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 40655 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 | 2026-02-24 |
A CT-based multimodal fusion model for predicting outcomes in blunt chest trauma: A multicenter study
2026-Apr, The American journal of emergency medicine
DOI:10.1016/j.ajem.2025.12.038
PMID:41576754
|
研究论文 | 本研究开发了一种结合临床变量、影像组学特征和深度学习特征的多模态融合模型，用于预测钝性胸部创伤患者的预后 | 通过整合多时间点CT影像与临床变量，构建了融合模型，显著提升了预后预测性能，并引入了代表时间变化的delta特征 | 研究为回顾性分析，样本量相对有限（337例），且仅来自三个医疗中心，可能存在选择偏倚 | 提高钝性胸部创伤患者的预后预测准确性 | 钝性胸部创伤患者 | 数字病理学 | 胸部创伤 | CT成像 | 深度学习, 回归模型 | 图像, 临床数据 | 337例患者（来自三个医疗中心） | NA | NA | AUC, 校准曲线, 决策曲线分析, 净重分类改善指数, 综合判别改善指数 | NA |
| 2 | 2026-02-24 |
Artificial intelligence, machine learning and omic data integration in osteoarthritis
2026-Mar, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2025.10.012
PMID:41167326
|
综述 | 本文综述了人工智能和机器学习在骨关节炎多组学数据整合中的应用进展、挑战与机遇 | 总结了变分自编码器、对比学习和多模态Transformer等新兴机器学习方法在多组学整合中的应用趋势 | 当前研究面临样本量小、过拟合、缺乏外部验证、模型可解释性不足以及人口统计学代表性不足等挑战 | 通过机器学习整合和解释高维多组学数据，以推进对骨关节炎这一复杂疾病的理解 | 人类骨关节炎样本及相关临床前模型中的转录组、表观基因组、蛋白质组、代谢组和多组学数据 | 机器学习 | 骨关节炎 | 转录组学、表观基因组学、蛋白质组学、代谢组学、多组学整合 | 监督学习、无监督聚类、深度学习、变分自编码器、对比学习、多模态Transformer | 多组学数据 | NA | NA | Transformer | NA | NA |
| 3 | 2026-02-24 |
Interpreting Deep Learning-Based Prediction of the BRAF V600E Mutation Using Diagnostic Whole Slide Images in Skin Cutaneous Melanoma
2026-Mar, The American journal of pathology
DOI:10.1016/j.ajpath.2025.11.004
PMID:41391751
|
研究论文 | 本文通过解释深度学习模型XpressO-melanoma在皮肤黑色素瘤全切片图像中预测BRAF V600E突变状态的输出，探讨了模型决策过程的透明性及其在临床病理学中的应用潜力 | 提出了一种弱监督深度学习模型的解释框架，将模型性能与感兴趣区域的形态学合理性关联，并定义了四种解释类别，以促进人类与深度学习在临床病理学中的协作 | 模型在部分区域需要注释细化，且解释框架的普适性未在其他肿瘤类型中验证 | 提高深度学习模型在预测分子突变状态时的可解释性，以增强临床信任并推动其在病理学中的应用 | 皮肤黑色素瘤的全切片图像及其对应的BRAF V600E突变状态 | 数字病理学 | 皮肤黑色素瘤 | 深度学习 | 弱监督深度学习模型 | 图像 | 未明确指定样本数量 | NA | XpressO-melanoma | AUC, 精确率, 召回率 | NA |
| 4 | 2026-02-24 |
Visceral Adipose Tissue Alters Podometrics and Renal Compensation After Uninephrectomy
2026-Mar, Kidney international reports
IF:5.7Q1
DOI:10.1016/j.ekir.2025.103739
PMID:41727777
|
研究论文 | 本研究探讨了内脏肥胖对正常体重和超重个体肾小球超微结构、足细胞形态及单侧肾切除后肾功能代偿能力的影响 | 首次在正常体重和超重个体中，利用深度学习支持的形态计量学方法，系统评估了内脏肥胖与肾小球体积、足细胞密度及核肥大等结构改变的关系，并揭示了这些改变与单侧肾切除后肾功能代偿受损的关联 | 研究为回顾性设计，样本量较小（52例），且仅纳入BMI<30 kg/m²的非转移性肾肿瘤患者，可能限制了结果的普遍性 | 探究内脏肥胖对肾脏形态和单侧肾切除后肾功能代偿能力的影响 | 52例BMI<30 kg/m²、因非转移性肾肿瘤接受肾切除且未接受过化疗或免疫治疗的患者 | 数字病理学 | 慢性肾脏病 | 计算机断层扫描（CT）、深度学习支持的肾小球形态计量学和足细胞形态计量学 | 深度学习模型 | CT图像、组织学切片图像 | 52例患者 | NA | NA | P值 | NA |
| 5 | 2026-02-24 |
Decoding Protein-Membrane Binding Interfaces from Surface-Fingerprint-Based Geometric Deep Learning and Molecular Dynamics Simulations
2026-Feb-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02566
PMID:41622943
|
研究论文 | 本文提出了一种名为MaSIF-PMP的几何深度学习模型，用于预测外周膜蛋白的界面结合位点 | 结合分子表面指纹的几何深度学习模型，并整合分子动力学模拟验证预测结果，提升模型准确性和生物学可解释性 | 实验解析的膜结合蛋白构象稀缺，可能影响模型训练 | 预测蛋白质-膜相互作用界面 | 外周膜蛋白 | 机器学习 | NA | 分子动力学模拟 | 几何深度学习 | 分子表面特征 | NA | NA | MaSIF-PMP | 分类性能 | NA |
| 6 | 2026-02-24 |
Artificial intelligence-powered nanomedicine
2026-Feb-23, Chemical Society reviews
IF:40.4Q1
DOI:10.1039/d5cs01406a
PMID:41636234
|
综述 | 本文系统总结了人工智能与纳米医学融合的现状，重点介绍了AI在纳米颗粒设计、合成以及AI引导的诊断与治疗纳米平台开发方面的进展 | 将人工智能（包括机器学习、深度学习和生成模型）与纳米医学相结合，以优化纳米颗粒设计、预测纳米-生物相互作用并提高诊疗效果，推动数据驱动的自适应纳米诊疗系统发展 | 本文是一篇综述，未进行原始研究，因此未涉及具体实验或模型的具体局限性，但文中指出了该领域面临的挑战，如生物系统的复杂性、纳米-生物相互作用理解不完整、临床转化有限等 | 探讨人工智能与纳米医学的融合如何克服传统纳米医学的挑战，并推动精准医学的发展 | 人工智能算法在纳米医学中的应用，包括纳米颗粒设计、合成、纳米-生物相互作用预测以及诊疗纳米平台 | 机器学习 | NA | NA | 机器学习, 深度学习, 生成模型 | NA | NA | NA | NA | NA | NA |
| 7 | 2026-02-24 |
Selective multimodal deep learning for reliable breast cancer subtype classification from histopathology and genomic data
2026-Feb-23, Medical engineering & physics
IF:1.7Q3
DOI:10.1088/1873-4030/ae449b
PMID:41671586
|
研究论文 | 本研究提出了一种结合组织病理学图像和RNA-seq数据的多模态深度学习框架，用于可靠地分类乳腺癌亚型 | 引入了基于不确定性的智能路由机制，可选择性使用单模态或多模态预测以优化计算效率；结合了CTransPath视觉Transformer提取组织学特征，并应用注意力展开技术提高模型可解释性 | 研究仅基于TCGA-BRCA数据集（924名患者），未在外部独立队列中进行验证；未考虑其他可能影响亚型分类的临床或分子数据 | 提高乳腺癌亚型分类的准确性和可解释性，为个性化治疗规划和预后评估提供支持 | 乳腺癌患者的组织病理学全切片图像和RNA-seq转录组数据 | 数字病理学 | 乳腺癌 | RNA-seq, 全切片图像分析 | Transformer, 多模态融合模型 | 图像, 基因表达数据 | TCGA-BRCA数据集的924名患者，包含PAM50分子亚型 | PyTorch | CTransPath, 门控注意力, 交叉注意力 | 准确率, 混淆矩阵 | GPU（具体型号未明确说明） |
| 8 | 2026-02-24 |
Chemical Feature Engineering and Defect-Aware Structural Fingerprint Representations for Complex Defects in 2D Materials
2026-Feb-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02100
PMID:41674448
|
研究论文 | 本研究提出了一种用于二维材料中复杂缺陷的化学特征工程和缺陷感知结构指纹表示方法 | 通过工程化化学描述符和构建源自经典力场启发描述符的结构特征，结合Hellinger距离导出的缺陷感知结构特征，在减少50%特征数量的同时改善了高维特征空间中的数据点区分能力 | 在预测高度复杂和非线性目标（如HOMO-LUMO能隙）时，所有扩展方法均未超越基线描述符 | 解决二维材料中多种缺陷的描述符设计挑战，提供可解释且计算高效的缺陷表示方法 | 二维材料中的复杂缺陷 | 材料科学 | NA | 化学特征工程，结构特征构建，Hellinger距离计算 | NA | 原子结构数据，缺陷配置数据 | NA | NA | NA | 预测误差，不确定性，稳定性 | NA |
| 9 | 2026-02-24 |
XRepDDA: An Interpretable Drug-Disease Association Prediction Framework Leveraging Pretrained Chemical Language Models
2026-Feb-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02901
PMID:41617662
|
研究论文 | 提出一个名为XRepDDA的可解释药物-疾病关联预测框架，通过整合多模态特征表示和深度度量学习来提高预测准确性和鲁棒性 | 整合了预训练化学语言模型进行药物表示、基于MeSH本体的分层语义图进行疾病表示，并采用改进的ModernNCA架构进行深度度量学习，同时建立了多层次可解释性框架 | 未在摘要中明确说明 | 提高药物重定位中药物-疾病关联预测的准确性和可解释性 | 药物-疾病关联 | 自然语言处理, 机器学习 | 阿尔茨海默病, 胃肿瘤 | 分子对接实验 | 预训练语言模型, 图嵌入, 深度度量学习 | SMILES序列, 语义图, 结构化数据 | 多个公共基准数据集 | NA | ModernNCA | AUC, AUPR | NA |
| 10 | 2026-02-24 |
Variational Bayesian Multi-Kernel Adaptive Deep Fusion for Microbe-Related Drug Prediction
2026-Feb-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02748
PMID:41628646
|
研究论文 | 本研究提出了一种名为VBMKADF的模型，用于预测微生物-药物关联关系 | 提出了一种结合变分贝叶斯、多核自适应融合和深度学习的模型，用于自适应融合多级相似性并推断模型超参数 | NA | 开发一种有效的计算模型来预测新的微生物-药物关联关系 | 微生物和药物 | 机器学习 | NA | 多组学数据整合 | 图卷积网络, 超图卷积, 注意力机制, 贝叶斯逻辑矩阵分解 | 药物分子图, 微生物超图 | NA | NA | VBMKADF | AUPR, AUC, F1分数 | NA |
| 11 | 2026-02-24 |
Diagnostic Accuracy of Artificial Intelligence Models in Computed Tomography Interpretation of Chronic Rhinosinusitis: A Systematic Review
2026-Feb-23, Ear, nose, & throat journal
DOI:10.1177/01455613261423741
PMID:41725413
|
系统综述 | 本文系统综述并比较了人工智能模型在慢性鼻窦炎CT图像解读中的诊断准确性 | 首次对AI模型在慢性鼻窦炎CT诊断中的准确性进行系统综述，并识别了基于ResNet的模型展现出潜力 | 方法学异质性限制了研究间的可比性，需要标准化、多中心验证和临床数据整合以提高普适性 | 系统评估和比较人工智能模型在慢性鼻窦炎CT图像解读中的诊断准确性 | 慢性鼻窦炎患者的CT图像 | 计算机视觉 | 慢性鼻窦炎 | 计算机断层扫描 | CNN, 深度学习 | 图像 | 6项研究，涉及2178名患者 | NA | 卷积神经网络, ResNet, 混合深度学习模型 | 灵敏度, 特异度, 准确度, AUC | NA |
| 12 | 2026-02-24 |
Unveil Fundamental Graph Properties for Neural Architecture Search
2026-Feb-23, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202516574
PMID:41725562
|
研究论文 | 本文提出了一种名为NASGraph的方法，将神经网络架构转换为图，并通过图属性预测其性能，以促进神经架构搜索 | 首次将神经网络架构转换为图结构，并利用图属性来预测和优化架构性能，为神经架构搜索提供了新的视角 | 未明确说明方法在极端复杂架构或跨领域任务中的泛化能力 | 探索神经网络架构的结构特性与其性能之间的关系，以改进神经架构搜索方法 | 神经网络架构 | 机器学习 | NA | NA | NA | 图数据 | NA | NA | NA | NA | 显著减少的计算资源 |
| 13 | 2026-02-24 |
A comprehensive review of non-destructive technologies for banana ripeness assessment: implications for food quality, safety, and supply chain management
2026-Feb-23, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2026.2630105
PMID:41729096
|
综述 | 本文全面综述了用于香蕉成熟度评估的非破坏性技术，并探讨了其对食品质量、安全和供应链管理的影响 | 系统性地比较了多种非破坏性技术（如介电特性、深度学习、图像处理、激光诱导背向散射成像和光谱学）在香蕉成熟度评估中的应用，并强调了多模态传感器融合和先进计算模型的集成趋势 | 标准化成熟度识别在不同香蕉品种和环境条件下存在挑战，且先进技术面临计算和实际应用障碍 | 评估非破坏性技术在香蕉成熟度检测中的应用，以优化供应链管理、减少食物浪费 | 香蕉（Musa spp.）及其成熟阶段 | 计算机视觉 | NA | 介电特性分析、图像处理、激光诱导背向散射成像、光谱学 | 深度学习、人工神经网络 | 图像、多模态传感器数据 | NA | NA | NA | NA | NA |
| 14 | 2026-02-24 |
A new method for quantitation of cyanuric acid in water based on image analysis of drying patterns using computer vision
2026-Feb-23, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d5ay02122g
PMID:41729199
|
研究论文 | 本文提出了一种基于计算机视觉分析液滴干燥图案的新方法，用于定量检测自来水中的氰尿酸 | 首次基于液滴干燥图案的图像分析，在复杂混合物中实现分析物的定量检测 | 需要等待液滴干燥（环境条件下约2小时），且对采样体积（约50 µL）和光照条件有重复性要求 | 开发一种简单、无试剂的氰尿酸定量检测方法 | 自来水中的氰尿酸 | 计算机视觉 | NA | 图像分析 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 15 | 2026-02-24 |
Artificial intelligence in paediatric neuroradiology: current landscape, challenges, and future directions
2026-Feb-23, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06547-9
PMID:41729266
|
综述 | 本文回顾了人工智能在儿科和胎儿神经放射学中的当前应用、挑战及未来方向 | 特别关注儿科特有的因素，如大脑发育和数据稀缺性，并提出了通过数据共享、联邦学习等策略应对挑战 | 临床采用仍然有限，主要障碍包括高实施成本、大规模多样化儿科数据集不足以及安全、偏见和监管方面的担忧 | 评估人工智能在儿科神经放射学中的实践、障碍和未来潜力 | 儿科和胎儿神经放射学中的图像分割、病变检测、分类、预后和临床决策支持研究 | 数字病理学 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 16 | 2026-02-24 |
Deep learning-based automated positioning system for maxillary skeletal expander: development and clinical validation
2026-Feb-23, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-026-06790-2
PMID:41729332
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17 | 2026-02-24 |
Deep learning pipeline for trapezium segmentation in thumb radiographs
2026-Feb-23, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00678-2
PMID:41729375
|
研究论文 | 本文提出了一种用于拇指X光片中梯形骨分割的两阶段深度学习流程，结合YOLOv8进行检测和U-Net进行分割，以提升TMC关节成形术的术前规划和术中引导 | 首次将两阶段深度学习流程（YOLOv8检测 + U-Net分割）应用于拇指X光片中的小关节（梯形骨）分割，并展示了优于现有流行分割模型（如SAM和Mobile-SAM）的性能 | 研究基于回顾性数据，样本量有限（519张X光片），且仅针对拇指梯形骨，可能无法直接推广到其他小关节或不同成像条件 | 开发一种准确、可重复的AI方法，用于拇指X光片中梯形骨的自动分割，以支持TMC关节成形术的术前规划和术中引导 | 拇指X光片中的梯形骨 | 计算机视觉 | 骨科疾病 | X光成像 | CNN | 图像 | 519张拇指X光片（来自624张初始数据，经筛选后符合纳入标准） | PyTorch | YOLOv8, U-Net | mAP, Dice相似系数, 交并比 | NA |
| 18 | 2026-02-24 |
Comparison of respiratory-gated and breath‑hold accelerated T2-weighted sequences for liver MRI with deep learning reconstruction
2026-Feb-23, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00679-1
PMID:41729404
|
研究论文 | 本研究比较了呼吸门控和屏气两种加速T2加权序列结合深度学习重建在肝脏MRI中的应用，并评估了呼吸特征对图像质量的影响 | 首次系统比较了呼吸门控和屏气两种加速采集策略结合深度学习重建在肝脏T2WI中的性能，并建立了基于呼吸曲线特征的图像质量预测模型 | 样本量相对有限（120名参与者），且为单中心研究，需要多中心验证 | 评估和比较不同呼吸管理策略下深度学习重建加速T2加权序列在肝脏MRI中的图像质量和临床应用价值 | 肝脏磁共振成像（MRI）的T2加权图像 | 医学影像分析 | 肝脏疾病 | 磁共振成像（MRI），T2加权成像（T2WI），深度学习重建 | 深度学习模型 | 医学影像（MRI图像），呼吸曲线数据 | 120名前瞻性入组的参与者 | NA | NA | 图像质量评分（5分制），病灶-肝脏对比度比，检测率，病灶显眼度评分，受试者工作特征曲线下面积（AUROC），比值比（OR） | 3-T MRI扫描仪 |
| 19 | 2026-02-24 |
ASO Visual Abstract: AI-FLEET: Phase I - Multimodal Deep Learning Model for Phyllodes Tumor Classification
2026-Feb-23, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-19322-9
PMID:41729465
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20 | 2026-02-24 |
Navigated hepatic tumor resection using intraoperative ultrasound imaging
2026-Feb-23, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03581-8
PMID:41729473
|
研究论文 | 本研究评估了一种基于术中超声的导航系统在开放式肝脏手术中的可行性和准确性 | 与依赖术前影像配准的传统系统不同，该系统利用术中超声生成的3D模型进行导航引导切除 | 25例患者中有4例因术中传感器脱落或数据记录错误被排除在准确性评估之外 | 评估超声导航系统在肝脏肿瘤切除术中的可行性和准确性 | 接受肝转移瘤切除术的患者 | 数字病理 | 肝转移瘤 | 术中超声成像 | 深度学习算法 | 超声图像 | 25例患者（20例成功建立导航，16例可评估准确性） | NA | NA | 导航准确性（中位数3.2 mm）、R0切除率（93.8%） | NA |