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 39696 篇文献，本页显示第 1401 - 1420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1401 | 2026-01-25 |
Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003434
PMID:40899800
|
研究论文 | 本研究构建了腹腔镜根治性肾切除术的全粒度标注数据集，并开发了一个用于多层级粒度信息整合的深度学习框架，以支持临床智能应用 | 构建了首个针对腹腔镜根治性肾切除术的全粒度标注数据集，并提出了一个轻量级框架，通过共享特征提取和任务特定解码器实现多粒度信息的同步感知与双向补偿增强 | 数据集仅包含41个多中心视频，样本量相对有限；研究聚焦于单一手术类型（腹腔镜根治性肾切除术） | 实现计算机对手术场景的全面理解，为智能手术辅助和自主决策提供基础 | 腹腔镜根治性肾切除术的手术视频 | 计算机视觉 | 肾癌 | 深度学习 | 深度学习框架 | 视频 | 41个多中心视频，包含141,443帧（手术阶段/步骤标注）、8,435帧（器械分割标注）和25,305帧（手术动作三元组标注） | NA | 共享特征提取器与任务特定解码器 | 准确率 | NA |
| 1402 | 2025-09-05 |
Comment on "Association of peripheral immune markers with brain age and dementia risk estimated using deep learning method"
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003411
PMID:40905852
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1403 | 2026-01-25 |
Multimodal machine learning for staging laparoscopy: a combined image analysis and morphologic tool for the discrimination of peritoneal metastasis
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003448
PMID:40928288
|
研究论文 | 本研究开发了一种新型多模态机器学习模型，通过整合腹腔镜图像分析和形态学特征，用于区分腹膜转移瘤与良性病变 | 首次将深度学习图像分类模型与基于形态学特征的传统机器学习模型相结合，构建多模态机器学习模型，以提升腹膜转移瘤的术中识别能力 | 研究样本量较小（仅67名患者），且为单中心内部验证，缺乏外部验证 | 开发一种术中决策支持工具，以辅助外科医生在腹腔镜分期手术中更准确地鉴别腹膜转移瘤 | 接受腹腔镜分期手术的疑似腹膜转移瘤患者的腹膜病变 | 计算机视觉 | 腹膜转移瘤 | 腹腔镜视频图像分析 | 深度学习, 传统机器学习 | 视频帧图像, 形态学特征数据 | 67名患者的453个连续活检病变（良性197个，恶性256个） | NA | NA | AUC | NA |
| 1404 | 2026-01-25 |
Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003455
PMID:40956187
|
研究论文 | 本研究提出了一种基于深度学习的框架DLCP，用于对肝细胞癌患者进行分层、识别预后生物标志物并推荐潜在的抗肝癌药物 | 首次提出一个整合多组学数据和临床表型的深度学习框架DLCP，用于患者分层、生物标志物发现和药物筛选，并通过实验验证了所发现生物标志物RAC1及其配体KGA-1083b的结合 | 研究主要基于TCGA和LIRI-JP队列数据，需要在更多独立队列中进行验证；所筛选的配体KGA-1083b的体内药效和安全性有待进一步评估 | 识别新的肝细胞癌预后生物标志物及其配体，以改善患者生存 | 肝细胞癌患者、小鼠原发性肝癌模型 | 机器学习 | 肝癌 | 基因组学、转录组学、表观遗传学、分子对接、分子动力学模拟、表面等离子共振、细胞热位移分析 | 深度神经网络 | 多组学数据、生存数据、化学化合物数据、天然产物数据 | TCGA HCC患者队列和LIRI-JP验证队列 | NA | NA | 患者分层生存差异、KD值 | NA |
| 1405 | 2026-01-25 |
Multimodal deep learning integration for predicting renal function outcomes in living donor kidney transplantation: a retrospective cohort study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003494
PMID:40961229
|
研究论文 | 本研究开发并验证了一种多模态深度学习模型，整合CT影像、放射学报告文本和结构化临床变量，以预测活体肾移植受者术后1年的估计肾小球滤过率 | 首次将CT影像、放射学报告文本和结构化临床数据通过多模态深度学习进行整合，用于预测活体肾移植后的肾功能结局，显著超越了仅基于临床数据的传统模型 | 研究为回顾性队列研究，可能受到选择偏倚的影响；排除了免疫高风险受者、早期移植物并发症和解剖异常病例，可能限制了模型的泛化能力 | 优化活体肾移植中的供受者匹配并改善长期预后，通过预测术后肾功能来支持精准医学在移植领域的应用 | 活体肾移植受者 | 数字病理学 | 肾脏疾病 | 计算机断层扫描 | 多模态深度学习模型, 集成分类器 | 影像, 文本, 结构化临床数据 | 1,937例活体肾移植受者 | XGBoost | BioBERT, CLIP | 宏F1分数, 微F1分数, 加权F1分数, 准确率 | NA |
| 1406 | 2025-11-06 |
Letter to editor on "Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment"
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003656
PMID:41190371
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1407 | 2026-01-25 |
Optimizing infant magnetic resonance imaging efficiency: Deep learning-assisted feed-and-wrap technique versus general anesthesia using an infant magnetic resonance imaging stabilizer in infants under 4 months
2026-Jan, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06437-6
PMID:41193818
|
研究论文 | 本研究比较了深度学习辅助的喂食包裹技术与全身麻醉在4个月以下婴儿MRI检查中的效率，发现深度学习辅助的喂食包裹技术能显著缩短MRI室周转时间 | 首次将深度学习图像重建技术与喂食包裹方法结合，用于优化婴儿MRI流程，减少对全身麻醉的依赖 | 单中心回顾性研究，样本量较小（48名婴儿），可能存在选择偏倚 | 评估深度学习辅助的喂食包裹技术相比全身麻醉在婴儿MRI检查中的效率优势 | 4个月以下的婴儿 | 医学影像分析 | NA | 磁共振成像 | 深度学习 | MRI图像 | 48名婴儿（DL-FW组22名，GA组26名） | NA | NA | 周转时间（分钟） | NA |
| 1408 | 2026-01-25 |
Automatic detection of knee medial collateral ligament (MCL) tear from magnetic resonance imaging using deep neural network
2026-Jan, The Knee
DOI:10.1016/j.knee.2025.10.028
PMID:41238423
|
研究论文 | 本研究提出了一种基于深度神经网络的方法，用于从膝关节磁共振成像中自动检测内侧副韧带撕裂 | 首次应用深度神经网络解决膝关节内侧副韧带撕裂的自动检测问题，并比较了自定义CNN、预训练VGG19特征提取及迁移学习三种不同场景的性能 | 研究数据集仅来自单一医院的60名患者，样本多样性有限，未来需要在更广泛的人群中进行验证以确保模型的鲁棒性 | 开发一种自动检测膝关节内侧副韧带撕裂的方法，以提高诊断准确性和效率 | 膝关节磁共振成像图像 | 计算机视觉 | 膝关节损伤 | 磁共振成像 | CNN, VGG19 | 图像 | 3575张膝关节MRI图像，来自60名患者 | NA | 自定义CNN, VGG19 | 准确率, 损失值, AUC | NA |
| 1409 | 2026-01-25 |
Predictions of Response in Non-small Cell Lung Cancer Patients Treated with Immune Checkpoint Inhibitors Using Clinical Data, Deep Learning, and Radiomics
2026-Jan, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.037
PMID:41087235
|
研究论文 | 本研究开发了一种整合临床数据、深度学习和放射组学的多模态模型（CRDL），用于预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 提出了一种结合临床数据、深度学习和放射组学的多模态融合模型（CRDL），在预测免疫治疗反应方面优于单模态及预融合模型 | 研究为回顾性设计，样本量相对较小（228例患者），且数据来源于单一中心，可能限制模型的泛化能力 | 开发并验证一个多模态模型，以预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 228例非小细胞肺癌患者，其程序性死亡配体1（PD-L1）表达水平各异 | 数字病理学 | 肺癌 | 计算机断层扫描（CT）成像 | CNN, 随机森林, 支持向量机 | 图像, 临床数据 | 228例非小细胞肺癌患者，其中训练集159例，验证集69例 | PyRadiomics, 未指定深度学习框架 | 深度卷积神经网络（具体架构未指定） | AUC | NA |
| 1410 | 2026-01-25 |
Advancements in metastatic spinal cord compression treatment: a narrative review of innovations, challenges, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004382
PMID:41496922
|
综述 | 本文综述了转移性脊髓压迫治疗的最新进展，评估了其在改善神经功能、缓解疼痛、提高生存率和生活质量方面的疗效 | 系统整合了过去五年内MSCC治疗的多项创新，包括机器人辅助手术、深度学习早期检测模型、个性化医疗技术（如下一代测序）、生物工程植入物和质子治疗等 | 诊断延迟和获得专科治疗的机会有限等挑战仍然存在 | 综述转移性脊髓压迫治疗的最新进展、挑战及未来方向 | 转移性脊髓压迫患者 | NA | 转移性脊髓压迫 | 下一代测序 | 深度学习模型 | MRI图像 | 从132篇文章中筛选出38篇符合纳入标准的研究 | NA | NA | NA | NA |
| 1411 | 2026-01-25 |
Early detection in oral cancer: are we ready for AI-driven precision?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004418
PMID:41496956
|
综述 | 本文探讨了人工智能在口腔癌早期检测和精准医疗中的应用前景与挑战 | 强调了AI驱动的精准医疗在口腔癌诊断中的变革潜力，特别是基于智能手机的AI系统在识别口腔病变方面达到专家级准确性 | 存在患者隐私、数据偏见以及AI系统“黑箱”性质不透明等问题 | 评估AI技术在口腔癌早期检测和精准医疗中的准备情况与应用潜力 | 口腔癌（特别是口腔鳞状细胞癌）及其潜在恶性病变（如白斑、红斑、扁平苔藓、黏膜下纤维化） | 数字病理学 | 口腔癌 | 荧光成像、高光谱成像、多组学整合 | CNN | 图像 | NA | NA | NA | 准确性 | NA |
| 1412 | 2026-01-08 |
Deep learning in detection of osteoporosis: insights from recent evidence, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004316
PMID:41496979
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1413 | 2026-01-25 |
Early detection in oral cancer: Are we prepared for artificial intelligence-driven precision medicine?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004397
PMID:41497043
|
综述 | 本文探讨了人工智能和精准医学在口腔癌早期检测中的应用潜力与挑战 | 强调了人工智能，特别是卷积神经网络，在分析复杂成像和组织病理学数据以识别人眼不可见模式方面的创新应用，以及基于智能手机的AI系统在口腔病变识别中达到专家级准确性的最新进展 | 存在患者隐私、数据偏见以及AI系统“黑箱”不透明性等问题 | 推动口腔癌的早期检测和个性化治疗，实现精准医学 | 口腔癌，特别是口腔鳞状细胞癌，以及口腔潜在恶性病变如白斑、红斑、扁平苔藓和黏膜下纤维化 | 数字病理学 | 口腔癌 | 机器学习、深度学习算法，特别是卷积神经网络 | CNN | 成像和组织病理学数据 | NA | NA | 卷积神经网络 | 专家级准确性 | NA |
| 1414 | 2026-01-25 |
Do segmentation metrics reflect clinical reality? A surgeon-centered evaluation in robot-assisted minimally invasive esophagectomy
2026-Jan, Surgical endoscopy
DOI:10.1007/s00464-025-12266-3
PMID:41073813
|
研究论文 | 本研究评估了深度学习分割指标在机器人辅助微创食管切除术中与外科医生评估的相关性 | 首次从外科医生角度评估分割指标与临床现实的相关性，结合了定量指标与外科医生定性反馈 | 样本量有限（26名外科医生，12个视频片段），且仅针对特定手术（RAMIE），可能无法推广到其他手术场景 | 评估定量分割指标是否准确反映外科医生对解剖覆盖准确性和临床有用性的评估 | 机器人辅助微创食管切除术中的解剖分割覆盖 | 数字病理学 | 食管癌 | 深度学习 | 深度学习模型 | 视频 | 26名上消化道外科医生（包括实习和主治医生），12个视频片段，超过8000个手动标注帧 | NA | NA | 重叠指标, 距离指标, 时间一致性指标, 错误特定指标 | NA |
| 1415 | 2026-01-25 |
Brain age trajectories and cognition after stroke in two longitudinal cohorts
2026, Brain communications
IF:4.1Q2
DOI:10.1093/braincomms/fcaf509
PMID:41567827
|
研究论文 | 本研究通过两个纵向队列，分析了首次缺血性卒中后8年内的大脑年龄轨迹，并评估了大脑年龄估计对长期认知结果的预测价值 | 首次在卒中后长期纵向研究中，使用先进的深度学习模型量化大脑年龄轨迹，并发现大脑年龄在急性期即可预测数年后的认知功能，揭示了其作为早期生物标志物的潜力 | 研究对象仅限于工作年龄（<65岁）、中小体积（<70 ml）的缺血性卒中患者，样本量相对较小（n=120），且随访时间存在差异，可能限制了结果的普适性 | 表征首次卒中后的大脑老化轨迹，并评估大脑年龄估计对长期认知结果的预测价值 | 工作年龄（<65岁）的首次缺血性卒中患者，其卒中病灶体积小于70毫升 | 数字病理学 | 心血管疾病 | T1加权磁共振成像（MRI） | 深度学习模型 | 图像 | 120名患者（其中42%为女性，平均年龄54.9±9岁，平均随访3.4±2.5年） | NA | NA | 线性混合效应模型系数，线性回归模型系数，p值 | NA |
| 1416 | 2026-01-25 |
Enhancing deep learning interpretability for hand-crafted feature-guided histologic image classification via weak-to-strong generalization
2026-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.1.017502
PMID:41567872
|
研究论文 | 本文提出了一种弱到强泛化框架，通过整合手工特征来增强深度学习模型在组织学图像分类中的可解释性和性能 | 提出弱到强泛化框架，利用可解释的手工特征教师模型监督深度学习学生模型，通过自适应引导损失函数优化特征转移，并创新性地分析手工特征与深度学习特征之间的互信息以提升可解释性 | NA | 增强深度学习模型在组织学图像分类中的可解释性和预测性能 | 组织学全切片图像 | 数字病理学 | 肿瘤 | NA | 深度学习模型 | 图像 | 三个公共数据集 | NA | NA | 分类性能 | NA |
| 1417 | 2026-01-25 |
Machine learning for drug-target interaction prediction: A comprehensive review of models, challenges, and computational strategies
2026, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.12.033
PMID:41568098
|
综述 | 本文全面回顾了人工智能和机器学习在药物-靶点相互作用预测中的应用，包括模型、挑战和计算策略 | 系统性地整合了从特征工程到深度学习模型的各种AI/ML技术，并强调了其在药物发现关键阶段的应用潜力 | NA | 加速药物开发过程，包括先导化合物识别、脱靶分析、药物再利用、多药理学分析和精准医疗的实现 | 药物-靶点相互作用 | 机器学习 | NA | NA | 监督学习, 图神经网络, 深度学习模型, 混合方法 | 药物、靶点及其相互作用的数据表示 | NA | NA | NA | 稳健的评估指标 | NA |
| 1418 | 2026-01-24 |
Deep learning-based radiomics and machine learning for IDH-wild-type glioblastoma after maximal safe surgical resection: a call for prognostic assessment
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003294
PMID:40844925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1419 | 2026-01-25 |
Deep learning for prognostic stratification and biomarker exploration in upper tract urothelial carcinoma: a multicenter retrospective cohort study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003581
PMID:41056040
|
研究论文 | 本研究开发了一个先验知识引导的深度学习系统，用于上尿路尿路上皮癌的预后分层和生物标志物探索 | 整合了多尺度病理特征，并探索了AI衍生的定量病理生物标志物，如组织分数评分和共定位评分 | NA | 提高上尿路尿路上皮癌的风险分层和患者预后 | 上尿路尿路上皮癌患者 | 数字病理学 | 上尿路尿路上皮癌 | 全切片图像分析 | 深度学习 | 图像 | 805名UTUC患者 | NA | UCSegNet, CONCH, MacroContextNet, PGCA-Net | C-index, AUC, 风险比 | NA |
| 1420 | 2026-01-24 |
Letter to the Editor: Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003532
PMID:41065566
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |