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 47993 篇文献，本页显示第 9901 - 9920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9901 | 2026-03-18 |
Enhancing crack detection and severity assessment in historical Tabiya basins using U-Net and adaptive thresholding
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1741082
PMID:41837242
|
研究论文 | 本研究提出了一种基于U-Net和自适应阈值的历史Tabiya水池表面裂缝检测与严重性评估的自动化系统 | 结合了多种深度学习模型（U-Net与不同骨干网络）进行裂缝检测与分割，并集成了骨架化、裂缝长度估计算法和裂缝宽度提取方法进行定量测量，同时开发了用户友好的Web应用程序 | 未明确提及模型在极端光照或复杂背景下的泛化能力，以及系统对高分辨率图像处理的计算效率 | 开发自动化系统以改进历史Tabiya水池的表面裂缝检测、分割和严重性评估，支持文化遗产保护 | 历史Tabiya水池的表面裂缝 | 计算机视觉 | NA | 高分辨率图像采集，深度学习，计算机视觉 | CNN | 图像 | 未明确说明具体样本数量，但使用现场采集的高分辨率图像 | 未明确指定，但可能涉及TensorFlow或PyTorch | U-Net, MobileNetV2, ResNet-50, InceptionV3, EfficientNetB7 | 准确率, 召回率, 精确率, F1分数 | 未明确说明 |
| 9902 | 2026-03-18 |
Classification of driver and passenger mutations in different cancer types using deep neural networks
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag068
PMID:41841102
|
研究论文 | 本研究通过整合多组学特征，开发了基于深度学习的癌症特异性模型，用于区分驱动突变和乘客突变 | 首次整合AlphaFold预测的结构信息、氨基酸接触网络及序列特征，构建针对30种肿瘤类型的特异性深度学习分类模型 | 模型性能受限于COSMIC数据库的突变注释质量，且未在独立外部数据集上进行全面验证 | 开发高精度计算方法以区分癌症中的驱动突变和乘客突变 | 来自30种肿瘤类型的61,364个错义突变（57,535个驱动突变和3,829个乘客突变） | 生物信息学 | 癌症 | 全癌种突变数据分析、AlphaFold结构预测、氨基酸接触网络构建 | 深度神经网络 | 基因组序列数据、蛋白质结构数据、网络特征数据 | 61,364个突变样本（来自682个致癌基因） | 未明确说明 | 深度神经网络（具体架构未说明） | 分类准确率 | 未明确说明 |
| 9903 | 2026-03-18 |
GlioMODA: Robust glioma segmentation in clinical routine
2026 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdag034
PMID:41841144
|
研究论文 | 本研究提出并评估了GlioMODA，一种专为自动化胶质瘤分割设计的鲁棒深度学习框架，能够在不同且不完整的MRI协议下保持高性能 | 开发了一种能够在临床常规中不完整或异质MRI协议下保持鲁棒性能的胶质瘤分割框架，支持简化的2序列协议 | 研究主要基于BraTS 2021数据集，需要在更广泛的临床数据上进行进一步验证 | 开发一种适用于临床常规的鲁棒胶质瘤自动分割方法 | 胶质瘤患者 | 数字病理学 | 胶质瘤 | 磁共振成像 | 深度学习 | 图像 | 1251个训练病例，219个测试病例 | NA | NA | Dice相似系数，全景质量指标 | NA |
| 9904 | 2026-03-18 |
Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma
2025-Dec-13, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.12.005
PMID:41391612
|
研究论文 | 本研究开发了一种融合多模态成像的深度学习模型，用于自动勾画高危儿童霍奇金淋巴瘤受累部位放疗的临床靶区 | 首次将多时间点PET/CT图像与计划CT整合到深度学习模型中，用于儿童霍奇金淋巴瘤的自动靶区勾画，并进行了大规模多中心验证 | 研究仅针对儿童高危霍奇金淋巴瘤患者，模型在其他类型淋巴瘤或成人患者中的适用性有待验证 | 开发自动化的临床靶区勾画算法，以促进受累部位放疗计划制定 | 288名儿童高危霍奇金淋巴瘤患者的计划CT、基线PET/CT和中期PET/CT扫描图像 | 数字病理学 | 霍奇金淋巴瘤 | PET/CT成像 | 深度学习 | 医学影像（CT、PET） | 288名患者（230名用于模型开发，58名用于外部测试） | NA | SegResNet, ResUNet, SwinUNETR | Dice相似系数, 95% Hausdorff距离 | NA |
| 9905 | 2026-03-18 |
Leveraging complex network features improves vaccine stance classification
2025-Dec-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27487-8
PMID:41360844
|
研究论文 | 本研究提出利用从社交网络提取的复杂网络特征来增强基于文本的深度学习模型，以改进疫苗立场分类 | 首次将复杂网络特征与文本特征结合用于疫苗立场分类，并证明网络特征在长期数据中优于文本特征 | 研究基于意大利语推文数据，可能无法直接推广到其他语言或社交平台 | 提高社交媒体上疫苗立场的分类准确性 | 意大利语社交媒体帖子 | 自然语言处理 | NA | NA | 深度学习 | 文本 | 约2000万条意大利语帖子，其中约7000条手动标注 | NA | NA | NA | NA |
| 9906 | 2026-03-18 |
Deep Learning-Based Diagnosis of Corneal Condition by Using Raw Optical Coherence Tomography Data
2025-Dec-08, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15243115
PMID:41464119
|
研究论文 | 本研究利用原始光学相干断层扫描数据和卷积神经网络，区分健康角膜与圆锥角膜 | 直接使用原始光学相干断层扫描数据而非预处理数据进行诊断，避免了软件更新对结果的影响，提供了更一致的临床分析基础 | 未明确提及 | 通过深度学习模型，基于原始光学相干断层扫描数据实现圆锥角膜的早期诊断 | 使用Casia2前节光学相干断层扫描仪获取的2737次眼部检查数据，包括正常、角膜扩张症和其他疾病三类 | 计算机视觉 | 圆锥角膜 | 光学相干断层扫描 | CNN | 图像 | 2737次眼部检查，包含744次检查的数据集 | NA | DenseNet121, EfficientNet-B0, MobileNetV3-Large, ResNet18 | 准确率, 宏平均灵敏度, 宏平均特异性, 宏平均阳性预测值, 宏平均F1分数 | NA |
| 9907 | 2026-03-18 |
Multi-Scale Attention Fusion With Depthwise Separable Convolutions for Efficient Skin Cancer Detection
2025-Dec, Journal of cutaneous pathology
IF:1.6Q3
DOI:10.1111/cup.14870
PMID:40998452
|
研究论文 | 提出一种名为MAF-DermNet的深度学习框架，用于高效、准确的皮肤癌检测 | 结合多尺度注意力融合与深度可分离卷积，并利用DCGAN进行数据增强以提高模型鲁棒性 | 未整合临床元数据，且未来需针对不同医疗环境进行优化 | 开发一种高效、准确的自动化皮肤癌检测模型以辅助临床诊断 | 皮肤癌病变图像 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN, GAN | 图像 | NA | NA | MAF-DermNet, DCGAN | 准确率, 宏F1分数 | NA |
| 9908 | 2026-03-18 |
Automatically quantifying spatial heterogeneity of immune and tumor hypoxia environment and predicting disease-free survival for patients with rectal cancer
2025-Nov-18, Cancer immunology, immunotherapy : CII
DOI:10.1007/s00262-025-04235-5
PMID:41251704
|
研究论文 | 本研究开发了一种自动化的定量免疫组化特征提取流程，用于分析直肠癌肿瘤微环境中免疫和缺氧标志物的空间异质性，并预测患者的无病生存期 | 开发了一种整合深度学习肿瘤分割与计算检测浸润边缘的自动化流程，能够客观量化DAB染色的空间异质性，并识别出具有生物学解释性的预后特征，其预测性能优于传统的pTNM分期系统 | 研究样本量有限（104例），且需要在多中心队列中进行进一步验证以确认其临床适用性 | 开发自动化定量分析肿瘤微环境空间异性的方法，以预测直肠癌患者的无病生存期 | 直肠癌患者的肿瘤组织样本 | 数字病理学 | 直肠癌 | 免疫组化 | 深度学习 | 图像 | 104例患者样本（57例训练集，47例验证集） | NA | NA | C-index | NA |
| 9909 | 2026-03-18 |
Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods
2025-Nov-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.04.686644
PMID:41278894
|
观点文章 | 本文评估了深度学习在RNA二级结构预测中的泛化能力，并探讨了其与传统方法的整合 | 使用来自蛋白质数据库的新基准数据集评估方法泛化性，并强调结构探测数据预测中的独特泛化挑战 | 已知RNA结构的多样性和数量有限，可能导致预测与训练数据显著不同结构时准确性不足 | 评估深度学习在RNA二级结构预测中的泛化能力，并推动传统方法与现代神经网络的整合 | RNA二级结构 | 生物信息学 | NA | 深度学习 | 深度学习模型 | RNA结构数据 | 来自蛋白质数据库的结构化RNA新基准数据集 | NA | NA | 泛化能力评估 | NA |
| 9910 | 2026-03-18 |
Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma
2025-Nov-01, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12115-w
PMID:41176552
|
研究论文 | 本研究开发了两种自动化的卷积神经网络，用于量化小儿骨肉瘤的肿瘤体积并基于MRI预测诱导化疗的反应 | 首次将3D U-Net用于小儿骨肉瘤的自动肿瘤体积分割，并基于MRI体积变化构建了预测化疗反应的CNN模型，实现了非侵入性的治疗反应评估 | 研究为回顾性、多中心设计，样本量相对有限（总计101名患者），且外部验证集仅来自一个中心 | 评估小儿骨肉瘤的治疗反应，开发自动化工具以替代依赖手动测量和术后组织病理学的传统方法 | 小儿骨肉瘤患者 | 数字病理学 | 骨肉瘤 | MRI | CNN | 图像 | 总计101名患者（训练集81名，外部验证集20名），对应202次MRI扫描 | NA | 3D U-Net | Spearman相关系数, Bland-Altman图, Dice系数, 准确率, 灵敏度, 特异性 | NA |
| 9911 | 2026-03-18 |
Deep Learning-Based Drug Half-Life Classification to Enhance Drug Development and Pharmacokinetics
2025-Nov, Advanced pharmaceutical bulletin
IF:3.1Q2
DOI:10.34172/apb.025.45420
PMID:41835054
|
研究论文 | 本研究提出了一种基于深度学习的药物半衰期分类方法，用于将药物分为短半衰期和长半衰期组，以支持药物开发和药代动力学研究 | 引入基于分类的方法，使用12小时阈值将药物分为短长半衰期组，相比传统回归模型，提高了临床可解释性并更好地处理药代动力学变异性 | 未在摘要中明确说明，可能包括数据集的局限性或模型对特定药物类型的泛化能力 | 预测药物半衰期以增强药物开发和药代动力学研究，改进给药策略 | 药物分子结构 | 机器学习 | NA | 分子结构处理 | CNN | 分子结构数据 | 未在摘要中指定具体样本数量 | 未在摘要中指定，可能基于常见深度学习框架如TensorFlow或PyTorch | AlexNet | 准确率, F1分数 | 未在摘要中指定 |
| 9912 | 2026-03-18 |
Multimodal pathomics and clinical features predict postresection permanent hydrocephalus in pediatric medulloblastoma
2025-Oct-31, Journal of neuro-oncology
IF:3.2Q2
DOI:10.1007/s11060-025-05263-y
PMID:41171470
|
研究论文 | 本研究利用深度学习提取的病理组学特征结合临床特征，预测儿童髓母细胞瘤术后持续性脑积水的风险 | 首次将深度学习提取的定量病理组学特征与临床特征相结合，构建多模态模型来预测儿童髓母细胞瘤术后持续性脑积水的风险，显著提高了风险分层能力 | 研究为单中心回顾性研究，样本量相对较小（90例患者），需要外部验证以确认模型的泛化能力 | 改善儿童髓母细胞瘤术后持续性脑积水的风险预测和分层 | 18岁以下接受治疗的髓母细胞瘤患者 | 数字病理学 | 髓母细胞瘤 | H&E染色 | CNN, 逻辑回归 | 图像, 临床数据 | 90例患者 | PyTorch | ResNet-18 | AUC, 平均精度 | NA |
| 9913 | 2026-03-18 |
Differential Diagnosis of Papillary Thyroid Carcinoma and Nodular Goiter With Papillary Hyperplasia Using Hyperspectral Imaging Technology
2025-Oct, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500200
PMID:40603107
|
研究论文 | 本研究评估了高光谱成像技术结合深度学习在区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生方面的应用 | 首次将高光谱成像与带自注意力机制的一维卷积神经网络结合，用于甲状腺病变的鉴别诊断，并在特定光谱区域实现了高灵敏度 | 样本量相对较小（共82个样本），且仅使用了石蜡包埋样本，未涉及新鲜组织或活体成像 | 开发一种基于高光谱成像和深度学习的快速、非侵入性方法，以准确区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生 | 石蜡包埋的甲状腺组织样本（43个PTC样本和39个NGPH样本） | 计算机视觉 | 甲状腺癌 | 高光谱成像（HSI），光谱范围400-1000 nm | CNN | 高光谱图像 | 82个石蜡包埋组织样本（43个PTC，39个NGPH） | NA | 带自注意力机制的一维卷积神经网络 | ROC曲线下面积（AUC），像素级分类准确率，灵敏度，特异性 | NA |
| 9914 | 2026-03-18 |
VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.17.599381
PMID:38948743
|
研究论文 | 本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞立体纤毛束的三维形态 | 开发了首个开源、用户友好的Napari插件套件，集成了五个深度学习模型，用于自动化处理和分析耳蜗毛细胞立体纤毛束的3D共聚焦显微镜图像，并提供了首个手动标注的3D实例分割数据集 | 未明确说明模型在更广泛数据集或不同物种上的泛化能力，也未详细讨论计算效率或对硬件资源的具体要求 | 开发一个专门工具，以促进耳蜗毛细胞立体纤毛束的高通量、定量三维形态分析 | 耳蜗毛细胞及其立体纤毛束 | 计算机视觉 | NA | 共聚焦显微镜，鬼笔环肽染色 | 深度学习模型 | 3D共聚焦显微镜图像 | 约55个3D图像堆栈，包含502个内毛细胞束和1703个外毛细胞束的3D标注 | NA | Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类工具 | NA | NA |
| 9915 | 2026-03-18 |
Your turn: At home turning angle estimation for Parkinson's disease severity assessment
2025-09, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103194
PMID:40577945
|
研究论文 | 本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转，来自动量化帕金森病患者在家庭环境中的转身角度 | 这是首个探索使用单目摄像头数据在家庭环境中量化帕金森病患者转身行为的研究，重点关注自由生活场景下的复杂挑战 | 由于在自由生活环境中难以获取精确的真实数据，研究基于临床专家的手动标注将角度量化为最近的45°区间，这可能影响精度 | 开发一种自动量化帕金森病患者转身角度的方法，以评估疾病严重程度 | 帕金森病患者和健康对照志愿者 | 计算机视觉 | 帕金森病 | 视频分析，3D骨架提取 | 深度学习 | 视频 | 24名受试者（12名帕金森病患者和12名健康对照志愿者）的1386个转身视频片段 | NA | Fastpose, Strided Transformer | 准确率, 平均绝对误差, 加权精确率 | NA |
| 9916 | 2026-03-18 |
Big data and AI: Potential and challenges for digital transformation in toxicology
2025-Sep, Environmental analysis, health and toxicology
DOI:10.5620/eaht.2025s07
PMID:41265416
|
综述 | 本文探讨了大数据和人工智能在毒理学数字化转型中的潜力与挑战，重点关注毒性数据库现状、AI方法及其在化学风险评估中的应用 | 系统整合了毒性数据库、AI方法（包括机器学习、深度学习和大型语言模型）及案例研究，并强调了解释性AI和不良结局通路框架的结合以提升模型可解释性 | 高质量同质数据集有限，AI模型的黑箱性质阻碍了监管接受度 | 推动毒理学从观察科学向预测科学转型，通过AI现代化化学风险评估 | 毒性数据库、AI方法（如机器学习和深度学习）、化学优先排序案例 | 机器学习 | NA | NA | 机器学习, 深度学习, 大型语言模型 | 大数据 | NA | NA | NA | NA | NA |
| 9917 | 2026-03-18 |
Comparison of time-series models for predicting physiological metrics under sedation
2025-06, Journal of clinical monitoring and computing
IF:2.0Q2
DOI:10.1007/s10877-024-01237-z
PMID:39470955
|
研究论文 | 本研究全面比较了多种时间序列模型在生理指标预测中的应用，重点关注麻醉深度评估中的双频指数预测 | 系统比较了传统药代动力学-药效学模型、统计模型与现代深度学习模型在双频指数预测中的性能，并探索了单变量与多变量预测方案 | NA | 评估和比较不同时间序列模型在预测手术中镇静深度关键指标双频指数的性能 | 从真实手术中收集的生理指标数据集，用于预测双频指数 | 机器学习 | NA | NA | LSTM, GRU, TCN, Transformer, ARIMA, VAR | 时间序列数据 | NA | NA | LSTM, GRU, TCN, Transformer | NA | NA |
| 9918 | 2026-03-18 |
Expert consensus document on artificial intelligence of the Italian Society of Cardiology
2025-05-01, Journal of cardiovascular medicine (Hagerstown, Md.)
DOI:10.2459/JCM.0000000000001716
PMID:40331418
|
专家共识 | 本文是意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件 | 整合了人工智能在心血管疾病诊断、预后和管理中的最新应用，并强调了其在识别患者表型和改善临床决策方面的潜力 | 算法的外部有效性无法保证，结果的可解释性存在“黑箱”问题 | 探讨人工智能在心血管疾病管理中的应用潜力和挑战 | 心血管疾病患者，包括高血压、缺血性心脏病、浸润性心肌病和心房颤动等 | 机器学习 | 心血管疾病 | 机器学习，深度学习 | 人工神经网络 | 医院数据集，心电图，超声心动图采集数据 | NA | NA | NA | 准确性 | NA |
| 9919 | 2026-03-18 |
Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients
2025-Apr-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.05.25325276
PMID:40453372
|
研究论文 | 本研究通过深度学习分析腹部手术患者术前CT影像中的身体成分，探讨了性别差异在身体成分与临床营养不良关联中的作用 | 首次使用深度学习对男性和女性腹部手术患者进行全面的身体成分评估，并分别分析其与营养不良的性别特异性关联 | 研究为单中心回顾性设计，可能受选择偏倚影响，且未考虑所有潜在混杂因素 | 评估术前影像衍生的身体成分特征与临床营养不良之间的性别特异性关联 | 接受腹部手术并进行了术前CT扫描的患者 | 数字病理学 | 营养不良 | 计算机断层扫描（CT） | 深度学习 | 医学影像（CT扫描） | 1,143名患者（52%为女性） | NA | NA | 比值比（OR）, p值 | NA |
| 9920 | 2026-03-18 |
Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking
2025-Apr-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.01.646705
PMID:40236190
|
研究论文 | 本文介绍了一种基于无标记深度学习的自动化细胞追踪方法DeepBIT，用于高通量研究细胞迁移，特别是在癌症细胞迁移中的应用 | 开发了无需荧光标记的深度学习自动化追踪方法DeepBIT，实现了高通量单细胞迁移分析，显著提高了实验效率 | 方法主要针对癌症细胞迁移，可能在其他细胞类型或疾病模型中的适用性未充分验证 | 研究细胞迁移的调控机制，特别是在癌症转移等疾病过程中的作用 | 癌症细胞迁移行为 | 计算机视觉 | 癌症 | 时间延迟视频成像，CRISPR介导的基因敲除，小分子抑制剂筛选 | 深度学习 | 视频 | 约130万追踪细胞，覆盖840种不同条件 | NA | NA | NA | NA |