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 1493 篇文献，本页显示第 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2026-03-23 |
Computational Redesign of an Ancestral Xylose Isomerase: Tuning the Substrate Preference and Thermostability for Biomass Valorization
2026-Mar-12, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c17228
PMID:41817278
|
研究论文 | 本文通过整合祖先序列重建与深度学习方法，重新设计了一种祖先木糖异构酶，以优化其底物偏好和热稳定性，用于生物质增值 | 结合祖先序列重建与深度学习来识别双底物活性酶，并通过半理性设计策略（如柔性盖设计和突变）同时提升催化活性和热稳定性 | NA | 优化木糖异构酶的底物偏好和热稳定性，以开发适用于生物质增值的实用生物催化剂 | 祖先木糖异构酶ASR285及其突变体 | 机器学习 | NA | 祖先序列重建, 深度学习 | NA | 序列数据 | NA | NA | NA | 催化活性倍数增加, 半衰期倍数增加, d-果糖产量倍数增加 | NA |
| 582 | 2026-03-23 |
PIBAdb: a public cohort of multimodal colonoscopy videos and images including polyps with histological information
2026-Mar-10, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109315
PMID:41863886
|
研究论文 | 本文介绍了PIBAdb，一个包含结肠镜视频和图像的多模态公共数据集，用于结直肠息肉研究 | PIBAdb是最大且最完整的结直肠息肉多模态公共数据集之一，具有丰富的每个息肉元数据（组织学和PARIS/NICE分类）、包含NBI和WL图像，以及多个清洁度级别的非息肉图像 | 数据集仅基于单一医院（Hospital Universitario de Ourense）的数据，可能限制其泛化性 | 为结直肠息肉研究提供高质量的多模态公共数据集，支持深度学习模型的开发 | 结直肠息肉 | 数字病理学 | 结直肠癌 | 结肠镜检查 | 深度学习模型 | 视频, 图像 | 1176个息肉，31,946张手动标注的息肉图像，14,124张非息肉图像，近7小时带息肉的标注视频段，超过4小时无息肉的标注视频段 | NA | NA | NA | NA |
| 583 | 2026-03-23 |
An Efficient Contrastive Deep Learning Model for Identifying Schizophrenia-Specific Neuroanatomical Variations
2026-Mar-07, Schizophrenia bulletin
IF:5.3Q1
DOI:10.1093/schbul/sbaf261
PMID:41863375
|
研究论文 | 本研究开发了一种名为DECODE-SZ的深度学习模型，用于识别精神分裂症特异性的神经解剖学变异 | 结合对比学习、3D卷积神经网络和变分自编码器，首次提出了一种能有效分离精神分裂症特异性神经解剖特征的模型 | 研究样本仅来自中国8个独立站点，可能限制了结果的普适性，且未考虑其他潜在混杂因素 | 探究精神分裂症特异性神经解剖学变异与临床症状之间的关系，以开发更可靠的生物标志物 | 精神分裂症患者和健康对照者的结构MRI数据 | 医学影像分析 | 精神分裂症 | 结构MRI | 3D CNN, VAE | 3D图像 | 641名精神分裂症患者和609名健康对照者，来自8个独立站点 | NA | DECODE-SZ（双编码器对比解码模型） | 与PANSS评分的关联性分析 | NA |
| 584 | 2026-03-23 |
Corrigendum to "Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study" [World Neurosurgery, Volume 195, March 2025, 123728]
2026-Mar, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2026.124831
PMID:41713361
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 585 | 2026-03-22 |
The Nuclear Nephrology Artificial Intelligence Ecosystem
2026-Mar, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.11.002
PMID:41350144
|
综述 | 本文综述了人工智能在核肾脏病学领域的历史发展、当前应用及未来机遇 | 系统性地描绘了核肾脏病学中的人工智能生态系统，并展望了生成式AI、大语言模型和分割基础模型等新兴技术在该领域的应用潜力 | 人工智能工具在临床广泛应用前仍需大量开发和验证，且需考虑伦理限制和社会公正问题 | 探讨人工智能在核肾脏病学领域的应用现状、工具类型及未来发展方向 | 核肾脏病学中的各类技术和人工智能方法 | 数字病理学 | 肾脏疾病 | 动态肾闪烁显像、平面或单光子发射计算机断层扫描、正电子发射断层扫描 | 专家系统, 统计机器学习, 前馈神经网络, 卷积神经网络, 大语言模型, 扩散模型, 生成对抗网络, 视觉语言模型 | 图像 | NA | NA | NA | NA | NA |
| 586 | 2026-03-22 |
Deep Learning-Based Virtual Elastin Staining Improves Visceral Pleural Invasion Assessment in Lung Cancer
2026-Mar, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100966
PMID:41616975
|
研究论文 | 本研究开发了一种基于深度学习的虚拟弹性蛋白染色方法，用于提高非小细胞肺癌中脏层胸膜侵犯的评估准确性 | 利用同一H&E切片中的固有伊红荧光创建完美配准的高保真地面真值，训练条件生成对抗网络，避免了多切片方法中常见的空间不匹配问题 | 未明确提及 | 提高非小细胞肺癌中脏层胸膜侵犯的诊断准确性 | 非小细胞肺癌的H&E切片 | 数字病理学 | 肺癌 | H&E染色，虚拟弹性蛋白染色 | 条件生成对抗网络 | 图像 | 多机构验证，具体样本量未明确 | NA | 条件生成对抗网络 | 诊断准确性 | NA |
| 587 | 2026-03-21 |
Deep learning-empowered SERS: deciphering the multidimensional information code of complex biological samples
2026-Mar-19, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d6ay00224b
PMID:41854202
|
综述 | 本文综述了深度学习与表面增强拉曼光谱技术相结合的最新进展、挑战与未来展望 | 将深度学习与SERS技术深度融合，为处理复杂生物样本的多维信息提供新视角，并推动该技术向更高级阶段发展 | NA | 总结深度学习在SERS技术中的应用进展，并探讨其未来发展方向 | 表面增强拉曼光谱技术及其在生物医学、环境保护、食品安全等领域的应用 | 机器学习 | NA | 表面增强拉曼光谱 | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 588 | 2026-03-21 |
ProCausal-WS: Weakly Supervised Causal Representation Learning Driven Interpretable Prostate Cancer Diagnosis
2026-Mar-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3675771
PMID:41855066
|
研究论文 | 提出了一种名为ProCausal-WS的弱监督因果表示学习框架，用于可解释的前列腺癌诊断 | 同时解决了现有线性因果模型无法处理非线性依赖关系以及深度学习方法需要大量专家标注且缺乏反事实推理机制的问题，通过可逆流因果编码器、外源性临床干预模块和弱监督对齐机制三个相互关联的组件实现 | 仅使用了TCGA-PRAD和PANDA两个数据集进行验证，且仅针对前列腺癌诊断 | 开发一个弱监督因果表示学习框架，用于前列腺癌的可解释诊断 | 前列腺癌诊断 | 数字病理学 | 前列腺癌 | NA | 因果表示学习, 可逆流模型, 对比学习 | 多模态数据（影像、基因组、临床变量） | TCGA-PRAD数据集和PANDA数据集 | NA | 可逆流因果编码器, 动态门控结构, 投影头 | 临床因果概念识别准确率, 干预均方误差, AUROC, 生物合理性评分 | NA |
| 589 | 2026-03-21 |
BWS-Net: An Optimal Deep Learning Architecture for the Anterior Bladder Wall Segmentation using Ultrasound Imaging
2026-Mar-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3675965
PMID:41855067
|
研究论文 | 本文提出了一种名为BWS-Net的新型深度学习网络，用于从超声图像中精确分割膀胱前壁 | 提出了一种结合蓝图可分离卷积层和自适应注意力跳跃连接的编码器-解码器结构，在提升分割性能的同时显著降低了计算复杂度 | 现有深度学习方法的临床验证有限，本研究也未明确说明其临床验证的广泛性 | 开发一种用于膀胱前壁超声图像自动分割的精确且高效的方法，以支持无创膀胱功能评估 | 膀胱前壁的超声图像 | 计算机视觉 | 泌尿系统疾病 | 超声成像 | CNN | 图像 | 从64名患者中获取的8592张不同图像 | NA | 编码器-解码器结构，包含蓝图可分离卷积层和自适应注意力跳跃连接 | Dice分数，敏感性，均方根误差 | NA |
| 590 | 2026-03-21 |
The visual nature of social interaction and its impact on overall mood judgments
2026-Mar-19, Cognition & emotion
IF:2.6Q2
DOI:10.1080/02699931.2026.2644244
PMID:41855466
|
研究论文 | 本研究探讨了社交互动中的视觉线索如何影响人们对人群整体情绪的快速判断 | 首次系统性地研究了社交互动及其视觉线索在自然场景中对人群整体情绪判断的影响 | 研究仅基于静态照片，未考虑动态或真实环境中的社交互动 | 探究社交互动的视觉性质及其在评估人群情绪中的作用 | 自然照片中的人群（超过五人），包括互动与非互动场景 | 计算机视觉 | NA | 深度学习算法 | 深度学习 | 图像 | NA | NA | NA | 情绪强度估计 | NA |
| 591 | 2026-03-21 |
TCB-Kla: a hybrid deep learning model for predicting human lysine lactylation sites by incorporating transformer encoder and multi-scale CNN
2026-Mar-19, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2026.2645110
PMID:41855483
|
研究论文 | 本研究提出了一种名为TCB-Kla的混合深度学习模型，用于预测人类蛋白质的赖氨酸乳酰化位点 | 首次将Transformer编码器、多尺度CNN和双向LSTM相结合，构建了用于赖氨酸乳酰化位点预测的混合深度学习模型，并在独立测试集和跨数据集验证中均表现出优于基线模型的性能 | 模型主要针对人类蛋白质数据，在其他物种上的泛化能力未充分验证；依赖现有标注数据，可能受数据质量和规模限制 | 开发一种高效准确的深度学习模型，以替代耗时费力的质谱方法，实现蛋白质赖氨酸乳酰化位点的预测 | 人类蛋白质的赖氨酸乳酰化位点 | 生物信息学 | NA | 质谱分析 | Transformer, CNN, LSTM | 蛋白质序列数据 | 未明确说明具体样本数量，但使用了独立测试集和10折交叉验证 | 未明确说明 | Transformer编码器, 多尺度CNN, 双向LSTM | 准确率, 灵敏度, 特异性, 马修斯相关系数, ROC曲线下面积 | 未明确说明 |
| 592 | 2026-03-21 |
A Lightweight Dual-Attention Neural Network for Robust and Efficient EEG Motor Imagery Decoding
2026-Mar-19, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065726500267
PMID:41856938
|
研究论文 | 本文提出了一种轻量级的双注意力神经网络DA-EEGNet，用于鲁棒且高效的脑电图运动想象解码 | 在EEGNet骨干网络基础上，集成了通道注意力模块和深度注意力模块，以选择性强调信息丰富的电极和具有时间区分性的特征，在保持紧凑模型参数化的同时实现了有效的时空特征建模 | NA | 解决运动想象脑机接口中有效时空特征建模与紧凑模型参数化之间的关键挑战 | 脑电图运动想象数据 | 机器学习 | NA | 脑电图 | CNN, 注意力机制 | 脑电图信号 | 使用了两个广泛使用的运动想象基准数据集 | NA | EEGNet, DA-EEGNet | 分类准确率 | NA |
| 593 | 2026-03-21 |
SiaCon-DetNet with HySHO: a cutting-edge transformer-based deep learning framework for emotion-aware facial recognition
2026-Mar-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41890-9
PMID:41857089
|
研究论文 | 提出一种结合SiaCon-DetNet与HySHO算法的先进面部情绪识别模型 | 首次将卷积特征学习与Transformer注意力机制相结合，并引入生物启发式优化算法动态调整模型参数 | 未提及模型在跨数据库或真实场景下的泛化能力测试 | 提升面部情绪识别的特征表示能力和模型鲁棒性 | 面部情绪图像数据 | 计算机视觉 | NA | 深度学习 | CNN, Transformer | 图像 | JAFFE数据库（具体数量未说明） | 未明确说明 | Siamese卷积网络, 检测Transformer网络 | 准确率, 精确率, 召回率, F1分数 | 未明确说明 |
| 594 | 2026-03-21 |
Feasibility of short-term hospital mask demand forecasting using a backpropagation neural network under data scarcity
2026-Mar-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44754-4
PMID:41857156
|
研究论文 | 本研究评估了在数据极度稀缺条件下，使用浅层反向传播神经网络预测医院短期口罩需求的可行性 | 在新型流行病早期阶段历史数据极其有限的情况下，验证了浅层BP神经网络用于短期医院物资需求预测的可行性，并与传统统计和深度学习基线模型进行了对比 | 研究结果仅为可行性验证，而非可部署的预测系统；样本量小（仅24天单中心数据），需要更大规模、多中心数据集进行进一步验证 | 评估在数据稀缺条件下，使用浅层BP神经网络进行医院短期物资需求预测的可行性 | 中国一家三级医院的口罩消耗量时间序列数据 | 机器学习 | 传染病 | 时间序列分析 | BP神经网络, ARIMA, LSTM | 时间序列数据 | 24天连续的医院口罩消耗量单变量时间序列数据 | NA | 浅层反向传播神经网络 | 均方根误差, 平均绝对误差, 平均绝对百分比误差, 对称平均绝对百分比误差 | NA |
| 595 | 2026-03-21 |
A CNN-transformer dual-branch network with structure-aware loss for high-resolution edge detection
2026-Mar-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44362-2
PMID:41857141
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 596 | 2026-03-21 |
Approval of AI-Based Medical Devices in China From 2020 to 2025: Retrospective Analysis
2026-Mar-18, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/85538
PMID:41849560
|
研究论文 | 本研究回顾性分析了2020年至2025年6月期间中国获批的人工智能医疗设备的批准趋势和特征 | 首次提供了截至2025年6月中国人工智能医疗设备批准情况的全面、最新概述，并揭示了风险等级与批准年份、制造商地点及医学专科之间的显著关联 | 数据仅来源于Drugdataexpy数据库，可能未涵盖所有获批设备；分析截止于2025年上半年，无法反映全年趋势；研究为回顾性分析，无法推断因果关系 | 分析中国人工智能医疗设备的批准趋势、特征及其与监管框架的关联 | 2020年至2025年6月30日期间在中国获批的人工智能医疗设备 | 医疗人工智能 | 多种疾病（重点关注肺结节检测和心血管评估） | 深度学习 | NA | 医学影像数据（主要来自计算机断层扫描） | 154个获批的人工智能医疗设备 | NA | NA | NA | NA |
| 597 | 2026-03-21 |
Multiview 2.5D Deep Learning Outperforms 2D and 3D Models for Preoperative Prediction of Visceral Pleural Invasion in Stage IA Lung Adenocarcinoma
2026-Mar-18, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000876
PMID:41854294
|
研究论文 | 本研究评估了两种新型2.5维深度学习模型在临床IA期肺腺癌内脏胸膜侵犯预测中的性能，并与传统2D和3D模型进行了比较 | 首次验证了2.5D深度学习模型（特别是多视图方法）用于VPI预测，通过可解释的可视化揭示了空间相关的生物标志物，性能优于2D/3D模型 | NA | 评估2.5D深度学习模型在术前预测IA期肺腺癌内脏胸膜侵犯的性能 | 来自两家中国医院的804名经病理证实的IA期肺腺癌患者 | 计算机视觉 | 肺癌 | 深度学习 | 深度学习模型 | 医学影像 | 804名患者（训练集360例，内部验证集155例，外部测试集289例） | NA | 2.5D多视图模型, 2.5D上下文模型 | AUC, 准确率, 阳性预测值, 阴性预测值 | NA |
| 598 | 2026-03-21 |
Multi-scale drift characteristics of Ulva prolifera in the Yellow Sea derived from deep learning-based MODIS and Sentinel-1 observations
2026-Mar-18, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2026.119516
PMID:41855964
|
研究论文 | 本研究提出了一种集成注意力机制和视觉Transformer的新型AttFusionViT-UNet模型，用于检测黄海浒苔，并融合MODIS和Sentinel-1遥感数据，实现了浒苔多尺度漂移特征的分析 | 提出了一种新颖的AttFusionViT-UNet模型，结合了注意力机制和视觉Transformer，并首次融合了MODIS和Sentinel-1数据，显著提高了有效观测覆盖率和检测可靠性 | 未明确说明模型在其他区域或不同藻类上的泛化能力，也未详细讨论计算资源需求 | 准确量化黄海浒苔的空间覆盖范围及其在不同时间尺度上的漂移特征，以理解其时空动态并提高预测能力 | 黄海海域的浒苔 | 计算机视觉 | NA | 遥感观测（MODIS, Sentinel-1） | 深度学习 | 遥感图像 | MODIS数据（2008-2024年）和Sentinel-1数据（2015-2024年） | NA | AttFusionViT-UNet, Vision Transformer, U-Net | 平均交并比 | NA |
| 599 | 2026-03-21 |
A decade-long shift in use of energy devices for BABA robotic thyroidectomy: automated video analysis by deep learning
2026-Mar-17, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-03113-7
PMID:41843322
|
研究论文 | 本研究利用YOLOv5深度学习模型，通过分析81个BABA机器人甲状腺切除术的手术视频，定量追踪了过去十年间手术能量设备使用偏好的演变趋势 | 首次采用深度学习模型（YOLOv5）对机器人甲状腺切除术视频进行自动化分析，以量化手术能量设备使用的历史变迁 | 研究为回顾性分析，样本量相对有限（81个视频），且仅针对单一手术中心的数据 | 定量分析双边腋窝-乳房入路机器人甲状腺切除术中能量设备使用偏好的时间变化趋势 | 2013年至2021年间进行的81例BABA机器人甲状腺切除术的手术视频 | 计算机视觉 | 甲状腺疾病 | 手术视频分析 | YOLOv5 | 视频 | 81个手术视频 | PyTorch | YOLOv5 | NA | NA |
| 600 | 2026-03-21 |
A multi-toxicity deep learning approach for normal tissue complication probability modelling in head and neck cancer patients receiving radiotherapy
2026-Mar-17, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111486
PMID:41856253
|
研究论文 | 本研究开发了一种多毒性深度学习模型，用于预测头颈癌放疗后多种并发症的发生概率 | 首次提出多毒性深度学习模型，同时预测五种放疗相关毒性，以捕捉毒性间的相互关系，相比传统单终点模型在某些毒性预测上表现更优 | 多毒性模型的优势并非在所有终点上均一致，提示在设计多毒性模型时需考虑毒性特异性特征 | 通过开发能同时预测多种毒性的深度学习模型，捕捉毒性间关系以提升预测性能 | 头颈癌接受放疗的患者 | 数字病理学 | 头颈癌 | 放疗 | 深度学习模型 | 3D剂量分布、CT扫描、危及器官分割和患者相关特征 | 1,418名头颈癌患者 | NA | NA | AUC | NA |