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 891 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2026-05-30 |
Real-time deep learning interpretation of echocardiographic video for automated detection of anatomical features associated with tetralogy of fallot in pediatric patients : a feasibility study
2026-Apr-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45943-x
PMID:41936642
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 102 | 2026-05-30 |
Malignant vs. Non-malignant Annotations on TCGA Breast Cancer Whole Slide Images for AI Analysis
2026-Apr-02, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07106-5
PMID:41922381
|
研究论文 | 在TCGA乳腺癌全切片图像上生成恶性和非恶性注释，用于AI分析 | 利用专家病理学家手动注释及独立复核，生成高质量注释；结合对比-监督混合机器学习流水线进行质量验证，F1分数达0.90 | NA | 为乳腺癌组织病理学的AI模型提供高质量注释数据集 | 乳腺癌全切片图像中的恶性和非恶性区域 | 数字病理学 | 乳腺癌 | 全切片成像 | 对比-监督混合机器学习模型 | 图像 | 50张TCGA乳腺癌全切片图像，包含1,882个恶性注释和374个非恶性注释 | NA | NA | F1分数 | NA |
| 103 | 2026-05-30 |
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 | 评估深度学习在甲状腺超声TI-RADS分类中的实际学习曲线和准确性 | 首次在真实世界环境中评估AI对甲状腺结节TI-RADS分类的学习曲线，并展示多轮训练后的显著性能提升 | AI在复杂或异常病例（如自身免疫性甲状腺炎、异位胸腺、出血性囊肿）中仍无法替代经验丰富的临床医生 | 评估深度学习AI在甲状腺超声TI-RADS分类中的实际学习效果和临床应用价值 | 甲状腺结节患者的超声影像数据及其ACR TI-RADS分类 | 计算机视觉, 医学影像分析 | 甲状腺结节, 甲状腺疾病 | 3D超声影像 | 深度学习神经网络 | 超声图像 | 第一阶段110例患者（176个结节），第二阶段133例患者（228个结节） | NA | NA | 准确性（AI与医生分类一致率） | NA |
| 104 | 2026-05-30 |
Clinical Grading of Artificial Intelligence-Based 3D Fetal Brain Segmentations: A Cross-Vendor Evaluation of Deep Learning in Fetal Neuroimaging
2026-04, Prenatal diagnosis
IF:2.7Q2
DOI:10.1002/pd.70103
PMID:41761049
|
研究论文 | 评估基于深度学习的三维胎儿脑部分割方法在不同超声设备商数据集上的表现，并提出一种临床医生导向的视觉评估框架 | 引入临床医生导向的视觉评估框架作为Dice相似系数的补充，评估深度学习模型在不同超声设备商数据集上的跨设备稳健性 | 未提及具体限制 | 评估自动胎儿脑(亚)皮质分割方法在不同超声设备商数据集上的性能，并引入临床导向的视觉评估框架 | 141个胎儿（19至26+6孕周）的270个体积超声图像 | 数字病理学 | 无特定疾病 | 3D超声成像 | 深度学习模型 | 3D超声图像 | 270个体积（141个胎儿，孕周19-26+6） | NA | NA | Dice相似系数, 视觉分级（1-4级）, 观察者间一致性 | NA |
| 105 | 2026-05-30 |
An end-to-end generalizable deep learning framework to comprehensively analyze transcriptional regulation
2026-04-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70070-6
PMID:41922356
|
研究论文 | 介绍BioSeq2Seq，一个端到端的可泛化深度学习框架，通过整合进化保守的DNA序列特征、细胞系特异性转录活性和方向性，推断用于基因组注释的分子检测结果 | 提出三模态输入（DNA序列、转录活性、方向性）结合梯度引导架构优化的深度学习框架，实现跨任务的通用基因组注释，显著降低实验成本 | 未提及在跨物种或复杂疾病场景下的泛化性能，且依赖单细胞系输入数据可能限制对组织特异性调控的全面解析 | 开发一种高效低成本的基因组注释方法，替代传统多分子实验重复工作 | 基因转录调控机制及基因组功能元件注释 | 机器学习, 自然语言处理 | NA | 深度测序 | 深度学习模型 | DNA序列、转录活性数据 | NA | PyTorch | BioSeq2Seq | 准确率, 改善率 | NA |
| 106 | 2026-05-30 |
Manifold topological deep learning for biomedical data
2026-04-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71392-1
PMID:41922355
|
research paper | 提出了一种流形拓扑深度学习框架，用于处理生物医学图像数据 | 首次将拓扑深度学习拓展到可微流形数据，结合Hodge理论与卷积神经网络 | 未明确提及局限性 | 开发适用于生物医学图像数据的流形拓扑深度学习方法 | 生物医学图像 | 计算机视觉 | NA | NA | 卷积神经网络 | 图像 | 717,287张生物医学图像（来自11个二维和6个三维数据集） | NA | 卷积神经网络 | NA | NA |
| 107 | 2026-05-30 |
GCNPath: introspecting drug response prediction with pathway-guided graph convolution networks
2026-Apr-01, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-09957-5
PMID:41922495
|
研究论文 | 提出一种结合图卷积网络与路径特征降维的模型GCNPath，用于药物反应预测 | 首次系统性基准测试验证模型架构与性能的关系，并展示对未见药物和批次效应的鲁棒性 | 未说明具体限制 | 开发能适应多样化组学数据集、具实际可用性的药物反应预测模型 | 癌症细胞系的多组学数据及药物反应 | 机器学习 | 癌症 | 基因表达谱、多细胞组学平台 | 图卷积网络 (GCN) | 组学数据（RNA数据等） | 未说明具体样本量 | PyTorch | GCN | 预测未见药物性能、批次效应克服能力 | NA |
| 108 | 2026-05-27 |
Bridging the Gap Between Artificial Intelligence and Clinical Readiness in Endometriosis Diagnosis: A Systematic Review
2026-Apr-30, Journal of minimally invasive gynecology
IF:3.5Q1
DOI:10.1016/j.jmig.2026.04.016
PMID:42069053
|
综述 | 系统评估人工智能在子宫内膜异位症诊断中的方法学质量和诊断性能 | 首次系统性评估AI在子宫内膜异位症诊断中的方法学质量，并使用QUADAS-2工具进行严格评价 | 研究主要基于回顾性设计和狭窄的患者选择，存在显著临床异质性和系统脆弱性，如频谱偏倚和选择偏倚 | 评估AI（尤其是机器学习和深度学习）在通过影像学和临床症状诊断子宫内膜异位症中的方法学质量和诊断性能 | 子宫内膜异位症患者，基于MRI、超声或患者报告症状的AI诊断模型 | 机器学习 | 子宫内膜异位症 | NA | 机器学习模型，深度学习模型 | 影像数据（MRI、超声）、文本数据（患者报告症状） | NA | NA | 随机森林、XGBoost | 准确率、AUC | NA |
| 109 | 2026-05-27 |
Imaging Through Scattering Tissue Using Near Infra-Red and a Convolutional Autoencoder
2026-Apr-18, Sensors (Basel, Switzerland)
DOI:10.3390/s26082507
PMID:42076614
|
研究论文 | 提出一种基于近红外照明与深度学习卷积自编码器的低代价、非侵入性皮下成像方法，用于肿瘤边缘检测 | 首次将近红外光与基于U-Net的卷积自编码器结合，实现通过散射介质对隐藏结构的高质量重建，克服了传统成像模态的高成本和术中限制 | 对分布外样本的泛化能力有限，重建结果伴有轻微平滑伪影 | 开发一种安全、快速、成本效益高的皮下可视化技术，用于临床相关肿瘤边缘检测 | 组织模拟鸡胸肉幻影下的隐藏结构图案 | 计算机视觉， 数字病理学 | 肿瘤 | 近红外成像，深度学习 | 卷积自编码器 | 图像 | 约10,000对样本 | PyTorch | U-Net | 峰值信噪比（PSNR），结构相似性指数（SSIM），特征相似性指数（FSIM） | NA |
| 110 | 2026-05-27 |
Sagittal-Plane Knee Flexion Moment Estimation Using a Lightweight Deep Learning Framework Based on Sequential Surface EMG Feature Frames
2026-Apr-18, Sensors (Basel, Switzerland)
DOI:10.3390/s26082500
PMID:42076609
|
研究论文 | 提出一种基于顺序表面EMG特征帧的轻量级深度学习框架，用于矢状面膝关节屈曲力矩估计 | 提出Topo2DCNN-LSTM轻量级二维卷积神经网络模型，将原始sEMG信号转换为紧凑的RMS特征帧，在资源受限设备上实现低延迟推理 | 仅针对健康受试者的有限行走条件进行验证，且为单侧膝关节力矩估计的概念验证 | 开发轻量级深度学习模型，实现非卧床场景下膝关节力矩的实时估算，便于可穿戴边缘部署 | 健康受试者在跑步机上以两种速度行走时的矢状面膝关节屈曲力矩 | 机器学习, 数字健康 | NA | 表面肌电图（sEMG），特征帧提取（RMS） | CNN, LSTM | 时序信号（sEMG和关节动力学数据） | 公开数据集，包含健康受试者在1.2 m/s和1.8 m/s跑步机速度下的数据 | NA | Topo2DCNN-LSTM（轻量级2D CNN编码器 + LSTM单元） | 均方根误差 | SparkFun Thing Plus-SAMD51微控制器，RAM 71,316字节，Flash 257,172字节 |
| 111 | 2026-05-27 |
Interpretable multimodal PET/CT-EHR fusion via mixture-of-experts for prognostic stratification in mantle cell lymphoma: a multicenter study
2026-Apr-16, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04865-1
PMID:41992190
|
研究论文 | 本研究开发了一个可解释的多模态PET/CT-EHR融合深度学习框架，用于套细胞淋巴瘤的个体化风险分层 | 首次将混合专家网络融合PET/CT与电子健康记录数据，结合视觉编码器、影像组学提取器和医学语言模型构建多模态影像组学特征 | NA（需要根据上下文推断，但摘要未明确提及局限性） | 建立可解释的深度学习框架，整合PET/CT和电子健康记录数据进行套细胞淋巴瘤预后分层 | 187例初治套细胞淋巴瘤患者的多中心队列数据 | 机器学习 | 套细胞淋巴瘤 | FDG-PET/CT成像 | 混合专家网络 | 影像数据、文本数据 | 187例套细胞淋巴瘤患者 | PyTorch | 混合专家网络、视觉编码器、医学语言模型 | AUC, HR, C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析 | NA |
| 112 | 2026-04-18 |
CycleGAN-based image-to-image translation for synthetic contrast enhancement in non-contrast cardiac CT: a ViT-CNN hybrid deep learning approach
2026-Apr-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03446-9
PMID:41992180
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 113 | 2026-05-27 |
Non-invasive diagnosis strategy integrating PSMA PET/CT and mpMRI for patients with suspected prostate cancer: a multi-center study
2026-Apr-16, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04859-z
PMID:41992197
|
研究论文 | 开发并外部验证了一种整合PSMA PET/CT和mpMRI的多模态影像组学模型，用于前列腺癌的自动化诊断 | 首次构建了多模态PET/CT与mpMRI联合的机器学习模型，并在多中心数据中验证了其外部泛化能力；比较了专家手动分割和深度学习自动分割的前列腺VOI对诊断性能的影响 | 研究为回顾性设计，可能引入选择偏倚；外部验证队列样本量相对较小 | 开发并外部验证整合PET/CT和mpMRI的自动化前列腺癌诊断模型 | 疑似前列腺癌患者 | 机器学习 | 前列腺癌 | PSMA PET/CT, mpMRI (T2和DWI) | 机器学习分类器 | 影像数据 | 488名疑似前列腺癌患者（366名用于模型开发和内部验证，41名用于外部验证队列1，81名用于外部验证队列2） | NA | LR, SVM, Random Forest, Extra Trees, XGBoost, LightGBM | AUC, 灵敏度, 特异性, 准确率, 阳性预测值, 阴性预测值 | NA |
| 114 | 2026-05-27 |
Incorporating normal periventricular changes for enhanced pathological white matter hyperintensity segmentation: on multiclass deep learning approaches
2026-Apr-16, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-026-01555-0
PMID:41992229
|
研究论文 | 本研究探讨在深度学习模型训练中将正常脑室周围高信号作为独立类别，以增强病理性白质高信号分割性能 | 首次将正常年龄相关的脑室周围高信号作为显式类别纳入多类分割训练，相较于传统二分类方法显著提升病理性病变检测能力 | 数据来自115名神经退行性疾病患者，样本量有限；仅评估了四种架构，未涵盖更多先进模型 | 通过多类深度学习分割方法区分病理性白质高信号与正常年龄相关高信号，降低假阳性率 | 115名神经退行性疾病患者的2750张FLAIR MRI图像 | 计算机视觉 | 神经退行性疾病 | MRI | U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net | 图像 | 115名患者，2750张FLAIR图像 | PyTorch | U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net | Dice系数, Hausdorff距离, Cohen's d | NA |
| 115 | 2026-05-27 |
Multimodal deep learning with missing data robustness for enhanced early diagnosis of coronary artery disease using CCTA, clinical, and ECG data
2026-Apr-13, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03466-5
PMID:41975401
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 116 | 2026-05-27 |
Tripleknock: predicting lethal effect of three-gene knockout in bacteria by deep learning
2026-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46272-9
PMID:41963398
|
研究论文 | 提出Tripleknock深度学习模型，用于预测细菌三基因敲除的致死效应 | 首次利用蛋白质序列特征和通量平衡分析模拟训练深度学习模型，实现无需基因组规模代谢模型的全基因组三基因敲除致死性预测，速度比FBA快约20倍 | 模型基于大肠杆菌K-12 MG1655的训练数据，跨物种验证仅针对6种肠杆菌科病原体，且外部验证数据集较小（仅37个三重扰动） | 开发快速、不依赖基因组规模代谢模型的生物信息学方法，用于全基因组三基因敲除致死性筛选 | 细菌三基因敲除的致死效应预测 | 机器学习 | NA | 蛋白质序列特征提取、通量平衡分析 | 深度学习模型（具体架构未明确说明） | 蛋白质序列特征、基因敲除模拟结果 | 大肠杆菌K-12 MG1655的三基因敲除FBA模拟数据，以及6种肠杆菌科病原体的跨物种验证数据 | NA | NA | F1分数 | NA |
| 117 | 2026-05-27 |
LobePrior segments lung lobes on computed tomography images in the presence of severe abnormalities
2026-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48136-8
PMID:41963526
|
研究论文 | 提出LobePrior方法，结合深度神经网络和概率模型，在严重肺部异常情况下实现准确的肺叶分割 | 将概率模型与深度神经网络结合，利用标签融合导出的先验知识指导严重异常区域的分割，并引入合成病变生成进行数据增强 | 未明确说明限制 | 开发在严重肺部异常情况下仍能稳健进行肺叶分割的自动化算法 | CT影像中的肺叶区域 | 数字病理学 | 肺部疾病（包括癌症结节和COVID-19合并症） | CT成像 | AttUNet | 图像 | 使用LOLA11及三个额外数据集（含癌性结节或COVID-19合并症） | PyTorch | AttUNet | Dice系数 | NA |
| 118 | 2026-05-27 |
Fusing non-textual cues with classical NLP for enhanced multimodal fake news spread detection
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45735-3
PMID:41957109
|
研究论文 | 提出一种融合非文本线索与深度文本特征的多模态深度学习架构，用于提升假新闻检测的准确性和鲁棒性 | 首次将统计行为特征、字符级特征与词级语义特征通过多头自注意力机制动态融合，实现多模态信息的智能化整合 | 未说明模型对对抗性文本攻击的鲁棒性，以及跨平台泛化能力验证不足 | 开发一种高效的多模态假新闻检测系统，以应对传统文本分析方法在复杂虚假信息检测中的局限 | 社交平台上传播的新闻内容及其发布者的非文本行为特征 | 自然语言处理 | NA | Word2Vec、多头自注意力机制 | 深度学习多模态模型 | 文本数据 | 使用GossipCop和PolitiFact两个公开数据集进行实验 | PyTorch | 多头自注意力机制、SoftMax分类器 | 准确率, F1值 | NA |
| 119 | 2026-05-27 |
Machine-enhanced reconstruction of functional connectomes unravels discriminative brain sub-systems in health and disease
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47391-z
PMID:41957158
|
研究论文 | 提出基于机器学习的全连接网络重建方法，利用几何深度学习识别具有区分性的脑子系统，应用于健康与自闭症谱系障碍受试者的功能磁共振成像数据分析 | 首次提出基于集体功能连接修剪的方法替代传统统计阈值修剪，利用几何深度学习学习网络表征并借助可解释人工智能识别最具有区分性的子网络，从而发现机器学习的子系统协同激活模式可显著提高对受影响个体的识别 | 方法在自闭症谱系障碍数据集上验证，未在其他脑疾病上测试，且依赖于功能磁共振成像数据的多频分解，可能受限于数据质量与频率选择 | 开发一种全连接网络重建方法，通过集体共激活模式而非独立统计显著性来保留连接，以更可靠地表征脑部疾病并识别生物标志物 | 健康与自闭症谱系障碍受试者的功能磁共振成像数据 | 机器学习, 计算机视觉 | 自闭症谱系障碍 | 功能磁共振成像 | 几何深度学习 | 功能磁共振成像信号 | 健康与自闭症谱系障碍受试者（具体数量未提供） | NA | 几何深度学习网络 | 受试者识别准确性 | NA |
| 120 | 2026-05-27 |
Public opinion dissemination simulation based on large language model multi-agent systems
2026-Apr-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44206-z
PMID:41935064
|
研究论文 | 基于大语言模型的多智能体系统模拟公共舆论传播 | 整合宏观扩散模式与微观个体认知，构建基于LLM的多智能体模拟框架，支持零样本冷启动和跨场景鲁棒性 | 文中未明确提及局限性 | 开发一种低成本、高保真度的公共舆论模拟系统，用于危机管理 | 公共舆论传播的演化模式 | 机器学习 | NA | NA | 大语言模型（LLM） | 文本 | 基于真实社交媒体数据的校准，未明确样本数量 | NA | 多智能体系统 | 行为分布熵（Entropy）、Distinct-2指标 | NA |