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 1484 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2026-04-11 |
A hierarchical interaction message net for accurate molecular property prediction
2026-Feb-14, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-026-01922-x
PMID:41691119
|
研究论文 | 本文提出了一种名为Hierarchical Interaction Message Net (HimNet)的模型，用于准确预测分子性质，包括ADMET特性 | 引入了分层交互消息传递机制，通过分层注意力引导的消息传递实现原子、基序和分子层面的交互感知表示学习，有效平衡全局和局部信息 | 未明确提及具体局限性 | 开发一种准确高效的分子性质和ADMET特性预测方法，以支持药物发现早期阶段的决策 | 分子（包括其ADMET特性、代谢稳定性、疟疾活性和肝微粒体清除率等） | 机器学习 | NA | 深度学习 | 图神经网络, Transformer | 化学信息数据 | 在11个数据集上进行评估，包括8个MoleculeNet基准数据集和3个高价值挑战数据集 | NA | Hierarchical Interaction Message Net (HimNet) | NA | NA |
| 142 | 2026-04-11 |
Enhancing Fluorescence Lifetime Imaging With Differential Transformer
2026-Feb, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70231
PMID:41622407
|
研究论文 | 本文提出了一种基于差分Transformer的深度学习框架MFliNet，用于增强荧光寿命成像，通过联合处理时间荧光衰减和仪器响应函数来校正光子到达分布中的地形畸变 | 引入了MFliNet框架，采用差分Transformer编码器-解码器架构，结合光子飞行时间反卷积物理原理，实现了对复杂生物或体内成像中多指数衰减参数的准确估计 | 未明确提及在更广泛临床环境或不同成像条件下的泛化能力验证 | 开发一种能够准确估计荧光寿命成像中多指数衰减参数的深度学习框架，以应对宏观尺度下仪器响应函数的空间变异性和时间偏移 | 组织模拟体模和临床前肿瘤模型 | 计算机视觉 | 肿瘤 | 荧光寿命成像 | Transformer | 时间序列数据 | 未明确指定具体样本数量，但涉及组织模拟体模和临床前肿瘤模型 | 未明确指定，可能为PyTorch或TensorFlow | 差分Transformer编码器-解码器 | 未明确指定具体指标，但提及了鲁棒性和精度 | 未明确指定 |
| 143 | 2026-04-11 |
The Transformative Impact of Deep Learning and Artificial Intelligence on Parasitic Disease Diagnosis
2026-Feb-01, Clinical laboratory
IF:0.7Q4
DOI:10.7754/Clin.Lab.2025.250543
PMID:41670505
|
综述 | 本文综述了深度学习和人工智能在寄生虫病诊断中的变革性影响，重点关注卷积神经网络和机器学习在检测疟疾、利什曼病和血吸虫病等病原体中的应用 | 强调了AI与便携式诊断工具结合在资源有限地区的潜力，以提升诊断的准确性和可及性 | 面临数据异质性和算法偏见等挑战，可能影响模型的泛化能力和公平性 | 探讨人工智能，特别是深度学习，如何改进寄生虫病的诊断，以促进全球健康 | 疟疾、利什曼病和血吸虫病等寄生虫病的病原体 | 机器学习 | 寄生虫病 | NA | CNN, ML | 临床样本、影像数据、流行病学数据 | NA | NA | NA | 灵敏度, 特异度 | NA |
| 144 | 2026-04-10 |
Deep learning-assisted tumor radiomic dynamics on MRI predict pathological complete response in HCC undergoing immune-based therapy followed by hepatectomy
2026-Feb-26, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001724
PMID:41746634
|
研究论文 | 本研究开发并验证了一个整合临床病理和影像组学特征的模型，用于预测不可切除肝细胞癌在转化治疗后达到病理完全缓解 | 首次将基于MRI的时间动态影像组学特征与血清AFP反应相结合，构建预测模型，显著提高了预测性能 | 研究为回顾性多中心设计，样本量相对有限，需前瞻性研究进一步验证 | 预测不可切除肝细胞癌在免疫联合治疗后行肝切除术的病理完全缓解 | 不可切除肝细胞癌患者 | 数字病理 | 肝癌 | MRI影像分析 | 机器学习模型 | MRI图像 | 训练集78例，内部测试集32例，独立验证集44例 | Scikit-learn | 随机森林 | AUC, NPV, PPV, 敏感性, 特异性 | NA |
| 145 | 2026-02-25 |
An open-source deep learning-based toolbox for automated auditory brainstem response analyses (ABRA)
2026-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38045-1
PMID:41714716
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 146 | 2026-04-10 |
Artificial intelligence-driven nano-enhanced stem cell therapy for neurodegenerative diseases: from rational design to clinical translation
2026-Feb-19, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-026-04154-2
PMID:41709202
|
综述 | 本文探讨了人工智能如何指导个性化纳米增强干细胞疗法，以应对神经退行性疾病的治疗挑战 | 提出了一个将患者特异性数据、人工智能驱动设计和实时监测整合的闭环系统，旨在推动神经退行性疾病真正个性化医疗的发展 | NA | 探索人工智能（特别是机器学习和深度学习）如何解决干细胞疗法和纳米增强干细胞疗法中的当前挑战，并为其整合提供一个系统性框架 | 神经退行性疾病（NDs） | 机器学习 | 神经退行性疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 147 | 2026-04-10 |
AI-driven CRISPR screening: optimizing gene editing through automation and intelligent decision support
2026-Feb-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07849-0
PMID:41715150
|
综述 | 本文综述了人工智能如何通过机器学习和大型语言模型重塑CRISPR筛选，优化实验设计和决策支持 | 将AI整合到CRISPR筛选全生命周期，引入预测性、自适应性和系统级智能，将静态分析流程转变为智能实验系统 | NA | 探讨人工智能在优化CRISPR基因编辑筛选中的应用，提升功能基因组学研究的效率和发现能力 | CRISPR基因编辑筛选技术及其在功能基因组学中的应用 | 机器学习 | NA | CRISPR基因编辑筛选 | 机器学习,深度学习,大型语言模型 | 基因编辑数据,生物知识库 | NA | NA | NA | NA | NA |
| 148 | 2026-04-10 |
Classification of dysphagia severity after lateral medullary infarction with deep learning
2026-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40751-9
PMID:41714402
|
研究论文 | 本研究开发并验证了一种基于深度学习的算法，利用急性期扩散加权MRI对侧延髓梗死患者的吞咽困难严重程度进行分类 | 首次采用基于Transformer的深度学习架构（Hierarchical Vision Transformer, Hier-ViT）对侧延髓梗死患者的急性期MRI图像进行吞咽困难严重程度的自动分类，利用了其建模空间层次和全局图像上下文的能力 | 模型在临床不平衡数据集中的判别能力有待提高，AUC值相对较低，需要进一步优化和多模态数据整合 | 开发并验证一种基于深度学习的算法，用于早期准确分类侧延髓梗死患者的吞咽困难严重程度，以支持及时干预和个性化康复规划 | 侧延髓梗死患者 | 计算机视觉 | 心血管疾病 | 扩散加权MRI, 视频荧光吞咽研究 | Transformer | 图像 | 163名确诊为急性侧延髓梗死的患者 | NA | Hierarchical Vision Transformer | 准确率, 精确率, 召回率, F1分数, ROC曲线下面积 | NA |
| 149 | 2026-02-15 |
Multi-institutional deep learning for GTV segmentation and survival prediction in nasopharyngeal carcinoma
2026-Feb-13, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02195-5
PMID:41688962
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 150 | 2026-04-10 |
Multimodal MRI reveals hypothalamic structural-functional alterations associated with bone mineral density loss in postmenopausal women
2026-Feb-12, Brain imaging and behavior
IF:2.4Q2
DOI:10.1007/s11682-026-01077-2
PMID:41673184
|
研究论文 | 本研究利用多模态MRI揭示了绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关联 | 首次在绝经后女性中，结合深度学习分割、功能连接分析和白质束形状分析，系统地研究了骨密度降低与特定下丘脑亚区多模态改变的关系 | 部分白质束的微观结构和形状改变发现需谨慎解释，因为存在多重比较问题，且样本量较小 | 阐明绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关系 | 绝经后女性（包括骨质疏松、骨量减少和健康对照组） | 数字病理学 | 骨质疏松 | 多模态MRI，3T MRI | 深度学习 | MRI图像 | 54名绝经后女性（18名骨质疏松，18名骨量减少，18名健康对照） | NA | NA | NA | NA |
| 151 | 2026-04-10 |
Radiologic Pattern of Fibrosis in Combined Pulmonary Fibrosis and Emphysema: Impact on Disease Trajectories and Prognostic Outcomes
2026-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.251686
PMID:41733469
|
研究论文 | 本研究评估了不同纤维化模式对合并性肺纤维化和肺气肿（CPFE）患者疾病轨迹和预后的影响 | 首次利用深度学习量化方法，系统评估了CPFE中不同放射学纤维化模式（如UIP、NSIP、SRIF、DIP）对纤维化进展速度的影响，并明确了生存率主要与基线纤维化程度及临床不良事件相关 | 研究为回顾性设计，样本主要来自单一机构且男性占绝大多数，可能限制了结果的普遍性，且未详细说明深度学习模型的具体架构和验证过程 | 评估CPFE患者中不同放射学纤维化模式对疾病进展轨迹和临床结局的影响 | 236名被诊断为合并性肺纤维化和肺气肿（CPFE）的患者 | 数字病理学 | 肺纤维化与肺气肿 | 高分辨率CT（HRCT），深度学习量化 | 深度学习模型（具体类型未明确说明） | 医学影像（CT图像） | 236名患者（平均年龄65岁±7.8，其中232名男性） | NA | NA | 风险比（HR），置信区间（CI），中位进展时间 | NA |
| 152 | 2026-04-06 |
Multicenter clinicopathological study of odontogenic myxoma spectrum lesions using quantitative pathology
2026-Feb-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42019-8
PMID:41760729
|
研究论文 | 本研究利用AI辅助数字病理学定量评估牙源性粘液瘤谱系病变中的纤维组织比例，并探讨其与临床病理特征的相关性 | 首次在多中心研究中应用AI辅助数字病理学定量分析牙源性粘液瘤谱系病变的纤维组织比例，揭示了诊断的机构间变异性 | 样本量相对有限（100例），且仅基于Masson三色染色切片，可能未涵盖所有病理特征 | 通过定量病理学方法提高牙源性粘液瘤谱系病变病理评估的客观性和可重复性 | 牙源性粘液瘤（OM）和牙源性粘液纤维瘤（OMF）的手术标本 | 数字病理学 | 牙源性肿瘤 | Masson三色染色，全切片图像分析 | 深度学习 | 图像 | 来自34家机构的143个手术标本，经集中病理审查后纳入100例 | NA | 多阶段深度学习流程 | 专家评估与定量测量的一致性 | 统一的数字病理学平台 |
| 153 | 2026-04-06 |
IntelliScheduler: an edge-cloud computing environment hybrid deep learning framework for task scheduling based on learning
2026-Feb-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41330-8
PMID:41760833
|
研究论文 | 提出了一种基于混合深度强化学习的边缘-云计算任务调度框架IntelliScheduler，以优化任务执行延迟 | 提出了一种结合运行时感知状态表示与基于学习的决策机制的混合演员-评论家深度强化学习框架，并开发了基于学习的最优任务调度算法，通过延迟感知奖励建模优化资源部署 | 当前评估基于仿真，未在实际动态边缘-云调度场景中进行验证 | 优化边缘-云计算环境中异构工作负载的任务调度，以最小化任务执行延迟并提高服务质量 | 边缘-云计算环境中的任务调度问题 | 机器学习 | NA | 深度强化学习 | 演员-评论家模型 | 仿真数据 | 在不同工作负载下进行的广泛仿真实验 | NA | 混合演员-评论家深度强化学习框架 | 归一化奖励、训练损失、运营成本、拒绝率、体验质量 | NA |
| 154 | 2026-02-28 |
HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40509-3
PMID:41748692
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 155 | 2026-04-06 |
Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41969-3
PMID:41748689
|
研究论文 | 本研究通过机器学习和深度学习模型，对液化引起的浅基础建筑沉降进行分类，并处理了数据中的极端类别不平衡问题 | 结合了数据层面的重采样方法、成本敏感学习策略和算法级改进来处理极端偏斜的类别分布，并应用了基于SHAP的特征选择、动态阈值调整和加权投票的集成学习以提高分类可靠性 | NA | 评估地震风险并设计有效的土壤改良策略，通过预测浅层液化土壤上建筑的垂直变形和倾斜来支持地震保险和减灾规划 | 液化引起的浅基础建筑沉降 | 机器学习 | NA | NA | 机器学习, 深度学习 | 结构化数据（建筑特征、岩土参数、地震强度指标） | 系统编制的已记录案例研究数据库 | NA | NA | NA | NA |
| 156 | 2026-02-28 |
A hybrid model for image forgery detection using deep learning with block and keypoint methods
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41473-8
PMID:41748712
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 157 | 2026-04-06 |
A joint CNN-Bi-LSTM-transformer architecture with SHAP explanations for multi-label arrhythmia detection from 12-lead ECGs
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40925-5
PMID:41748772
|
研究论文 | 本文提出了一种结合CNN、Bi-LSTM和Transformer层的深度学习架构，用于从12导联心电图中进行多标签心律失常检测，并集成SHAP解释以提高临床可解释性 | 提出了一种新颖的联合CNN-Bi-LSTM-Transformer架构，能够同时提取心电信号的形态、时间和空间模式，并集成SHAP实现案例级可解释性，与临床诊断推理对齐 | 未在标题和摘要中明确说明 | 开发一种可解释的自动化人工智能解决方案，用于准确分类12导联心电图中的心律失常 | 12导联心电图信号 | 机器学习 | 心血管疾病 | NA | CNN, Bi-LSTM, Transformer | 心电图信号 | 超过43,000个多标签心电图记录，涵盖27种心律失常类别 | NA | CNN, Bi-LSTM, Transformer | 准确率, 宏F1分数, ROC曲线下面积 | NA |
| 158 | 2026-04-06 |
Breaking through safety performance stagnation in autonomous vehicles with dense learning
2026-Feb-25, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69761-x
PMID:41741461
|
研究论文 | 本文提出一种创新的密集学习方法，通过同时关注信息性失败与成功样本，解决自动驾驶车辆安全性能停滞问题 | 提出基于策略梯度贡献和暴露频率的样本选择方法，显著降低学习方差且无偏差，突破现有方法无法处理的任务限制 | 未明确说明方法在极端罕见事件中的泛化能力，实验验证限于特定城市测试场景 | 突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能 | 高度自动化车辆的安全关键驾驶智能体 | 机器学习 | NA | 混合现实技术 | 深度学习 | 驾驶场景数据 | NA | NA | NA | 安全性能提升幅度（数量级） | NA |
| 159 | 2026-04-06 |
Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus
2026-Feb, Cureus
DOI:10.7759/cureus.104035
PMID:41883914
|
研究论文 | 本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐（方向和角度），以检测和量化斜视 | 提出了一种基于深度学习的视线估计新方法，用于非侵入性地定量评估斜视角度，并利用计算机生成的合成眼图像进行模型训练 | 需要进一步针对已建立的临床标准进行验证，且当前数据集有限，未来需纳入多设备数据以提高准确性 | 评估基于深度学习的视线估计算法作为一种检测和量化斜视的新方法 | 眼球位置视频输入，包括无眼科病史个体、已知外斜视诊断患者以及无眼科异常的正常受试者 | 计算机视觉 | 斜视 | 视线估计 | 深度学习模型 | 视频 | 12名受试者（2名病例，10名无眼科异常对照） | NA | NA | 斯皮尔曼相关系数 | NA |
| 160 | 2026-04-05 |
Attenuation correction of cardiac 82Rb pet using deep learning generated synthetic CT
2026-Feb-26, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00849-5
PMID:41746532
|
研究论文 | 本研究评估了使用深度学习从非衰减校正的Rb-PET图像生成合成CT（sCT）以进行心脏82Rb PET衰减校正的可行性 | 首次引入基于条件生成对抗网络（cGAN）和Attention U-Net生成器的深度学习方法，直接从非衰减校正的Rb-PET图像生成合成CT图像，用于衰减校正，以减少传统CT-AC中的错位和金属伪影 | sCT在心脏区域存在轻微偏差（RME=4.2±7.8%），可能是由于sCT中软组织u-map的均匀高估所致，且结果基于视觉检查的个案分析 | 评估深度学习生成的合成CT在心脏82Rb PET衰减校正中的可行性和性能 | 心脏82Rb PET图像和对应的CT图像 | 医学影像分析 | 缺血性心脏病 | PET/CT心肌灌注成像（MPI），Rubidium-82（Rb）正电子发射断层扫描 | cGAN（条件生成对抗网络） | 图像（PET和CT） | 544次PET/CT MPI扫描 | NA | Attention U-Net | SSIM, PSNR, MAE, ME, RME, RMAE, iTPD, LVEFR | NA |