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 46085 篇文献，本页显示第 441 - 460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 2026-06-17 |
Deep Learning-Based Image Analysis Model for Classification and Quantification of Multiple Histopathological Findings in Rat Testis and Epididymis
2026-Jun, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233261429448
PMID:41936108
|
研究论文 | 开发了一种基于深度学习的图像分析模型，能够在大鼠睾丸和附睾的H&E染色全切片图像上同时检测、分类和量化七种主要毒性病变，并分类精子发生阶段 | 首次实现了在大鼠H&E染色切片上同时检测和分类多种睾丸毒性病变（7种）以及精子发生阶段 | 未提及具体限制 | 开发一种支持大鼠毒性研究初始筛选中组织病理学评估的深度学习模型 | 大鼠的睾丸和附睾组织 | 数字病理学 | 生殖毒性 | NA | 深度学习模型 | 全切片图像 | 使用了来自多种化合物毒性研究的大鼠睾丸和附睾全切片图像 | NA | NA | 检测准确率（与经认证病理学家的诊断比较） | NA |
| 442 | 2026-06-17 |
Pathology-Anchored Transcranial Sonography: A Cascaded Super-Resolution Deep Learning System for Early-Stage Parkinson's Disease Grading
2026-Apr-11, NPJ Parkinson's disease
DOI:10.1038/s41531-026-01348-1
PMID:41965365
|
研究论文 | 该研究提出一种结合非侵入性经颅超声成像和深度学习的新方法，用于帕金森病的早期诊断和分级 | 创新性地将级联超分辨率重建技术（WDSR与传统插值方法）与ResNet18模型结合，建立了TCS影像特征与病理损伤程度之间的定量关系 | NA | 实现帕金森病的早期准确诊断和分级 | 6-羟基多巴胺诱导的帕金森病大鼠模型 | 计算机视觉, 数字病理学 | 帕金森病 | 经颅超声成像, 组织学检查 | CNN | 图像 | NA | PyTorch | WDSR, ResNet18 | 峰值信噪比, 结构相似性指数, 诊断准确率 | NA |
| 443 | 2026-06-17 |
Artificial intelligence in ACL injury prediction and prevention: a systematic review
2026-Apr-07, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-026-06825-0
PMID:41947211
|
系统综述 | 评估人工智能在前交叉韧带损伤预测与预防中的应用 | 首次系统综述人工智能在ACL损伤预测与预防中的应用，涵盖技术、性能指标、运动环境和干预效果 | 样本量小、方法异质性高、实际应用障碍（如设备成本）限制了临床推广 | 评估人工智能在ACL损伤预测与预防中的应用效果 | 前交叉韧带损伤预测与预防相关研究 | 机器学习 | 前交叉韧带损伤 | NA | 机器学习（支持向量机、随机森林）；深度学习（卷积神经网络） | 生物力学参数；视频运动角度 | 七项研究，5-880名参与者，年龄13-22.8岁 | NA | NA | 准确率、AUC、R² | NA |
| 444 | 2026-06-17 |
Real-world unified denoising for multi-organ fast MRI: a large-scale prospective validation
2026-Mar-19, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02548-y
PMID:41857225
|
research paper | 提出一种统一的深度学习去噪模型，用于多器官加速MRI，并在大规模真实世界数据上验证其有效性 | 首次在大规模前瞻性收集的真实世界数据上训练多器官MRI去噪模型，涵盖六个临床中心和四种主要MRI供应商，模型可直接处理商用MRI系统的重建图像 | NA | 开发并验证一种统一的深度学习去噪模型，以改善加速MRI的图像质量，缩短扫描时间，并推动临床广泛应用 | 多器官加速MRI图像（包括六个器官和96种MRI协议）及去噪效果 | machine learning | NA | MRI | 深度学习模型 | 图像 | 148,930对图像用于训练，20,143对图像用于测试，46,870张外部临床图像用于泛化验证 | NA | NA | Dice分数 | NA |
| 445 | 2026-06-17 |
Benchmarking Automated Detection and Classification Approaches for Long-Term Acoustic Monitoring of Endangered Species: A Case Study on Gibbons From Cambodia
2026-03, American journal of primatology
IF:2.0Q1
DOI:10.1002/ajp.70127
PMID:41854092
|
研究论文 | 对柬埔寨长臂猿长期声学监测的自动检测与分类方法进行基准测试 | 首次对多种深度学习与迁移学习方法在长臂猿声学监测中的性能进行系统比较，并基于全球鸟类声音模型进行迁移学习 | 依赖手动验证，且仅针对雌性合唱歌声，未涵盖其他声学信号 | 评估自动检测方法在濒危物种长期声学监测中的有效性 | 南方黄冠冠长臂猿（Nomascus gabriellae）雌性合唱歌声 | 机器学习 | NA | 声学监测 | 支持向量机、DenseNet、ResNet50、BirdNET | 音频 | 超过130,000小时连续声景数据，其中长臂猿样本数量大于200 | NA | 支持向量机、准DenseNet、ResNet50、BirdNET | 准确率 | NA |
| 446 | 2026-06-17 |
Artificial intelligence-enabled electrocardiography from scientific research to clinical application
2026-01, EMBO molecular medicine
IF:9.0Q1
DOI:10.1038/s44321-025-00351-y
PMID:41326714
|
综述 | 综述人工智能在心电图分析中的最新进展及其临床转化 | 系统总结了人工智能从原始信号中直接处理复杂高维数据的能力，突破了传统心电诊断的局限性，并强调其在无症状低射血分数和阵发性房颤早期识别中的创新应用 | 未提及具体方法学的局限性和临床部署中的潜在挑战 | 概述人工智能使能心电图的科研进展并向临床应用转化 | 基于人工智能增强的心电图分析技术 | 机器学习 | 心血管疾病 | 心电图、深度学习 | NA | 电信号 | NA | NA | NA | NA | NA |
| 447 | 2026-06-17 |
Deep learning-based detection of cerebral microbleeds on 2D T2*-weighted GRE MRI: toward ARIA-H risk assessment in Alzheimer's treatment
2026, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2026.1729422
PMID:41948063
|
research paper | 开发并验证了一种基于YOLOv11的深度学习模型，用于在2D T2*加权梯度回波(GRE) MRI上自动检测脑微出血(CMBs)，从而支持阿尔茨海默病治疗中的ARIA-H风险评估 | 提出了一种新颖的多通道预处理流水线，通过超分辨率技术增强CMB可见性，并首次将YOLOv11应用于2D GRE MRI上的CMB检测，实现了从病变级到患者级的全面评估 | 模型在病变级检测的灵敏度和精确度仍有提升空间，且最终ARIA分级和临床决策仍需要神经放射学专家确认，该系统目前定位为决策支持工具 | 开发并验证一种基于人工智能的自动CMB检测模型，仅使用临床广泛应用的2D T2*加权GRE MRI，以支持阿尔茨海默病抗淀粉样治疗中的ARIA-H风险评估 | 脑微出血(CMBs)的自动检测，用于评估阿尔茨海默病治疗中淀粉样蛋白相关影像异常合并出血(ARIA-H)的风险 | computer vision | 阿尔茨海默病 | 2D T2*加权GRE MRI | YOLOv11 | 图像（MRI） | 758名参与者 | NA | YOLOv11 | 灵敏度、精确度、F1分数 | NA |
| 448 | 2026-06-17 |
LMRNet: a lightweight convolutional neural network for real-time mountain rice leaf disease recognition on edge devices
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1789523
PMID:41948293
|
研究论文 | 提出一种轻量级卷积神经网络LMRNet，用于边缘设备上实时识别山地水稻叶片病害 | 首次面向边缘智能设备设计适用于山地水稻叶片病害识别的轻量级模型架构，并开发安卓平台智能手机应用 | 仅针对自建的山地水稻叶片病害数据集，未提及在更广泛水稻品种或复杂环境下的泛化能力 | 实现山地水稻叶片病害在边缘设备上的实时准确识别，促进智能农业工程应用 | 山地水稻叶片病害识别模型及其智能手机应用 | 计算机视觉 | 水稻病害 | NA | 卷积神经网络 | 图像 | 自建山地水稻叶片病害图像数据集多种病害类别 | NA | 轻量级卷积神经网络（具体结构未明确指定，基于轻量设计原则） | 准确率，推理速度（帧每秒） | 不同智能手机（边缘设备） |
| 449 | 2026-06-17 |
Artificial Intelligence and Radiomics in Primary Liver Cancer Imaging: A Bibliometric and Visualized Analysis
2026, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S578670
PMID:41948485
|
研究论文 | 对人工智能与影像组学在原发性肝癌成像领域的研究进行文献计量学和可视化分析 | 首次系统性梳理AI与影像组学在原发性肝癌成像领域的研究现状与新兴热点，提供数据支持和学术见解 | NA | 分析该领域的研究现状和新兴热点，为后续研究提供数据支持和学术见解 | 2008年至2025年间发表的2890篇关于原发性肝癌、AI和影像组学的出版物 | 医学图像分析 | 原发性肝癌 | NA | NA | 文献数据 | 2890篇出版物 | VOSviewer, CiteSpace, R | NA | NA | NA |
| 450 | 2026-06-17 |
Generation of deep learning based virtual contrast-enhanced CT images from noncontrast CT images for target volume delineation in cervical cancer radiotherapy
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1764560
PMID:41948507
|
研究论文 | 开发基于nnTransUNet的深度学习模型，从非增强CT合成虚拟增强CT图像，用于宫颈癌放疗靶区勾画 | 首次将nnTransUNet架构应用于CT图像增强，实现从非增强CT到虚拟增强CT的生成，并验证其在宫颈癌放疗靶区勾画中的可行性 | 解剖结构清晰度评分略低于增强CT图像（3.7分 vs 4分），需要进一步优化 | 开发合成虚拟增强CT图像的深度学习模型，并评估其在宫颈癌放疗靶区勾画中的可行性 | 210例宫颈癌患者 | 机器学习 | 宫颈癌 | CT成像 | nnTransUNet | 图像 | 210例宫颈癌患者 | PyTorch | nnTransUNet | MSE, PSNR, UQI, SSIM, DSC, HD | NA |
| 451 | 2026-06-17 |
Machine learning model for predicting the conversion to dementia using the Cube Copying Test
2025-Nov, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877251376939
PMID:40982217
|
research paper | 利用机器学习模型通过立方体复制测试预测认知障碍向痴呆症的转化 | 首次将深度学习异常检测模型应用于立方体复制测试绘画数据，结合可解释性分析识别关键预测特征，区分痴呆转化者和非转化者的绘画模式 | 研究为回顾性设计，样本流失率较高，且仅针对特定认知评估工具（立方体复制测试） | 开发一种基于立方体复制测试的机器学习模型，用于预测轻度认知障碍患者在3-5年内转化为痴呆症的风险 | 767名轻度认知障碍患者的基线立方体复制测试绘画数据 | machine learning | 阿尔茨海默病、路易体痴呆、额颞叶痴呆 | 深度学习异常检测模型（PatchCore）、可解释性分析（SHAP） | 异常检测模型（PatchCore） | 图像（立方体复制测试绘画） | 767名患者，其中457名转化为痴呆症（318名阿尔茨海默病，116名路易体痴呆，23名额颞叶痴呆），310名未转化 | NA | PatchCore | 曲线下面积（AUC） | NA |
| 452 | 2026-06-17 |
Single-sequence deep learning delivers crystal-quality models of covalent K-Ras G12 hotspot complexes
2025-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.16.676163
PMID:41000783
|
研究论文 | 利用单序列深度学习方法精准预测共价K-Ras G12热点复合物晶体结构 | 首次证明无多序列比对的公共工具Chai-1能准确预测共价K-Ras复合体，相比AlphaFold3提供约40倍的通量提升 | 在捕捉离去基团、键特性和立体化学等化学细节方面存在限制 | 开发高效计算工具加速共价药物发现，尤其是针对非半胱氨酸的挑战性靶点 | 共价K-Ras(G12C/G12D/G12S)抑制剂与K-Ras蛋白的复合物结构 | 机器学习 | 肺癌 | 结构预测 | 深度学习模型 | 蛋白质序列与配体结构 | 化学多样性K-Ras(G12C)抑制剂（ARS-853至BBO-8520等） | NA | Chai-1 | 口袋对齐RMSD小于2Å | NA |
| 453 | 2026-06-17 |
EEG-Based Deep Learning Model for Hyper-Acute Large Vessel Occlusion Stroke Detection in Mice
2025-09, CNS neuroscience & therapeutics
IF:4.8Q1
DOI:10.1111/cns.70592
PMID:41014019
|
research paper | 开发基于脑电图（EEG）的深度学习模型，用于小鼠超急性大血管闭塞性脑卒中的早期检测 | 首次利用EEG信号结合EEGNet深度学习架构实现超急性期大血管闭塞性脑卒中的高准确率检测，并在小鼠模型上验证了其在发病后1.5小时内的可靠性 | 该研究仅在动物模型上进行，未在人类临床数据中验证，且样本量有限 | 开发一种基于EEG的深度学习模型，用于超急性大血管闭塞性脑卒中的早期、准确检测 | pMCAO小鼠模型，用于模拟大血管闭塞性脑卒中 | machine learning | stroke (脑卒中) | EEG（脑电图） | EEGNet | EEG信号数据 | 未在摘要中明确说明样本量（涉及pMCAO小鼠和假手术小鼠） | NA | EEGNet | accuracy, AUC, precision, recall, F1 score | NA |
| 454 | 2026-06-17 |
Blockchain enabled deep learning model with modified coati optimization for sustainable healthcare disease detection and classification
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06578-6
PMID:40596110
|
研究论文 | 提出了一种基于区块链和深度学习模型的医疗疾病检测与分类方法 | 结合改进的浣熊优化算法和注意力双向门控循环单元，并引入区块链技术保障医疗数据的安全共享 | 未提及模型的泛化能力或在实际临床环境中的验证 | 实现可持续医疗中的疾病检测与分类，提高准确性和数据安全性 | 医疗传感器收集的大规模异构数据 | 机器学习 | NA | NA | 注意力双向门控循环单元 (ABiGRU) | 医疗传感器数据 | 使用HD数据集，但未说明具体样本数量 | NA | 注意力双向门控循环单元 | 准确率 (97.36%) | NA |
| 455 | 2026-06-17 |
Deep learning for cerebral vascular occlusion segmentation: A novel ConvNeXtV2 and GRN-integrated U-Net framework for diffusion-weighted imaging
2025-05-14, Neuroscience
IF:2.9Q2
|
研究论文 | 提出一种结合ConvNeXtV2和GRN的U-Net深度学习框架，用于脑血管闭塞的MRI图像分割 | 首次将ConvNeXtV2架构应用于脑血管闭塞分割领域，通过GRN增强多层感知机提升低对比度区域的分割精度，同时保持高计算效率 | 高计算成本、难以分割小或不规则病变区域，以及需要提前移除≤5像素的小病灶 | 开发用于脑血管闭塞MRI图像分割的快速准确计算机辅助诊断系统 | 脑部磁共振弥散加权成像（DWI）中的脑血管闭塞病变区域 | 计算机视觉, 数字病理学 | 脑卒中（缺血性卒中） | MRI（磁共振成像） | CNN | 图像（MRI-DWI） | ISLES 2022数据集（未明确样本数量） | PyTorch | U-Net, ConvNeXtV2, 多层感知机（GRN-MLP） | IoU, Dice系数 | 未明确说明 |
| 456 | 2026-06-17 |
A fully automatic radiomics pipeline for postoperative facial nerve function prediction of vestibular schwannoma
2025-05-14, Neuroscience
IF:2.9Q2
|
研究论文 | 提出一种基于多序列MRI的全自动深度学习流程，用于预测前庭神经鞘瘤术后面部神经功能 | 首次将2.5D Trans-UNet分割网络与1DCNN-GRU分类网络结合，构建全自动影像组学流程，实现术前MRI预测术后面神经功能 | 未提及潜在的数据集规模限制或模型泛化性验证不足 | 开发全自动深度学习模型预测前庭神经鞘瘤术后面部神经功能 | 前庭神经鞘瘤患者的多序列MRI影像数据 | 数字病理学、计算机视觉 | 前庭神经鞘瘤 | 多序列磁共振成像（MRI） | 2.5D Trans-UNet、1DCNN-GRU | 医学影像（MRI） | 公开数据集和私有数据集（具体数量未在摘要中说明） | NA | 2.5D Trans-UNet, 1DCNN, GRU | 准确率 | NA |
| 457 | 2026-06-17 |
IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases
2025-May-06, Research square
DOI:10.21203/rs.3.rs-6443303/v1
PMID:40386420
|
研究论文 | 对炎症性肠病（IBD）患者进行多组学和多模态综合分析，构建综合分子、组织病理学和临床图谱 | 整合全外显子测序、RNA测序、血清蛋白质组学和组织病理学图像等多模态数据，开发炎症蛋白严重性评分及基于基础模型的深度学习工具用于组织学疾病活动度评分 | NA | 通过多组学和多模态分析增进对炎症性肠病的理解，改进诊断并推动个性化治疗策略 | 1,002名临床注释的炎症性肠病患者和非IBD对照 | 数字病理学 | 炎症性肠病 | 全外显子测序, RNA测序, 血清蛋白质组学, H&E染色图像评估 | 基础模型深度学习 | 基因表达数据, 蛋白质组学数据, 组织病理学图像 | 1,002名患者和对照的肠道组织样本及血清样本 | NA | 基础模型 | NA | NA |
| 458 | 2026-06-17 |
Automated Joint Space Detection Improves Bone Segmentation Accuracy
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.30.651481
PMID:40654621
|
研究论文 | 提出一种自动关节间隙检测方法，利用深度学习模型提高显微CT图像中小鼠爪骨分割的准确性 | 在传统半自动标记分水岭算法基础上，新增结构增强、张量投票和输出扩张技术，结合3D U-Net（ResNet-18主干）进行关节间隙预测，显著提升分割精度 | 在疾病严重程度较高和年龄较大样本中精度下降，且灵活应用于新数据集时性能降低 | 开发自动关节间隙检测方法，提高复杂骨结构分割的准确性 | 小鼠后爪和前爪的显微CT数据集（30-33块骨头） | 计算机视觉 | 炎性侵蚀性关节炎 | 显微CT | 3D U-Net | 图像 | 野生型和肿瘤坏死因子转基因小鼠不同性别和年龄的后爪和前爪样本 | NA | 3D U-Net, ResNet-18 | 分割准确率 | NA |
| 459 | 2026-06-17 |
Harnessing omics data for drug discovery and development in ovarian aging
2025-05-01, Human reproduction update
IF:14.8Q1
DOI:10.1093/humupd/dmaf002
PMID:39977580
|
综述 | 本文综述了多组学数据在卵巢衰老药物发现和开发中的应用，探讨了从基因组学到微生物组的多层面数据如何助力识别新药物靶点和治疗策略 | 整合了从组织水平到单细胞的多组学数据，系统梳理了基因组、转录组、蛋白质组、代谢组和微生物组数据在卵巢衰老药物靶点发现中的作用，并特别强调了单细胞技术和空间转录组学与人工智能模型融合的前景 | 作为综述，未提供原始实验数据或计算模型验证；文献检索截止2024年9月，可能遗漏最新进展 | 综合多组学数据资源，探索如何利用这些数据识别卵巢衰老的新药物靶点并指导治疗策略 | 卵巢衰老相关的多组学数据，包括基因组、转录组、蛋白质组、代谢组和微生物组数据，以及单细胞水平研究 | 机器学习 | 妇科疾病 | 多组学技术, 单细胞技术, 空间转录组学 | NA | 组学数据 | NA | NA | NA | NA | NA |
| 460 | 2026-06-17 |
Intermittent hypoxemia during hemodialysis: AI-based identification of arterial oxygen saturation saw-tooth pattern
2025-04-28, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-025-04133-z
PMID:40295983
|
研究论文 | 利用人工智能自动识别血液透析过程中动脉血氧饱和度锯齿波模式 | 首次使用一维卷积神经网络自动识别血液透析患者动脉血氧饱和度的间歇性锯齿波模式 | NA | 自动识别血液透析患者中反复出现间歇性动脉血氧饱和度锯齿波模式的个体 | 血液透析患者的动脉血氧饱和度记录 | 机器学习 | 睡眠呼吸暂停 | 1D-CNN | 一维卷积神经网络 | 时间序列 | 来自22名血液透析患者的4075个连续5分钟片段 | NA | 1D-CNN | 准确率, AUC | NA |