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 47603 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 | 2026-07-31 |
A Hybrid Perception Network for Accurate and Interpretable Brain Tumor Classification Using Multi-Modal Imaging
2026-Jul-26, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2026.27.7.2525
PMID:42522813
|
研究论文 | 提出一种混合感知网络HyPerNet，融合多模态影像实现脑肿瘤的精确分类与可解释性 | 创新整合3D卷积神经网络与图神经网络进行混合特征提取，并引入动态注意力机制与Grad-CAM可解释性组件，同时实现高精度与轻量化 | 未提及在真实临床环境中的泛化能力验证及对不同肿瘤亚型的细粒度分类表现 | 开发准确、可解释且高效的脑肿瘤分类模型以辅助临床诊断 | 脑肿瘤的MRI、CT和PET多模态医学影像 | 数字病理学 | 脑肿瘤 | 多模态影像融合（MRI、CT、PET） | 3D卷积神经网络、图神经网络 | 图像 | 8256张多模态医学影像 | PyTorch | DenseNet121, ResNet101, MobileNetV3 | 准确率, 精确率, 召回率, F1分数, 特异度 | 移动与边缘设备（参数仅166万） |
| 2 | 2026-07-31 |
[Advances in the application of artificial intelligence in antimicrobial resistance research]
2026-Jul-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.260218
PMID:42522608
|
综述 | 系统阐述人工智能在抗菌药物耐药性研究中的应用进展，包括多组学数据、机制分析和新型分子设计 | 首次全面梳理人工智能驱动的生物医学大数据生态，并深度整合多级耐药机制分析与智能分子设计两大应用方向 | 数据质量参差不齐、算法可解释性不足、临床转化困难以及伦理治理挑战 | 为研究人员提供人工智能在抗菌药物耐药性领域的应用全景、现有挑战和未来路径 | 抗菌药物耐药性研究中的多组学数据、表型与临床数据、文献知识数据 | 机器学习 | 抗菌药物耐药性 | 多组学数据整合、深度学习 | NA | 多组学数据、表型数据、临床数据、文献知识数据 | NA | NA | NA | NA | NA |
| 3 | 2026-07-31 |
scWeave: A deep learning model that bidirectionally translates between gene expression and chromatin structure at single-cell resolution
2026-Jul-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.13.738265
PMID:42523313
|
研究论文 | 开发了scWeave深度学习模型，实现单细胞分辨率下基因表达与染色质结构间的双向翻译 | 首次实现单细胞水平上基因表达（scRNA-seq）与三维染色质架构（scHi-C）的双向推断，采用双自动编码器提取潜在表征并利用专用翻译模块进行跨模态翻译 | 双重测序实验仍成本高昂且技术挑战大，模型对非共测数据的泛化能力依赖有限的人类训练数据 | 表征三维染色质架构与基因表达间的关系，实现从单一模态推断另一模态 | 小鼠胚胎发育、小鼠皮层、小鼠嗅上皮和人类骨髓细胞 | 机器学习 | NA | 单细胞RNA测序（scRNA-seq）、单细胞Hi-C（scHi-C） | 深度自动编码器 | 基因表达数据和三维染色质接触数据 | 六个公开共测定数据集，涵盖小鼠胚胎发育、小鼠皮层、小鼠嗅上皮和人类骨髓样本 | PyTorch | 双自动编码器 | 中位斯皮尔曼相关系数、HiCRep相似度 | NA |
| 4 | 2026-07-31 |
CasanovoGUI: a cross-platform desktop application for deep learning-based de novo peptide sequencing with Casanovo
2026-Jul-16, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.11.737889
PMID:42523267
|
研究论文 | 介绍了一个跨平台桌面应用CasanovoGUI，用于基于深度学习的从头肽段测序 | 首次为Casanovo模型提供免安装图形化界面，自动配置GPU环境，并集成结果验证和可视化功能 | 未提及具体性能限制，潜在局限包括依赖Java运行环境和GPU兼容性 | 简化深度学习肽段测序工具的使用门槛，提供直观交互界面 | 质谱分析的肽段测序工作流 | 深度学习 | NA | 串联质谱 | Casanovo | 质谱数据 | NA | NA | Casanovo | NA | 支持GPU自动配置 |
| 5 | 2026-07-31 |
PRANA: A Deep Learning Method for Adapting Polygenic Risk Scores to Diverse Ethnic Groups
2026-Jul-15, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.07.12.26357860
PMID:42523604
|
研究论文 | 提出一种深度学习框架PRANA，用于将欧洲人群的多基因风险评分适应至其他祖先群体，减少基因组风险预测中的差异 | 利用预训练的欧洲人群PRS模型，通过目标人群的小规模队列进行迁移学习，无需大规模GWAS数据即可实现跨祖先适应性调整 | 对目标人群数据规模仍有依赖，且在极小样本亚群中性能可能受限；仅在部分人群和性状中验证，泛化性需进一步测试 | 开发可扩展的跨祖先PRS适应方法，提升非欧洲人群的遗传风险预测准确性，促进精准医学的公平应用 | 南亚、东亚、阿什肯纳兹犹太人群及亚东亚亚群中七种复杂性状的遗传风险预测 | 机器学习 | 复杂疾病 | 多基因风险评分、深度学习、迁移学习 | 神经网络 | 基因组数据 | 多个小规模目标人群队列，具体样本量未明确 | PyTorch | PRANA（基于神经网络的架构） | 效应量β值、Nagelkerke's R | NA |
| 6 | 2026-07-31 |
Processing strategies for improving cortical thickness correspondence between low-field and high-field MRI in young people
2026-Jul-13, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.08.737238
PMID:42523481
|
研究论文 | 评估多种低场MRI图像处理策略以提高年轻人中低场与高场MRI皮质厚度测量的一致性 | 首次在大样本年轻人中系统比较多种深度学习图像处理方法（SynthSR v1.0/2.0、recon-all-clinical、recon-any）对超低场（64mT）与高场（3T）MRI皮质厚度一致性的提升效果 | 未提及具体局限性 | 优化低场MRI皮质厚度评估方法，使其与高场MRI结果更一致，从而推动低场MRI在神经发育和精神病学中的应用 | 150名年轻人（平均年龄18.63岁，80位女性）的脑部MRI影像 | 医学影像处理 | NA | 深度学习图像处理（SynthSR、recon-all-clinical、recon-any） | 深度学习模型 | 脑部MRI影像（T1加权、T2加权） | 150名受试者的MRI数据 | NA | SynthSR v1.0, SynthSR v2.0, recon-all-clinical, recon-any | 皮尔逊相关系数, 组内相关系数, Steiger's Z检验, Fisher's Z检验 | NA |
| 7 | 2026-07-31 |
Dental midline localization: development and validation of an automated deep learning pipeline
2026-Jun-02, European journal of orthodontics
IF:2.8Q1
DOI:10.1093/ejo/cjag056
PMID:42522750
|
研究论文 | 开发并验证一种基于深度学习的自动化中线定位流程，用于在微笑照片中定位上颌牙齿中线 | 首次系统比较四种卷积神经网络骨干网络（EfficientNet-B0、ResNet-18、MobileNetV3-Small、HRNet-W18）在牙齿中线定位任务中的性能，并构建了包含人脸检测、眼间线旋转归一化、嘴部区域提取和关键点回归的全自动管线 | 样本仅来自单中心的标准化微笑照片，泛化能力需在更大队列和不同条件下验证 | 开发高精度牙齿中线自动定位方法，辅助正畸诊断和微笑美学评估 | 221张标准化正面微笑照片中的上颌牙齿中线 | 计算机视觉 | 正畸相关疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 221张标准化正面微笑照片 | PyTorch | EfficientNet-B0, ResNet-18, MobileNetV3-Small, HRNet-W18 | 平均角度误差, ≤1°阈值准确率, ≤2°阈值准确率, 组内相关系数（ICC）, Bland-Altman偏差 | NA |
| 8 | 2026-07-31 |
Image-domain deep learning denoising for low-dose chest CT on a single 128-slice CT platform: a retrospective image-quality assessment
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1888006
PMID:42523763
|
研究论文 | 本研究评估了一种独立于供应商的图像域深度学习去噪算法在低剂量胸部CT上的应用，并与标准剂量迭代重建的图像质量指标进行了比较 | 采用供应商独立的图像域深度学习去噪算法，可在无原生深度学习重建的CT扫描仪上改善低剂量胸部CT图像质量 | 回顾性研究设计，患者分组不同，结果不能直接视为等效或非劣效性证据，缺乏病变可检测性和诊断性能评估 | 评估独立于供应商的图像域深度学习去噪算法对低剂量胸部CT图像质量的改善效果 | 198例无增强胸部CT患者，分为低剂量CT组（99例）和标准剂量CT组（99例） | 医学影像 | 肺部疾病 | CT成像 | 深度学习去噪网络 | CT图像 | 198例患者，包括99例低剂量CT和99例标准剂量CT | NA | NA | 衰减值，图像噪声，信噪比，对比噪声比，5点主观评分量表 | NA |
| 9 | 2026-07-31 |
Performance evaluation and occupational health safety analysis of university teachers based on time-series feature extraction
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1749731
PMID:42523768
|
研究论文 | 提出一种基于时间序列特征提取的高校教师绩效与职业健康安全评估新框架 | 首次将时间序列特征提取与深度学习架构结合，用于教师绩效与职业健康安全的动态评估，并引入多层次时序融合策略 | 实证数据来源有限，仅包括机构日志、生理监测和主观评估，可能缺乏泛化性 | 开发一种能够捕捉教师绩效与健康指标时序复杂性和动态依赖关系的评估框架 | 高校教师的绩效指标和职业健康安全指标 | 机器学习 | NA | 时间序列特征提取 | 循环神经网络 | 时间序列数据 | NA | NA | RNN, 注意力机制 | NA | NA |
| 10 | 2026-07-31 |
Multimodal transformer-based watermarking for deepfake detection and digital media authentication: current progress, challenges, and future directions
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1848963
PMID:42523792
|
综述 | 综述基于多模态Transformer的数字水印技术用于深度伪造检测和数字媒体认证的当前进展、挑战和未来方向 | 聚焦Transformer模型在多模态统一架构中相较于传统水印方法的韧性提升，并探讨将水印嵌入、伪造检测和内容认证整合为统一管道的技术优势 | 主要基于文献综述，缺乏实验验证；指出跨模态泛化、对抗鲁棒性和基准稀缺等未解决的问题 | 系统评估当前Transformer方法在多模态数字水印与深度伪造检测中的发展，并识别关键挑战与未来研究方向 | 视频、音频和图像等多模态内容中的数字水印与深度伪造检测技术 | 计算机视觉，自然语言处理，机器学习 | NA | 数字水印，深度伪造检测 | Transformer | 图像，视频，音频 | NA | NA | Transformer | NA | NA |
| 11 | 2026-07-31 |
Evidence integration: The transformative role of artificial intelligence in maternal health
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261473727
PMID:42523880
|
综述 | 本伞状综述综合了人工智能在孕产妇健康领域应用的相关证据，重点关注风险预测与分层、预防与支持性干预以及实际推广障碍 | 通过伞状综述方法和AMSTAR 2质量评估，系统性整合现有证据并提出了可扩展的AI孕产妇健康解决方案的实践路线图 | 现有研究普遍缺乏外部验证、模型可解释性、临床工作流集成、公平性审计及前瞻性效果评估，导致转化鸿沟显著 | 评估人工智能在改善孕产妇健康结局（尤其是中低收入国家）中的应用潜力和实施障碍 | 孕产妇健康相关的AI应用，包括妊娠并发症风险预测、预防性干预及产后支持 | 机器学习 | 孕产妇疾病 | NA | 逻辑回归、随机森林、梯度提升、支持向量机、深度学习 | NA | 34篇综述 | NA | NA | NA | NA |
| 12 | 2026-07-31 |
Diagnostic and prognostic applications of machine learning in paediatric traumatic brain injury: a systematic review of single and multimodal approaches
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1838137
PMID:42523910
|
综述 | 系统评估机器学习与深度学习在儿童创伤性脑损伤诊断和预后中的应用 | 首次系统综述了机器学习/深度学习在儿童创伤性脑损伤中单一与多模态数据的应用，包括最新Transformer架构和梯度提升方法 | 大多数研究缺乏外部多中心验证，存在类别不平衡问题，且部分模型在低风险分诊中提升有限 | 评估机器学习与深度学习模型在儿童创伤性脑损伤急性损伤检测和长期预后预测中的表现 | 儿童创伤性脑损伤患者（0-18岁） | 机器学习 | 儿童创伤性脑损伤 | NA | XGBoost, 随机森林, 卷积神经网络, Transformer架构 | 临床数据, 影像数据, 生物标志物 | 68,331名受试者（来自20篇全文研究） | NA | XGBoost, 随机森林, 卷积神经网络, Transformer | AUROC | NA |
| 13 | 2026-07-31 |
UAV remote sensing for yield prediction in staple crops: a review
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1840669
PMID:42523927
|
综述 | 系统综述基于无人机遥感技术的主要粮食和油料作物产量预测方法 | 提出“数据-真值-模型-决策”分析框架，明确区分微区、田间和区域三种预测尺度，并系统评估产量标签获取方法的特征与局限性 | 现有研究存在无人机影像与产量标签尺度不匹配、产量地图生成误差传播、跨年/跨区域迁移性有限、因果可解释性弱、复杂田间部署困难等主要瓶颈 | 为开发鲁棒、可解释且可部署的无人机产量预测系统提供实践路径，支持粮食安全评估和精准田间管理 | 大豆、玉米、小麦和水稻等主要粮食与油料作物 | 计算机视觉 | 不适用 | 无人机遥感 | 时空深度学习 | 图像 | 70篇2018-2025年间发表的同行评审研究 | 不适用 | 不适用 | 不适用 | 不适用 |
| 14 | 2026-07-31 |
Human-Centered Design and Iterative Refinement of Tools and Methods to Implement a Surveillance and Risk Prediction System for Clinical Deterioration in Ambulatory Cancer Care
2025-Jan, ACI open
DOI:10.1055/a-2437-9977
PMID:42523207
|
研究论文 | 设计并迭代优化用于门诊癌症护理中临床恶化监测和风险预测系统的方法与工具 | 采用系统工效学和以人为中心的迭代设计，结合可穿戴传感器被动监测、患者事件报告主动监测及电子健康档案数据提取，构建一个完整的监测与风险预测系统原型 | 仅进行了可行性研究，未来需要在不同临床场景下全面评估系统的采用率和有效性 | 评估设计、开发并实现一个监测与风险预测系统以检测癌症门诊患者临床恶化的可行性 | 门诊癌症患者及其临床恶化事件 | 机器学习, 数字健康 | 癌症 | 可穿戴传感器, 电子健康档案数据提取 | 深度学习神经网络 | 患者报告结局指标, 临床数据 | 71名招募患者中50名纳入可行性研究 | NA | NA | F-measure, AUC-ROC | NA |
| 15 | 2026-07-30 |
The perspective of artificial intelligence for NMR
2027-Feb, Magnetic resonance letters
DOI:10.1016/j.mrl.2026.200290
PMID:42518522
|
综述 | 本文综述了人工智能（特别是深度学习）在核磁共振波谱技术中的应用，重点探讨了其在代谢物研究中解决灵敏度低、峰重叠严重和数据解析困难等核心挑战的创新方向 | 系统梳理了AI驱动NMR在代谢物研究中的三个技术革新方向：低场谱高场化、纯位移谱优化以缓解谱峰拥挤、以及代谢组学中代谢物与生物标志物的智能识别 | NA | 概述AI与NMR协同作用在代谢物研究中的进展，并展望其在代谢组学、精准医学等领域的应用潜力 | 核磁共振波谱数据与代谢物相关研究，包括低场NMR谱、纯位移谱及代谢组学数据 | 机器学习 | 高脂血症（文中提及脂蛋白代谢标志物） | 核磁共振波谱，深度学习 | 深度学习模型 | NMR波谱数据 | NA | NA | NA | NA | NA |
| 16 | 2026-07-30 |
From annotation to analysis: a deep-learning pipeline for optical coherence tomography (OCT)-based measurements of biofilm morphology
2026-Dec, Biofilm
IF:5.9Q1
DOI:10.1016/j.bioflm.2026.100383
PMID:42518799
|
研究论文 | 提出基于深度学习的管道，利用光学相干断层扫描（OCT）成像和自动图像处理流程，快速表征生物膜形态 | 首次将YOLOv8和SegFormer两种先进分割模型应用于生物膜OCT图像，并开发完整框架从分割图像提取厚度、粗糙度和密度分布等关键形态特征 | 未提及模型的泛化能力验证及计算资源需求，未比较方法与传统手动标注的时间成本差异 | 实现基于OCT图像的高通量、自动化生物膜形态表征 | 四种分类学上不同的多物种生物膜 | 计算机视觉、数字病理学 | 不适用 | 光学相干断层扫描（OCT） | YOLOv8, SegFormer | 图像 | 八种挑战性生物膜条件及四种多物种生物膜 | PyTorch | YOLOv8, SegFormer | 准确率、交并比（IoU） | 不适用 |
| 17 | 2026-07-30 |
Methods for Uncertainty Quantification in Dictionary Matching to Advance Reliability of Quantitative MRI
2026-Oct, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70459
PMID:42252544
|
研究论文 | 提出两种用于定量磁共振成像中字典匹配的不确定性量化方法，以评估参数图的可靠性 | 针对现代重建技术引入的非独立同分布噪声，提出了频率学派似然比检验和贝叶斯边际后验方法，实现了统计上可解释的不确定性量化 | 未详细讨论方法在高维参数空间或实时临床应用的扩展性 | 为定量磁共振成像中的字典匹配开发不确定性量化框架，提升临床可靠性 | T1和T2映射中的参数估计，包括模拟、体模和体内实验 | 机器学习 | NA | 定量磁共振成像, 径向涡轮自旋回波, 径向Look-Locker | 频率学派似然比检验, 贝叶斯边际后验 | 图像 | 模拟数据、体模实验及体内实验（具体数量未明确） | NA | NA | 覆盖率, 置信区间宽度 | NA |
| 18 | 2026-07-30 |
Denoising of ASL Data Using Deep Learning Priors Generated From Distribution Remapping
2026-Oct, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70471
PMID:42272040
|
研究论文 | 提出一种基于分布重映射生成深度学习先验的方法，用于去噪动脉自旋标记（ASL）数据 | 通过分布重映射增强数据以克服训练数据有限时的过拟合和泛化问题，并分别去噪目标灌注加权图像的同分布和异分布分量 | 未提及具体局限性，但可能依赖公开ASL数据集的质量和数量 | 开发一种有效的基于深度学习的方法去噪ASL数据，以提高图像质量和临床实用性 | ASL数据，包括模拟数据和体内数据（如中风患者数据） | 机器学习, 数字病理 | 心血管疾病 | ASL | U-Net | 图像 | 使用公开ASL数据集进行训练，体内实验包括中风患者数据（使用总平均的六分之一） | PyTorch | U-Net | SNR, 比较CBF图 | NA |
| 19 | 2026-07-30 |
Fourier Shell Analysis: k-Space-Based Metrics for Assessing Super-Resolution in 4D Flow MRI
2026-Oct, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70478
PMID:42277983
|
研究论文 | 提出傅里叶壳层分析方法，用于评估4D flow MRI中的超分辨率技术 | 首次在4D flow MRI超分辨率评估中引入k空间傅里叶壳层分析，能区分分辨率提升和去噪效果 | 仅使用合成数据验证，未在真实临床数据中测试 | 为4D flow MRI超分辨率评估提供新指标，解决现有图像指标无法区分分辨率提升与去噪的问题 | 胸主动脉4D flow MRI数据 | 机器学习和医学成像 | 心血管疾病 | 4D flow MRI | 深度学习超分辨率网络(4DFlowNet) | 合成4D flow MRI图像 | 合成数据集包含不同程度的狭窄，具体样本数未明确说明 | NA | 4DFlowNet | 绝对相对均数配对差异 | NA |
| 20 | 2026-07-30 |
T1-weighting in Steady-State FLASH MRI-Diffusion Is Not Only Supportive but Mandatory for the Contrast
2026-Oct, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70443
PMID:42324643
|
研究论文 | 探究扩散在稳态FLASH MRI对比形成中的作用及其对模拟和测量的影响 | 揭示了扩散在稳态FLASH MRI中不仅是辅助因素，而是实现T1加权对比所必需的因素 | 未明确提及实验方法的局限性和样本量的影响 | 研究扩散在稳态FLASH MRI对比形成中的作用及其对基于模拟的建模和测量的影响 | 脑脊液（CSF）、白质（WM）等组织信号及3D打印脑模型 | 磁共振成像 | NA | 稳态FLASH MRI | 神经网络（NN） | 合成脑模型数据、体内测量数据 | 一个3D打印脑模型 | NA | 分割网络（未指定具体架构） | 泛化能力 | NA |