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 3801 - 3820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3801 | 2026-02-20 |
Patch2Space: a registration-free segmentation method for misaligned multimodal medical images
2026-Feb-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4286
PMID:41643314
|
研究论文 | 提出了一种无需配准的、针对未对齐多模态医学图像的分割方法Patch2Space | 提出了统一体空间模块，将未对齐模态的图像块编码并投影到统一空间，并设计了新的空间注意力机制集成到多级特征融合模块中，实现了内部、空间和模态三个层次的特征有效融合 | 未在摘要中明确说明 | 开发一种基于深度学习的多模态图像分割方法，能够从未对齐的多模态图像中学习高质量且强相关的图像特征，无需配准即可获得与对齐图像相当的准确分割结果 | 未对齐的多模态医学图像 | 数字病理学 | NA | 深度学习 | NA | 多模态医学图像 | 1472名患者 | NA | NA | NA | NA |
| 3802 | 2026-02-20 |
The utility of artificial intelligence and deep learning to automate and accelerate follicle counts in human ovarian tissue†
2026-Feb-18, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioaf250
PMID:41206485
|
研究论文 | 本文开发了一种基于人工智能和深度学习的方法，用于自动化人类卵巢组织全玻片图像中的卵泡计数 | 整合了DeepLabV3+分割模型和Faster R-CNN目标检测模型，通过合并预测结果提高了卵泡计数的准确性和可重复性 | 分割模型的Dice系数仅为0.4939，目标检测模型的COCOmetric得分为0.27，表明模型性能仍有提升空间 | 开发自动化工具以加速和改善人类卵巢组织中卵泡的定量分析，支持生育力保存的研究和临床决策 | 人类卵巢组织全玻片图像中的卵泡 | 数字病理学 | NA | 组织学评估，全玻片成像 | CNN | 图像 | 来自47名患者的1857张全玻片图像，包含8300个标注卵泡 | NA | DeepLabV3+, Faster R-CNN | Dice系数, 敏感性, 阳性预测值, COCOmetric | NA |
| 3803 | 2026-02-20 |
Deep Learning Model for Differentiating Between Neoplastic Pathologic Fracture and Nonpathologic Fracture Using Hip Radiographs
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00344
PMID:41296822
|
研究论文 | 本研究开发并评估了一种深度学习模型，用于在髋关节X光片上区分肿瘤性病理性骨折与非病理性骨折 | 首次开发了基于髋关节X光片的深度学习模型，用于区分肿瘤性病理性骨折与非病理性骨折，并在多中心数据上进行了外部验证 | 研究为回顾性设计，且模型性能在外部验证中特异性相对较低 | 提高髋关节X光片上肿瘤性病理性骨折与非病理性骨折的鉴别诊断准确性 | 髋关节X光片 | 计算机视觉 | 骨肿瘤 | X光成像 | 深度学习模型 | 图像 | 训练与内部测试：338名患者；外部验证：488名患者（其中67名为肿瘤性病理性骨折，421名为非病理性骨折） | 未明确提及 | 未明确提及 | 准确率, 敏感度, 特异性 | 未明确提及 |
| 3804 | 2026-02-20 |
AI-Driven CT-MRI Image Fusion and Segmentation for Automatic Preoperative Planning of ACL Reconstruction: Development and Application
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00485
PMID:41364772
|
研究论文 | 本研究开发了一种基于AI的自动化术前规划系统，通过CT-MRI图像融合与分割技术，用于前交叉韧带重建手术的精准规划 | 创新点在于结合了Dual-UNet注册架构进行CT-MRI图像融合，实现了动态3D重建，并利用深度学习框架自动优化ACL隧道定位，具备等距、解剖和个性化特征 | 研究样本主要针对中国汉族人群，年龄范围有限（18-50岁），且男性占比较高（81.0%），可能影响结果的普适性 | 开发并评估一种AI驱动的自动化术前规划系统，以提高前交叉韧带重建手术的准确性和效率 | 前交叉韧带完整的患者膝关节CT和MRI图像，以及进行ACL重建手术的骨模型和临床患者 | 数字病理 | 运动损伤 | CT-MRI图像融合，深度学习 | Dual-UNet | 图像 | 200个膝关节CT和MRI扫描用于训练，36个ACL重建骨模型和72例临床手术（36例AI引导，36例传统手术）用于验证 | NA | Dual-UNet | Dice系数，隧道长度偏差，移植物长度偏差，隧道位置偏差（D-S, H-L, M-L, A-P方向） | NA |
| 3805 | 2026-02-20 |
DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention
2026-Feb-18, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc08898d
PMID:41487137
|
研究论文 | 本文提出了一种名为DSSA-PPI的混合深度学习框架，用于增强预测蛋白质突变引起的结合亲和力变化 | 通过解耦注意力机制整合结构和序列信息，结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2，提出了一种新颖的表征学习策略 | 未在摘要中明确提及 | 准确评估突变对蛋白质-蛋白质相互作用的影响，以理解疾病发病机制并开发靶向疗法 | 蛋白质-蛋白质相互作用中的突变效应 | 机器学习 | NA | 深度学习 | 图神经网络, 语言模型 | 结构信息, 序列信息 | 标准蛋白质结合亲和力数据集SKEMPI v2 | NA | PPIFormer, ESM-2 | NA | NA |
| 3806 | 2026-02-20 |
Host-specific fluorescence dynamics in legume-rhizobium symbiosis during nodulation
2026-Feb-18, Applied and environmental microbiology
IF:3.9Q2
DOI:10.1128/aem.02154-25
PMID:41543262
|
研究论文 | 本研究系统评估了固氮酶系统启动子驱动不同荧光报告基因在豆科植物-根瘤菌共生结瘤过程中的表达效果，并建立了基于深度学习的自动化分析流程 | 首次系统比较了P启动子驱动多种荧光蛋白在确定型和不确定型结瘤系统中的表达特性，并开发了深度学习辅助的高通量结瘤性状分析流程 | 部分红色荧光蛋白（如mScarlet-I、mRFP1）在豌豆中信号弱或不稳定，红色荧光标记体系在某些宿主中仍需优化 | 开发适用于豆科植物-根瘤菌共生研究的可靠荧光报告系统与自动化分析工具 | 豆科植物（确定型和不确定型结瘤系统）与根瘤菌的共生相互作用 | 植物微生物互作 | NA | 荧光报告基因系统、共聚焦显微成像、深度学习图像分析 | 深度学习 | 荧光显微图像 | 多种豆科植物根瘤样本（包括确定型和不确定型结瘤系统） | NA | NA | 与ImageJ标准分析结果的验证对比 | NA |
| 3807 | 2026-02-20 |
A Single-Mode, Multimodal, and Self-Powered Sensor Based on Electron Relaxation Dynamics
2026-Feb-18, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c21901
PMID:41653092
|
研究论文 | 本文报道了一种基于电子弛豫动力学的单模态、多模态自供电柔性传感器，能够同时检测温度和压力刺激 | 通过无缝集成互补且兼容的热电和摩擦电传感机制，实现了单模态输出、简化操作、超低功耗、自适应响应行为以及对复杂刺激的优异区分能力 | 未明确提及具体局限性 | 开发一种简化制造和操作、同时增强功能性和能源效率的下一代柔性传感系统 | 柔性传感器，用于模拟人类皮肤同时检测热和机械刺激的能力 | 机器学习 | NA | 热电和摩擦电传感机制 | 深度学习回归模型 | 电压信号 | NA | NA | NA | 准确率 | NA |
| 3808 | 2026-02-20 |
Hepatic and abdominal adiposity in type 2 diabetes as assessed with machine learning on computed tomography scans
2026-Feb-18, Diabetes, obesity & metabolism
DOI:10.1111/dom.70557
PMID:41705581
|
研究论文 | 本研究利用机器学习分析CT扫描，评估2型糖尿病患者的肝脏和腹部脂肪特征 | 首次在大规模、种族多样的疾病生物库中，结合深度学习量化多个腹部影像特征与2型糖尿病的关系 | 研究基于单中心数据，可能受样本选择偏差影响，且糖尿病状态仅通过HbA1c阈值确定 | 探究2型糖尿病与腹部影像特征（如肝脏脂肪变性、内脏脂肪）之间的关联 | 2型糖尿病患者与非糖尿病患者 | 医学影像分析 | 2型糖尿病 | 深度学习 | 深度学习算法 | CT扫描图像 | 1594名患者（包括950名非糖尿病患者和644名糖尿病患者） | NA | NA | 比值比, 置信区间, p值 | NA |
| 3809 | 2026-02-20 |
Optimization and External Validation of a Deep Learning Model for Segmentation and Quantification of Traumatic Brain Injury Lesions on Head Computed Tomography
2026-Feb-18, Journal of neurotrauma
IF:3.9Q2
DOI:10.1177/08977151251408798
PMID:41705651
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3810 | 2026-02-20 |
AI-based image quality assessment of positioning in mammography: considerations and challenges
2026-Feb-16, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02191-3
PMID:41697490
|
研究论文 | 本文探讨了基于AI的原型算法在乳腺X线摄影中复制PGMI（完美-良好-中等-不足）定位质量评估系统的能力 | 首次将深度学习原型软件应用于乳腺X线摄影的PGMI系统自动化评估，并系统比较了AI与人类专家共识之间的一致性 | AI与人类专家在整体PGMI评分上仅达到轻微至一般一致性，部分子类别评分存在显著差异，算法对解剖标志的误判和分类因果关系问题仍需改进 | 探索AI算法在乳腺X线摄影定位质量评估中复制人类PGMI评分系统的可行性 | 来自多中心病例库的200例标准乳腺X线摄影图像（共800张图像） | 计算机视觉 | 乳腺疾病 | 深度学习 | 深度学习模型 | 医学图像（乳腺X线摄影图像） | 200例标准乳腺X线摄影（800张图像） | NA | NA | 加权Cohen's kappa系数 | NA |
| 3811 | 2026-02-20 |
Silencer variants are key drivers of gene up-regulation in Alzheimer's disease
2026-Feb-13, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adz3323
PMID:41671378
|
研究论文 | 本文开发了一个深度学习框架，整合组蛋白修饰数据和单细胞开放染色质图谱，以评估阿尔茨海默病相关非编码变体的调控潜力 | 整合批量组蛋白修饰数据与单细胞开放染色质图谱，识别沉默子和增强子变体，并区分单功能与双功能基因位点 | 未明确说明模型在更广泛组织或疾病类型中的泛化能力，且实验验证仅限于部分变体 | 探究阿尔茨海默病中非编码DNA变体的遗传机制及其对基因上调的驱动作用 | 阿尔茨海默病相关的非编码变体，特别是背外侧前额叶皮层中的调控元件 | 机器学习 | 阿尔茨海默病 | 组蛋白修饰分析，单细胞开放染色质图谱 | 深度学习 | 表观遗传数据，单细胞数据 | NA | NA | NA | 方向一致性 | NA |
| 3812 | 2026-02-14 |
De novo generation and in silico screening of anti-diabetic peptide candidates via a deep learning-attention framework with physicochemical feature fusion
2026-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39985-4
PMID:41680447
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3813 | 2026-02-20 |
Early detection of female-specific cancers using longitudinal healthcare records with a multichannel convolutional neural network
2026-Feb-12, BMJ health & care informatics
IF:4.1Q2
DOI:10.1136/bmjhci-2025-101874
PMID:41688098
|
研究论文 | 本研究开发了一种多通道卷积神经网络，利用纵向医疗记录对女性特异性癌症进行早期检测 | 提出了一种多通道卷积神经网络架构，能够统一处理四种女性癌症的早期检测，并通过系统性特征选择大幅降低计算需求，实现了在人口规模数据库上的验证 | 研究基于台湾的国民健康保险研究数据库，可能受限于该地区的医疗编码系统和数据特性，泛化性需进一步验证 | 开发并验证一种利用纵向医疗记录进行女性特异性癌症早期检测的计算方法 | 女性患者，包括乳腺癌、卵巢癌、宫颈癌和子宫恶性肿瘤病例 | 机器学习 | 乳腺癌,卵巢癌,宫颈癌,子宫恶性肿瘤 | 医疗记录分析 | CNN | 医疗记录 | 19954名女性患者（596例癌症病例，19358例对照） | NA | 多通道卷积神经网络 | Macro-F1分数,精确度,召回率 | NA |
| 3814 | 2026-02-20 |
How threshold customisation affects the performance of a multiclass X-ray AI model for primary care triage: a retrospective study
2026-Feb-12, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-111127
PMID:41689225
|
研究论文 | 本研究评估了多类别胸部X光AI模型在不同阈值下的诊断性能，并探讨其在初级保健分诊工作流程中的潜在影响 | 通过系统化的阈值优化过程，调整AI模型的操作阈值以优先考虑敏感性和阴性预测值，支持初级保健中安全的AI辅助分诊 | 研究为回顾性设计，未评估实际部署后的真实世界操作影响和用户接受度，且排除了儿科研究、侧位或斜位X光片及AI模型不支持的结果 | 优化多类别胸部X光AI模型的阈值，评估其诊断性能，并估计其在初级保健AI分诊工作流程中的潜在操作影响 | 816张成人正面胸部X光片，来自新加坡两家初级保健诊所和一家三级医院，代表初级保健常见发现谱系 | 计算机视觉 | NA | 胸部X光成像 | 深度学习模型 | 图像 | 816张成人正面胸部X光片（多民族亚洲人群，464名男性，352名女性；平均年龄60.8岁） | NA | NA | 敏感性, 特异性, 阴性预测值, 阳性预测值 | NA |
| 3815 | 2026-02-20 |
How negative sampling shapes the performance of transcription factor binding site prediction models
2026-Feb-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag048
PMID:41601205
|
研究论文 | 本研究探讨了不同负采样技术对转录因子结合位点预测模型性能的影响 | 通过基于ChIP-seq和ATAC-seq数据创建高质量测试集，并系统比较多种负采样技术，揭示了训练数据集上性能指标的夸大现象，并发现基于阳性样本相似性的基因组采样表现最佳 | 研究未达到使用高质量数据集训练的基线模型性能，且模拟了匹配ATAC-seq数据不可用的情况，可能限制了某些技术的评估 | 评估负采样技术对转录因子结合位点预测模型性能的影响 | 转录因子结合位点预测模型 | 机器学习 | NA | ChIP-seq, ATAC-seq | 深度学习模型 | 基因组序列数据 | NA | NA | NA | 准确性, 精确度, 召回率, F1分数, AUC | NA |
| 3816 | 2026-02-20 |
Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records
2026-Feb, The American journal of pathology
DOI:10.1016/j.ajpath.2025.09.016
PMID:41109668
|
研究论文 | 本文通过整合病理切片和医疗记录，开发了一个基于Transformer的模型，用于预测结直肠癌5年进展风险 | 创新点在于采用多模态融合策略，结合临床记录和深度学习提取的图像特征，显著提升了结直肠癌进展风险的预测性能 | 研究依赖于特定注册表数据，可能限制了模型的泛化能力，且未详细讨论模型在临床实践中的实施挑战 | 旨在通过预测模型改进结直肠癌筛查和风险评估 | 结直肠息肉患者及其医疗数据 | 数字病理学 | 结直肠癌 | 数字病理学, 深度学习 | Transformer | 图像, 文本 | 来自新罕布什尔州结肠镜检查注册表的数据，包括纵向随访信息 | NA | Transformer | AUC | NA |
| 3817 | 2026-01-30 |
Deep learning in prognostication
2026-Feb, Resuscitation
IF:6.5Q1
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3818 | 2026-02-20 |
Demographic-aware deep learning for multi-organ segmentation: Mitigating gender and age biases in CT images
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70322
PMID:41681030
|
研究论文 | 本文提出了一种用于CT图像多器官分割的人口统计学感知深度学习框架，旨在通过结合人口统计学提示和自适应注意力机制来减轻年龄和性别偏见 | 提出了人口统计学感知网络（DA-Net），该网络集成了动态适应人口统计学提示的卷积核的DA-HyperConv模块和用于利用多视图特征的ATAB模块，以显式地减轻年龄和性别偏见 | 未明确提及 | 开发一个能够减轻年龄和性别偏见、提高多器官分割准确性和公平性的深度学习框架 | CT图像中的器官（风险器官） | 数字病理学 | NA | CT扫描 | 深度学习 | 图像 | 训练集：489例成人CT扫描（AMOS2022）和370例儿科CT扫描（Pediatric CT-SEG），总计859例扫描，覆盖30个器官，包含355例女性扫描；外部验证集：150例成人CT扫描（WORD，含62例女性） | NA | DA-Net | Dice相似系数, 归一化表面Dice | NA |
| 3819 | 2026-02-20 |
List-mode TOF-PET 3D image reconstruction using stochastic primal-dual network
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70324
PMID:41691549
|
研究论文 | 本文提出了一种基于随机原始-对偶网络架构的列表模式TOF-PET三维图像重建新方法，旨在直接从列表模式数据重建PET图像，以提升图像质量并降低计算需求 | 提出LM-SPD-Net框架，结合CNN和FCNN模块，通过物理信息投影模型处理列表模式数据，克服了传统CNN在此类数据上的限制，并采用子集划分策略降低内存使用 | 未明确说明方法在极端低剂量或复杂病理条件下的泛化能力，以及实际临床部署中的计算效率限制 | 解决TOF-PET重建中因数据量剧增导致的计算时间和内存需求问题，同时提升图像质量 | PET图像，特别是模拟和半真实临床数据中的肿瘤和丘脑等临床相关区域 | 医学影像处理 | NA | TOF-PET，列表模式数据采集 | CNN，FCNN | 列表模式数据，三维图像 | NA | NA | 随机原始-对偶网络 | PSNR，SSIM | NA |
| 3820 | 2026-02-20 |
A Cross-modality Transformer Network for MR-guided Low-dose Tau PET Image Denoising
2026-Feb, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2025.3581204
PMID:41693715
|
研究论文 | 本文提出了一种基于跨模态Transformer网络的深度学习方法来改善低剂量tau PET图像的降噪效果 | 引入了跨模态Transformer块，整合PET和MR先验信息，并利用空间和通道信息计算跨模态自注意力图 | NA | 通过深度学习技术进一步降低tau PET扫描的注射剂量，以支持基于成像的疾病进展纵向监测 | 139个动态F-MK-6240 tau PET数据集中的早期帧和晚期帧图像 | 计算机视觉 | 阿尔茨海默病及相关痴呆症 | PET成像, MR成像 | Transformer | 图像 | 139个动态F-MK-6240 tau PET数据集 | NA | 跨模态Transformer网络 | NA | NA |