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 41643 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 | 2026-03-11 |
MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal cord injury patients
2026-Dec, Renal failure
IF:3.0Q1
DOI:10.1080/0886022X.2026.2640690
PMID:41803650
|
研究论文 | 本研究开发并验证了一个名为MedFusion-gP-AKI的多模态深度学习融合模型，用于早期预测危重创伤性颈胸段脊髓损伤患者发生KDIGO 3期急性肾损伤的风险 | 结合了GAN数据填补、因果推断特征选择、SMOTified-GAN数据平衡以及集成学习策略，构建了一个具有强泛化能力的多模态深度学习框架，并开发了基于网络的实用计算器 | 外部验证仅在中国四家三级中心进行，样本量为188例，未来需要在更广泛的人群和机构中进行验证 | 早期预测危重创伤性颈胸段脊髓损伤患者发生KDIGO 3期急性肾损伤 | 危重创伤性颈胸段脊髓损伤患者 | 机器学习 | 急性肾损伤 | 多模态深度学习，因果推断 | 集成学习模型（基于15个基准模型的最佳架构组合） | 临床数据（包括生命体征、实验室指标等） | 训练和验证队列来自MIMIC-IV/eICU数据库，外部验证队列包含来自中国四家三级中心的188名患者 | NA | GAN, SMOTified-GAN, 集成模型（具体基准模型架构未在摘要中明确列出） | AUC, AP（平均精度） | NA |
| 2 | 2026-03-11 |
Deep learning-based multi-view echocardiographic framework for comprehensive diagnosis of pericardial disease
2026-Apr, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag028
PMID:41799660
|
研究论文 | 本研究开发了一种基于深度学习的多视图超声心动图框架，用于心包疾病的全面诊断 | 首次提出基于深度学习的经胸超声心动图模型，整合形态学与支持性功能评估，实现更广泛的心包疾病评估 | 在次优成像条件下解释结果时需要谨慎 | 开发一个深度学习框架，用于心包疾病的顺序评估，包括形态学特征和血流动力学意义 | 心包疾病患者 | 数字病理学 | 心血管疾病 | 经胸超声心动图 | 深度学习 | 图像, 视频 | 开发数据集包含来自多个韩国机构的2253例经胸超声心动图（内部测试225例），独立外部测试集包含274例经胸超声心动图 | NA | NA | 准确率, 受试者工作特征曲线下面积, 灵敏度 | NA |
| 3 | 2026-03-11 |
Association between electrocardiographic age and cognitive function: findings from the UK biobank and Framingham Heart Study
2026-Apr, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag034
PMID:41799659
|
研究论文 | 本研究利用深度学习从心电图推导生物年龄，并在两个大型人群队列中探讨其与认知功能的关联 | 首次在两个独立的大型人群队列（UK Biobank和Framingham Heart Study）中，系统评估了基于深度学习的ECG推导生物年龄加速与多领域认知表现之间的关联 | 研究为观察性设计，无法确定因果关系；认知功能评估可能受其他未测量因素影响 | 探究心电图推导的生物年龄加速与认知功能之间的关系 | UK Biobank和Framingham Heart Study的参与者 | 机器学习 | 老年疾病 | 12导联心电图 | 深度学习模型 | 心电图波形 | UK Biobank 59,213名参与者（平均年龄64.7岁，51.7%女性），Framingham Heart Study 6,534名参与者（平均年龄59.5岁，55.7%女性） | NA | NA | 平均绝对误差（MAE） | NA |
| 4 | 2026-03-11 |
Simultaneous multimodal detection of hand acupoints and reflex zones for acupuncture robots
2026-Mar-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.114938
PMID:41797935
|
研究论文 | 本文提出了一种用于智能针灸机器人的多模态多任务深度学习框架MIMO-HAR，能够同时定位手部穴位并分割反射区 | 首次将视觉Transformer与中医拓扑先验知识相结合，用于同时处理穴位定位和反射区分割任务，提高了准确性和可解释性 | NA | 提升智能针灸系统的感知能力，为标准化和自动化的中医治疗奠定基础 | 手部穴位和反射区 | 计算机视觉 | NA | 深度学习 | Transformer | 图像, 坐标数据 | 公共数据集11k Hands | NA | 视觉Transformer, 双解码器架构 | 平均交并比, 均方根误差 | NA |
| 5 | 2026-03-11 |
Optimizing solar and wind forecasting with iHow optimization algorithm and multi-scale attention networks
2026-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39632-y
PMID:41803197
|
研究论文 | 本文提出了一种结合认知启发式元启发式算法与多尺度注意力网络的混合深度学习优化框架，用于提高风能和太阳能发电预测的准确性和计算可扩展性 | 提出了一种混合深度学习优化框架，首次将模拟人类认知阶段的二元iHow优化算法用于特征选择，并利用其连续版本iHow进行超参数调优，结合多尺度注意力网络有效捕捉可再生能源时间序列的多尺度时间依赖性 | 未明确说明模型在不同地理区域或气候条件下的泛化能力，也未讨论框架在实时预测场景中的计算效率 | 开发智能且可扩展的可再生能源系统预测框架，解决深度学习模型在输入特征空间维度和超参数敏感性方面的挑战 | 风能和太阳能发电预测 | 机器学习 | NA | 深度学习，元启发式优化算法 | 深度学习模型 | 时间序列数据 | NA | NA | 多尺度注意力网络 | 均方误差，平均误分类率 | NA |
| 6 | 2026-03-11 |
AI-driven fault detection and classification in photovoltaic systems using deep learning techniques
2026-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40246-7
PMID:41803198
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7 | 2026-03-11 |
Unlocking the black box: multimodal imaging and quantitative analysis of plant vesicular trafficking
2026-Mar-10, Advanced biotechnology
DOI:10.1007/s44307-026-00101-2
PMID:41803325
|
综述 | 本文综述了一种整合先进化学生物学与深度学习计算分析的新范式，用于解锁植物囊泡运输的动态过程 | 提出了一种整合pH敏感探针、共价标签、荧光定时器等多模态成像策略与深度学习计算分析的新范式，实现了对囊泡动力学前所未有的高保真可视化和严格数学建模 | NA | 解决植物囊泡运输动态过程因传统成像方法在分辨率、定量精度和分子历史追踪方面的局限而长期被视为“黑箱”的问题 | 植物囊泡运输过程 | 计算机视觉, 机器学习 | NA | 多模态成像策略（pH敏感探针如pHluorin、共价标签如HaloTag、荧光定时器）、下一代FRAP/FCS变体（DeepFRAP, FCSNet） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 8 | 2026-03-11 |
Multimodal deep learning for objective skill assessment in robot-assisted vesico-urethral anastomosis
2026-Mar-10, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-026-03290-z
PMID:41803398
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9 | 2026-03-11 |
Deep Learning for Analysis of Bone Marrow Adiposity: Breakthroughs from Recent Large-Scale Analyses in the UK Biobank
2026-Mar-10, Current osteoporosis reports
IF:4.2Q1
DOI:10.1007/s11914-026-00953-6
PMID:41803515
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10 | 2026-03-11 |
Computational redesign of a thermostable T7 RNA polymerase
2026-Mar-10, Protein engineering, design & selection : PEDS
DOI:10.1093/protein/gzag008
PMID:41804789
|
研究论文 | 本研究通过基于结构的计算设计，开发了一种高度稳定的T7 RNA聚合酶变体T7T+ | 结合了先前稳定变体的突变与通过PROSS识别的新突变，并利用数据驱动的启发式方法筛选以保持功能，最终设计的T7T+在热挑战实验中显示出54.9°C的功能稳定性，比现有最稳定的开源变体高2.4°C | 未明确提及具体局限性，但可能包括变体在37°C下仅保留59%的野生型活性，以及设计方法依赖于现有非深度学习计算方法的成功 | 通过计算设计提高T7 RNA聚合酶的热稳定性，以扩展其在生物技术应用中的实用性 | T7 RNA聚合酶及其变体 | 计算生物学 | NA | 结构基于计算设计，PROSS突变识别，热挑战实验，圆二色光谱 | NA | 蛋白质结构数据，突变数据 | 测试了18种蛋白质设计，最终设计T7T+包含30个点突变 | PROSS | NA | 功能稳定性（T50），表观熔解温度，活性保留百分比 | NA |
| 11 | 2026-03-11 |
Pediatric SleepNet: A Deep Learning Network for Reliable Pediatric Sleep Staging Across Developmental Stages
2026-Mar-10, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsag064
PMID:41804802
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12 | 2026-03-11 |
Deep learning-derived measures of sound-level accuracy in primary progressive apraxia of speech: A feasibility pipeline with descriptive evidence from two cases
2026-Mar-09, Clinical linguistics & phonetics
IF:0.8Q4
DOI:10.1080/02699206.2026.2639397
PMID:41800702
|
研究论文 | 本研究展示了一种基于深度学习模型Phonet的可行性流程，用于从两名原发性进行性言语失用症患者中提取基于音位类别的后验概率值，以量化其发音准确性 | 首次将深度学习模型Phonet生成的音位类别后验概率值应用于PPAOS患者的发音准确性评估，并探索了其在不同语速和延迟听觉反馈条件下的表现 | 研究仅包含两名病例样本，需要进一步研究以评估其更广泛的临床适用性 | 探索深度学习模型在神经退行性运动言语障碍中量化发音准确性的可行性和解释性 | 两名原发性进行性言语失用症患者（一名语音型主导，一名韵律型主导） | 自然语言处理 | 老年疾病 | 深度学习 | 深度学习模型 | 语音 | 2名PPAOS患者 | NA | Phonet | 后验概率值，与专家发音判断的一致性 | NA |
| 13 | 2026-03-11 |
LRF-UNet: Low-Rank Factorized Convolution Deep-Learning Networks for Visceral Adipose and Muscle Tissue Segmentation in Abdominal Computed Tomography Image
2026-Mar-09, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01813-y
PMID:41801305
|
研究论文 | 本研究提出了一种基于UNet的深度学习分割系统LRF-UNet，用于自动分割腹部CT图像中的内脏脂肪组织和骨骼肌组织 | 引入了低秩因子化卷积模块以增强碎片化或模糊组织边界的特征表示，并结合多尺度特征融合、梯度收敛和深度监督策略提升分割性能 | 研究样本仅包含179名患者，且未明确提及模型在其他疾病或更大数据集上的泛化能力 | 开发一种自动分割腹部CT图像中内脏脂肪和骨骼肌组织的深度学习系统，以辅助临床定量分析和疾病评估 | 腹部CT图像中的内脏脂肪组织和骨骼肌组织 | 计算机视觉 | 代谢性疾病 | CT成像 | CNN | 图像 | 179名患者的腹部CT图像，包括64例糖尿病患者和113例血糖正常者 | 未明确提及 | UNet, MobileNetV3 | Dice系数, IoU, HD95 | 未明确提及 |
| 14 | 2026-03-11 |
Applications of artificial intelligence algorithms in ultrasound-based kidney stone detection, classification, prediction, and management: a systematic review
2026-Mar-09, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05419-y
PMID:41801379
|
系统综述 | 本文系统综述了人工智能和深度学习算法在基于超声的肾结石检测、分类、并发症预测及手术指导中的应用 | 首次系统性地按应用类型（检测/分割、预测建模、手术指导）对AI在超声肾结石管理中的研究进行了分类与综合，揭示了算法在不同任务中的高表现 | 研究方法存在异质性，数据集和验证方式不统一，证据确定性低至极低，限制了荟萃分析的进行 | 系统回顾并综合AI和深度学习算法在超声肾结石检测、分类、并发症预测及手术指导中的应用 | 基于超声的肾结石诊断与管理 | 医学影像分析 | 肾结石 | 超声 | CNN, 机器学习集成 | 图像 | NA | NA | CNN变体 | 准确率, AUC | NA |
| 15 | 2026-03-11 |
Development and validation of an interpretable MRI-based multimodal fusion model for predicting lymph node metastasis after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter study
2026-Mar-09, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05391-7
PMID:41801383
|
研究论文 | 本研究开发并验证了一个可解释的、基于多参数MRI的多模态融合模型，用于预测局部晚期直肠癌患者新辅助放化疗后的淋巴结转移 | 提出了一种新颖的可解释多模态融合框架，将基于深度学习的影像组学特征与临床Node-RADS评分相结合，用于预测局部晚期直肠癌新辅助放化疗后的淋巴结转移 | 研究为回顾性设计，样本量相对有限（190例），且仅来自三个中心，可能存在选择偏倚 | 开发并验证一个可解释的预测模型，以评估局部晚期直肠癌患者在新辅助放化疗后发生淋巴结转移的风险 | 局部晚期直肠癌患者 | 数字病理学 | 直肠癌 | 磁共振成像 | 深度学习, 逻辑回归 | 医学影像 | 190名来自三个独立中心的局部晚期直肠癌患者 | NA | NA | AUC | NA |
| 16 | 2026-03-11 |
A two-step scoring model incorporating visceral-to-subcutaneous fat ratio and systemic immunoinflammatory index for predicting cytokine release syndrome severity in patients with gastric cancer receiving Claudin18.2-targeted CAR-T cell therapy
2026-Mar-09, Cancer immunology, immunotherapy : CII
DOI:10.1007/s00262-026-04341-y
PMID:41801430
|
研究论文 | 本研究构建了一个结合内脏脂肪与皮下脂肪比值（VSR）和全身免疫炎症指数（SII）的两步评分模型，用于预测接受CLDN18.2靶向CAR-T细胞治疗的晚期胃癌患者发生严重细胞因子释放综合征（CRS）的风险 | 首次将基于CT图像自动分割计算的身体成分参数（特别是VSR）与全身免疫炎症指数（SII）相结合，构建了一个专门用于预测CAR-T细胞治疗相关CRS严重程度的两步评分模型 | 样本量较小（仅45例患者），为单中心回顾性研究，且仅针对CLDN18.2靶向的CAR-T疗法和胃癌患者，结果外推性有限 | 预测接受CLDN18.2靶向CAR-T细胞治疗的晚期胃癌患者发生严重细胞因子释放综合征（CRS）的风险 | 45例接受CLDN18.2靶向CAR-T细胞治疗的晚期胃癌患者 | 数字病理学 | 胃癌 | CT成像，深度学习自动分割 | 逻辑回归模型，两步评分模型 | CT图像，临床指标 | 45例晚期胃癌患者 | NA | NA | AUC（曲线下面积），ROC分析 | NA |
| 17 | 2026-03-11 |
EENet-RLA: An Explainable Prediction Learning Framework for Alzheimer's Disease Classification from EEG Signals
2026-Mar-09, Brain topography
IF:2.3Q3
DOI:10.1007/s10548-026-01183-w
PMID:41801479
|
研究论文 | 提出一种名为EENet-RLA的可解释预测学习框架，用于从脑电图信号中分类阿尔茨海默病 | 结合动态系统理论与深度学习，引入基于嵌入熵的因果稳定性驱动脑电图通道选择策略，并融合ResNet、LSTM和多头注意力机制提取时空特征 | 在有限样本条件下验证，可能受数据集规模限制，且方法主要针对类似信号特性的神经系统疾病 | 开发一种高可解释性的脑电图分类框架，用于阿尔茨海默病的诊断 | 阿尔茨海默病患者及相关的脑电图信号 | 机器学习 | 阿尔茨海默病 | 脑电图 | CNN, LSTM | 脑电图信号 | BrainLat脑电图数据集（具体样本数未明确说明） | NA | ResNet, LSTM | 准确率 | NA |
| 18 | 2026-03-11 |
Accurate CT-free correction of attenuation, scatter, and aperture effects using deep learning in dedicated cardiac pinhole SPECT
2026-Mar-09, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-026-02187-z
PMID:41801662
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19 | 2026-03-11 |
Discovery of Peripheral Airway Beyond Incomplete CT Annotations for Navigational Bronchoscopy
2026-Mar-09, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3672178
PMID:41801779
|
研究论文 | 本文提出了一种名为ASTRA-Net的深度学习框架，用于从CT扫描中分割标注和未标注的气道分支，以支持支气管镜导航 | 提出了首个能够同时分割标注和未标注气道分支的深度学习框架，并集成了辅助解剖输入、编码器引导注意力模块、中心线和分支感知损失加权方案以及分辨率鲁棒的后优化步骤等四个关键创新组件 | 未明确说明模型在极端成像条件下的性能，也未讨论计算效率对实时临床应用的适用性 | 开发一种鲁棒的气道分割方法，以改进支气管镜导航的准确性和可靠性 | CT扫描中的外周气道分支 | 数字病理学 | 肺癌 | CT扫描 | 深度学习 | 医学图像（CT） | 多个公共和内部数据集（具体数量未明确说明） | 未明确说明 | ASTRA-Net | 树检测率（TDR）、分支检测率（BDR）、重叠分数 | 未明确说明 |
| 20 | 2026-03-11 |
Explainable Deep Learning for Cyber Threat in IoMT: A Synchronization-Enhanced Sparse Autoencoder Approach
2026-Mar-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3671680
PMID:41801774
|
研究论文 | 本文提出了一种用于医疗物联网网络透明化网络威胁检测的新型可解释深度学习框架 | 提出了一种集成稀疏自编码器与神经同步机制的可解释深度学习框架，通过神经元级局部激活一致性约束和基于同步的功能模块构建，实现高检测精度与可解释决策过程 | 未提及具体局限性 | 开发用于医疗物联网网络的可解释网络威胁检测机制 | 医疗物联网网络中的网络威胁 | 机器学习 | NA | 深度学习 | 稀疏自编码器 | 网络安全数据集 | CIC IoMT 2024和物联网医疗安全数据集 | NA | 稀疏自编码器 | 准确率, 可解释性分数 | NA |