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 46687 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2026-06-30 |
Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration
2026 Jan-Feb, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14607
PMID:40922557
|
研究论文 | 开发并外部测试深度学习模型用于在光学相干断层扫描中检测年龄相关性黄斑变性的网状假性玻璃膜疣 | 首次开发了专家级别的深度学习模型，用于自动分割和检测网状假性玻璃膜疣，并在多中心试验数据上进行了外部验证 | 文章未提及明显的局限，但外部测试数据集可能覆盖范围有限 | 开发并验证深度学习模型以自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣 | 年龄相关性黄斑变性患者的光学相干断层扫描图像 | 计算机视觉, 数字病理学 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习模型（实例分割） | 图像 | 9800个光学相干断层扫描B扫描（内部测试250个，外部测试1017只眼睛来自812名个体） | NA | NA | Dice相似系数, 受试者工作特征曲线下面积 | NA |
| 262 | 2026-06-30 |
Decoding Herbal Medicine: Machine Learning-Driven Insights into Structural Identification and Pharmacological Research
2026, The American journal of Chinese medicine
DOI:10.1142/S0192415X26500370
PMID:42273967
|
综述 | 综述了人工智能和机器学习在阐明草药药理机制中的应用，重点关注活性化合物的识别和药理作用 | 综述了人工智能驱动的分析框架如何提高机制阐明的精确性和效率 | 植物材料的变异性和缺乏系统的药理研究仍是主要挑战 | 总结人工智能和机器学习在草药药理机制研究中的最新进展 | 草药中的植物源化合物及其药理活性 | 机器学习 | NA | 机器学习、深度学习、质谱、核磁共振 | 深度学习 | 化学-生物数据集 | NA | NA | NA | NA | NA |
| 263 | 2026-06-30 |
Contour Field-Based Elliptical Shape Prior for the Segment Anything Model
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3702431
PMID:42301843
|
研究论文 | 提出一种基于轮廓场的椭圆形状先验方法，将其集成到Segment Anything Model中，以提高图像分割精度 | 首次将参数化椭圆轮廓场先验信息融入SAM模型，利用变分方法，通过分解SAM为四个数学子问题并设计新的网络结构，使分割输出限定为椭圆区域 | 仅在特定图像数据集上验证，可能缺乏通用性，未提及对复杂形状或非椭圆目标的适用性 | 提高医学和自然图像中椭圆形状目标分割的准确性 | 需要椭圆形状分割的医学和自然图像 | 计算机视觉, 数字病理学 | NA | NA | SAM（Segment Anything Model） | 图像 | NA | PyTorch | SAM, 椭圆轮廓场 | 分割精度 | NA |
| 264 | 2026-06-30 |
Performance of federated versus centralized learning for mammography classification across film-digital domain shift
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1715858
PMID:41958456
|
研究论文 | 比较联邦学习与集中式学习在乳腺X线摄影分类中，面对胶片-数字域差异时的性能表现 | 首次系统评估联邦学习在胶片-数字乳腺X线摄影领域异构性下的鲁棒性，并揭示域偏移是性能下降的主导因素而非数据量或优化器不稳定性 | 仅使用两个公共数据集，未涉及真实临床多中心场景；联邦学习在胶片域性能显著下降且现有聚合策略未能有效缓解 | 评估联邦学习在强成像域异构性（胶片-数字转换）下的性能稳定性 | 良性-恶性病变分类，使用CBIS-DDSM（扫描胶片）和VinDr-Mammo（全视野数字）数据集 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | ResNet-50, Swin V2-T | 图像 | CBIS-DDSM和VinDr-Mammo两个公共数据集（具体样本数未明确） | PyTorch | ResNet-50, Swin V2-T | AUROC, AP, 准确率, 精确率, 召回率, F1分数, Precision@Recall=0.90 | NA |
| 265 | 2026-06-30 |
Machine learning in neuroimaging for predicting H3K27M mutations in diffuse midline gliomas: a systematic review and meta-analysis
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1746840
PMID:41958562
|
系统综述与荟萃分析 | 系统评估基于神经影像的机器学习模型在预测弥漫性中线胶质瘤H3K27M突变中的诊断性能 | 首次通过荟萃分析比较MRI和PET/CT两种影像模式的机器学习模型预测H3K27M突变性能，并探讨深度学习架构与DNA测序作为参考标准对模型性能的影响 | 仅纳入16项研究，可能存在发表偏倚；不同研究间MRI序列和ML算法存在异质性，影响结果泛化性 | 评估基于神经影像的机器学习模型在非侵入性预测弥漫性中线胶质瘤H3K27M突变中的诊断性能 | 弥漫性中线胶质瘤患者 | 机器学习 | 弥漫性中线胶质瘤 | MRI, PET/CT | 机器学习模型（包括深度学习和传统机器学习） | 影像数据 | 内部验证共2357名患者，外部验证共1792名患者 | NA | 深度学习架构（如CNN等），传统机器学习算法 | 敏感性，特异性，AUC | NA |
| 266 | 2026-06-30 |
Discrete wavelet transform-driven optimized deep learning-based framework for dyslexia detection using EEG signals
2026, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2026.1765088
PMID:41958705
|
研究论文 | 提出一种基于离散小波变换和优化深度学习的框架，利用脑电图信号检测阅读障碍 | 结合离散小波变换对EEG信号进行频带分解，并设计紧凑深度神经网络（四隐藏层），在51名儿童数据集上达到98.85%的分类准确率，优于传统机器学习和原始EEG深度学习方法 | 样本量较小（51名参与者），且仅针对5-10岁儿童，可能影响模型泛化性 | 开发基于EEG信号的阅读障碍自动检测方法，实现早期诊断和干预 | 51名儿童（26名阅读障碍患者和25名正常对照）的脑电图信号 | 机器学习 | 阅读障碍 | EEG信号采集、离散小波变换 | 深度神经网络（DNN）、1D-CNN、LSTM、EEGNet、决策树、SVM、k-NN、集成学习 | 脑电图信号（EEG） | 51名参与者（26名阅读障碍患者和25名正常对照） | NA | 紧凑深度神经网络（四隐藏层）、1D-CNN、LSTM、EEGNet | 分类准确率（98.85%） | NA |
| 267 | 2026-06-30 |
LeafFusionNet: a hybrid deep learning approach for robust plant disease detection
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1773329
PMID:41959626
|
研究论文 | 提出一种名为LeafFusionNet的混合深度学习模型，用于稳健的植物病害检测 | 结合卷积神经网络和视觉Transformer，并引入高效的叶片纹理注意力模块LeafTAM以及Gabor滤波器层，以同时捕捉全局和局部特征，增强纹理特征提取能力 | 该模型仅在Plant Village数据集上进行训练和验证，可能在其他数据集或实际场景中的泛化能力需要进一步验证 | 实现早期、准确且可解释的植物病害自动检测，以支持可持续农业和早期干预 | 植物叶片病害 | 计算机视觉 | 植物病害 | 深度学习 | 混合模型（CNN-ViT） | 图像 | Plant Village数据集（未明确具体数量） | NA | LeafFusionNet（包含CNN、Vision Transformer、LeafTAM注意力模块、Gabor滤波器层） | 准确率、精确率、召回率、F1分数 | NA |
| 268 | 2026-06-30 |
Global hotspots and trends in the application of neoadjuvant therapy for gastric cancer: a bibliometric analysis
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1795575
PMID:41959905
|
研究论文 | 通过文献计量学分析新辅助治疗在胃癌中应用的全球热点与趋势 | 首次利用文献计量学方法系统分析新辅助治疗在胃癌中的研究热点与未来趋势，包括深度学习应用和免疫检查点抑制剂等方向 | NA | 分析新辅助治疗在胃癌中应用的现状、热点与研究趋势 | 新辅助治疗在胃癌中的应用 | 文献计量学 | 胃癌 | NA | NA | 文献数据 | 2666篇文献 | NA | NA | NA | NA |
| 269 | 2026-06-30 |
ViTCNN: a robust hybrid CNN-Vision Transformer based deep learning framework for multi-disease diagnosis in women's healthcare
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1746864
PMID:41959916
|
研究论文 | 提出一种结合EfficientNetB0和Vision Transformer的混合深度学习框架，用于女性健康中的多疾病诊断 | 首次将EfficientNetB0的空间特征提取能力与Vision Transformer的上下文推理能力结合，通过共享骨干和多头架构实现乳腺癌、宫颈癌和多囊卵巢综合征的同步检测 | 数据集规模有限且缺乏临床验证，未来需扩大数据集并进行真实世界诊断部署验证 | 开发一个能够同时检测多种女性疾病的稳健深度学习框架 | 乳腺癌、宫颈癌和多囊卵巢综合征的诊断图像 | 计算机视觉 | 乳腺癌、宫颈癌、多囊卵巢综合征 | 诊断图像分析 | CNN-Vision Transformer混合模型 | 图像 | 包含数千张标注诊断图像的不同数据集 | TensorFlow, PyTorch | EfficientNetB0, Vision Transformer | 准确率 | NA |
| 270 | 2026-06-30 |
Deciphering immune-inflammatory dysregulation in the endometriotic microenvironment: insights from single-cell omics and artificial intelligence
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1848643
PMID:42367786
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 271 | 2026-06-30 |
Multi-Organ metabolic profiling with [18F]F-FDG PET/CT predicts pathological response to neoadjuvant immunochemotherapy in resectable NSCLC
2025-12, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07350-8
PMID:40451983
|
研究论文 | 开发并验证一个结合多器官 PET 代谢指标的列线图，用于预测可切除非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解 | 首次报道多器官代谢列线图，通过量化全身宿主-肿瘤代谢交互作用，优于传统的仅基于肿瘤的预测方法 | NA | 预测可切除非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解 | 可切除非小细胞肺癌患者 | 机器学习 | 肺癌 | 18F-FDG PET/CT | LASSO回归、随机森林、列线图 | PET/CT图像及代谢参数 | 115例患者 | NA | NA | AUC, 特异性, 阳性预测值, 总体准确率 | NA |
| 272 | 2026-06-30 |
Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy
2025-12, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07416-7
PMID:40580320
|
研究论文 | 研究基于PSMA-PET/CT的深度学习全身CT分割方法，评估转移性去势抵抗性前列腺癌患者在接受放射配体治疗前的身体成分的预后价值 | 首次利用深度学习模型从PSMA-PET/CT的CT组分中自动分割身体组织（包括内脏脂肪、皮下脂肪和肌肉间脂肪），并探索其与治疗预后的关联，超越传统PET-based评估 | 样本量较小（n=86），需要更大规模前瞻性数据集验证；为概念验证研究，结论需进一步证实 | 开发自动化全身CT分割方法，评估前列腺癌患者身体成分指标对放射配体治疗预后的预测能力 | 86名转移性去势抵抗性前列腺癌患者，在接受[177Lu]Lu-PSMA放射配体治疗前的PSMA-PET/CT扫描数据 | 医学影像与深度学习 | 前列腺癌（转移性去势抵抗性前列腺癌） | PSMA-PET/CT，深度学习分割模型 | 深度学习分割模型 | CT图像（3D腹部CT体积及2D单层面图像） | 86名转移性去势抵抗性前列腺癌患者 | NA | NA | 风险比、p值、Kaplan-Meier生存分析、对数秩检验 | NA |
| 273 | 2026-06-30 |
In vivo confocal microscopy in ophthalmology: research trends from a bibliometric analysis
2025-11, Clinical & experimental optometry
DOI:10.1080/08164622.2025.2459345
PMID:39933698
|
综述 | 通过文献计量分析，系统梳理了眼科体内共聚焦显微镜（IVCM）领域的研究趋势、影响性文章、作者、机构及新兴方向 | 首次对IVCM在眼科领域的研究进行全球性文献计量分析，并聚焦角膜神经和免疫细胞两个子方向，揭示深度学习、人工智能等新兴主题 | 仅基于Web of Science核心合集数据库，可能遗漏部分高质量研究；分析局限于标题和作者关键词检索，未涵盖全文内容 | 识别IVCM在眼科研究中具有影响力的文章、作者、机构及新兴趋势，为该领域提供发展路线图 | IVCM在眼科中的研究文献 | 文献计量学 | 角膜疾病、眼表疾病 | 体内共聚焦显微镜（IVCM） | NA | 文献计量数据 | 1,389篇文献（其中600篇为近十年发表）；亚组分析：角膜神经425篇、免疫细胞182篇 | VOSviewer | NA | h指数、每篇平均引用次数 | NA |
| 274 | 2026-06-30 |
Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI
2025-Jul-14, ArXiv
PMID:40709302
|
研究论文 | 利用Swin Transformer对多壳层弥散MRI数据进行阿尔茨海默病诊断和淀粉样蛋白检测 | 首次将Swin Transformer应用于多壳层弥散MRI数据进行阿尔茨海默病分类和淀粉样蛋白检测，并采用低秩适应技术高效适应有限标注神经影像数据 | 数据样本规模有限，分类性能在淀粉样蛋白检测任务上仍有提升空间 | 利用多壳层弥散MRI中的微结构信息，基于视觉Transformer深度学习框架支持阿尔茨海默病的早期诊断和淀粉样蛋白积累检测 | 多壳层弥散MRI数据 | 计算机视觉 | 阿尔茨海默病 | 弥散磁共振成像 | Swin Transformer | MRI图像 | NA | PyTorch | Swin Transformer, Grad-CAM | 平衡准确率 | NA |
| 275 | 2026-06-30 |
Sepsis Important Genes Identification Through Biologically Informed Deep Learning and Transcriptomic Analysis
2025-07, Clinical and experimental pharmacology & physiology
DOI:10.1111/1440-1681.70031
PMID:40356040
|
研究论文 | 使用生物信息深度学习模型P-NET鉴定脓毒症重要基因，并通过转录组分析验证其功能 | 首次将生物信息驱动的可解释AI模型P-NET应用于脓毒症关键基因识别，结合单细胞与多组学分析发现TIMP1、GSTO1和MYL6三个新标志物，并通过药物重定位策略筛选潜在靶向药物 | 未明确说明模型验证的外部数据集规模及临床样本的多样性限制 | 识别调控脓毒症免疫反应的关键基因，为治疗提供新靶点和生物标志物 | 脓毒症患者基因表达数据（包括bulk和单细胞层面） | 机器学习 | 脓毒症 | RNA-seq, 单细胞测序 | P-NET（生物学信息驱动的可解释AI模型） | 基因表达数据 | NA | NA | P-NET | NA | NA |
| 276 | 2026-06-30 |
Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study
2025-05-15, Clinical & experimental metastasis
IF:4.2Q2
DOI:10.1007/s10585-025-10349-y
PMID:40369240
|
研究论文 | 基于深度学习的MRI放射组学模型预测局部晚期鼻咽癌新辅助放化疗后复发的前瞻性多中心研究 | 首次将深度学习提取的MRI放射组学特征与传统放射组学特征结合，并联合临床特征构建综合预测模型，用于预测局部晚期鼻咽癌患者新辅助放化疗后的复发情况 | 未提及外部验证队列的独立验证，且样本量相对有限，可能影响模型的泛化性 | 验证基于深度学习的MRI放射组学模型在预测局部晚期鼻咽癌患者新辅助放化疗后复发中的临床价值 | 局部晚期鼻咽癌患者 | 医学影像分析， 机器学习 | 鼻咽癌 | MRI影像、放射组学特征提取 | 随机森林、机器学习分类器 | MRI图像（对比增强T1加权和T2加权序列） | 328名鼻咽癌患者（训练集229例，验证集99例） | NA | 随机森林 | 受试者工作特征曲线下面积、准确率、灵敏度、特异度 | NA |
| 277 | 2026-06-30 |
Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence
2025-05, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.70564
PMID:40387596
|
研究论文 | 利用人工智能深度学习结合19个卷积神经网络模型，通过分析单细胞图像以高准确度区分白血病干细胞与正常干细胞 | 首次证明白血病干细胞具有独特的形态学特征，且人工智能能够提取和识别这些特征，而病理学家的显微镜观察无法做到 | NA | 利用人工智能识别白血病干细胞并监测其数量，以指导治疗选择和评估治疗反应及疾病预后 | 白血病干细胞（LSCs）和正常干细胞，以及真性红细胞增多症（PV）小鼠模型中的其他细胞谱系 | 数字病理学 | 血液系统恶性肿瘤（急性髓系白血病、骨髓增生性肿瘤） | 单细胞成像 | 卷积神经网络（CNN） | 图像 | 来自JAK2V617F敲入小鼠和健康小鼠的细胞样本（未明确具体数量） | NA | 19个卷积神经网络组合，具体架构未明确 | 准确率（>99%） | NA |
| 278 | 2026-06-30 |
Spike Rate Inference from Mouse Spinal Cord Calcium Imaging Data
2025-04-30, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.1187-24.2025
PMID:40127941
|
研究论文 | 利用监督深度学习（CASCADE）和非监督非负解卷积（OASIS）算法，从脊髓钙成像数据推断神经元脉冲率 | 首次在脊髓神经元上测试脉冲推断算法，并公开提供针对脊髓数据重新训练的CASCADE模型 | 未提及算法在其他脑区或细胞类型上的泛化能力验证 | 验证和监督优化脉冲推断算法在脊髓神经元中的泛化性能 | 小鼠脊髓背角浅层的谷氨酸能和GABAergic躯体感觉神经元 | 机器学习 | NA | 钙成像 | CNN（CASCADE）、非负解卷积（OASIS） | 电生理记录和钙成像数据 | 小鼠（雌雄兼有）脊髓背角神经元 | NA | CASCADE（基于深度学习）、OASIS（非负解卷积） | 纳秒级脉冲推断准确性 | NA |
| 279 | 2026-06-30 |
Graphene-based FETs for advanced biocatalytic profiling: investigating heme peroxidase activity with machine learning insights
2025-03-03, Mikrochimica acta
DOI:10.1007/s00604-025-06955-y
PMID:40029395
|
研究论文 | 利用石墨烯场效应晶体管探测辣根过氧化物酶和血红素的过氧化物酶活性，并结合机器学习进行酶学行为分析 | 首次将石墨烯FET的高灵敏度与多层感知机深度学习结合，用于酶动力学参数的精确预测和自杀失活机制研究 | NA | 评估石墨烯场效应晶体管在分析过氧化物酶活性中的有效性，并利用机器学习提高酶行为预测精度 | 辣根过氧化物酶和血红素分子 | 机器学习 | NA | 石墨烯场效应晶体管 | 多层感知机 | 电学信号 | NA | NA | 多层感知机 | NA | NA |
| 280 | 2026-06-30 |
Pupillometry as a biomarker of postural control: Deep-learning models reveal side-specific pupillary responses to increased intensity of balance tasks
2024-12, Psychophysiology
IF:2.9Q1
DOI:10.1111/psyp.14667
PMID:39135357
|
研究论文 | 本研究通过瞳孔测量和深度学习模型，探索了平衡任务强度增加时瞳孔直径的侧别特异性变化，并将其作为姿势控制的生物标志物 | 首次研究了平衡任务强度增加对瞳孔直径的影响，并发现侧别特异性瞳孔反应，这可能与姿势控制的高级处理有关 | 未提及 | 分析平衡任务强度增加时稳态瞳孔直径的差异，并确定是否存在侧别特异性变化 | 48名健康受试者在不同难度平衡任务中的瞳孔直径变化 | 机器学习 | NA | 瞳孔测量术 | 深度学习神经网络 | 瞳孔直径数据 | 48名健康受试者 | NA | 深度学习神经网络 | NA | NA |