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 42799 篇文献，本页显示第 3241 - 3260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3241 | 2026-02-26 |
Examination of simple artificial intelligence-based analysis of dopamine transporter scintigraphy for supporting a diagnosis of Parkinson's disease
2026-Mar, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02132-6
PMID:41296269
|
研究论文 | 本研究开发了一种基于深度学习的简单图像分析方法，用于评估多巴胺转运体单光子发射计算机断层扫描图像，以支持帕金森病的诊断 | 首次利用预训练的卷积神经网络架构进行迁移学习，创建了针对DAT SPECT图像的AI模型，其准确性可与经验丰富的神经科医生相媲美 | 研究样本量相对有限，且仅使用单一影像模态（DAT SPECT），未考虑其他临床或影像数据 | 开发一种简单的人工智能图像分析方法，以辅助帕金森病的诊断 | 帕金森病患者和非神经退行性疾病对照患者 | 计算机视觉 | 帕金森病 | 多巴胺转运体单光子发射计算机断层扫描 | CNN | 图像 | 开发队列包括300名帕金森病患者和102名对照患者，验证队列包括96名帕金森病患者 | NA | 六种预训练的卷积神经网络架构 | 准确性, 敏感性, 受试者工作特征曲线下面积 | NA |
| 3242 | 2026-02-22 |
Deep Learning-Enabled Diabetic Retinopathy Screening: A Techno-Clinical Revolution or Just More Artificial Intelligence Hype?
2026-Mar-01, Diabetes care
IF:14.8Q1
DOI:10.2337/dci25-0123
PMID:41719471
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3243 | 2026-02-26 |
Integrating Artificial Intelligence in Environmental Monitoring: A Paradigm Shift in Data-Driven Sustainability
2026-Mar, EcoHealth
IF:2.2Q3
DOI:10.1007/s10393-025-01752-8
PMID:40875110
|
综述 | 本文综述了人工智能在环境监测领域的最新进展，探讨了其在数据驱动可持续发展中的变革潜力 | 强调了可解释人工智能、边缘计算和物联网等新兴技术在提高透明度和降低处理成本方面的应用 | 面临数据质量、计算需求以及模型可解释性等持续挑战 | 评估人工智能在可持续环境管理中的实际应用潜力与挑战 | 环境监测系统、生态系统数据 | 机器学习 | NA | 机器学习、深度学习 | NA | 图像、GPS数据 | NA | NA | NA | NA | 边缘计算 |
| 3244 | 2026-02-26 |
A new graph-transformer framework for EEG-based differentiation of Alzheimer's disease and frontotemporal dementia
2026-Feb-25, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae451c
PMID:41678838
|
研究论文 | 本文提出了一种结合脑电图信号处理与图深度学习的新框架，用于区分阿尔茨海默病、额颞叶痴呆和认知正常受试者 | 创新点在于整合了信号滤波、图表示和Transformer架构，提高了基于脑电图的疾病分类准确性 | NA | 改善神经退行性疾病的早期检测与临床鉴别诊断 | 阿尔茨海默病、额颞叶痴呆和认知正常受试者的脑电图数据 | 机器学习 | 阿尔茨海默病, 额颞叶痴呆 | 脑电图信号处理 | 图神经网络, Transformer | 脑电图信号 | NA | NA | Transformer-based graph neural network | 准确率 | NA |
| 3245 | 2026-02-26 |
MS-HIENet: multi-scale hybrid implicit-explicit registration network
2026-Feb-25, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae45e7
PMID:41687255
|
研究论文 | 本文提出了一种用于肺部医学图像配准的多尺度混合隐式-显式配准网络（MS-HIENet） | 提出了一种无掩码的端到端框架，首次将隐式神经表示（INR）与卷积神经网络（CNN）相结合，通过多尺度优化机制协同处理大尺度全局变形和局部精细结构 | 未明确提及具体的数据集局限性或外部验证结果 | 解决肺部动态器官图像配准中大规模变形与局部解剖结构保持的协同优化挑战 | 肺部医学图像 | 医学图像分析 | 肺部疾病 | 医学图像配准 | CNN, INR | 医学图像 | NA | NA | MS-HIENet（多尺度混合隐式-显式网络） | 平均目标配准误差（TRE），变形场折叠率 | NA |
| 3246 | 2026-02-26 |
How much EEG is needed for deep learning with convolutional neural networks? Predicting the benefit from additional data
2026-Feb-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae453d
PMID:41736475
|
研究论文 | 本研究量化了卷积神经网络在脑电图分类任务中准确率如何随训练数据量变化，并评估了用于外推性能到更大数据集的参数模型 | 首次系统性地评估了脑电图分类任务中学习曲线的特性，并比较了多种参数模型在外推性能时的表现，为数据采集提供了成本效益分析依据 | 研究仅基于两个数据集进行跨数据集变异性分析，且可靠外推需要数百名受试者的数据，可能限制了在小规模研究中的适用性 | 探究脑电图分类任务中训练数据量对卷积神经网络性能的影响，并开发性能外推方法 | 脑电图信号及其分类任务 | 机器学习 | NA | 脑电图 | CNN | 脑电图信号 | 系统变化受试者数量和每名受试者的脑电图数据时长 | NA | 三种神经网络架构 | 分类准确率 | NA |
| 3247 | 2026-02-26 |
Leveraging Artificial Intelligence and Large Language Models for Cancer Immunotherapy
2026-Feb-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202521936
PMID:41736575
|
综述 | 本文全面回顾并展望了人工智能和机器学习在癌症免疫治疗领域的应用现状与未来方向 | 首次系统性地总结和批判性评估了包括大语言模型在内的AI/ML方法在癌症免疫治疗中的进展及其转化潜力 | 本文是一篇综述，不涉及原始研究，因此未提出新的模型或方法，主要侧重于总结现有进展 | 旨在填补对AI/ML在癌症免疫治疗中应用进行系统性总结和批判性评估的空白，并加速AI/ML与精准癌症免疫治疗的整合 | 癌症免疫治疗领域的人工智能和机器学习应用 | 机器学习 | 癌症 | NA | 深度学习, 大语言模型 | 多组学生物医学数据 | NA | NA | NA | NA | NA |
| 3248 | 2026-02-26 |
Discovery of H2 Receptor Antagonists as Colistin Enhancers by Targeting Acid Stress Response
2026-Feb-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202514165
PMID:41739069
|
研究论文 | 本研究通过靶向细菌酸应激反应系统，发现H2受体拮抗剂可作为多粘菌素增强剂，以对抗mcr介导的耐药性 | 利用转座子测序技术识别yqgB基因为恢复mcr阳性细菌对多粘菌素敏感性的关键靶点，并通过深度学习筛选发现H2受体拮抗剂能双重抑制MCR和YqgB蛋白，展现出协同抗菌活性 | NA | 针对mcr介导的多粘菌素耐药性，开发抗生素佐剂以恢复其抗菌效果 | 携带mcr基因的多药耐药革兰氏阴性细菌 | 机器学习 | 细菌感染 | 转座子测序, 深度学习筛选 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 3249 | 2026-02-26 |
GRU-based de novo design and in-silico prioritization of EZH2 inhibitors
2026-Feb-25, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-026-11481-x
PMID:41739384
|
研究论文 | 本研究利用基于门控循环单元（GRU）网络和迁移学习的分子生成模型，结合虚拟筛选方法，设计并优先筛选了潜在的EZH2抑制剂候选化合物 | 采用GRU网络和迁移学习构建分子生成模型，结合ECFP4-SVM分类预测、Lipinski规则、ADMET性质、分子对接、分子动力学模拟和密度泛函理论计算，实现EZH2抑制剂的从头设计和虚拟优先筛选 | 研究主要基于计算模拟和虚拟筛选，缺乏实验验证；样本量中已知EZH2抑制剂化合物数量有限（11个），可能影响模型泛化能力 | 开发一种深度学习驱动的计算框架，用于EZH2抑制剂的虚拟识别和优先筛选 | EZH2（增强子-纯合蛋白2）作为关键表观遗传调节因子，与多种癌症密切相关 | 机器学习 | 多种癌症 | SMILES序列信息分析，ECFP4指纹，虚拟筛选，分子对接，分子动力学模拟，密度泛函理论计算 | GRU, SVM | SMILES分子序列，分子结构数据 | 1,202,321个小分子（来自ChEMBL29数据库）和11个已知EZH2抑制剂化合物 | NA | GRU网络 | 结合自由能（MM-GBSA计算），电子相互作用特征（DFT计算） | NA |
| 3250 | 2026-02-26 |
SynerDTI: a synergistic deep learning framework for drug-target interaction prediction via global feature coordinated attention mechanism
2026-Feb-25, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-026-11491-9
PMID:41739380
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3251 | 2026-02-26 |
Deep learning model for body weight estimation from computed tomography scout images incorporating sex and height
2026-Feb-25, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01028-y
PMID:41739392
|
研究论文 | 本研究开发并评估了一种基于深度学习模型，利用胸腹部CT定位图像、性别和身高来估计患者体重的工具 | 首次将性别和身高信息与CT定位图像结合，通过迁移学习VGG16模型进行体重估计，并在包含手臂位置和金属植入物等常见急诊场景的数据集上验证了模型的有效性 | 研究为回顾性分析，样本量相对有限（763例），且仅基于单一医疗机构的数据，可能影响模型的泛化能力 | 开发一种在急诊医学中准确估计患者体重的工具，以优化对比剂剂量管理 | 住院患者，特别是那些在CT检查中难以准确测量体重的急诊患者 | 计算机视觉 | NA | CT扫描 | CNN | 图像 | 763名住院患者 | TensorFlow, Keras | VGG16 | 平均绝对百分比误差, 预测与实际体重差异在±5 kg内的病例百分比 | NA |
| 3252 | 2026-02-26 |
Deep Learning on Histology Images for Differentiating Fibro-osseous Lesions of the Jaw
2026-Feb-24, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345261415888
PMID:41733218
|
研究论文 | 本文开发并验证了一种基于深度学习的方法，用于从组织学图像中区分颌骨纤维骨性病变 | 首次应用多切片弱监督深度学习模型来区分具有相似组织学特征的颌骨纤维骨性病变，其诊断准确性超过了经验丰富的口腔病理学家 | 测试队列样本量有限且地理多样性不足，可能影响模型的泛化能力 | 开发一种辅助工具，以提高颌骨纤维骨性病变（FD、COF、COD）在常规病理实践中的鉴别诊断准确性 | 颌骨纤维骨性病变，包括纤维结构不良、牙骨质-骨化性纤维瘤和牙骨质-骨结构不良 | 数字病理学 | 颌骨纤维骨性病变 | 苏木精和伊红染色全切片图像扫描 | CNN | 图像 | 来自338个病例的1218张全切片图像（FD 130例，COF 146例，COD 62例），涉及3个机构 | NA | ResNet-50 | 曲线下面积，准确率 | NA |
| 3253 | 2026-02-26 |
Diagnostic accuracy of deep learning vs. human raters for detecting osteoporotic vertebral compression fractures in routine CT scans
2026-Feb-24, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12393-y
PMID:41733641
|
研究论文 | 本研究评估了深度学习模型与人类评估者在常规CT扫描中检测骨质疏松性椎体压缩骨折的诊断准确性 | 首次系统比较了多种深度学习模型、商业软件与不同经验水平人类评估者在椎体骨折检测与分级上的表现，并使用了公开的VerSe数据集进行验证 | 研究为回顾性设计，依赖于公开数据集，可能无法完全代表临床实际场景；骨折样本比例相对较低（5.4%） | 评估深度学习模型在CT扫描中检测和分级骨质疏松性椎体压缩骨折的诊断性能，并与人类评估者进行比较 | 331名患者的3548个胸椎和腰椎椎体，包括190个骨折椎体（其中139个为中度或重度骨折） | 数字病理学 | 骨质疏松症 | CT扫描 | 深度学习模型 | 医学影像（CT扫描图像） | 331名患者，3548个椎体 | NA | NA | 准确率, AUC, AUROC | NA |
| 3254 | 2026-02-26 |
Dual Low-b-value-driven U-shaped fusion GAN for synthesizing high-b-value prostate DWI
2026-Feb-24, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-026-01713-7
PMID:41733852
|
研究论文 | 本研究提出了一种名为UsFGAN的新型深度学习模型，用于从低b值扩散加权成像数据中合成高质量的高b值前列腺DWI图像 | 提出了一种双低b值驱动的U形融合生成对抗网络，首次整合了U-Net子网络、Swin-Transformer残差块和分层融合网络，以充分利用双低b值的互补信息 | 研究仅针对前列腺DWI图像，未验证在其他器官或成像模式上的泛化能力；样本量（280名受试者）虽为多中心数据，但仍有扩大空间 | 开发一种深度学习方法来合成高质量的高b值前列腺扩散加权成像，以克服直接采集高b值DWI的技术挑战和临床限制 | 前列腺扩散加权成像数据 | 医学影像分析 | 前列腺癌 | 扩散加权成像 | GAN | 医学影像 | 280名受试者的6440张DWI切片（多中心数据集） | NA | U-Net, Swin-Transformer, 自定义融合网络 | 峰值信噪比, 结构相似性指数, LPIPS, FID, 准确率 | NA |
| 3255 | 2026-02-26 |
Masked Image Modeling for Generalizable Organelle Segmentation in Volume EM
2026-Feb-24, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3667612
PMID:41734129
|
研究论文 | 本文提出了一种名为OrgMIM的双分支掩码图像建模框架，用于提升体积电子显微镜中细胞器的可泛化分割性能 | 提出了首个面向细胞器的双分支MIM框架，结合静态结构先验和动态重建反馈的互补掩码策略，并构建了首个大规模细胞器中心3D EM数据集IsoOrg-1K | 未明确说明模型在极端分辨率或高度异质样本上的泛化能力，也未讨论计算效率与实时应用的可行性 | 开发一种可泛化的深度学习方法，以提升体积电子显微镜中细胞器分割的准确性和稳定性 | 体积电子显微镜图像中的细胞器 | 数字病理学 | NA | 体积电子显微镜 | Transformer | 3D体积图像 | 928个体积数据，超过1200亿体素 | PyTorch | Transformer | mIoU | NA |
| 3256 | 2026-02-26 |
Distinction between primary and metastatic mucinous ovarian carcinoma from histopathology images using deep learning
2026-Feb-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02459-y
PMID:41735519
|
研究论文 | 本文开发并验证了MOC起源预测模型（MOCOPM），一种基于深度学习的模型，用于从组织病理学图像中区分原发性与胃肠道转移性黏液性卵巢癌 | 首次开发了专门针对黏液性卵巢癌起源预测的深度学习模型MOCOPM，并在多中心数据上进行了内部和外部验证 | 样本量相对较小（仅167名患者），且未提及模型在其他类型转移性卵巢癌或更广泛人群中的泛化能力 | 区分原发性与胃肠道转移性黏液性卵巢癌，以支持临床诊断决策 | 黏液性卵巢癌患者的组织病理学图像 | 数字病理学 | 卵巢癌 | 组织病理学成像 | 深度学习 | 图像 | 167名MOC患者 | NA | NA | AUROC | NA |
| 3257 | 2026-02-26 |
Deep learning models for pulmonary embolism segmentation on dual-energy CT: performance analysis and image quality correlation
2026-Feb-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02221-6
PMID:41735881
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3258 | 2026-02-26 |
Performance comparison and future perspectives of deep learning and classical machine learning in bone tumor applications: a systematic review (2019-2025)
2026-Feb-24, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03401-8
PMID:41735994
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3259 | 2026-02-26 |
An Explainable Deep Learning Model for Clathrin Protein Prediction Using a DCT-Enhanced Position-Specific Scoring Matrix
2026-Feb-19, Current drug targets
IF:3.0Q2
|
研究论文 | 本研究提出了一种名为Pred-CLGRUs的新型计算框架，用于预测网格蛋白，该框架结合了门控循环单元和离散余弦变换增强的位置特异性评分矩阵 | 提出Pred-CLGRUs框架，首次将PSSM与DCT结合用于网格蛋白预测，并比较了四种深度学习架构的性能 | 模型尚未整合异质性生物信息（如结构、进化、功能），未来计划结合胶囊神经网络与DeepWalk获取结构特征 | 开发高精度的网格蛋白预测模型以支持生物医学研究 | 网格蛋白 | 生物信息学 | 神经退行性疾病，癌症 | 位置特异性评分矩阵，离散余弦变换 | GRU, CNN, LSTM, DNN | 蛋白质序列数据 | NA | NA | GRU, CNN, LSTM, DNN | 准确率，灵敏度，特异性，马修斯相关系数 | NA |
| 3260 | 2026-02-26 |
CT Radiation Dose Reduction With Preserved Diagnostic Performance: How Far Have We Come Over 25 Years?
2026-Feb-04, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.34450
PMID:41636571
|
综述 | 本文回顾了过去25年来CT辐射剂量降低技术的发展历程及其对诊断性能的影响 | 系统总结了从滤波、调制到深度学习重建及光子计数探测器CT等一系列剂量降低技术的演进，并强调基于任务的客观图像质量评估的重要性 | NA | 总结CT辐射剂量降低技术的关键里程碑与创新，并评估这些技术对常规检查剂量与图像质量的累积影响 | CT辐射剂量降低技术及其在常规解剖部位检查中的应用 | 医学影像 | NA | CT扫描技术，包括光束滤波、动态z轴准直、自动管电流调制、管电压选择、迭代重建、深度学习重建及光子计数探测器CT | NA | CT图像 | NA | NA | NA | 基于任务的图像质量评估 | NA |