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 3361 - 3380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3361 | 2026-02-25 |
A Highly-Sensitive Omnidirectional Acoustic Sensor for Enhanced Human-Machine Interaction
2024-11, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202413086
PMID:39410724
|
研究论文 | 本文提出了一种自供电的摩擦电立体声学传感器，用于增强人机交互中的全向声音识别与追踪 | 通过三维结构配置实现了全向声音识别与追踪能力，并利用高电子亲和力、低杨氏模量的多孔振动膜实现了高灵敏度和宽频率响应范围 | NA | 开发一种高灵敏度的全向声学传感器，以提升在嘈杂环境中的人机交互性能 | 全向声音源识别与追踪，特别是在辅助会议系统和自动驾驶车辆中的应用 | 机器学习 | NA | 摩擦电传感技术 | 深度学习 | 音频信号 | NA | NA | NA | 准确率 | NA |
| 3362 | 2026-02-25 |
Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy
2024-07, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2024.06.003
PMID:39013673
|
综述 | 本文综述了人工智能在核医学剂量学，特别是骨髓剂量测定和个体化放射性配体治疗中的未来应用前景 | 探讨了人工智能（尤其是机器学习和深度学习）在提高骨髓和血液剂量测定准确性、早期识别血液学风险因素以及实现适应性治疗规划方面的潜在创新作用 | NA | 旨在概述人工智能方法在核医学剂量学领域整合的机遇，以推动放射性配体治疗向真正个体化诊疗发展 | 放射性配体治疗及其相关的骨髓剂量测定和血液学副作用 | 核医学 | 恶性肿瘤 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 3363 | 2024-08-07 |
Corrigendum to: Development of a deep learning model for predicting critical events in a pediatric intensive care unit
2024-05, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2023.01424.e1
PMID:38556908
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3364 | 2026-02-25 |
Causal-StoNet: Causal Inference for High-Dimensional Complex Data
2024-May, ... International Conference on Learning Representations
PMID:41725678
|
研究论文 | 本文提出了一种基于深度学习的新因果推断方法Causal-StoNet，用于处理高维复杂数据 | 结合稀疏深度学习理论和随机神经网络，以一致方式处理高维度和未知数据生成过程，并支持数据缺失情况 | NA | 解决高维复杂数据中的因果推断问题 | 高维复杂数据集 | 机器学习 | NA | 深度学习 | 随机神经网络 | 高维复杂数据 | NA | NA | NA | NA | NA |
| 3365 | 2026-02-25 |
WET-UNet: Wavelet integrated efficient transformer networks for nasopharyngeal carcinoma tumor segmentation
2024 Apr-Jun, Science progress
IF:2.6Q2
DOI:10.1177/00368504241232537
PMID:38567422
|
研究论文 | 本文提出了一种基于UNet的混合模型WET-UNet，用于鼻咽癌图像分割，通过集成小波变换和注意力机制来提升分割精度和鲁棒性 | 将小波变换集成到UNet中，利用低频分量调整编码器并优化Transformer的计算过程，同时结合注意力机制捕获远程依赖关系，以增强病变边界信息和模型识别能力 | 未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制 | 解决鼻咽癌图像分割中因数据集不准确、边界模糊和线条复杂导致的分割不精确和不稳定问题 | 鼻咽癌肿瘤图像 | 数字病理 | 鼻咽癌 | NA | CNN, Transformer | 图像 | 5000个样本，训练与验证比例为8:2 | NA | UNet, Transformer | 准确率, 精确率 | NA |
| 3366 | 2026-02-25 |
Development of a deep learning model for predicting critical events in a pediatric intensive care unit
2024-Feb, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2023.01424
PMID:38476071
|
研究论文 | 本研究开发了一种深度学习模型，用于预测儿科重症监护病房中的关键事件，如心肺复苏或死亡 | 利用长短期记忆（LSTM）算法，首次在儿科重症监护环境中构建深度学习模型来预测关键事件，并展示了优异的预测性能 | 需要外部验证以确认模型的泛化能力，且研究为回顾性观察性设计 | 开发深度学习模型以预测儿科重症监护病房患者的关键事件，实现早期干预 | 2010年1月至2023年5月期间入住儿科重症监护病房的18岁以下患者 | 机器学习 | 儿科重症监护 | 回顾性数据分析 | LSTM | 生命体征测量数据 | 11,660条测量数据，其中1,060条对应关键事件 | NA | 长短期记忆网络 | 受试者工作特征曲线下面积, 精确率-召回率曲线下面积 | NA |
| 3367 | 2026-02-25 |
The application value of deep learning in the background of precision medicine in glioblastoma
2024 Jan-Mar, Science progress
IF:2.6Q2
DOI:10.1177/00368504231223353
PMID:38262933
|
综述 | 本文综述了深度学习在胶质母细胞瘤精准医疗背景下的应用价值，包括分子分类、诊断和预后评估 | 深度学习结合多模态数据（如磁共振成像序列、遗传信息和临床数据）进行非侵入性肿瘤诊断和预后预测，相比传统放射组学和浅层机器学习方法更为稳健有效 | 深度学习在胶质母细胞瘤治疗干预中的应用仍处于早期阶段，模型鲁棒性面临挑战，且现有样本数量不足，限制了大规模实验和模型应用 | 探讨深度学习在胶质母细胞瘤精准医疗中的应用，以优化个性化治疗方案 | 胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | 磁共振成像，遗传信息分析 | 深度学习模型 | 图像，遗传数据，临床数据 | NA | NA | NA | 准确性 | NA |
| 3368 | 2026-02-25 |
A novel measurement approach to dynamic change of limb length discrepancy using deep learning and wearable sensors
2024 Jan-Mar, Science progress
IF:2.6Q2
DOI:10.1177/00368504241236345
PMID:38490169
|
研究论文 | 本研究提出了一种结合深度学习与可穿戴传感器的新方法，用于在非临床环境中准确测量肢体长度差异的动态变化 | 首次将肢体长度差异动态变化测量视为基于步态模式的多重分类任务，并开发了CNN-LSTM混合深度学习模型来提取最具代表性的时空特征 | 研究仅招募了23名健康受试者模拟肢体长度差异，样本量较小，且未在真实患者群体中进行验证 | 开发一种在非临床环境中准确监测肢体长度差异动态变化的技术，以评估日常生活中的步态功能变化 | 健康受试者模拟的肢体长度差异步态模式 | 机器学习 | 肢体长度差异 | 可穿戴传感器数据采集 | CNN, LSTM | 步态传感器数据 | 23名健康受试者 | 未明确说明 | CNN-LSTM混合模型 | 准确率, F1分数, 召回率, 精确率 | NA |
| 3369 | 2026-02-25 |
PodoSighter: A Cloud-Based Tool for Label-Free Podocyte Detection in Kidney Whole-Slide Images
2021-11, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.2021050630
PMID:34479966
|
研究论文 | 本研究开发了PodoSighter，一种基于云的在线工具，用于通过深度学习自动识别和量化肾全玻片图像中的足细胞核 | 首次提出一种无需标记的自动化足细胞检测工具，利用深度学习在标准组织学染色全玻片图像中实现足细胞核的识别与量化 | 研究基于多机构队列但样本量有限（122个组织切片），且工具性能在不同物种间存在差异 | 开发自动化工具以改进足细胞检测与量化，促进足细胞研究并支持未来临床应用 | 小鼠、大鼠和人类肾脏组织切片，包括糖尿病肾病、新月体性肾小球肾炎等疾病模型 | 数字病理学 | 肾脏疾病 | 免疫组织化学染色、免疫荧光染色、周期性酸-Schiff染色 | 深度学习模型 | 图像 | 122个组织切片（来自小鼠、大鼠和人类肾脏的多机构队列） | NA | NA | 灵敏度, 特异性 | 基于云的Web应用平台 |
| 3370 | 2026-02-24 |
A CT-based multimodal fusion model for predicting outcomes in blunt chest trauma: A multicenter study
2026-Apr, The American journal of emergency medicine
DOI:10.1016/j.ajem.2025.12.038
PMID:41576754
|
研究论文 | 本研究开发了一种结合临床变量、影像组学特征和深度学习特征的多模态融合模型，用于预测钝性胸部创伤患者的预后 | 通过整合多时间点CT影像与临床变量，构建了融合模型，显著提升了预后预测性能，并引入了代表时间变化的delta特征 | 研究为回顾性分析，样本量相对有限（337例），且仅来自三个医疗中心，可能存在选择偏倚 | 提高钝性胸部创伤患者的预后预测准确性 | 钝性胸部创伤患者 | 数字病理学 | 胸部创伤 | CT成像 | 深度学习, 回归模型 | 图像, 临床数据 | 337例患者（来自三个医疗中心） | NA | NA | AUC, 校准曲线, 决策曲线分析, 净重分类改善指数, 综合判别改善指数 | NA |
| 3371 | 2026-02-24 |
Artificial intelligence, machine learning and omic data integration in osteoarthritis
2026-Mar, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2025.10.012
PMID:41167326
|
综述 | 本文综述了人工智能和机器学习在骨关节炎多组学数据整合中的应用进展、挑战与机遇 | 总结了变分自编码器、对比学习和多模态Transformer等新兴机器学习方法在多组学整合中的应用趋势 | 当前研究面临样本量小、过拟合、缺乏外部验证、模型可解释性不足以及人口统计学代表性不足等挑战 | 通过机器学习整合和解释高维多组学数据，以推进对骨关节炎这一复杂疾病的理解 | 人类骨关节炎样本及相关临床前模型中的转录组、表观基因组、蛋白质组、代谢组和多组学数据 | 机器学习 | 骨关节炎 | 转录组学、表观基因组学、蛋白质组学、代谢组学、多组学整合 | 监督学习、无监督聚类、深度学习、变分自编码器、对比学习、多模态Transformer | 多组学数据 | NA | NA | Transformer | NA | NA |
| 3372 | 2026-02-24 |
Visceral Adipose Tissue Alters Podometrics and Renal Compensation After Uninephrectomy
2026-Mar, Kidney international reports
IF:5.7Q1
DOI:10.1016/j.ekir.2025.103739
PMID:41727777
|
研究论文 | 本研究探讨了内脏肥胖对正常体重和超重个体肾小球超微结构、足细胞形态及单侧肾切除后肾功能代偿能力的影响 | 首次在正常体重和超重个体中，利用深度学习支持的形态计量学方法，系统评估了内脏肥胖与肾小球体积、足细胞密度及核肥大等结构改变的关系，并揭示了这些改变与单侧肾切除后肾功能代偿受损的关联 | 研究为回顾性设计，样本量较小（52例），且仅纳入BMI<30 kg/m²的非转移性肾肿瘤患者，可能限制了结果的普遍性 | 探究内脏肥胖对肾脏形态和单侧肾切除后肾功能代偿能力的影响 | 52例BMI<30 kg/m²、因非转移性肾肿瘤接受肾切除且未接受过化疗或免疫治疗的患者 | 数字病理学 | 慢性肾脏病 | 计算机断层扫描（CT）、深度学习支持的肾小球形态计量学和足细胞形态计量学 | 深度学习模型 | CT图像、组织学切片图像 | 52例患者 | NA | NA | P值 | NA |
| 3373 | 2026-02-24 |
Artificial intelligence-powered nanomedicine
2026-Feb-23, Chemical Society reviews
IF:40.4Q1
DOI:10.1039/d5cs01406a
PMID:41636234
|
综述 | 本文系统总结了人工智能与纳米医学融合的现状，重点介绍了AI在纳米颗粒设计、合成以及AI引导的诊断与治疗纳米平台开发方面的进展 | 将人工智能（包括机器学习、深度学习和生成模型）与纳米医学相结合，以优化纳米颗粒设计、预测纳米-生物相互作用并提高诊疗效果，推动数据驱动的自适应纳米诊疗系统发展 | 本文是一篇综述，未进行原始研究，因此未涉及具体实验或模型的具体局限性，但文中指出了该领域面临的挑战，如生物系统的复杂性、纳米-生物相互作用理解不完整、临床转化有限等 | 探讨人工智能与纳米医学的融合如何克服传统纳米医学的挑战，并推动精准医学的发展 | 人工智能算法在纳米医学中的应用，包括纳米颗粒设计、合成、纳米-生物相互作用预测以及诊疗纳米平台 | 机器学习 | NA | NA | 机器学习, 深度学习, 生成模型 | NA | NA | NA | NA | NA | NA |
| 3374 | 2026-02-24 |
Selective multimodal deep learning for reliable breast cancer subtype classification from histopathology and genomic data
2026-Feb-23, Medical engineering & physics
IF:1.7Q3
DOI:10.1088/1873-4030/ae449b
PMID:41671586
|
研究论文 | 本研究提出了一种结合组织病理学图像和RNA-seq数据的多模态深度学习框架，用于可靠地分类乳腺癌亚型 | 引入了基于不确定性的智能路由机制，可选择性使用单模态或多模态预测以优化计算效率；结合了CTransPath视觉Transformer提取组织学特征，并应用注意力展开技术提高模型可解释性 | 研究仅基于TCGA-BRCA数据集（924名患者），未在外部独立队列中进行验证；未考虑其他可能影响亚型分类的临床或分子数据 | 提高乳腺癌亚型分类的准确性和可解释性，为个性化治疗规划和预后评估提供支持 | 乳腺癌患者的组织病理学全切片图像和RNA-seq转录组数据 | 数字病理学 | 乳腺癌 | RNA-seq, 全切片图像分析 | Transformer, 多模态融合模型 | 图像, 基因表达数据 | TCGA-BRCA数据集的924名患者，包含PAM50分子亚型 | PyTorch | CTransPath, 门控注意力, 交叉注意力 | 准确率, 混淆矩阵 | GPU（具体型号未明确说明） |
| 3375 | 2026-02-24 |
XRepDDA: An Interpretable Drug-Disease Association Prediction Framework Leveraging Pretrained Chemical Language Models
2026-Feb-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02901
PMID:41617662
|
研究论文 | 提出一个名为XRepDDA的可解释药物-疾病关联预测框架，通过整合多模态特征表示和深度度量学习来提高预测准确性和鲁棒性 | 整合了预训练化学语言模型进行药物表示、基于MeSH本体的分层语义图进行疾病表示，并采用改进的ModernNCA架构进行深度度量学习，同时建立了多层次可解释性框架 | 未在摘要中明确说明 | 提高药物重定位中药物-疾病关联预测的准确性和可解释性 | 药物-疾病关联 | 自然语言处理, 机器学习 | 阿尔茨海默病, 胃肿瘤 | 分子对接实验 | 预训练语言模型, 图嵌入, 深度度量学习 | SMILES序列, 语义图, 结构化数据 | 多个公共基准数据集 | NA | ModernNCA | AUC, AUPR | NA |
| 3376 | 2026-02-24 |
Diagnostic Accuracy of Artificial Intelligence Models in Computed Tomography Interpretation of Chronic Rhinosinusitis: A Systematic Review
2026-Feb-23, Ear, nose, & throat journal
DOI:10.1177/01455613261423741
PMID:41725413
|
系统综述 | 本文系统综述并比较了人工智能模型在慢性鼻窦炎CT图像解读中的诊断准确性 | 首次对AI模型在慢性鼻窦炎CT诊断中的准确性进行系统综述，并识别了基于ResNet的模型展现出潜力 | 方法学异质性限制了研究间的可比性，需要标准化、多中心验证和临床数据整合以提高普适性 | 系统评估和比较人工智能模型在慢性鼻窦炎CT图像解读中的诊断准确性 | 慢性鼻窦炎患者的CT图像 | 计算机视觉 | 慢性鼻窦炎 | 计算机断层扫描 | CNN, 深度学习 | 图像 | 6项研究，涉及2178名患者 | NA | 卷积神经网络, ResNet, 混合深度学习模型 | 灵敏度, 特异度, 准确度, AUC | NA |
| 3377 | 2026-02-24 |
Unveil Fundamental Graph Properties for Neural Architecture Search
2026-Feb-23, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202516574
PMID:41725562
|
研究论文 | 本文提出了一种名为NASGraph的方法，将神经网络架构转换为图，并通过图属性预测其性能，以促进神经架构搜索 | 首次将神经网络架构转换为图结构，并利用图属性来预测和优化架构性能，为神经架构搜索提供了新的视角 | 未明确说明方法在极端复杂架构或跨领域任务中的泛化能力 | 探索神经网络架构的结构特性与其性能之间的关系，以改进神经架构搜索方法 | 神经网络架构 | 机器学习 | NA | NA | NA | 图数据 | NA | NA | NA | NA | 显著减少的计算资源 |
| 3378 | 2026-02-24 |
A comprehensive review of non-destructive technologies for banana ripeness assessment: implications for food quality, safety, and supply chain management
2026-Feb-23, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2026.2630105
PMID:41729096
|
综述 | 本文全面综述了用于香蕉成熟度评估的非破坏性技术，并探讨了其对食品质量、安全和供应链管理的影响 | 系统性地比较了多种非破坏性技术（如介电特性、深度学习、图像处理、激光诱导背向散射成像和光谱学）在香蕉成熟度评估中的应用，并强调了多模态传感器融合和先进计算模型的集成趋势 | 标准化成熟度识别在不同香蕉品种和环境条件下存在挑战，且先进技术面临计算和实际应用障碍 | 评估非破坏性技术在香蕉成熟度检测中的应用，以优化供应链管理、减少食物浪费 | 香蕉（Musa spp.）及其成熟阶段 | 计算机视觉 | NA | 介电特性分析、图像处理、激光诱导背向散射成像、光谱学 | 深度学习、人工神经网络 | 图像、多模态传感器数据 | NA | NA | NA | NA | NA |
| 3379 | 2026-02-24 |
Artificial intelligence in paediatric neuroradiology: current landscape, challenges, and future directions
2026-Feb-23, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06547-9
PMID:41729266
|
综述 | 本文回顾了人工智能在儿科和胎儿神经放射学中的当前应用、挑战及未来方向 | 特别关注儿科特有的因素，如大脑发育和数据稀缺性，并提出了通过数据共享、联邦学习等策略应对挑战 | 临床采用仍然有限，主要障碍包括高实施成本、大规模多样化儿科数据集不足以及安全、偏见和监管方面的担忧 | 评估人工智能在儿科神经放射学中的实践、障碍和未来潜力 | 儿科和胎儿神经放射学中的图像分割、病变检测、分类、预后和临床决策支持研究 | 数字病理学 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 3380 | 2026-02-24 |
ASO Visual Abstract: AI-FLEET: Phase I - Multimodal Deep Learning Model for Phyllodes Tumor Classification
2026-Feb-23, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-19322-9
PMID:41729465
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |