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 6073 篇文献，本页显示第 1801 - 1820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1801 | 2026-03-16 |
Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction
2026-Jan-05, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8950
PMID:41381352
|
研究论文 | 本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在检测多发性硬化症脊髓病变中的诊断性能，并与传统MRI序列进行比较 | 首次将深度学习去噪方法应用于3D白质抑制MPRAGE序列，显著提高了脊髓病变的检测灵敏度和图像质量 | 样本量较小（仅38名患者），且未评估该技术在不同疾病阶段或亚型中的泛化能力 | 评估新型成像技术（3D WMn MPRAGE结合深度学习）在多发性硬化症脊髓病变检测中的诊断性能 | 38名多发性硬化症或临床孤立综合征患者的脊髓MRI图像 | 数字病理学 | 多发性硬化症 | 3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列 | 深度学习去噪模型 | MRI图像 | 38名患者 | NA | NA | 病变计数、检测置信度、图像质量评分、对比噪声比、组间一致性 | NA |
| 1802 | 2026-03-16 |
Unsupervised multimodal surface registration with geometric deep learning
2026-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103821
PMID:41101194
|
研究论文 | 本文提出了一种名为GeoMorph的新型几何深度学习框架，用于皮质表面的图像配准 | 提出了一种结合图卷积和深度离散配准的两阶段几何深度学习框架，并通过基于循环神经网络的深度条件随机场实现正则化，以确保平滑且生物学合理的形变 | NA | 开发一种无监督多模态皮质表面配准方法 | 皮质表面 | 计算机视觉 | NA | 几何深度学习 | 图卷积网络, 循环神经网络 | 图像 | NA | PyTorch | GeoMorph | 对齐精度, 形变平滑度 | NA |
| 1803 | 2026-03-16 |
Characterizing and Evaluating Mental Health Misinformation on Social Media: A Qualitative and Deep Learning-Based Study
2026-Jan, Cyberpsychology, behavior and social networking
DOI:10.1177/21522715251403844
PMID:41354555
|
研究论文 | 本研究提出一个结合定性分析和深度学习的集成框架，用于自动检测和评估社交媒体上的心理健康错误信息 | 通过专家访谈和扎根理论开发了一个21级细粒度可信度评估框架，并构建了高质量的中文社交媒体数据集，用于训练和评估深度学习模型 | 所有三种模型在评估证据质量和检测依赖上下文的错误信息方面面临挑战 | 自动检测和评估社交媒体上的心理健康错误信息，以提高在线心理健康信息的可信度 | 中文社交媒体帖子 | 自然语言处理 | NA | NA | GRU, BERT, RoBERTa | 文本 | 814个中文社交媒体帖子 | NA | GRU, BERT, RoBERTa | NA | NA |
| 1804 | 2026-03-16 |
NeuroMorphFusion: A Neuro-Inspired Hybrid Learning Framework for Interpretable Deep Lesion Detection in IoT-Enabled Healthcare Systems
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251391080
PMID:41816805
|
研究论文 | 本文提出了一种名为NeuroMorphFusion的神经启发混合学习框架，用于在物联网医疗系统中进行可解释的深度病灶检测 | 结合了生物启发的学习与数学建模，集成了轻量级ResNet18、脉冲神经网络和形态学注意力机制，并采用半监督强化学习策略和遗传算法优化，以提高可解释性和计算效率 | 未明确提及研究的具体局限性 | 在资源受限的边缘设备上实现高诊断准确性、可解释性和计算效率的病灶检测 | CT扫描中的病灶检测 | 计算机视觉 | 肺癌 | CT扫描 | CNN, SNN | 图像 | 使用IQ-OTHNCCD肺癌CT数据集，具体样本数量未明确提及 | TensorFlow, PyTorch (未明确指定，但基于常见深度学习框架推断) | ResNet18, VGG16, SqueezeNet, MobileNetV3 | 分类准确率, 敏感性, 计算延迟, 可解释性 | Jetson Nano |
| 1805 | 2026-03-16 |
An interpretable vibration-enhanced BRB model for rolling bearing fault diagnosis
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342757
PMID:41824424
|
研究论文 | 本研究提出了一种新颖的振动增强信念规则库模型，用于滚动轴承故障诊断，旨在解决传统模型处理连续信号的局限性 | 提出了一种振动增强信念规则库模型，通过窗口特征提取方法将连续振动信号映射到规则匹配空间，并结合证据推理算法和投影协方差矩阵自适应进化策略进行优化，增强了模型的可解释性和小样本条件下的适用性 | 模型在真实世界轴承故障诊断中的有效性可能受限于特定数据集和条件，且未明确讨论模型在大规模工业环境中的泛化能力 | 开发一种可解释且适用于小样本条件的滚动轴承故障诊断方法 | 滚动轴承的故障诊断 | 机器学习 | NA | 窗口特征提取方法，能量矩阵表示 | 信念规则库模型 | 连续振动信号 | 使用了凯斯西储大学和华中科技大学的轴承数据集 | NA | 振动增强信念规则库模型 | NA | NA |
| 1806 | 2026-03-15 |
Applied immunoinformatics in modern vaccine design: a comprehensive review of available computational tools
2026-Apr-02, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2026.128392
PMID:41747335
|
综述 | 本文全面综述了现代疫苗设计中可用的免疫信息学计算工具，涵盖了从病原体靶点识别到疫苗候选物优化的全流程 | 系统梳理了超过250种计算工具，并强调了从纯预测模型向生成式框架的范式转变，即利用人工智能和深度学习进行疫苗候选物的理性设计 | 作为综述文章，未提出新的原创工具或算法，主要基于现有文献进行归纳总结 | 为疫苗研发人员提供当前最可靠、高性能的免疫信息学工具资源概览，加速疫苗设计流程 | 疫苗设计流程中的计算工具与算法 | 计算生物学 | NA | 免疫信息学 | 深度学习, 人工智能 | 基因组数据, 结构数据 | NA | NA | NA | NA | NA |
| 1807 | 2026-03-15 |
Artificial intelligence and multi-omics convergence in breast cancer: Revolutionizing diagnosis, prognostication, and precision oncology
2026-Apr, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2026.105160
PMID:41616992
|
综述 | 本文综述了人工智能与多组学在乳腺癌中的融合，旨在革新诊断、预后评估和精准肿瘤学 | 整合多组学数据与影像、病理及临床变量，利用深度学习架构学习共享和模态特异性表示，以提高预测准确性 | 存在跨中心异质性、端点定义不一致、真实世界工作流中模态结构性缺失、跨平台标准化不足、可解释性和可审计性有限以及缺乏前瞻性验证等障碍 | 推动多模态人工智能与多组学整合在乳腺癌管理中的可靠临床部署 | 乳腺癌 | 机器学习 | 乳腺癌 | 多组学分析（包括基因组学、转录组学、表观基因组学、蛋白质组学、代谢组学） | 深度学习 | 多组学数据、影像、病理、临床变量 | NA | NA | NA | NA | NA |
| 1808 | 2026-03-15 |
A novel few-shot meta-learning strategy for fault diagnosis of wastewater treatment process
2026-Apr, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2026.02.016
PMID:41741308
|
研究论文 | 本文提出了一种结合原型网络与增强TimesBlock模块的新型小样本故障诊断框架，用于污水处理过程的故障诊断 | 设计了基于XGBoost重要性分析的Meta-TimesBlock来自适应加权多维时间序列特征，引入了参数高效的MetaLearner模块以降低计算复杂度，并采用辅助损失函数增强原型判别性 | NA | 解决污水处理过程中故障样本有限且多维时间序列数据复杂的问题，实现小样本故障诊断 | 污水处理过程（WWTPs）的故障诊断 | 机器学习 | NA | NA | 原型网络, 元学习 | 多维时间序列数据 | 基于BSM1基准在三种天气场景下进行实验 | NA | Meta-TimesBlock, MetaLearner | 准确率 | NA |
| 1809 | 2026-03-15 |
Radiographic Data Segmentation as a Tool in Machine Learning and Deep Learning Artificial Intelligence Algorithms
2026-Apr, Dental clinics of North America
DOI:10.1016/j.cden.2025.11.012
PMID:41825999
|
综述 | 本文综述了牙科领域中作为机器学习和深度学习算法基石的放射影像数据分割技术 | 系统性地总结了卷积神经网络在牙科多种放射影像（如全景片、根尖片、咬翼片和锥形束CT）中分类、检测和像素/体素分割任务的应用，并展示了AI在多项任务中达到或超越临床医生水平的性能指标 | NA | 回顾并强调放射影像数据分割在牙科机器学习和深度学习人工智能算法中的核心作用 | 牙科放射影像数据，包括全景片、根尖片、咬翼片和锥形束CT成像 | 计算机视觉 | NA | 放射影像技术（全景、根尖、咬翼、锥形束CT成像） | CNN | 图像 | NA | NA | NA | NA | NA |
| 1810 | 2026-03-15 |
The Science Behind Machine Learning, Deep Learning, and Active Learning
2026-Apr, Dental clinics of North America
DOI:10.1016/j.cden.2025.11.006
PMID:41826000
|
综述 | 本文介绍了机器学习、深度学习和主动学习的核心概念及其在现代牙科中的应用 | 强调了深度学习模型（如卷积神经网络和Transformer）在牙科数据自动分析中的应用，以及主动学习在减少标注负担和结合解剖学规则的知识驱动策略方面的作用 | NA | 介绍机器学习、深度学习和主动学习在牙科诊断、治疗规划和临床决策支持中的应用 | 牙科数据，特别是锥形束计算机断层扫描中的根尖周病变 | 机器学习 | 牙科疾病 | 锥形束计算机断层扫描 | CNN, Transformer | 图像 | NA | NA | 卷积神经网络, Transformer | NA | NA |
| 1811 | 2026-03-15 |
Three-dimensional neural network driving self-interference digital holography enables high-fidelity, non-scanning volumetric fluorescence microscopy
2026-Mar-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.587822
PMID:41824690
|
研究论文 | 本文提出了一种深度学习驱动的计算方法，通过三维神经网络改进自干涉数字全息术，实现高保真、非扫描的体荧光显微镜成像 | 利用三维深度神经网络模型，同时抑制离焦噪声、提高空间分辨率和信噪比，无需机械或光电扫描即可实现三维非扫描体荧光显微镜成像 | NA | 克服自干涉数字全息术在轴向成像性能上的限制，实现高时空分辨率的三维成像 | 细胞结构动态和高速流场的三维行为 | 计算机视觉 | NA | 自干涉数字全息术 | CNN | 图像 | NA | NA | 三维深度神经网络 | 空间分辨率, 信噪比 | NA |
| 1812 | 2026-03-15 |
A hybrid deep learning approach with temporal awareness for intelligent intrusion detection in 6G-enabled IIoT networks
2026-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43058-x
PMID:41826618
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1813 | 2026-03-15 |
Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning
2026-Mar-13, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023355
PMID:40480824
|
研究论文 | 本研究开发了一种结合先验医学知识引导的深度学习模型，用于预测急性缺血性卒中患者在延长时间窗取栓后的最终梗死区域 | 通过将侧支循环评分、梗死概率图和动脉供血区图等先验医学知识整合到Swin Transformer模型中，显著提升了延长时间窗取栓后梗死预测的准确性 | 本研究为回顾性研究，样本量相对有限（221例），且仅来自三个中心，可能存在选择偏倚 | 提高急性缺血性卒中患者在延长时间窗机械取栓后最终梗死区域的预测精度，以辅助治疗规划 | 接受症状出现后超过6小时进行机械取栓的急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | CT灌注成像 | Swin Transformer | 图像 | 221例急性缺血性卒中患者 | NA | Swin Transformer | Dice系数, IoU | NA |
| 1814 | 2026-03-15 |
Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms
2026-Mar-13, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023416
PMID:40506221
|
研究论文 | 本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并探讨可解释AI对深度学习模型预测动脉瘤闭塞结果可靠性和可解释性的影响 | 提出了一种通过解卷积和再卷积标准化注射曲线来最小化注射变异性的算法，并结合可解释AI（LIME）增强模型决策的透明度和临床相关性 | 研究仅基于458名患者的血管造影数据，样本量相对有限，且可能未涵盖所有临床变异情况 | 提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞结果的准确性和可解释性 | 接受血流导向装置治疗的颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | 定量血管造影 | 深度神经网络 | 血管造影图像 | 458名患者 | NA | 深度神经网络 | AUROC, 准确率, 敏感性, 特异性 | NA |
| 1815 | 2026-03-15 |
Deep learning based gestational age estimation from multi-view fetal brain magnetic resonance imaging
2026-Mar-13, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06536-y
PMID:41824048
|
研究论文 | 本研究开发了一种基于深度学习的模型，利用多视角胎儿脑部磁共振成像来估计孕龄 | 结合多视角胎儿脑部MRI与迁移学习，显著提升了孕龄预测的准确性，并通过可解释性分析识别了模型依赖的关键脑部解剖区域 | 外部测试集样本量较小（80例），且模型性能在外部验证时误差有所增加 | 开发并评估基于深度学习的孕龄预测模型，并与传统生物测量回归方法进行比较 | 胎儿脑部磁共振成像扫描 | 计算机视觉 | NA | 磁共振成像 | CNN | 图像 | 1321例胎儿MRI扫描用于训练和内部评估，80例公开MRI扫描用于外部测试 | NA | ResNet-101 | 平均绝对误差, 决定系数 | NA |
| 1816 | 2026-03-15 |
Recent developments in pharmacophore-based modeling of Ca2+/Calmodulin-dependent protein kinase II delta (CaMkIIδ) inhibitors for heart failure therapy
2026-Mar-13, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2643408
PMID:41824031
|
综述 | 本文综述了基于药效团建模的计算方法在发现CaMKIIδ抑制剂用于心力衰竭治疗中的最新进展 | 强调了药效团建模在CaMKIIδ抑制剂发现中的应用，并探讨了机器学习辅助发现和药物重定向策略，如将ruxolitinib和hesperadin等已批准药物鉴定为CaMKIIδ抑制剂 | 药效团驱动的CaMKIIδ建模仍未被充分利用，需要整合AI/深度学习、异构体选择性过滤器、状态及翻译后修饰特异性靶向以及严格的实验验证 | 综述用于发现CaMKIIδ抑制剂的计算方法，特别是药效团建模，以支持心力衰竭治疗 | 钙/钙调蛋白依赖性蛋白激酶II delta (CaMKIIδ) 及其抑制剂 | 计算药物发现 | 心力衰竭 | 药效团建模，分子对接，QSAR，虚拟筛选，机器学习 | NA | 化学结构数据，文献数据 | NA | NA | NA | NA | NA |
| 1817 | 2026-03-15 |
Loop of N2-polarized neutrophils and exhausted CD8 + T cells induces immunotherapy resistance in NSCLC
2026-Mar-13, Molecular and cellular biochemistry
IF:3.5Q3
DOI:10.1007/s11010-025-05457-y
PMID:41824204
|
研究论文 | 本研究通过整合单细胞RNA测序数据，揭示了非小细胞肺癌中N2极化中性粒细胞与耗竭CD8⁺ T细胞之间形成正反馈环路导致免疫治疗耐药的机制，并基于此构建了深度学习预测模型 | 首次发现N2中性粒细胞与耗竭CD8⁺ T细胞通过ICAM1-整合素和CCL5-CCR1轴形成自我维持的免疫抑制环路，并基于该分子环路构建了可预测免疫治疗反应的深度学习模型 | 研究主要基于计算分析，需要进一步实验验证分子机制；模型在更多癌症类型中的普适性仍需验证 | 揭示非小细胞肺癌免疫治疗耐药的细胞互作机制，并开发预后分层和免疫治疗反应预测模型 | 非小细胞肺癌肿瘤免疫微环境中的N2极化中性粒细胞和耗竭CD8⁺ T细胞 | 计算生物学 | 肺癌 | 单细胞RNA测序, 批量RNA测序 | 深度神经网络 | 基因表达数据 | 大规模单细胞RNA测序数据集和多个批量RNA测序队列 | NA | 深度神经网络 | 预测准确性 | NA |
| 1818 | 2026-03-15 |
VFIR: Vector Fields Implicit Representation for Surface Reconstruction from Point Clouds
2026-Mar-13, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2026.3674088
PMID:41824347
|
研究论文 | 本文提出了一种名为VFIR的新方法，利用神经隐式函数学习向量场，用于从点云进行表面重建 | 提出了基于向量场的隐式表示方法，克服了SDF仅适用于水密模型和UDF在表面边界不可微的局限性，并引入了渐进学习策略和优化的三状态行进立方体算法 | 未明确说明方法对噪声点云或极端稀疏点云的鲁棒性，也未讨论计算复杂度与实时应用的可行性 | 从点云进行高精度、鲁棒的3D表面重建 | 3D点云数据 | 计算机视觉 | NA | 神经隐式函数，向量场表示 | 神经隐式函数模型 | 点云 | NA | NA | NA | 准确性，鲁棒性，泛化能力 | NA |
| 1819 | 2026-03-15 |
Hierarchical abstraction drives human-like 3-D shape processing in deep learning models
2026-Mar-13, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014047
PMID:41824548
|
研究论文 | 本文探讨了深度学习模型在处理3D形状时是否发展出与人类视觉相似的表征，并通过实验比较了卷积基和Transformer基模型在点云识别任务中的表现 | 通过系统的人类实验与深度学习模型对比，揭示了Transformer基模型在3D形状分层抽象方面更接近人类处理模式，并指出渐进下采样操作是实现这一优势的关键 | 研究主要基于点云数据，未涉及其他3D表示形式（如网格或体素），且实验条件可能未完全覆盖所有现实世界的视觉变化 | 探究深度学习模型在3D形状识别任务中是否形成与人类视觉相似的全局形状表征 | 人类参与者与深度学习模型（包括卷积基和Transformer基架构） | 计算机视觉 | NA | 点云处理 | CNN, Transformer | 3D点云 | 约10,000个对象实例用于模型训练 | NA | DGCNN, Point Transformer | 识别准确率 | NA |
| 1820 | 2026-03-15 |
Automated CTA-Derived Collateral Grading and Morphologic Metrics for Enhanced Prediction of Post-Stroke Outcomes
2026-Mar-13, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9289
PMID:41826063
|
研究论文 | 本文开发并验证了一种基于CTA的自动化定量侧支循环指数（qCI），用于预测急性缺血性卒中患者的预后 | 首次提出基于深度学习的全自动CTA侧支循环定量评估方法，结合脑血管形态学指标，显著提升了卒中预后预测的准确性和客观性 | 研究为单中心回顾性分析，样本量相对有限（230例），且仅针对接受血管内取栓治疗的患者 | 开发自动化CTA侧支循环评估工具，提升急性缺血性卒中预后预测准确性 | 急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | CTA, CT灌注 | 深度学习 | 医学影像 | 230例急性缺血性卒中患者 | NA | U-Net | 准确率, Pearson相关系数, Cohen's κ, AUROC, Brier分数 | NA |