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 42795 篇文献，本页显示第 2481 - 2500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2481 | 2026-03-05 |
Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study
2026-Mar-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02364-4
PMID:41775890
|
研究论文 | 本研究评估了ICU脓毒症预测深度学习模型在分布偏移下的泛化性能，并比较了五种部署策略 | 首次系统量化了三个ICU数据集间的分布偏移，并对比了五种部署策略在不同目标数据规模下的表现，挑战了文献中普遍采用的微调方法 | 研究仅基于回顾性队列数据，未进行前瞻性验证；模型性能可能受数据质量和标注一致性的影响 | 评估深度学习脓毒症预测模型在分布偏移下的泛化能力，并比较不同部署策略的有效性 | 三个成人ICU队列（HiRID, MIMIC-IV, eICU）中的216,536次住院记录 | 机器学习 | 脓毒症 | 深度学习 | 深度学习模型 | ICU临床时间序列数据 | 216,536次ICU住院记录 | NA | 多种深度学习架构 | AUROC, 归一化AUPRC | NA |
| 2482 | 2026-03-05 |
Clinical value of ultra-low-dose chest CT with deep learning image reconstruction in the detection and characterization of pulmonary nodules
2026-Mar-03, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-026-01583-w
PMID:41775904
|
研究论文 | 本研究评估了超低剂量CT结合深度学习图像重建在肺结节检测和诊断中的临床价值 | 首次将深度学习图像重建技术应用于超低剂量CT，实现了在显著降低辐射剂量的同时保持与标准剂量CT相当的图像质量和诊断准确性 | 样本量相对较小（115例患者），且为单中心研究，可能限制了结果的普适性 | 评估超低剂量CT结合深度学习图像重建技术在肺结节诊断中的临床价值 | 疑似肺结节的患者 | 数字病理学 | 肺癌 | CT扫描 | 深度学习图像重建 | 医学影像 | 115例患者 | NA | NA | CT值、噪声值、信噪比、主观诊断信心、恶性征象一致性 | NA |
| 2483 | 2026-03-05 |
Deep learning-based basilar artery wall and lumen segmentation from 1-mm MR vessel wall imaging
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42847-8
PMID:41775953
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2484 | 2026-03-05 |
Low-input deep learning platform for citrullinated peptide identification, autoantigen discovery and rheumatoid arthritis treatment stratification
2026-Mar-03, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-026-01628-4
PMID:41776034
|
研究论文 | 本研究开发了一种名为Iseq-Cit的低样本量深度学习方法，用于系统性分析瓜氨酸化蛋白质组，并基于此进行类风湿关节炎（RA）的自身抗原发现和治疗反应预测 | 开发了内部标准辅助的无富集高通量定量分析平台（Iseq-Cit），仅需常规方法1%的样本量即可实现全局瓜氨酸化蛋白质组分析；首次整合临床指标与瓜氨酸化数据构建预测模型；利用双向门控循环单元模型预测瓜氨酸化肽段的RA血清反应性 | 未明确说明模型在其他独立队列中的泛化能力；样本量虽较传统方法大幅减少，但纵向队列的具体规模未在摘要中详细说明 | 开发低样本量深度学习方法，实现瓜氨酸化肽段鉴定、自身抗原发现及类风湿关节炎治疗分层 | 类风湿关节炎风险个体及患者的血浆样本、瓜氨酸化蛋白质组数据、临床指标 | 生物信息学 | 类风湿关节炎 | 内部标准辅助的无富集高通量定量分析（Iseq-Cit）、酶联免疫吸附试验（ELISA） | 双向门控循环单元（BiGRU） | 肽段序列数据、临床数据、质谱数据 | 包含RA风险个体和RA患者的纵向队列（具体数量未明确），模型训练使用67,399条RA血清阴性肽段和8,816条RA血清阳性肽段 | 未明确说明 | 双向门控循环单元（BiGRU） | 预测准确率（84.2%） | NA |
| 2485 | 2026-03-05 |
Automated Measurement of Midpalatal Suture Density Ratio Based on Deep Learning
2026-Mar-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01877-4
PMID:41776128
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于量化中腭缝密度比，以快速评估上颌横向发育不足的骨骼反应性 | 首次提出基于深度学习的自动化中腭缝密度比测量系统，显著提高了测量效率和标准化程度 | 研究仅基于400例CBCT扫描，样本量有限，且未在不同设备或人群中进行外部验证 | 建立自动化、标准化的中腭缝密度比测量方法，以辅助快速上颌扩展治疗决策 | 锥形束计算机断层扫描图像中的中腭缝、硬腭和软腭区域 | 计算机视觉 | 上颌横向发育不足 | 锥形束计算机断层扫描 | CNN | 图像 | 400例CBCT扫描 | NA | U-Net, Deeplab v3, Segformer | F1分数 | NA |
| 2486 | 2026-03-05 |
ETNeXt: integrated feature engineering and classification framework for BLDC motor fault detection
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37590-z
PMID:41776220
|
研究论文 | 本研究提出了一种名为ETNeXt的轻量级自组织故障检测框架，用于基于声学信号分析检测无刷直流电机的故障 | 提出了一种集成特征工程与分类的轻量级自组织框架ETNeXt，结合多级离散小波变换、三元直方图特征生成以及混合特征选择方法，在保持高精度的同时显著降低了计算复杂度 | 未明确说明框架在更广泛或更复杂工业环境中的泛化能力，也未讨论对非声学信号数据类型的适用性 | 开发一种高效、轻量化的故障检测方法，以预防无刷直流电机故障导致的意外停机 | 无刷直流电机的电气和机械故障（如轴承磨损、转子不平衡） | 机器学习 | NA | 声学信号分析、多级离散小波变换、三元直方图特征生成 | Fine k-NN, Cubic SVM | 声学信号 | 基准数据集和独立测试数据集（具体数量未提供） | 未明确说明，可能为MATLAB、Python（Scikit-learn）等 | ETNeXt（自定义框架） | 准确率 | 轻量化设计，适用于边缘计算部署，具体硬件资源未说明 |
| 2487 | 2026-03-05 |
Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42147-1
PMID:41776224
|
研究论文 | 本研究开发了一种基于特征级注意力机制的多模态深度学习框架，用于预测大学篮球运动员的睡眠质量 | 提出了一种结合特征级注意力机制的多模态深度学习框架（Attention-MLP），用于综合评估运动员的睡眠质量，优于传统的机器学习方法 | 模型对中度睡眠质量类别的区分能力较差（AUC=0.40），当前样本量下模型性能提升有限，更适合筛查导向的风险分层而非确定性诊断 | 开发一个用于大学篮球运动员睡眠质量筛查的预测模型 | 大学篮球运动员 | 机器学习 | NA | 问卷调查（PSQI）、体能测试、心理评估 | Logistic Regression, Random Forest, XGBoost, Attention-based Multilayer Perceptron (Attention-MLP) | 表格数据 | 来自一所大学的学生运动员数据 | NA | 多层感知机（MLP）结合注意力机制 | 准确率, F1值, AUC | NA |
| 2488 | 2026-03-05 |
An IoT-enabled CRNN framework for secure wearable sensor-based activity recognition in physical education
2026-Mar-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42082-1
PMID:41776307
|
研究论文 | 本文提出了一种基于卷积循环神经网络的物联网框架，用于从可穿戴传感器数据中识别体育活动 | 提出了一种新颖的物联网导向的活动识别框架，该框架采用卷积循环神经网络架构，旨在同时建模多模态可穿戴传感器数据流的空间和时间特征 | 未在摘要中明确提及 | 解决从可穿戴传感器数据中准确识别复杂人类活动的挑战 | 多模态生理和运动学数据，包括心率变异性、三轴加速度计读数、陀螺仪角速度、磁力计方向数据和皮肤温度信号 | 机器学习 | NA | 可穿戴传感器数据采集 | CNN, RNN | 传感器信号（生理和惯性测量数据） | 未在摘要中明确提及 | 未在摘要中明确提及 | 卷积循环神经网络 | 准确率, 灵敏度, 特异性, 召回率, 精确率 | 未在摘要中明确提及 |
| 2489 | 2026-03-05 |
Optimizing high-resolution knee MRI at 3 tesla: conventional acceleration versus deep learning reconstruction
2026-Mar-03, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02251-0
PMID:41776433
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2490 | 2026-03-05 |
Attention-enhanced deep learning model for automated classification of hemorrhagic and ischemic stroke on CT imaging
2026-Mar-03, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03784-w
PMID:41776569
|
研究论文 | 本研究提出了一种名为GCDCNet的轻量高效深度学习模型，用于CT影像中出血性和缺血性中风的自动分类 | 基于GhostNet轻量架构，结合SCSE注意力机制、扩张卷积和通道洗牌进行特征优化，以增强模型对病灶区域的关注并提升分类性能 | NA | 提高中风CT影像诊断的准确性和效率，以辅助临床决策 | 公共中风CT数据集，包括964例出血性中风和1551例缺血性中风 | 计算机视觉 | 中风 | CT成像 | CNN | 图像 | 2515例中风CT影像 | NA | GCDCNet, GhostNet | 准确率, 召回率, F1分数, 精确率, AUC | NA |
| 2491 | 2026-03-05 |
Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response
2026-Mar-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-1594
PMID:41418101
|
研究论文 | 本研究通过分析非小细胞肺癌患者治疗前后的多重组织图像，开发了一个结合空间统计、机器学习和深度学习的计算流程，以预测疾病进展并识别潜在的临床生物标志物 | 首次结合细胞分割、样方分析、空间统计与深度学习，系统揭示了肺癌患者肿瘤-免疫微生态的空间特征及其与治疗反应的关联，并发现这些空间生态特征比PD-L1状态更能预测疾病进展 | 样本量较小（仅9名患者），且患者反应类型仅限于疾病稳定和疾病进展，缺乏完全缓解和部分缓解的病例 | 开发一个计算框架来分析多重成像数据，以预测非小细胞肺癌患者对免疫治疗的响应，并识别相关的生物标志物 | 接受口服组蛋白去乙酰化酶抑制剂（伏立诺他）联合PD-1抑制剂（帕博利珠单抗）治疗的免疫治疗难治性非小细胞肺癌患者 | 数字病理学 | 肺癌 | 多重组织成像 | 深度学习 | 多重组织图像 | 9名患者的配对治疗前和治疗中样本 | NA | NA | NA | NA |
| 2492 | 2026-03-05 |
Early feature extraction drives model performance in high-resolution chromatin accessibility prediction
2026-Mar-02, Genome research
IF:6.2Q1
DOI:10.1101/gr.281042.125
PMID:41526189
|
研究论文 | 本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器，发现早期特征提取是预测准确性的主要决定因素 | 首次将计算机视觉领域的ConvNeXt V2块应用于基因组数据的高分辨率特征提取，并系统揭示了早期特征提取对预测性能的关键作用 | 未明确说明模型在跨细胞类型或不同实验条件下的泛化能力，且可能未涵盖所有可能的架构变体 | 提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响 | 染色质可及性预测，特别是ATAC-seq信号在4-bp分辨率下的细胞类型特异性预测 | 机器学习 | NA | ATAC-seq | CNN, LSTM, 扩张CNN, Transformer | DNA序列数据 | NA | NA | ConvNeXt V2, 卷积神经网络, 长短期记忆网络, 扩张卷积神经网络, Transformer | 预测准确性, 信号形状保持度 | NA |
| 2493 | 2026-03-05 |
Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis
2026-Mar-02, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109456
PMID:41775013
|
综述 | 本文通过文献计量分析，绘制了人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势 | 首次系统性地利用CiteSpace和Carrot2工具对人工智能在口腔颌面外科领域的文献进行共引网络、结构变异分析和术语共现网络分析，揭示了从传统机器学习向深度学习及Transformer模型的范式转变，并突出了迁移学习和头颈癌预后建模等新兴应用方向 | 研究基于截至2025年1月10日的文献数据库，可能未涵盖最新发表的研究；分析依赖于所选数据库的收录范围，可能存在遗漏 | 旨在绘制人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势 | 人工智能在口腔颌面外科领域的相关学术出版物 | 数字病理学 | 头颈癌 | 文献计量分析 | NA | 文本 | 5267篇文章 | NA | NA | NA | NA |
| 2494 | 2026-03-05 |
Artificial intelligence in treatment prediction for skeletal Class III malocclusion: A systematic review
2026-Mar-02, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2026.02.016
PMID:41775582
|
系统综述 | 本文系统评估了人工智能模型在预测骨骼性III类错颌畸形患者是否需要正颌手术方面的性能 | 首次对AI在骨骼性III类错颌畸形治疗预测中的应用进行了系统性综述，比较了机器学习与深度学习模型在头影测量和临床数据上的表现 | 纳入研究数量有限（15项），需要更大规模、多中心数据集和外部验证以提高可靠性并解决潜在偏倚 | 评估AI模型在预测骨骼性III类错颌畸形患者是否需要正颌手术以及识别影响治疗决策的预测因素方面的性能 | 骨骼性III类错颌畸形患者 | 机器学习 | 骨骼性III类错颌畸形 | 头影测量和临床数据分析 | 机器学习算法（如Random Forest, XGBoost）和深度学习模型（如CNN） | 头影测量数据和临床数据 | NA | NA | Random Forest, XGBoost, ResNet-based CNN | 准确率, 灵敏度, 特异性, AUC | NA |
| 2495 | 2026-03-05 |
Prediction of Neoadjuvant Chemotherapy Efficacy for Locally Advanced Nasopharyngeal Carcinoma Using MRI-Based Deep Learning Features Combined with Vision Transformer
2026-Mar-02, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.02.003
PMID:41775615
|
研究论文 | 本研究评估了基于多序列MRI的深度学习特征与Vision Transformer结合预测局部晚期鼻咽癌新辅助化疗疗效的价值 | 首次探索将MRI深度学习特征与Vision Transformer结合用于预测局部晚期鼻咽癌新辅助化疗疗效，通过融合2.5D-ResNet50和3D-DenseNet121特征并输入ViT进行全局上下文建模，显著提升了预测性能 | 回顾性研究设计，样本量相对有限（266例患者），需要外部验证以确认模型的泛化能力 | 预测局部晚期鼻咽癌患者新辅助化疗的疗效 | 局部晚期鼻咽癌患者 | 计算机视觉 | 鼻咽癌 | MRI | 深度学习模型, Vision Transformer | MRI图像 | 266例局部晚期鼻咽癌患者 | NA | ResNet50, DenseNet121, Vision Transformer | AUC, 准确率, F1分数 | NA |
| 2496 | 2026-03-05 |
Post-Stroke Dysarthria Voice Recognition based on Fusion Feature MSA and 1D
2026-Mar, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2410228
PMID:39422438
|
研究论文 | 本文提出了一种基于融合特征MSA和改进的1D DRN-biLSTM网络模型，用于识别脑卒中后构音障碍的病理语音 | 提出了一种新颖的融合特征（MSA）并结合了改进的一维残差网络、双向LSTM和空洞卷积的混合模型（1D DRN-biLSTM），以更好地表征病理语音的隐藏特征 | 摘要中未明确提及研究的局限性 | 开发一种改进的深度学习模型，用于区分脑卒中后构音障碍的病理语音和正常语音，以辅助PSD的评估与诊断 | 脑卒中后构音障碍患者的语音数据 | 自然语言处理 | 脑卒中 | 语音信号处理，深度学习 | CNN, LSTM, ResNet | 语音 | NA | NA | 1D ResNet, bi-directional LSTM, 1D DRN-biLSTM | 准确率 | NA |
| 2497 | 2026-03-05 |
Development of Artificial Intelligence for Quantitative Assessment of Nasal Inflammatory Cytology in Chronic Rhinitis by Whole-Slide Images
2026-Mar, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.70075
PMID:41307481
|
研究论文 | 本研究开发了一种基于全切片图像的深度学习系统（QANIC），用于慢性鼻炎患者鼻腔炎症细胞的定量评估和表型分型 | 首次将深度学习与全切片图像结合用于鼻腔细胞学诊断，并基于鼻腔细胞学对鼻炎患者进行炎症表型分型 | 研究样本量相对有限，外部验证队列仅包含两个临床中心 | 建立基于人工智能的鼻腔炎症细胞学定量评估系统，以研究慢性鼻炎的炎症表型 | 慢性鼻炎患者的鼻腔分泌物涂片 | 数字病理学 | 慢性鼻炎 | 全切片图像 | 深度学习模型 | 图像 | 开发阶段145例患者，内部队列881例，外部验证队列234例 | NA | NA | NA | NA |
| 2498 | 2026-01-11 |
A novel quantification method for automatic computation of breast density from mammography images using deep learning
2026-Mar, Breast cancer (Tokyo, Japan)
DOI:10.1007/s12282-025-01808-1
PMID:41511727
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2499 | 2026-03-05 |
Sub-Milliscale-Resolution Bimodal Tactile Sensor Array with Human-Skin-Like Graphesthesia Sensation
2026-Mar, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202519734
PMID:41572940
|
研究论文 | 本文介绍了一种具有亚毫米级分辨率的双模态触觉传感器阵列，结合压电和摩擦电传感器，实现了类似人类皮肤的图形感知能力 | 实现了亚毫米级空间分辨率（700微米）和高传感器密度（226像素/平方厘米）的双模态触觉感知，并利用深度学习算法重建软度加密图案 | 未明确提及传感器阵列的长期稳定性、环境适应性或大规模生产成本等限制 | 开发高分辨率多模态触觉传感器，以提升具身智能系统和机器人的触觉感知能力 | 双模态触觉传感器阵列，包括压电传感器阵列和摩擦电传感器阵列 | 机器感知 | NA | 压电传感、摩擦电传感 | 深度学习算法 | 压力分布数据、接触高度数据 | NA | NA | NA | 空间分辨率、传感器密度、响应时间 | NA |
| 2500 | 2026-03-05 |
LeqMod: Adaptable Lesion-Quantification-Consistent Modulation for Deep Learning Low-Count PET Image Denoising
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618247
PMID:41052161
|
研究论文 | 提出一种名为LeqMod的可适应调制策略，用于深度学习低计数PET图像去噪，以改善病灶量化准确性 | 通过下游病灶量化分析作为辅助工具，设计了一种即插即用的病灶感知和量化一致调制策略，无需在推理阶段增加计算负担 | NA | 增强PET图像去噪性能，减少辐射暴露和扫描时间 | 低计数PET图像 | 数字病理学 | NA | PET成像 | 深度学习 | 图像 | 来自多个中心和供应商的大型PET数据集，包含不同噪声水平 | NA | NA | SUVmax偏差, PSNR | NA |