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 2393 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2026-03-31 |
Diabetic peripheral neuropathy identification using enface optical coherence tomography and multi-head attention deep learning algorithm
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261436274
PMID:41907356
|
研究论文 | 本研究开发了一种基于多注意力头深度学习算法的非侵入性诊断工具，利用多模态光学相干断层扫描图像早期检测糖尿病周围神经病变 | 首次将多注意力头深度学习算法与多模态光学相干断层扫描图像结合用于糖尿病周围神经病变的早期检测，并识别出无血管层为最具预测价值的视网膜层 | 研究样本量有限（435名患者），且需要进一步的外部验证以确认模型的泛化能力和临床可行性 | 开发一种非侵入性、可靠的诊断工具，用于早期检测糖尿病周围神经病变 | 糖尿病患者的视网膜光学相干断层扫描图像 | 计算机视觉 | 糖尿病周围神经病变 | 光学相干断层扫描 | 深度学习 | 图像 | 435名糖尿病患者的544只眼睛，共计3264张光学相干断层扫描图像 | PyTorch | ResNet-18 | AUC | NA |
| 522 | 2026-03-31 |
Evaluation of orthognathic surgery planning with artificial intelligence: a prospective, comparative study
2026, European oral research
IF:0.9Q3
DOI:10.26650/eor.20261702936
PMID:41908035
|
研究论文 | 本研究旨在通过比较基于深度学习的AI程序与3D CT扫描的金标准测量结果，评估其在正颌手术规划中头影测量分析的准确性 | 首次在正颌手术患者中，系统比较了多种基于深度学习的AI头影测量程序（如NemoCeph 2D、OrthoDx、AudaxCeph和WebCeph）与3D CT金标准之间的差异 | 研究仅评估了特定AI程序，且样本可能有限，未涵盖所有临床场景；AI算法仍需进一步优化以提高准确性 | 评估基于深度学习的AI程序在正颌手术规划中头影测量分析的准确性 | 正颌手术候选患者的3D CT扫描和2D头影测量图像 | 计算机视觉 | 正颌手术相关疾病 | 3D CT扫描、2D头影测量图像处理 | 深度学习 | 图像 | 正颌手术候选患者（具体数量未在摘要中明确说明） | NA | NA | ANB角、SNA、SNB、Wits评估、Y轴角、面部高度比等测量指标的差异分析，p值 | NA |
| 523 | 2026-03-31 |
CycleGAN models show consistent brain MRI synthesis across datasets supporting downstream tissue characterization in multiple sclerosis
2026, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2026.1762794
PMID:41908698
|
研究论文 | 本研究评估了CycleGAN和Pix2Pix模型在合成脑部MRI图像（T1加权和T2加权）方面的性能，并验证了合成图像在多发性硬化症下游组织表征任务中的可用性 | 比较了CycleGAN（带与不带谱归一化）与Pix2Pix在跨数据集（包括健康人群和多发性硬化症患者）脑MRI合成中的表现，并系统评估了合成图像在病变检测、脑容量测量和病变纹理分析等下游任务中的实用性 | Pix2Pix合成的T1图像在病变纹理上比源T1图像更异质；谱归一化CycleGAN在HCP和MS数据集上未显示普遍改进；MS队列样本量相对较小（105名参与者） | 研究深度学习图像合成方法（特别是CycleGAN）在生成临床脑部MRI图像方面的可行性，以支持多发性硬化症的定量分析 | 健康参与者（HCP 1113名，PPMI 318名）和多发性硬化症患者（105名）的脑部MRI图像 | 计算机视觉 | 多发性硬化症 | 脑磁共振成像（MRI） | GAN, CycleGAN | 图像（T1加权和T2加权脑部MRI） | 健康参与者1431名（HCP 1113名 + PPMI 318名），多发性硬化症患者105名 | NA | CycleGAN, Pix2Pix | 峰值信噪比（PSNR）, 结构相似性指数（SSIM） | NA |
| 524 | 2026-03-31 |
Real-world federated learning for brain imaging scientists
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1691088
PMID:41909058
|
研究论文 | 本文提出并评估了专为脑研究设计的联邦学习工具箱FLightcase，用于从脑磁共振成像预测多发性硬化患者的认知状态 | 开发了首个针对脑成像研究的真实世界联邦学习工具箱FLightcase，并在多中心环境中验证了其可行性，推动了联邦学习从模拟环境向实际应用的转变 | 数据存在非独立同分布问题，未来需采用更先进的联邦学习算法来处理此问题，并考虑整合其他成像模态 | 评估联邦学习在神经影像学中的实际应用，特别是用于预测多发性硬化患者的认知状态 | 多发性硬化患者的脑磁共振成像数据 | 数字病理学 | 多发性硬化 | 脑磁共振成像 | CNN | 图像 | 健康受试者：IXI数据集586张图像，SALD数据集491张图像，CamCAN数据集653张图像；多发性硬化患者：布鲁塞尔96张图像，格赖夫斯瓦尔德756张图像，布拉格2424张图像 | NA | DenseNet | 平均绝对误差, Pearson相关系数 | NA |
| 525 | 2026-03-31 |
Correction: Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography
2026, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2026.1813162
PMID:41909129
|
correction | 本文是对先前发表文章DOI: 10.3389/fcell.2025.1665173的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 526 | 2026-03-31 |
Cognitive offloading through digital tools and its relationship with critical thinking, task persistence, and learning depth
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1781101
PMID:41909580
|
研究论文 | 本研究探讨了数字工具认知卸载与批判性思维、任务坚持性和学习深度的关系，并检验了认知自我效能的中介作用 | 将认知卸载与自我效能理论整合，揭示了数字工具使用通过增强认知自我效能来支持有意义学习结果的心理机制 | 研究基于中国大学生的横断面调查数据，可能存在样本代表性和因果推断的局限性 | 探究数字工具认知卸载对学习过程的影响及其心理机制 | 中国大学本科生 | 教育技术 | NA | 问卷调查 | 结构方程模型 | 调查数据 | 未明确具体数量，但涉及中国大学本科生 | NA | 协方差结构方程模型 | 可靠性、效度 | NA |
| 527 | 2026-03-31 |
Fungal recognition in vaginal discharge using deep learning analysis of mobile device-acquired microscopic images
2026, Frontiers in cellular and infection microbiology
IF:4.6Q1
DOI:10.3389/fcimb.2026.1787545
PMID:41909846
|
研究论文 | 本研究开发了深度学习模型，用于在智能手机和平板电脑获取的阴道分泌物显微图像中分割真菌形态，以辅助诊断外阴阴道念珠菌病 | 首次开发了用于智能手机和平板电脑获取的显微图像中真菌形态自动检测的AI工具，结合了ResNet18、YOLOv5和YOLOv11模型，并采用两阶段训练方法 | 研究样本量相对有限（共1,326张图像），且仅3.68%的图像因假阴性或假阳性分割被专家评为不适用，需要进一步的临床验证和扩展到其他感染类型 | 开发AI辅助的移动显微图像分析工具，以实现外阴阴道念珠菌病的快速准确诊断 | 阴道分泌物显微图像中的真菌元素（如酵母、芽殖酵母、丝状形态） | 计算机视觉 | 外阴阴道念珠菌病 | 革兰氏染色显微成像 | CNN, YOLO | 图像 | 1,259张智能手机或平板电脑获取的显微图像和67张传统显微镜图像，共1,326张图像 | PyTorch | ResNet18, YOLOv5, YOLOv11 | F1分数, AUC, 精确率, 召回率, mAP50 | NA |
| 528 | 2026-03-30 |
AUTOENCODIX: a generalized and versatile framework to train and evaluate autoencoders for biological representation learning and beyond
2026-01, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00916-4
PMID:41366150
|
研究论文 | 本文介绍了一个名为AUTOENCODIX的开源框架，用于标准化和灵活地预处理、训练和评估自编码器架构，以促进生物表示学习 | 提出了一个标准化、多功能且可推广的自编码器训练与评估框架，克服了现有实现缺乏标准化、可比较性和通用性的问题 | 未明确提及具体局限性，但可能涉及框架在不同数据模态或应用场景中的泛化能力验证 | 开发一个通用框架，以标准化和优化自编码器在生物表示学习中的训练与评估过程 | 自编码器架构，包括基于本体和跨模态的自编码器 | 机器学习 | 泛癌研究 | 单细胞测序，成像技术 | 自编码器 | 多模态数据，包括基因组数据和成像数据 | NA | NA | 基于本体的自编码器，跨模态自编码器 | 输入数据重建能力，嵌入质量，基于本体的嵌入可解释性可靠性 | NA |
| 529 | 2026-03-29 |
RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study
2026-Jan, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.09.051
PMID:41052566
|
研究论文 | 本研究利用基于深度学习的M2M模型从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模队列中评估了其与年龄、性别、种族及自我报告青光眼等因素的关联 | 首次在基于人群的大型队列研究中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性 | 研究为横断面设计，无法确定因果关系；RNFL厚度基于模型预测而非直接OCT测量；依赖自我报告的青光眼诊断可能存在误报 | 评估加拿大老龄化纵向研究队列中与视网膜神经纤维层厚度相关的因素 | 加拿大老龄化纵向研究基线综合队列的参与者，年龄45-85岁 | 数字病理学 | 青光眼 | 眼底摄影，光学相干断层扫描 | 深度学习 | 图像 | 28,114名参与者 | NA | M2M | Pearson相关系数，回归系数 | NA |
| 530 | 2026-03-29 |
AutoGlom: software tool for segmentation and analysis of magnetic resonance images of the kidney
2026-Jan-01, American journal of physiology. Renal physiology
DOI:10.1152/ajprenal.00325.2025
PMID:41264403
|
研究论文 | 本文介绍了一款名为AutoGlom的开源软件工具，该工具集成了人工智能技术，用于肾脏三维磁共振图像的自动分割、分析和可视化 | 开发了首个开源、模块化、可扩展的肾脏MRI分析软件，集成了深度学习分割算法，并引入了新的图像质量指标（肾小球对比度）以提高可靠性，同时设计了3D打印支架实现多肾脏高通量成像 | 当前版本主要专注于形态学分割和量化，尚未扩展到体内研究或其他成像模态 | 开发标准化、可重复的肾脏磁共振图像分析工具，以加速肾脏成像生物标志物的发现 | 小鼠肾脏（离体） | 数字病理学 | 肾脏疾病 | 阳离子铁蛋白增强磁共振成像（CFE-MRI） | 深度学习 | 三维磁共振图像 | 最多可同时成像16个小鼠肾脏 | NA | NA | 肾小球对比度 | NA |
| 531 | 2026-03-28 |
QPred: A Quantum Mechanical Property Predictor for Small Molecules
2026-Jan-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02864
PMID:41490442
|
研究论文 | 本文提出了一种名为QPred的新型量子力学性质预测器，用于小分子的高通量筛选 | 提出了一种解耦的深度学习架构，能够自适应地利用2D拓扑图或3D几何信息进行分子性质预测，并引入了基于环的半主节点增强的MPNN和具有解耦更新机制的等变网络 | 未在摘要中明确说明 | 开发一种高效、高精度且可解释的分子性质预测方法，以加速分子发现过程 | 小分子的物理化学性质 | 机器学习 | NA | 深度学习 | MPNN, 等变网络 | 2D拓扑图, 3D几何信息 | NA | NA | Message Passing Neural Network (MPNN), 等变网络 | NA | NA |
| 532 | 2026-03-28 |
Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks
2026-Jan-20, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae33f6
PMID:41494208
|
研究论文 | 本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动三维分割人类迷走神经束和神经外膜 | 引入了新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并开发了多类3D U-Net模型，显著提高了分割精度和解剖保真度 | 研究仅基于5名受试者的100个微CT体积数据，样本量相对较小，且未明确提及模型在其他神经类型或成像模态上的泛化能力 | 旨在通过自动化三维分割技术，精确量化神经形态，以支持有效的周围神经刺激疗法设计 | 人类迷走神经束和神经外膜 | 数字病理学 | NA | 微计算机断层扫描 | U-Net | 图像 | 100个微CT体积数据，来自5名受试者的颈部和胸部迷走神经 | NA | 3D U-Net, 2D U-Net | Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测 | NA |
| 533 | 2026-03-28 |
Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates
2026-Jan-13, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12264-y
PMID:41528473
|
研究论文 | 本研究开发了一种基于腹部平片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）的早期诊断，并在外部验证中表现优于人类专家 | 首次将深度学习特征提取（使用DenseNet121）与放射组学模型（逻辑回归和随机森林）结合，应用于腹部平片以诊断早期NEC，并在多中心数据中验证其性能超越人类专家 | 研究为回顾性设计，样本量相对有限（共680例），且仅基于两家中心的数据，未来需要前瞻性研究和更大规模的外部验证 | 探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）早期诊断中的应用 | 接受腹部平片检查的新生儿 | 数字病理学 | 坏死性小肠结肠炎 | 腹部平片放射成像 | CNN, 机器学习模型 | 图像 | 共680名新生儿（训练队列380例，外部验证队列300例） | PyTorch（推断自DenseNet121的常见实现）, Scikit-learn | DenseNet121 | AUC, 准确率 | NA |
| 534 | 2026-03-28 |
DRFC: An efficient cloud-based feature reduction and clustering algorithm for agricultural product and remote-sensing imagery
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344526
PMID:41880308
|
研究论文 | 本文提出了一种高效的云原生特征降维与聚类算法DRFC，用于处理农业产品和遥感图像，以解决深度学习模型在资源受限环境中的部署问题 | DRFC算法结合轻量级降维与动态资源流管理，能动态分配云资源并保持高维数据结构的判别性，在资源效率上优于传统方法 | 算法主要针对资源受限环境设计，可能不适用于需要极高精度的复杂深度学习任务 | 开发一种可扩展、资源高效的解决方案，用于处理农业近距离图像和高尺度遥感图像 | 农业产品图像（如水果）和遥感图像（如农作物数据） | 计算机视觉 | NA | 特征降维与聚类算法 | NA | 图像 | 两个基准数据集：Fruits-360（产品级分类）和USDA Cropland Data Layer/BigEarthNet（作物级分析） | NA | NA | 准确率, F1分数, mAP, 资源效率指标 | 云原生环境，分布式节点 |
| 535 | 2026-03-28 |
Prostate cancer tissue mapping and stratification using DRAQ5 and Eosin fluorescent labels integrated with AI classification and segmentation algorithms
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345014
PMID:41886726
|
研究论文 | 本研究开发了基于DRAQ5和Eosin荧光标记的深度学习模型，用于前列腺癌组织的分类和分割，以评估其在临床诊断中的应用潜力 | 结合DRAQ5和Eosin荧光标记与AI分类分割算法，系统探究了图像采集和配置变异性对AI预测准确性的影响，并建立了自动Gleason分级（1-5）组织样本的实验和分析稳健性界限 | 未明确说明样本的具体数量或来源多样性，且未来研究需进一步扩展以将荧光生物标志物与AI方法结合应用于临床 | 开发用于前列腺组织分类和分割的深度学习模型，评估荧光成像与AI工具在临床诊断中的潜在应用 | 前列腺组织样本，使用DRAQ5和Eosin荧光标记 | 数字病理学 | 前列腺癌 | 荧光显微镜，DRAQ5和Eosin探针标记 | 深度学习网络 | 荧光图像 | NA | NA | NA | AUC, DICE分数 | NA |
| 536 | 2026-03-27 |
A Transformer-Based Deep Learning Model for predicting Early Recurrence in Hepatocellular Carcinoma After Hepatectomy Using Intravoxel Incoherent Motion Images
2026, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S564217
PMID:41884404
|
研究论文 | 本研究开发并验证了一种基于Transformer框架的深度学习模型，利用体素内不相干运动扩散加权成像预测肝细胞癌肝切除术后早期复发 | 首次将视觉Transformer框架应用于IVIM-DWI图像，通过融合九个b值DWI图像和IVIM参数图的深度特征构建预测模型，并结合临床特征提升预测性能 | 回顾性研究设计，样本量较小（122例患者），缺乏外部验证队列 | 开发术前预测肝细胞癌肝切除术后早期复发的深度学习模型 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 磁共振成像，体素内不相干运动扩散加权成像 | Transformer | 医学影像 | 122例患者（训练集85例，测试集37例） | NA | 视觉Transformer | 曲线下面积 | NA |
| 537 | 2026-03-24 |
Deep learning-assisted discovery of a potent and cell-active inhibitor of RNA N6-methyladenosine recognition protein YTHDC2
2026-01-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65542-0
PMID:41495018
|
研究论文 | 本研究开发了一种基于深度学习的分子生成模型EPMolGen，用于发现针对RNA N6-甲基腺苷识别蛋白YTHDC2的有效小分子抑制剂 | 首次开发了EPMolGen模型，该模型在分子生成中明确整合了受体蛋白的静电特征，实现了干实验验证中的最先进性能，并成功发现了高效且具有选择性的YTHDC2抑制剂DC2-C1 | 未在摘要中明确提及 | 发现针对YTHDC2蛋白的有效小分子抑制剂，以用于药物开发 | RNA N6-甲基腺苷识别蛋白YTHDC2及其小分子抑制剂 | 机器学习 | NA | 深度学习 | 分子生成模型 | 分子结构数据，受体蛋白静电特征 | NA | NA | EPMolGen | IC50值 | NA |
| 538 | 2026-03-24 |
Deep learning guided design of protease substrates
2026-01-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67226-1
PMID:41495045
|
研究论文 | 本文提出了一种名为CleaveNet的端到端AI流程，用于设计蛋白酶底物 | 开发了首个端到端AI流程（CleaveNet），用于大规模、可调控且高效地设计蛋白酶底物，并引入了条件标签以引导生成具有特定切割谱的肽段 | 研究主要应用于基质金属蛋白酶，尚未扩展到所有蛋白酶类别；大规模体外筛选的实验验证可能受限于特定实验条件 | 加速蛋白酶底物的设计，以研究蛋白酶活性并应用于蛋白酶激活的诊断和治疗 | 蛋白酶（特别是基质金属蛋白酶）的肽段底物 | 机器学习 | NA | 深度学习，大规模体外筛选 | 深度学习模型 | 肽序列数据 | NA | NA | CleaveNet | 体外实验验证（切割效率与选择性） | NA |
| 539 | 2026-03-24 |
Vision-Guided Surgical Navigation Using Computer Vision for Dynamic Intraoperative Imaging Updates
2026-Jan, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.70000
PMID:40847589
|
研究论文 | 本研究提出了一种基于计算机视觉的无传感器方法，利用神经辐射场（NeRF）从单目内窥镜视频生成动态术中CT更新，以改善内窥镜鼻窦手术中的图像引导导航 | 首次将神经辐射场（NeRF）应用于内窥镜鼻窦手术，实现无外部跟踪的术中CT动态更新，通过视频直接可视化切除进展 | 研究仅基于三个3D打印模型（共6侧）进行验证，样本量较小，且未在真实患者手术中进行测试 | 开发一种能够动态反映术中变化的图像引导手术系统，以提高手术完整性和减少残留病灶 | 内窥镜鼻窦手术（ESS）中的3D打印模型 | 计算机视觉 | 鼻窦疾病 | 神经辐射场（NeRF）、CT扫描、内窥镜视频处理 | 深度学习算法 | 视频、CT图像 | 3个3D打印模型（双侧，共6侧） | 自定义NeRF流程 | 神经辐射场（NeRF） | 豪斯多夫距离、Dice相似系数、Bland-Altman分析 | NA |
| 540 | 2026-03-24 |
The application of artificial intelligence in the acute and sub-acute phases of spinal cord injury- a systematic review
2026-01, Spinal cord
IF:2.1Q1
DOI:10.1038/s41393-025-01155-0
PMID:41345782
|
系统综述 | 本文系统综述了人工智能在脊髓损伤急性期和亚急性期管理中的应用，重点关注诊断、预后预测和治疗干预 | 首次系统性地总结了2020年至2025年间AI在脊髓损伤急性期和亚急性期管理中的应用，涵盖了多种机器学习模型和临床预测目标 | 仅纳入了2020年至2025年间的英文研究，排除了脑机接口、机器人技术和非神经学方面的研究，可能存在发表偏倚 | 描述人工智能在创伤性脊髓损伤管理中的应用，特别是在诊断、预后预测和治疗干预方面 | 脊髓损伤患者，特别是在急性期、损伤后康复期和第一年内的患者 | 机器学习 | 脊髓损伤 | 机器学习 | 经典机器学习模型, 集成学习模型, 深度学习模型 | 临床数据, 影像数据 | 23项研究，共120,931名个体 | NA | NA | 满意，部分研究显示高于人类表现 | NA |