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 1482 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 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 |
| 42 | 2026-04-12 |
Unraveling sperm kinematic heterogeneity with machine learning
2026-Mar-01, Asian journal of andrology
IF:3.0Q1
DOI:10.4103/aja202544
PMID:40791002
|
综述 | 本文综述了计算机辅助精子分析（CASA）数据在精子运动性分析中的传统应用、分析限制以及机器学习在揭示精子运动学异质性方面的潜力 | 探讨了机器学习如何利用CASA数据（包括运动参数和轨迹表示）进行自动分类和聚类，以识别精子样本中的运动学子群，从而深化对精子动力学的理解 | 机器学习在该领域的应用仍有限，且CASA数据的类型和格式（原始或浓缩）对传统统计方法构成挑战 | 通过整合CASA数据和人工智能技术，自动化精子分类和识别运动模式，以推进生殖生物学和生育评估 | 精子运动性数据，特别是来自CASA系统的运动参数和轨迹 | 机器学习 | NA | 计算机辅助精子分析（CASA） | 监督学习, 无监督学习 | 坐标数据, 轨迹数据 | NA | NA | NA | NA | NA |
| 43 | 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 |
| 44 | 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 |
| 45 | 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 |
| 46 | 2026-04-11 |
ProMol_Func: A Structure-Free Deep Learning Model for Virtual Screening
2026-Mar-23, JACS Au
IF:8.5Q1
DOI:10.1021/jacsau.6c00173
PMID:41889774
|
研究论文 | 提出了一种名为ProMol_Func的无结构深度学习框架，用于虚拟筛选，通过整合小分子图编码和蛋白质功能嵌入来克服传统结构依赖方法的限制 | 开发了一种不依赖蛋白质结构的深度学习模型，仅使用氨基酸序列生成蛋白质功能嵌入，并结合增强的训练数据集（包括实验验证的非活性分子和随机诱饵）来提高筛选能力和泛化性 | 未明确提及模型在处理极大规模数据集或复杂蛋白质相互作用时的计算效率限制 | 旨在开发一种高效且可扩展的虚拟筛选方法，用于早期药物发现，以减少对蛋白质结构的依赖并提高筛选准确性 | 小分子化合物和蛋白质（如DnaK蛋白伴侣），用于预测结合活性和筛选抑制剂 | 机器学习 | NA | 深度学习，图编码，蛋白质功能嵌入 | 深度学习模型 | 小分子图数据，蛋白质氨基酸序列数据 | 使用LIT-PCBA基准数据集进行训练和评估，具体样本数量未明确说明 | NA | NA | 富集因子（EF1%） | NA |
| 47 | 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 |
| 48 | 2026-04-11 |
A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification
2026-Mar-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02499-4
PMID:41775791
|
研究论文 | 本文提出了一种用于磁共振成像驱动的膀胱癌分类的域自适应深度对比网络 | 提出了一种结合源域和目标域样本进行特征学习的域自适应深度对比网络，以提高跨中心泛化能力和类间分离性 | NA | 解决膀胱癌磁共振成像分类中的跨中心分布差异和特征区分性不足问题 | 膀胱癌磁共振成像数据 | 计算机视觉 | 膀胱癌 | 磁共振成像 | CNN, Transformer | 图像 | 多中心膀胱癌磁共振成像数据集 | NA | DADCNet | 准确率, F1分数, AUC | NA |
| 49 | 2026-04-11 |
Feature-indistinguishable machine unlearning via negative-hot label encoding and class weight masking
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40379-9
PMID:41775809
|
研究论文 | 本文提出了一种结合负热标签编码和类别权重掩码的机器学习遗忘框架，以实现对特定类别的高效选择性遗忘 | 引入了负热标签编码（NHLE）来抑制目标类别在特征空间中的可区分性，并结合类别权重掩码，无需原始训练数据即可实现高效遗忘 | 需要少量遗忘类别的样本进行迭代微调，可能在某些数据稀缺场景下受限 | 解决深度学习中的机器学习遗忘问题，以应对数据隐私和法规合规需求 | 视觉数据集中的特定类别数据 | 机器学习 | NA | NA | 深度学习模型 | 图像 | 多个视觉数据集，具体样本数量未明确说明 | NA | NA | 分类准确率 | NA |
| 50 | 2026-04-11 |
Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls
2026-Mar-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02498-5
PMID:41775831
|
研究论文 | 本研究开发了一种基于深度语言模型的动态深度学习模型（DyLM-OHCA），用于从实时急救电话中早期识别院外心脏骤停 | 开发了首个动态深度学习模型用于早期OHCA检测，通过分析对话流程而非简单关键词识别，提供实时、上下文感知且可解释的风险评估 | 研究数据仅来自韩国三个大都市区域，可能限制模型的泛化能力；未在实时调度环境中进行前瞻性验证 | 提高院外心脏骤停的早期识别准确率，为急救调度员提供决策支持 | 急救电话通话记录 | 自然语言处理 | 心血管疾病 | 深度学习语言模型 | 动态深度学习模型 | 文本（通话记录转录本） | 158,973个急救电话转录本 | NA | DyLM-OHCA | AUROC, AUPRC | NA |
| 51 | 2026-04-11 |
Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study
2026-Mar-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02364-4
PMID:41775890
|
研究论文 | 本研究评估了在分布偏移下ICU中深度学习脓毒症预测模型的泛化性能，通过多中心回顾性队列研究比较了五种部署策略 | 首次系统量化了三个ICU数据集间的分布偏移，并比较了五种部署策略（包括泛化、微调/重新训练、目标训练、监督域适应和融合训练）在不同目标数据规模下的表现，挑战了微调作为标准方法的传统观念 | 研究基于回顾性数据，可能受数据质量和标注偏差影响；未考虑实时临床部署的复杂性；策略比较限于特定数据集和模型架构 | 评估深度学习脓毒症预测模型在ICU数据分布偏移下的泛化能力，并比较不同部署策略的有效性 | 三个成人ICU队列（HiRID, MIMIC-IV, eICU）中的216,536次住院记录 | 机器学习 | 脓毒症 | 深度学习 | 深度学习模型 | ICU电子健康记录数据 | 216,536次住院记录 | NA | 多种深度学习架构 | AUROC, 归一化AUPRC | NA |
| 52 | 2026-03-05 |
Deep learning-based basilar artery wall and lumen segmentation from 1-mm MR vessel wall imaging
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42847-8
PMID:41775953
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 53 | 2026-04-11 |
ETNeXt: integrated feature engineering and classification framework for BLDC motor fault detection
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37590-z
PMID:41776220
|
研究论文 | 本研究提出了一种名为ETNeXt的轻量级、自组织的故障检测框架，用于基于声学信号分析检测无刷直流电机的故障 | 提出了一种集成特征工程和分类的轻量级框架ETNeXt，结合了多级离散小波变换、三元直方图特征生成以及基于NCA和卡方检验的混合特征选择方法，在保持高精度的同时显著降低了计算复杂度 | 未明确说明框架在更广泛或更复杂故障类型下的性能，也未详细讨论在极端噪声环境下的鲁棒性 | 开发一种高效、轻量级的故障检测方法，用于无刷直流电机的实时故障监测 | 无刷直流电机 | 机器学习 | NA | 声学信号分析 | Fine k-NN, Cubic SVM | 声学信号 | 基准数据集和独立测试数据集（具体数量未提供） | NA | ETNeXt | 准确率 | NA |
| 54 | 2026-04-11 |
Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42147-1
PMID:41776224
|
研究论文 | 本研究开发了一种基于特征级注意力机制的多模态深度学习框架，用于预测大学篮球运动员的睡眠质量 | 提出了一种结合注意力机制的多层感知机模型，用于建模多模态特征间的复杂交互，以提升睡眠质量预测性能 | 模型对中度睡眠质量类别的区分能力较差，更适合用于筛查导向的风险分层而非确定性分类 | 开发一个应用于大学篮球运动员睡眠质量筛查的预测模型 | 大学篮球运动员 | 机器学习 | NA | NA | Logistic Regression, Random Forest, XGBoost, Attention-based Multilayer Perceptron | 表格数据 | 来自一所大学的学生运动员 | NA | Attention-MLP | 准确率, F1值, AUC | NA |
| 55 | 2026-04-11 |
Intrusion detection with HACDT-Net and TRBM-Net using a hybrid deep learning framework with enhanced sampling techniques
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41422-5
PMID:41772042
|
研究论文 | 本文提出了一种结合混合深度学习模型与增强采样技术的入侵检测系统，旨在解决类别不平衡问题并提升检测准确性 | 提出了两种混合模型HACTD-Net和TRBM-Net，并集成了ADASYN-SMOTE、ENN和Borderline SMOTE-OSS等先进重采样技术，以优化少数类攻击的检测 | 未提及模型在实时部署中的计算效率或资源消耗限制，也未讨论在其他数据集上的泛化能力 | 提升网络入侵检测的准确性，特别是针对罕见攻击类型的检测 | 网络入侵检测系统（IDS） | 机器学习 | NA | 深度学习 | Autoencoder, CNN, Transformer, DNN, 1D-TCN, ResNet, BiGRU, Multi-Head Attention | 网络流量数据 | 使用CICIDS2017和NF-BoT-IoT-v2数据集，具体样本数量未提及 | 未明确指定，可能为TensorFlow或PyTorch | HACTD-Net, TRBM-Net | 准确率, 精确率, 召回率, F1分数 | 未提及 |
| 56 | 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 |
| 57 | 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 |
| 58 | 2026-04-11 |
Automated Segmentation and Characterization of Retinal Hyperreflective Foci in Age-Related Macular Degeneration
2026-Mar-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.3.20
PMID:41860312
|
研究论文 | 本研究开发了一种名为Foci-Net的卷积神经网络，用于在光学相干断层扫描（OCT）体积中自动分割视网膜高反射灶（HRF），以预测年龄相关性黄斑变性（AMD）的进展 | Foci-Net通过将U-Net的瓶颈层替换为细到粗特征提取块，改进了对小和大病灶的分割能力 | 研究样本量较小，仅包括61个OCT扫描，且主要基于横断面设计，缺乏纵向验证 | 开发自动化工具以分割和表征AMD中的视网膜高反射灶，支持其作为生物标志物的应用 | 年龄相关性黄斑变性（AMD）患者和健康对照者的视网膜OCT图像 | 数字病理学 | 年龄相关性黄斑变性 | 光学相干断层扫描（OCT） | CNN | 图像 | 61个OCT体积扫描（50个AMD眼和11个健康对照眼），来自50名参与者 | NA | U-Net | F1分数, AUC, 精确度, 灵敏度, 特异性 | NA |
| 59 | 2026-04-11 |
M[Formula: see text]DGAT: Multi-view multi-scale dynamic graph attention network(GAT) based prediction of Parkinson's disease(PD) progression using whole-blood RNA sequencing data
2026-Mar-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40636-x
PMID:41771960
|
研究论文 | 本研究提出了一种基于全血RNA测序数据的多视图多尺度动态图注意力网络（M[公式: see text]DGAT）方法，用于预测帕金森病的进展轨迹 | 提出了一种结合时间视图和空间视图的多视图多尺度动态图注意力网络，通过计数草图双线性融合策略整合视图，以更精细地分析神经退行性疾病 | 未明确提及方法在其他疾病或更大规模数据集上的泛化能力，以及计算复杂度可能较高 | 预测帕金森病等神经退行性疾病的进展轨迹 | 帕金森病患者 | 机器学习 | 帕金森病 | 全血RNA测序 | GAT, 动态图注意力网络 | RNA测序数据 | PPMI和PDBP队列数据（具体样本数未提供） | NA | 动态图注意力网络（DGAT）, M[公式: see text]DGAT | 预测准确性 | NA |
| 60 | 2026-04-11 |
Benchmarking multiple instance learning architectures from patches to pathology for prostate cancer detection and grading using attention-based weak supervision
2026-Mar-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39196-x
PMID:41771952
|
研究论文 | 本研究开发并评估了一种基于弱监督深度学习框架的大规模基准测试，用于前列腺癌的自动诊断和ISUP分级，旨在减少标注需求并确保可解释性 | 首次对前列腺癌诊断和分级中的弱监督多实例学习（MIL）方法进行了大规模、全面的比较，并引入了重叠小尺寸图像块以在空间分辨率和上下文信息间取得最佳平衡 | 研究依赖于单一数据集（PANDA），且虽然减少了标注需求，但仍需一定程度的弱监督信息 | 开发并评估一个用于前列腺癌自动诊断和国际泌尿病理学会（ISUP）分级的弱监督深度学习框架，以减少对标注的依赖并提高临床实用性 | 前列腺癌的病理学诊断和分级 | 数字病理学 | 前列腺癌 | 全切片图像（WSI）分析 | 多实例学习（MIL） | 图像 | PANDA数据集中的10,616张全切片图像，处理了超过3100万个组织图像块 | PyTorch | CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL, ResNet50, CTransPath, UNI2 | 准确率, 二次加权Kappa（QWK） | 分布式云计算 |