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 1155 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2026-06-13 |
Critical assessment of machine learning approaches for classification, dynamic prediction and surrogate Modeling in food fermentation
2026-Apr-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2026.118403
PMID:41763759
|
研究论文 | 对葡萄酒发酵中机器学习方法在分类、动态预测和替代建模三任务上进行批判性评估 | 首次在有限数据条件下系统比较监督式机器学习与传统知识模型在食品发酵中的表现，并开发了将知识预测与残差神经网络结合的混合模型 | ML模型在有限数据或训练条件外预测时表现不佳，依赖大规模和多样化数据集 | 评估监督式ML技术（决策树、SVM、神经网络）与知识模型在食品发酵中的优劣，探索互补性 | 葡萄酒发酵过程中的酵母菌株分类、发酵动态预测和快速替代建模 | 机器学习 | NA | NA | 决策树、支持向量机、神经网络、深度学习、残差神经网络 | 时间序列数据和合成数据 | 葡萄酒发酵实验数据，具体样本量未提及 | PyTorch | 残差神经网络 | 准确率、归一化均方根误差 | NA |
| 482 | 2026-06-13 |
Simultaneous detection and visualization of lipid and protein oxidation in frozen-thawed chicken meat using hyperspectral imaging
2026-Apr-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2026.118463
PMID:41763786
|
研究论文 | 使用高光谱成像技术同时检测并可视化冷冻解冻鸡肉中的脂质和蛋白质氧化 | 提出了一种新颖的多任务深度学习框架，将Gramian角差场（GADF）与多任务卷积神经网络（MTCNN）集成，实现端到端的同时预测脂质和蛋白质氧化指标，避免了传统方法需要为每个指标单独训练模型的低效问题 | 未提及具体限制 | 评估冷冻解冻鸡肉中的脂质和蛋白质氧化程度 | 冷冻解冻鸡肉样品 | 计算机视觉 | NA | 高光谱成像 | 多任务卷积神经网络 | 高光谱图像 | 经过十次冻融循环的鸡肉样品 | NA | Gramian角差场（GADF），多任务卷积神经网络（MTCNN） | 相关系数（R），均方根误差（RMSEP），残差预测偏差（RPD） | NA |
| 483 | 2026-06-13 |
Seeing structure, sensing softening: Decoding the microstructural mediation between optical properties and peach firmness using spatial frequency domain imaging
2026-Apr-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2026.118510
PMID:41763828
|
研究论文 | 利用空间频域成像解码桃子光学性质与硬度的微观结构介导机制 | 构建多维“光学-结构-力学”框架，采用Cellpose-SAM深度学习模型实现复杂细胞形态的高通量稳健分割，通过中介分析和结构方程模型揭示了光学性质与硬度之间的生物物理机制 | NA | 揭示桃子光学性质与硬度之间的微观结构介导机制，为光学品质评估提供生物物理学基础 | ‘沪景’桃子在成熟和储藏阶段的光学性质、生理属性及微观结构特征 | 计算机视觉, 机器学习 | NA | 空间频域成像（SFDI） | 深度学习模型（Cellpose-SAM） | 图像 | NA | PyTorch | Cellpose-SAM | 决定系数（R²） | NA |
| 484 | 2026-06-13 |
Efficacy of Automatic 3D Segmentation of the Upper Airway in CBCT or CT Scans via Artificial Intelligence Versus Manual Segmentation by Human Experts: A Systematic Review and Meta-Analysis
2026-Apr, Clinical and experimental dental research
IF:1.7Q3
DOI:10.1002/cre2.70314
PMID:41764765
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析，比较人工智能与人类专家在CBCT或CT扫描中对上呼吸道进行自动3D分割的效果 | 首次通过荟萃分析系统评估AI在上呼吸道3D分割中的效能 | 纳入研究数量有限（11项），需要更多研究才能得出决定性结论 | 评估人工智能在CBCT或CT扫描中自动3D分割上呼吸道的效能 | 上呼吸道 | 计算机视觉 | NA | CBCT, CT扫描 | 深度学习, 机器学习 | 图像 | 11项研究，其中6项纳入荟萃分析 | NA | NA | 精确率, Dice相似系数, 交并比, 召回率, 总体积差异 | NA |
| 485 | 2026-06-13 |
Has AI Reshaped Drug Discovery, or Is There Still a Long Way to Go?
2026-Apr, Drug development research
IF:3.5Q2
DOI:10.1002/ddr.70257
PMID:41766174
|
研究论文 | 本文探讨了人工智能（AI）在药物发现中的应用现状、优势与局限性，并分析了其重塑药物研发的潜力与挑战 | 系统评估了AI在药物发现全流程中的实际效果，揭示了尽管AI加速了早期阶段，但尚无AI独立研发的药物获得完全监管批准，这一发现挑战了当前乐观预期 | 数据质量差、模型可解释性不足、计算预测与化学可行性之间存在差距，以及生物系统复杂性导致转化成功率低 | 评估AI对药物发现流程的实际影响，分析其是否已根本改变传统研发模式 | 传统药物发现流程与AI辅助药物发现流程的比较分析 | 人工智能 | 不适用 | 分子属性预测、蛋白质结构建模、自然语言处理、ADME/Tox预测 | 深度学习 | 文本 | 不适用 | NA | NA | NA | NA |
| 486 | 2026-06-13 |
Understanding flow experiences in online EFL learning: Perspectives from Vietnamese undergraduates
2026-Apr, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2026.106580
PMID:41793996
|
研究论文 | 调查越南英语学习者在线上学习环境中的心流体验 | 从八个心流维度全面分析越南大学生在线英语学习中的心流体验，并探讨了影响心流的内部和外部障碍 | 仅针对越南大学生群体，样本来源有限，可能影响结果的普适性 | 识别越南大学生在线英语学习中体验心流的程度、关键维度及其描述 | 越南英语专业大学生 | 自然语言处理 | NA | NA | NA | 调查问卷与半结构化访谈数据 | 239名大学生参与问卷调查，12人参与半结构化访谈 | NA | NA | NA | NA |
| 487 | 2026-06-13 |
Curiosity as a catalyst for conceptual change: A schema-based model of learning and development
2026-Apr, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2026.106570
PMID:41795553
|
研究论文 | 本文提出了SEEK模型，探讨好奇心作为知识发展驱动力的机制，并整合了动机、情感和认知维度 | 首次通过基于图式理论的四机制交互框架（增补、调谐、重构和图式形成）系统阐释好奇心驱动长期知识发展的计算过程 | 未提供实证数据验证模型各机制的动态交互关系，且未能明确区分自动好奇与有意好奇的神经基础差异 | 构建统一的认知发展模型以解释好奇心如何促进深层学习与创造性思维 | 不同发展阶段的个体（从早期感知驱动好奇到后期元认知引导探究） | 机器学习 | NA | NA | 图式理论驱动的计算模型（SEEK框架） | NA | 理论模型未涉及具体样本 | NA | 增补机制、调谐机制、重构机制、图式形成机制 | NA | NA |
| 488 | 2026-06-13 |
Bioactive peptide matrikines: discovery approaches for skin rejuvenation
2026-Apr-01, American journal of physiology. Cell physiology
DOI:10.1152/ajpcell.00881.2025
PMID:41770626
|
综述 | 综述了生物活性肽基质素在皮肤年轻化中的发现方法及其演变 | 强调从传统体外测试到计算机预测的转变，并介绍了一种从计算机到体内的发现流程，整合了衰老相关裂解预测与体内外测试，识别出两种协同作用的四肽 | 未明确说明，但可能涉及早期方法依赖重复体外测试的低效性及计算机预测方法的验证挑战 | 探索生物活性肽基质素用于皮肤年轻化的发现策略，并推动新型肽的转化应用 | 生物活性肽基质素，特别是用于皮肤再生和修复的肽序列 | 机器学习和计算机预测 | 皮肤老化 | 计算机预测、蛋白酶裂解预测、蛋白质序列基序筛选、分子对接、机器学习算法 | 深度学习模型 | 蛋白质序列数据 | NA | NA | 深度学习裂解预测模型 | NA | NA |
| 489 | 2026-06-10 |
Blood pressure estimation using single photoplethysmography signal based on ResNet-BiGRU
2026-Apr-24, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2025-0285
PMID:41715883
|
研究论文 | 开发一种基于单光电容积描记信号的深度学习方法，实现无袖带血压估计 | 提出ResNet-BiGRU混合深度神经网络，结合残差卷积块和双向门控循环单元，同时捕获形态特征和时间特征 | 外部验证使用VitalDB数据集时，收缩压MAE（8.15 mmHg）相比UCI数据集（4.78 mmHg）显著升高，表明模型在不同临床条件下的泛化性能仍有提升空间 | 实现准确、连续、无创的无袖带血压估计 | 单路PPG信号用于血压估计 | 机器学习 | 心血管疾病 | 光电容积描记 | 混合模型（ResNet + BiGRU） | 生理信号（PPG和动脉血压） | 942名受试者（UCI数据集） | NA | ResNet, BiGRU | 平均绝对误差 (MAE) | NA |
| 490 | 2026-06-10 |
Advancements in OCT and OCTA imaging for AMD: An in-depth analysis of research hotspots, emerging trends, and technological innovations
2026-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2026.105402
PMID:41713794
|
综述 | 利用文献计量分析，深度剖析2015-2024年间OCT和OCTA在年龄相关性黄斑变性（AMD）中的研究热点、新兴趋势和技术创新 | 首次通过文献计量方法系统梳理OCT/OCTA在AMD领域的演变，集成热点图谱和前沿主题（如AI联合检测、超反射灶生物标志物、时间序列预测模型） | 仅检索Web of Science Core Collection单一数据库，排除非英文文献，且无法完全涵盖最新发表成果（分析截止于2025年1月） | 绘制OCT与OCTA在AMD研究中的全球合作网络、核心主题和新兴方向，为精准诊断和个性化治疗提供趋势参考 | 2471篇关于OCT/OCTA在AMD应用的英文研究文章（2015-2024年） | 医学影像分析 | 年龄相关性黄斑变性（AMD） | OCT, OCTA | NA | 文献元数据 | 2471篇文章 | CiteSpace, Excel | NA | NA | NA |
| 491 | 2026-06-09 |
Does the Timing of USMLE Step 1 Affect Performance? A Comparison of Pre- and Post-Clerkship Timing in the Pass/Fail Era
2026-Apr-30, Teaching and learning in medicine
IF:2.1Q3
DOI:10.1080/10401334.2026.2662341
PMID:42060292
|
研究论文 | 本研究比较了美国医学执照考试Step 1在临床实习前后进行的时机对通过/失败评分时代考试成绩的影响 | 首次在通过/失败评分改革背景下，系统评估Step 1考试时机对成绩的影响，并引入成就目标理论和自我决定理论作为分析框架 | 观察性研究设计无法排除未测量混淆因素，样本限于20所医学院校，且未控制学校间课程差异 | 检验在通过/失败评分体系下，USMLE Step 1考试时机（临床实习前或后）是否继续影响成绩 | 2020年入学并于2022年1月26日后参加Step 1考试的美国医学生 | 机器学习 | NA | NA | NA | 考试成绩数据 | 20所美国医学院的2020届医学生（匹配组设计） | NA | NA | 失败率、分数 | NA |
| 492 | 2026-06-09 |
ThyroFusion: A Multi-modal Deep Learning Framework Integrating Vision and Language for Thyroid Nodule Malignancy Risk Assessment
2026-Apr-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01964-6
PMID:42020852
|
研究论文 | 提出并验证了 ThyroFusion，一种融合超声图像、分割掩膜和临床文本报告的多模态深度学习框架，用于甲状腺结节恶性风险评估 | 首次将超声图像、分割掩膜和临床文本报告通过双向跨模态注意力机制融合，并采用冻结 BioBERT 提取文本特征，显著超越单模态方法和资深放射科医生 | 未明确说明，但基于多中心回顾性研究性质，可能受限于数据选择偏倚和外部验证集样本量差异 | 开发和验证多模态深度学习框架，以提高甲状腺结节恶性风险评估的准确性 | 甲状腺结节患者，包括来自西安国际医学中心医院 (1472 例) 及两个临床中心和两个公共数据集 (DDTI 和 TN3K) 的共 6002 例病例 | 计算机视觉, 自然语言处理 | 甲状腺结节 | 超声成像, 临床文本报告 | ResNet-50, Set Transformer, BioBERT | 图像, 文本 | 1472 例 (内部训练) + 4530 例 (外部验证，来自 2 个临床中心和 2 个公共数据集 DDTI、TN3K) | PyTorch | ResNet-50, Set Transformer, BioBERT (冻结) | AUC, 95% 置信区间, p 值, ΔAUC | NA |
| 493 | 2026-06-09 |
Generative deep learning for foundational video translation in ultrasound
2026-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47777-z
PMID:41986471
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 494 | 2026-06-09 |
Deep learning for early detection of cerebral small vessel disease using self-supervised graph embeddings and retinal image analysis
2026-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48421-6
PMID:41986421
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 495 | 2026-06-09 |
rbpCNN: a biophysics-informed deep learning model for predicting piRNA and mRNA interactions
2026-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48797-5
PMID:41974838
|
研究论文 | 提出了rbpCNN，一种生物物理学启发的深度学习模型，用于预测piRNA与mRNA之间的相互作用 | 将生物物理启发下的相互作用通道（包括兼容性通道、螺旋运行通道、位置通道和结构通道）与核苷酸对编码相结合，增强卷积神经网络预测能力 | 未在文中明确指出限制 | 提高piRNA与mRNA相互作用预测的准确性，以支持生殖细胞转录后调控研究及相关医疗领域应用 | piRNA序列与mRNA序列之间的相互作用 | 自然语言处理 | NA | NA | 卷积神经网络（CNN） | 序列数据 | 使用基准数据集和独立外部数据集进行验证 | NA | 轻量级卷积神经网络 | AUC, 准确率 | NA |
| 496 | 2026-06-09 |
Deep learning-based pathomics signature predicts prognosis and treatment response in gastric cancer: a multicenter retrospective study
2026-Apr-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01381-6
PMID:41957258
|
研究论文 | 利用深度学习分析H&E染色切片构建胃癌病理组学特征以预测预后和治疗反应 | 提出了一种结合门控注意力机制的多尺度图神经网络（MS-GMIL）用于多实例学习，直接从H&E切片构建病理组学特征，并整合转录组数据揭示潜在病理生理机制 | NA | 建立胃癌病理组学特征以改善TNM分期系统的预后信息，并预测化疗和免疫治疗反应 | 胃癌患者 | 数字病理学 | 胃癌 | H&E染色，转录组测序 | 图神经网络 | 图像，转录组数据 | 多中心回顾性研究队列 | PyTorch | MS-GMIL（多尺度图神经网络与门控注意力机制） | 预后预测性能，独立预后因素分析 | NA |
| 497 | 2026-06-09 |
Adults' dental cone beam computed tomography images dataset for detecting and classifying missing teeth
2026-Apr-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07156-9
PMID:41942491
|
研究论文 | 该论文提供了一个来自158名患者的成人牙科锥形束CT图像数据集，用于检测和分类缺牙，并进行了3D标注 | 提供了首个带有精确3D缺牙位置标注的CBCT数据集，特别是处理了金属伪影和现有种植体等复杂情况，并明确了伪影特征 | 未在摘要中明确提及局限性 | 解决高质量CBCT数据集稀缺问题，促进自动化牙科种植规划深度学习模型的训练 | 成人牙科CBCT图像中缺牙的检测与分类 | 数字病理学 | 缺牙症 | CBCT | 深度学习模型 | 图像 | 158名患者，包含501个缺牙部位，其中85个CBCT体数据具有114个特定部位的3D标注（4,994张切片） | NA | NA | NA | NA |
| 498 | 2026-06-09 |
Pushing the limits of fluorescence imaging with a restoration neural network aggregating large-view statistics
2026-Apr-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71278-2
PMID:41946697
|
研究论文 | 提出一种名为LargePNet的恢复神经网络，通过聚合大视野统计信息来扩展荧光成像的极限，显著提升光子受限条件下的成像质量与计算效率 | 首次利用浅层超大核卷积提供的大有效感受野与深层网络的非线性表征能力相结合，实现大视野全局信息的有效恢复，避免了传统小补丁训练导致的保真度与抗噪性损失 | 未明确讨论网络对极端低光照条件的适应性以及可能存在的过拟合风险 | 通过设计大补丁恢复网络提升荧光成像在光子受限条件下的重建质量与计算效率 | 荧光显微镜获取的单图像、视频和体积数据，以及活细胞成像中的细胞骨架动态和超分辨率三色成像 | 计算机视觉 | NA | 荧光显微成像、超分辨率成像 | 卷积神经网络 | 图像、视频、三维体积数据 | 八个代表性恢复任务，包括单图像、视频和体积荧光数据 | PyTorch | LargePNet（基于超大核卷积与尺度分解） | 峰值信噪比 | NA |
| 499 | 2026-06-09 |
Training the diagnostic artificial intelligence in thyroid sonography: how well is deep learning truly learning?
2026-Apr, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02506-5
PMID:41670922
|
研究论文 | 评估深度学习AI在甲状腺超声TI-RADS分类中的学习曲线和真实世界表现 | 首次在真实临床环境中评估AI深度学习在甲状腺结节超声分类中的学习曲线，展示多次训练后的显著改进 | AI在复杂或不典型病例（如自身免疫性甲状腺炎、未降胸腺、出血性囊肿）中仍不能替代有经验的临床医生 | 评估深度学习AI在甲状腺超声TI-RADS分类中的学习曲线和实际应用效果 | 甲状腺结节患者 | 机器学习 | 甲状腺疾病 | 3D超声 | 深度学习 | 超声图像 | 第一阶段110名患者176个结节，第二阶段133名患者228个结节 | NA | NA | 一致性比例 | NA |
| 500 | 2026-06-08 |
Enhancing nail disease diagnosis: a capsule network with SE attention and dual backbone models
2026-Apr, Naunyn-Schmiedeberg's archives of pharmacology
DOI:10.1007/s00210-025-04971-6
PMID:41636836
|
研究论文 | 介绍CapsuleSEDualNet深度学习框架，用于鲁棒且可解释的多类指甲疾病诊断 | 将胶囊网络头部与Squeeze-and-Excitation注意力机制集成在MobileNetV2和DenseNet121构成的双骨干架构中，提升特征判别性并利用胶囊网络保留空间层次以改善可解释性 | 尚需进一步临床验证 | 实现稳健、可解释且多类的指甲疾病自动诊断，支持临床决策 | 指甲疾病图像（包括真菌感染和恶性肿瘤） | 计算机视觉 | 指甲疾病 | NA | 胶囊网络 | 图像 | NA | NA | CapsuleSEDualNet（MobileNetV2骨架、DenseNet121骨架、SE注意力模块、胶囊网络头部） | 准确率 | NA |