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 44490 篇文献，本页显示第 4561 - 4580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4561 | 2026-03-16 |
Improving speaker diarization for naturalistic child-adult conversational interactions using contextual information
2020-02, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0000736
PMID:32113327
|
研究论文 | 本文分析了影响儿童-成人对话互动中说话人日志性能的上下文因素，并训练了一个结合这些因素的DNN来改进日志性能 | 通过识别影响每种日志错误类型的上下文因素，并将这些因素与日志输出结合训练DNN，以改进在临床环境中儿童-成人互动的说话人日志性能 | NA | 改进在自然主义儿童-成人对话互动中的说话人日志性能 | 儿童与成人（照顾者/检查者）之间的对话互动 | 自然语言处理 | NA | 深度学习 | DNN | 音频 | NA | NA | NA | NA | NA |
| 4562 | 2026-03-15 |
Applied immunoinformatics in modern vaccine design: a comprehensive review of available computational tools
2026-Apr-02, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2026.128392
PMID:41747335
|
综述 | 本文全面综述了现代疫苗设计中可用的免疫信息学计算工具，涵盖了从病原体靶点识别到疫苗候选物优化的全流程 | 系统梳理了超过250种计算工具，并强调了从纯预测模型向生成式框架的范式转变，即利用人工智能和深度学习进行疫苗候选物的理性设计 | 作为综述文章，未提出新的原创工具或算法，主要基于现有文献进行归纳总结 | 为疫苗研发人员提供当前最可靠、高性能的免疫信息学工具资源概览，加速疫苗设计流程 | 疫苗设计流程中的计算工具与算法 | 计算生物学 | NA | 免疫信息学 | 深度学习, 人工智能 | 基因组数据, 结构数据 | NA | NA | NA | NA | NA |
| 4563 | 2026-03-15 |
Artificial intelligence and multi-omics convergence in breast cancer: Revolutionizing diagnosis, prognostication, and precision oncology
2026-Apr, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2026.105160
PMID:41616992
|
综述 | 本文综述了人工智能与多组学在乳腺癌中的融合，旨在革新诊断、预后评估和精准肿瘤学 | 整合多组学数据与影像、病理及临床变量，利用深度学习架构学习共享和模态特异性表示，以提高预测准确性 | 存在跨中心异质性、端点定义不一致、真实世界工作流中模态结构性缺失、跨平台标准化不足、可解释性和可审计性有限以及缺乏前瞻性验证等障碍 | 推动多模态人工智能与多组学整合在乳腺癌管理中的可靠临床部署 | 乳腺癌 | 机器学习 | 乳腺癌 | 多组学分析（包括基因组学、转录组学、表观基因组学、蛋白质组学、代谢组学） | 深度学习 | 多组学数据、影像、病理、临床变量 | NA | NA | NA | NA | NA |
| 4564 | 2026-03-15 |
A novel few-shot meta-learning strategy for fault diagnosis of wastewater treatment process
2026-Apr, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2026.02.016
PMID:41741308
|
研究论文 | 本文提出了一种结合原型网络与增强TimesBlock模块的新型小样本故障诊断框架，用于污水处理过程的故障诊断 | 设计了基于XGBoost重要性分析的Meta-TimesBlock来自适应加权多维时间序列特征，引入了参数高效的MetaLearner模块以降低计算复杂度，并采用辅助损失函数增强原型判别性 | NA | 解决污水处理过程中故障样本有限且多维时间序列数据复杂的问题，实现小样本故障诊断 | 污水处理过程（WWTPs）的故障诊断 | 机器学习 | NA | NA | 原型网络, 元学习 | 多维时间序列数据 | 基于BSM1基准在三种天气场景下进行实验 | NA | Meta-TimesBlock, MetaLearner | 准确率 | NA |
| 4565 | 2026-03-15 |
Radiographic Data Segmentation as a Tool in Machine Learning and Deep Learning Artificial Intelligence Algorithms
2026-Apr, Dental clinics of North America
DOI:10.1016/j.cden.2025.11.012
PMID:41825999
|
综述 | 本文综述了牙科领域中作为机器学习和深度学习算法基石的放射影像数据分割技术 | 系统性地总结了卷积神经网络在牙科多种放射影像（如全景片、根尖片、咬翼片和锥形束CT）中分类、检测和像素/体素分割任务的应用，并展示了AI在多项任务中达到或超越临床医生水平的性能指标 | NA | 回顾并强调放射影像数据分割在牙科机器学习和深度学习人工智能算法中的核心作用 | 牙科放射影像数据，包括全景片、根尖片、咬翼片和锥形束CT成像 | 计算机视觉 | NA | 放射影像技术（全景、根尖、咬翼、锥形束CT成像） | CNN | 图像 | NA | NA | NA | NA | NA |
| 4566 | 2026-03-15 |
The Science Behind Machine Learning, Deep Learning, and Active Learning
2026-Apr, Dental clinics of North America
DOI:10.1016/j.cden.2025.11.006
PMID:41826000
|
综述 | 本文介绍了机器学习、深度学习和主动学习的核心概念及其在现代牙科中的应用 | 强调了深度学习模型（如卷积神经网络和Transformer）在牙科数据自动分析中的应用，以及主动学习在减少标注负担和结合解剖学规则的知识驱动策略方面的作用 | NA | 介绍机器学习、深度学习和主动学习在牙科诊断、治疗规划和临床决策支持中的应用 | 牙科数据，特别是锥形束计算机断层扫描中的根尖周病变 | 机器学习 | 牙科疾病 | 锥形束计算机断层扫描 | CNN, Transformer | 图像 | NA | NA | 卷积神经网络, Transformer | NA | NA |
| 4567 | 2026-03-15 |
Three-dimensional neural network driving self-interference digital holography enables high-fidelity, non-scanning volumetric fluorescence microscopy
2026-Mar-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.587822
PMID:41824690
|
研究论文 | 本文提出了一种深度学习驱动的计算方法，通过三维神经网络改进自干涉数字全息术，实现高保真、非扫描的体荧光显微镜成像 | 利用三维深度神经网络模型，同时抑制离焦噪声、提高空间分辨率和信噪比，无需机械或光电扫描即可实现三维非扫描体荧光显微镜成像 | NA | 克服自干涉数字全息术在轴向成像性能上的限制，实现高时空分辨率的三维成像 | 细胞结构动态和高速流场的三维行为 | 计算机视觉 | NA | 自干涉数字全息术 | CNN | 图像 | NA | NA | 三维深度神经网络 | 空间分辨率, 信噪比 | NA |
| 4568 | 2026-03-15 |
A hybrid deep learning approach with temporal awareness for intelligent intrusion detection in 6G-enabled IIoT networks
2026-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43058-x
PMID:41826618
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4569 | 2026-03-15 |
Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning
2026-Mar-13, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023355
PMID:40480824
|
研究论文 | 本研究开发了一种结合先验医学知识引导的深度学习模型，用于预测急性缺血性卒中患者在延长时间窗取栓后的最终梗死区域 | 通过将侧支循环评分、梗死概率图和动脉供血区图等先验医学知识整合到Swin Transformer模型中，显著提升了延长时间窗取栓后梗死预测的准确性 | 本研究为回顾性研究，样本量相对有限（221例），且仅来自三个中心，可能存在选择偏倚 | 提高急性缺血性卒中患者在延长时间窗机械取栓后最终梗死区域的预测精度，以辅助治疗规划 | 接受症状出现后超过6小时进行机械取栓的急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | CT灌注成像 | Swin Transformer | 图像 | 221例急性缺血性卒中患者 | NA | Swin Transformer | Dice系数, IoU | NA |
| 4570 | 2026-03-15 |
Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms
2026-Mar-13, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023416
PMID:40506221
|
研究论文 | 本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并探讨可解释AI对深度学习模型预测动脉瘤闭塞结果可靠性和可解释性的影响 | 提出了一种通过解卷积和再卷积标准化注射曲线来最小化注射变异性的算法，并结合可解释AI（LIME）增强模型决策的透明度和临床相关性 | 研究仅基于458名患者的血管造影数据，样本量相对有限，且可能未涵盖所有临床变异情况 | 提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞结果的准确性和可解释性 | 接受血流导向装置治疗的颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | 定量血管造影 | 深度神经网络 | 血管造影图像 | 458名患者 | NA | 深度神经网络 | AUROC, 准确率, 敏感性, 特异性 | NA |
| 4571 | 2026-03-15 |
Recent developments in pharmacophore-based modeling of Ca2+/Calmodulin-dependent protein kinase II delta (CaMkIIδ) inhibitors for heart failure therapy
2026-Mar-13, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2643408
PMID:41824031
|
综述 | 本文综述了基于药效团建模的计算方法在发现CaMKIIδ抑制剂用于心力衰竭治疗中的最新进展 | 强调了药效团建模在CaMKIIδ抑制剂发现中的应用，并探讨了机器学习辅助发现和药物重定向策略，如将ruxolitinib和hesperadin等已批准药物鉴定为CaMKIIδ抑制剂 | 药效团驱动的CaMKIIδ建模仍未被充分利用，需要整合AI/深度学习、异构体选择性过滤器、状态及翻译后修饰特异性靶向以及严格的实验验证 | 综述用于发现CaMKIIδ抑制剂的计算方法，特别是药效团建模，以支持心力衰竭治疗 | 钙/钙调蛋白依赖性蛋白激酶II delta (CaMKIIδ) 及其抑制剂 | 计算药物发现 | 心力衰竭 | 药效团建模，分子对接，QSAR，虚拟筛选，机器学习 | NA | 化学结构数据，文献数据 | NA | NA | NA | NA | NA |
| 4572 | 2026-03-15 |
Loop of N2-polarized neutrophils and exhausted CD8 + T cells induces immunotherapy resistance in NSCLC
2026-Mar-13, Molecular and cellular biochemistry
IF:3.5Q3
DOI:10.1007/s11010-025-05457-y
PMID:41824204
|
研究论文 | 本研究通过整合单细胞RNA测序数据，揭示了非小细胞肺癌中N2极化中性粒细胞与耗竭CD8⁺ T细胞之间形成正反馈环路导致免疫治疗耐药的机制，并基于此构建了深度学习预测模型 | 首次发现N2中性粒细胞与耗竭CD8⁺ T细胞通过ICAM1-整合素和CCL5-CCR1轴形成自我维持的免疫抑制环路，并基于该分子环路构建了可预测免疫治疗反应的深度学习模型 | 研究主要基于计算分析，需要进一步实验验证分子机制；模型在更多癌症类型中的普适性仍需验证 | 揭示非小细胞肺癌免疫治疗耐药的细胞互作机制，并开发预后分层和免疫治疗反应预测模型 | 非小细胞肺癌肿瘤免疫微环境中的N2极化中性粒细胞和耗竭CD8⁺ T细胞 | 计算生物学 | 肺癌 | 单细胞RNA测序, 批量RNA测序 | 深度神经网络 | 基因表达数据 | 大规模单细胞RNA测序数据集和多个批量RNA测序队列 | NA | 深度神经网络 | 预测准确性 | NA |
| 4573 | 2026-03-15 |
VFIR: Vector Fields Implicit Representation for Surface Reconstruction from Point Clouds
2026-Mar-13, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2026.3674088
PMID:41824347
|
研究论文 | 本文提出了一种名为VFIR的新方法，利用神经隐式函数学习向量场，用于从点云进行表面重建 | 提出了基于向量场的隐式表示方法，克服了SDF仅适用于水密模型和UDF在表面边界不可微的局限性，并引入了渐进学习策略和优化的三状态行进立方体算法 | 未明确说明方法对噪声点云或极端稀疏点云的鲁棒性，也未讨论计算复杂度与实时应用的可行性 | 从点云进行高精度、鲁棒的3D表面重建 | 3D点云数据 | 计算机视觉 | NA | 神经隐式函数，向量场表示 | 神经隐式函数模型 | 点云 | NA | NA | NA | 准确性，鲁棒性，泛化能力 | NA |
| 4574 | 2026-03-15 |
Hierarchical abstraction drives human-like 3-D shape processing in deep learning models
2026-Mar-13, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014047
PMID:41824548
|
研究论文 | 本文探讨了深度学习模型在处理3D形状时是否发展出与人类视觉相似的表征，并通过实验比较了卷积基和Transformer基模型在点云识别任务中的表现 | 通过系统的人类实验与深度学习模型对比，揭示了Transformer基模型在3D形状分层抽象方面更接近人类处理模式，并指出渐进下采样操作是实现这一优势的关键 | 研究主要基于点云数据，未涉及其他3D表示形式（如网格或体素），且实验条件可能未完全覆盖所有现实世界的视觉变化 | 探究深度学习模型在3D形状识别任务中是否形成与人类视觉相似的全局形状表征 | 人类参与者与深度学习模型（包括卷积基和Transformer基架构） | 计算机视觉 | NA | 点云处理 | CNN, Transformer | 3D点云 | 约10,000个对象实例用于模型训练 | NA | DGCNN, Point Transformer | 识别准确率 | NA |
| 4575 | 2026-03-15 |
Cattle lameness detection using depth image and deep learning
2026-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40780-4
PMID:41826368
|
研究论文 | 本文开发了一个基于深度图像和深度学习的端到端框架，用于对牛只跛行进行全天候监测与评分 | 提出了一个集成了实例分割、多目标跟踪和时空分类的完整端到端深度学习框架，并引入了新的跟踪算法PTAV3，用于农业场景下牛只跛行的实时、自动化、客观监测 | NA | 开发一个自动化、客观的牛只跛行监测与评分系统，以解决动物福利和经济问题 | 牛只 | 计算机视觉 | NA | 深度成像 | CNN, LSTM | 深度图像 | NA | NA | Mask R-CNN, YOLOv8m-seg, YOLOv11m-seg, EfficientNet-B1至B7, LSTM | BBox AP@50, Mask AP@50, FPS, 准确率, F1分数 | NA |
| 4576 | 2026-03-15 |
Exploration of Deep Learning Methods for Synthetic T2-Weighted Pelvic MRI Generation from CT Scans: A Technical Feasibility Study
2026-Mar-13, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01900-8
PMID:41826596
|
研究论文 | 本研究探索了使用深度学习算法从盆腔CT扫描生成合成T2加权MRI的技术可行性 | 首次系统性地在腹盆腔成像中比较了多种先进的条件生成对抗网络架构（如ESAUNet、ResViT和Cascaded Gaze）用于CT到T2加权MRI的合成任务 | 合成图像在精细细节方面评分较低，且研究样本量相对有限（总训练集n=90，独立测试集n=19） | 开发和比较深度学习算法，以从盆腔CT生成合成T2加权MRI，并评估其技术可行性和性能 | 盆腔CT扫描和对应的T2加权MRI图像 | 计算机视觉 | NA | CT扫描，MRI成像 | GAN | 图像 | 多中心队列（n=90，包括SynthRad2023数据集60例和内部数据集30例），独立测试使用Gold Atlas男性队列（n=19） | NA | efficient Self-Attention UNet (ESAUNet), Residual Vision Transformer (ResViT), Cascaded Gaze | PSNR, SSIM, MAE | NA |
| 4577 | 2026-03-15 |
Prostate MRI quality improvement: a Roadmap from the ESUR Prostate MRI Working Group
2026-Mar-13, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12395-w
PMID:41826767
|
综述 | 本文介绍了欧洲泌尿生殖放射学会前列腺MRI工作组提出的三步质量改进框架，旨在标准化和提升前列腺MRI实践 | 提出了一个结构化的三步质量改进框架，整合了技术标准、客观质量评估、系统训练及新兴技术，以系统化方式提升前列腺MRI的一致性和质量 | 框架的实施需要国际协调和基于结果的验证，其全球影响最大化仍面临挑战 | 旨在通过标准化和改进前列腺MRI的采集、解读和报告实践，提升诊断准确性和患者护理质量 | 前列腺磁共振成像（MRI）的实践和质量改进 | 数字病理学 | 前列腺癌 | 磁共振成像（MRI） | NA | 医学影像 | NA | NA | NA | PI-QUAL评分 | NA |
| 4578 | 2026-03-15 |
Automated deep-learning quantification of nine patellofemoral instability parameters on multislice CT images : development and validation of the GU2Net model
2026-Mar-12, Bone & joint open
IF:2.8Q1
|
研究论文 | 本研究开发并验证了一个名为GU2Net的深度学习模型，用于自动量化膝关节CT图像上的九个髌股不稳定参数 | 首次提出一个深度学习模型来自动化测量九个关键的髌股不稳定参数，减少了手动评估的时间和变异性，并降低了对检查者经验的依赖 | 模型在测量SA（滑车角）参数时性能相对较低，ICC和相关系数均低于其他参数 | 开发并验证一个深度学习模型，以自动化、客观且精确地测量髌股不稳定参数，用于诊断和治疗规划 | 膝关节CT图像 | 计算机视觉 | 髌股不稳定 | 多层CT成像 | 深度学习模型 | CT图像 | 1,125个膝关节 | NA | GU2Net | 成功检测率, 平均绝对误差, 组内相关系数, 皮尔逊相关系数 | NA |
| 4579 | 2026-03-15 |
A deep learning framework for breast cancer diagnosis using Swin Transformer and Dual-Attention Multi-scale Fusion Network
2026-Mar-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37969-y
PMID:41813686
|
研究论文 | 本文提出了一种名为Swin-DAMFN的深度学习框架，用于通过乳腺X光图像进行乳腺癌诊断，该框架结合了Swin Transformer和基于CNN的双注意力多尺度融合网络 | 提出了一种新颖的双分支混合架构（Swin-DAMFN），结合了Swin Transformer的全局依赖建模和CNN的局部特征提取，并引入了多尺度可分离注意力（MSA）和三重洗牌卷积注意力（TSCA）模块，以及结合GAN和光度增强的数据增强策略 | 未明确说明模型在更广泛或临床实时环境中的泛化能力，以及计算资源需求可能较高 | 开发一个高效的深度学习框架，以提高乳腺癌的早期诊断准确性 | 乳腺X光图像（来自MIAS和CBIS-DDSM数据集） | 计算机视觉 | 乳腺癌 | 深度学习，数据增强（包括GAN和光度增强） | Transformer, CNN, GAN | 图像 | MIAS和CBIS-DDSM数据集（具体样本数未在摘要中提供） | 未在摘要中明确指定，但可能涉及PyTorch或TensorFlow | Swin Transformer, Dual-Attention Multi-scale Fusion Network (DAMFN) | 准确率, 灵敏度, F1分数 | 未在摘要中明确指定 |
| 4580 | 2026-03-15 |
Deep Learning-Based Estimated Pulmonary Biological Age From Chest Computed Tomography Images in Healthy Adults: Model Development and Validation Study
2026-03-12, JMIR aging
IF:5.0Q1
DOI:10.2196/78243
PMID:41818478
|
研究论文 | 本研究开发并验证了一种基于胸部CT图像的深度学习模型，用于估计健康成年人的肺部生物年龄，并探讨了其与COPD患者肺功能和全因死亡率的关系 | 首次利用大规模健康成年人的多中心胸部CT数据训练和验证深度学习模型来估计肺部生物年龄，并验证了年龄差作为COPD患者新型临床生物标志物的潜力 | 模型仅在健康成年人中训练，可能无法完全捕捉疾病状态下的肺部老化特征；外部验证数据集规模相对有限 | 开发基于胸部CT的肺部生物年龄估计模型，并评估其在COPD患者中的临床应用价值 | 健康成年人的胸部CT图像以及COPD患者的临床数据 | 计算机视觉 | 慢性阻塞性肺疾病 | 胸部计算机断层扫描 | 深度学习模型 | 图像 | 健康成年人CT扫描11,187例（机构A 7,726例用于模型开发，机构B 1,506例和机构C 1,955例用于外部测试），COPD患者138例 | NA | NA | 相关性分析，风险比 | NA |