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 42795 篇文献，本页显示第 4161 - 4180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4161 | 2026-02-14 |
Predicting cardiovascular events from routine mammograms using machine learning
2026-Feb-12, Heart (British Cardiac Society)
DOI:10.1136/heartjnl-2025-325705
PMID:40957672
|
研究论文 | 本研究开发并测试了一种基于常规乳腺X光检查图像的深度学习算法，用于预测女性心血管事件风险 | 利用深度学习模型（基于DeepSurv架构）从常规乳腺X光检查图像中预测心血管风险，为女性心血管风险筛查提供了新方法 | 研究仅基于乳腺X光检查特征和年龄进行预测，未整合更多临床变量，且模型性能与传统工具相似，未显著超越 | 开发一种基于机器学习的心血管事件预测方法，以改善女性心血管风险评估 | 女性群体，特别是接受筛查乳腺X光检查的中年女性 | 机器学习 | 心血管疾病 | 乳腺X光检查 | 深度学习模型 | 图像 | 49196名女性，中位随访8.8年，其中3392人经历首次主要心血管事件 | NA | DeepSurv | concordance index, Harrells C-statistic | NA |
| 4162 | 2026-02-14 |
Integrating Medicinal Chemist Expertise with Deep Learning for Automated Molecular Optimization
2026-Feb-12, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.5c03746
PMID:41617158
|
研究论文 | 本研究整合了药物化学家专业知识与深度学习，构建了自动化分子优化平台AutoOptimizer，并基于近9000个专家策略建立了首个深度学习生成的分子优化策略数据库 | 首次基于药物化学家专业知识构建深度学习生成的分子优化策略数据库，并开发了整合专家策略与图深度学习的自动化优化平台 | 未明确说明模型在更广泛靶点或复杂分子结构上的泛化能力，以及平台对计算资源的具体需求 | 开发自动化分子优化平台以加速先导化合物优化和药物发现进程 | 分子结构优化策略、FGFR4和HPK1靶点抑制剂 | 机器学习 | NA | 图深度学习 | 图神经网络 | 分子结构数据、专家策略文本 | 近9000个从药物化学文献中提取的分子优化策略 | NA | MolOpt（基于图深度学习的框架） | IC50值（17.6 nM和46.5 nM）、优化倍数（77.6倍和51.6倍） | NA |
| 4163 | 2026-02-14 |
Coded Event Focal Stack for Continuous Refocusing in Dynamic Scene
2026-Feb-12, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3664082
PMID:41678483
|
研究论文 | 本文提出了一种名为编码事件焦栈的新方法，通过在调制焦距扫描期间记录的事件流捕获运动和深度信息，以实现动态场景中的连续重聚焦 | 引入编码事件焦栈，结合事件流和调制焦距扫描，能够生成任意焦距下的全时间中间帧，在动态场景中实现优越的重聚焦能力 | 未明确提及具体限制，但可能涉及事件流采集的硬件要求或复杂运动场景下的性能边界 | 解决传统相机在动态场景中因镜头限制导致的聚焦问题，开发连续重聚焦技术 | 动态场景中的运动和深度信息 | 计算机视觉 | NA | 事件流采集、调制焦距扫描 | NA | 事件流、合成和真实世界数据集 | 未明确指定样本数量，但涉及合成和真实世界数据集 | NA | NA | 未明确指定，但可能包括重聚焦准确性和时空一致性指标 | NA |
| 4164 | 2026-02-14 |
Facial Botox Injection Point Detection Using YOLOv8 Enhanced with CBAM and BiFPN: A Multi-Perspective Deep Learning Approach
2026-Feb-12, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01867-6
PMID:41680574
|
研究论文 | 本研究提出了一种基于YOLOv8增强的物体检测框架，通过集成CBAM和BiFPN模块，用于在面部图像上精确检测肉毒杆菌注射点 | 首次将CBAM注意力模块和BiFPN特征金字塔网络集成到YOLOv8框架中，用于肉毒杆菌注射点检测，并在小皱纹定位任务上取得了显著改进 | 研究仅在一个新的高分辨率数据集上进行评估，未在更广泛的数据集或实际临床环境中验证 | 开发自动化系统以准确、一致地识别面部肉毒杆菌注射点，辅助美容皮肤科临床决策 | 面部图像中的肉毒杆菌注射点 | 计算机视觉 | NA | 深度学习物体检测 | CNN | 图像 | NA | PyTorch | YOLOv8, CBAM, BiFPN | mAP@0.5 | NA |
| 4165 | 2026-02-14 |
Confidence-based prediction of antibiotic resistance at the patient level
2026-Feb-11, mBio
IF:5.1Q1
DOI:10.1128/mbio.03431-25
PMID:41575464
|
研究论文 | 本研究提出了一种基于深度学习的模型，利用患者数据和抗生素敏感性测试结果来预测未测量的抗生素敏感性 | 该方法首次结合患者数据和抗生素敏感性测试结果，利用Transformer模型预测抗生素耐药性，并采用一致性预测来评估预测不确定性 | 模型在青霉素和喹诺酮类抗生素的耐药性预测中显示出较高的主要错误率 | 开发一种快速、准确的抗生素耐药性预测方法，以支持临床决策并减少抗生素过度使用 | 细菌感染患者及其抗生素敏感性测试结果 | 机器学习 | 细菌感染 | 抗生素敏感性测试 | Transformer | 文本数据 | 来自30个欧洲国家的300万份抗生素敏感性测试结果 | NA | Transformer | 准确率, 主要错误率, 非常主要错误率 | NA |
| 4166 | 2026-02-14 |
Noninvasive Staging of Hepatic Fibrosis in Patients with Autoimmune Liver Disease Using Deep Learning
2026-Feb-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.01.029
PMID:41680010
|
研究论文 | 本研究开发并验证了一种基于深度学习的非侵入性模型，利用常规二维B超图像对自身免疫性肝病患者的肝纤维化进行分期 | 首次将深度学习模型应用于基于常规二维B超图像的非侵入性肝纤维化分期，以替代有创的肝穿刺活检 | 研究为回顾性设计，样本量相对有限，且模型性能在外部验证集中略有下降 | 开发一种非侵入性方法，用于准确分期自身免疫性肝病患者的肝纤维化，以指导治疗 | 自身免疫性肝病患者 | 数字病理学 | 自身免疫性肝病 | 二维B超成像 | CNN | 图像 | 306名患者（内部训练/验证/测试集245名，外部测试集61名） | NA | ResNet34 | 宏平均AUC, 微平均AUC | NA |
| 4167 | 2026-02-14 |
Clinical feasibility test of 60 kVp double-low-dose coronary CT angiography with a deep learning reconstruction algorithm
2026-Feb-10, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-026-02223-6
PMID:41665766
|
研究论文 | 本研究测试了采用深度学习重建算法的60 kVp双低剂量冠状动脉CT血管成像在临床中的可行性 | 首次将深度学习重建算法应用于60 kVp双低剂量冠状动脉CT血管成像，以显著降低辐射剂量和造影剂用量，同时保持与常规剂量成像在冠状动脉狭窄和CT-FFR评估方面的高一致性 | 样本量相对较小（89例患者），且研究为单中心前瞻性设计，可能需要更大规模的多中心验证 | 评估60 kVp双低剂量冠状动脉CT血管成像结合深度学习重建算法在临床应用的可行性 | 已知或疑似冠状动脉疾病的患者 | 医学影像 | 心血管疾病 | 冠状动脉CT血管成像 | 深度学习重建算法 | 医学影像 | 89例患者（44名女性，平均年龄59.9±13.2岁，平均BMI 23.1±3.3 kg/m²） | NA | NA | 特异性, 阳性预测值, 准确率, AUC, 图像质量评分, 信噪比, 对比噪声比 | NA |
| 4168 | 2026-02-12 |
Reply: Deep learning and digital pathology power prediction of HCC development in steatotic liver disease
2026-Feb-10, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001697
PMID:41665974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4169 | 2026-02-14 |
Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins
2026-Feb-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02389
PMID:41574593
|
研究论文 | 本文开发了名为Deep GIST的深度学习模型，用于快速预测蛋白质周围水合热力学量的空间分布，以替代计算密集的网格非均匀溶剂化理论方法 | 首次将深度学习应用于蛋白质水合热力学分布预测，将计算时间从数十小时缩短至数十秒，并能够考虑蛋白质构象波动 | Δ()和Δ()的预测决定系数较低，模型性能有待进一步提升 | 开发高效准确的深度学习模型，用于预测蛋白质周围水合热力学量的空间分布 | 蛋白质周围的水合热力学分布，包括水合自由能Δ()、水合能Δ()和水合熵Δ() | 机器学习 | NA | 分子动力学模拟，深度学习 | 深度学习模型 | 分子动力学模拟数据 | NA | NA | NA | 决定系数，相关系数 | 单个图形处理单元 |
| 4170 | 2026-02-14 |
Better Inputs, Better Learning: A Peptide Embedding Tutorial for Proteomic Mass Spectrometry
2026-Feb-06, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.5c00563
PMID:41528974
|
技术说明 | 本文介绍了一个关于肽嵌入的教程，通过Google Colab笔记本教授五种不同的肽嵌入策略，旨在帮助研究人员将现代深度学习应用于蛋白质组学工作流 | 提供了首个专注于肽嵌入准备步骤的全面教育材料，填补了蛋白质组学与深度学习社区之间的知识空白，并通过免费笔记本降低学习门槛 | 作为技术说明，可能未涵盖所有嵌入方法或深入探讨高级模型细节，且主要面向初学者 | 教育蛋白质组学研究人员如何为深度学习准备肽数据，特别是通过嵌入策略优化输入表示 | 肽字符串及其在质谱蛋白质组学中的嵌入表示 | 机器学习 | NA | 质谱蛋白质组学，深度学习 | NA | 肽序列数据 | NA | Google Colab | NA | 基准比较（未指定具体指标） | Google Colab（云平台） |
| 4171 | 2026-02-14 |
MDFNet: a multi-dimensional feature fusion model based on structural magnetic resonance imaging representations for brain age estimation
2026-Feb, Magma (New York, N.Y.)
DOI:10.1007/s10334-025-01294-8
PMID:40965801
|
研究论文 | 本研究提出了一种基于结构磁共振成像的多维特征融合模型MDFNet，用于提升脑年龄估计的准确性 | 通过整合全脑、灰质体积组织分割、脑网络节点消息传递、基于边的图路径卷积及人口统计学数据，构建了统一的多维特征融合模型 | 模型仅在健康受试者和阿尔茨海默病患者中进行验证，未涵盖其他神经退行性疾病或更广泛的人群 | 开发一种基于结构MRI的脑年龄估计模型，以更好地理解衰老过程及其与神经退行性疾病的关系 | 健康受试者和阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | CNN, GCN, MLP | 图像, 图数据, 人口统计学数据 | 1872名健康受试者（来自四个公共数据集）及一个独立的阿尔茨海默病患者队列 | NA | MDFNet（包含WBEC-channel, TEC-channel, nodeGCN-channel, edgeGCN-channel, MLP-channel） | 平均绝对误差, 皮尔逊相关系数, 斯皮尔曼等级相关系数 | NA |
| 4172 | 2026-02-14 |
Comparing guideline adherence and readability: Artificial intelligence with deep learning versus specialized physicians in peripheral artery disease management
2026-Feb, Vascular medicine (London, England)
DOI:10.1177/1358863X251386394
PMID:41410030
|
研究论文 | 本研究比较了人工智能模型与专科医生在管理外周动脉疾病时对指南的遵循程度和回答的可读性 | 首次在拉丁美洲背景下，将标准大型语言模型和思维链推理模型与专科医生的临床建议进行直接比较，并评估其指南遵循性和可读性 | 研究为横断面设计，样本量较小（30名医生和13个AI模型），且仅基于一个标准化病例，可能无法完全反映真实临床实践的复杂性 | 评估和比较人工智能模型与专科医生在外周动脉疾病管理中的临床建议质量 | 外周动脉疾病患者的诊断、治疗、风险和预后管理建议 | 自然语言处理 | 心血管疾病 | 大型语言模型，思维链推理 | LLM | 文本 | 30名专科医生（11名心脏病专家，19名血管外科医生）和13个LLM系统（10个标准模型，3个思维链模型） | NA | NA | 指南遵循性评分，可读性指数（Readability μ），组内相关系数 | NA |
| 4173 | 2026-02-14 |
Interpreting free-text cardiac catheterisation reports: A machine learning approach informed by focused ethnography
2026-Feb, Nurse education in practice
IF:3.3Q1
DOI:10.1016/j.nepr.2026.104715
PMID:41534421
|
研究论文 | 本研究通过聚焦民族志方法，开发了一个基于规则的机器学习流程，用于从自由文本心脏导管插入术报告中提取临床相关信息，以支持护理教育和实践 | 将聚焦民族志的定性洞察与机器学习流程开发相结合，以处理现实世界文档中的上下文和结构不一致性，从而提升自动化信息提取的准确性和适应性 | 在叙事丰富的部分提取准确率约为50%，表明模型在处理高度自由文本时仍存在局限性 | 改进从经皮冠状动脉介入治疗文档中提取临床相关信息的方法，以支持护理教育和实践 | 心脏导管插入术报告，特别是经皮冠状动脉介入治疗的文档 | 自然语言处理 | 心血管疾病 | 聚焦民族志观察、主题分析、规则提取 | 规则模型、统计主题模型、深度学习模型、大语言模型 | 文本 | 4128份去识别化的经皮冠状动脉介入治疗报告 | NA | NA | 提取准确率 | NA |
| 4174 | 2026-02-14 |
Geospatial-based estimation of NMHC concentrations through an ensemble stacking Geo-AI algorithm to advance air quality assessment
2026-Feb-01, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141210
PMID:41579651
|
研究论文 | 本研究提出了一种集成堆叠Geo-AI算法，用于估算台湾非甲烷烃浓度，以提升空气质量评估 | 开发了一种集成堆叠模型，结合了五种机器学习算法，显著提升了NMHC浓度估算的预测性能，优于传统统计模型和深度学习模型 | 监测站点稀疏可能限制模型的空间覆盖和精度，且研究区域仅限于台湾，未考虑全球或其他地区的适用性 | 通过地理空间框架估算非甲烷烃浓度，以改进空气质量评估和环境监测 | 台湾地区的非甲烷烃浓度数据 | 机器学习 | NA | 地理空间分析，空气质量监测 | 集成学习，深度学习，机器学习 | 地理空间数据，时间序列数据 | 34个监测站点2015年6月至2021年的每日数据，其中最后一年用于外部验证 | Scikit-learn, TensorFlow或PyTorch（未明确指定，但基于DNN和机器学习模型推断） | Deep Neural Networks, Extreme Gradient Boosting, Gradient Boosting Regressor, LightGBM Regressor, CatBoost Regressor, Random Forest Regressor | R² | NA |
| 4175 | 2026-02-14 |
Liquid metal@lignin-based double layered hydrogel with high stretchable, toughness, adhesion, and conductivity for wearable sensor
2026-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.150632
PMID:41621510
|
研究论文 | 本文制备了一种基于木质素的双层水凝胶，具有高拉伸性、韧性、粘附性和导电性，适用于可穿戴传感器 | 利用液态镓作为导电填料，不仅赋予材料高导电性，还显著改善其机械性能，并通过双层结构策略保持水凝胶的粘附性 | 液态镓的加入导致水凝胶粘附性显著下降 | 开发用于可穿戴传感器和仿生手控制系统的生物基水凝胶材料 | 木质素、聚乙烯醇和液态镓基水凝胶复合材料 | 材料科学 | NA | 水凝胶制备、深度学习技术 | NA | 传感器数据 | NA | NA | NA | 拉伸强度、拉伸率、电导率、回收效率 | NA |
| 4176 | 2026-02-14 |
Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation
2026-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.150581
PMID:41611152
|
研究论文 | 本研究开发了一个结合深度生成模型、虚拟筛选和实验验证的集成框架，用于发现IL23/IL23R大分子抑制剂 | 提出了一种新颖的工作流程，首次将基于顺序连接的片段嵌入（SAFE）深度生成模型用于设计新型p19靶向支架，并结合虚拟筛选和实验验证来发现抑制剂 | 仅对31个候选化合物进行了细胞筛选，样本量相对较小；分子动力学模拟时间为300纳秒，可能无法完全捕捉所有构象变化 | 发现和表征有效的IL23/IL23R蛋白-蛋白相互作用抑制剂，为慢性炎症性疾病提供新的治疗策略 | 白细胞介素-23（IL23）及其受体（IL23R）的蛋白-蛋白相互作用界面 | 机器学习 | 银屑病 | 深度生成模型, 虚拟筛选, 分子动力学模拟, 细胞报告基因检测 | 深度生成模型 | 分子结构数据, 蛋白质结构数据, 细胞实验数据 | 31个候选化合物 | NA | SAFE（Sequential Attachment-based Fragment Embedding） | RMSD（均方根偏差） | NA |
| 4177 | 2026-02-14 |
FDA-Cleared Artificial Intelligence Medical Devices in Orthopaedic Surgery
2026-Feb-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews
|
综述 | 本文对截至2025年2月美国FDA批准的70种用于骨科手术的人工智能/机器学习医疗设备进行了回顾性分析，评估了其适应症、亚专业、技术架构和商业化情况 | 首次对FDA批准的骨科AI医疗设备进行全面分析，揭示了其增长趋势、技术演变（深度学习占主导）以及临床验证的不足 | 分析基于FDA批准数据，可能未涵盖所有临床前研究或国际设备；且为回顾性分析，无法评估设备实际临床效果 | 分析FDA批准的骨科AI医疗设备的现状、发展趋势及临床验证水平 | 70种FDA批准的用于骨科手术的人工智能/机器学习医疗设备 | 数字病理 | 骨科疾病 | 深度学习, 机器学习 | NA | 医疗设备数据, 临床数据 | 70种设备 | NA | NA | NA | NA |
| 4178 | 2026-02-14 |
Erratum: Deep learning-based super-resolution method for projection image compression in radiotherapy
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-20252-03
PMID:41669401
|
correction | 本文是对先前发表的一篇关于放疗中投影图像压缩的深度学习超分辨率方法的文章的勘误 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4179 | 2026-02-14 |
Acquisition of Ktrans perfusion parameter maps from DCE-MRI in breast cancer using a deep learning approach
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-930
PMID:41669415
|
研究论文 | 本研究提出了一种基于深度学习的 pix2pix 条件生成对抗网络方法，用于从动态对比增强磁共振成像中合成乳腺 Ktrans 灌注参数图 | 首次采用 pix2pix 条件生成对抗网络结合谱归一化和局部判别器，直接从对比增强磁共振图像合成 Ktrans 灌注图，避免了传统方法计算复杂和动脉输入函数估计困难的问题 | 未明确说明样本量大小，且合成图像的质量指标（如 PSNR 和 SSIM）仍有提升空间，临床应用的泛化能力需进一步验证 | 研究深度学习技术是否能够从对比增强磁共振图像合成 Ktrans 灌注参数图，以简化临床诊断流程 | 乳腺肿瘤的 Ktrans 灌注参数图 | 医学影像分析 | 乳腺癌 | 动态对比增强磁共振成像 | 条件生成对抗网络 | 磁共振图像 | NA | NA | pix2pix | 峰值信噪比, 结构相似性指数, 准确率, 皮尔逊相关系数, Bland-Altman 分析 | NA |
| 4180 | 2026-02-14 |
Structural and Statistical Knowledge-Enhanced Attention Network for early Parkinson's disease diagnosis
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1468
PMID:41669428
|
研究论文 | 本文提出了一种结构性和统计知识增强的注意力网络（SSKEA-Net），用于早期帕金森病的诊断 | 提出SSKEA-Net，包含灰白质交互调制模块和统计先验引导注意力模块，有效整合神经影像领域知识以增强诊断性能和临床可解释性 | NA | 开发一个专门的深度学习框架，有效整合神经影像领域知识，以提升早期帕金森病检测的诊断性能和临床可解释性 | 早期帕金森病患者 | 数字病理学 | 帕金森病 | 磁共振成像，扩散张量成像 | CNN | 图像 | NA | NA | SSKEA-Net | 准确度，阳性预测值，真阳性率，特异性，曲线下面积 | NA |