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 1546 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2026-04-12 |
Deep Learning Enables Pixel-Level Nanoparticle Distribution Mapping in Routine Histological Sections by Integrating Cancer Associated Fibroblasts Features
2026-Mar-27, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.6c01365
PMID:41893882
|
研究论文 | 本研究提出了一种名为NanoNet的深度学习框架，利用成纤维细胞活化蛋白免疫染色来空间表征癌症相关成纤维细胞，并高分辨率预测纳米颗粒在肿瘤组织中的分布 | 首次开发了能够整合癌症相关成纤维细胞特征、从常规组织切片实现像素级纳米颗粒分布预测的深度学习框架，突破了传统医学成像技术在检测纳米颗粒分布方面的局限性 | 未明确说明模型在其他肿瘤类型或更大样本量中的泛化能力，也未详细讨论临床转化所需的技术验证步骤 | 开发能够高精度预测肿瘤内纳米颗粒空间分布的深度学习模型，以优化纳米药物设计和个性化纳米医学 | 肿瘤组织切片中的纳米颗粒分布与癌症相关成纤维细胞的空间关系 | 数字病理学 | 癌症 | 免疫染色（FAP免疫染色）、组织切片成像 | 深度学习模型 | 组织切片图像 | 未明确说明 | 未明确说明 | NanoNet | ICC（组内相关系数）, R² | 未明确说明 |
| 562 | 2026-04-12 |
HMP-MUNet: A Hybrid Deep Learning Framework for Automated Skin Lesion Segmentation in Dermoscopic Images
2026-03-17, Journal of visualized experiments : JoVE
DOI:10.3791/69449
PMID:41941514
|
研究论文 | 本文提出了一种用于皮肤镜图像中皮肤病变自动分割的混合深度学习框架HMP-MUNet | 结合状态空间模型与先进多尺度处理能力，通过高阶视觉状态空间模块、多尺度扩张注意力融合网络和并行多深度灵活网络的创新架构设计，在显著减少参数量的同时保持高分割精度 | 需要进一步的临床验证 | 开发一种在保持高诊断准确性的同时具有计算效率的皮肤病变自动分割方法 | 皮肤镜图像中的皮肤病变 | 计算机视觉 | 皮肤癌 | NA | 深度学习 | 图像 | PH2和ISIC2018基准数据集 | NA | U-Net, 高阶视觉状态空间模块, 多尺度扩张注意力融合网络, 并行多深度灵活网络 | Dice相似系数 | NA |
| 563 | 2026-04-12 |
Non-invasive hemoglobin estimation with outcome prediction via deep learning analysis of ECG-derived cardiac micro-dynamics
2026-Mar, Internal and emergency medicine
IF:3.2Q1
DOI:10.1007/s11739-025-04209-6
PMID:41329232
|
研究论文 | 本研究开发了一种基于心电图（ECG）和深度学习的非侵入性血红蛋白（Hb）估计模型，用于检测贫血并预测全因死亡率和新发心力衰竭风险 | 首次利用深度学习分析心电图衍生的心脏微动力学特征来非侵入性估计血红蛋白水平，并评估其对心血管风险的预测能力 | 研究为回顾性设计，可能存在选择偏倚；模型性能在轻度贫血检测中较低；外部验证集性能略有下降 | 开发一种非侵入性、低成本的贫血筛查工具，并评估其诊断和预后价值 | 心电图信号和对应的血红蛋白水平数据 | 机器学习 | 贫血,心血管疾病 | 心电图（ECG）分析 | 深度学习模型（DLM） | 心电图信号 | 训练集：187,202名患者的388,166份心电图；内部测试集：24,279名患者；外部测试集：29,247名患者 | NA | NA | 受试者工作特征曲线下面积（AUC）, 灵敏度, 特异性, Pearson相关系数, 风险比（HR） | NA |
| 564 | 2026-04-12 |
A universal framework for IMRT dose prediction
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70384
PMID:41833521
|
研究论文 | 本文提出了一种名为UniDose的深度学习通用剂量预测模型，旨在适应多种疾病部位和临床场景，特别是针对任意射束配置的IMRT治疗计划 | UniDose模型通过广义输入通道设计（包括归一化处方剂量图、加权避让掩码和射束追踪图像）以及基于nnU-Net的定制化网络架构，实现了跨疾病部位和射束配置的通用剂量预测，并结合了参考引导的优化引擎以确保预测剂量的物理可实现性 | 模型在训练和测试中使用了871名患者的数据，尽管覆盖了25种疾病部位，但可能仍需更大规模、更多样化的数据集以进一步提升泛化能力；此外，模型依赖于特定的射束追踪算法和优化引擎，可能限制了其在其他技术平台上的直接应用 | 开发一个通用的深度学习剂量预测框架，以提升IMRT治疗计划的质量和效率，并增强模型在真实世界多样化临床场景中的适用性 | IMRT治疗计划中的剂量分布预测，重点关注多种疾病部位（如前列腺、肝脏、脑部等）和任意射束配置 | 医学影像分析 | 多种癌症（包括前列腺癌、肝癌、脑瘤等） | 深度学习，射线追踪算法，剂量优化 | CNN | 3D医学影像数据，剂量分布图 | 871名患者，涵盖25种疾病部位 | PyTorch（基于nnU-Net框架） | nnU-Net | Gamma通过率（GPR），剂量体积直方图（DVH）指标 | NA |
| 565 | 2026-04-11 |
Artificial intelligence in retinal vein occlusion: Current applications, challenges, and future directions
2026-Mar-30, Survey of ophthalmology
IF:5.1Q1
|
综述 | 本文综述了人工智能在视网膜静脉阻塞（RVO）中的应用现状、挑战及未来方向 | 采用综合导向框架，识别了研究中的统一方法趋势，并评估了其临床相关性和转化成熟度 | 大多数证据仍局限于回顾性研究环境，数据集小且主要为单中心，外部和前瞻性验证有限，标注和报告标准不一致 | 探讨人工智能在RVO的早期检测、客观风险分层和个性化管理中的应用 | 视网膜静脉阻塞（RVO） | 计算机视觉 | 视网膜静脉阻塞 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 566 | 2026-04-11 |
Evaluation of protein-RNA Docking Web Servers for Template-Free Docking and Comparison with the AlphaFold Server
2026-Mar-25, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01990
PMID:41882507
|
研究论文 | 本文系统评估了五种无模板蛋白质-RNA对接网络服务器及AlphaFold服务器在预测蛋白质-RNA复合物结构方面的性能 | 构建了包含235个蛋白质-RNA复合物的统一基准数据集，并首次对无模板对接服务器与AlphaFold 3在蛋白质-RNA复合物预测方面进行了系统性比较 | AlphaFold 3在其训练集外的蛋白质-RNA复合物上成功率较低（40%），且在九个案例中失败，而对接方法在这些案例中成功 | 评估和比较当前蛋白质-RNA对接工具及AlphaFold 3在预测蛋白质-RNA复合物结构方面的准确性和效率 | 蛋白质-RNA复合物 | 计算生物学 | NA | 蛋白质-RNA对接，深度学习结构预测 | AlphaFold 3 | 蛋白质-RNA复合物结构数据 | 235个蛋白质-RNA复合物 | NA | AlphaFold 3 | CAPRI指标，成功率 | NA |
| 567 | 2026-04-11 |
Comparative study of different artificial intelligence (AI)-assisted compressed sensing factors in inner ear heavily T2-weighted imaging
2026-Mar-14, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2026.107311
PMID:41955645
|
研究论文 | 本研究比较了不同加速因子下人工智能辅助压缩感知技术在内耳重度T2加权成像中的图像质量 | 首次系统评估了AI辅助压缩感知技术在不同加速因子下对内耳成像质量的影响，并确定了临床应用中推荐的加速因子范围 | 研究仅包含健康志愿者，未涉及内耳疾病患者，样本量相对较小 | 比较不同加速因子下AI辅助压缩感知技术在内耳重度T2加权成像中的图像质量 | 40名健康志愿者的内耳MRI图像 | 医学影像分析 | NA | AI辅助压缩感知技术，重度T2加权三维快速自旋回波序列 | 深度学习 | MRI图像 | 40名健康志愿者 | NA | NA | 图像质量评分，信噪比，对比噪声比，边缘锐度 | NA |
| 568 | 2026-04-11 |
Cortical alpha changes during visuospatial attention: a deep learning-enriched EEG analysis
2026-Mar-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhag026
PMID:41883020
|
研究论文 | 本研究通过结合传统alpha功率分析与基于可解释CNN的深度学习技术，探索了视觉空间注意任务中alpha频段脑活动的皮层变化 | 提出了一种整合传统alpha功率分析与可解释CNN深度学习的新方法，以更精确地识别视觉空间注意相关的皮层区域 | 未明确提及样本量或实验设计的潜在限制，如被试者多样性或任务范式的通用性 | 旨在阐明视觉空间注意过程中alpha频段脑活动的具体皮层区域参与 | 人类被试者在视觉空间注意任务中的脑电图信号 | 机器学习 | NA | 脑电图（EEG） | CNN | 脑电图信号 | NA | NA | 可解释卷积神经网络 | NA | NA |
| 569 | 2026-04-11 |
Crop-OCT: a Fully Integrated Imageomics Pipeline to Identify Regional and Focal Retinopathy in Murine Models
2026-Mar-02, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.27.708333
PMID:41867838
|
研究论文 | 本文介绍了一个名为Crop-OCT的自动化端到端图像组学流水线，用于从大量光学相干断层扫描图像中提取特征，以识别小鼠模型中的区域性和局灶性视网膜病变 | 开发了一个完全集成的自动化流水线，能够处理数千张OCT图像并保留其在眼内的位置信息，支持对多种视网膜疾病模型的异质性分析 | 流水线仍处于早期开发阶段，通用性和自动化处理大规模OCT图像的能力有待进一步验证 | 加速对生物特征和人类疾病过程的理解，特别是视网膜病变的诊断和监测 | 小鼠视网膜疾病模型，包括13种遗传性视网膜病变模型 | 数字病理学 | 视网膜病变 | 光学相干断层扫描 | 深度学习 | 图像 | 超过20,000张OCT图像，涉及13种遗传模型 | NA | NA | NA | NA |
| 570 | 2026-04-11 |
Image-based detection of bolts and bolt-missing defects in multi-angle and complex background scenarios
2026-Mar-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41036-x
PMID:41771999
|
研究论文 | 本研究提出了一种基于改进YOLOv8模型的方法，用于在多角度和复杂背景场景下检测螺栓及螺栓缺失缺陷 | 构建了多源螺栓图像数据集，并提出了集成Swin-Transformer主干网络和新型多尺度细节增强模块（MEDM）的增强架构，专门用于提升在挑战性视觉环境下的螺栓缺失检测性能 | 未明确说明模型在极端遮挡或恶劣天气条件下的性能，且数据集中实验室环境图像可能无法完全代表所有真实工程场景 | 开发一种自动化、高精度的螺栓及螺栓缺失缺陷检测方法，以替代传统人工检测，用于工程基础设施的结构健康监测 | 工程基础设施（如悬索桥、钢输电塔）中的螺栓连接 | 计算机视觉 | NA | 图像增强技术、生成对抗网络（GANs） | CNN, Transformer | 图像 | 来自三个来源的数据集：悬索桥现场采集、钢输电塔现场摄影、定制螺栓组装模型的受控实验室成像，最终在工程部署中测试了12,772组螺栓 | PyTorch | YOLOv5, YOLOv8, YOLOv10, Swin-Transformer | 召回率, 精确率, 平均精度均值（mAP） | NA |
| 571 | 2026-04-11 |
Temporal trends in myocardial ischemia risk estimated from 12-lead electrocardiograms using deep learning in individuals with suspected cancer during health checkups
2026-Mar-02, Cardio-oncology (London, England)
DOI:10.1186/s40959-026-00466-2
PMID:41772669
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 572 | 2026-04-11 |
Low-dose CBCT image reconstruction: a review
2026-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-025-02492-y
PMID:41348234
|
综述 | 本文深入分析了低剂量锥束计算机断层扫描图像重建的最新研究进展，包括算法演变、性能评估及未来方向 | 系统梳理了低剂量CBCT重建领域的最新进展，并综合比较了分析重建、迭代重建和深度学习方法的特点与应用 | 作为综述文章，未提出新的算法或模型，主要基于现有文献进行分析与总结 | 回顾低剂量CBCT图像重建技术，以减少患者辐射风险并保持图像质量，促进临床诊断与治疗 | 锥束计算机断层扫描图像重建方法及相关算法 | 医学影像处理 | NA | 锥束计算机断层扫描 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 573 | 2026-04-11 |
Anomaly detection in brain MRI: a comprehensive review
2026-Mar, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-026-00551-6
PMID:41890248
|
综述 | 本文全面回顾了脑部MRI异常检测领域，涵盖传统统计、经典机器学习及当代深度学习方法 | 系统性地将深度学习工作组织为重建、生成和自监督三大范式，并强调了新兴策略如混合学习、多模态整合和基于生物学的指标（如脑年龄差距）在提升鲁棒性和临床相关性方面的潜力 | 现有方法仍面临高误报率、异常定义不明确、可解释性有限以及对领域偏移的脆弱性等关键挑战 | 为开发可泛化且可解释的AI系统，并将其整合到真实世界的神经影像工作流程中提供研究议程 | 脑部MRI图像 | 数字病理学 | 神经系统疾病 | MRI | NA | 图像 | NA | NA | NA | NA | NA |
| 574 | 2026-04-11 |
Data augmentation method for computer-aided diagnosis using specular reflection
2026-Mar, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00533-0
PMID:41890266
|
研究论文 | 本研究开发了一种利用镜面反射的数据增强方法，旨在提升结肠镜计算机辅助诊断中深度学习模型的鲁棒性和性能 | 提出了一种结合镜面反射生成和修复的数据增强技术，专门针对结肠镜图像，尤其在训练数据有限的情况下表现出优越性 | NA | 增强深度学习模型在结肠镜计算机辅助诊断中的准确性和鲁棒性 | 结肠息肉 | 计算机视觉 | 结直肠癌 | 窄带成像 | CNN, Vision Transformer | 图像 | 2,616张窄带成像图像 | NA | 卷积神经网络, Vision Transformer | 准确性 | NA |
| 575 | 2026-04-11 |
Docking of millions: accelerating a million-scale virtual screening using deep learning
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag128
PMID:41883032
|
研究论文 | 本文介绍了一种名为DoM的超大规模虚拟筛选系统，该系统整合了AK-Score2和V-Dock方法，以加速药物发现中的化合物筛选过程 | 通过迭代学习V-Dock来近似AK-Score2的亲和力预测，从而避免对所有化合物进行对接，显著提高了筛选速度和资源效率 | NA | 开发一个高效且准确的超大规模虚拟筛选平台，以加速计算机辅助药物发现 | 针对DDR1、c-kit、ASK1、NSD1、CREBBP和PDE5等靶点的数百万个化合物 | 机器学习 | NA | 虚拟筛选 | 深度学习 | 化合物结构数据 | 500万个化合物 | NA | NA | 检索率, IC50值 | NA |
| 576 | 2026-04-10 |
A comparative study of deep learning-based zebrafish image segmentation methods
2026-Mar-31, Cells & development
IF:2.1Q3
DOI:10.1016/j.cdev.2026.204083
PMID:41933835
|
研究论文 | 本研究系统评估了多种基于深度学习的斑马鱼图像分割网络 | 首次在同一数据集和预处理流程下，对包括U-Net、SegNet、PSPNet、DeepLabv3+、Attention U-Net、HRNet、SegFormer、MASNet、Segment Anything Model (SAM)、PVT-EMCAD和RWKV-UNet在内的11种代表性分割模型进行了全面比较，并探讨了高分辨率保持、上下文聚合机制、注意力机制以及Transformer架构在提升小结构检测和边界描绘精度方面的关键作用 | 未提及具体的数据集规模或模型训练的计算资源限制 | 为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持 | 斑马鱼图像 | 计算机视觉 | NA | 深度学习图像分割 | CNN, Transformer | 图像 | NA | NA | U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, Segment Anything Model (SAM), PVT-EMCAD, RWKV-UNet | Dice系数, 交并比, 平均像素精度 | NA |
| 577 | 2026-04-10 |
LA-TReQNet: Improving Multielement Quantification Model for Laser Ablation Inductively Coupled Plasma Mass Spectrometry Based on Deep Learning Network
2026-Mar-30, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00057
PMID:41910779
|
研究论文 | 本文提出了一种名为LA-TReQNet的端到端深度学习框架，用于改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型 | 首次建立了一种不依赖内标或外标的校准方法，通过深度学习模型捕获复杂的经验关系，并提出了基于Power Transformer的标准化和数据集分组的优化预处理策略 | NA | 改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型，实现全自动定量校准 | 质谱数据 | 机器学习 | NA | 激光剥蚀电感耦合等离子体质谱 | CNN, LSTM | 质谱数据 | 来自5676个样本的221,364个标记质谱 | NA | CNN-LSTM | 与认证参考值的偏差百分比 | NA |
| 578 | 2026-04-10 |
Deep learning and object detection methods for scoring cell types within the human buccal cell micronucleus and cytome assays for human biomonitoring
2026-Mar-26, Mutagenesis
IF:2.5Q3
DOI:10.1093/mutage/geaf026
PMID:41236179
|
综述 | 本文综述了深度学习和目标检测方法在人类颊细胞微核及细胞组学检测中用于细胞类型评分的研究进展，探讨了其在人群生物监测中的应用潜力 | 首次系统探讨将人工智能技术整合到微创颊细胞微核细胞组学检测中，以解决该领域样本变异性大、评分复杂等独特挑战 | 目前人工智能在颊细胞微核细胞组学检测中的应用仍处于探索阶段，缺乏大规模实际验证 | 探讨人工智能技术如何提升颊细胞微核细胞组学检测的可靠性、可扩展性和效率，以促进大规模流行病学研究 | 人类颊细胞样本中的微核及其他细胞遗传学终点 | 计算机视觉 | NA | 颊细胞微核细胞组学检测 | 深度学习, 目标检测 | 图像 | NA | NA | NA | 准确性, 可重复性, 通量 | NA |
| 579 | 2026-04-10 |
Graph-Based Classification with GNN-Explainer for Predicting Cardiac Toxicity Associated with Multi-Ion Channel Blockers
2026-Mar-24, Chemical research in toxicology
IF:3.7Q2
DOI:10.1021/acs.chemrestox.5c00369
PMID:41875377
|
研究论文 | 本研究开发了一个基于图神经网络的深度学习框架，用于整合多种心脏离子通道抑制数据，以预测多离子通道阻滞剂相关的心脏毒性 | 克服了现有机器学习模型仅依赖Kv11.1通道数据的局限性，首次整合了Kv11.1、Cav1.2和Nav1.5三种关键离子通道的抑制数据，并利用GNNExplainer提供原子和键水平的可解释性可视化 | 不同离子通道的数据集规模差异较大（Kv11.1数据量远多于Cav1.2和Nav1.5），可能影响模型对后两个通道预测的泛化能力 | 开发一个能够整合多种心脏离子通道抑制数据的深度学习框架，以更准确地预测药物候选化合物的心脏毒性风险 | 药物分子（小分子化合物） | 机器学习 | 心血管疾病 | 实验抑制数据整合 | GNN | 分子图数据 | 总计38,905个分子（Kv11.1: 34,124个, Cav1.2: 1,564个, Nav1.5: 3,217个） | PyTorch | GNN | 准确率 | NA |
| 580 | 2026-04-10 |
Automated Classification of Mitral and Tricuspid Regurgitation With Explainability and Real-World Practice Experience
2026-Mar-17, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.125.045851
PMID:41804879
|
研究论文 | 本研究开发了一种端到端、可解释、基于血流感知的深度学习流程，用于自动分类二尖瓣和三尖瓣反流的严重程度 | 该模型结合了瓣膜形态评估、多普勒解释的收缩期感知，并联合评估二尖瓣和三尖瓣反流，具有可解释性和生理约束 | 在房颤或左心室射血分数降低的患者中性能略有下降，外部验证中严重反流的AUC值有所降低 | 开发一种可解释的人工智能框架，用于自动分类二尖瓣和三尖瓣反流的严重程度 | 二尖瓣反流和三尖瓣反流患者 | 数字病理学 | 心血管疾病 | 超声心动图 | 深度学习 | 医学影像（DICOM文件） | 5086例门诊研究（三级中心），并在2个额外机构的独立队列中进行外部验证 | NA | NA | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值 | NA |