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 39616 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2026-01-28 |
Contrast-enhanced CT-based radiomics for predicting visceral pleural invasion in early-stage non-small cell lung cancer
2026-Jan-26, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02184-2
PMID:41586985
|
研究论文 | 本研究开发了一种基于增强CT的影像组学模型，用于术前预测早期非小细胞肺癌的脏层胸膜侵犯 | 结合增强CT特征与影像组学特征构建联合模型，用于术前预测早期非小细胞肺癌的脏层胸膜侵犯，相比传统CT特征模型有更好的预测性能 | 研究为回顾性设计，样本量有限，且分割过程为半自动，可能引入人为偏差 | 术前预测早期非小细胞肺癌的脏层胸膜侵犯，以指导治疗决策 | 早期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 增强CT | 影像组学模型 | CT图像 | 523例手术切除的非小细胞肺癌患者 | NA | NA | AUC | NA |
| 1022 | 2026-01-28 |
Privacy-Preserving Collaborative Diabetes Prediction in Heterogeneous Health Care Systems: Algorithm Development and Validation of a Secure Federated Ensemble Framework
2026-Jan-26, JMIR diabetes
DOI:10.2196/79166
PMID:41587070
|
研究论文 | 本文开发了一个名为FedEnTrust的安全、可扩展且保护隐私的联邦集成学习框架，用于糖尿病预测，结合了联邦学习、集成建模、基于区块链的访问控制和知识蒸馏技术 | 提出FedEnTrust框架，通过集成联邦学习、自适应加权投票的软标签聚合、基于区块链的智能合约访问控制以及根据本地计算能力分配模型架构，以处理数据异构性、非独立同分布和计算能力差异，同时增强隐私、安全性和信任 | 研究仅基于PIMA印第安人糖尿病数据集进行评估，未在更广泛或真实世界的多机构临床数据上进行验证，且区块链延迟和gas成本可能在实际大规模部署中面临挑战 | 开发一个安全、可扩展且保护隐私的框架，用于在异构医疗系统中进行糖尿病预测 | 医疗系统中的异构参与者，包括医院、诊所和可穿戴设备，产生非独立同分布数据 | 机器学习 | 糖尿病 | 联邦学习、集成建模、知识蒸馏、区块链智能合约 | 集成模型 | 医疗数据 | PIMA印第安人糖尿病数据集 | NA | NA | 准确率、精确率、召回率、F1分数 | NA |
| 1023 | 2026-01-28 |
Neuron Segment Connectivity Prediction with Multimodal Features for Connectomics
2026-Jan-26, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3658169
PMID:41587252
|
研究论文 | 本文提出了一种基于多模态特征的神经元片段连接预测方法，用于自动校对大规模电子显微镜数据集中的神经元分割 | 设计了一种结合全局3D形态特征和高分辨率局部图像上下文的连接点检测网络，并采用基于提议的图像特征采样来高效融合多尺度多模态特征 | 未明确提及方法在处理极复杂神经元形态或超大规模数据集时的计算效率限制 | 开发自动神经元校对流程，以改进大规模电子显微镜数据中的神经元分割和连接组分析 | 电子显微镜数据集中的神经元片段 | 计算机视觉 | NA | 电子显微镜成像 | 深度学习网络 | 3D图像 | NA | NA | 连接点检测网络, 连接性预测网络 | NA | NA |
| 1024 | 2026-01-28 |
Letter to the editor: Deep learning and digital pathology for HCC prediction in steatotic liver disease
2026-Jan-26, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001696
PMID:41587349
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1025 | 2026-01-28 |
Leveraging medical imaging and deep learning for diagnosis of breast cancer using histopathological images
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37663-z
PMID:41588052
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1026 | 2026-01-28 |
Xeno-learning: knowledge transfer across species in deep learning-based spectral image analysis
2026-Jan-26, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-025-01585-4
PMID:41588072
|
研究论文 | 本文提出了一种名为'异种学习'的跨物种知识迁移概念，用于解决临床手术成像中深度学习模型训练数据不足的问题 | 引入'异种学习'概念，通过'基于生理学的数据增强'方法，将动物模型中学到的病理或手术操作相关光谱变化迁移到人类应用 | 未明确说明模型在人类数据上的具体性能表现或泛化能力的定量评估 | 解决临床手术成像中因缺乏大规模代表性数据而导致的深度学习模型训练难题 | 人类、猪和大鼠模型的光谱图像数据 | 计算机视觉 | NA | 高光谱成像 | 深度学习 | 图像 | 14,013张高光谱图像 | NA | NA | NA | NA |
| 1027 | 2026-01-28 |
Trimester-aware yoga video recommendation using hybrid deep learning for pregnant woman
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37149-y
PMID:41588129
|
研究论文 | 本研究提出了一种基于混合深度学习的孕期瑜伽视频推荐框架，该框架能够根据孕妇所处的孕周阶段提供安全、个性化的瑜伽练习建议 | 引入了两个关键创新：一是基于孕周加权的Wasserstein相似度机制，用于在特定孕周安全约束下自适应对齐用户和视频嵌入；二是安全感知的有向图卷积关系神经网络，能够在推荐图中传播健康状况与孕周关系 | 未提及研究的具体局限性 | 为孕妇提供安全、个性化的孕期瑜伽视频推荐 | 孕妇 | 自然语言处理,计算机视觉 | NA | 多模态文本-视频分析,生理安全推理 | 混合深度学习,图卷积神经网络 | 文本,视频 | 未明确说明 | 未明确说明 | GCRNN | 准确率,孕周特定安全合规率 | 未明确说明 |
| 1028 | 2026-01-28 |
Automated weed segmentation with knowledge based labeling for machine learning applications
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37475-1
PMID:41588159
|
研究论文 | 本研究开发并评估了一种基于eCognition的自动特征标记工作流，用于无人机RGB影像中的杂草分割，以支持机器学习应用 | 提出了一种无需人工训练标签的自动化工作流，结合多种空间算法和植被指数，实现了杂草与作物的有效分离，加速了机器学习数据集的创建 | 工作流在不同田间、日期和实验条件下的可转移性有待进一步改进 | 开发自动化特征标记工作流，以支持精准农业中的杂草检测和机器学习应用 | 无人机获取的高分辨率RGB影像，包含小麦行间种植的杂草（如地肤、野燕麦、野芥菜和假猪殃殃） | 计算机视觉 | NA | 无人机RGB影像采集，植被指数分析（如植被颜色指数和过量绿色指数） | NA | 图像 | 约2000平方米的研究田块，使用高分辨率影像（0.088厘米） | eCognition (v9.5) | NA | 总体准确率，Kappa系数 | NA |
| 1029 | 2026-01-28 |
Generating Training Data for Ureter Segmentation Using Dual-Energy CT Two-Material Decomposition
2026-Jan-26, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01847-w
PMID:41588287
|
研究论文 | 本研究评估了基于双能CT双物质分解技术在生成输尿管分割训练数据中的效用 | 利用双能CT双物质分解技术从增强图像生成虚拟平扫图像，以创建用于输尿管分割的训练数据，这是一种创新的数据生成方法 | 外部验证数据集的性能有限，表明模型泛化能力有待提高 | 评估双能CT双物质分解技术生成输尿管分割训练数据的可行性 | 接受双能CT尿路造影的180名患者 | 数字病理学 | 泌尿系统疾病 | 双能CT，双物质分解技术 | 深度学习分割模型 | CT图像 | 180名患者（150名来自机构1，30名来自机构2） | nnU-Net | U-Net | Dice系数，精确度，召回率 | NA |
| 1030 | 2026-01-28 |
The sarcopenia artificial intelligence diagnostic decision support system (SAID DSS) - a multimodal deep learning model
2026-Jan-26, BMC geriatrics
IF:3.4Q2
DOI:10.1186/s12877-026-07005-9
PMID:41588346
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1031 | 2026-01-28 |
Aegis: a transformer-based deep learning framework for the accurate identification of anticancer peptides
2026-Jan-26, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-026-02520-y
PMID:41588397
|
研究论文 | 本文介绍了一种基于Transformer的深度学习框架Aegis，用于精确识别抗癌肽 | 提出了一种新颖的基于Transformer的深度学习框架Aegis，通过综合特征重要性分析和增量特征选择，确定了最优特征子集，在独立测试数据集上实现了最先进的性能 | 未明确提及具体局限性 | 开发一种计算框架以准确识别抗癌肽，为抗癌肽的计算筛选和临床开发奠定基础 | 抗癌肽序列 | 自然语言处理 | 癌症 | 特征提取方法包括CKSAAP、CTDC、CTDT、CTDD和PAAC | Transformer | 序列数据 | NA | NA | Transformer | NA | NA |
| 1032 | 2026-01-28 |
Aligned cross-modal integration and regulatory heterogeneity characterization of single-cell multiomic data with deep contrastive learning
2026-Jan-26, Genome medicine
IF:10.4Q1
DOI:10.1186/s13073-025-01586-7
PMID:41588477
|
研究论文 | 本文提出了一种基于对比学习的单细胞多组学深度学习模型（scMDCF），用于高效整合和表征单细胞多组学数据 | 开发了跨模态对比学习模块和特征融合模块，以协调不同组学类型的数据表示，同时保留生物异质性 | 未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制 | 解决单细胞多组学数据整合中的挑战，以更好地理解细胞功能和相互作用 | 单细胞多组学数据，包括SNARE-seq、CITE-seq、BNT162b2 mRNA SARS-CoV-2疫苗接种后数据集和阿尔茨海默病特异性数据 | 机器学习 | 阿尔茨海默病 | 单细胞多组学技术（scMulti-omics），包括SNARE-seq、CITE-seq | 深度学习模型，基于对比学习 | 单细胞多组学数据 | NA | NA | scMDCF（单细胞多组学深度学习模型） | 聚类性能，批次效应缓解 | NA |
| 1033 | 2026-01-28 |
Advancing the modernization of traditional Chinese medicine through artificial intelligence and multimodal data integration
2026-Jan-26, Chinese medicine
IF:5.3Q1
DOI:10.1186/s13020-025-01194-y
PMID:41588523
|
综述 | 本文综述了人工智能技术如何通过整合多模态数据，推动中医药现代化进程 | 系统性地从多尺度数据、研发、诊疗及大语言模型四个维度，全面回顾了AI在中医药现代化中的应用进展，强调了AI在数据驱动复杂系统、基础科学研究和精准医学中的前沿应用 | NA | 探讨人工智能技术如何促进中医药的现代化发展 | 中医药领域的多模态数据、研发过程、诊断与治疗实践 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 知识图谱, 自然语言处理, 大语言模型 | NA | 多模态数据 | NA | NA | NA | NA | NA |
| 1034 | 2026-01-28 |
FibroTrack: a standalone deep learning platform for automated fibrosis quantification in muscle and cardiac histology
2026-Jan-26, Skeletal muscle
IF:5.3Q2
DOI:10.1186/s13395-026-00415-8
PMID:41588534
|
研究论文 | 本文介绍了一个名为FibroTrack的独立深度学习平台，用于自动化定量分析肌肉和心脏组织学中的纤维化 | 首次将LAB色彩空间归一化与YOLOv11分割模型集成于一个具有图形用户界面的独立平台中，用于多染色类型的纤维化分析 | 未明确提及模型在不同染色批次或实验室间的泛化能力验证 | 开发一个自动化、高精度且可重复的纤维化定量分析工具，以克服现有手动和半自动化方法的局限性 | 肌肉和心脏组织学图像 | 数字病理学 | 心血管疾病 | Sirius Red染色、Masson's Trichrome染色、免疫组织化学染色 | CNN | 图像 | 2034张组织学图像 | NA | YOLOv11 | 掩膜精度, Spearman相关系数 | NA |
| 1035 | 2026-01-28 |
Role of a Deep-Learning Based Convolutional Neural Network Model for Real-Time Ventricular Tachycardia Alarm Classification
2026-Jan-26, Journal of cardiovascular electrophysiology
IF:2.3Q2
DOI:10.1111/jce.70271
PMID:41588600
|
研究论文 | 本研究开发了一种基于一维卷积神经网络的深度学习模型，用于实时分类心室心动过速警报，以减少ICU中的误报 | 利用多通道原始波形数据（包括ECG、PPG和ABP信号）和短时波形段，构建了一个高效的1D-CNN模型，显著降低了心室心动过速警报的误报率 | 模型性能依赖于公开数据集，可能未涵盖所有临床场景；且仅使用了警报前10秒的数据段，可能忽略了更长时间范围内的信息 | 开发一个能够准确区分真假心室心动过速警报的实时分类系统，以减轻ICU中的警报疲劳问题 | 心室心动过速警报信号，包括心电图、光电容积脉搏波和动脉血压波形 | 机器学习 | 心血管疾病 | 心电图监测，光电容积脉搏波监测，动脉血压监测 | CNN | 波形信号 | 使用公开的VTaC心律失常基准数据集，具体样本数量未在摘要中明确说明 | NA | 一维卷积神经网络 | AUC, 准确率, F1分数, 灵敏度, 特异度, 阳性预测值 | NA |
| 1036 | 2026-01-28 |
Comparing the accuracy of artificial intelligence models to detect alcohol in video images
2026-Jan-26, Addiction (Abingdon, England)
DOI:10.1111/add.70337
PMID:41588658
|
研究论文 | 本研究比较了三种人工智能模型在视频图像中检测酒精存在的准确性 | 首次系统比较了监督深度学习模型与零样本学习模型在复杂视频场景中检测酒精图像的准确性 | 研究仅针对特定数据集进行评估，未在更广泛的视频类型或实时流媒体中进行验证 | 评估人工智能模型在视频图像中检测酒精内容的准确性和效率 | 视频帧图像中的酒精视觉内容 | 计算机视觉 | NA | 视频图像分析 | 深度学习, 零样本学习 | 图像 | 三个数据集：Google/Bing图像集、电影帧数据集、酒精相关场景电影帧数据集 | NA | ABIDLA2, CLIP, LLaVA | 准确率, 未加权平均召回率, F1分数 | NA |
| 1037 | 2026-01-28 |
Integrating artificial intelligence (AI) into colorectal cancer reporting
2026-Jan-26, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.70029
PMID:41588707
|
综述 | 本文综述了人工智能在结直肠癌病理报告标准化及新型预后生物标志物发现中的应用进展 | 提出了结合传统病理特征与AI衍生预后指标的协调方法，以优化风险评估并改善患者预后 | NA | 探讨人工智能如何促进结直肠癌病理报告的标准化及新型预后生物标志物的识别 | 结直肠癌的病理报告和预后生物标志物 | 数字病理学 | 结直肠癌 | 深度学习 | 深度学习模型 | 全切片图像 | NA | NA | 多模态模型, 视觉语言模型 | NA | NA |
| 1038 | 2026-01-28 |
Hierarchical image pyramid transformer framework for automated breast cancer molecular subtyping using tissue microarrays
2026-Jan-26, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.70028
PMID:41588712
|
研究论文 | 提出了一种名为PBC-HIPT的新型深度学习框架，用于从标准H&E染色图像中自动进行乳腺癌分子分型 | 开发了一种基于多级Transformer的架构，能够从细胞到组织尺度分层聚合组织病理学特征，以捕获高分辨率图像中的多尺度形态特征和长程依赖关系 | 模型在组织微阵列（TMA）上表现出稳健的模态内泛化能力，但在全切片图像（WSI）的跨模态验证中性能下降 | 解决乳腺癌在分子和组织学水平的异质性带来的诊断和治疗挑战，实现从H&E染色图像中自动、准确的分子分型和生物标志物评估 | 乳腺癌组织微阵列（TMA）和全切片图像（WSI） | 数字病理学 | 乳腺癌 | H&E染色，免疫组织化学（用于比较） | Transformer | 图像 | 252例TMA病例和46张独立的全切片图像（WSI） | NA | Hierarchical Image Pyramid Transformer (HIPT) | 准确率，曲线下面积（AUC） | NA |
| 1039 | 2026-01-28 |
Enhanced MesoNet-based deepfake detection using deep learning: A robust framework for multimedia forensics
2026-Jan-26, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70275
PMID:41588812
|
研究论文 | 本研究提出了一种基于增强版MesoNet卷积神经网络的深度伪造检测框架，用于识别被篡改的图像和视频 | 在原始MesoNet架构基础上增加了两个卷积层，显著提升了检测性能，并开发了结合React前端和Flask后端的实时检测系统 | 未明确说明模型在不同类型深度伪造技术（如换脸、语音合成等）上的泛化能力，也未提及对对抗性攻击的鲁棒性 | 开发一个鲁棒且可扩展的深度伪造检测框架，以应对人工智能生成的虚假多媒体内容对数字内容真实性和公众信任的威胁 | 被深度伪造技术篡改的图像和视频 | 计算机视觉 | NA | 深度学习 | CNN | 图像, 视频 | NA | NA | MesoNet | 准确率, 精确率, 召回率, F1分数, 马修斯相关系数 | NA |
| 1040 | 2026-01-28 |
Artificial Intelligence Models Integrating Preoperative Prostate MRI and Clinical Parameters for Predicting Extraprostatic Extension: A Systematic Review and Meta-Analysis
2026-Jan-26, Journal of surgical oncology
IF:2.0Q2
DOI:10.1002/jso.70167
PMID:41588994
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了整合术前前列腺MRI图像和临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能 | 系统性地评估了整合放射组学特征与临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能，并比较了深度学习与传统机器学习算法的表现 | 研究间存在异质性，主要源于MRI协议、分割方法和建模方法的差异，且深度学习与传统机器学习算法间的性能差异无统计学显著性 | 评估整合术前前列腺MRI和临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 多参数MRI（如T2加权成像、弥散加权成像） | 深度学习, 传统机器学习 | 图像, 临床参数 | 14项研究，共涉及2131名患者 | NA | NA | 灵敏度, 特异度, 曲线下面积, 诊断比值比 | NA |