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 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2026-04-11 |
Street-view-measured greenspace components and childhood myopia: A population-based cross-sectional and prospective cohort study
2026-Apr-04, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110230
PMID:41955945
|
研究论文 | 本研究通过街景图像测量绿地组分，探讨其与儿童近视的关联 | 首次利用深度学习分割街景图像量化特定绿地组分（树木、草地、植物、田野），并构建时间加权“家-校”暴露指标，揭示了不同绿地组分与儿童近视的差异关联 | 研究为观察性设计，无法确定因果关系；绿地暴露测量基于静态街景图像，可能未完全捕捉动态变化；样本局限于香港地区，可能影响结果普适性 | 探究街景测量的绿地组分与儿童近视之间的关联 | 香港6至8岁儿童 | 计算机视觉 | 近视 | 深度学习分割 | 深度学习模型 | 街景图像 | 20,422名儿童（横断面研究），2,667名儿童（前瞻性队列研究） | NA | NA | 比值比（OR），风险比（HR），95%置信区间（CI） | NA |
| 402 | 2026-04-11 |
Imaging-derived biological age across multiple organs links to mortality and aging-related health outcomes
2026-Apr-03, npj aging
IF:4.1Q2
DOI:10.1038/s41514-026-00377-7
PMID:41932933
|
研究论文 | 本文提出了一种基于深度学习的成像驱动框架，用于估计多个器官系统的生物年龄，并探讨其与死亡率和健康结局的关联 | 引入了一种纯粹基于成像的深度学习框架，用于跨七个器官系统估计器官特异性生物年龄，无需手动特征选择，并利用不确定性感知的ResNet模型自主学习衰老相关特征 | 研究主要基于UK Biobank数据，可能受限于特定人群和成像技术，且未明确讨论模型在其他数据集或临床环境中的泛化能力 | 开发一种成像驱动的生物年龄估计方法，以更全面地评估个体衰老轨迹，并预测死亡率和健康结局 | 70,000名UK Biobank参与者的成像数据，涵盖七个器官系统 | 计算机视觉 | 老年疾病 | 成像数据（如MRI、CT等） | CNN | 图像 | 70,000名参与者 | NA | ResNet | NA | NA |
| 403 | 2026-04-11 |
A deep learning approach to assess transendothelial cell trafficking performance
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46045-4
PMID:41933074
|
研究论文 | 本研究开发了一种结合流式粘附实验与基于深度学习的AI分析方法，用于评估跨内皮细胞迁移性能 | 首次将流式粘附实验与基于Keras/TensorFlow的深度学习模型结合，实现细胞迁移阶段的高精度自动分类，准确率达91.6%，超越现有标准 | 未明确提及模型在更广泛疾病模型或细胞类型中的泛化能力验证 | 开发标准化、可扩展的AI工具以增强跨内皮迁移实验在疾病模型中的应用 | 健康供体和胰腺癌患者来源的T细胞 | 数字病理学 | 胰腺癌 | 活细胞成像技术 | 深度学习模型 | 图像 | 涉及健康供体和胰腺癌患者的T细胞样本，具体数量未明确 | Keras, TensorFlow | 未明确指定具体架构 | 准确率 | 未明确指定 |
| 404 | 2026-04-11 |
Integration of deep learning and radiomic features from multiplex immunohistochemistry images for reproducible Multi-Outcome prediction in a Multi-Center study of colorectal cancer
2026-Apr-03, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2026.106436
PMID:41955913
|
研究论文 | 本研究开发并验证了一个整合多路免疫组化图像中放射组学和深度学习特征的多模态机器学习框架，用于结直肠癌的多种预后预测 | 首次在多中心研究中结合放射组学特征和Vision Transformer提取的深度特征，通过特征融合和稳健性量化，实现了对结直肠癌多种临床结局的准确、可解释且可泛化的预测 | 研究为回顾性设计，可能受到选择偏倚的影响；仅使用了六种免疫标记物，可能未涵盖所有相关生物标志物 | 开发一个稳健的多模态机器学习框架，用于结直肠癌的全面预后预测 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 多路免疫组化 | Vision Transformer, TabTransformer, XGBoost, TabNet, DeepSurv, CoxPH, RSF | 图像 | 2,117名结直肠癌患者（来自七个中心，1,548例用于训练和内部测试，569例用于外部验证） | HistomicsTK, TensorFlow, PyTorch, Scikit-learn | ViT-B/16, TabTransformer, XGBoost, TabNet, DeepSurv | AUC, 宏AUC, C-index, 时间依赖性AUC | NA |
| 405 | 2026-04-11 |
Learning with less supervision: A survey of label-efficient learning for medical image analysis
2026-Apr-02, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104062
PMID:41955904
|
综述 | 本文系统综述了医学图像分析中标签高效学习方法的最新进展，并提出了一个全面的分类体系 | 首次系统地将医学图像分析中的标签高效学习方法归纳为四种标签范式（无标签、标签不足、标签不精确、标签精炼），并强调了健康基础模型对该领域的根本性变革 | 作为综述文章，主要局限在于未提出新的算法或模型，且对具体技术细节的深入分析有限 | 旨在为医学图像分析领域提供标签高效学习方法的统一视角，指导稳健、标签高效解决方案的开发和临床转化 | 医学图像分析中标签高效学习的相关研究，包括同行评审文献和有影响力的预印本 | 医学图像分析 | NA | 深度学习 | NA | 医学图像 | NA | NA | 健康基础模型 | NA | NA |
| 406 | 2026-04-11 |
Beyond the human eye: Artificial intelligence revolutionizing plasma quality control
2026-Apr, Vox sanguinis
IF:1.8Q3
DOI:10.1111/vox.70122
PMID:41022431
|
研究论文 | 本文开发了一种基于深度学习的自动化系统，用于标准化检测血浆颜色和浊度异常，以替代输血医学中主观的视觉检查 | 首次将深度学习模型与分拣机集成，实现血浆质量控制的自动化，减少人为误差和浪费 | 研究样本仅来自单一输血中心，可能限制结果的普适性 | 评估自动化系统在输血环境中检测血浆颜色和浊度异常的准确性和可靠性 | 血浆袋 | 计算机视觉 | NA | 图像采集 | 深度学习模型 | 图像 | 训练集789袋血浆（467正常，322异常），测试集第一阶段184袋（145正常，39异常），第二阶段486袋（287正常，199异常） | NA | NA | 准确率, 灵敏度, 特异性, 精确度 | NA |
| 407 | 2026-04-11 |
Bi-directional YOLOv10 with average convolution for brain tumor detection in MRI
2026-Apr, Brain research bulletin
IF:3.5Q2
|
研究论文 | 本研究通过集成平均卷积模块和双向路径模块，增强了YOLOv10模型，用于MRI图像中的脑肿瘤检测 | 提出了AvConv模块和双向路径模块，以提升检测精度，相比基线YOLOv10在mAP50和mAP50-95指标上分别实现了相对0.3%/3.1%和2.1%/8.9%的改进 | 研究仅使用了两个Kaggle数据集（总计1269张图像），样本量相对有限，可能影响模型的泛化能力 | 提高MRI图像中脑肿瘤的自动检测精度，支持可靠的自动化诊断 | MRI图像中的脑肿瘤 | 计算机视觉 | 脑肿瘤 | MRI | YOLO | 图像 | 1269张MRI图像（来自两个Kaggle数据集：数据集1含1116张图像，数据集2含153张图像） | NA | YOLOv10, 双向YOLOv10 | mAP50, mAP50-95 | NA |
| 408 | 2026-04-11 |
A systematic evaluation of grayscale conversion methods for mitigating color variation in deep learning-based histopathological image analysis
2026-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2026.100647
PMID:41889534
|
研究论文 | 本研究系统评估了六种灰度转换算法及一种新型注意力机制方法（ACSRM）在减轻组织病理学图像颜色变异对深度学习模型性能影响方面的效果 | 提出并验证了基于Transformer注意力机制的新型灰度转换方法（ACSRM），通过长程像素依赖关系保留关键颜色信息，在跨中心/跨扫描仪场景中显著提升模型泛化能力 | 研究主要针对H&E染色切片，未涵盖其他染色类型；评估场景虽包含多中心数据，但可能未覆盖所有临床实践中出现的颜色变异模式 | 评估灰度转换方法作为标准化输入策略，以缓解组织病理学图像分析中因染色和扫描差异导致的深度学习模型性能下降问题 | 组织病理学图像（H&E染色切片） | 数字病理学 | NA | 组织切片染色与数字化扫描 | 深度学习模型 | 图像 | 涉及多中心数据集（具体数量未在摘要中说明） | PyTorch（基于Transformer架构推断） | Swin-Transformer-base (Swin-B) | F1分数, 交并比 (IoU), McNemar检验, Wilcoxon符号秩检验 | NA |
| 409 | 2026-04-11 |
STARD3-like protein from golden noble scallop is a carotenoid transfer protein capable of binding various xanthophylls
2026-Apr-01, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.151788
PMID:41932487
|
研究论文 | 本文研究了金贵扇贝中的STARD3样蛋白作为类胡萝卜素转运蛋白的功能，能够结合多种叶黄素并展示选择性配体偏好 | 首次发现STARD3样蛋白具有水溶性类胡萝卜素结合域，能选择性结合稀有氧化产物，并使用深度学习算法进行结构建模以解释其选择性 | 未明确提及 | 探索海洋无脊椎动物中类胡萝卜素结合与转运的分子机制 | 金贵扇贝Mimachlamys nobilis中的STARD3样蛋白（MnSTARD3L） | 生物信息学 | NA | 体外重构、在大肠杆菌中表达、结构建模 | 深度学习算法 | 蛋白质序列与结构数据 | NA | NA | NA | NA | NA |
| 410 | 2026-04-11 |
Mass spectrometry-based de novo sequencing reveals non-canonical neoantigens with antitumor efficacy in hepatocellular carcinoma
2026-Apr, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2026.101775
PMID:41861674
|
研究论文 | 本研究利用基于质谱的从头测序结合深度学习预测，在肝细胞癌小鼠模型中鉴定并验证了具有抗肿瘤活性的非经典新抗原，并评估了多肽疫苗的疗效 | 首次将基于质谱的从头测序与深度学习预测相结合，系统性地鉴定并实验验证了肝细胞癌中非经典翻译来源的新抗原的免疫原性和体内抗肿瘤功效 | 研究基于小鼠模型，其HLA呈递和肿瘤微环境可能与人类存在差异，临床转化需在人体中进一步验证 | 鉴定肝细胞癌中具有免疫原性和抗肿瘤功效的非经典新抗原，并开发有效的多肽疫苗策略 | 肝细胞癌（HCC）小鼠模型（C57BL/6皮下和原位模型） | 计算免疫学 | 肝细胞癌 | 质谱（MS）从头测序、MHC-I免疫沉淀、ELISpot体外检测、平行反应监测（PRM）靶向定量 | 深度学习模型 | 质谱数据、免疫肽序列数据 | 未明确说明具体样本数量，但涉及小鼠模型和5,576个免疫肽的鉴定 | NA | NA | p值（统计显著性） | NA |
| 411 | 2026-04-11 |
Segment anything small for ultrasound: Enhancing segmentation with non-generative augmentation
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001309
PMID:41950249
|
研究论文 | 本文提出了一种名为SAS的尺度与纹理感知数据增强技术，旨在提升深度学习模型在超声图像中对小解剖结构的分割性能 | 提出了一种简单有效的双变换数据增强策略，通过模拟不同器官尺度和组织纹理来生成真实且多样化的训练数据，无需引入幻觉或伪影 | 未明确说明该方法在极端噪声或病理变异情况下的性能极限 | 提升超声图像中（特别是小）解剖结构分割的准确性和鲁棒性 | 超声图像中的解剖结构（特别是小结构） | 数字病理 | NA | 深度学习，数据增强 | 可提示的基础模型 | 图像 | 一个内部数据集和五个外部数据集 | NA | NA | Dice系数 | NA |
| 412 | 2026-04-11 |
Machine learning-enhanced digital microscopy for personalized assessment of red blood cell storage lesions
2026-Apr, Vox sanguinis
IF:1.8Q3
DOI:10.1111/vox.70103
PMID:40887105
|
研究论文 | 本研究开发了一种结合机器学习和显微镜图像的创新平台，用于个性化评估红细胞储存损伤 | 首次提出利用机器学习和全玻片扫描技术对红细胞储存损伤进行个性化评估，填补了临床实践中缺乏个体化评估方法的空白 | 研究未明确说明模型在更广泛人群或不同存储条件下的泛化能力，且外部验证集可能仍存在样本偏差 | 开发一种快速、准确且稳定的个性化评估方法，用于监测红细胞储存损伤以改善输血效果 | 储存的供体红细胞，通过血液涂片和细胞离心制备的样本 | 数字病理学 | 血液疾病 | 全玻片扫描，流式细胞术 | 经典机器学习，深度学习，集成学习 | 图像 | 训练集包含550,870张图像，内部测试集包含192,562张图像，外部测试集包含350,793张图像 | NA | k-近邻，支持向量机，极端随机树，DenseNet-121，InceptionV3，ResNet101 | 准确率 | NA |
| 413 | 2026-04-11 |
Robustness of a convolutional neural network trained on dermoscopic images and challenged with close-up images
2026-Apr, Journal der Deutschen Dermatologischen Gesellschaft = Journal of the German Society of Dermatology : JDDG
DOI:10.1111/ddg.15900
PMID:41074636
|
研究论文 | 本研究评估了在皮肤镜图像上训练的深度学习卷积神经网络在面对临床特写图像时的诊断鲁棒性 | 首次系统评估了基于皮肤镜图像训练的深度学习模型在临床特写图像上的跨域性能表现 | 研究样本量相对有限（350个皮损），且主要依赖单一模型进行评估 | 评估深度学习模型在不同成像模式（皮肤镜 vs 临床特写）下的诊断性能差异 | 皮肤病变图像（包括皮肤镜图像和临床特写图像） | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | 350个皮肤病变（每个病变同时有皮肤镜和临床特写图像），训练集包含129,487张皮肤镜图像 | NA | Moleanalyzer pro | 灵敏度, 特异性, ROC-AUC | NA |
| 414 | 2026-04-11 |
Deep learning for early detection of mild cognitive impairment using smart home ambient sensor data
2026-Apr, The Clinical neuropsychologist
DOI:10.1080/13854046.2025.2570303
PMID:41105477
|
研究论文 | 本研究利用基于对比预训练的时间卷积网络（TCN-CL）分析智能家居环境传感器数据，以区分健康老年人和轻度认知障碍患者 | 采用对比预训练的时间卷积网络（TCN-CL）从智能家居环境传感器数据中捕获复杂的时间依赖关系并提取高级特征，以提升在多样化、多居民环境中的诊断准确性 | 样本量相对较小（137名参与者），且仅基于社区居住的老年人，可能限制了模型的泛化能力 | 早期检测轻度认知障碍（MCI），以补充和增强临床决策 | 社区居住的老年人，包括健康老年人（HOA）和轻度认知障碍（MCI）患者 | 机器学习 | 老年疾病 | 智能家居环境传感器数据采集 | TCN-CL（时间卷积网络与对比预训练） | 时间序列传感器数据 | 137名社区居住的老年人（76名健康老年人，61名MCI患者） | NA | 时间卷积网络（TCN） | 准确率, 灵敏度, 特异度, Matthews相关系数 | NA |
| 415 | 2026-04-11 |
Heuristically Adaptive Diffusion-Model Evolutionary Strategy
2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202511537
PMID:41793196
|
研究论文 | 提出一种将扩散模型与进化算法相结合的混合框架，通过启发式自适应机制提升进化优化的效率和精度 | 首次将扩散模型的深度生成能力与进化算法的启发式搜索相结合，利用扩散模型保留历史数据并挖掘隐式关联，通过无分类器引导实现对进化动态的精确控制 | 未在论文摘要中明确说明具体局限性 | 开发一种自适应、记忆增强的进化优化框架，提升生成建模和启发式搜索的灵活性与精度 | 进化算法的参数优化过程 | 机器学习 | NA | 扩散模型, 进化算法, 深度学习 | 扩散模型 | 数值参数 | NA | NA | NA | NA | NA |
| 416 | 2026-04-11 |
The roadmap towards AI-assisted pulse programming for solid-state NMR
2026-Apr, Solid state nuclear magnetic resonance
IF:1.8Q2
DOI:10.1016/j.ssnmr.2026.102078
PMID:41875813
|
综述 | 本文综述了人工智能在固态核磁共振脉冲序列设计中的潜在应用，探讨了传统方法的局限性及AI算法的优势 | 提出了将进化算法、深度学习和强化学习等AI方法应用于固态核磁共振脉冲序列设计的新兴替代途径 | 传统方法在处理多强相互作用或硬件约束时存在固有局限性 | 探讨人工智能算法在克服固态核磁共振脉冲序列设计关键瓶颈方面的潜力 | 固态核磁共振脉冲序列设计方法 | 机器学习 | NA | 固态核磁共振 | NA | NA | NA | NA | NA | NA | NA |
| 417 | 2026-04-11 |
AI solutions for evolutionary genomics of nonmodel species
2026-Apr, Evolution letters
IF:3.4Q2
DOI:10.1093/evlett/qrag004
PMID:41938207
|
综述 | 本文综述了人工智能（特别是深度学习）在非模式物种进化基因组学中的应用，并提出了新的研究方向 | 提出了利用AI处理非模式物种研究中数据缺失、不确定性以及未知基因组和人口统计学参数等挑战的新策略，并展示了在低样本量、测序数据不确定和未知人口模型条件下检测选择性清除的原创性方法 | NA | 开发用于非模式物种进化推断的通用数据驱动方法 | 非模式物种的基因组数据 | 机器学习 | NA | 基因组测序 | 深度神经网络 | 基因组数据 | 低样本量 | NA | NA | NA | NA |
| 418 | 2026-04-11 |
Explainable artificial intelligence in electrocardiography: A systematic review
2026-Apr-01, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2025.109325
PMID:41953749
|
综述 | 本文系统回顾了心电图（ECG）领域可解释人工智能（XAI）技术的研究进展 | 首次基于PRISMA指南系统评估ECG特异性XAI技术，并揭示针对结构化数据设计的扰动方法在ECG时序信号中的局限性 | 现有方法仍呈现碎片化状态，临床验证不足，且在稳定性、计算效率和监管准备方面存在显著挑战 | 评估可解释AI技术在心电图诊断中的应用与挑战 | 心电图信号及其相关心脏病理（如心律失常、心肌梗死） | 机器学习 | 心血管疾病 | 深度学习模型 | NA | 时序信号（心电图） | 45项同行评审研究（来自380条记录筛选） | NA | NA | 定位准确性、保真度、鲁棒性 | NA |
| 419 | 2026-04-11 |
Artificial intelligence in retinal vein occlusion: Current applications, challenges, and future directions
2026-Mar-30, Survey of ophthalmology
IF:5.1Q1
|
综述 | 本文综述了人工智能在视网膜静脉阻塞（RVO）中的应用现状、挑战及未来方向 | 采用综合导向框架，识别了研究中的统一方法趋势，并评估了其临床相关性和转化成熟度 | 大多数证据仍局限于回顾性研究环境，数据集小且主要为单中心，外部和前瞻性验证有限，标注和报告标准不一致 | 探讨人工智能在RVO的早期检测、客观风险分层和个性化管理中的应用 | 视网膜静脉阻塞（RVO） | 计算机视觉 | 视网膜静脉阻塞 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 420 | 2026-04-11 |
Evaluation of protein-RNA Docking Web Servers for Template-Free Docking and Comparison with the AlphaFold Server
2026-Mar-25, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01990
PMID:41882507
|
研究论文 | 本文系统评估了五种无模板蛋白质-RNA对接网络服务器及AlphaFold服务器在预测蛋白质-RNA复合物结构方面的性能 | 构建了包含235个蛋白质-RNA复合物的统一基准数据集，并首次对无模板对接服务器与AlphaFold 3在蛋白质-RNA复合物预测方面进行了系统性比较 | AlphaFold 3在其训练集外的蛋白质-RNA复合物上成功率较低（40%），且在九个案例中失败，而对接方法在这些案例中成功 | 评估和比较当前蛋白质-RNA对接工具及AlphaFold 3在预测蛋白质-RNA复合物结构方面的准确性和效率 | 蛋白质-RNA复合物 | 计算生物学 | NA | 蛋白质-RNA对接，深度学习结构预测 | AlphaFold 3 | 蛋白质-RNA复合物结构数据 | 235个蛋白质-RNA复合物 | NA | AlphaFold 3 | CAPRI指标，成功率 | NA |