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 39696 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2026-02-06 |
Molecular and multimodal biomarkers in Moyamoya disease: from pathogenic mechanisms to clinical translation
2026-Jan-03, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03769-9
PMID:41484923
|
综述 | 本文综述了烟雾病分子和多模态生物标志物的研究进展，涵盖从致病机制到临床转化的各个方面 | 系统整合了基因组学、转录组学、蛋白质组学、代谢组学、神经影像学和人工智能等多领域生物标志物研究，并提出了建立整合性多维框架的未来方向 | 临床可用的生物标志物仍然有限，缺乏足够的敏感性和特异性来预测疾病发作、进展或治疗反应 | 总结烟雾病生物标志物的最新进展，并探讨其向临床精准诊断和个性化治疗转化的路径 | 烟雾病 | 数字病理学 | 烟雾病 | 基因组学, 转录组学, 蛋白质组学, 代谢组学, 神经影像学, 人工智能, 机器学习 | 深度学习 | 基因组数据, 蛋白质组数据, 代谢组数据, 神经影像数据, 视网膜图像 | NA | NA | NA | 诊断准确率 | NA |
| 402 | 2026-01-05 |
Diagnostic accuracy of deep learning using ultra-widefield fundus imaging for retinal detachment: a systematic review and meta-analysis
2026-Jan-03, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04605-8
PMID:41485001
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 403 | 2026-01-04 |
A multi-scale feature fusion of deep learning network for classifying acute leukemia genetic subtypes from blood smear images
2026-Jan-02, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03985-z
PMID:41483382
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 404 | 2026-02-06 |
A PRISMA-based systematic review on advances in identity recognition and authentication using human biometric signals (2018-2023)
2026-Jan-02, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01508-z
PMID:41485012
|
系统综述 | 本文基于PRISMA指南，系统回顾了2018年至2023年间利用生理生物特征信号进行身份识别与认证的研究进展 | 系统比较了单模态与多模态生物特征系统的性能，并评估了深度学习与传统机器学习方法在生物特征识别中的效果 | 研究结果因数据集和协议而异，缺乏标准化评估基准和更大规模、更多样化的数据集 | 评估生理生物特征信号在身份认证和识别系统中的有效性和性能 | 2018年至2023年间发表的关于生物特征信号认证与识别的研究 | 机器学习 | NA | ECG, EEG, PPG信号处理技术 | 深度学习, 传统机器学习 | 生理信号数据 | 80篇纳入最终综述的文章，初始识别2,064条记录 | NA | NA | 准确率 | NA |
| 405 | 2026-02-06 |
Modulus Matching and Interface Enhancement: A Synergistic Strategy for Antidelamination High-Performance Stretchable Triboelectric Nanogenerator
2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518027
PMID:41255257
|
研究论文 | 本文提出了一种基于同源聚合物配对的协同策略，通过模量匹配和界面增强，构建了抗分层的高性能可拉伸摩擦纳米发电机 | 受生物系统中分子连续界面的启发，首次采用同源聚合物配对策略，结合超声空化处理，实现了模量匹配（比值<2）和界面韧性显著提升（达190 N·m），从根本上抑制了应力集中 | NA | 开发一种高性能、可拉伸且抗分层的摩擦纳米发电机，以满足可穿戴生物电子学对柔性自供能源的需求 | 摩擦纳米发电机的功能层（摩擦电层和电极）及其界面 | NA | NA | 超声空化处理 | NA | NA | NA | 深度学习算法 | NA | 准确率 | NA |
| 406 | 2026-02-06 |
Bibliometric analysis of research on artificial İntelligence applications in breast cancer diagnosis
2026-Jan, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329251362602
PMID:40831333
|
综述 | 本文通过文献计量学方法分析了人工智能在乳腺癌诊断应用中的研究趋势，包括时间与地理分布 | 首次使用VOSviewer和Bibliometrix R对2013-2024年间该领域文献进行系统性文献计量分析，识别了关键主题、国家贡献和影响力文献 | 分析仅基于Web of Science数据库，可能未涵盖所有相关文献；文献计量方法主要反映数量趋势，未深入评估研究质量 | 通过文献计量分析揭示人工智能在乳腺癌诊断领域的研究格局、发展趋势和热点方向 | 2013-2024年间Web of Science收录的1537篇关于人工智能在乳腺癌诊断应用的学术文献 | 机器学习 | 乳腺癌 | 文献计量分析 | NA | 文献元数据 | 1537篇文章 | VOSviewer, Bibliometrix R | NA | 引用次数 | NA |
| 407 | 2026-02-06 |
Dual-task deep learning model for prediction of medulloblastoma molecular subgroups with preoperative brain MRI
2026-Jan, La Radiologia medica
DOI:10.1007/s11547-025-02105-9
PMID:41117885
|
研究论文 | 本研究开发了一种基于术前脑部MRI的双任务深度学习模型，用于预测髓母细胞瘤的分子亚型 | 提出了一种结合3D Swin Transformer骨干网络和基于Transformer的掩码解码器的双任务深度学习模型，通过联合优化肿瘤和小脑分割任务来提升分子亚型预测性能 | 研究样本量有限，且模型在独立测试队列中的泛化能力虽已展示，但可能仍需更多外部验证 | 开发一种深度学习模型，利用术前脑部MRI预测髓母细胞瘤的分子亚型 | 髓母细胞瘤患者 | 计算机视觉 | 髓母细胞瘤 | 术前多参数脑部MRI | 深度学习模型 | 图像 | 模型开发队列包括350名患者，独立测试队列包括126名患者 | NA | 3D Swin Transformer, Transformer-based mask decoder | AUC, 准确率, 灵敏度, 特异性 | NA |
| 408 | 2026-02-06 |
Artificial Intelligence Supported Analysis of Anal Sphincter and Levator Ani Muscle Using Medical Imaging Techniques: A Systematic Review
2026-Jan, International urogynecology journal
IF:1.8Q3
DOI:10.1007/s00192-025-06385-7
PMID:41165777
|
系统综述 | 本文系统综述了人工智能在医学影像中分析肛管括约肌和耻骨直肠肌的应用 | 首次系统评估了该领域人工智能研究的报告质量，并识别了知识空白 | 纳入研究数量有限，且大多数模型尚未准备好广泛临床采用 | 评估人工智能在盆底成像中的应用及其报告质量 | 肛管括约肌和耻骨直肠肌相关的健康条件 | 医学影像分析 | 盆底疾病 | 超声和磁共振成像 | 深度学习 | 医学影像 | 40项研究 | NA | U-Net | 时间效率和临床可接受性 | NA |
| 409 | 2026-02-06 |
Structural damage detection and safety assessment method based on machine vision and machine learning
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0341653
PMID:41628152
|
研究论文 | 本研究提出了一种结合机器视觉与机器学习的结构损伤检测与安全评估新方法 | 提出了一种新颖的多尺度视觉框架，整合了深度学习和机器学习，实现了从粗粒度分类到细粒度分割的联合处理，并提取了七个可解释的损伤参数用于安全评估 | NA | 开发一种准确且可解释的结构安全评估方法 | 基础设施的结构损伤 | 计算机视觉, 机器学习 | NA | NA | CNN, Transformer | 高分辨率图像 | NA | NA | ResNet-50, SegFormer | 准确率, F1分数, AUC | NA |
| 410 | 2026-02-06 |
Deep learning and dual-radiomics model incorporating brachytherapy applicator type to predict radiation-induced acute rectal injury in cervical cancer patients
2026-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2026.100908
PMID:41631005
|
研究论文 | 本研究开发了一个结合双放射组学与深度学习的模型，用于预测宫颈癌患者放疗后急性直肠损伤 | 首次将放射组学、剂量组学、深度学习特征及临床因素整合到列线图中，以预测宫颈癌放疗后的急性直肠损伤 | 研究为回顾性设计，样本量相对较小（200例），且仅来自两家医院，可能存在选择偏倚 | 提高宫颈癌患者放疗后急性直肠损伤的预测准确性 | 接受放疗的宫颈癌患者 | 数字病理学 | 宫颈癌 | CT成像 | CNN, XGBoost | 图像 | 200名宫颈癌患者（160例训练，40例内部验证，40例外部验证） | NA | ResNet_with_CBAM | AUC | NA |
| 411 | 2026-02-06 |
Tumor-conditioned inter-patient registration using planning computed tomography for voxel-based analysis to predict radiation pneumonitis in lung cancer patients
2026-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2026.100907
PMID:41631006
|
研究论文 | 本研究评估了基于肿瘤保留的跨患者可变形图像配准方法在预测肺癌患者放射性肺炎中的效果 | 提出了肿瘤感知的跨患者配准方法TRACER，在保留肿瘤体积和减少器官剂量影响方面优于传统方法 | 研究仅针对局部晚期非小细胞肺癌患者，样本量相对有限，且未考虑其他肿瘤类型或疾病阶段 | 评估肿瘤保留的跨患者可变形图像配准方法对基于体素分析的放射性肺炎预测的改进效果 | 局部晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 可变形图像配准，体素分析，机器学习 | 深度学习，传统配准算法 | CT图像 | 训练集268名患者，测试集240名患者 | NA | TRACER, PACS, SyN | AUC, 特异性 | NA |
| 412 | 2026-02-06 |
Deep learning framework for RNA 5hmC prediction using RNA language model embeddings
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0341649
PMID:41632767
|
研究论文 | 本研究提出了一种名为InTrans-RNA5hmC的双分支深度学习框架，用于预测RNA 5hmC修饰 | 结合了Inception分支和Transformer分支的双分支深度学习架构，并利用RNA语言模型RiNALMo的嵌入作为特征描述符 | 未明确说明模型的计算复杂度或对特定RNA序列类型的泛化能力 | 开发一种高效、准确的计算方法来预测RNA 5hmC修饰，以替代昂贵且耗时的实验方法 | RNA 5-羟甲基胞嘧啶（5hmC）修饰 | 自然语言处理 | 癌症 | RNA语言模型嵌入 | 深度学习 | 序列数据 | NA | NA | Inception, Transformer | 灵敏度, 平衡准确率, F1分数 | NA |
| 413 | 2026-02-06 |
Deep learning-based predictive models for assessing the impact of clinical factors and second primary malignancy on survival in patients with colorectal cancer
2025-Dec-31, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03760-4
PMID:41476205
|
研究论文 | 本研究利用结直肠癌患者数据开发深度学习模型，预测伴随第二原发恶性肿瘤患者的生存率，并分析临床因素和第二原发恶性肿瘤类型对生存的影响 | 首次针对结直肠癌患者伴随第二原发恶性肿瘤的生存预测开发深度学习模型，并系统评估33种临床因素及不同第二原发恶性肿瘤类型对生存结果的影响 | 研究基于回顾性数据，可能存在选择偏倚；未考虑所有潜在混杂因素；模型性能虽高但需外部验证 | 开发预测模型以评估临床因素和第二原发恶性肿瘤对结直肠癌患者生存的影响 | 21,522名伴随第二原发恶性肿瘤的结直肠癌患者 | 机器学习 | 结直肠癌 | 深度学习 | 深度学习模型 | 临床数据 | 21,522名患者 | NA | NA | AUC | NA |
| 414 | 2026-02-06 |
DCPR: a deep learning framework for circadian phase reconstruction
2025-Dec-30, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06363-2
PMID:41469552
|
研究论文 | 本研究开发了一个名为DCPR的无监督深度学习框架，用于从非时序转录组数据中准确重建昼夜节律相位 | 提出首个专门用于从非时序转录组数据重建昼夜节律相位的无监督深度学习框架，在模拟和真实数据上均优于现有方法 | 未明确说明框架对数据质量和样本量的具体要求，也未讨论其在其他类型组学数据（如蛋白质组学）上的适用性 | 开发一个计算工具，从非时序转录组数据中准确推断基因表达的昼夜节律振荡模式 | 昼夜节律系统的基因表达振荡模式 | 机器学习 | 昼夜节律相关疾病 | 转录组测序 | 深度学习 | 基因表达数据 | NA | NA | NA | 预测准确性 | NA |
| 415 | 2026-02-06 |
Capsule graph networks for accurate and interpretable crystalline materials property prediction
2025-Dec-29, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01139-5
PMID:41462335
|
研究论文 | 本文提出了一种结合胶囊网络与E(3)等变性的图神经网络框架，用于精确且可解释的晶体材料性质预测 | 首次将E(3)等变图神经网络与胶囊网络结合，捕捉晶体材料的几何对称性和层次结构，实现可解释的基元发现 | 未明确说明模型在处理更大规模或更复杂晶体结构时的可扩展性 | 开发一个精确且可解释的深度学习框架，用于预测晶体材料的性质并理解其结构-性质关系 | 晶体材料 | 机器学习 | NA | NA | 图神经网络, 胶囊网络 | 图数据 | Materials Project 和 Matbench 数据集 | NA | Capsule Graph Networks with E(3)-Equivariance (CGN-e3) | MAE | NA |
| 416 | 2026-02-06 |
Systematic review and meta-analysis of regulator-approved deep learning systems for fundus diabetic retinopathy detections
2025-Dec-19, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02223-8
PMID:41420101
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了监管机构批准的深度学习系统在真实世界中用于糖尿病视网膜病变筛查的性能 | 首次对全球范围内监管机构批准的深度学习系统在糖尿病视网膜病变筛查中的真实世界性能进行了全面的系统综述和荟萃分析，并识别了影响性能的关键因素 | 研究依赖于已发表文献，可能存在报告偏倚；不同研究间的异质性较高，尽管通过元回归解释了部分原因 | 评估监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的真实世界诊断性能 | 糖尿病视网膜病变筛查 | 医学影像分析 | 糖尿病视网膜病变 | 深度学习 | 深度学习系统 | 眼底图像 | 82项研究，覆盖887,244次检查，涉及25种设备，来自28个国家 | NA | NA | 灵敏度, 特异度 | NA |
| 417 | 2026-02-06 |
Chemistry-informed deep learning model for predicting stereoselectivity and absolute configuration in asymmetric hydrogenation
2025-Dec-05, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00920-8
PMID:41350458
|
研究论文 | 本文介绍了一种基于反应机制的深度学习模型ChemAHNet，用于预测烯烃不对称氢化中的立体选择性和绝对构型 | 提出了首个能同时预测双前手性位点烯烃不对称氢化中立体选择性和绝对构型的深度学习模型，无需预定义描述符，并扩展至其他不对称催化反应 | 未明确提及模型在特定催化剂或底物类型上的性能限制或数据依赖性 | 开发一种化学信息驱动的深度学习模型，以准确预测不对称氢化反应中的立体选择性和产物绝对构型 | 烯烃的不对称氢化反应，涉及多种催化剂和底物 | 机器学习 | NA | 深度学习，基于反应机制的分析 | 深度学习模型 | 简化分子线性输入系统（SMILES）字符串 | NA | NA | Chemistry-Informed Asymmetric Hydrogenation Network (ChemAHNet) | NA | NA |
| 418 | 2026-02-06 |
FHBDSR-Net: automated measurement of diseased spikelet rate of Fusarium Head Blight on wheat spikes
2025-Dec, aBIOTECH
IF:4.6Q1
DOI:10.1007/s42994-025-00245-0
PMID:41312098
|
研究论文 | 本文提出了一种名为FHBDSR-Net的轻量级深度学习框架，用于自动测量小麦穗部赤霉病的病小穗率 | 构建了包含620张高分辨率RGB图像和5,222个小穗级标注的数据集，并设计了多尺度特征增强架构、Inner-EfficiCIoU损失函数和尺度感知注意力模块，以解决小目标检测、特征表示不足和密集空间编码的挑战 | 未明确提及模型在更广泛环境或不同小麦品种上的泛化能力，以及数据集的规模可能仍有扩展空间 | 开发一种自动化、高效且非破坏性的方法来精确量化小麦赤霉病的病小穗率，以支持抗病育种 | 小麦穗部图像，特别是赤霉病感染的小穗 | 计算机视觉 | 小麦赤霉病 | 深度学习，图像分析 | CNN | 图像 | 620张高分辨率RGB图像，包含5,222个小穗级标注 | 未明确指定，但基于深度学习框架 | FHBDSR-Net（自定义架构） | 平均精度，皮尔逊相关系数 | 适用于资源受限的移动设备部署，但未具体说明训练时使用的GPU或云平台 |
| 419 | 2026-02-06 |
Detecting mangrove seedlings from UAV imagery using deep learning for restoration monitoring
2025-Dec-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30387-6
PMID:41326629
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于从超高分辨率无人机影像中检测红树林幼苗，以支持红树林生态系统的恢复监测 | 首次针对红树林生态系统提出了专门的幼苗检测方法，将用于人群计数的深度学习技术（密度图预测与定位）创新性地应用于自然环境的幼苗检测任务，并展示了优于现有先进目标检测框架（ResNet-DETR）的性能 | 存在标注不准确、无人机影像随时间推移可能不一致以及深度学习方法固有的局限性等挑战 | 开发一种自动化工具，用于大规模、准确地检测红树林幼苗，以评估生态恢复成效并指导保护策略 | 红树林幼苗 | 计算机视觉 | NA | 无人机遥感成像 | 深度学习 | 图像 | 阿拉伯联合酋长国阿布扎比酋长国22个播种点的无人机影像 | NA | MaxViT-UNet, ResNet-DETR | F1分数, 精确率, 召回率 | NA |
| 420 | 2026-02-06 |
MSFHNet: a hybrid deep learning network for multi-scale spatiotemporal feature extraction of spatial cognitive EEG signals in BCI-VR systems
2025-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03386-y
PMID:40471491
|
研究论文 | 本文提出了一种名为MSFHNet的混合深度学习网络，用于在BCI-VR系统中提取空间认知EEG信号的多尺度时空特征 | 提出了一种结合多尺度扩张卷积与通道-空间注意力机制的混合神经网络架构，用于深度提取EEG信号的时空特征，并在beta2频段实现了高分类精度 | NA | 通过人工智能分析脑电图数据，解码空间任务期间的脑活动模式，以提升BCI-VR系统在空间认知训练与评估中的应用 | 空间认知EEG信号 | 机器学习 | NA | 脑电图（EEG） | CNN, 注意力机制 | EEG信号 | NA | NA | MSFHNet | 分类准确率 | NA |