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 49768 篇文献，本页显示第 2741 - 2760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2741 | 2026-08-30 |
Deep integration of clinical metadata with [18F]FDG PET/CT imaging for histological subtyping in non-small cell lung cancer: a multi-center study
2026-Sep, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-026-08010-1
PMID:42310216
|
研究论文 | 开发并验证了一个多模态深度学习框架，将临床元数据与[18F]FDG PET/CT成像整合，用于非小细胞肺癌的组织学亚型分类 | 采用3D Transformer进行肿瘤定位，并通过特征级线性调制（FiLM）动态将临床元数据注入视觉主干，实现了早期临床-生物学融合策略，缓解了单一模态成像在重叠代谢表型中的诊断局限性 | 在外部测试集上，多模态模型与临床仅模型和图像仅模型之间的AUC差异未达到统计学显著性，且内部测试集上的差异也未显著 | 通过整合临床元数据和[18F]FDG PET/CT成像，提高非小细胞肺癌组织学亚型（腺癌与鳞状细胞癌）分类的准确性，并提供非侵入性决策支持工具 | 非小细胞肺癌患者，包括来自多中心的780例手术队列（675例开发集和105例外部测试集） | 医学影像分析、深度学习 | 非小细胞肺癌 | [18F]FDG PET/CT成像 | 多任务深度学习网络（包含3D Transformer和FiLM机制） | 医学影像（PET/CT）和临床元数据 | 780例非小细胞肺癌患者（675例开发集，105例外部测试集） | 未明确指定，但可能使用PyTorch（基于深度学习开发） | 3D Transformer、多任务网络（含FiLM机制） | AUC、F1分数、决策曲线分析（净临床效益） | 未在摘要中提及 |
| 2742 | 2026-08-30 |
Automated dairy cattle body condition score using side-view images and deep learning
2026-Sep, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-27759
PMID:42217776
|
研究论文 | 开发并验证了一种基于侧视图图像和深度学习的全自动奶牛体况评分系统 | 提出了一种全自动回归式体况评分系统，结合YOLOv11目标检测和ConvNeXt-Tiny回归模型，利用可解释人工智能验证模型关注关键解剖区域 | 极端体况评分案例在大型养殖场中罕见，未来需扩大数据集并进行跨农场外部验证 | 实现奶牛体况评分的自动化，以支持精准奶牛养殖和动物福利改善 | 商业牛群中的211头荷斯坦奶牛 | 计算机视觉 | 奶牛代谢疾病（如酮病） | 侧视图图像拍摄 | YOLOv11（目标检测）和ConvNeXt-Tiny（回归模型） | 图像 | 3208张侧视图图像，来自211头荷斯坦奶牛 | PyTorch | YOLOv11, ConvNeXt-Tiny | 平均精度均值（mAP）、平均绝对误差（MAE）、皮尔逊相关系数 | 未提及具体GPU型号，但支持边缘部署 |
| 2743 | 2026-08-30 |
Individual identification of dairy cows with occluded camera views using open-set contrastive learning model
2026-Sep, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-28109
PMID:42264349
|
研究论文 | 本研究利用计算机视觉技术，结合YOLOv8检测和对比学习模型，在部分遮挡、光照变化和姿态多样等挑战性条件下，对散栏牛舍中的奶牛进行个体识别。 | 采用开放集对比学习模型，能够在训练时未见过的奶牛面前识别为“未知”，增强模型在动态牛群组成环境中的泛化能力。 | 对比学习模型在封闭集场景下的平均性能低于Xception模型，且开放集设置可能牺牲部分精度。 | 实现奶牛在自由散栏牛舍中的个体识别，以替代传统识别方法，提高效率并减少人工错误。 | 49头奶牛，每头每天采集500张图像，共4天。 | 计算机视觉 | NA | NA | CNN (Xception), Siamese网络（对比学习） | 图像 | 49头奶牛，每头每天500张图像，共4天 | NA | YOLOv8（检测），Xception，Siamese架构（对比学习） | 精确率，召回率，F1分数，准确率 | NA |
| 2744 | 2026-08-30 |
Using artificial intelligence as a mindtool to foster critical thinking in biology education
2026-Aug-27, Journal of microbiology & biology education
IF:1.6Q2
DOI:10.1128/jmbe.00048-26
PMID:42112846
|
研究论文 | 本文探讨了在生物学教育中利用人工智能作为思维工具来培养批判性思维，提出了几种教学策略。 | 提出了将人工智能作为思维工具的具体策略，包括假设建模、概念映射和错误分析，以促进高阶批判性思维技能的发展。 | 未提供实证数据或案例研究来验证策略的有效性。 | 为生物学教育者提供指导，帮助他们将人工智能工具融入课程以培养批判性思维。 | 生物学教育中的学生和教师。 | 教育技术 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2745 | 2026-08-30 |
Deep learning applications in cancer treatment Prediction: Comprehensive research foundation for systematic review and Meta-Analysis
2026-Aug, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2026.105068
PMID:42276181
|
系统综述与荟萃分析 | 本文对深度学习模型在癌症治疗预测中的应用进行了系统综述和荟萃分析，评估其预测性能、方法学质量和临床实施情况 | 首次跨癌症类型和模型架构的深度学习治疗预测的荟萃分析综合 | 纳入研究间异质性高，汇总估计仅作为方法学可行性的广泛指标，而非确定性性能基准；存在方法学不一致、高偏倚风险和有限的外部验证，仅9%的模型已临床实施 | 评估深度学习模型在癌症治疗结果预测中的预测性能、方法学质量和临床实施情况 | 158项符合条件的研究（其中89项纳入定量综合），涵盖实体瘤（乳腺癌、肺癌、结直肠癌、前列腺癌等）和多种治疗方式（化疗、免疫疗法、放疗、靶向治疗和手术干预） | 机器学习、数字病理学 | 多种癌症（乳腺癌、肺癌、结直肠癌、前列腺癌等） | NA | 深度学习模型（包括多模态和Transformer-based模型） | NA | 158项研究（89项纳入定量综合） | NA | Transformer | AUC、C-index、风险比、净收益、决策曲线分析 | NA |
| 2746 | 2026-08-30 |
Wheelchair movement signal classification from EEG for motor-impaired individuals using novel deep learning architecture
2026-Aug, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2026.2651889
PMID:41964479
|
研究论文 | 本研究开发了一种结合LSTM和1D-CNN的混合深度学习模型，用于分类脑电信号中的轮椅移动意图，以提高运动障碍用户的独立性和安全性 | 提出一种集成LSTM和1D-CNN并带有跳跃连接的混合深度学习架构，以同时捕获EEG信号的时间和空间特征，并在公开数据集上超越了十种现有方法 | 未提及 | 探索基于EEG的轮椅控制系统，以通过脑信号而非物理运动操作电动轮椅，提高运动障碍用户的安全性和独立性 | 运动障碍用户以及他们的EEG信号 | 深度学习 | 运动障碍 | 脑电图（EEG） | 混合深度学习模型（LSTM和1D-CNN） | 脑电信号数据 | 未提及具体样本数量，使用公共EEG数据集 | 未提及 | LSTM、1D-CNN、跳跃连接 | 准确率、精确率、召回率、F1分数 | 未提及 |
| 2747 | 2026-08-30 |
An intelligent emotion recognition system for people with disabilities using stacked supervised autoencoder and brown-bear optimization strategy
2026-Aug, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2026.2653077
PMID:42013025
|
研究论文 | 提出一种基于堆叠监督自编码器和棕熊优化策略的智能情感识别系统，用于辅助残障人士进行文本情感识别 | 首次将棕熊优化算法（BBO）用于堆叠监督自编码器（SSAE）的超参数调优，以提升文本情感识别性能 | 未在更广泛的数据集或实际应用中验证，可能受限于特定文本语料 | 开发一种高效且准确的文本情感识别方法，以帮助残障人士进行情感交流 | 文本数据中的情感状态，特别是面向残障人士的文本情感识别 | 自然语言处理 | 残障相关疾病 | 文本预处理、词嵌入（Glove）、深度学习模型 | 堆叠监督自编码器（SSAE） | 文本数据 | 使用Emotion Detection from Text数据集 | NA | 堆叠监督自编码器（SSAE） | 准确率 | NA |
| 2748 | 2026-08-30 |
Is this neonate feeling pain? Leveraging clinical knowledge towards high-precision Large Language Model-based neonatal pain assessment
2026-Jul, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-025-04669-8
PMID:41381876
|
研究论文 | 本研究首次利用视觉语言模型（VLM）对新生儿进行自动疼痛评估，通过设计新颖的提示词类别，利用模型的潜在临床知识或引导其评估临床相关的面部特征，实现了比传统深度学习方法更优的性能 | 首次将视觉语言模型（VLM）应用于新生儿自动疼痛评估（APA），无需微调即可通过精心设计的提示词利用模型潜在临床知识或引导评估特定面部特征，达到了100%的精确度，超越了以往深度学习方法 | 当评估临床相关面部特征时，召回率较低（40.1%），可能限制其在需要高召回率场景下的应用 | 探索利用视觉语言模型（VLM）进行更客观的新生儿自动疼痛评估，以替代传统主观评估方法 | 新生儿疼痛评估，具体为新生儿面部图像 | 计算机视觉, 机器学习 | 新生儿疼痛 | 视觉语言模型 | 视觉语言模型 | 图像 | 未提供具体样本量 | NA | NA | 精确度, 召回率 | NA |
| 2749 | 2026-08-30 |
AI for the assessment and discovery of morphological-molecular biomarker relationships in hematologic malignancies
2026-Jul, Blood reviews
IF:6.9Q1
DOI:10.1016/j.blre.2026.101398
PMID:42215353
|
综述 | 本文综述了人工智能在血液恶性肿瘤形态学评估中的应用，涵盖自动细胞分类、疾病特征检测以及从血和骨髓涂片图像预测遗传改变等方面的最新进展 | 总结AI驱动的形态学分析在髓系和淋巴系肿瘤中的进展，并探讨图像衍生特征（如核纹理、细胞质颗粒度和空间细胞组织）与分子和预后变量的关联 | 面临数据异质性、需要前瞻性验证以及跨学科合作的挑战 | 探讨AI在血液恶性肿瘤形态学评估中的应用，以推进精准血液学和个性化患者管理 | 血液和骨髓涂片图像，以及相关髓系和淋巴系肿瘤 | 数字病理学 | 血液恶性肿瘤 | NA | 深度学习模型 | 图像 | NA | NA | 多实例学习 | NA | NA |
| 2750 | 2026-08-30 |
The "fat heat-up" phenotype: adipose tissue hypermetabolism on 18 F-FDG PET/CT predicts frailty in older patients with solid tumours
2026-07, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-026-07843-0
PMID:41863605
|
研究论文 | 本研究探讨了老年实体瘤患者中脂肪组织糖代谢活性（通过18F-FDG PET/CT测量）与衰弱状态之间的关联 | 首次提出“脂肪发热”表型，即脂肪组织高代谢与衰弱独立相关，且不依赖于脂肪量，为常规肿瘤PET/CT提供机会性衰弱筛查信号 | 样本量较小（104例），单中心研究，需要外部验证；SUV值绝对值较低，可能存在测量误差 | 评估脂肪组织糖酵解活性是否作为老年实体瘤患者衰弱的独立影像生物标志物 | 104名年龄≥50岁的实体恶性肿瘤患者 | 医学影像 | 实体瘤 | 18F-FDG PET/CT成像 | 深度学习分割模型 | PET/CT影像数据 | 104例患者 | NA | TotalSegmentator | 比值比（OR），95%置信区间，p值 | NA |
| 2751 | 2026-08-30 |
A deep learning PET/CT biomarker for early progression (POD24) and survival stratification in follicular lymphoma: a multicenter study
2026-07, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-026-07838-x
PMID:41870550
|
研究论文 | 本研究开发并验证了一种基于基线[¹⁸F]FDG PET/CT的深度学习预测性影像生物标志物，用于预测滤泡性淋巴瘤患者24个月内疾病进展及生存风险分层 | 首次使用表格深度学习方法（GAMformer）结合PET/CT影像组学特征进行滤泡性淋巴瘤的POD24预测和生存风险分层 | 研究所用信息有限，未提及具体局限性 | 开发和验证一种基于基线[¹⁸F]FDG PET/CT的预后影像生物标志物，用于预测滤泡性淋巴瘤患者的POD24及进行生存风险分层 | 309名新诊断的滤泡性淋巴瘤（1-3a级）患者，来自五个独立医疗中心 | 医学影像分析 | 滤泡性淋巴瘤 | PET/CT成像 | 表格深度学习模型（GAMformer）以及五种传统机器学习算法 | 医学影像（PET/CT）和临床数据 | 309名患者 | 未明确提及 | GAMformer | AUC、校准曲线、决策曲线分析 | 未明确提及 |
| 2752 | 2026-08-30 |
An interpretable PET/CT-based radiomic-clinical model for predicting bone marrow involvement in follicular lymphoma: comparison of pelvic and spine-pelvis VOI frameworks
2026-07, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-026-07918-y
PMID:42142271
|
研究论文 | 本研究探讨了基于基线18F-FDG PET/CT结合多维特征融合来无创识别滤泡性淋巴瘤骨髓受累的可行性，并比较了不同骨髓感兴趣区框架对模型性能的影响 | 首次比较了盆腔与脊柱-盆腔两种骨髓感兴趣区框架对预测滤泡性淋巴瘤骨髓受累模型性能的影响，并采用分层特征筛选策略及SHAP分析增强模型可解释性 | 未在摘要中明确提及局限性 | 开发并验证一种可解释的PET/CT影像组学-临床模型，用于无创预测滤泡性淋巴瘤的骨髓受累，并评估不同骨髓感兴趣区框架的效果 | 187例新诊断的滤泡性淋巴瘤患者，其中93例存在骨髓受累 | 医学影像分析 | 滤泡性淋巴瘤 | 18F-FDG PET/CT成像 | 机器学习模型 | 影像数据、临床数据 | 187例患者 | 未明确提及 | 逻辑回归、支持向量机、梯度提升机、神经网络、随机森林、K近邻、自适应增强 | AUC、准确率、精确率、灵敏度、特异度、F1分数 | 未明确提及 |
| 2753 | 2026-08-30 |
Research progress and challenges of multimodal deep learning models for prognosis of gastric cancer
2026-Jun-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-05431-0
PMID:42313224
|
综述 | 本文综述了多模态深度学习模型在胃癌预后预测中的研究进展，并探讨了可解释性深度学习模型的创新应用及其面临的挑战。 | 深入探讨了可解释性深度学习模型在胃癌预后预测中的创新应用，强调了多模态数据融合技术如何提高预后准确性。 | 挑战包括多模态数据整合的复杂性、可解释性模型的不足以及数据质量和标准化的难题。 | 研究多模态数据整合技术在胃癌预后预测中的应用，并讨论可解释性深度学习模型的挑战。 | 胃癌患者的多模态数据，包括年龄、生存状态、放射学影像、组织病理学特征和基因组信息。 | 机器学习 | 胃癌 | 多模态数据融合技术 | 深度学习模型 | 多模态数据（图像、文本、基因组数据） | NA | NA | NA | NA | NA |
| 2754 | 2026-08-30 |
Evolution of artificial intelligence in breast cancer pathology: a bibliometric analysis
2026-Jun-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-05388-0
PMID:42313316
|
研究论文 | 本文通过文献计量学分析，对2011至2025年间人工智能在乳腺癌病理学领域的研究进行系统综述，识别研究趋势和新兴方向 | 首次使用BERTopic模型从摘要中提取语义主题，并结合VOSviewer和CiteSpace进行全面的文献计量分析，揭示了从单模态图像分析向多模态“病理组学”及跨学科领域的转变 | 仅依赖Web of Science单一数据库，可能遗漏其他重要文献；分析截至2025年，未来研究趋势需进一步更新 | 绘制人工智能在乳腺癌病理学领域的研究布局，识别关键趋势和新兴方向，为研究人员和临床医生提供基础资源 | 2011至2025年间发表的1089篇相关文献 | 文献计量学 | 乳腺癌 | 文献计量分析 | BERTopic | 文献数据（文本） | 1089篇文献 | VOSviewer, CiteSpace, BERTopic | BERTopic | NA | NA |
| 2755 | 2026-08-30 |
A causal reinforcement learning framework for reliable gene regulatory network inference
2026-Jun-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-026-06511-2
PMID:42316003
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2756 | 2026-08-30 |
Histology-guided 3D virtual staining of microCT-imaged lung tissue via deep learning
2026-06-17, Journal of the Royal Society, Interface
DOI:10.1098/rsif.2025.1186
PMID:42303257
|
研究论文 | 本研究提出一种基于深度学习的组织学引导3D虚拟染色平台，用于将同步辐射相位衬度显微CT（PCµCT）成像的肺组织转换为类似标准组织学染色的彩色图像。 | 首次将PCµCT提供的3D体积信息与组织学染色的丰富视觉特征通过多阶段配准和虚拟染色深度神经网络相结合，实现了对人和小鼠肺组织的虚拟组织学染色。 | 未明确提及局限性，但可能依赖于高质量的配准和特定染色类型的训练数据。 | 开发一种组织学引导的3D虚拟染色平台，以促进PCµCT作为临床工具用于生物组织的3D分析和非破坏性病理学。 | 人和小鼠的肺组织样本 | 数字病理学 | 肺动脉高压 | 同步辐射相位衬度显微CT（PCµCT） | 深度神经网络 | 3D显微CT图像和组织学染色图像 | 涉及多个肺组织样本（具体数量未明确） | 未明确提及 | 未明确提及具体架构 | 未明确提及 | 未明确提及 |
| 2757 | 2026-08-30 |
A transformer-based multimodal deep learning model for preoperative prediction of Ki-67 expression level in glioma
2026-Jun-17, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02492-z
PMID:42310560
|
研究论文 | 开发一种基于Transformer的多模态深度学习模型，利用术前多模态磁共振数据预测胶质瘤Ki-67表达水平，并进行了外部验证 | 首次将视觉Transformer模型应用于胶质瘤Ki-67表达水平的多模态磁共振预测，并与传统CNN模型进行了比较 | 未提及具体局限性 | 开发并验证一个基于ViT的深度学习模型，以非侵入性预测胶质瘤Ki-67表达水平 | 421例2-4级胶质瘤患者的临床和影像数据及肿瘤三维感兴趣区域 | 医学影像 | 胶质瘤 | 磁共振成像 | 视觉Transformer | 医学图像 | 421例（训练集217例，内部验证集94例，外部验证集110例） | NA | ViT, ShuffleNet, ResNet50, DenseNet121 | AUC | NA |
| 2758 | 2026-08-30 |
Automated classification of clinical T staging pulmonary oncology from chest CT reports: a natural language processing framework for real-world data utilization
2026-Jun-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03596-w
PMID:42310616
|
研究论文 | 开发了一种基于自然语言处理的系统，用于从胸部CT报告中自动分类临床T分期，以促进真实世界数据的利用。 | 结合深度学习和规则算法，遵循第9版肺癌TNM分类标准，自动从胸部CT报告中提取临床T分期信息。 | 文中未明确提及局限性，可能包括对报告内容完整性的依赖和外部验证的需求。 | 降低标注成本，提高真实世界数据中临床T分期信息的可用性。 | 胸部CT报告中的临床T分期信息。 | 自然语言处理 | 肺癌 | 自然语言处理 | 深度学习与规则算法结合 | 文本 | 训练集284份报告，测试集165份报告 | NA | NA | 加权F1分数 | NA |
| 2759 | 2026-08-30 |
Navigating the uncharted: AI-driven advances in protein structure, dynamics, interactions and ligand interactions for understudied families
2026-Jun-17, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-026-00577-7
PMID:42310771
|
综述 | 本文综述了人工智能和机器学习在蛋白质结构预测、动力学、相互作用和配体相互作用方面的进展，特别关注未充分研究蛋白质家族。 | 系统比较了传统建模方法与先进深度学习框架，并通过孤儿G蛋白偶联受体和固有无序区域的案例研究展示了AI技术的变革潜力。 | 仍需实验验证、需要有效建模蛋白质柔韧性，以及需要处理AI生成数据的伦理问题。 | 为研究人员提供利用AI创新解决蛋白组学最具挑战性问题的路线图，推动未充分研究蛋白质的结构和功能表征。 | 未充分研究的蛋白质家族、孤儿G蛋白偶联受体、固有无序区域。 | 机器学习, 计算生物学 | NA | NA | AlphaFold2, RoseTTAFold, 基于Transformer的架构, 图神经网络, 扩散模型 | 蛋白质序列和结构数据 | NA | NA | Transformer, 图神经网络, 扩散模型 | 准确性（接近实验） | NA |
| 2760 | 2026-08-30 |
EDRNet-based adolescent idiopathic scoliosis screening method using bare-back images
2026-Jun-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03639-2
PMID:42304329
|
研究论文 | 本研究提出了一种基于裸背图像和高效扩张残差网络（EDRNet）的青少年特发性脊柱侧弯无辐射筛查方法，并验证了其性能。 | 首次提出使用裸背图像和EDRNet进行脊柱侧弯筛查，避免了X射线辐射，实现了高效、无创的筛查。 | 未提及具体限制，但可能包括样本量有限、图像采集条件差异等。 | 开发一种基于裸背图像的无辐射、高效的青少年特发性脊柱侧弯筛查方法。 | 600名青少年（300名脊柱侧弯患者和300名无脊柱疾病者）的裸背图像。 | 计算机视觉 | 青少年特发性脊柱侧弯 | 数字图像处理 | 卷积神经网络（CNN） | 图像 | 600名青少年的裸背图像 | NA | EDRNet, VGG16, GoogLeNet, ResNet34, MobileNetV2 | 准确率、精确率、召回率、F1分数、AUC | NA |