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 43005 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2026-04-05 |
Comprehensive Characterization of Tissue Mineralization in an Ex Vivo Model
2024-09-27, Journal of visualized experiments : JoVE
DOI:10.3791/67235
PMID:39400183
|
研究论文 | 本文提出了一种利用大型动物骨外植体进行新骨形成全面评估的工作流程 | 结合了多种分析模态（如micro-CT、深度学习、纳米压痕、组织学、SEM和拉曼光谱）来全面表征矿化组织 | 研究基于离体外植体模型，可能无法完全模拟体内环境 | 评估骨再生背景下的组织矿化质量与结构 | 羊股骨头外植体中的新骨形成 | 数字病理学 | NA | micro-CT, 纳米压痕, 组织学染色（HES, Goldner's trichrome, Movat's pentachrome）, 背散射扫描电子显微镜（SEM）, 拉曼光谱 | 深度学习 | 3D图像, 组织学图像, 光谱数据 | 羊股骨头外植体（具体数量未明确说明） | NA | NA | NA | NA |
| 242 | 2026-04-05 |
Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
2024-08-16, Journal of visualized experiments : JoVE
DOI:10.3791/66981
PMID:39221929
|
研究论文 | 本研究开发了一种结合动物行为评估与卷积神经网络的方法，分析小鼠在同时嗅闻酒精和食用芥末时的面部表情，以探究酒精对芥末辛辣感的潜在抑制作用 | 首次将动物行为学与深度学习模型结合，用于研究酒精与芥末的味觉-嗅觉交互作用，并开发了无需先验训练材料筛选的模型 | 需要进一步研究酒精抑制芥末辛辣感的潜在机制 | 探究嗅闻含酒精饮料对芥末辛辣感的影响 | 小鼠 | 计算机视觉 | NA | 动物行为学评估 | CNN | 图像, 视频 | 未明确说明 | NA | NA | 识别准确率 | NA |
| 243 | 2026-04-05 |
Misplaced Trust and Distrust: How Not to Engage with Medical Artificial Intelligence
2024-07, Cambridge quarterly of healthcare ethics : CQ : the international journal of healthcare ethics committees
IF:1.5Q3
DOI:10.1017/S0963180122000445
PMID:36263755
|
评论 | 本文探讨了在医疗人工智能应用中信任与不信任的错误放置问题，并提出了一种分类法来系统化这些实例 | 通过逆向视角，聚焦于负面例子，开发了一个提供临床和监管决策伦理约束的框架 | 未涉及具体技术实现或实证数据验证 | 分析医疗人工智能中的信任伦理问题，为临床和监管决策提供伦理约束 | 医疗人工智能系统及其在临床护理中的应用 | 机器学习 | NA | NA | 深度学习 | NA | NA | NA | 人工神经网络 | NA | NA |
| 244 | 2026-04-05 |
Towards Interactive and Interpretable Image Retrieval-Based Diagnosis: Enhancing Brain Tumor Classification with LLM Explanations and Latent Structure Preservation
2024-Jul, Artificial intelligence in medicine. Conference on Artificial Intelligence in Medicine (2005- )
DOI:10.1007/978-3-031-66535-6_35
PMID:41930254
|
研究论文 | 本文提出了一种交互式图像检索系统，用于增强脑肿瘤分类的准确性和可解释性，并整合LLM以提升系统可访问性 | 结合监督对比学习训练的图像编码器以保留检索空间中的潜在结构，并集成现成LLM进行检索报告总结和用户问答交互，提高系统交互性和可解释性 | 未明确说明系统在临床环境中的实际部署验证或具体性能限制 | 开发一个交互式且可解释的图像检索系统，以辅助脑肿瘤分类诊断 | 脑肿瘤医学图像 | 计算机视觉 | 脑肿瘤 | 内容基于图像检索（CBIR），监督对比学习 | 深度学习模型 | 图像 | NA | NA | NA | 分类性能（与黑盒分类器对比） | NA |
| 245 | 2024-08-07 |
In the right direction: A deep learning tool for assessment of right ventricular function
2024-05, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.15831
PMID:38757551
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 246 | 2026-04-05 |
Discovery of a structural class of antibiotics with explainable deep learning
2024-02, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06887-8
PMID:38123686
|
研究论文 | 本文提出了一种基于可解释深度学习的抗生素结构类别发现方法，通过图神经网络和可解释算法识别与抗生素活性相关的化学亚结构，并成功预测并验证了新的抗生素结构类别 | 开发了一种可解释的、基于亚结构的深度学习方法，用于高效探索化学空间，并首次将可解释性图算法应用于抗生素发现，提供了化学亚结构的理性依据 | 研究仅针对金黄色葡萄球菌等特定细菌进行了测试，未涵盖所有抗生素耐药性病原体，且化合物库的规模虽大但可能仍有限制 | 发现新型抗生素结构类别以应对抗生素耐药性危机 | 化学化合物，特别是针对金黄色葡萄球菌（包括MRSA）和万古霉素耐药肠球菌的抗生素 | 机器学习 | 细菌感染 | 深度学习和图神经网络 | 图神经网络 | 化学化合物数据 | 39,312个化合物的抗生素活性和细胞毒性数据，以及12,076,365个化合物的预测 | NA | 图神经网络 | 抗生素活性预测、细胞毒性预测 | NA |
| 247 | 2026-04-05 |
Explainable deep learning discovers novel antibiotic
2024-02, Nature reviews. Drug discovery
DOI:10.1038/d41573-024-00006-6
PMID:38216772
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 248 | 2026-04-05 |
Data-driven multimodal fusion: approaches and applications in psychiatric research
2023, Psychoradiology
DOI:10.1093/psyrad/kkad026
PMID:38143530
|
综述 | 本文全面概述了数据驱动的多模态融合方法及其在精神病学研究中的应用 | 强调了在无先验信息或有先验信息下，利用典型相关分析和独立成分分析等方法进行多模态融合的创新性，并讨论了N向多模态融合、深度学习方法和临床转化等新兴趋势 | 未具体说明方法在实际应用中可能面临的数据异质性、模型泛化能力或计算资源限制等挑战 | 整合多样化的神经影像视角，以更全面地理解复杂的精神疾病 | 神经影像数据，包括遗传、环境、认知和治疗结果等多因素 | 机器学习 | 精神疾病 | 神经影像分析，如磁共振成像 | 深度学习 | 多模态数据（如神经影像、遗传、环境数据） | NA | NA | NA | NA | NA |
| 249 | 2026-04-05 |
Artificial Intelligence Based on Machine Learning in Pharmacovigilance: A Scoping Review
2022-05, Drug safety
IF:4.0Q1
DOI:10.1007/s40264-022-01176-1
PMID:35579812
|
综述 | 本文通过范围综述探讨了基于机器学习的人工智能在药物警戒领域的应用现状、与其他领域的差异以及改进机会 | 首次系统性地综述了2000年至2021年间机器学习在药物警戒中的应用，并识别了当前最佳实践和趋势 | 仅涵盖截至2021年9月的研究，可能未反映最新进展；依赖手动筛选，可能存在主观偏差 | 理解机器学习在药物警戒任务中的应用方式，并识别通过机器学习改进药物警戒的机会 | 2000年至2021年发表的关于机器学习在药物警戒中应用的393篇研究论文 | 机器学习 | NA | 机器学习 | 深度学习, 传统统计方法 | 文本, 结构化数据 | 7744篇摘要经筛选后纳入393篇论文 | NA | NA | NA | NA |
| 250 | 2026-04-05 |
CADD-Splice-improving genome-wide variant effect prediction using deep learning-derived splice scores
2021-02-22, Genome medicine
IF:10.4Q1
DOI:10.1186/s13073-021-00835-9
PMID:33618777
|
研究论文 | 本研究通过整合深度学习衍生的剪接评分，改进了CADD工具在全基因组变异效应预测中的性能 | 首次将两种专门的剪接评分整合到CADD模型中，显著提升了剪接变异预测的准确性，同时保持整体性能 | 仅针对剪接评分进行了验证，未扩展到其他分子过程；且剪接特异性预测器在一般变异解释中无法与考虑无义和错义效应的评分竞争 | 改进全基因组变异效应预测工具，特别是针对影响剪接的遗传变异 | 遗传变异对剪接的影响，以及其在遗传疾病中的作用 | 机器学习 | 遗传疾病 | 深度神经网络 | DNN | 基因组变异数据 | NA | NA | NA | 分类准确性 | NA |
| 251 | 2026-04-05 |
Evaluation of the VETSCAN IMAGYST: an in-clinic canine and feline fecal parasite detection system integrated with a deep learning algorithm
2020-Jul-11, Parasites & vectors
IF:3.0Q1
DOI:10.1186/s13071-020-04215-x
PMID:32653042
|
研究论文 | 本研究评估了VETSCAN IMAGYST系统，这是一种集成了深度学习算法的犬猫粪便寄生虫检测系统，旨在提高粪便检查的敏感性和特异性 | VETSCAN IMAGYST系统整合了自动化样本制备、扫描和基于云的深度学习算法，实现了寄生虫卵的自动定位、分类和识别，为兽医诊所提供了专家级的诊断结果 | 研究仅针对特定寄生虫类群（如钩虫、弓蛔虫、鞭虫和带绦虫科）进行评估，样本量有限（100个预筛选样本），且未涵盖所有可能的寄生虫种类 | 评估VETSCAN IMAGYST系统的能力，并比较其粪便制备方法与常规粪便浮选技术的性能 | 犬和猫的粪便样本 | 数字病理学 | 寄生虫感染 | 粪便浮选技术（离心和被动浮选） | 深度学习算法 | 图像 | 100个预筛选的犬猫粪便样本 | NA | NA | 皮尔逊相关系数, 诊断敏感性, 诊断特异性, 定性一致性 | 基于云的深度学习算法 |
| 252 | 2026-04-05 |
Rapid preliminary purity evaluation of tumor biopsies using deep learning approach
2020, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2020.06.007
PMID:32695267
|
研究论文 | 本文提出了一种基于深度学习的快速初步评估肿瘤活检纯度的方法 | 利用深度学习模型从转录组数据中预测肿瘤活检纯度，提供了一种快速、低成本且易于执行的替代传统病理学评估的方法 | 方法可能对实验协议和癌症类型差异敏感，且需要进一步验证在更广泛样本中的适用性 | 开发一种快速、低成本评估肿瘤活检纯度的工具 | 肿瘤活检样本 | 数字病理学 | 癌症 | 转录组分析 | 深度学习分类器 | 转录组数据 | 来自不同组的多数据集，具体数量未明确 | NA | NA | 准确度 | NA |
| 253 | 2026-04-04 |
Rapid and non-destructive detection of hollow defects in pecans by near-infrared spectroscopy combined with multimodal data fusion and deep learning
2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127752
PMID:41863999
|
研究论文 | 本研究提出了一种结合近红外光谱、多模态数据融合与深度学习的方法，用于快速、无损地检测山核桃的空心缺陷及其严重程度 | 首次将多模态数据融合（光谱特征与物理参数）与深度学习（CNN-MLP双流模型）相结合，用于山核桃空心缺陷检测，显著提高了检测精度 | 未提及样本来源的多样性或模型在更大规模或不同品种山核桃上的泛化能力 | 开发一种可靠、无损的山核桃质量评估方法，以检测空心缺陷 | 山核桃及其空心缺陷 | 机器学习 | NA | 近红外光谱 | SVM, CNN, MLP | 光谱数据, 物理参数 | NA | NA | CNN-MLP双流模型 | 整体准确率 | NA |
| 254 | 2026-04-04 |
High confidence Raman spectroscopy of tumor biomarker proteins through experimental and theoretical cross-validation
2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127748
PMID:41863219
|
研究论文 | 本文提出了一种基于实验与理论交叉验证的高置信度拉曼光谱采集方法，用于肿瘤标志物蛋白检测 | 通过实验获取与第一性原理DFT计算的理论拉曼光谱相互验证，确认了四种乳腺癌肿瘤标志物蛋白的光谱峰特征差异及其归属，并展示了理论-实验交叉验证能提升基于AI的蛋白分类准确率7.62% | NA | 开发一种高置信度的拉曼光谱方法，用于肿瘤标志物蛋白的快速准确检测，以支持癌症筛查和组织活检病理诊断 | 四种乳腺癌肿瘤标志物蛋白 | 机器学习 | 乳腺癌 | 拉曼光谱，超滤纯化，第一性原理密度泛函理论（DFT） | NA | 光谱数据 | NA | NA | NA | 准确率 | NA |
| 255 | 2026-04-04 |
Bridging AI advancements with risk assessment needs: A journey towards effective use and regulatory acceptance
2026-Jun, Toxicology
IF:4.8Q1
DOI:10.1016/j.tox.2026.154439
PMID:41786018
|
综述 | 本文是一篇叙述性综述，探讨了人工智能（AI）在化学风险评估（CRA）和下一代风险评估（NGRA）中的应用现状与挑战 | 将AI进展与风险评估需求相结合，提出在证据管理和证据生成两个领域整合AI工具，以支持毒理学机制发现、生物标志物识别、AOP开发及毒代动力学/毒效动力学建模 | 需要超越技术验证，制定详细的监管接受标准，AI工具在CRA中的成功整合仍需进一步进展 | 促进AI工具在化学测试和评估中的有效整合，以支持新方法学（NAMs）和下一代风险评估（NGRA） | 化学风险评估（CRA）和下一代风险评估（NGRA）相关的AI应用 | 机器学习 | NA | NA | NA | 大型复杂数据集 | NA | NA | NA | NA | NA |
| 256 | 2026-04-04 |
Ameliorative effect of Rhus verniciflua Stokes on high-fat diet-induced obesity and advanced analysis with machine learning and deep learning-based network pharmacology
2026-May-15, Life sciences
IF:5.2Q1
DOI:10.1016/j.lfs.2026.124337
PMID:41881279
|
研究论文 | 本研究评估了漆树提取物对高脂饮食诱导的肥胖及代谢功能障碍相关脂肪肝病的改善作用，并利用人工智能方法分析其活性成分 | 结合体内实验与多层人工智能/机器学习流程（包括分子对接、分子动力学、深度学习药物-靶点相互作用建模及强化学习），系统分析漆树提取物的抗肥胖机制与活性成分 | 研究仅使用雄性ICR小鼠模型，未涉及雌性动物或更复杂的疾病模型；人工智能预测的活性成分需进一步实验验证 | 评估漆树提取物的抗肥胖疗效及其作用机制 | 雄性ICR小鼠及24种经核磁共振鉴定的漆树提取物成分 | 机器学习 | 肥胖 | 核磁共振（NMR）鉴定、分子对接、分子动力学模拟、转录组学分析 | 深度学习, 强化学习 | 生物化学数据、分子结构数据、基因表达数据 | 雄性ICR小鼠（具体数量未明确说明），24种漆树提取物成分 | NA | NA | 体重变化百分比、血清低密度脂蛋白降低百分比、肝脏甘油三酯降低百分比、NAS评分降低百分比 | NA |
| 257 | 2026-04-04 |
Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study
2026-May, BJOG : an international journal of obstetrics and gynaecology
DOI:10.1111/1471-0528.70103
PMID:41332358
|
研究论文 | 本研究利用低场MRI技术对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局 | 开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，揭示了宫颈表型可能影响分娩结局的新机制 | 样本量相对较小（n=97），且仅针对首次尝试阴道分娩的晚期妊娠女性，可能限制结果的普遍性 | 探究晚期妊娠宫颈的MRI测量与分娩结局之间的相关性 | 晚期妊娠（36-41周）女性，首次尝试阴道分娩 | 数字病理学 | 产科疾病 | 低场MRI，2D T2加权Turbo-Spin-Echo序列 | 3D深度学习分割网络 | MRI图像 | 97名晚期妊娠女性 | NA | NA | 图像重建质量，分割质量，组间变异性，相关性分析，OR值 | 0.55 T Freemax MRI扫描仪 |
| 258 | 2026-04-04 |
Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70104
PMID:41376335
|
研究论文 | 本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测 | 提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，并引入了交叉注意力融合模块和知识蒸馏技术，以提高检测性能并实现轻量化部署 | 模型的计算复杂度较高，相比传统CNN需要更多的计算资源 | 加速前列腺癌的早期检测和准确诊断 | 前列腺癌的病理组织图像 | 数字病理学 | 前列腺癌 | 病理图像分析 | CNN, Vision Transformer | 图像 | 使用公开的PANDA数据集进行训练和测试 | NA | VGG-16, DenseNet-121, AlexNet, Vision Transformer | 准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率 | GPU内存, 推理时间 |
| 259 | 2026-04-04 |
A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70110
PMID:41460794
|
研究论文 | 提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案 | 结合图像增强与预训练的Cellpose算法，无需额外训练即可处理不完美细胞结构图像，显著提升分割精度 | 未提及方案在处理极端噪声或高度重叠细胞图像时的性能限制 | 开发一种高效且准确的细胞分割方法，以支持细胞形态学分析和疾病诊断 | 不完美的细胞结构图像，特别是小鼠脑部图像 | 数字病理学 | NA | 图像增强，深度学习分割 | Cellpose | 图像 | 未明确指定样本数量，但涉及小鼠脑部图像 | 未明确指定，但基于Cellpose算法 | Cellpose with Cyto3 pretrained weight module | IoU, ACC, MCC, Dice | NA |
| 260 | 2026-04-04 |
Explainability-Based Optimized Deep Learning in Histopathological Diagnosis of Multiple Cancers and Development of Mobile Application
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70115
PMID:41511077
|
研究论文 | 本文提出了一种名为C2RN2GC2A的新型深度学习模型，结合了元启发式优化算法和可解释性AI技术，旨在提高多癌症组织病理学图像分类的效率和准确性 | 提出了一种结合残差学习和优化高斯扰动的深度学习模型C2RN2GC2A，并引入了基于军事战术的元启发式优化算法2GC2A进行特征选择和参数调优，同时采用LDLRP技术增强模型的可解释性 | 未明确说明模型在其他数据集上的泛化能力，且假阳性和假阴性数量在部分数据集上较高 | 提高多癌症组织病理学图像分类的准确性、效率和临床可解释性 | 组织病理学图像 | 数字病理学 | 多癌症 | 深度学习 | CNN | 图像 | LC25000和BreakHis数据集 | NA | Complementary Residual Retentive Network (C2RN2GC2A) | 准确率, 训练损失, 验证损失, 假阳性数, 假阴性数 | NA |