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 42905 篇文献，本页显示第 3681 - 3700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3681 | 2026-02-23 |
Effect of Deep Learning-Based Image Reconstruction on Lesion Conspicuity of Liver Metastases in Pre- and Post-contrast Enhanced Computed Tomography
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01529-z
PMID:40355690
|
研究论文 | 本研究探讨了深度学习图像重建在增强前后CT中提升肝转移瘤病灶显著性的效用 | 首次在中高强度水平（DLIR-M和DLIR-H）上比较深度学习图像重建与传统混合迭代重建在肝转移瘤病灶显著性上的差异 | 样本量较小（41例患者），且三位观察者在平扫CT中对最佳重建方法的选择存在不一致 | 评估深度学习图像重建在CT中改善肝转移瘤病灶显著性的效果 | 肝转移瘤患者的增强前后腹部CT图像 | 计算机视觉 | 肝转移瘤 | CT成像 | 深度学习图像重建 | 医学图像（CT） | 41例肝转移瘤患者 | NA | TrueFildelity-M, TrueFildelity-H | 病灶显著性评分（5点量表） | NA |
| 3682 | 2026-02-23 |
Modifying the U-Net's Encoder-Decoder Architecture for Segmentation of Tumors in Breast Ultrasound Images
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01537-z
PMID:40374986
|
研究论文 | 本文提出了一种基于U-Net编码器-解码器架构改进的神经网络方法，用于提高乳腺超声图像中肿瘤分割的准确性和有效性 | 通过将U-Net与Res-Net和MultiResUNet结合，并引入新的Co-Block模块，以尽可能保留低层次和高层次特征，从而改进编码器和解码器部分 | NA | 提高乳腺超声图像分割的准确性和有效性 | 乳腺超声图像中的肿瘤区域 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 780张图像，分为正常、良性和恶性三类 | NA | U-Net, ResNet, MultiResUNet | Dice相似系数, 交并比, 曲线下面积, 全局准确率 | NA |
| 3683 | 2026-02-23 |
Artificial Intelligence and Data Science Methods for Automatic Detection of White Blood Cells in Images
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01538-y
PMID:40379861
|
研究论文 | 本研究评估人工智能和数据科学方法在自动检测和分类白细胞图像中的应用，以支持血液疾病如白血病的诊断 | 通过文献调查和科学图谱方法，系统评估了AI和DS在白细胞图像自动检测中的有效性，并探讨了生成式AI在血液细胞诊断中的未来应用潜力 | 研究基于文献综述，缺乏实际临床数据验证，且未详细讨论具体算法在真实医疗环境中的性能限制 | 评估人工智能和数据科学方法在生物医学诊断中自动检测和计数白细胞及其类型的有效性 | 白细胞图像，用于血液疾病如白血病的诊断 | 计算机视觉 | 白血病 | 文献调查，科学图谱方法 | 机器学习，深度学习，分类算法 | 图像 | NA | NA | NA | NA | NA |
| 3684 | 2026-02-23 |
Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01504-8
PMID:40392414
|
研究论文 | 本研究探讨了在多位专家标注者存在的情况下，使用深度神经网络进行前列腺腺体分割时面临的挑战，并提出了量化性能变异性和改进模型泛化性的策略 | 提出量化深度神经网络在不同专家标注者间的性能变异性，并探索通过结合不同专家标注数据来训练网络以提高模型可重复性和泛化能力 | 模型对小尺寸腺体的分割性能下降，且研究仅基于两位专家的标注数据，可能无法完全代表更广泛的临床专家变异性 | 解决临床专家间标注变异性对深度神经网络可重复性和泛化性的影响，并探索改进训练策略 | 前列腺腺体的磁共振图像分割 | 数字病理学 | 前列腺癌 | 磁共振成像 | CNN | 图像 | 总样本数546例（专家R#1标注342例，专家R#2标注204例），训练使用代表性队列（R#1的100例和R#2的150例） | NA | 3D U-Net | Dice系数 | NA |
| 3685 | 2026-02-23 |
Histopathology-Based Prostate Cancer Classification Using ResNet: A Comprehensive Deep Learning Analysis
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01543-1
PMID:40394318
|
研究论文 | 本研究利用ResNet50深度学习模型对前列腺组织病理学图像进行分类，以区分良性和恶性前列腺癌 | 采用ResNet50模型进行前列腺癌组织病理学图像分类，并展示了相较于MobileNet和CNN-RNN等模型4.26%的性能提升 | NA | 优化前列腺癌的诊断准确性，以改善患者预后和治疗成功率 | 前列腺活检组织病理学图像 | 数字病理学 | 前列腺癌 | 组织病理学成像 | CNN | 图像 | 1276张前列腺活检图像 | NA | ResNet50 | 准确率, 精确率, 召回率, F1分数, 置信区间 | NA |
| 3686 | 2026-02-23 |
Development of a No-Reference CT Image Quality Assessment Method Using RadImageNet Pre-trained Deep Learning Models
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01542-2
PMID:40425960
|
研究论文 | 本文提出了一种基于RadImageNet预训练深度学习模型的无参考CT图像质量评估方法，用于处理噪声和模糊等多重退化因素 | 利用结合噪声和模糊退化因素的数据集训练CNN模型，并采用RadImageNet预训练模型（如ResNet50、DenseNet121等），从大规模真实临床图像中学习深度特征，增强对真实世界退化的适应性，无需依赖人工退化图像 | NA | 开发一种无参考CT图像质量评估方法，以提升诊断准确性、优化成像协议并防止过度辐射暴露 | CT图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | ResNet50, DenseNet121, InceptionV3, InceptionResNetV2 | 相关系数 | NA |
| 3687 | 2026-02-23 |
Deep Learning Auto-segmentation of Diffuse Midline Glioma on Multimodal Magnetic Resonance Images
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01557-9
PMID:40425959
|
研究论文 | 本研究开发了一种基于改进3D U-Net的深度学习工具，用于自动分割弥漫性中线胶质瘤在多模态磁共振图像上的肿瘤区域 | 首次针对弥漫性中线胶质瘤开发了基于改进3D U-Net的自动分割工具，通过残差块增强网络性能，并在多模态图像上取得了与现有方法相当的结果 | 数据集规模较小（52名患者，70张图像），且仅使用了T1W和T2W/FLAIR序列，未包含更多先进的MRI序列 | 开发自动且高精度的肿瘤分割技术，以促进弥漫性中线胶质瘤的预测模型研究和临床理解 | 弥漫性中线胶质瘤（DMG）H3 K27M突变型患者的磁共振图像 | 数字病理学 | 弥漫性中线胶质瘤 | 磁共振成像（MRI），包括T1加权、T2加权和FLAIR序列 | CNN | 图像 | 52名患者，共70张多模态磁共振图像 | NA | 3D U-Net with residual blocks | Dice相似系数（DSC） | NA |
| 3688 | 2026-02-23 |
PlaNet-S: an Automatic Semantic Segmentation Model for Placenta Using U-Net and SegNeXt
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01549-9
PMID:40425958
|
研究论文 | 本研究开发了一种名为PlaNet-S的自动语义胎盘分割模型，通过集成学习结合U-Net和SegNeXt架构 | 首次将U-Net和SegNeXt架构通过集成学习框架结合，用于胎盘MRI图像的自动语义分割 | 研究样本仅来自疑似胎盘异常的孕妇群体，可能限制了模型的泛化能力 | 开发全自动胎盘语义分割模型以替代耗时的手动分割 | 疑似胎盘异常的孕妇的磁共振成像（MRI）图像 | 数字病理学 | 胎盘异常 | 磁共振成像（MRI） | CNN | 图像 | 218名孕妇，共1090张标注图像 | NA | U-Net, SegNeXt | IoU（交并比）, CCC（连通组件计数） | NA |
| 3689 | 2026-02-23 |
Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01550-2
PMID:40437147
|
研究论文 | 本研究探讨了使用卷积神经网络（CNNs）自动分割盆腔CT图像中风险器官（OARs），并重点分析了不同损失函数对分割精度的影响 | 在盆腔CT图像分割中，系统比较了U-Net、ResU-Net、SegResNet和Attention U-Net等多种深度学习模型，并深入研究了不同损失函数（如Dice损失、DiceCE损失）对分割性能的优化效果，发现SegResNet结合Dice损失在多个器官分割任务中表现最优 | 研究样本量相对有限（前列腺分割240例患者，其他器官220例患者），且仅针对盆腔CT图像，未扩展到其他解剖区域或成像模态 | 开发一种高效、自动化的风险器官（OARs）分割方法，以替代传统手动分割，提高放射治疗规划的精确性 | 盆腔CT图像中的膀胱、前列腺、直肠和双侧股骨头 | 数字病理学 | 前列腺癌 | CT成像 | CNN | 图像 | 前列腺分割240例患者，其他器官220例患者 | MONAI | U-Net, ResU-Net, SegResNet, Attention U-Net | Dice相似系数（DSC）, Jaccard指数（JI）, 95百分位Hausdorff距离（95thHD） | NA |
| 3690 | 2026-02-23 |
Revisiting Eck and Dayhoff's Building Block Model of Ferredoxin Evolution on Dayhoff's 100th Birthday
2026-Feb, Journal of molecular evolution
IF:2.1Q3
DOI:10.1007/s00239-025-10283-3
PMID:41196328
|
研究论文 | 本文利用深度学习工具AlphaFold2重新评估了Eck和Dayhoff关于铁氧还蛋白进化的串联复制模型 | 首次应用AlphaFold2从头预测方法验证了铁氧还蛋白的祖先结构，并挑战了原始模型关于氨基酸简化字母表的假设 | 研究依赖于计算预测模型，可能存在结构预测的不确定性，且未进行实验验证 | 重新评估铁氧还蛋白的进化历史，特别是串联复制假说 | 铁氧还蛋白序列和结构，特别是PDB entry 1CIF作为参考 | 计算生物学 | NA | 深度学习结构预测，序列比对 | AlphaFold2 | 蛋白质序列和结构数据 | NA | AlphaFold2, I-TASSER | AlphaFold2 | RMSD, TM-score | NA |
| 3691 | 2026-02-23 |
BehaveAI enables rapid detection and classification of objects and behavior from motion
2026-Feb, PLoS biology
IF:7.8Q1
DOI:10.1371/journal.pbio.3003632
PMID:41719233
|
研究论文 | 本文介绍了BehaveAI，一种生物启发的视频分析框架，通过新颖的颜色-运动编码策略整合静态和运动信息，用于快速检测和分类物体及行为 | 提出了一种创新的颜色-运动编码策略，将物体运动方向、速度和加速度转换为颜色梯度，使人类标注者和预训练CNN能同时推断运动模式并保留高分辨率空间细节 | 未明确说明在极端光照或遮挡条件下的性能限制，以及对于非生物运动物体的泛化能力 | 开发一个高效、轻量级的视频分析框架，用于在复杂自然场景中检测物体并分类行为 | 动物和单细胞生物体的行为，以及复杂自然场景中的物体 | 计算机视觉 | NA | 视频分析，半监督标注工作流 | CNN | 视频 | NA | YOLO11 | YOLO11 | NA | 常规计算机，低端边缘设备如Raspberry Pi |
| 3692 | 2026-02-23 |
Carba-NAD binding activates SIR2 by reshaping conformational plasticity and rewiring long-range allosteric networks
2026-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013966
PMID:41719283
|
研究论文 | 本研究通过分子动力学模拟和图神经网络模型，系统揭示了辅因子结合如何重塑酵母SIR2蛋白的构象动力学和内部通讯网络，并发现了一个潜在的药物靶点 | 结合了长时间尺度的分子动力学模拟与基于图的深度学习模型（神经关系推理），首次在SIR2中识别出“核心锁定-外周释放”的动态模式，并揭示了由多个节点协调的接力式变构级联网络 | 研究基于计算模拟，其结论需要进一步的实验验证；模型系统为酵母SIR2，在人类同源蛋白中的普适性有待确认 | 阐明蛋白质变构调控的分子机制，特别是辅因子结合如何重塑蛋白质的构象动力学和内部通讯网络 | 酵母SIR2蛋白（一种NAD⁺依赖性去乙酰化酶） | 计算生物学 | 衰老相关疾病 | 分子动力学模拟，基于图的深度学习 | 图神经网络 | 分子动力学轨迹数据 | 多个独立的3微秒分子动力学模拟副本 | NA | 神经关系推理 | NA | NA |
| 3693 | 2026-02-23 |
Chemical genomics language model toward reliable and explainable compound-protein interaction exploration
2026-Jan-30, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01155-z
PMID:41618385
|
研究论文 | 本文提出了一个名为ChemGLaM的化学基因组学语言模型，旨在实现可靠且可解释的化合物-蛋白质相互作用预测 | 通过整合独立预训练的化学和蛋白质语言模型，并引入交叉注意力机制、不确定性估计和注意力可视化，同时解决了高泛化性能、预测置信度量化和可解释性三大挑战 | 未明确提及模型在特定蛋白质家族或化合物类别上的潜在性能偏差 | 开发一个能够可靠且可解释地预测化合物-蛋白质相互作用的深度学习模型，以推动化学生物学和药物发现 | 化合物与蛋白质之间的相互作用 | 自然语言处理 | 肌萎缩侧索硬化症 | 语言模型 | 语言模型 | 文本（化学和蛋白质序列的符号表示） | 覆盖了所有20,434个人类蛋白质与所有11,455种药物的所有可能配对 | NA | 化学语言模型, 蛋白质语言模型 | NA | 低计算成本 |
| 3694 | 2026-02-23 |
Multi-omics deep learning improves FDG PET-CT-based long-term prognostication of breast cancer
2026-Jan-29, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01283-7
PMID:41611944
|
研究论文 | 本研究开发了一种基于多组学深度学习的预后分层模型，用于改善乳腺癌患者基于FDG PET-CT的长期生存预测 | 提出了一种结合临床数据、FDG PET-CT影像及对应医疗报告的多组学深度学习模型，并融入了可解释性分析以增强临床适用性 | 研究基于回顾性队列，可能存在选择偏倚；模型在外部验证和前瞻性应用中的效果仍需进一步评估 | 提高乳腺癌患者基于FDG PET-CT的长期预后预测准确性和风险分层能力 | 非转移性乳腺癌患者 | 数字病理学 | 乳腺癌 | FDG PET-CT | 深度学习 | 图像, 文本 | 大型回顾性队列（具体数量未在摘要中提供） | NA | Transformer | C-index | NA |
| 3695 | 2026-01-29 |
Glomeruli detection and classification in histopathological images using deep learning semantic segmentation
2026-Jan-28, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02178-6
PMID:41593526
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3696 | 2026-02-23 |
Annotation-free 3D reconstruction and quantification of retinal microvasculature by RADAR
2026-Jan-21, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02366-2
PMID:41565785
|
研究论文 | 本文提出了一种名为RADAR的无标注计算框架，用于三维分割和量化光学相干断层扫描血管造影数据，以重建和量化视网膜微血管系统 | RADAR框架无需人工标注，结合自适应物理感知去噪和拓扑保持中心线提取，实现了对复杂血管网络的三维重建和量化 | NA | 开发一种无标注的三维重建和量化方法，用于监测视网膜微血管系统，以评估全身血管健康 | 健康个体和早期糖尿病视网膜病变患者的视网膜微血管系统 | 数字病理学 | 糖尿病视网膜病变 | 光学相干断层扫描血管造影 | NA | 光学相干断层扫描血管造影数据 | NA | NA | NA | NA | NA |
| 3697 | 2026-02-23 |
An interpretable deep learning model for predicting endometrial cancer molecular subtypes from H&E-stained slides
2026-Jan-21, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01280-w
PMID:41565925
|
研究论文 | 本研究开发了一种基于H&E染色全切片图像的、可解释的深度学习模型，用于预测子宫内膜癌的分子亚型 | 开发了首个基于H&E染色WSI的端到端可解释深度学习模型，用于预测子宫内膜癌的四种分子亚型，并在宏观和微观层面分析了组织学特征与分子特征的相关性 | 外部验证队列中苏州队列样本量较小（n=36），可能影响模型泛化能力的全面评估 | 开发一种可解释的深度学习模型，用于从H&E染色全切片图像预测子宫内膜癌分子亚型，以辅助预后评估和治疗决策 | 子宫内膜癌患者的H&E染色全切片图像 | 数字病理学 | 子宫内膜癌 | H&E染色 | 深度学习模型 | 全切片图像 | 训练队列：复旦队列364例；验证队列：TCGA队列296例，苏州队列36例 | 未明确说明 | 端到端预测网络 | AUROC | 未明确说明 |
| 3698 | 2026-02-23 |
Multitrait analyses identify genetic variants associated with aortic valve function and aortic stenosis risk
2026-Jan, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-025-02397-7
PMID:41419685
|
研究论文 | 本研究利用深度学习从磁共振成像中测量主动脉瓣功能参数，结合多性状GWAS分析，识别了与主动脉瓣功能和主动脉狭窄风险相关的遗传变异 | 首次将深度学习测量的主动脉瓣功能参数与多性状GWAS分析相结合，识别了包括PCSK9和LDLR在内的166个独特基因位点，并利用孟德尔随机化支持了Lp(a)和LDL对主动脉瓣功能的潜在因果作用 | 研究主要基于UK Biobank的欧洲血统参与者，可能限制了结果在其他人群中的普适性 | 探究正常主动脉瓣功能的遗传影响及其对主动脉狭窄风险的作用 | UK Biobank中的59,571名参与者的磁共振成像数据 | 机器学习和基因组学 | 心血管疾病 | 磁共振成像, 全基因组关联研究, 多性状GWAS分析, 孟德尔随机化 | 深度学习模型 | 图像, 遗传数据 | 59,571名参与者 | NA | NA | 风险比, P值 | NA |
| 3699 | 2026-02-23 |
Enhanced medical image segmentation using optimized bidirectional LSTM and dolphin partner optimizer
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342592
PMID:41719271
|
研究论文 | 本文提出了一种优化的双向长短期记忆网络结合海豚伙伴优化器的方法，用于提升医学图像分割性能 | 通过海豚伙伴优化器动态调整Bi-LSTM的权重和偏置参数，优化网络在空间位置、通道和尺度上的特征提取能力 | 未明确说明方法在非MRI图像或其他医学影像模态上的泛化能力 | 提高医学图像分割的准确性和效率，以支持临床诊断 | 医学图像，特别是MRI图像 | 计算机视觉 | NA | NA | Bi-LSTM | 图像 | NA | NA | 优化的双向长短期记忆网络 | Dice相似系数, Jaccard相似指数, 准确率 | NA |
| 3700 | 2026-02-23 |
Can Artificial Intelligence Revolutionise Surgical Decision-Making for Appendectomy? A Narrative Review
2025-Oct-29, Surgical innovation
IF:1.2Q3
DOI:10.1177/15533506251393123
PMID:41159301
|
综述 | 本文是一篇关于人工智能在阑尾炎诊断和预后中应用的叙述性综述 | 探讨了AI模型（如随机森林、逻辑回归和神经网络）在提高阑尾炎诊断准确性方面的潜力，并指出其在区分复杂病例方面优于传统诊断评分（如Alvarado评分） | 数据需求和标准化方面的挑战阻碍了其广泛的临床应用 | 评估人工智能在改善阑尾炎外科决策中的潜力 | 急性阑尾炎 | 机器学习 | 阑尾炎 | 机器学习，深度学习 | 随机森林，逻辑回归，神经网络，SVM，XGBoost | NA | NA | NA | NA | 诊断准确性 | NA |