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 7557 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2026-06-04 |
Deep learning to predict left ventricular hypertrophy from the electrocardiogram
2026-Feb-03, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology
IF:7.9Q1
DOI:10.1093/europace/euag015
PMID:41589068
|
研究论文 | 基于心电图开发深度学习模型以预测左心室肥厚 | 采用全卷积网络结构，结合临床变量同时预测左心室质量指数，并通过逻辑回归模型进行重校准，在UK Biobank中达到0.97的AUROC，优于传统机器学习及已有深度学习方法 | 模型在外部验证集SHIP中的泛化能力仅为中等（AUROC 0.78），受限于临床特征、心电图采集和CMR标注差异；需要更大规模和多样性的数据集提升通用性 | 利用深度学习改善心电图预测左心室肥厚的准确性并进行外部验证 | 来自UK Biobank的48835名参与者和SHIP队列的1423名参与者 | 机器学习 | 心血管疾病 | 心电图 | 全卷积网络 | 心电图信号和临床变量 | 48835名UK Biobank参与者（717例LVH阳性），1423名SHIP参与者 | NA | 全卷积网络 | 曲线下面积（AUROC） | NA |
| 182 | 2026-06-04 |
How negative sampling shapes the performance of transcription factor binding site prediction models
2026-Feb-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag048
PMID:41601205
|
研究论文 | 研究不同负采样技术对转录因子结合位点预测模型性能的影响 | 系统评估了多种负采样技术在TFBS预测中的表现，揭示了训练数据集上计算的指标会夸大性能分数，并发现了基于正样本相似性的基因组采样效果最佳 | 未提及具体局限性 | 探究不同负采样技术对转录因子结合位点预测性能的影响 | 转录因子结合位点预测模型及负采样技术 | 机器学习 | NA | ChIP-seq, ATAC-seq | 深度学习模型 | 序列数据 | 来自ChIP-seq和ATAC-seq数据的高质量测试数据集 | NA | NA | NA | NA |
| 183 | 2026-06-04 |
Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8992
PMID:41617400
|
研究论文 | 通过前瞻性研究验证深度学习加速的3D T1-MPRAGE序列在评估颅内强化病变中的诊断质量 | 首次将深度学习重建方法应用于3D MRI序列加速，并采用变异网络和超分辨率算法两步优化，在相同扫描时间内提供更优的图像质量 | 样本量有限（115例），且未涉及多中心或不同场强（如1.5T）系统的验证 | 评估深度学习加速的3D T1-MPRAGE序列与传统波-控制混叠并行成像加速序列在颅内强化病变评估中的图像质量 | 颅内强化病变患者 | 数字病理学 | 颅内肿瘤、血管病变 | 深度学习重建 | 卷积神经网络 | 图像 | 115例患者 | NA | 残差网络、超分辨率网络 | 噪声感知、伪影、锐度、整体诊断质量 | 3T MRI系统 |
| 184 | 2026-06-04 |
TEERAI-Pre: A Multiview Artificial Intelligence Model for Preoperative Assessment of Transcatheter Edge-to-Edge Mitral Valve Repair Using Multiview, Multimodal Echocardiography
2026-Feb-03, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.125.044333
PMID:41614293
|
研究论文 | 开发了一种基于多视角、多模态超声心动图的深度学习模型，用于术前评估经导管边缘对边缘二尖瓣修复术的形态学适宜性 | 首次提出基于视频视觉变换器的端到端深度学习模型，结合多视角融合模块整合多模态特征，用于二尖瓣修复术前评估 | 研究样本量有限，外部验证仅涉及两家医院，模型对黄色区分类别可能仍有提升空间 | 开发用于经导管边缘对边缘二尖瓣修复术术前人工智能评估的深度学习模型 | 严重症状性二尖瓣反流且手术风险高的患者 | 计算机视觉 | 二尖瓣反流 | 多模态超声心动图（经胸超声心动图视频和多普勒图像） | 视频视觉变换器（Video Vision Transformer） | 视频和多普勒图像 | 内部数据集633例患者（7997个超声心动图视频，766个脉冲波多普勒图像）；外部数据集150例患者（1735个视频，169个多普勒图像） | PyTorch | 视频视觉变换器（Video Vision Transformer） | 准确率、精确率、召回率、F1分数 | NA |
| 185 | 2026-06-04 |
Mitigating Disparities in Prostate Cancer Survival Prediction Through Fairness-Aware Machine Learning Models
2026-Feb, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.71544
PMID:41589030
|
研究论文 | 本研究对比两种公平感知深度生存模型，以减轻前列腺癌根治术后生存预测中的种族差异 | 首次将公平感知方法应用于生存分析，提出Fair DCPH和GroupDRO DCPH两种模型来缓解预测模型中的种族偏见 | 仅基于美国国家癌症数据库，可能不适用于其他人群；未考虑其他人口学特征（如社会经济地位）的交叉影响 | 开发和评估公平感知的深度学习生存模型，以减少前列腺癌生存预测中的种族差异 | 418,968名接受前列腺癌根治术的患者（白人78.5%，黑人13.2%，西班牙裔4.5%，亚裔1.9%，其他2.0%） | 机器学习 | 前列腺癌 | NA | 深度学习Cox比例风险模型（Deep Cox Proportional Hazards Model） | 结构化临床数据 | 418,968名患者 | PyTorch | Deep Cox Proportional Hazards Model（深度Cox模型）及其变体（Fair DCPH, GroupDRO DCPH） | 一致性指数（C-index） | NA |
| 186 | 2026-06-04 |
Image reconstruction and elongation artifact reduction for a dual-panel dedicated prostate PET scanner
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70298
PMID:41589400
|
研究论文 | 研究双平板专用前列腺PET扫描仪的图像重建和拉长伪影减少方法 | 首次为双平板前列腺专用PET扫描仪开发并优化了列表模式MLEM算法结合多射线建模，并评估了Swin-UNETR深度学习模型作为后处理增强的效果 | 未明确提及，但可能涉及Swin-UNETR模型在小型病灶上的泛化性和计算资源需求 | 比较不同图像重建策略以提高双平板专用前列腺PET扫描仪的图像质量并减少伪影 | 双平板前列腺专用PET扫描仪（ProVision）及其采集数据，包括仿真和实验模体 | 计算机视觉， 数字病理学 | 前列腺癌 | PET扫描 | MLEM， Swin-UNETR | 图像 | 一个比例NEMA图像质量模体和一个名为Adam-PETer的人体盆腔模体 | NA | Swin-UNETR | 对比恢复系数（CRC）， 对比度噪声比（CNR）， 对比度噪声一致性（CNC） | NA |
| 187 | 2026-06-04 |
Multi-dimensional attention-enhanced reconstruction for sparse-view CBCT
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70299
PMID:41589426
|
研究论文 | 提出用于稀疏视图CBCT的多维注意力增强重建算法，以消除条纹伪影并恢复图像细节 | 引入两个即插即用模块以捕捉投影间的长程依赖并减少特征信息冗余，实现双域深度学习网络 | 未提及在临床环境中的实际应用验证或计算效率评估 | 通过双域深度学习网络消除稀疏视图CBCT中的条纹伪影并恢复图像细节 | 稀疏视图CBCT图像重建 | 数字病理学 | NA | NA | 深度学习网络 | 图像 | 真实胸部数据集和模拟腹部数据集 | NA | NA | RMSE, SSIM, PSNR | NA |
| 188 | 2026-06-04 |
Classification of epileptic seizure using hybrid deep learning framework with time and time-frequency Hjorth features
2026-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2026.2618585
PMID:41589762
|
研究论文 | 提出一种结合时域和时频域Hjorth参数及注意力增强时序模型的混合深度学习框架，用于癫痫发作分类 | 提出多域Hjorth参数与注意力增强时序建模的混合框架，首次将时域和时频域特征结合用于癫痫发作阶段分类 | 未在更大规模或更多样化的EEG数据集上验证，且仅使用Bonn数据集，可能限制泛化能力 | 实现癫痫发作阶段（正常、发作间期、发作期）的准确分类 | 癫痫脑电图（EEG）信号中的发作阶段 | 机器学习 | 癫痫 | NA | 1D卷积神经网络、双向长短期记忆网络、注意力机制 | 脑电图（EEG）信号 | Bonn EEG数据集，具体样本数量未提及 | NA | 1D CNN、BiLSTM、注意力机制 | 精确率、召回率、F1分数、准确率 | NA |
| 189 | 2026-06-04 |
CLinNET: An Interpretable and Uncertainty-Aware Deep Learning Framework for Multi-Modal Clinical Genomics
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512842
PMID:41604548
|
研究论文 | 提出CLinNET，一个可解释且考虑不确定性的多模态深度学习框架，用于临床基因组学中的基因筛选和意义不明变异解读 | 生物信息驱动的双分支架构、置信度不确定性量化、基于SHAP的逐层可解释性、稀疏网络融入通路和基因本体数据以提高预测准确性和生物相关性 | 未明确提及，但可能包括对特定数据集（神经认知障碍）的依赖及泛化性验证需进一步扩展 | 增强基因筛选和意义不明变异解读，提高在神经认知障碍诊断中的临床实用性 | 神经认知障碍相关基因、意义不明变异、多模态基因组数据（测序数据、基因表达、生物通路、基因本体） | 机器学智 | 神经认知障碍 | 测序、基因表达分析 | 深度神经网络 | 多模态数据（测序数据、基因表达、生物通路、基因本体） | NA（未明确样本数量） | NA（未明确框架） | 双分支深度神经网络 | F1分数、准确率、精确率-召回率曲线下面积 | NA（未明确计算资源） |
| 190 | 2026-06-04 |
Deep learning-based lung volume estimation with dynamic chest radiography
2026-Feb, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70487
PMID:41611260
|
研究论文 | 使用深度学习从动态胸部X光影像中估计肺容积 | 首次利用深度学习从动态胸部X光图像估计肺容积，并比较了两种卷积神经网络与线性回归方法的性能 | 估计用力肺活量的MAE和MAPE较高，分别为1.3/1.4升和41.1%/47.0% | 研究使用深度学习从呼吸过程中的动态胸部X光图像估计肺容积，并评估其准确性 | 257名患者的动态胸部X光图像和相应的CT图像 | 计算机视觉 | 肺部疾病 | 动态胸部X光 | 卷积神经网络 | 图像 | 257名患者 | NA | VGG19, DenseNet121 | 平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 自由度调整决定系数 | NA |
| 191 | 2026-06-04 |
Functional and Clinical: An Explainable Deep Learning Model for Multimodal Alzheimer's Disease Classification
2026-Feb, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.71240
PMID:41612899
|
研究论文 | 提出一种结合fMRI和临床数据的多模态可解释深度学习模型，用于阿尔茨海默病分类 | 通过补充临床测试数据解决fMRI数据量不足问题，使用留一法交叉验证控制数据泄漏，应用扰动排序解释特征重要性 | 样本量小且需要外部验证 | 提高fMRI深度学习模型在阿尔茨海默病分类中的临床适用性、可解释性和可靠性 | ADNI数据库中52名参与者 | 数字病理学、机器学习 | 阿尔茨海默病 | fMRI | 3D卷积神经网络 | fMRI影像和临床测试数据 | 52名参与者 | NA | 3D CNN | 准确率 | NA |
| 192 | 2026-06-04 |
Assessing the effect of bovine MSTN variants on pre-mRNA splicing
2026-Feb, Animal genetics
IF:1.8Q3
DOI:10.1002/age.70073
PMID:41614706
|
research paper | 评估牛MSTN基因变异对pre-mRNA剪接的影响并建立全长基因检测方法 | 建立全长基因检测方法（FLGA）用于功能性评估MSTN剪接变异，并系统测试五种错义变异与深度学习预测工具的性能一致性 | 未提及对大规模数据集进行验证或分析其他类型变异 | 探究牛MSTN基因变异对RNA剪接的功能影响，并评估深度学习预测工具的可靠性 | 牛MSTN基因的六种变异（五种错义变异和一种深内含子剪接变异） | machine learning | geriatric disease | 全长基因检测（FLGA）、深度学习剪接预测 | 深度学习模型 | 基因序列数据 | NA | NA | SpliceAI, Pangolin | NA | NA |
| 193 | 2026-06-04 |
Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation
2026-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.150581
PMID:41611152
|
研究论文 | 利用深度学习引导发现IL23/IL23R大分子抑制剂，整合虚拟筛选与实验验证的工作流程 | 提出了一种结合SAFE深度生成模型设计新骨架、虚拟筛选与分子动力学模拟的集成方法，实现了对IL23/IL23R蛋白-蛋白相互作用的抑制剂的创新发现和机制表征 | NA | 发现并表征针对IL23/IL23R蛋白-蛋白相互作用的小分子抑制剂，为慢性炎症疾病提供治疗优势 | IL23(p19)亚基与IL23R蛋白的相互作用及其抑制剂 | 计算机辅助药物设计、机器学习 | 银屑病、慢性炎症性疾病 | 虚拟筛选、分子动力学模拟 | SAFE深度生成模型 | 分子结构数据 | 31个候选化合物在HEK-Blue IL23报告细胞系中进行细胞筛选 | NA | SAFE（基于序列附着的片段嵌入模型） | NA | NA |
| 194 | 2026-06-04 |
Cell Analyser in Batch for Neurite (CABaNe), an Automated, High-Throughput ImageJ Macro for Cell and Neurite Analysis
2026-Feb, eNeuro
IF:2.7Q3
DOI:10.1523/ENEURO.0193-25.2025
PMID:41617476
|
研究论文 | 介绍一种名为CABaNe的自动化高通量ImageJ宏，用于细胞和神经突分析 | 提出了一种基于规则的、开源的、高通量ImageJ宏，具有图形界面、元数据生成以及分析前后验证功能，弥补了当前缺乏高通量神经突分析工具的不足 | 仅测试了N2A小鼠神经母细胞瘤细胞系，且基于规则的方法在精度和适应性上优于机器学习方法，可能不适用于其他细胞类型或更大数据集 | 开发一种自动化、高通量的细胞和神经突分析工具，以提高神经生物学研究中神经突长度测量的效率和精度 | N2A小鼠神经母细胞瘤细胞系 | 数字病理学 | 神经退行性疾病 | NA | 基于规则的图像分析（无机器学习模型） | 图像 | 小样本和大样本数据集 | ImageJ | NA | 精度、分析速度 | NA |
| 195 | 2026-06-04 |
A Beginner's Guide to Using DeepVirFinder for Viral Sequence Identification From Metagenomic Datasets
2026-Feb, Current protocols
DOI:10.1002/cpz1.70310
PMID:41609929
|
研究论文 | 本文为初学者提供了一份使用DeepVirFinder从宏基因组数据集中识别病毒序列的全面指南 | 通过优化运行时性能并保持原始版本的核心用户界面，改进了DeepVirFinder软件，并提供了常见用例的基本工作流程及下游分析辅助脚本 | NA | 帮助初学者快速掌握DeepVirFinder的使用方法，以有效挖掘宏基因组数据集中的病毒信息 | 宏基因组数据集中的病毒序列 | 机器学习 | NA | 宏基因组测序 | 卷积神经网络 | 序列数据 | NA | NA | 双卷积神经网络 | NA | NA |
| 196 | 2026-06-04 |
Monitoring the lateral ventricles in the presence of intracranial hemorrhage using automated dual segmentation
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70308
PMID:41615056
|
研究论文 | 开发一种全自动双重分割方法，用于监测颅内出血患者侧脑室体积变化 | 首次实现全自动同时分割颅内出血和侧脑室，并在创伤性脑损伤和脑室内出血患者中验证其临床可行性 | 训练数据规模有限（154例），可能存在假阳性（轻度TBI中出现6例ICH误检），且仅基于非增强CT图像 | 开发并验证一种自动分割颅内出血和侧脑室的方法，用于监测创伤性脑损伤的严重程度变化 | 颅内出血（ICH）和侧脑室 | 数字病理学， 计算机视觉 | 创伤性脑损伤（TBI）， 颅内出血（ICH）， 脑室内出血（IVH） | 非增强CT成像 | 深度学习模型（3D nnU-Net） | CT图像 | 训练集154例（非增强CT）；测试集：轻度TBI 591例、中重度TBI 91例（含基线和随访CT）、IVH 5例（含重复CT） | PyTorch | 3D nnU-Net | Dice系数， Hausdorff距离 | NA |
| 197 | 2026-06-04 |
A segmentation method with a large vision model for magnetic resonance imaging-guided adaptive radiotherapy
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70257
PMID:41615083
|
研究论文 | 提出了一种名为SAM-ART的大视觉模型，用于磁共振引导自适应放疗中的分割，通过整合个性化信息和手动提示来提高分割准确性 | 首次将个性化提示（如从规划CT到日常MRI的轮廓传播）与大视觉模型SAM结合，用于MRIgART，减少了假阴性预测，并仅需最少量的人工干预 | NA（摘要未明确提及局限性） | 提升MRI引导自适应放疗中靶区分割的准确性和效率，减少人工交互需求 | 38名前列腺癌和10名直肠癌患者的规划CT、批准轮廓和日常MRI | 计算机视觉 | 前列腺癌，直肠癌 | MRI， CT | 大视觉模型（SAM变体） | 图像 | 48名患者（38名前列腺癌，10名直肠癌） | PyTorch | SAM（Segment Anything Model），具有图像编码器、提示编码器和掩码解码器 | Dice相似系数， Hausdorff距离， 平均距离一致性 | NA（摘要未提供） |
| 198 | 2026-06-04 |
Slice-prompted HR-CTV interactive segmentation for cervical cancer brachytherapy: A multi-center study
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70305
PMID:41615195
|
研究论文 | 提出了一种基于切片提示的交互式分割框架，用于宫颈癌近距离放疗中高风险临床靶体积的精确勾画 | 通过临床医生在关键切片上提供稀疏提示，将临床专业知识与深度学习有效整合，实现了高精度且高效的半自动分割，并提出了单编码器和双编码器两种架构变体 | 未明确说明，但可能依赖于医生提供的提示切片数量和质量 | 开发一种临床高效的交互式分割框架，结合深度学习与临床专家经验，用于CT引导的宫颈癌近距离放疗中HR-CTV的勾画 | 宫颈癌近距离放疗中高风险临床靶体积（HR-CTV） | 数字病理学 | 宫颈癌 | CT扫描 | 3D U-Net | CT图像 | 训练集640次扫描（来自160名患者），验证集160次扫描（40名患者），外部测试集包括400次扫描（100名患者）、115次扫描（40名患者）和150次扫描（30名患者） | NA | 3D U-Net（SPSeg-Mono和SPSeg-Dual两种变体） | Dice相似系数（DSC）、95% Hausdorff距离（HD95）、5点Likert量表临床可接受性评分、时间效率、观察者间一致性 | NA |
| 199 | 2026-06-04 |
End-to-End Platform for Electrocardiogram Analysis and Model Fine-Tuning: Development and Validation Study
2026-Jan-30, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/81116
PMID:41616241
|
研究论文 | 介绍ExChanGeAI，一个开源、基于网页的心电图数据分析与模型微调一体化平台 | 提供一个端到端平台，整合数据导入、可视化、模型训练与微调，降低非机器学习领域用户使用深度学习进行心电图分析的技术门槛 | 文中未明确说明局限性 | 解决心电图数据格式异构、预训练模型权重获取受限、技术流程复杂等障碍，提升深度学习在心电图分析中的可及性和隐私保护 | 心电图数据中的心律失常检测和多种疾病风险预测任务 | 机器学习 | 心血管疾病 | 心电图信号处理 | 深度学习架构（具体类型未明确，提及多种SOTA架构） | 生物信号（心电图数据） | 三个外部验证数据集及一个来自常规护理的新测试集 | PyTorch | 未明确指定（提及多种SOTA架构） | 模型泛化性和资源效率（具体指标如准确率等未在摘要中列出） | 本地计算，可扩展至高性能计算基础设施 |
| 200 | 2026-06-04 |
Smart assistive technologies for neurodisorders: A review on AI, IoT, and wearable systems for enhanced patient care
2026-Jan-30, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08790-8
PMID:41612095
|
综述 | 本文对用于神经疾病的智能辅助技术进行了系统回顾，涵盖人工智能、物联网和可穿戴系统，以提升患者护理水平 | 提出了基于布尔运算符和PRISMA筛选的严格搜索策略，建立了神经疾病-智能技术-功能层-临床结果的统一分类法，并总结了三种主要智能辅助技术及其性能评估 | 现有智能辅助系统存在多模态融合挑战、数据隐私限制以及自适应模型需求等不足 | 综述神经疾病智能辅助技术的最新进展，构建统一分类体系，识别现有局限，并展望未来方向 | 神经疾病（如阿尔茨海默病、帕金森病、癫痫、脊髓损伤、神经发育障碍）及相关的智能辅助技术 | 机器学习 | 神经疾病 | NA | 混合深度学习 | 文本 | 154篇同行评审文章 | NA | NA | 检测率、精确率、召回率、处理时间 | NA |