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 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2026-06-04 |
Deep Learning for Diagnosis of Disc Herniation in Small Animals: A CNN-Based Approach Using CT Imaging
2026-May, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association
IF:1.3Q2
DOI:10.1111/vru.70161
PMID:42170695
|
研究论文 | 基于深度学习的卷积神经网络模型用于小动物CT图像中的椎间盘突出诊断 | 结合U-Net分割和VGG16分类的迁移学习方法，并采用合成掩膜生成和对比度增强技术提高诊断准确性 | 数据集规模有限，未来需扩展数据集并优化模型以增强临床适用性 | 开发自动化的椎间盘突出检测模型，提升小动物脊柱疾病的诊断效率和准确性 | 小动物（犬猫）的椎间盘突出病变 | 计算机视觉 | 椎间盘疾病 | CT成像 | 卷积神经网络 | CT图像 | 1651张标注CT图像（来自64602次扫描） | PyTorch, Keras | U-Net, VGG16 | 分类准确率 | NA |
| 602 | 2026-06-04 |
Prospective blinded clinical evaluation of a fully automated workflow for prostate radiotherapy
2026-May, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2026.100999
PMID:42232231
|
研究论文 | 前瞻性地评估了用于前列腺放射治疗的全自动工作流程与常规临床工作流程的临床可用性 | 首次在常规临床条件下对结合深度学习分割和计划的全自动工作流程进行了前瞻性、盲法评估 | 自动化靶区勾画一致性较小且临床可接受率略低于常规工作流程，需要进一步优化 | 评估全自动工作流程在前列腺放射治疗中的临床可用性和效率 | 22名连续接受前列腺放射治疗的患者 | 数字病理学 | 前列腺癌 | NA | 深度学习 | 医学影像 | 22名前列腺放疗患者 | 商业治疗计划系统 | NA | 临床可接受率、处理时间 | NA |
| 603 | 2026-06-03 |
Cell segmentation in microscopy images using a SAM-based U-Net architecture and a novel dataset
2026-May-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109470
PMID:42224852
|
研究论文 | 提出了一种基于SAM与多尺度U-Net的混合神经网络mSAMUNet，用于显微镜图像中的细胞分割，并创建了mCellSeg数据集 | 首次将SAM与多尺度U-Net结构结合，利用Transformer的全局建模和CNN的局部特征提取，并通过多尺度分支提升不同大小细胞的分割性能 | 未提及计算资源消耗或模型在低资源环境下的适用性 | 提高显微镜图像中细胞实例分割的准确性，解决密集细胞、模糊边界等问题 | HEK-293T和HUVEC细胞系的微观图像 | 计算机视觉 | 通用（不针对特定疾病） | 显微镜成像 | 混合神经网络（SAM + U-Net） | 图像（显微镜图像） | 200张专家标注的显微镜图像，包含16,199个细胞 | PyTorch | SAM, U-Net, mSAMUNet | F1分数, SA50, SA75, 平均SA | NA |
| 604 | 2026-06-03 |
MNISQ: A Large-Scale Quantum Circuit Dataset for Machine Learning in the NISQ Era
2026-May-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07493-9
PMID:42191975
|
研究论文 | 介绍MNISQ，一个用于NISQ时代机器学习和经典机器学习的大规模量子电路数据集，包含495万个10量子比特电路 | 首次创建了包含495万个电路的量子机器学习大规模数据集MNISQ，支持基于自然语言处理的量子计算模型和深度学习模型开发，并探索了噪声对量子机器学习的影响 | NA | 为NISQ时代的量子与经典机器学习提供一个基础性的大规模数据集，并验证其在不同模型上的有效性 | 量子电路（10量子比特，最多100个双量子比特门），以及对量子编码的经典图像数据（如MNIST）的分类任务 | 自然语言处理, 机器学习 | NA | 量子电路编码 | S4模型, Transformer, LSTM, 量子核方法 | 文本（量子汇编语言QASM文件），量子电路 | 495万个10量子比特电路 | NA | S4, Transformer, LSTM | 准确率 | NA |
| 605 | 2026-06-03 |
A comparative study of deep learning for cortical lesion MRI segmentation with explainability analysis in multiple sclerosis
2026-May-23, NeuroImage. Clinical
DOI:10.1016/j.nicl.2026.104007
PMID:42224860
|
研究论文 | 本研究针对多发性硬化症中皮层病变的MRI分割，比较了多种深度学习方法的性能，并进行了可解释性分析 | 在nnU-Net框架基础上提出适应皮层病变检测的改进，进行分布外测试评估模型泛化能力，并设计医学专家问卷评估临床价值 | 研究指出数据可变性、病变模糊性和协议差异影响模型性能，但未明确提及具体量化限制 | 开发和评估用于多发性硬化症皮层病变MRI分割的深度学习方法，并探索其临床集成可行性 | 多发性硬化症患者的皮层病变MRI图像 | 计算机视觉 | 多发性硬化症 | MRI | CNN（nnU-Net） | 图像（MRI） | 656个MRI扫描，来自四个机构的临床试验和研究数据，采用3T和7T强度、MP2RAGE和MPRAGE序列 | PyTorch（nnU-Net自定义实现） | nnU-Net（自我配置的U-Net变体） | F1-score（域内0.64，域外0.5） | 未在摘要中指定，但nnU-Net通常需GPU（如NVIDIA RTX系列）计算 |
| 606 | 2026-06-03 |
Scalable and cost-efficient custom gene library assembly from oligopools
2026-May-22, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.ady2279
PMID:42172324
|
研究论文 | 提出了一种低成本、可扩展的寡核苷酸池基因文库组装方法OMEGA，并进行了实验验证 | 将计算设计、高通量寡核苷酸合成和Golden Gate组装结合，实现从寡核苷酸池并行组装数百至数千个全长基因，成本低至每基因1.50美元 | 主要依赖于短寡核苷酸的高保真度，可能面临长片段组装错误；文库规模受限于连接位点正交性，且部分合成序列可能需要额外验证 | 开发一种低成本、可扩展的基因文库组装方法，以连接计算蛋白质设计与高通量实验验证 | 来自自然和合成的绿色荧光蛋白变体文库（810个序列） | 机器学习、合成生物学 | NA | DNA合成、Golden Gate组装、高通量测序 | NA | DNA序列数据 | 810个绿色荧光蛋白变体文库 | NA | NA | 序列回收率、均匀性 | NA |
| 607 | 2026-06-03 |
Harnessing CRISPR-Cas Technology for Precision Antimicrobial Targeting
2026-May-21, Current topics in medicinal chemistry
IF:2.9Q3
|
综述 | 本文综述了CRISPR-Cas技术在精准靶向抗菌中的应用，探讨其如何应对抗生素耐药性，并评估该技术的潜力与挑战 | 系统评估CRISPR-Cas与传统抗生素相比的精准靶向优势，并结合递送系统（如接合质粒、噬菌体、纳米颗粒）的最新进展分析其对耐药菌株和病毒（如SARS-CoV-2、乙肝病毒）的治疗潜力 | 未详细说明CRISPR-Cas技术的脱靶效应、体内递送效率或临床转化中的安全性问题 | 评估CRISPR-Cas技术作为精准抗菌工具对抗抗生素耐药性（AMR）的可行性和应用前景 | 耐药菌（如ESKAPE病原体）和病毒（如SARS-CoV-2、乙肝病毒） | 机器学习 | 感染性疾病 | CRISPR-Cas系统 | NA | NA | NA | NA | NA | NA | NA |
| 608 | 2026-06-03 |
Deep-Learning-Based Automatic Segmentation and Quantitative Measurement of Normal Spleen in Chinese Adults
2026-May-21, Current medical imaging
IF:1.1Q3
|
研究论文 | 开发基于深度学习的3D V-Net自动分割CT图像中的正常脾脏，并分析中国成年人的脾脏形态学参数与年龄、性别的关系 | 首次在大规模中国成年人队列中利用深度学习自动分割和量化正常脾脏形态学参数，并揭示了性别和年龄特异性的脾脏体积和衰减模式 | 可能存在残余混杂因素、缺乏对体表人体测量协变量的完全校正以及仅在单一机构中心进行验证 | 建立基于深度学习的自动化脾脏分割和标准化形态学测量流程，提供中国成年人脾脏参考值分布 | 中国成年人的正常脾脏 | 计算机视觉 | 无特定疾病 | CT扫描 | 3D V-Net | CT图像 | 训练集2,856次CT检查；应用和验证集1,520次CT检查（共3,490张图像） | NA | 3D V-Net | Dice相似系数、体积相似性、Hausdorff距离、平均Hausdorff距离 | NA |
| 609 | 2026-06-03 |
Emerging Utility of Artificial Intelligence Driven Medical Robots in Health Care: A Review
2026-May-20, Current pharmaceutical design
IF:2.6Q2
|
综述 | 本文全面审视了人工智能驱动的医疗机器人在诊断、手术、康复和患者护理中的变革能力 | 系统综述了AI驱动的医疗机器人技术，包括手术机器人、诊断机器人、康复机器人和社交辅助机器人，强调其在精准医学和智能化医疗中的重要作用 | 存在伦理困境、数据隐私问题、监管合规性以及临床环境中严格验证的需求等挑战 | 评估AI驱动的医疗机器人系统的现状，评价正在进行的临床试验，并探讨未来发展方向 | AI驱动的医疗机器人，包括手术、诊断、康复和社交辅助机器人 | 机器学习 | NA | NA | CNN, LSTM, GAN | 影像数据、基因数据 | NA | TensorFlow, PyTorch, Keras | NA | NA | NA |
| 610 | 2026-06-03 |
Multimodal Fusion of Endoscopic and Histopathological Images for Lesion Detection Using Hybrid Deep Learning
2026-May-19, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种混合深度学习框架SHF-Net，融合内镜与组织病理图像实现消化道病变检测 | 首次将CNN、ViT和GNN三种网络架构结合，通过多通道注意力机制融合空间、上下文和结构特征，并利用GAN解决数据稀疏问题 | 仅基于单一数据集HyperKvasir验证，未来需扩展至多模态及多样化临床数据集 | 开发自动化系统提升消化道病变检测的准确性和可靠性，减少观察者间差异 | 消化道内镜图像及对应的组织病理图像，涵盖5种病变类别 | 计算机视觉 | 消化道疾病 | 内镜成像, 组织病理成像, GAN数据增强, 染色标准化 | CNN, ViT, GNN, 多通道注意力机制 | 图像 | HyperKvasir数据集包含111,079张标注内镜图像及对应组织病理数据 | PyTorch | SHF-Net（包含CNN、ViT、GNN及多通道注意力模块） | 准确率, 精确率, 召回率, F1分数 | NA |
| 611 | 2026-06-03 |
Molspectra: a general framework for multi-spectra prediction from molecular structures
2026-May-14, Journal of molecular modeling
IF:2.1Q3
DOI:10.1007/s00894-026-06768-7
PMID:42133173
|
研究论文 | 提出一个通用深度学习框架MolSpectra，能够从分子SMILES表示直接预测多模态光谱 | 首次实现无需修改核心模型架构即可预测多种光谱类型，支持实验元数据与分子结构信息的端到端协同输入 | 未提及在更大规模数据集或低资源条件下的泛化能力，且仅基于四个光谱技术（IR、UV-Vis、EI-MS、NMR）进行评估 | 开发一个能够从分子结构预测多模态光谱的通用框架，以克服实验光谱数据稀缺的瓶颈 | 四种光谱技术（红外光谱、紫外-可见光谱、电子电离质谱、核磁共振光谱）对应的六种数据集 | 机器学习 | NA | SMILES表示、RDKit分子图构建、消息传递图神经网络、Transformer | 消息传递图神经网络、Transformer | 光谱数据（IR、UV-Vis、EI-MS、NMR） | NIST数据库IR与UV-Vis数据集、Chemotion数据库IR数据集、基于USPTO反应语料库的模拟IR基准数据集、NIST 23数据库的EI-MS数据集、nmrshiftdb2与HMDB的NMR数据集 | PyTorch、RDKit | 消息传递图神经网络（MPGNN）与序列信号混合聚合（SSMA）、层次距离结构编码（HDSE）、增强Transformer架构 | 余弦相似度、Top-1准确度、平均绝对误差 | NA |
| 612 | 2026-06-03 |
Video-based Detection of Delirium in Hospitalized Adults
2026-May-13, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.11.26352902
PMID:42180362
|
研究论文 | 开发并验证基于视频特征的谵妄分类分析框架 | 通过自动提取视频特征实现客观持续的谵妄检测，使用定制ResNet-101模型优于现成模型 | 样本量较小（109个视频），队列异质性高 | 验证基于视频自动提取特征的谵妄分类可行性 | 住院成人患者（麻州≥18岁，中位年龄72岁） | 计算机视觉 | 谵妄 | DeepLabCut | 支持向量机、逻辑回归、梯度提升、随机森林 | 视频 | 109个视频，来自50名参与者（25名男性和25名女性） | DeepLabCut | ResNet-101 | AUC-ROC、敏感性、特异性 | NA |
| 613 | 2026-06-03 |
A geometry-aware generative framework integrating GPS-VAE and Transformer-SELFIES for structure-based de novo drug design
2026-May-12, Journal of molecular modeling
IF:2.1Q3
DOI:10.1007/s00894-026-06733-4
PMID:42118199
|
研究论文 | 提出结合GPS-VAE和Transformer-SELFIES的几何感知生成框架，用于基于结构的从头药物设计 | 首次将图交互变换器变分自编码器与Transformer-SELFIES结合，实现100%化学有效性，并利用STONED进化算法进行结构优化 | 仅针对JAK2和DRD2两个靶点进行了验证，泛化性有待进一步评估；自动对接评分函数依赖于AutoDock Vina | 开发一种高效的几何感知生成框架，提高基于结构从头药物设计的配体效率和化学有效性 | Janus激酶2和Dopamine D2受体靶点及其活性位点 | 机器学习 | NA | 分子对接、变分自编码器、进化搜索 | 图神经网络、变换器、变分自编码器 | 蛋白质结构、分子结构（SELFIES表示） | NA | PyTorch | GPS-VAE、Transformer-SELFIES、STONED进化算法 | 配体效率、化学有效性 | NA |
| 614 | 2026-06-03 |
Video-based detection of Delirium in hospitalized adults
2026-May, PLOS digital health
DOI:10.1371/journal.pdig.0001462
PMID:42213702
|
research paper | 基于视频特征自动检测住院成人谵妄状态的分析框架开发与验证 | 首次利用深度学习姿态估计从简短视频中自动提取行为特征（眼部、面部、肢体运动与姿势）进行谵妄分类，并对比了定制化ResNet-101模型与现成模型的性能差异 | 样本量较小（109个视频），谵妄样本仅占18%，且数据来自单中心，可能影响模型泛化性 | 开发基于视频行为特征自动分类谵妄状态的客观分析方法，以替代当前主观间歇性筛查工具 | 住院成人患者（≥18岁）的日常谵妄评估与简短视频记录 | computer vision | geriatric disease | deep learning pose estimation | support vector machine, logistic regression, gradient boosting, random forests | video | 109个视频来自25名男性和25名女性参与者（中位年龄72岁） | DeepLabCut | ResNet-101 | AUC ROC, sensitivity, specificity | NA |
| 615 | 2026-06-03 |
Convolutional-transformer fusion of ultrasound and diffuse optical tomography for breast lesion classification
2026-May, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种卷积-Transformer融合框架，整合超声和漫射光断层成像用于乳腺病变分类 | 开发了新型卷积-Transformer-翻译器融合模型，自动结合高分辨率超声图像和低分辨率漫射光断层成像总血红蛋白图像 | 未明确说明 | 提高乳腺病变诊断性能并减少不必要的良性活检 | 287名接受超声和超声引导下漫射光断层成像检查的可疑乳腺病变患者 | 医学影像分析 | 乳腺癌 | 超声成像, 漫射光断层成像 | 卷积神经网络, Transformer | 超声图像, 漫射光断层成像总血红蛋白图像 | 287名患者 | NA | 卷积-Transformer-翻译器 | ROC曲线下面积, 灵敏度, 活检特异性 | NA |
| 616 | 2026-06-03 |
Towards quality control and harmonization of deep learning CT radiomics: An in-silico feasibility study with virtual colorectal liver metastases
2026-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70500
PMID:42169495
|
研究论文 | 本研究通过构建虚拟结直肠肝转移模型，评估不确定性估计和图像协调化策略在深度学习CT影像组学中提高生物标志物预测可靠性的作用 | 首次将不确定性估计作为深度学习影像组学生物标志物预测的可靠性指标，并联合线性协调化滤波器改善跨扫描仪推理的一致性 | 结果仅基于仿真框架验证，尚未在临床CT数据上得到确认，需要进一步的临床验证和转化 | 评估不确定性估计作为生物标志物预测可靠性指标的价值，以及图像协调化在改善跨扫描仪推理中的效果 | 虚拟结直肠肝转移灶（20,000个）嵌入临床CT肝图像中生成的模拟扫描 | 数字病理学 | 结直肠癌肝转移 | CT影像组学 | 深度学习影像组学模型 | 图像 | 20,000个虚拟结直肠肝转移灶嵌入20个临床CT肝图像 | NA | NA | 相关系数, 均方根误差 | NA |
| 617 | 2026-06-02 |
Deep learning-based monitoring and localization in autonomous underwater vehicle networks for aquatic ecosystem analysis
2026-May-31, Journal of environmental science and health. Part A, Toxic/hazardous substances & environmental engineering
DOI:10.1080/10934529.2026.2672257
PMID:42218798
|
研究论文 | 利用深度学习技术在自主水下航行器网络中实现水质监测与定位，以支持水生生态系统分析 | 首次提出基于模糊自定义凸规则来适应水下环境变化，并融合DSRCN方法检测污染 | 未提及模型在不同水域环境的通用性以及实时处理能力限制 | 开发一种能够自动监测和定位水生生态系统中污染事件的方法 | 自主水下航行器网络中的传感器数据和水下图像 | 计算机视觉 | 不适用 | 传感器数据融合、图像预处理 | DSRCN（深度监督残差卷积网络） | 图像、传感器数据 | 不适用（未明确提及样本数量） | 不适用（未提及具体框架） | DSRCN | 准确率 | 不适用（未提及具体计算资源） |
| 618 | 2026-06-02 |
Non-invasive assistive framework for sign language recognition using software-defined radio sensing and deep learning
2026-May-31, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2026.2676031
PMID:42218915
|
研究论文 | 提出一种使用软件定义无线电感知和深度学习进行手语识别的非侵入性辅助框架 | 将软件定义无线电感知与时间序列深度学习相结合，实现非侵入式、保护隐私的美国手语识别，克服传统摄像头或可穿戴设备的局限性 | 仅作为概念验证，样本量较小（20个美国手语符号），实际应用可扩展性有待验证 | 探索基于射频感应的美国手语识别的技术可行性，作为听力障碍人士与健听人群的辅助交流机制 | 美国手语识别的射频信号数据 | 深度学习, 自然语言处理 | 听力障碍 | 软件定义无线电感知, 射频信道状态信息 | 时间序列深度学习 | 射频信号时间序列数据 | 20个美国手语符号 | NA | NA | 准确率（98%） | NA |
| 619 | 2026-06-02 |
Undergraduate medical students and artificial intelligence: A global systematic review and meta-analysis using a knowledge-attitude-practice framework
2026-May-31, Medical teacher
IF:3.3Q1
DOI:10.1080/0142159X.2026.2663855
PMID:42219530
|
系统综述与meta分析 | 使用知识-态度-实践框架对全球本科生医学生人工智能参与度进行系统综述与meta分析 | 首次采用KAP框架综合评估医学生对人工智能的知识、态度与实践之间的关系 | 纳入研究在工具和报告方式上存在高度异质性，定量合成仅限于使用MAIRS-MS量表的11项研究 | 利用KAP框架系统评估本科生医学生参与人工智能的现状 | 全球本科生医学生对人工智能的认知、态度及实践行为 | 机器学习, 自然语言处理 | NA | NA | NA | 文本 | 43项研究，含37项横断面研究和6项心理测量验证研究 | NA | NA | NA | NA |
| 620 | 2026-06-02 |
A Deep Learning-Based 3D Ultrasound Analysis for Standard Sagittal Plane Identification: Technical and Clinical Considerations
2026-May-31, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70316
PMID:42219536
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |