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 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-02-16 |
Redefining obstructive sleep apnea diagnosis: An attention augmented CNN-BiLSTM hybrid alternative to traditional PSG testing
2026-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2026.103808
PMID:41684745
|
研究论文 | 本研究提出了一种基于注意力增强的CNN-BiLSTM混合深度学习模型，用于自动检测阻塞性睡眠呼吸暂停（OSA），以替代传统的多导睡眠图（PSG）诊断方法 | 结合卷积神经网络与双向长短期记忆网络的混合架构，并集成注意力机制以提升特征表示和分类性能，同时通过ANOVA选择生理信号子集以优化检测效果 | NA | 开发一种替代传统多导睡眠图（PSG）的自动化OSA检测方法，以提高诊断的可及性和准确性 | 阻塞性睡眠呼吸暂停（OSA）患者 | 机器学习 | 阻塞性睡眠呼吸暂停 | 深度学习 | CNN, BiLSTM | 生理信号数据 | 基于两个公开数据库，具体样本数量未明确说明 | NA | CNN-BiLSTM混合架构 | 准确率, F1分数 | NA |
| 2 | 2026-02-16 |
Ultrasound-guided sound speed correction for photoacoustic computed tomography
2026-Apr, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2026.100804
PMID:41685117
|
研究论文 | 本文提出了一种基于双模态深度学习的框架，通过联合处理配准的光声和超声图像来校正组织中的异质声速，以提高光声计算机断层扫描的图像质量 | 提出了一种利用配准超声图像中的丰富散斑和高信噪比信息来估计空间变化声速图，并将其与光声图像融合以校正声速畸变的新方法 | 该方法在数值和组织模拟体模上进行了测试，并展示了跨域泛化能力，但未提及在更广泛或更复杂临床场景中的验证 | 提高光声计算机断层扫描中因组织异质声速导致的图像畸变校正的准确性和效率 | 光声和超声双模态图像 | 计算机视觉 | NA | 光声计算机断层扫描，超声成像 | 深度学习 | 图像 | 数值模拟体模、组织模拟体模和活体数据 | NA | NA | 图像质量（结构细节增强、声学伪影减少） | NA |
| 3 | 2026-02-16 |
Explainable artificial intelligence for multi-modal cancer analysis: From genomics to immunology
2026-Mar, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2025.105040
PMID:41290079
|
综述 | 本文综述了可解释人工智能在多模态癌症分析中的应用，涵盖从基因组学到免疫学的整合 | 提出了基于免疫学信息的多模态深度学习框架，通过可解释AI增强模型透明度，并连接预测特征与肿瘤免疫微环境动态 | 面临数据协调和模态不平衡等挑战，需进一步解决以确保科学有效性 | 推进个性化精准肿瘤学，通过多模态数据整合改善癌症预后、治疗选择和反应预测 | 癌症的多模态生物医学数据，包括基因组学、转录组学、组织病理学、医学影像、蛋白质组学、代谢组学、电子健康记录和免疫学特征 | 机器学习 | 癌症 | 多模态深度学习，可解释人工智能 | 深度学习模型 | 多模态数据（基因组、转录组、病理图像、医学影像、蛋白质组、代谢组、电子健康记录、免疫特征） | NA | NA | NA | 统计指标，生物学合理性评估 | NA |
| 4 | 2026-02-16 |
Interpreting Imaging in the Era of Artificial Intelligence: Future Possibilities in Ocular Inflammatory Disease
2026-Mar, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.12.019
PMID:41443461
|
综述 | 本文回顾了人工智能在葡萄膜炎多模态影像解读领域的当前能力、局限性与未来前景 | 系统梳理了AI在眼科炎症疾病影像分析中的新兴应用方向，特别是深度学习在多模态影像自动解读中的潜力 | AI在葡萄膜炎领域的应用尚处于起步阶段，现有工具仍在开发中，临床验证不足 | 探讨人工智能在葡萄膜炎多模态影像解读中的应用前景 | 葡萄膜炎（眼部炎症性疾病）的多模态影像数据 | 计算机视觉 | 葡萄膜炎 | 多模态影像分析 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 5 | 2026-02-16 |
Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy
2026-Mar, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.12.017
PMID:41453592
|
研究论文 | 本研究探讨了基于单次拍摄广域扫频源OCT血管成像的视网膜新生血管指标，用于预测高风险增生性糖尿病视网膜病变中后续视力威胁并发症的发生 | 首次利用广域SS-OCTA结合深度学习算法自动检测和量化视网膜新生血管膜及血管区域，并基于其与内界膜的轴向关系（抬高型与附着型）来预测并发症风险 | 样本量较小（18只眼），随访时间中位数为291天，可能不足以全面评估长期并发症，且为单中心前瞻性病例系列研究 | 评估广域SS-OCTA衍生的视网膜新生血管指标是否能够预测高风险增生性糖尿病视网膜病变中后续的玻璃体出血或牵拉性视网膜脱离 | 临床分级为高风险增生性糖尿病视网膜病变的患者眼睛 | 数字病理学 | 糖尿病视网膜病变 | 广域扫频源光学相干断层扫描血管成像 | 深度学习 | 图像 | 18只眼 | NA | NA | AUC, 敏感性, 特异性 | NA |
| 6 | 2026-02-16 |
Artificial intelligence applications in ovarian cancer detection: A systematic literature review of deep learning approaches and clinical translation challenges
2026-Mar, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2026.105126
PMID:41544732
|
系统文献综述 | 本文系统回顾了2020年至2025年间发表的61项研究，探讨了人工智能在卵巢癌检测中的应用，重点关注深度学习方法及其临床转化面临的挑战 | 整合了最新的深度学习方法在卵巢癌检测中的应用进展，并系统分析了临床转化中的关键障碍，如数据集异质性和可解释AI的缺乏 | 纳入的研究存在数据集异质性、样本量有限（从数百到数千张图像）、外部验证机会少以及超参数优化关注不足等问题 | 系统回顾和评估人工智能（特别是深度学习）在卵巢癌检测中的应用现状、方法学进展及临床转化挑战 | 2020年至2025年间发表的61项关于人工智能在卵巢癌检测中应用的研究 | 计算机视觉 | 卵巢癌 | NA | CNN, Vision Transformer | 图像 | 数百至数千张图像 | NA | ResNet, U-Net, Vision Transformer | 准确率 | NA |
| 7 | 2026-02-16 |
Deep learning for estimating right ventricular function from routine coronary angiography
2026-Mar, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag004
PMID:41684375
|
研究论文 | 本研究探索了使用深度学习从常规冠状动脉造影中估计右心室功能的方法 | 首次利用深度学习从常规冠状动脉造影的cine图像中检测右心室功能障碍，并结合心电图输入提升模型性能 | 研究依赖于与经胸超声心动图的时间接近性作为金标准，可能存在时间偏差 | 探索深度学习在从冠状动脉造影中检测右心室功能障碍的作用 | 右心室功能障碍患者 | 计算机视觉 | 心血管疾病 | 冠状动脉造影，经胸超声心动图 | CNN | 图像 | 10336个冠状动脉造影来自9849名患者（平均年龄66岁，36%女性） | NA | 3D-CNN | AUC, 敏感性, 特异性 | NA |
| 8 | 2026-02-16 |
A scoping review of portable ultra-low-field MRI studies in patients with acquired brain injury: Past, present, and future
2026-Mar, Neuroimage. Reports
DOI:10.1016/j.ynirp.2026.100324
PMID:41685206
|
综述 | 本文对便携式超低场MRI在获得性脑损伤患者中的应用进行了范围综述，总结了其安全性、有效性及未来研究方向 | 首次系统综述了便携式超低场MRI在多种获得性脑损伤中的应用，并强调了深度学习在生成合成扫描图像以提高检测灵敏度与特异性方面的创新应用 | 研究样本缺乏多样性，定量分析不足，限制了结果的普遍适用性，且多数研究在受控条件下进行，需多中心大样本研究进一步验证 | 评估便携式超低场MRI在获得性脑损伤患者中的安全性、有效性及其与传统高场MRI的对比 | 获得性脑损伤患者，包括中风、创伤性脑损伤、脑肿瘤、多发性硬化及其他神经系统疾病患者 | 数字病理学 | 获得性脑损伤 | 便携式超低场MRI，深度学习 | 深度学习模型 | MRI图像 | 20项研究，涉及中风、创伤性脑损伤、脑肿瘤、多发性硬化及其他神经系统疾病患者 | NA | NA | 灵敏度，特异性，体积相关性 | NA |
| 9 | 2026-02-16 |
Bioinspired Cold-Laminated Ultrathin Hydrogels as a Broadly Adaptive Platform for Physiological Monitoring
2026-Feb-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202524317
PMID:41691494
|
研究论文 | 本文提出了一种受生物启发的冷层压超薄水凝胶平台，用于生理监测，具有优异的适应性、耐久性和多功能性 | 开发了一种新颖的冷层压策略，将TPU纳米网机械互锁在温度响应水凝胶网络中，模仿细胞外基质结构，实现了厚度、杨氏模量的精确控制以及可逆的按需粘附 | NA | 开发一种广泛适应的水凝胶平台，用于生理监测，满足表皮和植入式应用的需求 | 超薄水凝胶设备，用于表皮心电图监测和植入式心脏贴片 | 生物电子学 | 心血管疾病 | 冷层压策略，温度响应水凝胶网络 | 深度学习网络 | 生理信号数据（如心电图） | 小鼠模型 | NA | 双分支深度学习网络 | 分类准确率 | NA |
| 10 | 2026-02-16 |
Towards improved decision making of unruptured intracranial aneurysms using automated segmentation from MRA-TOF with iterative pseudo labeling
2026-Feb-14, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9231
PMID:41690811
|
研究论文 | 本文开发并验证了一种基于深度学习的颅内血管和动脉瘤分割方法DIVA-seg，该方法使用伪标签方法从MRA-TOF图像中实现准确分割，以支持未破裂颅内动脉瘤的临床决策 | 提出了一种基于nnU-Net的迭代伪标签方法，用于从MRA-TOF图像中自动分割颅内血管和动脉瘤，并在内部和外部数据集上实现了高精度分割，同时与专家标注在3D形态学测量上表现出高度一致性 | 在体素体积、表面积、球形度和形状指数等3D形态学测量中观察到比例偏差，且定性评估未显示对真实标注或模型分割的明显偏好 | 开发一种自动分割方法，以支持未破裂颅内动脉瘤的准确3D形态学评估和临床决策 | MRA-TOF图像中的颅内血管和动脉瘤 | 数字病理学 | 颅内动脉瘤 | MRA-TOF | CNN | 图像 | 训练集57例，测试集14例，伪标签数据518例，外部验证集82例 | nnU-Net | nnU-Net | Dice相似系数, 95% Hausdorff距离, 3D形态学测量 | NA |
| 11 | 2026-02-16 |
Integrated Deep Learning-Based Intracranial Vessel Wall Imaging with DANTE Preparation: Feasibility and Technical Performance
2026-Feb-14, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9232
PMID:41690813
|
研究论文 | 本研究评估了将DANTE准备集成到深度学习加速的颅内血管壁成像序列中的可行性和技术性能 | 首次将DANTE准备与深度学习加速的T1-SPACE序列结合用于颅内血管壁成像，以改善血流伪影和管腔可视化 | 回顾性单中心研究，样本量较小（35例患者），DANTE准备导致血管壁可视化评分降低 | 评估DANTE准备在深度学习加速颅内血管壁成像中的技术性能和可行性 | 颅内血管壁成像（IC-VWI） | 医学影像分析 | 颅内血管病变 | DANTE准备，深度学习加速的T1-SPACE序列，磁共振成像 | 深度学习模型 | 磁共振图像 | 35例患者（22名女性，平均年龄57.9±17.1岁），共556个血管段对 | NA | NA | Likert量表评分，累积链接混合效应模型，Wilcoxon检验，Bland-Altman分析 | NA |
| 12 | 2026-02-16 |
Machine learning-based heat flux estimation from high-speed video during saturated pool boiling over vertical tube
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35147-8
PMID:41690988
|
研究论文 | 本文提出了一种基于机器学习的方法，利用高速视频数据预测垂直管饱和池沸腾过程中的热通量 | 通过结合卷积神经网络和物体检测算法，自动提取气泡的层次化和基于物理的特征，实现了对沸腾过程中气泡成核、合并和脱离行为的统计描述，从而进行原位热通量预测 | NA | 提高核电站等设备中沸腾热传递过程的参数预测准确性，以优化设备设计、安全性和可靠性 | 垂直管饱和池沸腾过程中的动态气泡 | 计算机视觉 | NA | 高速成像 | CNN, 物体检测算法 | 视频 | NA | NA | NA | 平均热通量预测误差, 分类准确率 | NA |
| 13 | 2026-02-16 |
Fuel-driven hybrid deep learning model for forecasting finger millet prices
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34947-8
PMID:41690993
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14 | 2026-02-16 |
AI accelerate the identification of druggable targets by 3D structures of proteins and compounds
2026-Feb-14, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01310-7
PMID:41691035
|
综述 | 本文综述了人工智能在肿瘤药物开发中，特别是在靶点识别、虚拟筛选和从头分子设计方面的应用 | 概述了AI如何通过预测蛋白质结构、评估靶点成药性及优化药物性质来加速药物发现过程，并整合了分子与临床特征 | 讨论了数据质量、模型可解释性、计算限制以及伦理和监管问题，这些仍是更广泛临床转化的主要障碍 | 探讨人工智能在肿瘤药物开发领域的应用，以应对传统药物研发的高成本、低成功率和长周期问题 | 蛋白质、化合物、药物靶点及分子结构 | 机器学习 | 癌症 | 机器学习, 深度学习 | 神经网络 | 分子数据, 临床数据 | NA | NA | NA | NA | NA |
| 15 | 2026-02-16 |
Kinic index: an artificial intelligence-driven predictive model and multitarget drug discovery framework for hepatocellular carcinoma patients
2026-Feb-14, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01324-1
PMID:41691080
|
研究论文 | 本研究开发了一个名为Kinic index (KI)的人工智能预测模型，用于肝细胞癌患者的风险分层、预后预测和多靶点药物发现 | 首次将新型赖氨酸酰化修饰（异烟酰化）与多组学数据整合，利用AI构建预后模型，并结合GraphBAN深度学习和ADMET-AI筛选进行多靶点药物发现 | 研究基于回顾性数据，需要前瞻性临床验证；药物发现结果尚未进行体内实验验证 | 开发肝细胞癌的预后预测模型并发现新的治疗靶点及候选药物 | 肝细胞癌患者 | 机器学习, 数字病理学 | 肝细胞癌 | 多组学数据分析, 单细胞转录组学, 空间转录组学 | LASSO, 随机生存森林(RSF), 深度学习 | 多组学数据, 转录组数据, 单细胞数据, 空间转录组数据 | 未明确指定 | GraphBAN, ADMET-AI | 未明确指定 | 总体生存率 | 未明确指定 |
| 16 | 2026-02-16 |
A hierarchical interaction message net for accurate molecular property prediction
2026-Feb-14, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-026-01922-x
PMID:41691119
|
研究论文 | 本文提出了一种名为Hierarchical Interaction Message Net (HimNet)的模型，用于准确预测分子性质，包括ADMET特性 | 引入了分层交互消息传递机制，通过分层注意力引导的消息传递实现原子、基序和分子层面的交互感知表示学习，有效平衡全局和局部信息 | 未明确说明模型在处理超大规模数据集或复杂分子结构时的计算效率限制 | 开发一种深度学习模型以准确预测分子性质，支持药物发现早期阶段的决策 | 分子及其性质，包括ADMET特性、代谢稳定性、疟疾活性和肝微粒体清除率 | 机器学习 | NA | 深度学习 | 图神经网络, Transformer | 化学信息数据 | 在11个数据集上进行评估，包括8个MoleculeNet基准数据集和3个高价值数据集 | NA | Hierarchical Interaction Message Net (HimNet) | 最佳或接近最佳性能（具体指标未明确列出，如准确率、AUC等） | NA |
| 17 | 2026-02-16 |
Feasibility of BMI-based sub-milliSievert low-dose CT in individualized detection of lung nodules
2026-Feb-14, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12372-3
PMID:41691132
|
研究论文 | 本研究评估了基于BMI的亚毫西弗低剂量CT协议在不同重建算法下的图像质量和肺结节检测性能 | 首次在基于BMI的亚毫西弗低剂量CT中系统比较了深度学习图像重建与传统算法的性能，特别是在小于6毫米结节的检测方面 | 样本量相对有限（214名参与者），且为单中心前瞻性研究，需要更大规模的多中心验证 | 评估个性化低剂量CT协议在肺结节检测中的可行性和性能 | 214名接受标准剂量CT和低剂量CT检查的参与者 | 数字病理学 | 肺癌 | 低剂量CT扫描，图像重建算法（DLIR, ASIR-V, FBP） | 深度学习图像重建模型 | CT医学影像 | 214名参与者，分为标准剂量组和两个低剂量亚组（LD-A 108人，LD-B 106人） | NA | 深度学习图像重建（DLIR-H和DLIR-M） | 结节检测率，图像质量评分，测量准确性，Lung-RADS一致性（κ系数） | NA |
| 18 | 2026-02-16 |
Clinically applicable deep learning model for segmentation of the mandibular bone and inferior alveolar canal in CBCT cross-sectional images
2026-Feb-14, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07840-7
PMID:41691250
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19 | 2026-02-16 |
Predicting disease-specific histone modifications and functional effects of non-coding variants by leveraging DNA language models
2026-Feb-14, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-026-04003-3
PMID:41691336
|
研究论文 | 本文开发了一种基于大语言模型的深度学习框架，用于疾病特异性组蛋白修饰和非编码变体功能效应的预测 | 创新性地结合了疾病特异性表观遗传数据与混合专家架构，以区分疾病与健康状态，显著提升了组蛋白修饰预测的准确性 | 目前仅以阿尔茨海默病为案例研究，尚未扩展到其他复杂疾病，且依赖于特定患者样本的组学数据 | 旨在准确预测疾病特异性组蛋白修饰并解释非编码变体的功能效应，以揭示疾病机制 | 阿尔茨海默病相关的组蛋白修饰模式和非编码遗传变体 | 自然语言处理 | 阿尔茨海默病 | 表观基因组学数据整合 | 大语言模型 | 表观遗传数据 | 多个患者样本 | NA | 混合专家架构 | NA | NA |
| 20 | 2026-02-16 |
Development and explanation of electrocardiogram-based deep learning for predicting short-term mortality in heart failure patients
2026-Feb-13, Journal of global health
IF:4.5Q1
DOI:10.7189/jogh.16.04048
PMID:41678824
|
研究论文 | 本研究开发并验证了一种基于心电图的深度学习模型HF-ECGNet，用于预测心力衰竭患者的短期死亡率 | 结合EfficientNet神经网络和Transformer架构，并整合心电图数据与临床特征，提高了预测准确性和可解释性 | 需要未来多中心验证以确认其临床效用和泛化能力 | 改进心力衰竭患者短期死亡率的预测模型 | 心力衰竭患者 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 心电图数据, 临床特征 | 36,222次入院中的104,844份心电图 | NA | EfficientNet, Transformer | AUC, 其他指标 | NA |