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 43295 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 | 2026-04-12 |
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 |
| 242 | 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 |
| 243 | 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 |
| 244 | 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 |
| 245 | 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 |
| 246 | 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 |
| 247 | 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 |
| 248 | 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 |
| 249 | 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 |
| 250 | 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 |
| 251 | 2026-04-12 |
Enhancing 7T MRI for deep brain stimulation with deep-learning based image reconstruction and dynamic parallel transmission
2026-Apr-04, NeuroImage. Clinical
DOI:10.1016/j.nicl.2026.103993
PMID:41962172
|
研究论文 | 本研究应用基于深度学习的图像重建和动态并行传输技术，优化了7T MRI用于深部脑刺激的成像协议，提高了图像质量并缩短了扫描时间 | 首次将深度学习图像重建与动态并行传输技术结合应用于7T MRI的深部脑刺激协议优化，显著提升了图像质量、目标结构显影和运动鲁棒性，同时大幅减少了扫描时间 | 研究样本量较小（共26例患者），且为单中心研究，需要更大规模的多中心验证来确认结果的普适性 | 优化7T MRI用于深部脑刺激的成像协议，解决其临床应用中存在的B1+发射不均匀性、扫描时间长和运动敏感性问题 | 接受深部脑刺激治疗的患者 | 医学影像分析 | 神经系统疾病（涉及深部脑刺激治疗） | 7T MRI, 动态并行传输, 深度学习图像重建 | 深度学习模型 | MRI图像 | 26例患者（13例使用传统协议，13例使用增强协议） | NA | NA | 图像质量评分, 运动伪影评分, 目标结构显影评分, 扫描时间减少百分比, 体素体积减少百分比, 优势比 | NA |
| 252 | 2026-04-12 |
Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology
2026-Apr-01, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000929
PMID:41201255
|
综述 | 本文概述了人工智能在肾脏病学中的临床应用，并为肾科医生在慢性肾脏病、急性肾损伤、透析和移植护理中整合AI提供了实用指导 | 提出了一个负责任使用AI的框架，强调以患者利益为核心、确保临床医生监督，并推动在高负担疾病领域的创新 | NA | 为肾脏病护理中负责任且有效地实施人工智能提供指导和框架 | 肾脏疾病患者，包括慢性肾脏病、急性肾损伤、透析和移植患者 | 机器学习 | 肾脏疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 253 | 2026-04-12 |
Identification of nonconvulsive status epilepticus in the ictal-interictal continuum using artificial intelligence: a prospective observational cohort study
2026-Apr, Encephalitis (Seoul, Korea)
DOI:10.47936/encephalitis.2025.00157
PMID:41834605
|
研究论文 | 本研究旨在利用人工智能技术，基于脑电图功能连接性差异，区分非惊厥性癫痫持续状态与昏迷-发作间期连续状态的患者 | 首次结合图论功能连接性与深度学习模型，对发作间期连续状态中的非惊厥性癫痫持续状态与昏迷状态进行区分，并验证了机器学习方法在此类脑电图模式分类中的可行性 | 样本量相对较小（72例患者），且研究为单中心前瞻性观察性队列设计，需要更大规模的多中心研究进一步验证 | 探究非惊厥性癫痫持续状态与昏迷-发作间期连续状态患者在功能连接性上的差异，并评估基于这些差异的机器学习模型的分类性能 | 发作间期连续状态脑电图模式的患者，包括非惊厥性癫痫持续状态组和昏迷-发作间期连续状态组 | 机器学习 | 癫痫 | 脑电图，短时傅里叶变换 | 卷积神经网络 | 脑电图信号，时频图像 | 72例患者（53例非惊厥性癫痫持续状态，19例昏迷-发作间期连续状态） | NA | NA | 准确率 | NA |
| 254 | 2026-04-12 |
A Deep Learning Framework for Automated Triage of Breast Cancer Biopsies in Malaysia: A Simulation Study to Reduce Resource Consumption and Diagnostic Turnaround Time
2026-Apr, Clinical breast cancer
IF:2.9Q2
DOI:10.1016/j.clbc.2026.02.005
PMID:41863188
|
研究论文 | 本研究开发并验证了一个深度学习分诊系统，用于优先处理可疑的乳腺癌活检病例，以模拟方式评估其在马来西亚医院病理工作流程中减少资源消耗和诊断周转时间的潜力 | 提出了一种基于深度学习的自动化分诊框架，通过模拟研究预测其在资源有限医疗系统中的效率提升，首次在马来西亚背景下针对乳腺癌活检进行此类仿真分析 | 研究基于合成数据集进行模拟，尚未在真实世界环境中进行验证，实际应用效果需进一步确认 | 开发一个深度学习分诊系统，以优化乳腺癌活检的病理工作流程，减少诊断延迟和资源消耗 | 乳腺癌活检的数字化病理切片图像 | 数字病理学 | 乳腺癌 | 全切片图像分析 | CNN | 图像 | 大型合成数据集（具体数量未明确说明） | NA | NA | AUC | NA |
| 255 | 2026-04-12 |
A Multichannel Flexible Interface for Environmental-Robust Laryngeal Signal Decoding
2026-Apr-01, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.6c01457
PMID:41919668
|
研究论文 | 本文提出了一种可穿戴、柔性、多通道的压阻接口，用于在复杂语音行为中解码喉部和下颌下运动，以实现嘈杂或受限环境下的鲁棒人机交互 | 开发了一种集成微金字塔PDMS传感层、导电PPy涂层和多通道电极阵列的柔性可穿戴接口，结合改进的音频频谱图Transformer与多通道融合机制，实现了端到端的语义识别 | 仅使用了14个核心英语词汇构建数据集，词汇量有限；未在更广泛的语音障碍人群或多种语言中进行验证 | 在嘈杂、受限或语音受损环境中实现鲁棒的人机交互 | 喉部和下颌下运动信号 | 机器学习 | NA | 多通道压阻传感，无线数据传输，实时设备端处理 | Transformer | 多通道运动信号数据 | 总计3,840个样本（来自麦克风和发声两个结构化数据集） | NA | 改进的音频频谱图Transformer | 分类准确率 | NA |
| 256 | 2026-04-12 |
Multimodal Assessment of Biological Age Following Radiation Therapy Among Patients With Early-Stage NSCLC
2026-Apr-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究评估了基于照片的面部年龄和基于肺功能测试的肺年龄与早期非小细胞肺癌患者接受立体定向放疗后总生存期和早期死亡率的关系 | 首次将深度学习模型估计的面部年龄与肺功能衍生的肺年龄结合，作为非侵入性生物年龄指标，用于预测早期非小细胞肺癌患者的生存结局，并发现面部年龄是独立于实际年龄的生存预测生物标志物 | 研究为回顾性队列设计，面部年龄估计依赖于预处理照片的可用性，肺年龄数据仅来自部分患者子集，可能存在选择偏倚，且随访时间中位数为44个月，长期生存影响需进一步验证 | 评估非侵入性生物年龄指标（面部年龄和肺年龄）在预测早期非小细胞肺癌患者接受立体定向放疗后生存结局中的价值 | 年龄≥60岁、接受根治性立体定向放疗的早期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 深度学习模型, 肺功能测试 | 深度学习模型 | 图像, 临床数据 | 670名患者（中位年龄77岁，61%为女性），其中477名有肺功能测试数据 | NA | NA | 风险比, 置信区间, P值 | NA |
| 257 | 2026-04-01 |
Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study
2026-Mar-30, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08165-1
PMID:41913156
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 258 | 2026-04-12 |
AI-Driven Species Sensitivity Distribution (AI-4-SSD) Framework for Predicting Aquatic Ecological Risks of Chemical Pollutants in Global Near-Coastal Environments
2026-Mar-27, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.6c00675
PMID:41891423
|
研究论文 | 本文提出了一种基于AI的框架（AI-4-SSD），用于预测全球近岸环境中化学污染物的暴露、水生毒性和风险 | 开发了多模态深度学习模型作为框架核心，首次实现从化学暴露到种群水平水生毒性的全链条预测，并识别出高风险化学物质 | 研究仅针对八种海洋物种和约3000种目标化学物质，可能未涵盖所有潜在污染物和生物多样性影响 | 预测全球近岸环境中化学污染物的水生生态风险，以保护海洋生物多样性 | 全球近岸环境中的化学污染物及其对海洋物种的影响 | 机器学习 | NA | 多模态深度学习 | 深度学习模型 | 化学数据、毒性数据 | 约3000种目标化学物质，涉及八种海洋物种（跨三个门） | NA | 多模态深度学习模型 | 测试集R²为0.85 | NA |
| 259 | 2026-04-12 |
Deep Learning Enables Pixel-Level Nanoparticle Distribution Mapping in Routine Histological Sections by Integrating Cancer Associated Fibroblasts Features
2026-Mar-27, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.6c01365
PMID:41893882
|
研究论文 | 本研究提出了一种名为NanoNet的深度学习框架，利用成纤维细胞活化蛋白免疫染色来空间表征癌症相关成纤维细胞，并高分辨率预测纳米颗粒在肿瘤组织中的分布 | 首次开发了能够整合癌症相关成纤维细胞特征、从常规组织切片实现像素级纳米颗粒分布预测的深度学习框架，突破了传统医学成像技术在检测纳米颗粒分布方面的局限性 | 未明确说明模型在其他肿瘤类型或更大样本量中的泛化能力，也未详细讨论临床转化所需的技术验证步骤 | 开发能够高精度预测肿瘤内纳米颗粒空间分布的深度学习模型，以优化纳米药物设计和个性化纳米医学 | 肿瘤组织切片中的纳米颗粒分布与癌症相关成纤维细胞的空间关系 | 数字病理学 | 癌症 | 免疫染色（FAP免疫染色）、组织切片成像 | 深度学习模型 | 组织切片图像 | 未明确说明 | 未明确说明 | NanoNet | ICC（组内相关系数）, R² | 未明确说明 |
| 260 | 2026-04-11 |
FloraSyntropy-net: scalable deep learning with novel FloraSyntropy archive for large-scale plant disease diagnosis
2026-Mar-17, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-026-01519-4
PMID:41845427
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |