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 1529 篇文献，本页显示第 1081 - 1100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1081 | 2026-03-11 |
Applications of artificial intelligence algorithms in ultrasound-based kidney stone detection, classification, prediction, and management: a systematic review
2026-Mar-09, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05419-y
PMID:41801379
|
系统综述 | 本文系统综述了人工智能和深度学习算法在基于超声的肾结石检测、分类、并发症预测及手术指导中的应用 | 首次系统性地按应用类型（检测/分割、预测建模、手术指导）对AI在超声肾结石管理中的研究进行了分类与综合，揭示了算法在不同任务中的高表现 | 研究方法存在异质性，数据集和验证方式不统一，证据确定性低至极低，限制了荟萃分析的进行 | 系统回顾并综合AI和深度学习算法在超声肾结石检测、分类、并发症预测及手术指导中的应用 | 基于超声的肾结石诊断与管理 | 医学影像分析 | 肾结石 | 超声 | CNN, 机器学习集成 | 图像 | NA | NA | CNN变体 | 准确率, AUC | NA |
| 1082 | 2026-03-11 |
Development and validation of an interpretable MRI-based multimodal fusion model for predicting lymph node metastasis after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter study
2026-Mar-09, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05391-7
PMID:41801383
|
研究论文 | 本研究开发并验证了一个可解释的、基于多参数MRI的多模态融合模型，用于预测局部晚期直肠癌患者新辅助放化疗后的淋巴结转移 | 提出了一种新颖的可解释多模态融合框架，将基于深度学习的影像组学特征与临床Node-RADS评分相结合，用于预测局部晚期直肠癌新辅助放化疗后的淋巴结转移 | 研究为回顾性设计，样本量相对有限（190例），且仅来自三个中心，可能存在选择偏倚 | 开发并验证一个可解释的预测模型，以评估局部晚期直肠癌患者在新辅助放化疗后发生淋巴结转移的风险 | 局部晚期直肠癌患者 | 数字病理学 | 直肠癌 | 磁共振成像 | 深度学习, 逻辑回归 | 医学影像 | 190名来自三个独立中心的局部晚期直肠癌患者 | NA | NA | AUC | NA |
| 1083 | 2026-03-11 |
EENet-RLA: An Explainable Prediction Learning Framework for Alzheimer's Disease Classification from EEG Signals
2026-Mar-09, Brain topography
IF:2.3Q3
DOI:10.1007/s10548-026-01183-w
PMID:41801479
|
研究论文 | 提出一种名为EENet-RLA的可解释预测学习框架，用于从脑电图信号中分类阿尔茨海默病 | 结合动态系统理论与深度学习，引入基于嵌入熵的因果稳定性驱动脑电图通道选择策略，并融合ResNet、LSTM和多头注意力机制提取时空特征 | 在有限样本条件下验证，可能受数据集规模限制，且方法主要针对类似信号特性的神经系统疾病 | 开发一种高可解释性的脑电图分类框架，用于阿尔茨海默病的诊断 | 阿尔茨海默病患者及相关的脑电图信号 | 机器学习 | 阿尔茨海默病 | 脑电图 | CNN, LSTM | 脑电图信号 | BrainLat脑电图数据集（具体样本数未明确说明） | NA | ResNet, LSTM | 准确率 | NA |
| 1084 | 2026-03-11 |
Accurate CT-free correction of attenuation, scatter, and aperture effects using deep learning in dedicated cardiac pinhole SPECT
2026-Mar-09, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-026-02187-z
PMID:41801662
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1085 | 2026-03-11 |
Discovery of Peripheral Airway Beyond Incomplete CT Annotations for Navigational Bronchoscopy
2026-Mar-09, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3672178
PMID:41801779
|
研究论文 | 本文提出了一种名为ASTRA-Net的深度学习框架，用于从CT扫描中分割标注和未标注的气道分支，以支持支气管镜导航 | 提出了首个能够同时分割标注和未标注气道分支的深度学习框架，并集成了辅助解剖输入、编码器引导注意力模块、中心线和分支感知损失加权方案以及分辨率鲁棒的后优化步骤等四个关键创新组件 | 未明确说明模型在极端成像条件下的性能，也未讨论计算效率对实时临床应用的适用性 | 开发一种鲁棒的气道分割方法，以改进支气管镜导航的准确性和可靠性 | CT扫描中的外周气道分支 | 数字病理学 | 肺癌 | CT扫描 | 深度学习 | 医学图像（CT） | 多个公共和内部数据集（具体数量未明确说明） | 未明确说明 | ASTRA-Net | 树检测率（TDR）、分支检测率（BDR）、重叠分数 | 未明确说明 |
| 1086 | 2026-03-11 |
Explainable Deep Learning for Cyber Threat in IoMT: A Synchronization-Enhanced Sparse Autoencoder Approach
2026-Mar-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3671680
PMID:41801774
|
研究论文 | 本文提出了一种用于医疗物联网网络透明化网络威胁检测的新型可解释深度学习框架 | 提出了一种集成稀疏自编码器与神经同步机制的可解释深度学习框架，通过神经元级局部激活一致性约束和基于同步的功能模块构建，实现高检测精度与可解释决策过程 | 未提及具体局限性 | 开发用于医疗物联网网络的可解释网络威胁检测机制 | 医疗物联网网络中的网络威胁 | 机器学习 | NA | 深度学习 | 稀疏自编码器 | 网络安全数据集 | CIC IoMT 2024和物联网医疗安全数据集 | NA | 稀疏自编码器 | 准确率, 可解释性分数 | NA |
| 1087 | 2026-03-11 |
Usability of a deep learning platform for detecting radiographic bone loss and furcation involvement
2026-Mar-09, Journal of periodontology
IF:4.2Q1
DOI:10.1002/jper.70106
PMID:41801972
|
研究论文 | 本研究开发了一个基于深度学习的在线平台，用于从根尖周X光片中检测放射学骨丧失和分叉病变，并评估其可用性 | 开发了一个端到端的深度学习平台，能够测量放射学骨丧失、识别分叉病变，并基于根尖周X光片提供病例级别的牙周诊断建议 | 研究未详细说明深度学习模型的具体架构或训练细节，且样本量（100个临床病例）可能有限，需要进一步验证 | 开发并评估一个基于深度学习的在线平台，以辅助临床医生基于根尖周X光片进行牙周炎诊断 | 牙科学生、住院医师和牙医作为平台可用性的评估者 | 数字病理学 | 牙周病 | 放射学成像（根尖周X光片） | 深度学习模型 | 图像 | 6,552张口腔内放射学图像，用于开发模型；100个临床病例用于平台性能评估；60名参与者（20名牙科学生、20名住院医师、20名牙医）用于可用性调查 | NA | NA | 准确度（Extent、Stage、Grade）、系统可用性量表（SUS）分数 | NA |
| 1088 | 2026-03-11 |
Analytical Methods for the Authentication of Ginger and Ginger Products: A Critical Review of Studies Between 2005 and 2024
2026-Mar-09, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2026.2634884
PMID:41802302
|
综述 | 本文对2005年至2024年间关于姜及其产品真伪鉴定的分析研究进行了批判性回顾 | 强调了单一分析方法不足以进行全面鉴定，需要综合、多分析策略，并指出了新兴技术（如高光谱成像、荧光寿命成像和深度学习驱动的计算机视觉）在非侵入性质量评估中的潜力 | DNA方法由于高遗传保守性，在品种区分方面仍有限制 | 评估姜及其产品的真伪鉴定方法，以应对经济驱动的掺假问题 | 姜及其衍生产品 | NA | NA | 光谱技术（FTIR, FT-NIR, NMR）、色谱方法（HPLC, GC-MS）、稳定同位素比率分析、DNA方法、高光谱成像、荧光寿命成像、深度学习驱动的计算机视觉 | NA | NA | NA | NA | NA | NA | NA |
| 1089 | 2026-03-11 |
Diagnostic Accuracy of Deep Learning for Automated Detection of Spinal Degenerative Disease on MRI: A Systematic Review and Meta-Analysis
2026-Mar-09, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01897-0
PMID:41803519
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了深度学习模型在脊柱磁共振成像上自动检测或分类脊柱退行性疾病的诊断准确性 | 首次对深度学习在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性进行系统综述和荟萃分析，并探讨了临床相关异质性 | 纳入研究存在偏倚风险，主要为回顾性单中心设计，参考标准主观，外部验证有限，临床准备度受限 | 评估深度学习模型在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性并探索临床异质性 | 脊柱退行性疾病 | 医学影像分析 | 脊柱退行性疾病 | 磁共振成像 | 深度学习模型 | 磁共振图像 | 14项研究（2020-2025年），样本量范围29至2991 | NA | NA | 敏感性, 特异性, 阳性似然比, 阴性似然比 | NA |
| 1090 | 2026-03-11 |
Ultrafast deep learning super-resolution single-shot T2-weighted imaging for robust edema visualization in cardiovascular magnetic resonance
2026-Mar-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102708
PMID:41802637
|
研究论文 | 本研究比较了深度学习超分辨率重建的屏气与自由呼吸单次激发黑血T2加权短时反转恢复成像与标准屏气T2-STIR在心血管磁共振中的诊断质量 | 应用深度学习超分辨率重建技术实现超快速T2-STIR采集，在保持水肿检测准确性的同时显著缩短扫描时间并提升图像质量 | 研究样本量相对较小（81名参与者），且为单中心前瞻性研究，可能需要多中心验证以推广结果 | 评估深度学习超分辨率重建单次激发T2加权成像在心血管磁共振中用于水肿可视化的诊断性能 | 心血管疾病患者的心肌水肿 | 数字病理 | 心血管疾病 | 心血管磁共振成像，T2加权短时反转恢复序列 | 深度学习 | 医学图像 | 81名参与者（平均年龄54±20岁，50名男性） | NA | NA | 水肿检测一致性，扫描时间，伪影负担，图像对比度和锐度，诊断确定性，水肿可见性，评分者间一致性（Kappa系数） | NA |
| 1091 | 2026-03-11 |
Sequence-based modeling of low-affinity transcription factor-DNA binding through deep learning
2026-Mar, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqag027
PMID:41799016
|
研究论文 | 本研究通过深度学习模型评估不同DNA序列方向处理策略，以改进对低亲和力转录因子- DNA结合位点特异性的建模 | 系统比较了数据增强与反向互补权重共享模型在处理DNA序列方向上的性能，并评估了多种网络解释方法在低亲和力结合场景下的表现 | 研究仅基于果蝇的八种Exd-Hox异源二聚体SELEX-seq数据，未在其他物种或转录因子家族中进行验证 | 改进低亲和力转录因子- DNA结合位点特异性的深度学习建模方法 | 果蝇中的八种Exd-Hox异源二聚体转录因子 | 自然语言处理 | NA | SELEX-seq | CNN, 自注意力Transformer | DNA序列 | 八种Exd-Hox异源二聚体的SELEX-seq数据 | NA | CNN, 自注意力Transformer | NA | NA |
| 1092 | 2026-03-11 |
Neural network assessment of aortic, iliac, renal, and mesenteric artery calcification in CTA: Normalized scoring framework and comparison to threshold-based method
2026-Mar, Acta radiologica open
IF:0.9Q4
DOI:10.1177/20584601261431608
PMID:41800183
|
研究论文 | 本文开发并评估了一种基于深度学习的腹部动脉钙化量化方法，使用CTA数据进行自动、客观的钙化评分 | 提出了一种基于nnU-Net的深度学习框架，用于腹部动脉钙化的自动量化，并引入了标准化的钙化评分框架，与基于阈值的方法进行了比较 | 研究为回顾性设计，样本量相对有限（223个CTA体积），且依赖于手动标注的ground truth，可能引入标注偏差 | 开发并评估一种深度学习方法来量化对比增强CT血管造影中的腹部动脉钙化，以提高临床实践中的可重复性和减少观察者依赖性 | 腹部动脉（主动脉、髂动脉、肾动脉和肠系膜动脉）的钙化 | 数字病理学 | 心血管疾病 | 对比增强CT血管造影（CTA） | CNN | 图像（CTA体积） | 223个CTA体积（147个训练，76个测试） | nnU-Net | nnU-Net | Dice分数, 体积相似性, 敏感性, 精确度, Jaccard指数 | NA |
| 1093 | 2026-03-10 |
IALA-LNN: Deep Learning for Peptide Retention Time Prediction Based on Improved Artificial Lemming Algorithm-Optimized Liquid Neural Networks
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02548
PMID:41701342
|
研究论文 | 本文提出了一种基于改进人工旅鼠算法优化的液态神经网络框架IALA-LNN，用于准确预测肽段在液相色谱中的保留时间 | 首次将受常微分方程状态演化控制的液态神经网络应用于肽段保留时间预测，并结合了改进的人工旅鼠算法进行超参数优化，有效捕获了肽序列的复杂顺序依赖性 | 未明确提及模型在不同实验室或色谱系统间的泛化能力，也未讨论对非标准或修饰肽段的预测性能 | 提高液相色谱-串联质谱蛋白质组学中肽段保留时间预测的准确性，以增强肽段鉴定的可靠性 | 肽段序列及其在反相色谱、强阳离子交换色谱和亲水相互作用色谱中的保留时间 | 机器学习 | NA | 液相色谱-串联质谱 | 液态神经网络 | 序列数据 | NA | NA | ESM-2, ProtT5, 液态神经网络 | R², 平均绝对误差 | NA |
| 1094 | 2026-03-10 |
Polypharmacology Browser PPB3: A Web-Based Deep Learning Tool for Target Prediction Using ChEMBL Data
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00299
PMID:41721463
|
研究论文 | 本文介绍了一个基于深度学习的网络工具PPB3，用于预测药物分子的多药理学靶点 | 使用了比先前模型更大的数据集，包含多种靶点类型，并基于ChEMBL 34数据训练深度神经网络 | NA | 开发一个基于网络的工具，用于预测药物分子的多药理学靶点 | 药物分子及其与生物靶点的相互作用 | 机器学习 | NA | 深度神经网络 | 深度神经网络 | 二进制子结构指纹 | 1,187,089个分子与7,546个靶点之间的2,496,555次相互作用 | NA | NA | 召回率, 精确度 | NA |
| 1095 | 2026-03-10 |
PeptideNet: An Integrative Deep Learning Framework for Predicting Diverse Bioactive Peptides Using Protein Language Model Embeddings
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02885
PMID:41731742
|
研究论文 | 本研究提出了一种名为PeptideNet的集成深度学习框架，用于预测多种生物活性肽 | 整合了大型蛋白质语言模型嵌入（如ESM1、ESM2和ProtBert）与物理化学描述符，并开发了结合CNN和BiGRU的混合深度学习模型，以捕获局部序列基序和长程依赖关系 | NA | 加速肽类治疗药物的发现和设计 | 生物活性肽，包括抗病毒、抗菌、抗氧化、抗细胞穿透和抗溶血肽 | 自然语言处理 | NA | 蛋白质语言模型嵌入（ESM1、ESM2、ProtBert）、物理化学描述符 | CNN, BiGRU | 序列数据 | NA | NA | PeptideNet（集成CNN和BiGRU的混合架构） | 准确度 | NA |
| 1096 | 2026-03-10 |
Machine Learning-Assisted Local-to-Global Optimization Strategy for Accelerated Molecular Cluster Structure Prediction
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02782
PMID:41733999
|
研究论文 | 本文提出了一种机器学习辅助的局部到全局优化策略（LOGOS），用于加速分子簇结构的预测 | 利用深度学习识别局部模式，在分子静电势地形特征空间中预测新的结合位点，实现分层优化 | 仅针对原型（CO）且规模小于30的簇进行了基准测试，未涉及更大或更复杂的分子系统 | 加速分子簇在势能面上的稳定结构预测 | 分子簇结构，特别是原型（CO）的基态簇 | 机器学习 | NA | 分子静电势（MESP）地形分析 | 深度学习 | 分子结构数据 | 原型（CO）簇，规模小于30 | NA | NA | 与文献报道的最小能量结构进行对比验证 | NA |
| 1097 | 2026-03-10 |
Upconversion optical entropy encoding for infrared complex-amplitude imaging
2026-Mar-09, Light, science & applications
DOI:10.1038/s41377-026-02215-7
PMID:41796141
|
研究论文 | 本文提出了一种基于上转换光学熵编码的红外复振幅成像系统，实现了视频速率的高保真成像 | 结合相干与非相干方法的优势，利用无序光子结构中的光散射与镧系元素上转换光致发光的协同作用，通过深度学习网络实现单次可见光快照捕获并重构红外光场信息 | NA | 开发一种实时、高灵敏度的红外复振幅成像系统，以捕获红外场景的完整相位和振幅信息 | 红外光场信息，包括自然场景图像和自动驾驶中的限速标志图像 | 计算机视觉 | NA | 上转换光学熵编码，深度学习网络 | 深度学习网络 | 图像 | NA | NA | NA | 视频速率（25 fps），高保真8位灰度调制，功率检测限（0.2 nW μm） | NA |
| 1098 | 2026-03-10 |
ESR Innovation in Focus: Deep learning in MR image reconstruction
2026-Mar-09, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12427-5
PMID:41796228
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1099 | 2026-03-10 |
Clinical evaluation of a motion correction software based on partial angle reconstruction in coronary CT angiography
2026-Mar-09, The international journal of cardiovascular imaging
DOI:10.1007/s10554-026-03678-w
PMID:41796268
|
研究论文 | 本研究评估了一种基于部分角度重建的深度学习运动校正软件在冠状动脉CT血管造影中减少运动伪影的效果 | 提出了一种基于部分角度重建的深度学习运动校正软件，专门针对心率增快的冠状动脉CT血管造影患者进行运动伪影校正 | 本研究为单中心回顾性研究，样本量较小（62例患者），且仅针对心率>70 bpm的患者，可能无法推广到所有人群 | 评估深度学习运动校正软件在冠状动脉CT血管造影中减少运动伪影、提高图像质量的临床效果 | 心率>70 bpm的冠状动脉CT血管造影患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 62例患者（35例女性），平均心率81.9±13.1 bpm | NA | NA | 5点Likert量表评分，卡方检验，Gwet一致性系数 | NA |
| 1100 | 2026-03-10 |
Development and Evaluation of Artificial Intelligence-Based Two-Step Model for Automated Serum Quality Assessment in Clinical Laboratories
2026-Mar-09, Annals of laboratory medicine
IF:4.0Q1
DOI:10.3343/alm.2025.0509
PMID:41797408
|
研究论文 | 本文开发并评估了一种基于人工智能的两步模型，用于临床实验室中血清质量的自动化评估 | 提出了一种新颖的自研人工智能方法，采用两步深度学习YOLOv5-ResNet-50架构模型，并在真实实验室条件下探索其性能 | NA | 增强临床实验室的分析前质量控制，为受溶血、黄疸或脂血影响的样本提供风险警报，确保患者检测结果的准确性 | 血清样本 | 计算机视觉 | NA | 血清指数测试与手动评估结合 | 深度学习 | 图像 | 主要数据集包含21,000个血清样本（训练集80%，验证集20%），独立测试数据集包含21,000个样本 | NA | YOLOv5, ResNet-50 | 准确率 | 集成到罗氏Cobas c 701模块中进行预处理 |