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 41424 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 | 2026-03-06 |
A data fusion deep learning approach for accurate organelle-based classification of cancer cells
2026-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00425-8
PMID:41659840
|
研究论文 | 提出了一种基于细胞器形态和空间组织的自动化、可解释深度学习框架，用于从高分辨率荧光显微镜图像中对乳腺癌细胞系进行分类 | 开发了一种端到端框架，结合了基于补丁的采样、稀疏性过滤和通道级中间融合策略，以独立提取和整合细胞器特异性特征，无需手动分割和3D渲染步骤 | 研究仅针对六种乳腺癌细胞系进行评估，尚未在更广泛的癌症类型或临床样本中得到验证 | 开发一种自动化、可解释的深度学习框架，利用亚细胞细胞器组织对癌细胞进行分类 | 六种乳腺癌细胞系的高分辨率荧光显微镜图像 | 数字病理学 | 乳腺癌 | 荧光显微镜成像 | 深度学习 | 图像 | 六种乳腺癌细胞系的荧光显微镜图像，使用5折交叉验证 | NA | NA | 分类准确率 | NA |
| 2 | 2026-03-06 |
Comparing deep learning and classical regression approaches for predicting healthcare expenditure and spending: a systematic review
2026-Dec, Journal of medical economics
IF:2.9Q1
DOI:10.1080/13696998.2026.2630598
PMID:41779998
|
系统综述 | 本文系统比较了深度学习架构与传统回归及树模型在个体层面医疗费用预测中的性能差异 | 首次系统评估深度学习在医疗费用预测中的优势，并提出了“复杂性-性能假说”来解释其适用场景 | 证据基于仅八项异质性研究，外部或时间验证有限，预测周期短，且对校准、经济可解释性和公平性评估不足 | 比较深度学习与传统模型在医疗费用预测中的性能，并探讨其在不同数据背景下的差异 | 使用真实世界个体层面数据（如理赔、电子健康记录或登记数据）进行费用预测的研究 | 机器学习 | NA | NA | LSTM, CNN-LSTM, 回归模型, 树模型 | 结构化数据, 时间序列数据 | NA | NA | LSTM, CNN-LSTM | RMSE, MAE, R2, AUROC | NA |
| 3 | 2026-03-06 |
PriBeL-Net: Extending betel leaf dataset with CNN-based image classification
2026-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2026.103828
PMID:41778255
|
研究论文 | 本研究通过比较四种深度学习框架在自定义数据集上的性能，评估了它们在受控和田间环境下的图像分类效果，并确定DenseNet121为最适合农业应用的模型 | 在自定义数据集上系统比较了四种深度学习框架在受控和田间环境下的性能，并针对农业应用场景提出了模型优化方向 | EfficientNetB0在噪声真实数据集上表现不佳，表明轻量级模型在处理复杂农业环境时存在限制 | 评估深度学习模型在农业图像分类任务中的性能，并确定最适合田间应用的模型 | 槟榔叶图像数据集 | 计算机视觉 | NA | 图像分类 | CNN | 图像 | 自定义数据集（具体数量未说明） | TensorFlow, Keras | MobileNetV2, EfficientNetB0, ResNet50V2, DenseNet121 | 准确率, F1分数 | NA |
| 4 | 2026-03-06 |
AI-based prostate volume estimation from multi-planar MRI under variable acquisition protocols
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100738
PMID:41783490
|
研究论文 | 本研究开发了一种基于知识的深度学习分割模型，用于适应不同MRI采集协议（包括仅轴向的简化协议）的前列腺体积估计 | 提出了一种结合知识对比损失的深度学习模型，能够在训练和推理中仅使用轴向分割标注，同时整合未标注的正交视图，提高了模型在真实临床工作流程中的适应性 | 研究为回顾性设计，且仅基于单一机构的3-Tesla MRI数据，可能限制了模型的泛化能力 | 开发并评估一种能够适应不同MRI采集协议的前列腺体积估计深度学习模型 | 经活检确认的前列腺癌患者的MRI图像 | 数字病理学 | 前列腺癌 | 多参数3-Tesla MRI | 深度学习 | MRI图像 | 629例多参数3-Tesla前列腺MRI检查 | nnU-Net | 2D nnU-Net | Dice Score Coefficient, Relative Volume Difference, Bland-Altman分析, 组内相关系数 | NA |
| 5 | 2026-03-06 |
Technical Review of Magnetic Resonance Fingerprinting Applications in Cerebral Physiology
2026-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70216
PMID:41353764
|
综述 | 本文综述了磁共振指纹技术在大脑生理学中的应用，重点关注血管成像和生物物理建模的整合 | 通过创新的采集和计算方法，MRF实现了多组织属性的同时定量映射，并探讨了机器学习在提升字典匹配和实时参数估计中的作用 | 面临低信噪比和高计算需求的挑战 | 评估MRF技术在评估大脑生理学及其临床转化中的角色 | 大脑生理学，特别是血管成像和脑血管疾病 | 数字病理学 | 脑血管疾病 | 磁共振指纹技术 | 深度学习 | 磁共振图像 | NA | NA | NA | 准确性 | NA |
| 6 | 2026-03-06 |
Accelerating Multiparametric Quantitative MRI Using Self-Supervised Scan-Specific Implicit Neural Representation With Model Reinforcement
2026-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70227
PMID:41419989
|
研究论文 | 提出一种自监督扫描特异性深度学习框架REFINE-MORE，用于加速多参数定量MRI重建 | 结合隐式神经表示与模型强化模块，引入MR物理约束，并采用低秩适应策略提升计算效率 | NA | 开发用于加速多参数定量MRI重建的自监督扫描特异性深度学习框架 | 体模和活体脑部数据 | 医学影像处理 | NA | 多参数定量磁化转移成像 | 深度学习 | MRI图像 | 体模和活体脑部数据 | NA | 隐式神经表示 | 归一化均方根误差, 结构相似性指数 | NA |
| 7 | 2026-03-06 |
Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils
2026-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70226
PMID:41420073
|
研究论文 | 本文开发了一种基于深度学习的去噪方法，用于提升使用标准神经血管线圈采集的高分辨率颈动脉血管壁MRI图像质量 | 提出了一种监督式深度学习模型，利用残差UNet架构，将低信噪比输入映射至高信噪比参考，实现了与专用颈部表面线圈相当的图像质量，无需额外硬件 | 研究基于55次扫描的多中心数据，样本量相对有限，且方法依赖于配对重建数据作为训练参考 | 开发深度学习去噪方法以增强使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI图像质量 | 颈动脉血管壁MRI图像，包括2D T1加权、T2加权TSE、3D TOF-MRA和MPRAGE序列 | 医学影像处理 | 心血管疾病 | MRI, 深度学习去噪 | CNN | 图像 | 55次扫描（来自多中心研究） | NA | 残差UNet | PSNR, SSIM, SNR, CNR, 边缘锐度（ERD）, Likert评分 | NA |
| 8 | 2026-03-06 |
Dynamic-Guided Diffusion Probability Model for Cranial Nerves Segmentation
2026-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70191
PMID:41428854
|
研究论文 | 本文提出了一种动态引导扩散概率模型，用于从多模态磁共振图像中分割颅神经束，以提高分割准确性 | 提出了一种结合多通道注意力和非局部注意力机制的动态引导机制（SE-A-NL模块），以整合颅神经的内在特征、环境特征和多模态图像信息 | 未明确说明模型的计算复杂度、泛化能力到其他神经结构或数据集，以及临床验证的充分性 | 提高颅神经束在磁共振图像中的分割性能，以支持其形态和方向的定量分析 | 五对颅神经束 | 数字病理学 | NA | 磁共振成像（MRI） | 扩散概率模型 | 多模态磁共振图像 | NA | NA | 动态引导扩散概率模型，SE-A-NL模块 | 20项评估指标（具体未列明，但提及在16项中优于现有技术） | NA |
| 9 | 2026-03-06 |
The Evaluation of Machine Learning Models Using Matrix-Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry (MALDI-TOF-MS) Spectra for the Prediction of Antibiotic Resistance in Klebsiella pneumoniae
2026-Apr, MicrobiologyOpen
IF:3.9Q2
DOI:10.1002/mbo3.70257
PMID:41771780
|
综述 | 本文评估了利用MALDI-TOF-MS质谱数据构建机器学习模型，以快速预测肺炎克雷伯菌抗生素耐药性的研究进展 | 通过整合23项研究，系统展示了机器学习模型（特别是集成算法和深度学习）结合MALDI-TOF-MS质谱在预测抗生素耐药性方面的高性能（AUROC常高于0.90，准确率高达97%）和快速诊断潜力（将检测时间从数天缩短至分钟或小时级） | 模型受到外部验证有限、质谱预处理协议不统一以及不同MALDI-TOF-MS平台间变异性的制约，可能影响模型的泛化能力和临床转化 | 评估机器学习模型利用MALDI-TOF-MS质谱数据预测肺炎克雷伯菌抗生素耐药性的有效性与应用前景 | 肺炎克雷伯菌及其抗生素耐药性，重点关注碳青霉烯类耐药 | 机器学习 | 细菌感染 | 基质辅助激光解吸/电离飞行时间质谱（MALDI-TOF-MS） | 集成算法（如随机森林、XGBoost、LightGBM）、深度学习模型（如卷积神经网络） | 质谱数据 | 35至超过15,000个分离株 | NA | 随机森林, XGBoost, Light Gradient Boosting Machine, 卷积神经网络 | AUROC, 准确率 | NA |
| 10 | 2026-03-06 |
A Deep Learning Framework for Predicting Teprotumumab Treatment Response in Thyroid Eye Disease
2026-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101098
PMID:41783079
|
研究论文 | 开发并评估一个基于深度学习的框架，用于量化甲状腺眼病（TED）在替妥木单抗治疗前后的严重程度，并创建预测模型以预测个体患者对治疗的反应 | 整合基于CT的眶容积特征和临床数据，开发深度学习分类模型来量化TED严重程度，并构建回归模型预测治疗反应，为个体化治疗规划提供数据驱动工具 | 回顾性单中心研究，样本量有限（治疗反应组仅19例患者），需要外部验证和前瞻性研究确认 | 开发深度学习框架以客观量化TED严重程度并预测替妥木单抗治疗反应 | 甲状腺眼病患者（184例）和正常眶解剖个体（44例作为对照），以及治疗前后影像的19例患者 | 数字病理 | 甲状腺眼病 | 计算机断层扫描（CT） | 深度学习分类模型, 回归模型 | 图像, 临床数据 | 184例TED患者, 44例正常对照, 19例治疗反应患者 | NA | NA | 准确率, AUC, 均方根误差, 决定系数（R²） | NA |
| 11 | 2026-03-06 |
Deep Learning Segmentation of Pectoralis Muscle Volume at CT and Comparison with Pectoralis Muscle Area in COPD
2026-Apr, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.250060
PMID:41784492
|
研究论文 | 本研究开发了一种基于深度学习的CT胸肌体积分割模型，并比较了胸肌面积与胸肌体积在慢性阻塞性肺疾病中的关联性 | 首次开发了基于U-Net的胸肌体积自动分割深度学习模型，并系统比较了胸肌面积与胸肌体积在COPD相关结局中的差异 | 研究为前瞻性队列的二次分析，外部验证样本量相对较小 | 开发胸肌体积的自动分割方法并评估其在COPD中的临床价值 | 慢性阻塞性肺疾病患者及健康对照者的CT影像 | 数字病理学 | 慢性阻塞性肺疾病 | CT影像分析 | 深度学习 | 医学影像 | 训练集96例，验证集16例，内部测试集32例，外部测试集32例；总队列包含COPD患者634例，非COPD对照601例 | 未明确说明 | U-Net | Dice相似系数 | NA |
| 12 | 2026-03-06 |
Closing the loop: A systematic review of artificial intelligence in circular e-waste management
2026-Mar-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2026.115392
PMID:41653831
|
系统综述 | 本文系统综述了人工智能在电子废弃物循环管理中的应用，分析了2019年至2025年10月间的147篇文献 | 提出了一个六层分类法来结构化文献证据，涵盖AI方法、生命周期阶段、数据、废物类型、限制、挑战及未来路径，并将AI系统从终端处理重构为再生循环 | 数据可用性和泛化性不足，缺乏标准化、互操作性差距，以及AI伦理和监管采纳的障碍，限制了不确定性感知电子废物系统的发展 | 探讨人工智能如何促进从线性废物处理向循环路径的战略转变，以支持可持续电子废物管理 | 电子废弃物（e-waste） | 机器学习 | NA | 深度学习 | NA | NA | 147篇文献 | NA | NA | NA | NA |
| 13 | 2025-12-23 |
Development of the model for predicting the efficacy of bevacizumab and prognosis in ovarian cancer using deep learning-based pathomics signatures
2026-Mar-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003823
PMID:41424025
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14 | 2026-03-06 |
Boosting Crystalline Property Prediction through Dynamical Feature Updating and Wavelet-Denoised Features: A New Deep Learning Model
2026-Mar-05, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c03930
PMID:41711197
|
研究论文 | 提出了一种名为WANN的新型深度学习框架，通过动态特征更新和小波去噪特征来提升晶体材料性质的预测精度 | 引入了迭代子嵌入模块来隐式捕获多体原子相互作用，无需预定义的特征工程；构建了基于小波的多尺度特征分析回归组件 | 未明确提及模型在处理极端复杂材料体系或超大规模数据集时的具体限制 | 准确预测多种材料的物理和化学性质，特别是多组分材料 | 晶体材料，包括高熵合金和陶瓷等 | 机器学习 | NA | NA | GNN, 深度学习模型 | 原子结构数据 | NA | NA | Wavelet Atomic Neighborhood Network (WANN) | 平均绝对误差 (MAE) | NA |
| 15 | 2026-03-06 |
Shifting the paradigm in intracranial aneurysm detection with deep learning: A diagnostic accuracy meta-analysis and meta-regression
2026-Mar-05, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-026-04196-y
PMID:41781568
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16 | 2026-03-06 |
Time-frequency-spatial channel attention network for semantic decoding: an exploratory EEG study
2026-Mar-05, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03539-7
PMID:41781649
|
研究论文 | 本研究提出了一种名为TFSANet的深度学习模型，用于从脑电图信号中解码语义信息，并探索其在失语症患者中的应用 | 设计了针对中文语言刺激的语义任务范式，并构建了结合时域、频域和空间通道注意力的深度学习模型TFSANet，以解码与语义相关的脑电图特征 | 脑电图数据集有限，特别是包含中文语言刺激的数据集 | 研究语言处理和表征的神经机制，并开发解码语义信息的方法 | 失语症患者和健康受试者 | 脑机接口 | 失语症 | 脑电图 | 深度学习 | 脑电图信号 | 17名参与者（包括失语症患者和健康受试者） | NA | Time-Frequency-Spatial Channel Attention Network | 准确率 | NA |
| 17 | 2026-03-06 |
Artificial intelligence-enabled ultrasound diagnosis and stratification of follicular thyroid neoplasms: a multi-center study
2026-Mar-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02489-6
PMID:41781694
|
研究论文 | 本研究开发并验证了一种基于超声图像的深度学习模型，用于术前区分滤泡性甲状腺癌和滤泡性甲状腺腺瘤，并对滤泡性甲状腺癌进行侵袭亚型分类 | 首次开发了能够同时区分滤泡性甲状腺癌与腺瘤并对癌进行侵袭亚型分类的AI模型，通过多中心大样本验证，在多种临床环境中均表现出良好泛化能力 | 研究为回顾性设计，需要前瞻性研究进一步验证模型在真实临床环境中的表现 | 开发可靠的术前诊断工具，改善滤泡性甲状腺肿瘤的鉴别诊断和风险分层 | 滤泡性甲状腺肿瘤患者，包括滤泡性甲状腺癌和滤泡性甲状腺腺瘤 | 数字病理 | 甲状腺癌 | 超声成像 | 深度学习 | 图像 | 1531名患者用于模型开发，900名患者用于外部验证（来自31家医院） | NA | NA | AUC, 宏AUC | NA |
| 18 | 2026-03-06 |
Integrating multimodal intelligence in heart failure: AI-driven risk prediction, precision diagnosis, phenotyping, personalized treatment, and prognosis
2026-Mar-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000004000
PMID:41782204
|
综述 | 本文系统综述了人工智能（包括机器学习、深度学习和大型语言模型）在心力衰竭（HF）管理中，利用多模态数据进行风险预测、精准诊断、表型分型、个性化治疗和预后评估的最新进展、挑战与未来方向 | 系统性地整合了AI在心力衰竭管理多个领域（检查、监测、治疗、整合）的应用，并提供了将AI技术转化为临床实践的代表性案例和方法学指导 | 模型选择、模型泛化性、可解释性以及在真实世界环境中的可靠性有限等挑战，阻碍了AI在临床实践中的可靠实施 | 总结AI在心力衰竭管理中的应用进展，讨论实施中的关键挑战，并展望智能HF管理的未来发展方向 | 心力衰竭（HF）患者 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习, 大型语言模型 | 电子健康记录, 医学影像 | NA | NA | NA | NA | NA |
| 19 | 2026-03-06 |
Screening of Respiratory Toxicity of Environmental Compounds Based on Multimodal Feature Fusion Model
2026-Mar-05, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c17401
PMID:41782501
|
研究论文 | 本研究开发了一个名为GFEnet的多模态深度学习框架，用于预测环境化合物的呼吸毒性 | 提出了一个创新的多模态深度学习框架GFEnet，首次将分子图特征、结构指纹和电子水平特性协同整合，用于跨尺度的呼吸毒性综合预测 | 未在摘要中明确提及研究的局限性 | 解决当前呼吸毒性评估监管框架的局限性，开发高通量筛选平台，用于环境化合物呼吸毒性的早期识别 | 环境化合物，特别是来自极高关注物质和空气污染物数据库中的化合物 | 机器学习 | NA | 深度学习，多模态特征融合 | 深度学习框架 | 分子图特征，结构指纹，电子水平特性 | NA | NA | GFEnet | AUC | NA |
| 20 | 2026-03-06 |
Bioinspired Keratin-Based Eutectic Hydrogels for Intelligent Health Monitoring and Photothermal Therapy
2026-Mar-05, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c24539
PMID:41783971
|
研究论文 | 本文开发了一种具有高机械强度、优异传感性能、自愈能力以及监测与治疗功能的生物启发型导电水凝胶，用于智能健康监测和光热治疗 | 通过简便的一锅法合成了PDA@Ag/PAA/PSBMA/FK共晶水凝胶，该材料集成了卓越的拉伸性、高离子电导率、优异的低温耐受性和自主自愈特性，并首次将传感器与深度学习算法结合，实现了对腕部不适的实时监测和按需光热治疗，构建了闭环监测-治疗平台 | NA | 开发一种集监测与治疗功能于一体的可穿戴表皮传感器，用于智能健康监测和辅助治疗 | PDA@Ag/PAA/PSBMA/FK共晶水凝胶及其制成的传感器 | 机器学习 | NA | NA | 深度学习 | 运动信号 | NA | NA | NA | NA | NA |