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 1154 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2026-06-18 |
[Current applications and prospects of artificial intelligence in perioperative comprehensive management for gastrointestinal surgery]
2026-Jun-01, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
综述 | 系统回顾人工智能在胃肠外科围手术期全流程管理中的应用现状与未来展望 | 首次全面梳理人工智能从术前、术中到术后全围手术期路径的应用，并展望联邦学习与大语言模型的未来潜力 | 数据孤岛、算法不透明及伦理法规等限制临床转化的挑战 | 探讨人工智能在胃肠外科围手术期综合管理中的当前应用与未来前景 | 胃肠外科围手术期管理（包括术前、术中及术后各阶段） | 机器学习 | 胃肠癌 | NA | 深度学习 | 图像、文本、多模态数据 | NA | NA | NA | NA | NA |
| 502 | 2026-06-18 |
Pythia provides deep learning-driven precision in CRISPR-Cas9 genome engineering
2026-Jun, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02818-2
PMID:40890501
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 503 | 2026-06-18 |
Cardiac magnetic resonance imaging in the German National Cohort (NAKO): Automated segmentation of short-axis cine images and post-processing quality control
2026 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101958
PMID:40946969
|
研究论文 | 基于nnU-Net深度学习模型对德国国家队列（NAKO）中29908名参与者的心脏磁共振短轴电影图像进行自动分割及后处理质量控制 | 首次在大规模多中心队列（NAKO）中应用全自动分割与多维度质量控制流程，结合可视化评估与客观指标（如时间-容积曲线）优化数据筛检效能 | 未在摘要中明确说明外部验证或跨中心泛化性评估 | 建立稳健的CMR图像自动化分割与质量控制流程，为定量分析提供可靠数据集 | 左心室和右心室的结构与功能参数（舒张末期容积、收缩末期容积、心肌质量） | 计算机视觉, 数字病理学 | 心血管疾病 | 心脏磁共振成像 | 深度学习语义分割 | 医学图像 | 29908名参与者（基线数据） | NA | nnU-Net | 受试者工作特征曲线下面积（AUC） | NA |
| 504 | 2026-06-18 |
AI Models for Surgical Decision Support in Spontaneous Intracerebral Hemorrhage: A Systematic Review in Relation to Trials and Guidelines
2026-Jun, Neurocritical care
IF:3.1Q2
DOI:10.1007/s12028-026-02501-7
PMID:41942817
|
系统综述 | 对自发性脑出血手术决策支持中的人工智能模型进行系统综述，并将其与主要临床试验和指南进行对比分析 | 首次将AI模型输入、预测目标和输出与ENRICH、MIND等7项主要手术试验和AHA/ASA指南进行交叉映射，识别AI操作化试验相关构念的领域及AI衍生预测因子对未来试验设计的假设生成价值 | 纳入研究多为单中心设计（13/21），主要来自中国、美国和德国，可能影响结果泛化性；部分研究未明确与试验标准对齐（8/21无明确关联） | 系统梳理AI模型在自发性脑出血围手术期影像分析和手术决策支持中的应用，并评估其与临床试验和指南的一致性 | 自发性脑出血患者的围手术期影像数据（主要为非对比CT，一项研究使用MRI）及AI预测模型 | 机器学习 | 脑出血 | 非对比CT成像、MRI | 深度学习（14/21）、经典机器学习（4/21）、影像组学方法（2/21） | 影像（CT、MRI） | 37篇文献中21项符合条件的研究，多数为单中心队列 | NA | NA | NA | NA |
| 505 | 2026-06-18 |
Establishment of a novel deep learning-based method for gait analysis after peripheral nerve injury in pigs
2026-Jun, Regenerative therapy
IF:3.4Q2
DOI:10.1016/j.reth.2026.101103
PMID:41948479
|
研究论文 | 基于深度学习的猪外周神经损伤后步态分析方法建立 | 首次将深度学习姿态估计方法应用于中型到大型动物（猪）的外周神经损伤后步态分析，实现了步态参数的定量和客观评估 | NA | 建立一种基于深度学习的步态分析方法，用于评估猪外周神经损伤后的运动功能恢复情况 | 猪的外周神经损伤模型和健康对照组 | 计算机视觉 | 外周神经损伤 | 深度学习姿态估计 | 神经网络 | 视频 | 健康猪4只，神经损伤模型猪3只 | NA | NA | 准确率 | NA |
| 506 | 2026-06-18 |
Automated detection of pediatric forearm fractures in X-ray images using deep learning
2026-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01061-x
PMID:42091806
|
研究论文 | 利用深度学习技术（CNN和ViT）开发并验证用于自动检测儿童前臂骨折的模型 | 首次将CNN与Vision Transformer结合应用于儿童前臂骨折的X光片自动检测，并对比了13种模型性能 | 未提及模型在真实临床环境中的泛化能力或对罕见骨折类型的检测效果 | 开发并验证基于深度学习的前臂骨折自动检测模型，以减少漏诊风险 | 517名1-14岁儿童的前臂正位和侧位X光片 | 计算机视觉, 数字病理 | 儿童前臂骨折 | X光成像 | CNN, Vision Transformer | 图像 | 517名患者，共1034张X光片（正位和侧位） | PyTorch | VGG, ResNet, DenseNet, ViT | 敏感性, 特异性, 平衡准确率, AUC | NA |
| 507 | 2026-06-18 |
Artificial Intelligence in Peripheral Artery Disease: A Science Advisory From the American Heart Association
2026-Jun, Circulation. Population health and outcomes
DOI:10.1161/HCQ.0000000000000146
PMID:42131925
|
专家建议/综述 | 本科学建议综述了人工智能在外周动脉疾病诊疗全过程中的当前与新兴应用 | 系统梳理了人工智能在外周动脉疾病筛查、影像诊断、结果预测、动脉瘤风险评估和手术规划等多环节的应用现状与潜力 | 实际部署受限于临床培训不足、监管不明确、数据治理挑战和获取渠道不公等问题 | 指导临床医生、研究人员和政策制定者负责任地将人工智能整合到外周动脉疾病的诊断与管理中 | 外周动脉疾病患者及相关诊疗流程 | 机器学习 | 外周动脉疾病（心血管疾病） | NA | 机器学习、深度学习模型 | 结构化与非结构化电子病历数据、临床、遗传、行为及生物标志物数据 | NA | NA | NA | 自动化检测、预测不良心血管事件和肢体事件、影像诊断准确性 | NA |
| 508 | 2026-06-18 |
Advancing stuttering detection: A systematic review and meta-analysis of artificial intelligence-based models
2026-Jun, Journal of fluency disorders
IF:2.1Q1
DOI:10.1016/j.jfludis.2026.106222
PMID:42190310
|
系统综述与荟萃分析 | 系统综述和荟萃分析人工智能模型在口吃检测中的应用，评估其测量目标与患者实际体验的一致性 | 首次系统综合AI口吃检测领域的方法学异质性，并引入随机效应荟萃分析量化模型性能，批判性指出当前系统主要测量外部可观察的言语行为而非患者主观体验维度 | 纳入研究的方法和概念高度异质性导致荟萃分析估计的置信区间较宽；多数研究缺乏对患者体验维度（如预期性、努力感、失控感）的考虑 | 综合评估基于人工智能的口吃检测技术现状，分析模型设计目标与实际口吃体验之间的关系 | 44篇关于AI口吃检测的研究文献 | 机器学习 | 口吃 | 传统机器学习、深度学习、自监督语音表示、端到端架构 | 深度学习模型（CNN、RNN等）、传统机器学习分类器 | 语音数据 | 44篇研究文献 | NA | 传统机器学习分类器、深度学习模型（CNN、RNN等），具体模型架构报告中未明确列出 | 准确率、F1分数 | NA |
| 509 | 2026-06-18 |
Multimodal Artificial Intelligence for Cardiac Amyloidosis Diagnosis: Integrating Echocardiography With Clinical and Laboratory Data for Improved Detection
2026-Jun, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.126.019610
PMID:42200278
|
研究论文 | 整合超声心动图、临床和实验室数据的多模态人工智能模型用于心脏淀粉样变性诊断 | 首次将临床、实验室和超声心动图生物标志物整合到现有基于TTE的人工智能模型中，显著提升心脏淀粉样变性检测性能 | 未在外部数据集验证，可能受到回顾性研究设计的限制 | 评估整合临床、实验室和超声心动图生物标志物能否改善现有基于TTE的AI模型对心脏淀粉样变性的检测性能 | 心脏淀粉样变性患者和对照人群 | 数字病理学、机器学习 | 心脏淀粉样变性 | 超声心动图、实验室检测 | 深度学习模型 (Us2.Ca) 和集成模型 (AI-ECM) | 临床数据、实验室数据、超声心动图图像特征 | 727名CA患者和316名对照（包括202名疑似转甲状腺素蛋白CA但诊断阴性者和114名无心外轻链淀粉样变性患者） | NA | Us2.Ca (基于深度学习的TTE模型), AI-ECM (集成模型) | AUC、准确率、敏感性、特异性 | NA |
| 510 | 2026-06-18 |
The Evolving Landscape of Clinical Aging Clocks: From Epigenetic to Multi-Omics Integration
2026-Jun, Aging cell
IF:8.0Q1
DOI:10.1111/acel.70579
PMID:42304052
|
综述 | 总结了从表观遗传时钟到多组学整合的衰老时钟的发展现状 | 强调了从传统表观遗传时钟向多组学整合时钟的转变，并突出了人工智能在构建高维多模态衰老时钟中的作用 | NA | 综述衰老时钟的研究进展，探讨其从表观遗传到多组学整合的演变及其在预防医学和临床实践中的应用潜力 | 衰老时钟，包括表观遗传、转录组、蛋白质组、代谢组、微生物组及功能生物标志物 | 机器学习 | 老年性疾病 | NA | 集成学习, 深度学习 | 多组学数据 | NA | NA | NA | 准确性, 可解释性, 泛化能力 | NA |
| 511 | 2026-06-18 |
Multi-omic analysis of deep learning-derived phenotypes links ophthalmic imaging to cardiovascular and neurological traits
2026-Jun, Nature cardiovascular research
IF:9.4Q1
DOI:10.1038/s44161-026-00815-5
PMID:42304076
|
研究论文 | 利用多组学分析，将眼部成像特征与心血管及神经系统性状相关联，揭示了眼睛作为全身健康复合指标的作用 | 首次通过视网膜对抗自编码器从OCT和彩色眼底照片中提取嵌入特征，并整合生理、放射组学、代谢组学和基因组学数据，全面揭示眼部成像与多系统疾病的关联 | 未明确说明样本偏倚、模型泛化性或因果推断的局限性 | 探索眼部成像特征与心血管及神经退行性疾病风险的关联，并识别可能的生物学中介机制 | 英国生物银行（UK Biobank）中的光学相干断层扫描（OCT）图像和彩色眼底照片 | 计算机视觉, 机器学习 | 缺血性心脏病, 脑血管疾病, 帕金森病, 痴呆 | 多组学分析, 对抗自编码器 | 对抗自编码器（Adversarial Autoencoder） | 图像（OCT和眼底照片）, 生理数据, 放射组学数据, 代谢组学数据, 基因组学数据 | NA（具体数量未在摘要中提及） | NA（未在摘要中指定） | 对抗自编码器（Adversarial Autoencoder） | NA（未在摘要中提及具体指标） | NA（未在摘要中提及） |
| 512 | 2026-06-18 |
AI-augmented ECG for pre-echocardiography triage: a tool to optimize cardiac imaging utilization
2026-Jun, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag082
PMID:42305247
|
研究论文 | 开发并验证一种基于12导联心电图图像的AI工具，用于在超声心动图检查前预测主要心脏异常，以优化心脏影像的利用 | 利用标准12导联心电图图像作为输入，通过集成深度学习模型实现对主要超声心动图异常（包括射血分数降低、瓣膜性心脏病和肺动脉高压）的预测，作为超声心动图前的预筛工具 | 研究来自单一三级心脏护理中心，可能存在选择偏倚；模型需要进一步在不同人群中进行前瞻性验证 | 开发一种可扩展、成本效益高的AI筛查工具，在不影响诊断准确性的前提下减少不必要的超声心动图转诊 | 从三级心脏护理中心收集的51055名15岁及以上患者，这些患者在2021年1月至2024年2月间同一天进行了心电图和超声心动图检查 | 计算机视觉 | 心血管疾病 | 深度学习 | 集成深度学习模型 | 图像 | 52817份ECG-超声心动图配对的样本，其中训练集40796份、周期监测集2148份、测试集9873份，外部验证集20053份 | NA | 集成3个深度学习模型 | AUROC、PRAUC、敏感度、特异度、阳性预测值、阴性预测值 | NA |
| 513 | 2026-06-18 |
Artificial intelligence-assisted prediction of bile duct bifurcation site in pure laparoscopic donor right hepatectomy: a retrospective feasibility study
2026-Jun, Annals of surgical treatment and research
IF:1.2Q3
DOI:10.4174/astr.2026.110.6.359
PMID:42306410
|
研究论文 | 开发并评估一种深度学习模型，用于在纯腹腔镜供体右肝切除术中预测胆管分叉部位 | 将UNet与MiT-B3编码器结合，并利用专家审核的伪标签优化模型，实现胆管分叉部位的高精度预测 | 定量评分（如Dice系数、IoU）较低，样本量有限（55例手术） | 提高纯腹腔镜供体右肝切除术中胆管分叉部位识别的准确性 | 活体肝移植供体的胆管分叉部位 | 计算机视觉 | 肝病 | NA | 深度学习模型 | 图像 | 55例手术，150张手动标注帧和901张伪标签帧 | PyTorch | UNet, MiT-B3编码器 | 准确率、Dice相似系数、交并比、敏感性、特异性 | NA |
| 514 | 2026-06-17 |
Toxicologic Pathology Forum*: Virtual Staining of Nonclinical Study Slides-A Brief Review of the Current Status and Future Opportunities
2026-Jun, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233261426348
PMID:41863851
|
综述 | 该综述简要回顾了非临床研究切片虚拟染色的现状与未来机遇 | 系统总结了虚拟染色技术在组织学评估中的应用，包括未染色组织直接虚拟染色和染色间转换，并讨论了在非临床药物开发和发现病理学中的潜在应用 | 虚拟染色在非临床研究中应用面临资格验证、组织学质量、生成式人工智能问题、训练材料获取和基础设施等障碍 | 综述虚拟染色技术在非临床研究切片中的应用现状和未来发展方向 | 非临床研究中的组织切片，包括常规福尔马林固定石蜡包埋组织、部分处理或完整组织 | 计算机视觉, 数字病理学 | 不适用 | 虚拟染色技术 | 深度学习神经网络 | 图像 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 515 | 2026-06-17 |
Long term evolutions of hard exudates after anti-VEGF therapy for diabetic macular oedema
2026-Jun, Eye (London, England)
DOI:10.1038/s41433-026-04408-1
PMID:41904245
|
研究论文 | 评估抗VEGF治疗糖尿病性黄斑水肿后硬性渗出体积在5年内的纵向变化 | 首次长期观察抗VEGF治疗后硬性渗出体积在5年内的变化趋势，并比较不同药物之间差异 | 样本量较小，为事后分析，缺乏对照组 | 研究抗VEGF治疗糖尿病性黄斑水肿后硬性渗出的长期演变及其对视力的影响 | 糖尿病性黄斑水肿患者的硬性渗出 | 数字病理学 | 糖尿病性视网膜病变 | 光学相干断层扫描 | 深度学习模型 | 图像 | 116只眼睛（阿柏西普：44，贝伐单抗：30，雷珠单抗：42） | NA | NA | NA | NA |
| 516 | 2026-06-17 |
Deep Learning-Based Image Analysis Model for Classification and Quantification of Multiple Histopathological Findings in Rat Testis and Epididymis
2026-Jun, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233261429448
PMID:41936108
|
研究论文 | 开发了一种基于深度学习的图像分析模型，能够在大鼠睾丸和附睾的H&E染色全切片图像上同时检测、分类和量化七种主要毒性病变，并分类精子发生阶段 | 首次实现了在大鼠H&E染色切片上同时检测和分类多种睾丸毒性病变（7种）以及精子发生阶段 | 未提及具体限制 | 开发一种支持大鼠毒性研究初始筛选中组织病理学评估的深度学习模型 | 大鼠的睾丸和附睾组织 | 数字病理学 | 生殖毒性 | NA | 深度学习模型 | 全切片图像 | 使用了来自多种化合物毒性研究的大鼠睾丸和附睾全切片图像 | NA | NA | 检测准确率（与经认证病理学家的诊断比较） | NA |
| 517 | 2026-06-16 |
Deep learning-based early prediction of gestational diabetes mellitus through first-trimester placental texture analysis
2026-Jun-24, Placenta
IF:3.0Q2
DOI:10.1016/j.placenta.2026.04.016
PMID:42048939
|
research paper | 开发多参数融合模型，通过孕早期胎盘纹理分析实现妊娠期糖尿病的早期预测 | 首次将胎盘超声影像的放射组学特征与深度学习特征进行特征级融合，构建多模态预测模型，并在外部多中心数据中验证其优于单模态模型 | 样本量相对较小（628例），且研究仅限于孕11+0-13+6周的孕妇，模型对更早或更晚孕周的适用性未知 | 早期预测妊娠期糖尿病风险，实现及时干预和个性化决策 | 来自两个医疗中心的628名孕妇的胎盘超声图像 | machine learning | gestational diabetes mellitus | Ultrasound imaging | Multi-parameter fusion model | Ultrasound images | 628名孕妇（训练集356例，测试集153例） | NA | NA | AUC, DCA, calibration curve | NA |
| 518 | 2026-06-16 |
High-frequency EEG synchronization modes as a stable biometric signature in humans
2026-Jun-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.116166
PMID:42291239
|
研究论文 | 提出一种基于多频段同步模式的无参数框架，用于脑电图生物特征识别，实现高稳定性和可解释性 | 首次证明高频（β和γ波段）同步模式可作为稳定的个体特异性脑电指纹，无需参数调整即可达到100%识别率 | 低频波段收敛慢且区分度较低；数据集规模有限（109名受试者） | 开发兼具高准确率、可解释性和鲁棒性的脑电图生物特征识别方法 | 人类脑电图信号中的同步模式 | 机器学习 | NA | 脑电图（EEG） | 无参数框架（同步模式分析） | 生理信号（脑电图时间序列） | 109名受试者的公开数据集 | NA | NA | 正确识别率、等错误率 | NA |
| 519 | 2026-06-16 |
Fine-scale structural information substantially improves mRNA therapeutic stability prediction
2026-Jun-16, Molecular therapy. Nucleic acids
DOI:10.1016/j.omtn.2026.102960
PMID:42293245
|
研究论文 | 提出一种结合局部和全局特征的回归模型STRAND，用于预测mRNA溶液稳定性，相比现有方法预测误差降低两倍以上 | 首次证明碱基配对对数几率（LO）作为微观结构特征能够补充全局指标并提供正交信息，联合全局与局部特征构建简洁可解释的四特征回归模型，显著优于现有机器学习和深度学习方法 | NA | 提升mRNA溶液稳定性的预测精度，为治疗性mRNA设计提供可靠框架 | mRNA序列的溶液稳定性 | 机器学习 | NA | NA | 回归模型（线性回归） | 序列数据（mRNA核苷酸序列） | NA | NA | STRAND（四特征回归模型） | 预测误差（相对误差降低倍数） | NA |
| 520 | 2026-06-16 |
AI-Enhanced Nanophotonic Heterochain Sensor Enables Multiplexed Biomarker Detection across Serum, Urine, and Saliva for Stroke Differentiation
2026-Jun-15, ACS applied bio materials
IF:4.6Q2
DOI:10.1021/acsabm.6c00103
PMID:42166366
|
研究论文 | 开发了一种结合深度学习的纳米光子异质链生物传感平台，用于血清、尿液和唾液中多种生物标志物的多重检测，以实现中风的快速分型诊断 | 首次将纳米光子异质链生物传感器与深度学习辅助图像分析相结合，实现血清、尿液和唾液中S100B、GFAP和UCH-L1三种标志物的超早期多重定量检测，并集成便携式智能手机成像和云端分析 | 需要进一步评估平台在大型多中心临床队列中的表现及长期稳定性 | 开发便携式、AI集成的高灵敏度生物传感系统，用于中风的超早期分型诊断 | 急性缺血性中风、脑出血患者及健康对照者的血清、尿液和唾液样本 | 数字病理学 | 心血管疾病 | 纳米光子传感 | 深度学习模型 | 图像 | 包括缺血性中风、脑出血患者及健康对照的临床样本 | TensorFlow, PyTorch | 逻辑回归 | 灵敏度, 线性度(R²=0.9583), 回收率(104.7%), 变异系数(CV=24.4%) | 云端分析平台, 便携式智能手机 |