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 43016 篇文献，本页显示第 4081 - 4100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4081 | 2026-02-19 |
Design prokaryotic cis-regulatory elements using language model
2026-Feb-05, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkag122
PMID:41693567
|
研究论文 | 本研究开发了一种名为PromoGen2的语言模型，用于设计原核生物的顺式调控元件（CREs），无需先前的实验数据 | 提出了一个基于17,000个原核基因组的预训练语言模型，实现了跨物种的零样本预测，并开发了Promoter-Factory框架，可从无注释基因组设计启动子 | 未明确提及模型在极端或罕见原核物种中的泛化能力限制 | 开发一个广泛适用的平台，为数千种原核生物设计功能性启动子，以满足合成生物学和微生物学研究的需求 | 原核生物的顺式调控元件（CREs），包括大肠杆菌、枯草芽孢杆菌、地衣芽孢杆菌、根癌农杆菌以及新分离的嗜盐细菌Jejubacter sp. L23 | 自然语言处理 | NA | 语言模型 | 语言模型 | 序列数据 | 基于17,000个原核基因组的CREs进行预训练 | NA | PromoGen2, PromoGen2-proka | 斯皮尔曼相关系数 | NA |
| 4082 | 2026-02-19 |
Explainable and physics-informed machine learning for seasonal water quality prediction in the monsoon-driven Padma River Basin, Bangladesh
2026-Feb-05, Environmental geochemistry and health
IF:3.2Q2
DOI:10.1007/s10653-026-03031-z
PMID:41642410
|
研究论文 | 本研究开发了一个结合机器学习、深度学习和物理信息神经网络的集成可解释人工智能框架，用于预测和解释孟加拉国帕德玛河流域的季节性水质动态 | 首次将可解释人工智能与物理信息神经网络相结合，用于季节性水质预测，并集成了不确定性量化和空间特征分析 | 样本量有限（44个地表水样本），且研究区域仅限于帕德玛河流域，模型的普适性有待在其他流域验证 | 开发一个可靠、可解释且物理信息增强的季节性水质预测框架，以支持数据有限流域的水质评估和管理 | 孟加拉国帕德玛河流域的地表水水质 | 机器学习 | NA | 水质指数评估、可解释建模、概率不确定性分析、空间区域化 | 深度神经网络、岭回归、投票集成模型、物理信息神经网络 | 水质参数数据（如NO、pH、DO等） | 44个地表水样本（冬季和季风季节采集） | NA | 深度神经网络、物理信息神经网络 | 相关系数、均方根误差 | NA |
| 4083 | 2026-02-19 |
Application and prospect of artificial intelligence in diagnostic imaging of prostate cancer
2026-Feb-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02354-6
PMID:41644780
|
综述 | 本文综述了人工智能在前列腺癌诊断影像学中的应用与前景 | 系统总结了人工智能在TRUS、mp-MRI和PSMA PET/CT等多种影像技术中用于前列腺癌检测、特征描述和治疗评估的最新进展，并探讨了未来多组学、可解释AI和工作流集成决策支持等方向 | 面临数据质量、模型泛化能力、临床整合及伦理方面的挑战 | 探讨人工智能技术在前列腺癌诊断影像学中的应用现状与未来发展方向 | 前列腺癌的诊断影像学 | 数字病理学 | 前列腺癌 | TRUS, mp-MRI, PSMA PET/CT | 机器学习, 深度学习 | 影像 | NA | NA | NA | 准确率 | NA |
| 4084 | 2026-02-19 |
Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study
2026-Feb-03, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005639
PMID:41631492
|
研究论文 | 本研究开发并验证了一种基于YOLO11深度学习架构的模型，用于在MRI上自动检测颈脊髓压迫 | 首次将YOLO11架构应用于颈脊髓压迫的自动化检测，并进行了两中心外部验证，模型性能与专家标注高度一致 | 研究为回顾性设计，数据来源于两个医疗中心，可能存在选择偏倚 | 开发和验证一个深度学习模型，用于自动化检测MRI上的颈脊髓压迫，以辅助退行性颈脊髓病的诊断 | 疑似退行性颈脊髓病患者的颈椎MRI图像 | 计算机视觉 | 退行性颈脊髓病 | MRI | CNN | 图像 | 735名患者的1,431张矢状位T2加权颈椎MRI图像 | NA | YOLO11 | mAP50, 精确度, 召回率 | NA |
| 4085 | 2026-02-19 |
Flexible and Robust Metasurface-Based Wearable Sensor for Intelligent Human Monitoring
2026-Feb, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202514150
PMID:41451579
|
研究论文 | 本文首次提出了一种集成拓扑保护柔性超表面技术与AI增强传感的可穿戴传感器，用于多功能人体监测 | 结合拓扑光子学与AI增强传感技术，实现动态条件下稳定性能与个性化生物特征提取 | 未明确说明传感器在极端环境下的长期稳定性或大规模临床验证结果 | 开发能克服运动伪影和机械形变限制的智能可穿戴健康监测系统 | 人体心肺动力学、生命体征、活动状态及个体身份 | 机器学习 | 慢性疾病 | 拓扑光子学、电磁波-身体相互作用 | 深度学习 | 电磁波信号 | NA | NA | NA | NA | NA |
| 4086 | 2026-02-19 |
La-Doped Mullite Bi2Fe4O9 Chemiresistive Gas Sensor for Ultra-Highly Selective Detection of Ethylene Glycol
2026-Feb, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202517585
PMID:41472488
|
研究论文 | 本文提出了一种镧掺杂莫来石型铁酸铋化学电阻式气体传感器，用于超高选择性检测乙二醇蒸气 | 通过镧掺杂实现均匀的Bi位点掺杂、增加氧空位浓度并增强气体吸附，结合原位红外光谱和DFT计算阐明了乙二醇表面氧化反应机制，并开发了集成了深度学习算法的可穿戴实时气体监测平台 | NA | 开发高选择性、高稳定性的乙二醇蒸气检测传感器，用于工业安全和环境监测 | 乙二醇蒸气 | 传感器技术 | NA | 原子分辨率成像、微化学分析、理论计算、原位红外光谱、密度泛函理论计算 | 深度学习算法 | 气体传感数据 | NA | NA | NA | 选择性、重现性、长期稳定性、检测限 | NA |
| 4087 | 2026-01-24 |
From Gorlin and Doppler Equations to Deep Learning: Is Aortic Stenosis Quantification on the Brink of a New Era?
2026-Feb, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.126.019472
PMID:41574424
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4088 | 2026-02-19 |
A novel cervical image recognition framework based on feature cognitive enhancement for improved performance
2026-Feb, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119251412982
PMID:41574558
|
研究论文 | 提出一种基于特征认知增强的新型宫颈图像识别框架，以提高分类性能 | 设计了三个新模块（特征认知筛选模块、多尺度特征分类模块和重叠采样模块），实现全局与局部特征提取、多尺度特征融合分类以及图像中的短程交互，增强模型边缘捕捉能力和解决复杂问题的熟练度 | 未明确提及，可能包括数据集规模、泛化能力或临床验证的局限性 | 通过深度学习改进宫颈图像的分类，以辅助宫颈癌的早期诊断 | 宫颈图像，分类为正常、宫颈上皮内瘤变和癌变三类 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 未明确指定，但使用了自建宫颈图像数据集和Kaggle数据集 | 未明确指定，可能为TensorFlow或PyTorch | FSMO（特征认知筛选模块、多尺度特征分类模块、重叠采样模块） | 准确率, 精确率, 召回率, F1分数 | 未明确指定 |
| 4089 | 2026-02-19 |
FPM2Stain Net: physics-guided super-resolution and multi-modal virtual staining for digital histopathology
2026-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.586327
PMID:41693888
|
研究论文 | 提出了一种名为FPM2Stain Net的端到端计算流程，将物理引导的超分辨率与基于深度学习的虚拟染色相结合，用于高分辨率、多模态数字组织病理学 | 提出了一种联合优化的端到端流程，首次将物理引导的超分辨率重建与多模态虚拟染色集成在一个框架中，实现了相对于低倍输入图像超过10倍的像素级上采样，并支持下游细胞分割和生物标志物定量分析 | 未明确提及 | 开发一种快速、可扩展且经济高效的高分辨率多模态数字组织病理学成像与虚拟染色方法 | 组织样本 | 数字病理学 | NA | 傅里叶叠层显微成像 | ResNet-U-Net, cGAN | 图像 | 模拟和真实组织数据集 | NA | ResNet-U-Net, 基于小波的空间频率融合cGAN | 重建保真度, 染色准确性 | NA |
| 4090 | 2026-02-19 |
Temporal variance mapping with machine learning for label-free 3D chromatin imaging using optical interferometric microscopy
2026-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.583584
PMID:41693892
|
研究论文 | 本研究提出了一种基于光学干涉显微镜的无标记3D染色质成像方法，通过机器学习分析时间方差映射，实现高分辨率成像 | 利用原生生物分子运动产生的快速波动散射信号，结合深度学习将无标记动态数据映射到染色质荧光图像，显著提升了轴向分辨率和成像特异性 | 未明确提及方法在复杂生物样本或长期活细胞成像中的适用性限制 | 开发一种高分辨率、无标记的3D染色质成像技术，以克服传统相位显微镜在轴向分辨率和特异性方面的限制 | 活细胞核的染色质结构，包括核仁和核斑等亚核结构 | 计算机视觉 | NA | 光学干涉显微镜，高速成像（1000帧/秒），时间方差映射 | 深度学习模型 | 图像 | 未明确提及具体样本数量，仅涉及活细胞核的光学传输图像 | NA | NA | NA | NA |
| 4091 | 2026-02-19 |
Deep cytomorphology identifies erythroid skewing and monocytic morphology to predict TKI sensitivity in CML patients
2026-Feb, HemaSphere
IF:7.6Q1
DOI:10.1002/hem3.70319
PMID:41694735
|
研究论文 | 本研究利用深度学习分析慢性髓系白血病患者的骨髓涂片，识别出与酪氨酸激酶抑制剂敏感性相关的细胞形态学标志物 | 首次通过深度学习系统分析CML骨髓细胞形态，发现红系前体细胞富集和单核细胞核分叶等新形态学标志物可预测TKI疗效，并构建了优于现有临床评分系统的整合模型 | 研究为回顾性分析，需在前瞻性队列中验证；仅使用常规染色涂片，未结合分子或遗传数据；样本来自七个中心但可能存在选择偏倚 | 探索慢性髓系白血病骨髓细胞形态特征与酪氨酸激酶抑制剂治疗反应的关系，改进风险分层 | 598名慢性髓系白血病患者的1548张骨髓穿刺涂片 | 数字病理学 | 白血病 | 常规染色（骨髓涂片染色），深度学习图像分析 | 深度学习模型 | 图像 | 598名患者，1548张涂片，来自七个医疗中心 | 未明确说明 | 未明确说明 | AUROC（受试者工作特征曲线下面积） | 未明确说明 |
| 4092 | 2026-02-19 |
Transforming nephrology through artificial intelligence: a state-of-the-art roadmap for clinical integration
2026-Feb, Clinical kidney journal
IF:3.9Q1
DOI:10.1093/ckj/sfag004
PMID:41704427
|
综述 | 本文综述了人工智能（包括机器学习、深度学习和生成式AI）在肾脏病学领域的应用现状、临床整合挑战及未来发展方向 | 系统性地整合了AI在急性肾损伤、慢性肾脏病、透析和肾移植中的新兴应用，并强调了多模态数据整合、生成式AI和自适应决策支持范式（如强化学习、数字孪生）的创新潜力 | 临床工作流程整合有限，存在数据异质性、算法偏见、可解释性不足、监管不确定性等实施挑战 | 探讨AI在肾脏病学中的临床整合路径，推动个性化、高效和公平的肾脏疾病管理 | 急性肾损伤、慢性肾脏病、透析患者和肾移植受者 | 数字病理学 | 肾脏疾病 | 电子健康记录数据分析、重症监护室遥测、多组学数据整合 | 机器学习、深度学习、生成式AI、强化学习 | 电子健康记录、遥测数据、影像、病理图像、多组学数据 | NA | NA | 大语言模型、iBox系统 | NA | NA |
| 4093 | 2026-02-19 |
Incorporating artificial intelligence into imaging for surveillance and diagnosis of liver cancer: Innovations, challenges, and clinical translation
2026-Jan-30, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001698
PMID:41616271
|
综述 | 本文综述了人工智能在肝癌监测与诊断成像中的应用、创新、挑战及临床转化前景 | 探讨了基于深度学习的模型在超声、CT和MRI中提升小肿瘤检测、病灶分割与表征的潜力，以及多模态AI整合影像、病理和分子数据的创新方向 | 面临数据隐私、监管审批、成本可持续性和算法偏见等重大挑战，需大规模前瞻性多中心验证研究确认临床效益与安全性 | 评估人工智能在肝癌全程管理（从监测到诊断）中的变革潜力，推动其临床整合 | 原发性肝癌，主要包括肝细胞癌和肝内胆管癌 | 数字病理学, 计算机视觉 | 肝癌 | 超声, 对比增强CT, MRI, 数字病理 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 4094 | 2026-02-19 |
A deep learning ensemble framework for multi-subtype renal tumor classification using contrast-enhanced CT
2026-Jan-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37283-7
PMID:41617760
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4095 | 2026-02-19 |
Identification of diagnostic and prognostic biomarkers in lung adenocarcinoma through integrated bioinformatics analysis and real time PCR validation
2026-Jan-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35971-y
PMID:41617774
|
研究论文 | 本研究通过整合生物信息学分析和实时PCR验证，识别了肺腺癌的诊断和预后生物标志物 | 结合深度学习算法预测生物标志物，并通过外部数据集和实时PCR进行验证，展示了AI在生物标志物发现中的有效性 | 样本量相对有限，特别是健康对照组仅16例，且外部验证数据集可能未覆盖所有临床亚型 | 发现肺腺癌的早期检测和生物标志物 | 肺腺癌患者和健康对照者 | 生物信息学 | 肺腺癌 | RNA-Seq, 实时PCR | 深度学习 | 基因表达数据 | 522个样本（506例肺腺癌患者，16例健康对照），外加30例患者和30例健康人的血液样本用于PCR验证 | NA | NA | 预测准确率, Brier分数, AUC, 灵敏度 | NA |
| 4096 | 2026-02-19 |
A clinically applicable and generalizable deep learning model for anterior mediastinal tumors in CT images across multiple institutions
2026-Jan-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37504-z
PMID:41617892
|
研究论文 | 本文提出了一种基于3D U-Net的深度学习模型，用于在CT图像中分割和检测前纵隔肿瘤，并在多机构数据上验证了其临床适用性和泛化性 | 首次开发并验证了一个针对罕见前纵隔肿瘤的深度学习模型，该模型在来自121个不同机构的CT图像上表现出优异的泛化能力，克服了罕见疾病数据稀缺的挑战 | 研究仅基于CT图像，未整合其他模态数据；模型性能可能受限于训练数据的规模和多样性；未在实时临床环境中进行前瞻性验证 | 开发一个临床适用且泛化能力强的深度学习模型，用于辅助诊断前纵隔肿瘤 | 前纵隔肿瘤，包括胸腺瘤和胸腺癌 | 数字病理 | 胸腺癌 | CT成像 | CNN | CT图像 | 711张CT图像，来自136家医院的136名不同患者（339名男性，372名女性） | NA | 3D U-Net | Dice分数, IoU, 精确率, 召回率, 灵敏度, 假阳性率 | NA |
| 4097 | 2026-02-19 |
Leveraging universal and transfer learning models for influenza prediction in Thailand
2026-Jan-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37855-7
PMID:41617916
|
研究论文 | 本研究开发了基于深度学习的通用模型和迁移学习模型，用于预测泰国多个省份的流感发病率，以应对数据有限地区的预测挑战 | 通过通用深度学习框架和迁移学习技术，在缺乏气象和PM10数据的省份实现高精度流感预测，并采用特征选择过程优化模型泛化能力 | 研究主要基于2010-2019年的泰国数据，可能无法完全反映其他地区或更广泛时间范围内的流感趋势 | 开发准确的流感发病率预测模型，以支持公共卫生监测和资源优化分配 | 泰国多个省份的流感发病率数据 | 机器学习 | 流感 | 深度学习, 迁移学习 | 深度学习模型 | 时间序列数据 | 2010年至2019年泰国多个省份的流感发病率数据 | NA | 单隐藏层模型（128节点） | 准确率 | NA |
| 4098 | 2026-02-19 |
Satellite-based oil spill detection using an explainable ViR-SC hybrid deep learning ensemble for improved accuracy and transparency
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37081-1
PMID:41611916
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4099 | 2026-02-19 |
A comparative evaluation of time-series models for forecasting inpatient deaths and discharges against medical advice
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37913-0
PMID:41611928
|
研究论文 | 本研究比较了六种时间序列预测模型在预测中国两家三甲医院月度住院死亡率和非医嘱离院率方面的性能 | 首次系统比较了包括传统统计模型、深度学习模型及预训练概率模型Chronos在内的多种方法在住院死亡率和非医嘱离院率预测任务上的表现，并评估了预训练模型在小样本数据上的适用性 | 研究仅基于两家医院的数据，样本量较小，且LSTM模型因数据量不足和模型复杂度高而泛化能力有限 | 评估不同时间序列预测模型在医疗质量监测关键指标（住院死亡率和非医嘱离院率）上的预测性能，为医院管理提供决策支持 | 中国两家三甲医院2018年1月至2024年12月的月度住院死亡率和非医嘱离院率数据 | 机器学习 | NA | 时间序列分析 | ARIMA, Grey Model, NNETAR, LSTM, Prophet, Chronos | 时间序列数据 | 两家医院2018年1月至2024年12月的月度数据（约84个月数据点） | NA | LSTM, Chronos（预训练概率模型） | RMSE, MAE, MAPE | NA |
| 4100 | 2026-02-19 |
Asymmetric fiber orientation distribution estimation via unsupervised deep learning
2026-Jan-29, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103968
PMID:41702180
|
研究论文 | 本研究提出了一种名为Recursive-a-fODF的无监督深度学习框架，用于从扩散磁共振成像数据中直接估计非对称纤维取向分布函数，以改进脑结构连接的重建精度 | 提出了一种递归校准的无监督深度学习框架，无需外部解剖学先验知识，直接从数据本身动态估计白质响应函数，实现了非对称纤维取向分布函数的纯数据驱动估计 | 未明确说明模型在更广泛疾病类型或更大规模临床队列中的泛化能力，也未详细讨论计算效率与实时处理性能 | 解决传统纤维追踪技术中纤维取向分布函数强制对称的局限性，提高复杂纤维配置的解析能力 | 离体狨猴脑数据、在体人类数据集以及神经退行性和精神疾病临床队列 | 医学影像分析 | 神经退行性疾病, 精神疾病 | 扩散磁共振成像 | 深度学习 | 医学影像数据 | 未明确说明具体样本数量，但包含离体狨猴脑数据、在体人类数据集及临床队列 | 未明确说明 | 递归估计器 | 未明确说明具体指标，但提及在解析复杂纤维配置方面表现优越 | NA |