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 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2026-02-06 |
General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospecstive-Prospective Diagnostic Concordance Study
2026-Feb-02, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2026.106077
PMID:41638432
|
研究论文 | 本研究探讨了基于深度学习的虚拟染色技术如何提升供体肾脏评估的准确性，特别是针对间质纤维化和慢性病变 | 利用CycleGAN模型将H&E图像转换为虚拟Masson三色染色，使普通病理学家在肾脏间质纤维化评估中达到接近专科病理学家的诊断性能 | 研究为回顾性-前瞻性设计，样本量有限（187张全切片图像用于开发验证，46张冰冻切片用于前瞻性验证），且仅针对供体肾脏评估 | 评估人工智能虚拟染色技术在提升供体肾脏质量评估准确性方面的应用价值 | 供体肾脏组织切片 | 数字病理学 | 肾脏疾病 | H&E染色, Masson三色染色, 虚拟染色 | GAN | 图像 | 187对H&E和Masson三色染色全切片图像用于模型开发验证，46张冰冻切片用于前瞻性验证 | NA | CycleGAN | 加权kappa系数, 诊断准确率, 观察者间一致性 | NA |
| 362 | 2026-02-06 |
Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning
2026-Feb-02, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100973
PMID:41638573
|
研究论文 | 本研究提出了一种基于ResNet50架构的定制化深度卷积神经网络，用于从未吸烟者肺腺癌的H&E染色全切片图像中同时预测16种分子改变 | 首次将深度学习模型专门应用于从未吸烟者的肺腺癌（NS-LUAD）这一分子和组织学上独特的肺癌亚型，通过简化的残差块、选择性捷径连接和基于Sigmoid的分类头等架构修改，实现了从单张WSI同时预测多种分子特征 | 模型对肿瘤突变负荷、APOBEC突变特征和部分KRAS热点突变（如p.G12D）的预测性能较低至中等 | 开发一种深度学习模型，从组织学图像中推断从未吸烟者肺腺癌的分子特征，以支持分子检测的分流和精准治疗策略 | 从未吸烟者的肺腺癌（NS-LUAD）患者 | 数字病理学 | 肺癌 | H&E染色全切片图像分析 | CNN | 图像 | 495张全切片图像（来自Sherlock-Lung研究） | NA | ResNet50（定制化版本） | AUROC | NA |
| 363 | 2026-02-06 |
Drug Repositioning for Human MKN45 Gastric Cancer Mouse Model Using Deep Learning AI and Experimental Validation
2026-Feb-02, European journal of pharmacology
IF:4.2Q1
DOI:10.1016/j.ejphar.2026.178615
PMID:41638625
|
研究论文 | 本研究利用人工神经网络（ANN）模型从DrugBank数据库中筛选药物，并通过体外和体内实验验证了阿米替林氧化物和植物甲萘醌作为胃癌治疗候选药物的有效性和低毒性 | 首次将人工神经网络驱动的药物重定位方法应用于人MKN45胃癌小鼠模型，并成功识别出两种具有与顺铂相当疗效但毒性显著降低的候选药物 | 研究仅针对MKN45细胞系和小鼠模型，未在其他胃癌亚型或临床样本中进行验证，且药物筛选范围局限于DrugBank数据库 | 通过人工智能方法重新定位现有药物，以开发胃癌的新型疗法 | 人MKN45胃癌细胞系、小鼠异种移植模型以及DrugBank数据库中的化合物 | 机器学习 | 胃癌 | 药物重定位、体外细胞毒性实验、体内小鼠模型验证 | 人工神经网络（ANN） | 药物基因组学描述符、体外细胞实验数据、体内肿瘤体积数据 | 体外实验使用AGS和MKN-45细胞系及人真皮成纤维细胞（HDFs），体内实验使用MKN-45异种移植小鼠模型 | NA | 人工神经网络 | IC50值、Z分数、肿瘤体积、Ki67和CD44表达抑制率 | NA |
| 364 | 2026-02-06 |
A dedicated deep learning workflow for automatic Fasciola hepatica and Calicophoron daubneyi egg detection using the Kubic FLOTAC microscope
2026-Feb, International journal for parasitology
IF:3.7Q1
DOI:10.1016/j.ijpara.2025.08.007
PMID:40882888
|
研究论文 | 本研究开发了一种基于深度学习的自动检测系统，用于识别Fasciola hepatica和Calicophoron daubneyi虫卵，通过Kubic FLOTAC显微镜优化诊断流程 | 结合FLOTAC/Mini-FLOTAC技术与人工智能预测模型，实现了高灵敏度、准确性和精度的自动化寄生虫卵检测，并针对两种寄生虫卵的区分进行了系统优化 | NA | 改进反刍动物寄生虫的粪便显微镜诊断方法，以控制其传播 | Fasciola hepatica和Calicophoron daubneyi这两种对反刍动物健康和经济有重大影响的吸虫 | 计算机视觉 | 寄生虫感染 | FLOTAC/Mini-FLOTAC技术 | 深度学习模型 | 图像 | 使用两个数据集：一个来自卵样加标样本和自然感染样本的模拟条件数据集，另一个来自经光学显微镜验证的田间样本数据集 | NA | NA | 平均绝对误差 | 集成AI服务器用于图像分析 |
| 365 | 2026-02-06 |
PRIME 2.0: Proposed Requirements for Cardiovascular Imaging-Related Multimodal-AI Evaluation: An Updated Checklist
2026-Feb, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.08.004
PMID:40892627
|
方法学论文 | 本文介绍了PRIME 2.0清单，这是一个用于标准化心血管影像人工智能应用开发、评估与报告的更新版领域特定框架 | 针对从传统机器学习向深度学习、大语言模型及多模态生成式AI的快速演进进行了更新，并纳入了心血管影像特有的复杂性考量 | NA | 为心血管影像领域的人工智能研究提供标准化评估与报告框架 | 心血管影像相关的人工智能应用 | 医学影像分析 | 心血管疾病 | NA | 深度学习, 大语言模型, 多模态生成式AI | 影像数据 | NA | NA | NA | NA | NA |
| 366 | 2026-02-06 |
Time-Frequency Collaborative Learning for Imbalanced Ship Motion Data With Missing Labels in Sea State Estimation
2026-Feb, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3610416
PMID:40997001
|
研究论文 | 本文提出了一种名为BalanceSSE的新型半监督学习方法，用于处理类别不平衡且存在标签缺失的船舶运动数据，以进行海况估计 | 提出了一种结合动态插补、不平衡时频协同学习和聚类近邻分类器的集成方法，以同时解决船舶运动数据中的类别不平衡和标签缺失问题 | 未明确说明方法在极端数据缺失或极高类别不平衡情况下的鲁棒性，也未与其他领域的数据集进行广泛验证 | 开发一种能够有效处理类别不平衡和标签缺失数据的半监督学习方法，以提升海况估计的准确性 | 船舶运动数据 | 机器学习 | NA | 半监督学习，时间频率分析 | NA | 时间序列数据 | NA | NA | 动态插补模块，不平衡时频学习模块，ClusterProx分类器 | NA | NA |
| 367 | 2026-02-06 |
Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5
2026-Feb, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500384
PMID:41016832
|
研究论文 | 本文提出了一种基于多光谱成像和YOLOv5的血细胞识别方法，通过融合五个波长的图像来提升细胞边界和结构的识别性能 | 利用多光谱成像替代传统的单波长显微图像，结合改进的YOLOv5模型，显著提高了血细胞（尤其是稀有白细胞）的识别精度 | 未明确说明样本来源、数据规模及模型在更广泛临床环境中的泛化能力 | 开发一种高精度的自动化血细胞识别方法，以辅助医学诊断 | 血细胞（红细胞、血小板、白细胞） | 计算机视觉 | NA | 多光谱成像 | YOLOv5 | 多光谱图像 | NA | NA | YOLOv5 | 识别精度 | NA |
| 368 | 2026-02-06 |
VDLIN: A Deep Learning-Based Platform for Methylcobalamin-Inspired Immunomodulatory Compound Screening
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202413775
PMID:41144841
|
研究论文 | 本研究开发了一个基于深度学习的平台VDLIN，用于筛选既能抑制炎症又能增强先天免疫的化合物，并发现了一种优于甲基钴胺素（MCB）的新型候选化合物Co7 | 首次结合RNA-seq、ATAC-seq和CUT&Tag多组学分析揭示了MCB通过限制染色质可及性削弱先天免疫的机制，并开发了深度学习模型VDLIN来筛选具有双重免疫调节功能的化合物 | 未明确说明模型验证的临床前或临床研究阶段，化合物Co7的具体体内外实验数据未在摘要中详细展示 | 开发能够平衡抗炎和免疫刺激功能的化合物筛选平台，以改善炎症性疾病和SARS-CoV-2感染的治疗 | 甲基钴胺素（MCB）及其衍生物、先天免疫调节化合物 | 机器学习 | SARS-CoV-2感染 | RNA-seq, ATAC-seq, CUT&Tag | 深度学习模型 | 多组学数据（转录组、表观基因组） | NA | NA | VDLIN（Vitamin B12-derived Deep Learning for Innate Immunity） | NA | NA |
| 369 | 2026-02-06 |
BPFNN: Bayesian Probabilistic Fuzzy Neural Networks for Uncertainty-Aware Clustering and Probabilistic Fuzzy Reasoning
2026-Feb, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3617987
PMID:41150242
|
研究论文 | 本文提出了一种贝叶斯概率模糊神经网络（BPFNN），用于解决传统模糊聚类和神经网络在不确定性、噪声和可解释性方面的挑战 | 提出了一种统一的BPFNN架构，结合了贝叶斯概率模糊C均值（BPFCM）算法和非高斯建模，通过MCMC进行后验推断，生成概率性隶属度以更好地捕捉不确定性 | 隐藏层激活仅表示输入与聚类中心之间的相似性值，原始输入特征未直接保留 | 开发一种能够处理不确定性、噪声并提高可解释性的模糊神经网络模型 | 基准数据集和高维激光诱导击穿光谱（LIBS）光谱数据 | 机器学习 | NA | 激光诱导击穿光谱（LIBS） | 贝叶斯概率模糊神经网络（BPFNN） | 光谱数据 | NA | NA | 贝叶斯概率模糊神经网络（BPFNN） | 准确性, 鲁棒性, 可解释性 | NA |
| 370 | 2026-02-06 |
[Estimation of the parenchymal reserve-Volumetric and functional before resection]
2026-Feb, Chirurgie (Heidelberg, Germany)
DOI:10.1007/s00104-025-02401-0
PMID:41186684
|
综述 | 本文综述了术前评估肝脏切除后剩余肝体积和功能储备的当前概念与诊断方法，以避免术后肝衰竭 | 整合了实验室参数评分、功能测试和功能成像技术，并展望了深度学习算法在自动化分析中的应用 | 深度学习算法尚未批准用于功能测试，且手术专业知识在评估可切除性中仍起决定性作用 | 评估肝脏切除术前足够的实质储备，以预防术后肝衰竭 | 接受大范围肝切除术的患者 | 数字病理学 | 肝脏疾病 | 实验室参数评分（如APRI/ALBI评分）、功能测试（如ICG-R15、LiMAx®、闪烁扫描术）、功能成像（如锝-99m甲溴芬宁闪烁扫描结合MRI） | 深度学习算法 | 图像、实验室数据 | NA | NA | NA | NA | NA |
| 371 | 2026-02-06 |
Semi-supervised deep learning for uterus and bladder segmentation on female pelvic floor magnetic resonance imaging with limited labeled data
2026-Feb, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2025.10.004
PMID:41109500
|
研究论文 | 本研究提出了一种半监督深度学习框架，用于女性盆腔磁共振成像中子宫和膀胱的分割，以解决标记数据有限的问题 | 引入了一种结合自监督学习图像修复任务进行特征提取和伪标签生成的半监督学习过程，显著减少了对大规模标记数据的依赖 | 研究仅涉及48名女性受试者的数据，样本量相对较小，且未明确说明模型在其他疾病或人群中的泛化能力 | 提高盆腔磁共振成像中器官分割的准确性和效率，减少对大量标记数据的依赖 | 女性盆腔磁共振成像中的子宫和膀胱 | 数字病理学 | 盆腔器官脱垂 | 磁共振成像 | 深度学习 | 图像 | 48名女性受试者的4103张磁共振图像 | NA | NA | Dice相似系数, 平均表面距离, 95% Hausdorff距离 | NA |
| 372 | 2026-02-06 |
Image Fusion for Super-Resolution Mass Spectrometry Imaging of Plant Tissue
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512662
PMID:41255198
|
研究论文 | 本研究提出了一种名为损失控制残差网络（LCRN）的工作流程，专门用于植物质谱成像数据的超分辨率融合 | 引入了边缘感知损失函数，用于评估复杂形态信息，并应用于损失传播，以提升融合质量，实现了高达20倍的超分辨率融合 | NA | 提升植物质谱成像数据的超分辨率融合质量 | 植物组织 | 计算机视觉 | NA | 质谱成像（MSI） | CNN | 图像 | NA | NA | 残差连接神经网络 | 边缘感知损失 | NA |
| 373 | 2026-02-06 |
Deformation Prediction of 4D-Printed Active Composite Structures Based on Data Mining
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202516989
PMID:41293877
|
研究论文 | 本文提出了一种基于数据挖掘的可扩展变形预测方法，用于预测4D打印活性复合结构的变形 | 提出曲率驱动序列点生成算法，可预测任意长度体素编码的变形，相比传统有限元方法显著提升效率，相比深度学习方法提高精度并解决泛化能力不足的问题 | 未明确说明方法对超大规模体素结构的适用性极限，也未讨论算法在极端几何形状下的表现 | 开发高效准确的4D打印活性复合结构变形预测方法 | 4D打印的活性复合结构 | 机器学习 | NA | 4D打印，数据挖掘 | NA | 体素编码数据，特征数据 | NA | NA | 曲率驱动序列点生成算法 | 预测效率，预测精度，泛化能力 | NA |
| 374 | 2026-02-06 |
Deep learning-based classification of lung adenocarcinoma subtypes in histopathological images using DS-EffNet
2026-Feb, Human pathology
IF:2.7Q2
DOI:10.1016/j.humpath.2025.106020
PMID:41421723
|
研究论文 | 本研究提出了一种基于深度学习的模型DS-EffNet，用于肺腺癌组织病理学图像亚型的自动分类 | 将深度可分离残差块、RefConv、通道注意力池化和多维协作注意力模块集成到EfficientNetV2-S架构中，优化了特征提取和复杂病理模式建模 | 未明确提及模型在更大规模或更多样化数据集上的泛化能力验证 | 提高肺腺癌组织病理学图像亚型分类的准确性和效率 | 肺腺癌组织病理学图像 | 数字病理学 | 肺癌 | 组织病理学成像 | CNN | 图像 | 主要实验数据集和LC25000数据集，具体样本数量未明确 | NA | EfficientNetV2-S | 准确率, F1分数, AUC | NA |
| 375 | 2026-02-06 |
High-resolution optogenetics generates distinguishable neocortical activity patterns in awake mice
2026-Feb, Neuroscience research
IF:2.4Q3
DOI:10.1016/j.neures.2025.105012
PMID:41448496
|
研究论文 | 本研究开发了一种基于数字微镜器件的高分辨率光遗传学平台，用于在清醒小鼠中精确控制新皮质神经元群体活动 | 开发了具有2微米空间分辨率和0.2毫秒时间分辨率的光刺激平台，能够产生可区分的神经活动模式 | 研究仅限于初级体感皮层和表达通道视紫红质-2的小鼠模型 | 探究认知的神经基础，通过精确控制神经元群体活动来研究网络动力学 | 表达通道视紫红质-2的清醒小鼠的初级体感皮层 | 神经科学 | NA | 光遗传学，数字微镜器件光刺激，电生理记录 | 深度学习算法 | 电生理信号 | NA | NA | NA | 分类准确率 | NA |
| 376 | 2026-02-06 |
Approaches for accelerating microbial gene function discovery using artificial intelligence
2026-Feb, Nature microbiology
IF:20.5Q1
DOI:10.1038/s41564-025-02214-1
PMID:41501479
|
综述 | 本文回顾了人工智能在加速微生物基因功能发现方面的最新进展，并讨论了实现可解释和高通量人工智能引导注释的未来方向 | 整合计算与实验方法，开发系统化基因功能发现工作流程，利用深度学习改进基因功能预测 | 传统注释方法受限于可扩展实验技术的缺乏和基于同源性的计算方法的局限性 | 加速微生物基因功能发现，实现更高效、准确和全面的基因组注释 | 微生物基因组中的未知功能基因 | 机器学习 | NA | 基因组测序技术 | 深度学习 | 基因组数据 | NA | NA | NA | NA | NA |
| 377 | 2026-02-06 |
Nocturnal enteral feeding and mechanical ventilation risk in intensive care unit patients: A deep Learning-Based causal inference study
2026-Feb, Clinical nutrition (Edinburgh, Scotland)
DOI:10.1016/j.clnu.2025.106556
PMID:41518874
|
研究论文 | 本研究利用深度学习因果推断模型，探讨了ICU患者夜间肠内营养与机械通气风险之间的关联 | 首次采用深度学习因果推断模型评估夜间肠内营养对机械通气风险的平均处理效应，并结合SHAP分析识别关键预测因子 | 研究基于观察性数据，可能存在未测量的混杂因素，且外部验证队列的样本量相对较小 | 探究ICU患者夜间肠内营养是否增加机械通气需求 | 重症监护病房（ICU）患者 | 机器学习 | NA | 深度学习因果推断 | 深度学习因果推断模型 | 电子健康记录数据 | MIMIC-IV队列1551例，eICU队列3394例 | NA | NA | 比值比（OR），置信区间（CI），平均处理效应（ATE） | NA |
| 378 | 2026-02-06 |
Multistream Deep Learning Models Using Multimodal Optical Coherence Tomography for Predicting Visual Impairment in Epiretinal Membrane
2026-Feb, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.10.023
PMID:41636542
|
研究论文 | 本研究开发了一种多流深度学习模型，利用多模态光学相干断层扫描图像预测视网膜前膜患者的视力损伤 | 首次提出结合八种不同OCT图像类型的多流深度学习模型来预测视网膜前膜视力损伤，并通过热图可视化识别可能的生物标志物 | 研究为单中心回顾性设计，样本量有限，外部验证集规模较小 | 开发深度学习模型预测视网膜前膜患者的视力损伤程度，并识别相关的OCT生物标志物 | 被诊断为特发性视网膜前膜的患者 | 数字病理学 | 视网膜疾病 | 光学相干断层扫描 | 深度学习 | 图像 | 351组图像用于模型开发，50组用于外部验证 | NA | 多流深度学习模型 | 准确率 | NA |
| 379 | 2026-02-06 |
Raman spectroscopy as the quantum eye to reveal molecular dynamics in biology
2026-Feb-01, Advances in colloid and interface science
IF:15.9Q1
DOI:10.1016/j.cis.2026.103805
PMID:41637818
|
综述 | 本文综述了拉曼光谱作为一种基于量子力学原理的分子振动光谱技术在生命科学研究中的应用、优势、最新进展及未来发展方向 | 强调了拉曼光谱作为“量子之眼”揭示分子动力学的独特视角，并展望了其与纳米探针设计、深度学习算法的深度融合将推动单细胞代谢组学、微生物快速鉴定和精准医学等领域的应用扩展 | 指出拉曼光谱在从新兴技术转化为实际应用过程中仍存在若干技术壁垒 | 探讨拉曼光谱技术在生命科学研究中的应用潜力与发展方向 | 生物分子、细胞、组织、微生物、微塑料等复杂生物系统 | 生命科学分析技术 | NA | 拉曼光谱，包括微区拉曼、表面增强拉曼光谱、受激拉曼散射 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 380 | 2026-02-06 |
Automatic liver Couinaud segmentation from computed tomography scans with a gradient-enhanced hierarchical cascade deep learning network
2026-Feb, Current problems in surgery
IF:2.3Q2
DOI:10.1016/j.cpsurg.2025.101957
PMID:41638851
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |