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 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 | 2026-03-31 |
Advancements in artificial intelligence for meibography: clinical utility and contributions to meibomian gland dysfunction management
2026-Apr, Clinical & experimental optometry
DOI:10.1080/08164622.2025.2555315
PMID:41083413
|
综述 | 本文综述了人工智能在睑板腺成像（meibography）中的最新进展，及其在睑板腺功能障碍诊断与管理中的临床应用 | 利用深度学习实现更精确的腺体特征提取，如腺体缺失、密度和迂曲度，支持标准化和可重复的临床评估 | 当前AI模型在区域腺体变异建模有限、数据集多样性不足、缺乏标准化图像质量控制 | 探索基于AI的睑板腺成像在睑板腺功能障碍诊断与管理中的临床效用 | 睑板腺结构与睑板腺功能障碍 | 计算机视觉 | 睑板腺功能障碍 | meibography | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 242 | 2026-03-31 |
Blueprint for Drug Repurposing Success: Foundational Concepts and Practical Framework
2026-Apr, Drug development research
IF:3.5Q2
DOI:10.1002/ddr.70270
PMID:41904819
|
综述 | 本文全面分析了药物重定位的传统与计算策略，包括实验方法和人工智能驱动的模型，旨在加速药物发现研究 | 系统整合了人工智能和机器学习在药物重定位流程中的应用，强调了其在处理大规模数据、提高预测准确性方面的能力 | NA | 为药物化学家、计算生物学家和药物发现科学家提供加速药物重定位研究的实用框架和资源指南 | 现有临床评估化合物及其新的治疗应用 | 自然语言处理, 机器学习 | NA | 结合亲和力测定、临床数据挖掘、表型筛选、结构基、签名基、通路基、知识基、靶点基策略 | 深度学习架构, 图神经网络, 知识图谱, 网络药理学框架 | 大规模数据集, 药物-靶点相互作用数据 | NA | NA | NA | 预测准确性 | NA |
| 243 | 2026-03-31 |
AI-driven drug-target interaction prediction: current progress, challenges, and future roadmap for precision medicine
2026-Mar-31, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-026-00798-2
PMID:41910880
|
综述 | 本文系统回顾了人工智能驱动的药物-靶点相互作用预测的当前进展、挑战及未来在精准医学中的应用路线图 | 全面整合了从传统计算方法到现代深度学习及多组学混合模型的最新进展，并强调了跨学科整合和伦理框架的重要性 | 面临数据稀疏性、模型可解释性及泛化能力等关键挑战 | 探索计算药物-靶点相互作用预测方法，以支持药物发现、开发和重定位 | 药物-靶点相互作用 | 机器学习 | NA | QSAR, 药效团建模, 分子对接, 结合位点预测, 多组学整合 | 机器学习, 深度学习, 图神经网络, Transformer | 化学, 生物, 组学特征 | NA | NA | 图神经网络, Transformer | 预测准确性 | NA |
| 244 | 2026-03-31 |
Recent Advances in Musculoskeletal Radiology: Bridging Innovation and Clinical Application
2026-Mar-30, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.rev.2025-0150
PMID:41443887
|
综述 | 本文综述了肌肉骨骼放射学领域的最新进展，重点介绍了MRI、CT和人工智能等技术创新及其在临床诊断中的应用 | 总结了肌肉骨骼成像的7个关键领域，包括CT样对比MRI、定量MRI、AI在图像重建和诊断支持中的应用等，代表了该领域的范式转变 | 作为一篇综述文章，未提出新的原始研究数据或模型，主要依赖现有文献进行总结 | 回顾并总结肌肉骨骼放射学领域的最新技术进展及其临床转化应用 | 肌肉骨骼系统的影像学诊断技术，包括MRI、CT、PET和人工智能应用 | 数字病理学 | 肌肉骨骼疾病 | MRI, CT, PET, MR spectroscopy (MRS), 人工智能 | CNN, 自然语言处理模型 | 图像, 文本 | NA | NA | NA | NA | NA |
| 245 | 2026-03-31 |
Automated daily adaptation for breast cancer radiotherapy: benefits of deep learning-driven dose prediction workflow for CBCT-based adaptation
2026-Mar-30, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae5387
PMID:41843986
|
研究论文 | 本研究探讨了基于深度学习的剂量预测与自动计划结合，用于乳腺癌放疗中基于锥形束CT的每日自适应放疗的可行性及临床益处 | 首次将深度学习驱动的剂量预测引擎与自动计划解决方案结合，用于乳腺癌放疗的每日自适应工作流，并通过预测标准优化重新计划决策 | 每日自适应可能并非对所有患者的所有分次都带来益处，且研究样本量较小（28例患者），需要进一步验证 | 评估基于锥形束CT的每日自适应放疗在乳腺癌治疗中的临床可行性及益处 | 28例接受容积旋转调强放疗的乳腺癌患者及其每日锥形束CT图像 | 数字病理学 | 乳腺癌 | 锥形束CT成像，容积旋转调强放疗 | 深度学习模型 | 医学图像（锥形束CT） | 28例乳腺癌患者，每日锥形束CT图像（约15次/患者） | 未明确指定 | 未明确指定 | 计划靶区剂量覆盖率，临床目标达成比例，器官风险剂量减少百分比 | 未明确指定 |
| 246 | 2026-03-31 |
Integration of Raman tweezers and machine learning for label-free single-cell characterization of endometriosis cells
2026-Mar-30, The Analyst
DOI:10.1039/d5an01076d
PMID:41711554
|
研究论文 | 本研究开发并验证了一种结合光学捕获和拉曼光谱的拉曼镊子平台，用于对子宫内膜异位症来源的VK2/E6E7上皮细胞进行无标记单细胞生化分析 | 首次将拉曼镊子应用于子宫内膜异位症细胞的单细胞分析，并整合了深度学习预处理和可解释机器学习方法 | 研究仅比较了VK2/E6E7细胞与A549上皮癌细胞系，未涉及更多细胞类型或临床样本，可能限制其普适性 | 探索子宫内膜异位症的细胞机制，开发一种无标记、微创的诊断策略 | 子宫内膜异位症来源的VK2/E6E7上皮细胞和上皮癌细胞系A549 | 机器学习 | 子宫内膜异位症 | 拉曼镊子（结合光学捕获和拉曼光谱） | Random Forest, XGBoost | 拉曼光谱数据 | 涉及VK2/E6E7细胞和A549细胞系，具体样本数量未明确说明 | NA | RSPSSL（自监督深度学习模型用于预处理） | 准确率 | NA |
| 247 | 2026-03-31 |
Algorithm prediction of lifetime under high-power microwave based on T-type field plate HEMTs
2026-Mar-30, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ae5539
PMID:41861404
|
研究论文 | 本研究构建了一个深度学习模型，结合TCAD技术，用于预测T型场板HEMTs在高功率微波应力下的可靠性 | 采用深度学习算法预测高功率微波下HEMTs的寿命，相比传统机器学习方法具有更低的预测误差，并允许非半导体专家快速获取设备寿命数据 | 未明确提及模型在极端或未见过条件下的泛化能力，以及可能的数据集规模限制 | 预测T型场板HEMTs在高功率微波应力下的可靠性，以支持设备设计和寿命评估 | T型场板高电子迁移率晶体管（HEMTs） | 机器学习 | NA | TCAD技术 | 深度学习模型 | 数值数据（脉冲宽度、功率、占空比） | NA | NA | NA | 相对误差，平均相对误差 | NA |
| 248 | 2026-03-31 |
Cross-platform deep learning enables automated cytomorphologic subtyping of acute leukemia from bone marrow smears
2026-Mar-30, Virchows Archiv : an international journal of pathology
IF:3.4Q1
DOI:10.1007/s00428-026-04492-4
PMID:41906037
|
研究论文 | 本研究开发了一个深度学习框架ALSNet，用于从Wright-Giemsa染色的骨髓涂片中自动进行细胞级分类和病例级亚型分型急性白血病 | ALSNet结合了双分支卷积架构和Transformer编码器，以捕获细粒度局部特征和全局形态学上下文，并通过多平台数据训练增强了泛化能力 | 未明确提及具体局限性，但外部验证的病例级准确率为0.75，仍有提升空间 | 自动化急性白血病的细胞形态学亚型分型，以指导治疗和预测患者结局 | 急性白血病患者的Wright-Giemsa染色骨髓涂片 | 数字病理学 | 急性白血病 | Wright-Giemsa染色 | CNN, Transformer | 图像 | 180,928张专家标注的单细胞图像，涵盖19个造血和白血病细胞类别，来自三个不同的成像平台 | NA | 双分支卷积架构, Transformer编码器 | 每类准确率, 病例级准确率, 相关系数R | NA |
| 249 | 2026-03-31 |
AmberTorchPB: A Unified Framework for Poisson-Boltzmann-Based Reaction Field Energy Calculation via Tensor Computation
2026-Mar-30, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.6c00085
PMID:41906862
|
研究论文 | 介绍了一个基于张量计算的统一框架AmberTorchPB，用于高效计算Poisson-Boltzmann反应场能量 | 利用深度学习中的张量抽象范式，构建了一个支持异构硬件、内存优化和混合精度计算的统一框架，解决了传统PB求解器在大规模生物分子组装中的计算瓶颈和软件碎片化问题 | 未明确说明框架在具体生物分子系统上的计算精度验证或与传统方法的详细对比 | 开发现代化生物分子静电学计算框架，提高Poisson-Boltzmann方程求解的效率和可扩展性 | 生物分子静电相互作用 | 计算生物学 | NA | Poisson-Boltzmann方程求解 | NA | 数值计算数据 | NA | LibTorch | NA | NA | 异构计算架构，支持混合精度计算 |
| 250 | 2026-03-31 |
Early Versus Delayed Anticoagulation in Acute Ischaemic Stroke with Atrial Fibrillation According to Infarct Volume and Location: a Prespecified Subgroup Analysis of the OPTIMAS Randomised Controlled Trial
2026-Mar-30, International journal of stroke : official journal of the International Stroke Society
IF:6.3Q1
DOI:10.1177/17474930261441297
PMID:41906919
|
研究论文 | 本研究通过预先设定的亚组分析，探讨了急性心房颤动相关缺血性卒中患者中，根据梗死体积和位置，早期与延迟抗凝治疗的效果差异 | 首次使用深度学习分割模型精确测量梗死体积，并以此作为连续变量分析其与早期抗凝治疗效果的交互作用 | 研究为预设的二次分析，可能存在选择偏倚；部分梗死体积通过CT手动分割，可能引入测量误差 | 评估梗死体积是否影响急性心房颤动相关缺血性卒中患者早期抗凝治疗的效果 | 急性缺血性卒中伴心房颤动的患者 | 数字病理学 | 心血管疾病 | 扩散加权MRI, CT, 深度学习分割模型 | 深度学习模型 | 医学影像（MRI, CT） | 3572名参与者 | NA | NA | 比值比, 95%置信区间, p值 | NA |
| 251 | 2026-03-31 |
Artificial Intelligence in Periodontology: A Systematic Review
2026-Mar-30, Journal of periodontal research
IF:3.4Q1
DOI:10.1111/jre.70107
PMID:41907011
|
系统综述 | 本文系统综述了人工智能在牙周病学中的应用，重点关注深度学习在基于图像的牙周炎诊断以及非图像AI应用 | 首次对牙周病学中AI应用进行全面系统综述，涵盖图像与非图像数据，并采用QUADAS-2偏倚风险评估框架 | 研究普遍存在泛化性不足问题，主要由于数据多样性有限、任务/指标不一致且缺乏外部验证 | 系统评估人工智能在牙周病学领域的应用现状与效果 | 牙周病学领域的AI研究文献 | 数字病理学 | 牙周炎 | 深度学习, 自然语言处理 | CNN | 全景X光片, CBCT, 口内X光片, 临床照片, 非图像临床数据 | PICO1包含29项研究（21项使用全景X光片），PICO2包含65项研究 | NA | NA | 准确率, AUROC | NA |
| 252 | 2026-03-31 |
Deep learning-assisted otoscopic screening for paediatric otitis media: feasibility of edge deployment
2026-Mar-30, Acta oto-laryngologica
IF:1.2Q3
DOI:10.1080/00016489.2026.2632953
PMID:41910391
|
研究论文 | 本研究开发并验证了一种用于儿童中耳炎耳镜筛查的深度学习模型，并评估了其在嵌入式边缘设备上部署的可行性 | 首次将MobileNetV3-Small模型应用于儿童中耳炎的耳镜图像分类，并探索了INT8量化在STM32H7嵌入式平台上的部署，以优化存储和计算资源 | 研究为回顾性设计，数据来源于单一医院，未来需要前瞻性多中心验证以增强泛化能力 | 开发一种深度学习辅助的耳镜筛查工具，以支持儿童中耳炎的临床分诊和预诊断 | 儿童中耳炎患者，包括急性中耳炎、渗出性中耳炎和正常鼓膜 | 计算机视觉 | 中耳炎 | 耳镜成像 | CNN | 图像 | 19,522张耳镜图像，其中测试集包含600张图像（每类200张） | TensorFlow, PyTorch | MobileNetV3-Small | 准确率, 灵敏度, 特异性 | STM32H7嵌入式平台，支持浮点32位和INT8量化部署 |
| 253 | 2026-03-31 |
Intraoperative full-spine imaging with C-arm using a deep learning-based automatic stitching model: development and clinical validation
2026-Mar-30, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-026-09872-7
PMID:41910750
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 254 | 2026-03-31 |
A two-stage deep learning system for cervical spine fracture diagnosis: integrating 3D segmentation and 2.5D classification on CT images
2026-Mar-30, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-026-09892-3
PMID:41910751
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 255 | 2026-03-31 |
LA-TReQNet: Improving Multielement Quantification Model for Laser Ablation Inductively Coupled Plasma Mass Spectrometry Based on Deep Learning Network
2026-Mar-30, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00057
PMID:41910779
|
研究论文 | 本文提出了一种基于深度学习的端到端框架LA-TReQNet，用于激光剥蚀电感耦合等离子体质谱（LA-ICP-MS）的多元素定量分析，实现了无需标准品的自动化校准 | 首次建立了无需标准品的校准方法，通过深度学习模型捕获复杂经验关系，并优化了基于功率变换器的标准化和数据集分组策略 | 未明确说明模型在极端或未知样品类型上的泛化能力，以及计算资源需求的具体细节 | 改进LA-ICP-MS的多元素定量模型，消除对内部或外部标准品的依赖 | LA-ICP-MS质谱数据，包括来自5676个样品的221,364个标记质谱 | 机器学习 | NA | 激光剥蚀电感耦合等离子体质谱（LA-ICP-MS） | CNN, LSTM | 质谱数据 | 5676个样品，共221,364个标记质谱 | NA | CNN-LSTM架构 | 与认证参考值的偏差百分比（对于主量元素和痕量元素） | NA |
| 256 | 2026-03-31 |
3d elastic-modulus imaging using ultrasound linear arrays and efficient data-driven training strategies
2026-Mar-30, Biomechanics and modeling in mechanobiology
IF:3.0Q3
DOI:10.1007/s10237-026-02056-8
PMID:41910792
|
研究论文 | 本文提出了一种使用超声线性阵列和高效数据驱动训练策略进行三维弹性模量成像的方法 | 采用自渐进（AutoP）方法结合浅层神经网络结构，与传统深度学习技术形成鲜明对比，通过多平面压缩测量高效训练网络以模拟体积变形模式 | 实验限制会减慢学习过程，并最终限制模量图像的对比度和空间分辨率，但可通过最小化误差来优化 | 开发基于超声的弹性模量成像技术，用于组织体积内的力学特性评估 | 组织体积的弹性模量成像 | 医学影像 | NA | 超声线性阵列，自渐进（AutoP）方法 | 浅层神经网络 | 力-位移测量数据 | NA | NA | NA | 弹性模量图像值与独立测量值的误差（在10%以内） | NA |
| 257 | 2026-03-31 |
Enhancing Parkinson's Disease Staging: An Integrative Deep Learning Framework for Multimodal Feature Selection
2026-Mar-30, Journal of molecular neuroscience : MN
IF:2.8Q2
DOI:10.1007/s12031-026-02492-2
PMID:41910849
|
研究论文 | 本研究提出了一种名为MAFNet的新型深度学习框架，用于整合多模态数据以增强帕金森病的分期准确性 | 提出了一个集成了迭代自适应Vold-Kalman滤波时域去噪、加速二进制粒子群优化特征选择、多层感知机-拉格朗日支持向量机分类以及基于图注意力的多模态融合网络的端到端深度学习框架 | 未来工作包括纵向时序建模、模态无关融合、边缘部署、联邦学习以及扩展到阿尔茨海默病/肌萎缩侧索硬化症 | 提高帕金森病分期的准确性，实现从主观评估到客观精准医学的转变 | 帕金森病患者 | 机器学习 | 帕金森病 | 深度学习，多模态数据融合 | MLP, SVM, 图注意力网络 | 遗传SNP数据，神经影像体素数据，临床评分数据 | 200名患者（来自PPMI队列），并进行了印度队列的外部验证 | NA | MAFNet（包含IAVKF, ABPSO, MLP-LSVM, GAMF组件） | 准确率，精确率，召回率，F1分数，信噪比 | NVIDIA RTX 3090 GPU |
| 258 | 2026-03-31 |
A Deep Learning Prognostic Model for Diabetes Patients Using Bilateral Fundus Imaging
2026-Mar-29, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968261434035
PMID:41905764
|
研究论文 | 本研究开发了一种利用常规双侧彩色眼底摄影预测糖尿病患者长期死亡风险的深度学习预后模型 | 首次将深度学习架构与Cox比例风险模型结合，利用常规眼底图像直接预测糖尿病患者死亡率，实现了比现有商业系统更强的风险分层能力 | 研究基于回顾性数据，需要在更多样化的人群中进行前瞻性验证 | 开发一种能够早期识别高死亡风险糖尿病患者的预后模型，以便及时干预 | 糖尿病患者 | 数字病理学 | 糖尿病 | 彩色眼底摄影 | 深度学习 | 图像 | 19029名糖尿病患者 | NA | NA | 风险比, 五年生存率 | NA |
| 259 | 2026-03-31 |
Remote sensing-based landslide prediction and risk assessment using a hybrid CNN-LSTM deep learning model
2026-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43927-5
PMID:41905998
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 260 | 2026-03-31 |
Value-added assessment of career planning for vocational competence based on deep learning
2026-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46485-y
PMID:41906014
|
研究论文 | 本研究构建了一个基于深度学习的智能分析框架DV-CAM，用于动态评估个体职业能力并生成个性化职业规划路径 | 将深度学习与增值评估相结合，提出动态更新的能力画像和基于深度强化学习的前瞻性规划策略 | NA | 解决现有职业评估方法的静态局限和规划策略缺乏长期视角的问题 | 个体职业能力与职业规划路径 | 自然语言处理 | NA | 深度学习 | BERT, LSTM, 深度强化学习 | 多源时间序列数据 | 基于公共职业信息网络(O*NET)数据集 | NA | BERT, LSTM | 均方误差, 平均绝对误差, 长期累积奖励, 目标职位匹配度提升率 | NA |