用、沉积能量、衰减和电子密度） | 医学影像 | NA | 正电子湮没相互作用-透射成像 | 深度学习 | 图像 | NA | NA | 多分支、多输入、多输出框架 | 平均相对误差 | NA |
| 1126 | 2026-02-10 |
DeepDBPI: DNA-Binding Protein Identifier Using a Deep Learning Model with Transformed Denoised Features
2026-Feb-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02637
PMID:41566703
|
研究论文 | 本文提出了一种名为DeepDBPI的深度学习模型，用于预测DNA结合蛋白，通过结合多种新型描述符和去噪技术提升预测性能 | 开发了结合CC-PSSM、BP-PSSM、TRG-PSSM和FEGS等新型描述符的深度学习模型，并应用小波去噪算法处理序列特征，提高了DNA结合蛋白的预测准确性 | 未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制 | 开发高效的深度学习模型以预测DNA结合蛋白，替代传统昂贵且耗时的湿实验方法 | DNA结合蛋白（DBPs） | 生物信息学 | NA | 小波去噪（WD）算法 | ResNet, LSTM, BiLSTM, RNN, BiRNN, BiGRU | 蛋白质序列数据 | NA | NA | ResNet, LSTM, BiLSTM, RNN, BiRNN, BiGRU | 准确率（ACC）、灵敏度（SN）、特异度（SP）、马修斯相关系数（MCC） | NA |
| 1127 | 2026-02-10 |
CompBind: Complex Guided Pretraining-Based Structure-Free Protein-Ligand Affinity Prediction
2026-Feb-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02451
PMID:41562952
|
研究论文 | 提出了一种名为CompBind的新型框架，用于仅使用蛋白质和配体序列预测结合亲和力，无需依赖实验解析的3D复合物结构 | 通过结合双向交叉注意力和双目标预训练策略，从现有复合物结构中学习潜在相互作用模式，实现仅从序列推断结合亲和力，解决了结构数据稀缺性问题 | 未明确说明模型对新型蛋白质-配体对或高度变异序列的泛化能力，也未讨论计算效率的具体数据 | 开发一种不依赖3D结构输入的蛋白质-配体结合亲和力预测方法，以加速药物发现流程 | 蛋白质-配体复合物及其结合亲和力 | 机器学习 | NA | 深度学习预训练 | 基于注意力机制的深度学习模型 | 蛋白质序列、配体序列、3D复合物结构（仅预训练用） | NA | NA | 双向交叉注意力架构 | 排名准确性（案例研究中） | NA |
| 1128 | 2026-02-10 |
Towards holistic phenotype prediction beyond genotypic data
2026-Feb-09, Journal of experimental botany
IF:5.6Q1
DOI:10.1093/jxb/erag068
PMID:41656352
|
综述 | 本文探讨了超越基因组数据整合多种数据类型以增强表型预测能力的潜力 | 提出了五种数据整合策略（消除、促进、聚合、纳入、调制），并系统综述了其在提升表型预测准确性和全面理解复杂生物系统中的应用 | 作为综述论文，未提供具体实验验证，且各策略的优缺点依赖于现有研究，可能缺乏统一评估标准 | 增强表型预测能力，超越传统基因组选择，实现更全面的生物系统理解 | 多种数据类型（如环境数据）及其在表型预测中的整合应用 | 机器学习 | NA | NA | CNN | 基因组数据、环境数据等多种数据类型 | NA | NA | 卷积神经网络 | NA | NA |
| 1129 | 2026-02-10 |
Cardiac MR function analysis with DL-based super resolution reconstruction: application in the clinical setting
2026-Feb-09, The international journal of cardiovascular imaging
DOI:10.1007/s10554-026-03642-8
PMID:41656477
|
研究论文 | 本研究评估了深度学习超分辨率重建在心脏磁共振成像中，与传统并行成像方法在容积测量、图像质量和采集时间方面的差异 | 首次将深度学习超分辨率重建算法应用于压缩感知加速采集的心脏磁共振图像，显著缩短了采集时间同时保持了图像质量和容积测量准确性 | 样本量较小（31例患者），且研究为回顾性设计，可能存在选择偏倚 | 评估深度学习超分辨率重建在心脏磁共振功能分析中的临床应用价值 | 31例接受心脏磁共振检查的患者，用于评估缺血性和非缺血性心肌病 | 数字病理学 | 心血管疾病 | 心脏磁共振成像，平衡稳态自由进动电影序列，并行成像，压缩感知 | 深度学习 | 医学图像 | 31例患者 | NA | NA | 相关系数，平均差异，一致性界限，p值 | 1.5T Philips Ingenia MRI扫描仪 |
| 1130 | 2026-02-10 |
Development of a lightweight deep learning model for accurate assessment of liver fibrosis in biliary atresia
2026-Feb-09, Pediatric surgery international
IF:1.5Q3
DOI:10.1007/s00383-026-06296-8
PMID:41661334
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1131 | 2026-02-10 |
PCOSFusionNet: Hybrid Deep Feature Fusion Network for PCOS Classification from Ultrasound Images of Ovaries
2026-Feb-08, Ultrasonic imaging
IF:2.5Q2
DOI:10.1177/01617346261416509
PMID:41655150
|
研究论文 | 本文提出了一种名为PCOSFusionNet的混合深度特征融合网络，用于从卵巢超声图像中自动分类多囊卵巢综合征（PCOS） | 提出了一种结合手工特征（HOG）与深度学习全局特征（VGG19）的混合特征融合模型，并应用CLAHE进行图像增强，以提升PCOS分类的准确性 | 未明确讨论模型在临床环境中的泛化能力或对不同超声设备图像的适应性 | 提高PCOS超声图像自动分类的准确性和可靠性，辅助临床诊断 | 卵巢超声图像 | 计算机视觉 | 多囊卵巢综合征 | 超声成像 | CNN | 图像 | 两个公开数据集：数据集1包含3856张超声图像，数据集2包含12680张超声图像 | NA | VGG19 | 准确率, 精确率, 召回率, F1分数 | NA |
| 1132 | 2026-02-10 |
Learner-Centered Microbiology Teaching via the Flipped Classroom Model: Insights from a Mixed-Methods Educational Study
2026-Feb-06, Annals of African medicine
IF:0.6Q3
DOI:10.4103/aam.aam_597_25
PMID:41656482
|
研究论文 | 本研究通过混合方法探讨了翻转课堂模型在第二阶段医学微生物学教学中的应用效果 | 在医学微生物学教育中系统实施并评估翻转课堂模型，结合定量与定性方法分析学生和教师的体验 | 研究样本规模较小（75名学生和8名教师），且仅在单一教学医院进行，可能限制结果的普适性 | 评估翻转课堂模型在医学微生物学教学中的实施效果、学生感知和教师视角 | 第二阶段MBBS学生和微生物学教师 | 医学教育 | NA | 翻转课堂教学法 | NA | 问卷调查数据、焦点小组讨论记录、教师访谈记录 | 75名学生和8名教师 | NA | NA | 百分比统计、主题分析 | NA |
| 1133 | 2025-07-15 |
Auxiliary diagnosis of hyperpigmented skin diseases using multimodal deep learning
2026-Feb-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003637
PMID:40653928
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1134 | 2026-02-10 |
DisSubFormer: A subgraph transformer model for disease subgraph representation and comorbidity prediction
2026-Feb-03, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种名为DisSubFormer的子图Transformer模型，用于疾病子图表示学习和共病预测 | 通过整合PPI网络的结构模式和GO层次祖先信息，学习统一的蛋白质表示，并引入可学习的多头注意力机制，以子图到子图的注意力替代全图注意力，提高可扩展性和相关性 | 未明确提及模型的局限性 | 研究疾病共病关系并预测共病 | 疾病子图和共病数据集 | 机器学习 | 共病 | 图深度学习，Transformer模型 | Transformer | 图数据 | NA | NA | DisSubFormer | AUROC | NA |
| 1135 | 2026-02-10 |
DeepVBM: A fully automatic and efficient voxel-based morphometry via deep learning-based segmentation and registration methods
2026-Feb-02, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2026.110637
PMID:41638266
|
研究论文 | 本研究提出了一种基于深度学习的全自动体素形态测量方法DeepVBM，通过融合分割和配准技术，显著提高了大规模神经影像数据分析的效率 | 开发了FuseMorph配准方法，通过迭代推理和参数搜索优化预训练模型的零样本预测，无需完整反向传播或模型重训练，在仅CPU环境下实现高精度配准 | 未明确说明方法在其他神经退行性疾病或不同MRI协议下的泛化能力，且可能依赖于特定预训练模型 | 开发一个高效、自动化的体素形态测量流程，以促进大规模多中心神经影像研究 | T1加权磁共振成像数据，特别是阿尔茨海默病队列的脑部结构 | 医学影像分析 | 阿尔茨海默病 | T1加权磁共振成像 | 深度学习模型 | 图像 | 多个数据集，包括一个阿尔茨海默病队列 | 未明确指定 | 未明确指定 | 配准精度 | 仅CPU环境 |
| 1136 | 2026-02-10 |
Deep learning-enhanced zero echo time silent brain magnetic resonance imaging in infants without sedation
2026-Feb, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06413-0
PMID:41219520
|
研究论文 | 本研究评估了基于深度学习的重建技术对零回波时间（ZTE）婴儿脑部磁共振成像图像质量的影响，并与传统镇静下的MRI进行了比较 | 首次将深度学习重建应用于婴儿无镇静的ZTE脑部MRI，显著提升了图像质量，并验证了其与镇静下常规MRI的可比性 | 研究为回顾性设计，样本量相对有限（78名婴儿），且未评估长期临床影响 | 评估深度学习重建在提升无镇静婴儿脑部ZTE MRI图像质量方面的效果，以减少镇静需求 | 婴儿（孕后年龄≤16个月）的脑部磁共振成像 | 医学影像 | 婴儿脑部疾病 | 磁共振成像（MRI），包括零回波时间（ZTE）序列和3D T1加权磁化准备快速梯度回波（MPRAGE）序列 | 深度学习（DL） | 磁共振图像 | 78名婴儿 | NA | NA | 图像质量评分（5点Likert量表），信号均匀性（变异系数），病变显著性，组间差异分析（Mann-Whitney U检验），评分者间一致性（Cohen's kappa系数） | NA |
| 1137 | 2026-02-10 |
The regulatory code of injury-responsive enhancers enables precision cell-state targeting in the CNS
2026-Feb, Nature neuroscience
IF:21.2Q1
DOI:10.1038/s41593-025-02131-w
PMID:41331142
|
研究论文 | 本研究通过单核转录组学和染色质可及性分析，解码了哺乳动物中枢神经系统损伤响应增强子的调控编码，并利用深度学习模型揭示其细胞类型特异性，最终通过体内增强子筛选展示了其在靶向治疗中的应用潜力 | 首次系统性地解码了中枢神经系统损伤响应增强子的调控原则，结合深度学习模型揭示了其整合通用刺激响应元件与细胞身份程序的架构，并成功应用于靶向疾病相关细胞状态的基因递送载体设计 | 研究主要基于小鼠脊髓挫伤模型，结果在人类或其他损伤模型中的普适性有待验证；深度学习模型的解释性可能有限 | 探究损伤诱导的转录程序如何编码于哺乳动物中枢神经系统的增强子中，并开发靶向疾病相关细胞状态的精准治疗策略 | 小鼠脊髓挫伤后的细胞类型特异性增强子，特别是胶质细胞中的损伤响应增强子 | 计算生物学 | 中枢神经系统损伤 | 单核转录组学，染色质可及性分析，深度学习，体内增强子筛选 | 深度学习模型 | 转录组数据，染色质可及性数据 | 数千个小鼠脊髓损伤后的细胞类型特异性增强子 | NA | NA | NA | NA |
| 1138 | 2026-02-10 |
Artificial intelligence assistance narrows the experience gap in endoscopic reporting of gastric lesions: a prospective clinical trial
2026-Feb, Surgical endoscopy
DOI:10.1007/s00464-025-12410-z
PMID:41345528
|
研究论文 | 本研究验证了一种人工智能辅助报告系统在提高胃部病变内镜报告质量方面的临床效果，特别关注缩小内镜医师间的经验差距 | 开发并验证了一个集成多个深度学习模型的人工智能报告系统，专门用于胃部病变的检测、分类和特征识别，并通过前瞻性临床试验证明其能显著提高报告完整性，尤其是在识别可疑肿瘤方面 | 研究样本量相对有限（276个视频片段），且主要聚焦于胃部病变，未涉及其他消化道部位 | 验证人工智能报告系统在改善胃部病变内镜文档质量方面的有效性，并缩小不同经验水平内镜医师间的报告差距 | 胃部病变的内镜图像和视频 | 计算机视觉 | 胃部病变 | 内镜成像 | 深度学习模型 | 图像, 视频 | 276个视频片段用于系统验证 | NA | NA | 准确率, 灵敏度, 特异性 | NA |
| 1139 | 2026-02-10 |
Validation of a deep learning-based AI model for breast cancer risk stratification in postmenopausal ER+/HER2-breast cancer patients
2026-Feb, Breast (Edinburgh, Scotland)
DOI:10.1016/j.breast.2025.104671
PMID:41380230
|
研究论文 | 本研究验证了一种基于深度学习的AI模型（Stratipath）在绝经后ER+/HER2-乳腺癌患者中进行风险分层的预后价值，并与传统的诺丁汉组织学分级系统进行比较 | 提出并验证了一种深度学习模型，用于乳腺癌风险分层，旨在解决传统NHG系统存在的观察者间变异性和中间风险组患者比例过高的问题，从而可能实现更个体化的治疗规划 | 研究结论指出，需要对Stratipath风险组2和3在治疗策略中的临床获益进行进一步的前瞻性验证 | 验证Stratipath深度学习AI模型在乳腺癌风险分层中的预后价值，并与广泛使用的诺丁汉组织学分级系统进行比较 | 2466名绝经后、ER阳性/HER2阴性、且根据当时指南未接受化疗的乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 临床数据 | 2466名患者 | NA | Stratipath模型 | 一致性指数, 风险比 | NA |
| 1140 | 2026-02-10 |
Multiscale segmentation using hierarchical phase-contrast tomography and deep learning
2026-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013923
PMID:41628266
|
研究论文 | 本文提出了一种结合分层相衬断层扫描（HiP-CT）和深度学习的多尺度生物医学图像分割流程，用于分割人类肾脏中的肾小球 | 利用HiP-CT生成多尺度3D数据集，并开发了一个深度学习分割流程，通过高分辨率手动标注数据训练模型，再使用伪标签和图像配准技术扩展到低分辨率全器官扫描，实现了跨尺度的信息整合 | 研究仅以人类肾脏中的肾小球作为案例，其更广泛的器官系统适用性有待进一步验证 | 开发一个有效的多尺度生物医学图像分割方法，以捕捉和分析完整人体器官中的微小功能单元 | 人类肾脏中的肾小球 | 数字病理学 | NA | 分层相衬断层扫描（HiP-CT） | 3D深度学习模型 | 3D图像 | 四个人类肾脏的高分辨率感兴趣体积（VOIs）数据集，以及两个低分辨率全器官数据集 | NA | nnUNet | Dice系数 | NA |