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 3441 - 3460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3441 | 2026-06-09 |
A Deep Learning Framework for Spatiotemporal Modeling of Visual Task fMRI
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722117
PMID:42146685
|
研究论文 | 提出一个名为STREAM的深度学习框架，用于模拟视觉任务fMRI中的时空动态，揭示有效连接和全脑信息流 | 首次将深度学习框架应用于任务fMRI的时空建模，通过学习神经转换函数来表征有效连接和全脑信息流，发现默认模式网络作为高级调节枢纽具有广泛传出影响，挑战其被动特征 | NA | 开发一种新计算方法，以揭示驱动局部动态的方向性信号机制，理解大脑如何灵活重构功能架构以实现复杂认知 | 1074名参与者的视觉类别处理任务fMRI数据 | 机器学习 | NA | fMRI | 深度学习框架 | 图像 | 1074名参与者 | PyTorch | STREAM | 激活图重建准确性 | NA |
| 3442 | 2026-06-09 |
AI-enabled virtual immunopeptidomics links quantitative neoantigen presentation to immunogenicity
2026-May-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722287
PMID:42146452
|
研究论文 | 开发了深度学习框架epiVIP，利用(sc)RNA-seq数据预测HLA-I肽段丰度，联系新抗原的定量展示与免疫原性 | 首次通过AI方法从RNA-seq数据预测肽段丰度，并揭示丰度与非我性在决定抗原性中的补偿关系，为TCR亲和力理论提供定量支持 | NA | 定量联系新抗原展示与其免疫原性，以改进癌症免疫疗法 | HLA-I肽段及其丰度、新抗原的免疫原性 | 自然语言处理 | 癌症 | RNA-seq, 单细胞RNA-seq | 深度学习模型 | 基因表达数据、肽段序列 | 170万免疫肽段及配对基因表达谱，3.3万个来自临床数据集的新抗原 | NA | epiVIP | 预测准确性、泛化性、肿瘤反应预测 | NA |
| 3443 | 2026-06-09 |
Generating synthetic tau-PET scans in Alzheimer's disease from MRI, blood biomarkers and demographics with deep learning
2026-May-07, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.06.26352540
PMID:42145644
|
研究论文 | 开发一种深度学习模型，利用结构磁共振成像、人口统计学和血液生物标志物合成阿尔茨海默病患者的tau-PET扫描 | 首次使用深度学习从易获取的数据（MRI、人口统计学和血液生物标志物）合成tau-PET扫描，并证明其临床预后价值 | NA | 评估深度学习模型从多模态数据合成tau-PET扫描的可行性和临床效用 | 阿尔茨海默病连续谱系或其他神经疾病患者 | 数字病理学 | 阿尔茨海默病 | PET, MRI | 3D U-Net, 残差网络, 注意力机制 | 图像, 人口统计学数据, 血液生物标志物 | 来自13个队列的5191名参与者，平均年龄70岁，51%为女性 | PyTorch | 3D U-Net | R, 危险比, p值 | NA |
| 3444 | 2026-06-09 |
Deep learning-based assessment of periodontitis progression using serial panoramic radiographs: a multicenter study incorporating indirect and direct grading approaches
2026-May-06, Journal of periodontal & implant science
DOI:10.5051/jpis.2504860243
PMID:42252881
|
研究论文 | 使用序列全景X光片，基于深度学习模型评估牙周炎进展的多中心研究 | 首次在序列全景X光片上应用YOLOv8模型进行间接和直接两种分级评估牙周炎进展，并验证其临床可行性 | 直接分级表现略低，因评估序列图像复杂度较高 | 评估深度学习模型用于通过序列全景X光片诊断牙周炎进展的诊断性能和临床可行性 | 1378名患者的7106张全景X光片 | 计算机视觉 | 牙周炎 | 全景X光成像 | YOLOv8 | 图像 | 1378名患者的7106张全景X光片 | PyTorch | YOLOv8 | 准确率、敏感度、特异度、AUC | NA |
| 3445 | 2026-06-09 |
Classification of spinal tuberculous infection, pyogenic infection and spinal metastasis from magnetic resonance imaging using machine learning
2026-May-04, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-026-09838-2
PMID:42082966
|
研究论文 | 利用机器学习从磁共振成像中分类脊柱结核感染、化脓性感染和脊柱转移瘤 | 开发并评估了多种深度学习模型（包括自定义致密神经网络和预训练卷积神经网络）用于脊柱结核、化脓性脊柱炎和脊柱转移瘤的自动分类，并比较了不同模型在全图和分割图上的性能 | 近乎完美的性能可能反映数据集同质性和数据增强效应，而非完全泛化；激活热图显示注意力区域定位不一致，存在过拟合和可视化可解释性有限的问题 | 开发和评估深度学习模型，用于自动分类脊柱结核、化脓性感染和脊柱转移瘤 | 120名患者的T2加权矢状位MRI扫描图像，每类疾病40例 | 机器学习, 医学影像分析 | 脊柱结核, 脊柱化脓性感染, 脊柱转移瘤 | 磁共振成像 | 单层感知机, 自定义致密神经网络, 预训练卷积神经网络 | 医学图像 | 120例患者（每类疾病40例），经过数据增强后每类生成1000个合成样本 | NA | ResNet50, VGG16, InceptionV3 | 准确率, 精确率, 召回率, F1分数 | NA |
| 3446 | 2026-06-09 |
Dynamic ultrasound motion metrics combined with deep learning for clinical differentiation of subacromial impingement syndrome
2026-May, La Radiologia medica
DOI:10.1007/s11547-026-02188-y
PMID:41670888
|
研究论文 | 本研究采用动态肩部超声并结合深度学习技术，用于临床区分肩峰下撞击综合征 | 首次将Faster R-CNN与自迁移学习CNN（STL-CNN）在动态超声中的标志点定位性能进行比较，并集成一维卷积神经网络（1D-CNN）基于运动指标进行SIS分类 | 当前工作流程需要离线视频分析，未来需实现实时实施并提高泛化能力 | 评估深度学习模型在动态肩部超声中预测肩峰下撞击综合征的诊断性能 | 肩峰下撞击综合征患者和健康对照者的动态肩部超声图像 | 计算机视觉 | 肩峰下撞击综合征 | 动态超声成像 | Faster R-CNN, STL-CNN, 1D-CNN | 超声影像 | 59名SIS患者和59名对照者 | NA | Faster R-CNN, STL-CNN, 1D-CNN | 准确率, 平均距离误差 | NA |
| 3447 | 2026-06-09 |
Unraveling Glycation-Induced Structure-Function Nexus in Food Proteins: From Analytical Innovations to AI-Assisted Design
2026-05, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70477
PMID:41957905
|
综述 | 探讨糖化反应引起的食物蛋白质结构-功能关系，涵盖分析技术创新与人工智能辅助设计 | 提出利用人工智能（特别是深度学习和逆向设计）整合多维数据，预测并优化糖化模式，以加速功能性蛋白质的理性开发 | 依赖综述性质，缺乏实验验证；人工智能方法在糖化蛋白质领域的实际应用尚处于起步阶段 | 阐明糖化诱导的结构修饰如何改变蛋白质功能性能，并为功能性蛋白质的理性开发提供系统性框架 | 糖化修饰的食物蛋白质及其结构-功能关系 | 机器学习 | NA | 糖化反应、位点定位、构象分析、多源数据挖掘、深度学习 | 深度学习模型、逆向设计模型 | 结构数据、功能数据、多源数据 | NA | PyTorch, TensorFlow | 深度神经网络、逆向设计架构 | NA | NA |
| 3448 | 2026-06-09 |
Artificial Intelligence for Food Packaging: A Life Cycle-Oriented Review of Material Performance, Functionality, Safety, and Sustainability
2026-05, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70486
PMID:42021492
|
综述 | 系统分析人工智能在食品包装全生命周期中的应用，涵盖材料性能、功能、安全性和可持续性 | 提出面向生命周期的框架，将主要AI范式与食品包装六大关键领域相关联，并强调混合模型在复杂系统中的鲁棒性优势 | 数据质量、模型泛化能力和法规接受度等方面的挑战 | 评估AI在食品包装材料设计、生产优化、质量预测、安全保障、智能标签与追溯、回收等环节的应用现状与潜力 | 2021-2025年Web of Science核心合集中与AI在食品包装应用相关的同行评审研究 | 机器学习 | NA | NA | 监督学习、无监督学习、强化学习、深度学习、混合模型 | NA | NA | NA | NA | NA | NA |
| 3449 | 2026-06-09 |
DeepECG.ai: An AI-enhanced ECG analysis platform to bridge the expertise gap from primary care to cardiology
2026 May-Jun, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 提出一个集成的AI心电分析平台DeepECG.ai，以弥合初级保健与心脏病学之间的专业差距 | 开发了一个统一的平台，能够将AI模型系统化地部署到临床心电系统中，并进行全面的模型测试和评估，包括介入情境、临床工作流整合和实际鲁棒性 | 文中未提及明显的局限性，但平台依赖临床验证研究（DAISEA-ECG和HEART-AI）的进行中结果 | 构建一个易于使用的Web平台，为临床医生提供AI辅助心电分析决策支持，弥合初级保健与心脏病学之间的专业差距 | 12导联心电图数据 | 机器学习 | 心血管疾病 | 心电图（ECG）分析 | 深度学习模型 | 心电信号数据 | HEART-AI研究启动后三个月内分析了29,211份心电图，涉及285名患者，53名用户参与 | 未明确指定 | 未明确指定 | 不足一秒的推理时间 | 基于Web的安全平台，未明确具体GPU或云资源 |
| 3450 | 2026-06-09 |
Application of Whole-Genome Sequencing and Metagenomic Sequencing in Microbial Analysis of Milk Powder and Its Processing Environment: Current Findings and Challenges
2026-05, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70478
PMID:41981860
|
综述 | 综述了全基因组测序和宏基因组测序在奶粉及其加工环境微生物分析中的应用，包括当前研究成果和面临的挑战 | 系统总结了WGS和宏基因组测序在奶粉生产链微生物监测中的进展，特别关注菌株水平分辨率、低丰度微生物检测、抗生素抗性基因和毒力因子基因检测，以及机器学习与深度学习等新兴技术的整合 | 未明确说明具体局限性，但综述性质决定了可能缺乏原始实验数据的验证 | 探讨WGS和宏基因组测序在奶粉生产链微生物监测、污染源追踪和质量控制中的应用，并比较国内外微生物控制标准 | 奶粉及其加工环境中的微生物群落 | 机器学习 | NA | 全基因组测序, 宏基因组测序 | NA | 基因组测序数据 | NA | NA | NA | NA | NA |
| 3451 | 2026-06-09 |
From Machine Learning to Generative Artificial Intelligence in Urology: Technological Evolution and Future Perspectives
2026-May, International neurourology journal
IF:1.8Q3
DOI:10.5213/inj.2652134.067
PMID:42252644
|
综述 | 综述了人工智能在泌尿外科领域从传统机器学习到生成式人工智能的技术演进及未来前景 | 首次系统性地将AI在泌尿外科的应用分为机器学习、深度学习及生成式AI三个主要领域进行梳理 | NA | 探讨泌尿外科中人工智能技术的演进、应用现状与未来发展方向 | 泌尿系统疾病（如前列腺增生、输尿管狭窄、泌尿结石）及患者健康管理 | 机器学习 | 泌尿外科疾病 | NA | 机器学习、深度学习、生成式AI（大语言模型、视觉Transformer） | NA | NA | NA | 大语言模型、视觉Transformer | NA | NA |
| 3452 | 2026-06-09 |
Impact of Simulated Radiation Dose Reduction on Deep Learning-Based Renal Segmentation Performance: A Simulation Study Using the KiTS21 (2021 Kidney and Kidney Tumor Segmentation Challenge) Dataset
2026-May, International neurourology journal
IF:1.8Q3
DOI:10.5213/inj.2651124.062
PMID:42252648
|
研究论文 | 评估模拟辐射剂量降低对深度学习肾脏分割性能的影响，并确定临床可接受的最低剂量阈值 | 首次系统量化剂量降低对深度学习肾脏分割性能的影响，并识别出25%标准剂量为临床可接受的最低阈值 | 基于模拟数据，未涉及真实低剂量CT图像；仅使用单一模型架构（U-Net+ResNet34），未涵盖其他分割网络 | 定量评估模拟辐射剂量降低对深度学习肾脏分割性能的影响 | 肾脏及其肿瘤的分割性能 | 数字病理学 | 肾脏疾病 | NA | U-Net | CT图像 | 299个对比增强CT体积，含专家分割标签 | PyTorch | ResNet34编码器的2D U-Net | Dice相似系数（DSC）, 交并比, 95百分位豪斯多夫距离（HD95）, 体积误差 | NA |
| 3453 | 2026-06-09 |
Does the Timing of USMLE Step 1 Affect Performance? A Comparison of Pre- and Post-Clerkship Timing in the Pass/Fail Era
2026-Apr-30, Teaching and learning in medicine
IF:2.1Q3
DOI:10.1080/10401334.2026.2662341
PMID:42060292
|
研究论文 | 本研究比较了美国医学执照考试Step 1在临床实习前后进行的时机对通过/失败评分时代考试成绩的影响 | 首次在通过/失败评分改革背景下，系统评估Step 1考试时机对成绩的影响，并引入成就目标理论和自我决定理论作为分析框架 | 观察性研究设计无法排除未测量混淆因素，样本限于20所医学院校，且未控制学校间课程差异 | 检验在通过/失败评分体系下，USMLE Step 1考试时机（临床实习前或后）是否继续影响成绩 | 2020年入学并于2022年1月26日后参加Step 1考试的美国医学生 | 机器学习 | NA | NA | NA | 考试成绩数据 | 20所美国医学院的2020届医学生（匹配组设计） | NA | NA | 失败率、分数 | NA |
| 3454 | 2026-06-09 |
ThyroFusion: A Multi-modal Deep Learning Framework Integrating Vision and Language for Thyroid Nodule Malignancy Risk Assessment
2026-Apr-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01964-6
PMID:42020852
|
研究论文 | 提出并验证了 ThyroFusion，一种融合超声图像、分割掩膜和临床文本报告的多模态深度学习框架，用于甲状腺结节恶性风险评估 | 首次将超声图像、分割掩膜和临床文本报告通过双向跨模态注意力机制融合，并采用冻结 BioBERT 提取文本特征，显著超越单模态方法和资深放射科医生 | 未明确说明，但基于多中心回顾性研究性质，可能受限于数据选择偏倚和外部验证集样本量差异 | 开发和验证多模态深度学习框架，以提高甲状腺结节恶性风险评估的准确性 | 甲状腺结节患者，包括来自西安国际医学中心医院 (1472 例) 及两个临床中心和两个公共数据集 (DDTI 和 TN3K) 的共 6002 例病例 | 计算机视觉, 自然语言处理 | 甲状腺结节 | 超声成像, 临床文本报告 | ResNet-50, Set Transformer, BioBERT | 图像, 文本 | 1472 例 (内部训练) + 4530 例 (外部验证，来自 2 个临床中心和 2 个公共数据集 DDTI、TN3K) | PyTorch | ResNet-50, Set Transformer, BioBERT (冻结) | AUC, 95% 置信区间, p 值, ΔAUC | NA |
| 3455 | 2026-06-09 |
Generative deep learning for foundational video translation in ultrasound
2026-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47777-z
PMID:41986471
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3456 | 2026-06-09 |
Deep learning for early detection of cerebral small vessel disease using self-supervised graph embeddings and retinal image analysis
2026-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48421-6
PMID:41986421
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3457 | 2026-06-09 |
rbpCNN: a biophysics-informed deep learning model for predicting piRNA and mRNA interactions
2026-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48797-5
PMID:41974838
|
研究论文 | 提出了rbpCNN，一种生物物理学启发的深度学习模型，用于预测piRNA与mRNA之间的相互作用 | 将生物物理启发下的相互作用通道（包括兼容性通道、螺旋运行通道、位置通道和结构通道）与核苷酸对编码相结合，增强卷积神经网络预测能力 | 未在文中明确指出限制 | 提高piRNA与mRNA相互作用预测的准确性，以支持生殖细胞转录后调控研究及相关医疗领域应用 | piRNA序列与mRNA序列之间的相互作用 | 自然语言处理 | NA | NA | 卷积神经网络（CNN） | 序列数据 | 使用基准数据集和独立外部数据集进行验证 | NA | 轻量级卷积神经网络 | AUC, 准确率 | NA |
| 3458 | 2026-06-09 |
Deep learning-based pathomics signature predicts prognosis and treatment response in gastric cancer: a multicenter retrospective study
2026-Apr-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01381-6
PMID:41957258
|
研究论文 | 利用深度学习分析H&E染色切片构建胃癌病理组学特征以预测预后和治疗反应 | 提出了一种结合门控注意力机制的多尺度图神经网络（MS-GMIL）用于多实例学习，直接从H&E切片构建病理组学特征，并整合转录组数据揭示潜在病理生理机制 | NA | 建立胃癌病理组学特征以改善TNM分期系统的预后信息，并预测化疗和免疫治疗反应 | 胃癌患者 | 数字病理学 | 胃癌 | H&E染色，转录组测序 | 图神经网络 | 图像，转录组数据 | 多中心回顾性研究队列 | PyTorch | MS-GMIL（多尺度图神经网络与门控注意力机制） | 预后预测性能，独立预后因素分析 | NA |
| 3459 | 2026-06-09 |
Adults' dental cone beam computed tomography images dataset for detecting and classifying missing teeth
2026-Apr-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07156-9
PMID:41942491
|
研究论文 | 该论文提供了一个来自158名患者的成人牙科锥形束CT图像数据集，用于检测和分类缺牙，并进行了3D标注 | 提供了首个带有精确3D缺牙位置标注的CBCT数据集，特别是处理了金属伪影和现有种植体等复杂情况，并明确了伪影特征 | 未在摘要中明确提及局限性 | 解决高质量CBCT数据集稀缺问题，促进自动化牙科种植规划深度学习模型的训练 | 成人牙科CBCT图像中缺牙的检测与分类 | 数字病理学 | 缺牙症 | CBCT | 深度学习模型 | 图像 | 158名患者，包含501个缺牙部位，其中85个CBCT体数据具有114个特定部位的3D标注（4,994张切片） | NA | NA | NA | NA |
| 3460 | 2026-06-09 |
Pushing the limits of fluorescence imaging with a restoration neural network aggregating large-view statistics
2026-Apr-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71278-2
PMID:41946697
|
研究论文 | 提出一种名为LargePNet的恢复神经网络，通过聚合大视野统计信息来扩展荧光成像的极限，显著提升光子受限条件下的成像质量与计算效率 | 首次利用浅层超大核卷积提供的大有效感受野与深层网络的非线性表征能力相结合，实现大视野全局信息的有效恢复，避免了传统小补丁训练导致的保真度与抗噪性损失 | 未明确讨论网络对极端低光照条件的适应性以及可能存在的过拟合风险 | 通过设计大补丁恢复网络提升荧光成像在光子受限条件下的重建质量与计算效率 | 荧光显微镜获取的单图像、视频和体积数据，以及活细胞成像中的细胞骨架动态和超分辨率三色成像 | 计算机视觉 | NA | 荧光显微成像、超分辨率成像 | 卷积神经网络 | 图像、视频、三维体积数据 | 八个代表性恢复任务，包括单图像、视频和体积荧光数据 | PyTorch | LargePNet（基于超大核卷积与尺度分解） | 峰值信噪比 | NA |