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 42805 篇文献，本页显示第 4401 - 4420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4401 | 2026-02-12 |
Reduction of membrane-derived noise using beam-tilt measurement and deep learning in observation using environmental cell
2026-Jan-01, Microscopy (Oxford, England)
DOI:10.1093/jmicro/dfaf031
PMID:40581827
|
研究论文 | 提出一种结合电子束倾斜测量和深度学习的方法，用于去除环境细胞电子显微镜中由硅氮化物膜引起的噪声 | 首次将Noise2Noise深度学习模型应用于电子束倾斜序列图像，有效分离膜噪声与样本信息，并同步消除泊松噪声 | 未明确说明方法对动态样本或极端环境条件的适用性，且未提供量化对比实验数据 | 提升环境细胞电子显微镜在气体/液体环境中观测纳米材料的图像质量 | 催化剂及其他纳米材料在环境细胞中的透射电子显微镜图像 | 计算机视觉 | NA | 透射电子显微镜，环境细胞技术 | 深度学习 | 图像序列 | NA | NA | Noise2Noise | 信噪比 | NA |
| 4402 | 2026-02-12 |
Application of explainable artificial intelligence integrating with electronic health record in oncology
2026, Exploration of targeted anti-tumor therapy
DOI:10.37349/etat.2026.1002357
PMID:41657585
|
综述 | 本文综述了可解释人工智能（XAI）方法在基于电子健康记录（EHR）的肿瘤学任务中的应用、挑战及未来研究方向 | 总结了当前XAI在肿瘤学EHR任务中的应用方法，并提出了加速其在肿瘤学中安全采用的实用建议和研究方向 | 存在报告不一致、临床效用评估不足、可重复性有限、外部验证不足以及对公平性考虑不充分等差距 | 提高基于EHR的肿瘤学机器学习模型的透明度和临床可接受性，以改善肿瘤学护理 | 基于电子健康记录的肿瘤学机器学习模型 | 机器学习 | 肿瘤学 | NA | 树模型, 广义可加模型 | 电子健康记录 | NA | NA | NA | NA | NA |
| 4403 | 2026-02-12 |
IoMT-Fog-Cloud-based AI frameworks for chronic disease diagnosis: updated comparative analysis with recent AI-IoMT models (2020-2025)
2026, Frontiers in medical technology
IF:2.7Q3
DOI:10.3389/fmedt.2026.1748964
PMID:41657732
|
综述 | 本文对2020年至2025年间发表的基于AI的IoMT系统研究进行了比较分析，重点关注用于糖尿病和心血管疾病诊断的IoMT-Fog-Cloud框架，并评估其诊断性能和网络服务质量 | 首次对2020-2025年间AI驱动的IoMT-Fog-Cloud框架进行系统性比较分析，重点关注诊断性能与网络QoS的联合评估，并提出了可复现比较的14项指标分类体系 | 纳入研究数量有限（14项），部分研究报告的性能可能过于乐观，存在小数据集、类别不平衡、模拟评估中的潜在数据泄露或过拟合等问题 | 比较分析近期（2020-2025）用于慢性疾病诊断的AI-IoMT模型与IoMT-Fog-Cloud框架的性能与服务质量 | 糖尿病和心血管疾病患者 | 医疗物联网 | 糖尿病, 心血管疾病 | NA | 可解释深度学习, 集成深度学习 | 生物信号流数据 | NA | NA | NA | 准确率, 精确率, 召回率, F1分数, 灵敏度, 特异性 | Fog计算, 云计算 |
| 4404 | 2026-02-12 |
Construction and validation of deep learning-based pathomics signature model for predicting postoperative recurrence of patients with clear cell renal cell carcinoma
2026, American journal of cancer research
IF:3.6Q2
DOI:10.62347/ZCHX8002
PMID:41657786
|
研究论文 | 本研究开发了一种基于注意力的多实例深度卷积神经网络（CRPNet），用于早期预测透明细胞肾细胞癌（ccRCC）患者的术后复发风险 | 提出了一种新的基于注意力的多实例深度卷积神经网络（CRPNet），用于从全切片图像中提取病理组学特征以预测ccRCC术后复发，其性能超越了包括UISS、SSIGN和Karakiewicz列线图在内的传统预后模型 | 模型在验证队列中的召回率（63.16%）和假阴性率（36.84%）仍有提升空间，且研究样本量相对有限（训练集183例，验证集75例） | 开发并验证一个深度学习模型，以准确预测透明细胞肾细胞癌（ccRCC）患者的术后复发风险 | 透明细胞肾细胞癌（ccRCC）患者 | 数字病理学 | 肾细胞癌 | 全切片图像（WSI）分析 | CNN | 图像 | 训练集：183例ccRCC患者的WSI；验证集：75例ccRCC患者的WSI | NA | CRPNet（一种基于注意力的多实例深度卷积神经网络） | AUC, 准确率, 精确率, 召回率, 假阳性率, 假阴性率, C-index, 风险比, Kaplan-Meier分析 | NA |
| 4405 | 2026-02-12 |
3DeepVOG: An Open-Source Framework for Real-Time, Accurate 3D Gaze Tracking with Deep Learning
2026 Jan-Dec, Digital biomarkers
DOI:10.1159/000549948
PMID:41658975
|
研究论文 | 本文介绍了3DeepVOG，一个基于深度学习的开源框架，用于实时、准确的三维单目注视跟踪，包括水平、垂直和扭转旋转 | 结合自动瞳孔和虹膜分割与几何可解释估计，使用双球解剖眼球模型和角膜折射校正，并采用新颖的小块模板匹配方法实时跟踪扭转运动 | NA | 开发一个在多样化成像条件下（包括低光和噪声环境）稳健运行的三维注视跟踪框架，以克服传统视频眼动图系统的局限性 | 眼动作为神经耳科、神经眼科和神经退行性疾病的生物标志物 | 计算机视觉 | 神经退行性疾病 | 视频眼动图 | 深度学习 | 图像 | 超过24,000个注释样本，来自多个设备和临床场景 | NA | NA | 注视误差（约0.1°）、扫视峰值速度、平滑追踪增益、视动性眼震慢相速度 | NA |
| 4406 | 2026-02-12 |
PhysMorph: A biomechanical and image-guided deep learning framework for real-time multi-modal liver image registration
2026-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2026.100906
PMID:41659345
|
研究论文 | 本文提出并验证了PhysMorph，一种结合生物力学正则化和图像相似性度量的深度学习框架，用于实现肝脏多模态图像的实时配准 | 将有限元方法模拟作为生物力学正则化整合到深度学习配准框架中，实现了快速、解剖学上合理的MR-CBCT图像配准 | NA | 开发一个快速、准确且物理真实的肝脏图像配准框架，以支持立体定向体部放射治疗 | 肝脏图像，包括预处理磁共振成像和机载锥形束计算机断层扫描 | 计算机视觉 | 肝癌 | 磁共振成像, 锥形束计算机断层扫描 | 深度学习 | 图像 | 两个数据集：1) 从纵向MR-Linac扫描中获得的模拟数据；2) 来自肝脏SBRT患者的临床MR-CBCT图像对 | NA | NA | 目标配准误差, 平均表面距离, 生物力学保真度指标 | NA |
| 4407 | 2026-02-12 |
BTdiagAI: A Web-Deployed Hybrid Framework for Brain Tumor Classification Using Optimized MRI Preprocessing and Deep Learning Fusion
2026 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70053
PMID:41659364
|
研究论文 | 本研究提出了一种基于优化MRI预处理和深度学习融合的混合框架BTdiagAI，用于脑肿瘤分类，并通过Web平台实现部署 | 系统评估了五种MRI预处理方法，并提出了一个融合微调InceptionV3、DenseNet121和Xception网络的深度学习框架，结合特征选择和机器学习分类，以解决类不平衡问题 | 研究未明确讨论预处理方法在不同肿瘤类型或MRI设备间的泛化能力，且可能受限于所用数据集的规模和多样性 | 开发一个高效、准确的脑肿瘤自动分类系统，以辅助临床诊断 | 脑部MRI扫描图像 | 计算机视觉 | 脑肿瘤 | MRI预处理（包括CLAHE、Nyul归一化、N4偏置校正、模板配准、White Stripe归一化） | CNN | 图像 | NA | TensorFlow, Keras | InceptionV3, DenseNet121, Xception | 准确率 | NA |
| 4408 | 2026-02-12 |
Case Report: Novel ASAP1::BRAF fusion in a young adult with low-grade temporal lobe glioma
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1763047
PMID:41659712
|
病例报告 | 报告了一名年轻成年低级别颞叶胶质瘤患者中发现的新的ASAP1::BRAF融合基因 | 首次报道了ASAP1::BRAF融合基因在低级别胶质瘤中的存在，扩展了BRAF融合伴侣的谱系 | 仅基于单个病例报告，缺乏大规模临床验证和功能实验证实 | 描述低级别胶质瘤中一种新型BRAF融合基因的分子特征及其临床意义 | 一名31岁女性低级别颞叶毛细胞星形细胞瘤患者 | 数字病理学 | 脑胶质瘤 | RNA测序, 深度学习验证 | 深度学习 | RNA测序数据 | 1例患者肿瘤样本 | FusionAI | NA | 融合概率评分 | NA |
| 4409 | 2026-02-12 |
Accuracy of artificial intelligence applications in periodontics: a thematic narrative review
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1729825
PMID:41660180
|
综述 | 本文综述了2019年至2025年间发表的35项研究，评估了人工智能在牙周病学诊断中的应用准确性 | 首次对牙周病学中人工智能应用的准确性进行了主题性叙事综述，并综合了多中心、外部验证和可解释性研究的最新进展 | 研究间存在数据集、解剖部位、参考标准、模型架构和报告实践的显著异质性，且自主诊断仍不成熟 | 评估人工智能在牙周病学诊断中的准确性，并探讨其临床转化路径 | 牙周病学诊断，包括牙槽骨丧失检测、牙槽骨水平测量、根分叉病变识别和根尖周病变检测 | 数字病理学 | 牙周病 | 影像学技术（根尖片、咬翼片、全景片、锥形束CT、口内照片） | CNN, Transformer | 图像（放射影像、口内照片） | 35项研究（具体样本量未在摘要中明确给出） | NA | 卷积神经网络, Transformer网络, 混合分割-分类架构 | 诊断准确性, AUC, 灵敏度, 特异性 | NA |
| 4410 | 2026-02-12 |
Assessing the potential of deep learning for protein-ligand docking
2026, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-025-01160-1
PMID:41624973
|
研究论文 | 本文通过引入PoseBench基准，系统评估了深度学习方法在蛋白质-配体对接中的表现，特别是在预测结构、多配体结合和无先验口袋知识等广泛适用场景下的应用潜力 | 首次系统研究了深度学习方法在预测蛋白质结构、多配体结合和无先验口袋知识等广泛适用场景下的对接行为，并引入了多配体基准数据集 | 深度学习方法在预测新蛋白质-配体结合构象时仍面临挑战，且在结构准确性与化学特异性之间难以取得平衡 | 评估深度学习方法在蛋白质-配体对接中的实际应用潜力，特别是在药物发现和酶设计等生物医学研究领域 | 蛋白质-配体对接方法，特别是深度学习方法 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质结构数据, 配体数据 | NA | NA | AlphaFold 3 | 结构准确性, 化学特异性 | NA |
| 4411 | 2026-02-12 |
SonoMind: deep learning-based voice analysis for mental health monitoring
2026 Jan-Feb, Rivista di psichiatria
IF:1.0Q4
DOI:10.1708/4641.46506
PMID:41665892
|
研究论文 | 本研究提出了一种名为SonoMind的自适应深度学习框架，用于通过语音信号进行早期抑郁症检测 | 提出了一种仅基于语音的非侵入式、客观且保护隐私的抑郁症检测框架，结合了自适应谱配对降噪、同步声学特征学习和自适应磷虾-狼群优化算法进行特征选择 | 仅使用公开可用的DAIC-WOZ临床访谈数据集进行评估，未在更广泛或多样化的临床环境中进行验证 | 开发一种高效可靠的仅基于语音的临床抑郁症检测工具，以解决现有筛查工具的不足 | 抑郁症患者的语音信号 | 自然语言处理 | 抑郁症 | 语音信号分析 | 神经网络 | 语音信号 | 使用公开的DAIC-WOZ临床访谈数据集 | NA | NA | 准确率, 精确率, 召回率, F1分数, 平均绝对误差, 均方根误差 | NA |
| 4412 | 2026-02-12 |
Correction: Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1788430
PMID:41669084
|
correction | 本文是对先前发表文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4413 | 2025-12-28 |
From lesion detection to outcome prediction: artificial intelligence and deep learning applications in multiple sclerosis
2025-Dec-27, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08661-2
PMID:41454173
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4414 | 2026-02-12 |
Comparative Performance Evaluation of Federated and Centralized Learning for Velum and OTE Segmentation in Sleep Endoscopy Images
2025-Dec-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01756-4
PMID:41331654
|
研究论文 | 本研究系统比较了集中式学习与联邦学习在睡眠内镜图像中软腭和OTE区域语义分割的性能 | 首次在多机构睡眠内镜视频数据上系统比较集中式学习与联邦学习在气道结构分割任务中的性能差异 | 两种模型在模糊边界和舌根解剖变异区域的分割仍存在困难，联邦学习性能显著低于集中式学习 | 评估不同学习范式在睡眠内镜图像分割中的性能差异，为临床气道分析提供深度学习模型基础 | 药物诱导睡眠内镜图像中的软腭及口咽-舌根-会厌复合体区域 | 计算机视觉 | 阻塞性睡眠呼吸暂停 | 药物诱导睡眠内镜检查 | CNN | 视频图像 | 多机构睡眠内镜视频数据 | NA | NA | 精确率, 召回率, 准确率, Dice相似系数 | NA |
| 4415 | 2026-02-12 |
Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning
2025-Dec, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02528-1
PMID:39809933
|
研究论文 | 本研究提出了一种名为SCP-Nano的集成实验与深度学习流程，用于在单细胞分辨率下全面量化纳米载体在小鼠全身的靶向分布 | 开发了SCP-Nano方法，首次实现了在单细胞分辨率下对纳米载体在小鼠全身分布的全面三维映射，其检测灵敏度远高于传统全身成像技术 | 该方法目前仅在小鼠模型中进行验证，尚未应用于人体或更复杂的生物系统 | 开发高效准确的方法以分析纳米载体在生物体内的细胞水平生物分布，加速靶向药物递送系统的研发 | 小鼠体内的纳米载体，包括脂质纳米颗粒、脂质体、多聚复合物、DNA折纸和腺相关病毒 | 数字病理学 | NA | 单细胞分辨率成像，深度学习分析 | 深度学习模型 | 三维成像数据 | 小鼠模型 | NA | NA | 灵敏度 | NA |
| 4416 | 2026-02-12 |
CCLR-DL: A novel statistics and deep learning hybrid method for feature selection and forecasting healthcare demand
2025-12, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109057
PMID:40929936
|
研究论文 | 本文提出了一种结合统计方法和深度学习的混合框架CCLR-DL，用于特征选择和医疗需求预测 | CCLR-DL框架首次将因果统计选择与神经预测相结合，相比现有混合方法，在提升预测准确性的同时增强了模型的可解释性 | 未明确讨论模型在其他数据集或医疗场景中的泛化能力，以及计算复杂度可能较高 | 开发一种混合预测方法，以克服传统统计方法和深度学习模型的局限性，提高医疗需求预测的准确性和可解释性 | 临床就诊和诊断数据的时间序列，用于预测医疗需求 | 机器学习 | NA | 交叉相关分析、滞后多元线性回归、格兰杰因果检验 | 深度学习模型，具体包括BiLSTM | 时间序列数据 | 630万个体，数据收集时间跨度为10年 | NA | 双向长短期记忆单元（BiLSTM） | 均方根误差（RMSE） | NA |
| 4417 | 2026-02-12 |
The Use of DeepQSAR Models for the Discovery of Peptides with Enhanced Antimicrobial and Antibiofilm Potential
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02138
PMID:41195811
|
研究论文 | 本研究利用基于循环神经网络的DeepQSAR模型预测广谱抗菌肽活性，并设计出具有增强抗菌和抗生物膜潜力的新型肽 | 首次将DeepQSAR模型应用于抗菌肽的发现，成功设计出在抗菌和抗生物膜活性上均优于已知肽IDR-1018的新型肽序列 | 模型预测性能依赖于有限的训练数据量，且实验验证仅针对部分设计肽进行，未进行大规模体内外功能验证 | 开发基于深度学习的定量构效关系模型，以加速具有广谱抗菌和抗生物膜活性的新型抗菌肽的发现 | 抗菌肽（AMPs）及其衍生物 | 机器学习 | 细菌感染 | 定量构效关系（QSAR） | 循环神经网络（RNN） | 分子描述符数据 | 训练数据量未明确说明，但提及随着可用AMP训练数据增加而提升模型性能；设计了100个新型肽，其中44个进行了实验验证 | 未明确说明 | 基于循环神经网络的QSAR模型 | 5折交叉验证准确率 | NA |
| 4418 | 2026-02-12 |
Current Research and Development in the Field of Magnetic Resonance Contrast Media
2025-Nov-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001206
PMID:40622723
|
综述 | 本文讨论了下一代高弛豫率钆基对比剂的研究进展，包括安全性研究、MR技术改进以及新型对比剂的开发 | 重点关注下一代钆基对比剂（如gadopiclenol和gadoquatrane）可能取代现有标准，并重新探索锰基化合物在临床MR对比剂中的应用 | 锰基化合物的临床影像潜力尚不明确，且关于钆基对比剂稳定性的新信息仍在不断涌现 | 综述磁共振对比剂领域的最新研究与发展 | 钆基对比剂（包括线性和大环螯合物）、锰基化合物 | 医学影像 | NA | 磁共振成像（MRI） | NA | NA | NA | NA | NA | NA | NA |
| 4419 | 2026-02-12 |
VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis
2025-Oct-07, Research square
DOI:10.21203/rs.3.rs-7564369/v1
PMID:41282090
|
研究论文 | 本文提出了一种名为VISTA的新方法，用于预测空间转录组学数据中未观测基因的表达水平 | VISTA首次结合变分推断和几何深度学习，联合建模单细胞RNA-seq数据和空间转录组学数据，并引入不确定性量化 | NA | 解决空间转录组学技术中基因表达谱覆盖范围有限的问题，提升空间转录组数据的分析能力 | 空间转录组学数据 | 机器学习 | NA | 单细胞RNA-seq, 空间转录组学 | 几何深度学习 | 基因表达数据, 空间数据 | 四个空间转录组学数据集 | NA | NA | 时间效率, 内存消耗 | NA |
| 4420 | 2026-02-12 |
Fusion of habitat analysis and deep learning on contrast-enhanced T1-weighted imaging for predicting Ki-67 status in pediatric brain tumors
2025-Sep-27, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-025-06934-x
PMID:41014337
|
研究论文 | 本研究通过融合生境分析和深度学习技术，基于对比增强T1加权成像预测儿童脑肿瘤的Ki-67状态 | 首次将肿瘤生境分析与深度学习特征融合，用于量化儿童脑肿瘤的瘤内异质性并预测Ki-67指数 | 回顾性研究设计，样本量较小（140例），且仅基于单一成像模态（CE-T1WI） | 预测儿童脑肿瘤的Ki-67指数，以指导治疗和评估患者预后 | 儿童脑肿瘤患者 | 数字病理学 | 脑肿瘤 | 对比增强T1加权成像（CE-T1WI） | 随机森林 | 医学图像 | 140例儿童患者 | Scikit-learn | 随机森林 | AUC | NA |