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 43295 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 | 2026-04-11 |
digiBONE: an automated tool for segmental Greulich-Pyle bone age assessment of Indian children and adolescents
2026, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2026.1757571
PMID:41890183
|
研究论文 | 开发了一个名为digiBONE的深度学习框架，用于对印度儿童和青少年进行基于Greulich-Pyle方法的节段性骨龄评估 | 提出了一种建模手部特定节段骨骼成熟度的深度学习方法，而非传统方法中假设手部骨骼均匀成熟 | 研究主要针对印度人群，未明确说明在其他种族或人群中的泛化能力 | 提高儿童和青少年骨龄评估的准确性和可解释性，以辅助儿科内分泌和生长障碍的诊断与管理 | 印度儿童和青少年的手部X光片 | 数字病理 | 儿科内分泌与生长障碍 | X光成像 | CNN | 图像 | NA | NA | 卷积神经网络 | 平均绝对差异 | NA |
| 442 | 2026-04-11 |
An auxiliary diagnosis model for the pathological classification of cervical cancer based on radiomics biomarkers
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1685927
PMID:41890225
|
研究论文 | 本文提出了一种基于卷积循环特征提取（CRFE）的自动分割框架，结合放射组学和临床特征，构建了用于宫颈癌病理分类的辅助诊断模型 | 提出CRFE自动分割框架，并开发了反映病变像素浓度趋势的直方图成像特征，结合传统放射组学与临床特征，实现宫颈癌的精确病理分类 | 研究样本量较小（114例患者），且仅基于MRI图像，未考虑多模态影像数据 | 开发宫颈癌病理分类的辅助诊断模型，以支持个性化治疗规划 | 宫颈癌患者的MRI图像 | 数字病理 | 宫颈癌 | MRI | CNN, 随机森林, XGBoost, 支持向量机, 逻辑回归 | 图像 | 114名宫颈癌患者 | NA | CRFE | IoU, Dice系数, F1分数, 准确率 | NA |
| 443 | 2026-04-11 |
Promoter hypomethylation of CDH7: a novel epigenetic marker associated with cerebral small vessel disease
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1780415
PMID:41890232
|
研究论文 | 本研究通过全基因组启动子甲基化分析，识别并验证了CDH7基因启动子低甲基化作为与脑小血管病（SVD）相关的表观遗传标记 | 首次将CDH7基因启动子低甲基化鉴定为与MRI定义的脑小血管病影像特征相关的独立表观遗传标记，并利用血液炎症细胞进行验证 | 样本量相对较小（初始发现队列仅32例），且研究基于血液细胞而非脑组织，可能无法完全反映中枢神经系统的表观遗传变化 | 识别和验证与脑小血管病相关的基因特异性启动子甲基化变化作为表观遗传标记 | 脑小血管病患者（通过MRI影像特征定义）的血液炎症细胞 | 表观遗传学 | 脑小血管病 | Infinium MethylationEPIC v2.0 甲基化芯片，全基因组启动子甲基化分析 | 深度学习模型，逻辑回归 | 甲基化数据，临床数据，影像数据 | 发现队列：16例无SVD患者和16例具有全部三种影像特征的患者；验证队列：766例缺血性卒中患者（53例无SVD，713例有≥1种SVD影像特征） | NA | NA | NA | NA |
| 444 | 2026-04-11 |
Noise2Average: An iterative residual learning strategy for image denoising without clean data
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1163
PMID:41890245
|
研究论文 | 本文提出了一种名为Noise2Average的迭代残差学习策略，用于无需干净数据的MRI图像去噪 | 提出了一种新的迭代残差学习策略，通过将每个噪声重复映射到所有噪声重复的平均值，并结合迁移学习进行特定受试者的自监督训练，从而减少对高信噪比参考数据的需求 | 去噪性能略逊于基于监督学习的去噪方法 | 开发一种无需干净数据的MRI图像去噪方法，以提高深度学习方法在MRI去噪中的可行性和可及性 | MRI数据，包括T1加权图像、扩散加权图像等 | 计算机视觉 | NA | MRI | CNN | 图像 | NA | NA | 卷积神经网络 | 图像锐度、纹理细节、定量微结构指标 | NA |
| 445 | 2026-04-11 |
Differences and Trends of Artificial Intelligence in Medical Education: A Comparative Bibliometric Analysis Between China and the International Community
2026, Advances in medical education and practice
IF:1.8Q2
DOI:10.2147/AMEP.S573537
PMID:41890349
|
研究论文 | 本研究通过比较中国与国际社区在人工智能应用于医学教育领域的研究热点与演化趋势，提出教育实践与政策建议 | 基于两个数据库的对比分析，揭示了中英文文献中人工智能与医学教育研究的热点差异，并提出了由人工智能驱动的医学教育发展的三大趋势（生成式AI、个性化学习、沉浸式体验） | 研究仅基于CNKI和Web of Science数据库的文献，可能存在数据覆盖不全或语言偏差 | 探索人工智能在医学教育中的应用，比较中国与国际社区的研究热点与演化趋势 | 2014-2024年间CNKI和Web of Science核心合集中关于人工智能与医学教育的文献 | 自然语言处理 | NA | 文献计量分析 | NA | 文本 | 379篇中文文献和552篇英文文献 | CiteSpace | NA | NA | NA |
| 446 | 2026-04-11 |
Enhancing efficiency in pediatric brain tumor segmentation using a pathologically diverse single-center clinical dataset
2026 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdag024
PMID:41890357
|
研究论文 | 本研究利用单中心临床数据集，评估了3D nnU-Net模型在儿童脑肿瘤分割中的效率，重点关注不同病理亚型和MRI协议下的性能 | 首次在包含多种病理亚型的儿童脑肿瘤单中心临床数据集上系统评估深度学习分割模型，并探索了MRI协议简化对分割性能的影响 | 研究为单中心回顾性设计，样本量相对有限（174例），且对囊性成分的分割性能较差 | 评估深度学习模型在异质性儿童脑肿瘤亚型中的分割性能，并探索优化MRI协议以提升临床工作流程效率 | 儿童脑肿瘤患者，包括高级别和低级别胶质瘤、髓母细胞瘤、室管膜瘤及其他罕见亚型 | 数字病理学 | 脑肿瘤 | MRI成像（T1、T1增强、T2、FLAIR序列） | 深度学习 | 医学影像（MRI） | 174例儿科患者，按121/53划分训练集和测试集 | PyTorch | 3D nnU-Net | Dice相似系数 | 未明确指定，但基于nnU-Net框架通常需要GPU支持（如NVIDIA系列） |
| 447 | 2026-04-11 |
Publication Trends of Research on Immune Tolerance After Kidney Transplantation: A Bibliometric Analysis from 1976 to 2024
2026, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S552350
PMID:41890566
|
综述 | 本文对1976年至2024年间肾移植后免疫耐受研究领域的文献进行了文献计量分析，以评估该领域的研究趋势和热点 | 首次对肾移植后免疫耐受研究进行了长达近50年的系统性文献计量分析，并识别出新兴热点如深度学习、机器学习和影像组学在该领域的应用 | 分析仅基于Web of Science核心合集数据库的英文文章，可能遗漏其他语言或数据库的文献，且文献计量方法本身无法评估研究内容的质量 | 系统评估肾移植后免疫耐受研究领域的发展趋势、研究热点和学术影响力 | 1976年至2024年间发表的关于肾移植后免疫耐受的学术文献 | 文献计量学 | 肾移植 | 文献计量分析 | NA | 文本（学术文献元数据） | 1033篇英文文章，涉及6608位作者、3461个机构和53个国家/地区 | R (bibliometrix包), VOSviewer, CiteSpace | NA | NA | NA |
| 448 | 2026-04-11 |
Bridging engineering and neuro-oncology: a scalable FastAPI-deployed CNN framework for real-time explainable brain tumor diagnosis
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1772429
PMID:41890590
|
研究论文 | 本研究开发了一个基于深度学习的可扩展框架，用于脑肿瘤的实时可解释性诊断，并通过FastAPI部署 | 结合了稳健的交叉验证、最先进的基准测试和可解释性推理，提供了一个可扩展的实时部署框架，并集成了Grad-CAM进行可视化解释 | 未明确提及研究的具体局限性，如数据集多样性或外部验证 | 开发可靠且可部署的AI驱动工具，以支持及时的脑肿瘤分类，同时保持透明度和实用性 | 脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和正常病例 | 医学影像 | 脑肿瘤 | MRI | CNN | 图像 | 3,097张轴向脑MRI图像 | TensorFlow | 自定义CNN, 迁移学习架构 | 准确率, 宏平均F1分数, 宏平均AUC | 未明确指定 |
| 449 | 2026-04-11 |
TCRLens: structure-aware equivariant graph learning for TCR-pMHC-I recognition and immunogenic epitope discovery
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag066
PMID:41890808
|
研究论文 | 本文介绍了TCRLens，一种用于T细胞受体（TCR）识别肽-MHC I类（pMHC-I）复合物和免疫原性表位发现的结构感知等变图学习框架 | 提出了一种结合多尺度图表示和等变图神经网络（EGNN）的结构感知深度学习框架，并利用变分自编码器-生成对抗网络（VAE-GAN）生成结构合理的弱亲和力相互作用样本以缓解数据稀疏性和类别不平衡问题 | 未明确提及具体限制，但可能涉及数据稀疏性和类别不平衡的固有挑战 | 准确预测TCR对pMHC-I复合物的识别，并应用于免疫原性表位发现和结构引导的疫苗设计 | 人类TCR-pMHC-I结构复合物，以及猪和鸡的MHC-I系统 | 机器学习 | NA | 深度学习，图神经网络，生成对抗网络 | EGNN, VAE-GAN | 结构数据，图表示 | 来自ATLAS和TCR3d的精选人类TCR-pMHC-I结构复合物数据集 | NA | 等变图神经网络（EGNN），变分自编码器-生成对抗网络（VAE-GAN） | NA | NA |
| 450 | 2026-04-10 |
Retraction: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346214
PMID:41950193
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 451 | 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 |
| 452 | 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 |
| 453 | 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 |
| 454 | 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 |
| 455 | 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 |
| 456 | 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 |
| 457 | 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 |
| 458 | 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 |
| 459 | 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 |
| 460 | 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 |