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 1515 篇文献，本页显示第 661 - 680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 661 | 2026-02-26 |
The Dual Associations of Peripheral Inflammatory Cells With Brain Reorganization in Insular Gliomas With/Without Epilepsy: An Exploratory Analysis
2026-Feb, CNS neuroscience & therapeutics
IF:4.8Q1
DOI:10.1002/cns.70788
PMID:41721208
|
研究论文 | 本研究探讨了岛叶胶质瘤伴或不伴癫痫患者中大脑重组与周围炎症细胞的关联 | 揭示了岛叶胶质瘤伴癫痫与不伴癫痫患者大脑重组模式的差异，并探索了周围炎症细胞作为潜在生物标志物的价值 | 样本量有限，为探索性分析，需要纵向研究和更具体的生物标志物来阐明因果关系 | 揭示岛叶胶质瘤患者的大脑重组过程，并探索反映这些过程的潜在周围生物标志物 | 岛叶胶质瘤相关癫痫患者和不伴癫痫患者 | 数字病理学 | 胶质瘤 | 深度学习肿瘤分割，虚拟大脑移植，形态学分析 | 深度学习 | 医学影像 | 103名患者（51名岛叶胶质瘤相关癫痫，52名不伴癫痫） | MATLAB, SPM, CAT12 | NA | NA | NA |
| 662 | 2026-02-26 |
Systematic bibliometric and visualized analysis of global research trends, impact, emerging areas, and hotspots of artificial intelligence in personalized medicine
2026-Feb, Naunyn-Schmiedeberg's archives of pharmacology
DOI:10.1007/s00210-025-04732-5
PMID:41105247
|
综述 | 本研究通过文献计量和可视化分析，全面评估了人工智能在个性化医学领域的研究趋势、影响力、新兴领域和热点 | 首次系统性地利用Scopus数据库数据，结合多种分析工具，对AI在个性化医学领域的全球研究趋势进行文献计量和可视化分析，识别出关键热点如深度学习、生物标志物和影像组学 | 分析仅基于Scopus数据库，可能未涵盖所有相关文献；研究为回顾性分析，无法预测未来具体技术发展 | 分析人工智能在个性化医学领域的研究趋势、影响力、新兴领域和热点，为研究者、政策制定者和资助机构提供参考 | 全球范围内关于人工智能在个性化医学领域的学术文献 | 机器学习 | NA | 文献计量分析，可视化分析 | NA | 文本数据（学术文献元数据） | 3719篇文章 | Microsoft Excel 365, VOSviewer, Bibliometrix R package | NA | NA | NA |
| 663 | 2026-02-26 |
A Beginner's Guide to Using DeepVirFinder for Viral Sequence Identification From Metagenomic Datasets
2026-Feb, Current protocols
DOI:10.1002/cpz1.70310
PMID:41609929
|
指南 | 本文提供了使用DeepVirFinder软件从宏基因组数据集中识别病毒序列的入门指南 | 通过优化运行时间性能并保持原始用户界面，改进了DeepVirFinder软件，并提供了基本工作流程和下游分析辅助脚本 | NA | 促进DeepVirFinder软件在病毒序列识别中的快速采用，帮助初学者用户有效挖掘宏基因组数据中的病毒信息 | 病毒序列 | 机器学习 | NA | 宏基因组测序 | CNN | 序列数据 | NA | NA | 孪生卷积神经网络 | NA | NA |
| 664 | 2026-02-26 |
[Delivering with Intelligence: Integrating Artificial Intelligence into Intrapartum Ultrasound]
2026-Feb, Harefuah
PMID:41736619
|
研究论文 | 本文探讨了将人工智能整合到产时超声中，以自动化关键测量并减少对操作者经验的依赖 | 开发了一种全自动深度学习算法，用于分析经会阴产时超声扫描，自动识别最佳帧并测量进展角，无需人工干预 | NA | 提高产时超声的诊断精度，减少不必要的干预，并确保在分娩和分娩环境中提供一致、个性化的护理 | 产时超声扫描，包括胎儿头位、进展角和头会阴距离等参数 | 医学影像 | 产科疾病 | 超声 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 665 | 2026-02-26 |
Causal deep learning to personalize medicine: Which intensive care patients with sepsis will benefit from corticosteroid therapy?
2026-Feb, Journal of intensive medicine
DOI:10.1016/j.jointm.2025.07.002
PMID:41736785
|
研究论文 | 本研究利用因果深度学习框架，识别哪些重症监护脓毒症患者能从皮质类固醇治疗中获益 | 首次将因果深度学习应用于脓毒症治疗个性化，通过TARNet模型估计治疗对28天死亡率的预测概率降低，并识别治疗反应者、无反应者和可能受伤害者 | 研究依赖于回顾性ICU数据库，可能存在未测量的混杂因素；外部验证性能（AUROC 0.71）低于内部验证（AUROC 0.79） | 个性化脓毒症治疗，确定皮质类固醇治疗对重症监护脓毒症患者的生存获益 | 重症监护脓毒症患者 | 机器学习 | 脓毒症 | 因果深度学习 | TARNet | 临床数据 | 阿姆斯特丹UMCdb数据库2920例入院患者（干预组1378例，对照组1542例），MIMIC-IV v2.2用于外部验证 | 未明确指定 | TARNet | AUROC, Wasserstein距离 | NA |
| 666 | 2026-02-26 |
Web-Based Application of Simplified Machine Learning for Detecting Reduced LVEF From 12-Lead ECG
2026-Feb, Journal of arrhythmia
IF:2.2Q2
DOI:10.1002/joa3.70296
PMID:41738056
|
研究论文 | 本研究开发并验证了基于12导联心电图数值参数的简化机器学习模型，用于检测左心室射血分数降低，并实现了一个用户友好的网络应用 | 提出简化的机器学习模型替代复杂的深度学习模型，以提高临床可用性，并开发了网络应用工具 | 模型在外部验证中连续预测性能较差，且研究为回顾性分析，可能存在选择偏倚 | 开发并验证简化的机器学习模型，用于从12导联心电图检测左心室射血分数降低 | 来自两个机构的21,471名患者的心电图和经胸超声心动图数据 | 机器学习 | 心血管疾病 | 心电图，经胸超声心动图 | 随机森林，极端梯度提升，支持向量机，广义加性模型 | 数值参数 | 21,471名患者（开发队列：非房颤12,922例，房颤1,281例；外部验证队列：非房颤6,284例，房颤984例） | NA | 随机森林，XGBoost，支持向量机，广义加性模型 | R²，AUC | NA |
| 667 | 2026-02-25 |
A cascaded CNN-LSTM framework for quantifying respiratory motion from surface electromyographic signals
2026-Feb-24, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae42ea
PMID:41650479
|
研究论文 | 本研究提出了一种级联的CNN-LSTM深度学习框架，用于从表面肌电信号中实时量化呼吸运动，有效抑制心电图干扰并提高准确性 | 提出了一种结合CNN-LSTM混合模型和多尺度CNN的级联深度学习框架，能够在不依赖后处理的情况下实时抑制心电图干扰并量化呼吸运动，相比传统方法具有更高的相关性和实时处理能力 | 研究样本量相对较小（49名受试者），且仅使用腹部压力作为参考信号进行验证，可能未涵盖所有临床场景的多样性 | 开发一种鲁棒的实时呼吸运动量化方法，用于临床环境中的呼吸监测 | 表面肌电信号和呼吸数据 | 机器学习 | NA | 表面肌电信号采集 | CNN, LSTM | 信号数据 | 49名受试者（20名用于训练，29名用于验证） | NA | CNN-LSTM混合模型, 多尺度CNN | 皮尔逊相关系数 | NA |
| 668 | 2026-02-25 |
Redefining Tumor Vascular Permeability through Deep Learning-Guided Microneedle Delivery
2026-Feb-24, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c16558
PMID:41660810
|
研究论文 | 本文介绍了一种深度学习引导的微针递送平台，用于局部、时空精确地调节肿瘤血管通透性，以增强纳米颗粒的血管外渗 | 开发了深度学习引导的微针递送平台，结合升级的单血管分析框架，实现了对肿瘤血管重塑和纳米颗粒转运的定量映射，并揭示了通过VE-钙粘蛋白介导的调控选择性扩大内皮连接，从而重编程低通透性肿瘤表型 | 未明确说明研究的局限性 | 克服肿瘤血管低通透性对纳米药物递送的障碍，为肿瘤靶向纳米药物的合理设计提供机制性和预测性范式 | 多种肿瘤类型和不同尺寸的纳米颗粒 | 数字病理学 | 肿瘤 | 微针递送平台，单血管分析框架（nano-ISML 1.1） | 深度学习 | 图像，定量映射数据 | NA | NA | NA | NA | NA |
| 669 | 2026-02-25 |
Deep-Learning-Enhanced Living Biophotovoltaics: Predictive Photocurrent Modeling and Sensitive Herbicide Biosensing
2026-Feb-24, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.5c06224
PMID:41672884
|
研究论文 | 本文开发了一种基于蓝藻的活体生物光伏系统，用于同时产生绿色能源和检测除草剂，并利用深度学习模型预测光电流动态 | 将导电聚合物-金纳米粒子修饰电极与蓝藻集成，构建活体生物光伏系统，并首次应用深度学习架构（如BiLSTM）建模和预测光电流动力学，实现AI辅助的复杂光电化学过程模拟 | 未明确说明深度学习模型在长期稳定性或不同环境条件下的泛化能力，以及系统在实际大规模应用中的可行性 | 开发一种结合可持续能源生成和高灵敏度除草剂生物传感的双功能活体生物光伏系统 | 蓝藻基活体生物光伏系统、苯脲类除草剂（如敌草隆和利谷隆） | 机器学习 | NA | 电聚合、金纳米粒子修饰、计时电流法 | LSTM, BiLSTM, GRU | 时间序列数据（光电流动态） | 未明确说明具体样本数量，但涉及优化参数（如60次电聚合循环、450 mg/mL蓝藻浓度） | 未明确指定，但可能基于TensorFlow或PyTorch等深度学习框架 | BiLSTM-SGDM（结合双向长短期记忆网络和随机梯度下降动量优化器） | R², RMSE, MAE | 未明确说明 |
| 670 | 2026-02-25 |
Comment on "Automatic rib fracture detection on postmortem CT data using deep learning"
2026-Feb-24, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-026-03755-8
PMID:41731167
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 671 | 2026-02-25 |
A Spectral Clustering-Based Approach for Balancing Data in TF-Target Gene Interaction Prediction Using Heterogeneous Network Embedding
2026-Feb-23, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2026.3666856
PMID:41729651
|
研究论文 | 提出一种结合谱聚类和异构网络嵌入的方法，用于预测转录因子与靶基因的相互作用，并解决数据不平衡问题 | 提出整合谱聚类进行样本选择以平衡数据集，并采用随机游走采样与skip-gram嵌入的深度学习方法来学习生物网络表示 | 未明确说明方法在更广泛生物网络或不同物种中的泛化能力，也未讨论计算复杂度 | 提高转录因子与靶基因相互作用预测的准确性，并解决数据不平衡问题 | 转录因子与靶基因的相互作用 | 机器学习 | NA | 异构网络嵌入 | 深度学习 | 网络数据 | NA | NA | skip-gram | AUC | NA |
| 672 | 2026-02-25 |
Physics-Informed Deep Learning for Shear Wave Speed Estimation in MR Elastography
2026-Feb-23, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3666306
PMID:41729656
|
研究论文 | 本文提出了一种基于物理信息深度学习的磁共振弹性成像方法，用于从欠采样k空间数据中直接估计剪切波速度 | 首次提出了端到端可训练的MRE重建方法，结合模型驱动的神经网络正则化重建模块和相位梯度反演模块，直接从k空间数据估计SWS | 未明确说明方法在更广泛疾病类型或更大样本量下的泛化能力 | 开发一种数据驱动的正则化方法，用于从欠采样k空间数据中稳健估计剪切波速度 | 脑部磁共振弹性成像数据 | 医学影像分析 | NA | 磁共振弹性成像 | 神经网络 | k空间数据, 图像 | 回顾性高度欠采样的脑部MRE数据及体内数据 | NA | 模型驱动的神经网络正则化重建模块 | 归一化均方根误差 | NA |
| 673 | 2026-02-25 |
Multimodal Machine Learning and Deep Learning Approaches for Parkinson's Disease Diagnosis: A Comprehensive Survey
2026-Feb-23, Clinical EEG and neuroscience
IF:1.6Q3
DOI:10.1177/15500594251366800
PMID:41729683
|
综述 | 本文全面综述了机器学习和深度学习在帕金森病诊断中的最新进展，重点关注多模态数据融合方法 | 系统性地比较了针对不同数据源（如EEG、语音、MRI）的ML/DL技术，并探讨了可解释AI和多模态分析等未来方向 | 现有研究面临数据集规模有限、模型可解释性不足以及跨医疗环境泛化能力弱等挑战 | 评估ML/DL技术在实现更客观、定量和精准的帕金森病诊断方面的潜力与进展 | 帕金森病患者的多模态数据（EEG信号、语音记录、MRI扫描） | 机器学习, 深度学习 | 帕金森病 | NA | NA | 多模态数据（EEG信号、语音记录、MRI扫描） | NA | NA | NA | NA | NA |
| 674 | 2026-02-25 |
The AlphaGenome deep learning model predicts effects of non-coding variants
2026-Feb-23, Nature structural & molecular biology
IF:12.5Q1
DOI:10.1038/s41594-026-01763-1
PMID:41731158
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 675 | 2026-02-25 |
From Clinic to Community: An Interpretable Artificial Intelligence Framework for Enamel Caries Detection to Support Public Health Dentistry
2026-Feb-20, European journal of dentistry
DOI:10.1055/s-0046-1816061
PMID:41720475
|
研究论文 | 本研究开发了一个可解释的人工智能框架，用于自动检测牙釉质龋齿，以支持公共卫生牙科 | 提出了一个结合了注意力引导融合机制的可解释深度学习框架，用于多严重程度牙釉质龋齿的自动分类，并应用Grad-CAM提供视觉可解释性 | 未来研究需要关注多中心验证和多模态数据集以提高泛化能力 | 开发一个高效且可解释的深度学习框架，用于自动分类牙釉质龋齿的多个严重程度，确保临床适用性和透明度 | 牙釉质龋齿 | 计算机视觉 | 牙釉质龋齿 | 深度学习 | CNN | 图像 | 2,000张临床牙科图像，通过预处理和增强扩展到12,000张 | TensorFlow, PyTorch | Modified EfficientNetB0, Modified MobileNetV2 | 准确率, 精确率, 灵敏度, 特异度, F1分数, ROC AUC | NA |
| 676 | 2026-02-25 |
A Unified Deep Learning Framework for Visual Diagnosis of Palatal Radicular Grooves in CBCT Scans: A Multicenter Validation Study
2026-Feb-06, Journal of endodontics
IF:3.5Q1
DOI:10.1016/j.joen.2026.01.022
PMID:41655629
|
研究论文 | 本研究开发了一个名为PRG-Net的深度学习框架，用于自动化三维可视化、诊断和分类腭侧根沟病变 | 开发了一个统一的深度学习框架PRG-Net，集成了牙齿分割、PRG诊断和病变分类任务，并在多中心数据集上验证了其泛化能力和临床实用性 | 未明确说明 | 开发一个深度学习框架，用于自动化三维可视化、诊断和分类腭侧根沟病变 | 腭侧根沟病变 | 计算机视觉 | 口腔疾病 | 锥形束计算机断层扫描 | 深度学习 | CBCT图像 | 来自一个内部验证站点和3个外部中心的多中心CBCT数据集 | 未明确说明 | PRG-Net | Dice相似系数, 曲线下面积 | 未明确说明 |
| 677 | 2026-02-25 |
Deep learning enhanced MRI radiomics in predicting pathological response of head and neck squamous carcinoma to neoadjuvant chemoimmunotherapy: a retrospective analysis
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003710
PMID:41147765
|
研究论文 | 本研究利用深度学习增强的MRI影像组学预测头颈部鳞状细胞癌对新辅助化疗免疫治疗的病理反应 | 将深度学习特征与传统影像组学及临床病理特征结合，提高了预测模型在新辅助化疗免疫治疗反应中的性能 | 研究为回顾性分析，样本量有限，且仅基于单一中心的MRI数据 | 预测头颈部鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全反应 | 经组织学确认的头颈部鳞状细胞癌患者，接受化疗联合PD-1抑制剂新辅助治疗 | 数字病理学 | 头颈部鳞状细胞癌 | 磁共振成像 | 深度学习, 逻辑回归 | 图像, 临床数据 | 训练、测试和外部验证队列的患者，具体数量未明确说明 | NA | NA | 曲线下面积 | NA |
| 678 | 2026-02-25 |
Vision-language foundation model-driven efficient recognition and home-based management of surgical incisions
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003727
PMID:41186521
|
研究论文 | 本研究开发并评估了一种基于视觉-语言基础模型的新型手术切口识别方法，旨在提高切口识别准确性并优化家庭管理 | 首次将视觉-语言基础模型（GLIP）应用于手术切口识别，实现了对七类切口异常的自动高效识别，显著优于传统深度学习和非专业人员 | 研究样本主要来自两个中心，外部验证队列样本量相对较小（183张图像），可能影响模型的泛化能力 | 开发高效的手术切口识别系统，以支持患者家庭护理和康复 | 手术切口图像，来自术后患者 | 计算机视觉 | 手术切口相关并发症 | 图像处理，视觉-语言基础模型 | 目标检测模型 | 图像 | 总计1443张手术切口图像（来自1194名患者），包括1008张主要队列图像、252张时间验证队列图像和183张外部验证队列图像 | NA | Grounded Language-Image Pre-training (GLIP) | 平均精度（AP），平均召回率（AR），F1分数，受试者工作特征曲线下面积（AUC） | NA |
| 679 | 2025-11-05 |
Commentary on "Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery"
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003813
PMID:41186523
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 680 | 2025-11-11 |
Letter to the Editor: "Multichannel deep learning for MPR prediction in lung cancer: navigating translational pitfalls between algorithmic excellence and clinical deployment"
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003962
PMID:41208798
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |