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 44481 篇文献，本页显示第 3541 - 3560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3541 | 2026-04-01 |
Deep Learning for Medical Ultrasound Image Segmentation: A Systematic Review of the Current Research
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01931-1
PMID:41912960
|
综述 | 本文对基于深度学习的医学超声图像分割研究现状进行了系统性综述 | 提供了基于PRISMA 2020指南的全面文献分析，涵盖296篇最新研究，并识别了新兴模型（如ViT、SAM）的应用趋势 | 当前研究普遍缺乏计算资源信息，且模型性能评估存在不足 | 综述深度学习在医学超声图像分割领域的研究进展与应用现状 | 医学超声图像 | 计算机视觉 | NA | 深度学习 | CNN, ViT, CNN/ViT混合模型, SAM | 图像 | NA | NA | U-Net | NA | NA |
| 3542 | 2026-04-01 |
Diagnostic Improvement in Endoleak Detection: The Role of Low-energy Virtual Monochromatic CT and Deep Learning Reconstruction
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01949-5
PMID:41912962
|
研究论文 | 评估低能量虚拟单色CT成像结合深度学习图像重建在检测内漏中的诊断性能 | 首次将低能量虚拟单色CT成像与深度学习图像重建技术结合，用于内漏检测，显著提高了诊断置信度和准确性 | 研究为回顾性设计，样本量较小（71例患者），且仅基于CT数据，未考虑其他影像模态或临床因素 | 评估低能量虚拟单色CT成像结合深度学习图像重建在内漏检测中的诊断性能 | 接受血管内主动脉修复术后进行对比增强CT扫描的患者 | 医学影像分析 | 心血管疾病 | 对比增强CT扫描，虚拟单色CT成像，深度学习图像重建 | 深度学习 | CT图像 | 71例患者，其中41例（58%）检测到内漏 | NA | TrueFidelity-H | AUC, 诊断置信度评分 | NA |
| 3543 | 2026-04-01 |
A Comparative Study of IVIM-MRI Fitting Techniques in Glioma Grading: Conventional, Bayesian, and Voxel-Wise and Spatially-Aware Deep Learning Approaches
2026-Mar-30, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70301
PMID:41913432
|
研究论文 | 本研究比较了传统、贝叶斯和基于深度学习的IVIM-MRI拟合技术在胶质瘤分级中的应用，特别关注了空间感知Transformer方法的性能 | 首次在胶质瘤分级中评估并比较了传统、贝叶斯及基于深度学习的IVIM拟合方法，特别是引入了新颖的空间感知Transformer架构（NATTEN-17和SA-17），这些方法在模拟和体内数据中均显示出优越的准确性和视觉质量 | 研究为回顾性设计，样本量较小（仅20例患者），且缺乏外部验证，可能限制结果的普遍适用性 | 评估不同IVIM-MRI拟合方法在胶质瘤患者中的性能，以提高肿瘤分级的准确性 | 胶质瘤患者（包括2级、3级和4级）的术前扩散加权MRI数据，以及基于分形噪声的模拟数据 | 医学影像分析 | 胶质瘤 | IVIM-MRI（体素内不相干运动磁共振成像），扩散加权成像（DWI） | 深度学习，Transformer | MRI图像 | 20例胶质瘤患者（5例2级，3例3级，12例4级）的术前DWI数据，以及分形噪声模拟数据 | NA | IVIM-NET, NATTEN-17, SA-17 | 中位数绝对百分比误差（MDAPE），中位数百分比误差，ROC曲线下面积（AUC） | NA |
| 3544 | 2026-04-01 |
Artificial Intelligence in Diabetes Care
2026-Mar-30, Diabetes, obesity & metabolism
DOI:10.1111/dom.70720
PMID:41913548
|
综述 | 本文综述了人工智能在糖尿病护理中的当前和新兴应用，重点讨论了临床准备度、证据强度及实施考量 | 区分了算法自动化控制方法与基于机器学习的模型（如深度学习和大型语言模型），并强调了其在临床证据标准、安全风险和治理需求上的差异 | NA | 总结人工智能在糖尿病护理中的应用，并评估其临床就绪状态、证据支持及实施要求 | 糖尿病护理中的算法工具，包括自动化胰岛素输送系统、机器学习模型及新兴技术如大型语言模型、可穿戴设备和数字孪生框架 | 机器学习 | 糖尿病 | 连续血糖监测、连接胰岛素输送设备、电子健康记录数据分析 | 深度学习, 大型语言模型 | 临床数据，包括高频生理数据、电子健康记录 | NA | NA | NA | NA | NA |
| 3545 | 2026-04-01 |
Transformer-based super-resolution lung CT images improve visualization of multiple diseases
2026-Mar-30, The British journal of radiology
DOI:10.1093/bjr/tqag069
PMID:41915020
|
研究论文 | 本研究评估了基于Transformer的Swin2SR模型在肺部CT图像超分辨率增强中的应用及其临床潜力 | 首次将Transformer架构的Swin2SR模型应用于肺部CT图像的超分辨率增强，显著提升了放射科医生对图像质量和病灶可见性的主观评分 | 研究为回顾性设计，样本量相对有限（303例），且仅评估了主观评分，缺乏客观诊断性能指标的验证 | 评估深度学习模型在医学图像超分辨率增强中的效果，以改善肺部疾病的CT图像可视化 | 来自三家医院的303例患者的胸部CT扫描图像，涵盖13种主要肺部疾病 | 计算机视觉 | 肺癌 | CT扫描 | Transformer | 图像 | 303例患者 | NA | Swin2SR | 图像噪声, 信噪比, 5点Likert量表评分 | NA |
| 3546 | 2026-04-01 |
Deep learning-based infrared thermography reveals reproducible uniform and individual thermoregulatory responses during running
2026-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44102-6
PMID:41904286
|
研究论文 | 本研究利用深度学习辅助的红外热成像技术，探讨了跑步期间皮肤温度指标的重复性及其与心肺和体温调节参数的关系 | 首次将深度学习应用于红外热成像数据的自动处理，以标准化感兴趣区域选择，并揭示了皮肤温度指标在重复运动中的高重复性和生理一致性 | 样本量较小（仅11名耐力训练个体），且研究仅针对跑步运动，可能限制了结果的普适性 | 评估深度学习辅助红外热成像在运动生理学中监测体温调节和心肺反应的重复性和生理相关性 | 11名耐力训练的个体 | 计算机视觉 | NA | 红外热成像 | 深度学习 | 图像 | 11名耐力训练的个体 | NA | NA | 皮尔逊相关系数, ICC值 | NA |
| 3547 | 2026-04-01 |
Multimodal and Hyperspectral Dataset for Segmentation of Bulky Waste using VIS, IR, NIR, and Terahertz Imaging
2026-Mar-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07053-1
PMID:41896252
|
研究论文 | 本研究提出了一个多传感器、多模态和高光谱数据集，用于支持基于深度学习的笨重废物分类与分割 | 结合了可见光、近红外高光谱、热红外和太赫兹成像四种互补传感器模态，并提供了像素级对齐的多模态数据融合 | NA | 开发一个多模态数据集以支持废物分类中的深度学习应用 | 笨重废物（如木材和非木材材料） | 计算机视觉 | NA | 可见光成像、近红外高光谱成像、热红外成像、太赫兹成像 | CNN | 图像 | 56个注册多传感器场景，划分为22,659个标注补丁 | NA | NA | NA | NA |
| 3548 | 2026-04-01 |
Progress and new challenges in image-based profiling
2026-Mar-27, Molecular systems biology
IF:8.5Q1
DOI:10.1038/s44320-026-00197-7
PMID:41896452
|
综述 | 本文回顾了基于图像的细胞表型分析在计算领域的发展，重点介绍了从特征提取到归一化和批次校正的生物信息学过程，以及深度学习对该领域的重塑 | 深入探讨了深度学习如何从根本上重塑基于图像的细胞表型分析领域，并强调了单细胞分析、稳健相似性度量以及新模态（如光学池筛选、时间成像和3D类器官分析）扩展等关键方法学进展 | 该领域仍面临重大挑战，特别是在开发新兴时间和3D数据模态的方法、建立稳健的质量控制标准和工作流程以及解释处理后的特征方面 | 为研究人员提供导航基于图像的细胞表型分析领域进展和新挑战的路线图 | 基于图像的细胞表型分析的计算方法和应用 | 数字病理学 | NA | 显微镜成像、光学池筛选、时间成像、3D类器官分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 3549 | 2026-04-01 |
A dataset of insect sounds from 459 species for bioacoustic machine learning
2026-Mar-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07123-4
PMID:41896561
|
研究论文 | 本文介绍了一个名为InsectSet459的大规模昆虫声音数据集，包含来自459个物种的26298个音频文件，旨在支持生物声学机器学习研究 | 首次提供了一个适用于深度学习的大规模昆虫声音数据集，覆盖了广泛的频率范围和物种多样性 | 数据集主要限于Orthoptera和Cicadidae两个科的物种，且音频录制使用了不同的采样率，可能带来处理挑战 | 开发自动识别昆虫声音的方法，以监测全球生物多样性变化 | 昆虫声音，特别是Orthoptera（310种）和Cicadidae（149种）的音频数据 | 生物声学机器学习 | NA | 音频录制 | 深度学习分类器 | 音频文件 | 26298个音频文件（226.6小时），来自459个物种 | NA | NA | NA | NA |
| 3550 | 2026-04-01 |
What does it take to learn the rules of RNA base pairing? A lot less than you may think
2026-Mar-26, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-09921-3
PMID:41888287
|
研究论文 | 本文探讨了使用少量参数和序列数据，通过概率模型和深度学习技术，重新发现RNA碱基配对规则的可能性 | 提出了一种无需结构或比对信息、仅需少量参数和序列数据即可学习RNA碱基配对规则的方法 | 模型仅包含21个参数，可能无法捕捉更复杂的RNA结构或相互作用 | 研究RNA碱基配对规则的最小学习需求 | RNA序列及其碱基配对规则 | 自然语言处理 | NA | 深度学习, 自动微分, 随机梯度下降 | 随机上下文无关文法 | RNA序列 | 至少50个RNA序列，测试集包含1094个序列来自22个RNA家族 | 自动微分框架 | 随机上下文无关文法 | NA | NA |
| 3551 | 2026-04-01 |
Artificial intelligence for detection, grading, and prognostication in prostate cancer pathology: A scoping review
2026-Mar-25, Histology and histopathology
IF:2.5Q2
DOI:10.14670/HH-25-059
PMID:41808601
|
综述 | 本文对人工智能在前列腺癌病理学中用于检测、分级和预后预测的应用进行了范围综述 | 综述了AI在病理学中的最新进展，包括基于深度学习的Gleason分级、预后标志物量化、分子改变预测以及多模态模型整合，并指出了新兴的自监督预训练、基于Transformer的图像模型和语言-视觉系统等未来方向 | 大多数研究为回顾性，终点异质性大；模型在新站点测试时性能常因患者群体和切片制备差异而下降；缺乏大型、高质量标注数据集，技术变异影响可重复性 | 综述人工智能在前列腺癌病理学领域的应用现状、进展与挑战 | 前列腺癌的病理学图像、临床数据及相关AI研究 | 数字病理学 | 前列腺癌 | 机器学习，深度学习 | CNN, 大语言模型 | 组织学图像，临床文本 | NA | NA | 卷积神经网络，Transformer | 准确率 | NA |
| 3552 | 2026-04-01 |
Imaging-Based Prediction of Key Breast Cancer Biomarkers Using Deep Learning on Digital Breast Tomosynthesis
2026-Mar-24, European journal of breast health
IF:1.3Q4
|
研究论文 | 本研究评估了使用深度学习模型在数字乳腺断层合成（DBT）图像上非侵入性预测乳腺癌关键生物标志物的可行性 | 首次将深度学习模型应用于DBT图像，用于非侵入性预测多种乳腺癌生物标志物，包括ER、PR、HER2、Ki-67和TNBC | 样本量较小（43例），为回顾性单中心研究，需要更大规模、多中心的前瞻性研究进行验证 | 评估深度学习模型在DBT图像上预测乳腺癌生物标志物的可行性，以作为虚拟活检辅助病理诊断和治疗规划 | 经组织病理学确诊的浸润性乳腺癌患者 | 数字病理学 | 乳腺癌 | 数字乳腺断层合成（DBT）成像，免疫组织化学评估 | CNN | 图像 | 43名匿名女性患者 | NA | VGG19, ResNet50 | 准确率, AUC, F1分数, 马修斯相关系数 | NA |
| 3553 | 2026-04-01 |
Deep learning using electroencephalogram (EEG) data for diagnosing and predicting SSRI response in major depressive disorder
2026-Mar-23, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01394-z
PMID:41872325
|
研究论文 | 本研究利用深度学习算法分析脑电图数据，用于诊断重度抑郁症并预测患者对SSRI药物的治疗反应 | 首次将深度学习应用于多个独立脑电图数据集，结合Grad-CAM技术解释分类特征，并模拟临床决策场景评估模型对治疗选择的改善效果 | 样本量相对有限（健康对照146例，患者203例），模型准确率仍有提升空间，且结果需在更广泛人群中验证 | 开发基于脑电图和深度学习的客观诊断工具，实现重度抑郁症的精准诊断和个性化治疗预测 | 重度抑郁症患者和健康对照者的脑电图数据 | 机器学习 | 重度抑郁症 | 脑电图 | 深度学习模型 | 脑电图信号 | 健康对照146例，患者203例，总计349例 | NA | NA | 准确率 | NA |
| 3554 | 2026-04-01 |
Integration of alternative fragmentation techniques into standard LC-MS workflows using a single deep learning model enhances proteome coverage
2026-Mar-23, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-026-03042-9
PMID:41872372
|
研究论文 | 本文开发了一个集成质谱平台，通过深度学习模型整合多种碎片化技术，以增强蛋白质组覆盖范围 | 开发了一个统一的Prosit深度学习模型，能够预测所有解离方法的谱图，并集成到FragPipe的MSBooster模块中，平均提高蛋白质鉴定率超过10% | 未明确说明模型在处理特定复杂样本或极端条件下的局限性 | 增强蛋白质组学中碎片化技术的整合与应用，提高蛋白质鉴定效率和覆盖范围 | 蛋白质组学中的肽段序列和蛋白质鉴定 | 质谱分析, 深度学习 | NA | 碰撞诱导解离(CID), 电子诱导解离, 紫外光解离, 质谱技术 | 深度学习模型 | 质谱数据 | NA | NA | Prosit | 蛋白质鉴定率, 序列覆盖范围 | NA |
| 3555 | 2026-04-01 |
Quantification via gaussian latent space representations
2026-Mar-22, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108886
PMID:41911650
|
研究论文 | 本文提出了一种基于高斯潜在空间表示的端到端神经网络方法，用于直接优化量化（即类别流行度估计）任务 | 通过高斯分布在潜在空间中获取样本袋的不变表示，避免了依赖中间分类器的传统方法，将量化问题转化为直接优化问题 | 未在摘要中明确说明 | 开发一种端到端的深度学习量化方法，以直接估计样本袋中各类别的流行度 | 样本袋（bags of examples）及其类别分布 | 机器学习 | NA | NA | 神经网络 | NA | NA | NA | GMNet（基于高斯潜在空间表示的端到端神经网络） | NA | NA |
| 3556 | 2026-04-01 |
Deep learning-guided dual-fitness evolution of T7 RNA polymerase for enhanced stability and activity
2026-Mar-19, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkag259
PMID:41873756
|
研究论文 | 本研究提出了一种结合深度学习与湿实验多目标筛选的数据驱动进化策略，用于同时提升T7 RNA聚合酶的稳定性和高温活性 | 开发了耦合深度学习与多目标筛选的进化策略，通过独立模型微调处理不同性状，有效探索适应度景观以识别有益突变组合 | 未明确说明深度学习模型的可解释性、实验验证的样本规模限制以及策略在其他蛋白质体系中的普适性 | 实现蛋白质工程中多个适应度属性的同步优化 | T7 RNA聚合酶（T7 RNAP） | 机器学习 | NA | 深度学习引导的进化策略、湿实验多目标筛选 | 深度学习模型 | 序列数据、实验测量数据（热稳定性、活性等） | 经过五轮迭代进化获得的T7 RNAP突变体 | NA | NA | 熔解温度（Tm）提升值、高温活性增强倍数、副产物含量降低百分比 | NA |
| 3557 | 2026-04-01 |
Reinforcing smart grid resilience through blockchain-supported deep learning models for theft detection
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38824-w
PMID:41844675
|
研究论文 | 本文提出了一种结合LSTM-Autoencoder深度学习模型和区块链技术的框架，用于智能电网中的电力盗窃检测 | 创新点在于将LSTM-Autoencoder模型与区块链技术集成，以增强对长期时间依赖性的捕捉、异常检测的准确性，并通过去中心化日志机制确保数据安全与透明度 | 未明确提及具体的数据集规模限制、模型在极端异常情况下的泛化能力，或区块链部署的实际成本与性能开销 | 研究目标是提高智能电网中电力盗窃检测的准确性、安全性和透明度 | 研究对象是智能电网中的电力消费数据及其异常模式 | 机器学习 | NA | 深度学习，区块链技术 | LSTM, Autoencoder | 序列数据（时间序列电力消费数据） | NA | TensorFlow, Keras, PyTorch | LSTM-Autoencoder | 准确率 | NA |
| 3558 | 2026-04-01 |
A deep-learning-based early warning system for abnormal eye conditions in chickens
2026-Mar-03, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2026.106735
PMID:41846079
|
研究论文 | 本研究开发了一种基于深度学习的预警系统，用于检测鸡群中的异常眼部状况，以评估鸡群健康 | 首次将YOLOv7深度学习模型应用于鸡群异常眼部状况的自动检测与量化，并建立了异常眼部比例与死亡率之间的时间滞后关联，为鸡群健康提供早期预警指标 | 研究仅在台湾的红羽土鸡养殖场中进行，样本类型和地理范围有限，可能影响模型的泛化能力 | 开发一种自动化系统以减少人工巡检负担并提前预警鸡群健康问题 | 鸡群中的异常眼部状况 | 计算机视觉 | 禽类疾病 | 图像采集与数据增强 | CNN | 图像 | 三个生产周期的红羽土鸡（每个周期约15,000-20,000只） | YOLOv7 | YOLOv7 | 精确度, 召回率, F1分数 | NA |
| 3559 | 2026-04-01 |
Detecting Extrachromosomal DNA from Routine Histopathology
2026-Mar-02, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.27.708546
PMID:41847039
|
研究论文 | 本研究开发了一种基于常规H&E染色全切片病理图像的深度学习框架，用于推断肿瘤中的染色体外DNA状态 | 首次利用常规病理图像而非专门基因组检测来推断ecDNA状态，通过弱监督深度学习框架实现端到端检测，并揭示了ecDNA在组织形态上的可重复足迹 | 依赖于现有病理图像数据，可能受图像质量和染色差异影响，且需进一步验证以确认其作为分子检测前筛选工具的可靠性 | 开发一种从常规病理图像中检测染色体外DNA的方法，以促进肿瘤的分子检测筛选 | 来自癌症基因组图谱的十二种癌症类型的肿瘤样本 | 数字病理学 | 癌症 | H&E染色全切片病理成像 | 深度学习 | 图像 | 来自十二种癌症类型的肿瘤样本，具体数量未在摘要中明确 | NA | NA | NA | NA |
| 3560 | 2026-04-01 |
Use of Electrocardiograms to Identify Coronary Artery Disease: Cross-Validation of an Artificial Intelligence Model
2026-Mar, JACC. Advances
DOI:10.1016/j.jacadv.2025.102573
PMID:41616590
|
研究论文 | 本研究开发并验证了一种基于深度学习的人工智能模型，利用静息12导联数字心电图预测冠状动脉疾病 | 首次开发了一种深度学习AI模型，能够通过非侵入性的心电图数据预测冠状动脉疾病，为CAD诊断提供了一种新的无创筛查工具 | 研究为回顾性设计，可能存在选择偏倚；模型在外部验证集中的阳性预测值有所下降 | 开发并验证一种基于心电图的人工智能模型，用于预测冠状动脉疾病 | 接受冠状动脉造影的患者 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 数字信号 | 16,476名患者 | NA | NA | 阳性预测值, 阴性预测值, 曲线下面积 | NA |