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 1102 篇文献，本页显示第 941 - 960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2026-04-04 |
Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning
2026-Apr, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-025-02083-z
PMID:41350440
|
研究论文 | 本研究利用深度学习设计了一种能够同时呈现三个非重叠病毒表位的单域蛋白质支架 | 首次使用深度学习方法在单个小分子蛋白质域（小于130个残基）中同时成功支架三个不同的、不规则的病毒表位，且整体折叠与已知蛋白质结构库中的结构相似度极低 | 未明确说明深度学习模型的具体泛化能力及对其他蛋白质复合表位设计的适用性 | 开发一种能够同时呈现多个功能性位点的单域蛋白质设计方法 | 呼吸道合胞病毒（RSV）的三个非重叠、不规则表位 | 机器学习 | 呼吸道合胞病毒感染 | 深度学习，X射线晶体学 | 生成式深度学习模型 | 蛋白质序列与结构数据 | 未明确说明具体样本数量，但涉及设计的多个单域免疫原 | NA | NA | 交叉反应滴度，中和反应 | NA |
| 942 | 2026-04-04 |
Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases
2026-Apr, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01921-3
PMID:41366626
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在对比增强T1加权脑部MRI中检测和可视化脑转移瘤的性能 | 首次在脑转移瘤检测中比较SR-DLR与DLR，证明SR-DLR在病灶检测性能和图像质量方面具有显著优势 | 回顾性研究设计，样本量相对较小（47例患者），可能影响结果的普遍性 | 评估SR-DLR在提高脑部MRI质量和脑转移瘤检测能力方面的效果 | 脑转移瘤患者 | 数字病理学 | 脑转移瘤 | MRI | 深度学习重建模型 | MRI图像 | 47例连续患者，共检测到117个脑转移瘤 | NA | NA | JAFROC分析，Wilcoxon符号秩检验，McNemar检验，配对t检验，FWHM，ERD，ERS，SNR，CNR | NA |
| 943 | 2026-01-06 |
Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision
2026-Apr, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.12.006
PMID:41486036
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 944 | 2026-04-04 |
External validation of an explainable electrocardiogram-only deep learning algorithm for the prediction of response after cardiac resynchronization therapy
2026-Apr, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2026.01.014
PMID:41525968
|
研究论文 | 本研究外部验证了一种仅基于心电图的可解释深度学习算法（FactorECG算法），用于预测心脏再同步化治疗后的无应答情况 | 首次在外部队列中验证了仅使用心电图数据的可解释深度学习算法在预测CRT无应答方面的泛化能力，并探索了结合机械不同步指标的价值 | 外部验证队列样本量较小（仅161例患者），且仅针对容积无应答进行了验证，未涵盖临床结局 | 验证可解释深度学习算法在预测心脏再同步化治疗应答方面的有效性和泛化性 | 接受心脏再同步化治疗的心力衰竭患者 | 机器学习 | 心血管疾病 | 心电图分析 | 深度学习算法 | 心电图 | 外部验证队列：161例患者；原始训练数据：>100万次心电图中间搏动 | NA | FactorECG算法 | C统计量 | NA |
| 945 | 2026-04-04 |
Topological control of spontaneous failure in active nematic solids
2026-Apr, Nature materials
IF:37.2Q1
DOI:10.1038/s41563-026-02493-x
PMID:41741734
|
研究论文 | 本研究通过实验和模型揭示了拓扑缺陷在活性向列固体中如何集中内应力并控制自发断裂的机制 | 发现了多缺陷构型（特别是缺陷四极子）在活性固体断裂中的关键作用，并建立了深度学习模型从初始拓扑结构预测最终星状体形成 | NA | 探究拓扑缺陷如何控制活性向列固体的自发机械失效 | 重构的二维肌动球蛋白网络 | 机器学习 | NA | NA | 深度学习模型 | 实验数据 | NA | NA | NA | NA | NA |
| 946 | 2026-04-04 |
Structuring large language models for chemical health risk reasoning in environmental and occupational exposure
2026-Apr-01, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141820
PMID:41865571
|
研究论文 | 本文提出了一种集成深度学习化合物属性预测、检索增强生成和提示工程的健康风险助手，用于环境与职业暴露中的化学健康风险推理 | 通过语义结构化和领域感知提示两种协同策略，将异构知识重组为上下文一致且语义丰富的配置文件，并引导大语言模型进行结构化、角色特定的毒理学推理 | 未明确说明模型在处理极端罕见化合物或高度不确定数据时的具体局限性 | 开发一个可信且可扩展的AI推理框架，用于公共和环境健康保护中的化学风险评估 | 化学化合物，特别是稀有或研究不足的化合物，涉及多样化的职业和日常暴露场景 | 自然语言处理 | NA | 深度学习化合物属性预测, 检索增强生成, 提示工程 | 大语言模型 | 文本, 结构化知识 | 在一个包含100个问题的基准测试上进行评估，涵盖慢性毒性、职业危害和暴露特定风险 | NA | NA | 正确性, 忠实性, 领域特定帮助性 | NA |
| 947 | 2026-04-04 |
Utility of multimodal deep learning model to diagnose lymph node metastasis in esophageal cancer using computed tomography and positron emission tomography images
2026-Apr, Surgery today
IF:1.7Q2
DOI:10.1007/s00595-025-03152-5
PMID:41109897
|
研究论文 | 本研究评估了基于多模态成像（包括非增强CT、增强CT和PET）的深度学习模型在诊断食管癌淋巴结转移方面的性能，并与专家评估进行比较 | 开发了一种结合CT和PET图像的多模态深度学习模型，用于诊断食管癌淋巴结转移，其诊断性能与经验丰富的专家相当 | 研究为回顾性分析，样本量相对有限（521个淋巴结来自167名患者），可能影响模型的泛化能力 | 评估深度学习模型利用多模态成像检测食管癌淋巴结转移的性能，并与专家诊断进行比较 | 食管癌患者的淋巴结（来自167名接受食管切除术的患者） | 计算机视觉 | 食管癌 | 非增强CT、增强CT、正电子发射断层扫描（PET）成像 | 深度学习模型 | 图像（CT和PET图像） | 521个淋巴结来自167名食管癌患者 | NA | NA | 受试者工作特征曲线下面积（AUC） | NA |
| 948 | 2026-04-04 |
Deep Learning for Automated Tumor Segmentation of Rectal Cancer on T2-Weighted Magnetic Resonance Images
2026-Apr, Yonsei medical journal
IF:2.6Q1
DOI:10.3349/ymj.2025.0133
PMID:41914320
|
研究论文 | 本研究开发了一种基于深度学习的自动分割模型，用于在T2加权磁共振图像上分割直肠癌肿瘤 | 采用Attention U-Net模型，并比较了有无直肠引导的分割效果，发现叠加直肠轮廓可提高分割准确性 | 研究为回顾性设计，样本量有限（458例），且仅基于T2加权图像，未考虑多模态数据 | 开发直肠癌肿瘤的自动分割模型以提高诊断效率 | 直肠癌患者的T2加权磁共振图像 | 数字病理学 | 直肠癌 | T2加权磁共振成像 | CNN | 图像 | 458例患者 | NA | Attention U-Net | Dice相似系数 | NA |
| 949 | 2026-04-04 |
Real-Life Clinical Validation of Artificial Intelligence-Assisted Detection and Differentiation of Pleomorphic Lesions in Capsule Endoscopy
2026-Apr-01, The American journal of gastroenterology
DOI:10.14309/ajg.0000000000003756
PMID:40874973
|
研究论文 | 本研究通过多中心前瞻性验证，评估了人工智能辅助阅读在胶囊内窥镜中检测和区分多形性小肠病变的临床效果 | 首次在多中心研究中证明AI辅助胶囊内窥镜阅读在病变检测和区分方面优于传统阅读方法，并解决了设备互操作性和人口多样性挑战 | 未明确说明AI模型的泛化能力在更广泛临床环境中的验证情况，且未详细讨论模型对不同类型病变的具体区分性能 | 比较人工智能辅助阅读与传统胶囊内窥镜阅读在检测和区分小肠多形性病变方面的准确性和效率 | 胶囊内窥镜视频中的小肠多形性病变 | 数字病理学 | 小肠疾病 | 胶囊内窥镜 | 深度学习模型 | 视频 | 330个胶囊内窥镜视频，来自7个中心的3种设备，覆盖4个国家 | NA | NA | 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 小肠病变检测率 | NA |
| 950 | 2026-04-04 |
Classification of soil-embedded colored plastics of many types with NIR hyperspectral high-resolution imaging system and multi-scale 3D deep learning
2026-Apr-01, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141821
PMID:41875571
|
研究论文 | 本研究提出了一种结合近红外高光谱成像系统和多尺度3D深度学习网络的方法，用于在复杂土壤背景下对多种颜色的嵌入式塑料进行高精度分类 | 开发了新型近红外高光谱成像系统，并设计了专门的MS3D-Net模型，能够同时进行像素级分割和聚合物分类，有效克服了塑料着色剂和复杂土壤背景的干扰 | NA | 开发一种能够在复杂土壤环境中精确分类多种塑料聚合物的方法，为环境可持续性和塑料废物管理提供技术支持 | 嵌入土壤中的11种塑料类型，包括经过老化、氧化、破碎和生物污染的塑料，以及从环境中收集的不规则消费塑料产品 | 计算机视觉 | NA | 近红外高光谱成像 | 3D深度学习 | 高光谱图像 | 在三种不同的异质土壤类型（壤土、粘土和沙子）中，在不同湿度梯度下进行测试 | NA | MS3D-Net | 平均精度 | NA |
| 951 | 2026-04-04 |
Multiomics Research Strategies in Cancer: A Growing and Innovative Field
2026-Apr, MedComm
IF:10.7Q1
DOI:10.1002/mco2.70644
PMID:41930321
|
综述 | 本文综述了癌症多组学研究策略，包括疾病特征、多组学生物标志物研究现状，以及利用深度学习方法整合多组学数据以揭示癌症上游致病变化和下游分子效应的策略 | 讨论了单细胞和空间组学在指导治疗策略、风险评估和早期诊断中的应用及其对精准医学的潜在影响，强调多组学综合分析在癌症研究中的创新性 | 该领域相对年轻，单细胞和空间组学的发展尚在早期阶段，可能面临技术和方法学上的限制 | 综述癌症多组学研究策略，以促进对癌症分子机制的理解，并推动生物标志物发现和治疗靶点识别 | 癌症作为一种高度复杂和异质性疾病，涉及多种病理生理事件 | 机器学习 | 癌症 | 多组学方法，包括单细胞组学和空间组学 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 952 | 2026-04-01 |
[Expert consensus on optimizing the multidisciplinary clinical pathways and management models for pulmonary function testing]
2026-Apr-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases
|
专家共识 | 本文旨在通过信息技术和组织协调，优化肺功能测试的多学科临床路径和管理模式 | 提出了基于信息技术（如AI辅助、云平台）和标准化流程优化肺功能测试多学科临床路径与管理模式的系统性共识 | 共识基于专家意见和文献综述，缺乏大规模实证研究验证其具体实施效果和长期影响 | 优化肺功能测试的多学科临床路径和管理模式，提升其标准化应用和协作水平 | 肺功能测试的临床路径、管理模型、相关医护人员及患者 | 数字病理 | 慢性阻塞性肺疾病 | 肺功能测试、人工智能、云平台、问卷调查 | 深度学习模型 | 文本、图像、问卷数据 | NA | NA | NA | NA | NA |
| 953 | 2026-04-01 |
Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI
2026-Apr, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05163-9
PMID:40853469
|
研究论文 | 本研究评估了基于深度学习的T2加权图像质量评估模型在前列腺癌患者中是否存在偏倚 | 首次揭示了基于深度学习的图像质量评估模型在前列腺MRI中可能因临床显著前列腺癌的存在而产生系统性偏倚 | 回顾性研究设计，仅包含三个中心的样本，可能存在选择偏倚 | 评估深度学习图像质量评估模型在前列腺MRI中的临床应用可靠性 | 前列腺T2加权MRI图像 | 数字病理 | 前列腺癌 | MRI | 深度学习分类模型 | 医学图像 | 开发集1,719个序列，测试集386个序列，外部验证11,723次检查 | NA | NA | 二次加权kappa系数 | NA |
| 954 | 2026-04-01 |
Deep learning of wrist accelerometry from UK Biobank data identifies early movement signatures of knee osteoarthritis up to 5 years before diagnosis
2026-Apr, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.70332
PMID:41700483
|
研究论文 | 本研究利用英国生物银行数据，通过深度学习分析手腕加速度计数据，旨在识别膝骨关节炎（KOA）的早期运动特征，可在诊断前长达5年预测风险 | 首次将手腕加速度计数据与深度学习结合，用于识别膝骨关节炎的早期运动特征，并能在诊断前长达5年预测风险，突出了可穿戴设备在人群筛查中的潜力 | 研究为回顾性病例对照设计，属于二级分析而非前瞻性设计的预后试验；模型性能中等，区分前驱期与确诊KOA的能力接近随机水平 | 测试手腕加速度计数据结合深度学习是否能区分健康个体与膝骨关节炎患者、分离前驱期与确诊KOA，并预测未来5年内被诊断为KOA的个体 | 英国生物银行参与者，包括健康个体、膝骨关节炎患者（前驱期和确诊期），基于ICD-10代码识别，并控制BMI、年龄和性别等因素 | 机器学习 | 膝骨关节炎 | 手腕加速度计监测 | CNN | 加速度计时间序列数据 | 总参与者102,120人，其中KOA患者7,262人；具体任务中平衡队列样本量分别为3,677、1,596 vs. 2,081、1,369每类 | NA | 1D卷积神经网络 | 准确率, 宏F1分数, 宏灵敏度, AUC | NA |
| 955 | 2026-04-01 |
A review of artificial intelligence-based research on chronic obstructive pulmonary disease
2026 Apr-May, Respiratory medicine
IF:3.5Q2
DOI:10.1016/j.rmed.2026.108778
PMID:41839412
|
综述 | 本文回顾了基于人工智能（特别是机器学习和深度学习）在慢性阻塞性肺疾病（COPD）诊断、分级、评估、管理和治疗方面的研究进展 | 从五种学习范式（传统研究方法、监督学习、无监督学习、半监督学习和强化学习）分析COPD研究的技术基础，并总结代表性模型及比较实验，分析各类模型在特定COPD任务中的优劣 | 作为综述文章，主要依赖现有文献总结，未提出新的原创模型或数据，且可能受限于所涵盖研究的质量和范围 | 深入探讨人工智能在COPD诊断和管理中的应用，总结研究热点，并为后续研究提供理论参考和见解 | 慢性阻塞性肺疾病（COPD） | 机器学习 | 慢性阻塞性肺疾病 | NA | 监督学习, 无监督学习, 半监督学习, 强化学习 | NA | NA | NA | NA | NA | NA |
| 956 | 2026-04-01 |
Head radiotherapy positioning guidance system based on feature recognition and automatic annotation: Clinical validation and error analysis
2026-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70405
PMID:41904706
|
研究论文 | 本研究开发了一种基于RGB-D相机和深度学习算法的放疗定位引导系统，用于头颈部肿瘤放疗的精准定位 | 将DeepLab-Opt和FFMD算法整合到放疗工作流中，实现基于表面轮廓和面部标志点的粗-精两级定位，并通过实时反馈系统提高定位精度 | 研究样本量较小（22例患者），且仅针对头颈部肿瘤进行验证，未涉及其他部位肿瘤 | 探索基于特征识别和自动标注的放疗定位引导系统的可行性，并分析其在头颈部放疗中的定位误差 | 头颈部肿瘤患者 | 计算机视觉 | 头颈部肿瘤 | RGB-D成像，深度学习算法 | CNN | 彩色图像，深度图像 | 22例头颈部肿瘤患者，共246次定位案例 | NA | DeepLab-Opt, Fast Face Marker Detector (FFMD) | 定位误差（横向、纵向、垂直方向及旋转角度），定位时间 | NA |
| 957 | 2026-04-01 |
Interpreting the Effects of Environmental Variables on a Multistep Deep Learning Model for Algal Bloom Prediction Using Explainable Artificial Intelligence
2026-Apr, Water environment research : a research publication of the Water Environment Federation
IF:2.5Q2
DOI:10.1002/wer.70339
PMID:41911833
|
研究论文 | 本研究开发了一个序列到序列深度学习模型来预测叶绿素a浓度，并应用可解释人工智能方法分析环境变量对模型性能的影响 | 首次将可解释人工智能方法应用于藻华预测的深度学习模型，定量解释不同预测时间步长下环境变量的影响 | 模型在长期预测（如28天）时性能显著下降，NSE从0.908降至0.255 | 开发并评估用于藻华预测的深度学习模型，并分析环境变量对预测性能的影响 | 叶绿素a浓度（作为藻华的定量指标） | 机器学习 | NA | 深度学习建模，可解释人工智能分析 | Seq2Seq | 时间序列数据 | NA | NA | 序列到序列模型 | Nash-Sutcliffe效率 | NA |
| 958 | 2026-04-01 |
Global Sensitivity Analysis for Robust XAI: Quantifying Clinical Risk and Prediction Instability in Dermoscopic Image Classification
2026-Apr, Risk analysis : an official publication of the Society for Risk Analysis
IF:3.0Q1
DOI:10.1111/risa.70237
PMID:41913512
|
研究论文 | 本文提出并利用全局敏感性分析来量化卷积神经网络在皮肤镜图像分类中对关键光学图像参数的鲁棒性，以评估模型在临床环境中的诊断风险 | 将全局敏感性分析应用于深度学习模型，以量化其在皮肤镜图像分类中对光学参数变化的敏感性和诊断风险，超越了传统准确性评估 | 仅考虑了五种光学图像参数，可能未涵盖所有影响模型稳定性的临床变量 | 评估深度学习模型在皮肤镜图像分类中的鲁棒性，量化其诊断风险，以支持AI诊断系统的临床安全部署 | 皮肤镜图像分类模型 | 计算机视觉 | 皮肤癌 | NA | CNN | 图像 | NA | NA | NA | 准确性 | NA |
| 959 | 2026-04-01 |
Deep Learning-Enhanced Resonance Frequency Analysis for Dental Implant Stability Assessment
2026-Apr, Clinical and experimental dental research
IF:1.7Q3
DOI:10.1002/cre2.70342
PMID:41914428
|
研究论文 | 本研究开发并评估了一种深度学习增强的共振频率分析框架，用于提高牙科植入物稳定性评估的准确性和信号质量 | 提出了一种结合去噪卷积神经网络和元数据感知预测网络的深度学习增强RFA框架，显著提升了信号质量和ISQ预测精度 | 目前仅作为概念验证，需进行多中心前瞻性验证，纳入真实世界噪声分析和临床结果评估，才能投入临床应用 | 开发并评估一种深度学习增强的共振频率分析框架，以提高牙科植入物稳定性评估的准确性和信号质量 | 牙科植入物的共振频率分析信号 | 数字病理 | NA | 共振频率分析 | CNN | 信号 | 100个植入物（300个信号样本，每个植入物采集三次） | NA | 去噪卷积神经网络，元数据感知预测网络 | MAE, RMSE, R2, 容忍精度（±3 ISQ单位内） | NA |
| 960 | 2026-03-31 |
Glucose forecasting and hypoglycemia forewarning in type 1 and type 2 diabetes using deep learning
2026-Apr-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115294
PMID:41907406
|
研究论文 | 本研究开发了一种名为MT-HypoNet的多任务神经网络，用于从连续血糖监测数据中进行实时血糖预测和低血糖预警 | 提出了一种统计引导的软标签策略以改进低血糖边界附近的检测，并在大规模多中心队列（包括1型和2型糖尿病患者）中进行了验证与前瞻性评估 | 未明确说明模型在其他糖尿病亚型或特殊人群（如儿童、孕妇）中的适用性，且前瞻性验证样本量相对较小 | 通过深度学习技术实现精准的血糖预测和低血糖预警，以改善糖尿病管理安全性 | 1型和2型糖尿病患者 | 机器学习 | 糖尿病 | 连续血糖监测 | 深度学习神经网络 | 时间序列数据（连续血糖监测数据） | 1,662名患者（多中心队列）和36名围手术期患者（前瞻性验证） | 未明确说明 | MT-HypoNet（多任务神经网络） | AUC, RMSE | NA |