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 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2026-06-07 |
Super-Resolution Reconstruction of Fetal Brain MRI With Multi-View Interpolation Weight Learning
2026-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3638989
PMID:41325115
|
研究论文 | 提出了一种名为3D-WISE的深度学习模型，通过多视图插值权重学习实现胎儿脑部MRI的超分辨率重建 | 创新性地结合了多视图插值权重学习模块和多类型注意力机制，包括卷积块注意力和图谱引导的交叉注意力，以修正切片与体积之间的未对准，直接从未配准的厚切片堆栈生成高质量的各向同性胎儿脑MR图像 | 未明确说明局限性 | 实现胎儿脑部MRI的高质量各向同性超分辨率重建，以改善产前检查的准确性 | 胎儿脑部MR图像 | 计算机视觉, 数字病理学 | NA | MRI | 深度学习模型（3D-WISE） | 图像（MRI） | 两个基准数据集 | NA | 3D-WISE（包括权重学习模块和特征提取模块，采用卷积块注意力和图谱引导的交叉注意力机制） | 性能指标未在摘要中列出，可能包括PSNR、SSIM等 | NA |
| 782 | 2026-06-07 |
Factors Impacting the Performance of Deep Learning Detection of Pulmonary Emboli
2026-06, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.12.028
PMID:41456841
|
研究论文 | 评估FDA批准的商业肺栓塞检测模型在真实世界中的表现，并识别影响其性能的技术、人口和临床因素 | 首次系统分析CT肺动脉造影技术参数、患者合并症等多项因素对AI模型检测肺栓塞性能的真实世界影响，为AI部署后监控提供依据 | 单中心回顾性研究，可能无法推广至其他医疗机构；未纳入模型在低PE患病率人群中的表现 | 评估商业肺栓塞检测模型的真实世界性能，并识别影响性能变化的技术、人口和临床因素 | 11,144次CT肺动脉造影检查及相应的肺栓塞检测模型 | 计算机视觉 | 肺栓塞 | CT肺动脉造影 | 商业深度学习模型 | 医学影像 | 11,144次CT肺动脉造影检查（含1,193例PE阳性） | 未说明 | 未说明 | 敏感度, 阳性预测值 | 未说明 |
| 783 | 2026-06-07 |
Deep Learning Model With Nodule Indexing Tailored to Early-Stage Lung Cancer Detection
2026-06, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2026.01.025
PMID:41620056
|
研究论文 | 本研究评估了深度学习人工智能系统在CT上提高放射科医生检测肺结节性能的效果，系统具备可疑结节索引和恶性风险分层功能 | 结合结节索引和恶性风险分层的深度学习AI系统，能显著提升放射科医生对早期肺癌结节的检测性能，且对结节类型、筛查场景和医生经验水平均有一致益处 | NA | 评估深度学习AI系统在CT上辅助放射科医生检测肺结节（尤其是早期肺癌）的性能 | 放射科医生和CT扫描图像 | 计算机视觉 | 肺癌 | CT扫描 | 深度学习 | 图像 | 340例CT扫描（包括133例肺癌、61例良性非钙化结节和146例正常） | NA | NA | 灵敏度，特异度，AUC | NA |
| 784 | 2026-06-07 |
Multimodal Artificial Intelligence for Predicting 3- and 5-Year Risks of Myopic Choroidal Neovascularization in High Myopia
2026-Jun, Ophthalmology. Retina
DOI:10.1016/j.oret.2026.02.003
PMID:41655768
|
研究论文 | 开发多模态人工智能模型预测高度近视眼中近视性脉络膜新生血管的3年和5年风险 | 首次结合眼底照片与临床变量，利用DeepSurv框架构建多模态生存模型，实现时间动态风险预测 | 单中心回顾性研究，需进一步外部验证 | 开发基于人工智能的模型以估计高度近视眼中近视性黄斑新生血管的风险 | 2501名高度近视患者的4235只眼睛 | 计算机视觉, 机器学习 | 高度近视, 近视性脉络膜新生血管 | 眼底照相 | 深度学习, DeepSurv | 图像, 临床变量 | 2501名患者的4235只眼睛 | PyTorch | DenseNet-121, DeepSurv | AUC, C-index | NA |
| 785 | 2026-06-07 |
Integrating single-cell atlases and machine learning to construct 'in silico patients' for predicting individualized drug responses
2026-06, Biochemical pharmacology
IF:5.3Q1
DOI:10.1016/j.bcp.2026.117873
PMID:41796725
|
综述 | 系统阐述了将单细胞图谱和机器学习整合构建“数字孪生患者”框架用于预测个体化药物反应的概念、数据基础、计算策略与未来方向 | 提出“数字孪生患者”整合框架，明确以大规模单细胞图谱为细胞身份参考、结合药基因组学数据库与患者特异性单细胞RNA测序数据，并利用深度学习与迁移学习将细胞系知识迁移至临床样本的核心路径 | 仅基于现有文献进行概念梳理与展望，未提出具体实验验证结果或定量性能比较 | 为开发下一代个体化药物反应预测工具提供全面的概念蓝图，并指出多组学与空间信息整合等未来方向 | 肿瘤内的细胞异质性、药物反应预测模型、单细胞RNA测序数据、药基因组学数据库 | 自然语言处理 | 肿瘤 | 单细胞RNA测序、药基因组数据库、深度学习、迁移学习、多组学整合、空间转录组学 | 深度学习模型、迁移学习算法 | 单细胞RNA测序数据、药基因组学数据、组织切片培养数据 | NA | TensorFlow, PyTorch | NA | NA | NA |
| 786 | 2026-06-07 |
Automated deep learning for detection and measurement of adrenal masses in contrast-enhanced abdominal CT
2026-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12314-5
PMID:41609765
|
研究论文 | 开发并验证一种完全自动化的深度学习模型，用于在增强腹部CT中检测和测量肾上腺肿块 | 提出全自动深度学习模型，利用预训练分割模型生成肾上腺掩膜，结合U-Net分割网络进行肿块检测，并具有真实世界验证集 | 未提及病理学确认的外部测试集和硬件约束 | 提高腹部CT中肾上腺肿块的检测率和测量准确性，优化患者管理 | 肾上腺肿块 | 计算机视觉 | 肾上腺肿瘤 | 增强CT | U-Net | CT图像 | 415个扫描（含155个肿块，260个无肿块）用于模型开发；外部测试集995个扫描；内部测试集250个扫描 | NA | U-Net | AUC, Dice系数, 敏感性, 特异性, 准确率, 阳性预测值, 组内相关系数 | NA |
| 787 | 2026-06-07 |
Chronic kidney disease detection using XceptionNet with Harmonic Addax Optimization
2026-Jun, Computational biology and chemistry
IF:2.6Q2
|
research paper | 提出一种结合XceptionNet和谐波Addax优化算法的慢性肾脏病检测框架 | 集成XceptionNet与谐波Addax优化算法（HAOA）进行特征提取和分类，并使用深层信念网络（DBN）与Soergel度量进行特征融合 | 未提及具体局限性 | 提高慢性肾脏病（CKD）检测的准确性和克服泛化与类别不平衡问题 | 慢性肾脏病（CKD）患者数据 | machine learning | 慢性肾脏病 | NA | XceptionNet, Deep Belief Network (DBN) | tabular data | 三个CKD数据集 | NA | XceptionNet, Deep Belief Network (DBN) | 真阳性率（TPR）、真阴性率（TNR）、准确率、精确率、F1分数 | NA |
| 788 | 2026-06-07 |
"Diagnostic Performance of Artificial Intelligence in Evaluating Tricuspid Regurgitation: A Systematic Review and Meta-Analysis"
2026-Jun, Clinical cardiology
IF:2.4Q2
DOI:10.1002/clc.70366
PMID:42244453
|
系统综述与荟萃分析 | 通过系统回顾和荟萃分析评估人工智能在诊断三尖瓣反流中的表现 | 首次系统综述并荟萃分析AI在TR诊断中的表现，涵盖超声心动图和心电图多种模态 | 纳入研究存在高度异质性（I2>90%），多为回顾性设计，外部验证有限，证据质量中等 | 评估AI在诊断三尖瓣反流中的准确性，以标准化早期检测和分诊 | 成人三尖瓣反流患者的相关研究 | 机器学习 | 三尖瓣反流 | NA | 机器学习、深度学习 | 超声心动图、心电图数据 | 8项研究 | NA | NA | AUROC, 灵敏度, 特异度 | NA |
| 789 | 2026-06-07 |
BloodPatrol: Revolutionizing Blood Cancer Diagnosis - Advanced Real-Time Detection Leveraging Deep Learning & Cloud Technologies
2026-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3496294
PMID:39527419
|
研究论文 | 提出一种基于深度学习和云计算技术的血癌实时诊断模型BloodPatrol | 首次融合智能特征权重机制与云计算分布式网络，实现血癌双视角细胞样本与特征重要性关系的捕获，大幅提升预测精度 | 未提及模型在真实临床环境中的验证情况，以及在不同计算资源受限场景下的适用性分析 | 开发一种高效、可扩展的血癌动态监测诊断模型，解决传统流式细胞术计算和资源消耗高的问题 | 血癌患者的细胞样本数据 | 机器学习 | 血癌 | 流式细胞术 | 深度学习模型 | 细胞数据 | 未提及 | 未提及 | 未提及 | 未提及 | 云端分布式网络 |
| 790 | 2026-06-07 |
Pulmonary blood volumes on computed tomography predict residual pulmonary hypertension post-pulmonary endarterectomy
2026-Jun-01, American journal of respiratory cell and molecular biology
IF:5.9Q1
DOI:10.1165/rcmb.2025-0121OC
PMID:41124339
|
研究论文 | 基于CT肺动脉造影的肺血容量预测肺动脉内膜剥脱术后残留肺动脉高压 | 首次利用深度学习模型自动分割CTPA中的动脉和静脉，量化肺血容量以预测慢性血栓栓塞性肺动脉高压患者术后残留肺动脉高压 | NA | 评估CTPA衍生的肺血容量在预测肺动脉内膜剥脱术后残留肺动脉高压中的价值 | 接受肺动脉内膜剥脱术的慢性血栓栓塞性肺动脉高压患者 | 计算机视觉, 数字病理学 | 肺动脉高压, 慢性血栓栓塞性肺动脉高压 | CTPA | 深度学习分割模型 | 图像 | 发现队列71例，验证队列102例，共173例患者 | NA | 血管分割模型 | AUROC | NA |
| 791 | 2026-06-07 |
Deep learning for high-resolution magnetic resonance vessel wall imaging: image reconstruction, stenosis diagnosis and plaque calculation
2026-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12347-4
PMID:41619006
|
research paper | 开发了一种基于深度学习的自动化方法，用于高分辨率磁共振血管壁成像的图像重建、狭窄诊断和斑块计算，并评估其性能与放射科医师的比较 | 提出了一种端到端的深度学习系统，同时实现图像重建、血管狭窄检测和斑块参数计算，并首次将斑块参数与易损性关联分析，显著缩短了诊断时间 | 未提及模型在复杂斑块形态或罕见病变上的泛化能力，且独立测试集样本量相对较小 | 开发并验证一种自动化的AI方法，以提升HR-MRVWI的影像重建、狭窄检测和斑块计算效率 | 颅内动脉粥样硬化患者的HR-MRVWI图像数据 | deep learning, medical image analysis | cardiovascular disease, geriatric disease | high-resolution magnetic resonance vessel wall imaging (HR-MRVWI) | deep learning algorithm (未指定具体模型类型) | image | 476名患者（平均年龄61岁，男性286名） | NA | NA | Dice相似系数, 平均中心线距离, 平均表面距离, 准确性, 一致性 | NA |
| 792 | 2026-06-07 |
MMRCL: An interpretable multi-modal deep learning framework for predicting hERG blockers
2026-Jun, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 开发了一种可解释的多模态分子表征交叉学习框架MMRCL，用于预测hERG通道阻滞剂 | 首次将多维分子指纹与分子图通过双通道消息传递神经网络和多头交叉注意力机制进行深度融合，实现多模态特征自适应融合，并增强模型可解释性 | 未明确提及外部验证集的多样性和模型在更大规模或不同数据源上的泛化能力评估 | 早期预测hERG阻滞剂以降低心脏毒性风险，减少药物撤市和经济损失 | hERG钾离子通道阻滞剂和相应的化合物分子 | 机器学习 | 心血管疾病 | 分子指纹、分子图表示、消息传递神经网络 | 双通道消息传递神经网络、多层感知器、多头交叉注意力机制 | 分子指纹、分子图 | 内部数据集包含12,518种化合物，以及三个外部测试集 | NA | 消息传递神经网络、多层感知器、多头交叉注意力机制 | AUC、精确率-召回率曲线、马修斯相关系数 | NA |
| 793 | 2026-06-07 |
Machine learning for predicting young's modulus of soft tissues from atomic force microscopy data
2026-Jun, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2026.108325
PMID:42142679
|
研究论文 | 介绍了一种基于多层感知机回归器的机器学习方法，用于从原子力显微镜数据预测软组织的杨氏模量 | 首次采用定制化多层感知机回归器结合网格搜索优化，仅基于合成数据训练即可预测软组织杨氏模量（1-50 kPa），实现了高效自动化分析 | 模型仅在基于约翰逊-肯德尔-罗伯茨接触理论的合成数据上训练，可能无法完全覆盖真实组织中的复杂黏附与非均质特性 | 开发机器学习模型简化原子力显微镜数据分析流程，实现对软组织杨氏模量的快速预测 | 软组织的力-压痕曲线数据 | 机器学习 | NA | AFM (原子力显微镜) | 多层感知机回归器 | 合成力-压痕曲线 | NA（基于合成数据生成，未提及具体样本数量） | Scikit-learn | 多层感知机 | 预测精度 | NA |
| 794 | 2026-06-06 |
MaxEnt with remote sensing for tea plantation suitability under climate change
2026-Jun-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115887
PMID:42245925
|
研究论文 | 集成Gaofen-6遥感影像、U-Net深度学习框架和MaxEnt模型，评估气候变化下中国东南部茶叶适宜性的未来变化 | 首次将空间去偏差的茶叶发生记录（源于高分六号影像和U-Net框架）与MaxEnt模型结合，用于未来多情景下的茶叶适宜性预测，并利用随机森林交叉验证模型稳健性 | 未明确提及但可能受限于单一作物和地区，以及CMIP6情景的不确定性 | 评估气候变化对茶叶种植适宜性的影响 | 中国福建省南平市的茶叶种植区域 | 机器学习、遥感图像处理 | NA | 遥感影像分析（Gaofen-6）、U-Net深度学习、MaxEnt生态位建模 | MaxEnt、U-Net、随机森林 | 遥感图像、气象气候数据 | 基于高分六号影像和U-Net提取的茶叶发生记录（具体数量未提供） | NA | U-Net、MaxEnt、随机森林 | 模型稳健性通过随机森林交叉验证评估，具体指标未明确 | NA |
| 795 | 2026-06-06 |
Forecasting of PM2.5 concentration based on variational mode decomposition and deep learning
2026-Jun-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56223-z
PMID:42243388
|
研究论文 | 提出结合变分模态分解和深度学习的PM2.5浓度预测模型 | 采用VMD分解原始序列，结合样本熵和K-means聚类进行分量分组，并利用注意力机制自适应融合不同频率分量的预测结果 | 尚未在更广泛的地理和时间尺度上进行验证 | 提高PM2.5浓度预测的准确性 | PM2.5浓度时间序列数据 | 机器学习 | NA | NA | TCN-BiLSTM | 时间序列 | NA | NA | TCN, BiLSTM, 注意力机制 | RMSE, MAE, R | NA |
| 796 | 2026-06-06 |
Digital twin of biomacromolecular thermodynamics in cryo-EM data
2026-Jun-05, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-026-02077-5
PMID:42243544
|
研究论文 | 提出一种深度学习框架，从冷冻电镜数据中重建生物大分子热力学的可证明数字孪生 | 利用理论上保证的等距自编码器，从冷冻电镜数据中直接构建可证明的自由能景观，实现半自动热力学分析 | 当前类似方法无法保证自由能景观的精确构建，但本方法克服了这一局限 | 实现仅使用冷冻电镜数据对生物大分子热力学进行定量分析 | 50S核糖体和两种SARS-CoV-2刺突蛋白 | 机器学习 | NA | 冷冻电镜（cryo-EM） | 等距自编码器 | 冷冻电镜数据 | 三种生物大分子样本（50S核糖体、两种SARS-CoV-2刺突蛋白） | 深度学习框架（未指定具体名称） | 等距自编码器 | NA | NA |
| 797 | 2026-06-06 |
Optimizing acquisition time and injected dose in 18F-FDG PET/CT imaging using deep learning: enhancing image protocol efficiency and safety
2026-Jun-05, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03612-z
PMID:42243803
|
研究论文 | 利用深度学习算法优化18F-FDG PET/CT成像中的采集时间和注射剂量，提高图像协议效率和安全性 | 首次系统评估深度学习在PET/CT中从缩短采集时间模拟标准采集时间图像的能力，并量化了对半剂量和短时间采集条件下图像质量及病灶检测率的改善效果 | NA | 评估深度学习算法在18F-FDG PET/CT成像中通过模拟标准采集时间图像来优化图像质量和放射性药物使用的有效性 | 接受18F-FDG PET/CT检查的322名患者 | 深度学习 | NA | PET/CT成像, 18F-FDG | 残差U-Net | 图像 | 322名患者 | NA | 残差U-Net | 5点Likert量表, Cohen's kappa, PSNR, SSIM, MAE, MSE, RMSE, 病灶检测率 | NA |
| 798 | 2026-06-06 |
Automated Assessment of PPE Compliance with Fast Lightweight Deep Learning Based Computer Vision
2026-Jun-05, IISE transactions on occupational ergonomics and human factors
DOI:10.1080/24725838.2026.2671785
PMID:42246247
|
研究论文 | 该研究提出了一种快速、轻量级的计算机视觉框架，可在验证护目镜和N95口罩正确使用方面实现高准确率 | 该框架运行速度比基准模型快五倍，使用消费级计算硬件即可在工地入口进行自动个人防护装备合规检查 | 未在摘要中明确说明 | 开发快速轻量级深度学习计算机视觉框架，自动化个人防护装备合规性评估，提升工作场所安全 | 护目镜和N95口罩的正确使用情况 | 计算机视觉 | NA | NA | 轻量级深度学习模型 | 图像 | 未在摘要中明确说明 | NA | NA | 准确率 | 消费级计算硬件 |
| 799 | 2026-06-06 |
Deep Learning-Enhanced Hyperspectral Imaging for Forensic Evidence Analysis: Methodological Frameworks, Applications, and Critical Perspectives
2026-Jun-05, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2026.2675046
PMID:42246430
|
综述 | 系统性地探讨了深度学习与高光谱成像在法医证据分析中的融合应用 | 首次系统总结了三种代表性范式（CNN、注意力机制、GAN）在法医高光谱成像中的应用，并深入分析了多模态融合策略 | 讨论了模型可解释性与司法可接受性、计算效率与可部署性、以及数据标准化与共享障碍等关键挑战 | 推动智能且具有法律依据的法医分析发展 | 法医证据，包括痕量纤维、混合墨水、土壤和可疑文件等 | 计算机视觉 | 不适用 | 高光谱成像 | CNN, GAN, 注意力机制 | 高光谱图像 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 800 | 2026-06-06 |
An augmentation-enhanced transformer model for forensic identification using panoramic dental x-rays
2026-Jun-05, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-026-03852-8
PMID:42246972
|
研究论文 | 提出了一种增强型Transformer模型DentID-Net，利用全景牙科X光片进行法医身份识别 | 结合形态学增强、双分支编码器和胶囊身份匹配器，处理小样本数据并保持解剖结构一致性 | 未知（摘要未提及） | 开发一种基于牙科全景X光片的自动法医身份识别系统，应对死后变化和数据不足问题 | 活体和死者的全景牙科X光片 | 计算机视觉 | NA | 全景牙科X光成像 | Transformer, 卷积神经网络, 胶囊网络 | 图像 | 未知（摘要未提及具体样本数量） | NA | DentID-Net（包含DentAug-Min增强模块、双分支编码器、IDMatch-Caps匹配器） | 平均准确率, 特异性, AUC | NA |