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 1013 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2026-06-23 |
Machine Learning for Cardiovascular Risk Prediction: A Practical Primer for Clinicians
2026-May, Heart, lung & circulation
DOI:10.1016/j.hlc.2026.01.006
PMID:42000259
|
综述 | 为临床医生提供机器学习在心血管风险预测中的基础方法、开发验证及实施指南 | 系统阐释了深度学习、中断时间序列分析等先进技术在心血管风险预测中的应用方法，并兼顾可解释性与临床整合挑战 | 未涵盖真实世界部署中的具体伦理审查案例及模型持续监测策略 | 帮助临床医生掌握评估和实施基于机器学习的风险预测工具所需的核心知识 | 临床医生及心血管领域研究人员 | 机器学习 | 心血管疾病 | NA | 深度学习模型 | NA | NA | NA | NA | 准确率、精确率、召回率、F1分数、AUC | NA |
| 202 | 2026-06-23 |
The Right Ventricle, the Forgotten Chamber or Not
2026-May, Magnetic resonance imaging clinics of North America
IF:1.5Q3
DOI:10.1016/j.mric.2026.01.011
PMID:42002386
|
综述 | 概述了心脏磁共振成像在右心室评估中的当前状态及新进展 | 总结了4D血流、扩散张量成像、右心室耦合、深度学习和计算流体动力学等新技术在右心室评估中的应用 | 未明确说明局限性，可能缺乏具体研究数据支持 | 综述心脏磁共振成像在右心室评估中的现状和最新进展 | 右心室及心脏磁共振成像技术 | 机器学习和医学影像 | 心血管疾病 | 心脏磁共振成像 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 203 | 2026-06-23 |
Challenges and Barriers in Implementing AI for Clinical Applications in Anatomic Pathology
2026-May-01, Advances in anatomic pathology
IF:5.1Q1
DOI:10.1097/PAP.0000000000000537
PMID:42011912
|
综述 | 讨论在解剖病理学中实施人工智能用于临床应用的障碍与挑战 | 系统性地分析了从数字病理学到AI临床转化中的多维度障碍，并提出了可行的解决方案建议 | 未提供实证数据支持，主要依赖文献综述和观点总结 | 总结数字病理和AI在解剖病理学中的应用现状，分析临床实施障碍并提出开发策略 | 解剖病理学中AI系统的开发与临床应用 | 数字病理学 | NA | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 204 | 2026-06-23 |
Physics-informed deep learning for rapid marine radionuclide dispersion forecasting in nuclear emergency response
2026-May, Journal of environmental radioactivity
IF:1.9Q3
DOI:10.1016/j.jenvrad.2026.108000
PMID:42013683
|
研究论文 | 开发了一种物理信息深度学习框架，用于核事故后的海洋放射性核素扩散快速预测 | 将优化的约瑟夫瞬时点源模型与去噪扩散概率模型耦合，利用DDPM学习物理模型的残差分布以重建高保真浓度场，实现快速且高精度的预测 | 未明确提及，可能依赖于特定事故场景的假设，且泛化至其他核素或复杂水文条件需进一步验证 | 提升核应急响应中海洋放射性核素扩散预测的速度和准确性，支持动态危险区划与决策 | 福岛第一核电站事故急性高浓度释放和塞拉菲尔德设施慢性低水平排放于爱尔兰海中的放射性核素扩散 | 机器学习和环境科学 | NA | NA | 物理信息深度学习（PIDL）框架、去噪扩散概率模型（DDPM） | 时间序列数据和空间浓度分布数据 | 两个代表性释放场景：福岛事故数据和塞拉菲尔德慢性排放数据，具体样本数未提及 | PyTorch | DDPM、优化约瑟夫瞬时点源模型 | 决定系数R、均方根误差（RMSE） | GPU（未具体说明型号，但运行在标准GPU上） |
| 205 | 2026-06-23 |
Correction to "Mitral regurgitation detection and central/eccentric classification using transformer-based deep learning in multi-view echocardiography"
2026-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70616
PMID:42135265
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 206 | 2026-06-22 |
A Deep Learning Approach to Automatically Classify Ice Hockey Shooting Actions Using Acceleration Signals
2026-May-26, Sensors (Basel, Switzerland)
DOI:10.3390/s26113361
PMID:42280881
|
研究论文 | 使用可穿戴传感器和深度学习模型自动分类冰球射门动作 | 探索了使用最少传感器配置（仅手部传感器）实现高精度动作分类的可行性，为实际应用中的传感器集成手套提供了支持 | 未提及模型在不同冰球水平运动员或比赛环境中的泛化能力，也未讨论实时处理的延迟问题 | 评估深度学习模型对冰球常见击球动作（传球、射门）的分类能力 | 43名精英冰球运动员的7种技术动作（腕射、拍击射、反手射、一击射、传球、其他、休息） | 机器学习 | NA | 惯性测量单元传感器 | 卷积神经网络 | 加速度信号 | 43名精英冰球运动员的7种动作数据 | NA | 全连接卷积神经网络 | F1分数 | NA |
| 207 | 2026-06-22 |
Identification of Hepatic Fibrosis and Steatosis via A Point-of-Care Transient Elastography System With Integrated AI
2026-May, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70634
PMID:41947638
|
研究论文 | 报道了一种集成人工智能的即时弹性成像系统，用于同时评估肝纤维化和脂肪变性，并与传统瞬态弹性成像进行对比验证 | 首次将实时B型超声图像引导、人工智能辅助（深度学习分析）与即时弹性成像技术相结合，提出新型多域衰减参数用于脂肪定量，并证明少于4次测量即可维持诊断性能 | 主要验证队列样本量相对较小（138例），且未对不同病因慢性肝病（如NAFLD、病毒性肝炎等）进行亚组分析 | 验证新型AI-POC-TE系统在诊断慢性肝病患者肝纤维化和脂肪变性中的准确性，并探索最少测量次数 | 慢性肝病患者（肝脏活检验证队列138例，大队列1455例） | 机器学习, 计算机视觉 | 肝纤维化, 脂肪肝（肝脏疾病） | 瞬时弹性成像, B型超声成像, 深度学习 | 深度学习模型 | 图像（超声弹性图）、临床数值参数 | 肝脏活检验证队列138例，大队列1455例 | NA | NA | AUROC, Youden指数, 相关系数（r） | NA |
| 208 | 2026-06-22 |
Predicting Visual Outcomes in Congenital Posterior Lens Opacities: A Deep Learning Model Using Ultra-Widefield Fundus Images
2026-May, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101122
PMID:41953141
|
研究论文 | 开发并验证一种基于超广角眼底图像的深度学习模型，用于自动分割先天性后发性晶状体混浊的投影阴影，并预测儿童视觉预后 | 首次利用超广角眼底图像中的晶状体混浊投影阴影（LOPS）与视盘比值（SODR）作为新型预测指标，通过深度学习模型准确分割并预测先天性后发性晶状体混浊儿童的视觉预后 | 单中心、小样本研究，且未涉及其他类型白内障或更大人群的验证 | 评估深度学习模型在超广角眼底图像上自动分割LOPS并预测先天性后发性晶状体混浊儿童视觉预后的有效性 | 先天性后发性晶状体混浊患儿及其超广角眼底图像 | 计算机视觉, 数字病理学 | 先天性后发性晶状体混浊 | NA | U-Net | 图像 | 55名先天性后发性晶状体混浊患儿的60只眼，共454张超广角眼底图像 | NA | U-Net | 敏感性, 特异性, Dice系数, 受试者工作特征曲线 | NA |
| 209 | 2026-05-27 |
Correction to "Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data"
2026-May-26, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.6c05436
PMID:42113025
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 210 | 2026-06-21 |
MedNext-Insight Model for Automated Metabolic Tumor Volume Delineation on Computed Tomography and Prognostic Value in Nasopharyngeal Carcinoma
2026-May-16, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.05.005
PMID:42144163
|
研究论文 | 开发无需PET的深度学习模型，从常规CT自动分割代谢肿瘤体积并验证其在鼻咽癌中的预后价值 | 首次实现仅基于CT的自动代谢肿瘤体积分割，无需PET，结合双窗口CT输入和新型7层MedNext-Insight模型，在预后评估中表现与基于PET的真实MTV相当 | 预后分析中排除了12名基线远处转移患者；样本量有限，内部验证集仅135例；未进行外部多中心验证 | 开发一种资源高效的PET-free方法，用于鼻咽癌代谢肿瘤体积的自动分割和风险分层 | 392名鼻咽癌患者的PET/CT影像数据及内部时间验证队列135例患者 | 计算机视觉 | 鼻咽癌 | PET/CT | CNN | 医学影像 | 训练集314例（含63例验证），测试集78例，时间验证集135例 | PyTorch | MedNext-Insight, no-new-U-Net version 2, Pix2Pix, 3D-CycleGAN | Dice相似系数, 敏感性, 一致性指数 (C-index), 组内相关系数 (ICC) | NA |
| 211 | 2026-06-21 |
Performance and Utility of the Sybil Deep Learning Model for Lung Cancer Risk Prediction in Asian High- and Low-Risk Populations
2026-May-14, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2026.05.002
PMID:42140481
|
研究论文 | 评估深度学习模型Sybil在亚洲高风险和低风险人群中预测肺癌风险的表现和实用性 | 首次在亚洲人群（包含大量从不吸烟者）中验证Sybil模型的性能，展示其在不同风险谱系中的稳健性 | 短期表现在存在肉芽肿性后遗症、亚实性结节或基线未检测到结节的患者中下降；研究为单中心回顾性分析，需进一步验证 | 评估Sybil深度学习模型在亚洲肺癌筛查队列中的性能和实用性 | 21,087名50-80岁接受LDCT筛查的亚洲个体（包括大量从不吸烟者） | 计算机视觉 | 肺癌 | 低剂量胸部CT（LDCT） | 深度学习模型 | 图像（CT影像） | 21,087名参与者（包括4,611名≥20包年吸烟史、5,378名<20或未知包年吸烟史、11,098名从未吸烟者） | 未明确提及 | Sybil（具体架构未明确说明） | AUROC（曲线下面积） | 未明确提及 |
| 212 | 2026-06-19 |
Artificial Intelligence-informed Architectural Insights of 3-dimensional Glandular Networks Identify Patients With Prostate Cancer at a Higher Risk of Biochemical Recurrence
2026-May-25, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.101018
PMID:42190816
|
研究论文 | 利用人工智能分析三维腺体网络结构，识别生化复发风险更高的前列腺癌患者 | 首次通过三维组织成像和深度学习框架GlaSkeN量化前列腺癌腺体三维架构特征，发现传统二维组织学无法评估的空间连接和分支模式与生化复发显著相关 | 两个队列采用不同的采样方法，且样本量有限，需要在更大独立队列中验证 | 探索三维腺体组织架构特征与前列腺癌进展及生化复发的关系 | 来自华盛顿大学和宾夕法尼亚大学的前列腺癌手术切除标本 | 数字病理学 | 前列腺癌 | 开顶光片显微镜 | 深度学习 | 三维组织图像 | 两个存档队列：华盛顿大学1毫米模拟核心针活检样本，宾夕法尼亚大学3×1毫米打孔活检样本 | NA | GlaSkeN | 危险比，C指数 | NA |
| 213 | 2026-06-19 |
Deep Learning-Based Positive Region Segmentation and Spatial Registration of Virtual Multiplex Immunohistochemical Whole-Slide Images
2026-May-25, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2026.106139
PMID:42191021
|
研究论文 | 建立基于深度学习的分析框架，实现对多个免疫组化图像中阳性区域的精确分割与空间重建 | 首次将金字塔多尺度机制融入U-Net架构（Pyramid U-Net），结合SuperPoint特征提取、SuperGlue匹配和随机抽样一致性算法，实现虚拟多重IHC图像的高精度分割与空间配准，并集成DINO-ViTS16-WSI算法将阳性区域映射到HE图像上 | 仅基于80个小鼠肿瘤样本及公开数据集，可能缺乏大样本多中心验证；计算效率提升虽显著，但实际临床部署中硬件资源需求可能较高 | 促进虚拟多重染色技术发展，为肿瘤微环境分析和个性化治疗提供多参数空间分析支持 | 多种免疫组化标记物（Ki-67、TUNEL、TNF-α、ICAM-1）的阳性区域 | 数字病理学 | 肿瘤 | 免疫组化染色、HE染色 | U-Net | 全切片图像 | 22张HE染色WSI、86张连续单标记IHC WSI（来自80个小鼠肿瘤）、50张Ki-67染色图像（来自多重IHC病理图像分类数据库）、100张（来自Senaras2018DeepFocus数据集） | PyTorch, OpenCV | Pyramid U-Net, SuperPoint, SuperGlue, DINO-ViTS16 | 平均交并比（mIoU）、准确率、Dice相似系数、推理时间 | NA |
| 214 | 2026-06-19 |
Functional brain growth trajectories across the first decade of life from a single longitudinal cohort
2026-May-14, Research square
DOI:10.21203/rs.3.rs-9557891/v1
PMID:42183358
|
研究论文 | 基于单一纵向队列，建立了首个十年中功能性大脑生长轨迹的规范参考曲线 | 首次从单一纵向队列中推演出功能性连接成熟、网络拓扑和大尺度功能梯度的规范生长轨迹，并利用深度学习脑龄预测模型区分神经发育风险组 | NA | 建立功能性大脑发育的规范参考曲线并评估早期功能性连接测量的预后价值 | 从出生到10岁儿童的静息态功能磁共振成像扫描数据 | 机器学习 | 神经发育障碍 | 静息态功能磁共振成像 | 深度学习 | 影像 | 633名儿童，1436次扫描 | NA | NA | NA | NA |
| 215 | 2026-06-19 |
DeepPTMPred: a multi-modal deep learning framework for accurate prediction of protein post-translational modification sites
2026-May-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag321
PMID:42308422
|
研究论文 | 提出一个多模态深度学习框架DeepPTMPred，用于准确预测蛋白质翻译后修饰位点 | 通过多模态整合和AlphaFold预测，结合增强型CNN-Transformer架构，能够预测17种翻译后修饰类型，并有效捕捉序列局部依赖、结构特征和进化模式中的复杂空间关系与全局上下文依赖 | 未明确说明局限性 | 开发一个高效准确的模型，用于预测蛋白质翻译后修饰位点，以加深对翻译后修饰的理解并推动功能注释研究 | 蛋白质翻译后修饰位点，包括羟化、丙二酰化、O-连接糖基化和磷酸化等17种类型 | 机器学习 | NA | AlphaFold | CNN-Transformer | 序列数据、结构特征、进化模式 | NA | NA | 增强型CNN-Transformer | AUC | NA |
| 216 | 2026-06-19 |
MAPLE: interpretable deep learning identifies selective antimicrobial peptides using joint evolutionary-physicochemical analysis
2026-May-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag318
PMID:42308420
|
研究论文 | 提出可解释深度学习框架MAPLE，通过联合进化-理化分析识别选择性抗菌肽 | 提出双流框架结合蛋白质语言模型嵌入与理化描述符，实现14类活性类别系统功能谱分析，并揭示效力-溶血耦合具有基序区依赖性 | 主要受限于二元注释不完整和结构整合不足 | 开发可解释性深度学习模型，识别兼具抗菌效力和低哺乳动物毒性的选择性抗菌肽 | 抗菌肽序列及其多类别活性功能谱 | 机器学习 | NA | 蛋白质语言模型、k-mer富集分析 | 双流深度学习框架 | 肽序列 | 基准数据集和序列无重叠独立验证集 | PyTorch | 蛋白质语言模型、双流网络 | 准确率、精确率、召回率、F1分数、AUC | NA |
| 217 | 2026-06-19 |
Extending Tanner's framework: the digital clinical judgment model for nursing education
2026-May-02, BMC nursing
IF:3.1Q1
DOI:10.1186/s12912-026-04703-y
PMID:42069542
|
研究论文 | 提出数字临床判断模型（DCJM），以支持护理教育中临床判断的教学与学习 | 将Tanner的临床判断模型与社会文化学习、脚手架和深度学习理论相结合，提出一个支持数字和混合学习环境中临床判断教学的教学设计模型 | 需要进一步的实证研究来确定其在实践中的有用性及其对学生学习和教育设计的影响 | 开发一个教学模型以支持数字护理教育中临床判断的教学与学习 | 护理教育中的临床判断数字学习环境设计 | 自然语言处理 | NA | NA | 概念模型 | NA | NA | NA | 数字临床判断模型（DCJM） | NA | NA |
| 218 | 2026-06-19 |
Quantification, radiomics and artificial intelligence in infection imaging: Current status and future directions in nuclear medicine
2026-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2026.02.002
PMID:41826111
|
综述 | 探讨定量成像、影像组学和人工智能在核医学感染成像中的当前应用与未来方向 | 首次将定量成像、影像组学与人工智能整合为“计算组学”概念，提出从定性模式识别转向客观、可重复、数据驱动的感染表征新范式 | 定量精度与影像组学稳定性高度依赖采集、重建和处理参数；AI图像增强可能改变体素统计量，影响定量指标和纹理特征；特征定义、分割方法和分析管线的差异限制可重复性 | 总结定量成像、影像组学和人工智能在核医学感染成像中的现状，并提出未来发展方向 | 核医学感染成像中的定量指标、影像组学特征和AI模型 | 计算机视觉, 机器学习 | 感染性疾病 | 核医学成像（PET/SPECT） | 机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 219 | 2026-06-19 |
Deep learning for H&E-based meningioma molecular classification and outcome prediction: a retrospective cohort study
2026-May, The Lancet. Digital health
DOI:10.1016/j.landig.2026.100986
PMID:42248714
|
研究论文 | 基于深度学习从H&E染色切片进行脑膜瘤分子分型及预后预测的回顾性队列研究 | 首次应用深度学习模型仅通过H&E染色即可识别单个脑肿瘤实体（脑膜瘤）的分子亚型并预测预后，无需资源密集的基因组分析 | NA | 评估深度学习能否从H&E染色切片稳健地识别脑膜瘤分子亚型、预测复发风险及染色体拷贝数变异 | 脑膜瘤患者的H&E染色组织切片和配对DNA甲基化数据 | 数字病理学 | 脑膜瘤 | DNA甲基化测序 | 深度学习模型 | 图像 | 训练集：美国国家癌症研究所439例及加拿大大学健康网络166例；测试集：美国梅奥诊所67例WHO 2级脑膜瘤 | NA | NA | AUC, 平衡准确率 | NA |
| 220 | 2026-06-19 |
Detection of young-onset type 2 diabetes using deep learning across primary and secondary care: a nationwide, retrospective cohort study
2026-May, The Lancet. Digital health
DOI:10.1016/j.landig.2025.100968
PMID:42025543
|
研究论文 | 利用深度学习模型，基于丹麦全国初级和二级医疗数据，预测年轻发病2型糖尿病的风险 | 首次结合初级和二级医疗数据开发深度学习模型用于年轻发病2型糖尿病的早期预测，并在全国范围内进行验证 | 研究基于丹麦医疗登记数据，可能无法推广到其他医疗体系或种族群体；预测模型依赖历史医疗记录，未纳入生活方式和遗传因素 | 提高年轻发病2型糖尿病的检测率，减少长期的医疗负担 | 丹麦全国医疗登记数据中的患者健康轨迹，包括医院诊断、初级医疗处方和健康服务事件 | 机器学习 | 2型糖尿病 | NA | 深度学习模型（具体未说明） | 文本（医疗记录数据） | 3,435,638名个体，其中16,828人发展为年轻发病2型糖尿病 | NA | NA | 相对风险、检测阳性预测值（5%阈值） | NA |