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 39754 篇文献，本页显示第 2021 - 2040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 2026-01-18 |
Integrating multiomics data using a correlation based graph attention network for subtype classification in lower grade glioma
2026-Jan-16, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-04428-z
PMID:41543639
|
研究论文 | 本研究提出了一种名为BioGAT-LGG的深度学习框架，通过基于相关性的图注意力网络整合多组学数据，用于低级别胶质瘤亚型分类和生物标志物发现 | 与依赖外部生物先验知识的方法不同，BioGAT-LGG构建基因驱动的相关性图，使模型能够学习具有生物学意义的分子相互作用 | NA | 实现低级别胶质瘤的精准亚型分类，以支持个性化治疗和靶向干预 | 低级别胶质瘤 | 机器学习 | 胶质瘤 | mRNA测序, miRNA测序, DNA甲基化测序 | 图注意力网络 | 多组学数据 | NA | PyTorch | GATv2 | 准确率, 精确率, 召回率, F1分数 | NA |
| 2022 | 2026-01-18 |
Order-Aware Deep Learning for Drug Combination Benefit Prediction in Cancer Cell Lines
2026-Jan-16, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3650933
PMID:41543946
|
研究论文 | 本文提出了一种名为OrderCombo的新型顺序感知深度学习模型，用于预测癌症细胞系中药物的组合效益 | 提出了一种新颖的顺序感知深度学习模型，通过结合预训练的化学语言模型、组学导向的线性网络和混合编码器来提取药物和细胞系表征，并设计了顺序对比损失来促进判别性嵌入空间并保持类别顺序性 | NA | 加速治疗性药物组合的发现，预测癌症细胞系中药物的组合效益 | 药物组合和癌症细胞系 | 机器学习 | 癌症 | NA | 深度学习 | 化学数据、组学数据 | 大规模组合效益数据集 | NA | 混合编码器（结合基于连接和基于注意力的交互） | 预测准确率 | NA |
| 2023 | 2026-01-18 |
Highly Undersampled MRI Reconstruction via a Single Posterior Sampling of Diffusion Models
2026-Jan-16, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3654585
PMID:41543953
|
研究论文 | 提出一种基于单步扩散模型的快速MRI重建框架SSDM-MRI，用于从高度欠采样的k空间数据中恢复图像 | 通过迭代选择性蒸馏算法和捷径反向采样策略，将扩散模型蒸馏为单步推理模型，显著缩短了重建时间 | 未明确说明模型在更广泛数据集或更高加速因子下的泛化能力 | 解决高加速因子下MRI图像重建质量下降和扩散模型推理时间长的问题 | MRI图像 | 医学影像重建 | NA | 扩散模型 | 条件扩散模型 | MRI图像 | 公开fastMRI脑部和膝盖图像数据集，以及内部多回波GRE（QSM）受试者数据 | NA | U-net | PSNR, SSIM | NA |
| 2024 | 2026-01-18 |
Learning-Based Multi-View Stereo: A Survey
2026-Jan-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3654665
PMID:41543950
|
综述 | 本文对基于学习的多视图立体视觉（MVS）方法进行了全面综述 | 系统性地将基于学习的MVS方法分类为基于深度图、基于体素、基于NeRF、基于3D高斯泼溅和大规模前馈方法，并重点分析了主流方法 | 作为综述文章，不涉及具体实验验证，主要依赖现有文献和基准测试结果 | 综述基于学习的多视图立体视觉方法的研究进展、性能比较和未来方向 | 多视图立体视觉算法及其在3D重建中的应用 | 计算机视觉 | NA | 多视图立体视觉 | 深度学习 | 多视角图像 | NA | NA | NA | 基准测试性能 | NA |
| 2025 | 2026-01-18 |
Magnetic resonance imaging-based proton dose calculation for pelvic tumors using deep learning
2026-Jan-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae399c
PMID:41544379
|
研究论文 | 本研究探讨了两种基于深度学习的MRI-only质子剂量计算流程在盆腔肿瘤治疗中的可行性及其对MRI强度失真的鲁棒性 | 提出了两种全深度学习驱动的MRI-only质子剂量计算流程，包括两步法（MRI转合成CT后预测剂量）和直接法（直接从MRI预测剂量），并评估了其对MRI强度失真的鲁棒性 | 直接预测流程的平均相对误差较大（最高达6.11%），信息利用效率有待提升 | 研究基于MRI的质子剂量计算在盆腔肿瘤治疗中的可行性 | 盆腔肿瘤患者的MRI-CT配对数据 | 医学影像分析 | 盆腔肿瘤 | 磁共振成像（MRI）、蒙特卡洛模拟 | 深度学习 | 医学影像（MRI和CT） | 120名盆腔患者，包含31727个随机笔形束和13430个来自6个治疗计划的笔形束 | NA | NA | 伽马通过率（3mm, 3%, 剂量阈值为10%）、平均相对误差（ARE） | NA |
| 2026 | 2026-01-18 |
Institution-specific pre-treatment quality assurance control and specification limits: a tool to implement a new formalism and criteria optimization using statistical process control and heuristic methods
2026-Jan-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae399f
PMID:41544384
|
研究论文 | 本研究开发了一种基于统计过程控制和启发式方法的新形式化工具，用于优化VMAT预治疗质量保证的控制和规格限 | 提出了一种结合统计过程控制与启发式方法的新形式化框架，用于确定机构特定的控制和规格限，并开发了开源软件工具以促进临床实施 | 研究基于回顾性数据，可能未涵盖所有临床场景；高复杂度计划的严格标准临床可接受性需进一步验证 | 优化VMAT预治疗质量保证流程，通过建立机构特定的控制和规格限来提高计划复杂度的管理效率 | 350个VMAT治疗计划，涵盖脑部、前列腺、盆腔和头颈部等不同复杂度的治疗部位 | 医学物理与放射治疗 | NA | VMAT预治疗质量保证，伽马指数分析 | NA | 放射治疗计划数据 | 350个VMAT计划 | 自定义软件（基于统计过程控制和启发式方法） | NA | 伽马指数通过率，平均伽马指数 | NA |
| 2027 | 2026-01-18 |
Deep learning algorithm for semiquantification of spinal inflammation in axial spondyloarthritis
2026-Jan-16, RMD open
IF:5.1Q1
DOI:10.1136/rmdopen-2025-006403
PMID:41545311
|
研究论文 | 本研究开发了一种基于注意力U-Net的深度学习算法，用于对中轴型脊柱关节炎患者脊柱炎症进行半定量评估 | 利用注意力U-Net模型实现脊柱炎症的自动识别和定位，首次将深度学习应用于SPARCC评分的半定量分析 | 研究仅基于330名患者数据，未在外部验证集上测试模型泛化能力 | 开发深度学习算法对中轴型脊柱关节炎的脊柱炎症进行半定量评估 | 中轴型脊柱关节炎患者的脊柱MRI图像 | 数字病理学 | 脊柱关节炎 | MRI STIR序列 | CNN | 图像 | 330名参与者 | NA | 注意力U-Net | 灵敏度, 特异性, 准确率, Dice系数, ICC, Pearson系数 | NA |
| 2028 | 2026-01-18 |
Robust and interpretable prediction of gene markers and cell types from spatial transcriptomics data
2026-Jan-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68487-0
PMID:41545411
|
研究论文 | 本文介绍了一个名为STimage的综合模型套件，用于直接从标准H&E图像预测空间基因表达和分类细胞类型 | 通过集成基础模型估计基因表达分布并量化数据驱动和模型不确定性，增强了稳健性，并通过单细胞分辨率归因分析结合组织病理学注释、功能基因和潜在表示提高了可解释性 | NA | 提高空间转录组学数据中基因表达预测和细胞类型分类的稳健性和可解释性 | 空间转录组学数据中的基因表达和细胞类型 | 数字病理学 | NA | 空间转录组学 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2029 | 2026-01-18 |
Automated detection of giant cell arteritis from temporal artery biopsy specimens using deep learning approaches
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34962-9
PMID:41545410
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2030 | 2026-01-18 |
Deep learning for detecting depression in individuals with and without alexithymia
2026-Jan-16, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01393-0
PMID:41545479
|
研究论文 | 本研究探讨了述情障碍对抑郁症检测的影响，并比较了大型语言模型与自评量表在抑郁症检测中的性能 | 首次利用大型语言模型分析临床访谈文本，以提升对述情障碍患者抑郁症检测的准确性 | 样本量相对较小（共299名参与者），且仅基于汉密尔顿抑郁评定量表作为金标准，可能未涵盖所有抑郁维度 | 评估深度学习模型在检测抑郁症，特别是针对述情障碍患者时的准确性提升 | 194名重度抑郁障碍患者和105名社区对照个体 | 自然语言处理 | 抑郁症 | 临床结构化访谈文本分析 | 大型语言模型 | 文本 | 299名参与者（194名患者，105名对照） | NA | 大型语言模型（具体架构未指定） | AUC | NA |
| 2031 | 2026-01-18 |
The peak shifting electricity consumption management and influencing factors of smart grid from recurrent neural network model and deep learning
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35754-5
PMID:41545555
|
研究论文 | 本研究利用循环神经网络模型和用电管理模型，对智能电网的移峰填谷用电管理及其影响因素进行深入研究和分析 | 提出了一种基于循环神经网络的智能电网能耗预测模型，并发现其在移峰填谷用电管理方面优于线性回归、非线性回归和自回归积分移动平均模型，对智能电网的使用和研究具有突破性效果 | NA | 实现智能电网移峰填谷用电的有效管理并分析其影响因素 | 智能电网的电力负荷数据 | 机器学习 | NA | NA | RNN | 时间序列数据 | NA | NA | RNN | 均方误差, 平均绝对误差, 平均绝对百分比误差 | NA |
| 2032 | 2026-01-18 |
Multiparametric MRI-based habitat analysis integrating deep learning and radiomics for predicting preoperative Ki-67 expression level in breast cancer
2026-Jan-16, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02151-3
PMID:41545974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2033 | 2026-01-18 |
Hundred-Nanosecond Equivalent Pixel Dwell Time for Deep-Tissue 3D Three-Photon Fluorescence Microscopy via Sparse X-Y-Z Reconstruction
2026-Jan-16, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202501513
PMID:41546413
|
研究论文 | 本文提出了一种名为DeepR-SXYZ的深度学习框架，通过稀疏X-Y-Z重建，实现了百纳秒级等效像素驻留时间，用于深层组织三维三光子荧光显微镜成像 | 提出了一种结合卷积神经网络和结构动态注意力增强Transformer的深度学习框架，实现了从稀疏采样的低分辨率体积扫描数据中准确重建高分辨率三维体积，在X-Y平面成像上实现了8.8倍加速和超过60%的Z轴层恢复 | 未明确说明 | 解决三光子荧光显微镜在成像速度与空间分辨率之间的权衡问题，实现高速、低光毒性的深层组织三维成像 | 脑血管系统和肌肉巨噬细胞 | 计算机视觉 | NA | 三光子荧光显微镜 | CNN, Transformer | 图像 | NA | NA | CNN与结构动态注意力增强Transformer | X-Y平面成像加速倍数, Z轴层恢复率 | NA |
| 2034 | 2026-01-18 |
BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients
2026-Jan-15, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06589-6
PMID:41540040
|
研究论文 | 本文介绍了BreastDCEDL，一个标准化的深度学习就绪乳腺DCE-MRI数据集，包含来自2,070名患者的预处理3D DCE-MRI扫描 | 提供了首个标准化、多中心、深度学习就绪的乳腺DCE-MRI公共数据集，填补了公共影像资源的空白 | Duke队列中仅32.5%的患者有病理完全缓解数据可用 | 支持开发用于病理完全缓解预测和其他乳腺癌分析的先进模型 | 2,070名乳腺癌患者的预处理3D DCE-MRI扫描 | 数字病理学 | 乳腺癌 | 动态对比增强磁共振成像 | NA | 3D DCE-MRI图像 | 2,070名患者（I-SPY1队列172名，I-SPY2队列982名，Duke队列916名） | NA | NA | NA | NA |
| 2035 | 2026-01-18 |
Prospective study assessing the validity of accelerated 2D Fast Spin Echo (2D FSE) based high-resolution knee MRI and T2 mapping using deep learning reconstruction
2026-Jan-15, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09482-2
PMID:41540386
|
研究论文 | 本研究评估了使用深度学习重建的加速高分辨率2D FSE膝关节MRI协议和T2映射序列的图像质量和诊断性能 | 首次将深度学习重建技术应用于加速的2D FSE膝关节MRI协议和T2映射序列，以提升图像质量和诊断性能，同时减少扫描时间 | 样本量相对较小（92名患者），且为初步研究，需要更大规模的多中心验证 | 评估深度学习重建加速的膝关节MRI协议在检测软骨病变方面的诊断效能 | 膝关节MRI图像，特别是软骨病变的检测 | 医学影像分析 | 膝关节损伤 | 2D快速自旋回波MRI，T2映射序列，深度学习重建 | 深度学习模型 | MRI图像 | 92名患者，其中39名接受了T2映射和关节镜检查 | NA | NA | AUC, SNR, CNR, Cohen's κ, 受试者工作特征曲线 | 3.0T MRI扫描仪 |
| 2036 | 2026-01-18 |
Explainable AI-assisted hybrid self-organising maps and deep learning algorithms for detecting pistachio adulteration with peas
2026-Jan-15, Food additives & contaminants. Part A, Chemistry, analysis, control, exposure & risk assessment
DOI:10.1080/19440049.2025.2597288
PMID:41542878
|
研究论文 | 本研究开发了一种可解释的AI辅助混合模型，结合自组织映射和深度学习算法，用于检测开心果中掺杂豌豆的掺假行为 | 提出了一种新颖的混合方法，将无监督学习的自组织映射与有监督学习的卷积神经网络相结合，首次将高维光谱数据转换为二维图像进行掺假检测 | 研究仅针对开心果与豌豆的特定掺假组合，掺假比例范围有限（0%-60%），未涉及其他常见掺假物或更复杂的混合情况 | 开发一种基于人工智能的食品掺假检测方法，实现开心果产品的快速、准确质量监控 | 生开心果样品及其与干豌豆的掺假混合物 | 计算机视觉 | NA | 拉曼光谱分析 | SOM, CNN | 光谱数据，图像数据 | 18,000个实验室数据点（来自含0%-60%豌豆掺假比例的开心果样品） | NA | 4层CNN架构 | 准确率 | NA |
| 2037 | 2026-01-18 |
Less Noise, More Confidence: Deep Learning Denoising Algorithm for Coronary Stenosis Assessment in pre-TAVI CT Imaging
2026-Jan-15, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.052
PMID:41545257
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2038 | 2026-01-18 |
Comment on "Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging"
2026-Jan-15, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.053
PMID:41545256
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2039 | 2026-01-18 |
Automated Gross Tumor Volume (GTV) Contouring in High-Grade Gliomas Using a Deep Learning Approach
2026-Jan-15, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.046
PMID:41545259
|
研究论文 | 本研究提出了一种基于深度学习的自动分割方法，用于高分级胶质瘤的肿瘤大体靶区勾画 | 采用改进的3D U-Net架构，并利用多序列磁共振成像数据进行训练，以实现高精度、自动化的肿瘤靶区勾画 | 研究数据来源于特定公开挑战赛数据集，可能无法完全代表所有临床场景的多样性 | 开发一种自动、准确的肿瘤大体靶区勾画方法，以支持放射治疗规划并提高临床工作效率 | 高分级胶质瘤患者的磁共振成像数据 | 数字病理学 | 脑肿瘤 | 多序列磁共振成像 | CNN | 图像 | 469名受试者 | NA | 3D U-Net | Dice相似系数, 95百分位Hausdorff距离 | NA |
| 2040 | 2026-01-18 |
Joint processing technology of laser radar and optical image for power distribution
2026-Jan-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31565-2
PMID:41530215
|
研究论文 | 本文提出了一种结合激光雷达和光学图像的多模态深度特征混合深度学习模型，用于配电网络中的故障识别与定位 | 创新点在于整合了激光雷达、光学图像和传感器数据，并采用卡尔曼滤波增强特征融合，结合决策树优化分类结果，实现了高精度和低计算复杂度的故障管理 | NA | 研究目的是提高配电网络中故障识别与定位的准确性和效率 | 研究对象是配电网络中的故障 | 机器学习 | NA | 激光雷达、光学成像 | 深度学习 | 图像、传感器数据 | NA | Python | 多模态深度特征混合深度学习模型 | 准确率、精确率、召回率、F1分数、推理时间 | NA |