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 42805 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2026-04-01 |
Small-molecule binding and sensing with a designed protein family
2023-Nov-02, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.01.565201
PMID:37961294
|
研究论文 | 本文结合深度学习和物理方法设计了一个具有多样可设计口袋几何形状的蛋白质家族，并成功计算设计出针对六种不同小分子靶点的结合蛋白 | 开发了一种通用方法，通过结合深度学习和物理模拟，设计能够结合任意小分子的蛋白质家族，并实现了化学诱导二聚化系统的设计 | 未提及具体的设计失败率或对更复杂小分子的适用性限制 | 设计能够结合和传感任意小分子的蛋白质，用于分析、环境和生物医学应用 | 六种化学和结构上不同的小分子靶点 | 机器学习 | NA | 深度学习，物理方法 | NA | 蛋白质结构数据，小分子化学数据 | 六种小分子靶点 | NA | NA | 结合亲和力（纳摩尔至低微摩尔），设计准确性（原子级） | NA |
| 222 | 2026-04-01 |
Improving prognosis and assessing adjuvant chemotherapy benefit in locally advanced rectal cancer with deep learning for MRI: A retrospective, multi-cohort study
2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.109899
PMID:37660753
|
研究论文 | 本研究开发了一种基于术前MRI的深度学习模型，用于预测局部晚期直肠癌患者的局部复发、远处转移和总生存期，并评估辅助化疗的益处 | 提出了多生存任务网络（MuST）模型，能够同时预测多种生存结局，并构建了结合MuST-DM评分、神经侵犯和CA19-9的辅助化疗决策树，实现了个体化治疗评估 | 这是一项回顾性研究，可能存在选择偏倚，且模型在更广泛人群中的泛化能力仍需进一步验证 | 开发预测局部晚期直肠癌患者生存结局的深度学习模型，并识别能从辅助化疗中获益的患者 | 局部晚期直肠癌患者 | 数字病理学 | 直肠癌 | MRI | 深度学习 | 图像 | 主要队列308例，两个外部验证队列分别247例和245例 | NA | 多生存任务网络（MuST） | 预后准确性 | NA |
| 223 | 2026-04-01 |
Evaluation of different algorithms for automatic segmentation of head-and-neck lymph nodes on CT images
2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.109870
PMID:37634765
|
研究论文 | 本研究评估了四种基于图谱和两种深度学习算法在头颈部CT图像上自动分割淋巴结的性能 | 首次在头颈部淋巴结自动分割任务中，系统比较了基于图谱方法与深度学习方法的性能，并引入了多中心深度学习解决方案的评估 | 样本量相对较小（69例患者），且所有数据均来自单一机构，可能限制了结果的泛化能力 | 评估不同自动分割算法在头颈部淋巴结CT图像分割中的准确性和临床实用性 | 头颈部癌症患者的双侧选择性淋巴结（CTVn） | 计算机视觉 | 头颈部癌症 | CT成像 | 深度学习模型 | CT图像 | 69例头颈部癌症患者（10例用于图谱库，49例用于训练，20例用于测试） | NA | NA | Dice相似系数, 95% Hausdorff距离 | NA |
| 224 | 2026-04-01 |
Efficient segmentation using domain adaptation for MRI-guided and CBCT-guided online adaptive radiotherapy
2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.109871
PMID:37634767
|
研究论文 | 本研究开发了基于域适应的高效分割方法，用于MRI引导和CBCT引导的在线自适应放疗 | 设计了两种域适应方法，将计划CT的特征学习并适应到MRI或CBCT模态，并通过个性化建模提高分割准确性 | NA | 开发高效的分割方法以改进自适应放疗中的ROI勾画 | 前列腺癌患者、鼻咽癌患者和胰腺癌患者的医学影像数据 | 数字病理 | 前列腺癌, 鼻咽癌, 胰腺癌 | MRI, CBCT, CT, 域适应 | 深度学习模型 | 医学影像（MRI, CBCT, CT） | 242名前列腺癌患者（MRIgART），530名鼻咽癌患者（CBCTgART），35名胰腺癌患者（公共CBCT数据集） | NA | NA | Dice相似系数（DSC） | NA |
| 225 | 2026-04-01 |
PK-RNN-V E: A deep learning model approach to vancomycin therapeutic drug monitoring using electronic health record data
2022-09, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2022.104166
PMID:35985620
|
研究论文 | 本文提出了一种基于深度学习的万古霉素药代动力学预测模型（PK-RNN-V E），利用大规模电子健康记录数据进行治疗药物监测 | 利用大型电子健康记录数据集开发深度学习模型，能够处理实时稀疏和不规则观测数据，提供动态预测，相比传统贝叶斯模型具有更优性能 | 模型仅在特定患者群体（5,483名患者）中开发，可能未涵盖所有真实世界患者多样性 | 开发用于万古霉素治疗药物监测的深度学习药代动力学预测模型 | 万古霉素治疗患者 | 机器学习 | NA | 电子健康记录数据分析 | RNN | 电子健康记录数据 | 5,483名患者，55,336次万古霉素给药 | NA | PK-RNN-V E | 均方根误差 | NA |
| 226 | 2026-04-01 |
Prediction of age-related macular degeneration disease using a sequential deep learning approach on longitudinal SD-OCT imaging biomarkers
2020-09-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-72359-y
PMID:32963300
|
研究论文 | 提出一种名为“Deep Sequence”的混合序列预测模型，用于基于纵向SD-OCT影像生物标志物预测非渗出性年龄相关性黄斑变性（AMD）眼在未来时间窗内发生渗出的风险 | 首次将放射组学工程影像特征、人口统计学和视觉因素与递归神经网络（RNN）模型集成在同一平台，以预测AMD眼在短期（3个月内）和长期（21个月内）的渗出风险 | 在外部真实世界临床数据集上，长期（21个月）预测性能（AUCROC 0.68）相比短期预测明显下降，可能源于数据集差异 | 预测非渗出性年龄相关性黄斑变性（AMD）眼在未来时间窗内发生渗出的风险 | 年龄相关性黄斑变性（AMD）患者的眼睛 | 数字病理学 | 年龄相关性黄斑变性 | SD-OCT成像 | RNN | 图像 | 671只AMD对侧眼，包含13,954次观察 | NA | Deep Sequence（混合序列模型） | AUCROC | NA |
| 227 | 2026-04-01 |
A robust and interpretable end-to-end deep learning model for cytometry data
2020-09-01, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2003026117
PMID:32801215
|
研究论文 | 本研究提出并测试了一种用于分析流式细胞术数据的端到端深度卷积神经网络模型，可直接关联原始数据与临床结局 | 开发了一种端到端的深度学习方法，可直接从原始流式细胞术数据预测临床结局，避免了传统门控方法的信息丢失，并提出了基于置换的模型解释方法 | 模型在高度异质性的跨研究数据上进行了验证，但未明确说明模型在其他疾病或数据集上的泛化能力 | 开发一种稳健且可解释的深度学习模型，用于从流式细胞术数据中直接预测临床结局 | 来自公开ImmPort数据库的九项大规模飞行时间质谱流式细胞术（CyTOF）研究数据 | 机器学习 | 巨细胞病毒感染 | 飞行时间质谱流式细胞术（CyTOF） | CNN | 流式细胞术数据 | 九项大规模CyTOF研究的数据集 | Keras, TensorFlow | 深度卷积神经网络 | NA | NA |
| 228 | 2026-04-01 |
FLImBrush: dynamic visualization of intraoperative free-hand fiber-based fluorescence lifetime imaging
2020-Sep-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.398357
PMID:33014606
|
研究论文 | 本文提出了一种名为FLImBrush的鲁棒方法，用于术中自由手光纤荧光寿命成像的定位和可视化 | 该方法结合了基于深度学习的图像分割、基于块匹配的运动校正和基于插值的可视化，以解决自由手扫描成像中的组织运动、光照变化和稀疏采样等挑战 | NA | 开发一种能够准确定位荧光寿命成像点测量并生成可解释、完整可视化数据的方法，以用于术中成像和手术引导 | 组织表面（特别是头颈手术中的癌症边缘评估） | 数字病理 | 头颈癌 | 荧光寿命成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 229 | 2026-04-01 |
Deep learning and manual assessment show that the absolute mitotic count does not contain prognostic information in triple negative breast cancer
2019-Aug, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-019-00445-z
PMID:30989469
|
研究论文 | 本研究通过深度学习和手动评估，探讨了绝对有丝分裂计数在三阴性乳腺癌中的预后价值 | 首次结合深度学习和手动方法，系统评估绝对有丝分裂计数在三阴性乳腺癌中的预后意义，并尝试所有可能的分界值 | 研究为回顾性设计，样本量相对有限（n=298），且仅基于单一队列，可能影响结果的普适性 | 评估绝对有丝分裂计数是否可作为三阴性乳腺癌的预后因素 | 三阴性乳腺癌患者 | 数字病理学 | 乳腺癌 | H&E染色切片数字化 | CNN | 图像 | 298例三阴性乳腺癌患者 | NA | 卷积神经网络 | c-statistic | NA |
| 230 | 2026-04-01 |
Computer aided quantification of intratumoral stroma yields an independent prognosticator in rectal cancer
2019-Jun, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-019-00429-z
PMID:30825182
|
研究论文 | 本研究开发了一种基于深度学习的半自动方法，用于量化直肠癌全切片图像中的肿瘤内间质比例，并验证了其作为独立预后因素的价值 | 首次在直肠癌中应用基于深度学习的自动化肿瘤-间质比例分析，相比传统视觉评估，自动化方法在多元分析中显示出独立的预后预测能力 | 研究样本量相对较小（129例），且依赖于专家提供的间质热点区域，可能引入选择偏差 | 评估计算机辅助量化肿瘤内间质在直肠癌预后预测中的潜力 | 129例直肠腺癌患者的组织学切片 | 数字病理学 | 直肠癌 | 深度学习 | 深度学习模型 | 全切片图像 | 129例直肠腺癌患者 | 未明确指定 | 未明确指定 | 风险比, 疾病特异性生存期, 无病生存期 | NA |
| 231 | 2026-03-31 |
Robotic-Arm Assisted Multi-Apical View 3-D Fusion of Echocardiography for Enhanced Left Ventricular Assessment Using Wavelet
2026-May, Ultrasound in medicine & biology
|
研究论文 | 本研究提出了一种结合机器人臂辅助采集和小波变换的多心尖视图融合方法，以提升三维超声心动图中左心室图像质量 | 创新点在于首次将机器人臂辅助的标准化探头定位与小波变换的多视图融合技术相结合，用于增强三维超声心动图的图像质量和可重复性 | 研究局限性包括样本量较小且仅基于志愿者扫描，未在临床患者群体中广泛验证，且未来需要探索更多视图和深度学习方法以进一步提升性能 | 研究目标是提高三维超声心动图对左心室功能的评估准确性和图像质量 | 研究对象为志愿者通过三维超声心动图采集的左心室图像 | 医学影像处理 | 心血管疾病 | 三维超声心动图，小波变换融合技术 | NA | 三维超声图像 | 志愿者扫描（具体数量未在摘要中明确说明） | NA | NA | 信噪比，对比噪声比，图像清晰度评分，心肌边界连续性评分，诊断置信度评分 | NA |
| 232 | 2026-03-31 |
High diagnostic accuracy of a resnet50-based deep learning model for osteochondral lesions of the talus on magnetic resonance imaging
2026-May-01, Joint diseases and related surgery
IF:1.9Q2
DOI:10.52312/jdrs.2026.2719
PMID:41906849
|
研究论文 | 本研究评估了基于ResNet50的卷积神经网络在磁共振成像上检测距骨骨软骨病变的诊断性能，并比较了其在T1和T2加权序列间的效能 | 首次应用ResNet50模型于距骨骨软骨病变的MRI诊断，并系统比较了T1和T2加权序列的诊断准确性差异 | 数据集规模相对较小（仅219例），且为回顾性研究，可能影响模型泛化能力 | 评估深度学习模型在距骨骨软骨病变MRI诊断中的性能 | 距骨骨软骨病变患者的踝关节磁共振成像 | 计算机视觉 | 骨关节疾病 | 磁共振成像 | CNN | 图像 | 219例踝关节MRI扫描（60例病变，159例正常） | TensorFlow, Keras | ResNet50 | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 233 | 2026-03-31 |
Glucose forecasting and hypoglycemia forewarning in type 1 and type 2 diabetes using deep learning
2026-Apr-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115294
PMID:41907406
|
研究论文 | 本研究开发了一种名为MT-HypoNet的多任务神经网络，用于从连续血糖监测数据中进行实时血糖预测和低血糖预警 | 提出了一种统计引导的软标签策略以改进低血糖边界附近的检测，并在大规模多中心队列（包括1型和2型糖尿病患者）中进行了验证与前瞻性评估 | 未明确说明模型在其他糖尿病亚型或特殊人群（如儿童、孕妇）中的适用性，且前瞻性验证样本量相对较小 | 通过深度学习技术实现精准的血糖预测和低血糖预警，以改善糖尿病管理安全性 | 1型和2型糖尿病患者 | 机器学习 | 糖尿病 | 连续血糖监测 | 深度学习神经网络 | 时间序列数据（连续血糖监测数据） | 1,662名患者（多中心队列）和36名围手术期患者（前瞻性验证） | 未明确说明 | MT-HypoNet（多任务神经网络） | AUC, RMSE | NA |
| 234 | 2026-03-31 |
Toward accurate prediction of pediatric epidemic disease patient volume in the Chaoshan region: A deep learning framework
2026-Apr-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115211
PMID:41907420
|
研究论文 | 本研究开发了一个深度学习框架，用于预测潮汕地区儿科流行病患者的就诊量，基于电子健康记录数据 | 该框架首次针对潮汕地区的流行病学特征设计，能够学习捕捉本地疫情动态的儿科表征，以满足区域临床预测需求 | 研究仅基于单一医院的电子健康记录数据，可能未涵盖所有区域流行病学变化，且模型在其他地区的泛化能力未验证 | 准确预测儿科流行病患者就诊量，以支持有效的预防和个性化治疗策略 | 潮汕地区的儿科门诊和急诊患者 | 机器学习 | 儿科流行病 | 深度学习 | 深度学习框架 | 电子健康记录 | 278,506例儿科门诊和急诊就诊记录 | NA | NA | 平均相关系数，均方根误差，平均绝对比例误差 | NA |
| 235 | 2026-03-31 |
An Unsupervised Learning Approach for Multimodal Low Back Pain Stratification
2026-Apr-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005593
PMID:41384355
|
研究论文 | 本研究提出了一种新颖的多模态无监督学习框架，用于对腰痛患者进行分层，整合了影像生物标志物和非影像数据 | 开发了一种结合深度学习提取的影像生物标志物（如椎间盘退变和关节突关节不对称）与吸烟状态、人口统计学及自我报告数据的多模态无监督分层方法 | 研究为横断面设计，无法确定因果关系；样本来自特定出生队列，可能限制泛化性 | 开发一个全面的风险分层框架，以改善腰痛患者的个性化护理 | 腰痛患者，数据来自北芬兰出生队列，包括影像和非影像信息 | 数字病理学 | 腰痛 | 深度学习分析腰椎MRI | 深度学习模型 | 多模态数据（影像、问卷、人口统计学） | 北芬兰出生队列的参与者，具体数量未在摘要中明确 | NA | NA | 准确率, 净收益 | NA |
| 236 | 2026-03-31 |
Attention Gated-VGG with deep learning-based features for Alzheimer's disease classification
2026-Apr, Neurodegenerative disease management
IF:2.3Q3
DOI:10.1080/17582024.2025.2554495
PMID:40929122
|
研究论文 | 本文提出了一种基于注意力门控VGG和深度学习特征的阿尔茨海默病分类方法 | 结合了WOA优化的ResNet特征提取和注意力门控VGG模型，提高了AD分类的准确性和性能 | 未明确说明数据集的来源和样本多样性，可能影响模型的泛化能力 | 早期检测阿尔茨海默病 | 阿尔茨海默病患者 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | CNN | 图像 | NA | NA | ResNet, Attention Gated-VGG | 准确率, 灵敏度, 特异性 | NA |
| 237 | 2026-03-31 |
Dual-feature cross-fusion network for precise brain tumor classification: a neurocomputational approach
2026-Apr, The International journal of neuroscience
DOI:10.1080/00207454.2025.2565445
PMID:40986620
|
研究论文 | 本文提出了一种名为双特征交叉融合网络（DF-CFN）的新型深度学习架构，用于基于MRI数据的脑肿瘤自动分类 | 提出了一种结合ConvNeXt提取全局上下文特征与浅层CNN及FcaNet提取局部特征的双特征交叉融合网络，通过交叉特征融合机制提升分类性能 | 未明确说明模型在更广泛或更具挑战性数据集上的泛化能力，也未详细讨论计算复杂度或实时应用可行性 | 开发一种自动化、高精度的脑肿瘤分类方法，以辅助临床诊断 | 脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和非肿瘤类别 | 计算机视觉 | 脑肿瘤 | 磁共振成像（MRI） | CNN | 图像 | 使用Kaggle数据集和FigShare数据集进行训练和验证，具体样本数量未明确说明 | 未明确说明，可能为PyTorch或TensorFlow | ConvNeXt, 浅层CNN, FcaNet, 双特征交叉融合网络（DF-CFN） | 准确率 | NA |
| 238 | 2026-03-31 |
Preliminary findings on a deep learning model using electroencephalogram for multi-level neuropathic pain detection in post-stroke patients
2026-Apr, The International journal of neuroscience
DOI:10.1080/00207454.2025.2584081
PMID:41199478
|
研究论文 | 本研究开发了一种基于脑电图信号的深度学习模型，用于卒中后患者的多级别神经病理性疼痛检测 | 提出了一种量子启发的金字塔深度可分离残差网络，结合了深度可分离残差网络降低计算复杂度、金字塔注意力机制捕捉多尺度模式以及量子启发变换层建模脑电图特征间复杂非线性依赖关系三大创新点 | NA | 开发准确且计算高效的多级别神经病理性疼痛检测框架 | 卒中后患者的脑电图信号 | 机器学习 | 卒中 | 脑电图 | 深度学习 | 脑电图信号 | NA | NA | 量子启发的金字塔深度可分离残差网络 | 准确率, 召回率 | NA |
| 239 | 2026-03-31 |
Data mining in pediatric radiology in the era of artificial intelligence
2026-Apr, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06551-z
PMID:41739184
|
综述 | 本文综述了人工智能时代下儿科放射学中的数据挖掘，探讨了其核心概念、工作流程、临床应用、当前挑战及未来展望 | 将数据挖掘与人工智能在儿科放射学中的相互依赖关系进行整合性探讨，并强调了在有限且异质的儿科数据集上应用深度学习、大语言模型、多模态融合和联邦学习等现代AI工具进行高级模式发现 | NA | 探讨人工智能驱动的数据挖掘在儿科放射学中的应用，以改善儿童健康结局 | 儿科放射学中的多模态数据源，包括图像、报告、元数据和电子健康记录 | 数字病理学 | NA | 数据挖掘 | 深度学习, 大语言模型 | 图像, 文本, 元数据 | NA | NA | NA | NA | NA |
| 240 | 2026-03-31 |
The role of artificial intelligence in pre-operative prediction of completeness of cytoreduction for peritoneal surface malignancies: a scoping review
2026-Apr, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2026.111480
PMID:41740519
|
综述 | 本文是一篇范围综述，分析了人工智能在预测腹膜表面恶性肿瘤细胞减灭术完全性方面的应用 | 首次通过范围综述系统总结了AI在预测细胞减灭术完全性中的应用，并强调了放射组学-临床列线图和深度学习框架（如DeAF）的潜力 | 可解释性仅限于列线图、特征重要性图或校准分析，未采用现代可解释AI技术；研究数量有限（仅9项） | 分析人工智能在预测腹膜表面恶性肿瘤细胞减灭术完全性中的应用 | 腹膜表面恶性肿瘤患者 | 数字病理 | 腹膜表面恶性肿瘤 | 放射组学，深度学习 | 深度学习框架，列线图 | 临床数据，影像数据 | NA | NA | DeAF | AUC | NA |