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 47335 篇文献，本页显示第 3001 - 3020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3001 | 2026-06-16 |
Correction to "Precise Sizing and Collision Detection of Functional Nanoparticles by Deep Learning Empowered Plasmonic Microscopy"
2026-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.75592
PMID:42107054
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3002 | 2026-06-16 |
Evaluating multi-task network architectures for simultaneous breast lesion segmentation and classification in ultrasound images
2026-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03592-2
PMID:42138788
|
research paper | 评估多任务网络架构在超声图像中同时进行乳腺病变分割和分类的性能，提出结合SegResNet和EfficientNet的多任务学习配置，并在双中心数据集上验证其效果 | 探索了多种多任务学习网络配置，比较不同层次的特征共享与整合策略，以确定联合乳腺病变分割与分类的最有效架构 | 依赖810张二维超声图像的单数据集，未涉及三维超声或多模态数据，可能限制模型的泛化能力 | 提升超声图像中乳腺病变分割与分类的联合准确率，优化计算机辅助诊断工具 | 乳腺病变在超声图像中的分割区域与恶性分类 | 计算机视觉 | 乳腺癌 | NA | 多任务学习 | 图像 | 810张二维乳腺超声图像，来自两个不同中心 | PyTorch | SegResNet, EfficientNet | Dice系数, AUC | NA |
| 3003 | 2026-06-16 |
Probabilistic multi-site MR image harmonization via feature preserving conditional generative adversarial networks
2026-Jun, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种特征保持的条件生成对抗网络（FP-cGAN），用于概率性多站点MR图像协调，将多来源图像转换为目标站点格式并保留解剖特征 | 首次将概率深度生成模型集成到MR图像协调中，通过施加新的正则化约束保留解剖特征，并提供不确定性估计 | 未明确提及限制，但可能包括对配对数据依赖较少、计算资源消耗或泛化至极端异质性数据的潜在挑战 | 消除多站点MR图像中的非生物特征差异，实现图像协调并保留解剖结构 | 多站点脑磁共振图像（MR图像） | 计算机视觉，数字病理 | 神经疾病 | 磁共振成像（MRI） | 条件生成对抗网络（cGAN） | 图像 | 使用SRPBS数据集中的非配对图像训练和配对图像评估，并扩展至异质性公共数据集 | PyTorch（推断） | FP-cGAN | 分布度量，不确定性估计 | NA |
| 3004 | 2026-06-16 |
Deep learning-derived pericardial adipose tissue by electrocardiogram-gated cardiac computed tomography predicts cardiovascular events beyond coronary calcium score
2026-Jun, American journal of preventive cardiology
IF:4.3Q1
DOI:10.1016/j.ajpc.2026.101549
PMID:42291032
|
研究论文 | 基于深度学习的心电图门控心脏CT心包脂肪组织测量在冠状动脉钙化评分基础上预测心血管事件 | 首次在大型队列中验证深度学习自动分割的心包脂肪组织体积在冠状动脉钙化评分和PREVENT™风险方程之外对心血管事件的增量预测价值 | NA | 评估心包脂肪组织体积是否能在冠状动脉钙化评分和PREVENT™风险方程之外提高心血管事件的预测能力 | 无已知心力衰竭和动脉粥样硬化性心血管疾病史的明尼苏达州奥姆斯特德县居民 | 数字病理学 | 心血管疾病 | NA | 深度学习 | 影像 | 11,897名居民 | NA | NA | Dice系数 | NA |
| 3005 | 2026-06-16 |
Advanced CNN Deep Learning Model for Diabetic Retinopathy Classification
2026-Jun, Journal of biomedical physics & engineering
DOI:10.31661/jbpe.v0i0.2406-1774
PMID:42292681
|
研究论文 | 利用深度学习技术对糖尿病视网膜病变进行早期分级分类 | 提出低成本、快速且准确的自动化系统，结合CNN、决策树和逻辑回归三种模型，在三个不同数据集上进行DR严重程度分类比较 | 论文标题和摘要中未明确描述局限性 | 开发用于早期检测和分类糖尿病视网膜病变的深度学习自动化系统 | 视网膜眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | NA | CNN（卷积神经网络）、决策树、逻辑回归 | 图像 | 三个数据集：伊拉克数据集、印度糖尿病视网膜病变图像数据集（IDRiD）和Eyepacs数据集 | NA | CNN | 准确率 | NA |
| 3006 | 2026-06-16 |
AI-Enabled Mucus Segmentation in Nasal Endoscopy with State Space and Attention-Based Modeling
2026-Jun, Laryngoscope investigative otolaryngology
IF:1.6Q2
DOI:10.1002/lio2.70467
PMID:42292753
|
研究论文 | 提出SUM-MucusNet模型，用于鼻内窥镜图像中粘液分割 | 结合状态空间与注意力机制，针对薄粘液层与浆液分泌物分离、边界模糊及光照伪影等挑战进行优化 | 模型在非常规粘液模式下的表现仍有提升空间，且仅基于单中心数据验证 | 提升鼻内窥镜下粘液分割的准确性，支持标准化粘液评估与纵向疾病监测 | 鼻内窥镜图像中的粘液区域 | 计算机视觉 | 鼻窦炎 | NA | 深度学习模型 | 图像 | 来自454名患者的3486张已标注内窥镜图像 | NA | SUM-MucusNet（状态空间与注意力机制结合） | Dice系数、交并比、精确率、召回率 | NA |
| 3007 | 2026-06-16 |
Enhanced image quality in head and neck MRI with PROPELLER and deep learning reconstruction
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100771
PMID:42293421
|
研究论文 | 结合PROPELLER采集技术和深度学习重建，评估其在头颈部MRI脂肪抑制T2加权成像和弥散加权成像中提升图像质量的效果 | 首次将PROPELLER采集技术与深度学习重建结合应用于头颈部MRI，显著改善脂肪抑制T2加权成像和弥散加权成像的图像质量和病变可见性 | 样本量较小（仅34例患者），且为回顾性研究 | 评估PROPELLER采集技术与深度学习重建联合在头颈部MRI中的图像质量改善效果 | 34例接受3.0-T头颈部MRI检查的患者 | 数字病理学 | 头颈部病变 | MRI | 深度学习重建（DLR） | 图像 | 34例患者 | NA | NA | 信噪比（SNR）、对比度噪声比（CNR）、5点Likert量表评分 | NA |
| 3008 | 2026-06-16 |
TotalSegmentator-AI for aortic segmentation in CT: Reliable performance in normal anatomy but limited utility in pathological aortic disease
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100772
PMID:42293422
|
研究论文 | 评估TotalSegmentator-AI在CT主动脉分割中的性能，发现其正常解剖表现可靠，但在病理主动脉疾病中有限 | 首次对TotalSegmentator-AI在正常和多种病理主动脉条件下的性能进行系统压力测试，并映射其边界和结构失效模式 | 单中心、回顾性研究，样本量较小（60个CTA扫描），且未包含手动校正的比较 | 评估深度学习工具TotalSegmentator-AI在主动脉分割中的临床应用边界和可靠性，特别是在病理条件下 | 60例CTA扫描，分为年轻、老年、动脉瘤、夹层、静脉期和无对比期六组 | 计算机视觉 | 主动脉疾病 | CTA（计算机断层血管造影） | 深度学习 | 图像 | 60例CTA扫描，包含360个主动脉节段 | NA | TotalSegmentator-AI | 定性评分、定量分割误差、Spearman相关系数、加权Cohen's kappa | NA |
| 3009 | 2026-06-16 |
Macula- Versus Disc-Centered Fundus Photography: Performance in Age-Prediction and Disease Associations
2026-Jun-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.67.6.24
PMID:42294805
|
研究论文 | 比较以黄斑为中心与以视盘为中心的眼底照片在年龄预测和疾病关联中的性能差异 | 首次系统对比两种眼底照相固定方式（黄斑中心与视盘中心）对深度学习年龄预测和视网膜年龄差与疾病关联的影响 | 回顾性设计、单中心数据、系统偏差和异方差性不支持正式互换性、需前瞻性人群队列验证 | 评估眼底照相固定方式对年龄预测性能和疾病关联的影响 | 同一患者同一天采集的黄斑中心与视盘中心彩色眼底照片 | 计算机视觉 | 年龄相关性黄斑变性 | 彩色眼底摄影 | 深度学习年龄预测模型 | 图像 | 12,230对同一天采集的眼底照片来自5,895名患者（≥40岁） | NA | NA | 平均绝对误差, 组内相关系数, Bland-Altman分析, 比值比 | NA |
| 3010 | 2026-06-16 |
Acoustic individual identification in a species of field cricket using deep learning
2026-Jun-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0044100
PMID:42294872
|
研究论文 | 利用深度学习从蟋蟀鸣声中实现个体识别，评估其在野生动物监测中的潜力 | 首次在野外记录的昆虫物种中展示基于深度学习的声学个体识别方法，并对比随机森林模型，证明深度学习在复杂任务中的优越性 | 不同夜晚间识别准确率显著下降（从99.9%降至65.1%），温度变化未通过声谱图调整得到改进 | 评估深度学习在野外蟋蟀个体识别中的可行性，推动非侵入性动物种群监测 | 短翅蟋蟀（Plebeiogryllus guttiventris）的鸣声 | 机器学习 | NA | 声学信号分析 | 深度学习模型（与随机森林对比） | 音频数据 | 封闭种群中未知具体数量个体，不同夜晚的蟋蟀鸣声记录 | NA | NA | 准确率 | NA |
| 3011 | 2026-06-16 |
Nuclear Enlargement as a Histological Hallmark of Skeletal Muscle Aging, Revealed by Deep Learning-Driven Analysis and Validated in Inflammatory Myopathies
2026-Jun, Aging cell
IF:8.0Q1
DOI:10.1111/acel.70577
PMID:42295036
|
研究论文 | 利用深度学习驱动的核形态测量，揭示了核增大作为骨骼肌衰老的组织学标志，并在炎症性肌病中得到验证 | 首次通过大规模组织学与深度学习结合，发现核增大是骨骼肌衰老的可量化特征，并建立了潜在的“肌肉衰老时钟”，适用于生理性衰老和疾病状态 | 未明确说明，但从摘要推断可能包括样本来源单一、需要外部验证等 | 识别骨骼肌衰老的可重复组织学特征，并测试其生物学相关性 | 人类骨骼肌组织（来自974张H&E全切片图像） | 数字病理学 | 骨骼肌衰老、炎症性肌病 | H&E染色、深度学习 | 双注意力卷积神经网络、Mask R-CNN | 图像（全切片图像） | 974张H&E全切片图像 | NA | 双注意力卷积神经网络、Mask R-CNN | AUC、准确率 | NA |
| 3012 | 2026-06-16 |
PI-RADS v2.1 for prostate MRI: current applications, ongoing debates, and synergies with advanced technologies-a narrative review
2026-May-30, Translational andrology and urology
IF:1.9Q3
DOI:10.21037/tau-2026-0193
PMID:42293821
|
综述 | 回顾PI-RADS v2.1在前列腺MRI中的当前应用、诊断表现、局限性以及与生物标志物、AI等新技术的协同作用 | 系统总结了PI-RADS v2.1与先进技术（如深度学习、放射组学、酰胺质子转移加权成像等）的协同潜力 | 仍存在读者间差异性和患者准备指导不明的问题，且缺乏对不同临床环境中整合方法的前瞻性验证 | 总结PI-RADS v2.1的应用现状并探索其与先进技术的协同作用以推动精准诊断 | PI-RADS v2.1版本及相关诊断方法 | 自然语言处理 | 前列腺癌 | mpMRI, bpMRI, AI, 深度学习, 放射组学, 酰胺质子转移加权成像, 限制谱成像, 磁共振弹性成像 | 深度学习, CNN | 图像 | NA | NA | NA | 诊断准确性 | NA |
| 3013 | 2026-06-16 |
Evolutionary transfer learning enables organism-wide inference of mammalian enhancer landscapes
2026-May-27, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.07.717039
PMID:41993329
|
研究论文 | 通过进化迁移学习，结合单细胞染色质可及性图谱和深度学习模型，实现对哺乳动物增强子景观的全基因组推断 | 提出‘进化转移学习’方法，利用物种间增强子进化速率差异，引入跨物种增强子同源信息（241个哺乳动物基因组），显著提升模型在不同物种间的泛化能力 | 进化感知模型（STEAM）仍面临标签噪声放大问题，且对串联重复序列和启动子-远端增强子语法混淆的改进有限 | 使用单细胞数据和深度学习技术，在全基因组尺度上预测哺乳动物发育过程中的细胞类型特异性远端增强子 | 人类、小鼠及其他239种哺乳动物的发育胚胎细胞，涵盖36个细胞类别和140个细胞类型 | 机器学习, 数字病理学 | NA | 单细胞染色质可及性测序（组合索引法）、全基因组增强子预测 | 多输出深度学习模型（CREsted、STEAM） | 染色质可及性数据、序列数据、进化同源注释数据 | 3.9 million 个细胞（来自36个阶段小鼠胚胎） | TensorFlow, PyTorch, Keras | ResNet, Transformer, U-Net | AUC, 精确率, 召回率, F1分数 | NVIDIA RTX 3090 GPU, 云计算平台（AWS） |
| 3014 | 2026-06-16 |
DiagPat: An Explainable Language Detection Model Using EEG Signals
2026-May-26, Sensors (Basel, Switzerland)
DOI:10.3390/s26113363
PMID:42280883
|
研究论文 | 提出了一种基于EEG信号的可解释语言检测模型DiagPat，用于区分阿拉伯语和土耳其语的不同任务模式 | 提出了基于对角线模式分析的过渡表特征提取方法，结合迭代邻域成分分析和可解释性符号语言，实现了轻量级且高准确率的脑电语言检测 | 留一法交叉验证的准确率较低（29.75%-83.50%），表明模型在主体间泛化能力有限 | 开发一种准确、轻量且可解释的脑电信号语言检测框架 | 346名参与者的脑电信号（98名阿拉伯语、248名土耳其语），包含阅读和听力两种模式 | 机器学习 | NA | 脑电图（EEG） | 特征工程模型（DiagPat） | 脑电信号（14通道×15秒，128Hz） | 346名参与者，6364个脑电片段 | NA | DiagPat、k近邻（tkNN） | 准确率、平衡准确率、宏F1分数 | NA |
| 3015 | 2026-06-16 |
TailBoost: Tail-Synthetic Learning for Boosting Long-Tailed Skin Cancer Image Classification
2026-May-25, Sensors (Basel, Switzerland)
DOI:10.3390/s26113343
PMID:42280864
|
研究论文 | 提出TailBoost框架，通过尾部合成学习提升长尾分布的皮肤癌图像分类性能 | 创新性地利用显著图引导的SPMix策略，在混合头尾类图像时保留并增强尾部类的判别特征，并结合监督对比学习和类中心重平衡进一步优化表征 | 未在摘要中明确提及，可能需在原文中查看具体限制 | 解决皮肤癌图像数据中长尾分布导致的分类性能下降问题 | 长尾分布下的皮肤癌图像分类任务 | 计算机视觉 | 皮肤癌 | NA | 深度学习模型 | 图像 | NA（具体样本数未在摘要中给出，数据集包括ISIC2018、ISIC2019和PAD-UFES-20） | NA | NA | 准确率 | NA |
| 3016 | 2026-06-16 |
An Open Multi-Center Whole-Body FDG PET/CT Foundation Model for Tumor Segmentation
2026-May-20, ArXiv
PMID:42238067
|
研究论文 | 提出一个基于4,997例多中心FDG PET/CT扫描数据的开源全身肿瘤分割基础模型 | 采用早期通道级联的层次化UNet骨干网络，实现PET与CT特征从第一嵌入层开始交互；引入基于零均值填补的掩码自编码目标和加权全局重建损失，避免掩码区域边界的非物理强度不连续 | 仅在FDG PET/CT数据上训练，未探索其他示踪剂或成像协议 | 开发一个标签高效、多中心适用的PET/CT肿瘤分割基础模型，减少对大规模人工标注的依赖 | 全身FDG PET/CT肿瘤分割 | 计算机视觉, 数字病理学 | 肿瘤 | FDG PET/CT | UNet, 掩码自编码器 | 图像 | 4,997例多中心扫描（来自四个公开数据集） | PyTorch, MONAI | 层次化UNet（早期通道级联） | Dice系数 | NA |
| 3017 | 2026-06-16 |
CN-RNN: a Deep Learning Framework for Copy Number Variation Detection with Exome Sequencing Data
2026-May-15, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.13.724920
PMID:42182454
|
研究论文 | 提出基于深度学习的CN-RNN框架，用于从全外显子测序数据中检测拷贝数变异 | 结合双向长短期记忆网络与多层感知器，同时捕获局部深度变化、上下文依赖及区域级基因组特征，提升检测准确性 | 未提及模型对长片段变异或高噪声数据的鲁棒性，也未讨论跨平台或不同测序深度的泛化能力 | 开发高准确性、低假阳性率的拷贝数变异检测方法，推动全外显子测序在临床和群体遗传研究中的应用 | 全外显子测序数据中的拷贝数变异 | 机器学习 | 通用疾病（涉及自闭症队列） | 全外显子测序 | BiLSTM, MLP | 测序数据（基因区域特征） | 自闭症测序联盟（ASC）亲子三人组队列，以及三个独立数据集 | NA | BiLSTM, MLP | 准确性，召回率，假阳性率 | NA |
| 3018 | 2026-06-16 |
Using Deep Learning Models of Gene Regulation to Guide Drug Prioritization
2026-May-14, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.11.724354
PMID:42182259
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3019 | 2026-06-16 |
Bayesian-Steered Structure Prediction of Mechanical Biomolecules Using Twisted Diffusion
2026-May-13, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.11.724187
PMID:42182379
|
研究论文 | 使用扭曲扩散的贝叶斯导向机械生物分子结构预测 | 利用扭曲扩散采样器在Boltz-2中实现条件化扩散分布采样，无需额外训练神经网络，以贝叶斯似然引导生成替代分子构象 | 未提及具体局限性 | 预测在实验数据中代表性不足但具有功能相关性的分子构象 | DNA片段、肌肉蛋白titin、内耳原钙粘蛋白-15和MscL离子通道 | 机器学习 | NA | NA | 扩散模型 | NA | NA | Boltz-2 | 扭曲扩散采样器 | NA | NA |
| 3020 | 2026-06-16 |
CONTRA-IL6: an interpretable hybrid convolutional neural network and Transformer framework for accurate prediction of interleukin-6-inducing peptides using protein language models
2026-May-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag250
PMID:42281397
|
研究论文 | 提出一种结合Transformer融合和卷积定位模块的深度学习框架CONTRA-IL6，用于预测白细胞介素-6诱导肽 | 首次将Transformer融合模块与卷积定位模块结合，利用预训练蛋白质语言模型嵌入来同时捕获全局语义和局部基序特征，并通过计算机模拟突变进行因果验证 | 未提及在更广泛的肽类或不同物种上的泛化能力，以及计算资源需求的具体细节 | 开发一种可解释的深度学习框架，用于准确预测白细胞介素-6诱导肽 | 白细胞介素-6诱导肽 | 自然语言处理 | 自身免疫性疾病 | 蛋白质语言模型嵌入 | 混合卷积神经网络与Transformer | 序列数据 | 独立数据集 | PyTorch | 卷积神经网络, Transformer, 1D梯度加权类激活映射++ | 马修斯相关系数, F1分数 | NA |