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 12100 篇文献，本页显示第 9121 - 9140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9121 | 2026-03-14 |
Noninvasive prediction of occult pT3a upstaging in localized ccRCC with radiogenomic insights and prognostic relevance
2026-Feb-03, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01315-2
PMID:41634348
|
研究论文 | 本研究开发并验证了一个名为RENALNet的3D深度学习框架，用于术前无创预测局限性透明细胞肾细胞癌的隐匿性pT3a分期升级 | 首次结合多中心数据和KiTS23数据集，开发了基于肾图期CT的3D深度学习框架，并通过Grad-CAM可视化提高了模型的可解释性，同时将模型风险评分与Ki-67增殖指数和转录组学分析相关联，揭示了其生物学和预后相关性 | 研究为回顾性多中心设计，可能存在选择偏倚；模型仅在特定CT相位（肾图期）进行训练和验证 | 术前无创预测局限性透明细胞肾细胞癌的隐匿性pT3a分期升级，以支持手术决策并推进放射基因组学在精准肿瘤学中的应用 | 局限性透明细胞肾细胞癌患者 | 数字病理学 | 肾细胞癌 | CT成像，转录组学分析 | 深度学习 | 3D CT图像，基因表达数据 | 来自五个机构的1661名患者及KiTS23数据集 | NA | RENALNet | 诊断准确性，5年无进展生存期分层 | NA |
| 9122 | 2026-03-14 |
Deep learning framework for bronchoscopic diagnosis of burn inhalation injury
2026-02, Burns : journal of the International Society for Burn Injuries
IF:3.2Q1
DOI:10.1016/j.burns.2025.107770
PMID:41297238
|
研究论文 | 本研究开发了一个基于深度学习框架的支气管镜诊断系统，用于自动评估烧伤吸入性损伤的严重程度 | 首次将预训练的视觉Transformer模型应用于支气管镜图像，通过迁移学习和数据增强技术，实现了高精度的烧伤吸入性损伤自动分级 | 样本量较小（仅36名患者），且数据来自单一医疗中心，可能影响模型的泛化能力 | 开发一个自动化的支气管镜分级系统，以提高烧伤吸入性损伤诊断的准确性和可靠性 | 烧伤吸入性损伤患者的支气管镜图像 | 计算机视觉 | 烧伤吸入性损伤 | 支气管镜检查 | Vision Transformer (ViT) | 图像 | 36名患者的1089张质量控制帧 | PyTorch | Vision Transformer (ViT) | 准确率, 精确率, F1分数, 召回率 | NA |
| 9123 | 2026-03-14 |
Deep Learning-based Estimated Pulmonary Biological Age from Chest CT Images in Healthy Adults: a model development and validation study
2026-Feb-01, JMIR aging
IF:5.0Q1
DOI:10.2196/78243
PMID:41622571
|
研究论文 | 本研究利用深度学习模型从健康成人的胸部CT图像中开发并验证了估计肺生物学年龄（ePBA），并探讨了年龄差（ePBA减去实际年龄）与慢性阻塞性肺疾病（COPD）患者肺功能和全因死亡率之间的关联 | 首次基于大规模健康成人多中心胸部CT数据，利用深度学习模型开发并验证了ePBA，并探索了年龄差作为COPD患者临床生物标志物的潜力 | 模型仅在健康成人中训练和验证，可能限制了在疾病人群中的泛化性；COPD患者样本量较小（n=138），需要更大规模研究进一步验证 | 开发并验证基于胸部CT的深度学习模型来估计肺生物学年龄，并评估其在COPD患者中的临床应用价值 | 健康成人的胸部CT图像和COPD患者的临床数据 | 数字病理学 | 慢性阻塞性肺疾病 | 胸部CT成像 | 深度学习模型 | 图像 | 健康成人11,187例胸部CT扫描（来自三个健康管理中心），COPD患者138例 | NA | NA | 相关性分析（rs值）、P值、风险比（HR）及95%置信区间 | NA |
| 9124 | 2026-03-14 |
ROFI: a deep learning-based ophthalmic sign-preserving and reversible patient face anonymizer
2026-Feb, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004558
PMID:41675764
|
研究论文 | 本文提出了一种基于深度学习的眼科面部图像匿名化框架ROFI，旨在保护患者隐私的同时保留诊断所需的关键眼科体征 | ROFI采用弱监督学习和神经身份转换技术，实现了在匿名化患者面部特征的同时，保留眼部疾病标志物，并确保图像可逆性以供授权临床审查 | 面临数据集多样性不足、外部验证缺乏、潜在偏见以及成本效益问题，特别是在资源有限的环境中 | 开发一种可逆的眼科面部图像匿名化框架，以平衡患者隐私与诊断准确性，促进AI在眼科工作流程中的安全集成 | 患者面部图像，特别是包含眼科疾病（如糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、遗传性视网膜营养不良）的面部图像 | 计算机视觉 | 眼科疾病 | 深度学习，弱监督学习，神经身份转换 | NA | 图像 | NA | NA | NA | 诊断保真度，准确性 | NA |
| 9125 | 2026-03-14 |
Artificial intelligence in pharmacovigilance: toward real-time, explainable, and global drug-safety systems
2026-Feb, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004699
PMID:41675893
|
评论 | 本文探讨了人工智能在药物警戒领域的应用、挑战及未来发展方向 | 提出利用人工智能整合多源异构数据，实现实时、可解释的全球药物安全监测系统 | 存在算法透明度不足、数据偏见和监管框架不完善等关键问题 | 推动人工智能在药物警戒中的负责任整合与应用 | 上市后药物安全数据与监测系统 | 自然语言处理, 机器学习 | NA | NA | 深度学习 | 电子健康记录、自发报告系统数据、患者生成数据 | NA | NA | NA | NA | NA |
| 9126 | 2026-03-14 |
Artificial Intelligence Tools in Myocardial Infarction Prognosis: Evaluating the Performance of Machine Learning and Deep Learning Models
2026, Current cardiology reviews
IF:2.4Q2
|
综述 | 本文综述了人工智能（包括机器学习和深度学习）模型在心肌梗死预后死亡率风险评估中的应用与性能 | 系统评估了AI模型在心肌梗死预后中的表现，并指出尽管人工神经网络有潜力，但并非总是优于其他机器学习方法，同时强调了AI模型适应不同场景和处理复杂数据的能力 | 综述基于16篇论文，可能未涵盖所有相关研究；且未明确说明数据来源的时效性或模型泛化能力的详细验证 | 开发新的心肌梗死患者死亡率风险分层工具，以替代传统的GRACE和TIMI评分 | 心肌梗死患者 | 机器学习 | 心血管疾病 | NA | 随机森林, 梯度提升, 支持向量机, 人工神经网络 | 临床数据 | NA | NA | NA | NA | NA |
| 9127 | 2026-03-14 |
Deep learning analysis of urine-derived stem cell mitochondrial morphology as a non-invasive Alzheimer's disease biomarker
2026-Jan, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics
IF:5.6Q1
DOI:10.1016/j.neurot.2025.e00813
PMID:41407593
|
研究论文 | 本研究开发了一种基于尿液来源干细胞（USC）线粒体荧光成像和深度学习的人工智能框架，用于区分认知障碍个体（AD和MCI）与认知正常个体，探索其作为阿尔茨海默病非侵入性生物标志物的潜力 | 首次将尿液来源干细胞（USC）的活细胞线粒体形态分析与深度学习相结合，用于阿尔茨海默病的非侵入性早期检测 | 需要更大规模、独立的队列进行进一步验证 | 开发一种方便、非侵入性的阿尔茨海默病生物标志物，用于早期检测 | 认知障碍个体（阿尔茨海默病和轻度认知障碍）与认知正常个体的尿液来源干细胞（USC） | 数字病理学 | 阿尔茨海默病 | 活细胞线粒体荧光成像 | CNN | 图像 | 未明确说明具体样本数量，涉及HeLa细胞和USC细胞 | 未明确说明 | ResNet-18 | 未明确说明具体指标，但提及模型在验证中表现出稳健性能 | NA |
| 9128 | 2026-03-14 |
DeepGSR: Deep Group-Based Sparse Representation Network for Solving Image Inverse Problems
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3662583
PMID:41686657
|
研究论文 | 提出了一种名为DeepGSR的深度组稀疏表示网络，用于解决图像逆问题 | 将传统的基于组的稀疏表示方法与深度学习方法相结合，在避免迭代计算瓶颈的同时保持了模型的可解释性，并引入了可学习的低秩收缩模块和频域感知的块划分策略 | 未明确说明 | 解决图像逆问题 | 图像 | 计算机视觉 | NA | NA | 深度学习网络 | 图像 | NA | NA | DeepGSR | NA | NA |
| 9129 | 2026-03-14 |
Improved AIS data simplification algorithm for extracting typical routes considering motion continuity
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340021
PMID:41811879
|
研究论文 | 本文提出了一种改进的AIS数据简化算法，用于提取典型航线并保持船舶运动连续性 | 采用增强的距离阈值剪枝技术并结合船舶操作连续性分析，解决了航线分段不连续和坐标偏差问题 | 未明确说明算法在不同海域或船舶类型上的泛化能力 | 提高AIS数据的处理效率以支持海事应用 | 船舶自动识别系统（AIS）数据 | 机器学习 | NA | 数据简化算法 | 深度学习模型 | 轨迹数据 | NA | NA | NA | 训练效率、预测精度、收敛速度、误报率 | NA |
| 9130 | 2026-03-14 |
ESC-YOLOv8: An enhanced deep learning framework for semantic understanding of single-line diagram imagery
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340719
PMID:41811918
|
研究论文 | 提出了一种增强的深度学习框架ESC-YOLOv8，用于单线图图像的语义理解，通过集成混合残差注意力模块和邻近感知损失函数来提升符号分类的准确性和效率 | 引入了混合残差注意力模块（HRAM）以增强模型对细粒度符号细节的识别能力，并设计了邻近感知损失函数来改善在杂乱区域的分类性能 | 未明确讨论模型在更广泛或更复杂单线图数据集上的泛化能力，以及计算资源需求的具体分析 | 开发一种深度学习框架，以准确高效地处理单线图（SLDs）中的符号分类任务 | 单线图（SLDs）图像中的电气符号 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | NA | NA | YOLOv8, 混合残差注意力模块（HRAM） | 平均精度均值（mAP） | NA |
| 9131 | 2026-03-13 |
MDD-thinker: A reasoning-enhanced large language model for diagnosis of major depressive disorder
2026-Jun-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2026.121405
PMID:41707724
|
研究论文 | 提出了一种基于大语言模型的增强推理诊断系统MDD-Thinker，用于重度抑郁症的诊断 | 结合监督微调和强化学习来增强大语言模型的推理能力和可解释性，并利用结构化推理样本进行训练 | 研究在评估设置下进行，临床适用性可能受到可解释性、幻觉问题和依赖合成数据等挑战的限制 | 开发一个可扩展且可解释的智能精神病学评估系统，用于重度抑郁症的诊断 | 重度抑郁症患者 | 自然语言处理 | 重度抑郁症 | NA | 大语言模型 | 文本 | 来自UK Biobank数据集的40,000个结构化推理样本，以及来自公开心理健康数据集的10,000条记录 | NA | NA | 准确率, F1分数 | NA |
| 9132 | 2026-03-13 |
Letter to the editor: Re-examining the role of deep learning in cyber forensics: Practical gaps beyond conceptual frameworks
2026-Jun, Forensic science international. Synergy
DOI:10.1016/j.fsisyn.2026.100669
PMID:41815526
|
评论 | 本文探讨了深度学习在数字取证中的实际应用限制，强调其作为专家判断辅助工具的角色 | 重新审视深度学习在数字取证中的作用，指出超越概念框架的实际差距，并呼吁从事件后审查推广到取证准备和实时监控 | 存在数据质量和偏见问题、缺乏取证级方法验证、模型输出可解释性低以及自动化比较可能损害证据完整性 | 研究深度学习在数字取证领域的适用性，探讨其实际限制 | 深度学习技术在数字取证中的应用 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9133 | 2026-03-13 |
Precise, fast, and automated gel quantification powered by YOLO11 instance segmentation
2026-May-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2026.345293
PMID:41813342
|
研究论文 | 本研究提出了一种基于YOLO11实例分割的端到端、全自动凝胶条带分割框架，用于精确、快速的凝胶图像定量分析 | 采用轻量级YOLO11n架构，无需预处理即可处理高分辨率图像，并利用像素级掩码而非边界框进行定量，有效排除背景噪声，解决了分析速度与定量精度之间的长期权衡 | 模型训练数据量相对有限（总计200张图像），且主要针对特定染色方法（考马斯亮蓝、银染、荧光染色）进行了验证 | 开发一种自动化、高精度的凝胶电泳图像分析工具，以替代传统依赖人工和主观判断的密度测定法 | 凝胶电泳图像 | 计算机视觉 | NA | 凝胶电泳，荧光成像 | 实例分割 | 图像 | 200张凝胶图像（150张用于训练，50张用于微调） | YOLO | YOLO11n, YOLO11-Seg | mAP50, 线性度(R²), 变异系数(CV), 处理延迟时间 | NA |
| 9134 | 2026-03-13 |
Intelligent microfluidics: A deep learning-integrated platform for high-accuracy oocyte membrane permeability characterization in cryobiology
2026-May-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2026.345301
PMID:41813348
|
研究论文 | 本研究介绍了一个名为CryoSIM的集成微流控-AI平台，用于自动、并行量化卵母细胞膜渗透性，以提高冷冻保存效率 | 结合微流控芯片、深度学习模型（MLSNet）和传输建模，实现了自动化、高通量的卵母细胞膜渗透性表征，相比手动方法提高了90%以上的分析通量 | 未明确提及平台在更广泛细胞类型或极端条件下的适用性限制 | 开发一个可扩展的分析框架，以稳健、系统的方式表征细胞膜传输现象，优化冷冻保存协议 | 卵母细胞 | 机器学习 | NA | 微流控技术，深度学习 | 深度学习模型 | 图像 | NA | Python | MLSNet | 像素级准确度 | NA |
| 9135 | 2026-03-13 |
A semi-supervised domain adaptation framework with attention-enhanced ResNet50 for LIBS-based soil classification under spectral distribution shift
2026-May-08, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2026.345292
PMID:41813363
|
研究论文 | 本研究提出了一种基于注意力增强ResNet50的半监督域自适应框架，用于处理LIBS光谱分布偏移下的土壤分类问题 | 结合了Gramian Angular Field技术将一维光谱编码为二维图像以增强特征表示，并设计了基于SE-ResNet50的注意力机制网络，同时整合了基于模型的迁移学习和伪标签学习来逐步提升模型对目标域的适应性 | NA | 解决激光诱导击穿光谱在土壤分类中因光谱分布偏移导致的模型性能下降问题 | 土壤样本的LIBS光谱数据 | 计算机视觉 | NA | 激光诱导击穿光谱 | CNN | 图像 | NA | NA | SE-ResNet50 | 准确率 | NA |
| 9136 | 2026-03-13 |
Deep learning as a generator of sodium channel state hypotheses
2026-May-04, The Journal of general physiology
IF:3.3Q1
DOI:10.1085/jgp.202513938
PMID:41805948
|
研究论文 | 本文利用AlphaFold 2生成钠通道的结构集合，并探讨β亚基和钙调蛋白对这些集合的重塑作用 | 首次应用AlphaFold 2生成钠通道的结构集合，并验证β亚基和钙调蛋白对其结构多样性的影响 | 生成的结构集合仅为可测试的结构假设，而非实际的热力学群体，可能存在模型偏差 | 探索AlphaFold 2在生成离子通道结构假设方面的应用，以理解钠通道的构象变化 | 钠通道（NaV通道）、β亚基、钙调蛋白 | 结构生物学 | NA | AlphaFold 2 | 深度学习模型 | 蛋白质结构数据 | NA | AlphaFold | AlphaFold 2 | NA | NA |
| 9137 | 2026-03-13 |
Financial impact of deep learning reconstruction in magnetic resonance imaging: experiences after widespread deployment
2026-May, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112743
PMID:41759450
|
研究论文 | 评估深度学习重建（DLR）在三级学术医院MRI生产力中的影响，并验证先前发布的基于蒙特卡洛模拟的DLR生产力提升潜力预测 | 通过实际部署数据验证了基于蒙特卡洛模拟的DLR生产力预测模型，展示了DLR在部分实施阶段即可显著提升MRI扫描效率 | DLR在神经影像学中表现不稳定，T2加权序列存在伪影，对比增强研究质量下降，限制了其适用性，需严格质量保证 | 评估DLR对MRI生产力的实际影响并验证模拟预测的准确性 | 三级学术医院的MRI扫描仪日志数据及图像质量 | 医学影像分析 | NA | 深度学习重建（DLR），磁共振成像（MRI） | 深度学习模型 | MRI扫描日志数据，图像质量评估数据 | 两个时期的数据：DLR前（2023年1-10月，6台扫描仪）和DLR后（2025年1-10月，5台扫描仪） | NA | NA | 序列持续时间减少百分比，总检查时间减少百分比，每小时吞吐量变化，图像质量评估 | NA |
| 9138 | 2026-03-13 |
Machine learning, docking, or physics for structure prediction of ligand-induced ternary complexes
2026-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103217
PMID:41619702
|
综述 | 本文综述了用于预测配体诱导的三元复合物结构的计算方法，包括多步对接流程和单步深度学习模型 | 系统比较了传统对接方法与深度学习模型在预测三元复合物结构方面的最新进展和工具 | 多步方法受限于采样复杂性、输入结构准确性、评分精度和计算成本；单步方法受限于训练数据稀缺 | 促进在缺乏实验结构的情况下基于结构的设计，以支持靶向蛋白降解剂的理性设计 | 由E3连接酶、配体和靶蛋白形成的三元复合物结构 | 机器学习 | NA | 晶体学、冷冻电镜、计算建模 | 深度学习模型 | 结构数据 | NA | NA | NA | NA | NA |
| 9139 | 2026-03-13 |
From sequence to structure: A comprehensive review of deep learning models for RNA structure prediction
2026-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103216
PMID:41650708
|
综述 | 本文全面回顾了从传统物理方法到当前深度学习模型在RNA二级和三级结构预测方面的演变 | 系统性地梳理了三种深度学习范式（基于语言模型的方法、端到端结构预测器、几何距离预测方法），并指出了未来关键研究方向，如应对数据稀缺的高级标记化策略和提升模型可解释性的可解释人工智能技术 | RNA结构预测仍面临训练数据有限、复杂非规范相互作用和构象灵活性等独特挑战，实现突破性性能需要持续的方法创新和高质量结构数据集的显著扩展 | 回顾和评估深度学习模型在RNA结构预测中的应用，以推动该领域发展 | RNA的二级和三级结构 | 计算生物学 | NA | NA | 深度学习模型 | 序列和结构数据 | NA | NA | NA | NA | NA |
| 9140 | 2026-03-13 |
deepNoC: A deep learning system to assign the number of contributors to a short tandem repeat DNA profile
2026-Apr, Forensic science international. Genetics
DOI:10.1016/j.fsigen.2026.103434
PMID:41650721
|
研究论文 | 本研究开发了一个名为deepNoC的深度学习系统，用于自动分配短串联重复DNA图谱的贡献者数量 | 通过模拟电泳信号生成大量预标记训练数据，并利用深度神经网络实现高精度贡献者数量估计，同时提供可解释性输出 | 算法在实验室特定环境下需通过少量实际图谱进行微调以达到相同精度 | 开发一个自动化工具来准确估计STR DNA图谱中的贡献者数量，以辅助法医生物学分析 | 短串联重复DNA图谱 | 机器学习 | NA | DNA图谱模拟，电泳信号模拟 | 深度神经网络 | 模拟的DNA图谱信号数据 | 100,000个模拟图谱 | NA | 深度神经网络 | 准确率 | NA |