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 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2026-03-22 |
Prostate MR image segmentation using a multi-stage network approach
2026-Apr, International urology and nephrology
IF:1.8Q3
DOI:10.1007/s11255-025-04763-0
PMID:40911178
|
研究论文 | 本研究利用深度学习图像分割技术，通过多阶段网络方法对前列腺T2加权MR图像进行分割，以提升前列腺癌的检测和表征能力 | 提出并比较了三种多阶段分割策略（单阶段、顺序两阶段和端到端两阶段），其中端到端方法通过共享特征表示显著提升了前列腺边界划分的准确性 | 模型仍需进一步优化，并需评估其在多样化医学影像场景中的泛化能力 | 提升前列腺癌的诊断准确性和治疗规划效率 | 前列腺T2加权磁共振图像 | 数字病理学 | 前列腺癌 | T2加权磁共振成像 | 深度学习 | 图像 | 1151名患者的61,119张T2加权MR图像 | NA | MultiResUNet | NA | NA |
| 1122 | 2026-03-22 |
The Nuclear Nephrology Artificial Intelligence Ecosystem
2026-Mar, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.11.002
PMID:41350144
|
综述 | 本文综述了人工智能在核肾脏病学领域的历史发展、当前应用及未来机遇 | 系统性地描绘了核肾脏病学中的人工智能生态系统，并展望了生成式AI、大语言模型和分割基础模型等新兴技术在该领域的应用潜力 | 人工智能工具在临床广泛应用前仍需大量开发和验证，且需考虑伦理限制和社会公正问题 | 探讨人工智能在核肾脏病学领域的应用现状、工具类型及未来发展方向 | 核肾脏病学中的各类技术和人工智能方法 | 数字病理学 | 肾脏疾病 | 动态肾闪烁显像、平面或单光子发射计算机断层扫描、正电子发射断层扫描 | 专家系统, 统计机器学习, 前馈神经网络, 卷积神经网络, 大语言模型, 扩散模型, 生成对抗网络, 视觉语言模型 | 图像 | NA | NA | NA | NA | NA |
| 1123 | 2026-03-22 |
Deep Learning-Based Virtual Elastin Staining Improves Visceral Pleural Invasion Assessment in Lung Cancer
2026-Mar, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100966
PMID:41616975
|
研究论文 | 本研究开发了一种基于深度学习的虚拟弹性蛋白染色方法，用于提高非小细胞肺癌中脏层胸膜侵犯的评估准确性 | 利用同一H&E切片中的固有伊红荧光创建完美配准的高保真地面真值，训练条件生成对抗网络，避免了多切片方法中常见的空间不匹配问题 | 未明确提及 | 提高非小细胞肺癌中脏层胸膜侵犯的诊断准确性 | 非小细胞肺癌的H&E切片 | 数字病理学 | 肺癌 | H&E染色，虚拟弹性蛋白染色 | 条件生成对抗网络 | 图像 | 多机构验证，具体样本量未明确 | NA | 条件生成对抗网络 | 诊断准确性 | NA |
| 1124 | 2026-03-22 |
Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer
2026-Feb-06, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.5c00706
PMID:41468557
|
研究论文 | 本文介绍了对Casanovo深度学习从头肽段测序器的一系列改进，旨在提升其可解释性、通用性、运行速度及用户体验 | 改进了预测肽段评分的可解释性，扩展了软件在数据库搜索中的通用性，并提供了工作流程和可视化工具以促进采用 | NA | 提高Casanovo在质谱和蛋白质组学数据中肽段测序的准确性和易用性 | 质谱和蛋白质组学数据中的肽段序列 | 机器学习 | NA | 质谱, 蛋白质组学 | 深度学习模型 | 质谱数据 | NA | NA | Casanovo | NA | NA |
| 1125 | 2026-03-22 |
Bioinspired spiking architecture enables energy constrained touch encoding
2026-01-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68858-7
PMID:41605933
|
研究论文 | 本文提出了一种结合光纤布拉格光栅电子皮肤与脉冲神经网络的模块化人工触觉系统，模拟人体体感系统的早期阶段 | 实现了高达10倍的定位超分辨率，相比现有深度学习方法提升32%的定位精度，并在神经形态芯片上展示了低功耗（亚毫瓦级）和高并行计算能力 | 未明确说明具体样本量或实验规模，可能受限于硬件实现或实际应用场景的验证范围 | 为自主系统（如机器人）开发可扩展且能量可持续的触觉感知解决方案，以促进安全人机交互和动态环境操作 | 人工触觉系统，包括光纤布拉格光栅电子皮肤和脉冲神经网络 | 机器感知 | NA | 光纤布拉格光栅传感，脉冲神经网络 | SNN | 触觉数据 | NA | NA | NA | 定位精度，超分辨率倍数 | 神经形态芯片，亚毫瓦级硬连线计算 |
| 1126 | 2026-03-22 |
Lipid Nanoparticle Database towards structure-function modeling and data-driven design for nucleic acid delivery
2026-01-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68818-1
PMID:41605942
|
研究论文 | 本文介绍了脂质纳米颗粒数据库（LNPDB）的开发，旨在整合和标准化脂质纳米颗粒的结构与功能数据，以支持数据驱动的核酸递送设计 | 创建了首个统一的脂质纳米颗粒数据库，标准化了脂质纳米颗粒的特征化，并支持分子动力学模拟和深度学习模型预测 | NA | 解决脂质纳米颗粒领域数据分散和非标准化的问题，促进脂质纳米颗粒的建模和理性设计 | 脂质纳米颗粒（LNPs） | 机器学习 | NA | 分子动力学模拟 | 深度学习模型 | 结构化数据 | 19,528个脂质纳米颗粒 | NA | NA | NA | NA |
| 1127 | 2026-03-22 |
Peptide-based drug design using generative AI
2026-Jan-13, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04998a
PMID:41376388
|
综述 | 本文综述了利用生成式人工智能进行肽基药物设计的最新进展，重点关注生成架构、相互作用建模、AI驱动的筛选和递送优化 | 整合了生成式AI（如图神经网络、Transformer和扩散模型）与肽化学创新（如环化、订书肽、非经典氨基酸和纳米颗粒制剂），以加速药物发现 | 预测生成肽序列的溶解度、免疫原性和毒性仍存在挑战，数据质量和自主药物发现是当前面临的实际困难 | 加速肽基治疗药物的设计与发现 | 肽基治疗药物 | 机器学习 | 代谢性疾病、肿瘤学 | NA | 图神经网络、Transformer、扩散模型 | 序列数据、化学结构数据 | NA | NA | NA | NA | NA |
| 1128 | 2026-03-22 |
A Dual-stage Deep Learning Framework for Breast Ultrasound Image Segmentation and Classification
2025-Nov-18, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02298-6
PMID:41249662
|
研究论文 | 本文提出了一种用于乳腺超声图像分割与分类的双阶段深度学习框架 | 提出了一种模块化的双阶段流程，可灵活集成不同的骨干网络架构以适应特定任务或数据集需求 | 未明确说明模型在临床环境中的泛化能力及外部验证结果 | 探索深度学习技术在乳腺超声图像分割与分类中的应用，以支持乳腺癌诊断 | 乳腺超声图像中的肿块区域 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 两个乳腺超声数据集（具体样本数量未说明） | 未明确说明 | DeepLabV3+, ResNet34, MobileNetV3-Small, EfficientNet-B0 | 诊断准确率 | NA |
| 1129 | 2026-03-22 |
A prognostic index integrating deep learning baseline PET/CT biomarkers and multi-omics profiling in diffuse large B cell lymphoma
2025-Nov-18, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102452
PMID:41260205
|
研究论文 | 本研究通过整合深度学习基线PET/CT生物标志物与多组学分析，开发了一个用于弥漫性大B细胞淋巴瘤的预后指数模型 | 结合nnUNet深度学习框架分析PET/CT扫描，并整合DNA和RNA测序数据，开发了ClinicalPET LymphPlex模型，有效区分不同治疗下的患者预后 | 研究依赖于特定数据集（AutoPET公共和内部数据集），可能限制了模型的泛化能力 | 提高弥漫性大B细胞淋巴瘤的预后精度并推进个性化治疗 | 1,024名新诊断的弥漫性大B细胞淋巴瘤患者 | 数字病理学 | 淋巴瘤 | PET/CT扫描, DNA测序, RNA测序 | 深度学习 | 图像, 基因组数据 | 1,024名患者 | nnUNet | nnUNet | 预后价值评估 | NA |
| 1130 | 2026-03-22 |
Massively parallel characterization of non-coding de novo mutations in autism spectrum disorder
2025-10, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2025.07.008
PMID:40738258
|
研究论文 | 本研究通过整合皮层细胞特异性顺式调控元件注释、深度学习变异预测模型和大规模并行报告基因检测，系统评估了自闭症谱系障碍中非编码区新生突变的功能影响 | 首次大规模并行表征自闭症谱系障碍中的非编码区新生突变，并发现下调调控突变与自闭症风险显著相关，鉴定出42个潜在的自闭症风险突变 | 研究主要基于Simons Simplex Collection和MSSNG队列数据，可能未涵盖所有人群变异；功能验证主要依赖报告基因检测，体内功能需要进一步验证 | 阐明非编码区新生突变在自闭症谱系障碍发病机制中的功能作用和分子机制 | 自闭症谱系障碍患者的非编码区新生突变 | 计算生物学 | 自闭症谱系障碍 | 大规模并行报告基因检测，深度学习变异预测 | 深度学习模型 | 基因组变异数据，调控元件注释数据 | 来自Simons Simplex Collection和Autism Speaks MSSNG资源的227,878个非编码区新生突变 | NA | NA | 比值比，P值 | NA |
| 1131 | 2026-03-22 |
RETRACTED ARTICLE: Enhancing communication for people with hearing disabilities through robust sign language recognition using deep learning and the internet of things
2025-Sep-24, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2562454
PMID:40990717
|
撤稿文章 | 该文章已被撤稿，原计划研究利用深度学习和物联网技术增强听障人士手语识别的通信辅助技术 | NA | 文章因同行评审过程不合规而被撤稿，其科学性和可靠性无法得到保证 | 通过稳健的手语识别技术改善听障人士的沟通能力 | 听障人士 | 计算机视觉 | 听力障碍 | 深度学习, 物联网 | 深度学习模型 | 手势/图像数据 | NA | NA | NA | NA | NA |
| 1132 | 2026-03-22 |
ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction
2025-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01336-y
PMID:39586913
|
研究论文 | 本文介绍了一种名为ViViEchoformer的深度学习模型，用于从超声心动图视频中直接回归预测射血分数 | 提出了一种基于视频视觉变换器的深度学习模型，能够直接从超声心动图视频中提取时空信息并准确预测射血分数 | NA | 开发一种自动、准确的射血分数预测方法，以辅助人类评估和分析 | 超声心动图视频 | 计算机视觉 | 心血管疾病 | 超声心动图 | Transformer | 视频 | 10,030个心尖四腔超声心动图视频 | NA | 视频视觉变换器 | 平均绝对误差, 均方根误差, 均方对数误差, 曲线下面积, 分类准确率 | NA |
| 1133 | 2026-03-22 |
Optimised Hybrid Attention-Based Capsule Network Integrated Three-Pathway Network for Chronic Disease Detection in Retinal Images
2025-06, Journal of evaluation in clinical practice
IF:2.1Q2
DOI:10.1111/jep.70126
PMID:40415584
|
研究论文 | 提出一种基于优化混合注意力胶囊网络与三通路网络集成的深度学习系统，用于从视网膜图像中检测慢性疾病 | 提出了一种结合Inception-V3、ResNet-152和卷积视觉Transformer（Conv-ViT）的三通路特征提取网络，并集成了优化的混合注意力胶囊网络作为分类器，通过优化策略提升了分类性能 | 未在摘要中明确说明 | 开发一种优化的深度学习系统，用于从视网膜图像中检测慢性疾病，并解决现有方法存在的过拟合、计算成本高等问题 | 视网膜图像 | 计算机视觉 | 慢性疾病 | 图像预处理（归一化、HSI颜色转换）、深度学习 | CNN, Transformer, Capsule Network | 图像 | 使用Diabetic Retinopathy 224×224 (2019 Data)和APTOS-2019两个数据集 | 未在摘要中明确说明 | Inception-V3, ResNet-152, Convolutional Vision Transformer (Conv-ViT), Hybrid Attention-based Capsule Network | 准确率 | 未在摘要中明确说明 |
| 1134 | 2026-03-22 |
KanCell: dissecting cellular heterogeneity in biological tissues through integrated single-cell and spatial transcriptomics
2025-05, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2024.11.009
PMID:39577768
|
研究论文 | KanCell是一种基于Kolmogorov-Arnold网络（KAN）的深度学习模型，旨在通过整合单细胞RNA测序和空间转录组学数据来增强细胞异质性分析 | 利用KAN有效捕获非线性关系并优化计算效率，在多种真实和模拟数据集上超越现有方法 | NA | 增强细胞异质性分析，揭示疾病微环境并识别治疗靶点 | 人类淋巴结、心脏、黑色素瘤、乳腺癌、背外侧前额叶皮层及小鼠胚胎大脑等生物组织 | 数字病理学 | 黑色素瘤, 乳腺癌 | 单细胞RNA测序, 空间转录组学 | 深度学习模型 | 基因表达数据 | NA | NA | Kolmogorov-Arnold网络（KAN） | PCC, SSIM, COSSIM, RMSE, JSD, ARS, ROC | NA |
| 1135 | 2026-03-22 |
Machine Learning and Deep Learning in Detection of Neonatal Seizures: A Systematic Review
2025-04, Journal of evaluation in clinical practice
IF:2.1Q2
DOI:10.1111/jep.70083
PMID:40189779
|
系统综述 | 本文系统综述了机器学习和深度学习在新生儿癫痫检测中的应用 | 首次系统性地总结和评估了ML和DL模型在新生儿癫痫检测中的性能，强调了卷积神经网络（CNN）在早期检测中的高效能 | 纳入的研究数量有限（仅10项），且研究间存在异质性，可能影响结论的普适性 | 研究机器学习和深度学习对新生儿癫痫检测的效果 | 新生儿癫痫的检测 | 机器学习 | 新生儿癫痫 | 脑电图（EEG）信号分析 | CNN | 时间序列数据（EEG信号） | 最少17名，最多258名新生儿，共1389次癫痫发作，平均834小时EEG数据 | NA | 卷积神经网络 | AUC, 灵敏度, 特异性 | NA |
| 1136 | 2026-03-22 |
De novo design of Ras isoform selective binders
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610300
PMID:39975043
|
研究论文 | 本研究利用深度学习设计针对Ras蛋白异构体的选择性结合剂，以特异性靶向其C末端 | 首次应用深度学习方法设计出针对所有主要Ras异构体的特异性结合剂，解决了传统方法难以针对其无序且高电荷C末端产生抗体的难题 | 未明确说明结合剂在体内环境下的长期稳定性及潜在免疫原性问题 | 开发能够特异性识别不同Ras蛋白异构体的结合工具，以研究其在癌症中的不同作用 | Ras蛋白的四种主要异构体（KRAS4A、KRAS4B、HRAS、NRAS） | 机器学习 | 癌症 | 深度学习 | NA | 蛋白质序列数据 | 针对四种Ras异构体的设计研究 | NA | NA | 结合特异性、膜定位干扰效果、Ras活性抑制能力 | NA |
| 1137 | 2026-03-22 |
SpaGRA: Graph augmentation facilitates domain identification for spatially resolved transcriptomics
2025-01, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2024.09.015
PMID:39362628
|
研究论文 | 提出一种基于图增强的新方法SpaGRA，用于空间分辨转录组学中的自动多关系构建和空间域识别 | 引入图增强技术，动态调整边权重，利用多头图注意力网络揭示多样节点关系，并构建多视图关系以解决随机选择带来的采样偏差 | 未明确说明方法在超大规模数据集上的计算效率或对特定组织类型的泛化能力限制 | 改进空间分辨转录组学中的空间域识别任务，通过多关系构建提升准确性 | 空间分辨转录组学数据，包括小鼠下丘脑、小鼠胚胎和Visium HD数据中的细胞或点 | 计算生物学 | NA | 空间分辨转录组学 | GAT | 空间转录组数据 | 多个数据集，具体样本数量未明确说明 | NA | 多头图注意力网络 | 空间域识别性能，具体指标未明确说明 | NA |
| 1138 | 2026-03-22 |
Multimodal deep learning radiomics model for predicting postoperative progression in solid stage I non-small cell lung cancer
2024-Oct-17, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-024-00783-8
PMID:39420411
|
研究论文 | 本研究开发了一种多模态深度学习放射组学模型，用于预测实性I期非小细胞肺癌患者术后进展风险 | 结合临床病理特征、主观CT发现和深度学习特征构建多模态模型，并采用迁移学习策略训练ResNet18模型提取特征 | 研究为回顾性设计，样本量有限，且仅包含两个医疗中心的数据，可能存在选择偏倚 | 探索多模态深度学习放射组学模型在预测实性I期非小细胞肺癌术后进展风险中的应用价值 | 经组织学确认的实性I期非小细胞肺癌患者 | 数字病理 | 肺癌 | CT成像 | 深度学习 | 图像 | 459例患者作为训练集，104例患者作为外部验证队列 | NA | ResNet18 | AUC | NA |
| 1139 | 2026-03-22 |
Deep Learning Resolves Myovascular Dynamics in the Failing Human Heart
2024-May, JACC. Basic to translational science
DOI:10.1016/j.jacbts.2024.02.007
PMID:38984052
|
研究论文 | 本文介绍了一种名为CardioCount的深度学习管道，用于精确量化人类心脏显微图像中的细胞核，并揭示了成年人类心脏中心肌细胞与内皮细胞的耦合生长关系 | 开发了CardioCount这一新的深度学习管道，首次大规模应用于368,434张人类显微图像，发现了成年人类心脏中心肌细胞与内皮细胞的耦合生长，以及终末期心力衰竭中血管稀疏与心肌肥大的相互关联 | 未明确说明模型在多样化数据集上的泛化能力或计算资源需求的具体限制 | 通过深度学习量化人类心脏显微图像中的细胞核，以研究心脏细胞动力学和心力衰竭的病理机制 | 人类心脏的显微图像，特别是心肌细胞和心脏内皮细胞 | 数字病理学 | 心血管疾病 | 显微镜成像 | 深度学习模型 | 图像 | 368,434张人类显微图像 | 未指定，但提及可通过GitHub和Google Colab访问 | 未指定具体架构 | 未明确说明 | Google Colab（面向机器学习经验有限的用户） |
| 1140 | 2026-03-22 |
Magnetic Resonance Spectroscopy Spectral Registration Using Deep Learning
2024-03, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28868
PMID:37401726
|
研究论文 | 本文提出了一种基于卷积神经网络的磁共振波谱配准方法，用于单个体素MEGA-PRESS MRS数据的同步频率和相位校正 | 首次将深度学习应用于磁共振波谱配准，实现了同步频率和相位校正，填补了该领域深度学习方法的空白 | 研究主要基于模拟数据集和有限的体内数据，需要更多真实世界数据验证其泛化能力 | 开发一种高效准确的磁共振波谱配准方法，用于MRS数据的频率和相位校正 | 单个体素MEGA-PRESS磁共振波谱数据 | 医学影像分析 | NA | 磁共振波谱，MEGA-PRESS序列 | CNN | 波谱数据 | 40,000个模拟MEGA-PRESS数据集和101个体内MEGA-PRESS内侧顶叶数据 | NA | CNN-SR | 频率偏移平均绝对误差，相位偏移平均绝对误差，胆碱区间方差 | NA |