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 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2026-05-31 |
Cardiac myofibril networks induce shear stress
2026-Apr-02, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-026-00696-1
PMID:41927581
|
研究论文 | 基于深度学习和有限元模型，分析心肌肌原纤维网络对细胞收缩时剪切应力的影响 | 首次使用深度学习分割z-disc并构建非线性有限元模型，揭示心肌肌原纤维网络产生的剪切应力与单向排列的差异，并发现剪切应力与z-disc取向的空间相关性 | 未明确说明，根据内容推测可能基于羊的心肌细胞模型，需进一步验证在人体或其他物种的普适性 | 探究心肌肌原纤维网络对细胞收缩过程中力的调节机制，特别是剪切应力的产生 | 羊左心室心肌细胞中的肌原纤维网络及其z-disc取向 | 数字病理学 | 心血管疾病 | NGS, RNA-seq | CNN | 图像 | 羊左心室心肌细胞的图像数据 | NA | U-Net | 均值、标准差等 | NA |
| 742 | 2026-05-31 |
Multimodal AI model for early detection of hepatocellular carcinoma
2026-Apr-02, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01393-2
PMID:41927783
|
研究论文 | 开发了一种多模态AI模型用于早期肝细胞癌检测，结合组织病理学和转录组学特征 | 首次提出两阶段多尺度深度学习模型TMC-net，结合H&E图像和转录组标记基因构建多模态分类模型，超越病理基础模型和传统特征 | 未明确讨论模型在不同人群中的泛化能力及潜在偏差 | 早期肝细胞癌与高级别异型增生结节的精准区分及辅助诊断 | 早期肝细胞癌和癌前病变组织样本 | 数字病理学, 机器学习 | 肝细胞癌 | H&E染色，比较转录组分析 | 深度学习模型（TMC-net），多模态分类模型 | 组织病理图像，转录组数据 | 内部测试集和外部测试集样本，具体数量未提及 | 未提及 | TMC-net（多尺度深度学习网络） | AUROC | 未提及 |
| 743 | 2026-05-31 |
Analysing DCE-MRI scans using hybrid techniques for early detection of prostate cancer based on fusion features of handcrafted and deep learning features
2026-Apr, Journal of medical engineering & technology
DOI:10.1080/03091902.2026.2627179
PMID:41700925
|
研究论文 | 提出一种融合人工特征与深度学习特征的混合框架，用于基于DCE-MRI扫描的前列腺癌早期检测 | 首次将广义量子伽马多项式特征、动力学信号强度特征与CNN深度特征融合，构建综合特征表示用于前列腺癌诊断 | 未提及具体的局限性 | 开发一种新型混合诊断框架，通过融合人工特征和深度学习特征提高前列腺癌早期检测的准确性 | DCE-MRI扫描图像中的前列腺组织病变 | 数字病理学 | 前列腺癌 | DCE-MRI, 广义量子伽马多项式特征提取, 动力学特征提取 | CNN | 图像 | 公共前列腺影像数据集中的样本 | NA | CNN | 准确率 | NA |
| 744 | 2026-05-31 |
Interactive deep learning for myocardial scar segmentation using cardiovascular magnetic resonance
2026-Mar-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102720
PMID:41864346
|
研究论文 | 开发一种交互式深度学习系统，用于心血管磁共振图像中的心肌疤痕分割与量化 | 结合提示引导分割与视觉基础模型，并集成到临床交互界面，实现实时交互和自动量化 | 未提及具体局限性 | 开发一种交互式深度学习系统，用于心肌疤痕分割和量化，以提高准确性和可重复性 | 慢性心肌梗死患者的心血管磁共振图像中的心肌疤痕 | 计算机视觉 | 心血管疾病 | 晚期钆增强（LGE）心血管磁共振成像 | 深度学习模型 | 医学图像 | 348名慢性心肌梗死患者的LGE-CMR图像（244训练，51验证，53测试） | NA | 提示引导分割模型，视觉基础模型 | Dice相似系数，豪斯多夫距离，疤痕质量误差，一致性相关系数 | NA |
| 745 | 2026-05-31 |
[Auto detection on morphological characteristics of termite legs based on deep learning]
2026-Mar, Ying yong sheng tai xue bao = The journal of applied ecology
DOI:10.13287/j.1001-9332.202603.033
PMID:42209239
|
研究论文 | 基于深度学习自动检测白蚁腿形态特征 | 填补了深度学习在白蚁腿形态自动准确测量领域的应用空白 | NA | 开发基于深度学习的白蚁腿形态自动检测与分析软件 | 白蚁腿的股节、胫节、跗节长度及相关衍生特征 | 计算机视觉 | NA | NA | 关键点检测模型 | 图像 | NA | NA | 关键点检测模型 | 平均绝对误差、平均相对误差、均方根误差、皮尔逊相关系数 | NA |
| 746 | 2025-09-15 |
A novel deep learning framework for the diagnosis of erythematosquamous lesions using whole slide histopathologic images
2026-Feb, Journal of the American Academy of Dermatology
IF:12.8Q1
DOI:10.1016/j.jaad.2025.09.010
PMID:40945744
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 747 | 2026-05-31 |
Accurate proteome-wide prediction of enzymes and catalytic sites using graph deep learning and protein language model
2026-Jan-21, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giag056
PMID:42126889
|
研究论文 | 提出EC-LMGraph框架，结合蛋白语言模型和图卷积网络，从序列特征和结构预测酶编号及催化位点 | 首次将蛋白语言模型与图卷积网络结合，同时预测酶功能编号和催化残基，并利用显著性映射定位关键残基 | 未提及计算资源消耗及在大规模数据集上的泛化性验证 | 准确预测酶的EC编号和催化位点，提升现有方法的预测性能 | 蛋白质的酶功能（EC编号）及其催化活性位点 | 机器学习 | 帕金森病 | 蛋白语言模型、图卷积网络 | 图卷积网络、蛋白语言模型 | 蛋白质序列特征和结构数据 | 229,160个蛋白质（使用AlphaFold2预测结构） | PyTorch | 图卷积网络、蛋白语言模型 | F1分数 | NA |
| 748 | 2026-05-31 |
Detection of Hypokalemia, Hyponatremia, and Hyperkalemia in Heart Failure Patients Using Artificial Intelligence Techniques via Electrocardiography
2026-01-09, Turk Kardiyoloji Dernegi arsivi : Turk Kardiyoloji Derneginin yayin organidir
DOI:10.5543/tkda.2025.18598
PMID:41063616
|
研究论文 | 开发基于心电图的人工智能模型以检测心力衰竭患者的电解质失衡 | 首次在多中心环境中使用深度学习模型通过心电图非侵入性地检测心力衰竭患者的低钾血症、低钠血症和高钾血症 | NA | 开发并评估基于心电图的深度学习模型用于检测心力衰竭患者的电解质失衡 | 心力衰竭患者（射血分数≤45%） | 机器学习 | 心力衰竭 | NA | 深度学习模型 (DLM) | 心电图信号 | 来自17个中心的患者样本 | NA | NA | 准确率, AUROC | NA |
| 749 | 2026-05-31 |
Pre-crash injury risk prediction with guaranteed confidence level: a conformal and interpretable framework
2026, Traffic injury prevention
IF:1.6Q4
DOI:10.1080/15389588.2025.2538725
PMID:40828994
|
研究论文 | 提出一种结合置信预测的预碰撞伤害风险预测框架，能够以90%置信水平输出概率性预测并增强解释性 | 首次将置信预测方法（包括朴素和类别条件）集成到预碰撞伤害风险预测模型中，以统计保证的90%置信水平输出风险分布及其概率，同时结合可解释机器学习提升模型透明度 | 未明确提及，但从内容推测可能包括数据限制（如严重伤害案例样本少）或方法对特定驾驶场景的泛化能力有待验证 | 开发一种预碰撞伤害风险预测框架，提供具有统计置信保证的概率性输出，并增强模型可解释性，以支持主动交通安全措施和数据驱动的道路安全政策 | 交通碰撞事故中的预碰撞伤害风险 | 机器学习 | NA | 机器学习与置信预测 | 集成学习模型与TabNet深度学习模型 | 结构化表格数据（28个预碰撞风险因素） | 基于国家汽车采样系统碰撞数据系统（NASS-CDS）和碰撞调查采样系统（CISS）的数据 | NA | 梯度提升、随机森林等集成方法及TabNet | F1分数、严重伤害召回率 | NA |
| 750 | 2026-05-31 |
Adaptive and multi-scale feature fusion for Chinese news headline classification
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345779
PMID:42201869
|
研究论文 | 提出两种针对中文新闻标题分类的深度学习模型，分别适用于大规模和小规模数据集，通过自适应特征融合与多尺度注意力机制提升分类性能 | 结合ERNIE自适应多层特征融合与SE增强CNN处理大规模数据，针对小规模数据引入多尺度SE注意力、深度可分离卷积和对抗训练以增强鲁棒性 | 未在论文中明确提及 | 解决中文新闻标题分类中特征稀疏、上下文有限和高歧义性问题 | 中文新闻标题 | 自然语言处理 | NA | NA | 深度神经网络 | 文本 | THUCNews和Toutiao数据集 | PyTorch | ERNIE, SE-CNN, 深度可分离卷积 | 准确率 | NA |
| 751 | 2026-05-31 |
Development and validation of a multimodal clinical-radiomics-deep learning nomogram based on automated chest CT segmentation for classifying COPD severity: a multicenter study
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1831103
PMID:42210927
|
研究论文 | 开发和验证一种结合临床特征、全肺CT影像组学特征和深度学习特征的综合列线图，用于慢性阻塞性肺疾病严重程度分级 | 首次将全肺自动分割的影像组学特征、三维深度学习特征与临床特征整合为多模态列线图，用于COPD严重程度分级，并在多中心数据中验证其优越性 | 回顾性研究设计，可能引入选择偏倚；列线图在外部验证中的AUC值仍有提升空间 | 开发和验证一个多模态列线图，用于精确分类COPD严重程度 | 来自三家医院的1794例COPD患者的胸部CT图像和临床数据 | 计算机视觉, 数字病理 | 慢性阻塞性肺疾病（COPD） | CT扫描, 影像组学, 深度学习 | 逻辑回归, 深度学习模型 | 图像（CT扫描） | 1794例患者 | NA | 三维深度学习模型, 逻辑回归 | AUC（受试者工作特征曲线下面积）, 决策曲线分析（DCA）, DeLong检验 | NA |
| 752 | 2026-05-31 |
AI-based decision models for difficult airway assessment: from research innovation to clinical implementation-a narrative review
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1818061
PMID:42210958
|
综述 | 综述2010-2025年间用于困难气道评估的AI决策模型，重点关注其性能、局限性与临床转化 | 指出AI模型在气道评估中（如面部图像分析灵敏度达80%-90%，深度学习模型平均AUC为0.84）优于传统方法，并提出胸部麻醉中利用常规术前CT进行全气道评估的可行路径 | 现有研究多为单中心、回顾性设计，缺乏外部验证、算法公平性、标准化结果及工作流程整合，且偏向评估上气道，存在转化鸿沟 | 评估AI决策模型在困难气道管理中的潜力和临床转化障碍，并提出未来发展方向 | 2010-2025年间关于气道评估的AI决策模型研究 | 机器学习 | 麻醉相关气道管理 | 卷积神经网络、半监督学习、多模态融合 | 卷积神经网络、深度学习模型 | 面部图像、CT图像 | NA | NA | 卷积神经网络 | 灵敏度、AUC | NA |
| 753 | 2026-05-31 |
Explainable hybrid CNN-transformer with self-supervised learning for structural analysis of paranasal sinus CT
2026, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2026.1778260
PMID:42211246
|
研究论文 | 提出一种可解释的混合CNN-Transformer框架，结合自监督3D卷积自编码器，用于副鼻窦CT结构分析 | 将自监督3D卷积自编码器与混合CNN-Transformer相结合，实现无需病理标签的异常检测，并集成Grad-CAM可解释性分析以关注临床相关区域 | 未明确提及局限性 | 开发可解释的深度学习方法，用于副鼻窦CT的结构分析，支持医学诊断和治疗 | 多机构CT-SCOPE数据集中的副鼻窦CT体积数据 | 计算机视觉, 数字病理学 | 耳鼻喉疾病 | CT扫描 | CNN-Transformer, 自编码器 | CT图像 | 多机构CT-SCOPE数据集，包含不同医院和CT扫描仪模型的多样扫描数据 | NA | CNN-Transformer混合架构, 3D卷积自编码器, Grad-CAM | Dice相似系数 | NA |
| 754 | 2026-05-31 |
Predictive radiomics for evaluation of cancer immune signature in glioblastoma: The PRECISE-GBM study
2026 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdag115
PMID:42211395
|
研究论文 | 利用放射基因组学分析预测IDH野生型胶质母细胞瘤中免疫细胞特征的放射标志物 | 首次通过多中心回顾性研究开发放射组学模型，非侵入性地预测IDH野生型胶质母细胞瘤中巨噬细胞亚型M0的免疫特征 | 样本量较小（176名患者），且依赖开放获取的回顾性数据 | 开发并验证能捕获IDH野生型胶质母细胞瘤微环境中免疫细胞特征的放射生物学标志物 | IDH野生型胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | MRI放射组学 | 支持向量机和集成模型 | MRI影像数据 | 176名患者 | NA | 支持向量机和集成模型 | 平衡准确率（0.67），精确率（0.89） | NA |
| 755 | 2026-05-31 |
Deep learning-based dental age estimation in adolescents using panoramic radiographs: a comparative study with traditional methods
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1754772
PMID:42211411
|
研究论文 | 利用基于深度学习的卷积神经网络模型，通过全景放射片对青少年进行牙齿年龄估计，并与传统方法进行比较 | 开发并验证了基于卷积神经网络的回归模型用于青少年牙齿年龄估计，并通过Grad-CAM可视化增强模型可解释性 | NA | 开发并验证基于卷积神经网络的模型用于青少年牙齿年龄估计，并比较其与传统方法的准确性 | 9-19岁青少年的全景牙齿放射片 | 计算机视觉 | NA | 全景放射成像 | 卷积神经网络 | 图像 | 296张全景牙齿放射片，来自9-19岁青少年，训练集207张，验证集44张，测试集45张 | NA | 卷积神经网络 | 平均绝对误差、均方根误差、皮尔逊相关系数 | NA |
| 756 | 2026-05-31 |
High-throughput phenotypic analysis of plant and curd growth dynamics during the whole growth period of cauliflower based on instance segmentation
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1836813
PMID:42211487
|
研究论文 | 基于实例分割技术，对花椰菜全生育期的植株和花球生长动态进行高通量表型分析 | 首次实现花椰菜从幼苗到收获整个生育期的系统表型监测，并利用YOLO12s-seg模型实现高精度分割，结合生长动力学模型对花球进行分类，开发了集成化表型分析平台 | 未明确提及，但可能受限于图像采集条件（如种植密度）、模型对不同品种的泛化能力以及手动测量验证的样本量 | 实现花椰菜全生育期高效表型监测，替代传统耗时费力的人工测量方法，为育种和生产提供自动化分析框架 | 花椰菜植株和花球的生长动态 | 计算机视觉, 数字病理学（因植物表型分析通常归类于此，或更准确为植物科学，但依提示仅可选其一，这里选择计算机视觉） | 不适用（NA） | RGB成像 | YOLO12s-seg（实例分割模型） | 图像 | 从苗期到收获期的花椰菜RGB图像（具体数量未提及），以及47份种质资源 | PyTorch（常见于YOLO系列） | YOLO12s-seg | 掩码mAP, R（相关性系数） | 未明确提及 |
| 757 | 2026-05-31 |
Predicting survival of patients treated with antibody-drug conjugates in early-phase clinical trials using AI-quantified 3D body composition on CT scans
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1687383
PMID:42211497
|
研究论文 | 利用AI量化CT扫描上的3D身体成分预测早期临床试验中接受抗体-药物偶联物治疗患者的生存情况 | 首次研究身体成分对抗体-药物偶联物疗效和安全性的影响，并采用AI自动量化三维身体成分参数 | 单中心回顾性研究，样本量较小（136例），缺乏外部验证 | 评估AI量化的3D身体成分参数在预测ADC治疗患者生存和毒性中的价值 | 2015年3月至2023年3月期间在单中心接受ADC治疗的早期临床试验患者 | 医学影像分析 | 癌症 | CT扫描 | 深度学习 | CT影像数据 | 136例患者 | NA | Anthropometer3DNet | 风险比, p值 | NA |
| 758 | 2026-05-31 |
An examination of the psychological mechanisms underlying the social existence and cognitive investment of college students in an online learning environment
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1792669
PMID:42212028
|
研究论文 | 探讨在线学习环境中社会存在感与认知投入之间的心理机制，以感知互动性为关键变量进行实证检验 | 首次将感知互动性作为关键变量引入社会存在感与认知投入的关系研究，验证了社会存在感对认知投入的稳健预测作用，并考察了感知互动性在其中的调节效应 | 感知互动性未显示显著调节效应，表明可能受其他因素影响；样本仅限大学生，推广性有限 | 揭示在线学习环境中社会存在感与认知投入之间的作用机制，为提升在线教学质量提供理论依据 | 500名有在线学习经验的在校大学生 | 机器学习 | NA | NA | NA | 数值数据 | 500名大学生 | SPSS | NA | 相关系数，回归系数 | NA |
| 759 | 2026-05-31 |
Revolutionizing Nursing Education in Somalia: Recommendations for Integrating AI and Deep Learning in Outcome Based Assessments to Enhance Knowledge, Practice, and Graduate Competence
2026, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S611974
PMID:42212180
|
评论 | 探讨如何利用人工智能和深度学习加强索马里护理教育中的结果导向评估，并提出针对策略建议 | 首次将AI和深度学习与索马里护理教育的结果导向评估相结合，提出符合当地结构性约束的低带宽、情境化实施方案 | 未提供实际实验数据或定量验证，仅基于理论分析和建议 | 提出在资源受限环境下整合AI与深度学习以改善护理教育评估的建议 | 索马里护理教育系统，包括标准化评估、能力测评、城乡差异、教师能力和治理问题 | 自然语言处理 | NA | NA | 深度学习模型 | 文本 | NA | NA | NA | NA | NA |
| 760 | 2026-05-31 |
Modelling discrete states and long-term dynamics in functional brain networks
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1237
PMID:42212226
|
研究论文 | 提出动态网络状态模型，利用变分贝叶斯推断和循环神经网络建模功能脑网络中的离散状态与长期时间动态 | 通过整合变分贝叶斯推断、循环神经网络和Gumbel-Softmax分布，在保持可解释性的同时捕捉脑网络状态的长期时间依赖结构 | 文章摘要未明确讨论局限性 | 开发一种兼具可解释性和时间建模能力的模型，以表征功能脑网络的离散状态与长期动态 | 模拟数据及真实静息态脑磁图数据中的功能脑网络状态 | 机器学习 | NA | 脑磁图, 模拟数据 | 循环神经网络, 隐马尔可夫模型 | 时间序列数据 | 模拟数据及真实静息态脑磁图数据（未明确具体样本量） | NA | 动态网络状态模型, Gumbel-Softmax | NA | NA |