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 44945 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2026-06-03 |
Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot
2026-Mar, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2026.110724
PMID:41548324
|
研究论文 | 开发并解释一种深度学习模型，用于将足部X光片分类为正常、足底筋膜炎和扁平足三类 | 利用合成数据集训练DenseNet-121模型，并通过Grad-CAM++增强可解释性，定量分析六个空间注意力特征，揭示解剖学一致的激活模式 | 需在真实临床环境中进一步验证 | 开发并解释深度学习模型，实现足部X光片的正常、足底筋膜炎和扁平足三类分类 | 足部X光片 | 计算机视觉 | 足部疾病（足底筋膜炎、扁平足） | X光成像 | 深度学习模型（DenseNet-121） | 图像（合成侧位足部X光片） | 9500张合成侧位足部X光图像（来自AI-Hub数据集），独立测试集 | NA | DenseNet-121 | 准确率、F1分数 | NA |
| 202 | 2026-06-03 |
AI-Guided Droplet Microreactors Enable Rapid and Reproducible Protein Crystallization
2026-Mar, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202510977
PMID:41552976
|
研究论文 | 提出DCCV平台，结合程控渗透调节与自动化计算机视觉，实现快速、可复现的蛋白质结晶 | 通过半透性双乳液液滴和深度学习成像系统实现液滴内溶质浓度的动态调控，克服传统微液滴方法浓度固定的局限 | NA | 开发新型微流控平台以提高蛋白质结晶的速度和可重复性 | 蛋白质结晶过程 | 计算机视觉 | NA | 微流控、深度学习成像 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 203 | 2026-06-03 |
Attenuation-based ultra-low-dose lung computed tomography at 0.1 mSv to 0.3 mSv effective dose in children
2026-Mar, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06503-z
PMID:41553466
|
研究论文 | 评估使用宽探测器能量积分CT系统对儿童进行超低剂量肺部CT的辐射剂量和图像性能 | 在儿童中实现0.12-0.23 mSv的超低有效辐射剂量，与光子计数CT系统剂量相当，并通过深度学习重建维持诊断图像质量 | 心率伪影和阶梯伪影频繁出现，尽管不影响诊断解释 | 评估超低剂量肺部CT协议在儿童患者中的辐射剂量和诊断图像质量 | 儿童患者 | 计算机视觉 | 肺部疾病 | CT | 深度学习重建模型 | 图像 | 106名儿童患者的277次低剂量肺部CT扫描 | NA | NA | 信噪比, 对比噪声比 | NA |
| 204 | 2026-06-03 |
Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks Under Deep Learning Frameworks
2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2026.3655150
PMID:41553900
|
研究论文 | 该论文通过构建带符号脑网络模型并利用符号图神经网络技术，提出了一种预测和分析阿尔茨海默病的新方法 | 创新地将脑网络建模为包含正负相关性的符号图，并利用符号图卷积网络提升阿尔茨海默病预测精度，同时通过正负注意力矩阵识别重要脑区生物标志物 | 未明确说明 | 提高阿尔茨海默病的诊断准确性，尤其是早期诊断 | 阿尔茨海默病患者的脑网络数据 | 机器学习 | 阿尔茨海默病 | NA | 图卷积网络 (GCN) 及其变体 | 脑网络数据 | NA | PyTorch | 图卷积网络 (GCN) | 诊断精度 | NA |
| 205 | 2026-06-03 |
Controlling gene expression using AI designed Cis-regulatory elements
2026 Mar-Apr, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2026.108802
PMID:41554183
|
综述 | 本文综述了利用人工智能设计顺式调控元件以控制基因表达的最新进展 | 系统总结了深度学习在合成CRE设计中的应用，包括专门设计模型和DNA基础模型，并讨论了多模态建模、强化学习和系统级调控网络设计等新兴方向 | 数据可用性有限、计算预测与实验结果之间存在差距、模型可解释性不足、生成能力受数据质量限制、当前模型主要依赖序列级特征而未完全捕获更广泛的调控背景 | 探讨新兴AI技术如何支持合成CRE的系统性和靶向设计 | 顺式调控元件，包括启动子、增强子及更复杂的调控架构 | 机器学习 | NA | 深度学习 | NA | 高通量实验数据、基因组序列数据 | NA | NA | NA | NA | NA |
| 206 | 2026-06-03 |
Maternal High-Fat Diet and Neonatal LPS Exposure Prolong USV Sequences and Shift Call-Type Repertoires in Neonatal Rats
2026-03, Developmental psychobiology
IF:1.8Q3
DOI:10.1002/dev.70142
PMID:41844290
|
研究论文 | 采用深度学习系统DeepSqueak分析母体高脂饮食和新生期LPS暴露对新生大鼠超声发声序列和叫声类型的影响 | 首次利用深度学习自动化系统DeepSqueak对新生大鼠超声发声的声谱图和语法特征进行详细分析，揭示母体高脂饮食和新生期LPS暴露对发声序列时长和语法转换概率的显著影响 | 样本量相对较小（总N=41），且仅关注新生期第7天的发声记录，缺乏长期追踪数据 | 探究母体高脂饮食和新生期脂多糖暴露对新生大鼠超声发声的时间结构和语法特征的影响 | 长埃文斯大鼠的后代（共41只，每条件5-6只） | 机器学习 | NA | 深度学习系统DeepSqueak | CNN | 超声音频数据 | 41只新生大鼠（每条件5-6只） | DeepSqueak | NA | 一致性比率 | NA |
| 207 | 2026-06-03 |
Quality of Head and Neck Diffusion-weighted MR Imaging Using a Combination of the Periodically Rotated Overlapping Parallel Lines with Enhanced Reconstruction (PROPELLER) Sequence and Deep Learning Reconstruction
2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0058
PMID:41548899
|
研究论文 | 评估结合深度学习重建的PROPELLER-DWI在头部和颈部扩散加权成像中的图像质量 | 首次将周期性旋转重叠平行线与增强重建扩散加权成像与不同程度深度学习重建结合，系统比较其与常规单次激发平面回波成像的图像质量 | 仅纳入10名健康成年人，样本量较小；未对不同疾病状态或病理条件进行评估 | 评估PROPELLER-DWI结合深度学习重建能否改善头部和颈部DWI图像质量 | 头部和颈部的扩散加权磁共振成像 | 计算机视觉 | NA | 扩散加权成像 (DWI) | 深度学习重建 (DLR) | 医学影像 | 10名健康成年人（8男2女） | NA | PROPELLER, 单次激发EPI | 信噪比 (SNR), 对比率, 变异系数 (CV), 图像质量, 几何畸变, 磁敏感伪影 | 3-Tesla MRI扫描仪 (GE Discovery MR750w) |
| 208 | 2026-06-03 |
Open-source pre-clinical image segmentation: mouse cardiac magnetic resonance imaging datasets with a deep learning segmentation framework
2026-Feb-17, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102706
PMID:41713653
|
研究论文 | 提出首个公开可用的小鼠心脏磁共振影像数据集及基于深度学习的开源分割框架 | 首次公开临床前小鼠心脏CMR数据集，结合UNet3+架构构建分割模型，并提供网页界面部署工具 | 未提及模型在更大规模或更多样化疾病模型中的泛化能力评估 | 开发通用开源工具以加速临床前心血管研究的可重复性和规模化发展 | 小鼠心脏磁共振影像及左心室血池和心肌分割 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | 深度学习分割模型 | 图像 | 130只小鼠用于训练，25只用于内部测试，15只（7T）和10只（11.7T）用于外部测试 | NA | UNet3+ | Dice系数、组内相关系数 | 每张2D图像推理时间<20 ms，完整电影堆栈分割约4.6秒 |
| 209 | 2026-06-03 |
IntNet: Lightweight yet high-performance deep learning system for intuitive radar patterns analysis and human fall detection
2026-Feb-15, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111485
PMID:41547050
|
研究论文 | 提出一种基于雷达的轻量级高性能深度学习系统IntNet，用于直观雷达模式分析和人类跌倒检测 | 提出了一个在复杂真实场景中性能优越的雷达跌倒检测系统，具有边缘计算能力且硬件资源需求极低；模型参数量仅211.8k，FLOPs约8.84M；同时提出了一种新颖的公平性能比较方法 | 未提及明显局限性 | 开发一种基于雷达的跌倒监测系统，在保护隐私和舒适性的同时，实现高精度实时检测并具备边缘计算能力 | 人类跌倒事件 | 计算机视觉 | 老年疾病 | 雷达传感器数据分析 | CNN | 雷达信号模式数据 | NA | NA | IntNet | 召回率, 精确率 | 边缘计算设备 |
| 210 | 2026-06-03 |
Multi-task non-contact ballistocardiogram-based vital signs monitoring in acupuncture
2026-Feb-15, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111461
PMID:41548353
|
研究论文 | 提出一种结合多通道心冲击图信号和多任务学习的非接触式针灸生命体征监测方法 | 首次将多任务深度神经网络（GRU与多头自注意力融合）用于非接触式心冲击图信号的生命体征估计与姿势分类，实现高效同步监测 | NA | 开发非接触式针灸生命体征监测系统，实现心率、呼吸率估计和卧姿检测 | 针灸患者的生命体征（心率、呼吸率）和躺卧姿势 | 机器学习 | NA | 聚偏二氟乙烯薄膜传感器 | GRU-MHSA | 心冲击图信号 | 25名参与者 | NA | 门控循环单元、多头自注意力 | 准确率、平均绝对误差 | NA |
| 211 | 2026-06-03 |
Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg
2026-Feb-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121729
PMID:41548822
|
研究论文 | 提出一种基于SynthSeg的数据驱动采样策略，用于训练能够分割具有广泛域偏移的胎儿脑部MRI的网络 | 引入一种新颖的数据驱动训练期采样策略，充分利用训练数据的多样性，增强网络对域偏移的泛化能力，并结合SynthSeg框架和域随机化生成多样训练数据 | 在处理解剖异常较少的病例时，分割性能略有下降 | 训练能够自动分割胎儿脑部MRI的网络，处理因主体生理差异和采集环境导致的广泛域偏移，尤其是病理情况下常见的形状差异 | 胎儿脑部核磁共振图像 | 数字病理学 | 胎儿神经发育疾病 | MRI | 卷积神经网络 | 图像 | 未明确说明 | SynthSeg | 卷积神经网络 | 分割质量 | 未明确说明 |
| 212 | 2026-06-03 |
Advanced deep learning techniques for classifying dental conditions using panoramic X-ray images
2026-02-07, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07727-7
PMID:41654817
|
研究论文 | 利用深度学习技术对全景X光图像中的牙齿状况进行分类，比较了自定义CNN、混合CNN机器学习模型和微调预训练架构的性能 | 首次系统比较了自定义CNN、混合CNN-机器学习模型和微调预训练架构在牙科全景X光图像中检测四种牙齿状况（填充物、龋洞、种植体和阻生牙）的性能，并采用随机降采样处理类别不平衡问题 | 系统分类错误揭示了形态相似状况之间的固有问题，表明AI系统应作为临床专业知识的辅助工具，需要前瞻性验证研究 | 评估多种深度学习方法对全景X光片中牙齿状况进行自动化分类的性能 | 全景X光图像中的牙齿状况：填充物、龋洞、种植体和阻生牙 | 计算机视觉 | 口腔疾病 | NA | CNN, 混合CNN-随机森林, VGG16, Xception, ResNet50, 支持向量机, 决策树, 随机森林 | 图像 | 1512张全景X光图像，11137个手动标注的边界框，每个状况894个样本（经过降采样） | NA | 自定义CNN, VGG16, Xception, ResNet50, 随机森林, 支持向量机, 决策树 | 准确率, 精确率, 召回率, F1分数, macro-F1分数 | NA |
| 213 | 2026-06-03 |
Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level
2026-Feb-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c13074
PMID:41549613
|
研究论文 | 提出一种基于三维卷积残差网络的深度学习方法，用于对质谱光度法数据进行事件分类，以实现单分子级别的最优质量测量 | 首次利用三维卷积残差网络分析事件时空动态，通过监督学习分类着陆事件，从而隔离最优单分子测量，消除累积直方图伪影，并将分辨能力提升至两倍 | 摘要中未明确提及方法的局限性 | 提高质谱光度法在单分子测量中的质量分辨率、灵敏度和浓度检测能力 | 质谱光度法中的蛋白质结合/解离事件 | 计算机视觉 | NA | 质谱光度法 | 三维卷积残差网络 | 质谱光度法事件缩略图 | 多个实验数据集，包括已分辨和部分分辨的样品，以及不同质量、浓度和积分时间的样本 | PyTorch | 三维卷积残差网络 | 质量分辨率、灵敏度、浓度 | NA |
| 214 | 2026-06-03 |
Hundred-Nanosecond Equivalent Pixel Dwell Time for Deep-Tissue 3D Three-Photon Fluorescence Microscopy via Sparse X-Y-Z Reconstruction
2026-Feb, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202501513
PMID:41546413
|
研究论文 | 提出DeepR-SXYZ深度学习框架，通过稀疏X-Y-Z重建实现深组织三光子荧光显微镜的百纳秒等效像素驻留时间，大幅提升成像速度 | 首次将深度学习稀疏重建与三光子荧光显微结合，通过结构-动态注意力增强Transformer同步捕获层内形态与层间动态，实现8.8倍加速和60%以上Z轴层恢复 | 依赖配对训练数据（稀疏与密集采样），可能限制在无配对数据场景的泛化性；未明确讨论对活体组织光毒性的量化评估 | 实现三光子荧光显微的高速、低光毒性体积成像，平衡成像速度与空间分辨率 | 脑脉管系统和肌巨噬细胞 | 计算机视觉， 数字病理学 | NA | 三光子荧光显微镜 | CNN， Transformer | 图像（三维体积扫描） | 脑脉管系统和肌巨噬细胞的体积扫描数据 | NA | 卷积神经网络（CNN）， 结构-动态注意力增强Transformer | 加速比， 层恢复率， 等效像素驻留时间 | NA |
| 215 | 2026-06-03 |
The 4D Human Embryonic Brain Atlas: Spatiotemporal atlas generation for rapid anatomical changes
2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 利用深度学习方法创建4D人类胚胎脑图谱，捕捉孕早期大脑的快速解剖变化 | 引入随时间变化的初始图谱并惩罚偏离，确保在胚胎快速发育期间保持特定年龄的解剖结构 | NA | 提供正常胚胎脑发育的详细见解并识别异常，改善产前神经发育障碍的检测、预防和治疗 | 人类胚胎大脑 | 计算机视觉 | 神经发育障碍 | 3D超声成像 | 深度学习 | 3D超声图像 | 来自402名受试者的831张3D超声图像，孕周8至12周 | NA | NA | 消融研究结果 | NA |
| 216 | 2026-06-03 |
An accurate, straightforward computer vision algorithm for optimal tumor-feeding visualization in cone-beam computed tomography hepatic arteriography: A preliminary study
2026-Feb, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107192
PMID:41547160
|
研究论文 | 提出一种计算机视觉算法，用于在锥形束CT肝动脉造影中自动推荐最佳肿瘤供血动脉可视化角度 | 使用传统计算机视觉方法而非深度学习，实现快速、可解释的自动角度推荐，提高了放射科医生的操作效率 | 研究样本量较小，仅纳入50例患者进行内部验证，需要更大规模研究进一步验证 | 开发一种能够自动推荐最佳旋转角度的计算机视觉算法，以优化肿瘤供血动脉的可视化，辅助肝动脉栓塞术 | 肝细胞癌患者的锥形束CT肝动脉造影图像中的肿瘤供血动脉 | 计算机视觉 | 肝细胞癌 | 锥形束CT肝动脉造影 | NA | 图像 | 19例患者用于算法开发，50例患者用于内部验证 | OpenCV | NA | 检索相关性 | NA |
| 217 | 2026-06-03 |
Spatial location and distribution reconstruction of the leaking gas plume via a single infrared remote sensing system
2026-Feb, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110061
PMID:41547313
|
研究论文 | 提出一种基于深度学习的生成网络，利用单个红外遥感系统重建泄漏气体羽流的空间位置和三维分布 | 采用八叉树表示建模气体羽流的稀疏三维分布，实现从粗到细的生成，仅需少量计算和内存资源 | 红外遥感仪器的分辨率和计算机存储容量限制了气体羽流重建的空间分辨率 | 解决单个红外遥感系统仅能测量气体浓度二维投影的问题，实现三维气体羽流重建 | 泄漏气体羽流的空间位置和分布 | 计算机视觉 | NA | 红外遥感 | 生成网络 | 红外遥感图像 | 实地实验中的泄漏气体羽流样本 | PyTorch | 八叉树生成网络 | NA | NA |
| 218 | 2026-06-03 |
Deep learning in stroke therapeutics: drug repurposing and beyond
2026-Feb, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2619641
PMID:41549848
|
综述 | 本文综述了深度学习在脑卒中治疗中的应用，重点包括药物重定位及其他前沿领域 | 系统性地将深度学习应用于脑卒中药物重定位，并扩展到临床前建模及临床决策支持，加速了从数据到治疗转化的进程 | 面临模型可解释性不足、泛化能力有限以及真实世界验证困难的挑战 | 梳理深度学习在脑卒中治疗中的现有应用，并探讨其克服病理异质性和治疗窗狭窄等问题及促进药物开发的潜力 | 脑卒中相关的药物重定位、靶点识别、虚拟筛选及临床诊断工具 | 机器学习 | 脑血管疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 219 | 2026-06-03 |
Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance
2026-Feb-01, European thyroid journal
IF:3.5Q2
DOI:10.1530/ETJ-25-0268
PMID:41553093
|
研究论文 | 评估人工智能模型对非典型意义不明确细胞学的甲状腺结节风险分层效果 | 首次应用深度学习AI模型对AUS细胞学的甲状腺结节进行风险分层，并与传统K-TIRADS评分系统直接比较诊断准确性 | 回顾性设计、样本量较小（165个结节）、仅纳入韩国医疗中心数据 | 评估AI模型在AUS细胞学甲状腺结节临床风险分层中的适用性 | 2019年1月至2020年12月韩国五家医疗中心接受甲状腺结节细针穿刺的患者 | 数字病理学， 机器学习 | 甲状腺结节， 甲状腺癌 | 超声成像， 细针穿刺细胞学 | 深度学习模型 | 超声图像 | 165个甲状腺结节 | NA | AI-Thyroid（具体架构未说明） | 敏感度， 阴性预测值， AUC | NA |
| 220 | 2026-06-03 |
Model uncertainty estimates for deep learning mammographic density prediction using ordinal and classification approaches
2026-Jan-30, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae39e2
PMID:41554181
|
research paper | 利用分类和序贯深度学习方法预测乳腺密度，并产生模型不确定性估计 | 首次在深度学习乳腺密度预测中，通过分类和序贯方法产生模型不确定性估计，且不降低预测性能 | 未提及具体限制 | 开发具有内置不确定性估计的深度学习模型，用于乳腺密度预测 | 超过150,000张乳腺X光图像及专家阅读的连续密度评分 | computer vision | breast cancer | NA | CNN (implied by deep learning methods) | 图像 | 超过150,000张乳腺X光图像 | NA | 分类模型, 序贯模型, 回归模型 | RMSE | NA |