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 40262 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2026-02-13 |
Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning
2025-Jun-10, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000213691
PMID:40378378
|
研究论文 | 本研究开发了一种基于磁共振指纹成像和深度学习的全脑局灶性皮质发育不良检测框架 | 首次将磁共振指纹成像与深度学习结合用于全脑局灶性皮质发育不良的自动化检测，利用单次扫描获取的多参数特征 | 样本量相对较小（40名患者和67名健康对照），且未在独立外部数据集上进行验证 | 开发一种基于磁共振指纹成像的深度学习框架，用于全脑局灶性皮质发育不良的检测 | 药物难治性局灶性癫痫患者（包括FCD IIa、IIb、mMCD、MOGHE亚型）和年龄性别匹配的健康对照 | 数字病理学 | 癫痫 | 磁共振指纹成像（MRF）、临床MRI扫描 | 深度学习 | 图像 | 40名局灶性皮质发育不良患者和67名健康对照 | NA | U-Net | 灵敏度、假阳性数、病变标签重叠度 | NA |
| 502 | 2026-02-13 |
Explainable paroxysmal atrial fibrillation diagnosis using an artificial intelligence-enabled electrocardiogram
2025-03, The Korean journal of internal medicine
DOI:10.3904/kjim.2024.130
PMID:39987899
|
研究论文 | 本研究开发了一种基于人工智能的心电图算法，用于从正常窦性心律中预测阵发性心房颤动的早期发作 | 利用深度学习模型从正常窦性心律的心电图中预测一个月内房颤发作，并采用可解释AI技术揭示模型决策的关键心电图特征 | 研究未明确说明模型在不同人群或临床环境中的泛化能力，且数据来源于特定时间段（2013-2020年），可能影响时效性 | 开发可靠的人工智能算法，通过12导联心电图检测正常窦性心律患者中房颤的早期迹象 | 阵发性心房颤动患者及正常窦性心律患者 | 机器学习 | 心血管疾病 | 12导联心电图 | 深度神经网络 | 心电图信号 | 552,372条心电图轨迹，来自318,321名患者 | NA | 深度神经网络 | AUROC | NA |
| 503 | 2026-02-13 |
Improved attention-based PCNN with GhostNet for epilepsy seizure detection using EEG and fMRI modalities: extractive pattern and histogram feature set
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1679218
PMID:41613820
|
研究论文 | 本文提出了一种增强的混合并行卷积-GhostNet框架（HPG-ESD），用于利用多模态EEG和fMRI数据进行癫痫发作检测 | 提出了一种结合改进注意力机制的并行卷积网络（IAPCNet）和GhostNet的软投票混合并行卷积-GhostNet（S-HPCGN）模型，以捕获互补的时空模式 | 未明确提及研究的局限性 | 提高癫痫发作检测的准确性和可解释性 | 儿科头皮EEG记录和静息态fMRI扫描 | 机器学习 | 癫痫 | EEG信号处理，fMRI扫描 | CNN, GhostNet | EEG信号，fMRI图像 | 24名受试者的EEG数据（CHB-MIT数据集）和52名参与者的fMRI数据（UNAM TLE数据集） | NA | IAPCNet, GhostNet | 准确率, 精确率, 灵敏度 | NA |
| 504 | 2026-02-13 |
Enhancing spatial inference of air pollution using machine learning techniques with low-cost monitors in data-limited scenarios
2024-Mar-14, Environmental science: atmospheres
DOI:10.1039/d3ea00126a
PMID:38496327
|
研究论文 | 本研究提出了一种基于深度学习的模型，利用低成本监测器和广泛可用的免费数据集，在数据有限场景下增强空气污染的空间推断能力 | 引入了深度学习模型用于邻里尺度的颗粒物扩散预测，仅依赖低成本监测器和免费数据集，克服了低收入地区缺乏补充数据源（如智能手机追踪和实时交通监测）的限制 | 模型在特定区域验证，可能需进一步优化以适应更广泛的地理环境；依赖的免费数据集可能在某些地区覆盖不全 | 提高空气污染数据的可及性，特别是在数据有限的发展中国家和脆弱社区，以促进环境正义 | 颗粒物（PM）的扩散空间推断 | 机器学习 | NA | 低成本空气监测器，免费气象与环境数据集 | 深度学习模型 | 时间序列数据（PM浓度、气象变量） | NA | NA | NA | 均方根误差（RMSE） | NA |
| 505 | 2026-02-13 |
Deep learning in spatial transcriptomics: Learning from the next next-generation sequencing
2023-Mar, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0091135
PMID:38505815
|
综述 | 本文综述了空间转录组学中深度学习模型的应用，探讨了现有工具、挑战及未来方向 | 深入探讨了深度学习在空间转录组学数据分析中的新兴应用，并指出了传统方法的局限性 | 深度学习模型在空间转录组学中仍处于早期阶段，应用尚未充分探索 | 综述空间转录组学数据分析方法，特别关注深度学习技术的应用 | 空间转录组学数据，包括基因表达谱和组织图像 | 数字病理学 | NA | 空间转录组学，单细胞RNA测序 | 深度学习模型 | 图像，计数矩阵 | NA | NA | NA | NA | NA |
| 506 | 2026-02-12 |
Risk prediction in IgA nephropathy: from conventional models to machine learning, deep learning, and precision nephrology
2026-Dec, Renal failure
IF:3.0Q1
DOI:10.1080/0886022X.2026.2613606
PMID:41656155
|
综述 | 本文全面回顾了IgA肾病风险预测模型的演变，从传统模型到机器学习和深度学习，并探讨了精准肾脏病学中的应用前景 | 系统总结了从传统评分系统到基于机器学习和深度学习的预测模型的发展，并强调了可解释AI、动态时间序列建模和多模态预测等新兴趋势 | 传统模型依赖静态基线参数，可能无法充分反映疾病动态轨迹，限制了实时临床管理的实用性 | 回顾IgA肾病风险预测模型的演变，评估其优缺点，并讨论临床转化考虑因素 | IgA肾病患者的风险预测模型 | 精准肾脏病学 | IgA肾病 | 多组学数据、连续临床测量、数字病理特征 | 机器学习, 深度学习 | 临床数据、病理数据、多组学数据 | NA | NA | NA | 预测精度 | NA |
| 507 | 2026-02-12 |
A data fusion deep learning approach for accurate organelle-based classification of cancer cells
2026-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00425-8
PMID:41659840
|
研究论文 | 本研究提出了一种基于细胞器形态和空间组织的自动化、可解释的深度学习框架，用于从高分辨率荧光显微镜图像中对乳腺癌细胞系进行分类 | 提出了一种端到端的深度学习框架，通过基于补丁的采样、稀疏性过滤和通道级中间融合策略，独立提取并整合细胞器特异性特征，无需手动预处理和特征工程 | 研究仅针对六种乳腺癌细胞系进行评估，未在其他癌症类型或更广泛的细胞系中进行验证 | 开发一种自动化、可解释的深度学习框架，利用细胞器形态和空间组织信息对癌细胞进行分类 | 六种乳腺癌细胞系的高分辨率荧光显微镜图像 | 数字病理学 | 乳腺癌 | 荧光显微镜成像 | 深度学习 | 图像 | 六种乳腺癌细胞系的荧光显微镜图像数据集，使用5折交叉验证 | NA | NA | 准确率 | NA |
| 508 | 2026-02-12 |
Feasibility of single-phase DECT as an alternative to triple-phase CT for imaging-defined risk factors assessment in neuroblastoma for dose reduction
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100732
PMID:41657758
|
研究论文 | 本研究探讨了在神经母细胞瘤患者中使用单期相双能CT评估影像定义风险因素的可行性，以实现辐射剂量降低和检查流程优化 | 首次将单期相双能CT与深度学习图像重建技术结合，用于神经母细胞瘤的影像定义风险因素评估，相比传统三期相CT可显著降低辐射剂量 | 研究样本量相对有限，且仅针对神经母细胞瘤患者，未涉及其他肿瘤类型 | 评估单期相双能CT在神经母细胞瘤影像定义风险因素评估中的可行性，以降低辐射剂量并优化检查流程 | 94名儿科神经母细胞瘤患者 | 数字病理学 | 神经母细胞瘤 | 双能CT, 深度学习图像重建 | 深度学习 | CT图像 | 94名儿科患者（年龄4.92±3.45岁，范围0-17岁） | NA | NA | CT值, 对比噪声比, 边缘上升斜率, 图像质量评分 | NA |
| 509 | 2026-02-12 |
ConcreteCARB: A comprehensive image dataset of concrete carbonation for computer vision tasks
2026-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112493
PMID:41657407
|
研究论文 | 本文介绍了ConcreteCARB数据集，这是一个包含903张高分辨率混凝土表面图像的综合数据集，用于支持计算机视觉在土木工程中的应用 | 提供了首个专门针对混凝土碳化检测的全面图像数据集，包含不同混合设计和添加剂条件下的样本，支持AI在结构健康监测中的创新应用 | 数据集仅包含实验室控制条件下收集的图像，可能无法完全代表现场实际环境中的碳化情况 | 开发用于混凝土碳化损伤评估的自动检测、分类和分割模型 | 混凝土棱柱体样本，具有不同水灰比和添加剂（如工业硅废料和仙人掌天然掺合料） | 计算机视觉 | NA | 酚酞测试 | NA | 图像 | 903张高分辨率图像 | NA | NA | NA | NA |
| 510 | 2026-02-12 |
Artificial Intelligence Use in Acne Diagnosis and Management-A Scoping Review
2026-Mar, International journal of dermatology
IF:3.5Q1
DOI:10.1111/ijd.70110
PMID:41199593
|
综述 | 本文是一篇关于人工智能在痤疮诊断与管理中应用的范围综述，旨在评估和概述相关AI工具的类型、应用、性能以及模型训练中皮肤多样性数据的现状 | 首次系统性地综述了AI在痤疮领域的应用全景，特别关注了模型训练数据中皮肤多样性（肤色）的代表性问题，并比较了不同AI模型（集成模型、深度学习、大语言模型、经典机器学习）在痤疮诊断中的性能 | 作为一篇范围综述，它主要进行描述性总结和现状分析，而非对AI工具的有效性进行严格的荟萃分析或质量评估；同时，纳入研究的异质性可能影响结论的普适性 | 评估并概述人工智能在痤疮诊断与管理中的研究现状，包括工具类型、应用领域、性能表现以及模型训练数据的多样性 | 已发表的关于AI应用于痤疮的研究文献 | 数字病理学 | 痤疮 | NA | 深度学习, 经典机器学习, 集成模型, 大语言模型 | 图像, 文本 | 共纳入105篇研究文章进行分析 | NA | NA | 准确率 | NA |
| 511 | 2026-02-12 |
Artificial Intelligence in Prostate MRI: Addressing Current Limitations Through Emerging Technologies
2026-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70189
PMID:41348934
|
综述 | 本文综述了人工智能在解决前列腺MRI当前局限性方面的进展，涵盖分流、加速采集与重建、图像质量保证、诊断和预后五个领域 | 整合了AI在前列腺MRI中多个应用领域的最新进展，包括FDA批准的加速重建工具、PI-CAI国际读者研究提供的非劣效性证据，以及将MRI特征扩展到预后建模 | 分流、质量控制和预后应用仍处于早期开发阶段，需确保跨人群的公平性能、纳入不确定性估计并进行前瞻性工作流程试验 | 探讨人工智能如何解决前列腺MRI在临床管理路径中的局限性，以促进其作为可扩展平台的采用 | 前列腺MRI技术及其在癌症检测和风险分层中的应用 | 数字病理 | 前列腺癌 | MRI | 深度学习, 机器学习 | 图像 | NA | NA | NA | 非劣效性 | NA |
| 512 | 2026-02-12 |
SLPM: a lightweight deep learning model for end-to-end paper ECG digitization
2026-Feb-11, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae3fe5
PMID:41616494
|
研究论文 | 提出一种轻量级端到端深度学习模型SLPM，用于从纸质心电图图像中直接数字化时间序列信号 | 采用分类-回归联合学习框架直接预测信号点的存在与垂直坐标，并集成了分层挤压-激励双向长短期记忆特征增强机制，以改善信号预测的连续性和稳定性 | NA | 解决纸质心电图数字化过程中的分割误差、噪声干扰和泛化能力差等问题 | 纸质心电图图像 | 计算机视觉 | 心血管疾病 | NA | 深度学习模型 | 图像 | 基于PTB-XL数据集衍生的单导联数据集PaperECG_Clean和PaperECG_Enhanced，以及12导联数据集PaperECG_12l | NA | 分层挤压-激励双向长短期记忆 | 皮尔逊相关系数, 信噪比 | NA |
| 513 | 2026-02-12 |
Design Glycosyltransferases with High Glycosyl Transfer Efficiency to Efficiently Produce Isoquercetin from Quercetin
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c15833
PMID:41631425
|
研究论文 | 本研究通过虚拟筛选、分子对接和实验验证，设计出具有高糖基转移效率的糖基转移酶，以高效从槲皮素生产异槲皮素 | 结合深度学习的kcat预测、分子对接和系统发育分析，成功设计出活性比野生型提高103倍的糖基转移酶变体PCAA，并耦合蔗糖合酶实现UDP-葡萄糖再生，提高了异槲皮素的生产效率和转化率 | 未明确说明实验规模、酶稳定性或长期生产中的潜在限制 | 克服异槲皮素生物合成中的主要瓶颈，为食品工业应用提供实用策略 | 糖基转移酶（GTs）、槲皮素、异槲皮素 | 生物信息学 | NA | 虚拟筛选、分子对接、深度学习的kcat预测、蛋白BLAST、系统发育分析 | 深度学习模型 | 蛋白质序列、酶活性数据 | 约1000个同源序列 | NA | NA | 酶活性倍数提高、转化率 | NA |
| 514 | 2026-02-12 |
Discovery of High-Affinity Glutamine-Derived Peptides from Wheat Gliadin Targeting CaSR: a Computational Approach Integrating Deep Learning and Molecular Dynamics
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c14216
PMID:41631493
|
研究论文 | 本研究通过整合深度学习、虚拟筛选和分子模拟，开发了Peptide_MDI智能筛选平台，从小麦麦醇溶蛋白中鉴定出高亲和力靶向钙敏感受体(CaSR)的肽段RLSYQFPFYP，并验证其促进肠道稳态的生物学功能 | 首次将深度学习与分子动力学模拟结合，构建了可扩展的智能肽筛选平台Peptide_MDI，实现了从大量候选肽中高效发现纳米级亲和力的CaSR靶向肽 | 研究主要基于计算模拟和体外实验，缺乏体内动物模型验证；候选肽库仅限于小麦麦醇溶蛋白来源，未涵盖其他蛋白来源 | 开发智能筛选平台以发现靶向钙敏感受体(CaSR)的高亲和力肽段，用于促进肠道稳态和设计新型肽疗法 | 从小麦麦醇溶蛋白衍生的2798个候选肽段，重点关注其与CaSR的相互作用及生物学功能 | 计算生物学 | 肠道疾病 | 深度学习, 虚拟筛选, 分子动力学模拟 | 深度学习模型 | 肽序列数据, 分子结构数据 | 2798个候选肽段 | Nextflow | NA | 解离常数(Kd) | NA |
| 515 | 2026-02-12 |
A lightweight depthwise separable convolution and channel attention based GRU network for multichannel EEG seizure detection
2026-Feb-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae4106
PMID:41632979
|
研究论文 | 本文提出了一种基于轻量级深度可分离卷积和通道注意力的GRU网络，用于多通道EEG癫痫发作检测 | 结合了残差深度可分离卷积块进行高效空间特征提取，并引入了通道注意力机制以突出关键信息，同时利用GRU层建模时间依赖性，实现了轻量级且高效的端到端癫痫发作检测 | 仅使用了CHB-MIT数据集进行评估，未在其他数据集上验证模型的泛化能力 | 开发一种快速、准确且非侵入性的癫痫发作自动检测框架，以改善癫痫的诊断和管理 | 多通道原始EEG信号 | 机器学习 | 癫痫 | 脑电图（EEG） | GRU, CNN | 信号数据 | CHB-MIT数据集，使用留一患者交叉验证（LOPOCV）方法 | NA | 残差深度可分离卷积（RDSC）块, GRU | 准确率, 精确率, 灵敏度, 特异度, F1分数 | NA |
| 516 | 2026-02-12 |
DL-assisted self-volume-calibrating colorimetric PAAHM sensors for water surveillance
2026-Feb-11, The Analyst
DOI:10.1039/d5an01216c
PMID:41670188
|
研究论文 | 本文介绍了一种基于聚丙烯酸钠水凝胶微球（PAAHM）的比色传感平台，结合深度学习辅助的自体积校准策略，用于高效定量检测水中的NH、PO和Fe | 提出了集成了比色和体积双重响应特性的PAAHM传感器，并开发了一种结合卷积神经网络的自体积校准方法，可同时从传感器图像中自动提取和建模颜色与形态特征 | 未在摘要中明确说明 | 开发一种便捷、低成本、高精度的现场环境监测解决方案，用于水中有害物质的定量检测 | 水中的NH、PO和Fe离子 | 计算机视觉 | NA | 比色传感、水凝胶微球技术 | CNN | 图像 | NA | NA | NA | 相关系数, 分类准确率 | NA |
| 517 | 2026-02-12 |
Deep learning-enhanced, accelerated cartilage T2 mapping: role in diagnosing early OA and challenges for clinical application
2026-Feb-11, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-026-05163-w
PMID:41670646
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 518 | 2026-02-12 |
Non-contact acoustic screening for sleep apnea: a subject-aware deep learning approach
2026-Feb-11, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-026-03594-2
PMID:41670793
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 519 | 2026-02-12 |
Dynamic ultrasound motion metrics combined with deep learning for clinical differentiation of subacromial impingement syndrome
2026-Feb-11, La Radiologia medica
DOI:10.1007/s11547-026-02188-y
PMID:41670888
|
研究论文 | 本研究评估了深度学习模型在动态肩部超声中预测肩峰下撞击综合征的诊断性能，比较了Faster R-CNN与STL-CNN，并探索了结合1D-CNN进行分类的效用 | 结合动态超声运动指标与深度学习进行临床诊断，首次比较Faster R-CNN与STL-CNN在肩部解剖标志定位中的性能，并利用1D-CNN基于vAHD指标实现高精度SIS分类 | 当前工作流程需要离线视频分析，未来需关注实时实施和改善模型泛化能力 | 评估深度学习模型在动态肩部超声中对肩峰下撞击综合征的诊断性能 | 59名SIS患者和59名对照者 | 计算机视觉 | 肩峰下撞击综合征 | 动态肩部超声成像 | CNN | 视频 | 118名参与者（59名患者和59名对照者） | NA | Faster R-CNN, STL-CNN, 1D-CNN | 准确率, 平均距离误差 | NA |
| 520 | 2026-02-12 |
Training the diagnostic artificial intelligence in thyroid sonography: how well is deep learning truly learning?
2026-Feb-11, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02506-5
PMID:41670922
|
研究论文 | 本研究评估了在真实世界场景中，用于甲状腺结节ACR TI-RADS分类的人工智能软件通过深度学习后的学习曲线和性能提升 | 在真实临床环境中，通过软件更新前后的两阶段对比，量化评估了AI在甲状腺超声TI-RADS分类中的学习曲线和具体改进点，特别是对微钙化等疑难特征的识别能力提升 | AI在复杂或不典型病例（如自身免疫性甲状腺炎、未下降的胸腺、出血性囊肿）中仍存在误判，尚不能完全替代经验丰富的临床医生 | 评估用于甲状腺超声TI-RADS分类的人工智能软件在深度学习训练后的性能提升和学习曲线 | 甲状腺结节患者及其超声图像 | 数字病理学 | 甲状腺疾病 | 3D超声成像，ACR TI-RADS分类 | 深度学习模型 | 超声图像 | 第一阶段：110名患者，176个结节；第二阶段：133名患者，228个结节；更新后重新评估初始110名患者 | NA | NA | 分类一致性百分比（AI与评估者之间） | NA |