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 45937 篇文献，本页显示第 1581 - 1600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1581 | 2026-06-06 |
Artificial intelligence and machine learning-driven advancements in gastrointestinal cancer: Paving the way for precision medicine
2026-Jan-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i1.111428
PMID:41551523
|
综述 | 综述了人工智能与机器学习在胃肠道癌症检测、诊断和预后中的应用进展 | 系统评估了AI在胃肠癌多模态检测（内镜、影像组学、病理学）中的性能，并探讨了多模态方法在精准肿瘤学中的潜力 | 缺乏大规模临床验证，伦理、法律和社会影响考虑不足，AI与临床工作流整合仍有限 | 概述AI在胃肠道癌症精准医学中的最新进展与未来方向 | 胃肠道癌种（如结直肠癌、胃癌等）相关的AI诊断与预测模型 | 机器学习 | 消化道癌症 | NA | 深度学习、大型语言模型、影像组学模型 | 图像（内镜、放射影像）、病理数据、临床数据 | NA | NA | 深度学习网络（用于息肉检测与分割）、影像组学模型、大语言模型 | 准确率(85%-97%)、曲线下面积(≤0.92)、诊断准确性(78.9%-80.0%) | NA |
| 1582 | 2026-06-06 |
Predicting lymph node metastasis in colorectal cancer using case-level multiple instance learning
2026-Jan-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i1.112090
PMID:41551528
|
研究论文 | 开发并验证了一种病例级多实例学习框架，用于预测结直肠癌淋巴结转移 | 首次提出模拟病理医生全面阅片流程的病例级MIL框架，将同一患者所有原发肿瘤切片特征整合，显著优于传统切片级训练方法 | 需要进一步外部验证 | 提高局部进展期结直肠癌淋巴结转移预测的准确性 | 130名T3/T4期结直肠癌患者的全切片图像和临床数据 | 数字病理学 | 结直肠癌 | 全切片成像 | 多实例学习 | 图像 | 130名患者 | PyTorch | CONCH v1.5, UNI2-h | AUC | NA |
| 1583 | 2026-06-06 |
DL-GapFilling: a novel deep learning framework for improved plant genome gap filling
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag007
PMID:41587320
|
研究论文 | 提出了一种名为DL-GapFilling的深度学习框架，用于改进植物基因组组装中的间隙填充问题 | 创新性地提出了Deep Filling Neural Network模型以高效提取和上下文化侧翼序列信息，并整合了BeamStar收缩扩展算法，结合重新定义的代价函数、增强搜索策略和基因组结构先验知识，同时引入PredictionFilter机制选择性保留高置信度预测结果 | NA | 开发一种基于深度学习的框架，以提高植物基因组组装中间隙填充的效率和准确性 | 多个植物或藻类基因组数据集 | 机器学习 | NA | 基因组组装、间隙填充 | Deep Filling Neural Network | 基因组序列数据 | 多个植物或藻类基因组数据集 | PyTorch | Deep Filling Neural Network | 间隙填充数量 | NA |
| 1584 | 2026-06-06 |
BiChemoCLAM: a weakly supervised multimodal framework for chemotherapy response prediction
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf728
PMID:41587322
|
研究论文 | 提出BiChemoCLAM框架，利用弱监督多模态学习预测化疗反应 | 结合注意力驱动的多实例学习与多模态紧凑双线性池化，实现可解释且高效的数据驱动化疗反应预测 | NA | 开发有效预测化疗反应的模型 | 癌症患者的化疗反应 | 机器学习 | 卵巢浆液性囊腺癌、结直肠腺癌、膀胱尿路上皮癌 | 多模态深度学习 | 多实例学习 | 全切片图像和基因表达数据 | 三个癌症数据集 | NA | BiChemoCLAM | AUC | NA |
| 1585 | 2026-06-06 |
Super-Resolution Deep Learning Reconstruction Improves Image Quality of Dynamic Myocardial Computed Tomography Perfusion Imaging
2026-Jan-07, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography12010007
PMID:41591139
|
研究论文 | 评估超分辨率深度学习重建在动态心肌CT灌注成像中对图像质量和灌注参数的影响 | 首次评估超分辨率深度学习重建在动态心肌CT灌注成像中的应用效果 | NA | 评估超分辨率深度学习重建在动态心肌CT灌注成像中的图像质量和灌注参数影响 | 35名接受动态心肌CT灌注成像的冠状动脉疾病患者 | 计算机视觉 | 冠状动脉疾病 | 超分辨率深度学习重建，混合迭代重建 | 超分辨率深度学习网络 | CT图像 | 35名患者 | NA | 超分辨率深度学习重建 | 图像噪声、信噪比、对比度噪声比、边缘上升率 | NA |
| 1586 | 2026-06-06 |
inMOTIFin: a lightweight end-to-end simulation software for regulatory sequences
2026-Jan-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag026
PMID:41557841
|
研究论文 | 介绍inMOTIFin，一款用于调控序列模拟的轻量级端到端软件 | 提供模块化、用户友好的Python软件，实现DNA调控序列的高效模拟与修改，支持基序的定制化生成、位置和共现精确控制，以及真实序列的直接修改 | NA | 开发轻量级、易集成的调控序列模拟软件，以改进生物信息学框架的评估与基准测试 | DNA调控序列、转录调控语法 | 机器学习 | NA | NA | 深度学习模型（用于可解释性分析） | DNA序列 | NA | Python | NA | NA | NA |
| 1587 | 2026-06-06 |
Deep Learning Prediction of Childhood Myopia Progression Using Fundus Image and Refraction Data
2026-Jan-02, JAMA network open
IF:10.5Q1
|
研究论文 | 基于眼底图像和基线屈光数据，利用深度学习预测儿童近视进展轨迹及高度近视风险 | 结合卷积神经网络（34层残差网络）和循环神经网络（长短期记忆网络）构建新型深度学习模型，仅用眼底图像和基线数据即可预测近视进展，并在跨种族队列中验证了模型性能的稳健性 | NA（但可能包括：样本年龄范围较窄（6-9岁），仅使用两个外部验证队列，模型对更广泛人群的适用性有待进一步验证） | 开发和验证基于深度学习的定量方法，用于预测学龄儿童近视进展轨迹和高度近视风险 | 学龄儿童（6-9岁）的眼底图像和基线屈光数据 | 机器学习 | 近视（儿童近视） | 眼底成像 | CNN + RNN（34层残差网络和长短期记忆网络） | 图像（眼底图像）和数值（屈光数据） | 训练集：3048名儿童（平均年龄7.1岁）；外部验证集：北京队列130名儿童，拉萨队列1039名儿童 | PyTorch | ResNet-34（卷积神经网络部分）+ LSTM（循环神经网络部分） | AUC（曲线下面积），MAE（平均绝对误差） | NA |
| 1588 | 2026-06-06 |
Feasibility of Depth-in-Color En Face Optical Coherence Tomography for Colorectal Polyp Classification Using Ensemble Learning and Score-Level Fusion
2026-Jan, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500292
PMID:41548988
|
研究论文 | 利用深度编码色彩三维光学相干断层扫描结合集成学习与分数级融合进行结直肠息肉分类 | 首次将深度编码色彩三维光学相干断层扫描与集成学习及分数级融合相结合，用于结直肠息肉的恶性潜能分类 | 目前为离体实验，需要进一步在体内验证以确认临床适用性 | 评估利用深度编码色彩三维光学相干断层扫描结合集成学习进行结直肠息肉恶性潜能分类的可行性 | 结直肠息肉 | 计算机视觉 | 结直肠癌 | 三维光学相干断层扫描 | 集成学习网络 | 图像 | 300名受试者的息肉样本 | NA | 集成学习网络 | AUC | NA |
| 1589 | 2026-06-06 |
Multimodal deep learning for breast tumor classification: Integrating mammography and ultrasound for enhanced diagnostic accuracy
2026-Jan, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70464
PMID:41549611
|
研究论文 | 开发并验证一种结合钼靶和超声成像的多模态深度学习方法，用于改善乳腺肿瘤分类和临床决策 | 提出模态特异性注意力机制（超声使用ECA-Net，钼靶使用CBAM）和堆叠集成模块（逻辑回归、支持向量机、随机森林、Extra-Trees作为基学习器，多层感知机作为元学习器）的多模态融合框架 | 未提及具体局限，但为回顾性研究且样本量有限（663例） | 开发结合钼靶和超声的多模态深度学习模型，提高乳腺肿瘤良恶性分类的准确性 | 2018至2021年间663例女性乳腺病变患者（384例良性，279例恶性） | 计算机视觉 | 乳腺肿瘤 | NA | CNN, ECA-Net, CBAM, LR, SVM, RF, ET, MLP | 图像（钼靶和超声） | 663例女性患者（384例良性，279例恶性），训练集464例、验证集133例、测试集66例 | PyTorch | ECA-Net, CBAM, ResNet | AUC | NA |
| 1590 | 2026-06-06 |
A generic registration-assisted framework for dynamic magnetic resonance imaging super-resolution with misaligned training data
2026-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70277
PMID:41549627
|
研究论文 | 提出一种通用注册辅助框架RegSR，利用未对齐的低分辨率和高分辨率动态MRI图像对进行监督超分辨率重建 | 提出协同利用超分辨率输出改进注册精度、引入多尺度递归注册网络MRReg和双坐标训练方案实现任务解耦 | NA | 实现动态磁共振成像中未对齐训练数据下的超分辨率重建 | 动态磁共振图像（腹部四维MRI和心脏电影MRI数据集） | 机器学习， 计算机视觉 | NA | NA | 超分辨率网络， 递归神经网络 | 图像（动态MRI） | 腹部数据集：20例训练，6例验证；心脏电影数据集：100例训练，50例验证 | NA | MRReg（多尺度递归注册网络） | MAE（平均绝对误差）， SSIM（结构相似性指数）， PSNR（峰值信噪比）， LPIPS（学习感知图像块相似度）， NIQE（自然图像质量评估器） | NA |
| 1591 | 2026-06-06 |
Confocal Raman Microscopy to Study Silicone Breast Implant's Early-Stage Degradation in Reconstructive Surgery
2026-Jan, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500510
PMID:41549634
|
研究论文 | 利用共焦拉曼显微镜研究硅胶乳房假体在重建手术中的早期降解 | 首次识别出二苯基硅氧烷和CH振动两个重要标记物，用以区分硅胶乳房假体植入前后的降解状态，并发现两个与凝胶黄变相关的拉曼波段，为通过膜渗透外部物质提供了新见解 | NA | 明确硅胶乳房假体膜的结构及其防凝胶渗漏功能，并研究其早期降解机制 | 硅胶乳房假体的膜和凝胶 | 机器学习和光谱分析 | 乳房重建相关并发症 | 拉曼光谱 | 深度学习模型 | 拉曼光谱数据 | NA | NA | NA | NA | NA |
| 1592 | 2026-06-06 |
Prototype bank-driven test-time adaptation for medical ultrasound image segmentation
2026-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70280
PMID:41549639
|
研究论文 | 提出一种基于原型库驱动的测试时自适应框架，用于解决医学超声图像分割中的领域偏移问题 | 首次在测试时自适应中结合动态统计融合模块和原型库引导语义适应模块，且无需反向传播更新模型参数 | 未涉及多种超声设备或更复杂临床场景的验证 | 解决超声图像分割中领域偏移导致的性能下降，提升模型鲁棒性 | 乳腺肿瘤和甲状腺肿瘤超声图像分割任务 | 数字病理 | 乳腺癌，甲状腺癌 | 超声成像 | CNN (动态统计融合+原型库引导语义适应) | 图像 | NA | PyTorch | U-Net (基于原型分类器和参数分类器的双分类器结构) | Dice系数 | NA |
| 1593 | 2026-06-06 |
Deep learning detection and classification of fungal and non-fungal calcifications on paranasal sinus CT imaging
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340832
PMID:41557658
|
研究论文 | 开发和评估利用深度学习算法在鼻旁窦CT图像上检测和分类真菌性与非真菌性钙化的方法 | 首次结合3D U-Net和YOLO v5及CNN对鼻旁窦钙化进行精准分割、检测和分类，区分真菌性与非真菌性鼻窦炎 | 研究样本量有限且来自单一机构，外部验证集时间跨度和地理分布有限 | 开发和验证深度学习算法用于检测和分类鼻旁窦CT图像上窦内钙化，以诊断真菌性鼻窦炎并区分其与非真菌性鼻窦炎 | 鼻旁窦CT图像中的窦内钙化 | 计算机视觉, 数字病理学 | 真菌性鼻窦炎, 非真菌性鼻窦炎 | CT成像 | 3D U-Net, YOLO v5, 卷积神经网络 | 图像 | 277例鼻旁窦CT病例，来自韩国高丽大学九老医院 | PyTorch | 3D U-Net, YOLO v5, 卷积神经网络 | Dice相似系数, 精确率, 召回率, F1分数, 准确率 | 未提及 |
| 1594 | 2026-06-06 |
Improving micromorphological analysis with CNN-based segmentation of flint/obsidian, bone and charcoal
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340353
PMID:41557713
|
研究论文 | 开发了一种基于CNN的深度学习工具，用于自动分割考古微形态学薄片中常见的骨骼、木炭和燧石/黑曜石材料 | 首次将U-Net与InceptionV4编码器结合应用于考古微形态学材料分割，实现了高精度自动识别 | 仅针对三种材料（骨骼、木炭、燧石/黑曜石），可能不适用于其他考古材料或复杂基质 | 通过深度学习提高考古微形态学中成分量化与识别的客观性、准确性和可重复性 | 旧石器时代考古薄片中的骨骼、木炭和燧石/黑曜石细粒碎屑 | 数字病理学 | NA | 高分辨率显微摄影 | 卷积神经网络 | 图像 | 57个薄片的高分辨率显微照片 | PyTorch | U-Net, InceptionV4 | 平均交并比, 平衡准确率 | NA |
| 1595 | 2026-06-06 |
Reviewing Marine Bioactive Compounds From the Red Sea: Advancing Therapeutic Applications While Navigating Translational and Conservation Challenges
2026-Jan, Chemistry & biodiversity
IF:2.3Q3
DOI:10.1002/cbdv.202502652
PMID:41563944
|
综述 | 本文回顾了红海海洋生物活性化合物在治疗应用中的潜力，并探讨了临床转化和生态保护面临的挑战 | 整合十年研究，强调红海生物多样性作为药物发现的来源，并引入深度学习等跨学科方法以加速活性化合物鉴定 | 临床转化受限于化合物来源稀缺、提取工艺复杂及监管障碍 | 综合评估红海海洋生物活性化合物的治疗潜力及开发瓶颈 | 海绵、珊瑚、微藻、海藻、海洋鱼类和微生物中分离的活性化合物（如生物碱、糖苷、萜烯、肽类） | NA | NA | 传统溶剂提取、超临界流体提取、超声辅助提取、色谱纯化、生物活性引导分离 | NA | NA | 涉及十年间多项研究的样本数据，但未具体说明数量 | NA | NA | NA | NA |
| 1596 | 2026-06-06 |
A deep learning-based model for automatic identification of mesopelagic organisms from in-trawl cameras
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340640
PMID:41563986
|
研究论文 | 利用深度学习模型自动识别拖网相机中的中层海洋生物 | 首次将最新的YOLO11s深度学习目标检测模型应用于拖网相机图像中七种中层海洋生物群落的自动识别，红光和白光条件下均有较好表现，并实现快速分层数据提取 | 部分生物类别（如浮游虾、磷虾）的平均精度低于0.80，需提高图像分辨率和扩充训练数据集来改善性能 | 探索深度学习模型在拖网相机图像中自动识别中层海洋生物的能力，以增强声学数据的验证效率 | 北大西洋常见的七种中层海洋生物群落（灯笼鱼、银光鱼、梭鱼、磷虾、浮游虾、胶质浮游动物、鱿鱼）及大型远洋鱼类 | 计算机视觉 | NA | 深度学习目标检测 | 目标检测模型 | 图像 | 在白光和红光（两种增益设置）条件下采集的拖网相机图像 | NA | YOLO11s | 加权平均精度 | NA |
| 1597 | 2026-06-06 |
Histo-Miner: Deep learning based tissue features extraction pipeline from H&E whole slide images of cutaneous squamous cell carcinoma
2026-Jan, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013907
PMID:41564120
|
研究论文 | 提出了Histo-Miner，一个基于深度学习的管线，用于从H&E染色的皮肤鳞状细胞癌全切片图像中提取组织特征 | 创建了两个新的皮肤鳞状细胞癌WSI数据集，并采用卷积神经网络和视觉变换器进行细胞核分割与分类，以及肿瘤区域分割，能够生成紧凑的特征向量用于下游任务如免疫治疗反应预测 | 在皮肤组织上的细胞类型自动分类性能较差，原因包括缺乏标记训练数据以及肿瘤与非肿瘤上皮细胞之间的高度形态相似性；样本量相对较小（45名患者用于免疫治疗预测） | 开发一种深度学习方法用于分析皮肤全切片图像，并预测皮肤鳞状细胞癌患者对免疫治疗的反应 | 皮肤鳞状细胞癌（cSCC）样本的全切片图像（WSI） | 数字病理学 | 皮肤鳞状细胞癌 | H&E染色 | 卷积神经网络，视觉变换器 | 图像 | 21张WSI（标注47,392个细胞核）、144张WSI（标注肿瘤区域）用于训练，45名患者用于免疫治疗反应预测 | PyTorch | 卷积神经网络，视觉变换器 | 多类全景质量（mPQ）、宏平均F1、平均交并比（mIoU）、ROC曲线下面积（AUC） | NA |
| 1598 | 2026-06-06 |
Advancing Diagnostic Accuracy in Liver Cancer: A Systematic Review of Artificial Intelligence Applications in Hepatocellular Carcinoma and Cholangiocarcinoma Detection Using Abdominal CT Imaging
2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2026.27.1.5
PMID:41569166
|
系统综述 | 系统评价人工智能在腹部CT和MRI影像中区分肝细胞癌与胆管癌的诊断性能 | 首次系统评估AI在区分肝癌两大亚型（HCC和CCA）中的诊断性能，并强调多模态整合（CT+MRI、影像基因组学）对提升诊断准确性的价值 | 多数研究为回顾性设计，缺乏前瞻性实时验证，且外部验证有限 | 评估人工智能在腹部CT和MRI影像中区分肝细胞癌与胆管癌的诊断准确性及其临床意义 | 已发表的应用AI诊断肝细胞癌或胆管癌的原创研究 | 计算机视觉 | 肝癌 | 腹部CT和MRI影像 | 卷积神经网络 | 医学影像 | 44项研究 | NA | CNN | 敏感度、特异度、准确率、AUC | NA |
| 1599 | 2026-06-06 |
A DNN-Based Weighted Partial Likelihood for Partially Linear Subdistribution Hazard Model
2026-Jan, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.70397
PMID:41569618
|
研究论文 | 提出了深度部分线性子分布风险模型，将深度学习与竞争风险分析相结合 | 首次在竞争风险领域引入深度学习与部分线性结构，并开发了针对竞争风险数据的时变AUC评估方法 | 未提及具体限制 | 提高竞争风险数据下生存分析的预测性能 | 竞争风险数据中的部分线性子分布风险模型 | 机器学习 | NA | 深度学习 | DNN | 数值模拟和真实世界数据集 | NA | NA | 深度部分线性结构 | 时变AUC | NA |
| 1600 | 2026-06-06 |
A predicted structural interactome reveals binding interference from intrinsically disordered regions
2026-Jan, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013899
PMID:41570036
|
研究论文 | 利用AlphaFold2 Multimer预测果蝇蛋白质相互作用网络，发现无序区域在相互作用中的关键作用 | 首次在非哺乳动物物种（果蝇）中系统使用深度学习技术预测蛋白质相互作用网络，并揭示了内在无序区域在蛋白质相互作用中的关键作用 | 预测结果主要基于功能关联数据，可能无法完全反映体内真实物理相互作用；研究仅限于果蝇物种，跨物种通用性有待验证 | 研究果蝇蛋白质相互作用网络，评估AlphaFold2 Multimer在非哺乳动物物种中的预测能力，并探索无序区域在相互作用中的作用 | 果蝇蛋白质相互作用对 | 机器学习 | NA | AlphaFold2 Multimer | AlphaFold2 Multimer | 蛋白质序列和结构数据 | 果蝇蛋白质相互作用数据集（包含物理和功能关联数据） | AlphaFold2 | AlphaFold2 Multimer | NA | NA |