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 46099 篇文献，本页显示第 7361 - 7380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7361 | 2026-03-13 |
Prediction of MYC/BCL-2 co-expression in diffuse large B-cell lymphoma using a multimodal fusion model: a retrospective study based on PET/CT habitat radiomics and deep learning
2026-Mar-11, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-026-01014-y
PMID:41814400
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7362 | 2026-03-13 |
Unlocking the black box: multimodal imaging and quantitative analysis of plant vesicular trafficking
2026-Mar-10, Advanced biotechnology
DOI:10.1007/s44307-026-00101-2
PMID:41803325
|
综述 | 本文综述了整合先进化学生物学与深度学习计算分析的新范式，以解锁植物囊泡运输的动态过程 | 提出了一种整合pH敏感探针、共价标签、荧光计时器与深度学习计算分析的多模态成像与定量分析新范式，实现了对分子事件前所未有的高保真可视化及囊泡动力学的严格数学建模 | NA | 揭示植物如何将环境刺激快速转化为生理反应，并解析囊泡运输在其中的核心作用 | 植物囊泡运输过程 | 计算生物学 | NA | 多模态成像，pH敏感探针（如pHluorin），共价标签（HaloTag），荧光计时器，下一代FRAP/FCS变体（DeepFRAP, FCSNet） | 深度学习 | 多模态成像数据 | NA | NA | NA | NA | NA |
| 7363 | 2026-03-11 |
Deep Learning for Analysis of Bone Marrow Adiposity: Breakthroughs from Recent Large-Scale Analyses in the UK Biobank
2026-Mar-10, Current osteoporosis reports
IF:4.2Q1
DOI:10.1007/s11914-026-00953-6
PMID:41803515
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7364 | 2026-03-13 |
Use of synthetic data, a novel paradigm for immunopathology
2026-Mar-10, Current opinion in immunology
IF:6.6Q1
DOI:10.1016/j.coi.2026.102753
PMID:41812346
|
综述 | 本文讨论了合成数据作为人工智能新范式在免疫病理学中的应用，特别是在自身免疫性疾病中的潜力 | 提出合成数据作为放大镜，能够预测疾病分类、进展和治疗反应，并支持数字孪生等精准医学应用 | 目前合成数据在免疫病理学中应用不足，且其复杂性和异质性可能未被完全捕获 | 探讨合成数据在自身免疫性疾病研究中的应用及其对精准医学的转化机会 | 自身免疫性疾病 | 机器学习 | 自身免疫性疾病 | NA | 深度学习 | 表格数据、医学图像、基因组学、流式细胞术数据 | NA | NA | NA | NA | NA |
| 7365 | 2026-03-13 |
Applications for the YOLO deep learning framework in dentistry: A narrative review
2026-Mar-10, Journal of prosthodontic research
IF:3.2Q1
DOI:10.2186/jpr.JPR_D_25_00374
PMID:41813162
|
综述 | 本文综述了YOLO深度学习框架在牙科领域的应用，包括龋齿检测、牙齿编号、生物材料评估、修复与种植规划、教育、唾液生物标志物分析和口腔癌检测等 | 首次系统性地综述了YOLO在牙科多个子领域的应用，并指出了其在实时诊断、教育平台和精准医疗中的潜力 | 存在数据集小、成像协议不一致以及外部验证有限等挑战 | 为牙科专业人士和研究人员提供YOLO在牙科应用的全面概述 | 牙科领域的图像数据，如X光片、锥形束CT图像等 | 计算机视觉 | 口腔疾病 | 深度学习 | YOLO | 图像 | NA | NA | YOLO | 精度, 效率 | NA |
| 7366 | 2026-03-13 |
A two-step scoring model incorporating visceral-to-subcutaneous fat ratio and systemic immunoinflammatory index for predicting cytokine release syndrome severity in patients with gastric cancer receiving Claudin18.2-targeted CAR-T cell therapy
2026-Mar-09, Cancer immunology, immunotherapy : CII
DOI:10.1007/s00262-026-04341-y
PMID:41801430
|
研究论文 | 本研究开发了一个结合内脏脂肪与皮下脂肪比率和全身免疫炎症指数的两步评分模型，用于预测接受Claudin18.2靶向CAR-T细胞治疗的胃癌患者细胞因子释放综合征的严重程度 | 首次将基于CT图像的身体成分参数（特别是内脏脂肪与皮下脂肪比率）与全身免疫炎症指数结合，构建了一个两步评分模型来预测CAR-T细胞治疗中细胞因子释放综合征的严重程度 | 样本量较小（仅45例患者），且为单中心研究，可能限制了结果的普遍适用性 | 预测接受Claudin18.2靶向CAR-T细胞治疗的晚期胃癌患者细胞因子释放综合征的严重程度 | 45例接受CLDN18.2靶向CAR-T细胞治疗的晚期胃癌患者 | 数字病理学 | 胃癌 | CT成像，深度学习图像分割 | 深度学习 | CT图像，临床指标 | 45例晚期胃癌患者 | NA | NA | AUC | NA |
| 7367 | 2026-03-11 |
Retraction Note: Multimodal deep learning for cephalometric landmark detection and treatment prediction
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42846-9
PMID:41803246
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7368 | 2026-03-13 |
Evolution: Shark and ray biodiversity in deep time
2026-Mar-09, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2026.01.047
PMID:41806816
|
研究论文 | 本文利用深度学习评估大数据，探讨鲨鱼和鳐鱼在深时尺度上的生物多样性演化 | 应用深度学习技术处理大数据，为鲨鱼和鳐鱼古生物多样性研究提供新方法 | NA | 研究鲨鱼和鳐鱼在深时尺度上的生物多样性演化 | 鲨鱼和鳐鱼 | 机器学习 | NA | 深度学习 | NA | 大数据 | NA | NA | NA | NA | NA |
| 7369 | 2026-03-13 |
Deep learning-assisted Raman spectroscopic quantification of total terpenes in Curcuma kwangsiensis
2026-Mar-06, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127668
PMID:41812501
|
研究论文 | 本研究开发了一种结合拉曼光谱与Res-SE 1D-CNN的快速高效策略，用于量化广西莪术中的总萜类化合物含量 | 首次将残差压缩与激励一维卷积神经网络应用于拉曼光谱数据，以量化传统中药中的总萜类化合物，并验证了其在地理溯源和现场质量控制中的潜力 | 研究仅基于广西地区的样本，样本来源相对有限，可能影响模型的泛化能力 | 开发一种快速、准确的定量方法，用于评估传统中药广西莪术中总萜类化合物的含量 | 广西莪术（Curcuma kwangsiensis）及其总萜类化合物 | 机器学习 | NA | 拉曼光谱，高效液相色谱，紫外光谱，密度泛函理论计算 | CNN | 光谱数据 | 来自广西6个产区的26批样本，共1400个光谱 | NA | Res-SE 1D-CNN | 相关系数R，均方根误差RMSE | NA |
| 7370 | 2026-03-13 |
Spatial Proteomics Using S4P
2026-Mar-05, Bio-protocol
IF:1.0Q3
DOI:10.21769/BioProtoc.5620
PMID:41815837
|
研究论文 | 本文介绍了一种用于空间蛋白质组学的稀疏采样策略S4P，结合多角度组织条带显微切割和深度学习图像重建，以降低质谱时间需求 | 提出S4P方法，通过稀疏采样和多角度投影实现全组织切片覆盖，将质谱时间减少50%-90%，同时保持高蛋白质覆盖度 | NA | 开发高效的空间蛋白质组学映射技术，以克服蛋白质不可扩增性和质谱灵敏度限制 | 小鼠脑组织 | 数字病理学 | NA | 质谱蛋白质组学，多角度组织条带显微切割 | 深度学习 | 图像，蛋白质组数据 | NA | NA | NA | 分辨率（525 μm），质谱时间（200小时），蛋白质覆盖度（超过9,000种蛋白质） | NA |
| 7371 | 2026-03-13 |
Automatic Couinaud segmentation using AI and pictorial representation landmarking
2026-Mar, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05123-3
PMID:40736570
|
研究论文 | 本文提出了一种结合深度学习和地标识别的框架，用于自动分割Couinaud肝段，以提高肝脏手术规划的准确性和效率 | 通过整合深度学习分割与辅助地标识别，创建个性化图示模型，实现精确的Couinaud地标定位，且无需重新训练即可纳入新数据 | 未明确提及研究的具体局限性，如数据集的多样性或模型泛化能力的进一步验证 | 开发一种自动、准确的Couinaud肝段分割方法，以优化肝脏手术规划和监测的临床工作流程 | 非对比T1加权MRI图像中的肝脏Couinaud分段 | 计算机视觉 | 肝脏疾病 | MRI成像 | 深度学习模型 | 图像 | 225例非对比T1加权MRI，来自4项不同研究 | NA | NA | 地标放置准确性和Couinaud分段体积估计 | NA |
| 7372 | 2026-03-13 |
FOCUS-DWI improves prostate cancer detection through deep learning reconstruction with IQMR technology
2026-Mar, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05100-w
PMID:40748461
|
研究论文 | 本研究探讨了IQMR图像后处理技术对FOCUS-DWI序列在前列腺癌检测中图像质量的影响，并评估其在区分良恶性病变方面的效能 | 首次将IQMR（智能快速磁共振）图像后处理技术应用于FOCUS-DWI序列，显著提升了图像质量并改善了前列腺癌的诊断准确性 | 研究为回顾性分析，样本量相对较小（62例患者），且仅涉及单一中心的数据 | 评估IQMR后处理技术对FOCUS-DWI序列在前列腺癌检测中图像质量和诊断效能的影响 | 62例前列腺肿块患者（31例良性，31例恶性）的临床数据和MRI图像 | 数字病理 | 前列腺癌 | MRI（磁共振成像），包括T2WI-FS和FOCUS-DWI序列，以及IQMR图像后处理技术 | NA | 医学影像（MRI图像） | 62例患者（31例良性前列腺病变，31例恶性前列腺病变） | NA | NA | 峰值信噪比（PSNR），结构相似性指数（SSIM），表观扩散系数（ADC），受试者工作特征曲线下面积（AUC），诊断置信度评分，诊断准确率 | NA |
| 7373 | 2026-03-13 |
Quantitative Assessment of Basement Membrane Loss in Melasma Using Attenuation Coefficient Estimation Based on Optical Coherence Tomography
2026-Mar, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500491
PMID:41297958
|
研究论文 | 本研究提出了一种基于光学相干断层扫描和深度学习的非侵入性定量评估方法，用于评估黄褐斑中基底膜的破坏情况 | 通过结合衰减系数映射和改进的Unet模型（Res-Att-Unet）进行基底膜分割，实现了对黄褐斑中基底膜损失的实时、定量评估 | 未明确说明样本量的具体数量，且方法在临床广泛应用前需进一步验证 | 开发一种非侵入性、定量的方法来评估黄褐斑中基底膜的破坏，以辅助诊断 | 黄褐斑患者的皮肤组织，包括病变区域和周围正常皮肤 | 计算机视觉 | 黄褐斑 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | Res-Att-Unet | 准确率, F1分数, IoU | NA |
| 7374 | 2026-03-13 |
From gaze to proficiency: deep learning-driven prediction of novice performance in laparoscopic training using AOI-dependent metrics
2026-Mar, Surgical endoscopy
DOI:10.1007/s00464-025-12369-x
PMID:41350780
|
研究论文 | 本研究通过结合计算机视觉-深度学习算法与眼动追踪数据，提取基于兴趣区域和运动指标，用于区分和预测腹腔镜训练中新手的技能水平 | 整合计算机视觉-深度学习与眼动追踪数据，自动检测兴趣区域并提取相关指标，以在动态训练环境中实现新手技能水平的分类和预测 | 研究主要关注新手，未涉及专家级受训者；模拟器环境可能无法完全反映真实手术场景 | 开发一种基于眼动追踪和运动指标的方法，以个性化评估和预测腹腔镜训练中新手的技能水平 | 医学生和住院医师在成人和儿科腹腔镜模拟器上执行peg转移任务 | 计算机视觉 | NA | 眼动追踪，计算机视觉-深度学习算法 | 随机森林，支持向量机，人工神经网络，决策树 | 眼动追踪数据，视频数据 | 医学生和住院医师（具体数量未在摘要中说明） | NA | NA | 准确率，Gini重要性 | NA |
| 7375 | 2026-03-13 |
Association of skill and errors with outcomes in robotic rectal cancer surgery
2026-Mar, Surgical endoscopy
DOI:10.1007/s00464-025-12393-x
PMID:41369760
|
研究论文 | 本研究评估了机器人直肠癌手术中客观技能和错误工具，提供了一个细粒度验证数据集用于训练和测试深度学习模型 | 首次在机器人直肠癌手术中验证了细粒度错误和技能注释与临床结果的关联，为自动化评估和深度学习模型开发奠定了基础 | 样本量较小（30例手术），为可行性研究，需更大规模研究进一步验证 | 评估机器人直肠癌手术中客观技能和错误工具，以改善手术表现和患者安全 | 机器人辅助全直肠系膜切除术（RTME）的手术视频和临床数据 | 数字病理学 | 直肠癌 | 视频分析、传感器数据、机器学习 | 深度学习模型 | 手术视频、临床数据 | 30例机器人辅助全直肠系膜切除术（RTME）手术 | NA | NA | 错误数量、并发症关联性、操作时间延长几率、评分者间可靠性、相关性分析 | DS1计算机（Digital Technologies, Medtronic公司）、Touch Surgery™平台 |
| 7376 | 2026-03-13 |
Deep generative molecular design and its value in modern drug discovery
2026-Mar, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2636192
PMID:41778634
|
综述 | 本文综述了深度生成模型在现代药物发现中的分子设计进展与应用价值 | 系统概述了生成式AI在药物发现中的最新进展，包括基于神经网络的框架、强化学习系统、扩散模型和基于语言模型的Transformer，并展望了多模态基础模型与自动化合成、高通量实验结合的未来方向 | NA | 综述深度生成模型在从头药物设计中的进展、应用及未来趋势 | 分子结构设计与优化 | 机器学习 | NA | NA | 生成模型, 神经网络, 强化学习, 扩散模型, Transformer | 分子表示数据 | NA | NA | NA | NA | NA |
| 7377 | 2026-03-13 |
Advances in predicting omics profiles from imaging data
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag090
PMID:41802282
|
综述 | 本文全面综述了利用成像数据预测分子组学（包括DNA异常、批量转录组、单细胞转录组和空间转录组）的当前方法 | 提供了跨疾病背景和成像模态的全面方法概述，并强调了深度学习与传统统计框架在图像组学预测中的多样化应用 | NA | 探讨从成像数据预测分子组学特征的方法，以作为传统分子分析的替代方案 | 成像数据（如组织病理学图像）及其预测的分子组学数据（DNA异常、转录组等） | 数字病理学 | NA | 成像技术（如组织病理学）、分子组学分析 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 7378 | 2026-03-13 |
North Atlantic right whale detection and localisation using deep learning, spectrogram cross-correlation, and nonlinear Bayesian inversion
2026-Mar-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0042758
PMID:41811156
|
研究论文 | 本文提出了一种结合深度学习、谱图互相关和非线性贝叶斯反演的三步处理流程，用于检测和定位北大西洋露脊鲸的叫声 | 创新点在于将公开可用的深度学习模型与谱图互相关、非线性贝叶斯反演相结合，为北大西洋露脊鲸的被动声学监测提供了一种有效的检测与定位方法，并提供了不确定性估计 | 方法的有效性主要局限于声纳浮标网格内部或附近区域的鲸鱼叫声检测与定位，对于远距离或复杂传播路径的叫声可能效果有限 | 研究目标是开发一种用于北大西洋露脊鲸叫声检测和定位的被动声学监测工具，以支持其保护和管理工作 | 研究对象是北大西洋露脊鲸的叫声（包括上叫声和呻吟声），通过声纳浮标被动记录 | 机器学习 | NA | 被动声学监测 | 深度学习模型 | 音频数据 | 使用2018年7月在加拿大圣劳伦斯湾南部由声纳浮标网格记录的北大西洋露脊鲸叫声数据集，包括一个较小的适应集用于模型优化 | NA | NA | NA | NA |
| 7379 | 2026-03-13 |
Deep Learning on Hyperspectral Pathology for Recurrence Prediction in Clear Cell Renal Cell Carcinoma
2026-Mar, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500546
PMID:41392494
|
研究论文 | 本研究利用高光谱病理成像结合深度学习预测透明细胞肾细胞癌的复发风险 | 首次将高光谱成像与双分支网络（HSI-FusionNet）结合，通过门控融合和多实例学习实现患者级别的复发预测，并识别出与复发相关的特定光谱波段 | 样本量较小（仅48例患者），需在更大队列中验证 | 评估高光谱病理成像结合深度学习对透明细胞肾细胞癌个体化复发风险预测的价值 | 透明细胞肾细胞癌患者 | 数字病理 | 肾癌 | 高光谱显微镜成像（400-1000 nm） | CNN, Transformer | 高光谱图像 | 48例患者 | NA | HSI-FusionNet, ResNet-50, 1D-CNN, 1D-Transformer | AUC, 灵敏度, 特异性 | NA |
| 7380 | 2026-03-13 |
Congener-resolved hazard identification of ginkgolic acids as emerging natural contaminants
2026-Mar-01, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141479
PMID:41707398
|
研究论文 | 本文提出了一种基于同系物解析的危害识别框架，用于评估银杏酸作为新兴天然污染物的毒性机制 | 整合网络毒理学、深度学习危害预测、分子对接、转录组学和靶向实验验证，首次对银杏酸同系物进行系统性的危害优先级排序 | 本研究为机制性危害识别而非定量环境风险评估，未涉及环境暴露浓度和长期毒性效应 | 识别银杏酸同系物中对解毒器官具有高危害风险的特定结构，为环境监测和公共健康评估提供依据 | 银杏酸的五种主要同系物，重点关注GA C17:2在肝细胞和肾细胞模型中的毒性效应 | 毒理学 | 肝毒性和肾毒性相关疾病 | 网络毒理学、深度学习危害预测、分子对接、转录组学、细胞毒性实验、短期体内暴露模型 | 深度学习模型 | 分子结构数据、转录组数据、实验数据 | 未明确具体样本数量，涉及细胞模型和短期体内暴露模型 | NA | NA | NA | NA |