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 1529 篇文献，本页显示第 1281 - 1300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1281 | 2026-03-05 |
Q-Space Guided Multi-Modal Translation Network for Diffusion-Weighted Image Synthesis
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618683
PMID:41056154
|
研究论文 | 提出了一种用于从灵活q空间采样合成多壳高角度分辨率扩散加权成像的Q空间引导多模态翻译网络 | 提出Q-MMTN网络，通过混合编码器和多模态注意力融合机制，结合灵活的q空间感知嵌入，实现了不依赖固定采样方案的动态特征调制 | NA | 从灵活的q空间采样合成多壳高角度分辨率扩散加权成像 | 扩散加权成像数据 | 医学影像分析 | NA | 扩散加权成像 | 深度学习网络 | MRI图像（T1加权、T2加权、DWI） | 四个生命周期数据集（儿童、青少年、年轻成人、老年成人） | NA | Q-MMTN（Q-space Guided Multi-Modal Translation Network） | 参数图和纤维束估计的准确性 | NA |
| 1282 | 2026-03-05 |
MACE Risk Prediction in ARVC Patients via CMR: A Three-Tier Spatiotemporal Transformer With Pericardial Adipose Tissue Embedding
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618711
PMID:41056153
|
研究论文 | 本文提出了一种基于心脏磁共振成像的三层时空Transformer模型，用于预测致心律失常性右室心肌病患者的重大不良心脏事件风险 | 提出了三层时空Transformer架构，首次将心包脂肪组织的动态和位置信息作为先验知识嵌入模型，并引入了基于心包脂肪组织信息引导的局部特征投票单元 | 数据集规模有限（ARVC为罕见病），非MACE与MACE患者的图像分布存在重叠 | 预测致心律失常性右室心肌病患者发生重大不良心脏事件的风险 | 致心律失常性右室心肌病患者 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | Transformer | 图像序列 | 未明确说明具体样本数量（提及数据集规模有限） | 未明确说明 | 三层时空Transformer | AUC, 准确率, C-index | 未明确说明 |
| 1283 | 2026-03-05 |
MoE-Morph: Lightweight Pyramid Model With Heterogeneous Mixture of Experts for Deformable Medical Image Registration
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3620406
PMID:41086068
|
研究论文 | 提出了一种用于可变形医学图像配准的轻量级金字塔模型MoE-Morph，它采用异构专家混合机制来增强特征处理能力 | 引入了密集的专家混合金字塔配准模型，通过路由方案和多个异构专家增加单层特征处理的宽度和灵活性，仅使用形变场作为层级间信息传递范式 | 未使用注意力或视觉Transformer等复杂机制，模型保持最简形式，可能在某些极端复杂形变场景下存在局限 | 解决深度学习配准方法在处理大而复杂位移时的困难，提高医学图像配准的精度和鲁棒性 | 医学图像（脑部、肺部、腹部多模态图像） | 数字病理 | NA | 深度学习图像配准 | 金字塔模型、专家混合模型 | 医学图像 | 四个公共数据集（具体数量未明确说明） | NA | MoE-Morph（异构专家混合金字塔架构） | NA | NA |
| 1284 | 2026-03-03 |
Deep learning of committor for ion dissociation and interpretable analysis of solvent effects using atom-centered symmetry functions
2026-Mar-07, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0315825
PMID:41769876
|
研究论文 | 本研究利用深度学习识别水中NaCl离子对结合与解离的反应坐标，并通过可解释人工智能技术分析溶剂效应 | 采用基于原子中心对称函数的描述符编码离子周围溶剂环境，并应用SHAP分析识别对反应坐标有贡献的ACSFs，为离子解离机制提供分子层面解释 | 未明确说明模型泛化能力或对其他离子体系的适用性 | 识别水中离子对结合与解离过程的反应坐标，并分析溶剂效应 | 水中的NaCl离子对 | 机器学习 | NA | 分子动力学模拟，原子中心对称函数 | 神经网络 | 分子模拟数据 | NA | NA | NA | committor作为反应坐标的定量度量 | NA |
| 1285 | 2026-03-03 |
A Deep Learning Framework Integrating Tumor Microenvironmental Features Accurately Predicts Multiple Driver Gene Mutations in Lung Cancer Pathology Images
2026-Mar-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-0582
PMID:41289566
|
研究论文 | 本文提出了一种名为NAVF-Bio的深度学习框架，通过整合肿瘤微环境特征，从肺癌病理图像中准确预测多种驱动基因突变 | 开发了基于多实例学习的自适应多视图特征融合框架，能够整合全切片图像中的肿瘤微环境特征，不仅预测驱动基因突变，还能识别突变亚型和外显子变异，超越了现有方法仅进行突变水平预测的限制 | 研究主要基于中国四家医院的数据，可能限制了模型在其他人群或地区的泛化能力；未详细讨论模型在临床实际部署中的具体挑战 | 开发一个深度学习框架，从常规组织病理学切片中预测肺癌的驱动基因突变，以指导靶向治疗选择 | 肺癌患者的病理图像和下一代测序数据 | 数字病理学 | 肺癌 | 下一代测序 | 多实例学习 | 图像 | 来自中国四家医院的2,573名肺癌患者 | NA | NAVF-Bio | NA | NA |
| 1286 | 2026-03-03 |
Domain adaptation for low-dose CT denoising via pretraining and self-supervised fine-tuning
2026-Mar-02, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996261419893
PMID:41769819
|
研究论文 | 本文提出了一种基于预训练和自监督微调的低剂量CT去噪领域自适应方法 | 提出了一种无需目标域标签的自监督微调方法，通过像素洗牌图像预处理和两阶段微调策略来弥合领域差距，并设计了双尺度SwinIR模型作为预训练骨干网络 | 未明确说明方法在更广泛或临床数据集上的泛化能力，以及计算效率的详细评估 | 开发一种有效的领域自适应技术，以提升低剂量CT去噪模型在跨域数据集上的性能 | 低剂量CT图像 | 计算机视觉 | NA | 低剂量CT成像 | 深度学习模型 | 图像 | 基于两个公共数据集进行评估，具体样本数量未明确说明 | PyTorch（基于代码仓库推断） | SwinIR | 去噪性能指标（如PSNR、SSIM等，具体未列出） | NA |
| 1287 | 2026-03-03 |
Assessment of deep learning reconstruction effects on detection and differentiation of liver metastasis from hepatic hemangioma in diffusion-weighted imaging
2026-Mar, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01904-4
PMID:41196555
|
研究论文 | 评估并比较了使用压缩感知的扩散加权成像与结合模型深度学习重建的扩散加权成像在检测和区分肝转移瘤与肝血管瘤方面的性能 | 首次将模型深度学习重建应用于腹部扩散加权成像，以评估其在肝转移瘤与血管瘤检测和区分中的效果 | 研究为回顾性分析，样本量较小（53名患者），且未在独立外部数据集上验证 | 评估深度学习重建对腹部扩散加权成像在肝转移瘤与血管瘤检测和区分中图像质量和诊断性能的影响 | 肝转移瘤和肝血管瘤患者 | 数字病理 | 肝转移瘤, 肝血管瘤 | 扩散加权成像, 压缩感知, 深度学习重建 | 深度学习模型 | 医学影像（扩散加权成像） | 53名患者（34名男性，19名女性，平均年龄65.9岁），包括59个转移瘤和33个血管瘤 | NA | NA | 信号噪声比, 对比噪声比, 表观扩散系数, 受试者工作特征曲线下面积, 敏感性, 特异性 | NA |
| 1288 | 2026-03-03 |
Artificial Intelligence in Cardiovascular MRI: From Imaging to Biomechanics and Diagnosis
2026-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000864
PMID:41321165
|
综述 | 本文综述了人工智能（特别是深度学习）如何重塑心血管磁共振成像的各个方面，从规划、采集到重建、分析和临床报告生成 | 全面概述了深度学习在心血管MRI全流程（从采集到诊断）中的应用进展，并强调了其在提升效率、图像质量和自动化分析方面的潜力 | NA | 探讨人工智能在心血管磁共振成像中的应用及其对临床实践的变革 | 心血管磁共振成像技术及其相关数据处理流程 | 医学影像分析 | 心血管疾病 | 磁共振成像 | 深度学习 | 医学影像数据 | NA | NA | NA | NA | NA |
| 1289 | 2026-03-03 |
Transformer-based classification and interpretability of NR3C1 expression patterns in OSCC: Metabolic adaptation insights
2026 Mar-Apr, Journal of oral biology and craniofacial research
DOI:10.1016/j.jobcr.2026.101427
PMID:41768316
|
研究论文 | 本研究评估了四种基于Transformer的模型在NR3C1蛋白序列分类中的性能，并与深度学习和传统机器学习方法进行比较 | 首次将Transformer模型（如RoBERTa、ALBERT）应用于NR3C1蛋白序列分类，并展示了其在准确性和参数效率上的优势 | 研究仅基于5个UniProt序列的小样本数据集，可能限制模型的泛化能力 | 评估Transformer模型在蛋白序列分类任务中的性能，并探索其在口腔鳞状细胞癌（OSCC）相关蛋白NR3C1表达模式分类中的应用 | NR3C1蛋白的肽序列 | 自然语言处理 | 口腔鳞状细胞癌 | 蛋白序列分析 | Transformer, 深度学习模型, 传统机器学习分类器 | 蛋白序列（文本） | 5个UniProt序列，分为中等长度（200-500 aa）和长序列（>500 aa）两类 | NA | BERT, RoBERTa, DistilBERT, ALBERT | F1分数 | NA |
| 1290 | 2026-03-02 |
Optimizing deep CNN architecture via hybrid Harris Hawks arithmetic algorithm for EEG meditation classification
2026-Mar-27, Neuroscience
IF:2.9Q2
|
研究论文 | 本文提出了一种结合Harris Hawks优化算法和算术优化算法的混合CNN架构优化方法，用于基于EEG信号的冥想分类 | 首次将HHO和AOA算法结合，用于优化CNN超参数，以处理EEG信号的时频图像分类任务 | 未提及 | 优化深度学习架构以提升EEG冥想分类的准确性和鲁棒性 | EEG信号，具体分为Vipassana、Isha Shoonya和Control三类冥想状态 | 机器学习 | NA | EEG信号处理，Stockwell变换 | CNN | 图像（时频图像） | NA | NA | CNN | 准确率，最佳适应度，最差适应度，平均适应度，标准差 | NA |
| 1291 | 2026-03-02 |
Characterization of immune features and discovery of potential biomarkers for ankylosing spondylitis using deep plasma proteomics
2026-Mar, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.05.052
PMID:40436140
|
研究论文 | 本研究通过整合深度血浆蛋白质组学和深度学习策略，探索强直性脊柱炎的免疫特征并发现潜在生物标志物 | 结合随机森林和正交偏最小二乘判别分析构建机器学习模型，从深度蛋白质组学数据中识别出SAA1、FERMT3、ILK和TLN1作为AS的潜在生物标志物 | 样本量相对有限，且仅通过ELISA在独立队列中验证了生物标志物，未进行更大规模或多中心验证 | 阐明强直性脊柱炎的免疫特征并发现潜在生物标志物，以优化临床管理和预后评估 | 强直性脊柱炎患者（包括活动期和稳定期）及健康对照者的血浆样本 | 机器学习 | 强直性脊柱炎 | 深度定量蛋白质组学，ELISA | 随机森林，正交偏最小二乘判别分析 | 蛋白质组学数据 | 104名参与者（AS患者和健康对照），另加79名参与者的独立验证队列 | Scikit-learn | 随机森林，正交偏最小二乘判别分析 | NA | NA |
| 1292 | 2026-03-02 |
Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection
2026-Mar, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.06.031
PMID:40533057
|
研究论文 | 本研究构建了一个多模态模型（MM-RDLM），用于预测肝细胞癌手术切除后的早期复发，并探索了相关的生物学机制 | 整合了放射组学和深度学习模型，并利用特征可视化和梯度加权类激活映射提高模型可解释性，同时结合基因集富集分析和多重免疫组化探索生物学机制 | 研究样本来自三个医疗中心，但外部验证队列规模相对较小（86例），且模型性能需在更广泛的人群中进行验证 | 预测肝细胞癌（HCC）手术切除后的早期复发 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 对比增强计算机断层扫描（CT）成像，基因集富集分析（GSEA），多重免疫组化（mIHC） | 深度学习模型，放射组学模型 | 医学影像（CT图像） | 519名患者（训练队列433例，验证队列86例） | NA | NA | 曲线下面积（AUC），风险比（HR） | NA |
| 1293 | 2026-03-02 |
Revisiting PSF models: Unifying framework and high-performance implementation
2026-Mar, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.70045
PMID:41186941
|
研究论文 | 本文提出了一个统一框架，系统比较了基于傅里叶变换和贝塞尔积分的点扩散函数模型，并基于PyTorch实现了高性能开源库 | 首次系统证明了傅里叶与贝塞尔方法的等价性，提出了适用于两种方法的统一校正框架，并实现了首个基于深度学习框架的高性能PSF计算库 | 未明确说明具体应用场景中的性能提升幅度，且新库的兼容性验证可能不够全面 | 建立点扩散函数模型的统一理论框架并实现高性能计算工具 | 高数值孔径成像系统中的点扩散函数模型 | 计算成像 | NA | 定位显微镜、点扩散函数建模 | NA | 光学成像模型 | NA | PyTorch | NA | 计算精度、计算速度 | CPU、GPU |
| 1294 | 2026-03-02 |
High-speed quantitative X-ray multi-contrast imaging with deep learning based modulated pattern analysis
2026-Mar-01, Journal of synchrotron radiation
IF:2.4Q3
DOI:10.1107/S1600577526000846
PMID:41701528
|
研究论文 | 本文介绍了一种基于深度学习的增强扫描模式成像神经网络（ESPINNet），用于实现高速、高分辨率的X射线多对比度定量成像 | ESPINNet比基于相关的散斑跟踪方法（如XSVT和UMPA）更快，通过使用更少的扫描图像在分辨率和速度之间提供平衡性能，并引入了生成暗场图像的能力，增强了其多功能性 | 未在摘要中明确提及 | 开发一种高速、高分辨率的X射线多对比度定量成像工具，以解决测量和分析X射线调制模式效率低的问题，应用于高分辨率原位成像 | 材料和生物样本的内部结构 | 计算机视觉 | NA | X射线多对比度成像 | 神经网络 | 图像 | NA | NA | ESPINNet | 分辨率, 速度 | NA |
| 1295 | 2026-03-01 |
Automatic measurement of pharyngeal contraction ratio during deglutition using 2D cine MRI with deep learning: A pilot study
2026-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00984-1
PMID:41236586
|
研究论文 | 本研究开发了一种基于深度学习的自动分割咽部区域并测量吞咽过程中咽部收缩比的方法，使用电影磁共振成像技术 | 结合2D U-Net进行咽部区域提取与自动计算咽部面积和收缩比，实现了从电影MRI中自动测量咽部收缩比的技术可行性 | 仅分析了20名健康成年人的数据，样本量较小，且未涉及患者群体，限制了结果的普遍性 | 开发自动测量吞咽过程中咽部收缩比的方法，以评估吞咽功能 | 20名健康成年人（10男10女，年龄22-29岁）的电影MRI数据 | 医学影像分析 | 吞咽障碍 | 电影磁共振成像 | CNN | 图像 | 20名健康成年人 | NA | U-Net | Dice系数, 相关系数, Bland-Altman分析 | NA |
| 1296 | 2025-11-27 |
Deep learning-based support system for alignment classification and correction guidance in postoperative total knee arthroplasty lateral radiographs
2026-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00987-y
PMID:41288930
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1297 | 2026-03-01 |
Effect of deep learning reconstruction on arm-induced artifacts compared with hybrid iterative reconstruction and filtered-backprojection in abdominal CT
2026-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00998-9
PMID:41442007
|
研究论文 | 本研究评估了深度学习图像重建（DLIR）在腹部CT中减少手臂伪影和提升图像质量的效果，并与自适应统计迭代重建（ASIR-V）和滤波反投影（FBP）进行比较 | 首次在腹部CT中系统比较DLIR、ASIR-V和FBP对手臂伪影的减少效果，并证明DLIR在伪影抑制和图像质量方面优于传统方法 | 研究样本量较小（仅10名患者），且仅评估了特定手臂位置，可能未覆盖所有临床场景 | 评估DLIR在腹部CT中减少手臂伪影和提升图像质量的效果 | 肝脏结节体模（含手臂部分）和10名患者的腹部CT图像 | 医学影像 | NA | 计算机断层扫描（CT） | 深度学习图像重建（DLIR） | CT图像 | 1个体模和10名患者 | NA | NA | 伪影强度（Gumbel分布位置参数和标准差）、信噪比（SNR）、对比噪声比（CNR）、噪声、伪影、锐度和整体质量的主观评分 | NA |
| 1298 | 2026-01-06 |
Implementation of deep learning with convolutional block attention module for detecting collimator rotation errors in stereotactic radiosurgery quality assurance
2026-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-01002-0
PMID:41489764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1299 | 2026-03-01 |
The application of artificial intelligence in blind ultrasound sweep diagnostics for prenatal medicine: A systematic literature review
2026-Mar, Acta obstetricia et gynecologica Scandinavica
IF:3.5Q1
DOI:10.1111/aogs.70147
PMID:41574472
|
系统综述 | 本文系统综述了人工智能在盲超声扫描诊断于产前医学中的应用 | 聚焦于人工智能应用于由最低限度培训人员执行的标准化盲超声扫描，以改善产前超声诊断的可及性 | 在妊娠晚期准确性降低，以及在早期妊娠或异常检测方面的验证有限 | 评估人工智能模型在盲超声扫描中用于产前诊断的性能和潜力 | 产前盲超声扫描数据 | 数字病理学 | NA | 超声扫描 | 深度学习 | 图像 | NA | NA | NA | 平均绝对误差, AUC, Dice系数, 准确率 | NA |
| 1300 | 2026-03-01 |
Development of a hybrid deep learning-based framework for liver fibrosis classification using ultrasound images
2026-Mar, iLIVER
DOI:10.1016/j.iliver.2026.100225
PMID:41756166
|
研究论文 | 本研究开发了一种结合ResNet50和VGG16的混合深度学习框架，用于基于超声图像的肝纤维化多分类（F0-F4） | 提出了一种混合深度学习模型，结合了ResNet50和VGG16，用于肝纤维化的多分类，提高了诊断准确性并增强了模型的可解释性 | 研究依赖于公开数据集，可能未涵盖所有临床场景；模型性能评估虽使用统计方法，但外部验证仍需进一步进行 | 开发自动化的肝纤维化分期工具，以减少对活检的依赖，并提供经济、可解释的肝脏疾病评估方法 | 肝纤维化患者 | 计算机视觉 | 肝纤维化 | 超声成像 | CNN | 图像 | 6323个超声图像样本 | NA | ResNet50, VGG16 | 准确率, 灵敏度, 特异性, AUC | NA |