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 799 篇文献，本页显示第 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2026-05-04 |
Adaptmol: domain adaptation for molecular image recognition with limited supervision
2026-May-02, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01209-2
PMID:42070053
|
研究论文 | 提出一种图像到图模型AdaptMol，用于从合成数据向真实手绘分子图像的无监督域适应，实现高精度分子结构识别 | 结合类别条件最大均值差异对齐键级特征与综合数据增强，利用键级特征的域不变性实现无需目标域图标注的迁移，并引入双位置表示法（离散坐标令牌和连续空间热图）监督原子位置以减少假阳性 | NA | 实现光学化学结构识别从合成数据到真实手绘分子图像的有效迁移，无需目标域人工标注 | 分子图像（包括手绘分子图、科学文献和专利文档中的分子图像） | 计算机视觉 | NA | 深度学习、光学化学结构识别 | 图像到图模型 | 图像 | 手绘分子图像数据集及四个基准数据集（含科学文献和专利文档分子图像） | PyTorch | AdaptMol | 准确率 | NA |
| 582 | 2026-05-04 |
Protein foundation models: a comprehensive survey
2026-May, Science China. Life sciences
DOI:10.1007/s11427-025-3147-2
PMID:41530646
|
综述 | 全面综述蛋白质基础模型的发展、应用、挑战与前景 | 系统梳理了蛋白质基础模型从序列到三维结构、功能注释和相互作用网络的多模态数据集资源，并探讨了自编码、自回归、扩散和流匹配等多种模型架构的进展 | 面临数据瓶颈、评估复杂性和模型可解释性等主要挑战 | 为计算生物学家提供路线图，为实验研究者提供应用蛋白质基础模型的战略框架 | 蛋白质基础模型 | 机器学习 | NA | NA | 自编码模型、自回归模型、扩散模型、流匹配模型 | 蛋白质序列、三维结构、功能注释、相互作用网络 | NA | NA | NA | NA | NA |
| 583 | 2026-05-04 |
Deep learning based gestational age estimation from multi-view fetal brain magnetic resonance imaging
2026-05, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06536-y
PMID:41824048
|
研究论文 | 利用多视角胎儿脑部MRI和深度学习估算孕龄 | 首次将多视角MRI与迁移学习结合用于孕龄估算，显著优于传统生物统计回归方法 | 外部测试集样本量较小（80例），且未在不同MRI设备或人群中进行泛化验证 | 开发基于深度学习的孕龄估算模型，提升准确性 | 胎儿脑部MRI图像 | 计算机视觉 | 无特定疾病 | MRI | CNN | 图像 | 1,321例胎儿MRI扫描（内部训练集），80例公开MRI扫描（外部测试集） | PyTorch | ResNet-101 | 平均绝对误差，决定系数R2 | NA |
| 584 | 2026-05-04 |
AI-driven paradigm shift in follicle ultrasound monitoring: from automated segmentation to clinical decision support
2026-May, Reproductive biomedicine online
IF:3.7Q1
DOI:10.1016/j.rbmo.2025.105440
PMID:41826105
|
评论 | 本文描述了人工智能在超声卵泡监测中的发展路径，重点是从自动分割到临床决策支持的范式转变 | 引入深度学习模型CR-Unet和C-Rend实现从二维到三维的精确卵泡分割，并建立二维卵泡面积和三维卵泡体积作为新的生物标志物，用于预测卵母细胞成熟度和优化人绒毛膜促性腺激素触发时机 | NA | 推动人工智能在超声卵泡监测中的应用，从自动分割向临床决策支持转变 | 卵泡超声影像 | 计算机视觉，数字病理学 | 生殖医学相关疾病 | 超声成像 | CR-Unet，C-Rend（深度学习模型） | 超声图像 | NA | NA | CR-Unet，C-Rend | 边界分割精度，测量一致性 | Acclarix LXK9超声设备 |
| 585 | 2026-05-04 |
Automatic segmentation of clinical target volume for radiation therapy in breast-conserving patients and exploration of clinical factors influential to its performance
2026-May-01, The British journal of radiology
DOI:10.1093/bjr/tqag036
PMID:41808474
|
研究论文 | 开发并验证用于乳腺癌保乳术后放疗中全乳腺临床靶体积自动分割的深度学习模型，并评估影响其性能的临床因素 | 首次系统评估临床因素（如肿瘤床位置和乳腺密度）对自动勾画性能的影响，并识别出外周肿瘤床和低密度乳腺组织为挑战性特征 | 单中心数据、回顾性设计，且模型在包含不利因素（如外周肿瘤床）的病例上表现下降 | 开发乳腺CTV自动分割模型并探索影响其性能的临床特征 | 乳腺癌保乳术后患者的全乳腺临床靶体积 | 计算机视觉, 数字病理学 | 乳腺癌 | NA | 深度学习模型 | 图像 | 857名患者，分为5个数据集（数据集1：300例，数据集2：10例，数据集3：20例，数据集4：10例，数据集5：517例） | NA | NA | Dice相似系数, 95百分位Hausdorff距离 | NA |
| 586 | 2026-05-04 |
Transcriptome-based Deep Learning Model for Predicting Gemcitabine and Cisplatin Chemotherapy Response in Urothelial Carcinoma: Development and External Validation
2026 May-Jun, Cancer genomics & proteomics
IF:2.6Q3
DOI:10.21873/cgp.20589
PMID:42055629
|
研究论文 | 利用RNA测序数据开发深度学习模型，预测尿路上皮癌患者对吉西他滨和顺铂化疗的反应，并在外部独立队列中进行验证 | 基于转录组数据构建深度学习模型，实现了对化疗反应的高精度预测（训练集准确率94.7%，外部验证准确率90.0%），并通过基因本体分析和生存分析揭示了与化疗反应相关的四个关键功能簇 | 论文摘要中未提及明显局限性，可能包括样本量有限、模型通用性有待进一步验证等 | 开发一种基于RNA测序数据的深度学习模型，用于预测尿路上皮癌患者对吉西他滨和顺铂化疗的反应，以辅助个性化治疗决策 | 尿路上皮癌患者的RNA-seq基因表达数据 | 机器学习 | 尿路上皮癌 | RNA-seq | 深度学习模型 | 基因表达数据 | 训练数据集来自TCGA和GEO，外部验证来自釜山国立大学梁山医院的独立队列，具体样本数未提及 | NA | NA | 准确率 | NA |
| 587 | 2026-05-03 |
From Big to Small: Emerging Methods for Enhancing Precision Psychiatry Through Transfer Learning
2026-May-15, Biological psychiatry
IF:9.6Q1
DOI:10.1016/j.biopsych.2025.10.022
PMID:41173199
|
综述 | 综述迁移学习在精准精神病学中的应用，重点探讨如何通过大规模神经影像数据集预训练模型提升小样本临床数据的预测性能 | 系统梳理迁移学习在脑-行为建模中的概念与实践，并提供从大规模人群数据集到小样本临床数据集的跨领域应用框架 | 未涉及不同类型迁移学习方法的定量比较，且对模型可解释性在临床应用中的挑战讨论有限 | 探索迁移学习提升精准精神病学中临床预测模型泛化性与可解释性的潜力 | 神经影像数据与临床特征之间的脑-行为预测模型 | 机器学习 | 精神病学疾病 | NA | 迁移学习 | 神经影像数据 | NA | NA | NA | NA | NA |
| 588 | 2026-05-03 |
Long-term alterations of cerebellar structure after premature birth
2026-05-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121918
PMID:41966235
|
研究论文 | 本研究通过MRI和体素形态测量法分析早产对成年早期小脑结构和体积的长期影响 | 首次使用SUIT工具箱对早产年轻成人进行小脑和脑干灰白质体积的优化体素分析，并结合深度学习方法进行区域划分 | 研究仅限于横断面设计，未评估随时间的纵向变化；颅内体积校正策略影响结果 | 探究早产对小脑形态的长期影响，特别是亚区域体积差异及其与围产期变量的关联 | 极早产（<32周）和/或极低出生体重（<1500g）的年轻成年人（平均26.7岁）与足月对照组（平均26.8岁） | 机器学习 | 早产相关神经系统疾病 | 磁共振成像（T1/T2加权MRI），体素形态测量 | 深度学习分割模型（CerebNet） | 医学影像（MRI） | 101名早产个体与109名足月对照个体 | SUIT工具箱，CerebNet | 基于深度学习的CerebNet | 体积差异（体素和区域兴趣区分析），与早产变量的相关性（如孕周） | NA |
| 589 | 2026-05-03 |
Speech-based system for detecting alcohol intoxication using optimized deep learning
2026-May-02, Psychopharmacology
IF:3.5Q2
DOI:10.1007/s00213-026-07065-0
PMID:42067688
|
研究论文 | 提出一种基于语音的酒精中毒检测系统，利用优化的深度学习算法（D2R_Net）进行语音醉态分类 | 结合密集残差块与门控循环单元构建D2R_Net架构，并引入迭代鹦鹉优化算法进行超参数调优，实现了高精度酒精中毒检测 | 未在多样化真实场景（如背景噪音、不同语言）下进行充分验证 | 开发高效、非侵入性且成本低廉的语音式酒精中毒检测系统 | 酒精中毒患者的语音数据（醉态与清醒状态） | 机器学习 | 酒精中毒 | 深度学习，超参数优化 | Dense Residual Recurrent Network (D2R_Net) | 语音（log-Mel声谱图） | 未明确提供样本量 | PyTorch | D2R_Net（密集残差块 + GRU） | 平衡准确率，特异度 | 最小化计算资源要求 |
| 590 | 2026-05-03 |
Illuminating Research Dynamics: Medical Ultrasound and Deep Learning
2026-May, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70131
PMID:41215539
|
综述 | 该研究首次对医学超声与深度学习领域的文献进行了文献计量学分析 | 首次为深度学习在医学超声领域的研究提供了文献计量学概述，揭示了研究动态和新兴趋势 | NA | 对医学超声和深度学习研究进行文献计量学概述 | 医学超声与深度学习相关出版物 | 计算机视觉, 机器学习 | NA | 超声成像, 深度学习 | CNN, U-Net, Transformer | 文本, 图像 | 3386篇出版物 | NA | U-Net, 注意力网络, 视觉Transformer | NA | NA |
| 591 | 2026-05-03 |
Deep Learning Radiomics Model Based on Ultrasound Images Predicts Myometrial Infiltration of Endometrial Cancer
2026-May, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70134
PMID:41235803
|
研究论文 | 基于超声图像的深度学习影像组学模型用于预测子宫内膜癌肌层浸润 | 首次将深度学习特征与影像组学特征结合构建DLR模型，用于无创区分子宫内膜癌患者的肌层浸润深度，优于传统影像组学模型、深度学习模型及高级超声医师的诊断性能 | 未提及模型在不同超声设备或人群中的泛化能力验证，可能存在数据偏差 | 开发和验证基于超声图像的深度学习影像组学模型，用于无创区分子宫内膜癌患者的肌层浸润 | 子宫内膜癌患者 | 机器学习 | 子宫内膜癌 | 超声影像 | 深度学习影像组学模型 | 图像 | 390例子宫内膜癌患者（中心1 310例，中心2 80例） | NA | NA | AUC | NA |
| 592 | 2026-05-03 |
Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils
2026-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70226
PMID:41420073
|
研究论文 | 开发一种基于深度学习的去噪方法，以增强使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI图像质量 | 使用残差UNet架构的监督深度学习模型，将标准头颈线圈的低SNR输入映射到高SNR参考，无需额外硬件即可达到与专用颈部表面线圈相当的图像质量 | 样本量有限，且依赖配对回顾性重建数据，可能未涵盖所有临床扫描场景 | 提高标准线圈获取的颈动脉血管壁MRI图像的信噪比，促进先进颈动脉成像的广泛应用 | 颈动脉血管壁MRI图像，包括2D T1和T2加权TSE、3D TOF-MRA和MPRAGE序列 | 计算机视觉 | 颈动脉疾病 | MRI | CNN | 图像 | 55次扫描，来自一项多中心研究 | PyTorch | 残差UNet | PSNR, SSIM, SNR, CNR, 平均边缘陡度距离（ERD）, Likert评分 | NA |
| 593 | 2026-05-03 |
Teravoxel Microscopy Image Analysis for Neurological Diseases
2026-May, Annual review of biomedical engineering
IF:12.8Q1
|
综述 | 本文综述了光片荧光显微镜在神经疾病研究中与深度学习结合的应用，分析现有计算流程并展望未来挑战 | 系统梳理了深度学习在太像素级脑成像分析中的流程，包括拼接、分割、分类、超分辨率和配准，并针对神经炎症和神经退行性疾病提出潜在解决方案 | 不同动物模型和脑结构的分析流程设计各异，导致可行性和兼容性不足 | 综述LSFM结合人工智能在神经疾病中的应用，分析现有挑战并指出未来方向 | 光片荧光显微镜获取的完整三维脑结构图像 | 数字病理学 | 神经炎症疾病, 神经退行性疾病 | 光片荧光显微镜 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 594 | 2026-05-03 |
Deep learning cascade networks for segmentation of fluorine-18 sodium fluoride positron emission tomography scans of equine metacarpo- and metatarsophalangeal joints outperform atlas-based method
2026-May-01, American journal of veterinary research
IF:1.3Q2
DOI:10.2460/ajvr.25.11.0421
PMID:41702054
|
研究论文 | 使用深度级联网络对马掌指和跖趾关节的氟-18氟化钠正电子发射断层扫描图像进行分割，并评估其性能优于基于图谱的方法 | 首次构建马关节PET图像数据集并应用级联卷积神经网络进行分割，显著提高了分割精度和速度 | 样本量有限（仅84次扫描），且未提及模型在其他类型数据上的泛化能力 | 评估卷积神经网络在马掌指和跖趾关节PET图像分割中的准确性，并与基于图谱的方法比较 | 马掌指和跖趾关节（包括第三掌骨、近端指骨、近端籽骨和软组织）的PET图像 | 计算机视觉 | 马科动物关节疾病 | PET-CT扫描 | 卷积神经网络（CNN） | 图像（PET和CT扫描） | 84次扫描（来自2家机构，测试集8次） | NA | 级联卷积神经网络 | Dice系数 | NA |
| 595 | 2026-05-03 |
A Deep Learning Model for Artery of Adamkiewicz Detection in Bronchial Artery Embolization: A Multicenter Retrospective Study
2026-05, Journal of vascular and interventional radiology : JVIR
IF:2.6Q2
DOI:10.1016/j.jvir.2026.108584
PMID:41740672
|
研究论文 | 评估深度学习模型在支气管动脉栓塞术中识别Adamkiewicz动脉和前脊髓动脉的效果 | 提出了一种结合感兴趣区域感知和渐进式精炼学习网络的深度学习框架，用于在支气管动脉栓塞术中检测脊髓动脉，以提高识别灵敏度和特异性 | 该研究为多中心回顾性研究，样本中仅有3.8%的患者可识别脊髓动脉，可能影响模型的泛化能力 | 评估深度学习模型在支气管动脉栓塞术中预防脊髓动脉非靶向栓塞的有效性 | 2036名2019年1月至2023年12月间因咯血接受初次支气管动脉栓塞术的患者 | 计算机视觉 | 咯血 | 血管造影 | CNN | 图像 | 2036名患者，其中78名（3.8%）可识别Adamkiewicz动脉和前脊髓动脉 | NA | 渐进式精炼学习网络 | 灵敏度、特异性 | NA |
| 596 | 2026-05-03 |
Automated estimation of perivascular space and brain morphometry from deep learning-reconstructed three-dimensional T1-weighted MRI: comparison with the conventional technique
2026-May, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2026.101550
PMID:41887462
|
研究论文 | 评估基于深度学习重建的三维T1加权成像在自动估计脑形态测量和血管周围空间方面的效用 | 首次将深度学习重建技术应用于三维T1加权成像，并与传统技术比较其在精细结构描绘上的优势 | 未提及具体限制 | 评估深度学习重建的三维T1加权成像在改善脑结构描绘方面的能力 | 参与者（正常组和疾病组）及MRI可见的血管周围空间严重程度分组 | 计算机视觉 | 脑血管疾病 | MRI, 深度学习重建 | NA | 图像 | 240名参与者（平均年龄40.8岁，其中正常组144人，疾病组96人，外部数据集63人） | NA | FreeSurfer | 皮质厚度、脑体积、血管周围空间体积及变异性 | NA |
| 597 | 2026-05-03 |
Longitudinal dispersion coefficient modeling in natural streams via newly proposed explainable ensemble learning (ExEL) framework
2026-May, Journal of contaminant hydrology
IF:3.5Q2
DOI:10.1016/j.jconhyd.2026.104931
PMID:41905004
|
研究论文 | 提出可解释集成学习框架，结合多种机器学习模型来预测天然河流纵向弥散系数 | 首次将可解释性方法SHAP与集成学习结合用于纵向弥散系数建模，揭示了影响参数（渠道宽度W和水深H）在不同模型中的重要性差异 | 仅使用美国和英国天然河流数据，未验证其他地理区域；模型泛化能力可能受限于数据多样性 | 开发高精度且可解释的纵向弥散系数预测模型，用于河流污染物传输模拟 | 天然河流纵向弥散系数（Kₓ） | 机器学习 | NA | 机器学习（集成学习框架） | 前馈神经网络(FFNN)、自适应神经模糊推理系统(ANFIS)、支持向量回归(SVR)、卷积神经网络(CNN)、简单平均集成(SAE)、加权平均集成(WAE)、神经平均集成(NAE) | 数值数据（河道宽度、水深、平均流速、剪切流速） | 美国和英国天然河流数据（具体样本量未提及） | Scikit-learn, TensorFlow, PyTorch（推测） | FFNN, ANFIS, SVR, CNN, SAE, WAE, NAE | 均方根误差(RMSE)、决定系数(DC)、曲线下面积(AUC) | NA |
| 598 | 2026-05-03 |
Construction of a deep learning-based predictive model for delayed graft function in kidney transplantation
2026-May, Current urology
IF:0.9Q4
DOI:10.1097/CU9.0000000000000336
PMID:41969322
|
研究论文 | 开发并验证基于深度学习的肾移植术后延迟移植肾功能恢复预测模型 | 首次将CNN-BiGRU混合架构应用于肾移植术后DGF风险预测，并通过SMOTE技术处理类别不平衡问题 | 单中心回顾性研究，样本量有限，外部验证不足 | 构建基于深度学习的DGF风险预测模型，辅助临床决策与个体化治疗 | 接受尸体供肾移植的670名患者 | 机器学习 | 肾脏疾病 | NA | CNN-BiGRU混合模型 | 临床数据 | 670例尸体供肾移植患者 | NA | 双向门控循环单元、卷积双向长短期记忆、卷积门控循环单元、CNN-双向门控循环单元、CNN-双向长短期记忆 | AUC, Matthews相关系数, F1分数, 敏感性, 特异性 | NA |
| 599 | 2026-05-03 |
Application of machine learning and deep learning in metabolic dysfunction-associated steatotic liver disease: a systematic review and meta-analysis
2026-May, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.08.042
PMID:40850679
|
系统综述与meta分析 | 系统回顾和meta分析机器学习与深度学习在代谢功能障碍相关脂肪性肝病（MASLD）诊断中的应用 | 首次通过系统综述和meta分析比较机器学习与深度学习模型在MASLD相关脂肪性肝炎（MASH）和肝纤维化诊断中的性能，识别出最佳模型（如LightGBM、ResNet50、CatBoost） | 多数研究可能来自不同队列，存在异质性，且纳入的深度学习研究数量较少（仅7篇） | 比较不同机器学习与深度学习模型在诊断MASH及其相关肝纤维化中的性能，识别最优模型 | 代谢功能障碍相关脂肪性肝病（MASLD）患者 | 机器学习 | 代谢功能障碍相关脂肪性肝病（MASLD） | NA | 机器学习（如Logistic回归、LightGBM、CatBoost）和深度学习（如神经网络、ResNet50） | NA | 纳入35项研究（机器学习28项，深度学习7项） | NA | Logistic回归, 神经网络, LightGBM, ResNet50, CatBoost | AUROC, 准确率, 特异性, 敏感性, 阳性预测值, 阴性预测值 | NA |
| 600 | 2026-05-03 |
Artificial Intelligence as the Ultimate Operative Assistant
2026-May, Clinics in colon and rectal surgery
IF:1.2Q3
DOI:10.1055/a-2769-1318
PMID:41948160
|
综述 | 本文综述了人工智能在手术各阶段的应用，包括术前规划、术中辅助及机器人手术 | 系统性地梳理了AI在术前分割重建、术中实时决策支持及自主手术机器人等前沿领域的进展 | 指出数据治理、算法透明度、监管、模型泛化性及哲学伦理等问题仍未解决 | 探讨AI在外科领域的潜力与挑战 | AI技术在术前、术中及机器人手术中的应用 | 机器学习 | NA | NA | CNN, 大语言模型, GAN | 图像, 文本, 视频 | NA | NA | Transformer, U-Net, ResNet | 准确率, 分割精度, 实时性 | NA |