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 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2026-04-10 |
Automated Classification of Mitral and Tricuspid Regurgitation With Explainability and Real-World Practice Experience
2026-Mar-17, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.125.045851
PMID:41804879
|
研究论文 | 本研究开发了一种端到端、可解释、基于血流感知的深度学习流程，用于自动分类二尖瓣和三尖瓣反流的严重程度 | 该模型结合了瓣膜形态评估、多普勒解释的收缩期感知，并联合评估二尖瓣和三尖瓣反流，具有可解释性和生理约束 | 在房颤或左心室射血分数降低的患者中性能略有下降，外部验证中严重反流的AUC值有所降低 | 开发一种可解释的人工智能框架，用于自动分类二尖瓣和三尖瓣反流的严重程度 | 二尖瓣反流和三尖瓣反流患者 | 数字病理学 | 心血管疾病 | 超声心动图 | 深度学习 | 医学影像（DICOM文件） | 5086例门诊研究（三级中心），并在2个额外机构的独立队列中进行外部验证 | NA | NA | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值 | NA |
| 522 | 2026-04-10 |
Characterizing mating behaviour in broiler breeders via a vision based deep learning model
2026-Mar-17, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2026.106812
PMID:41895022
|
研究论文 | 本研究开发了一种基于视觉的深度学习模型，用于自动检测肉种鸡的交配行为，特别是爬跨阶段，并分析其时间动态特征 | 首次利用YOLOv8深度学习模型自动检测肉种鸡的交配行为，并量化分析爬跨频率、持续时间及影响因素 | 研究仅基于有限数量的鸡群（4个栏舍，每栏10只母鸡和1只公鸡）进行，可能影响结果的普适性 | 开发自动检测肉种鸡交配行为的深度学习模型，以促进对交配时间动态的理解和蛋受精率分析 | 肉种鸡（Cobb 500F母鸡和Cobb MX品系公鸡） | 计算机视觉 | NA | 视频记录，深度学习模型 | CNN | 视频 | 4个栏舍，每栏10只母鸡和1只公鸡，持续四个半月记录 | YOLOv8 | YOLOv8 | 准确率 | NA |
| 523 | 2026-04-10 |
Climate driven drought risk and machine learning approaches for urban resilience and sustainable water governance
2026-Mar-10, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2026.124220
PMID:41819208
|
研究论文 | 本文提出了一种先进的干旱风险预测模型，结合多尺度标准化降水指数、气候分区和深度学习模型，用于预测和识别不同气候区域的干旱动态 | 整合了多尺度标准化降水指数、气候分区和深度学习模型，用于干旱风险预测，并比较了多种混合模型的性能 | 未明确说明模型在极端气候事件或数据稀缺区域的泛化能力 | 开发干旱风险预测模型以支持城市韧性和可持续水治理 | 巴基斯坦不同气候区域的干旱动态 | 机器学习 | NA | 标准化降水指数、气候分区 | RNN, LSTM, BiLSTM, CNN-LSTM, SVM | 气候数据 | NA | NA | RNN, LSTM, BiLSTM, CNN-LSTM | NA | NA |
| 524 | 2026-04-10 |
EFFNet: Efficient feature fusion network for left ventricular hypertrophy identification based on 12-lead electrocardiogram signals
2026-Mar-04, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2026.02.046
PMID:41791632
|
研究论文 | 本文提出了一种基于12导联心电图信号的高效特征融合网络（EFFNet），用于左心室肥厚的识别 | 提出了一种新颖的特征融合模块，将卷积神经网络提取的形态特征与算法导出的振幅特征融合，并结合专家混合模块，提高了左心室肥厚检测的准确性 | 在外部验证集（青海数据集）上的性能（AUC为0.654）低于在UK Biobank数据集上的性能（AUC为0.933），表明模型可能对数据分布敏感，泛化能力有待进一步验证 | 探索一种新的深度学习方法，用于基于12导联心电图信号有效识别左心室肥厚 | 左心室肥厚患者的心电图信号 | 机器学习 | 心血管疾病 | 心电图信号分析 | CNN | 心电图信号 | UK Biobank数据集（n = 38,289）和青海数据集（n = 142,777） | NA | EFFNet | AUC | NA |
| 525 | 2026-04-10 |
Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2
2026-03-02, The Journal of general physiology
IF:3.3Q1
DOI:10.1085/jgp.202413705
PMID:41411077
|
研究论文 | 本研究探索了AlphaFold2在采样电压门控钠通道多种构象及评估AlphaFold Multimer在建模钠通道α亚基与其蛋白质伙伴相互作用方面的能力 | 利用AlphaFold2采样钠通道的多种构象，包括实验未描述的状态和潜在中间态，并首次应用AlphaFold Multimer高精度建模钠通道与辅助β亚基和钙调蛋白的复合物 | 预测模型仍为假设，需实验数据验证 | 探索深度学习方法在理解钠通道结构、门控和调控方面的潜力 | 电压门控钠通道及其与辅助β亚基和钙调蛋白的相互作用 | 机器学习 | NA | 冷冻电子显微镜, AlphaFold2, AlphaFold Multimer | 深度学习模型 | 蛋白质序列和结构数据 | NA | AlphaFold2, AlphaFold Multimer | AlphaFold2, AlphaFold Multimer | NA | NA |
| 526 | 2026-04-10 |
How I Do It: Fast MRI of the Joints
2026-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.251430
PMID:41842665
|
综述 | 本文提供了关于快速肌肉骨骼关节MRI的实践导向概述，重点介绍了回波链优化和现代加速技术的应用 | 结合并行成像、同时多层采集和压缩感知欠采样技术，以及深度学习图像重建方法，实现关节MRI的三到十倍加速 | 需要进一步的研究和数据支持，以验证深度学习方法的长期临床效果 | 优化关节MRI的扫描速度与图像质量，提升临床效率 | 中枢和周围关节的肌肉骨骼MRI | 医学影像 | NA | MRI, 并行成像, 同时多层采集, 压缩感知, 深度学习图像重建 | 深度学习 | MRI图像 | NA | NA | NA | 图像质量, 诊断准确性 | NA |
| 527 | 2026-04-10 |
Artificial Intelligence in Proton Therapy: What Works, What Does Not, and What Is Next
2026 Mar-Apr 01, Cancer journal (Sudbury, Mass.)
DOI:10.1097/PPO.0000000000000821
PMID:41880273
|
综述 | 本文综述了人工智能在质子治疗中的应用现状、挑战与未来方向 | 强调AI在质子治疗中整合异构数据、捕捉复杂临床工作流关系的能力，并区分任务级自动化与工作流级智能 | NA | 总结人工智能在质子治疗中的当前与新兴应用，并讨论其临床转化面临的挑战 | 质子治疗中的成像、治疗计划、质量保证、自适应工作流和结果建模 | 机器学习 | NA | NA | 机器学习,深度学习 | 异构数据 | NA | NA | NA | NA | NA |
| 528 | 2026-04-10 |
Clinically validated deep learning auto-contouring for glioblastoma volumetric modulated arc therapy planning: a dosimetric equivalence study
2026-Mar, Radiation oncology journal
IF:1.8Q3
DOI:10.3857/roj.2025.00808
PMID:41943643
|
研究论文 | 本研究开发了一种基于深度学习的全自动双模态框架，用于胶质母细胞瘤放疗中的靶区和危及器官勾画，并通过剂量学等效性验证其临床实用性 | 提出了一种无需预对齐的双模态深度学习框架，结合了针对CT和MRI的专用注意力U-Net网络，实现了自动勾画并验证了剂量学等效性 | 研究基于100名患者的回顾性数据集，样本量相对有限，且未在更广泛的多中心数据上进行验证 | 验证深度学习自动勾画框架在胶质母细胞瘤容积旋转调强放疗计划中的临床可靠性和剂量学等效性 | 胶质母细胞瘤患者的CT和MRI图像，用于靶区和危及器官的自动勾画 | 数字病理 | 胶质母细胞瘤 | CT, T2-FLAIR MRI | CNN | 图像 | 100名患者 | NA | 注意力U-Net | Dice相似系数, D₉₅%, 最大剂量 | NA |
| 529 | 2026-04-10 |
Deep learning-assisted tumor radiomic dynamics on MRI predict pathological complete response in HCC undergoing immune-based therapy followed by hepatectomy
2026-Feb-26, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001724
PMID:41746634
|
研究论文 | 本研究开发并验证了一个整合临床病理和影像组学特征的模型，用于预测不可切除肝细胞癌在转化治疗后达到病理完全缓解 | 首次将基于MRI的时间动态影像组学特征与血清AFP反应相结合，构建预测模型，显著提高了预测性能 | 研究为回顾性多中心设计，样本量相对有限，需前瞻性研究进一步验证 | 预测不可切除肝细胞癌在免疫联合治疗后行肝切除术的病理完全缓解 | 不可切除肝细胞癌患者 | 数字病理 | 肝癌 | MRI影像分析 | 机器学习模型 | MRI图像 | 训练集78例，内部测试集32例，独立验证集44例 | Scikit-learn | 随机森林 | AUC, NPV, PPV, 敏感性, 特异性 | NA |
| 530 | 2026-02-25 |
An open-source deep learning-based toolbox for automated auditory brainstem response analyses (ABRA)
2026-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38045-1
PMID:41714716
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 531 | 2026-04-10 |
Artificial intelligence-driven nano-enhanced stem cell therapy for neurodegenerative diseases: from rational design to clinical translation
2026-Feb-19, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-026-04154-2
PMID:41709202
|
综述 | 本文探讨了人工智能如何指导个性化纳米增强干细胞疗法，以应对神经退行性疾病的治疗挑战 | 提出了一个将患者特异性数据、人工智能驱动设计和实时监测整合的闭环系统，旨在推动神经退行性疾病真正个性化医疗的发展 | NA | 探索人工智能（特别是机器学习和深度学习）如何解决干细胞疗法和纳米增强干细胞疗法中的当前挑战，并为其整合提供一个系统性框架 | 神经退行性疾病（NDs） | 机器学习 | 神经退行性疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 532 | 2026-04-10 |
AI-driven CRISPR screening: optimizing gene editing through automation and intelligent decision support
2026-Feb-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07849-0
PMID:41715150
|
综述 | 本文综述了人工智能如何通过机器学习和大型语言模型重塑CRISPR筛选，优化实验设计和决策支持 | 将AI整合到CRISPR筛选全生命周期，引入预测性、自适应性和系统级智能，将静态分析流程转变为智能实验系统 | NA | 探讨人工智能在优化CRISPR基因编辑筛选中的应用，提升功能基因组学研究的效率和发现能力 | CRISPR基因编辑筛选技术及其在功能基因组学中的应用 | 机器学习 | NA | CRISPR基因编辑筛选 | 机器学习,深度学习,大型语言模型 | 基因编辑数据,生物知识库 | NA | NA | NA | NA | NA |
| 533 | 2026-04-10 |
Classification of dysphagia severity after lateral medullary infarction with deep learning
2026-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40751-9
PMID:41714402
|
研究论文 | 本研究开发并验证了一种基于深度学习的算法，利用急性期扩散加权MRI对侧延髓梗死患者的吞咽困难严重程度进行分类 | 首次采用基于Transformer的深度学习架构（Hierarchical Vision Transformer, Hier-ViT）对侧延髓梗死患者的急性期MRI图像进行吞咽困难严重程度的自动分类，利用了其建模空间层次和全局图像上下文的能力 | 模型在临床不平衡数据集中的判别能力有待提高，AUC值相对较低，需要进一步优化和多模态数据整合 | 开发并验证一种基于深度学习的算法，用于早期准确分类侧延髓梗死患者的吞咽困难严重程度，以支持及时干预和个性化康复规划 | 侧延髓梗死患者 | 计算机视觉 | 心血管疾病 | 扩散加权MRI, 视频荧光吞咽研究 | Transformer | 图像 | 163名确诊为急性侧延髓梗死的患者 | NA | Hierarchical Vision Transformer | 准确率, 精确率, 召回率, F1分数, ROC曲线下面积 | NA |
| 534 | 2026-02-15 |
Multi-institutional deep learning for GTV segmentation and survival prediction in nasopharyngeal carcinoma
2026-Feb-13, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02195-5
PMID:41688962
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 535 | 2026-04-10 |
Multimodal MRI reveals hypothalamic structural-functional alterations associated with bone mineral density loss in postmenopausal women
2026-Feb-12, Brain imaging and behavior
IF:2.4Q2
DOI:10.1007/s11682-026-01077-2
PMID:41673184
|
研究论文 | 本研究利用多模态MRI揭示了绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关联 | 首次在绝经后女性中，结合深度学习分割、功能连接分析和白质束形状分析，系统地研究了骨密度降低与特定下丘脑亚区多模态改变的关系 | 部分白质束的微观结构和形状改变发现需谨慎解释，因为存在多重比较问题，且样本量较小 | 阐明绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关系 | 绝经后女性（包括骨质疏松、骨量减少和健康对照组） | 数字病理学 | 骨质疏松 | 多模态MRI，3T MRI | 深度学习 | MRI图像 | 54名绝经后女性（18名骨质疏松，18名骨量减少，18名健康对照） | NA | NA | NA | NA |
| 536 | 2026-04-10 |
TEERAI-Pre: A Multiview Artificial Intelligence Model for Preoperative Assessment of Transcatheter Edge-to-Edge Mitral Valve Repair Using Multiview, Multimodal Echocardiography
2026-Feb-03, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.125.044333
PMID:41614293
|
研究论文 | 本研究开发了一种基于视频视觉Transformer的多视图、多模态人工智能模型，用于经导管二尖瓣缘对缘修复术前的形态学适宜性评估 | 提出了一种端到端的深度学习模型，首次将多视图、多模态超声心动图特征通过Transformer模块进行融合，用于术前评估 | 研究样本量相对有限，外部验证仅涉及两家医院的150名患者，可能影响模型的泛化能力 | 开发一种人工智能模型，用于经导管二尖瓣缘对缘修复术前的患者选择和形态学评估 | 患有严重症状性二尖瓣反流且手术风险高的患者 | 计算机视觉 | 心血管疾病 | 超声心动图，包括经胸超声心动图视频和脉冲波多普勒图像 | Transformer | 视频，图像 | 内部数据集633名患者（7997个经胸超声心动图视频；766个脉冲波多普勒图像），外部数据集150名患者（1735个视频；169个图像） | NA | 视频视觉Transformer | 准确率，精确率，召回率，F1分数 | NA |
| 537 | 2026-04-10 |
Radiologic Pattern of Fibrosis in Combined Pulmonary Fibrosis and Emphysema: Impact on Disease Trajectories and Prognostic Outcomes
2026-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.251686
PMID:41733469
|
研究论文 | 本研究评估了不同纤维化模式对合并性肺纤维化和肺气肿（CPFE）患者疾病轨迹和预后的影响 | 首次利用深度学习量化方法，系统评估了CPFE中不同放射学纤维化模式（如UIP、NSIP、SRIF、DIP）对纤维化进展速度的影响，并明确了生存率主要与基线纤维化程度及临床不良事件相关 | 研究为回顾性设计，样本主要来自单一机构且男性占绝大多数，可能限制了结果的普遍性，且未详细说明深度学习模型的具体架构和验证过程 | 评估CPFE患者中不同放射学纤维化模式对疾病进展轨迹和临床结局的影响 | 236名被诊断为合并性肺纤维化和肺气肿（CPFE）的患者 | 数字病理学 | 肺纤维化与肺气肿 | 高分辨率CT（HRCT），深度学习量化 | 深度学习模型（具体类型未明确说明） | 医学影像（CT图像） | 236名患者（平均年龄65岁±7.8，其中232名男性） | NA | NA | 风险比（HR），置信区间（CI），中位进展时间 | NA |
| 538 | 2026-04-10 |
AI-powered hierarchical classification of ampullary neoplasms: a deep learning approach using white-light and narrow-band imaging
2026-Jan-14, Surgical endoscopy
DOI:10.1007/s00464-025-12534-2
PMID:41532990
|
研究论文 | 本研究开发了一种基于深度学习的层次分类框架，用于使用白光和窄带内镜图像对壶腹病变进行逐步分类 | 提出了一种结合双模态成像和合成数据增强的层次深度学习框架，通过置信度投票整合白光和窄带图像，并使用StyleGAN2-ADA生成合成图像以克服数据稀缺和类别不平衡问题 | 数据来源于单一中心，可能限制了模型的泛化能力；样本量相对有限，特别是高级别不典型增生和癌症病例 | 开发一个AI驱动的层次分类系统，以提高壶腹病变的内镜诊断准确性 | 壶腹病变的内镜图像，包括正常组织、腺瘤和癌症，以及腺瘤内的低级别和高级别不典型增生 | 计算机视觉 | 壶腹肿瘤 | 白光内镜成像，窄带内镜成像 | CNN, GAN | 图像 | 来自464名患者的4244张内镜图像（训练集2693张，验证集833张，测试集718张） | TensorFlow, PyTorch | EfficientNet-B4, StyleGAN2-ADA | 准确率, 敏感性, 特异性, AUROC | NA |
| 539 | 2026-04-10 |
Peptide-based drug design using generative AI
2026-Jan-13, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04998a
PMID:41376388
|
综述 | 本文综述了利用生成式人工智能进行基于肽的药物设计的最新进展，重点关注生成架构、相互作用建模、筛选和递送优化 | 整合了生成式AI（如图神经网络、Transformer、扩散模型）与肽化学创新（如环化、非经典氨基酸）来加速药物发现，并将发现周期从数年缩短至数月 | 预测生成肽序列的溶解度、免疫原性和毒性仍具挑战性，数据质量和自主药物发现的实践问题也是当前限制 | 加速基于肽的治疗药物的设计与发现，优化其药代动力学和临床适用性 | 肽类药物，特别是用于代谢性疾病、肿瘤学和医学成像的肽 | 机器学习 | 代谢性疾病, 肿瘤学 | NA | 图神经网络, Transformer, 扩散模型 | 序列数据, 结构数据 | NA | NA | NA | NA | NA |
| 540 | 2026-04-10 |
Artificial Intelligence-Driven Differentiation Between Uveal Melanoma and Nevus Based on Fundus Photographs: A Systematic Review and Meta-Analysis
2026-Jan-05, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.1.34
PMID:41590408
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了基于眼底照片的人工智能模型在区分葡萄膜黑色素瘤和痣方面的性能 | 首次对基于眼底照片的AI模型在区分葡萄膜黑色素瘤与痣方面的性能进行系统综述和荟萃分析，并评估了外部验证模型的判别能力 | 现有证据高度异质，受限于小数据集规模和有限的外部验证 | 检验人工智能模型基于眼底照片区分葡萄膜黑色素瘤和痣的能力 | 葡萄膜黑色素瘤（UM）和葡萄膜痣（UN） | 计算机视觉 | 葡萄膜黑色素瘤 | 眼底摄影 | 深度学习, 传统机器学习 | 图像 | 总计6208名参与者 | NA | NA | AUC, 准确率, 灵敏度, 特异性 | NA |