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 7883 篇文献，本页显示第 3181 - 3200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3181 | 2026-04-11 |
Computational dual-loop frameworks bridging single-enzyme design and cascade tunnel network engineering for next-generation biosynthetic systems
2026 Jul-Aug, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2026.108850
PMID:41763370
|
综述 | 本文综述了计算酶工程的最新进展，重点介绍了结构预测、突变效应建模、多尺度分子模拟和多酶网络工程，并将其置于一个连接分子水平酶设计与途径水平整合的双循环DBTL框架中 | 与现有主要关注单一计算方法或单酶优化的综述不同，本文强调在统一的DBTL框架内，将机制性酶建模与多酶网络设计相结合，提供了一个连接单酶设计与级联隧道网络工程的双循环框架 | NA | 总结计算酶工程的最新进展，并为下一代生物合成系统提供一个连接分子设计与系统集成的结构化框架 | 酶（单酶及多酶系统） | 计算生物学 | NA | 结构预测、突变效应建模、分子动力学模拟、量子力学/分子力学分析 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 3182 | 2026-04-11 |
Evaluation of Image-Level Harmonization Methods for Multi-Center MR Neuroimaging
2026-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70221
PMID:41489091
|
研究论文 | 本研究评估了多中心MR神经影像数据中图像级标准化方法的性能，重点关注阿尔茨海默病神经影像倡议数据集中的T1w和T2-FLAIR图像 | 首次在ADNI数据集中系统比较了统计方法ComBat与深度学习方法HACA3在跨厂商MR图像标准化中的效果，并利用多指标评估了标准化后图像特征的一致性 | 当前多对比度MR标准化工具在T2-FLAIR图像标准化方面仍存在困难，且研究仅基于ADNI数据集，可能无法推广到其他疾病或影像协议 | 评估多中心MR神经影像研究中扫描仪相关差异，并比较公开可用的图像级标准化工具的性能 | 阿尔茨海默病神经影像倡议数据集中的T1w和T2-FLAIR MR图像，涉及GE、Philips和Siemens三种扫描仪厂商 | 数字病理学 | 阿尔茨海默病 | T1w和T2-FLAIR MRI序列 | 深度学习模型 | 图像 | 扫描仪组分析：1143名ADNI3受试者（233名GE，173名Philips，250名Siemens，其中487名Siemens受试者作为独立参考组）；受试者内比较：8名受试者的配对多厂商扫描会话 | NA | HACA3 | 灰质/白质对比度比，白质高信号体积，Fréchet Inception距离，学习感知图像块相似度 | NA |
| 3183 | 2026-03-01 |
Editorial for "Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation"
2026-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70283
PMID:41761402
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3184 | 2026-04-11 |
Determination of Modified Waldenström Staging in Legg-Calvé-Perthes Disease Using Deep Learning
2026-May, Journal of the Pediatric Orthopaedic Society of North America
DOI:10.1016/j.jposna.2026.100334
PMID:41890888
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期 | 首次利用深度学习自动化提取临床相关参数，构建分类管道以改进LCPD分期的客观性和一致性 | 早期阶段样本代表性不足，模型在完整分类中的准确性中等，需要更大规模多中心数据提升性能 | 开发深度学习模型以自动化和标准化Legg-Calvé-Perthes病的改良Waldenström分期 | Legg-Calvé-Perthes病患者的髋关节X光片（前后位和蛙式侧位） | 数字病理学 | Legg-Calvé-Perthes病 | X光成像 | 深度学习分类模型 | 图像 | 机构1包含2,164张图像，保留测试集229对X光片，外部验证集533对X光片 | NA | NA | Dice系数, AUROC | NA |
| 3185 | 2026-04-11 |
Identification of Hepatic Fibrosis and Steatosis via A Point-of-Care Transient Elastography System With Integrated AI
2026-May, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70634
PMID:41947638
|
研究论文 | 本研究开发了一种集成了人工智能的即时弹性成像系统，用于非侵入性评估肝纤维化和脂肪变性 | 结合实时B超图像引导和深度学习分析，提供便携式点对点弹性成像系统，并引入新的多域衰减参数用于脂肪定量 | 研究样本量相对有限，且主要针对慢性肝病患者，未广泛验证于其他肝病类型 | 评估AI-POC-TE系统在诊断肝纤维化和脂肪变性中的准确性，并与传统弹性成像技术进行比较 | 慢性肝病患者 | 数字病理学 | 肝病 | 瞬时弹性成像，B超图像引导，深度学习 | 深度学习模型 | 图像，弹性测量数据 | 138名患者进行肝活检和AI-POC-TE同步检查，1455名患者进行传统弹性成像对比 | 未明确指定 | 未明确指定 | AUROC, Youden's cut-offs, 相关系数 | 未明确指定 |
| 3186 | 2026-04-11 |
Unraveling Glycation-Induced Structure-Function Nexus in Food Proteins: From Analytical Innovations to AI-Assisted Design
2026-May, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70477
PMID:41957905
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3187 | 2026-04-11 |
Advanced deep learning framework for breast cancer detection using digital breast tomosynthesis images
2026-Apr-24, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2025-0011
PMID:41521204
|
研究论文 | 本研究提出了一种基于深度学习的鲁棒框架，用于利用数字乳腺断层合成图像进行乳腺癌检测 | 提出了一种结合单切片和多切片输入的混合深度学习模型，并应用了拉普拉斯金字塔增强、特征融合和穷举特征选择等先进方法以提升诊断性能 | 研究未使用多中心数据集进行验证，且尚未与临床决策支持系统集成 | 开发一种用于乳腺癌早期准确检测的深度学习框架 | 数字乳腺断层合成图像 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成成像 | CNN, 集成学习 | 图像 | 未明确说明 | TensorFlow, Keras, Scikit-learn, XGBoost | ResNet V2, MobileNet V3, Inception V3+ | 准确率, 灵敏度, 特异性, AUC | 未明确说明 |
| 3188 | 2026-04-11 |
Blood pressure estimation using single photoplethysmography signal based on ResNet-BiGRU
2026-Apr-24, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2025-0285
PMID:41715883
|
研究论文 | 本研究开发了一种基于ResNet-BiGRU混合深度神经网络的框架，利用单一光电容积脉搏波信号进行无袖带血压估计 | 提出了一种结合残差卷积块和双向门控循环单元的混合深度学习模型，以联合捕捉光电容积脉搏波信号的形态和时间特征，实现连续、无创的血压监测 | 模型在外部数据集（VitalDB）上的性能（尤其是收缩压误差）相比内部数据集有所下降，表明其在不同生理条件下的泛化能力仍需进一步验证 | 开发一个准确、鲁棒且可泛化的深度学习框架，用于基于单一光电容积脉搏波信号的无袖带血压估计 | 光电容积脉搏波信号和动脉血压信号 | 机器学习 | 心血管疾病 | 光电容积脉搏波 | CNN, BiGRU | 信号数据 | UCI数据集包含942名受试者的同步信号，VitalDB数据集包含手术患者的同步信号 | NA | ResNet, BiGRU | 平均绝对误差 | NA |
| 3189 | 2026-04-11 |
A simulation-based deep learning framework for spatially explicit malaria modeling of CRISPR suppression gene drive mosquitoes
2026-Apr-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115221
PMID:41890961
|
研究论文 | 本研究开发了一个基于模拟的深度学习框架，用于空间显式建模CRISPR抑制基因驱动蚊子对疟疾的影响 | 结合个体建模与深度学习，高效分析多参数对基因驱动效果的影响，揭示了不完美驱动仍可能消除疟疾的潜力 | 未明确说明模型在真实世界数据上的验证情况，且计算需求可能仍较高 | 预测CRISPR基因驱动释放对疟疾传播的影响，优化蚊虫抑制策略 | CRISPR基因驱动蚊子及其对疟疾传播的调控 | 机器学习 | 疟疾 | CRISPR基因驱动技术，个体建模 | 深度学习模型 | 模拟数据 | NA | NA | NA | NA | NA |
| 3190 | 2026-04-11 |
RaMoA: Raman Microspectroscopy and Deep Learning for the Classification of Antimicrobial Mechanism of Action
2026-Apr-10, ACS infectious diseases
IF:4.0Q1
DOI:10.1021/acsinfecdis.5c00917
PMID:41824399
|
研究论文 | 本文提出了一种结合拉曼显微光谱和深度学习的新技术，用于分类抗菌药物的作用机制并预测其新颖性 | 首次将拉曼显微光谱与深度学习结合，用于抗菌药物作用机制的分类和新颖性预测，实现了高精度分类和未知机制识别 | 研究仅基于大肠杆菌ATCC 25922野生型菌株，且处理时间固定为1小时，样本多样性和时间动态性有限 | 开发一种基于拉曼光谱和深度学习的技术，以快速分类抗菌药物的作用机制并评估其新颖性 | 大肠杆菌ATCC 25922野生型菌株，使用27种代表5类传统功能（细胞壁合成抑制剂、蛋白质合成抑制剂、DNA复制抑制剂、RNA合成抑制剂、细胞膜功能抑制剂）的抗生素处理 | 机器学习 | NA | 拉曼显微光谱 | CNN, 自编码器 | 拉曼光谱 | 27种抗生素处理的大肠杆菌样本，代表5类作用机制 | NA | 1D 卷积神经网络, 自编码器 | 准确率 | NA |
| 3191 | 2026-04-11 |
A diffusion-based framework for designing molecules in flexible protein pockets
2026-Apr-10, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aeb7045
PMID:41950314
|
研究论文 | 本文提出了一种基于扩散的框架YuelDesign，用于在柔性蛋白质口袋中设计分子，以解决结构基药物发现中的挑战 | YuelDesign首次联合建模蛋白质口袋结构和配体构象，通过双扩散过程迭代优化几何和化学特性，并利用E3former保持旋转和平移等变性 | NA | 开发一种能够处理蛋白质柔性口袋的分子设计框架，以改进药物发现过程 | 蛋白质-配体复合物，特别是具有柔性口袋的蛋白质 | 机器学习 | NA | 扩散模型 | 扩散模型 | 蛋白质口袋结构和配体构象数据 | NA | NA | E3former, 阐明扩散模型, 离散去噪扩散概率模型 | 药物相似性, 合成复杂性, 化学官能团多样性, 对接能量 | NA |
| 3192 | 2026-04-11 |
The impact of data consistency on deep learning models for nasopharyngeal cancer organ auto-segmentation
2026-Apr-10, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae596e
PMID:41916328
|
研究论文 | 本研究探讨了标注一致性对基于深度学习的鼻咽癌放疗中危及器官自动勾画性能的影响 | 揭示了标注一致性比数据集规模对自动勾画性能更具决定性影响，并展示了通过医师特定微调可弥补领域适应差距 | 研究仅基于CT扫描数据，未考虑其他影像模态；样本来源和标注医师的多样性可能有限 | 研究标注一致性如何影响深度学习模型在鼻咽癌放疗中危及器官自动勾画的性能 | 鼻咽癌患者的CT扫描图像及对应的危及器官勾画 | 数字病理 | 鼻咽癌 | CT扫描 | CNN | 图像 | 1,301例鼻咽癌患者CT扫描，其中65例由医师A勾画，76例由医师B勾画，1,160例由多医师团队勾画 | NA | U-Net | Dice相似系数 | NA |
| 3193 | 2026-04-11 |
Artificial intelligence augmented imaging of pancreatic fluid collections in acute pancreatitis
2026-Apr-10, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology
IF:2.0Q3
DOI:10.1007/s12664-026-01979-5
PMID:41957213
|
综述 | 本文综述了人工智能在增强急性胰腺炎中胰腺液体积聚成像方面的应用，包括分割、图像生成、预后预测和工作流优化 | 利用深度学习和放射组学技术，自动化分割胰腺及液体积聚，客观量化坏死碎片，并加速MRI采集时间，可能生成合成图像 | 临床整合面临挑战，如数据标准化、算法验证和实际工作流适应性问题 | 探讨人工智能如何改进胰腺液体积聚的成像诊断和管理，以克服传统成像方法的局限性 | 急性胰腺炎患者的胰腺液体积聚 | 数字病理学 | 胰腺炎 | 深度学习, 放射组学 | 深度学习模型 | 医学影像数据（如CT、MRI） | NA | NA | NA | NA | NA |
| 3194 | 2026-04-11 |
Deep learning-based pathomics signature predicts prognosis and treatment response in gastric cancer: a multicenter retrospective study
2026-Apr-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01381-6
PMID:41957258
|
研究论文 | 本研究开发了一种基于深度学习的病理组学特征（PS），用于预测胃癌患者的预后和治疗反应 | 提出了多尺度图神经网络与门控注意力机制的多实例学习模型（MS-GMIL），直接从H&E切片构建预后预测模型，并整合转录组数据解析病理生理机制 | 回顾性研究设计，需前瞻性验证；多中心数据可能存在异质性 | 建立能够预测胃癌预后和治疗反应的病理组学特征 | 胃癌患者的H&E病理切片和转录组数据 | 数字病理学 | 胃癌 | H&E染色病理切片分析，转录组测序 | 图神经网络，多实例学习 | 病理图像，转录组数据 | 多中心回顾性队列（具体数量未在摘要中说明） | NA | 多尺度图神经网络与门控注意力机制（MS-GMIL） | 预后预测准确性，治疗反应预测 | NA |
| 3195 | 2026-04-11 |
Hyperspectral imaging-driven detection of neutraliser adulteration in milk using spatial-spectral features
2026-Apr-09, Food additives & contaminants. Part A, Chemistry, analysis, control, exposure & risk assessment
DOI:10.1080/19440049.2026.2653543
PMID:41955473
|
研究论文 | 本研究提出了一种结合新型光谱指数和空间导数特征的混合方法，利用高光谱成像和机器学习来检测牛奶中的中和剂掺假 | 提出了一种结合新型光谱指数（基于纯中和剂在650-975 nm范围的反射率曲线开发）和二阶空间导数特征的混合方法，以增强检测精度 | NA | 检测和分类牛奶中的中和剂（如碳酸钠和碳酸氢钠），以确保牛奶质量和消费者安全 | 新鲜牛奶和掺有不同浓度中和剂（每100 ml牛奶添加0.025 g、0.05 g和0.075 g）的牛奶样本 | 机器视觉 | NA | 高光谱成像 | XGBoost, Random Forest | 高光谱图像 | NA | NA | NA | 准确率 | NA |
| 3196 | 2026-04-11 |
Improved tumor-only variant calling and mutation burden estimation with VarNet-T
2026-Apr-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71705-4
PMID:41957035
|
研究论文 | 本文介绍了一种名为VarNet-T的端到端弱监督深度学习框架，用于在没有匹配正常样本的情况下从肿瘤测序数据中准确识别体细胞变异 | 开发了首个无需匹配正常样本的端到端弱监督深度学习框架，用于体细胞变异检测，相比现有方法性能提升20-33% | 未明确提及具体局限性，但可能依赖于训练数据质量和覆盖范围 | 提高无匹配正常样本情况下肿瘤体细胞变异检测和肿瘤突变负荷估计的准确性 | 肿瘤测序数据中的体细胞变异 | 机器学习 | 多种实体癌 | 全基因组测序 | 深度学习 | 测序数据 | 1000个肿瘤样本，涵盖10种实体癌类型 | NA | VarNet-T | 准确性，肿瘤突变负荷高状态分类准确性 | NA |
| 3197 | 2026-04-11 |
Enabling ankle-brachial index prediction from doppler sounds using deep learning
2026-Apr-09, NPJ cardiovascular health
DOI:10.1038/s44325-026-00116-7
PMID:41957436
|
研究论文 | 本研究介绍了一种名为AutoABI的深度学习算法，能够直接从循环多普勒声音中分类踝臂指数（ABI）类别，以提升床旁ABI评估的可及性 | 首次提出利用深度学习直接从多普勒声音预测ABI类别，为无法进行传统ABI测量的患者（如血管钙化患者）提供了新的评估方案 | 研究基于有限规模的数据集（198名患者的791条录音），样本量较小，可能影响模型的泛化能力 | 开发一种基于深度学习的算法，以改善外周动脉疾病（PAD）患者踝臂指数（ABI）评估的可及性和可靠性 | 外周动脉疾病（PAD）患者，特别是那些因血管钙化而无法进行传统ABI测量的患者 | 机器学习 | 外周动脉疾病 | 多普勒声音分析 | 深度学习算法 | 音频（多普勒声音录音） | 198名患者的791条录音 | NA | NA | AUC（受试者工作特征曲线下面积） | NA |
| 3198 | 2026-04-11 |
Predicting Osteoporosis Risk from Knee Radiographs and Clinical Features through Deep Learning: A Multimodal Approach
2026-Apr-09, Annals of African medicine
IF:0.6Q3
DOI:10.4103/aam.aam_857_25
PMID:41957558
|
研究论文 | 本研究开发了一种结合膝关节X光片和临床特征的多模态深度学习方法，用于预测骨质疏松风险 | 提出了一种双流方法，将CNN从X光片中提取的特征与临床参数结合，用于骨质疏松筛查，为资源有限地区提供了一种成本效益高的替代方案 | 样本量较小（仅239张图像），且仅使用了单一公共数据集，可能影响模型的泛化能力 | 探索利用深度学习和临床数据预测骨质疏松风险，以替代昂贵的DEXA扫描 | 膝关节X光图像及对应的临床数据 | 计算机视觉 | 骨质疏松症 | X射线成像，骨矿物质密度评估 | CNN | 图像，临床数据 | 239张膝关节X光图像及对应临床数据 | NA | AlexNet, Inception V3 | 召回率，准确率，AUC，灵敏度 | NA |
| 3199 | 2026-04-11 |
Deep learning-based detection of the second mesiobuccal canal in maxillary first molars using cone-beam computed tomography
2026-Apr-09, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08207-8
PMID:41957600
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3200 | 2026-04-11 |
Identification of Aspergillus at section and species levels by artificial intelligence-based microscopic morphology image recognition
2026-Apr-08, Journal of clinical microbiology
IF:6.1Q1
DOI:10.1128/jcm.00012-26
PMID:41757926
|
研究论文 | 本研究开发了一种名为FungalNet的深度学习模型，用于基于显微形态图像快速准确识别曲霉菌的节和种水平 | 提出了FungalNet模型，该模型整合了ResNet-50架构与Focal Loss算法，并采用了一种结合五折交叉验证和专家人工审查的新型质量控制方法 | 需要进一步优化和多中心验证才能集成到常规诊断流程中 | 通过人工智能显微形态图像识别，快速准确识别曲霉菌的节和种水平，以支持曲霉病的诊断和抗真菌治疗 | 临床分离的曲霉菌种，属于八个不同的节 | 计算机视觉 | 曲霉病 | 显微形态图像分析，乳酚棉蓝染色 | 深度学习，CNN | 图像 | 11,689张合格的高分辨率图像，来源于12,000张初始图像 | PyTorch, TensorFlow | ResNet-50, GoogLeNet, Xception | 准确率 | NA |