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 4741 - 4760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4741 | 2026-06-03 |
Deep learning-based neuroanatomical profiling reveals population-specific brain changes in multiple sclerosis: a large-scale Middle Eastern study
2026-Jun-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02481-2
PMID:42226149
|
研究论文 | 利用深度学习神经解剖学分析，揭示中东人群多发性硬化症的特定脑部变化 | 首次针对中东人群建立多发性硬化症的神经影像学生物标志物群体特异性参考范围，并利用自动化深度学习分割进行大规模比较 | NA | 对多发性硬化症患者与健康对照进行脑结构变化的全面统计特征分析，并建立中东人群的群体特异性参考范围 | 多发性硬化症患者与健康对照 | 计算机视觉 | 多发性硬化症 | FLAIR序列成像 | CNN | 图像 | 1381名受试者（1000名健康对照，381名多发性硬化症患者） | NA | U-Net | Dice相似系数，Hausdorff距离95百分位数 | NA |
| 4742 | 2026-06-03 |
Deep learning-driven decoding of ubiquitination: from regulatory mechanisms to targeted protein degradation
2026-Jun-01, Biology direct
IF:5.7Q1
DOI:10.1186/s13062-026-00848-7
PMID:42226266
|
综述 | 总结深度学习在泛素化研究中的多重应用，从预测泛素化位点到机制解码和治疗转化 | 系统梳理了深度学习从预测到机制理解再到治疗设计的全链条应用，强调了可解释性和理性分子设计 | 未进行实证分析，未来需发展更可解释的模型并加强实验验证 | 揭示深度学习如何重塑泛素化研究，推动从描述性预测向机制理解和治疗应用转化 | 泛素化系统及其在疾病中的作用机制 | 机器学习 | 癌症, 神经退行性疾病, 免疫功能障碍, 代谢疾病 | 深度学习 | 卷积神经网络(CNN), 循环神经网络(RNN), Transformer, 蛋白质语言模型, 图神经网络(GNN), 生成模型, 强化学习 | 序列数据, 结构数据, 多模态数据 | NA | NA | 卷积神经网络, Transformer, 图神经网络, 生成对抗网络(GAN) | 预测准确性 | NA |
| 4743 | 2026-06-03 |
Predictive and interactive roles of motivation and situational learning activities on emotional and cognitive engagement
2026-Jun-01, The British journal of educational psychology
DOI:10.1111/bjep.70099
PMID:42226569
|
研究论文 | 探讨课外学习活动中动机与情境学习活动对学生情感和认知参与的预测及交互作用 | 聚焦课外学习情境，采用经验取样法捕捉实时数据，揭示动机与情境参与的动态交互关系 | 未明确提及具体局限性 | 研究学生动机、情境参与（情绪和学习策略）与课外学习活动背景之间的关系 | 394名本科生，平均年龄21.26岁，来自不同种族背景和学科 | 机器学习 | NA | NA | NA | 问卷数据 | 394名本科生 | NA | NA | NA | NA |
| 4744 | 2026-06-03 |
Machine learning in tissue engineering: a comprehensive review of applications, challenges, and prospects
2026-Jun-01, Journal of biomaterials science. Polymer edition
DOI:10.1080/09205063.2026.2675360
PMID:42226588
|
综述 | 全面回顾机器学习在组织工程中的应用、挑战与前景 | 系统梳理了机器学习和深度学习在组织工程（包括生物材料性能预测、支架设计、组织再生和3D生物打印）中的最新应用，并指出了数据质量、模型可解释性和标准化等关键挑战 | 数据质量、模型可解释性和标准化问题阻碍了这些技术的全面整合 | 概述机器学习与深度学习在组织工程中的当前进展、挑战和未来方向 | 组织工程中的生物材料、支架、组织再生和3D生物打印 | 机器学习 | NA | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 4745 | 2026-06-03 |
MedNet-FS: a few-shot learning framework for 3D MRI-based knee injury classification
2026-May-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-54489-x
PMID:42225724
|
研究论文 | 提出一种名为MedNet-FS的小样本学习框架，用于基于3D MRI的膝关节损伤分类 | 将针对膝关节MRI数据的领域特定预训练与广义端到端（GE2E）损失相结合，在数据稀缺环境下显著超越通用预训练或标准交叉熵损失模型 | 对于模糊的部分撕裂病例（AUC 0.58）性能下降，且当前性能未达到自主临床部署的阈值 | 开发一种有效的小样本学习解决方案，以减少对大量标注MRI数据的依赖，实现数据高效的医疗图像分析 | 3D膝关节MRI影像数据 | 计算机视觉, 数字病理学 | 膝关节损伤 | MRI | 小样本学习网络 | 3D MRI影像 | 内部MRNet数据集中每类40个样本，外部KneeMRI数据集用于验证 | NA | NA | AUC | NA |
| 4746 | 2026-06-03 |
LLM-guided expert feature extraction with fusion-based complementary learning network for fish freshness classification using eye images
2026-May-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55139-y
PMID:42225756
|
research paper | 本文提出了一种融合专家特征与大语言模型引导的互补学习网络，用于通过鱼眼图像分类鱼类新鲜度 | 利用大语言模型处理鱼类专家知识，自动提取可解释的数值特征，无需人工特征工程，并构建融合层将数值特征与深度视觉特征进行互补学习 | NA | 开发一种融合专家建议光度特征与深度视觉表示的互补学习网络，用于非侵入性鱼类新鲜度分类 | 鱼类新鲜度分类，基于鱼眼图像 | computer vision, machine learning | NA | 大语言模型 | CNN | image | 多个鱼类物种和新鲜度类别的鱼眼图像数据集（FFE数据集） | NA | ResNet50 | accuracy | NA |
| 4747 | 2026-06-03 |
Deep learning algorithm for automatic detection of acute ischemic stroke on noncontrast brain CT
2026-May-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55530-9
PMID:42225843
|
研究论文 | 评估基于深度学习的算法在非对比脑CT上检测急性缺血性卒中（包括小梗死灶）的诊断性能 | 首次在包含不同梗死体积和读者专业水平的多个亚组中，全面评估AI辅助解读对非对比CT上急性缺血性卒中检测的诊断改进效果 | 研究为回顾性设计，且读者数量有限，可能无法完全代表实际临床环境 | 验证深度学习算法辅助非放射科医生、放射科医生和神经放射科医生在非对比CT上检测急性缺血性卒中的诊断准确性 | 917例急性缺血性卒中病例的非对比脑CT图像 | 计算机视觉 | 急性缺血性卒中 | 非对比CT | 深度学习模型 | 图像 | 917例病例 | NA | NA | ROC曲线下面积、准确率、敏感度、特异度 | NA |
| 4748 | 2026-06-03 |
In silico generation of gene expression profiles using diffusion models
2026-May-31, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-026-06470-8
PMID:42226153
|
研究论文 | 提出基于扩散模型（DDPM和DDIM）的基因表达谱生成流程，解决转录组数据样本稀疏问题，并验证其在TCGA和GTEx数据集上的预测性能提升 | 首次将扩散模型应用于转录组数据生成，并探索线性和非线性重构方法以恢复完整转录组，证明扩散模型性能优于VAE和GAN | 未提及明确局限性，但可推断对大规模高维转录组数据的泛化能力及计算资源需求可能为潜在问题 | 解决转录组数据样本稀疏问题，利用扩散模型生成高质量合成基因表达数据以增强下游预测任务 | L1000 landmark基因表达谱及TCGA和GTEx转录组数据集 | 数字病理学 | 癌症 | RNA-seq | 扩散模型（DDPM, DDIM） | 基因表达数据 | NA（未明确说明样本数量，涉及TCGA和GTEx公开数据） | PyTorch | DDPM, DDIM | 预测性能、数据质量指标 | NA（未明确说明计算资源） |
| 4749 | 2026-06-03 |
Does lens opacity matter? The effect of cataract on deep learning based cardiovascular disease risk scores from fundus photos
2026-May-30, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2026.100333
PMID:42219087
|
研究论文 | 探讨白内障对基于眼底照片的深度学习心血管疾病风险评分的影响 | 首次系统评估白内障引起屈光介质混浊对深度学习模型预测心血管疾病风险的影响，并发现糖尿病视网膜病变患者的评分偏移更显著 | 仅使用单一AI软件（Dr.Noon CVD），需在更多模型上验证；SEED队列中白内障手术状态与DR的交互作用不显著 | 评估白内障对深度学习模型从眼底照片预测心血管疾病风险的影响 | 白内障手术患者（HUGH纵向队列和SEED横断面队列）的眼底图像 | 机器学习 | 心血管疾病 | 眼底照相 | 深度学习模型 | 图像 | 纵向队列：HUGH白内障手术患者；横断面队列：SEED研究，具体样本量未明确 | NA | Dr.Noon CVD（具体架构未披露） | β系数、置信区间、P值 | NA |
| 4750 | 2026-06-03 |
Comparative evaluation of CNN models for nasopharyngeal carcinoma classification on pathology data
2026-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53395-6
PMID:42225742
|
研究论文 | 系统评估多种卷积神经网络模型在鼻咽癌病理图像分类中的表现 | 首次对多种CNN架构及其混合模型在鼻咽癌全切片图像分类中进行系统性比较，并提出通过中间层特征融合提升分类性能的策略 | 未在外部多中心数据集上验证模型的泛化能力 | 评估不同CNN模型在鼻咽癌病理图像分类中的性能，探索特征融合策略以优化诊断准确性 | 鼻咽癌病理全切片图像（WSIs） | 数字病理学 | 鼻咽癌 | 全切片成像（WSI） | 卷积神经网络（CNN） | 病理图像 | 88002张图像（来自沙捞越综合医院和吉隆坡医院） | NA | DenseNet201, MobileNet, EfficientNetB0, InceptionNet, XceptionNet, VGG16, NASNetMobile, 混合模型（EfficientNetB0+DenseNet201） | 准确率, 精确率, F1分数, 训练时间 | NA |
| 4751 | 2026-06-03 |
Privacy-aware continuous federated biometric authentication (PACFBA) using federated deep learning: a novel usable security framework
2026-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55046-2
PMID:42225851
|
研究论文 | 提出了一种隐私感知的连续联邦生物特征认证框架，融合联邦深度学习以增强移动和物联网环境下的用户认证安全 | 创新地结合了联邦学习、差分隐私与同态加密，以及CNN-LSTM混合架构，实现了去中心化、连续且隐私保护的生物特征认证，降低了通信开销并提升了隐私保护能力 | 需要在大规模、异构的真实世界数据集上进行进一步的实证验证，才能完全符合部署要求 | 解决传统认证方法仅单次登录验证、无法确保持续用户身份的问题，设计一种安全、无缝且隐私保护的连续认证机制 | 移动设备、物联网和边缘计算环境中的用户认证数据 | 机器学习 | NA | 联邦学习、差分隐私、同态加密 | CNN-LSTM混合模型 | 生物特征数据（如行为或生理信号） | 未明确说明样本数量，但使用实验数据集进行验证 | NA | 卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合架构 | 准确率（92.5%）、精确率（90.8%）、召回率（91.2%）、F1分数（0.91），以及通信开销减少20%、隐私保护提升35% | NA |
| 4752 | 2026-06-03 |
Improving image quality and diagnostic confidence for PRETEXT staging in pediatric hepatoblastoma using thin-slice and low-energy virtual monochromatic images in dual-energy CT with deep learning image reconstruction algorithm
2026-May-30, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02476-z
PMID:42226141
|
研究论文 | 探讨双能量CT结合深度学习图像重建算法获得的薄层低能虚拟单能量图像对儿童肝母细胞瘤PRETEXT分期图像质量和诊断信心的影响 | 首次将薄层40 keV虚拟单能量图像与深度学习图像重建结合，用于儿童肝母细胞瘤PRETEXT分期，以提升图像质量和诊断信心 | 单中心回顾性研究，样本量较小（53例），且未评估对实际治疗决策的直接影响 | 评估薄层低能量（40 keV）双能量CT图像结合深度学习重建算法是否比常规图像提高PRETEXT分期的图像质量和诊断信心 | 儿童肝母细胞瘤患者 | 计算机视觉, 数字病理学 | 肝癌, 儿童肿瘤（肝母细胞瘤） | 双能量CT, 深度学习图像重建, 虚拟单能量成像 | 深度学习重建网络（DLIR-H） | 医学影像（CT图像） | 53例儿童患者（平均年龄3.54±2.26岁） | NA | DLIR-H（深度学习图像重建），ASIR-V50%（自适应统计迭代重建） | 对比噪声比、边缘上升斜率、5分Likert量表评分（图像噪声、肝静脉可视化、诊断信心） | NA |
| 4753 | 2026-06-03 |
Cell segmentation in microscopy images using a SAM-based U-Net architecture and a novel dataset
2026-May-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109470
PMID:42224852
|
研究论文 | 提出了一种基于SAM与多尺度U-Net的混合神经网络mSAMUNet，用于显微镜图像中的细胞分割，并创建了mCellSeg数据集 | 首次将SAM与多尺度U-Net结构结合，利用Transformer的全局建模和CNN的局部特征提取，并通过多尺度分支提升不同大小细胞的分割性能 | 未提及计算资源消耗或模型在低资源环境下的适用性 | 提高显微镜图像中细胞实例分割的准确性，解决密集细胞、模糊边界等问题 | HEK-293T和HUVEC细胞系的微观图像 | 计算机视觉 | 通用（不针对特定疾病） | 显微镜成像 | 混合神经网络（SAM + U-Net） | 图像（显微镜图像） | 200张专家标注的显微镜图像，包含16,199个细胞 | PyTorch | SAM, U-Net, mSAMUNet | F1分数, SA50, SA75, 平均SA | NA |
| 4754 | 2026-06-03 |
A clinical neuroimaging platform for rapid, automated lesion detection and personalized post-stroke outcome prediction
2026-May-27, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02803-2
PMID:42204350
|
研究论文 | 提出一个基于深度学习的神经影像平台，用于快速自动检测病灶并个性化预测中风后认知结果 | 该平台完全自动化，能处理来自不同扫描仪的原始DICOM MRI数据，并利用大型语言模型生成可解释的个性化预后文本报告 | 文中未明确提及局限性 | 开发并验证一个用于缺血性中风患者个性化认知结果预测的自动化神经影像平台 | 缺血性中风患者的大脑影像数据及其认知结果 | 数字病理学 | 脑血管疾病 | DICOM MRI | 深度学习 | 图像 | 训练队列604例，独立验证队列153例 | NA | NA | 与手动方法的一致性达96% | NA |
| 4755 | 2026-06-03 |
MNISQ: A Large-Scale Quantum Circuit Dataset for Machine Learning in the NISQ Era
2026-May-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07493-9
PMID:42191975
|
研究论文 | 介绍MNISQ，一个用于NISQ时代机器学习和经典机器学习的大规模量子电路数据集，包含495万个10量子比特电路 | 首次创建了包含495万个电路的量子机器学习大规模数据集MNISQ，支持基于自然语言处理的量子计算模型和深度学习模型开发，并探索了噪声对量子机器学习的影响 | NA | 为NISQ时代的量子与经典机器学习提供一个基础性的大规模数据集，并验证其在不同模型上的有效性 | 量子电路（10量子比特，最多100个双量子比特门），以及对量子编码的经典图像数据（如MNIST）的分类任务 | 自然语言处理, 机器学习 | NA | 量子电路编码 | S4模型, Transformer, LSTM, 量子核方法 | 文本（量子汇编语言QASM文件），量子电路 | 495万个10量子比特电路 | NA | S4, Transformer, LSTM | 准确率 | NA |
| 4756 | 2026-06-03 |
A comparative study of deep learning for cortical lesion MRI segmentation with explainability analysis in multiple sclerosis
2026-May-23, NeuroImage. Clinical
DOI:10.1016/j.nicl.2026.104007
PMID:42224860
|
研究论文 | 本研究针对多发性硬化症中皮层病变的MRI分割，比较了多种深度学习方法的性能，并进行了可解释性分析 | 在nnU-Net框架基础上提出适应皮层病变检测的改进，进行分布外测试评估模型泛化能力，并设计医学专家问卷评估临床价值 | 研究指出数据可变性、病变模糊性和协议差异影响模型性能，但未明确提及具体量化限制 | 开发和评估用于多发性硬化症皮层病变MRI分割的深度学习方法，并探索其临床集成可行性 | 多发性硬化症患者的皮层病变MRI图像 | 计算机视觉 | 多发性硬化症 | MRI | CNN（nnU-Net） | 图像（MRI） | 656个MRI扫描，来自四个机构的临床试验和研究数据，采用3T和7T强度、MP2RAGE和MPRAGE序列 | PyTorch（nnU-Net自定义实现） | nnU-Net（自我配置的U-Net变体） | F1-score（域内0.64，域外0.5） | 未在摘要中指定，但nnU-Net通常需GPU（如NVIDIA RTX系列）计算 |
| 4757 | 2026-06-03 |
Scalable and cost-efficient custom gene library assembly from oligopools
2026-May-22, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.ady2279
PMID:42172324
|
研究论文 | 提出了一种低成本、可扩展的寡核苷酸池基因文库组装方法OMEGA，并进行了实验验证 | 将计算设计、高通量寡核苷酸合成和Golden Gate组装结合，实现从寡核苷酸池并行组装数百至数千个全长基因，成本低至每基因1.50美元 | 主要依赖于短寡核苷酸的高保真度，可能面临长片段组装错误；文库规模受限于连接位点正交性，且部分合成序列可能需要额外验证 | 开发一种低成本、可扩展的基因文库组装方法，以连接计算蛋白质设计与高通量实验验证 | 来自自然和合成的绿色荧光蛋白变体文库（810个序列） | 机器学习、合成生物学 | NA | DNA合成、Golden Gate组装、高通量测序 | NA | DNA序列数据 | 810个绿色荧光蛋白变体文库 | NA | NA | 序列回收率、均匀性 | NA |
| 4758 | 2026-06-03 |
Harnessing CRISPR-Cas Technology for Precision Antimicrobial Targeting
2026-May-21, Current topics in medicinal chemistry
IF:2.9Q3
|
综述 | 本文综述了CRISPR-Cas技术在精准靶向抗菌中的应用，探讨其如何应对抗生素耐药性，并评估该技术的潜力与挑战 | 系统评估CRISPR-Cas与传统抗生素相比的精准靶向优势，并结合递送系统（如接合质粒、噬菌体、纳米颗粒）的最新进展分析其对耐药菌株和病毒（如SARS-CoV-2、乙肝病毒）的治疗潜力 | 未详细说明CRISPR-Cas技术的脱靶效应、体内递送效率或临床转化中的安全性问题 | 评估CRISPR-Cas技术作为精准抗菌工具对抗抗生素耐药性（AMR）的可行性和应用前景 | 耐药菌（如ESKAPE病原体）和病毒（如SARS-CoV-2、乙肝病毒） | 机器学习 | 感染性疾病 | CRISPR-Cas系统 | NA | NA | NA | NA | NA | NA | NA |
| 4759 | 2026-06-03 |
Deep-Learning-Based Automatic Segmentation and Quantitative Measurement of Normal Spleen in Chinese Adults
2026-May-21, Current medical imaging
IF:1.1Q3
|
研究论文 | 开发基于深度学习的3D V-Net自动分割CT图像中的正常脾脏，并分析中国成年人的脾脏形态学参数与年龄、性别的关系 | 首次在大规模中国成年人队列中利用深度学习自动分割和量化正常脾脏形态学参数，并揭示了性别和年龄特异性的脾脏体积和衰减模式 | 可能存在残余混杂因素、缺乏对体表人体测量协变量的完全校正以及仅在单一机构中心进行验证 | 建立基于深度学习的自动化脾脏分割和标准化形态学测量流程，提供中国成年人脾脏参考值分布 | 中国成年人的正常脾脏 | 计算机视觉 | 无特定疾病 | CT扫描 | 3D V-Net | CT图像 | 训练集2,856次CT检查；应用和验证集1,520次CT检查（共3,490张图像） | NA | 3D V-Net | Dice相似系数、体积相似性、Hausdorff距离、平均Hausdorff距离 | NA |
| 4760 | 2026-06-03 |
Emerging Utility of Artificial Intelligence Driven Medical Robots in Health Care: A Review
2026-May-20, Current pharmaceutical design
IF:2.6Q2
|
综述 | 本文全面审视了人工智能驱动的医疗机器人在诊断、手术、康复和患者护理中的变革能力 | 系统综述了AI驱动的医疗机器人技术，包括手术机器人、诊断机器人、康复机器人和社交辅助机器人，强调其在精准医学和智能化医疗中的重要作用 | 存在伦理困境、数据隐私问题、监管合规性以及临床环境中严格验证的需求等挑战 | 评估AI驱动的医疗机器人系统的现状，评价正在进行的临床试验，并探讨未来发展方向 | AI驱动的医疗机器人，包括手术、诊断、康复和社交辅助机器人 | 机器学习 | NA | NA | CNN, LSTM, GAN | 影像数据、基因数据 | NA | TensorFlow, PyTorch, Keras | NA | NA | NA |