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 1476 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2026-05-27 |
Hallucination at low radiation dose: Evaluation of two deep-learning reconstruction methods in high-resolution chest CT
2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3087772
PMID:42181036
|
研究论文 | 评估两种深度学习重建方法在高分辨率胸部CT中低辐射剂量下的幻觉表现 | 首次系统评估辐射剂量降低对两种深度学习重建算法（DLR1和DLR2）在高分辨率胸部CT中产生幻觉的影响，特别是在接近胸部X射线剂量的极低剂量水平（8%） | NA | 评估低辐射剂量下两种深度学习重建方法在高分辨率胸部CT中产生幻觉的情况 | 胸部CT图像中的间质性肺病病变 | 计算机视觉 | 间质性肺病 | CT | 深度学习重建 | 图像 | 30个图像系列（5名患者 × 3种剂量 × 2种DLR算法） | NA | DLR1, DLR2 | 幻觉评分（5点李克特量表） | NA |
| 262 | 2026-05-26 |
Benchmarking foundation models for splice site and exon annotation
2026-Feb-23, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.22.707219
PMID:42124697
|
研究论文 | 基准测试基础模型在剪接位点和外显子注释中的表现 | 系统性评估多种基础模型（包括Transformer和CNN架构）在不同类型外显子（如编码与非编码、组成性与选择性剪接、转座子衍生外显子）上的注释性能，并引入新微调模型STEP2h | 模型对训练数据中代表性不足的外显子类别（如非编码内部外显子、末端外显子、选择性剪接外显子及LINE-1衍生外显子）性能显著下降 | 评估基础模型在基因结构注释中的泛化能力，并识别其在不同外显子类别上的性能差异 | 基因和剪接位点注释模型 | 机器学习 | NA | NA | CNN, Transformer | 基因组序列 | NA | NA | SegmentNT, Enformer, Borzoi, SpliceAI, AlphaGenome, STEP2h | NA | NA |
| 263 | 2026-05-26 |
Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction
2026-02, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70072
PMID:40931540
|
研究论文 | 提出一种基于少样本学习的3D时间飞跃法磁共振血管成像重建方法，以极少的实验获取数据实现高质量重建 | 提出了专为3D TOF-MRA设计的3D变分网络，利用模拟多线圈K空间数据进行预训练，仅用两个单层实验数据集进行微调，解决了高分辨率全脑血管成像数据获取耗时的难题 | 未明确提及局限性，但训练数据仅限于模拟和少量实验数据，可能影响极端临床场景的泛化性 | 开发一种深度学习重建方法，实现高度加速的3D TOF-MRA成像，在极有限原始数据下保持高质量重建和鲁棒泛化 | 3D时间飞跃法磁共振血管成像（TOF-MRA）数据 | 计算机视觉 | 脑血管疾病 | 磁共振血管成像（MRA）、K空间模拟 | 变分网络 | 复数多线圈K空间数据、幅度图像 | 5名健康志愿者的回顾性欠采样in vivo数据、2名额外受试者的前瞻性欠采样数据 | PyTorch | 3D变分网络 | 重建质量评估（保留细血管、最小伪影）、加速倍数（8倍） | NA |
| 264 | 2026-05-25 |
A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium
2026-02, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13376
PMID:39651611
|
研究论文 | 比较五种超分辨率显微镜技术对专性胞内细菌（恙虫病东方体）紧密聚集微菌落的成像效果，并结合深度学习软件Cellpose和Imaris进行3D细胞分割与分析 | 首次系统比较五种超分辨率显微镜技术（标准共聚焦、Airyscan、iSIM、3D-SIM、STED）对专性胞内细菌成像的横向和轴向分辨率，并整合深度学习分割管道进行3D形态分析 | 研究仅比较了实验室可用的五种技术；未涉及其他超分辨率方法（如PALM/STORM），且样本处理成本高、对染料和标记物要求严格 | 评估不同超分辨率显微镜技术对细胞内紧密聚集的专性胞内细菌成像的分辨能力，并优化3D分析流程以揭示细菌形态差异 | 恙虫病东方体（Orientia tsutsugamushi）及其在哺乳动物细胞系中的菌落 | 数字病理学 | 恙虫病 | 超分辨率显微镜（共聚焦、Airyscan、iSIM、3D-SIM、STED） | 深度学习分割模型 | 显微图像（3D荧光图像） | 多种细胞系中培养的细菌菌落（具体数量未说明） | Cellpose, Imaris | Cellpose（通用深度学习分割模型） | 半高全宽（FWHM），细菌检测能力 | 商用软件Imaris处理图像；未提及GPU具体型号 |
| 265 | 2026-05-25 |
Artificial intelligence-powered microscopy: Transforming the landscape of parasitology
2026-02, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13433
PMID:40492595
|
综述 | 综述人工智能在寄生虫学中的应用，主要集中在顶复门、双滴虫门和动基体目寄生虫的显微镜和图像分析 | 总结人工智能在寄生虫学领域的最新进展，并探讨其在填补理解空白和诊断中的潜力 | 缺乏具体实验验证，依赖现有文献分析，且人工智能在生物医学领域的实施面临挑战 | 探讨人工智能如何推动寄生虫学研究和诊断发展，并促进跨学科合作 | 寄生虫学中的显微镜和图像分析，涉及顶复门、双滴虫门和动基体目寄生生物 | 自然语言处理、机器学习 | 寄生虫病 | 显微镜成像、图像分析 | 机器学习和深度学习模型 | 图像 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 266 | 2026-05-25 |
Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach
2026-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103318
PMID:41330257
|
研究论文 | 本研究提出一种透明且可解释的深度学习模型，利用BioBERT分析临床文本实现自闭症谱系障碍的自动诊断，并在两个不同数据集上评估迁移学习效果 | 首次采用BioBERT模型建立透明可解释的自闭症诊断流程，能够将行为描述映射到诊断标准，并系统比较了透明模型与黑箱模型在不同训练顺序和数据混合策略下的迁移学习性能 | 连续训练模型时性能略有下降，说明训练数据顺序对模型表现有影响 | 开发透明可解释的机器学习方法用于自动诊断自闭症，并评估迁移学习能力以提高模型的泛化性 | 自闭症谱系障碍患者和非自闭症个体的临床文本描述 | 自然语言处理 | 自闭症谱系障碍 | NA | Transformer（BioBERT） | 文本 | 两个不同的真实世界临床数据集 | NA | BioBERT | 敏感性, 特异性 | NA |
| 267 | 2026-05-25 |
Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces
2026-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103323
PMID:41330258
|
研究论文 | 提出一种SE(3)对称变压器模型，直接在富含局部多物理特征的血管模型表面上预测腹主动脉瘤生长 | 首次使用SE(3)-对称变压器直接在血管表面上进行局部生长预测，保留了血管表面的解剖结构和几何保真度，而非参数化AAA形状 | 样本量较小（113次CTA扫描，24名患者），外部验证集仅7名患者，可能限制泛化能力 | 通过个性化AAA生长预测改进监测策略 | 腹主动脉瘤患者血管表面的局部生长预测 | 机器学习 | 腹主动脉瘤 | 计算机断层扫描血管造影 | 变压器 | CTA扫描图像 | 24名AAA患者的113次CTA扫描（训练），7名AAA患者的25次CTA扫描（外部验证） | PyTorch | SE(3)-对称变压器 | 中位直径误差，准确率 | NA |
| 268 | 2026-05-25 |
Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications
2026-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103320
PMID:41338039
|
综述 | 本文系统综述了人工智能在抑郁症诊断中的方法论与临床应用，涵盖数据模态、模型性能及伦理挑战 | 首次系统评估多模态数据融合与先进神经网络架构在抑郁症诊断中的应用，并提出提升模型泛化性和可解释性的未来方向 | 数据集偏差、算法透明度不足及临床适用性挑战 | 综述AI驱动抑郁症诊断方法的研究现状，评估技术效能与临床转化潜力 | 语言、行为、生理数据（社交媒体、临床访谈、语音记录、可穿戴设备） | 机器学习 | 抑郁症 | NA | 机器学习、深度学习（神经网络架构） | 文本、语音、行为数据、生理信号 | NA | NA | 神经网络 | 诊断准确率 | NA |
| 269 | 2026-05-25 |
QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging
2026-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103322
PMID:41344072
|
研究论文 | 提出一种量子增强神经网络QENNA，用于早期阿尔茨海默病的磁共振成像检测 | 首次将量子卷积层与经典深度学习相结合，并引入量子生成对抗网络和量子随机游走进行数据增强，提升早期AD诊断准确率 | 训练数据匮乏时量子组件的性能提升需进一步验证，且量子计算资源在临床实践中的可扩展性尚未明确 | 开发高效早期阿尔茨海默病检测的AI诊断工具 | 早期阿尔茨海默病患者的大脑磁共振成像数据 | 计算机视觉, 机器学习 | 阿尔茨海默病 | 磁共振成像 (MRI) | 量子增强神经网络 (QENNA), 量子生成对抗网络 (QGAN) | 图像 | 两个公开MRI数据集 | NA | 量子卷积层, 经典深度学习网络 | 准确率, AUC | NA |
| 270 | 2026-05-25 |
Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center
2026-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103334
PMID:41421129
|
研究论文 | 针对约旦阿拉伯方言的患者反馈进行情感分析，构建了JADKHCC语料库，并评估了多种深度学习模型性能 | 首次构建了专门用于约旦阿拉伯方言患者反馈情感分析的JADKHCC语料库，并基于BERT-Arabic表示模型与CNN架构实现了高精度预测 | 未明确讨论模型泛化性及跨方言迁移能力不足的问题 | 基于自动化情感分析技术，从阿拉伯语患者反馈中检测服务质量问题并推动改进 | 金侯赛因癌症中心患者的约旦阿拉伯方言文本反馈 | 自然语言处理 | 癌症 | BERT-base-Arabic, Word2Vec, FastText | CNN | 文本 | 15,812条约旦阿拉伯方言评论 | PyTorch | CNN结合BERT表示 | F1分数 | NA |
| 271 | 2026-05-24 |
Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions
2026-02, Pharmacotherapy
IF:2.9Q2
DOI:10.1002/phar.70085
PMID:41276479
|
综述 | 系统评估了人工智能/机器学习模型预测偏头痛药物治疗反应的证据，并指出了方法学上的关键缺陷及未来方向 | 首次对AI/ML预测偏头痛药物反应的证据进行系统范围综述，揭示大多数研究仅依赖内部验证、缺乏外部验证，以及数据模态不全等核心问题 | 纳入研究存在普遍的方法学弱点，如过度依赖内部验证、患者队列重叠、缺乏生物标志物和遗传数据 | 评估AI/ML模型预测偏头痛急性或预防性药物治疗反应的证据，并提出未来研究方向 | 偏头痛患者的药物治疗反应预测模型 | 机器学习 | 偏头痛 | NA | 支持向量机、深度学习、概率模型 | 临床表型数据和神经影像数据 | 12项符合条件的研究 | NA | 支持向量机、深度学习模型、概率模型 | 预测准确性 | NA |
| 272 | 2025-12-11 |
The road to bedside: addressing key hurdles for deep learning prognostic models in light-chain cardiac amyloidosis
2026-Feb-27, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf344
PMID:41364678
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 273 | 2026-05-20 |
Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning
2026-Feb-07, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02399-7
PMID:41654658
|
研究论文 | 利用几何深度学习快速预测左心室激活时间图，为心脏再同步治疗规划提供支持 | 首次构建基于图神经网络和几何信息神经算子的几何深度学习模型，实现左心室激活时间图的实时预测，并开发了用于优化起搏点选择的工作流 | 模型在真实左心室几何结构上的性能略低于合成数据，且尚未在临床环境中进行验证 | 开发一种用于个性化心脏再同步治疗规划的计算方法，通过快速预测激活时间图并优化起搏点位置 | 左心室几何形状上的激活时间图预测 | 机器学习 | 心脏疾病（心脏衰竭） | 有限元模拟 | 图神经网络（GNN）和几何信息神经算子（GINO） | 合成和真实左心室几何形状的激活时间图数据 | 基于广泛合成左心室形状、起搏点配置和组织电导率生成的有限元模拟大样本数据集 | PyTorch | 图神经网络（GNN），几何信息神经算子（GINO） | 误差率（百分比） | NA |
| 274 | 2026-05-20 |
AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review
2026-02-01, American journal of clinical oncology
DOI:10.1097/COC.0000000000001238
PMID:40679809
|
综述 | 对人工智能算法在非小细胞肺癌预后预测中的应用进行系统文献综述 | 比较了不同人工智能类型（机器学习和深度学习）的预后性能，并评估了与TNM分期等传统预后系统的对比 | 建议在临床应用前需通过精心设计的临床试验进行充分验证 | 评估人工智能算法在非小细胞肺癌预后预测中的应用效果 | 非小细胞肺癌患者的预后预测 | 机器学习 | 肺癌 | NA | 机器学习, 深度学习 | 组织学数据, 遗传数据, CT, PET, MRI图像 | 初始3880篇文献，经筛选后纳入309篇 | NA | NA | 预后性能（具体指标未明确） | NA |
| 275 | 2026-03-02 |
Explainable deep learning and radiomics integration for differentiating insulinomas from NF-PNETs in EUS imaging
2026-Feb-28, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03388-2
PMID:41764459
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 276 | 2026-05-19 |
An explainable deep learning framework for video violence detection using unsupervised keyframe selection and attention-based CNN
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40977-7
PMID:41748832
|
研究论文 | 提出一种可解释的注意力增强卷积神经网络框架，用于视频暴力检测，集成无监督关键帧选择、注意力驱动特征学习和Grad-CAM++可解释性 | 融合无监督关键帧选择、注意力机制和Grad-CAM++可解释性，在降低计算开销的同时提升时空特征判别能力和模型透明度 | 未明确讨论在极低光照、严重遮挡或高动态场景下的鲁棒性，且仅在五类基准数据集上验证，可能泛化到其他暴力场景需进一步测试 | 解决视频暴力检测中的数据冗余、透明度和泛化挑战，实现高效且可解释的实时检测系统 | 视频监控和在线平台中的暴力行为检测 | 计算机视觉 | NA | 无监督关键帧选择（基于相似性聚类）、注意力机制、Grad-CAM++ | CNN（卷积神经网络） | 视频 | 五个基准数据集（RLVS、Hockey Fight、Violent Flow、ShanghaiTech、UCF-Crime） | NA | 注意力增强CNN（具体架构未明确，可能基于常见CNN骨干如ResNet） | 准确率、F1分数、处理速度（FPS）、内存使用量 | NA |
| 277 | 2026-05-19 |
Mathematical and Artificial Intelligence Techniques in Modern Drug Discovery: A Review
2026-02, Drug development research
IF:3.5Q2
DOI:10.1002/ddr.70212
PMID:41431184
|
综述 | 综述了数学和人工智能技术在药物发现中的应用 | 系统性地将数学框架与AI技术相结合，并分析了它们在药物开发各阶段的协同作用 | 未提供具体的实验验证或定量比较，分析主要基于现有文献 | 探讨数学建模与AI算法在药物开发中联合应用的潜力，以加速研发并降低风险 | 药物发现过程中的数学和AI技术 | 机器学习 | NA | NA | 机器学习、深度学习、强化学习、自然语言处理、迁移学习 | NA | NA | NA | NA | NA | NA |
| 278 | 2026-05-16 |
Recurrent neural network long short term memory model to detect the pile toe using raw data of pile integrity test
2026-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36732-7
PMID:41680218
|
研究论文 | 提出使用循环神经网络长短期记忆模型从桩完整性测试原始数据中检测桩端，以提高测试可靠性和效率 | 首次将RNN-LSTM模型应用于桩完整性测试的自动速度反射图生成，减少对人工经验的依赖并消除主观误差 | 模型仅基于埃及多个打入桩项目的数据训练，可能缺乏对其他地区或不同类型桩的泛化能力 | 开发一种人工智能系统，从加速度输入中学习波传播行为并正确捕捉桩端位置，替代传统人工解释方法 | 桩完整性测试中的桩端位置检测与反射图生成 | 机器学习 | NA | 低应变完整性测试 | 循环神经网络长短期记忆 | 加速度时程信号 | 埃及多个打入桩项目收集的数据 | NA | 六层32神经元LSTM | 决定系数R，训练R为0.9126、验证R为0.8778，桩端预测准确度达84%至89.5% | NA |
| 279 | 2026-05-16 |
Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation
2026-Feb, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70149
PMID:40676371
|
研究论文 | 利用长短期记忆深度学习算法从体动记录仪和心率数据预测儿童睡眠及睡眠阶段的表现评估 | 首次使用LSTM算法结合体动记录仪和心率数据预测儿童睡眠阶段，并评估其与传统方法相比的优势 | 研究仅基于实验室过夜多导睡眠图，未涉及家庭环境中的长期监测；消费者可穿戴设备种类有限（仅三种） | 评估LSTM算法从体动记录仪和心率数据预测儿童睡眠与睡眠阶段的准确性，并与传统方法比较 | 儿童（5-12岁）的睡眠数据 | 机器学习 | 睡眠障碍 | 体动记录仪、心率监测、多导睡眠图 | LSTM | 时间序列数据（体动记录仪和心率信号） | 238名儿童（5-12岁，52.8%男性，50%黑人，31.9%白人） | 未明确指定 | LSTM | 准确率、敏感性、特异性 | NA |
| 280 | 2026-05-16 |
A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory
2026-Feb, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500716
PMID:41024445
|
研究论文 | 该文提出一种结合卷积非线性脉冲神经模型与双向长短期记忆的多变量云工作负载预测方法 | 提出基于非线性脉冲神经P系统的卷积模型(ConvNSNP),相比传统卷积模型增强了处理非线性数据的能力 | 未提及模型的泛化能力和计算资源消耗情况 | 解决云计算环境中多变量工作负载预测问题 | 云工作负载时间序列数据 | 机器学习 | NA | 深度学习 | 混合模型 | 时间序列 | 三个公共云工作负载数据集(来自阿里巴巴和谷歌) | NA | ConvNSNP, BiLSTM | RMSE, MAE, MAPE | NA |