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 47335 篇文献，本页显示第 2921 - 2940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2921 | 2026-06-16 |
Convergence of multiplexed immunosensors, nanotechnology, and AI for early pancreatic cancer diagnosis
2026-Jul-15, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2026.121005
PMID:41985833
|
综述 | 探讨多重免疫传感器、纳米技术与人工智能在胰腺癌早期诊断中的融合应用 | 首次系统性地整合了多重免疫传感器、纳米技术信号放大与AI驱动数据集成三大前沿领域，提出用于胰腺癌早期诊断的变革性框架 | 未提及 | 综述多重免疫传感器、纳米技术和人工智能在胰腺癌早期诊断中的新兴融合，并评估其作为下一代诊断策略的潜力 | 胰腺癌早期诊断的相关生物标志物（如循环蛋白、自身抗体、外泌体、循环肿瘤DNA、非编码RNA、肿瘤血小板）及检测平台 | 机器学习, 数字病理学 | 胰腺癌 | 多重免疫传感器, 纳米技术（纳米颗粒、纳米线、量子点、二维材料）, 微流控, 芯片实验室 | 机器学习, 深度学习 | 生物标志物数据, 临床数据, 影像数据, 基因组数据 | 未提及 | NA | NA | NA | NA |
| 2922 | 2026-06-16 |
Model-guided design of lymphatic drug delivery systems using osmotic pressure, viscosity and lymph node size
2026-Jul-10, Journal of controlled release : official journal of the Controlled Release Society
IF:10.5Q1
DOI:10.1016/j.jconrel.2026.115010
PMID:42128061
|
研究论文 | 通过整合数学模型与机器及深度学习，建立定量框架以描述和预测淋巴给药系统中药物在淋巴结内的动力学行为 | 首次将数学模型与机器/深度学习结合，基于渗透压、粘度和淋巴结最大横截面积实现药物动力学的预测，并利用人源化小鼠模型验证模型在人类淋巴结中的适用性 | NA | 为淋巴给药系统提供基于机制的理性设计策略，实现根据淋巴结大小和治疗目标的定制化药物输送 | 淋巴给药系统中的药物转运与滞留行为，以及淋巴结大小对药物动力学的影响 | 机器学习 | 癌症 | NA | 多层感知机 | NA | NA | NA | 多层感知机 | NA | NA |
| 2923 | 2026-06-16 |
Deep learning unlocks sequence-divergent synthetic promoters to empower Streptomyces natural product engineering
2026-Jul, Metabolic engineering
IF:6.8Q1
DOI:10.1016/j.ymben.2026.05.009
PMID:42208848
|
研究论文 | 利用深度学习模型设计序列多样化的合成启动子，显著提升链霉菌天然产物工程效率 | 首次为链霉菌建立AI生成的启动子库，实现序列与功能的双重创新：启动子动态范围达17,100%，且与基因组序列无同源性 | NA | 开发深度学习驱动的合成启动子设计方法，推动链霉菌天然产物工程发展 | 链霉菌合成启动子序列及其在天然产物生产中的应用 | 机器学习 | NA | 深度生成模型 | 深度生成模型 | DNA序列 | 10亿个计算机设计启动子序列，其中100个经实验验证 | NA | NA | 启动子活性动态范围、相对表达量、产物产量提升倍数 | NA |
| 2924 | 2026-06-16 |
Advancing radiotherapy with deep Learning: A review of dose prediction models
2026-Jul, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2026.105827
PMID:42229186
|
综述 | 该文章综述了深度学习在放射治疗剂量预测模型中的应用，涵盖架构、数据集和方法 | 系统总结了深度学习在放射治疗剂量预测中的最新进展，并指出了未来研究方向，如通用化模型、多机构验证和可解释性 | 未对具体模型进行实证比较，且缺少对现有方法的定量评估 | 综述深度学习在放射治疗剂量预测中的现状与挑战 | 放射治疗剂量预测的深度学习模型 | 深度学习 | NA | 深度学习 | NA | NA | NA | NA | NA | 准确性、效率、鲁棒性 | NA |
| 2925 | 2026-06-16 |
A hierarchical prompt and prototype learning framework for brain disorder classification
2026-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104063
PMID:42013614
|
研究论文 | 提出一种分层提示与原型学习框架，用于脑部疾病分类，模拟放射科医生的多级诊断过程 | 首次将分层提示与原型学习相结合，明确捕获23种脑部疾病之间的层次关系，并在三个诊断级别（粗类、中间类、细粒度类）进行逐步分类 | 数据部分暂未完全公开，可能影响结果复现；长尾疾病诊断性能虽提升但仍有改进空间 | 提高脑部疾病分类的准确性，减少误诊风险，特别是针对长尾或难诊断疾病 | 脑部疾病（23种）及多中心医学影像数据集 | 数字病理 | 脑部疾病 | 医学影像分析 | Transformer | 图像 | 54,360名受试者来自六个多中心数据集 | PyTorch | Vision Transformer (ViT) | 平衡准确率 | NA |
| 2926 | 2026-06-16 |
X2Shape: CT-free 3D multi-organ reconstruction with biplanar X-rays
2026-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104085
PMID:42025030
|
研究论文 | 提出X2Shape，一种从双向正交X光片直接进行3D多器官重建的深度学习框架，无需CT先验信息 | 结合基于几何感知的体积反投影与基于状态空间建模的跨视图融合模块，实现精确的2D到3D映射；设计混合变形增强策略生成解剖多样化的样本以解决配对训练数据稀缺问题 | 未提及 | 建立低成本、低辐射的3D成像范式，无需依赖CT即可实现高保真3D解剖重建 | 胸部和多器官的3D重建 | 计算机视觉 | NA | NA | 深度学习 | X光图像 | TotalSegmentator-Subset和LCTSC两个胸部数据集 | PyTorch | 几何感知体积反投影网络、状态空间模型 | Dice系数 | NA |
| 2927 | 2026-06-16 |
Automated Delineation of Couinaud Segments at CT for Future Liver Remnant Volumetry
2026-Jul, Radiology. Artificial intelligence
DOI:10.1148/ryai.250808
PMID:42089796
|
研究论文 | 开发一种深度学习模型，用于在CT图像上自动描绘肝脏Couinaud八个分段和脾脏，以进行未来肝残余体积测量 | 首次实现了对肝脏Couinaud全部分段和脾脏的自动勾画，并在多种肝脏疾病（纤维化、肝硬化、转移瘤）患者中验证了其通用性 | 未提及 | 开发用于CT图像上肝脏Couinaud分段和脾脏自动分割的深度学习模型，以辅助未来肝残余体积测量 | 肝脏Couinaud分段和脾脏 | 计算机视觉, 数字病理学 | 结直肠癌肝转移, 肝纤维化, 肝硬化 | CT | 三维nnU-Net | CT图像 | 训练集498例（公共数据集442例+机构A 56例），测试集包括机构A 64例、CRLM数据集197例、机构B 50例 | PyTorch | nnU-Net | Dice系数, Hausdorff距离 | NA |
| 2928 | 2026-06-16 |
Ethnicity-Stratified Normative Retinal Vascular Features from the UK Biobank Using Deep Learning
2026-Jul, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101221
PMID:42293342
|
研究论文 | 利用深度学习从UK Biobank中提取按种族分层的视网膜血管特征正常值数据集 | 首次使用深度学习方法建立了按种族分层的视网膜血管特征正常值数据集，为多族群眼组学生物标志物提供了参考框架 | NA | 建立UK Biobank健康参与者中按种族分层的视网膜血管形态特征正常范围，并评估与年龄、性别和种族的关联 | 6843名UK Biobank参与者（无疾病或医疗状况）的视网膜图像 | 数字病理学 | 系统性血管健康 | 深度学习视网膜图像分析 | AutoMorph深度学习管道 | 视网膜图像 | 6843名UK Biobank参与者（平均年龄53.5±7.9岁，50.1%男性，91.1%白人） | AutoMorph | NA | NA | NA |
| 2929 | 2026-06-16 |
Deep learning-based early prediction of gestational diabetes mellitus through first-trimester placental texture analysis
2026-Jun-24, Placenta
IF:3.0Q2
DOI:10.1016/j.placenta.2026.04.016
PMID:42048939
|
research paper | 开发多参数融合模型，通过孕早期胎盘纹理分析实现妊娠期糖尿病的早期预测 | 首次将胎盘超声影像的放射组学特征与深度学习特征进行特征级融合，构建多模态预测模型，并在外部多中心数据中验证其优于单模态模型 | 样本量相对较小（628例），且研究仅限于孕11+0-13+6周的孕妇，模型对更早或更晚孕周的适用性未知 | 早期预测妊娠期糖尿病风险，实现及时干预和个性化决策 | 来自两个医疗中心的628名孕妇的胎盘超声图像 | machine learning | gestational diabetes mellitus | Ultrasound imaging | Multi-parameter fusion model | Ultrasound images | 628名孕妇（训练集356例，测试集153例） | NA | NA | AUC, DCA, calibration curve | NA |
| 2930 | 2026-06-16 |
High-frequency EEG synchronization modes as a stable biometric signature in humans
2026-Jun-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.116166
PMID:42291239
|
研究论文 | 提出一种基于多频段同步模式的无参数框架，用于脑电图生物特征识别，实现高稳定性和可解释性 | 首次证明高频（β和γ波段）同步模式可作为稳定的个体特异性脑电指纹，无需参数调整即可达到100%识别率 | 低频波段收敛慢且区分度较低；数据集规模有限（109名受试者） | 开发兼具高准确率、可解释性和鲁棒性的脑电图生物特征识别方法 | 人类脑电图信号中的同步模式 | 机器学习 | NA | 脑电图（EEG） | 无参数框架（同步模式分析） | 生理信号（脑电图时间序列） | 109名受试者的公开数据集 | NA | NA | 正确识别率、等错误率 | NA |
| 2931 | 2026-06-16 |
Fine-scale structural information substantially improves mRNA therapeutic stability prediction
2026-Jun-16, Molecular therapy. Nucleic acids
DOI:10.1016/j.omtn.2026.102960
PMID:42293245
|
研究论文 | 提出一种结合局部和全局特征的回归模型STRAND，用于预测mRNA溶液稳定性，相比现有方法预测误差降低两倍以上 | 首次证明碱基配对对数几率（LO）作为微观结构特征能够补充全局指标并提供正交信息，联合全局与局部特征构建简洁可解释的四特征回归模型，显著优于现有机器学习和深度学习方法 | NA | 提升mRNA溶液稳定性的预测精度，为治疗性mRNA设计提供可靠框架 | mRNA序列的溶液稳定性 | 机器学习 | NA | NA | 回归模型（线性回归） | 序列数据（mRNA核苷酸序列） | NA | NA | STRAND（四特征回归模型） | 预测误差（相对误差降低倍数） | NA |
| 2932 | 2026-06-16 |
AI-Enhanced Nanophotonic Heterochain Sensor Enables Multiplexed Biomarker Detection across Serum, Urine, and Saliva for Stroke Differentiation
2026-Jun-15, ACS applied bio materials
IF:4.6Q2
DOI:10.1021/acsabm.6c00103
PMID:42166366
|
研究论文 | 开发了一种结合深度学习的纳米光子异质链生物传感平台，用于血清、尿液和唾液中多种生物标志物的多重检测，以实现中风的快速分型诊断 | 首次将纳米光子异质链生物传感器与深度学习辅助图像分析相结合，实现血清、尿液和唾液中S100B、GFAP和UCH-L1三种标志物的超早期多重定量检测，并集成便携式智能手机成像和云端分析 | 需要进一步评估平台在大型多中心临床队列中的表现及长期稳定性 | 开发便携式、AI集成的高灵敏度生物传感系统，用于中风的超早期分型诊断 | 急性缺血性中风、脑出血患者及健康对照者的血清、尿液和唾液样本 | 数字病理学 | 心血管疾病 | 纳米光子传感 | 深度学习模型 | 图像 | 包括缺血性中风、脑出血患者及健康对照的临床样本 | TensorFlow, PyTorch | 逻辑回归 | 灵敏度, 线性度(R²=0.9583), 回收率(104.7%), 变异系数(CV=24.4%) | 云端分析平台, 便携式智能手机 |
| 2933 | 2026-06-16 |
Intelligent soft robotic gripper for non-destructive grasping and attribute recognition via multi-modal waveguide tactile sensors
2026-Jun-15, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-026-01364-4
PMID:42289405
|
研究论文 | 提出一种集成弹性光波导传感器的软体机器人夹爪，实现非破坏性抓取和多模态触觉感知的对象属性识别 | 首次将细长弹性光波导传感器与PID自适应控制和LSTM深度学习算法结合，实现高精度（>97%）的形状、大小和硬度多属性识别，同时避免刚性抓取导致的破损和滑落问题 | 现有波导触觉系统受毫米级波导光束发散限制，变形灵敏度有限且异质集成复杂，自适应抓取控制和上下文物体识别仍存在关键空白 | 开发集成多模态触觉传感器的软体机器人夹爪，实现智能抓取和对象属性识别，应用于精准农业、智能物流和医疗机器人 | 软体机器人夹爪及其弹性光波导传感器，水果等不规则对象 | 机器人与人工智能 | 不适用 | 光学波导触觉传感 | LSTM | 触觉传感器数据 | 未明确说明 | PyTorch（隐含推理） | LSTM | 准确率 | 未明确说明 |
| 2934 | 2026-06-16 |
Vision-based tactile sensing enhanced by microstructures and lightweight convolutional neural network
2026-Jun-15, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-026-01355-5
PMID:42289404
|
研究论文 | 提出了一种结合微结构传感器设计与轻量级卷积神经网络的视觉触觉传感方法，以降低计算负荷的同时提升性能 | 通过精心设计的微结构（如微沟槽）增强光传输并放大触觉视觉响应，使用极轻量级卷积神经网络（仅单层）实现高精度接触位置、位移和力的推断，无需传统跟踪标记 | 论文未明确提及局限性，但可能涉及微结构制造精度要求高、应用场景有限（仅演示了单点接触）等潜在限制 | 开发一种高灵敏度、高空间分辨率且计算效率高的视觉触觉传感器，以支持软体机器人和复杂人机交互环境 | 视觉触觉传感器系统及其微结构设计与图像处理算法 | 计算机视觉 | NA | 微结构加工（微沟槽）、商用网络摄像头 | 卷积神经网络（CNN） | 图像 | 未明确样本数量，使用了商用网络摄像头进行实验 | PyTorch | 单层卷积网络 | 平均绝对误差（MAE） | 商用网络摄像头、未指定GPU |
| 2935 | 2026-06-16 |
Precise estimation of rice leaf macro and micro nutrients from multi-spectral images using neural architecture search with polynomial approximation functions
2026-Jun-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55598-3
PMID:42289467
|
研究论文 | 基于无人机多光谱图像和神经网络架构搜索，精确估算水稻叶片宏量和微量营养素含量 | 提出一种结合多项式函数逼近器和自适应激活机制的微分神经网络搜索技术，即使在小样本数据下也能提升预测性能，并实现了营养素状态的不确定性估计 | 未有提及具体限制，但可能涉及多光谱图像对某些营养素的敏感度或模型在不同品种水稻间的泛化性 | 实现水稻叶片营养素状态的高效、精确估算，以支持精准农业中的营养管理 | 水稻叶片中的宏量和微量营养素（如氮、磷、钾等11种） | 计算机视觉 | 无特定疾病 | 多光谱成像 | 神经网络架构搜索（NAS） | 图像 | 未明确样本数量，但提及在旁遮普农业大学的不同处理和生长阶段进行实验 | NA | 多项式函数逼近器与自适应激活机制结合的NAS架构 | 平均绝对误差（MAE）, [Formula: see text] | NA |
| 2936 | 2026-06-16 |
Deep learning methods for automated orthopaedic measurements in computed tomography scans
2026-Jun-15, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.70495
PMID:42290538
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2937 | 2026-06-16 |
Deep Learning-Driven 3D Histopathology Method: A Pipeline for Cellular-Resolution Myocarditis Analysis
2026-Jun-15, American journal of physiology. Heart and circulatory physiology
DOI:10.1152/ajpheart.00265.2026
PMID:42294766
|
研究论文 | 提出了一种基于深度学习驱动的3D组织病理学方法，用于细胞分辨率的心肌炎分析 | 开发了适配Linux环境的细胞分辨率器官数字分析（CODA）流水线，整合心肌炎特异性训练数据以提高分割精度，并支持STL格式导出以在3D Slicer中可视化 | 仅应用于COVID-19诱导的心肌炎模型（n=6），样本量较小，可能影响泛化能力 | 实现细胞分辨率下全鼠心脏的定量3D重建，用于浸润性心血管疾病的精确诊断和治疗监测 | 小鼠心脏组织中的炎性病灶和坏死病灶 | 计算机视觉 | 心血管疾病 | 3D组织病理学 | 深度学习模型 | 3D图像 | 6只小鼠（COVID-19诱导心肌炎模型） | NA | NA | 准确性 | Linux环境 |
| 2938 | 2026-06-16 |
Artificial intelligence and the future of prosthodontics: a narrative review
2026-Jun-15, The Saudi dental journal
DOI:10.1007/s44445-026-00192-6
PMID:42295522
|
综述 | 这篇叙述性综述旨在系统总结和汇编人工智能在口腔修复学主要领域（包括全口义齿、可摘局部义齿、固定修复、种植修复和颌面修复）中的应用证据 | 系统梳理了2006年至2025年间AI在口腔修复学各亚领域的应用现状，揭示了以种植修复为主的研究集中趋势及超过90%的实验室精度水平 | 多数证据来自回顾性或实验性研究，缺乏前瞻性临床验证，存在数据质量、模型透明度、伦理问题及临床工作流程整合困难等挑战 | 评估人工智能在口腔修复学各主要领域的应用现状、挑战和未来方向 | 54篇同行评审的临床、实验和综述研究（2006-2025年发表） | 机器学习 | NA | NA | NA | 图像, 文本 | 54篇研究文献 | NA | NA | 准确率 | NA |
| 2939 | 2026-06-16 |
Deep learning-based automated detection of oral squamous cell carcinoma in histopathological images: a comparative study of five CNN architectures
2026-Jun-15, Odontology
IF:1.9Q2
DOI:10.1007/s10266-026-01448-7
PMID:42295529
|
研究论文 | 对比五种CNN架构在组织病理图像中自动检测口腔鳞状细胞癌的性能 | 首次系统比较VGG16、ResNet50、InceptionV3、EfficientNetV2S和ConvNeXt-Tiny在口腔鳞状细胞癌组织病理图像分类中的表现，并利用Grad-CAM增强模型可解释性 | 无外部验证数据集，未评估在真实临床环境中的泛化能力 | 评估深度学习在自动检测口腔鳞状细胞癌中的有效性 | 口腔鳞状细胞癌组织病理图像 | 数字病理学 | 口腔鳞状细胞癌 | NA | CNN | 组织病理图像 | 使用公开OSCC数据集，具体数量未说明 | NA | VGG16、ResNet50、InceptionV3、EfficientNetV2S、ConvNeXt-Tiny | 准确率、精确率、召回率、特异度、F1分数、ROC-AUC | NA |
| 2940 | 2026-06-16 |
Correction: Quantum-inspired fused explainable deep learning framework for early enamel caries classification in intraoral photographs
2026-Jun-15, Odontology
IF:1.9Q2
DOI:10.1007/s10266-026-01418-z
PMID:42295541
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |