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 7804 篇文献，本页显示第 2841 - 2860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2841 | 2026-04-18 |
Deep Learning Automated Measurement of Shunt Severity with Estimation of Uncertainty in 4D Flow MRI
2026-02, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.250138
PMID:41711549
|
研究论文 | 本研究开发了一种深度学习系统，用于全自动测量4D流MRI中的体循环和肺循环血流，以评估分流严重性 | 提出了一种深度学习系统，能够全自动进行三维定位和二维分割来计算主动脉和肺动脉的净血流，并估计测量不确定性 | 研究样本量有限（共188例用于开发，71例用于验证），且为回顾性研究，可能存在选择偏倚 | 评估深度学习系统在4D流MRI中全自动测量体循环和肺循环血流的可行性 | 临床4D流MRI检查数据，包括有和无分流的患者 | 医学影像分析 | 先天性心脏病 | 4D流MRI | CNN | MRI图像 | 188例用于开发，71例用于验证 | NA | 卷积神经网络 | Pearson相关系数, Bland-Altman分析 | NA |
| 2842 | 2026-04-18 |
Sustainable probiotic production via AI: medium optimization and metabolic mechanisms in Bifidobacterium animalis ssp. lactis BB-12 using agricultural waste
2026, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2025.2577224
PMID:41176159
|
研究论文 | 本研究利用人工智能优化农业废弃物培养基，提升Bifidobacterium animalis ssp. lactis BB-12的益生菌生产效率，并通过代谢组学分析揭示其代谢机制 | 首次结合RSM、机器学习、深度学习和进化优化等多种AI方法，系统优化BB-12的农业废弃物培养基，并深入探究其代谢通路变化 | 研究仅针对BB-12单一菌株，未验证其他益生菌的适用性；农业废弃物的成分波动可能影响培养基的稳定性 | 优化BB-12的培养基配方，降低生产成本，并阐明培养基成分变化对菌株代谢的影响 | Bifidobacterium animalis ssp. lactis BB-12益生菌菌株 | 机器学习 | NA | 代谢组学分析、有机酸分析 | 机器学习、深度学习、进化优化算法 | 实验数据（OD、生长率、成本等） | 未明确具体样本数量，涉及多种培养基配方的优化实验 | 未明确指定，可能涉及多种框架 | Ridge-NSGAII（非支配排序遗传算法II） | OD（光密度）、生长率、成本、有机酸产量（乳酸、乙酸、丙酸） | NA |
| 2843 | 2026-04-18 |
Deep learning [18F]-FDG-PET/CT‑based algorithm for tumor burden estimation in metastatic melanoma patients under immunotherapy
2026-01, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.101063
PMID:41281625
|
研究论文 | 本研究评估了一种基于[18F]-FDG-PET/CT的深度学习模型（PARS）在转移性黑色素瘤患者免疫治疗中用于病灶检测、分割和肿瘤负荷估计的性能 | 首次将深度学习算法PARS应用于转移性黑色素瘤患者的肿瘤负荷估计，并系统评估了其在病灶检测、分割和总体肿瘤负荷估计方面的性能 | 模型在肿瘤负荷估计上表现出显著变异性，总体肿瘤负荷被高估28.3%，患者个体水平肿瘤负荷被低估且一致性较差（ICC=0.28），骨病灶检测精度较低（32.9%） | 评估基于[18F]-FDG-PET/CT的深度学习模型在转移性黑色素瘤患者免疫治疗中用于肿瘤负荷估计的准确性和临床应用潜力 | 165名IV期黑色素瘤患者 | 数字病理学 | 黑色素瘤 | [18F]-FDG-PET/CT成像 | 深度学习模型 | PET/CT图像 | 165名患者 | NA | PARS（PET-Assisted Reporting System） | 召回率（敏感性）、精确度、病灶体积一致性、肿瘤负荷估计准确性、组内相关系数（ICC）、中位数相对百分比差异（MRPD）、中位数绝对相对百分比差异（MARPD） | NA |
| 2844 | 2026-04-18 |
XMP-Net: An XAI-Based Modified Xception Model for Recognizing Monkeypox and Other Skin Diseases
2026, BioMed research international
IF:2.6Q3
DOI:10.1155/bmri/1113178
PMID:41522723
|
研究论文 | 本研究提出了一种基于Xception改进的深度学习模型XMP-Net，用于皮肤病的分类，特别关注猴痘的识别，并利用可解释人工智能技术增强模型预测的可信度 | 结合了改进的Xception架构与Grad-CAM和LIME等可解释人工智能技术，为皮肤病分类提供视觉解释，增强临床诊断的透明度和可靠性 | 模型在麻疹和水痘的分类准确率相对较低（分别为84.21%和77.27%），且研究仅针对四种皮肤类别，可能未涵盖所有相关皮肤病 | 开发一种可解释的深度学习模型，用于皮肤病的自动分类，特别关注猴痘的识别，以辅助临床诊断 | 皮肤图像，包括正常皮肤、水痘、麻疹和猴痘四种类别 | 计算机视觉 | 皮肤病 | 深度学习 | CNN | 图像 | NA | NA | Xception | 准确率, 精确率, 召回率, F1分数 | NA |
| 2845 | 2026-04-18 |
OralHybridNet: A Deep Learning Framework for Multi-Label Classification of Dental Restorations and Prostheses in Panoramic Radiographs
2026 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing
DOI:10.1177/00469580261439986
PMID:41972827
|
研究论文 | 本文提出了一种名为OralHybridNet的混合深度学习框架，用于在口腔全景X光片中自动进行多标签分类，以识别牙科修复体和假体 | 提出了一种新颖的混合深度学习框架，结合了分层卷积神经网络、双注意力机制和自适应增强协议，并引入了混合特征选择算法来优化特征表示 | 未明确提及研究的局限性 | 开发一个自动化的深度学习框架，用于在口腔全景X光片中对牙科修复体和假体进行多标签分类 | 口腔全景X光片（OPG） | 计算机视觉 | 牙科疾病 | 全景X光成像 | CNN, KNN | 图像 | 2047张临床医生标注的全景X光片 | NA | CustomDentalNet, OralNetXPlus, ResNet50 | 准确率, 精确率, AUC-ROC | NA |
| 2846 | 2026-04-18 |
Learning Explainable Imaging-Genetics Associations Related to a Neurological Disorder
2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-032-05141-7_34
PMID:41988634
|
研究论文 | 本文提出了一种可解释的深度学习框架NeuroPathX，用于揭示神经疾病中脑成像与遗传学之间的关联 | 引入了基于交叉注意力机制的早期融合策略，并设计了稀疏损失和通路相似性损失函数以增强模型的可解释性和鲁棒性 | 未明确提及模型在更广泛疾病或更大样本量下的泛化能力限制 | 研究神经疾病中脑结构变异与遗传通路之间的相互作用 | 自闭症谱系障碍和阿尔茨海默病 | 数字病理学 | 神经疾病 | MRI, 遗传学数据 | 深度学习 | 图像, 遗传数据 | NA | NA | 基于交叉注意力机制的早期融合框架 | NA | NA |
| 2847 | 2026-04-18 |
The application of artificial intelligence in the intersection of metabolic dysfunction-associated steatotic liver disease and cardiovascular diseases
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1788249
PMID:41993162
|
综述 | 本文综述了人工智能在代谢功能障碍相关脂肪性肝病与心血管疾病交叉领域的应用 | 强调人工智能能够整合临床、影像和多组学数据，提高MASLD诊断和肝纤维化分期的精确度，并优于传统风险评估工具 | 面临数据质量和模型泛化等挑战 | 评估人工智能在MASLD与CVD交叉领域的风险预测、机制理解和临床干预中的应用 | 代谢功能障碍相关脂肪性肝病和心血管疾病患者 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | 临床数据, 影像数据, 多组学数据 | NA | NA | NA | AUC | NA |
| 2848 | 2026-04-18 |
Automated deep learning based detection of cellular deposits on clinically used ECMO membrane lungs
2026, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2026.1771574
PMID:41993244
|
研究论文 | 本研究开发了一种基于深度学习的自动化工具，用于检测临床使用的ECMO膜肺上的细胞沉积 | 首次将Mask R-CNN与ResNet 101骨干网络结合扩张卷积应用于ECMO膜肺细胞沉积的实例分割，在重叠和低强度细胞核分割方面优于U-Net类方法 | 未明确说明模型在更广泛临床样本上的泛化能力，且依赖荧光显微镜图像 | 开发自动化工具以支持ECMO并发症中细胞沉积机制的研究 | ECMO膜肺空心纤维垫上的细胞核沉积 | 计算机视觉 | 心血管疾病 | 荧光显微镜 | CNN | 图像 | NA | NA | Mask R-CNN, ResNet 101, U-Net, Cellpose, StarDist | 细胞核计数准确率, 面积准确率 | NA |
| 2849 | 2026-04-18 |
Voxel-accurate MRI-microscopy Correlation Enables AI-powered Prediction of Brain Disease States
2026, Theranostics
IF:12.4Q1
DOI:10.7150/thno.125235
PMID:41993630
|
研究论文 | 本文介绍了一种名为BRIDGE的平台，该平台通过整合体内MRI、体内双光子显微镜和体外超分辨率显微镜，首次实现了MRI信号与生物学真实情况在体素级别上的精确映射，并用于训练卷积神经网络以提升MRI的有效分辨率 | 首次开发了BRIDGE平台，实现了体内、纵向、体素精确的MRI信号到其生物学真实情况的映射，并利用该平台识别了乳腺癌脑转移早期定植的微环境血管生物标志物 | NA | 建立MRI信号的微观生物学基础，并利用深度学习预测脑部疾病状态 | 脑部（健康与患病状态），具体包括乳腺癌脑转移的异种移植模型和胶质瘤 | 数字病理学 | 脑癌（乳腺癌脑转移、胶质瘤） | 体内磁共振成像（MRI）、体内双光子显微镜（2P）、体外超分辨率显微镜 | CNN | 图像（MRI图像、显微镜图像） | NA | NA | NA | NA | NA |
| 2850 | 2026-04-18 |
Circulating tumor cell detection in cancer patients using in-flow deep learning holography
2026, Npj biosensing
DOI:10.1038/s44328-026-00084-z
PMID:41993926
|
研究论文 | 本文介绍了一种结合微流控富集、深度学习图像分析和免疫荧光分析的流式数字全息显微镜系统，用于提高循环肿瘤细胞检测的敏感性和特异性 | 整合惯性微流控预处理与双模态成像（全息术和荧光传感），并利用深度学习模型提供细胞形态学置信度，可实时结合免疫荧光标准进行CTC计数，且能检测到传统EpCAM标记可能漏检的PSMA阳性CTC | 仅进行了小规模试点研究（13名晚期前列腺癌患者和8名健康对照），样本量有限，需进一步验证 | 开发一种高灵敏度、高特异性的循环肿瘤细胞检测方法，用于癌症早期检测、预后评估和疾病监测 | 循环肿瘤细胞（CTCs），来自晚期前列腺癌患者和健康对照的血液样本 | 数字病理学 | 前列腺癌 | 数字全息显微镜，微流控富集，免疫荧光分析 | 深度学习模型 | 图像（全息和荧光图像） | 13名晚期前列腺癌患者和8名健康对照的血液样本 | NA | NA | 患者水平假阳性率（1细胞/毫升），CTC计数 | NA |
| 2851 | 2026-04-18 |
A multimodal deep learning-based model for posture asymmetry recognition and sports injury risk prediction in adolescent table tennis athletes
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1800522
PMID:41994050
|
研究论文 | 本研究开发了一个多模态深度学习框架，用于自动识别青少年乒乓球运动员的姿态不对称模式并评估其生物力学损伤风险水平 | 提出了一个集成视频RGB序列、骨骼关键点轨迹和运动学参数的多模态深度学习框架，通过跨模态注意力机制、加权图卷积网络和时间卷积网络实现姿态不对称识别和损伤风险预测 | 研究基于专家评估的姿态偏差标准进行生物力学风险分层，用于筛查目的，而非经过纵向验证的损伤发生预测 | 开发智能评估系统，用于青少年乒乓球运动员的训练监测和损伤预防 | 青少年乒乓球运动员 | 计算机视觉 | 运动损伤 | 视频分析, 运动捕捉 | 深度学习 | 视频, 骨骼关键点, 运动学参数 | TTStroke-21数据集 | NA | 加权图卷积网络, 时间卷积网络 | NA | NA |
| 2852 | 2026-04-18 |
Protein design, generative AI and biological security
2026, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2026.1817535
PMID:41994287
|
综述 | 本文回顾了生成式人工智能在蛋白质设计领域的当前发展，评估了其双重用途影响，并讨论了平衡科学进步与生物安全的相称缓解策略 | 深入探讨了AI驱动的蛋白质设计在生物安全方面带来的新机遇（如检测生物制剂、开发病毒表面蛋白结合剂）与新风险（如设计出功能等效但序列相似性低的毒素），并提出了分层的缓解策略 | 文章为综述性质，未进行具体的实验验证或模型开发，主要基于现有文献和趋势进行分析，因此可能未涵盖所有新兴风险或技术细节 | 评估生成式人工智能在蛋白质设计中的双重用途影响，并探讨如何平衡科学创新与生物安全风险 | AI驱动的蛋白质设计技术及其在生物安全领域的应用与潜在风险 | 机器学习 | NA | 深度学习 | 生成模型 | 蛋白质序列与结构数据 | NA | NA | NA | NA | NA |
| 2853 | 2026-04-18 |
Artificial intelligence in the diagnosis of thyroid diseases: applications and challenges
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1740915
PMID:41994322
|
综述 | 本文综述了人工智能在甲状腺疾病诊断中的最新应用，并深入分析了其面临的挑战 | 通过整合跨模态研究，揭示了AI在不同成像模态中的应用，并强调了其在特征提取和风险分层中的潜在价值 | 面临数据异质性（跨机构和设备数据差异导致模型性能下降）和可解释性不足（深度学习模型作为“黑箱”，难以提供透明决策依据）等关键挑战 | 探讨人工智能在甲状腺疾病诊断中的应用及其挑战 | 甲状腺疾病 | 数字病理学 | 甲状腺疾病 | NA | 机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2854 | 2026-04-18 |
Application of machine learning and deep learning in the diagnosis and treatment of inguinal hernia: a narrative review
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1743178
PMID:41994435
|
综述 | 本文综述了机器学习和深度学习在腹股沟疝诊断与治疗中的应用现状与前景 | 系统性地总结了AI在腹股沟疝诊疗中的最新进展，并指出了生成式AI等新兴技术的潜力与挑战 | 生成式AI的准确性和可靠性仍需进一步验证，且文章为叙述性综述，未进行定量分析 | 回顾并总结机器学习和深度学习在腹股沟疝诊疗领域的应用，为临床实践和技术创新提供参考 | 腹股沟疝的诊断与治疗 | 机器学习 | 腹股沟疝 | NA | 深度学习 | 图像, 视频, 非结构化数据 | NA | NA | 深度神经网络 | NA | NA |
| 2855 | 2026-04-18 |
Few-shot deployment of pretrained MRI transformers in brain imaging tasks
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1771088
PMID:41994558
|
研究论文 | 本研究提出了一种用于在数据受限的临床环境中，对预训练的MRI Transformer模型进行少样本部署的实用框架 | 提出了一种融合预训练MAE全局嵌入与局部CNN特征的混合架构MAE-FUnet，用于医学图像分割；在少样本设置下，实现了高效的模型部署和卓越的性能 | 研究主要聚焦于脑部MRI成像任务，其通用性在其他医学影像模态或解剖区域中尚未验证；实验在受控的少样本设置下进行，真实世界数据分布复杂性可能带来挑战 | 开发一个实用的框架，以解决医学影像中标注数据稀缺的问题，实现预训练Transformer模型在多种脑部成像任务中的少样本高效部署 | 多队列脑部MRI数据集，包括NACC、ADNI、OASIS、NFBS、SynthStrip和MRBrainS18 | 医学影像分析 | 脑部疾病 | 掩码自编码器预训练策略 | Transformer, CNN | MRI图像 | 超过3100万张2D切片的大规模多队列脑部MRI数据集 | NA | Masked Autoencoder, MAE-FUnet | 准确率, Dice系数, IoU分数 | NA |
| 2856 | 2026-04-18 |
Advances in ultrasound for preoperative molecular subtyping of malignant breast tumors
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1774951
PMID:41994636
|
综述 | 本文综述了超声技术在术前恶性乳腺肿瘤分子分型（如luminal A、luminal B、HER2富集和三阴性）中的最新进展，涵盖传统超声特征分析、弹性成像、超声造影、微血管成像、影像组学和深度学习等方法 | 系统整合了多种超声技术（包括超声造影、微血管成像、弹性成像及多参数机器学习模型）在术前分子分型中的应用，并强调了方法学严谨性、可解释性和临床转化路径 | 研究存在参考标准异质性、单中心回顾性设计、类别不平衡和外部验证有限等主要障碍 | 支持术前乳腺肿瘤分子分型推断和生物标志物相关风险分层，以指导系统治疗选择和预后评估 | 恶性乳腺肿瘤 | 数字病理学 | 乳腺癌 | 超声技术（包括B型超声、弹性成像、超声造影、微血管成像） | 深度学习, 机器学习 | 超声图像 | NA | NA | NA | NA | NA |
| 2857 | 2026-04-17 |
Helixer: ab initio prediction of primary eukaryotic gene models combining deep learning and a hidden Markov model
2026-Apr, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02939-1
PMID:41286201
|
研究论文 | 本文介绍了Helixer，一种基于人工智能的从头基因预测工具，用于准确预测真核生物基因模型 | 结合深度学习和隐马尔可夫模型，无需RNA测序等额外实验数据，即可跨真菌、植物、脊椎动物和无脊椎动物基因组实现高精度基因预测 | NA | 开发一种广泛适用于多种物种的高精度从头基因预测工具 | 真菌、植物、脊椎动物和无脊椎动物的基因组 | 机器学习 | NA | 从头基因预测 | 深度学习, 隐马尔可夫模型 | 基因组序列数据 | NA | NA | NA | 多种评估指标 | NA |
| 2858 | 2026-04-14 |
Domain generalized feature embedded learning for calibration-free event-related potentials recognition
2026-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-026-10450-2
PMID:41971720
|
研究论文 | 本文提出了一种域广义特征嵌入学习方法，用于实现无需校准的事件相关电位识别 | 通过协方差质心对齐、xDAWN滤波器增强特征提取以及分解对抗损失进行特征泛化，实现了跨被试的鲁棒特征学习，无需目标样本即可泛化到新被试 | NA | 构建无需校准的基于脑电图的脑机接口，实现跨被试的事件相关电位识别 | 事件相关电位信号 | 机器学习 | NA | 脑电图 | 神经网络 | 脑电图信号 | 两个基准脑电图事件相关电位数据集 | NA | 神经网络嵌入骨干 | 分类性能 | NA |
| 2859 | 2026-04-14 |
An attention fusion of Fourier-analysis-based transformer and CNN-BiLSTM for coastal inorganic nitrogen concentration forecasts
2026-Jun-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2026.125798
PMID:41904912
|
研究论文 | 本研究提出了一种名为AFTB的新型深度学习架构，用于沿海无机氮浓度的多步预测，以应对数据缺失和浓度分布偏斜的挑战 | 提出了一种融合傅里叶增强Transformer与CNN-BiLSTM网络的新型深度学习架构（AFTB），通过专用注意力机制进行集成，并引入了对数变换、改进的损失函数和极值过采样策略以处理数据偏斜 | 研究主要基于中国广西的九个浮标站数据，其普适性有待在其他地理区域验证；虽然对训练数据不完整性展现了鲁棒性，但未讨论模型在长期预测或极端气候事件下的表现 | 开发一种鲁棒且准确的深度学习模型，用于预测沿海无机氮浓度，以帮助缓解有害藻华 | 沿海无机氮浓度时间序列数据 | 机器学习 | NA | 深度学习，时间序列预测 | Transformer, CNN, BiLSTM | 时间序列数据（水质监测数据） | 中国广西九个浮标站的数据（具体样本数量未在摘要中说明） | NA | AFTB（一种融合了傅里叶增强Transformer和CNN-BiLSTM的架构） | 准确性，平均性能方差，推理速度 | NA |
| 2860 | 2026-04-14 |
Super-Resolution enhanced deep learning for efficient and accurate urban flood simulation at the street scale
2026-Jun-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2026.125819
PMID:41930893
|
研究论文 | 本研究提出了一种基于深度学习的超分辨率增强模型（UFSR），用于高效且准确地进行城市街道尺度的洪水模拟 | 通过整合多源异构数据增强对城市微地形和排水结构的感知能力，引入注意力机制动态关注关键淹没区域，并设计了空间感知一致性损失函数以保持复杂地形下的重建一致性 | 未明确说明模型在极端降雨事件或未见过地形条件下的泛化能力 | 提高城市洪水模拟的效率和精度，以支持洪水风险管理和应急响应 | 城市街道尺度的洪水淹没深度 | 计算机视觉 | NA | 深度学习 | CNN | 图像数据 | 两个案例研究（Case 1和Case 2），其中Case 2涉及12个降雨情景 | NA | UFSR | 均方根误差 | NA |