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 48077 篇文献，本页显示第 2361 - 2380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2361 | 2026-07-10 |
Improving severity grading of chemotherapy-induced myelosuppression in AML via data-driven and model-based deep learning
2026-03-24, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-026-00687-2
PMID:41876533
|
研究论文 | 提出MM-AI-AML框架，结合机械建模和深度学习，预测AML患者化疗后骨髓抑制严重程度 | 首次将机械数学模型与TabNet深度学习分类器融合，利用动态模型生成客观严重程度标签，实现个性化风险预测 | NA | 提高急性髓系白血病化疗后骨髓抑制严重程度分级准确性，实现个性化风险预测 | 479名AML患者和900个虚拟病例的化疗前临床数据 | 机器学习 | 急性髓系白血病 | NA | TabNet | 表格数据 | 479名AML患者，900个虚拟病例 | NA | TabNet | AUC | NA |
| 2362 | 2026-07-10 |
Multiplexed Microenvironment-Responsive Probes Enable Rapid Glioblastoma Cell Line Analysis
2026-03-17, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c07976
PMID:41789814
|
研究论文 | 开发了一种多路复用微环境响应探针平台，结合深度学习模型，用于快速区分胶质母细胞瘤细胞系 | 利用五种微环境响应荧光探针同时监测多种代谢和理化参数，并结合ResNet深度学习模型进行细胞系识别 | NA | 实现胶质母细胞瘤细胞系的快速准确区分，特别是用于术中快速评估 | 六种细胞系，包括四种表型多样的胶质母细胞瘤细胞系、正常人类星形胶质细胞和一种中枢神经系统肿瘤细胞系 | 数字病理学 | 胶质母细胞瘤 | 荧光探针 | CNN | 图像 | 六种细胞系 | NA | ResNet | 准确率 | NA |
| 2363 | 2026-07-10 |
Closing the loop: A systematic review of artificial intelligence in circular e-waste management
2026-Mar-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2026.115392
PMID:41653831
|
综述 | 系统回顾人工智能在循环电子废弃物管理中的应用，提出六层分类法，并分析系统性障碍与未来路径 | 提出人工智能与循环电子废弃物管理融合的六层分类法，并将AI系统从终端处理重新定位为再生循环 | 数据可用性和泛化性不足，缺乏标准化和互操作性，伦理和监管采纳存在障碍 | 探讨人工智能在推动电子废弃物从线性处理向循环管理转变中的角色与挑战 | 147篇关于AI在循环电子废弃物管理中应用的研究文献（2019年至2025年10月） | 机器学习 | NA | NA | 深度学习 | 文献数据 | 147篇文献 | NA | 基于深度学习的检测与分类架构 | NA | NA |
| 2364 | 2026-07-10 |
Combined explainable deep learning model to predict pediatric sleep apnea from ECG and SpO2
2026-Mar-10, Measurement : journal of the International Measurement Confederation
IF:5.2Q1
|
研究论文 | 提出一个结合可解释人工智能的深度学习模型，利用心电图和血氧饱和度信号预测儿童阻塞性睡眠呼吸暂停 | 首次应用可解释深度学习技术同时分析心电图和血氧饱和度数据来识别儿童阻塞性睡眠呼吸暂停，并用SHAP解释模型决策 | 模型在私人数据库上性能较低，数据来源有限且主要基于特定临床试验，可能影响泛化能力 | 开发临床可用的可解释深度学习模型，简化儿童阻塞性睡眠呼吸暂停的诊断 | 儿童阻塞性睡眠呼吸暂停患者的心电图和血氧饱和度信号 | 机器学习 | 儿童阻塞性睡眠呼吸暂停 | NA | 卷积神经网络 | 信号（心电图、血氧饱和度） | 3320名患者，来自CHAT、PATS和芝加哥大学数据库 | NA | 卷积神经网络 | Cohen's 4级kappa系数 | NA |
| 2365 | 2026-07-10 |
Artificial intelligence for radiation dose reduction in computed tomography: a narrative synthesis of clinical evidence from 2020 to 2025
2026-Mar-06, Journal of radiological protection : official journal of the Society for Radiological Protection
IF:1.4Q3
DOI:10.1088/1361-6498/ae475a
PMID:41707249
|
综述 | 综合分析了2020年至2025年间人工智能在计算机断层扫描中减少辐射剂量的临床证据 | 首次系统综述了AI在CT剂量优化中的临床证据，涵盖深度学习重建、去噪和工作流自动化等多种策略，并量化了不同解剖部位和AI应用的剂量降低幅度 | 多数研究为单中心且由厂商支持，最低剂量下极小或亚实性结节的敏感性降低，高去噪强度导致图像纹理改变，多中心验证有限 | 评估AI策略在CT扫描中降低辐射剂量同时保持诊断性能的有效性和临床可行性 | 2020年1月至2025年5月间发表的相关临床研究，包括86项符合纳入标准的研究 | 机器学习 | 肿瘤、儿科疾病 | CT扫描、深度学习重建、去噪算法、工作流自动化 | 深度学习模型 | 临床图像数据 | 86项研究 | NA | NA | 辐射剂量、诊断准确性、图像质量、可行性 | NA |
| 2366 | 2026-07-10 |
Manipulating 2D Nanomaterials: Shaping the Future of Intelligent Wearable Health Monitoring Devices
2026-Mar-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c21609
PMID:41717965
|
综述 | 系统综述基于二维纳米材料的可穿戴电子设备在健康监测中的应用 | 整合了柔性电子与多种健康监测应用，强调了材料稳定性、低成本制备及人工智能/深度学习结合的迫切需求 | 未涉及具体实验验证或性能对比，侧重未来展望 | 推动更高效、舒适、智能的健康监测系统发展 | 基于二维纳米材料的可穿戴健康监测设备 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2367 | 2026-07-10 |
Integrating Artificial Intelligence in Environmental Monitoring: A Paradigm Shift in Data-Driven Sustainability
2026-03, EcoHealth
IF:2.2Q3
DOI:10.1007/s10393-025-01752-8
PMID:40875110
|
review | 探讨人工智能在环境监测中的应用，实现数据驱动的可持续性发展 | 系统综述了可解释人工智能、边缘计算与物联网等新兴技术，提出跨学科策略以提升模型透明度和降低计算成本 | 数据质量、计算资源需求及模型可解释性等挑战尚未完全解决 | 评估人工智能在环境监测中的最新进展及可持续管理潜力 | 空气和水质监测、气候模式追踪、生物多样性保护及反盗猎等应用场景 | 机器学习 | NA | NA | CNN, LSTM, GAN | 图像、文本、视频、GPS数据 | NA | NA | NA | NA | NA |
| 2368 | 2026-07-10 |
A deep learning framework for comprehensive prediction of human RNA G-quadruplex-binding proteins
2026-Feb-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag088
PMID:41712756
|
研究论文 | 提出一个深度学习框架用于预测人类RNA G-四链体结合蛋白 | 整合多种编码策略和神经架构，包括ESM-2蛋白质语言模型嵌入和LSTM架构，用于预测RNA G-四链体结合蛋白，并识别出2160个高置信度候选蛋白，揭示了G-四链体识别与细胞应激反应之间的潜在联系 | 该研究未明确指出方法的局限性，但基于标题和摘要推测可能依赖计算预测，需要实验验证 | 开发一个有效的深度学习方法来预测RNA G-四链体结合蛋白，探索其在RNA代谢和应激反应中的作用 | 人类蛋白质组中的RNA G-四链体结合蛋白 | 机器学习 | NA | 深度学习、ESM-2蛋白质语言模型 | LSTM | 蛋白质序列数据 | 人类蛋白质组（具体数量未提） | PyTorch | LSTM | 准确率 | NA |
| 2369 | 2026-07-10 |
Comparison of respiratory-gated and breath‑hold accelerated T2-weighted sequences for liver MRI with deep learning reconstruction
2026-Feb-23, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00679-1
PMID:41729404
|
研究论文 | 比较呼吸门控与屏气加速T2加权序列在肝脏MRI中的表现，并评估深度学习重建的效果 | 首次系统比较呼吸门控和屏气两种加速T2加权序列结合深度学习重建与径向k空间采样运动抑制序列的图像质量，并利用呼吸曲线特征预测个性化成像方案 | 未提及具体限制，但可能包括样本量有限或仅针对3T MRI | 评估呼吸门控和屏气深度学习T2WI与传统径向k空间采样序列的图像质量，并探索呼吸特征对成像质量的影响 | 120名患者，进行3T MRI肝脏成像 | 计算机视觉 | 肝脏疾病 | MRI | 深度学习重建模型 | 图像 | 120名患者 | NA | NA | 图像质量评分、病灶-肝脏对比度、病灶检测率、病灶显著性评分、AUROC | NA |
| 2370 | 2026-07-10 |
Acute deep neck infection MRI: deep learning segmentation and clinical relevance of retropharyngeal edema volume
2026-Feb-23, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00686-2
PMID:41729484
|
研究论文 | 探讨急性深颈部感染MRI中咽后水肿体积作为定量生物标志物，并开发用于自动分割的卷积神经网络 | 首次将咽后水肿体积作为急性颈部感染的定量成像生物标志物，并开发深度学习模型实现自动分割，证明其优于二元分类法在预测疾病严重性方面的表现 | 分割模型在Dice相似系数上表现中等（轴向切片0.534），可能受限于手动标注的变异性或图像质量 | 评估咽后水肿体积作为急性颈部感染临床严重程度定量标志物的潜力，并开发自动分割的深度学习模型 | 急性颈部感染患者的MRI图像中咽后水肿区域 | 计算机视觉 | 急性颈部感染 | MRI | 卷积神经网络 | 图像 | 244例患者的T2加权脂肪抑制Dixon磁共振图像 | NA | 卷积神经网络 | AUROC, Dice相似系数 | NA |
| 2371 | 2026-07-10 |
A hybrid blockchain based deep learning model for multivector attack detection in internet of things enabled healthcare systems
2026-Feb-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40765-3
PMID:41721001
|
研究论文 | 提出一种结合区块链和深度学习（深度稀疏自动编码器与双向长短期记忆网络）的混合模型，用于物联网医疗系统中的多向量攻击检测 | 将区块链、深度稀疏自动编码器（DSAE）特征提取、双向长短期记忆网络（BiLSTM）和贝叶斯乘积专家（BPoE）融合机制结合，用于医疗物联网安全，在检测准确率和延迟方面均优于传统方法和现有技术 | 跨数据集测试的平均得分范围为11.52%到13.55%，表明通用化能力中等；仅在控制实验环境中验证，真实环境可行性需进一步评估 | 为医疗物联网系统提供多向量攻击检测方案，增强网络安全并防止数据丢失 | 医疗物联网系统中的多种攻击（分布式拒绝服务DDoS、中间人攻击MiTM、暴力攻击BFA） | 机器学习 | 不适用 | 不适用 | 深度稀疏自动编码器（DSAE）、双向长短期记忆网络（BiLSTM）、贝叶斯乘积专家（BPoE） | 网络流量数据 | 两个数据集：IoT-Flock和CICIoT2023，具体样本量未提及 | 不适用 | DSAE、BiLSTM、BPoE | 准确率、检测延迟、网络吞吐量、共识延迟、验证成功率 | 不适用 |
| 2372 | 2026-07-10 |
SCMO: a deep learning model integrating the single-cell resolution TME ecosystem and multi-omics for survival prediction in CRC patients
2026-Feb-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07417-y
PMID:41715092
|
研究论文 | 构建了一种整合单细胞分辨率肿瘤微环境生态系统与多组学数据的深度学习模型SCMO，用于结直肠癌患者的生存预测 | 首次将单细胞RNA测序解析的肿瘤微环境细胞状态和生态系统与多组学数据（临床、基因组、转录组、微生物组）通过自归一化神经网络整合，提升生存预测性能并增强生物可解释性 | 模型在1年预测的测试集AUC较低（0.639），可能受样本量或数据异质性限制 | 开发一种结合单细胞分辨率肿瘤微环境与多组学数据的深度学习模型，以改善结直肠癌患者的生存预后评估 | 结直肠癌患者的肿瘤微环境细胞状态、多组学数据（临床、基因组、转录组、微生物组）及生存信息 | machine learning, digital pathology | 结直肠癌 | 单细胞RNA测序、RNA-seq、多组学整合 | 自归一化神经网络 | 单细胞转录组、批量RNA-seq、临床、基因组、微生物组数据 | 213个结直肠癌单细胞RNA测序样本，TCGA-CRC队列的批量RNA-seq数据 | PyTorch | 自归一化神经网络 | 一致性指数（C-index）、AUC（1年、3年、5年） | NA |
| 2373 | 2026-07-10 |
Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow
2026-Feb-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06715-4
PMID:41651886
|
研究论文 | 通过人工智能工作流建立皮肤病病理学百科全书DermpathNet，提供开放获取的高质量数据集 | 采用结合深度学习图像模态分类和图注分析的新型混合方法，从PubMed Central中自动化筛选并分类皮肤病病理图像，构建了经专家审查的大规模开放数据集 | 当前OpenAI图像分析算法在分析皮肤病病理图像时表现不足 | 建立开放获取的皮肤病病理图像数据集，用于教育、交叉参考和机器学习 | PubMed Central中的皮肤病病理图像 | 数字病理学 | 皮肤病 | NA | 深度学习模型 | 图像 | 7772张图像，覆盖166种诊断 | NA | NA | F值 | NA |
| 2374 | 2026-07-10 |
EfficientNetB7-Based Deep Learning Framework for Enhanced Classification of Lung and Colon Cancer Histopathological Images
2026-Feb-06, Journal of visualized experiments : JoVE
DOI:10.3791/68812
PMID:41729802
|
研究论文 | 提出基于EfficientNetB7的深度学习框架用于增强肺癌和结肠癌组织病理图像分类 | 使用预训练的EfficientNetB7模型，结合高级预处理、微调和领域特定数据增强技术，以96%的高准确率分类结肠和肺组织病理图像，有效解决类别不平衡和细微组织学变异问题 | 未提及具体局限性 | 开发和评估基于EfficientNetB7的深度学习模型用于肺癌和结肠癌组织病理图像分类，为临床诊断提供高准确率和高效率的工具 | 结肠和肺组织病理图像 | 数字病理学 | 肺癌, 结肠癌 | NA | CNN | 图像 | NA | NA | EfficientNetB7 | 准确率 | NA |
| 2375 | 2026-07-10 |
BRISC: Annotated Dataset for Brain Tumor Segmentation and Classification
2026-Feb-05, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06753-y
PMID:41644571
|
研究论文 | 介绍了一个用于脑肿瘤分割和分类的高质量MRI数据集BRISC，包含6000张对比增强T1加权MRI扫描及专家标注 | 提供了来自多个公开数据集但缺乏分割标签的MRI图像的专家标注，包含三种主要肿瘤类型和非肿瘤病例，且覆盖轴向、矢状和冠状三个成像平面 | 未明确说明，但可能包括数据集仅限于对比增强T1加权MRI，未涵盖其他序列或模态 | 解决脑肿瘤MRI分割和分类中缺乏高质量、平衡且多样化专家标注数据集的问题 | 脑肿瘤MRI图像，包含胶质瘤、脑膜瘤、垂体瘤和非肿瘤病例 | 数字病理学 | 脑肿瘤 | MRI | 深度学习（标准模型） | 图像（MRI扫描） | 6000张对比增强T1加权MRI扫描 | NA | 标准深度学习模型（未具体说明） | NA（未在摘要中指定） | NA |
| 2376 | 2026-07-10 |
Diagnostic accuracy of deep learning using ultra-widefield fundus imaging for retinal detachment: a systematic review and meta-analysis
2026-Jan-03, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04605-8
PMID:41485001
|
meta分析 | 系统综述与meta分析评估深度学习结合超广角眼底成像对视网膜脱离的诊断准确性 | 首次对深度学习应用于超广角眼底成像检测视网膜脱离的诊断准确性进行系统综述和meta分析 | 研究间异质性高、指数测试报告不一致、病例谱和样本量差异大，可能限制结果的普适性 | 评估深度学习结合超广角眼底成像检测视网膜脱离的诊断准确性 | 视网膜脱离患者 | 机器学习 | 视网膜脱离 | 超广角眼底成像 | 深度学习模型 | 眼底图像 | 11项研究，测试集样本量从89到6,222张图像不等 | NA | NA | 敏感度、特异度、AUC | NA |
| 2377 | 2026-07-10 |
Investigating the role of artificial intelligence in the diagnosis and prediction of endometriosis using ultrasound images: a systematic review
2026-Jan-03, Reproductive health
IF:3.6Q1
DOI:10.1186/s12978-025-02245-1
PMID:41484637
|
综述 | 系统综述人工智慧在超声图像诊断和预测子宫内膜异位症中的作用 | 首次系统总结AI在超声图像诊断子宫内膜异位症中的应用，比较深度学习和机器学习模型的性能差异 | 仅纳入5项研究，样本量有限，多数研究缺乏真实世界验证，且存在语言和数据库选择偏倚 | 评估AI在利用超声图像诊断和预测子宫内膜异位症中的作用，解决无创诊断工具不足的问题 | 子宫内膜异位症患者的超声图像 | 计算机视觉 | 妇科疾病 | 超声成像 | CNN | 图像 | 5项研究的参与者总数未明确，但明确提及5项研究 | NA | ResNet | 准确率, AUC, 灵敏度, 特异度 | NA |
| 2378 | 2026-07-10 |
A deep learning-based evaluation system for child-friendly urban streets integrating abstract and concrete features-A case of Shanghai Urban Street
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342430
PMID:41729932
|
研究论文 | 提出一种基于深度学习、融合具体与抽象特征的儿童友好型城市街道评估系统，以上海街道为例验证其有效性 | 首次将深度学习与多特征融合应用于儿童友好型街道评估，整合可量化具体特征与街道图像抽象特征，提升评估客观性与效率 | NA | 开发高效、客观的儿童友好型城市街道评估方法 | 上海市1322个街道样本，包含6724张街景图像和7-12岁儿童感知调查数据 | 计算机视觉, 机器学习 | NA | NA | 卷积神经网络 (CNN), 多层人工神经网络 (ANN) | 图像 | 1322个街道样本，6724张街景图像，儿童感知调查数据（7-12岁） | NA | ResNet18 | 准确率 (Accuracy) | NA |
| 2379 | 2026-07-10 |
Characterization of Kidney and Liver Cystic Phenotype Associated with <italic>GANAB</italic> Using Advanced Imaging Biomarkers
2026, Nephron
IF:2.3Q2
DOI:10.1159/000551274
PMID:41774594
|
研究论文 | 利用深度学习分割技术量化GANAB基因变异患者的肾和肝囊肿表型 | 首次使用深度学习分割技术定量分析GANAB相关显性多囊肾病的肾和肝囊肿影像表型 | 样本量较小（16例），需更大规模队列验证基因型-表型关联 | 定量描述GANAB基因变异导致的肾和肝囊肿影像表型 | 16名携带GANAB基因变异的个体 | 数字病理学 | 显性多囊肾病 | 深度学习囊肿分割 | CNN | 医学影像（腹部CT/MRI） | 16名患者 | NA | U-Net或类似架构 | 体积指标（htTKV、肝体积、囊肿数、囊肿体积） | NA |
| 2380 | 2026-07-10 |
Artificial Intelligence (AI) in microbiome-directed biotherapeutics development
2026, Progress in molecular biology and translational science
DOI:10.1016/bs.pmbts.2026.01.005
PMID:41714088
|
综述 | 探讨人工智能在微生物组导向的生物治疗药物开发中的应用 | 系统性地讨论了如何利用机器学习和深度学习识别微生物组数据中的“特征”，以促进诊断和治疗方法的发展，并探索如何通过AI模型发现新的活体生物治疗产品 | 主要挑战包括基线肠道微生物组的变异性、微生物行为的上下文依赖性以及菌株特异性变异，导致高度个体化的治疗反应，以及改进数据的需求 | 综述人工智能在微生物组导向的生物治疗药物开发中的主要应用方式、当前挑战和未来前景 | 人类肠道微生物组及其在健康与疾病中的作用，以及活体生物治疗产品 | 机器学习 | 肠道菌群相关疾病 | NA | 机器学习和深度学习模型 | 微生物组数据和宿主组学数据 | NA | NA | NA | NA | NA |