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 624 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2026-08-13 |
Robust end-to-end stratification of amyotrophic lateral sclerosis patients via recurrent variational autoencoder and consensus clustering
2026-08, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2026.105059
PMID:42235808
|
研究论文 | 本研究开发了一种结合循环变分自编码器与共识聚类的数据驱动方法，用于基于纵向疾病进展模式对肌萎缩侧索硬化（ALS）患者进行分层，识别临床相关亚组。 | 将Peephole长短期记忆网络集成到变分深度嵌入架构中，以同时学习潜在表示和聚类分配，并结合共识聚类和超参数优化，增强了对纵向时间序列数据中患者异质性的捕获能力。 | 摘要未明确提及局限性。 | 开发一种稳健的端到端方法，基于纵向疾病进展模式对ALS患者进行分层，以支持个性化预后和临床试验设计。 | ALS患者，基于纵向疾病进展模式进行分层。 | 机器学习 | 肌萎缩侧索硬化 | NA | 循环变分自编码器和共识聚类 | 时间序列数据（ALSFRS-R总分、领域子评分和MiToS分期） | 3076名来自PRO-ACT数据集的ALS患者，以及模拟数据。 | NA | Peephole长短期记忆网络，变分深度嵌入（VaDE） | 轮廓系数、Davies-Bouldin指数、Calinski-Harabasz指数 | NA |
| 422 | 2026-08-13 |
REN: Anatomically-Informed Mixture-of-Experts for Interstitial Lung Disease Diagnosis
2026-Aug, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3704035
PMID:42308081
|
研究论文 | 提出了一种解剖学信息引导的混合专家框架REN，用于间质性肺病（ILD）分类，通过区域专属专家和多模态门控机制提升诊断性能 | 首次将解剖学先验编码到混合专家框架中，设计了七个分别对应肺叶或双侧肺组合的专家，并采用多模态门控机制动态整合影像组学生物标志物与深度学习特征 | 未在摘要中明确提及局限性，可能包括对大规模外部验证的需求或计算资源的依赖 | 开发一种解剖学引导的、可扩展的医学图像分类框架，以提升间质性肺病诊断的准确性和临床可解释性 | 597名患者的纵向队列，包含1898次CT扫描，用于间质性肺病分类 | 医学影像 | 间质性肺病 | 影像组学特征提取与深度学习结合，利用CT成像数据 | 混合专家模型（MoE），包含CNN、ViT和状态空间模型（Mamba） | 医学图像（CT扫描） | 597名患者，1898次扫描 | 未明确提及，但暗示使用PyTorch（基于代码可用性），可能包括MONAI | SwinUNETR、CNN、ViT、Mamba、混合专家模型 | AUC，平均AUC为0.8646±0.0467，并报告p值 | 未明确提及，但代码在GitHub上可用，可能依赖GPU计算资源 |
| 423 | 2026-08-13 |
A dual-band radio-frequency biosensing platform with physics-informed deep learning for simultaneous sweat pH and lactate monitoring
2026-08-01, Mikrochimica acta
DOI:10.1007/s00604-026-08309-8
PMID:42541602
|
研究论文 | 本文报道了一种结合射频材料和人工智能的双频生物传感平台，用于同步监测汗液pH值和乳酸浓度，并通过物理信息深度学习实现高精度信号解码 | 提出了一种“射频-材料-人工智能”协同设计的双频生物传感平台，集成了双谐振微带天线、三元纳米复合界面和物理信息深度学习网络，首次实现了对汗液pH和乳酸的同时无创监测，并显著提高了响应速度和信号解码精度 | 未明确提及局限性，但可能包括样本量较小（仅10名受试者）以及设备在真实环境中的长期稳定性和可穿戴性有待进一步验证 | 开发一种能够同时、连续监测汗液pH和乳酸的双频生物传感平台，解决现有传感器响应时间长和信号解码依赖简单线性校准的问题，并验证其在健康状态和运动强度分类中的应用 | 人体汗液中的pH值和乳酸浓度，以及基于这些生物标志物的健康状态和运动强度分类 | 生物传感、机器学习、射频工程 | 不适用 | 射频传感（双频微带天线）、电化学传感、纳米材料合成、深度学习 | Physics-BiLSTM-Attention网络（物理信息双向长短期记忆网络结合注意力机制） | 人体汗液样本的RF信号数据和对应的pH、乳酸参考值 | 10名受试者的汗液数据 | PyTorch（推测） | 双分支注意力机制的双向LSTM，嵌入一阶时间差分先验 | 相关系数（R）、决定系数（R²）、平均绝对误差（MAE）、均方根误差（RMSE）、准确率（Accuracy）、不确定性校准 | 不适用 |
| 424 | 2026-08-13 |
Domain-specific simulated data enhances knife-mark noise suppression in microscopy images of materials
2026-Aug-01, Microscopy (Oxford, England)
DOI:10.1093/jmicro/dfaf049
PMID:41134156
|
研究论文 | 本研究提出并验证了一种模拟驱动学习范式，仅使用模拟图像训练深度学习模型以抑制材料显微图像中的刀痕噪声，实现精确的填料区域分割 | 提出一种仅依靠模拟数据进行训练的深度学习范式，针对特定领域模拟噪声，克服了材料科学中标记真实图像数据稀缺的问题 | 未提及具体局限性 | 通过模拟数据训练深度学习模型，去除材料显微图像中的刀痕噪声，实现准确的填料区域分割 | 橡胶材料横截面显微图像中的刀痕噪声和填料区域 | 深度学习, 图像处理 | 不适用 | 数字图像模拟 | U-Net | 图像 | 不明确，涉及模拟图像和真实显微图像 | 未提及 | U-Net | PSNR, SSIM, MAE | 未提及 |
| 425 | 2026-08-13 |
Deciphering tumor metabolites: emerging technologies shaping clinical implications
2026-Aug, Trends in cancer
IF:14.3Q1
DOI:10.1016/j.trecan.2026.04.004
PMID:42120268
|
综述 | 本文评估了当前用于肿瘤代谢物检测的平台和技术，以及功能性研究的新兴策略，并探讨了先进算法在代谢物临床应用中的整合。 | 强调了下一代技术和深度学习框架在增强功能洞察和临床转化方面的必要性。 | 存在方法学限制和肿瘤代谢异质性等关键问题。 | 评估代谢物检测平台和技术，并展望未来发展方向以促进临床转化。 | 肿瘤代谢物及其在肿瘤生物学中的作用。 | 肿瘤代谢组学 | 肿瘤 | 代谢物检测平台和技术 | NA | NA | NA | NA | NA | NA | NA |
| 426 | 2026-08-13 |
On the utility of ChatGPT in conducting a literature review on deep learning for dopamine transporter SPECT with [¹²³I]ioflupane
2026-Aug, Nuklearmedizin. Nuclear medicine
DOI:10.1055/a-2890-8325
PMID:42341787
|
研究论文 | 本研究评估了ChatGPT（GPT-5.2）在撰写关于深度学习在[¹²³I]ioflupane多巴胺转运体SPECT中的综述论文时的实用性。 | 首次评估ChatGPT在核医学成像领域文献综述撰写中的实用性，并详细分析了其在文献检索和引用方面的局限性。 | ChatGPT在文献检索和引用方面存在不足，需要专家监督和修正。 | 评估ChatGPT辅助撰写深度学习在DAT-SPECT成像中的综述论文的实用性和准确性。 | ChatGPT生成的文献列表和综述草稿，以及70篇相关出版物。 | 自然语言处理、医学影像 | 神经系统疾病（帕金森病等） | DAT-SPECT成像 | ChatGPT（GPT-5.2） | 文本 | 70篇相关出版物，其中67篇被纳入综述 | NA | Transformer（GPT-5.2） | NA | NA |
| 427 | 2026-08-13 |
Assessing Plantar Skin Epidermal Layer in Response to Various Insole Hardness via Deep Learning Enabled Optical Coherence Tomography Analysis
2026-08, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70330
PMID:42549579
|
研究论文 | 本研究利用光学相干断层扫描和深度学习技术，评估不同鞋垫硬度对足底皮肤表皮层厚度的影响 | 首次将深度学习技术应用于OCT图像分析，以评估不同鞋垫硬度对足底皮肤表皮层厚度的动态响应 | 未提及 | 探究不同鞋垫硬度和行走时间对足底皮肤角质层和活表皮厚度变化的影响，以评估足底组织健康 | 足底皮肤角质层和活表皮层，具体部位包括大脚趾、第一跖骨头和第二跖骨头 | 深度学习、医学影像分析 | 糖尿病足溃疡预防 | 光学相干断层扫描（OCT） | 深度学习模型 | OCT图像 | 未提及具体样本数量 | NA | NA | 厚度变化统计显著性 | NA |
| 428 | 2026-08-13 |
Multivariable Radiomics Model for Predicting Programmed Death-Ligand 1 Expression After Neoadjuvant Chemoradiotherapy in Esophageal Squamous Cell Carcinoma
2026-Aug, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.72084
PMID:42572224
|
研究论文 | 本研究旨在通过整合传统影像组学、深度学习和机器学习方法，开发预测食管鳞状细胞癌新辅助放化疗后程序性死亡配体1（PD-L1）表达的模型 | 首次采用多层面方法（传统影像组学、深度学习与机器学习）预测nCRT后PD-L1表达，并整合临床变量与影像组学特征 | 样本量较小（101例），影像组学相对于临床变量的增量判别价值有限，研究预测PD-L1表达而非实际的免疫检查点抑制剂反应，结果需外部验证 | 开发预测食管鳞状细胞癌新辅助放化疗后PD-L1表达的模型，评估放射组学的增量判别价值 | 局部晚期食管鳞状细胞癌（ESCC）患者 | 医学影像分析 | 食管鳞状细胞癌 | CT成像 | 机器学习算法（逻辑回归、深度学习架构如ResNet和TabNet） | CT图像 | 101例局部晚期ESCC患者 | NA | 残差网络（ResNet）、TabNet | 加权AUROC | NA |
| 429 | 2026-08-13 |
Geometric Deep Learning-Based Drug Design Models for Small-Molecule Drug Discovery
2026-Aug, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.70047
PMID:42572360
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 430 | 2026-03-31 |
A two-stage deep learning system for cervical spine fracture diagnosis: integrating 3D segmentation and 2.5D classification on CT images
2026-Aug, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-026-09892-3
PMID:41910751
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 431 | 2026-08-12 |
A Deep Bidirectional LSTM Model Enhanced by Transfer Learning for the Classification of Peripheral Arterial Blood Pressure Waveforms
2026-Aug, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3696494
PMID:42184174
|
研究论文 | 本研究开发了一个基于双向长短期记忆网络的深度学习框架，用于将动脉血压波形分类为A型和B/C型形态，并通过迁移学习将其应用于人类数据 | 首次将双向长短期记忆网络与深度迁移学习相结合用于动脉血压波形分类，并成功将动物训练的模型迁移到人类临床数据，扩展了波形分离分析的应用范围 | 缺乏大规模、标注的临床数据集，限制了模型的鲁棒性验证；分类准确率仍有待提高 | 开发深度学习框架对动脉血压波形进行分类，以改善危重患者的心血管监测 | 动物队列中的主动脉和股动脉有创血压波形，以及MIMIC-III数据库中的人类股动脉血压波形 | 深度学习 | 心血管疾病 | 有创血压波形测量 | 双向长短期记忆网络 | 生理信号（血压波形） | 大型动物队列和MIMIC-III数据库中的患者数据 | NA | 双向长短期记忆网络 | 准确率 | NA |
| 432 | 2026-08-12 |
Fold-Switching Proteins Push the Boundaries of Conformational Ensemble Prediction
2026-Aug, Annual review of biomedical data science
IF:7.0Q1
|
研究论文 | 本文聚焦于折叠转换蛋白，评估深度学习方法在预测其构象集合时的表现，揭示模型通过训练集结构进行预测的局限性，并提出改进方向 | 以折叠转换蛋白作为测试案例，揭示深度学习方法在构象集合预测中的泛化性限制，并指出模型依赖训练集结构的倾向 | 未提供具体的计算方法或实验结果，仅提出观察和建议 | 探讨深度学习方法在预测蛋白质构象集合，特别是折叠转换蛋白方面的能力及局限性，以推动更广泛构象建模的发展 | 折叠转换蛋白 | 结构生物学 | NA | NA | 深度学习模型 | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 433 | 2026-08-12 |
Microcomputed tomography analysis of marginal adaptation and internal fit of zirconia frameworks with direct-to-abutment connections using a deep learning artificial intelligence model
2026-Aug, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2026.04.032
PMID:42156249
|
研究论文 | 本研究利用显微计算机断层扫描和深度学习人工智能模型，评估了直接连接基台的氧化锆框架与常规钛基底连接的边缘适应性和内部密合度。 | 引入了一种基于深度学习人工智能模型的内部密合度评估新方法，并验证了其与传统测量方法的一致性。 | 样本量有限，且研究仅评估了特定类型的连接设计和材料，可能限制了结果的普适性。 | 评估直接连接基台的氧化锆框架与常规钛基底连接相比的边缘适应性和内部密合度，并验证基于深度学习的AI测量方法的有效性。 | 氧化锆框架样本，包括直接连接基台（常规和改良螺丝）和钛基底连接的设计。 | 数字病理学, 计算机视觉 | 口腔疾病 | 显微计算机断层扫描 | 深度学习分割模型 | 图像 | 24个氧化锆样本，分为3组，每组8个，共96个测量点 | NA | NA | Dice相似系数、组内相关系数、Bland-Altman分析、p值 | NA |
| 434 | 2026-08-12 |
Modeling the Language of Codons with Artificial Intelligence
2026-Aug, Annual review of biomedical data science
IF:7.0Q1
|
综述 | 本文总结了近年来在密码子层面运作的人工智能模型的最新进展，包括判别式和生成式方法，并讨论了密码子语言模型及其在下游预测任务中的应用，以及用于设计密码子序列以改善异源表达和mRNA稳定性的生成模型。 | 本文聚焦于密码子层面的人工智能模型，这是相对较新的研究方向，系统总结了判别式和生成式模型的应用，并强调利用这些模型获得分子进化见解，提出了该领域快速发展的开放问题。 | 未提供具体局限性信息。 | 总结密码子层面的人工智能模型进展，包括判别式和生成式方法，并探讨其在预测任务、序列设计和分子进化研究中的应用。 | 密码子序列和mRNA序列，以及相关的蛋白质表达、稳定性和折叠过程。 | 自然语言处理 | 不适用 | 不适用 | 判别式模型和生成式模型 | 序列数据（密码子序列） | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 435 | 2026-08-11 |
Ensemble-based deep learning approach for early detection of poultry diseases using faecal images
2026-Aug, British poultry science
IF:1.6Q2
DOI:10.1080/00071668.2025.2588246
PMID:41392904
|
研究论文 | 本文提出一种基于集成的深度学习方法来早期检测家禽疾病，通过粪便图像分类健康与非健康状态 | 采用集成学习和微调策略，结合多种CNN模型，显著提高了疾病检测的准确性 | 未提及具体限制，但可能受限于粪便图像数据集的多样性和环境因素 | 开发并评估一种基于集成CNN的深度学习模型，用于家禽疾病的早期识别 | 家禽粪便图像，涵盖健康与患沙门氏菌病、新城疫和球虫病的家禽 | 计算机视觉 | 家禽疾病 | 图像分类 | 卷积神经网络（CNN） | 图像 | 未明确提及具体样本数量 | TensorFlow | MobileNetV2, EfficientNetB0, Xception, ResNet50V2 | 准确率, 精确度, 召回率 | 未明确提及 |
| 436 | 2026-08-09 |
Clinical Applicability of Artificial Intelligence-Driven Implant Planning and Surgical Guide Design in the Maxillary Esthetic Zone: A Registry-Based Cohort Study
2026-Aug, Clinical oral implants research
IF:4.8Q2
DOI:10.1111/clr.70144
PMID:42237361
|
研究论文 | 本研究评估了人工智能辅助与人类专家在美学上颌前牙区种植体规划中的准确性、时间效率和流程一致性，并比较了AI设计的手术导板与人工设计导板的适配性 | 首次在注册队列研究中综合评估AI驱动种植规划与手术导板设计在美学区的临床应用，采用混合AI框架结合规则约束与深度学习分割，并全面比较了多项临床指标 | 样本量较小（35例），且为回顾性研究，可能影响结果的普遍性 | 评估人工智能辅助种植规划在美学上颌前牙区的准确性、时间效率和一致性，以及与人类专家规划的对比 | 35例单颗前牙上颌病例，配对锥形束CT和口内扫描数据 | 数字病理学 | 无特定疾病 | 锥形束CT，口内扫描 | 深度学习分割模型 | 医学影像（CBCT和口内扫描） | 35例患者 | NA | NA | 线性偏差（冠状、根尖）、角度偏差、骨厚度、蜡型对齐、手术导板适配、规划时间、一致性 | NA |
| 437 | 2026-08-09 |
Comprehensive framework for evaluation of deep neural networks in detection and quantification of lymphoma from PET/CT images: Clinical insights, pitfalls, and observer agreement analyses
2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2026.105832
PMID:42284693
|
研究论文 | 提出了一个评估深度学习网络在PET/CT图像中检测和量化淋巴瘤的综合框架，包括临床见解、陷阱和观察者一致性分析 | 提出了一个以临床相关性为导向的评估框架，包含对病变级别特征的分析、新的分割标准（标准3），以及专家观察者间的变异性分析 | 未明确提及限制 | 解决自动化淋巴瘤分割评估中的关键空白，如泛化性、观察者变异性和病变级别评估 | 来自多机构数据集的611例PET/CT淋巴瘤病例，涵盖不同淋巴瘤亚型和病变特征 | 医学图像分析 | 淋巴瘤 | PET/CT成像 | 深度分割网络 | PET/CT图像 | 611例PET/CT病例 | NA | ResUNet, SegResNet, DynUNet, SwinUNETR | Dice相似系数，预测误差，检测标准1和2，提出的标准3 | NA |
| 438 | 2026-08-09 |
A novel multi-task deep learning framework for classification and detection of intracranial structures in first-trimester fetal ultrasound images
2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2026.105806
PMID:42308601
|
研究论文 | 开发一种新的多任务深度学习框架，用于自动分类和检测早期妊娠胎儿超声图像中的颅内结构。 | 首次整合深度学习特征选择、统计建模和基于Transformer的检测方法，用于早期胎儿大脑评估，提高了分类准确性和检测性能，并增强了临床可解释性。 | 未提及 | 开发一种深度学习框架以自动化分类和检测早期妊娠胎儿超声图像中的颅内结构，提高产前筛查的准确性和临床实用性。 | 胎儿的九个关键脑结构，在孕11-14周的超声图像中。 | 计算机视觉 | 胎儿脑部异常（产前筛查） | 超声成像 | 卷积神经网络（CNN）、Transformer | 图像 | 2569张矢状超声图像，来自2560名孕妇（孕11-14周），收集自四个临床中心。 | PyTorch（基于common usage），但未明确指定 | EfficientNet、VGG16、YOLOv11、Swin Transformer | 准确率、AUC、IoU、平均精确度（mAP）、校准曲线、决策曲线分析 | 未提及 |
| 439 | 2026-08-09 |
Inflammatory bowel disease burden in China and the United States from 1990-2023 and prediction to 2050
2026-Aug, Internal and emergency medicine
IF:3.2Q1
DOI:10.1007/s11739-026-04352-8
PMID:41986557
|
研究论文 | 本研究比较了1990年至2023年间中国和美国炎症性肠病（IBD）的疾病负担，并使用多种算法预测至2050年的趋势。 | 采用多算法预测框架，针对不同国家和指标选择最优模型，以处理两国间异质的流行病学模式。 | 未在摘要中明确提及局限性，可能包括数据源限制、模型假设或预测不确定性。 | 比较中国和美国IBD疾病负担，并预测未来趋势至2050年，以指导国家特定策略。 | 中国和美国人群中IBD的发病率、患病率、死亡率和伤残调整生命年。 | 流行病学 | 炎症性肠病 | NDA | 多种算法，包括传统时间序列模型、机器学习和深度学习 | 流行病学数据（发病率、患病率、死亡率和DALYs） | NA | NA | ElasticNet、Prophet、Holt's阻尼趋势模型、连接点回归和内在估计器 | 平均绝对百分比误差（MAPE），平均年度百分比变化（AAPC） | NA |
| 440 | 2026-08-09 |
Personalized Deep Networks for Enhanced ECG Segmentation
2026-Aug, Cardiovascular engineering and technology
IF:1.6Q4
DOI:10.1007/s13239-026-00835-z
PMID:42010029
|
研究论文 | 提出一种个性化深度神经网络方法，用于增强心电图分割，通过结合CNN、BiLSTM和注意力机制，并引入新颖的损失函数，提高波形分割精度。 | 引入了个性化微调策略和针对心电图分割的新损失函数，以增强模型对患者特异性变化的适应性和分割精度。 | 研究未指明具体局限性，可能需要进一步验证模型在不同数据库或更大样本上的泛化能力。 | 提升心电图语义分割的准确性和可解释性，通过个性化模型适应患者特异性形态，改善临床诊断基础。 | 心电图（ECG）波形数据，特别是QT数据库中的P波、QRS波群和T波。 | 机器学习、数字病理学 | 心血管疾病 | NA | CNN、BiLSTM、注意力机制 | 时间序列数据（心电图波形） | QT数据库（具体样本量未在摘要中提供） | NA | CNN、BiLSTM、注意力机制 | 分割精度（如P波、QRS波群和T波偏移的定位精度） | NA |