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 1560 篇文献，本页显示第 1341 - 1360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1341 | 2026-03-05 |
Real-time digital prescriptions unlock influenza dynamics: evidence from 21 million transactions
2026-Mar-04, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02513-9
PMID:41775925
|
研究论文 | 本研究通过分析中国最大的按需药品配送平台的2108万张数字处方交易数据，验证了其作为流感动态实时监测和长期预测的有效代理指标 | 首次大规模验证数字处方交易数据作为流感流行病学实时监测和预测的因果有效代理指标，并构建了一个集成了GNN、Mamba和LSTM的时空深度学习框架，实现了长达96天的流感预测 | 研究数据来源于单一平台，可能无法完全代表全国所有地区的用药行为；研究主要关注流感，对其他传染病的适用性有待验证 | 开发一种实时、准确的流感监测和预测方法，以克服传统监测系统的报告延迟问题 | 中国31个省份的2108万张数字处方交易数据 | 机器学习 | 流感 | 数字处方交易数据分析 | GNN, Mamba, LSTM | 交易数据 | 2108万张处方交易，覆盖中国31个省份 | NA | GNN, Mamba, LSTM | 平均绝对误差 | NA |
| 1342 | 2026-03-05 |
Letter to the Editor: Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma
2026-Mar-03, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12364-3
PMID:41774130
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1343 | 2026-03-05 |
Clinical value of ultra-low-dose chest CT with deep learning image reconstruction in the detection and characterization of pulmonary nodules
2026-Mar-03, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-026-01583-w
PMID:41775904
|
研究论文 | 本研究评估了超低剂量CT结合深度学习图像重建在肺结节检测和诊断中的临床价值 | 首次将深度学习图像重建技术应用于超低剂量CT，实现了在显著降低辐射剂量的同时保持与标准剂量CT相当的图像质量和诊断准确性 | 样本量相对较小（115例患者），且为单中心研究，可能限制了结果的普适性 | 评估超低剂量CT结合深度学习图像重建技术在肺结节诊断中的临床价值 | 疑似肺结节的患者 | 数字病理学 | 肺癌 | CT扫描 | 深度学习图像重建 | 医学影像 | 115例患者 | NA | NA | CT值、噪声值、信噪比、主观诊断信心、恶性征象一致性 | NA |
| 1344 | 2026-03-05 |
Low-input deep learning platform for citrullinated peptide identification, autoantigen discovery and rheumatoid arthritis treatment stratification
2026-Mar-03, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-026-01628-4
PMID:41776034
|
研究论文 | 本研究开发了一种名为Iseq-Cit的低样本量深度学习方法，用于系统性分析瓜氨酸化蛋白质组，并基于此进行类风湿关节炎（RA）的自身抗原发现和治疗反应预测 | 开发了内部标准辅助的无富集高通量定量分析平台（Iseq-Cit），仅需常规方法1%的样本量即可实现全局瓜氨酸化蛋白质组分析；首次整合临床指标与瓜氨酸化数据构建预测模型；利用双向门控循环单元模型预测瓜氨酸化肽段的RA血清反应性 | 未明确说明模型在其他独立队列中的泛化能力；样本量虽较传统方法大幅减少，但纵向队列的具体规模未在摘要中详细说明 | 开发低样本量深度学习方法，实现瓜氨酸化肽段鉴定、自身抗原发现及类风湿关节炎治疗分层 | 类风湿关节炎风险个体及患者的血浆样本、瓜氨酸化蛋白质组数据、临床指标 | 生物信息学 | 类风湿关节炎 | 内部标准辅助的无富集高通量定量分析（Iseq-Cit）、酶联免疫吸附试验（ELISA） | 双向门控循环单元（BiGRU） | 肽段序列数据、临床数据、质谱数据 | 包含RA风险个体和RA患者的纵向队列（具体数量未明确），模型训练使用67,399条RA血清阴性肽段和8,816条RA血清阳性肽段 | 未明确说明 | 双向门控循环单元（BiGRU） | 预测准确率（84.2%） | NA |
| 1345 | 2026-03-05 |
Automated Measurement of Midpalatal Suture Density Ratio Based on Deep Learning
2026-Mar-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01877-4
PMID:41776128
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于量化中腭缝密度比，以快速评估上颌横向发育不足的骨骼反应性 | 首次提出基于深度学习的自动化中腭缝密度比测量系统，显著提高了测量效率和标准化程度 | 研究仅基于400例CBCT扫描，样本量有限，且未在不同设备或人群中进行外部验证 | 建立自动化、标准化的中腭缝密度比测量方法，以辅助快速上颌扩展治疗决策 | 锥形束计算机断层扫描图像中的中腭缝、硬腭和软腭区域 | 计算机视觉 | 上颌横向发育不足 | 锥形束计算机断层扫描 | CNN | 图像 | 400例CBCT扫描 | NA | U-Net, Deeplab v3, Segformer | F1分数 | NA |
| 1346 | 2026-03-05 |
Attention-enhanced deep learning model for automated classification of hemorrhagic and ischemic stroke on CT imaging
2026-Mar-03, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03784-w
PMID:41776569
|
研究论文 | 本研究提出了一种名为GCDCNet的轻量高效深度学习模型，用于CT影像中出血性和缺血性中风的自动分类 | 基于GhostNet轻量架构，结合SCSE注意力机制、扩张卷积和通道洗牌进行特征优化，以增强模型对病灶区域的关注并提升分类性能 | NA | 提高中风CT影像诊断的准确性和效率，以辅助临床决策 | 公共中风CT数据集，包括964例出血性中风和1551例缺血性中风 | 计算机视觉 | 中风 | CT成像 | CNN | 图像 | 2515例中风CT影像 | NA | GCDCNet, GhostNet | 准确率, 召回率, F1分数, 精确率, AUC | NA |
| 1347 | 2026-03-05 |
Early feature extraction drives model performance in high-resolution chromatin accessibility prediction
2026-Mar-02, Genome research
IF:6.2Q1
DOI:10.1101/gr.281042.125
PMID:41526189
|
研究论文 | 本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器，发现早期特征提取是预测准确性的主要决定因素 | 首次将计算机视觉领域的ConvNeXt V2块应用于基因组数据的高分辨率特征提取，并系统揭示了早期特征提取对预测性能的关键作用 | 未明确说明模型在跨细胞类型或不同实验条件下的泛化能力，且可能未涵盖所有可能的架构变体 | 提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响 | 染色质可及性预测，特别是ATAC-seq信号在4-bp分辨率下的细胞类型特异性预测 | 机器学习 | NA | ATAC-seq | CNN, LSTM, 扩张CNN, Transformer | DNA序列数据 | NA | NA | ConvNeXt V2, 卷积神经网络, 长短期记忆网络, 扩张卷积神经网络, Transformer | 预测准确性, 信号形状保持度 | NA |
| 1348 | 2026-03-05 |
Post-Stroke Dysarthria Voice Recognition based on Fusion Feature MSA and 1D
2026-Mar, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2410228
PMID:39422438
|
研究论文 | 本文提出了一种基于融合特征MSA和改进的1D DRN-biLSTM网络模型，用于识别脑卒中后构音障碍的病理语音 | 提出了一种新颖的融合特征（MSA）并结合了改进的一维残差网络、双向LSTM和空洞卷积的混合模型（1D DRN-biLSTM），以更好地表征病理语音的隐藏特征 | 摘要中未明确提及研究的局限性 | 开发一种改进的深度学习模型，用于区分脑卒中后构音障碍的病理语音和正常语音，以辅助PSD的评估与诊断 | 脑卒中后构音障碍患者的语音数据 | 自然语言处理 | 脑卒中 | 语音信号处理，深度学习 | CNN, LSTM, ResNet | 语音 | NA | NA | 1D ResNet, bi-directional LSTM, 1D DRN-biLSTM | 准确率 | NA |
| 1349 | 2026-03-05 |
Development of Artificial Intelligence for Quantitative Assessment of Nasal Inflammatory Cytology in Chronic Rhinitis by Whole-Slide Images
2026-Mar, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.70075
PMID:41307481
|
研究论文 | 本研究开发了一种基于全切片图像的深度学习系统（QANIC），用于慢性鼻炎患者鼻腔炎症细胞的定量评估和表型分型 | 首次将深度学习与全切片图像结合用于鼻腔细胞学诊断，并基于鼻腔细胞学对鼻炎患者进行炎症表型分型 | 研究样本量相对有限，外部验证队列仅包含两个临床中心 | 建立基于人工智能的鼻腔炎症细胞学定量评估系统，以研究慢性鼻炎的炎症表型 | 慢性鼻炎患者的鼻腔分泌物涂片 | 数字病理学 | 慢性鼻炎 | 全切片图像 | 深度学习模型 | 图像 | 开发阶段145例患者，内部队列881例，外部验证队列234例 | NA | NA | NA | NA |
| 1350 | 2026-01-11 |
A novel quantification method for automatic computation of breast density from mammography images using deep learning
2026-Mar, Breast cancer (Tokyo, Japan)
DOI:10.1007/s12282-025-01808-1
PMID:41511727
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1351 | 2026-03-05 |
Sub-Milliscale-Resolution Bimodal Tactile Sensor Array with Human-Skin-Like Graphesthesia Sensation
2026-Mar, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202519734
PMID:41572940
|
研究论文 | 本文介绍了一种具有亚毫米级分辨率的双模态触觉传感器阵列，结合压电和摩擦电传感器，实现了类似人类皮肤的图形感知能力 | 实现了亚毫米级空间分辨率（700微米）和高传感器密度（226像素/平方厘米）的双模态触觉感知，并利用深度学习算法重建软度加密图案 | 未明确提及传感器阵列的长期稳定性、环境适应性或大规模生产成本等限制 | 开发高分辨率多模态触觉传感器，以提升具身智能系统和机器人的触觉感知能力 | 双模态触觉传感器阵列，包括压电传感器阵列和摩擦电传感器阵列 | 机器感知 | NA | 压电传感、摩擦电传感 | 深度学习算法 | 压力分布数据、接触高度数据 | NA | NA | NA | 空间分辨率、传感器密度、响应时间 | NA |
| 1352 | 2026-03-05 |
Q-Space Guided Multi-Modal Translation Network for Diffusion-Weighted Image Synthesis
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618683
PMID:41056154
|
研究论文 | 提出了一种用于从灵活q空间采样合成多壳高角度分辨率扩散加权成像的Q空间引导多模态翻译网络 | 提出Q-MMTN网络，通过混合编码器和多模态注意力融合机制，结合灵活的q空间感知嵌入，实现了不依赖固定采样方案的动态特征调制 | NA | 从灵活的q空间采样合成多壳高角度分辨率扩散加权成像 | 扩散加权成像数据 | 医学影像分析 | NA | 扩散加权成像 | 深度学习网络 | MRI图像（T1加权、T2加权、DWI） | 四个生命周期数据集（儿童、青少年、年轻成人、老年成人） | NA | Q-MMTN（Q-space Guided Multi-Modal Translation Network） | 参数图和纤维束估计的准确性 | NA |
| 1353 | 2026-03-05 |
MACE Risk Prediction in ARVC Patients via CMR: A Three-Tier Spatiotemporal Transformer With Pericardial Adipose Tissue Embedding
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618711
PMID:41056153
|
研究论文 | 本文提出了一种基于心脏磁共振成像的三层时空Transformer模型，用于预测致心律失常性右室心肌病患者的重大不良心脏事件风险 | 提出了三层时空Transformer架构，首次将心包脂肪组织的动态和位置信息作为先验知识嵌入模型，并引入了基于心包脂肪组织信息引导的局部特征投票单元 | 数据集规模有限（ARVC为罕见病），非MACE与MACE患者的图像分布存在重叠 | 预测致心律失常性右室心肌病患者发生重大不良心脏事件的风险 | 致心律失常性右室心肌病患者 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | Transformer | 图像序列 | 未明确说明具体样本数量（提及数据集规模有限） | 未明确说明 | 三层时空Transformer | AUC, 准确率, C-index | 未明确说明 |
| 1354 | 2026-03-05 |
MoE-Morph: Lightweight Pyramid Model With Heterogeneous Mixture of Experts for Deformable Medical Image Registration
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3620406
PMID:41086068
|
研究论文 | 提出了一种用于可变形医学图像配准的轻量级金字塔模型MoE-Morph，它采用异构专家混合机制来增强特征处理能力 | 引入了密集的专家混合金字塔配准模型，通过路由方案和多个异构专家增加单层特征处理的宽度和灵活性，仅使用形变场作为层级间信息传递范式 | 未使用注意力或视觉Transformer等复杂机制，模型保持最简形式，可能在某些极端复杂形变场景下存在局限 | 解决深度学习配准方法在处理大而复杂位移时的困难，提高医学图像配准的精度和鲁棒性 | 医学图像（脑部、肺部、腹部多模态图像） | 数字病理 | NA | 深度学习图像配准 | 金字塔模型、专家混合模型 | 医学图像 | 四个公共数据集（具体数量未明确说明） | NA | MoE-Morph（异构专家混合金字塔架构） | NA | NA |
| 1355 | 2026-03-03 |
Deep learning of committor for ion dissociation and interpretable analysis of solvent effects using atom-centered symmetry functions
2026-Mar-07, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0315825
PMID:41769876
|
研究论文 | 本研究利用深度学习识别水中NaCl离子对结合与解离的反应坐标，并通过可解释人工智能技术分析溶剂效应 | 采用基于原子中心对称函数的描述符编码离子周围溶剂环境，并应用SHAP分析识别对反应坐标有贡献的ACSFs，为离子解离机制提供分子层面解释 | 未明确说明模型泛化能力或对其他离子体系的适用性 | 识别水中离子对结合与解离过程的反应坐标，并分析溶剂效应 | 水中的NaCl离子对 | 机器学习 | NA | 分子动力学模拟，原子中心对称函数 | 神经网络 | 分子模拟数据 | NA | NA | NA | committor作为反应坐标的定量度量 | NA |
| 1356 | 2026-03-03 |
Assessment of deep learning reconstruction effects on detection and differentiation of liver metastasis from hepatic hemangioma in diffusion-weighted imaging
2026-Mar, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01904-4
PMID:41196555
|
研究论文 | 评估并比较了使用压缩感知的扩散加权成像与结合模型深度学习重建的扩散加权成像在检测和区分肝转移瘤与肝血管瘤方面的性能 | 首次将模型深度学习重建应用于腹部扩散加权成像，以评估其在肝转移瘤与血管瘤检测和区分中的效果 | 研究为回顾性分析，样本量较小（53名患者），且未在独立外部数据集上验证 | 评估深度学习重建对腹部扩散加权成像在肝转移瘤与血管瘤检测和区分中图像质量和诊断性能的影响 | 肝转移瘤和肝血管瘤患者 | 数字病理 | 肝转移瘤, 肝血管瘤 | 扩散加权成像, 压缩感知, 深度学习重建 | 深度学习模型 | 医学影像（扩散加权成像） | 53名患者（34名男性，19名女性，平均年龄65.9岁），包括59个转移瘤和33个血管瘤 | NA | NA | 信号噪声比, 对比噪声比, 表观扩散系数, 受试者工作特征曲线下面积, 敏感性, 特异性 | NA |
| 1357 | 2026-03-03 |
Artificial Intelligence in Cardiovascular MRI: From Imaging to Biomechanics and Diagnosis
2026-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000864
PMID:41321165
|
综述 | 本文综述了人工智能（特别是深度学习）如何重塑心血管磁共振成像的各个方面，从规划、采集到重建、分析和临床报告生成 | 全面概述了深度学习在心血管MRI全流程（从采集到诊断）中的应用进展，并强调了其在提升效率、图像质量和自动化分析方面的潜力 | NA | 探讨人工智能在心血管磁共振成像中的应用及其对临床实践的变革 | 心血管磁共振成像技术及其相关数据处理流程 | 医学影像分析 | 心血管疾病 | 磁共振成像 | 深度学习 | 医学影像数据 | NA | NA | NA | NA | NA |
| 1358 | 2026-03-03 |
Transformer-based classification and interpretability of NR3C1 expression patterns in OSCC: Metabolic adaptation insights
2026 Mar-Apr, Journal of oral biology and craniofacial research
DOI:10.1016/j.jobcr.2026.101427
PMID:41768316
|
研究论文 | 本研究评估了四种基于Transformer的模型在NR3C1蛋白序列分类中的性能，并与深度学习和传统机器学习方法进行比较 | 首次将Transformer模型（如RoBERTa、ALBERT）应用于NR3C1蛋白序列分类，并展示了其在准确性和参数效率上的优势 | 研究仅基于5个UniProt序列的小样本数据集，可能限制模型的泛化能力 | 评估Transformer模型在蛋白序列分类任务中的性能，并探索其在口腔鳞状细胞癌（OSCC）相关蛋白NR3C1表达模式分类中的应用 | NR3C1蛋白的肽序列 | 自然语言处理 | 口腔鳞状细胞癌 | 蛋白序列分析 | Transformer, 深度学习模型, 传统机器学习分类器 | 蛋白序列（文本） | 5个UniProt序列，分为中等长度（200-500 aa）和长序列（>500 aa）两类 | NA | BERT, RoBERTa, DistilBERT, ALBERT | F1分数 | NA |
| 1359 | 2026-03-02 |
Characterization of immune features and discovery of potential biomarkers for ankylosing spondylitis using deep plasma proteomics
2026-Mar, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.05.052
PMID:40436140
|
研究论文 | 本研究通过整合深度血浆蛋白质组学和深度学习策略，探索强直性脊柱炎的免疫特征并发现潜在生物标志物 | 结合随机森林和正交偏最小二乘判别分析构建机器学习模型，从深度蛋白质组学数据中识别出SAA1、FERMT3、ILK和TLN1作为AS的潜在生物标志物 | 样本量相对有限，且仅通过ELISA在独立队列中验证了生物标志物，未进行更大规模或多中心验证 | 阐明强直性脊柱炎的免疫特征并发现潜在生物标志物，以优化临床管理和预后评估 | 强直性脊柱炎患者（包括活动期和稳定期）及健康对照者的血浆样本 | 机器学习 | 强直性脊柱炎 | 深度定量蛋白质组学，ELISA | 随机森林，正交偏最小二乘判别分析 | 蛋白质组学数据 | 104名参与者（AS患者和健康对照），另加79名参与者的独立验证队列 | Scikit-learn | 随机森林，正交偏最小二乘判别分析 | NA | NA |
| 1360 | 2026-03-02 |
Revisiting PSF models: Unifying framework and high-performance implementation
2026-Mar, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.70045
PMID:41186941
|
研究论文 | 本文提出了一个统一框架，系统比较了基于傅里叶变换和贝塞尔积分的点扩散函数模型，并基于PyTorch实现了高性能开源库 | 首次系统证明了傅里叶与贝塞尔方法的等价性，提出了适用于两种方法的统一校正框架，并实现了首个基于深度学习框架的高性能PSF计算库 | 未明确说明具体应用场景中的性能提升幅度，且新库的兼容性验证可能不够全面 | 建立点扩散函数模型的统一理论框架并实现高性能计算工具 | 高数值孔径成像系统中的点扩散函数模型 | 计算成像 | NA | 定位显微镜、点扩散函数建模 | NA | 光学成像模型 | NA | PyTorch | NA | 计算精度、计算速度 | CPU、GPU |