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 42805 篇文献，本页显示第 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 2026-03-15 |
Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning
2026-Mar-13, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023355
PMID:40480824
|
研究论文 | 本研究开发了一种结合先验医学知识引导的深度学习模型，用于预测急性缺血性卒中患者在延长时间窗取栓后的最终梗死区域 | 通过将侧支循环评分、梗死概率图和动脉供血区图等先验医学知识整合到Swin Transformer模型中，显著提升了延长时间窗取栓后梗死预测的准确性 | 本研究为回顾性研究，样本量相对有限（221例），且仅来自三个中心，可能存在选择偏倚 | 提高急性缺血性卒中患者在延长时间窗机械取栓后最终梗死区域的预测精度，以辅助治疗规划 | 接受症状出现后超过6小时进行机械取栓的急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | CT灌注成像 | Swin Transformer | 图像 | 221例急性缺血性卒中患者 | NA | Swin Transformer | Dice系数, IoU | NA |
| 1442 | 2026-03-15 |
Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms
2026-Mar-13, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023416
PMID:40506221
|
研究论文 | 本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并探讨可解释AI对深度学习模型预测动脉瘤闭塞结果可靠性和可解释性的影响 | 提出了一种通过解卷积和再卷积标准化注射曲线来最小化注射变异性的算法，并结合可解释AI（LIME）增强模型决策的透明度和临床相关性 | 研究仅基于458名患者的血管造影数据，样本量相对有限，且可能未涵盖所有临床变异情况 | 提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞结果的准确性和可解释性 | 接受血流导向装置治疗的颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | 定量血管造影 | 深度神经网络 | 血管造影图像 | 458名患者 | NA | 深度神经网络 | AUROC, 准确率, 敏感性, 特异性 | NA |
| 1443 | 2026-03-15 |
Deep learning based gestational age estimation from multi-view fetal brain magnetic resonance imaging
2026-Mar-13, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06536-y
PMID:41824048
|
研究论文 | 本研究开发了一种基于深度学习的模型，利用多视角胎儿脑部磁共振成像来估计孕龄 | 结合多视角胎儿脑部MRI与迁移学习，显著提升了孕龄预测的准确性，并通过可解释性分析识别了模型依赖的关键脑部解剖区域 | 外部测试集样本量较小（80例），且模型性能在外部验证时误差有所增加 | 开发并评估基于深度学习的孕龄预测模型，并与传统生物测量回归方法进行比较 | 胎儿脑部磁共振成像扫描 | 计算机视觉 | NA | 磁共振成像 | CNN | 图像 | 1321例胎儿MRI扫描用于训练和内部评估，80例公开MRI扫描用于外部测试 | NA | ResNet-101 | 平均绝对误差, 决定系数 | NA |
| 1444 | 2026-03-15 |
Recent developments in pharmacophore-based modeling of Ca2+/Calmodulin-dependent protein kinase II delta (CaMkIIδ) inhibitors for heart failure therapy
2026-Mar-13, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2643408
PMID:41824031
|
综述 | 本文综述了基于药效团建模的计算方法在发现CaMKIIδ抑制剂用于心力衰竭治疗中的最新进展 | 强调了药效团建模在CaMKIIδ抑制剂发现中的应用，并探讨了机器学习辅助发现和药物重定向策略，如将ruxolitinib和hesperadin等已批准药物鉴定为CaMKIIδ抑制剂 | 药效团驱动的CaMKIIδ建模仍未被充分利用，需要整合AI/深度学习、异构体选择性过滤器、状态及翻译后修饰特异性靶向以及严格的实验验证 | 综述用于发现CaMKIIδ抑制剂的计算方法，特别是药效团建模，以支持心力衰竭治疗 | 钙/钙调蛋白依赖性蛋白激酶II delta (CaMKIIδ) 及其抑制剂 | 计算药物发现 | 心力衰竭 | 药效团建模，分子对接，QSAR，虚拟筛选，机器学习 | NA | 化学结构数据，文献数据 | NA | NA | NA | NA | NA |
| 1445 | 2026-03-15 |
Loop of N2-polarized neutrophils and exhausted CD8 + T cells induces immunotherapy resistance in NSCLC
2026-Mar-13, Molecular and cellular biochemistry
IF:3.5Q3
DOI:10.1007/s11010-025-05457-y
PMID:41824204
|
研究论文 | 本研究通过整合单细胞RNA测序数据，揭示了非小细胞肺癌中N2极化中性粒细胞与耗竭CD8⁺ T细胞之间形成正反馈环路导致免疫治疗耐药的机制，并基于此构建了深度学习预测模型 | 首次发现N2中性粒细胞与耗竭CD8⁺ T细胞通过ICAM1-整合素和CCL5-CCR1轴形成自我维持的免疫抑制环路，并基于该分子环路构建了可预测免疫治疗反应的深度学习模型 | 研究主要基于计算分析，需要进一步实验验证分子机制；模型在更多癌症类型中的普适性仍需验证 | 揭示非小细胞肺癌免疫治疗耐药的细胞互作机制，并开发预后分层和免疫治疗反应预测模型 | 非小细胞肺癌肿瘤免疫微环境中的N2极化中性粒细胞和耗竭CD8⁺ T细胞 | 计算生物学 | 肺癌 | 单细胞RNA测序, 批量RNA测序 | 深度神经网络 | 基因表达数据 | 大规模单细胞RNA测序数据集和多个批量RNA测序队列 | NA | 深度神经网络 | 预测准确性 | NA |
| 1446 | 2026-03-15 |
VFIR: Vector Fields Implicit Representation for Surface Reconstruction from Point Clouds
2026-Mar-13, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2026.3674088
PMID:41824347
|
研究论文 | 本文提出了一种名为VFIR的新方法，利用神经隐式函数学习向量场，用于从点云进行表面重建 | 提出了基于向量场的隐式表示方法，克服了SDF仅适用于水密模型和UDF在表面边界不可微的局限性，并引入了渐进学习策略和优化的三状态行进立方体算法 | 未明确说明方法对噪声点云或极端稀疏点云的鲁棒性，也未讨论计算复杂度与实时应用的可行性 | 从点云进行高精度、鲁棒的3D表面重建 | 3D点云数据 | 计算机视觉 | NA | 神经隐式函数，向量场表示 | 神经隐式函数模型 | 点云 | NA | NA | NA | 准确性，鲁棒性，泛化能力 | NA |
| 1447 | 2026-03-15 |
Hierarchical abstraction drives human-like 3-D shape processing in deep learning models
2026-Mar-13, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014047
PMID:41824548
|
研究论文 | 本文探讨了深度学习模型在处理3D形状时是否发展出与人类视觉相似的表征，并通过实验比较了卷积基和Transformer基模型在点云识别任务中的表现 | 通过系统的人类实验与深度学习模型对比，揭示了Transformer基模型在3D形状分层抽象方面更接近人类处理模式，并指出渐进下采样操作是实现这一优势的关键 | 研究主要基于点云数据，未涉及其他3D表示形式（如网格或体素），且实验条件可能未完全覆盖所有现实世界的视觉变化 | 探究深度学习模型在3D形状识别任务中是否形成与人类视觉相似的全局形状表征 | 人类参与者与深度学习模型（包括卷积基和Transformer基架构） | 计算机视觉 | NA | 点云处理 | CNN, Transformer | 3D点云 | 约10,000个对象实例用于模型训练 | NA | DGCNN, Point Transformer | 识别准确率 | NA |
| 1448 | 2026-03-15 |
Automated CTA-Derived Collateral Grading and Morphologic Metrics for Enhanced Prediction of Post-Stroke Outcomes
2026-Mar-13, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9289
PMID:41826063
|
研究论文 | 本文开发并验证了一种基于CTA的自动化定量侧支循环指数（qCI），用于预测急性缺血性卒中患者的预后 | 首次提出基于深度学习的全自动CTA侧支循环定量评估方法，结合脑血管形态学指标，显著提升了卒中预后预测的准确性和客观性 | 研究为单中心回顾性分析，样本量相对有限（230例），且仅针对接受血管内取栓治疗的患者 | 开发自动化CTA侧支循环评估工具，提升急性缺血性卒中预后预测准确性 | 急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | CTA, CT灌注 | 深度学习 | 医学影像 | 230例急性缺血性卒中患者 | NA | U-Net | 准确率, Pearson相关系数, Cohen's κ, AUROC, Brier分数 | NA |
| 1449 | 2026-03-15 |
Humans with function-disrupting variants in the myostatin gene (MSTN) have increased skeletal muscle mass and strength, and less adiposity
2026-Mar-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70422-2
PMID:41826329
|
研究论文 | 本研究通过大规模多队列遗传关联分析，探讨了肌生成抑制素基因功能破坏性变异对人类身体组成和心脏代谢健康的影响 | 首次在超过110万个体的大规模人群中，结合深度学习模型自动分割全身MRI图像，系统评估了MSTN基因功能破坏性变异对肌肉质量和体脂的长期效应 | 研究主要基于观察性遗传数据，未能直接验证治疗性肌生成抑制素阻断的长期安全性，且样本以UK Biobank参与者为主，可能存在人群代表性限制 | 探究肌生成抑制素基因功能破坏性变异对人类身体组成、肌肉力量和心脏代谢健康特征的遗传效应 | 携带肌生成抑制素基因功能破坏性变异的个体 | 机器学习 | NA | 全基因组关联分析，全身MRI成像，深度学习图像分割 | 深度学习模型 | 遗传数据，MRI图像，临床表型数据 | 约110万个体（遗传分析），77,572个体（MRI图像分析） | NA | NA | NA | NA |
| 1450 | 2026-03-15 |
Cattle lameness detection using depth image and deep learning
2026-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40780-4
PMID:41826368
|
研究论文 | 本文开发了一个基于深度图像和深度学习的端到端框架，用于对牛只跛行进行全天候监测与评分 | 提出了一个集成了实例分割、多目标跟踪和时空分类的完整端到端深度学习框架，并引入了新的跟踪算法PTAV3，用于农业场景下牛只跛行的实时、自动化、客观监测 | NA | 开发一个自动化、客观的牛只跛行监测与评分系统，以解决动物福利和经济问题 | 牛只 | 计算机视觉 | NA | 深度成像 | CNN, LSTM | 深度图像 | NA | NA | Mask R-CNN, YOLOv8m-seg, YOLOv11m-seg, EfficientNet-B1至B7, LSTM | BBox AP@50, Mask AP@50, FPS, 准确率, F1分数 | NA |
| 1451 | 2026-03-15 |
DeepStrataAge: an interpretable deep-learning clock that reveals stage- and sex-divergent DNA methylation aging dynamics
2026-Mar-13, npj aging
IF:4.1Q2
DOI:10.1038/s41514-026-00358-w
PMID:41826374
|
研究论文 | 本文开发了一种基于深度神经网络的DNA甲基化时钟DeepStrataAge，用于揭示阶段和性别差异的DNA甲基化衰老动态 | 采用深度神经网络模型捕捉DNA甲基化的非线性和CpG相互作用，并利用SHAP方法实现可解释性，揭示了性别特异性的衰老阶段动态 | NA | 开发一种高精度且可解释的DNA甲基化时钟，以研究生物衰老的动态过程 | DNA甲基化数据 | 机器学习 | 心血管疾病,阿尔茨海默病,癌症 | Illumina EPIC v1.0和v2.0阵列 | 深度神经网络 | 甲基化数据 | 29,167个样本 | NA | NA | 准确性 | NA |
| 1452 | 2026-03-15 |
Integrating EfficientNetV2 with guided filopic diffusion for enhanced rice leaf disease recognition
2026-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41654-5
PMID:41826510
|
研究论文 | 本研究提出了一种结合EfficientNetV2与引导性光扩散技术的新方法，用于增强水稻叶片病害的识别 | 首次将EfficientNetV2与引导性光扩散技术结合用于水稻病害识别，并采用扩散有界注意力机制进行病害检测 | 未明确说明模型的计算复杂度、泛化能力测试或与其他先进方法的详细对比 | 开发一种准确、快速的水稻叶片病害自动识别方法，以支持可持续农业生产 | 水稻叶片病害（包括叶黑粉病、褐斑病和细菌性叶枯病） | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 使用了一个非常全面的水稻叶片病害数据集（具体数量未说明） | 未明确说明 | EfficientNetV2 | 准确率, 召回率, 精确率, F1分数, Dice相似系数 | NA |
| 1453 | 2026-03-15 |
Exploration of Deep Learning Methods for Synthetic T2-Weighted Pelvic MRI Generation from CT Scans: A Technical Feasibility Study
2026-Mar-13, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01900-8
PMID:41826596
|
研究论文 | 本研究探索了使用深度学习算法从盆腔CT扫描生成合成T2加权MRI的技术可行性 | 首次系统性地在腹盆腔成像中比较了多种先进的条件生成对抗网络架构（如ESAUNet、ResViT和Cascaded Gaze）用于CT到T2加权MRI的合成任务 | 合成图像在精细细节方面评分较低，且研究样本量相对有限（总训练集n=90，独立测试集n=19） | 开发和比较深度学习算法，以从盆腔CT生成合成T2加权MRI，并评估其技术可行性和性能 | 盆腔CT扫描和对应的T2加权MRI图像 | 计算机视觉 | NA | CT扫描，MRI成像 | GAN | 图像 | 多中心队列（n=90，包括SynthRad2023数据集60例和内部数据集30例），独立测试使用Gold Atlas男性队列（n=19） | NA | efficient Self-Attention UNet (ESAUNet), Residual Vision Transformer (ResViT), Cascaded Gaze | PSNR, SSIM, MAE | NA |
| 1454 | 2026-03-15 |
Prostate MRI quality improvement: a Roadmap from the ESUR Prostate MRI Working Group
2026-Mar-13, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12395-w
PMID:41826767
|
综述 | 本文介绍了欧洲泌尿生殖放射学会前列腺MRI工作组提出的三步质量改进框架，旨在标准化和提升前列腺MRI实践 | 提出了一个结构化的三步质量改进框架，整合了技术标准、客观质量评估、系统训练及新兴技术，以系统化方式提升前列腺MRI的一致性和质量 | 框架的实施需要国际协调和基于结果的验证，其全球影响最大化仍面临挑战 | 旨在通过标准化和改进前列腺MRI的采集、解读和报告实践，提升诊断准确性和患者护理质量 | 前列腺磁共振成像（MRI）的实践和质量改进 | 数字病理学 | 前列腺癌 | 磁共振成像（MRI） | NA | 医学影像 | NA | NA | NA | PI-QUAL评分 | NA |
| 1455 | 2026-03-15 |
The result prediction of fluorescence in situ hybridization for breast cancer patients based on machine learning and deep learning models: a multicenter study
2026-Mar-13, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-026-01015-x
PMID:41827086
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1456 | 2026-03-15 |
Automated deep-learning quantification of nine patellofemoral instability parameters on multislice CT images : development and validation of the GU2Net model
2026-Mar-12, Bone & joint open
IF:2.8Q1
|
研究论文 | 本研究开发并验证了一个名为GU2Net的深度学习模型，用于自动量化膝关节CT图像上的九个髌股不稳定参数 | 首次提出一个深度学习模型来自动化测量九个关键的髌股不稳定参数，减少了手动评估的时间和变异性，并降低了对检查者经验的依赖 | 模型在测量SA（滑车角）参数时性能相对较低，ICC和相关系数均低于其他参数 | 开发并验证一个深度学习模型，以自动化、客观且精确地测量髌股不稳定参数，用于诊断和治疗规划 | 膝关节CT图像 | 计算机视觉 | 髌股不稳定 | 多层CT成像 | 深度学习模型 | CT图像 | 1,125个膝关节 | NA | GU2Net | 成功检测率, 平均绝对误差, 组内相关系数, 皮尔逊相关系数 | NA |
| 1457 | 2026-03-15 |
A deep learning framework for breast cancer diagnosis using Swin Transformer and Dual-Attention Multi-scale Fusion Network
2026-Mar-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37969-y
PMID:41813686
|
研究论文 | 本文提出了一种名为Swin-DAMFN的深度学习框架，用于通过乳腺X光图像进行乳腺癌诊断，该框架结合了Swin Transformer和基于CNN的双注意力多尺度融合网络 | 提出了一种新颖的双分支混合架构（Swin-DAMFN），结合了Swin Transformer的全局依赖建模和CNN的局部特征提取，并引入了多尺度可分离注意力（MSA）和三重洗牌卷积注意力（TSCA）模块，以及结合GAN和光度增强的数据增强策略 | 未明确说明模型在更广泛或临床实时环境中的泛化能力，以及计算资源需求可能较高 | 开发一个高效的深度学习框架，以提高乳腺癌的早期诊断准确性 | 乳腺X光图像（来自MIAS和CBIS-DDSM数据集） | 计算机视觉 | 乳腺癌 | 深度学习，数据增强（包括GAN和光度增强） | Transformer, CNN, GAN | 图像 | MIAS和CBIS-DDSM数据集（具体样本数未在摘要中提供） | 未在摘要中明确指定，但可能涉及PyTorch或TensorFlow | Swin Transformer, Dual-Attention Multi-scale Fusion Network (DAMFN) | 准确率, 灵敏度, F1分数 | 未在摘要中明确指定 |
| 1458 | 2026-03-15 |
Deep Learning-Based Estimated Pulmonary Biological Age From Chest Computed Tomography Images in Healthy Adults: Model Development and Validation Study
2026-03-12, JMIR aging
IF:5.0Q1
DOI:10.2196/78243
PMID:41818478
|
研究论文 | 本研究开发并验证了一种基于胸部CT图像的深度学习模型，用于估计健康成年人的肺部生物年龄，并探讨了其与COPD患者肺功能和全因死亡率的关系 | 首次利用大规模健康成年人的多中心胸部CT数据训练和验证深度学习模型来估计肺部生物年龄，并验证了年龄差作为COPD患者新型临床生物标志物的潜力 | 模型仅在健康成年人中训练，可能无法完全捕捉疾病状态下的肺部老化特征；外部验证数据集规模相对有限 | 开发基于胸部CT的肺部生物年龄估计模型，并评估其在COPD患者中的临床应用价值 | 健康成年人的胸部CT图像以及COPD患者的临床数据 | 计算机视觉 | 慢性阻塞性肺疾病 | 胸部计算机断层扫描 | 深度学习模型 | 图像 | 健康成年人CT扫描11,187例（机构A 7,726例用于模型开发，机构B 1,506例和机构C 1,955例用于外部测试），COPD患者138例 | NA | NA | 相关性分析，风险比 | NA |
| 1459 | 2026-03-15 |
Quantification, radiomics and artificial intelligence in infection imaging: Current status and future directions in nuclear medicine
2026-Mar-12, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2026.02.002
PMID:41826111
|
综述 | 本文综述了核医学感染成像中定量成像、影像组学和人工智能的当前应用与未来发展方向 | 提出了“计算组学”概念，将定量成像、影像组学和人工智能整合，推动感染成像从定性模式识别转向客观、可重复的数据驱动疾病表征 | 定量准确性和影像组学稳定性高度依赖采集、重建和处理参数，特征定义、分割方法和分析流程的变异性限制了可重复性 | 探讨核医学感染成像中定量技术、影像组学和人工智能的应用，以改善感染与无菌炎症的区分、量化疾病负担、监测治疗反应和标准化解读 | 核医学感染成像数据 | 医学影像分析 | 感染性疾病 | 核医学成像 | 机器学习,深度学习 | 影像数据 | NA | NA | NA | NA | NA |
| 1460 | 2026-03-15 |
Predicting the Postoperative Recurrence Risk in Soft-Tissue Sarcomas of the Extremities and Trunk Using MRI-Based Nomogram
2026-Mar-12, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.02.015
PMID:41826189
|
研究论文 | 本研究开发了一个基于MRI影像和临床放射学因素的列线图，用于预测四肢和躯干软组织肉瘤患者术后3年复发风险 | 整合了深度学习、肿瘤及瘤周影像组学特征以及临床放射学因素，构建了一个多视角的综合预测模型 | 研究样本量相对较小（202例），且仅来自两个中心，可能影响模型的泛化能力 | 预测软组织肉瘤患者术后3年复发风险 | 四肢和躯干软组织肉瘤患者 | 数字病理学 | 软组织肉瘤 | MRI成像（对比增强T1加权成像和脂肪饱和T2加权成像） | 深度学习模型（基于预训练网络） | MRI图像 | 202例患者 | NA | VGG11, ResNet18 | AUC, 一致性指数 | NA |