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 39696 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2026-02-06 |
Automated diagnosis of plus form and early stages of ROP using deep learning models
2026-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37064-2
PMID:41639314
|
研究论文 | 本研究开发了一种基于深度学习的自动化诊断系统，用于分类早产儿视网膜病变（ROP）的Plus疾病和疾病分期 | 利用深度学习模型对ROP的Plus疾病进行二分类（Plus/正常）和ROP分期（0、1、2、3期）的多类分类，实现了高诊断准确率 | 需要多中心验证以确认其临床实用性 | 开发自动化诊断系统以支持ROP的及时诊断和干预，减少早产儿视力损伤的发生 | 早产儿视网膜病变（ROP）患者，特别是低出生体重和早期孕龄的婴儿 | 计算机视觉 | 早产儿视网膜病变 | NA | 深度学习模型 | 视网膜眼底图像 | NA | NA | NA | 准确率 | NA |
| 342 | 2026-02-06 |
Enhancing diagnostic safety with low iodine, low radiation CTPA classification using deep learning
2026-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38223-1
PMID:41639316
|
研究论文 | 本文提出了一种基于深度学习的框架，用于在低碘和低辐射CTPA条件下诊断肺栓塞，通过整合图像增强和分类来提升诊断安全性 | 提出一个两阶段深度学习框架，结合原始低曝光图像及其超分辨率版本，以在低碘和低辐射条件下提高肺栓塞诊断的准确性 | NA | 在降低碘对比剂和辐射剂量的CTPA条件下，实现准确且安全的肺栓塞诊断 | 肺栓塞患者 | 计算机视觉 | 肺栓塞 | 计算机断层扫描肺血管造影 | 深度学习 | 图像 | NA | NA | NA | AUC, 敏感性, 特异性 | NA |
| 343 | 2026-02-06 |
Comparison of Image Quality Reconstructed Using Iterative Reconstruction and Deep Learning Algorithms Under Varying Dose Reductions in Dual-Energy Carotid CT Angiography
2026-Feb-04, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01848-9
PMID:41639501
|
研究论文 | 本研究比较了在双能颈动脉CT血管成像中，使用迭代重建和深度学习算法在不同剂量降低下的图像质量 | 首次在双能颈动脉CTA中系统评估深度学习图像重建（DLIR-H）在低剂量和超低剂量协议下的性能，并与迭代重建（ASIR-V）进行对比 | 深度学习算法无法完全补偿当辐射和对比剂进一步减少时的图像质量下降 | 评估在降低辐射剂量和对比剂用量的情况下，深度学习图像重建算法在颈动脉CTA中维持图像质量的潜力 | 接受双能颈动脉CT血管成像的180名患者 | 医学影像 | 颈动脉疾病 | 双能CT血管成像 | 深度学习图像重建（DLIR-H） | CT图像 | 180名患者，分为对照组、低剂量组和超低剂量组 | NA | DLIR-H | CT值、噪声、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表） | NA |
| 344 | 2026-02-06 |
De novo protein design: a transformative frontier in clinical protein applications
2026-Feb-04, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07784-0
PMID:41639692
|
综述 | 本文综述了从头蛋白质设计在临床蛋白质应用中的前沿进展，包括其计算策略、深度学习贡献、应用前景及面临的挑战 | 超越传统依赖天然蛋白质支架的限制，直接设计具有定制结构和功能的蛋白质，为临床应用提供新途径 | 临床转化仍受生物、技术和转化等多方面因素限制，需要计算设计、实验验证、工程优化和临床需求更紧密协调 | 探讨从头蛋白质设计作为临床蛋白质应用变革性前沿的潜力与挑战 | 蛋白质生物制剂及其从头设计方法 | 计算生物学 | NA | 从头蛋白质设计，深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 345 | 2026-02-06 |
Leveraging in-silico deep learning and computational analyses to predict the pathogenicity of ROBO4 variants of uncertain significance in aortic aneurysm and dissection patients
2026-Feb-04, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-05357-5
PMID:41639767
|
研究论文 | 本研究利用深度学习和计算分析预测ROBO4基因意义未明变异在主动脉瘤和夹层患者中的致病性 | 开发了一种结合AlphaFold2结构建模、多种计算工具和临床数据的创新工作流程，用于评估ROBO4基因VUS的致病潜力，并探索基因型-表型相关性 | 样本量较小（仅5名患者），可能限制统计显著性和普遍性；依赖于计算预测工具，需进一步实验验证 | 评估ROBO4基因意义未明变异在胸主动脉瘤和夹层中的致病性，以支持精准医疗和遗传咨询 | 携带ROBO4基因杂合意义未明变异的胸主动脉瘤或夹层患者 | 计算生物学 | 心血管疾病 | AlphaFold2结构预测, AlphaMissense, REVEL, PolyPhen-2, SIFT, FATHMM, MutationTaster2, GranthamMatrix, PhastCons | 深度学习模型 | 遗传数据, 临床数据 | 5名患者 | AlphaFold2 | AlphaFold2 | NA | NA |
| 346 | 2026-02-06 |
UniSyn: a multi-modal framework with knowledge transfer for anti-cancer drug synergy prediction
2026-Feb-04, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-026-03972-9
PMID:41639919
|
研究论文 | 提出一种名为UniSyn的可解释多模态深度学习框架，通过从单药治疗响应中迁移知识来增强抗癌药物协同作用的预测 | 开发了一种基于混合注意力的多模态知识迁移框架，能够将单药治疗的知识迁移到药物协同预测任务中，并支持多任务学习以提供机制性见解 | NA | 提高抗癌药物协同作用的预测准确性 | 抗癌药物组合和肿瘤细胞系 | 机器学习 | 癌症 | 深度学习 | 深度学习框架 | 多模态数据（药物特征、细胞系特征） | 大规模肿瘤细胞系 | NA | 基于混合注意力的集成架构 | 多种协同作用评分指标 | NA |
| 347 | 2026-02-06 |
Combined caLculation of Ultra-high field Biases (CLUB) With Sandwich: Fast, Simultaneous Estimation of 3D B0 and Multi-Channel B1 + Maps at 7 T
2026-Feb-04, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70289
PMID:41639931
|
研究论文 | 本文开发并验证了一种在超高场强下同时映射静态场和发射场不均匀性的方法，并评估了使用深度学习加速该序列的实用性 | 提出了一种名为CLUB-Sandwich的3D序列，通过将多回波读出结合到Sandwich B1+映射序列的非饱和段，实现了同时B0估计，并首次评估了深度学习与联合低秩张量补全重建方法在加速该序列中的应用 | 研究仅在11名健康志愿者中进行，未涉及患者群体或不同病理条件 | 开发一种快速、准确且能同时估计ΔB0和B1+映射的方法，以支持超高场磁共振应用中的快速在线不均匀性估计 | 超高场（7T）磁共振成像中的静态场（B0）和发射场（B1+）不均匀性 | 医学影像处理 | NA | 磁共振成像（MRI），多回波读出序列 | 深度学习模型 | 3D磁共振图像数据 | 11名健康志愿者 | NA | NA | 相关系数（r），平均体积均方根误差 | NA |
| 348 | 2026-02-06 |
Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI
2026-Feb-04, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70288
PMID:41639936
|
研究论文 | 本研究开发并评估了一个用于多参数肾脏MRI的全自动深度学习后处理流程，以实现肾脏对齐、分割和定量特征提取 | 提出了一种集成了分割、配准和特征提取的端到端全自动工作流程，显著提高了处理效率和准确性 | 样本量相对较小（34名受试者），且患者群体主要为前列腺癌或神经内分泌肿瘤患者，可能限制了结果的普适性 | 开发一个高效、准确的全自动后处理流程，用于多参数肾脏MRI的定量分析 | 肾脏（来自24名前列腺癌或神经内分泌肿瘤患者和10名健康受试者的多参数MRI图像） | 数字病理学 | 肾脏疾病 | 多参数MRI | 深度学习网络 | 医学图像（MRI） | 34名受试者（24名患者，10名健康对照），每人进行重复扫描 | NA | NA | 相关性（r > 0.9），组内相关系数，偏差 | NA |
| 349 | 2026-02-06 |
A Deep Learning Model to Detect Acute MCA Occlusion on High-Resolution Noncontrast Head CT
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8954
PMID:40780878
|
研究论文 | 本研究开发了一种深度学习模型，用于基于高分辨率非增强头部CT检测急性大脑中动脉闭塞 | 利用高分辨率非增强CT（NCCT）数据，通过3D深度学习模型进行逐体素血栓分割，以检测急性MCA闭塞，其准确性接近CTA，为资源有限环境下的卒中分诊提供了新工具 | 研究为回顾性设计，且性能在包含M2段闭塞时略有下降 | 评估深度学习模型使用高分辨率NCCT成像数据识别急性MCA闭塞的可行性和准确性 | 大脑中动脉（MCA）血栓 | 数字病理学 | 心血管疾病 | 高分辨率非增强CT（NCCT）， CT血管造影（CTA） | 3D深度学习模型 | 医学影像（CT图像） | 总计5659次连续检查（4648次用于训练和验证，1011次用于独立测试） | NA | NA | AUROC, 准确率, 灵敏度, 特异性 | NA |
| 350 | 2026-02-06 |
Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8977
PMID:41062184
|
研究论文 | 本研究验证了一种集成回顾性运动校正的深度学习重建方法，用于3D T1加权脑部MRI，旨在改善认知障碍患者中的运动伪影问题 | 将回顾性运动校正机制整合到深度学习重建流程中，针对3D脑部MRI中的运动伪影进行校正，而传统深度学习方法主要关注提升信噪比 | 研究样本量相对较小（41名参与者），且仅在特定成像站点和时间内进行数据采集，可能限制结果的普遍适用性 | 验证一种集成运动校正的深度学习重建方法在3D T1加权脑部MRI中的效果，以改善运动伪影并提高图像质量 | 健康志愿者（控制运动队列）和因记忆丧失接受评估的患者（临床队列） | 医学影像分析 | 认知障碍 | 3D MPRAGE序列，集成侦察加速运动估计与减少（SAMER）采集 | 深度学习 | 3D脑部MRI图像 | 41名参与者（15名女性，平均年龄58岁），共154个图像体积 | NA | NA | 分割误差，图像质量评分（5点Likert量表），组内相关系数 | NA |
| 351 | 2026-02-06 |
Spine age derived from DXA vertebral fracture assessment images predicts incident fractures and mortality: the Manitoba Bone Mineral Density Registry
2026-Feb-03, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research
IF:5.1Q1
DOI:10.1093/jbmr/zjaf194
PMID:41408721
|
研究论文 | 本研究利用深度学习从DXA椎体骨折评估图像中预测脊柱年龄，并探讨其与骨折和死亡风险的关联 | 首次通过深度学习从DXA VFA图像中估计脊柱年龄，并证明其能独立于年龄、椎体骨折和骨密度预测骨折和死亡风险 | 研究基于特定人群（加拿大马尼托巴省），可能限制结果的普适性；随访时间平均3.9年，相对较短 | 评估基于深度学习的脊柱年龄预测在骨折和死亡风险预测中的独立价值 | 年龄≥50岁、接受DXA VFA检查的成年人 | 数字病理学 | 骨质疏松症 | DXA（双能X射线吸收法）椎体骨折评估 | CNN | 图像 | 训练集：韩国队列10,341人；测试集：加拿大马尼托巴省8,810人 | NA | 卷积神经网络 | 调整后风险比 | NA |
| 352 | 2026-02-06 |
Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8992
PMID:41617400
|
研究论文 | 本研究前瞻性验证了深度学习加速的3D T1-MPRAGE序列与Wave-CAIPI加速序列在评估颅内强化病灶中的诊断质量 | 首次在常规3D容积MRI应用中广泛验证深度学习重建方法，并采用两步法（变分网络启发与超分辨率算法）进行图像重建 | 研究仅针对颅内强化病灶，未涵盖其他类型病变；样本量相对有限（115例） | 评估深度学习加速3D T1-MPRAGE序列在颅内强化病灶诊断中的图像质量与临床适用性 | 接受增强脑部MRI检查的门诊患者（115例，含68名女性/47名男性） | 医学影像分析 | 颅内病变（含肿瘤、血管病变等） | 3T MRI系统扫描，对比增强T1-MPRAGE序列 | 深度学习重建方法（含变分网络与超分辨率算法） | 3D MRI图像 | 115例患者 | NA | 变分网络启发架构，超分辨率算法 | 非劣效性检验（15%边界），噪声感知、伪影、锐利度、整体诊断质量的统计学显著性（P值） | NA |
| 353 | 2026-02-06 |
AlphaMissense pathogenicity scores predict response to immunotherapy and enhances the predictive capability of tumor mutation burden
2026-Feb-03, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2026.102697
PMID:41637811
|
研究论文 | 本研究提出了一种名为AlphaTMB的新型复合生物标志物，通过结合肿瘤突变负荷（TMB）与AlphaMissense深度学习模型预测的错义变异致病性评分，以增强对免疫检查点抑制剂（ICI）治疗反应的预测能力 | 首次将TMB的定量评估与AlphaMissense深度学习模型预测的突变致病性定性评分相结合，创建了AlphaTMB复合生物标志物，显著提升了免疫治疗反应预测的准确性 | 研究基于回顾性队列（MSK-IMPACT研究），需要在前瞻性研究中进一步验证；样本量相对有限（1,662例患者） | 开发一种能够更准确预测癌症患者对免疫检查点抑制剂治疗反应的生物标志物 | 接受免疫检查点抑制剂治疗的癌症患者 | 机器学习 | 泛癌种 | 深度学习模型预测错义变异致病性 | 深度学习模型 | 基因组测序数据 | 1,662例来自MSK-IMPACT研究的患者 | NA | AlphaMissense | 风险比（HR）, p值, Spearman相关系数 | NA |
| 354 | 2026-02-06 |
Topology-aware multiclass segmentation of the Circle of Willis from MRA and CTA images
2026-Feb-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111516
PMID:41637822
|
研究论文 | 提出一种用于磁共振血管造影和计算机断层扫描血管造影图像中Willis环多类别分割的深度学习框架，重点关注拓扑准确性和分割精度 | 提出一种结合nnUNet模型和无需额外训练的后处理块的深度学习框架，专门针对Willis环多类别分割任务，在公开数据集上实现了高精度分割 | 未明确说明模型在更广泛临床数据上的泛化能力，后处理块可能增加计算复杂度 | 实现Willis环血管的拓扑准确多类别分割，以评估其血管结构和变异作为神经血管病理学生物标志物 | Willis环血管网络（13个可能类别） | 数字病理学 | 神经血管疾病 | 磁共振血管造影，计算机断层扫描血管造影 | CNN | 图像 | 使用TopCoW 2024公开数据集（MRA和CTA）进行训练和验证，并在隐藏测试集及CROWN 2023挑战数据集独立子集上评估 | PyTorch | nnUNet | Dice系数，中心线Dice系数 | NA |
| 355 | 2026-02-06 |
Multiplex live imaging approaches to interrogate the interplay of multiple signaling pathways
2026-Feb-03, Cell structure and function
IF:2.0Q4
DOI:10.1247/csf.25129
PMID:41638680
|
综述 | 本文综述了多重活体成像技术在同时可视化活细胞中多个信号通路方面的策略与应用，特别是在癌症生物学中揭示信号异质性和动态变化 | 整合了光谱多重、细胞内多重、细胞间多重和时间多重等多种成像策略，并结合计算方法和深度学习算法提升信号分离能力，实现对单细胞水平多信号通路的同时动态追踪 | 未具体说明实验验证的样本规模或临床转化中的实际限制，主要聚焦于技术综述而非实证研究 | 探讨多重活体成像技术在研究细胞信号网络动态交互中的应用，以理解癌症等疾病中的信号通路调控 | 活细胞中的信号通路，特别是癌症信号网络 | 生物成像与计算分析 | 癌症 | 多重活体成像、荧光生物传感器、光谱成像、荧光各向异性、荧光寿命成像、拉曼成像 | 深度学习算法 | 活细胞成像数据 | NA | NA | NA | NA | NA |
| 356 | 2026-02-06 |
Multiple paths to recovery after the Permian-Triassic mass extinction
2026-Feb-02, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2025.11.065
PMID:41512851
|
研究论文 | 本研究使用基于深度学习的方法，结合定量分类多样性测量，分析了二叠纪-三叠纪大灭绝事件后三个幸存类群的形态和分类恢复模式 | 首次结合深度学习自动提取形态特征与定量分类多样性测量，揭示了大灭绝后生物恢复的两种主要路径：填补模式和扩张模式 | 研究聚焦于三个海洋无脊椎动物类群，可能无法完全代表所有幸存类群的恢复模式 | 探究大灭绝事件后幸存谱系如何重建多样性 | 菊石、腕足动物和介形虫三个在二叠纪-三叠纪大灭绝事件中经历选择性灭绝的类群 | 古生物学 | NA | 深度学习 | NA | 形态特征数据 | NA | NA | NA | NA | NA |
| 357 | 2026-02-06 |
Cardiovascular measures from abdominal MRI provide insights into abdominal vessel genetic architecture
2026-Feb-02, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01242-6
PMID:41629584
|
研究论文 | 本研究利用深度学习从腹部MRI中分割心脏、主动脉和腔静脉，生成六个图像衍生表型，并探索其与疾病结果、遗传和环境因素的关联 | 首次从非特异性腹部MRI中提取心血管表型，并识别出72个遗传关联（其中15个为新发现），为心血管疾病风险筛查提供了新见解 | 研究基于UK Biobank队列，可能受人群特异性限制，且腹部MRI非专门心血管成像，可能影响测量精度 | 探索腹部MRI衍生心血管表型与疾病风险及遗传架构的关联 | 44,541名UK Biobank参与者的腹部MRI扫描 | 数字病理学 | 心血管疾病 | 腹部磁共振成像 | 深度学习 | 图像 | 44,541名参与者 | NA | NA | NA | NA |
| 358 | 2026-02-06 |
Tropical dry forest land use/land cover change detection using semi-supervised deep learning algorithms and remote sensing
2026-Feb-02, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14897-4
PMID:41627523
|
研究论文 | 本文提出了一种新颖的半监督深度学习框架，用于热带干旱森林的土地利用/土地覆盖变化检测，结合合成孔径雷达和光学卫星影像 | 结合无监督伪标签和自定义Y-Net架构融合光学与雷达影像，在有限标记数据下实现准确变化检测 | NA | 开发半监督深度学习框架用于热带干旱森林的土地利用/土地覆盖变化检测 | 热带干旱森林的土地利用/土地覆盖变化 | 计算机视觉 | NA | 遥感，合成孔径雷达，光学卫星影像 | 深度学习 | 卫星影像 | NA | NA | Y-Net, U-Net, PSPNet | 平均总体准确率，平均交并比 | NA |
| 359 | 2026-02-06 |
Object Detection, Recognition, Deep Learning, and the Universal Law of Generalization
2026-Feb-02, Neural computation
IF:2.7Q3
DOI:10.1162/NECO.a.1483
PMID:41637719
|
研究论文 | 本文通过训练深度神经网络分析自然伪装图像，探讨了物体检测与识别中泛化过程的普遍规律，并扩展了通用泛化定律 | 将通用泛化定律扩展到现实学习场景，使用自然伪装图像验证泛化内部表示主要由生态环境属性塑造，而非特定系统细节 | 未明确说明模型的具体架构细节和训练数据规模，可能限制结果的普适性验证 | 研究物体检测与识别中泛化过程的普遍原则，验证内部表示是否反映环境属性 | 自然图像中的“清晰”和“伪装”动物 | 计算机视觉 | NA | 深度神经网络训练 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 360 | 2026-02-06 |
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 | 本文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FuseMorph注册技术优化处理流程，显著降低了计算需求并提高了大规模神经影像数据分析的效率 | 开发了FuseMorph深度学习方法，通过迭代推理和针对性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再训练，在仅CPU环境中实现与先进方法相当的注册精度 | 未明确说明方法在其他神经退行性疾病或不同影像协议下的泛化性能，以及计算效率提升的具体量化指标 | 开发高效、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 | 基于T1加权磁共振成像的脑结构分析，重点关注阿尔茨海默病等神经退行性疾病相关的形态学变化 | 数字病理学 | 阿尔茨海默病 | T1加权磁共振成像 | 深度学习 | 图像 | 多个数据集（包括阿尔茨海默病队列），具体样本数量未明确 | NA | NA | 注册精度 | CPU-only环境 |