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 572 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2026-04-06 |
MZSGO: multimodal zero-shot protein function annotation via evolutionary signals and textual semantics
2026-Apr-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag168
PMID:41934619
|
研究论文 | 本文提出了一种名为MZSGO的多模态零样本蛋白质功能注释框架，通过融合蛋白质语言模型的进化信号和大型语言模型的语义特征，以解决现有方法在泛化到新标签方面的局限性 | 提出了一种多模态零样本框架，首次将蛋白质语言模型的进化信号与大型语言模型的语义特征通过自适应门控融合机制结合，以弥合序列与文本之间的语义鸿沟，从而实现对未见标签的鲁棒预测 | 未在摘要中明确提及具体限制，但可能涉及模型对多模态数据融合的依赖以及计算资源需求 | 开发一种能够泛化到未见蛋白质功能标签的零样本预测方法，以克服现有方法在模态利用和语义理解上的不足 | 蛋白质功能注释，特别是针对基因本体（GO）术语的预测 | 自然语言处理 | NA | 蛋白质语言模型，大型语言模型（LLMs） | 多模态融合模型 | 序列数据，文本数据 | NA | NA | 自适应门控融合机制 | NA | NA |
| 262 | 2026-04-06 |
Deep learning for dentomaxillofacial cone-beam computed tomography enhancement: A systematic review and meta-analysis
2026-Apr-03, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2026.105797
PMID:41934701
|
系统综述与荟萃分析 | 本文系统回顾和荟萃分析了深度学习在牙颌面锥形束CT图像增强中的应用及其对客观图像质量指标的影响 | 首次对深度学习在牙颌面CBCT增强领域的应用进行系统综述和定量荟萃分析，综合评估了多种增强任务（如CBCT-to-CT合成、金属伪影减少等）的性能 | 研究间存在高度异质性（I2 > 99%），限制了直接比较；方法学变异性大且临床验证有限 | 评估深度学习技术用于牙颌面锥形束CT图像增强的效果及其对客观图像质量指标的影响 | 应用深度学习进行CBCT增强的相关研究 | 医学影像处理 | 牙颌面疾病 | 锥形束CT成像 | 深度学习模型 | CBCT图像 | 37项符合纳入标准的研究 | NA | NA | 平均绝对误差, 峰值信噪比, 结构相似性指数, 均方根误差 | NA |
| 263 | 2026-04-06 |
LTF-MSPCNet: A synergistic approach combining attention mechanisms and local texture features for oil spill segmentation in SAR images
2026-Apr-03, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2026.119689
PMID:41934891
|
研究论文 | 本文提出了一种结合注意力机制和局部纹理特征的SAR图像溢油分割新方法LTF-MSPCNet | 在TransUNet框架基础上，集成了LBP纹理特征提取方法到多尺度大核卷积模块，并引入了可学习的特征提取与重建机制，结合SE注意力机制抑制背景噪声 | 未明确说明模型在极端天气条件或复杂海况下的泛化能力，也未讨论计算效率与实时性 | 提高SAR图像中溢油区域的分割精度，特别是对小规模溢油区域的检测能力 | 合成孔径雷达（SAR）图像中的海洋溢油区域 | 计算机视觉 | NA | 合成孔径雷达（SAR）成像 | CNN, Transformer | 图像 | 1655个训练样本，370个测试样本（来自Sentinel-1 SAR图像） | NA | TransUNet, LTF-MSPCNet（基于TransUNet的改进架构） | Mean Dice, Mean IoU | NA |
| 264 | 2026-04-06 |
From statistics to deep learning in single-molecule fluorescence resonance energy transfer analysis
2026-Apr-03, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2026.103268
PMID:41934925
|
综述 | 本文综述了基于深度学习的方法在单分子荧光共振能量转移分析中的应用，并与传统统计方法进行比较 | 探讨深度学习在smFRET分析中提升精度、准确性和速度的潜力，这是该领域的前沿研究方向 | NA | 比较深度学习与传统方法在smFRET信号分析中的性能 | 单分子荧光共振能量转移信号 | 机器学习 | NA | 单分子荧光共振能量转移 | 深度学习模型 | 荧光信号 | NA | NA | NA | 精度, 准确性, 速度 | NA |
| 265 | 2026-04-06 |
Prediction of Early-onset Preeclampsia Using Deep Learning: A Scoping Review of Clinical and Imaging Models
2026-Apr-03, Pregnancy hypertension
DOI:10.1016/j.preghy.2026.101462
PMID:41935450
|
综述 | 本文对使用深度学习模型预测早发型子痫前期的临床和影像学方法进行了范围综述，总结了现有证据、模型性能及方法学局限性 | 首次对早发型子痫前期预测的深度学习模型进行范围综述，系统比较了临床模型与影像学模型，并识别了多模态模型在提升判别能力方面的潜力 | 纳入研究数量有限（15项），多数研究缺乏外部验证，模型泛化性不足，存在参与者选择、预测因子处理和分析程序等方法学局限 | 系统梳理和评估深度学习模型在预测早发型子痫前期方面的现有证据、性能及临床适用性 | 早发型子痫前期 | 机器学习 | 子痫前期 | NA | 深度学习, 机器学习 | 临床数据, 影像数据 | NA | NA | 深度神经网络, 随机森林, 梯度提升, XGBoost | AUC | NA |
| 266 | 2026-04-06 |
Advances in Artificial Intelligence in Cosmetic Dermatology
2026-Apr, Actas dermo-sifiliograficas
IF:3.8Q1
DOI:10.1016/j.ad.2025.104560
PMID:41418903
|
综述 | 本文综述了人工智能在美容皮肤科中的应用进展，包括皮肤评估、个性化治疗开发以及相关移动应用和临床设备 | 总结了AI在美容皮肤科中从皮肤诊断到激光治疗预测和化妆品配方优化的多方面革命性应用，并指出了当前面临的挑战 | 面临数据偏见和临床验证不足等挑战 | 探讨人工智能在美容皮肤科领域的应用现状与未来潜力 | 美容皮肤科中的皮肤评估、诊断、治疗预测及产品推荐 | 机器学习 | NA | NA | 机器学习,深度学习 | NA | NA | NA | NA | 准确性 | NA |
| 267 | 2026-04-06 |
Intelligent interferometric analysis of lipid layer thickness for clinical evaluation of dry eye disease
2026-Apr, The ocular surface
DOI:10.1016/j.jtos.2026.02.011
PMID:41794130
|
研究论文 | 本研究开发并验证了一个全自动深度学习框架，用于从白光干涉图像中定量分析泪膜脂质层厚度，以支持干眼症和睑板腺功能障碍的临床评估 | 首次将深度学习分割模型与基于物理的光学映射方法相结合，实现泪膜脂质层厚度的全自动定量测量，消除了传统定性或半定量评估的限制 | 研究主要基于特定动物模型和临床数据集，未涉及大规模多中心验证，且可能受成像条件变化的影响 | 开发一个全自动、可扩展的定量泪膜脂质层厚度分析工具，用于干眼症和睑板腺功能障碍的客观临床评估 | BALB/c小鼠的临床前图像以及健康志愿者和睑板腺功能障碍患者的临床数据集 | 计算机视觉 | 干眼症 | 白光干涉成像 | 深度学习分割模型 | 图像 | 动物和人类数据集，具体样本数量未明确说明 | NA | U-Net, DeepLabV3+, Unet++ | Dice系数, R2 | NA |
| 268 | 2026-04-06 |
Artificial Intelligence in Vitreoretinal Surgery: A Systematic Review of Current Applications and Future Directions
2026-Apr, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-026-01347-8
PMID:41795058
|
综述 | 本文系统回顾了人工智能在玻璃体视网膜疾病和手术中的应用现状，并探讨了未来发展方向 | 首次全面评估了AI在玻璃体视网膜手术多个环节（术前预测、术中引导、工作流支持）的应用，并识别了知识空白 | 大多数研究为回顾性、单中心设计，外部验证有限，临床转化需前瞻性验证 | 评估人工智能在玻璃体视网膜疾病诊断、手术预后预测及术中辅助的应用潜力与挑战 | 玻璃体视网膜疾病患者、手术过程及相关医学影像数据 | 计算机视觉, 自然语言处理 | 玻璃体视网膜疾病 | 光学相干断层扫描 | 机器学习, 深度学习 | 医学影像, 临床变量, 文本 | 37项研究（具体样本量未明确） | NA | NA | R2, AUROC, 准确率, 精确率 | NA |
| 269 | 2026-04-06 |
Validation of the Eyerobo FC Portable Fundus Camera for Diabetic Retinopathy Screening Using Public Datasets and Deep Learning
2026-Apr, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-026-01353-w
PMID:41814043
|
研究论文 | 本研究验证了便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能，通过迁移学习方法，将基于桌面相机图像训练的人工智能算法应用于该便携设备图像 | 首次采用迁移学习方法，将基于标准桌面眼底相机图像训练的AI模型直接应用于新型便携式设备Eyerobo FC的图像，验证了跨成像平台的算法泛化能力 | 前瞻性验证队列样本量相对较小（N=104只眼），且研究主要关注糖尿病视网膜病变的二元分类（可转诊vs不可转诊） | 验证新型便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能是否不劣于标准桌面眼底相机 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底成像 | CNN | 图像 | 训练数据来自EyePACS和APTOS 2019公共数据集；参考标准评估使用Messidor-2数据集（N=1748只眼）；前瞻性验证使用Eyerobo FC采集的图像（N=104只眼） | TensorFlow, PyTorch | EfficientNet-B4 | 灵敏度, 特异性, AUC, 准确率, Cohen's kappa | NA |
| 270 | 2026-04-06 |
Improving Fairness and Mitigating Bias in Multicenter Electronic Health Records Models to Predict Glaucoma Outcomes
2026-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101119
PMID:41883731
|
研究论文 | 本研究评估了在多中心电子健康记录中预测青光眼进展模型中使用偏倚缓解方法的有效性，并提出了一个平衡性能与公平性的新评估指标 | 提出了FairOdds-AUC这一复合指标，用于平衡模型性能与公平性，并在多中心青光眼数据上系统比较了多种偏倚缓解方法 | 后处理和预处理偏倚缓解策略在不同外部站点间的泛化能力较弱，结果变化较大 | 评估偏倚缓解方法在青光眼进展预测模型中的有效性，并促进临床人工智能的公平性 | 来自美国七个机构的50,656名青光眼患者 | 机器学习 | 青光眼 | 电子健康记录分析 | XGBoost, 神经网络, Transformer | 电子健康记录 | 50,656名患者 | Python | Transformer, 全连接网络 | AUROC, 均衡机会差异, FairOdds-AUC | NA |
| 271 | 2026-04-06 |
Diffusion-synthesized Chest X-rays improve fairness and diagnostic performance
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001277
PMID:41931563
|
研究论文 | 本研究通过微调稳定扩散模型合成高质量胸部X光图像，以解决深度学习模型在疾病分类中的公平性问题 | 首次将LoRA微调与CLIP分词器结合的稳定扩散模型应用于医学图像合成，以降低模型参数复杂度并提升生成图像质量，从而改善分类模型的公平性 | 未说明合成数据的具体规模与多样性，也未对比其他生成模型（如GAN）的效果 | 解决胸部X光疾病分类模型中因数据稀缺和捷径学习导致的公平性问题 | 胸部X光图像及其对应的疾病分类模型 | 医学影像分析 | 胸部疾病（未特指具体疾病） | 图像合成技术 | 扩散模型 | 图像 | NA | NA | 稳定扩散模型 | 分类性能、公平性指标、注意力区域分析 | NA |
| 272 | 2026-04-06 |
Deep Learning as a Compass for Industrial Biocatalysis: The Grase Framework Rewrites the Rules for Polyurethane Recycling
2026-Apr, Biotechnology journal
IF:3.2Q2
DOI:10.1002/biot.70222
PMID:41934218
|
研究论文 | GRASE深度学习框架通过克服酶活性与稳定性之间的权衡，发现了一种名为AbPURase的稳健生物催化剂，可在恶劣工业条件下高效解聚聚氨酯废物，实现可扩展的闭环化学回收 | GRASE框架克服了酶活性与稳定性之间的传统权衡，为工业生物催化提供了新的深度学习指导方法 | NA | 开发一种深度学习框架以发现高效生物催化剂，用于聚氨酯废物的工业级回收 | 聚氨酯废物及其生物催化剂 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 273 | 2026-04-06 |
[Contrast-enhanced CT-based habitat radiomics for analyzing the predictive capability for oral squamous cell carcinoma]
2026-Apr-01, Hua xi kou qiang yi xue za zhi = Huaxi kouqiang yixue zazhi = West China journal of stomatology
DOI:10.7518/hxkq.2026.2025211
PMID:41919548
|
研究论文 | 本研究通过对比基于增强CT的深度学习和栖息地分析模型，探索预测口腔鳞状细胞癌颈淋巴结转移和病理亚型的新方法 | 结合K-means聚类、全连接神经网络和临床特征，构建了栖息地-临床联合模型，用于预测口腔鳞状细胞癌的淋巴结转移和病理亚型，显示出优越的预测性能 | 研究为回顾性设计，样本量较小（107例患者），可能影响模型的泛化能力，且未详细说明外部验证情况 | 预测口腔鳞状细胞癌的颈淋巴结转移和病理亚型 | 经石蜡病理诊断为口腔鳞状细胞癌的患者 | 数字病理 | 口腔鳞状细胞癌 | 对比增强CT成像 | 深度学习模型, 栖息地分析模型 | 图像 | 107例患者 | NA | 全连接神经网络 | AUC, 混淆矩阵, ROC曲线 | NA |
| 274 | 2026-04-06 |
A Deep Learning Model for the Identification of Active Contraction Properties of the Myocardium Using Limited Clinical Metrics
2026-Apr, International journal for numerical methods in biomedical engineering
IF:2.2Q2
DOI:10.1002/cnm.70170
PMID:41934219
|
研究论文 | 本研究开发了一种深度学习模型，用于基于有限的临床指标预测左心室心肌的主动收缩特性 | 提出了一种深度学习模型，能够通过合成临床指标和压力-容积环数据，在单次前向传递中预测整个心动周期中心肌的主动收缩参数波形并估计心内膜和心外膜的纤维角度，从而弥合复杂本构模型与临床实践之间的差距 | 模型仅在理想化和单个患者衍生几何结构上进行了测试，尚未使用真实临床数据进行验证 | 开发一种面向患者特异性评估左心室心肌行为的深度学习模型，以支持更精准的心血管干预和诊断 | 左心室心肌的主动收缩特性 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 合成临床指标和压力-容积环数据 | NA | NA | NA | 一致性 | NA |
| 275 | 2026-04-06 |
Biochemical biomarker-Driven deep learning framework with SHAP-based feature interpretation for diabetes classification
2026-Apr-01, Biophysical chemistry
IF:3.3Q2
DOI:10.1016/j.bpc.2026.107601
PMID:41935405
|
研究论文 | 本研究提出了一种结合深度神经网络、特征排序和统计算法的预测模型，用于改进糖尿病的早期识别，并通过SHAP增强模型可解释性 | 整合深度神经网络与特征排序及统计算法，并应用SHAP进行特征解释，以提高糖尿病早期预测的准确性和可解释性 | 未明确说明数据来源的局限性或模型在外部验证中的泛化能力 | 开发一种早期糖尿病诊断方法，以减少严重并发症的风险 | 糖尿病患者及处于糖尿病前期状态的个体 | 机器学习 | 糖尿病 | 生化标志物分析 | 深度神经网络 | 生化标志物数据 | 未明确说明具体样本数量 | 未明确说明 | 深度神经网络 | 准确率 | 未明确说明 |
| 276 | 2026-04-05 |
Synthetic data-augmented machine learning for 30-day readmission prediction in patients with chronic conditions: a retrospective real-world study
2026-Apr-03, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-108273
PMID:41932702
|
研究论文 | 本研究开发并评估了一个结合合成数据增强的可解释机器学习框架，用于预测慢性阻塞性肺疾病、心力衰竭和2型糖尿病患者的30天非计划性再入院，并识别关键临床和社会预测因子 | 采用合成数据生成技术（包括高级重采样和基于深度学习的方法）来解决结果不平衡问题并改进模型训练，同时结合了结构化变量和非结构化临床笔记信息 | 研究基于单一三级学术医疗中心（MIMIC-IV数据库）的数据，可能限制了结果的普遍性，且为回顾性研究 | 开发一个可解释的机器学习框架，预测慢性病患者的30天非计划性再入院，并识别关键预测因子 | 患有慢性阻塞性肺疾病、心力衰竭或2型糖尿病的成年住院患者 | 机器学习 | 慢性阻塞性肺疾病, 心力衰竭, 2型糖尿病 | 合成数据生成（高级重采样和深度学习技术） | 集成机器学习模型 | 电子健康记录数据（包括结构化变量和非结构化临床笔记） | 慢性阻塞性肺疾病患者14,050人，心力衰竭患者7,097人，2型糖尿病患者12,735人 | 未明确指定（提及了多种机器学习方法） | 未明确指定具体架构 | 未明确指定具体指标（但提及了使用五折交叉验证评估预测性能） | NA |
| 277 | 2026-04-05 |
A High-Quality Endoscopic Image Dataset with Annotated Recurrent Laryngeal Nerve for AI-Assisted Thyroid Surgery
2026-Apr-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06961-6
PMID:41932923
|
研究论文 | 本文介绍了首个用于内窥镜甲状腺手术中喉返神经识别的全面体内数据集ThyRLN-PUMCH，并验证了其支持高精度分割任务的能力 | 填补了AI辅助头颈外科领域大规模、标注数据集的空白，提供时间连续、临床代表性的图像和标注 | 数据集仅包含28个临床病例，样本量相对有限，且依赖于特定医疗中心的病例 | 开发AI辅助的术中导航工具，以提升甲状腺手术中喉返神经识别的安全性和效率 | 内窥镜甲状腺手术中的喉返神经 | 数字病理 | 甲状腺疾病 | 内窥镜成像 | 分割模型 | 图像 | 28个临床病例，共18,178帧像素级标注图像 | NA | NA | 高精度分割 | NA |
| 278 | 2026-04-05 |
Deep learning-based high-information-content graph representation of early stage bacterial biofilms
2026-Apr-03, NPJ biofilms and microbiomes
IF:7.8Q1
DOI:10.1038/s41522-026-00971-3
PMID:41932927
|
研究论文 | 本研究提出了一种基于深度学习的高信息量图表示方法，用于分析早期细菌生物膜的结构 | 将生物膜建模为无向交互图，结合Mask R-CNN和自定义神经网络（BINet）实现细胞分割与交互预测，提供可扩展的高信息量分析框架 | NA | 开发自动化分析微生物群落的高信息量方法，揭示生物膜组织的非明显模式 | 早期形成阶段的细菌生物膜 | 计算机视觉 | NA | 显微镜可视化 | CNN | 图像 | NA | PyTorch | Mask R-CNN, BINet | NA | NA |
| 279 | 2026-04-05 |
Hybrid deep learning techniques for adaptive routing and congestion control in urban VANET for wireless mobile networking
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33193-2
PMID:41932949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 280 | 2026-04-05 |
SoleFusion-Net: an explainable multimodal deep learning framework for diabetic foot syndrome classification in type II diabetes mellitus
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42207-6
PMID:41932959
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |