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 43290 篇文献，本页显示第 1561 - 1580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1561 | 2026-03-28 |
Offshore oil spill detection based on visual information and deep learning
2026-Mar-25, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2026.119633
PMID:41887111
|
研究论文 | 本文提出了一种基于视觉信息和深度学习的海上溢油检测方法，利用合成孔径雷达图像和U-Net架构的模型进行检测 | 提出了一种结合EfficientNet-B7和ResNeXt作为U-Net骨干网络的模型，用于分析合成孔径雷达图像以检测海上溢油 | NA | 开发高效的海上溢油检测方法，以减少环境损害并确保环境安全 | 合成孔径雷达图像，具体来自PALSAR和Sentinel-1数据集 | 计算机视觉 | NA | 合成孔径雷达成像 | CNN | 图像 | NA | NA | U-Net, EfficientNet-B7, ResNeXt | 平均IoU, Dice系数 | NA |
| 1562 | 2026-03-28 |
Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned
2026-Mar-24, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.]
IF:2.5Q1
DOI:10.1097/DSS.0000000000005096
PMID:41886676
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1563 | 2026-03-28 |
Frontiers and challenges in the design of binders for intrinsically disordered proteins
2026-Mar-24, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2026.103256
PMID:41887012
|
综述 | 本文综述了针对内在无序蛋白质（IDPs）的配体设计前沿与挑战，探讨了从基于物理原理到深度学习驱动的设计策略 | 系统性地剖析了针对动态、无稳定结构蛋白质的计算设计策略，并整合了物理原理与深度学习方法的进展 | NA | 探讨内在无序蛋白质配体设计的原则、优势、限制及未来方向 | 内在无序蛋白质及其配体 | 计算蛋白质设计 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1564 | 2026-03-28 |
A Deep Learning Pathomic Signature Predicts Survival and Recurrence in Pancreatic Ductal Adenocarcinoma Independent of CA19-9
2026-Mar-24, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2026.218452
PMID:41887395
|
研究论文 | 本研究开发了一种基于深度学习的病理组学特征（PCPS），用于预测胰腺导管腺癌（PDAC）患者的生存和复发风险，其预测能力独立于血清标志物CA19-9 | 首次开发了基于常规H&E染色全切片图像的深度学习病理组学特征，能够有效对CA19-9阴性患者进行风险分层，并揭示了与免疫抑制微环境和基底样上皮细胞状态相关的生物学机制 | 研究样本量相对有限（内部队列252例，外部验证队列183例），且为回顾性研究，需要前瞻性多中心验证 | 开发一种独立于CA19-9的预后生物标志物，以改善胰腺导管腺癌的风险分层和治疗指导 | 胰腺导管腺癌（PDAC）患者 | 数字病理学 | 胰腺癌 | 苏木精-伊红（H&E）染色全切片图像分析 | 深度学习模型 | 病理图像 | 内部队列252例患者，外部验证队列183例患者（来自TCGA） | NA | NA | C-index, 风险比（HR）, P值 | NA |
| 1565 | 2026-03-28 |
SkinCast: an AI-driven mechanistically interpretable model for predicting skin sensitization of environmentally released consumer product ingredients
2026-Mar-22, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110209
PMID:41886929
|
研究论文 | 开发了一种名为SkinCast的AI驱动、机制可解释模型，用于预测环境释放的消费品成分引起的皮肤致敏性 | 通过整合皮肤致敏途径中的四个关键事件，并采用图卷积网络进行结构表示，结合生物加权评分函数实现机制可解释的预测 | 未明确说明模型在特定化学类别或复杂混合物中的泛化能力限制 | 预测环境释放的消费品成分的皮肤致敏性，以识别潜在致敏原 | 消费品成分，特别是香料成分 | 机器学习 | 皮肤过敏 | 定量构效关系 | 图卷积网络, 机器学习, 深度学习 | 化学结构数据 | 验证化合物未明确数量，但应用于3,415种香料成分 | NA | 图卷积网络 | AUC | NA |
| 1566 | 2026-03-28 |
Ancestral state reconstruction with discrete characters using deep learning
2026-Mar-21, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.19.712918
PMID:41890074
|
研究论文 | 本研究利用深度学习软件phyddle进行祖先状态重建，评估其在各种方法和模型条件下的性能，并与贝叶斯推断进行比较 | 将深度学习应用于系统发育学中的祖先状态重建，特别是针对似然函数难以处理的复杂模型，提供了一种替代传统基于似然推断的新方法 | 在树规模增大时性能下降，且对于复杂模型（如物种形成和灭绝模型），其估计与贝叶斯推断的差异更大 | 开发并评估深度学习在系统发育学中祖先状态重建的应用，以处理似然函数难以计算的模型 | 离散字符模型下的祖先状态重建，包括简单马尔可夫模型和更复杂的生物现实模型 | 机器学习 | NA | 深度学习 | 深度学习模型 | 离散字符数据 | NA | phyddle | NA | NA | NA |
| 1567 | 2026-03-28 |
Protocol for non-invasive tumor monitoring and diagnosis based on interpretable deep learning
2026-Mar-20, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2026.104358
PMID:41653437
|
研究论文 | 本文介绍了一种基于可解释深度学习框架Oncoder的非侵入性肿瘤监测和诊断协议 | 利用可解释深度学习框架Oncoder，通过追踪患者血浆cfDNA中肿瘤特异性DNA甲基化信号的动态变化来监测治疗反应 | NA | 开发非侵入性肿瘤监测和诊断协议 | 血浆细胞游离DNA中的肿瘤特异性DNA甲基化 | 机器学习 | 肿瘤 | DNA甲基化分析 | 深度学习 | 甲基化数据 | NA | NA | Oncoder | NA | NA |
| 1568 | 2026-03-28 |
Protocol to perform cell-type-specific transcriptome-wide association study using scPrediXcan framework
2026-Mar-20, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2025.104306
PMID:41689808
|
研究论文 | 本文介绍了一个名为scPrediXcan的框架协议，用于执行细胞类型特异性转录组范围关联研究 | 通过整合基于深度学习的基因表达预测与表观遗传特征，实现了细胞类型特异性的转录组范围关联研究，并提供了可扩展的模型训练与关联测试协议 | 协议依赖于GWAS汇总统计数据，可能受限于原始GWAS研究的样本量和统计效力 | 开发并详细描述一个用于细胞类型特异性转录组范围关联研究的计算框架协议 | 基因表达预测模型、GWAS汇总统计数据、细胞类型特异性转录组关联 | 机器学习 | NA | 深度学习、表观遗传特征分析、GWAS汇总统计 | 深度学习模型 | DNA序列数据、表观遗传特征数据、GWAS汇总统计数据 | NA | NA | NA | NA | 最小计算负担 |
| 1569 | 2026-03-21 |
Corrigendum to 'Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population': [International Dental Journal Volume 76, Issue 2, April 2026, 109381]
2026-Mar-18, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109504
PMID:41855705
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1570 | 2026-03-28 |
HISNET-FF: Hierarchical identification of species using a network with fused cranial and dental features
2026-Mar-18, Zoological research
IF:4.0Q1
|
研究论文 | 本文提出了一种名为HISNET-FF的双流深度学习框架，用于基于哺乳动物颅骨和牙齿特征的物种分类 | 开发了融合全局颅骨形态和局部牙齿及听泡诊断信号的双流架构，并采用从属到种的层次分类流程，显著提升了物种识别准确率 | NA | 加速基于形态学的物种鉴定，实现自动化的分类学分类 | 鼹鼠科（Talpidae）的51个物种，涵盖18个属 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 包含51个物种（18个属）的广泛图像数据集 | NA | HISNET-FF, YOLO | 准确率, 召回率, 精确率, 平均精度均值（mAP@[.50:.95]） | NA |
| 1571 | 2026-03-28 |
Temporal Integration of Serum Proteomics, Metabolomics and MRI Tumor Volumetrics via Deep Learning Identifies Systemic Mediators of Glioblastoma Response to Chemoradiotherapy
2026-Mar-18, Research square
DOI:10.21203/rs.3.rs-9085743/v1
PMID:41890862
|
研究论文 | 本研究通过深度学习整合血清蛋白质组学、代谢组学与MRI肿瘤体积数据，识别了胶质母细胞瘤对放化疗反应的系统性介质 | 首次将AI分割的MRI体积变化与血清多组学数据结合，揭示了胶质母细胞瘤放化疗后肿瘤体积变化与特定代谢通路之间的关联 | 样本量较小（55例患者），且为单中心研究，需要更大规模、多中心的验证 | 整合临床、分子和影像数据，识别与胶质母细胞瘤放化疗反应相关的系统性生物标志物和通路 | 胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | SomaScan蛋白质组学平台，SECIM代谢组学检测，AI分割 | 深度学习 | 血清蛋白质组学数据，血清代谢组学数据，MRI影像 | 55例临床注释的胶质母细胞瘤患者，提供放化疗前后的血清样本 | NA | NA | p值 | NA |
| 1572 | 2026-03-28 |
SynAPSeg: A novel dataset and image analysis framework for deep learning-based synapse detection and quantification
2026-Mar-16, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.12.711395
PMID:41890116
|
研究论文 | 本文介绍了一个名为SynAPSeg的新型数据集和图像分析框架，用于基于深度学习的突触检测和量化 | 提出了首个大规模、公开可用的突触点实例分割数据集，并开发了一个集成深度学习模型和交互界面的开源分析框架 | NA | 解决神经科学中突触组织在电路级别量化分析的关键瓶颈 | 突触点，特别是兴奋性突触后PSD95点，以及抑制性中间神经元中的突触 | 计算机视觉 | 老年疾病 | 荧光标记和成像 | 深度学习模型 | 图像 | 包含近400万个兴奋性突触后PSD95点的大规模数据集 | NA | NA | NA | NA |
| 1573 | 2026-03-28 |
Automated measurement of horizontal strabismus in children's primary gaze photographs using deep learning and computer vision
2026-Mar-12, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2026.105438
PMID:41825684
|
研究论文 | 本研究开发并验证了一种基于深度学习和计算机视觉的自动化系统，用于从儿童主视照片中测量水平性斜视角度 | 提出了一种两阶段人工智能系统，结合深度学习进行眼部结构分割和计算机视觉算法测量对齐，实现了自动化水平性斜视测量 | 研究仅验证了水平性斜视，未涉及垂直性斜视；样本量相对有限（147张照片） | 开发并验证自动测量儿童水平性眼位对齐的算法 | 儿童的主视照片 | 计算机视觉 | 斜视 | 深度学习，计算机视觉 | 深度学习算法 | 图像 | 深度学习训练数据集包含11,018张眼部图像，验证阶段使用147张主视照片 | NA | NA | 线性回归斜率，p值，组内相关系数（ICC），一致性界限（LoA），变异系数（CoV） | NA |
| 1574 | 2026-03-28 |
EpiExpr: Predicting gene expression using epigenetic data and chromatin interactions
2026-Mar-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.06.704509
PMID:41867859
|
研究论文 | 本文介绍了一个名为EpiExpr的深度学习框架，用于从表观遗传数据和染色质相互作用预测基因表达 | EpiExpr框架结合了一维表观遗传轨迹和三维染色质相互作用，利用残差卷积网络和图神经网络（包括图注意力和图变换器模型）来捕捉局部和远距离调控影响，无需DNA序列嵌入即可达到与基于序列的变换器模型相当的性能 | NA | 解码表观基因组景观中的基因表达，并提供一个可扩展的多分辨率框架来剖析表观遗传修饰和三维基因组组织对基因调控的贡献 | GM12878和K562细胞系 | 基因组学 | NA | 表观遗传数据，染色质相互作用数据，CRISPRi-FlowFISH验证 | 残差卷积网络，图神经网络，图注意力模型，图变换器模型 | 一维表观遗传轨迹，三维染色质相互作用数据 | NA | NA | 残差卷积网络，图注意力模型，图变换器模型 | NA | NA |
| 1575 | 2026-03-28 |
Deep Learning-Based Generation of Synthetic Multiphasic MRI In Hepatocellular Carcinoma and Cirrhosis
2026-Mar-04, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2026.101813
PMID:41887530
|
研究论文 | 本研究评估了基于深度学习的合成三维肝脏对比增强多期相MRI在肝细胞癌和肝硬化中的可行性 | 利用三维循环一致性生成对抗网络从非对比增强序列生成合成对比增强多期相MRI，以减少造影剂使用和扫描时间 | 基于中等规模的单中心数据集，需要更大规模的多中心研究和外部验证 | 评估深度学习生成合成对比增强多期相肝脏MRI的可行性 | 肝细胞癌和肝硬化患者的MRI图像 | 计算机视觉 | 肝细胞癌, 肝硬化 | MRI | GAN | 图像 | 533次MRI检查，包含3,198个MRI期相，来自185名肝细胞癌患者和182名肝硬化患者 | NA | 三维循环一致性生成对抗网络 | 结构相似性指数, 重叠度, 对称平均绝对百分比误差, 准确率, 精确率, Fleiss's kappa | NA |
| 1576 | 2026-03-28 |
Clinical validation of perfusion imaging with pulmonary function test data using Voronoi-based discretization
2026-Mar-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4669
PMID:41698321
|
研究论文 | 本研究提出了一种基于Voronoi图离散化的框架，用于从原始值和百分位数缩放的灌注图像中提取局部空间信息，以评估肺功能，并验证其与肺功能测试数据的相关性 | 提出了利用Voronoi图对肺灌注图像进行离散化的新方法，以捕获局部空间信息，并计算分层描述性统计量，从而将区域灌注成像与全局肺功能评估联系起来 | 未明确提及具体局限性，但文中暗示替代方法（如基于CT的灌注和深度学习模型）通常需要大量数据集进行验证，而这些数据往往稀缺 | 开发一个框架，以弥合区域灌注成像与全局肺功能评估之间的差距，实现SPECT和CT-P灌注图之间有意义的定量比较 | 肺灌注图像（SPECT和CT-P）以及肺功能测试数据 | 数字病理学 | 肺癌 | 单光子发射计算机断层扫描，基于CT的灌注成像，肺功能测试 | NA | 图像 | NA | NA | NA | 斯皮尔曼相关系数，AUC | NA |
| 1577 | 2026-03-28 |
Advances and challenges in AI-assisted MRI for lumbar disc degeneration detection and classification
2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09179-z
PMID:40707791
|
综述 | 本文综述了人工智能在基于MRI的腰椎间盘退变检测与分类中的应用、挑战及未来方向 | 全面概述了AI在腰椎间盘退变MRI分析中的应用，特别关注深度学习技术、混合模型及可解释性工具，并指出了临床转化面临的挑战 | 作为叙述性综述，可能未涵盖所有最新研究；且指出当前模型在泛化性、数据不平衡、可解释性及监管整合方面仍存在局限 | 综述AI（特别是机器学习和深度学习）在基于MRI的腰椎间盘退变检测与分级中的应用，评估其临床价值、当前局限及未来方向 | 腰椎间盘退变（IDD）的MRI图像 | 医学影像分析 | 腰椎间盘退变 | MRI | CNN, 支持向量机, 混合模型（结合Transformer和多任务学习） | 图像（MRI） | NA | NA | SpineNet, ResNet, U-Net | 准确性, 可重复性 | NA |
| 1578 | 2026-03-28 |
SpineScan: a deep learning model for lumbar spine MRI annotation and Pfirrmann grading assessment
2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09537-x
PMID:41182393
|
研究论文 | 本研究开发并验证了一个基于卷积神经网络的深度学习模型，用于自动化腰椎MRI的Pfirrmann分级评估，并创建了一个开源Web应用程序 | 开发了一个基于YOLOv8x架构的CNN模型，能够同时检测椎间盘并分类退变等级，并构建了开源的SpineScan Web应用，提高了模型的可访问性 | 模型对高度退变的Grade V椎间盘性能较低，可能由于对比度差和边界不清晰 | 开发并验证一个自动化的Pfirrmann分级系统，用于评估腰椎间盘退变 | 腰椎MRI扫描中的椎间盘 | 计算机视觉 | 腰椎间盘退变 | MRI | CNN | 图像 | 484个腰椎MRI扫描 | PyTorch | YOLOv8x | 准确率, 精确率, 召回率, 平均精度均值 | NA |
| 1579 | 2026-03-28 |
Automated analysis of paraspinal muscles: segmentation and multi-parameter quantification in lumbar CT using convolutional neural network
2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09541-1
PMID:41191112
|
研究论文 | 本文开发了一种基于卷积神经网络的深度学习算法，用于在腰椎CT中自动分割和量化八块脊柱旁肌肉 | 首次提出使用深度学习算法自动分割和量化八块腰椎脊柱旁肌肉，并计算多个肌肉参数，克服了手动方法的耗时和变异性问题 | 样本量相对较小（100例CT扫描），且未提及外部验证或跨中心数据测试 | 开发自动分割和量化腰椎脊柱旁肌肉的深度学习工具，以支持大规模流行病学研究 | 腰椎CT图像中的八块脊柱旁肌肉（双侧腰大肌、腰方肌、竖脊肌和多裂肌） | 数字病理学 | 脊柱相关疾病 | CT成像 | CNN | 图像 | 100例腰椎CT扫描（年龄55.02±16.2岁，62名女性） | NA | TransUNet | Dice相似系数, Hausdorff距离, 平均交并比, 组内相关系数 | NA |
| 1580 | 2026-03-28 |
External validation of SpineNetv2 deep learning system for automated lumbar spine MRI analysis: A multi-pathology diagnostic agreement study
2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09543-z
PMID:41204023
|
研究论文 | 本研究对公开可用的深度学习系统SpineNetv2在腰椎MRI多病理自动分析方面进行了独立外部验证，并与专家评估进行了对比 | 首次对SpineNetv2深度学习系统在多种腰椎病理诊断方面进行了独立外部验证，并系统比较了其与初级骨科医生的性能差异 | Pfirrmann分级在老年患者和上腰椎间盘中的一致性下降，系统存在特异性导向特征，假阴性超过假阳性，不推荐依赖阴性结果 | 验证深度学习系统在腰椎MRI多病理自动分析中的诊断性能 | 491名患者的2,455个腰椎间盘（L1/2-L5/S1） | 数字病理学 | 腰椎退行性疾病 | 磁共振成像（MRI） | 深度学习系统 | 医学影像（MRI图像） | 491名患者，2,455个腰椎间盘 | NA | SpineNetv2 | 敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, Matthews相关系数, 精确一致性, 加权kappa, 平均绝对误差 | NA |