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 3314 篇文献，本页显示第 1881 - 1900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1881 | 2026-01-28 |
Xeno-learning: knowledge transfer across species in deep learning-based spectral image analysis
2026-Jan-26, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-025-01585-4
PMID:41588072
|
研究论文 | 本文提出了一种名为'异种学习'的跨物种知识迁移概念，用于解决临床手术成像中深度学习模型训练数据不足的问题 | 引入'异种学习'概念，通过'基于生理学的数据增强'方法，将动物模型中学到的病理或手术操作相关光谱变化迁移到人类应用 | 未明确说明模型在人类数据上的具体性能表现或泛化能力的定量评估 | 解决临床手术成像中因缺乏大规模代表性数据而导致的深度学习模型训练难题 | 人类、猪和大鼠模型的光谱图像数据 | 计算机视觉 | NA | 高光谱成像 | 深度学习 | 图像 | 14,013张高光谱图像 | NA | NA | NA | NA |
| 1882 | 2026-01-28 |
Generating Training Data for Ureter Segmentation Using Dual-Energy CT Two-Material Decomposition
2026-Jan-26, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01847-w
PMID:41588287
|
研究论文 | 本研究评估了基于双能CT双物质分解技术在生成输尿管分割训练数据中的效用 | 利用双能CT双物质分解技术从增强图像生成虚拟平扫图像，以创建用于输尿管分割的训练数据，这是一种创新的数据生成方法 | 外部验证数据集的性能有限，表明模型泛化能力有待提高 | 评估双能CT双物质分解技术生成输尿管分割训练数据的可行性 | 接受双能CT尿路造影的180名患者 | 数字病理学 | 泌尿系统疾病 | 双能CT，双物质分解技术 | 深度学习分割模型 | CT图像 | 180名患者（150名来自机构1，30名来自机构2） | nnU-Net | U-Net | Dice系数，精确度，召回率 | NA |
| 1883 | 2026-01-28 |
The sarcopenia artificial intelligence diagnostic decision support system (SAID DSS) - a multimodal deep learning model
2026-Jan-26, BMC geriatrics
IF:3.4Q2
DOI:10.1186/s12877-026-07005-9
PMID:41588346
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1884 | 2026-01-28 |
Aligned cross-modal integration and regulatory heterogeneity characterization of single-cell multiomic data with deep contrastive learning
2026-Jan-26, Genome medicine
IF:10.4Q1
DOI:10.1186/s13073-025-01586-7
PMID:41588477
|
研究论文 | 本文提出了一种基于对比学习的单细胞多组学深度学习模型（scMDCF），用于高效整合和表征单细胞多组学数据 | 开发了跨模态对比学习模块和特征融合模块，以协调不同组学类型的数据表示，同时保留生物异质性 | 未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制 | 解决单细胞多组学数据整合中的挑战，以更好地理解细胞功能和相互作用 | 单细胞多组学数据，包括SNARE-seq、CITE-seq、BNT162b2 mRNA SARS-CoV-2疫苗接种后数据集和阿尔茨海默病特异性数据 | 机器学习 | 阿尔茨海默病 | 单细胞多组学技术（scMulti-omics），包括SNARE-seq、CITE-seq | 深度学习模型，基于对比学习 | 单细胞多组学数据 | NA | NA | scMDCF（单细胞多组学深度学习模型） | 聚类性能，批次效应缓解 | NA |
| 1885 | 2026-01-28 |
Advancing the modernization of traditional Chinese medicine through artificial intelligence and multimodal data integration
2026-Jan-26, Chinese medicine
IF:5.3Q1
DOI:10.1186/s13020-025-01194-y
PMID:41588523
|
综述 | 本文综述了人工智能技术如何通过整合多模态数据，推动中医药现代化进程 | 系统性地从多尺度数据、研发、诊疗及大语言模型四个维度，全面回顾了AI在中医药现代化中的应用进展，强调了AI在数据驱动复杂系统、基础科学研究和精准医学中的前沿应用 | NA | 探讨人工智能技术如何促进中医药的现代化发展 | 中医药领域的多模态数据、研发过程、诊断与治疗实践 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 知识图谱, 自然语言处理, 大语言模型 | NA | 多模态数据 | NA | NA | NA | NA | NA |
| 1886 | 2026-01-28 |
FibroTrack: a standalone deep learning platform for automated fibrosis quantification in muscle and cardiac histology
2026-Jan-26, Skeletal muscle
IF:5.3Q2
DOI:10.1186/s13395-026-00415-8
PMID:41588534
|
研究论文 | 本文介绍了一个名为FibroTrack的独立深度学习平台，用于自动化定量分析肌肉和心脏组织学中的纤维化 | 首次将LAB色彩空间归一化与YOLOv11分割模型集成于一个具有图形用户界面的独立平台中，用于多染色类型的纤维化分析 | 未明确提及模型在不同染色批次或实验室间的泛化能力验证 | 开发一个自动化、高精度且可重复的纤维化定量分析工具，以克服现有手动和半自动化方法的局限性 | 肌肉和心脏组织学图像 | 数字病理学 | 心血管疾病 | Sirius Red染色、Masson's Trichrome染色、免疫组织化学染色 | CNN | 图像 | 2034张组织学图像 | NA | YOLOv11 | 掩膜精度, Spearman相关系数 | NA |
| 1887 | 2026-01-28 |
Role of a Deep-Learning Based Convolutional Neural Network Model for Real-Time Ventricular Tachycardia Alarm Classification
2026-Jan-26, Journal of cardiovascular electrophysiology
IF:2.3Q2
DOI:10.1111/jce.70271
PMID:41588600
|
研究论文 | 本研究开发了一种基于一维卷积神经网络的深度学习模型，用于实时分类心室心动过速警报，以减少ICU中的误报 | 利用多通道原始波形数据（包括ECG、PPG和ABP信号）和短时波形段，构建了一个高效的1D-CNN模型，显著降低了心室心动过速警报的误报率 | 模型性能依赖于公开数据集，可能未涵盖所有临床场景；且仅使用了警报前10秒的数据段，可能忽略了更长时间范围内的信息 | 开发一个能够准确区分真假心室心动过速警报的实时分类系统，以减轻ICU中的警报疲劳问题 | 心室心动过速警报信号，包括心电图、光电容积脉搏波和动脉血压波形 | 机器学习 | 心血管疾病 | 心电图监测，光电容积脉搏波监测，动脉血压监测 | CNN | 波形信号 | 使用公开的VTaC心律失常基准数据集，具体样本数量未在摘要中明确说明 | NA | 一维卷积神经网络 | AUC, 准确率, F1分数, 灵敏度, 特异度, 阳性预测值 | NA |
| 1888 | 2026-01-28 |
Integrating artificial intelligence (AI) into colorectal cancer reporting
2026-Jan-26, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.70029
PMID:41588707
|
综述 | 本文综述了人工智能在结直肠癌病理报告标准化及新型预后生物标志物发现中的应用进展 | 提出了结合传统病理特征与AI衍生预后指标的协调方法，以优化风险评估并改善患者预后 | NA | 探讨人工智能如何促进结直肠癌病理报告的标准化及新型预后生物标志物的识别 | 结直肠癌的病理报告和预后生物标志物 | 数字病理学 | 结直肠癌 | 深度学习 | 深度学习模型 | 全切片图像 | NA | NA | 多模态模型, 视觉语言模型 | NA | NA |
| 1889 | 2026-01-28 |
Hierarchical image pyramid transformer framework for automated breast cancer molecular subtyping using tissue microarrays
2026-Jan-26, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.70028
PMID:41588712
|
研究论文 | 提出了一种名为PBC-HIPT的新型深度学习框架，用于从标准H&E染色图像中自动进行乳腺癌分子分型 | 开发了一种基于多级Transformer的架构，能够从细胞到组织尺度分层聚合组织病理学特征，以捕获高分辨率图像中的多尺度形态特征和长程依赖关系 | 模型在组织微阵列（TMA）上表现出稳健的模态内泛化能力，但在全切片图像（WSI）的跨模态验证中性能下降 | 解决乳腺癌在分子和组织学水平的异质性带来的诊断和治疗挑战，实现从H&E染色图像中自动、准确的分子分型和生物标志物评估 | 乳腺癌组织微阵列（TMA）和全切片图像（WSI） | 数字病理学 | 乳腺癌 | H&E染色，免疫组织化学（用于比较） | Transformer | 图像 | 252例TMA病例和46张独立的全切片图像（WSI） | NA | Hierarchical Image Pyramid Transformer (HIPT) | 准确率，曲线下面积（AUC） | NA |
| 1890 | 2026-01-28 |
Enhanced MesoNet-based deepfake detection using deep learning: A robust framework for multimedia forensics
2026-Jan-26, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70275
PMID:41588812
|
研究论文 | 本研究提出了一种基于增强版MesoNet卷积神经网络的深度伪造检测框架，用于识别被篡改的图像和视频 | 在原始MesoNet架构基础上增加了两个卷积层，显著提升了检测性能，并开发了结合React前端和Flask后端的实时检测系统 | 未明确说明模型在不同类型深度伪造技术（如换脸、语音合成等）上的泛化能力，也未提及对对抗性攻击的鲁棒性 | 开发一个鲁棒且可扩展的深度伪造检测框架，以应对人工智能生成的虚假多媒体内容对数字内容真实性和公众信任的威胁 | 被深度伪造技术篡改的图像和视频 | 计算机视觉 | NA | 深度学习 | CNN | 图像, 视频 | NA | NA | MesoNet | 准确率, 精确率, 召回率, F1分数, 马修斯相关系数 | NA |
| 1891 | 2026-01-28 |
Artificial Intelligence Models Integrating Preoperative Prostate MRI and Clinical Parameters for Predicting Extraprostatic Extension: A Systematic Review and Meta-Analysis
2026-Jan-26, Journal of surgical oncology
IF:2.0Q2
DOI:10.1002/jso.70167
PMID:41588994
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了整合术前前列腺MRI图像和临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能 | 系统性地评估了整合放射组学特征与临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能，并比较了深度学习与传统机器学习算法的表现 | 研究间存在异质性，主要源于MRI协议、分割方法和建模方法的差异，且深度学习与传统机器学习算法间的性能差异无统计学显著性 | 评估整合术前前列腺MRI和临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 多参数MRI（如T2加权成像、弥散加权成像） | 深度学习, 传统机器学习 | 图像, 临床参数 | 14项研究，共涉及2131名患者 | NA | NA | 灵敏度, 特异度, 曲线下面积, 诊断比值比 | NA |
| 1892 | 2026-01-28 |
MRI-based multilevel radiomics and transformer features for predicting radiation-induced carotid artery injury after nasopharyngeal carcinoma radiotherapy: A multicenter study
2026-Jan-24, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111390
PMID:41587618
|
研究论文 | 本研究开发并验证了一种基于MRI的多层次影像组学与Transformer特征融合模型，用于预测鼻咽癌放疗后放射性颈动脉损伤 | 首次将常规影像组学、亚区域影像组学与Transformer深度学习特征融合，构建多中心预测模型，并通过SHAP分析揭示了不同特征对模型决策的贡献 | 回顾性研究设计可能存在选择偏倚，样本量相对有限，且仅基于MRI数据 | 预测鼻咽癌患者放疗后放射性颈动脉损伤的发生风险 | 鼻咽癌放疗患者 | 数字病理学 | 鼻咽癌 | MRI成像 | 深度学习, 影像组学 | 医学影像 | 500名患者（来自四家医院，分为训练集274例、内部测试集118例、外部测试集108例） | NA | Swin Transformer | AUC, 准确率, 灵敏度, 特异度, Brier分数, NRI, IDI | NA |
| 1893 | 2026-01-28 |
Deep learning to predict left ventricular hypertrophy from the electrocardiogram
2026-Jan-23, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology
IF:7.9Q1
DOI:10.1093/europace/euag015
PMID:41589068
|
研究论文 | 本研究开发了一种深度学习模型，利用心电图和临床变量预测左心室肥厚，并在两个大型队列中进行了评估 | 采用全卷积网络架构，结合心电图和临床变量直接预测左心室质量指数，相比传统机器学习方法显著提高了预测性能 | 模型在外部验证队列中的泛化能力有限，受临床特征、心电图采集和心脏磁共振标记差异的影响 | 开发一种基于深度学习的可扩展筛查工具，用于从心电图预测左心室肥厚 | 英国生物银行和波美拉尼亚健康研究的参与者 | 机器学习 | 心血管疾病 | 心脏磁共振成像 | CNN | 心电图信号, 临床变量 | 英国生物银行48,835名参与者，波美拉尼亚健康研究1,423名参与者 | NA | 全卷积网络 | AUROC | NA |
| 1894 | 2026-01-28 |
Deep Learning-Based Prediction of Cardiopulmonary Disease in Retinal Images of Premature Infants
2026-Jan-22, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2025.5814
PMID:41569552
|
研究论文 | 本研究利用深度学习模型分析早产儿视网膜图像，预测支气管肺发育不良和肺动脉高压，并探索多模态模型结合图像特征与人口统计学风险因素的性能 | 首次利用早产儿视网膜病变筛查中的视网膜图像预测心肺疾病，并开发了结合图像特征与人口统计学风险因素的多模态模型，以提升预测性能 | 研究样本仅来自7个新生儿重症监护室，可能限制结果的普遍性；图像采集时间限于34周或更小的矫正胎龄，可能影响模型对晚期诊断的适用性 | 确定早产儿视网膜图像是否包含与支气管肺发育不良和肺动脉高压相关的特征，并评估多模态模型在预测这些疾病中的性能 | 早产儿，特别是那些有早产儿视网膜病变风险的婴儿 | 计算机视觉 | 心血管疾病 | 视网膜成像 | 支持向量机 | 图像 | 493名婴儿（包括BPD队列的99名患者和PH队列的37名患者作为测试集） | NA | ResNet18 | AUROC | NA |
| 1895 | 2026-01-28 |
Artificial Intelligence and Machine Learning in Bone Metastasis Management: A Narrative Review
2026-Jan-22, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol33010065
PMID:41590385
|
综述 | 本文是一篇关于人工智能和机器学习在骨转移管理中应用的叙事性综述 | 整合了AI/ML在骨转移管理中的最新应用，并指出了未来研究方向，如开发替代Mirels评分的AI增强工具和多中心协作 | 现有研究多为内部验证，缺乏外部验证；可解释性、偏见缓解和健康经济影响评估不足；极少框架集成到常规工作流程中 | 综述AI/ML在骨转移管理中的应用，包括病灶检测、分割、预后建模、骨折风险评估和手术决策支持 | 骨转移患者 | 机器学习 | 骨转移 | 影像组学和深度学习 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 1896 | 2026-01-28 |
Energy-driven innovations in computational de novo protein engineering
2026-Jan-20, Progress in biophysics and molecular biology
DOI:10.1016/j.pbiomolbio.2026.01.005
PMID:41570866
|
综述 | 本文综述了基于能量模型的计算从头蛋白质工程中的创新方法及其在生物技术、医学和合成生物学中的应用 | 整合了经典力场、量子力学方法和AI驱动预测，提出了基于物理与数据驱动策略协同的蛋白质设计路线图 | NA | 推进计算从头蛋白质工程，设计具有定制功能的新型蛋白质 | 蛋白质 | 计算生物学 | NA | 分子动力学、热力学积分、蒙特卡洛采样 | 机器学习、深度学习 | NA | NA | NA | NA | 准确性、成本、通量 | NA |
| 1897 | 2026-01-28 |
XCPP: A Multi-model Explainable Deep Learning Framework for Accurate Identification of Cell-Penetrating Peptides from Structured Sequence Features
2026-Jan-20, Current drug targets
IF:3.0Q2
|
研究论文 | 本文提出了一种名为XCPP的多模型可解释深度学习框架，用于基于结构化序列特征准确识别细胞穿透肽 | 结合了多种序列描述符和三种深度学习架构，并利用SHAP值增强模型的可解释性 | 尚未进行体外或体内验证，LSTM模型可能存在过拟合问题 | 开发一个准确识别细胞穿透肽的计算框架 | 细胞穿透肽 | 机器学习 | NA | 序列描述符计算 | DNN, CNN, LSTM | 序列特征 | 473个已确认的细胞穿透肽 | NA | Deep Neural Networks, Convolutional Neural Networks, Long Short-Term Memory | 准确率 | NA |
| 1898 | 2026-01-28 |
Triple-Negative Breast Cancer and Artificial Intelligence: Current Paradigms in Diagnosis, Therapy Prediction, Prognosis, and Challenges
2026-Jan-20, Current pharmaceutical biotechnology
IF:2.2Q3
|
综述 | 本文综述了人工智能在三阴性乳腺癌诊断、治疗预测和预后中的当前应用范式与挑战 | 整合了多种AI模型（如Transformer-GCN、混合CNN-Bi-LSTM-EfficientNet）在TNBC中的应用，并探讨了AI与纳米技术结合用于智能药物递送系统 | AI模型的泛化性因训练数据集差异和TNBC生物学异质性而受限，临床实施面临挑战 | 探讨人工智能在三阴性乳腺癌精准医疗中的应用与整合 | 三阴性乳腺癌 | 数字病理学 | 乳腺癌 | 放射组学, 全切片组织病理学图像分析 | Transformer, GCN, CNN, Bi-LSTM, EfficientNet, ConvNeXtBase | 图像, 临床数据 | NA | NA | NACNet, 混合CNN-Bi-LSTM-EfficientNet, ConvNeXtBase | 准确率, 灵敏度, AUC, F1分数, C指数 | NA |
| 1899 | 2026-01-28 |
The Diagnostic Value of Image-Based Machine Learning for Osteoporosis: Systematic Review and Meta-Analysis
2026-Jan-16, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/75965
PMID:41544126
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了基于医学影像的机器学习模型在骨质疏松症诊断中的价值 | 首次系统评估了基于不同医学影像模态（X射线、CT、MRI）的机器学习模型在骨质疏松症诊断中的性能，并进行了分层和亚组分析 | 纳入的基于MRI的原始研究数量有限，且各研究间缺乏足够的外部验证，这带来了解释上的局限性 | 阐明基于不同医学影像模态的深度学习模型在骨质疏松症检测中的作用 | 基于医学影像使用机器学习进行骨质疏松症诊断的相关研究 | 机器学习 | 骨质疏松症 | 医学影像（X射线、CT、MRI） | 机器学习（ML）、深度学习（DL） | 医学影像 | 60项研究，共66,195名参与者 | NA | NA | 敏感性（SEN）、特异性（SPC） | NA |
| 1900 | 2026-01-28 |
Hybrid Spike-Encoded Spiking Neural Networks for Real-Time EEG Seizure Detection: A Comparative Benchmark
2026-Jan-16, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics11010075
PMID:41589992
|
研究论文 | 本研究提出了一种用于实时EEG癫痫发作检测的混合脉冲编码脉冲神经网络，并在CHB-MIT数据集上进行了性能评估 | 提出了一种结合Delta-Sigma（基于变化）和随机速率表示的混合脉冲编码方案，并设计了两种专为实时EEG分析优化的脉冲神经网络架构 | 研究仅在CHB-MIT数据集上进行评估，未在其他EEG数据集上验证模型的泛化能力 | 开发低延迟、高精度的实时EEG癫痫发作检测模型，适用于临床连续监测和可穿戴健康技术 | 脑电图（EEG）信号中的癫痫发作检测 | 机器学习 | 癫痫 | 脑电图（EEG） | SNN（脉冲神经网络） | EEG信号 | CHB-MIT数据集 | NA | HybridSNN（紧凑前馈网络）, ConvSNN（深度可分离卷积结合时序自注意力） | 准确率, F1分数, 误报率（每天）, 推理延迟 | 标准CPU硬件 |