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 6026 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2026-04-12 |
Non-invasive hemoglobin estimation with outcome prediction via deep learning analysis of ECG-derived cardiac micro-dynamics
2026-Mar, Internal and emergency medicine
IF:3.2Q1
DOI:10.1007/s11739-025-04209-6
PMID:41329232
|
研究论文 | 本研究开发了一种基于心电图（ECG）和深度学习的非侵入性血红蛋白（Hb）估计模型，用于检测贫血并预测全因死亡率和新发心力衰竭风险 | 首次利用深度学习分析心电图衍生的心脏微动力学特征来非侵入性估计血红蛋白水平，并评估其对心血管风险的预测能力 | 研究为回顾性设计，可能存在选择偏倚；模型性能在轻度贫血检测中较低；外部验证集性能略有下降 | 开发一种非侵入性、低成本的贫血筛查工具，并评估其诊断和预后价值 | 心电图信号和对应的血红蛋白水平数据 | 机器学习 | 贫血,心血管疾病 | 心电图（ECG）分析 | 深度学习模型（DLM） | 心电图信号 | 训练集：187,202名患者的388,166份心电图；内部测试集：24,279名患者；外部测试集：29,247名患者 | NA | NA | 受试者工作特征曲线下面积（AUC）, 灵敏度, 特异性, Pearson相关系数, 风险比（HR） | NA |
| 342 | 2026-04-12 |
Unraveling sperm kinematic heterogeneity with machine learning
2026-Mar-01, Asian journal of andrology
IF:3.0Q1
DOI:10.4103/aja202544
PMID:40791002
|
综述 | 本文综述了计算机辅助精子分析（CASA）数据在精子运动性分析中的传统应用、分析限制以及机器学习在揭示精子运动学异质性方面的潜力 | 探讨了机器学习如何利用CASA数据（包括运动参数和轨迹表示）进行自动分类和聚类，以识别精子样本中的运动学子群，从而深化对精子动力学的理解 | 机器学习在该领域的应用仍有限，且CASA数据的类型和格式（原始或浓缩）对传统统计方法构成挑战 | 通过整合CASA数据和人工智能技术，自动化精子分类和识别运动模式，以推进生殖生物学和生育评估 | 精子运动性数据，特别是来自CASA系统的运动参数和轨迹 | 机器学习 | NA | 计算机辅助精子分析（CASA） | 监督学习, 无监督学习 | 坐标数据, 轨迹数据 | NA | NA | NA | NA | NA |
| 343 | 2026-04-12 |
A universal framework for IMRT dose prediction
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70384
PMID:41833521
|
研究论文 | 本文提出了一种名为UniDose的深度学习通用剂量预测模型，旨在适应多种疾病部位和临床场景，特别是针对任意射束配置的IMRT治疗计划 | UniDose模型通过广义输入通道设计（包括归一化处方剂量图、加权避让掩码和射束追踪图像）以及基于nnU-Net的定制化网络架构，实现了跨疾病部位和射束配置的通用剂量预测，并结合了参考引导的优化引擎以确保预测剂量的物理可实现性 | 模型在训练和测试中使用了871名患者的数据，尽管覆盖了25种疾病部位，但可能仍需更大规模、更多样化的数据集以进一步提升泛化能力；此外，模型依赖于特定的射束追踪算法和优化引擎，可能限制了其在其他技术平台上的直接应用 | 开发一个通用的深度学习剂量预测框架，以提升IMRT治疗计划的质量和效率，并增强模型在真实世界多样化临床场景中的适用性 | IMRT治疗计划中的剂量分布预测，重点关注多种疾病部位（如前列腺、肝脏、脑部等）和任意射束配置 | 医学影像分析 | 多种癌症（包括前列腺癌、肝癌、脑瘤等） | 深度学习，射线追踪算法，剂量优化 | CNN | 3D医学影像数据，剂量分布图 | 871名患者，涵盖25种疾病部位 | PyTorch（基于nnU-Net框架） | nnU-Net | Gamma通过率（GPR），剂量体积直方图（DVH）指标 | NA |
| 344 | 2026-04-12 |
A device-invariant multi-modal learning framework for respiratory disease classification
2026-Feb-26, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02445-4
PMID:41748911
|
研究论文 | 本文提出了一种设备无关的多模态深度学习框架，用于联合分析咳嗽声学、人口统计学数据和症状描述，以实现成人呼吸系统疾病的多标签分类 | 提出了一种嵌入对抗分支的音频编码器以实现设备无关的特征学习，并结合不变风险最小化增强损失以提高对非结构性偏移的鲁棒性 | NA | 开发一种可扩展且可转移的基于AI的咳嗽驱动呼吸系统筛查方法，以推进临床适用性 | 成人呼吸系统疾病 | 机器学习 | 呼吸系统疾病 | 咳嗽声分析 | 深度学习 | 音频, 人口统计学数据, 文本 | 超过10,000个病例，涵盖七种主要呼吸系统疾病 | NA | NA | AUROC | NA |
| 345 | 2026-04-12 |
Explainable deep learning framework incorporating medical knowledge for insulin titration in diabetes
2026-Feb-26, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01449-1
PMID:41748914
|
研究论文 | 本文提出了一种结合医学知识的可解释深度学习框架，用于糖尿病胰岛素剂量调整 | 引入专家引导的可解释人工智能框架，结合Shapley Taylor交互指数捕获特征交互影响，并通过医生在环过程编码临床约束以对齐医学专业知识 | 研究主要基于两个电子健康记录队列，样本量相对有限，且外部验证数据集规模较小 | 提高深度学习模型在糖尿病胰岛素剂量调整中的透明度和可信度 | 2型糖尿病住院患者 | 机器学习 | 糖尿病 | 电子健康记录分析 | 深度学习模型 | 电子健康记录 | 内部数据集1,275名住院患者，外部数据集292名患者 | NA | NA | 胰岛素剂量调整准确性 | NA |
| 346 | 2026-02-26 |
Performance comparison and future perspectives of deep learning and classical machine learning in bone tumor applications: a systematic review (2019-2025)
2026-Feb-24, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03401-8
PMID:41735994
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 347 | 2026-04-12 |
DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics
2026-Feb-10, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.08.704355
PMID:41727081
|
研究论文 | 提出了一种名为DynMoCo的新型深度学习框架，用于从分子动力学模拟数据中识别蛋白质的动态模块化亚结构 | 将社交网络科学中的动态社区检测方法引入分子动力学分析，首次结合图卷积网络与循环模型进行端到端的动态社区检测 | 方法目前仅在整合素系统上进行了验证，需要进一步扩展到更多蛋白质体系 | 开发能够揭示蛋白质动态模块化亚结构的AI分析框架 | 蛋白质分子动力学模拟数据 | 机器学习 | NA | 分子动力学模拟 | 图卷积网络, 循环模型 | 分子图数据 | 三个整合素系统的力拉伸和力钳制引导分子动力学模拟 | NA | DynMoCo | NA | NA |
| 348 | 2026-04-12 |
Development of deep learning model to screen for primary open-angle glaucoma in African ancestry individuals
2026-Feb-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02318-2
PMID:41652030
|
研究论文 | 本研究开发了一种深度学习模型，用于筛查非洲裔人群中的原发性开角型青光眼（POAG） | 针对非洲裔人群开发了首个基于深度学习的POAG筛查模型，并成功在亚洲裔数据集上进行跨种族验证 | 模型在非洲裔人群中的训练数据可能仍存在代表性不足的问题，且跨种族验证仅在一个外部数据集上进行 | 开发一种人工智能模型，用于在非洲裔人群中筛查原发性开角型青光眼 | 非洲裔人群中的POAG患者和健康对照者 | 计算机视觉 | 青光眼 | 眼底摄影 | 深度学习 | 图像 | 64,129张图像（来自1,782例病例和682例对照） | NA | Vision-Transformer | AUC | NA |
| 349 | 2026-04-12 |
Deep Learning for analyzing chaotic dynamics in biological time series: Insights from frog heart signals
2026-Jan-07, Neurocomputing
IF:5.5Q1
DOI:10.1016/j.neucom.2025.131820
PMID:41958751
|
研究论文 | 本研究提出了一种结合深度学习和基于数学模型的选择策略的自动算法，用于分析生物时间序列中的混沌动力学，特别是在短而嘈杂的青蛙心脏信号中检测混沌行为 | 提出了一种针对短而嘈杂实验时间序列的自动算法，结合深度学习和基于数学模型的选择策略，克服了传统混沌检测技术和深度学习在小数据集上的限制 | 算法主要基于青蛙心脏实验数据验证，可能在其他生物系统或更复杂场景中的泛化能力未充分测试 | 分析生物时间序列中的混沌动力学，特别是与病理心律失常相关的混沌行为检测 | 青蛙心脏实验获得的生物时间序列信号 | 机器学习 | 心血管疾病 | NA | 深度学习 | 时间序列数据 | NA | NA | NA | 高准确度结果 | NA |
| 350 | 2026-04-12 |
MVGFormer: Multi-view perspective with graph-guided transformer for cryo-ET segmentation
2026-Jan-03, Knowledge-based systems
IF:7.2Q1
DOI:10.1016/j.knosys.2025.114810
PMID:41959693
|
研究论文 | 本文提出了一种名为MVGFormer的新型基于Transformer的框架，用于冷冻电子断层扫描（cryo-ET）分割任务 | 首次将基于Transformer的模型应用于cryo-ET分割，并引入了多视角融合Transformer编码器、并行上下文编码器、两种互补的3D解码器以及视图掩码自监督学习策略 | 未在摘要中明确说明 | 改进冷冻电子断层扫描（cryo-ET）的分割性能，以更好地支持粒子对齐、分类等后续任务 | 冷冻电子断层扫描（cryo-ET）数据中的生物大分子结构 | 计算机视觉 | NA | 冷冻电子断层扫描（cryo-ET） | Transformer | 3D图像 | 六个cryo-ET数据集 | NA | MVGFormer（包含多视角融合Transformer编码器、并行上下文编码器、多级特征融合解码器、并行空洞卷积解码器） | NA | NA |
| 351 | 2026-04-12 |
In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System
2026-Jan, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3584076
PMID:40577292
|
研究论文 | 本文开发了一种基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端 | 首次提出基于深度学习的声光视觉伺服系统，结合点源定位和混合位置-力控制实现实时三维跟踪 | 推理时间较长（实例分割方法≥516.3毫秒），可能影响实时性能；仅在小规模试验中验证（9次视觉伺服试验） | 开发实时三维跟踪导管尖端的声光视觉伺服系统 | 心脏导管尖端 | 计算机视觉 | 心血管疾病 | 声光成像 | 深度学习 | 图像 | 9次视觉伺服试验（包括体模和活体猪实验） | NA | NA | 检测率, 跟踪误差, 推理时间, 接触保持率 | NA |
| 352 | 2026-04-12 |
Deep learning for adaptive chemotherapy: A DDPG-based approach to optimizing tumor-immune dynamics
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345877
PMID:41950297
|
研究论文 | 本文提出了一种基于深度强化学习的化疗调控框架，用于实现个性化、动态优化的癌症治疗 | 采用深度确定性策略梯度算法在连续动作空间中学习最优给药策略，并引入高斯噪声模拟治疗反应中的生理振荡和不确定性，提高了策略的稳定性和适应性 | 模型基于简化的非线性动态系统，可能未完全涵盖肿瘤微环境的复杂性；实验为模拟研究，需进一步临床验证 | 实现个性化、低毒性的自适应化疗优化 | 肿瘤微环境动态演化模型（包括肿瘤细胞、正常细胞和免疫细胞相互作用） | 机器学习 | 癌症 | 深度强化学习 | DDPG | 模拟数据 | 多种初始场景的模拟实验 | NA | 深度确定性策略梯度网络 | 肿瘤生长控制效果、药物浓度累积、灵活性与安全性评估 | NA |
| 353 | 2026-04-12 |
Development and evaluation of a multimodal feature-based predictive model for radiotherapy-induced oral mucositis in nasopharyngeal carcinoma
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346251
PMID:41955202
|
研究论文 | 本研究开发并评估了一种基于多模态特征的预测模型，用于预测鼻咽癌患者放疗诱导的口腔黏膜炎 | 在有限样本量的小队列设置下，系统比较了传统机器学习算法与深度学习架构的多分类预测性能，并提出了结合特征降维与轻量级网络（1D-CNN）的优越策略 | 研究样本量较小（108例患者），且高维多模态3D-CNN模型在有限数据下出现了严重的过拟合和模式崩溃现象 | 准确预测头颈癌放疗诱导的口腔黏膜炎，以实现个性化治疗 | 鼻咽癌患者 | 机器学习 | 鼻咽癌 | CT成像、剂量分布分析 | 传统机器学习算法, 深度学习模型（1D-CNN, 3D-CNN） | 多模态数据（CT影像、剂量分布、临床特征） | 108例患者 | NA | 1D-CNN, 3D-CNN | AUC, 准确率, Matthews相关系数 | NA |
| 354 | 2026-04-12 |
ATEdrug: A reliable human-in-the-loop annotation scheme for aspect term extraction and polarity detection in drug reviews
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344296
PMID:41955228
|
研究论文 | 本文提出了一种名为ATEDrug的人机协同标注方案，用于从药物评论中提取方面术语并检测情感极性，以支持药物警戒研究 | 提出了一种结合专家驱动规则与最小人工干预的自动化标注方案，并构建了针对抑郁症、关节炎和避孕三种医疗状况的公开标注数据集 | 标注方案主要依赖规则方法，可能无法覆盖所有语言表达变体；研究仅针对三种特定医疗状况 | 开发可靠的自动化标注方案以支持药物评论中的方面术语提取和情感极性检测，促进药物安全监测 | 药物评论文本数据 | 自然语言处理 | 抑郁症,关节炎,避孕 | 方面术语提取,情感极性检测 | BERT,BioBERT,ClinicalBERT,Transformer | 文本 | NA | NA | BERT,BioBERT,ClinicalBERT,Transformer | 标注者一致性 | NA |
| 355 | 2026-04-12 |
Voxel-wise deep learning segmentation of hydroxyapatite and iodine in spectral photon-counting CT: A quantitative phantom study
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346825
PMID:41955258
|
研究论文 | 本研究开发了一种名为SPFF-UNet的深度学习模型，用于在光谱光子计数CT中直接对羟基磷灰石和碘进行体素级分割，无需材料分解预处理 | 首次提出了一种光谱保持的3D分割模型，集成了光谱挤压激励、EnergyFiLM和FourierGate模块，以直接利用多能量信息进行体素级材料分类，避免了传统材料分解步骤 | 研究基于体模实验，尚未进行体内验证，且样本类型和数量有限 | 开发一种直接从光谱光子计数CT数据中准确分割羟基磷灰石和碘浓度的深度学习方法，以改善钙化性肌肉骨骼疾病和血管钙化的诊断 | 包含羟基磷灰石、碘、软组织等效物和水的圆柱体模 | 计算机视觉 | 钙化性肌肉骨骼疾病 | 光谱光子计数CT | 深度学习 | 图像 | 一个包含12种材料的体模扫描，包括5种羟基磷灰石浓度、3种碘浓度、3种软组织等效物和水 | NA | SPFF-UNet, ResUNet++ | Dice系数, IoU, 灵敏度, 精确度 | NA |
| 356 | 2026-04-12 |
An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346896
PMID:41955272
|
研究论文 | 本研究提出了一种结合可解释性特征重要性测试的深度神经网络框架，用于预测ICU患者术后感染风险 | 将排列特征重要性测试（PermFIT）与深度神经网络结合，在保持高预测性能的同时提供特征层面的可解释性 | 研究基于单一数据库（MIMIC-III），未在外部数据集验证模型泛化能力 | 开发可解释的深度学习模型以预测ICU患者术后感染风险并识别关键影响因素 | 重症监护室（ICU）接受手术的患者 | 机器学习 | 术后感染 | 电子健康记录分析 | 深度神经网络（DNN） | 电子健康记录（EHR） | MIMIC-III大型ICU EHR数据库中的患者记录 | NA | 深度神经网络 | 预测准确性 | NA |
| 357 | 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 |
| 358 | 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 |
| 359 | 2026-04-11 |
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.70237
PMID:41607039
|
研究论文 | 本研究利用主动学习nnU-Net对自由呼吸四维动态MRI进行自动上气道分割，并量化不同口腔位置下的动态形态变化 | 首次将主动学习nnU-Net应用于自由呼吸四维动态MRI的上气道自动分割，在减少人工标注的同时保持高精度，并系统量化了口腔位置、性别和症状对上气道动态形态的影响 | 样本量相对有限（84名成人，内部测试集18人），且研究对象均为无阻塞性睡眠呼吸暂停的成年人，结果可能无法推广到其他人群 | 开发自动上气道分割方法并量化呼吸过程中上气道的动态形态变化 | 无阻塞性睡眠呼吸暂停的成年人（包括有睡眠相关呼吸症状者） | 数字病理学 | 睡眠呼吸障碍 | 四维动态MRI，自由呼吸时间分辨成像与交错随机轨迹序列 | nnU-Net | 四维动态MRI图像 | 84名成年人（28男/56女，年龄18-80岁，其中33人有睡眠相关呼吸症状），内部测试集18人 | nnU-Net | nnU-Net | Dice系数 | NA |
| 360 | 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 |