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 43290 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 | 2026-04-12 |
QuantumNeuroXAI: a quantum-inspired deep learning framework with explainability for brain signal analysis and neurological disorder detection
2026-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47627-y
PMID:41963527
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 202 | 2026-04-12 |
Deepath-SCC: a deep learning model for accurate tissue origin identification in squamous cell carcinoma
2026-Apr-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01405-1
PMID:41963625
|
研究论文 | 开发了一个名为Deepath-SCC的深度学习模型，用于从H&E染色的全切片图像中准确识别鳞状细胞癌的组织来源 | 首次提出一个深度学习模型，专门用于泛鳞状细胞癌的组织来源识别，直接从常规病理切片图像中实现高精度预测 | 研究为回顾性队列，需要进一步前瞻性验证；模型在外部测试集上的准确率略有下降 | 解决鳞状细胞癌组织来源识别困难的问题，提高病理诊断的准确性 | 鳞状细胞癌患者的全切片图像，涵盖鼻咽、头颈/食管、肺、宫颈和尿路上皮等多个部位 | 数字病理 | 鳞状细胞癌 | H&E染色全切片成像 | 深度学习模型 | 图像 | 4217张全切片图像 | NA | Deepath-SCC | 准确率, AUROC | NA |
| 203 | 2026-04-12 |
Enhanced Quantitative Phosphocreatine MR Imaging of Skeletal Muscle Using a Global-Local Two-Branch Deep Learning Model
2026-Apr-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70386
PMID:41964083
|
研究论文 | 本研究提出了一种全局-局部双分支深度学习模型，用于增强骨骼肌中磷酸肌酸的定量磁共振成像 | 引入全局-局部双分支深度学习模型以有效消除混杂效应并捕捉PCr CEST效应中的细微变化，同时使用部分合成数据进行训练，结合了模拟灵活性和保真度 | 模型训练依赖于部分合成数据，可能仍存在与真实组织不完全匹配的局限性；研究主要针对大鼠模型，人类应用需进一步验证 | 提高骨骼肌中磷酸肌酸及其交换率的定量磁共振成像准确性，以诊断肌肉和神经肌肉疾病 | 健康大鼠和肌萎缩侧索硬化症大鼠的骨骼肌 | 医学影像分析 | 肌萎缩侧索硬化症 | 化学交换饱和转移磁共振成像 | 深度学习模型 | 磁共振图像 | 数字和物理体模、健康大鼠和ALS大鼠的骨骼肌数据 | NA | 全局-局部双分支深度学习模型 | 模型准确性通过体模实验评估，具体指标未明确说明 | NA |
| 204 | 2026-04-12 |
Predicting hepatocellular carcinoma in people with hepatitis B: a comparison between Cox proportional hazard and machine learning models
2026-Apr-09, Journal of epidemiology and population health
DOI:10.1016/j.jeph.2026.203387
PMID:41962179
|
研究论文 | 本研究比较了Cox比例风险模型与多种机器学习和深度学习算法在预测慢性乙型肝炎病毒感染患者肝细胞癌风险中的表现 | 首次在慢性乙型肝炎患者队列中系统比较传统Cox比例风险模型与多种机器学习及深度学习算法在肝细胞癌预测中的性能 | 样本量有限且结果高度不平衡，可能影响模型泛化能力 | 比较不同统计模型在肝细胞癌风险预测中的性能差异 | 慢性乙型肝炎病毒感染患者 | 机器学习 | 肝细胞癌 | 生存分析 | Cox比例风险模型,随机生存森林,生存支持向量机,生存XGBoost,DeepSurv | 临床队列数据 | 4,370名慢性乙型肝炎病毒感染患者，其中56人（1.3%）发展为肝细胞癌 | NA | Random Survival Forest, Survival SVM, Survival XGBoost, DeepSurv | Harrell's C-index, 逆概率删失加权胜率统计量, 3年/5年/8年时间依赖性ROC曲线下面积 | NA |
| 205 | 2026-04-12 |
Dual-model deep learning for Alzheimer's prognostication
2026-Apr-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111672
PMID:41962454
|
研究论文 | 开发了一种名为PROGRESS的双模型深度学习框架，利用单次基线脑脊液生物标志物评估阿尔茨海默病的预后，无需纵向临床观察 | 首次提出结合概率轨迹网络和深度生存模型的双模型框架，提供校准的不确定性量化，并在多中心数据上验证了其泛化能力 | 研究依赖于脑脊液生物标志物数据，未明确讨论其他生物标志物（如影像学或血液生物标志物）的整合可能性 | 开发一种能够在首次就诊时基于单次生物标志物评估提供阿尔茨海默病预后预测的深度学习框架 | 阿尔茨海默病患者，特别是从轻度认知障碍向痴呆转化的个体 | 数字病理学 | 阿尔茨海默病 | 脑脊液生物标志物检测 | 深度学习 | 生物标志物数据 | 来自43个阿尔茨海默病研究中心的超过3000名参与者 | NA | 概率轨迹网络, 深度生存模型 | 生存区分度, 校准不确定性覆盖 | NA |
| 206 | 2026-04-12 |
Artificial intelligence for metabolic dysfunction-associated steatotic liver disease diagnosis: A systematic review
2026-Apr-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111619
PMID:41962452
|
系统综述 | 本文对人工智能在代谢功能障碍相关脂肪性肝病诊断中的应用进行了系统性回顾，重点关注预测建模、筛查、影像分析和治疗辅助 | 首次对2020年至2026年间人工智能在MASLD诊断中的多模态应用进行全面系统综述，并整合了多组学数据用于新型生物标志物发现和治疗靶点识别 | 模型泛化能力、标准化以及临床整合方面仍存在挑战，需要前瞻性验证和实施策略 | 评估人工智能技术在代谢功能障碍相关脂肪性肝病诊断中的应用现状与潜力 | 涉及人工智能在MASLD诊断中的研究文献 | 数字病理学 | 代谢功能障碍相关脂肪性肝病 | 深度学习, 多组学分析 | 深度学习模型 | 超声图像, CT图像, MRI图像, 多组学数据 | 191项符合纳入标准的研究（从1247条初始记录中筛选） | NA | NA | 准确性 | NA |
| 207 | 2026-04-12 |
Vocal Age Gap as a Noninvasive Biomarker for Early Detection of Laryngeal Cancer Using Deep Learning
2026-Apr-09, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2026.03.008
PMID:41963165
|
研究论文 | 本研究提出了一种基于深度学习的声学生物标志物——声龄差，用于喉癌的早期检测 | 首次引入声龄差作为非侵入性生物标志物，通过计算预测声龄与实际年龄的差异来评估喉癌风险 | 需要前瞻性验证和临床评估支持，特别是在老年和医疗资源不足人群中的应用 | 开发一种基于声音的早期喉癌筛查方法 | 持续发/a/元音录音的声谱图 | 数字病理学 | 喉癌 | 声学分析 | 卷积循环神经网络 | 音频 | 20种声带病理学分类，涉及低、中、高风险组 | NA | 卷积循环神经网络 | 平均绝对误差 | NA |
| 208 | 2026-04-12 |
Deep learning-enhanced dual-mode multiplexed optical sensor for point-of-care diagnostics of cardiovascular diseases
2026-Apr-08, Light, science & applications
DOI:10.1038/s41377-026-02275-9
PMID:41951574
|
研究论文 | 本文提出了一种深度学习增强的双模式多重垂直流分析传感器，用于心血管疾病的即时诊断 | 集成了比色法和化学发光检测于单一纸基卡盒中，结合神经网络量化流程，实现了对低丰度和高丰度生物标志物的宽动态范围（约6个数量级）互补覆盖 | 研究仅在92例患者血清样本上进行了训练和盲测，样本量相对有限 | 开发一种快速、定量、高灵敏度的即时诊断工具，用于心血管疾病的诊断和风险评估 | 心肌梗死和心力衰竭患者 | 数字病理学 | 心血管疾病 | 垂直流分析，比色法，化学发光检测 | 神经网络 | 光学传感器数据（比色和化学发光信号） | 92例患者血清样本 | NA | NA | Pearson相关系数 | NA |
| 209 | 2026-04-12 |
MSF-VMDNet for multi class segmentation of skin cancer whole slide images using a multi frequency dual encoder network
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40044-1
PMID:41951639
|
研究论文 | 本文提出了一种基于多频域注意力的双编码器网络（MSF-VMDNet），用于皮肤癌全切片图像的多类别语义分割 | 结合U-Net和Vision Mamba双编码器进行并行特征提取，并引入改进的AFNO谱分解模块和多频域机制，以增强高分辨率多类别语义信息提取及长程依赖建模 | 未明确说明模型的计算复杂度或在实际临床环境中的验证情况 | 提高皮肤癌全切片图像中10种不同组织类别的语义分割精度 | 皮肤癌全切片图像 | 数字病理学 | 皮肤癌 | 组织学染色切片 | CNN, SSM | 图像 | NA | PyTorch | U-Net, Vision Mamba | MIoU, Dice系数 | NA |
| 210 | 2026-04-12 |
Is deep learning ready for abdominal organ-at-risk segmentation in the foundation model era: A comprehensive study of challenging clinical cases
2026-Apr-08, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.03.040
PMID:41962748
|
研究论文 | 本研究评估了深度学习模型在挑战性临床场景下腹部危及器官分割的性能，并提出了器官擦除增强策略以提升模型鲁棒性 | 首次在挑战性临床场景中全面评估了全监督学习和基础模型方法，并创新性地引入了器官擦除增强策略来减少器官幻觉并提高泛化能力 | 研究仅基于CT扫描数据，未涵盖其他影像模态；样本量相对有限，且主要来自两个机构 | 评估深度学习模型在挑战性临床场景中的腹部危及器官分割性能，并开发提高模型鲁棒性的方法 | 腹部危及器官（OAR） | 计算机视觉 | NA | CT扫描 | 深度学习模型 | 图像 | 413名患者的CT扫描，分为内部测试队列（n=67）、外部测试队列2（n=22）和外部测试队列3（n=74），以及三个公共数据集 | NA | nnUNet | Dice相似系数（DSC）、归一化表面Dice（NSD）、幻觉比率 | NA |
| 211 | 2026-04-12 |
Dynamic Mechanism for Subtype Selectivity of Endocannabinoids
2026-Apr-08, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2026.111434
PMID:41962866
|
研究论文 | 本文通过分子动力学模拟和深度学习技术，探究了内源性大麻素对CB1受体的亚型选择性机制 | 首次结合分子动力学模拟、马尔可夫状态建模和深度学习VAMPnets，对内源性大麻素结合过程进行可解释性表征，揭示了N-末端动态和结合口袋体积差异对选择性的影响 | 模拟时间尺度有限（约0.9毫秒），且主要聚焦于anandamide，可能未涵盖所有内源性大麻素的结合机制 | 阐明内源性大麻素对CB1受体亚型选择性的生物物理机制 | 内源性大麻素（特别是anandamide）与大麻素受体（CB1和CB2）的结合过程 | 计算生物学 | NA | 分子动力学模拟，马尔可夫状态建模，深度学习VAMPnets | 深度学习模型 | 分子模拟轨迹数据 | 涉及anandamide及其类似物的模拟系统 | NA | VAMPnets | 相对自由能计算 | NA |
| 212 | 2026-04-10 |
A novel intrusion detection framework using hybrid deep learning to detect IIoT cloud environments attacks
2026-Apr-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-15419-5
PMID:41946732
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 213 | 2026-04-12 |
Inverse design of an ultra-wideband endfire grooved half-mode waveguide (G-HMWG) antenna based on the CNN approach
2026-Apr-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41442-1
PMID:41946759
|
研究论文 | 本研究提出了一种基于CNN的AI辅助逆向设计方法，用于设计紧凑型超宽带槽状半模波导端射天线 | 首次将一维卷积神经网络应用于槽状半模波导天线的逆向设计，实现天线长度减少34%的同时保持优异辐射性能 | 研究未讨论CNN模型在其他频段或天线结构上的泛化能力 | 开发紧凑型超宽带端射天线的AI驱动优化方法 | 槽状半模波导端射天线 | 机器学习 | NA | CST全波仿真 | CNN | 仿真参数与辐射方向图向量 | 基于CST仿真生成的参数化数据集 | NA | 一维卷积神经网络 | S参数、峰值增益、旁瓣抑制 | NA |
| 214 | 2026-04-10 |
Deep learning-based differential diagnosis of major depression and bipolar disorder using microglia-cellular sensors and patient-derived small extracellular vesicles
2026-Apr-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47476-9
PMID:41946777
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 215 | 2026-04-12 |
MRR-YOLO: an instance segmentation technique for ground-based cloud images
2026-Apr-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46567-x
PMID:41946879
|
研究论文 | 本研究提出了一种基于深度学习和实例分割技术的MRR-YOLO模型，用于地面云图像的实例分割 | 引入了MSDA、RCS-OSA和RFAConv模块，优化了云分割的轻量化和特征提取能力，并证明实例分割在多变形状云检测中优于语义分割 | 未明确提及模型在极端天气条件或不同地理区域的泛化能力限制 | 开发一种高效的地面云图像实例分割技术，以提升太阳能系统的功率输出预测和维护成本控制 | 地面云图像，包括SWIMSEG、CCSN、全天空数据集及郑州城市真实云图像 | 计算机视觉 | NA | 深度学习，实例分割 | YOLO | 图像 | 多个数据集（SWIMSEG、CCSN、全天空数据集）及郑州城市真实云图像，具体样本数量未明确 | NA | MRR-YOLO（基于YOLO架构，集成MSDA、RCS-OSA、RFAConv模块） | PB, RB, mAP50B, PM, RM, mAP50M | NA |
| 216 | 2026-04-12 |
Bias, fairness, and equity in artificial intelligence systems used in dental imaging: A systematic review
2026-Apr-07, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2026.106433
PMID:41962403
|
系统综述 | 本文对牙科影像中人工智能系统的偏见、公平性和公正性进行了系统性回顾 | 首次系统性评估牙科影像AI研究在偏见、公平性和公正性方面的报告现状，并提出了促进公平临床部署的方法学优先事项 | 纳入研究数量有限（10篇），且研究间存在数据集、模型和结局指标的异质性，未发现基于CBCT的合格研究 | 评估牙科影像AI研究的诊断准确性、方法学质量以及在偏见、公平性和公正性方面的报告情况 | 应用AI于牙科影像的原始研究文章 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 2D牙科影像（如全景X光片、根尖周X光片、咬翼X光片、口内照片） | NA | NA | NA | 诊断准确性 | NA |
| 217 | 2026-04-12 |
An Interpretable, Thermodynamics-Based Deep Learning Framework for Predicting and Optimizing Drug Membrane Permeability
2026-Apr-06, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.6c00204
PMID:41941324
|
研究论文 | 本文开发了一个基于热力学的深度学习框架，用于预测和优化药物膜渗透性，并设计了一种新型鼻用褪黑素类似物 | 提出了首个结合热力学原理与图神经网络的可解释深度学习框架，用于分析药物膜渗透性的结构-渗透性关系，并成功设计出具有优化渗透性的新型化合物 | 研究基于粗粒度分子动力学模拟数据，可能无法完全捕捉原子级细节；模型验证主要针对鼻用给药途径，其他给药途径的普适性有待进一步验证 | 预测和优化药物膜渗透性，以改善药物药代动力学特性 | 8,239种化合物的膜渗透热力学特性 | 机器学习 | NA | 粗粒度分子动力学模拟 | 图神经网络 | 分子结构数据 | 8,239种化合物 | NA | 图神经网络 | NA | NA |
| 218 | 2026-04-12 |
Simultaneous detection of water content and ferulic acid content in Angelica sinensis using NIR-HSI and multi-task hierarchical attention CNN
2026-Apr-06, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127829
PMID:41962343
|
研究论文 | 本研究结合近红外高光谱成像技术与深度学习，提出一种配备多头分层注意力机制的多任务卷积神经网络，用于同时快速无损检测当归的水分和阿魏酸含量 | 提出了结合多任务样本划分算法、多头分层注意力机制和不确定性驱动的自适应损失平衡策略的集成模型，实现了局部与全局光谱特征的双重捕获及多任务的动态协同优化 | 未明确说明模型在其他中药材或食品中的泛化能力验证情况，也未讨论实际工业部署中的硬件成本与实时性要求 | 实现当归药材的快速、无损、智能化质量检测 | 当归药材样本 | 计算机视觉 | NA | 近红外高光谱成像 | CNN | 光谱图像 | 未明确说明具体样本数量 | 未明确说明 | 1DCNN | R值, RPD值 | NA |
| 219 | 2026-04-12 |
YOLO-Drop: A Deep Learning Model Enabling Accurate, High-Throughput Image Analysis for Droplet Digital Immunoassay at Attomolar Concentrations
2026-Apr-05, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00939
PMID:41937323
|
研究论文 | 本文开发了一种名为YOLO-Drop的深度学习模型，用于对微滴数字免疫分析中的图像进行准确、高通量分析，以实现阿托摩尔浓度级别的超灵敏蛋白质生物标志物检测 | 在YOLOv8架构基础上，集成了可变形卷积、BiFormer模块、高分辨率特征金字塔网络、小物体先验和类别感知非极大值抑制等定制化模块，显著提升了复杂微滴图像中小物体的识别能力，并部署于嵌入式平台实现实时分析 | 未明确说明模型在更广泛生物标志物或更复杂临床样本中的泛化性能，也未讨论嵌入式平台的计算限制对更大规模图像处理的影响 | 开发一种深度学习模型，以提升微滴数字酶联免疫吸附分析（ddELISA）的图像分析速度、自动化和准确性，实现超灵敏蛋白质生物标志物检测 | 微滴数字免疫分析中的微滴图像 | 计算机视觉 | NA | 微滴数字酶联免疫吸附分析 | CNN | 图像 | 5,574张包含约750,000个微滴的标注图像 | PyTorch | YOLOv8 | 检测准确率 | NVIDIA Jetson Orin Nano嵌入式平台 |
| 220 | 2026-04-12 |
Alzheimer's disease staging using enhanced inception-ResNet-V2 and improved XceptionNet models for 3D MRI classification and segmentation
2026-Apr-05, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2026.110767
PMID:41941947
|
研究论文 | 提出一种增强的混合深度学习框架，用于阿尔茨海默病的3D MRI分类和分割 | 结合增强的Inception-ResNet-V2进行多分类，改进的XceptionNet进行脑区分割，并采用并行卷积神经网络有效提取3D MRI空间特征 | 未提及模型在外部验证集或临床实际应用中的泛化能力 | 提高阿尔茨海默病的诊断准确性和疾病分期能力 | 阿尔茨海默病患者和正常对照的3D MRI脑部扫描图像 | 医学影像分析 | 阿尔茨海默病 | 3D MRI | CNN | 3D医学影像 | OASIS和ADNI数据集（具体数量未说明） | NA | Inception-ResNet-V2, XceptionNet, 并行卷积神经网络 | 准确率 | NA |