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 43290 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2026-04-10 |
Retraction: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345999
PMID:41950215
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 422 | 2026-04-11 |
Outsmarting Metastatic Prostate Cancer: Integration of Imaging, Liquid Biopsies and Biomarkers With Artificial Intelligence
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338261440434
PMID:41943522
|
综述 | 本文综述了人工智能（包括机器学习和深度学习）在整合影像学、液体活检和生物标志物数据以改善转移性前列腺癌诊断、风险分层和治疗指导中的应用 | 强调人工智能在整合多模态数据（影像、液体活检、基因组分类器）以应对转移性前列腺癌的肿瘤异质性和治疗抵抗方面的创新应用 | NA | 探讨人工智能如何提升转移性前列腺癌的精准肿瘤学管理，包括诊断准确性和治疗个性化 | 转移性前列腺癌 | 数字病理学 | 前列腺癌 | 分子影像、液体活检（包括细胞游离核酸、循环肿瘤细胞）、基因组分类器 | 机器学习, 深度学习 | 影像数据、液体活检数据、生物标志物数据 | NA | NA | NA | NA | NA |
| 423 | 2026-04-11 |
Quantitative CT Imaging in Progressive Pulmonary Fibrosis: Clinical Usefulness and Meaningful Threshold Definition
2025-Dec-06, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.11.031
PMID:41360185
|
研究论文 | 本研究通过深度学习定量CT成像，确定了非特发性肺纤维化纤维化间质性肺疾病中定义进行性肺纤维化的最小临床重要差异阈值，并验证了其预后价值 | 首次使用深度学习定量CT成像算法，定义了1年和6个月纤维化评分变化的最小临床重要差异阈值，并证明其能增强风险分层能力 | 研究为回顾性设计，可能受到选择偏倚的影响，且仅针对非特发性肺纤维化患者 | 确定定量CT成像在定义进行性肺纤维化中的临床有意义阈值，并评估其预后预测能力 | 非特发性肺纤维化纤维化间质性肺疾病患者 | 数字病理学 | 肺纤维化 | 定量CT成像 | 深度学习 | CT图像 | 476名患者 | NA | NA | 风险比, 置信区间 | NA |
| 424 | 2026-04-11 |
Classification of neurological and mental health disorders based on multimodal approaches: A comprehensive review
2025-Dec, Neuroscience and biobehavioral reviews
IF:7.5Q1
DOI:10.1016/j.neubiorev.2025.106399
PMID:41052735
|
综述 | 本文对基于深度学习的多模态方法在神经系统和心理健康障碍分类中的应用进行了全面回顾 | 填补了针对神经系统和心理健康障碍的深度学习多模态分类方法进行全面综述的空白，并分析了十种主要障碍（五种神经系统，五种心理健康相关） | NA | 指导未来研究，并促进开发更准确、可靠、可访问的神经系统和心理健康障碍诊断工具 | 十种主要的神经系统和心理健康障碍 | 机器学习 | 神经系统疾病，心理健康障碍 | NA | 深度学习 | 神经影像，生物信号，临床评估 | NA | NA | NA | NA | NA |
| 425 | 2026-04-11 |
QTFPred: robust high-performance quantum machine learning modeling that predicts main and cooperative transcription factor bindings with base resolution
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf604
PMID:41294241
|
研究论文 | 本文介绍了一种名为QTFPred的量子-经典混合框架，用于在碱基分辨率下预测转录因子结合位点 | 通过将量子卷积层集成到神经网络中，利用量子电路的指数特征空间，在数据稀疏场景下实现鲁棒性能，并揭示转录因子基序表示以洞察协同结合机制 | NA | 预测转录因子的主要和协同结合位点 | 转录因子结合位点 | 机器学习 | NA | ChIP-seq | 量子-经典混合神经网络 | DNA序列数据 | 49个ENCODE ChIP-seq数据集 | NA | 量子卷积层 | 准确率, 精确度, 稳定性 | GPU模拟 |
| 426 | 2026-04-11 |
SubCell: Proteome-aware vision foundation models for microscopy capture single-cell biology
2025-Oct-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.06.627299
PMID:41278937
|
研究论文 | 本文介绍了SubCell，一套用于荧光显微镜的自监督深度学习模型，旨在捕获细胞形态、蛋白质定位、细胞组织和生物功能 | 提出了基于蛋白质组感知学习目标的自监督模型，首次从图像数据直接学习构建了蛋白质组层次图，并整合蛋白质序列模型实现多模态蛋白质表示 | NA | 开发用于荧光显微镜的深度学习模型，以捕获单细胞生物学特征 | 人类蛋白质图谱中的蛋白质组范围图像集合 | 计算机视觉 | NA | 荧光显微镜 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 427 | 2026-04-11 |
Deep infant brain segmentation from multi-contrast MRI
2025-Oct, Conference record. Asilomar Conference on Signals, Systems & Computers
|
研究论文 | 本文提出BabySeg，一个用于婴幼儿脑部MRI分割的深度学习框架，支持多样化的MRI协议和输入配置 | 结合领域随机化技术合成超出现实范围的训练图像以增强数据集偏移不变性，并引入灵活池化和交互多输入扫描特征的机制 | 未明确说明模型在极端成像条件或罕见病理情况下的鲁棒性 | 开发一个适用于婴幼儿脑部MRI的通用分割框架，以克服现有方法在图像类型和年龄组上的局限性 | 婴幼儿脑部多对比度MRI图像 | 数字病理学 | NA | 多对比度MRI | 深度学习模型 | 图像 | NA | NA | NA | 准确性 | NA |
| 428 | 2026-04-11 |
Deep learning approach for automated hMPV classification
2025-Aug-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14467-1
PMID:40781468
|
研究论文 | 本研究提出了一种名为hMPV-Net的深度学习框架，利用卷积神经网络（CNN）实现人偏肺病毒（hMPV）感染的自动检测与分类 | 开发了hMPV-Net这一新型深度学习框架，通过结合数据增强、加权损失函数和dropout正则化等先进技术，有效解决了数据集不平衡问题，并在计算效率上显著优于ResNet-50和VGG-16等现有模型 | 研究使用了模拟图像数据集而非真实患者数据进行训练和评估，这可能会影响模型在真实临床场景中的泛化能力 | 开发一种能够快速、准确检测和分类人偏肺病毒（hMPV）感染的自动化诊断方法 | 人偏肺病毒（hMPV）感染病例，特别是儿童、老年人和免疫功能低下患者中的呼吸道疾病 | 计算机视觉 | 呼吸道疾病 | 深度学习，卷积神经网络（CNN） | CNN | 图像 | 10,000个样本，包含等量的hMPV阳性和阴性病例 | NA | hMPV-Net | 准确率, 精确率, 召回率, F1分数 | NA |
| 429 | 2026-04-11 |
Segmentation of the Left Atrium in Cardiovascular Magnetic Resonance Images of Patients with Myocarditis
2025-07-18, Journal of visualized experiments : JoVE
DOI:10.3791/68664
PMID:40758568
|
研究论文 | 本文提出了一种基于三维全卷积网络的深度学习模型，用于心肌炎患者心血管磁共振电影序列中左心房的分割，以评估左心房功能 | 提出了三项策略性增强：时空特征融合、动态跳跃连接和轻量化设计，以解决动态伪影和薄壁结构时空连续性建模的挑战 | 未明确提及模型在更广泛患者群体或不同磁共振扫描仪上的泛化能力 | 开发一种准确、高效的方法，用于从心肌炎患者的心血管磁共振电影序列中分割左心房，以支持临床诊断 | 心肌炎患者的心血管磁共振电影序列图像 | 计算机视觉 | 心血管疾病 | 心血管磁共振电影序列成像 | CNN | 图像 | NA | NA | 3D-FCN | Dice系数 | NA |
| 430 | 2026-04-11 |
Convolutional Neural Network-Transformer Model to Predict and Classify Early Arrhythmia Using Electrocardiogram Signal
2025-07-03, Journal of visualized experiments : JoVE
DOI:10.3791/68227
PMID:40690419
|
研究论文 | 本文提出了一种基于深度学习的混合模型，用于从心电图信号中预测和分类早期心律失常 | 结合1D CNN和Transformer层，以同时提取空间特征并建模时间依赖性，从而在心律失常分类中实现高精度 | NA | 开发精确且自动化的技术，用于心血管疾病（特别是心律失常）的早期诊断和检测 | 心电图信号，重点关注五种主要心跳类型：正常、左束支传导阻滞、右束支传导阻滞、房性早搏和室性早搏 | 机器学习 | 心血管疾病 | 心电图信号分析 | CNN, Transformer | 信号 | 超过390万个训练段和112,575个测试段 | NA | 1D CNN, Transformer | 准确率, 精确率, F1分数 | NA |
| 431 | 2026-04-11 |
Unsupervised learning reveals landscape of local structural motifs across protein classes
2025-Jul-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf377
PMID:40569048
|
研究论文 | 本文利用自监督深度学习表征，对蛋白质数据库中的局部结构微环境进行聚类，构建了一个局部3D基序词典，并展示了其在蛋白质结构搜索、模型质量评估和药物脱靶相互作用预测中的应用 | 通过无监督学习聚类超过1500万个蛋白质局部结构环境，创建了一个全面的局部3D基序词典，并基于此开发了新的蛋白质表征方法，在多个任务中达到最先进性能 | NA | 旨在通过无监督学习揭示蛋白质局部结构基序的景观，并应用于蛋白质结构功能分析 | 蛋白质数据库中的局部三维结构微环境 | 机器学习 | NA | 自监督深度学习 | NA | 三维结构数据 | 超过1500万个局部环境 | NA | NA | NA | NA |
| 432 | 2026-04-11 |
Deep Learning of Suboptimal Spirometry to Predict Respiratory Outcomes and Mortality
2025-Jun-30, Research square
DOI:10.21203/rs.3.rs-6296752/v1
PMID:40630516
|
研究论文 | 本研究开发了一种基于对比学习的深度学习模型Spiro-CLF，利用次优肺活量测定数据预测呼吸系统结局和死亡率 | 首次利用次优肺活量测定数据（包括未通过质量控制的测试）通过对比学习框架进行呼吸系统结局预测，突破了传统方法仅使用最优测试结果的限制 | 在COPDGene队列中，添加通过质量控制的次优测试数据并未改善肺功能或死亡率的预测效果，需要进一步研究在特定临床场景中的性能和实用性 | 探索机器学习模型是否能够基于次优肺活量测定数据预测呼吸系统结局和死亡率 | 英国生物银行（UK Biobank）和COPDGene队列的参与者，年龄40-80岁，包括吸烟者和无呼吸系统疾病（除COPD或哮喘外）的个体 | 机器学习 | 呼吸系统疾病 | 肺活量测定（spirometry） | 深度学习模型 | 原始肺活量图（体积-时间曲线） | 352,684名UK Biobank参与者（940,705条曲线）和10,110名COPDGene参与者 | 对比学习框架 | Spiro-CLF（基于肺活量图的对比学习框架） | AUROC（受试者工作特征曲线下面积）, 一致性指数（concordance index）, 预测改善百分比 | NA |
| 433 | 2026-04-11 |
Investigating the Domain Adaptability of General-Purpose Foundation Models for Left Atrium Segmentation from MR Images
2025-Jun, Functional imaging and modeling of the heart : ... International Workshop, FIMH ..., proceedings. FIMH (Conference)
DOI:10.1007/978-3-031-94562-5_25
PMID:41883586
|
研究论文 | 本研究探讨了通用基础模型（如DINOv2、SAM、MedSAM）在磁共振图像左心房分割任务中的领域适应性和鲁棒性 | 提出了一种结合预训练基础模型与改进UNet解码器的架构，利用基础模型的全局上下文特征，在数据稀缺的医学图像分割任务中展现出优越性能 | 研究主要针对左心房分割任务，在其他医学图像分割任务中的普适性有待进一步验证；且依赖于特定基础模型的预训练特征 | 探索预训练基础模型在医学图像分割领域的适应能力，为数据稀缺的医学应用提供更通用的解决方案 | 磁共振图像中的左心房结构 | 医学图像分析 | 心房颤动 | 磁共振成像 | CNN, Transformer | 医学图像 | 2022 LAScarQS和2018 LASC分割挑战数据集 | PyTorch | UNet, DINOv2, SAM, MedSAM | Dice系数, IoU | NA |
| 434 | 2026-04-11 |
Development and validation of pan-cancer lesion segmentation AI-model for whole-body 18F-FDG PET/CT in diverse clinical cohorts
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110052
PMID:40127518
|
研究论文 | 本研究开发了一种基于深度学习的全自动病灶分割AI模型，用于全身18F-FDG PET/CT图像，适用于多种临床队列 | 开发了一种与疾病位置和部位无关的深度学习模型，首次在多种儿科和成人肿瘤队列中验证了其泛化性能 | 模型在测试集和PHEO队列中遗漏了小体积和低摄取的病灶，假阳性预测导致总病灶糖酵解略高于真实值 | 开发并验证一个适用于全身FDG-PET/CT图像的自动化病灶分割AI模型 | 全身18F-FDG PET/CT图像中的病灶 | 数字病理学 | 多种癌症 | 18F-FDG PET/CT成像 | CNN | 3D图像 | 训练/验证/测试集共1014例，外加三个未见队列：骨肉瘤或神经母细胞瘤（13例）、儿科实体肿瘤（14例）、成人嗜铬细胞瘤/副神经节瘤（40例） | nnUNet | 3D U-Net | 敏感性, DISC | NA |
| 435 | 2026-04-11 |
Deep Learning Applications in Imaging of Acute Ischemic Stroke: A Systematic Review and Narrative Summary
2025-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240775
PMID:40197098
|
系统综述 | 本文对深度学习在急性缺血性卒中影像学中的应用进行了系统性回顾和叙述性总结 | 首次对2016年至2024年间深度学习在急性缺血性卒中影像学中的应用进行全面、系统的回顾，并特别关注了卷积神经网络和Transformer模型，同时强调了公共数据集的重要性 | 研究存在挑战，包括需要标准化协议和测试集、更大的公共数据集以及在真实世界环境中进行性能验证 | 评估深度学习在成人急性缺血性卒中患者影像学中的应用，全面概述当前技术状态并识别发展机遇 | 急性缺血性卒中影像学 | 计算机视觉 | 急性缺血性卒中 | NA | CNN, Transformer | 影像 | 共纳入380项研究，并对其中68项进行了详细数据提取 | NA | NA | NA | NA |
| 436 | 2026-04-11 |
Foundation model of neural activity predicts response to new stimulus types
2025-Apr, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-08829-y
PMID:40205215
|
研究论文 | 本文通过收集大量小鼠视觉皮层神经活动数据，训练了一个基础模型来预测神经元对任意自然视频的响应，并展示了该模型在新小鼠和新刺激类型上的泛化能力 | 利用基础模型范式预测神经活动，实现了跨小鼠和跨刺激类型的泛化，并能预测解剖细胞类型和神经元连接性 | 模型可能受限于训练数据的多样性和规模，泛化能力在更广泛的神经环路或物种中尚未验证 | 构建大脑的基础模型，以理解神经计算目标并预测神经活动 | 小鼠视觉皮层的神经活动 | 机器学习 | NA | 神经活动记录 | 基础模型 | 神经活动数据，自然视频 | 多只小鼠的大量神经活动数据 | NA | NA | 预测准确性 | NA |
| 437 | 2026-04-11 |
Multisequence 3-T Image Synthesis from 64-mT Low-Field-Strength MRI Using Generative Adversarial Networks in Multiple Sclerosis
2025-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233529
PMID:40261176
|
研究论文 | 本研究开发了一种名为LowGAN的生成对抗网络架构，用于从64-mT低场强MRI生成高质量的3-T多序列脑部图像，并在多发性硬化症患者中进行了评估 | 提出了一种专门用于低场强到高场强MRI图像翻译的生成对抗网络架构LowGAN，能够从便携式低场强扫描仪生成接近常规高场强质量的图像 | 研究样本量相对较小（主要组50人，验证组13人），且仅针对多发性硬化症患者，可能限制了模型的泛化能力 | 开发并评估一种深度学习架构，以从低场强MRI输入生成高场强质量的脑部图像，提高便携式低场强扫描仪的图像质量 | 多发性硬化症患者的脑部MRI图像 | 计算机视觉 | 多发性硬化症 | MRI（T1加权、T2加权、FLAIR序列） | GAN | 图像 | 主要组50名参与者，验证组13名参与者 | NA | LowGAN | 结构相似性指数, Dice分数 | NA |
| 438 | 2026-04-11 |
Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology
2025-Feb, The Laryngoscope
DOI:10.1002/lary.31756
PMID:39258420
|
研究论文 | 本研究使用TRIPOD-AI标准评估头颈肿瘤学文献中机器学习算法的报告质量 | 首次在头颈肿瘤学领域系统应用TRIPOD-AI标准评估机器学习研究的报告质量 | 研究基于已发表文献的回顾性分析，无法评估未发表研究的报告质量 | 评估头颈肿瘤学中机器学习算法的报告质量并识别改进需求 | 头颈肿瘤学领域的机器学习研究文献 | 机器学习 | 头颈肿瘤 | NA | NA | 文献数据 | 通过PubMed、Scopus、Embase和Cochrane数据库检索的相关研究文献 | NA | NA | TRIPOD-AI标准符合率 | NA |
| 439 | 2026-04-11 |
Ligand identification in CryoEM and X-ray maps using deep learning
2024-12-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae749
PMID:39700427
|
研究论文 | 本文提出了一种基于深度学习的配体识别方法，用于在CryoEM和X射线密度图中识别小分子配体 | 首次将深度学习应用于CryoEM密度图的配体识别，采用3D点云处理方法，实现了端到端的深度学习模型 | 电子显微镜图的标准化和CryoEM配体质量评估存在挑战 | 开发一种自动化的配体识别方法，以支持结构引导的药物设计 | X射线衍射和CryoEM密度图中的小分子配体 | 计算机视觉 | NA | X射线衍射, 冷冻电镜 | 深度学习 | 3D点云 | NA | NA | NA | NA | NA |
| 440 | 2026-04-11 |
Integrating Drug Target Information in Deep Learning Models to Predict the Risk of Adverse Events in Patients with Comorbid Post-Traumatic Stress Disorder and Alcohol Use Disorder
2024-Dec-05, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12122772
PMID:39767679
|
研究论文 | 本研究开发了一种名为T-DeepBiomarker的新型深度学习模型，通过整合药物靶点信息等多模态数据，预测共患创伤后应激障碍和酒精使用障碍患者的不良事件风险，并识别潜在治疗药物 | 首次将药物靶点信息整合到深度学习模型中用于预测共患PTSD和AUD患者的不良结局，并基于模型识别出的重要蛋白靶点筛选潜在治疗药物 | 研究基于单一医疗中心（UPMC）的电子病历数据，外部验证和泛化能力有待进一步评估 | 预测共患创伤后应激障碍和酒精使用障碍患者的不良事件风险，并识别潜在治疗药物 | 共患创伤后应激障碍和酒精使用障碍的患者 | 机器学习 | 精神疾病 | 电子病历数据分析 | 深度学习模型 | 多模态数据（实验室结果、药物靶点信息、共病、社会健康决定因素等） | 5565名PTSD+AUD患者 | NA | T-DeepBiomarker | AUROC | NA |