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 47514 篇文献，本页显示第 4421 - 4440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4421 | 2026-06-05 |
Integrating AI in Medicinal Chemistry for Accelerated Drug Discovery: A Comprehensive SAR (CSAR) Optimization Strategy and Discovery of Potent ALDH3A1 Inhibitors
2026-May-30, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.6c00537
PMID:42216908
|
研究论文 | 提出一种AI引导的基于反应的先导化合物优化策略（CSAR），并成功发现强效ALDH3A1抑制剂 | 结合顺序反应枚举、药效团引导对接和预测建模，实现可扩展的SAR扩展，并在ALDH3A1抑制剂优化中实现约1000倍效力提升 | NA | 加速药物发现中的先导化合物优化过程 | ALDH3A1抑制剂 | 机器学习 | 癌症, 神经退行性疾病 | 反应枚举、药效团对接、深度学习预测建模 | 深度学习模型 | 分子结构数据 | 约250,000个虚拟类似物，150个合成化合物 | NA | NA | 生化效力（IC50）、细胞活性（EC50） | NA |
| 4422 | 2026-06-05 |
Artificial intelligence based techniques for brain tumor analysis: A systematic review
2026-May-30, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103460
PMID:42235350
|
综述 | 对基于人工智能的脑肿瘤分析技术进行系统性综述 | 明确了现有文献中弱监督脑肿瘤分割的研究空白，并强调了可解释人工智能在脑肿瘤分析中的重要性 | 仅纳入IEEE Xplore和ACM两个数据库的论文，可能遗漏其他来源的重要研究；未涉及AI方法在临床实践中的全面应用 | 系统回顾基于人工智能的脑肿瘤分析技术，包括常用方法、数据集、特征、评估指标和可解释人工智能方法 | 脑肿瘤分析技术相关的学术论文 | 机器学习 | 脑肿瘤 | NA | 深度学习 | NA | 3950篇初始论文，最终筛选101篇 | NA | NA | NA | NA |
| 4423 | 2026-06-05 |
Letter to the Editor: Traditional medical image interpretation and deep learning-based image analysis in predicting risk in patients with spontaneous intracerebral hemorrhage
2026-May-28, World journal of radiology
IF:1.4Q3
DOI:10.4329/wjr.v18.i5.118969
PMID:42238230
|
评论 | 讨论传统医学影像解读与基于深度学习的影像分析在预测自发性脑出血患者风险中的优缺点 | 提出将传统影像解读与深度学习模型相结合的混合评估系统，以实现更精准的早期干预策略 | 深度学习模型对数据要求高且复杂，阻碍其广泛应用；传统影像解读存在主观性和局限性 | 探讨传统影像解读与深度学习模型在预测自发性脑出血后血肿扩大和死亡风险中的比较与结合潜力 | 自发性脑出血患者 | 计算机视觉 | 脑血管疾病 | 计算机断层扫描（CT），磁共振成像（MRI），深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 预测准确性 | NA |
| 4424 | 2026-06-05 |
Artificial intelligence in allergen immunotherapy: toward a proactive and personalized management of allergic diseases
2026-May-26, Current opinion in allergy and clinical immunology
IF:3.0Q3
DOI:10.1097/ACI.0000000000001172
PMID:42235032
|
综述 | 探讨人工智能在过敏原免疫治疗中的应用，旨在实现过敏性疾病的前瞻性和个性化管理 | 总结了机器学习在患者分层、治疗依从性预测、实时监测及联邦学习在保护数据隐私方面的创新应用，同时指出了生成式AI在临床记录合成中的可靠性局限 | 生成式AI在直接用于患者时可靠性不足，且AI作为决策辅助工具仍需专家监督以确保患者安全 | 研究将人工智能整合到过敏原免疫治疗管理中，以提高精准医学效率和诊断准确性，并预测治疗结果 | 免疫球蛋白E介导的过敏性疾病患者及其过敏原免疫治疗管理 | 机器学习 | 过敏性疾病 | NA | 长短期记忆递归神经网络、随机潜变量actor-critic模型、深度学习、联邦学习、生成式AI | 组学数据、分子致敏谱数据、可穿戴传感器数据、环境参数数据 | NA | NA | 长短期记忆递归神经网络、随机潜变量actor-critic | NA | NA |
| 4425 | 2026-06-05 |
Two-Step Ensemble Convolutional Neural Networks for Colonoscopic Biopsy Classification Resembling Pathologists' Process
2026-May-25, Journal of Korean medical science
IF:3.0Q1
DOI:10.3346/jkms.2026.41.e152
PMID:42190697
|
研究论文 | 提出一种集成深度学习管道，用于结肠镜活检的五种诊断类别分类，类似于病理学家的诊断流程 | 首次采用两步骤集成卷积神经网络方法，模拟病理学家从整张切片图像中逐步分类的过程，并能过滤低质量图像 | 数据集可能仍有限，且NET分类任务可能需要更多验证 | 利用人工智能自动分类结肠直肠癌的多种亚型，提升诊断可靠性 | 结肠直肠癌活检切片图像 | 数字病理学, 计算机视觉, 机器学习 | 结肠直肠癌 | 数字病理学 | 卷积神经网络，集成模型 | 图像（整张切片图像） | 18,922张结肠直肠癌整张切片图像 | PyTorch | EfficientNet, 聚类约束注意力多实例学习模型 | 微观F1分数, 宏观F1分数, 加权F1分数 | NA |
| 4426 | 2026-06-05 |
Generating Labeled Low-Heterogeneity Transcriptomes Using CRISPRa and CRISPRi Can Improve Phenotype Prediction by Deep Learning
2026-May-25, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00873
PMID:42183825
|
研究论文 | 提出利用CRISPRa和CRISPRi技术生成低异质性标记转录组数据集，以改善深度学习的表型预测能力 | 首次提出通过CRISPRa和CRISPRi技术创建具有小增量转录组差异的标记细胞系，用于补充现有高异质性数据集，从而提升深度学习模型的表型预测性能 | 未提供实际生成的实验数据集验证方法有效性，仅停留在理论框架和实验设计阶段 | 解决现有组学数据因体积不足和高异质性而难以直接用于深度学习表型预测的问题 | 使用CRISPRa和CRISPRi技术生成的标记细胞系及其对应的转录组数据集 | 机器学习 | 癌症 | CRISPRa, CRISPRi, 转录组测序 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 4427 | 2026-06-05 |
PySERA: Open-source standardized python library for automated, scalable, and reproducible handcrafted and deep radiomics
2026-May-24, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109463
PMID:42235274
|
研究论文 | 开发了一个名为PySERA的开源标准化Python库，用于自动化、可扩展和可重复的手工与深度学习影像组学分析 | 首次在统一的Python框架中整合了标准化手工影像组学特征和深度学习影像组学嵌入，支持自动化和可重复分析，并具有高效的并行计算引擎 | NA | 解决现有影像组学工具在可重复性和可扩展性方面的局限，提供一个标准化且集成深度学习的Python原生框架 | 医学图像中的定量生物标志物提取与建模 | 计算机视觉, 数字病理学 | NA | 影像组学, 深度学习 | CNN | 医学图像（DICOM, NIfTI, NRRD格式） | NA | TensorFlow, PyTorch, Scikit-learn, MONAI | ResNet50, DenseNet121, VGG16 | 准确率, 可重复性（>94% IBSI） | NA |
| 4428 | 2026-06-05 |
Acoustic-based Stenosis Detection for Dialysis Patients using Explainable Machine Learning
2026-May-22, Research square
DOI:10.21203/rs.3.rs-9781692/v1
PMID:42239778
|
研究论文 | 通过可解释机器学习方法，基于声学记录自动检测透析患者动静脉瘘狭窄 | 首次系统性比较经典机器学习模型与视觉Transformer在动静脉瘘狭窄声学检测中的性能，并结合SHAP分析提供生理学可解释性 | NA | 开发一种非侵入性、可解释的动静脉瘘狭窄自动检测方法，提升透析患者长期血管通路监测的临床可行性 | 血液透析患者的动静脉瘘声学记录 | 机器学习 | 肾脏疾病 | 声学录音 | 经典机器学习模型、视觉Transformer | 声学信号 | NA | NA | Vision Transformer | F1分数 | NA |
| 4429 | 2026-06-05 |
Maximizing pancreatic carcinoma classification performance using parrot optimized vision transformer
2026-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53240-w
PMID:42168286
|
研究论文 | 利用鹦鹉优化视觉变换器最大化胰腺癌分类性能 | 结合YOLOv11特征提取、视觉变换器分类和鹦鹉元启发式优化算法，实现胰腺CT图像的高精度分类 | 数据集仅来自Kaggle的1411张图像，可能缺乏泛化性；未提及外部验证或临床应用可行性 | 开发一种自动化系统用于胰腺癌的识别与分类 | 胰腺CT图像，包含1411张图像 | 计算机视觉 | 胰腺癌 | CT成像 | 视觉变换器 | 图像 | 1411张胰腺CT图像 | NA | UNet, YOLOv11, Vision Transformer | 准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 真阳性率, 假阳性率 | NA |
| 4430 | 2026-06-05 |
A Robust Deep Learning Framework for Skill Level Discrimination in Tennis Strokes Using Bilateral IMU Measurements
2026-May-21, Sensors (Basel, Switzerland)
DOI:10.3390/s26103273
PMID:42198080
|
研究论文 | 提出一种基于同步双侧惯性测量单元数据的层次化深度学习框架，用于网球击球技能水平分类，准确率达95.54% | 首次利用双侧惯性测量单元数据结合CNN-BiLSTM混合架构自动提取时空特征，实现精英与业余球员的客观区分，并揭示精英运动员的双侧协调稳定性优势 | 样本量有限（39名参与者），且仅涵盖特定类型击球（正手、反手、发球、截击），可能影响泛化性 | 开发客观、可现场应用的技能分类系统，用于网球教练和人才识别，克服主观视觉观察的局限 | 39名网球运动员（11名精英、28名业余）的4594次击球数据（含增强样本） | 机器学习 | NA | IMU | CNN-BiLSTM | 时间序列信号 | 39名参与者（11精英、28业余），4594次击球数据 | NA | CNN, BiLSTM | 准确率 | NA |
| 4431 | 2026-06-05 |
YOLO-AFL: A Novel Lightweight Algorithm for Real-Time Safety Helmet Detection in Factory Workshops
2026-May-20, Sensors (Basel, Switzerland)
DOI:10.3390/s26103237
PMID:42198046
|
研究论文 | 提出一种基于YOLO-AFL的轻量级实时安全帽检测算法，解决工厂车间中深度学习模型参数大、计算量高的问题 | 引入K-Means++算法与1-AIoU距离度量优化锚框预处理，采用轻量级PConv操作改进C3模块，设计双注意力网络LDA-GC补偿精度损失 | 在自定义数据集上验证，泛化能力未充分测试；未提及实时性指标（如FPS） | 开发高效轻量级安全帽检测算法，适用于资源受限的工厂车间部署 | 工厂车间工人安全帽佩戴情况 | 计算机视觉 | 不适用 | 深度学习 | CNN | 图像 | 自定义数据集，具体数量未说明 | 不适用 | YOLO-AFL | mAP50 | NA |
| 4432 | 2026-06-05 |
Automated identification of bolus types in modified barium swallow studies using deep learning: a preliminary study
2026-May-20, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.16.26353385
PMID:42238390
|
研究论文 | 提出一种基于深度学习的自动分类方法，用于改良钡餐吞咽研究中食团类型的识别 | 首次将膨胀3D卷积神经网络应用于改良钡餐视频中食团类型的自动分类，提供标准化高效的吞咽评估流程 | 初步研究，样本量有限且性别比例不均衡，仅评估了三种食团类型，实际临床应用中可能存在更多类别 | 开发自动化分类系统，减少对人工标注的依赖，简化临床和研究工作流程 | 206名患者的277个改良钡餐研究，包含2,752个食团视频片段（液体、布丁、固体） | 计算机视觉 | 吞咽障碍 | 视频荧光吞咽造影 | 膨胀3D卷积神经网络 | 视频 | 206名患者（平均年龄60.24±9.02岁，89.32%为男性），共277个研究，2,752个视频片段 | PyTorch | 膨胀3D卷积神经网络 | 准确率，宏F1分数 | NA |
| 4433 | 2026-06-05 |
Evaluating OCT Device-Reported Image Quality Score: Towards a Task-Specific Quality Gate for Deep Learning-based Outer-Retina and Choroid Boundary Segmentation
2026-May-20, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.17.26353399
PMID:42238405
|
研究论文 | 评估OCT设备报告图像质量评分对深度学习视网膜外层和脉络膜边界分割任务的有效性 | 首次系统验证制造商定义的信号强度指数与深度学习分割精度的关系，并引入最优传输理论中的推土机距离作为边界评估指标 | Q-score对深度学习边界分割精度预测能力极差，解释方差不超过1.4%，且存在解剖深度相关误差层级和悖论相关性 | 探究OCT设备信号强度指数（Q-score）能否作为深度学习分割模型性能的可靠质量门控 | 103只眼睛的5,047张B扫描图像，包含椭圆体带、Bruch膜和脉络膜外边界三个解剖边界 | 计算机视觉 | 眼部疾病 | OCT成像 | U-Net | 图像 | 103只眼睛的5,047张B扫描图像 | NA | U-Net | 平均绝对误差、均方误差、Dice相似系数、推土机距离 | NA |
| 4434 | 2026-06-05 |
HiCP2GAN: A Plug and Play Foundation Model-based GAN for Hi-C Enhancement
2026-May-20, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.18.725960
PMID:42239130
|
研究论文 | 提出HiCP2GAN，一种基于预训练视觉Transformer基础模型作为判别器的即插即用生成对抗网络，用于增强Hi-C数据分辨率 | 首次将预训练的Hi-C基础模型（基于视觉Transformer）作为GAN判别器，利用其在大规模跨物种Hi-C数据上学习的丰富表示能力，提供生物有意义的对抗梯度；提出生成器无关框架，允许直接比较不同增强架构 | 仅在人细胞系上验证，未涉及其他物种或细胞类型；判别器仅冻结深层Transformer层并微调浅层，可能未充分探索最优微调策略 | 开发一种即插即用、生成器无关的GAN框架，利用预训练基础模型提升Hi-C数据增强性能 | 人类细胞系中的Hi-C接触图谱（稀疏接触图） | 机器学习 | 不适用 | Hi-C | 生成对抗网络（GAN） | Hi-C接触矩阵 | 118百万个跨物种和细胞类型的Hi-C补丁用于预训练；人类细胞系样本用于实验（具体数量未提供） | PyTorch | 视觉Transformer（ViT）作为判别器主干；生成器架构无关（任何兼容的Hi-C增强架构） | 不适用 | 不适用 |
| 4435 | 2026-06-05 |
"There's not one part of the programme that hasn't been useful in my clinical practice": undergraduate nursing students' views and experiences of a Dementia Education Programme
2026-May-19, Gerontology & geriatrics education
IF:0.8Q3
DOI:10.1080/02701960.2026.2674047
PMID:42154616
|
研究论文 | 探讨嵌入本科护理课程的三年期痴呆教育项目如何影响学生的知识、态度和临床实践 | 超越传统结果测量，聚焦教育过程和机制，揭示痴呆教育转化为临床实践的深层机理 | 未在摘要中明确提及 | 理解痴呆教育项目如何塑造护理学生的知识、态度和临床实践 | 英国某大学本科护理专业学生 | 医学教育 | 痴呆症 | NA | NA | 定性访谈数据 | 13名学生 | NA | NA | NA | NA |
| 4436 | 2026-06-05 |
Bidirectional Perceptual Multimodal Interaction Network Based on Contrastive Learning for Breast Cancer pCR Prediction
2026-May-19, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography12050074
PMID:42188715
|
研究论文 | 提出一种基于对比学习的双向感知多模态交互网络（BPMINet），用于乳腺癌新辅助化疗后病理完全缓解（pCR）的早期准确预测 | 通过双向交叉模态注意力融合机制解决高维DCE-MRI与低维临床数据之间的语义不对齐问题；设计多模态对比感知特征增强模块，提升难分类样本的判别能力和泛化性能 | NA | 提高乳腺癌pCR预测性能和泛化能力，克服肿瘤异质性和多模态语义不对齐的挑战 | 乳腺癌患者新辅助化疗前的DCE-MRI影像数据和临床信息 | 计算机视觉 | 乳腺癌 | DCE-MRI | CNN | 影像， 文本 | 两个公开多中心数据集（MAMA-MIA和ISPY1） | PyTorch | 双向交叉模态注意力网络（BiCMA），多模态对比感知特征增强模块（MCFE） | AUC， 准确率 | NA |
| 4437 | 2026-06-05 |
A Supervised Contrastive Variational Autoencoder with Probabilistic Latent Alignment for Cross-Domain EEG Emotion Recognition
2026-May-19, Sensors (Basel, Switzerland)
DOI:10.3390/s26103217
PMID:42198025
|
研究论文 | 提出一种监督对比变分自编码器网络用于跨领域脑电图情绪识别 | 利用变分自编码器的重建机制和潜在空间概率化，结合最大均值差异损失减少分布差异，并通过多视图监督对比学习增强类别内一致性和类别间可分性 | 未在更多样化的数据集或实际应用场景中验证，计算资源消耗信息未提及 | 提升跨领域脑电图情绪识别的性能，解决源域和目标域分布差异问题 | 脑电图信号 | 机器学习 | NA | 脑电图（EEG） | 变分自编码器（VAE） | 脑电图信号 | SEED数据集和SEED-IV数据集，具体样本数量未明确 | NA | SCVAE-Net | 准确率 | NA |
| 4438 | 2026-06-05 |
Opportunistic CT Attenuation Biomarkers of Anemia Are Associated With Impaired Myocardial Flow Reserve and Cardiovascular Outcomes
2026-May-19, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.14.26353239
PMID:42238410
|
研究论文 | 利用深度学习方法从CT图像中测量心脏密度作为贫血的生物标志物，并评估其与心肌血流储备和心血管结局的关系 | 首次在大型多模态数据集中验证了CT测量的心脏密度可以作为贫血的替代标志物，且与心肌血流储备受损及心血管事件独立相关 | 未提及具体限制，但可能需要考虑CT扫描参数、患者体型等因素对密度测量的影响 | 评估心脏密度测量与血红蛋白、PET结果和心血管事件之间的关系 | 来自REFINE-PET研究的33460名患者和肺癌筛查CT的24368名患者 | 计算机视觉 | 贫血，心血管疾病 | CT成像，PET成像 | 深度学习模型 | 图像 | 57828名患者 | NA | NA | 调整后优势比，调整后风险比，95%置信区间 | NA |
| 4439 | 2026-06-05 |
Replicability of unsupervised deep learning derived image phenotypes
2026-May-19, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.19.726257
PMID:42239250
|
研究论文 | 评估无监督深度学习图像表型在模型初始化、数据划分和队列变化条件下的可重复性 | 首次系统评估无监督深度学习图像表型在不同训练条件（随机种子、交叉验证、独立数据集）下的可重复性，并引入核方法（CKA、KCCA）和遗传发现稳定性指标 | 仅评估了CNN和ViT两种架构，未涵盖其他深度学习方法；研究所用数据仅来自UKB和ADNI两个队列，可能存在选择性偏倚 | 验证无监督深度学习图像表型是否具有跨实验条件的可重复性，以支持其在影像遗传学中的应用 | 无监督深度学习图像表型 | 机器学习 | NA | 脑MRI成像 | CNN、ViT | 图像 | UKB发现队列22,985例，外加UKB和ADNI独立数据集 | PyTorch | CNN、ViT | CKA（中心核对齐）、KCCA（核典型相关分析）、位点重叠率 | NA |
| 4440 | 2026-06-05 |
NeuroPupil: A generalization-first framework for scalable and biologically informative cross-species pupillometry
2026-May-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.14.725098
PMID:42239082
|
研究论文 | 提出了一种名为NeuroPupil的深度学习框架，用于高通量、跨物种的瞳孔测量，强调在受试者、行为背景和成像条件下的稳健泛化能力 | 通过系统基准测试训练策略与网络架构，发现池化多受试者训练结合优化的U-Net架构是实现可靠且可迁移瞳孔追踪性能的关键因素，同时集成基准测试、可扩展性和可获取的软件工具 | 未明确提及局限性，但可能受限于训练数据集的多样性及跨物种应用的进一步验证 | 实现准确、可扩展且可泛化的瞳孔测量，以促进其在系统神经科学和转化神经科学中的应用 | 小鼠和人类瞳孔图像数据 | 数字病理学 | 神经系统疾病 | 深度学习 | U-Net | 图像 | 跨多样的小鼠和人类数据集 | PyTorch | U-Net | 准确性、计算效率 | NA |