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 43625 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 | 2026-04-29 |
AI-Powered Image-Based Assessment of Pressure Injuries Using You Only Look Once Version 8 (YOLOv8) Models
2026-May, Advances in wound care
IF:5.8Q1
DOI:10.1089/wound.2024.0245
PMID:40081991
|
研究论文 | 本研究利用YOLOv8深度学习模型对压力性损伤进行图像检测与分期 | 通过对比YOLOv8的多种变体和优化器，发现YOLOv8s结合AdamW优化器在压力性损伤分期中性能最优，尤其在2期等困难阶段检测效果显著提升 | 基于仿真数据集的评估可能无法完全反映真实临床场景的复杂性 | 提高压力性损伤检测与分期的准确性和鲁棒性，为临床决策提供可靠工具 | 压力性损伤的高质量公开图像数据集 | 计算机视觉 | 压力性损伤（褥疮） | NA | YOLOv8变体（YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l, YOLOv8x） | 图像 | 公开数据集，具体样本量未说明 | PyTorch | YOLOv8s | 平均精确率（mAP@0.5）、召回率、准确率 | NA |
| 2 | 2026-04-29 |
Synthetic computed tomography from magnetic resonance imaging: An editorial on deep learning approaches for hip and knee image translation
2026-May, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.70229
PMID:41368970
|
评论 | 一篇关于从磁共振成像生成合成计算机断层扫描的评论文章，重点关注髋关节和膝关节的深度学习图像翻译方法 | 系统概述了深度学习在髋关节和膝关节MRI到CT翻译中的应用前景，包括条件生成对抗网络和扩散模型等代表性方法 | 未提供具体实验验证，缺乏对合成CT临床可靠性和可重复性的定量评估 | 引导临床医生、工程师和研究者关注深度学习MRI到CT翻译的关键前景与开放问题 | 髋关节和膝关节的MRI到CT图像翻译方法 | 计算机视觉 | NA | MRI, CT | 生成对抗网络, 扩散模型 | 图像 | NA | NA | 条件生成对抗网络, 扩散模型 | NA | NA |
| 3 | 2026-04-29 |
Deep learning-guided attenuation and scatter correction of 99mTc-MAA SPECT images: towards quantitative analysis in 90Y-SIRT
2026-May, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02152-2
PMID:41489766
|
研究论文 | 开发深度学习模型，在无CT数据和蒙特卡洛模拟资源的情况下，对99mTc-MAA SPECT图像进行衰减校正和散射校正，以提升90Y-SIRT治疗中的定量准确性 | 提出修改后的3D Swin UNETR架构，实现了无需CT的衰减校正和蒙特卡洛基散射校正的单模型预测；在临床剂量评估中达到高水平的Gamma分析通过率 | 基于单中心回顾性数据，样本量为222例患者；模型性能依赖于图像质量和患者特征，未在多中心前瞻性研究中验证 | 开发深度学习模型实现SPECT图像的CT-free衰减校正和散射校正，提高定量精度以改善90Y-SIRT治疗计划和预治疗剂量学 | 222例接受99mTc-MAA SPECT显像的90Y-SIRT患者 | 计算机视觉 | 癌症（肝肿瘤） | SPECT显像 | 深度学习 | 图像 | 222例患者，数据集分训练集（约80%）和独立测试集（约20%） | PyTorch | Swin UNETR（修改后的3D shifted-window UNet Transformer） | 平均误差、相对误差、平均绝对误差、Gamma分析通过率（距离一致性/剂量差异标准） | NA |
| 4 | 2026-04-29 |
Satellite On-Orbit Chip-Level Deep Learning Model for Real-Time Dust Storm Monitoring
2026-Apr-28, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c14697
PMID:41855461
|
研究论文 | 提出一种星上芯片级深度学习模型，用于实时沙尘暴监测，将沙尘检测与定量反演直接部署在卫星上，显著缩短数据处理延迟 | 首次将级联轻量事件门与多任务反演器集成到星上芯片级框架中，并采用尾感知损失函数优化极端浓度下的预测精度，实现分钟级的延迟降低 | 未提及该模型在不同卫星平台或不同气溶胶类型下的泛化能力，且模拟部署环境与实际星上计算条件可能存在差异 | 实现沙尘暴的实时、星上监测，将产品生成延迟从小时级降至分钟级，支持实时暴露评估与预警 | 沙尘暴事件及其相关的PM₂.₅和PM₁₀浓度 | 计算机视觉 | NA | 多光谱成像 | 级联深度学习模型 | 卫星遥感图像 | 未明确样本数量，但案例研究涉及2023年5月19-20日和2025年4月15日的沙尘暴事件 | Pytorch | 级联轻量事件门与多任务反演器 | RMSE、推理延迟、功耗、内存占用 | NVIDIA Jetson AGX Orin平台，功耗约10W，内存小于3GB |
| 5 | 2026-04-29 |
Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology
2026-Apr-01, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000929
PMID:41201255
|
评论 | 美国肾脏病学会关于负责任使用人工智能改善肾脏护理的声明，概述了基本原则和指导框架 | 提出了以患者利益优先、确保临床医生监督和推动高负担疾病领域创新的指导原则，并强调了医生始终参与决策的核心假设 | 未详细说明AI实施的具体技术细节或实证验证结果 | 为肾脏病学中负责任使用人工智能提供框架和实用指导 | 肾脏疾病患者和肾脏病临床实践 | 机器学习 | 肾脏疾病 | 机器学习、深度学习、生成式人工智能 | NA | NA | NA | NA | NA | NA | NA |
| 6 | 2026-04-29 |
Deep learning-based framework for comprehensive quantification of thigh and calf muscles and adipose tissues from MRI
2026-Apr, Magma (New York, N.Y.)
DOI:10.1007/s10334-025-01308-5
PMID:41342972
|
研究论文 | 提出一个基于深度学习的框架，用于从MRI中全面量化大腿和小腿肌肉及脂肪组织 | 提出3D Attention-Res-V-Net管道，实现个体肌肉、皮下脂肪、肌间和肌内脂肪的精细量化，并公开高质量专家标注数据集 | 样本量较小（25名参与者），且肌内脂肪误差范围较大（17.4%-58.8%） | 开发自动化方法以全面分析下肢肌肉和脂肪组织，助力神经肌肉、肌肉骨骼和代谢疾病研究 | 下肢肌肉（13块大腿肌肉和9块小腿肌肉）、皮下脂肪、肌间脂肪和肌内脂肪 | 计算机视觉 | 神经肌肉疾病、肌肉骨骼疾病、代谢疾病 | MRI（两点Dixon序列） | 3D Attention-Res-V-Net | 图像（MRI轴向切片） | 25名参与者（平均年龄40.5±5.86岁，64%男性） | NA | Attention-Res-V-Net | Dice相似系数（DSC）、相对误差 | NA |
| 7 | 2026-04-29 |
Computational Discovery of MERS-CoV Main Protease Inhibitors Through Screening and Molecular Dynamics Simulations
2026-Mar-26, Proteins
IF:3.2Q2
DOI:10.1002/prot.70132
PMID:41887806
|
研究论文 | 通过计算筛选和分子动力学模拟发现MERS-CoV主蛋白酶抑制剂 | 结合分子对接与相似性搜索策略，并使用深度学习K模型、MM/GBSA和FEP等多种计算方法评估结合自由能 | NA | 识别潜在的MERS-CoV主蛋白酶抑制剂 | MERS-CoV主蛋白酶及其小分子抑制剂 | 机器学习 | 呼吸道病毒疾病 | 分子对接、分子动力学模拟 | 深度学习K模型 | 分子结构数据 | 从DrugBank、CHEMBL和蛋白质数据库收集的小分子化合物库 | NA | NA | 结合自由能、平衡解离常数(KD)、半数抑制浓度(IC50) | NA |
| 8 | 2026-04-29 |
Readout of intrinsic and induced DNA shape by homeodomain transcription factor complexes
2026-Mar-20, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2026.03.036
PMID:41863075
|
研究论文 | 解析同源域转录因子复合物对内在和诱导DNA形状的读取机制 | 首次结合SELEX-seq数据、分子动力学模拟和深度学习（DeepPBS）构建多尺度框架，揭示同源域转录因子复合物中内在和诱导DNA形状的协同作用，并弥补AlphaFold 3在预测突变影响和构象动态方面的不足 | AlphaFold 3在预测突变或构象动态对DNA形状的影响方面存在困难 | 理解同源域转录因子复合物如何通过内在和诱导DNA形状决定结合特异性 | 果蝇Hox转录因子Sex combs reduced及其辅因子Homothorax和Extradenticle形成的三聚体复合物，以及Distal-less和Engrailed两种同源域转录因子 | 自然语言处理 | NA | SELEX-seq, 分子动力学模拟, 深度学习 | DeepPBS, AlphaFold 3 | 序列数据, 结构数据 | 包含不同结合亲和力的多条DNA序列 | AlphaFold, DeepPBS | AlphaFold 3 (AF3), DeepPBS | NA | NA |
| 9 | 2026-04-29 |
Deep learning-based seed germination prediction using morphological traits and RGB images
2026-Mar-19, BMC plant biology
IF:4.3Q1
DOI:10.1186/s12870-026-08599-3
PMID:41851627
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10 | 2026-04-29 |
Comparing YOLO and U-net deep learning algorithms in chronic wound image segmentation
2026-Mar-19, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02266-7
PMID:41857518
|
研究论文 | 比较YOLO与U-Net深度学习算法在慢性伤口图像分割中的性能 | 首次系统比较YOLOv8和YOLO11与基准U-Net模型在慢性伤口分割任务中的表现，并采用跨数据集验证方法确保模型鲁棒性 | 未提及具体局限性 | 评估并比较YOLOv8和YOLO11与U-Net在慢性伤口医学图像分割中的准确性、泛化能力和推理速度 | 慢性伤口图像 | 计算机视觉 | 慢性伤口 | NA | CNN | 图像 | 使用FUSeg和Wound Data两个数据库（具体样本量未说明） | NA | YOLOv8, YOLO11, U-Net | IoU, 精确率, 召回率, DSC | NA |
| 11 | 2026-04-29 |
PestDetectSim: an integrated approach for crop pest diagnosis using object detection and similarity-based image retrieval
2026-Mar-19, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-026-01520-x
PMID:41857639
|
研究论文 | 提出一种结合目标检测和基于相似性的图像检索的农作物害虫诊断集成框架PestDetectSim | 将YOLO v8目标检测与SE-Net增强的相似性图像检索相结合，输出检测结果和相似参考图像列表，支持用户交叉验证，提高了诊断可靠性和可解释性 | 未明确提及限制，但可能依赖于预定义害虫类别和图像检索质量 | 提升农作物害虫诊断的准确性和实用性，通过集成自动检测与用户辅助验证增强可靠性 | 农作物害虫图像 | 计算机视觉 | 作物害虫病害 | 目标检测、图像检索 | YOLO v8，SE-Net模块 | 图像 | 包含30种害虫物种的真实田间数据集 | NA | YOLO v8，Squeeze-and-Excitation (SE-Net) | 端到端诊断准确率98.82%，端到端推理时间约60毫秒/图像 | 资源受限设备，支持实时部署 |
| 12 | 2026-04-29 |
Mke-resnet: a lightweight and interpretable deep learning framework for efficient RNA m6A site identification
2026-Mar-19, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-026-06416-0
PMID:41857714
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13 | 2026-04-29 |
Boundary sensitive-net-based lumbar vertebra segmentation and spondylolisthesis measurement
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38522-7
PMID:41839918
|
研究论文 | 提出基于深度学习的边界敏感网络（BS-Net），用于腰椎分割与滑脱量化，在CT和MRI数据集上取得优异性能 | 集成多任务边缘处理模块和上下文双边融合模块增强椎体边缘特征提取，结合边缘损失函数与形态学后处理实现联合分割与量化 | 未明确说明局限性，但可能依赖大量标注数据及计算资源 | 实现腰椎自动分割与腰椎滑脱精准测量，提升临床诊断效率与准确性 | 腰椎CT影像和公开SPIDER MRI数据集中的椎体结构 | 计算机视觉, 数字病理学 | 腰椎滑脱 | CT扫描, MRI | CNN | 图像 | 379例患者的783张腰椎CT图像及公开SPIDER MRI数据集 | PyTorch | BS-Net (包含MEP模块和CBF模块) | MIoU, Dice系数, ICC | NA |
| 14 | 2026-04-29 |
ProSeg: multi-scale context fusion for high-precision prostate segmentation in MRI
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43589-3
PMID:41839937
|
研究论文 | 提出ProSeg深度学习框架，通过多尺度上下文融合实现前列腺MRI高精度分割 | 设计专门的ProSeg块，集成各向异性卷积用于周边带边界描绘和跨切片注意力机制用于中央腺体纹理建模 | 未提及 | 提升前列腺MRI分割的精度和鲁棒性，解决周边带边界不规则和中央腺体纹理均匀性不足的问题 | 前列腺MRI图像中的周边带和中央腺体区域 | 计算机视觉, 数字病理学 | 前列腺癌 | MRI | 深度学习框架 | 图像 | Promise12和Promise158数据集 | NA | ProSeg块（包含各向异性卷积和跨切片注意力机制） | Dice系数 | NA |
| 15 | 2026-04-29 |
R3MV: a novel reliable system architecture for skin cancer classification using progressive heterogeneous multiblock model
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40522-6
PMID:41840099
|
研究论文 | 提出一种基于渐进式异质多块模型的皮肤癌分类可靠系统架构 | 提出R3MV三层决策融合系统和PHMBCNN渐进式学习CNN模型，通过多模型预测、特征融合分类和元分类器集成提升分类可靠性 | 仅使用两个公开数据集验证，未涉及更广泛临床场景的泛化性评估 | 提高皮肤癌分类系统的可靠性和准确性 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | NA | CNN, GRU | 图像 | PAD_UFES_20和HAM10000两个数据集 | NA | R3MV, PHMBCNN, PHMBCNN-GRU | 分类准确率 | NA |
| 16 | 2026-03-16 |
Classification of health product defect reports by deep learning
2026-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43961-3
PMID:41832296
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17 | 2026-03-13 |
Design of miniprotein inhibitors targeting complement C9 to block membrane attack complex assembly
2026-Mar-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70667-x
PMID:41813685
|
研究论文 | 本文利用基于深度学习的方法，从头设计靶向补体C9的微型蛋白抑制剂，以阻断膜攻击复合物的组装 | 首次应用深度学习进行蛋白质支架生成、序列设计和复合物结构预测，从头设计出特异性阻断可溶性补体C9膜插入的微型蛋白抑制剂，并通过部分扩散优化结合亲和力至700 pM | 未明确说明微型蛋白抑制剂在长期慢性疾病模型中的疗效或潜在免疫原性问题 | 开发新型治疗剂，通过阻断补体C9的膜插入来预防和治疗与异常补体激活相关的急慢性免疫疾病 | 补体C9蛋白及其膜插入过程 | 蛋白质设计 | 免疫疾病 | 深度学习、X射线晶体学、生化研究 | 深度学习模型 | 蛋白质结构数据 | NA | NA | NA | 结合亲和力（pM）、溶血抑制效果 | NA |
| 18 | 2026-04-29 |
Artificial intelligence assisted multi-model pathological diagnosis of breast cancer based on multispectral autofluorescence images
2026-Mar-12, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-026-00915-2
PMID:41820369
|
研究论文 | 提出一种基于多光谱自发荧光成像与优化深度学习架构的虚拟染色框架，实现乳腺癌无标记高保真H&E等效图像生成 | 通过引入显著性损失和全局特征一致性损失增强CycleGAN，利用非配对数据集无需像素级配准，实现多光谱自发荧光到H&E虚拟染色性能显著提升 | 未明确说明当前方法的计算瓶颈或对罕见亚型的适用性，且虚拟染色图像在部分诊断指标上仍有提升空间 | 开发快速、无破坏性的诊断级乳腺癌病理图像生成方法，用于临床诊断和机制研究 | 乳腺癌临床标本、小鼠模型、类器官共培养体系的多模态数据库 | 数字病理学 | 乳腺癌 | 多光谱自发荧光成像 | GAN | 图像 | 包含临床标本、小鼠模型和类器官共培养样本（具体数量未明确） | PyTorch | CycleGAN | 临床评分、诊断指标统计差异 | NA |
| 19 | 2026-04-29 |
Critical evaluation of the theory and practice of feed-forward neural networks for genomic prediction
2026-03-04, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkaf314
PMID:41442545
|
研究论文 | 对前馈神经网络在基因组预测中的理论和实践进行关键评估 | 提出预测问题分类法以避免模型比较中的混淆，并理论结合实证验证深度学习相对线性模型的三大声称优势 | 仅探索了少量可能的深度学习模型空间，未涵盖所有相关方面 | 评估深度学习在基因组预测中的理论和实践效果，并建议未来研究方向 | 玉米多环境试验数据集中的基因组、土壤、天气和管理输入与谷物产量的关系 | 机器学习 | NA | 基因组预测 | 前馈神经网络、再生核希尔伯特空间模型 | 基因组数据、土壤数据、天气数据、管理数据 | NA | NA | 前馈神经网络 | 预测精度 | NA |
| 20 | 2026-04-29 |
Deep learning analysis of the pathologic sequence in gastric biopsies from Helicobacter pylori-related intestinal metaplasia
2026-Mar-03, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqaf146
PMID:41852252
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |