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 1110 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 | 2026-06-05 |
A hyperspectral co-design framework guided by occlusion sensitivity for early mould detection in bamboo
2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127546
PMID:41662805
|
研究论文 | 提出一种基于遮挡敏感性的共设计框架，用于竹子早期霉变的高光谱检测 | 将遮挡敏感性分析作为主动共优化引擎，同时指导模型架构优化和特征波长选择，实现高光谱系统在准确性、效率和可解释性之间的平衡 | 未提及在更大规模或不同环境下验证框架的泛化能力 | 开发一种集成的共设计框架，用于高光谱检测系统，平衡准确性、效率和可解释性 | 高光谱成像数据与深度学习模型 | 计算机视觉 | 竹子霉变 | 高光谱成像 | 卷积神经网络（CNN） | 高光谱图像 | 未明确报告样本数量 | PyTorch | ResNet, ResNet-HS | 准确率 | NA |
| 582 | 2026-06-05 |
Artificial Intelligence-Assisted Pathogen Detection: Algorithms, Biosensing Platforms, and Applications
2026-May-05, Biosensors
DOI:10.3390/bios16050267
PMID:42187463
|
综述 | 系统回顾人工智能在病原体检测中的应用，包括算法、生物传感平台及其应用，并提供一个综合分析框架 | 克服了现有综述往往聚焦单一模态（如仅成像或仅分子诊断）的局限性，提供了新颖的综合分析框架 | 面临数据标准化、模型泛化性、可解释性和临床转化等关键挑战 | 为人工智能、生物传感和临床医学交叉领域的研究人员和临床医生提供全面参考和未来发展方向 | 病原体检测中的成像数据、分子诊断数据、传感器信号、显微图像和多模态数据 | 机器学习 | 感染性疾病 | NA | 机器学习、深度学习 | 成像数据、分子诊断数据、传感器信号、显微图像、多模态数据 | NA | NA | NA | 检测灵敏度、特异性、自动化水平、即时检测能力 | NA |
| 583 | 2026-06-05 |
A multi-modal deep learning framework for enhanced breast cancer diagnosis using mammograms and clinical data
2026-May-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48085-2
PMID:42071031
|
研究论文 | 提出一种多模态深度学习框架，整合乳腺X线图像与结构化临床数据，提升乳腺癌诊断准确性 | 采用层次化融合方法，结合跨模态注意力机制和动态模态加权，并集成感兴趣区域关注模块，用于高效整合异质特征 | 使用了基于已知风险因素分布合成的临床变量，而非真实配对数据，可能影响模型在实际临床中的表现 | 改进乳腺癌诊断的准确性和可解释性，解决组织重叠、高乳腺密度和细微病变特征导致的诊断难题 | 乳腺X线图像和结构化临床数据（合成变量） | 计算机视觉, 机器学习 | 乳腺癌 | NA | 深度学习 | 图像, 结构化数据 | NA | PyTorch, TensorFlow | 层次化融合网络, 跨模态注意力机制 | 准确率, AUC, 置信区间 | NA |
| 584 | 2026-06-05 |
Introducing AutoML framework for drug-drug interaction prediction: application of AutoGluon
2026-May, Toxicology mechanisms and methods
IF:2.8Q2
DOI:10.1080/15376516.2026.2628929
PMID:41654993
|
研究论文 | 首次将AutoGluon AutoML框架应用于药物相互作用预测，利用分子特征自动简化模型开发 | 首次将AutoML框架AutoGluon应用于药物相互作用预测，无需手动调参即可实现高效建模 | 仅使用单模态分子特征，未涉及多模态数据或更大规模数据集验证 | 通过自动化机器学习简化药物相互作用预测模型的开发流程 | 来自DrugBank的10万对药物对 | 机器学习 | NA | AutoML | AutoGluon-Tabular | 分子特征（2D分子描述符、Morgan指纹及其组合） | 100,000对药物对 | AutoGluon | NA | 准确率、AUC | NA |
| 585 | 2026-06-05 |
Cardiac MR function analysis with DL-based super resolution reconstruction: application in the clinical setting
2026-May, The international journal of cardiovascular imaging
DOI:10.1007/s10554-026-03642-8
PMID:41656477
|
研究论文 | 比较基于深度学习的超分辨率重建与标准并行采集技术在心脏磁共振功能分析中的体积测量、图像质量和采集时间差异 | 首次在临床环境中评估深度学习超分辨率重建结合压缩感知采集（C-SENSE）对心脏磁共振成像的加速效果和图像质量影响 | 单中心回顾性研究，样本量较小（31例），未评估病理状态下的诊断准确性 | 评估深度学习超分辨率重建在心脏MR功能分析中的临床应用价值，特别是缩短采集时间而不损失体积分析准确性 | 31例接受心脏磁共振检查的患者（平均年龄61.2岁，26%女性，74%男性） | 计算机视觉 | 缺血性和非缺血性心肌病 | 心脏磁共振成像（MRI），压缩敏感编码（C-SENSE），并行成像（SENSE） | 深度学习超分辨率重建（DL-based super resolution） | 图像 | 31例患者 | NA | 深度学习去噪与超分辨率重建算法 | 相关系数（r），平均差异，一致性界限（LoA），Likert量表评分 | 1.5T Philips Ingenia MRI扫描仪 |
| 586 | 2026-06-05 |
Artificial intelligence for schizophrenia: from unimodal prediction to multimodal characterization
2026-May-01, Current opinion in psychiatry
IF:7.5Q1
DOI:10.1097/YCO.0000000000001076
PMID:41661188
|
综述 | 综述了人工智能在精神分裂症诊断、治疗、管理和表征中的应用进展，涵盖神经影像、电生理、电子健康记录和基因组数据等多种模态 | 从单模态预测向多模态综合表征转变的趋势，包括多模态融合方法、数据驱动的亚组学习、脑网络和精神病连续谱研究，以及大规模多模态数据集、基础模型和机制可解释性方法的兴起 | 将人工智能模型转化为临床工具仍需关注患者隐私和数据偏倚，并在不同人群和环境间进行严格验证 | 调研人工智能驱动的精神分裂症诊断、治疗、管理和表征方法，聚焦从单模态到多模态的综合表征转变 | 精神分裂症患者的相关数据，包括神经影像、电生理、电子健康记录和基因组数据 | 机器学习 | 精神分裂症 | NA | NA | 神经影像、电生理数据、电子健康记录、基因组数据 | NA | NA | NA | NA | NA |
| 587 | 2026-06-05 |
Teravoxel Microscopy Image Analysis for Neurological Diseases
2026-May, Annual review of biomedical engineering
IF:12.8Q1
|
综述 | 综述用于神经疾病研究的太像素级显微镜图像分析方法，重点介绍光片荧光显微镜（LSFM）与深度学习技术的结合及其在神经炎症和神经退行性疾病中的应用 | 系统总结了LSFM从成像到人工智能分析的完整流程，并针对不同动物模型和脑结构的分析管道兼容性问题提出了潜在解决方案 | 不同动物模型和脑结构的分析管道设计差异导致可行性和兼容性挑战 | 综述LSFM与深度学习在神经疾病研究中的应用现状、挑战及未来方向 | 光片荧光显微镜图像分析管道、神经炎症和神经退行性疾病相关细胞形态标志物 | 计算机视觉 | 神经退行性疾病 | 光片荧光显微镜、组织透明化技术 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 588 | 2026-06-05 |
Interpretable MRI-based Multiparametric Radiomics for Preoperative Prediction of CMS4 Colorectal Cancer
2026-May, Radiology
IF:12.1Q1
DOI:10.1148/radiol.251719
PMID:42153825
|
研究论文 | 基于术前多参数MRI的放射组学机器学习模型预测结直肠癌CMS4亚型，并结合转录组分析验证其生物学可解释性 | 首次将MRI放射组学特征与转录组分析相结合，实现CMS4亚型的可解释性预测，并揭示与TGF-β和上皮-间充质转化通路的关联 | 样本量有限（253例），且为回顾性多中心研究，需要进一步前瞻性验证 | 评估基于放射组学的机器学习方法预测结直肠癌CMS4亚型的效能及其生物学相关性 | 结直肠癌患者的术前多参数MRI数据及病理组织样本 | 数字病理学 | 结直肠癌 | MRI（T2加权成像和对比增强T1加权成像）、RNA测序、单细胞RNA测序 | 机器学习模型（放射组学）、深度学习模型（ResNet50、VGG16、DenseNet201） | 图像（MRI）和基因组数据（RNA测序） | 253例结直肠癌患者（中位年龄63岁，IQR 55-69岁，163名男性） | NA | ResNet50、VGG16、DenseNet201 | AUC（受试者工作特征曲线下面积）、风险比（HR） | NA |
| 589 | 2026-06-05 |
A Two-Stage EEG Microstate Fusion Framework for Dementia Screening and Alzheimer's Disease/Frontotemporal Dementia Differentiation
2026-May-01, Biosensors
DOI:10.3390/bios16050258
PMID:42187454
|
研究论文 | 提出了一种基于脑电微状态的两阶段分层深度学习框架，用于痴呆筛查和阿尔茨海默病与额颞叶痴呆的鉴别 | 通过任务解耦的两阶段层次结构，避免了传统统一模型中的epoch级数据泄露和多类特征竞争问题；利用匈牙利匹配建模连续微状态序列，并集成无归一化1D-CNN和Multi-Head Attention，提升了性能 | 需要在大规模外部数据集上进一步验证框架的泛化能力 | 开发一种可重复、可解释的辅助工具，用于临床神经学中的痴呆筛查和亚型区分 | 静息态脑电微状态动态特征 | 机器学习 | 阿尔茨海默病、额颞叶痴呆 | 静息态脑电图 | 1D-CNN-NFNet，Multi-Head Attention | 脑电微状态序列 | 本文未明确说明具体样本量，但评估使用了严格的受试者级LOOCV协议 | NA | 1D-CNN-NFNet，Multi-Head Attention | AUC，特异性，平衡准确率 | NA |
| 590 | 2026-06-05 |
Performance of Deep Learning Models in Endoscopic Severity Assessment of Inflammatory Bowel Disease: A Systematic Review
2026-May, Cureus
DOI:10.7759/cureus.108178
PMID:42238140
|
综述 | 系统综述深度学习模型在炎症性肠病内镜严重程度评估中的表现 | 首次系统综述深度学习模型在溃疡性结肠炎和克罗恩病内镜严重程度评估中的诊断准确性，并评估其临床工作流程优化潜力 | 研究间异质性较大，进行了叙述性综合，且部分研究报告不充分导致偏倚风险不明确 | 评估深度学习模型在炎症性肠病内镜严重程度评估中的诊断性能 | 溃疡性结肠炎或克罗恩病患者的内镜图像和视频 | 计算机视觉 | 炎症性肠病（溃疡性结肠炎、克罗恩病） | NA | 卷积神经网络、视觉Transformer | 图像、视频 | 12项研究 | NA | 卷积神经网络、视觉Transformer | AUROC、加权F1分数、准确率 | NA |
| 591 | 2026-06-04 |
A bibliometric analysis of artificial intelligence in anatomy education: Current situation, hot spots, and global trends
2026-May-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000049128
PMID:42216413
|
文献综述 | 通过文献计量分析揭示人工智能在解剖学教育中的研究现状、热点与全球趋势 | 首次系统性地通过文献计量方法分析人工智能在解剖学教育中的发展脉络和主题演变 | 仅基于Web of Science数据库的英文文献，可能存在语言和数据库偏倚 | 识别人工智能在解剖学教育领域的研究热点与趋势，为未来研究方向提供基础 | Web of Science数据库中2005至2024年间发表的184篇相关英文出版物 | 自然语言处理 | NA | NA | 大型语言模型 | 文献元数据 | 184篇论文 | R, VOSviewer, CiteSpace, Excel | NA | NA | NA |
| 592 | 2026-06-04 |
Conditionally Site-Independent Neural Evolution of Antibody Sequences
2026-May-26, ArXiv
PMID:41822160
|
研究论文 | 提出CoSiNE模型，利用深度神经网络参数化的连续时间马尔可夫链，弥合深度学习与系统发育模型在抗体序列进化分析中的差距 | 首次将深度神经网络与连续时间马尔可夫链结合，实现对抗体序列进化过程中上位效应的显式建模，并理论证明其突变过程的一阶近似误差边界；提出Guided Gillespie采样方案，实现推理时对抗体结合亲和力的定向优化 | NA | 建立能够同时捕捉抗体序列进化动态和上位相互作用的计算方法，提升零样本变异效应预测和抗体结合亲和力优化能力 | 抗体序列的进化动力学过程 | 机器学习 | NA | 深度神经网络、连续时间马尔可夫链 | 混合模型 | 序列数据 | NA | NA | CoSiNE | 零样本变异效应预测准确性 | NA |
| 593 | 2026-06-04 |
Imaging Features of Herpetic Interstitial Keratitis by Anterior Segment Optical Coherence Tomography
2026-May-26, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004196
PMID:42228428
|
研究论文 | 利用前段光学相干断层扫描（AS-OCT）分析疱疹性间质性角膜炎（HIK）的影像特征 | 首次系统描述活动性HIK在AS-OCT上的特征，包括前基质高反射、模糊边界和凸形后轮廓，并发现上皮厚度在HIK与基质瘢痕中的差异 | 样本量小（仅27例）；缺乏深度学习算法验证；未包含非活动期病例对照 | 探索AS-OCT在鉴别活动性HIK与既往基质瘢痕中的临床应用价值 | 活动性HIK患者（HSV或VZV感染）及基质瘢痕患者 | 数字病理学 | 感染性角膜炎 | 前段光学相干断层扫描（AS-OCT） | NA | 图像 | 27例活动性HIK（17例HSV，10例VZV）和9例基质瘢痕 | NA | NA | 与裂隙灯诊断的符合率 | NA |
| 594 | 2026-06-04 |
Hypergraph-Based Dual-Channel Improved Variational Autoencoder with Cross-Attention for Compound-Protein Interactions Identification
2026-May-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00027
PMID:42077155
|
研究论文 | 提出一种基于超图的双通道改进变分自编码器与多头交叉注意力机制，用于识别化合物-蛋白质相互作用 | 创新性地构建了双通道超图（化合物/蛋白质互为超边和节点），并整合改进变分自编码器与多头交叉注意力机制，以同时提取节点特征和超图拓扑信息 | 未明确讨论模型在极度不平衡数据或大规模蛋白质组上的扩展性及过拟合风险 | 开发一种理论计算方法，准确识别化合物-蛋白质相互作用，辅助早期药物发现和药物重定位 | 化合物-蛋白质相互作用（CPI） | 机器学习 | NA | 计算机模拟 | 改进的变分自编码器(VAE)、深度神经网络(DNN)、多头交叉注意力机制 | 表格数据（化合物-蛋白质相互作用数据） | 基准数据集，采用5折交叉验证；另外使用DrugBank、GPCR、KIBA和Human数据集 | NA | 改进的变分自编码器、多头交叉注意力、深度神经网络 | 准确率、敏感度、特异性、精确率、马修斯相关系数、ROC曲线下面积、精确率-召回率曲线下面积 | NA |
| 595 | 2026-06-04 |
Emerging applications of traditional and generative artificial intelligence in Liver Transplantation
2026-May-25, Liver transplantation : official publication of the American Association for the Study of Liver Diseases and the International Liver Transplantation Society
IF:4.7Q1
DOI:10.1097/LVT.0000000000000914
PMID:42190268
|
综述 | 这篇综述系统总结了传统人工智能和生成式人工智能在肝移植全流程中的新兴应用，涵盖患者选择、供受者匹配、术中管理和术后护理等环节 | 首次系统整合了自2023年以来生成式AI和大语言模型在肝移植中的扩展应用，包括从结构化数据到非结构化数据的多模态推理和临床信息提取 | 实际临床应用仍受限于本地验证、工作流程集成和基础设施需求等挑战 | 综述AI在肝移植患者全流程中的最新发展，从慢性肝病管理到长期术后结局 | 肝移植患者、供受者匹配、移植物存活、术后并发症等 | 机器学习 | 肝移植相关疾病 | NA | 传统机器学习（随机森林、梯度提升）、深度学习（CNN、RNN）、生成式AI（LLM） | 结构化临床数据集、非结构化数据、影像数据、组学数据 | NA | NA | 随机森林、梯度提升、神经网络、循环架构、多任务框架 | NA | NA |
| 596 | 2026-06-04 |
PL-PatchSurfer3: improved structure-based virtual screening for structure variation using 3D Zernike descriptors
2026-May-14, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01224-3
PMID:42135840
|
研究论文 | 提出了一种改进的基于表面斑块的虚拟筛选方法PL-PatchSurfer3，利用3D Zernike描述符稳健处理受体结构变异 | 引入了氢键互补性的精确定义和可见性（捕捉局部曲率）两个关键改进，对全息、未结合、建模及AlphaFold预测的受体结构均表现稳健 | NA | 提高基于结构的虚拟筛选对受体结构变异的鲁棒性和筛选性能 | 受体和药物分子的结合位点表面斑块 | 分子计算 | NA | NA | NA | 分子结构数据 | NA | NA | NA | NA | NA |
| 597 | 2026-06-04 |
Deep learning-assisted versus manual reading in routine cervical cytopathology: a multicentre randomised crossover trial
2026-May-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02703-5
PMID:42086920
|
临床试验 | 该项多中心交叉随机试验评估了深度学习系统在常规宫颈细胞学检查中相较于人工读片的诊断效果，结果显示深度学习能显著提高敏感性和效率而不牺牲特异性 | 首次通过多中心随机交叉试验评估深度学习在宫颈细胞学中对非专家病理学家的辅助效果，超越仅关注准确性的先验工作，同时验证了灵敏度和工作效率的提升 | 仅包含非专家病理学家，未评估对专家病理学家的效果；试验设计可能受洗脱期影响；样本量有限，需更大规模验证 | 评估深度学习系统在常规宫颈细胞学检查中对诊断准确性和效率的临床效用 | 1920名18岁及以上接受液基细胞学宫颈癌筛查的女性 | 数字病理学 | 宫颈癌 | 液基细胞学 | 深度学习模型 | 宫颈细胞学数字化图像 | 1920名女性患者的宫颈细胞学涂片 | NA | NA | 敏感性, 特异性, 读片时间 | NA |
| 598 | 2026-06-04 |
Neuron Segment Connectivity Prediction With Multimodal Features for Connectomics
2026-May, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3658169
PMID:41587252
|
研究论文 | 提出一种利用多模态特征进行神经元片段连接预测的自动校对流水线，用于连接组学分析 | 创新性地融合全局三维形态特征和高分辨率局部图像上下文，通过提议式图像特征采样提高多模态交叉注意力效率，构建模拟人工校对的自动合并流水线 | NA | 解决大规模电子显微镜数据中神经元重建的过度分割问题，实现自动化神经元片段合并 | 大规模电子显微镜数据集中的神经元片段 | 计算机视觉 | NA | 电子显微镜成像 | 深度学习网络 | 图像 | NA | PyTorch | 连接点检测网络、连接性预测网络 | NA | NA |
| 599 | 2026-06-04 |
Knowledge-guided multi-geometric window transformer for cardiac cine MRI reconstruction
2026-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103936
PMID:41604895
|
研究论文 | 提出一种基于知识引导的多几何窗口变换器用于心脏电影 MRI 重建，以加速成像并提升图像质量 | 提出 KGMgT 网络，创新性地采用自适应时空注意力机制推断相邻心脏帧的运动轨迹并结合 Transformer 驱动的动态特征聚合建立长距离依赖，实现全局信息整合 | NA | 开发一种高效的深度学习网络用于心脏电影 MRI 快速重建，辅助临床诊断和决策 | 心脏电影 MRI 重建任务中的图像序列 | 计算机视觉 | 心血管疾病 | MRI | Transformer | 图像 | NA | NA | KGMgT（多几何窗口 Transformer） | NA | NA |
| 600 | 2026-06-04 |
Data-related Ablation for Reinforcing Deep Learning in Explaining Complex Phenomena
2026-May, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065726500061
PMID:41612853
|
研究论文 | 提出一种数据消融方法，用于评估深度学习模型是否真正学习了相关模式，而非依赖数据中的偏差 | 提出数据相关消融框架，作为传统架构消融的补充，通过分析模型在移除关键特征后的表现来区分稳健学习与偶然特征依赖 | 未明确说明局限性，但可能受限于案例研究的特定领域（脑电图信号的情绪识别与运动执行） | 开发一种评估深度学习模型可靠性和泛化能力的方法，确保模型真正捕捉目标现象而非数据偏差 | 深度学习模型对复杂现象的解释能力，特别是脑电图信号中的情绪识别与运动执行任务 | 机器学习 | NA | NA | 深度学习模型 | 脑电图信号 | 未明确说明样本量，涉及脑电图信号的情绪识别与运动执行数据集 | NA | NA | 模型准确率 | NA |