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 41251 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 | 2026-03-03 |
Deep-learning based adaptive fusion of CC and MLO views for improved mammographic cancer diagnosis
2026-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2026.103827
PMID:41768877
|
研究论文 | 本文提出了一种名为MammoFusion-Net的双分支深度学习框架，用于基于乳腺X线摄影的乳腺癌分类，通过自适应融合CC和MLO视图以提升诊断性能 | 引入了Gated Cross-View Fusion机制自适应整合多视图特征，并利用残差卷积流独立处理CC和MLO视图以保留视图特异性解剖信息 | NA | 改进基于乳腺X线摄影的乳腺癌分类性能，解决视图间特征不一致、诊断细节丢失和可解释性有限等挑战 | 乳腺X线摄影图像（CC和MLO视图） | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 图像 | VinDr-Mammo数据集和INBreast数据集（具体样本数量未提供） | NA | ResNet | 准确率 | NA |
| 2 | 2026-03-03 |
iAFP-fLRM: Accurate identification of antifungal peptides via hybrid deep learning architecture and multi-modal feature fusion
2026-May, Biophysical chemistry
IF:3.3Q2
DOI:10.1016/j.bpc.2026.107591
PMID:41653519
|
研究论文 | 本文提出了一种名为iAFP-fLRM的混合深度学习框架，用于仅基于氨基酸序列准确识别抗真菌肽 | 设计了一个双分支特征融合模块，集成了自适应池化对齐和跨分支注意力增强机制，以动态对齐序列长度并自适应调整异构特征的贡献，从而增强互补性 | 仅基于氨基酸序列信息，未整合其他生物信息学特征或实验验证数据 | 开发一种计算工具，用于计算机辅助识别抗真菌肽，以促进新型抗真菌疗法的发现 | 抗真菌肽 | 自然语言处理 | 真菌感染 | 氨基酸序列分析 | Transformer, LSTM, MLP | 序列数据 | 基准数据集 | PyTorch | Transformer encoder, LSTM-ResMLP | 准确率, AUC, 马修斯相关系数 | NA |
| 3 | 2026-03-03 |
Smartphone-integrated molecularly imprinted sensor with convolutional neural networks for on-site detection of Norfloxacin
2026-Apr-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2026.345196
PMID:41765623
|
研究论文 | 开发了一种集成了双发射分子印迹荧光传感器与深度学习的便携式传感平台，用于诺氟沙星的快速现场检测 | 结合分子印迹传感器与卷积神经网络，利用智能手机捕获的荧光图像实现环境干扰校正和浓度特征自主提取，超越了传统的RGB分析 | NA | 为水产产品安全中的抗生素监测提供技术支持 | 诺氟沙星 | 计算机视觉 | NA | 分子印迹荧光传感，配体到金属电荷转移机制 | CNN | 图像 | NA | NA | NA | 回收率，相对标准偏差 | 智能手机，3D打印的便携式荧光传感平台 |
| 4 | 2026-03-03 |
Efficacy of Automatic 3D Segmentation of the Upper Airway in CBCT or CT Scans via Artificial Intelligence Versus Manual Segmentation by Human Experts: A Systematic Review and Meta-Analysis
2026-Apr, Clinical and experimental dental research
IF:1.7Q3
DOI:10.1002/cre2.70314
PMID:41764765
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了人工智能在CBCT或CT扫描中自动3D分割上气道的效能，并与人工分割进行比较 | 首次对AI在CBCT或CT扫描中上气道3D分割的效能进行荟萃分析 | 纳入研究数量有限（仅11项，其中6项用于荟萃分析），需要更多研究才能得出决定性结论 | 评估人工智能在CBCT或CT扫描中自动3D分割上气道的效能 | 基于CBCT或CT扫描的上气道评估研究 | 医学影像分析 | NA | CBCT扫描, CT扫描 | 深度学习, 机器学习 | 3D医学影像 | NA | NA | NA | 准确率, 精确率, Dice相似系数, 总体积差异, 交并比, 召回率 | NA |
| 5 | 2026-03-03 |
Has AI Reshaped Drug Discovery, or Is There Still a Long Way to Go?
2026-Apr, Drug development research
IF:3.5Q2
DOI:10.1002/ddr.70257
PMID:41766174
|
综述 | 本文探讨了人工智能在药物发现领域的应用现状、潜力与挑战 | 系统性地总结了AI在药物发现各阶段（如分子性质预测、蛋白质结构建模、ADME/Tox预测）的应用进展，并批判性地分析了其尚未实现完全独立药物获批的根本原因 | AI驱动的药物发现仍面临数据质量与可及性差、模型可解释性不足、计算预测与化学可行性之间存在鸿沟、生物系统复杂性导致转化成功率低等关键限制 | 评估人工智能是否已重塑药物发现流程，并分析其当前角色与未来前景 | 药物发现中的AI技术应用及其在制药行业的影响 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 6 | 2026-03-03 |
Deep learning of committor for ion dissociation and interpretable analysis of solvent effects using atom-centered symmetry functions
2026-Mar-07, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0315825
PMID:41769876
|
研究论文 | 本研究利用深度学习识别水中NaCl离子对结合与解离的反应坐标，并通过可解释人工智能技术分析溶剂效应 | 采用基于原子中心对称函数的描述符编码离子周围溶剂环境，并应用SHAP分析识别对反应坐标有贡献的ACSFs，为离子解离机制提供分子层面解释 | 未明确说明模型泛化能力或对其他离子体系的适用性 | 识别水中离子对结合与解离过程的反应坐标，并分析溶剂效应 | 水中的NaCl离子对 | 机器学习 | NA | 分子动力学模拟，原子中心对称函数 | 神经网络 | 分子模拟数据 | NA | NA | NA | committor作为反应坐标的定量度量 | NA |
| 7 | 2026-03-03 |
Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population
2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.242950
PMID:40018794
|
研究论文 | 本研究旨在利用卷积神经网络模型，通过腹部X光片区分儿童胃肠道扩张或梗阻，并识别需要手术的梗阻病例 | 首次针对儿科人群，利用CNN模型在腹部X光片上区分正常肠道气体分布、胃肠道扩张及需要手术的梗阻，并评估了图像标准化裁剪对模型性能的影响 | 研究样本量有限（正常540例，手术纠正扩张298例，炎症/感染性扩张314例），且仅基于单一机构的数据，可能影响模型的泛化能力 | 开发一种基于深度学习的决策支持系统，用于急诊科儿科患者胃肠道梗阻的及时准确诊断 | 儿科患者的腹部X光片，包括正常、手术纠正扩张和炎症/感染性扩张三类 | 计算机视觉 | 胃肠道疾病 | 腹部X光成像 | CNN | 图像 | 正常540例，手术纠正扩张298例，炎症/感染性扩张314例，总计1152例腹部X光片 | TensorFlow, Keras | ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge | 准确率 | NA |
| 8 | 2026-03-03 |
Magnetic resonance imaging-based artificial intelligence model predicts neoadjuvant therapy response in triple-negative breast cancer
2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253376
PMID:41140117
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，利用治疗前MRI数据预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 首次利用治疗前多序列MRI数据，通过残差卷积神经网络预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 样本量较小（43例患者，49个病灶），为回顾性双中心研究，未来需要更大数据集和更多成像模态以提高模型的泛化能力和临床适用性 | 开发AI模型预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解，以辅助临床决策并减少无效治疗风险 | 三阴性乳腺癌患者 | 数字病理学 | 乳腺癌 | 磁共振成像 | CNN | 图像 | 43例患者，49个病灶 | NA | 残差卷积神经网络 | 准确率, AUC, Dice相似系数 | NA |
| 9 | 2026-03-03 |
A Deep Learning Framework Integrating Tumor Microenvironmental Features Accurately Predicts Multiple Driver Gene Mutations in Lung Cancer Pathology Images
2026-Mar-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-0582
PMID:41289566
|
研究论文 | 本文提出了一种名为NAVF-Bio的深度学习框架，通过整合肿瘤微环境特征，从肺癌病理图像中准确预测多种驱动基因突变 | 开发了基于多实例学习的自适应多视图特征融合框架，能够整合全切片图像中的肿瘤微环境特征，不仅预测驱动基因突变，还能识别突变亚型和外显子变异，超越了现有方法仅进行突变水平预测的限制 | 研究主要基于中国四家医院的数据，可能限制了模型在其他人群或地区的泛化能力；未详细讨论模型在临床实际部署中的具体挑战 | 开发一个深度学习框架，从常规组织病理学切片中预测肺癌的驱动基因突变，以指导靶向治疗选择 | 肺癌患者的病理图像和下一代测序数据 | 数字病理学 | 肺癌 | 下一代测序 | 多实例学习 | 图像 | 来自中国四家医院的2,573名肺癌患者 | NA | NAVF-Bio | NA | NA |
| 10 | 2026-03-03 |
Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response
2026-Mar-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-1594
PMID:41418101
|
研究论文 | 本研究通过多重组织成像分析，探索了非小细胞肺癌患者中肿瘤-免疫生态的差异，以预测疾病进展并定义治疗响应的临床生物标志物 | 结合细胞分割、样方分析、空间统计、机器学习和深度学习，构建了一个综合的多重图像分析流程，用于识别预测疾病进展的空间和时间特征，并发现PD患者治疗前已存在免疫抑制环境 | 研究样本量较小（仅9名患者），且仅包括稳定疾病和进展性疾病患者，缺乏完全或部分响应者，结果需在更大队列中验证 | 开发计算基础设施，分析多重成像数据以预测非小细胞肺癌的免疫治疗响应，并探索潜在的临床生物标志物 | 免疫治疗难治性非小细胞肺癌患者的配对治疗前和治疗中组织样本 | 数字病理学 | 肺癌 | 多重组织成像 | 深度学习 | 图像 | 9名患者的配对治疗前和治疗中样本 | NA | NA | NA | NA |
| 11 | 2026-03-03 |
Deep Learning-Derived Sarcopenia Marker Predicts Benefit from Anti-EGFR Therapy in Patients with RAS Wild-type Metastatic Colorectal Cancer
2026-Mar-02, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-25-3080
PMID:41489691
|
研究论文 | 本研究探讨了基于深度学习从CT图像自动提取的肌肉/骨骼比（MBR）作为肌肉减少症标志物，在RAS野生型转移性结直肠癌患者中预测抗EGFR治疗益处的预后和预测价值 | 首次将深度学习自动计算的MBR作为肌肉减少症标志物，用于预测转移性结直肠癌患者对抗EGFR治疗的响应，并在前瞻性研究和真实世界队列中得到验证 | 研究样本量有限（前瞻性队列189例），且为回顾性分析，可能存在选择偏倚 | 评估肌肉/骨骼比（MBR）作为生物标志物在转移性结直肠癌患者中预测抗EGFR治疗益处的价值 | RAS野生型转移性结直肠癌患者 | 数字病理学 | 结直肠癌 | 计算机断层扫描（CT） | 深度学习模型 | 医学图像（CT） | 前瞻性研究189例患者，外加真实世界验证队列 | NA | NA | 风险比（HR），置信区间（CI），P值 | NA |
| 12 | 2026-03-03 |
A novel framework for cognitive state identification using resting-state EEG
2026-Mar-02, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae4807
PMID:41769796
|
研究论文 | 本文提出了一种基于静息态脑电图（EEG）功能连接的新型认知状态识别框架PowerSyncNet | 提出PowerSyncNet框架，通过Channel-Pair Feature Sequences Builder提取多频段功能连接特征，Encoder4Band模块捕获时频表征并融合跨频段信息以提高特征清晰度 | 未明确说明框架在更广泛人群或不同数据采集条件下的泛化能力 | 识别认知状态以早期检测老年人认知衰退 | 认知障碍患者（特别是老年人）的脑电图数据 | 机器学习 | 老年疾病 | 脑电图（EEG） | 深度学习框架 | 脑电图信号 | 两个数据集：公开的CAUEEG数据集和自行收集的ECED数据集 | NA | PowerSyncNet（包含Channel-Pair Feature Sequences Builder、Encoder4Band、Classifier三个模块） | NA | NA |
| 13 | 2026-03-03 |
Domain adaptation for low-dose CT denoising via pretraining and self-supervised fine-tuning
2026-Mar-02, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996261419893
PMID:41769819
|
研究论文 | 本文提出了一种基于预训练和自监督微调的低剂量CT去噪领域自适应方法 | 提出了一种无需目标域标签的自监督微调方法，通过像素洗牌图像预处理和两阶段微调策略来弥合领域差距，并设计了双尺度SwinIR模型作为预训练骨干网络 | 未明确说明方法在更广泛或临床数据集上的泛化能力，以及计算效率的详细评估 | 开发一种有效的领域自适应技术，以提升低剂量CT去噪模型在跨域数据集上的性能 | 低剂量CT图像 | 计算机视觉 | NA | 低剂量CT成像 | 深度学习模型 | 图像 | 基于两个公共数据集进行评估，具体样本数量未明确说明 | PyTorch（基于代码仓库推断） | SwinIR | 去噪性能指标（如PSNR、SSIM等，具体未列出） | NA |
| 14 | 2026-03-03 |
Deep learning-based identification and maturation assessment of the zygomaticomaxillary suture in cone-beam computed tomography images
2026-Mar-02, Progress in orthodontics
IF:3.5Q1
DOI:10.1186/s40510-026-00614-5
PMID:41770475
|
研究论文 | 本研究开发了一种基于深度学习的系统，用于在锥形束计算机断层扫描图像中自动识别和评估颧上颌缝的成熟度，以指导上颌前牵引治疗的最佳时机 | 提出了首个基于CBCT的深度学习系统，用于三维自动定位和定量评估颧上颌缝成熟阶段，克服了传统主观手动分期的局限性 | 模型在五阶段分类任务中的准确率相对较低（0.611），表明对于更精细的成熟度分期仍存在挑战 | 开发一个自动化、可重复的系统，用于准确评估颧上颌缝的成熟状态，以优化上颌前牵引治疗的时间决策 | 颧上颌缝 | 计算机视觉 | 上颌发育不足 | 锥形束计算机断层扫描 | CNN | 三维医学图像 | 505个CBCT扫描 | NA | 3D U-Net, 3D ResNet50 | 准确率, 精确率, 召回率, F1分数, AUC, 平均欧几里得距离 | NA |
| 15 | 2026-03-03 |
Assessment of deep learning reconstruction effects on detection and differentiation of liver metastasis from hepatic hemangioma in diffusion-weighted imaging
2026-Mar, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01904-4
PMID:41196555
|
研究论文 | 评估并比较了使用压缩感知的扩散加权成像与结合模型深度学习重建的扩散加权成像在检测和区分肝转移瘤与肝血管瘤方面的性能 | 首次将模型深度学习重建应用于腹部扩散加权成像，以评估其在肝转移瘤与血管瘤检测和区分中的效果 | 研究为回顾性分析，样本量较小（53名患者），且未在独立外部数据集上验证 | 评估深度学习重建对腹部扩散加权成像在肝转移瘤与血管瘤检测和区分中图像质量和诊断性能的影响 | 肝转移瘤和肝血管瘤患者 | 数字病理 | 肝转移瘤, 肝血管瘤 | 扩散加权成像, 压缩感知, 深度学习重建 | 深度学习模型 | 医学影像（扩散加权成像） | 53名患者（34名男性，19名女性，平均年龄65.9岁），包括59个转移瘤和33个血管瘤 | NA | NA | 信号噪声比, 对比噪声比, 表观扩散系数, 受试者工作特征曲线下面积, 敏感性, 特异性 | NA |
| 16 | 2026-03-03 |
Development of Artificial Intelligence for Quantitative Assessment of Nasal Inflammatory Cytology in Chronic Rhinitis by Whole-Slide Images
2026-Mar, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.70075
PMID:41307481
|
研究论文 | 本文开发了一种基于全切片图像的人工智能系统（QANIC），用于慢性鼻炎中鼻腔炎症细胞的定量评估 | 首次将深度学习与全切片图像结合用于鼻腔细胞学诊断，并基于鼻腔细胞学对鼻炎患者进行亚型分类 | 研究样本量有限，外部验证队列仅包含两个临床中心，可能影响模型的泛化能力 | 建立人工智能系统以定量评估慢性鼻炎患者的鼻腔炎症细胞，并研究不同炎症表型的临床特征 | 慢性鼻炎患者的鼻腔分泌物涂片 | 数字病理学 | 慢性鼻炎 | 全切片图像分析 | 深度学习模型 | 图像 | 开发阶段145例患者，内部队列881例，外部验证队列234例 | NA | NA | NA | NA |
| 17 | 2026-03-03 |
Artificial Intelligence in Cardiovascular MRI: From Imaging to Biomechanics and Diagnosis
2026-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000864
PMID:41321165
|
综述 | 本文综述了人工智能（特别是深度学习）如何重塑心血管磁共振成像的各个方面，从规划、采集到重建、分析和临床报告生成 | 全面概述了深度学习在心血管MRI全流程（从采集到诊断）中的应用进展，并强调了其在提升效率、图像质量和自动化分析方面的潜力 | NA | 探讨人工智能在心血管磁共振成像中的应用及其对临床实践的变革 | 心血管磁共振成像技术及其相关数据处理流程 | 医学影像分析 | 心血管疾病 | 磁共振成像 | 深度学习 | 医学影像数据 | NA | NA | NA | NA | NA |
| 18 | 2026-03-03 |
Low-dose CBCT image reconstruction: a review
2026-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-025-02492-y
PMID:41348234
|
综述 | 本文深入分析了低剂量锥形束计算机断层扫描（CBCT）图像重建的最新研究进展 | 系统性地综述了低剂量CBCT重建中解析重建算法、迭代重建算法和深度学习方法的特点与应用，并指出了当前技术的挑战与未来方向 | 作为综述文章，未提出新的算法或模型，主要基于现有文献进行分析 | 旨在减少CBCT使用中的辐射风险，同时保持图像质量，以促进临床诊断与治疗 | 低剂量CBCT图像重建技术 | 医学影像 | NA | 锥形束计算机断层扫描（CBCT） | NA | CBCT图像 | NA | NA | NA | NA | NA |
| 19 | 2026-03-03 |
Label Noise in Pathological Segmentation Is Overlooked, Leading to Potential Overestimation of Artificial Intelligence
2026-Mar, Cancer science
IF:4.5Q1
DOI:10.1111/cas.70288
PMID:41433191
|
研究论文 | 本研究探讨了病理分割中标签噪声对AI模型性能的影响，通过合成人工标签噪声评估其过拟合风险 | 首次系统评估病理分割中标签噪声的类型及其对深度学习模型的影响，揭示了边界依赖噪声导致的性能高估风险 | 研究主要基于合成噪声和公开数据集，未涵盖所有真实临床场景中的噪声类型 | 评估标签噪声对病理分割AI模型训练的影响，并提出标准化缓解方法 | 病理分割数据集及深度学习模型 | 数字病理 | 乳腺癌 | 语义分割 | 深度学习模型 | 图像 | 公开数据集及乳腺癌语义分割数据集 | NA | NA | 表现评分 | NA |
| 20 | 2026-03-03 |
Deep learning assessment of fetal brain maturation on 3D ultrasound volumes in early-onset fetal growth restriction
2026-Mar, Ultrasound in obstetrics & gynecology : the official journal of the International Society of Ultrasound in Obstetrics and Gynecology
IF:6.1Q1
DOI:10.1002/uog.70168
PMID:41575808
|
研究论文 | 本研究利用深度学习模型分析三维超声图像，评估早发性胎儿生长受限（FGR）中胎儿大脑的成熟度，并探讨其与新生儿并发症风险的关系 | 首次使用基于最优发育队列训练的深度学习模型，通过三维超声图像量化早发性FGR胎儿的大脑成熟延迟，并将其与新生儿并发症风险相关联 | 样本量较小（43例），单中心研究，仅纳入孕周小于29周的胎儿，可能限制了结果的普适性 | 评估早发性胎儿生长受限（FGR）中胎儿大脑成熟度，并探索其作为宫内累积应激标志物与新生儿并发症风险的关系 | 早发性胎儿生长受限（FGR）的胎儿 | 数字病理学 | 胎儿生长受限 | 三维（3D）超声 | 深度学习模型 | 三维（3D）超声图像 | 43例生长受限胎儿（其中13例为脑保护型FGR） | NA | NA | 估计孕周与实际孕周的平均差异（ΔGA），相关系数（r），P值 | NA |