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 44218 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 | 2026-05-18 |
Clinical 7 Tesla magnetic resonance imaging: Impact and patient value in neurological disorders
2025-03, Journal of internal medicine
IF:9.0Q1
DOI:10.1111/joim.20059
PMID:39775908
|
综述 | 本文综述了7特斯拉磁共振成像在神经疾病中的诊断影响、患者价值及实际考量，强调其在早期诊断和改善护理方面的作用 | 基于超过1200次临床扫描经验，聚焦7T MRI在肌萎缩侧索硬化症、多发性硬化症等疾病中的新型生物标志物，如运动带征、中央静脉征和顺磁性边缘病变，并探讨离体超高分辨率研究的新可能 | 未明确提及，但作为综述，可能受限于现有研究数据量和不同疾病类型的应用成熟度 | 评估7T MRI的临床实用性，促进其在神经影像中的常规应用以改进了理解和治疗管理 | 神经疾病患者，包括肌萎缩侧索硬化症、癫痫、多发性硬化症、痴呆、帕金森病、肿瘤和血管疾病 | 医学影像 | 神经疾病 | 7T MRI | NA | 医学影像 | 超过1200次临床扫描 | NA | NA | NA | 第二代7T系统 |
| 242 | 2026-05-18 |
Application of one-class classification using deep learning technique improves the classification of subvisible particles
2025-02, Journal of pharmaceutical sciences
IF:3.7Q2
DOI:10.1016/j.xphs.2024.11.023
PMID:39615881
|
研究论文 | 利用深度学习技术的单类分类方法改善亚可见颗粒的分类效果 | 首次将深度学习技术与单类分类器结合应用于亚可见颗粒图像分类，解决了传统方法在区分异质性稳定分布对象方面的不足 | 免疫球蛋白G来源聚集物和清蛋白来源聚集物的分类效果存在差异，前者更为满意，后者仍有改进空间 | 探究深度学习技术是否能提高单类分类器在亚可见颗粒图像分类中的性能 | 亚可见颗粒，包括硅油和两种蛋白聚集物（免疫球蛋白G来源聚集物和清蛋白来源聚集物） | 数字病理学 | NA | NA | 深度学习模型（具体类型未明确指定） | 图像 | 包含硅油和两种蛋白聚集物的数据集，具体数量未提及 | NA | NA | 分类分数 | NA |
| 243 | 2026-05-18 |
Advancements in microneedle fabrication techniques: artificial intelligence assisted 3D-printing technology
2024-06, Drug delivery and translational research
IF:5.7Q1
DOI:10.1007/s13346-023-01510-9
PMID:38218999
|
综述 | 综述了人工智能辅助3D打印技术在微针制造中的应用，包括预测药物释放模式、质量控制及生物标志物水平预测，并讨论了物联网与机器学习集成的自主3D打印系统 | 系统探讨了人工智能（机器学习和深度学习）与3D打印技术在微针制造中的协同作用，特别是其在预测药物释放、质量控制和生物传感方面的应用潜力 | 未深入讨论实际应用中的挑战，如材料生物相容性、大规模生产的成本效益及临床转化障碍 | 总结人工智能在3D打印微针装置中的角色，包括预测药物释放模式、质量控制及生物标志物水平，并探讨自主3D打印和生物传感应用 | 基于微针的装置和人工智能工具（机器学习、深度学习、物联网） | 机器学习 | NA | 3D打印 | NA | NA | NA | NA | NA | NA | NA |
| 244 | 2026-05-18 |
aiGeneR 1.0: An Artificial Intelligence Technique for the Revelation of Informative and Antibiotic Resistant Genes in Escherichia coli
2024-02-22, Frontiers in bioscience (Landmark edition)
DOI:10.31083/j.fbl2902082
PMID:38420832
|
研究论文 | 提出了首个基于深度学习的人工智能系统aiGeneR，用于识别大肠杆菌中抗生素抗性基因 | 首次将深度学习模型应用于细菌抗生素抗性基因的检测和分类，提出了假设并验证了非线性深度学习模型优于机器学习模型 | 未在外部独立数据集或临床样本上进行验证，仅基于基因表达数据 | 利用深度学习技术从基因表达数据中检测和识别大肠杆菌的抗生素抗性基因 | 大肠杆菌中的抗生素抗性基因（如tetM）及相关通路和枢纽基因 | 机器学习 | 尿路感染 | 基因表达测序 | 深度学习模型 | 基因表达数据 | NA | NA | NA | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 245 | 2026-05-18 |
A Comparative Study of Deep Learning Algorithms for Detecting Food Intake
2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC48229.2022.9871278
PMID:36085821
|
研究论文 | 比较多种深度学习算法在利用可穿戴传感器信号检测食物摄入上的性能 | 首次系统比较了多种先进时域深度学习算法（MLP、time-CNN、FCN、ResNet和Inception）在基于可穿戴传感器信号的食物摄入分类任务中的表现，并发现ResNet效果最优 | 样本量较小（17名受试者，23天数据），可能影响模型的泛化能力 | 比较不同深度学习算法在食物摄入分类中的性能，以确定最优算法 | 可穿戴传感器（AIM-2）采集的咀嚼肌活动信号 | 机器学习 | 不适用 | 可穿戴传感器（光学和3轴加速度计） | MLP, time-CNN, FCN, ResNet, Inception | 时序信号 | 17名受试者，23天自由生活数据 | 不适用 | MLP, time-CNN, FCN, ResNet, Inception | 平衡分类准确率 | 不适用 |
| 246 | 2026-05-18 |
Biologically informed deep neural network for prostate cancer discovery
2021-10, Nature
IF:50.5Q1
DOI:10.1038/s41586-021-03922-4
PMID:34552244
|
研究论文 | 开发了一种基于生物学信息的深度学习模型P-NET，用于前列腺癌患者分层和治疗耐药性分子驱动因素发现 | 提出生物学信息驱动的全可解释神经网络P-NET，结合模型可解释性揭示已知和新型分子标志物（如MDM4和FGFR1），性能优于传统建模方法 | NA | 通过可解释深度学习模型预测前列腺癌治疗抵抗状态并发现治疗靶点 | 前列腺癌患者及其分子特征 | 机器学习 | 前列腺癌 | NA | 深度学习 | 分子数据 | NA | NA | P-NET | NA | NA |
| 247 | 2026-05-18 |
A Comparison of the Efficiency of Using a Deep CNN Approach with Other Common Regression Methods for the Prediction of EGFR Expression in Glioblastoma Patients
2020-04, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-019-00290-4
PMID:31797142
|
研究论文 | 比较深度CNN方法与其他常见回归方法在预测胶质母细胞瘤患者EGFR表达中的效率 | 首次系统比较深度CNN回归与LASSO、弹性网络等多种回归方法在基于MRI的放射基因组学分析中的性能，证明深度CNN在高维回归任务中的优势 | 样本量较小（仅166例患者），且未提及模型的外部验证或泛化性测试 | 利用放射基因组学分析MRI图像，预测胶质母细胞瘤患者的EGFR表达水平 | 166例胶质母细胞瘤患者的MRI影像及其EGFR表达数据 | 计算机视觉 | 胶质母细胞瘤 | MRI成像 | 卷积神经网络（CNN） | 图像 | 166例胶质母细胞瘤患者 | NA | 深度CNN, 深度神经网络, LASSO回归, 弹性网络回归, 无正则化线性回归 | 损失值（loss） | NA |
| 248 | 2026-05-17 |
Deep learning electrocardiogram model for risk stratification of coronary revascularization need in the emergency department
2026-May-15, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehaf254
PMID:40156923
|
研究论文 | 开发深度学习心电图模型用于急诊科冠状动脉血运重建需求的风险分层 | 首次应用卷积神经网络直接从心电图数据预测急性冠脉综合征患者的血运重建需求，并与临床医生解读和心脏生物标志物进行性能对比 | 模型特异性较高但灵敏度较低，相比高灵敏度肌钙蛋白T表现不足 | 开发深度学习模型识别与冠状动脉血运重建可能性相关的心电图模式，以减少诊断不确定性并指导进一步评估 | 急诊科就诊者，包括美国队列（144,691次就诊）和欧洲外部验证队列（18,673次就诊） | 机器学习和数字病理学 | 心血管疾病 | 心电图 | 卷积神经网络 | 心电图信号数据 | 训练集144,691次急诊就诊（美国），测试集35,995次，外部验证集18,673次（欧洲） | NA | 卷积神经网络 | 受试者工作特征曲线下面积、灵敏度、特异度 | NA |
| 249 | 2026-05-17 |
Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance?
2025-10, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04954-1
PMID:40389738
|
综述 | 探讨人工智能在鼻整形术中的应用，包括术前规划、患者沟通及术后效果模拟，并分析其局限性、伦理顾虑和数据隐私等问题 | 强调人工智能作为辅助工具而非替代品，提出需结合患者个体变量并优先考虑伦理医疗实践 | 无法预测个体愈合过程、组织行为及长期鼻部重塑；存在偏见、强化不可达到的审美标准、对患者心理影响及数据隐私与法律风险 | 评估人工智能在鼻整形术中的精准性与潜在过度依赖风险 | 人工智能驱动的模型在鼻整形术中的应用 | 计算机视觉 | 鼻部整形 | NA | 深度学习、生成对抗网络 | 图像 | NA | NA | 生成对抗网络 | NA | NA |
| 250 | 2026-05-17 |
The REgistry of Flow and Perfusion Imaging for Artificial Intelligence with positron emission tomography (REFINE PET):Rationale and design
2025-Oct, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102449
PMID:40774620
|
研究论文 | 建立多中心PET/CT影像与临床数据注册库，用于人工智能研究的验证与开发 | 整合多中心、大规模PET/CT影像与临床数据，结合深度学习和定量分析工具，建立首个支持心血管疾病诊断与风险分层的研究资源库 | NA | 验证和开发标准及新型心脏PET/CT处理方法，推动其在诊断和风险分层中的应用 | 心血管疾病患者，包括心肌灌注成像数据与临床结果 | 计算机视觉, 机器学习 | 心血管疾病 | PET/CT成像, 深度学习 | 深度学习 | 图像, 临床数据 | 35595名患者来自14个中心 | NA | 深度学习 | NA | NA |
| 251 | 2026-05-17 |
Artificial Intelligence-Assisted Visualized Microspheres for Biochemical Analysis: From Encoding to Decoding
2025-08-19, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.5c00396
PMID:40748254
|
综述 | 总结课题组在人工智能辅助可视化微球用于生物化学分析方面的研究，重点介绍从编码到解码的策略与生化传感平台 | 系统整合了基于微球编码与人工智能解码的新型生物传感策略，涵盖多色/多尺寸微球编码、定制化高速解码算法（如计算机视觉、机器学习、深度学习）以及便携式成像设备，实现多重靶标快速灵敏检测 | 未明确讨论当前微球编码容量限制、算法泛化性及实际应用中的干扰因素 | 开发并优化人工智能辅助的可视化微球生物传感系统，实现快速、灵敏、多重靶标检测 | 蛋白质、细菌、病毒、抗生素等生化分析靶标 | 计算机视觉 | NA | 荧光微球编码、光学成像、生物识别分子修饰 | CNN, LSTM, GAN | 图像 | NA | PyTorch, TensorFlow | ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet | 准确率、精确率、召回率、F1分数、AUC、Dice系数 | NVIDIA RTX 3090, V100, A100 |
| 252 | 2026-05-17 |
Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia
2025-08, Aging & mental health
IF:2.8Q2
DOI:10.1080/13607863.2025.2464704
PMID:39950960
|
meta分析 | 系统综述和荟萃分析关于眼动追踪与人工智能在痴呆检测中的交叉研究 | 首次系统评估眼动追踪与人工智能结合在痴呆检测中的性能，并进行了元分析 | 纳入研究数量有限，样本量较小，缺乏标准化指南，未涵盖所有痴呆类型 | 评估眼动追踪与人工智能在痴呆检测中的有效性 | 痴呆患者和健康对照者的眼动行为数据 | 机器学习 | 阿尔茨海默病 | 眼动追踪 | 机器学习模型, 深度学习模型 | 眼动数据 | 57至583名参与者 | NA | NA | 准确率, 灵敏度, 特异度 | NA |
| 253 | 2026-05-17 |
Pediatric pancreas segmentation from MRI scans with deep learning
2025-Aug, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.]
IF:2.8Q2
DOI:10.1016/j.pan.2025.06.006
PMID:40645819
|
研究论文 | 评估并验证了一种名为PanSegNet的深度学习算法，用于儿童胰腺MRI扫描的分割，涵盖急性胰腺炎、慢性胰腺炎患者和健康对照组 | 首个经过验证的针对胰腺MRI分割的深度学习解决方案，并在健康与疾病状态下达到专家级性能 | NA | 评估和验证深度学习算法PanSegNet在儿童胰腺MRI分割中的性能 | 儿童胰腺MRI扫描图像 | 计算机视觉 | 胰腺炎 | MRI | 深度学习 | 图像 | 84例儿童MRI扫描，包括42例胰腺炎患者（平均年龄11.73±3.9岁）和42例健康对照（平均年龄11.19±4.88岁） | NA | PanSegNet | Dice相似系数、95%百分位Hausdorff距离、Cohen's kappa | NA |
| 254 | 2026-05-17 |
Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules
2025-May, Thyroid : official journal of the American Thyroid Association
IF:5.8Q1
DOI:10.1089/thy.2024.0584
PMID:40256961
|
研究论文 | 提出一种结合超声影像与分子检测的多模态深度学习模型，用于不确定性甲状腺结节的恶性风险分层 | 首次将超声影像与分子检测数据整合至多模态深度学习框架中，通过互补信息显著提升阳性预测值与特异性，同时保持高灵敏度 | 单中心数据集、缺乏外部验证、使用二值化分子检测输出而非细粒度恶性风险概率 | 改善不确定性甲状腺结节的风险分层，减少良性结节的不必要切除手术 | 333例不确定性甲状腺结节患者（259例良性、74例恶性） | 计算机视觉, 机器学习 | 甲状腺癌 | 超声影像, 新一代测序(NGS) | 深度学习多模态模型 | 超声影像, 分子检测数据 | 333例患者（259例良性、74例恶性） | NA | 集成模型（结合全帧图像、256×256补丁和128×128补丁） | AUROC, 灵敏度, 特异性, 阳性预测值 | NA |
| 255 | 2026-05-17 |
Drawing as a means to characterize memory and cognition
2025-01, Memory & cognition
IF:2.2Q2
DOI:10.3758/s13421-024-01618-4
PMID:39192141
|
评论 | 本文介绍绘画作为研究记忆和认知的工具，并概述了特刊中25项前沿研究，涉及不同人群和认知过程 | 将绘画作为表征记忆和认知的多功能工具，整合了多种认知过程，并采用心理物理实验、深度学习和神经成像等跨学科方法 | 特刊文章可能存在样本多样性限制，且绘画作为工具的解释范围有限，未详细讨论具体方法的局限性 | 探讨绘画如何用于揭示记忆、注意力、数学推理等认知机制 | 儿童、年轻人、老年人以及盲人、顺行性遗忘症、失用症和语义性痴呆等特殊人群 | 自然语言处理 | 老年性疾病 | NA | 深度学习 | 图像 | 多种人群，具体样本量未说明 | NA | NA | NA | NA |
| 256 | 2026-05-17 |
Construction of a Multi-View Deep Learning Model for the Severity Classification of Acute Pancreatitis
2025-01, Discovery medicine
IF:2.0Q3
DOI:10.24976/Discov.Med.202537192.7
PMID:39851225
|
研究论文 | 利用多视图深度学习模型，结合临床数据和CT图像，对急性胰腺炎严重程度进行分类预测 | 首次构建多视图深度学习模型，融合人口统计学信息、生命体征、实验室指标和CT图像两种数据，用于AP严重程度分类，优于传统单一数据模型 | NA | 建立更准确、数据兼容的急性胰腺炎严重程度预测方法 | 新入院急性胰腺炎患者的最终严重程度分类 | 计算机视觉, 机器学习 | 急性胰腺炎 | 深度学习 | DNN, CNN | 图像, 文本 | NA | NA | DNN, CNN | 准确率, 95%置信区间 | NA |
| 257 | 2026-05-17 |
Post-translational modifications of proteins in cardiovascular diseases examined by proteomic approaches
2025-01, The FEBS journal
DOI:10.1111/febs.17108
PMID:38440918
|
综述 | 总结基于质谱的蛋白质组学方法在心血管疾病蛋白质翻译后修饰研究中的应用 | 概述了基于质谱的蛋白质组学方法在心血管疾病PTM研究中的最新进展，包括机器学习与深度学习在PTM位点预测中的应用 | 未详细讨论特定PTM类型的功能机制或临床转化挑战 | 综述基于质谱的蛋白质组学在心血管疾病PTM研究中的方法与应用 | 心血管疾病相关的蛋白质翻译后修饰（PTM） | 蛋白质组学 | 心血管疾病 | 质谱（MS） | 机器学习、深度学习 | 蛋白质组学数据 | NA | NA | NA | NA | NA |
| 258 | 2025-05-03 |
The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0)
2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.124.268292
PMID:39362762
|
研究论文 | 介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果 | 扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化 | 仅8.4%的患者有侵入性冠状动脉造影相关数据 | 评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果 | 45,252名患者的心肌灌注成像数据 | 数字病理学 | 心血管疾病 | SPECT, CT衰减校正成像, 深度学习 | 深度学习 | 图像 | 45,252名患者来自13个中心 | NA | NA | NA | NA |
| 259 | 2026-05-17 |
Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia
2024-10, Tissue engineering. Part A
DOI:10.1089/ten.TEA.2024.0096
PMID:39041628
|
综述 | 综述人工智能在口腔癌和口腔上皮不典型增生中的应用，旨在开发预测生物标志物 | 系统回顾了基于人工智能的方法，包括机器学习和深度学习，在预测口腔上皮不典型增生恶变、口腔癌患者死亡率和治疗反应方面的进展 | NA | 强调基于人工智能的方法在开发预测口腔上皮不典型增生向口腔癌转化或口腔癌患者死亡率和治疗反应预测生物标志物方面的进展 | 口腔鳞状细胞癌和口腔上皮不典型增生 | 数字病理学 | 口腔癌 | 多重免疫组化、表观基因组学 | 深度学习 | 图像 | NA | NA | 神经网络 | NA | NA |
| 260 | 2026-05-17 |
Research progress on prediction of RNA-protein binding sites in the past five years
2024-08, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115535
PMID:38643894
|
综述 | 综述过去五年中预测RNA-蛋白质结合位点的计算方法的进展 | 系统总结了2018-2023年间利用传统机器学习和深度学习的计算方法，包括数据库利用、特征选择与编码、分类算法创新和评估策略 | 现有计算方法存在局限性，未来发展方向有待探索 | 总结RNA-蛋白质结合位点预测的计算方法，探讨未来发展方向 | RNA-蛋白质结合位点预测方法 | 机器学习 | NA | 传统机器学习、深度学习 | CNN、LSTM | 序列数据 | NA | NA | DeepRKE, RDense, DeepDW | NA | NA |