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 40284 篇文献，本页显示第 1221 - 1240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1221 | 2026-02-06 |
Topology-aware multiclass segmentation of the Circle of Willis from MRA and CTA images
2026-Feb-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111516
PMID:41637822
|
研究论文 | 提出一种用于磁共振血管造影和计算机断层扫描血管造影图像中Willis环多类别分割的深度学习框架，重点关注拓扑准确性和分割精度 | 提出一种结合nnUNet模型和无需额外训练的后处理块的深度学习框架，专门针对Willis环多类别分割任务，在公开数据集上实现了高精度分割 | 未明确说明模型在更广泛临床数据上的泛化能力，后处理块可能增加计算复杂度 | 实现Willis环血管的拓扑准确多类别分割，以评估其血管结构和变异作为神经血管病理学生物标志物 | Willis环血管网络（13个可能类别） | 数字病理学 | 神经血管疾病 | 磁共振血管造影，计算机断层扫描血管造影 | CNN | 图像 | 使用TopCoW 2024公开数据集（MRA和CTA）进行训练和验证，并在隐藏测试集及CROWN 2023挑战数据集独立子集上评估 | PyTorch | nnUNet | Dice系数，中心线Dice系数 | NA |
| 1222 | 2026-02-06 |
Multiplex live imaging approaches to interrogate the interplay of multiple signaling pathways
2026-Feb-03, Cell structure and function
IF:2.0Q4
DOI:10.1247/csf.25129
PMID:41638680
|
综述 | 本文综述了多重活体成像技术在同时可视化活细胞中多个信号通路方面的策略与应用，特别是在癌症生物学中揭示信号异质性和动态变化 | 整合了光谱多重、细胞内多重、细胞间多重和时间多重等多种成像策略，并结合计算方法和深度学习算法提升信号分离能力，实现对单细胞水平多信号通路的同时动态追踪 | 未具体说明实验验证的样本规模或临床转化中的实际限制，主要聚焦于技术综述而非实证研究 | 探讨多重活体成像技术在研究细胞信号网络动态交互中的应用，以理解癌症等疾病中的信号通路调控 | 活细胞中的信号通路，特别是癌症信号网络 | 生物成像与计算分析 | 癌症 | 多重活体成像、荧光生物传感器、光谱成像、荧光各向异性、荧光寿命成像、拉曼成像 | 深度学习算法 | 活细胞成像数据 | NA | NA | NA | NA | NA |
| 1223 | 2026-02-06 |
Multiple paths to recovery after the Permian-Triassic mass extinction
2026-Feb-02, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2025.11.065
PMID:41512851
|
研究论文 | 本研究使用基于深度学习的方法，结合定量分类多样性测量，分析了二叠纪-三叠纪大灭绝事件后三个幸存类群的形态和分类恢复模式 | 首次结合深度学习自动提取形态特征与定量分类多样性测量，揭示了大灭绝后生物恢复的两种主要路径：填补模式和扩张模式 | 研究聚焦于三个海洋无脊椎动物类群，可能无法完全代表所有幸存类群的恢复模式 | 探究大灭绝事件后幸存谱系如何重建多样性 | 菊石、腕足动物和介形虫三个在二叠纪-三叠纪大灭绝事件中经历选择性灭绝的类群 | 古生物学 | NA | 深度学习 | NA | 形态特征数据 | NA | NA | NA | NA | NA |
| 1224 | 2026-02-06 |
Cardiovascular measures from abdominal MRI provide insights into abdominal vessel genetic architecture
2026-Feb-02, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01242-6
PMID:41629584
|
研究论文 | 本研究利用深度学习从腹部MRI中分割心脏、主动脉和腔静脉，生成六个图像衍生表型，并探索其与疾病结果、遗传和环境因素的关联 | 首次从非特异性腹部MRI中提取心血管表型，并识别出72个遗传关联（其中15个为新发现），为心血管疾病风险筛查提供了新见解 | 研究基于UK Biobank队列，可能受人群特异性限制，且腹部MRI非专门心血管成像，可能影响测量精度 | 探索腹部MRI衍生心血管表型与疾病风险及遗传架构的关联 | 44,541名UK Biobank参与者的腹部MRI扫描 | 数字病理学 | 心血管疾病 | 腹部磁共振成像 | 深度学习 | 图像 | 44,541名参与者 | NA | NA | NA | NA |
| 1225 | 2026-02-06 |
Tropical dry forest land use/land cover change detection using semi-supervised deep learning algorithms and remote sensing
2026-Feb-02, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14897-4
PMID:41627523
|
研究论文 | 本文提出了一种新颖的半监督深度学习框架，用于热带干旱森林的土地利用/土地覆盖变化检测，结合合成孔径雷达和光学卫星影像 | 结合无监督伪标签和自定义Y-Net架构融合光学与雷达影像，在有限标记数据下实现准确变化检测 | NA | 开发半监督深度学习框架用于热带干旱森林的土地利用/土地覆盖变化检测 | 热带干旱森林的土地利用/土地覆盖变化 | 计算机视觉 | NA | 遥感，合成孔径雷达，光学卫星影像 | 深度学习 | 卫星影像 | NA | NA | Y-Net, U-Net, PSPNet | 平均总体准确率，平均交并比 | NA |
| 1226 | 2026-02-06 |
Object Detection, Recognition, Deep Learning, and the Universal Law of Generalization
2026-Feb-02, Neural computation
IF:2.7Q3
DOI:10.1162/NECO.a.1483
PMID:41637719
|
研究论文 | 本文通过训练深度神经网络分析自然伪装图像，探讨了物体检测与识别中泛化过程的普遍规律，并扩展了通用泛化定律 | 将通用泛化定律扩展到现实学习场景，使用自然伪装图像验证泛化内部表示主要由生态环境属性塑造，而非特定系统细节 | 未明确说明模型的具体架构细节和训练数据规模，可能限制结果的普适性验证 | 研究物体检测与识别中泛化过程的普遍原则，验证内部表示是否反映环境属性 | 自然图像中的“清晰”和“伪装”动物 | 计算机视觉 | NA | 深度神经网络训练 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 1227 | 2026-02-06 |
General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospecstive-Prospective Diagnostic Concordance Study
2026-Feb-02, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2026.106077
PMID:41638432
|
研究论文 | 本研究探讨了基于深度学习的虚拟染色技术如何提升供体肾脏评估的准确性，特别是针对间质纤维化和慢性病变 | 利用CycleGAN模型将H&E图像转换为虚拟Masson三色染色，使普通病理学家在肾脏间质纤维化评估中达到接近专科病理学家的诊断性能 | 研究为回顾性-前瞻性设计，样本量有限（187张全切片图像用于开发验证，46张冰冻切片用于前瞻性验证），且仅针对供体肾脏评估 | 评估人工智能虚拟染色技术在提升供体肾脏质量评估准确性方面的应用价值 | 供体肾脏组织切片 | 数字病理学 | 肾脏疾病 | H&E染色, Masson三色染色, 虚拟染色 | GAN | 图像 | 187对H&E和Masson三色染色全切片图像用于模型开发验证，46张冰冻切片用于前瞻性验证 | NA | CycleGAN | 加权kappa系数, 诊断准确率, 观察者间一致性 | NA |
| 1228 | 2026-02-06 |
A dedicated deep learning workflow for automatic Fasciola hepatica and Calicophoron daubneyi egg detection using the Kubic FLOTAC microscope
2026-Feb, International journal for parasitology
IF:3.7Q1
DOI:10.1016/j.ijpara.2025.08.007
PMID:40882888
|
研究论文 | 本研究开发了一种基于深度学习的自动检测系统，用于识别Fasciola hepatica和Calicophoron daubneyi虫卵，通过Kubic FLOTAC显微镜优化诊断流程 | 结合FLOTAC/Mini-FLOTAC技术与人工智能预测模型，实现了高灵敏度、准确性和精度的自动化寄生虫卵检测，并针对两种寄生虫卵的区分进行了系统优化 | NA | 改进反刍动物寄生虫的粪便显微镜诊断方法，以控制其传播 | Fasciola hepatica和Calicophoron daubneyi这两种对反刍动物健康和经济有重大影响的吸虫 | 计算机视觉 | 寄生虫感染 | FLOTAC/Mini-FLOTAC技术 | 深度学习模型 | 图像 | 使用两个数据集：一个来自卵样加标样本和自然感染样本的模拟条件数据集，另一个来自经光学显微镜验证的田间样本数据集 | NA | NA | 平均绝对误差 | 集成AI服务器用于图像分析 |
| 1229 | 2026-02-06 |
PRIME 2.0: Proposed Requirements for Cardiovascular Imaging-Related Multimodal-AI Evaluation: An Updated Checklist
2026-Feb, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.08.004
PMID:40892627
|
方法学论文 | 本文介绍了PRIME 2.0清单，这是一个用于标准化心血管影像人工智能应用开发、评估与报告的更新版领域特定框架 | 针对从传统机器学习向深度学习、大语言模型及多模态生成式AI的快速演进进行了更新，并纳入了心血管影像特有的复杂性考量 | NA | 为心血管影像领域的人工智能研究提供标准化评估与报告框架 | 心血管影像相关的人工智能应用 | 医学影像分析 | 心血管疾病 | NA | 深度学习, 大语言模型, 多模态生成式AI | 影像数据 | NA | NA | NA | NA | NA |
| 1230 | 2026-02-06 |
Time-Frequency Collaborative Learning for Imbalanced Ship Motion Data With Missing Labels in Sea State Estimation
2026-Feb, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3610416
PMID:40997001
|
研究论文 | 本文提出了一种名为BalanceSSE的新型半监督学习方法，用于处理类别不平衡且存在标签缺失的船舶运动数据，以进行海况估计 | 提出了一种结合动态插补、不平衡时频协同学习和聚类近邻分类器的集成方法，以同时解决船舶运动数据中的类别不平衡和标签缺失问题 | 未明确说明方法在极端数据缺失或极高类别不平衡情况下的鲁棒性，也未与其他领域的数据集进行广泛验证 | 开发一种能够有效处理类别不平衡和标签缺失数据的半监督学习方法，以提升海况估计的准确性 | 船舶运动数据 | 机器学习 | NA | 半监督学习，时间频率分析 | NA | 时间序列数据 | NA | NA | 动态插补模块，不平衡时频学习模块，ClusterProx分类器 | NA | NA |
| 1231 | 2026-02-06 |
Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5
2026-Feb, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500384
PMID:41016832
|
研究论文 | 本文提出了一种基于多光谱成像和YOLOv5的血细胞识别方法，通过融合五个波长的图像来提升细胞边界和结构的识别性能 | 利用多光谱成像替代传统的单波长显微图像，结合改进的YOLOv5模型，显著提高了血细胞（尤其是稀有白细胞）的识别精度 | 未明确说明样本来源、数据规模及模型在更广泛临床环境中的泛化能力 | 开发一种高精度的自动化血细胞识别方法，以辅助医学诊断 | 血细胞（红细胞、血小板、白细胞） | 计算机视觉 | NA | 多光谱成像 | YOLOv5 | 多光谱图像 | NA | NA | YOLOv5 | 识别精度 | NA |
| 1232 | 2026-02-06 |
VDLIN: A Deep Learning-Based Platform for Methylcobalamin-Inspired Immunomodulatory Compound Screening
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202413775
PMID:41144841
|
研究论文 | 本研究开发了一个基于深度学习的平台VDLIN，用于筛选既能抑制炎症又能增强先天免疫的化合物，并发现了一种优于甲基钴胺素（MCB）的新型候选化合物Co7 | 首次结合RNA-seq、ATAC-seq和CUT&Tag多组学分析揭示了MCB通过限制染色质可及性削弱先天免疫的机制，并开发了深度学习模型VDLIN来筛选具有双重免疫调节功能的化合物 | 未明确说明模型验证的临床前或临床研究阶段，化合物Co7的具体体内外实验数据未在摘要中详细展示 | 开发能够平衡抗炎和免疫刺激功能的化合物筛选平台，以改善炎症性疾病和SARS-CoV-2感染的治疗 | 甲基钴胺素（MCB）及其衍生物、先天免疫调节化合物 | 机器学习 | SARS-CoV-2感染 | RNA-seq, ATAC-seq, CUT&Tag | 深度学习模型 | 多组学数据（转录组、表观基因组） | NA | NA | VDLIN（Vitamin B12-derived Deep Learning for Innate Immunity） | NA | NA |
| 1233 | 2026-02-06 |
BPFNN: Bayesian Probabilistic Fuzzy Neural Networks for Uncertainty-Aware Clustering and Probabilistic Fuzzy Reasoning
2026-Feb, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3617987
PMID:41150242
|
研究论文 | 本文提出了一种贝叶斯概率模糊神经网络（BPFNN），用于解决传统模糊聚类和神经网络在不确定性、噪声和可解释性方面的挑战 | 提出了一种统一的BPFNN架构，结合了贝叶斯概率模糊C均值（BPFCM）算法和非高斯建模，通过MCMC进行后验推断，生成概率性隶属度以更好地捕捉不确定性 | 隐藏层激活仅表示输入与聚类中心之间的相似性值，原始输入特征未直接保留 | 开发一种能够处理不确定性、噪声并提高可解释性的模糊神经网络模型 | 基准数据集和高维激光诱导击穿光谱（LIBS）光谱数据 | 机器学习 | NA | 激光诱导击穿光谱（LIBS） | 贝叶斯概率模糊神经网络（BPFNN） | 光谱数据 | NA | NA | 贝叶斯概率模糊神经网络（BPFNN） | 准确性, 鲁棒性, 可解释性 | NA |
| 1234 | 2026-02-06 |
[Estimation of the parenchymal reserve-Volumetric and functional before resection]
2026-Feb, Chirurgie (Heidelberg, Germany)
DOI:10.1007/s00104-025-02401-0
PMID:41186684
|
综述 | 本文综述了术前评估肝脏切除后剩余肝体积和功能储备的当前概念与诊断方法，以避免术后肝衰竭 | 整合了实验室参数评分、功能测试和功能成像技术，并展望了深度学习算法在自动化分析中的应用 | 深度学习算法尚未批准用于功能测试，且手术专业知识在评估可切除性中仍起决定性作用 | 评估肝脏切除术前足够的实质储备，以预防术后肝衰竭 | 接受大范围肝切除术的患者 | 数字病理学 | 肝脏疾病 | 实验室参数评分（如APRI/ALBI评分）、功能测试（如ICG-R15、LiMAx®、闪烁扫描术）、功能成像（如锝-99m甲溴芬宁闪烁扫描结合MRI） | 深度学习算法 | 图像、实验室数据 | NA | NA | NA | NA | NA |
| 1235 | 2026-02-06 |
Semi-supervised deep learning for uterus and bladder segmentation on female pelvic floor magnetic resonance imaging with limited labeled data
2026-Feb, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2025.10.004
PMID:41109500
|
研究论文 | 本研究提出了一种半监督深度学习框架，用于女性盆腔磁共振成像中子宫和膀胱的分割，以解决标记数据有限的问题 | 引入了一种结合自监督学习图像修复任务进行特征提取和伪标签生成的半监督学习过程，显著减少了对大规模标记数据的依赖 | 研究仅涉及48名女性受试者的数据，样本量相对较小，且未明确说明模型在其他疾病或人群中的泛化能力 | 提高盆腔磁共振成像中器官分割的准确性和效率，减少对大量标记数据的依赖 | 女性盆腔磁共振成像中的子宫和膀胱 | 数字病理学 | 盆腔器官脱垂 | 磁共振成像 | 深度学习 | 图像 | 48名女性受试者的4103张磁共振图像 | NA | NA | Dice相似系数, 平均表面距离, 95% Hausdorff距离 | NA |
| 1236 | 2026-02-06 |
Image Fusion for Super-Resolution Mass Spectrometry Imaging of Plant Tissue
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512662
PMID:41255198
|
研究论文 | 本研究提出了一种名为损失控制残差网络（LCRN）的工作流程，专门用于植物质谱成像数据的超分辨率融合 | 引入了边缘感知损失函数，用于评估复杂形态信息，并应用于损失传播，以提升融合质量，实现了高达20倍的超分辨率融合 | NA | 提升植物质谱成像数据的超分辨率融合质量 | 植物组织 | 计算机视觉 | NA | 质谱成像（MSI） | CNN | 图像 | NA | NA | 残差连接神经网络 | 边缘感知损失 | NA |
| 1237 | 2026-02-06 |
Deformation Prediction of 4D-Printed Active Composite Structures Based on Data Mining
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202516989
PMID:41293877
|
研究论文 | 本文提出了一种基于数据挖掘的可扩展变形预测方法，用于预测4D打印活性复合结构的变形 | 提出曲率驱动序列点生成算法，可预测任意长度体素编码的变形，相比传统有限元方法显著提升效率，相比深度学习方法提高精度并解决泛化能力不足的问题 | 未明确说明方法对超大规模体素结构的适用性极限，也未讨论算法在极端几何形状下的表现 | 开发高效准确的4D打印活性复合结构变形预测方法 | 4D打印的活性复合结构 | 机器学习 | NA | 4D打印，数据挖掘 | NA | 体素编码数据，特征数据 | NA | NA | 曲率驱动序列点生成算法 | 预测效率，预测精度，泛化能力 | NA |
| 1238 | 2026-02-06 |
Deep learning-based classification of lung adenocarcinoma subtypes in histopathological images using DS-EffNet
2026-Feb, Human pathology
IF:2.7Q2
DOI:10.1016/j.humpath.2025.106020
PMID:41421723
|
研究论文 | 本研究提出了一种基于深度学习的模型DS-EffNet，用于肺腺癌组织病理学图像亚型的自动分类 | 将深度可分离残差块、RefConv、通道注意力池化和多维协作注意力模块集成到EfficientNetV2-S架构中，优化了特征提取和复杂病理模式建模 | 未明确提及模型在更大规模或更多样化数据集上的泛化能力验证 | 提高肺腺癌组织病理学图像亚型分类的准确性和效率 | 肺腺癌组织病理学图像 | 数字病理学 | 肺癌 | 组织病理学成像 | CNN | 图像 | 主要实验数据集和LC25000数据集，具体样本数量未明确 | NA | EfficientNetV2-S | 准确率, F1分数, AUC | NA |
| 1239 | 2026-02-06 |
High-resolution optogenetics generates distinguishable neocortical activity patterns in awake mice
2026-Feb, Neuroscience research
IF:2.4Q3
DOI:10.1016/j.neures.2025.105012
PMID:41448496
|
研究论文 | 本研究开发了一种基于数字微镜器件的高分辨率光遗传学平台，用于在清醒小鼠中精确控制新皮质神经元群体活动 | 开发了具有2微米空间分辨率和0.2毫秒时间分辨率的光刺激平台，能够产生可区分的神经活动模式 | 研究仅限于初级体感皮层和表达通道视紫红质-2的小鼠模型 | 探究认知的神经基础，通过精确控制神经元群体活动来研究网络动力学 | 表达通道视紫红质-2的清醒小鼠的初级体感皮层 | 神经科学 | NA | 光遗传学，数字微镜器件光刺激，电生理记录 | 深度学习算法 | 电生理信号 | NA | NA | NA | 分类准确率 | NA |
| 1240 | 2026-02-06 |
Approaches for accelerating microbial gene function discovery using artificial intelligence
2026-Feb, Nature microbiology
IF:20.5Q1
DOI:10.1038/s41564-025-02214-1
PMID:41501479
|
综述 | 本文回顾了人工智能在加速微生物基因功能发现方面的最新进展，并讨论了实现可解释和高通量人工智能引导注释的未来方向 | 整合计算与实验方法，开发系统化基因功能发现工作流程，利用深度学习改进基因功能预测 | 传统注释方法受限于可扩展实验技术的缺乏和基于同源性的计算方法的局限性 | 加速微生物基因功能发现，实现更高效、准确和全面的基因组注释 | 微生物基因组中的未知功能基因 | 机器学习 | NA | 基因组测序技术 | 深度学习 | 基因组数据 | NA | NA | NA | NA | NA |