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 1277 篇文献，本页显示第 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2026-06-03 |
On scientific foundation models: Rigorous definitions, key applications, and a comprehensive survey
2026-Jun, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108567
PMID:41547123
|
综述 | 本文对科学基础模型提供了严格定义、关键应用和全面综述 | 首次提出科学基础模型的严格定义，将其能力分为四个关键维度（域适应、域泛化、问题适应、问题泛化），并基于模型架构、学习目标和训练策略提出分类法 | 科学基础模型在极端外推情况下的物理一致性、可解释性和鲁棒性仍存在挑战，且计算需求大、缺乏标准化基准 | 为科学基础模型提供严格定义，分类总结现有模型，并指出开放研究方向 | 科学基础模型在化学、材料科学、生物学、气候与天气、地球观测、地球物理学、混沌动力学、机器人学与控制、核科学等领域的应用 | 机器学习 | NA | 大规模预训练 | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 1122 | 2026-06-03 |
A causal bidirectional selective state space model for imaging genetics in neurodegenerative diseases
2026-Jun, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108587
PMID:41547121
|
research paper | 本文提出一种因果双向选择性状态空间模型（CausalMamba），用于神经退行性疾病的影像遗传学分析，实现从遗传数据到疾病诊断的因果推理与高效分类 | 首次将因果推断与双向选择性状态空间模型（BiMamba）结合，构建统一的表示学习框架，实现仅需遗传数据即可完成疾病诊断，并在模拟与真实数据集上验证了因果生物标志物的识别能力 | NA | 解决影像遗传学中长基因序列特征提取及遗传、影像与疾病间因果关联建立的挑战，提升神经退行性疾病诊断性能 | 阿尔茨海默病与帕金森病的遗传与脑影像数据 | machine learning | neurodegenerative diseases | 基因测序、脑影像 | 因果双向选择性状态空间模型（CausalMamba） | 遗传数据、脑影像数据 | 模拟数据集、ADNI数据集、PPMI数据集 | PyTorch | BiMamba | accuracy | NA |
| 1123 | 2026-01-25 |
Deep learning reconstruction enhances 1.5T MR angiography beyond 3T in vascular visualization for Moyamoya disease
2026-Jun, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01945-9
PMID:41579320
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1124 | 2026-01-28 |
Advancing personalized prognostic assessment in rectal cancer through multi-instance deep learning
2026-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12340-x
PMID:41591473
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1125 | 2026-06-03 |
Harnessing the power of artificial intelligence for clinical trials in cancer
2026-Jun, Expert review of anticancer therapy
IF:2.9Q2
DOI:10.1080/14737140.2026.2642221
PMID:41797434
|
综述 | 综述人工智能在肿瘤临床试验全生命周期中的应用，涵盖从设计、招募到数据管理和结果评估的各个环节 | 系统总结了AI（包括基础ML模型、高级DL和LLM系统）在肿瘤试验各个阶段的应用，并探讨了算法偏见、可解释性、问责制及监管等关键挑战 | 未提及具体局限性 | 总结AI如何提升肿瘤临床试验的效率、包容性和数据驱动性 | AI在肿瘤临床试验中的应用，包括Trial Pathfinder、TrialGPT和PRISM等工具 | 机器学习 | 癌症 | NA | 深度学习, 大语言模型 | 数字病理图像, 影像, 基因组测序数据 | NA | NA | NA | NA | NA |
| 1126 | 2026-06-03 |
Interpretable multi-modality consensus QSAR framework: integrating machine and deep learning for enhanced multi-endpoint toxicity assessment
2026-Jun, Toxicology mechanisms and methods
IF:2.8Q2
DOI:10.1080/15376516.2026.2643659
PMID:41839829
|
研究论文 | 开发一种可解释的多模态共识QSAR框架，集成机器学习和深度学习方法，用于增强多终点毒性评估 | 提出融合多种分子表征方法（多模态）与机器学习及深度学习的共识模型框架，并基于交叉验证AUC权重进行加权集成，显著提升毒性预测的鲁棒性和广谱适用性 | 未明确提及当前模型的局限性，但基于上下文可推断其对预测性能较差的终点可能仍存在优化空间 | 建立一种可靠、可解释的广谱毒性预测方法，用于多终点的化学品安全评估 | 30,160种独特化合物，涉及皮肤致敏、呼吸毒性、AMES致突变性、肝毒性、发育毒性、心脏毒性、药物肾毒性和神经毒性共8种毒性终点 | 机器学习, 深度学习 | NA | QSAR, 机器学习, 深度学习 | 机器学习模型, 深度学习模型 | 分子结构数据表征 | 30,160种化合物 | NA | NA | AUC, 平衡准确率(BACC) | NA |
| 1127 | 2026-06-03 |
Artificial intelligence in lymphedema: A systematic review of diagnostic and clinical applications
2026-Jun, Journal of plastic, reconstructive & aesthetic surgery : JPRAS
DOI:10.1016/j.bjps.2025.12.035
PMID:42068963
|
综述 | 系统评价人工智能在淋巴水肿诊断和临床管理中的应用 | 首次系统综述人工智能在淋巴水肿中的应用，涵盖诊断、风险预测、监测和手术规划等多方面 | 缺乏外部验证，研究方法异质性大，现有证据仍处于初步阶段 | 评估人工智能技术在淋巴水肿诊断和临床管理中的应用现状和效果 | 淋巴水肿患者，共8720名 | 机器学习 | 淋巴水肿 | 超声、CT、MRI、临床照片、3D成像 | 机器学习和深度学习模型 | 临床数据、影像数据 | 8720名患者 | NA | NA | AUC, 准确率, 相关系数 | NA |
| 1128 | 2026-06-03 |
Deep Learning-Based Cribriform Segmentation and Automated Olfactory Fossa Depth Estimation on Sinus CT
2026-Jun, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.70180
PMID:42090234
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1129 | 2026-06-03 |
Improving Vancomycin Therapeutic Drug Monitoring With a Deep Learning-Based Two-Compartment Predictive Model: Development and Validation Study
2026-Jun-01, JMIR AI
DOI:10.2196/81103
PMID:42224292
|
研究论文 | 提出基于深度学习的双室预测模型PKRNN-2CM，用于改善万古霉素治疗药物监测 | 首次将递归神经网络与双室药代动力学模型结合，提升万古霉素浓度预测精度 | 未提及具体局限性 | 通过深度学习模型优化万古霉素个体化剂量调整 | 万古霉素治疗药物监测中的药代动力学参数及浓度轨迹 | 机器学习 | 感染性疾病 | 电子健康记录数据分析 | 递归神经网络（RNN） | 时间序列电子健康记录数据 | 5483名患者的真实数据集 | PyTorch | PKRNN-2CM | 均方根误差（RMSE），AUC/MIC比值 | NA |
| 1130 | 2026-06-03 |
Physical Parameter-Guided Deep Learning Ultrasound Localization Microscopy Framework Based on Diffusion Model
2026-Jun-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3697490
PMID:42224314
|
研究论文 | 本文提出了基于扩散模型的物理参数引导超声定位显微成像框架，用于合成微泡图像以解决深度学习训练数据不足的问题 | 首次提出物理参数引导的扩散框架（PgD），能根据换能器规格和声波波形参数合成不同成像条件下的微泡图像，从而生成鲁棒的训练数据集 | 未明确讨论合成数据与真实数据在所有复杂场景下的等价性，以及框架对极端成像条件的适应性 | 解决深度学习在超声定位显微成像中因缺乏真实标注和多样训练数据而受限的问题 | 微泡图像合成与深度学习超声定位显微成像模型 | 机器学习 | 不适用 | 超声成像 | 扩散模型 | 图像 | 数百套成像参数集 | PyTorch | 扩散模型 | 结构相似性指数（SSIM），空间分辨率 | 不适用 |
| 1131 | 2026-06-03 |
HiRMD: A System for Mortality Prediction via LLM-Based High-Risk Information Extraction and Diagnosis
2026-Jun-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3697870
PMID:42224317
|
研究论文 | 提出HiRMD系统，利用大语言模型提取高风险临床信息并整合异构证据，实现住院死亡率预测 | 首次将LLM引导的高风险诊断语义与纵向电子健康记录建模相结合，通过临床标准生成结构化诊断序列，并利用多头交叉注意力融合重症评分等先验知识 | 未提及具体限制 | 改进基于纵向电子健康记录的住院死亡率预测 | 高风险住院患者的电子健康记录 | 机器学习 | NA | NA | Bi-GRU | 文本 | 三个公共数据集：MIMIC-III、MIMIC-IV、eICU | NA | Bi-GRU | AUROC, F1分数 | NA |
| 1132 | 2026-06-03 |
Deep learning-enabled computational adaptive-optics for fast continuous zoom microscopy
2026-Jun-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.597134
PMID:42224549
|
研究论文 | 提出一种基于深度学习的计算自适应光学框架，用于实现快速连续变焦显微镜成像 | 结合物理启发的点扩散函数估计、滑动窗口自注意力机制和PSF引导的动态滤波，有效解决连续变焦中的动态像差和振荡问题 | 未明确讨论框架对极端光学畸变或低信噪比场景的鲁棒性 | 实现快速、高质量的连续变焦多尺度显微观测 | 连续变焦显微镜成像中的图像退化过程 | 计算机视觉 | 不适用 | 光学显微成像 | 深度学习网络 | 图像 | 不适用 | PyTorch | 滑动窗口自注意力机制结合PSF引导的动态滤波器 | 图像恢复精度、鲁棒性 | 不适用 |
| 1133 | 2026-06-03 |
Digital learning outcomes and sustainable learning in higher education: The roles of music-integrated pedagogy and deep learning orientation
2026-Jun-01, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2026.107152
PMID:42224891
|
研究论文 | 探讨数字高等教育中音乐融合教学法与深度学习导向如何影响可持续学习成果 | 首次将变革学习理论应用于音乐融合教学法对可持续学习成果的影响研究，并引入深度学习导向的中介作用与数字学习成果的调节作用 | 采用非概率便利抽样，样本来自北塞浦路斯，可能限制结果的普适性 | 考察数字高等教育中音乐融合教学法通过深度学习导向对可持续学习成果的影响机制 | 北塞浦路斯375名本科生和研究生 | 机器学习 | NA | NA | NA | 问卷数据 | 375名学生（本科生与研究生） | SmartPLS 4 | 偏最小二乘结构方程模型 | 路径系数、显著性水平 | NA |
| 1134 | 2026-06-03 |
A reproducible data-driven parameter optimization framework for classical skull stripping methods across heterogeneous brain MRI datasets
2026-Jun-01, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae7574
PMID:42225119
|
研究论文 | 提出一种可复现的数据驱动参数优化框架，用于经典颅骨剥离方法在不同脑MRI数据集上的应用 | 通过数据集导出统计描述符约束参数空间，避免逐受试者调优，首次提出BSE的统计调优策略以提升参数可复现性 | 深度学习方法在边界误差上仍优于经典方法，且经典方法虽计算效率高但需权衡精度与硬件依赖 | 构建一种可复现的经典颅骨剥离方法参数优化框架，确保在不同异构数据集上的鲁棒性和性能 | 脑MRI数据集（LPBA40、NFBS、CC359）中的颅骨剥离任务 | 数字病理学 | NA | MRI | 经典算法（BSE、BET）和深度学习模型（HDBET、SynthStrip） | 图像（脑MRI） | 三个公开数据集，总计涉及多个受试者样本 | NA | BSE、BET、HDBET、SynthStrip | Dice相似系数（DSC）、95%百分位豪斯多夫距离（HD95） | CPU（经典方法每受试者0.8-1.0分钟），深度学习需GPU加速但引入额外硬件依赖 |
| 1135 | 2026-06-03 |
Toward Autonomous Histotripsy: Integrating Deep Learning Segmentation With Robotic Control for Glioblastoma
2026-Jun-01, Ultrasound in medicine & biology
|
研究论文 | 提出一种结合深度学习分割与机器人控制的闭环框架，用于胶质母细胞瘤的自动化边界勾画和组织粉碎消融 | 首次将深度学习实时超声分割与机器人控制集成，实现组织粉碎治疗的自动化闭环框架 | 治疗区域与预期区域存在轻微偏差，需进一步优化瞄准精度 | 开发自动化肿瘤勾画和组织粉碎消融的闭环框架，提高治疗自动化程度 | 小鼠胶质母细胞瘤模型 | 数字病理学, 机器人控制 | 胶质母细胞瘤 | 术中超声 | 深度学习模型 | 超声图像 | 小鼠胶质母细胞瘤模型（具体数量未提及） | NA | NA | 实时分割性能指标（具体指标未提及） | NA |
| 1136 | 2026-06-03 |
Universal and transferable attacks on pathology foundation models using microscopic perturbations
2026-Jun-01, Light, science & applications
DOI:10.1038/s41377-026-02347-w
PMID:42225639
|
研究论文 | 介绍一种针对病理基础模型的通用且可迁移的对抗性扰动方法（UTAP），通过微小噪声模式破坏模型特征表示能力 | 首次提出适用于病理基础模型的通用且可迁移的对抗性攻击方法，该扰动与具体模型或数据集无关，展现跨视野和跨模型的黑盒攻击能力 | 未涉及对防御机制的深入探讨或实际部署中的对抗样本检测策略 | 揭示病理基础模型的脆弱性并建立模型鲁棒性评估基准 | 多种病理基础模型及多数据集上的下游任务性能 | 计算机视觉, 数字病理学 | NA | 深度学习, 对抗性攻击 | 基础模型 | 图像 | 多种数据集，未见具体数量 | PyTorch | NA | 性能下降幅度 | NA |
| 1137 | 2026-06-03 |
CNN-based classifier for automated identification of magnetic states in spin dynamics simulations
2026-Jun-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-54755-y
PMID:42225785
|
研究论文 | 提出了一种基于EfficientNetV1B0卷积神经网络的自动深度学习模型，用于对自旋动力学模拟中九种不同磁态（包括铁磁和反铁磁自旋纹理）进行分类，并构建了人工标注的RGB图像数据集 | 首次将EfficientNetV1B0卷积神经网络应用于磁态自动分类，解决了传统手工特征或人工检查方法在复杂自旋纹理识别上的局限，并构建了新的标注数据集 | NA | 实现自旋动力学模拟中磁态的高效自动分类，替代传统依赖手工特征或人工检查的方法 | 九种不同磁态，包括铁磁和反铁磁自旋纹理（如反铁磁斯格明子和反铁磁带畴） | 计算机视觉 | NA | NA | 卷积神经网络 | RGB图像 | NA | TensorFlow, PyTorch | EfficientNetV1B0 | 准确率, F1分数 | NA |
| 1138 | 2026-06-03 |
A two-step deep learning framework for predicting difficult video laryngoscopy from ultrasound images: a prospective cohort study
2026-Jun-01, BMC anesthesiology
IF:2.3Q2
DOI:10.1186/s12871-026-03948-z
PMID:42226131
|
研究论文 | 提出一种两步深度学习框架，利用超声图像预测困难视频喉镜插管 | 首次将人工智能与超声影像结合用于预测困难视频喉镜插管，并通过热图识别与困难插管相关的超声测量指标 | 未在摘要中明确提及局限性 | 评估基于人工智能的超声技术预测困难视频喉镜插管的可行性，并识别相关超声测量指标 | 接受超声气道检查的患者 | 计算机视觉 | 麻醉相关并发症 | 超声成像 | CNN, LightGBM | 图像 | 1474例患者，其中95例发生困难视频喉镜插管 | NA | ResNet-18, LightGBM | AUROC, 敏感性, 特异性, 比值比 | NA |
| 1139 | 2026-06-03 |
Predictive and interactive roles of motivation and situational learning activities on emotional and cognitive engagement
2026-Jun-01, The British journal of educational psychology
DOI:10.1111/bjep.70099
PMID:42226569
|
研究论文 | 探讨课外学习活动中动机与情境学习活动对学生情感和认知参与的预测及交互作用 | 聚焦课外学习情境，采用经验取样法捕捉实时数据，揭示动机与情境参与的动态交互关系 | 未明确提及具体局限性 | 研究学生动机、情境参与（情绪和学习策略）与课外学习活动背景之间的关系 | 394名本科生，平均年龄21.26岁，来自不同种族背景和学科 | 机器学习 | NA | NA | NA | 问卷数据 | 394名本科生 | NA | NA | NA | NA |
| 1140 | 2026-06-03 |
Machine learning in tissue engineering: a comprehensive review of applications, challenges, and prospects
2026-Jun-01, Journal of biomaterials science. Polymer edition
DOI:10.1080/09205063.2026.2675360
PMID:42226588
|
综述 | 全面回顾机器学习在组织工程中的应用、挑战与前景 | 系统梳理了机器学习和深度学习在组织工程（包括生物材料性能预测、支架设计、组织再生和3D生物打印）中的最新应用，并指出了数据质量、模型可解释性和标准化等关键挑战 | 数据质量、模型可解释性和标准化问题阻碍了这些技术的全面整合 | 概述机器学习与深度学习在组织工程中的当前进展、挑战和未来方向 | 组织工程中的生物材料、支架、组织再生和3D生物打印 | 机器学习 | NA | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |