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 2188 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2026-04-11 |
Promoter hypomethylation of CDH7: a novel epigenetic marker associated with cerebral small vessel disease
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1780415
PMID:41890232
|
研究论文 | 本研究通过全基因组启动子甲基化分析，识别并验证了CDH7基因启动子低甲基化作为与脑小血管病（SVD）相关的表观遗传标记 | 首次将CDH7基因启动子低甲基化鉴定为与MRI定义的脑小血管病影像特征相关的独立表观遗传标记，并利用血液炎症细胞进行验证 | 样本量相对较小（初始发现队列仅32例），且研究基于血液细胞而非脑组织，可能无法完全反映中枢神经系统的表观遗传变化 | 识别和验证与脑小血管病相关的基因特异性启动子甲基化变化作为表观遗传标记 | 脑小血管病患者（通过MRI影像特征定义）的血液炎症细胞 | 表观遗传学 | 脑小血管病 | Infinium MethylationEPIC v2.0 甲基化芯片，全基因组启动子甲基化分析 | 深度学习模型，逻辑回归 | 甲基化数据，临床数据，影像数据 | 发现队列：16例无SVD患者和16例具有全部三种影像特征的患者；验证队列：766例缺血性卒中患者（53例无SVD，713例有≥1种SVD影像特征） | NA | NA | NA | NA |
| 42 | 2026-04-11 |
Noise2Average: An iterative residual learning strategy for image denoising without clean data
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1163
PMID:41890245
|
研究论文 | 本文提出了一种名为Noise2Average的迭代残差学习策略，用于无需干净数据的MRI图像去噪 | 提出了一种新的迭代残差学习策略，通过将每个噪声重复映射到所有噪声重复的平均值，并结合迁移学习进行特定受试者的自监督训练，从而减少对高信噪比参考数据的需求 | 去噪性能略逊于基于监督学习的去噪方法 | 开发一种无需干净数据的MRI图像去噪方法，以提高深度学习方法在MRI去噪中的可行性和可及性 | MRI数据，包括T1加权图像、扩散加权图像等 | 计算机视觉 | NA | MRI | CNN | 图像 | NA | NA | 卷积神经网络 | 图像锐度、纹理细节、定量微结构指标 | NA |
| 43 | 2026-04-11 |
Differences and Trends of Artificial Intelligence in Medical Education: A Comparative Bibliometric Analysis Between China and the International Community
2026, Advances in medical education and practice
IF:1.8Q2
DOI:10.2147/AMEP.S573537
PMID:41890349
|
研究论文 | 本研究通过比较中国与国际社区在人工智能应用于医学教育领域的研究热点与演化趋势，提出教育实践与政策建议 | 基于两个数据库的对比分析，揭示了中英文文献中人工智能与医学教育研究的热点差异，并提出了由人工智能驱动的医学教育发展的三大趋势（生成式AI、个性化学习、沉浸式体验） | 研究仅基于CNKI和Web of Science数据库的文献，可能存在数据覆盖不全或语言偏差 | 探索人工智能在医学教育中的应用，比较中国与国际社区的研究热点与演化趋势 | 2014-2024年间CNKI和Web of Science核心合集中关于人工智能与医学教育的文献 | 自然语言处理 | NA | 文献计量分析 | NA | 文本 | 379篇中文文献和552篇英文文献 | CiteSpace | NA | NA | NA |
| 44 | 2026-04-11 |
Enhancing efficiency in pediatric brain tumor segmentation using a pathologically diverse single-center clinical dataset
2026 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdag024
PMID:41890357
|
研究论文 | 本研究利用单中心临床数据集，评估了3D nnU-Net模型在儿童脑肿瘤分割中的效率，重点关注不同病理亚型和MRI协议下的性能 | 首次在包含多种病理亚型的儿童脑肿瘤单中心临床数据集上系统评估深度学习分割模型，并探索了MRI协议简化对分割性能的影响 | 研究为单中心回顾性设计，样本量相对有限（174例），且对囊性成分的分割性能较差 | 评估深度学习模型在异质性儿童脑肿瘤亚型中的分割性能，并探索优化MRI协议以提升临床工作流程效率 | 儿童脑肿瘤患者，包括高级别和低级别胶质瘤、髓母细胞瘤、室管膜瘤及其他罕见亚型 | 数字病理学 | 脑肿瘤 | MRI成像（T1、T1增强、T2、FLAIR序列） | 深度学习 | 医学影像（MRI） | 174例儿科患者，按121/53划分训练集和测试集 | PyTorch | 3D nnU-Net | Dice相似系数 | 未明确指定，但基于nnU-Net框架通常需要GPU支持（如NVIDIA系列） |
| 45 | 2026-04-11 |
Publication Trends of Research on Immune Tolerance After Kidney Transplantation: A Bibliometric Analysis from 1976 to 2024
2026, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S552350
PMID:41890566
|
综述 | 本文对1976年至2024年间肾移植后免疫耐受研究领域的文献进行了文献计量分析，以评估该领域的研究趋势和热点 | 首次对肾移植后免疫耐受研究进行了长达近50年的系统性文献计量分析，并识别出新兴热点如深度学习、机器学习和影像组学在该领域的应用 | 分析仅基于Web of Science核心合集数据库的英文文章，可能遗漏其他语言或数据库的文献，且文献计量方法本身无法评估研究内容的质量 | 系统评估肾移植后免疫耐受研究领域的发展趋势、研究热点和学术影响力 | 1976年至2024年间发表的关于肾移植后免疫耐受的学术文献 | 文献计量学 | 肾移植 | 文献计量分析 | NA | 文本（学术文献元数据） | 1033篇英文文章，涉及6608位作者、3461个机构和53个国家/地区 | R (bibliometrix包), VOSviewer, CiteSpace | NA | NA | NA |
| 46 | 2026-04-11 |
Bridging engineering and neuro-oncology: a scalable FastAPI-deployed CNN framework for real-time explainable brain tumor diagnosis
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1772429
PMID:41890590
|
研究论文 | 本研究开发了一个基于深度学习的可扩展框架，用于脑肿瘤的实时可解释性诊断，并通过FastAPI部署 | 结合了稳健的交叉验证、最先进的基准测试和可解释性推理，提供了一个可扩展的实时部署框架，并集成了Grad-CAM进行可视化解释 | 未明确提及研究的具体局限性，如数据集多样性或外部验证 | 开发可靠且可部署的AI驱动工具，以支持及时的脑肿瘤分类，同时保持透明度和实用性 | 脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和正常病例 | 医学影像 | 脑肿瘤 | MRI | CNN | 图像 | 3,097张轴向脑MRI图像 | TensorFlow | 自定义CNN, 迁移学习架构 | 准确率, 宏平均F1分数, 宏平均AUC | 未明确指定 |
| 47 | 2026-04-11 |
TCRLens: structure-aware equivariant graph learning for TCR-pMHC-I recognition and immunogenic epitope discovery
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag066
PMID:41890808
|
研究论文 | 本文介绍了TCRLens，一种用于T细胞受体（TCR）识别肽-MHC I类（pMHC-I）复合物和免疫原性表位发现的结构感知等变图学习框架 | 提出了一种结合多尺度图表示和等变图神经网络（EGNN）的结构感知深度学习框架，并利用变分自编码器-生成对抗网络（VAE-GAN）生成结构合理的弱亲和力相互作用样本以缓解数据稀疏性和类别不平衡问题 | 未明确提及具体限制，但可能涉及数据稀疏性和类别不平衡的固有挑战 | 准确预测TCR对pMHC-I复合物的识别，并应用于免疫原性表位发现和结构引导的疫苗设计 | 人类TCR-pMHC-I结构复合物，以及猪和鸡的MHC-I系统 | 机器学习 | NA | 深度学习，图神经网络，生成对抗网络 | EGNN, VAE-GAN | 结构数据，图表示 | 来自ATLAS和TCR3d的精选人类TCR-pMHC-I结构复合物数据集 | NA | 等变图神经网络（EGNN），变分自编码器-生成对抗网络（VAE-GAN） | NA | NA |
| 48 | 2026-04-10 |
Retraction: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346214
PMID:41950193
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 49 | 2026-04-10 |
Retraction: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345999
PMID:41950215
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 50 | 2026-04-11 |
Outsmarting Metastatic Prostate Cancer: Integration of Imaging, Liquid Biopsies and Biomarkers With Artificial Intelligence
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338261440434
PMID:41943522
|
综述 | 本文综述了人工智能（包括机器学习和深度学习）在整合影像学、液体活检和生物标志物数据以改善转移性前列腺癌诊断、风险分层和治疗指导中的应用 | 强调人工智能在整合多模态数据（影像、液体活检、基因组分类器）以应对转移性前列腺癌的肿瘤异质性和治疗抵抗方面的创新应用 | NA | 探讨人工智能如何提升转移性前列腺癌的精准肿瘤学管理，包括诊断准确性和治疗个性化 | 转移性前列腺癌 | 数字病理学 | 前列腺癌 | 分子影像、液体活检（包括细胞游离核酸、循环肿瘤细胞）、基因组分类器 | 机器学习, 深度学习 | 影像数据、液体活检数据、生物标志物数据 | NA | NA | NA | NA | NA |
| 51 | 2026-04-10 |
AI-powered hierarchical classification of ampullary neoplasms: a deep learning approach using white-light and narrow-band imaging
2026-Jan-14, Surgical endoscopy
DOI:10.1007/s00464-025-12534-2
PMID:41532990
|
研究论文 | 本研究开发了一种基于深度学习的层次分类框架，用于使用白光和窄带内镜图像对壶腹病变进行逐步分类 | 提出了一种结合双模态成像和合成数据增强的层次深度学习框架，通过置信度投票整合白光和窄带图像，并使用StyleGAN2-ADA生成合成图像以克服数据稀缺和类别不平衡问题 | 数据来源于单一中心，可能限制了模型的泛化能力；样本量相对有限，特别是高级别不典型增生和癌症病例 | 开发一个AI驱动的层次分类系统，以提高壶腹病变的内镜诊断准确性 | 壶腹病变的内镜图像，包括正常组织、腺瘤和癌症，以及腺瘤内的低级别和高级别不典型增生 | 计算机视觉 | 壶腹肿瘤 | 白光内镜成像，窄带内镜成像 | CNN, GAN | 图像 | 来自464名患者的4244张内镜图像（训练集2693张，验证集833张，测试集718张） | TensorFlow, PyTorch | EfficientNet-B4, StyleGAN2-ADA | 准确率, 敏感性, 特异性, AUROC | NA |
| 52 | 2026-04-10 |
Peptide-based drug design using generative AI
2026-Jan-13, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04998a
PMID:41376388
|
综述 | 本文综述了利用生成式人工智能进行基于肽的药物设计的最新进展，重点关注生成架构、相互作用建模、筛选和递送优化 | 整合了生成式AI（如图神经网络、Transformer、扩散模型）与肽化学创新（如环化、非经典氨基酸）来加速药物发现，并将发现周期从数年缩短至数月 | 预测生成肽序列的溶解度、免疫原性和毒性仍具挑战性，数据质量和自主药物发现的实践问题也是当前限制 | 加速基于肽的治疗药物的设计与发现，优化其药代动力学和临床适用性 | 肽类药物，特别是用于代谢性疾病、肿瘤学和医学成像的肽 | 机器学习 | 代谢性疾病, 肿瘤学 | NA | 图神经网络, Transformer, 扩散模型 | 序列数据, 结构数据 | NA | NA | NA | NA | NA |
| 53 | 2026-04-10 |
Artificial Intelligence-Driven Differentiation Between Uveal Melanoma and Nevus Based on Fundus Photographs: A Systematic Review and Meta-Analysis
2026-Jan-05, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.1.34
PMID:41590408
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了基于眼底照片的人工智能模型在区分葡萄膜黑色素瘤和痣方面的性能 | 首次对基于眼底照片的AI模型在区分葡萄膜黑色素瘤与痣方面的性能进行系统综述和荟萃分析，并评估了外部验证模型的判别能力 | 现有证据高度异质，受限于小数据集规模和有限的外部验证 | 检验人工智能模型基于眼底照片区分葡萄膜黑色素瘤和痣的能力 | 葡萄膜黑色素瘤（UM）和葡萄膜痣（UN） | 计算机视觉 | 葡萄膜黑色素瘤 | 眼底摄影 | 深度学习, 传统机器学习 | 图像 | 总计6208名参与者 | NA | NA | AUC, 准确率, 灵敏度, 特异性 | NA |
| 54 | 2026-04-10 |
Beyond convolutions and supervised learning with transformers and representation learning for retinal image analysis
2026-Jan, Progress in retinal and eye research
IF:18.6Q1
DOI:10.1016/j.preteyeres.2025.101419
PMID:41352580
|
综述 | 本文综述了视网膜图像分析领域从卷积神经网络和监督学习向无标签表示学习及视觉Transformer转变的进展 | 聚焦于无标签表示学习和视觉Transformer作为卷积神经网络替代方案在视网膜图像分析中的新兴应用，涵盖了半监督学习、自监督学习及基础模型、视觉语言模型和多模态模型的兴起 | NA | 总结视网膜图像分析领域的技术进展，特别是向无标签方法和新模型架构的转变 | 视网膜图像分析技术 | 计算机视觉 | NA | NA | Transformer, CNN | 图像 | NA | NA | 视觉Transformer, 卷积神经网络 | NA | NA |
| 55 | 2026-04-10 |
Assessing deep learning model performance in osteoporosis screening with lumbar spine radiographs
2026-Jan, Journal of bone and mineral metabolism
IF:2.4Q3
DOI:10.1007/s00774-025-01672-1
PMID:41361106
|
研究论文 | 本研究评估了深度学习模型在腰椎X光片上筛查骨质疏松症的性能 | 利用腰椎X光片替代DXA进行骨质疏松症筛查，提出了一种资源有限的替代方案 | 模型性能（如AP图像的AUC为0.79）仍有提升空间，且依赖特定数据集 | 开发并评估深度学习模型用于骨质疏松症的筛查 | 腰椎X光片（正位和侧位） | 计算机视觉 | 骨质疏松症 | X光成像 | CNN | 图像 | 训练集：2244张正位和2368张侧位腰椎X光片；测试集：963张正位和1018张侧位图像 | NA | ResNet-18, DarkNet-19 | AUC, 敏感性, 特异性 | NA |
| 56 | 2026-04-10 |
The Evolution of Machine Learning in Medicinal Chemistry: A Comprehensive Bibliometric Analysis
2026, Current neuropharmacology
IF:4.8Q1
|
综述 | 本文通过混合研究策略，对2001-2023年间药物化学领域的人工智能研究进行了全面的文献计量分析 | 首次结合内容分析和文献计量方法，系统梳理了AI在药物化学领域的研究趋势、前沿关键词（如预测模型、分子指纹、评分函数）及未来发展方向（如多模态和大语言模型） | 分析主要基于文献计量数据，可能未涵盖所有未发表或新兴技术细节；时间范围截至2023年，后续发展未纳入 | 旨在全面描述药物化学中人工智能研究的现状、趋势和未来热点 | 2001-2023年间药物化学领域的人工智能相关文献 | 机器学习 | NA | 文献计量分析、内容分析 | NA | 文献数据 | 覆盖92个国家或地区、196个机构的AI-MC研究文献 | bibliometrix (R软件), CiteSpace V, VOSviewer | NA | NA | NA |
| 57 | 2026-04-10 |
Deep Learning Approaches for Multiple Sclerosis Detection in MRI Images
2026, BioMed research international
IF:2.6Q3
DOI:10.1155/bmri/5726771
PMID:41943462
|
研究论文 | 本研究探索了使用深度学习模型自动检测MRI图像中的多发性硬化病灶 | 比较了四种经过微调的CNN架构在医学影像任务上的性能，并评估了它们在资源受限环境中的适用性 | 数据集规模相对较小（60名患者），且未提及外部验证结果 | 自动化多发性硬化病灶检测，为临床诊断提供可靠、高效且可扩展的解决方案 | 多发性硬化患者的MRI图像 | 计算机视觉 | 多发性硬化 | 磁共振成像 | CNN | 图像 | 60名患者的2831张FLAIR和T2 MRI切片 | NA | AlexNet, VGG16, ResNet-10, DenseNet-121 | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 58 | 2026-04-10 |
Hybrid deep learning and feature selection approach for autism detection from rs-fMRI data
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339921
PMID:41945612
|
研究论文 | 本文提出了一种结合深度学习和改进特征选择算法的混合方法，用于从静息态功能磁共振成像数据中检测自闭症谱系障碍 | 提出了一种混合深度学习与特征选择的方法，其中特征选择采用了一种改进的指数-三角优化算法，该算法整合了算术优化算法和引导学习策略以提升性能 | 未在摘要中明确说明 | 通过结合深度学习和特征选择技术，提升自闭症谱系障碍的诊断性能 | 自闭症谱系障碍患者 | 机器学习 | 自闭症谱系障碍 | 静息态功能磁共振成像 | 深度学习 | 神经影像数据 | 使用ABIDE I数据集，具体样本数未在摘要中说明 | 未在摘要中明确说明 | 未在摘要中明确说明 | 准确率, 灵敏度, AUC | 未在摘要中明确说明 |
| 59 | 2026-04-10 |
Enhancing Early Diagnosis: Multimodal AI Approaches for Neurodegenerative Diseases
2026, Journal of biotechnology and biomedicine
DOI:10.26502/jbb.2642-91280211
PMID:41948713
|
综述 | 本文综述了多模态人工智能方法在神经退行性疾病早期诊断中的应用，强调其通过整合神经影像、电生理和数字表型数据来填补传统诊断框架的检测空白 | 提出利用多模态融合架构从MRI、PET和EEG数据中提取高维、亚视觉模式，实现比传统标志物更早的预测性检测，推动诊断从被动确认损伤转向主动风险分层和早期干预 | 临床转化面临数据异质性、深度学习“黑箱”问题以及全球数据集代表性不足等重大障碍 | 评估人工智能驱动的生物标志物如何通过连续、时间信息化的疾病建模，提升神经退行性疾病的早期诊断能力 | 神经退行性疾病，如阿尔茨海默病和帕金森病 | 机器学习 | 神经退行性疾病 | 神经影像（MRI、PET）、电生理学（EEG）、数字表型 | 机器学习模型，深度学习 | 多模态数据（图像、信号、数字表型） | NA | NA | 多模态融合架构 | NA | NA |
| 60 | 2026-04-06 |
Enhancing deep learning interpretability for hand-crafted feature-guided histologic image classification via weak-to-strong generalization
2026-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.1.017502
PMID:41567872
|
研究论文 | 本文提出了一种弱到强泛化框架，通过整合手工特征来增强深度学习模型在组织学图像分类中的可解释性和性能 | 提出弱到强泛化框架，利用可解释的手工特征教师模型监督深度学习学生模型，并通过互信息分析手工特征与深度学习特征之间的相关性 | 未明确说明框架在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体细节 | 增强深度学习模型在组织学图像分类中的可解释性和预测性能 | 组织学全切片图像 | 数字病理学 | 肿瘤分类 | NA | 深度学习模型 | 图像 | 三个公共数据集 | NA | NA | 分类性能，互信息 | NA |