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 42795 篇文献，本页显示第 5581 - 5600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5581 | 2026-01-28 |
Data-Driven differentiation of idiopathic Normal-Pressure hydrocephalus and progressive supranuclear palsy via automated volumetric analysis
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03830-8
PMID:41204957
|
研究论文 | 本研究开发了基于深度学习的自动化脑部体积分析方法，用于区分特发性正常压力脑积水和进行性核上性麻痹 | 采用深度学习自动化体积分析结合多组MRI特征（脑干、体积、中脑与脑桥比率、DESH亚组），并应用线性支持向量机模型实现高诊断准确性 | 样本量相对有限（共192例），且仅基于T1加权MRI图像，未涉及多模态影像或纵向数据 | 开发自动化机器学习方法以区分特发性正常压力脑积水和进行性核上性麻痹 | 特发性正常压力脑积水和进行性核上性麻痹患者的T1加权3D脑部MRI扫描 | 数字病理学 | 神经退行性疾病 | T1加权3D脑部MRI扫描 | SVM | 图像 | 192例患者（132例iNPH，60例PSP） | NA | 线性支持向量机 | AUROC | NA |
| 5582 | 2026-01-28 |
Deep learning for multi-modal medical image segmentation: a survey and comparative study
2025-Dec, Brain imaging and behavior
IF:2.4Q2
DOI:10.1007/s11682-025-01052-3
PMID:41082044
|
综述 | 本文对2019年至2025年间多模态医学图像分割的深度学习方法进行了全面的调查和比较分析 | 提供了多模态医学图像分割深度学习方法与融合策略的全面概述，并比较了不同模型在提升分割准确性和可靠性方面的表现 | NA | 综述和比较多模态医学图像分割的深度学习技术进展 | 多模态医学图像分割方法 | 计算机视觉 | NA | 多模态医学图像融合 | 深度学习模型 | 多模态医学图像 | NA | NA | NA | 分割准确性，可靠性 | NA |
| 5583 | 2026-01-28 |
Deep learning-based computed tomography reconstruction improves image quality but does not significantly affect Alberta stroke program early CT score evaluation in acute middle cerebral artery territory infarction
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03804-w
PMID:41091157
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5584 | 2026-01-28 |
Retrospective detection of missed intra-cranial aneurysms on computed tomography angiography using a commercial deep learning algorithm
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03810-y
PMID:41091156
|
研究论文 | 本研究评估了一种商业深度学习算法在回顾性检测计算机断层扫描血管造影中漏诊的颅内动脉瘤的效果 | 结合自然语言处理与卷积神经网络，通过算法标记疑似漏诊动脉瘤，并由神经放射科医生验证，提高了动脉瘤的检测率 | 漏诊的动脉瘤主要为小型（≤3毫米），且研究为单中心回顾性设计，可能存在选择偏倚 | 识别漏诊动脉瘤患者以进行随访和可能治疗，并评估深度学习算法在CTA中检测漏诊动脉瘤的有效性 | 成年患者的头部CTA研究 | 数字病理学 | 颅内动脉瘤 | 计算机断层扫描血管造影 | CNN | 图像 | 2615项头部CTA研究 | NA | NA | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 5585 | 2025-11-25 |
Deep learning in bone marrow cytomorphology: advances in segmentation, classification, and clinical translation
2025-Nov-24, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-03127-z
PMID:41284066
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5586 | 2026-01-28 |
OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG
2025-10, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110854
PMID:40857816
|
研究论文 | 本文介绍了一种名为OpenSpindleNet的开源深度学习网络，用于在头皮和颅内脑电图中可靠检测睡眠纺锤波 | 采用双头架构增强性能、鲁棒性和易用性，在颅内脑电图检测中表现优于现有方法 | NA | 开发一种精确、自动的睡眠纺锤波检测方法，以理解其在睡眠生理和脑健康中的作用 | 睡眠纺锤波，一种在轻度非快速眼动睡眠期间发生的振荡性脑活动 | 机器学习 | NA | 脑电图 | 深度学习网络 | 脑电图数据 | NA | NA | 双头架构 | F1分数 | NA |
| 5587 | 2026-01-28 |
Learning Biophysical Dynamics with Protein Language Models
2025-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.11.617911
PMID:39464109
|
研究论文 | 本文介绍了SeqDance和ESMDance两种蛋白质语言模型，用于学习蛋白质的生物物理动力学特性 | 首次将分子动力学模拟和正常模式分析得到的动态生物物理特性整合到蛋白质语言模型中，以捕捉蛋白质的动态本质 | 模型训练依赖于模拟数据，可能受限于模拟的准确性和覆盖范围 | 开发能够预测蛋白质动态行为和突变效应的深度学习模型 | 超过64,000个蛋白质的动态生物物理特性 | 自然语言处理 | NA | 分子动力学模拟，正常模式分析 | 蛋白质语言模型 | 序列数据，动态生物物理特性数据 | 超过64,000个蛋白质 | NA | SeqDance, ESMDance (基于ESM2) | 零样本预测性能 | NA |
| 5588 | 2026-01-28 |
Bridging the Gap Between Accuracy and Efficiency in AI-Based Breast Cancer Diagnosis from Histopathological Data
2025-06-26, Cancers
IF:4.5Q1
DOI:10.3390/cancers17132159
PMID:40647456
|
研究论文 | 本研究提出了一种名为CellSage的新型轻量级深度学习模型，用于从组织病理学图像中诊断乳腺癌，旨在平衡诊断准确性与计算效率 | 提出了一种集成了多尺度特征提取、深度可分离卷积和卷积块注意力模块（CBAM）的新型CNN架构，在保持高精度的同时显著降低了模型参数量和计算负担 | 研究仅在BreakHis数据集上进行训练和评估，未在其他独立数据集或真实临床环境中进行广泛验证 | 设计一个轻量且高性能的深度学习模型，以解决乳腺癌组织病理学诊断中准确性与计算效率之间的权衡问题 | 乳腺癌的组织病理学图像 | 数字病理学 | 乳腺癌 | 染色归一化（通过对比增强建模，CAM），数据增强 | CNN | 图像 | BreakHis数据集 | NA | CellSage（集成多尺度特征提取、深度可分离卷积、CBAM） | 准确率，F1分数，AUC | NA |
| 5589 | 2026-01-28 |
AI-Based Detection of Optical Microscopic Images of Pseudomonas aeruginosa in Planktonic and Biofilm States
2025-Apr, Information (Basel)
DOI:10.3390/info16040309
PMID:41550100
|
研究论文 | 本文报告了一种基于深度学习的AI模型，用于高精度检测铜绿假单胞菌在浮游和生物膜状态下的光学显微镜图像 | 首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇预防生物膜形成，实现高效检测 | 未提及模型在多样化环境或不同细菌物种上的泛化能力评估 | 开发一种准确高效的生物膜检测与预防方法 | 铜绿假单胞菌的浮游状态和生物膜状态 | 计算机视觉 | NA | 光学显微镜成像，适配体DNA模板银纳米簇技术 | 深度学习 | 图像 | 大体积亮场图像（具体数量未说明） | NA | U-Net, ResNet18, ResNet34 | NA | NA |
| 5590 | 2026-01-28 |
An AI-directed analytical study on the optical transmission microscopic images of Pseudomonas aeruginosa in planktonic and biofilm states
2024-Dec-24, ArXiv
PMID:39764404
|
研究论文 | 本研究应用基于深度学习的AI模型，结合适配体DNA模板银纳米簇，对铜绿假单胞菌的浮游态和生物膜态光学透射显微图像进行高精度检测与分析 | 首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇抑制生物膜形成，实现多学科交叉的生物膜检测新方法 | 未明确说明模型在多样化环境样本或不同细菌物种上的泛化能力，且未提供与其他先进方法的定量对比结果 | 开发准确高效的生物膜检测与预防方法，以应对健康、食品工业和环境污染问题 | 铜绿假单胞菌的浮游态和生物膜态 | 计算机视觉 | NA | 光学透射显微镜，适配体DNA模板银纳米簇合成 | CNN | 图像 | NA | NA | U-Net, ResNet18, ResNet34 | NA | NA |
| 5591 | 2026-01-28 |
Using Deep Learning Neural Networks to Improve Dementia Detection: Automating Coding of the Clock-Drawing Test
2024-Oct-15, Research square
DOI:10.21203/rs.3.rs-4909790/v1
PMID:39483868
|
研究论文 | 本研究开发并评估了一种基于深度学习神经网络的智能时钟绘图测试评分系统，用于自动编码时钟绘图测试图像，以改进痴呆症检测 | 引入了结构化排序到编码系统中，超越了传统的名义分类方法，并比较了Vision Transformers与其他先进深度学习模型在自动编码时钟绘图测试图像上的性能 | 未在摘要中明确提及 | 改进痴呆症检测，通过自动化编码时钟绘图测试来减少大规模研究中的手动编码偏差 | 阿尔茨海默病及相关痴呆症 | 计算机视觉 | 老年疾病 | 深度学习神经网络 | CNN, Transformer | 图像 | 来自2011-2019年国家健康与老龄化趋势研究的大型公开时钟绘图测试图像库 | NA | ResNet101, EfficientNet, Vision Transformers | NA | NA |
| 5592 | 2026-01-28 |
Identification of Chemical Scaffolds That Inhibit the Mycobacterium tuberculosis Respiratory Complex Succinate Dehydrogenase
2024-10-11, ACS infectious diseases
IF:4.0Q1
DOI:10.1021/acsinfecdis.3c00655
PMID:39268963
|
研究论文 | 本研究结合生化筛选和深度学习技术，识别出抑制结核分枝杆菌呼吸复合物琥珀酸脱氢酶的多种化学支架，并评估其作为新型抗菌剂的潜力 | 首次利用深度学习辅助筛选方法，针对结核分枝杆菌的琥珀酸脱氢酶（SDH）这一未充分探索的靶点，识别出多个具有抑制活性的化学支架，并展示了SDH抑制剂在对抗耐药菌株和协同其他生物能量抑制剂方面的潜力 | 研究主要基于体外实验和计算模型，尚未进行深入的体内药效学和毒性评估，且对SDH抑制剂的长期耐药性发展机制探讨有限 | 开发针对结核分枝杆菌呼吸能量代谢的新型抗菌剂，特别是以琥珀酸脱氢酶（SDH）为靶点 | 结核分枝杆菌（包括野生型和耐药菌株）及其琥珀酸脱氢酶（SDH）酶 | 机器学习 | 结核病 | 生化筛选、深度学习 | 深度学习模型 | 化学结构数据、生化活性数据 | NA | NA | NA | 抗菌活性（抑制效果）、代谢和呼吸失调程度、细胞内琥珀酸分泌水平、耐药性预防效果 | NA |
| 5593 | 2026-01-28 |
TimeTuner: Diagnosing Time Representations for Time-Series Forecasting with Counterfactual Explanations
2024-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2023.3327389
PMID:37883273
|
研究论文 | 本文提出了一个名为TimeTuner的可视化分析框架，用于诊断时间序列预测中的时间表示，并通过反事实解释帮助分析人员理解模型行为 | 提出了一种结合反事实解释和可视化交互的两阶段技术，首次将局部相关性、平稳性和粒度分析集成到时间序列表示诊断中 | 仅实例化了平滑和采样两种转换方法，在更复杂的时间序列转换方法上尚未验证 | 改进时间序列预测中特征工程的自动化方法，增强模型行为的可解释性和可靠性 | 时间序列数据，包括单变量太阳黑子和多变量空气污染物数据 | 机器学习 | NA | 反事实解释，可视化分析 | 深度学习模型 | 时间序列数据 | NA | NA | NA | NA | NA |
| 5594 | 2026-01-28 |
Motor Imagery EEG Classification Based on a Weighted Multi-Branch Structure Suitable for Multisubject Data
2023-Nov, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3274231
PMID:37186527
|
研究论文 | 本文提出了一种加权多分支结构，用于处理多被试数据以提升特定被试运动想象脑电信号分类性能 | 提出加权多分支结构，每个分支负责拟合一对源-目标被试数据，通过自适应权重整合所有分支或选择权重最大的分支进行最终决策，有效利用分布差异大的多被试数据 | 未明确说明计算复杂度或实时性限制，且实验仅基于特定脑电数据集，泛化能力需进一步验证 | 解决特定被试运动想象脑电信号分类中训练数据稀缺问题，通过利用多被试数据提升模型性能 | 多被试脑电信号数据，包括BCICIV-2a、BCICIV-2b、高伽马数据集及两个补充数据集 | 机器学习 | NA | 脑电信号采集 | CNN | 脑电信号 | 基于多个公开脑电数据集，具体样本数未明确说明 | NA | EEGNet, Shallow ConvNet, Deep ConvNet, ResNet, MSFBCNN, EEG_TCNet | 分类准确率 | NA |
| 5595 | 2026-01-28 |
Individualized Models for Glucose Prediction in Type 1 Diabetes: Comparing Black-Box Approaches to a Physiological White-Box One
2023-Nov, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3276193
PMID:37195837
|
研究论文 | 本研究开发了一种基于个性化生理模型的血糖预测算法，并与多种黑盒模型进行比较，以评估其在1型糖尿病管理中的性能 | 首次将基于UVA/Padova T1D模拟器的个性化生理模型与粒子滤波器结合用于血糖预测，并与多种先进黑盒模型进行系统比较 | 研究仅涉及12名1型糖尿病患者，样本量较小，且所有参与者均处于开放环路治疗下的自由生活条件，可能限制结果的普适性 | 比较白盒生理模型与黑盒模型在1型糖尿病患者血糖预测中的性能，以确定最优预测方法 | 1型糖尿病患者的血糖浓度数据 | 机器学习 | 1型糖尿病 | 贝叶斯方法、马尔可夫链蒙特卡洛技术 | LSTM, GRU, TCN, rARX, 非线性生理模型 | 血糖浓度时间序列数据 | 12名1型糖尿病患者，在自由生活条件下接受开放环路治疗监测10周 | NA | 长短期记忆网络, 门控循环单元, 时间卷积网络, 递归自回归外生输入模型 | 均方根误差 | NA |
| 5596 | 2026-01-27 |
Deep learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies
2026-Feb, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft
DOI:10.1016/j.aanat.2025.152771
PMID:41360207
|
研究论文 | 本研究开发并验证了一种基于深度学习的实例级牙齿分割方法，用于CBCT扫描，以增强可视化并简化牙科异常检测 | 提出了一种加速标注程序，专家标注部分图像后，模型自动标注剩余图像，实现了高效的牙齿分割 | 研究仅基于470个扫描数据，样本量有限，且未在更广泛或多样化的数据集上进行验证 | 开发并验证深度学习模型，用于CBCT扫描中的牙齿分割，以提升牙科异常的检测效率和可视化效果 | CBCT扫描数据，包含各种牙科异常（如龋齿、缺牙、骨岛、根尖周炎）或牙科历史（如填充、修复、根管手术） | 计算机视觉 | 牙科疾病 | CBCT | 深度学习模型 | 图像 | 470个扫描用于训练，60个扫描用于验证 | NA | NA | Jaccard指数, 平均相对体积差异 | NA |
| 5597 | 2025-12-21 |
Enhancing deep learning telemedicine for retinopathy of prematurity: current evidence and opportunities for improvement
2026-Feb, Eye (London, England)
DOI:10.1038/s41433-025-04188-0
PMID:41419595
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5598 | 2026-01-27 |
PymolFold: A PyMOL Plugin for API-Driven Structure Prediction and Quality Assessment
2026-Jan-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02410
PMID:41479360
|
研究论文 | 本文介绍了一个名为PymolFold的开源PyMOL插件，用于通过API驱动蛋白质结构预测和质量评估 | 开发了一个集成先进结构预测工具到分子可视化环境的插件，实现了统一的“预测-可视化-分析”工作流 | NA | 降低蛋白质结构预测的技术门槛，使实验科学家更容易访问先进模型 | 蛋白质结构预测和质量评估 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构数据 | NA | PyMOL | NA | NA | NA |
| 5599 | 2026-01-27 |
NeuMTL: A Unified Multimodal Framework for Multi-Task Prediction in CNS Drug Discovery
2026-Jan-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02725
PMID:41481576
|
研究论文 | 提出一个名为NeuMTL的多模态多任务学习框架，用于同时预测药物靶点亲和力、血脑屏障渗透性和神经毒性，以增强中枢神经系统药物发现的安全性和有效性 | 提出了一个统一的多模态多任务学习框架，结合了互注意力机制、注意力池化模块以及早期和晚期融合策略，并引入了一种新的优化策略NeuGradBalancer来缓解梯度冲突并确保跨任务的平衡学习 | 未在摘要中明确提及 | 克服单任务单模态模型的局限性，提升中枢神经系统药物发现中关键因素（如血脑屏障渗透性和神经毒性）的预测能力 | 药物靶点亲和力、血脑屏障渗透性、神经毒性 | 机器学习 | 中枢神经系统疾病 | 深度学习 | 多任务学习框架 | 多模态数据 | 多源数据集 | 未在摘要中明确提及 | 未在摘要中明确提及 | MSE, 准确率 | 未在摘要中明确提及 |
| 5600 | 2026-01-27 |
Prediction of Intravenous Pharmacokinetic Parameters across Multiple Species by a Multifidelity Deep Learning Framework
2026-Jan-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02546
PMID:41493218
|
研究论文 | 本研究提出了一种名为MFPK的多保真度深度学习框架，用于跨多个物种（人类、狗、猴子、大鼠和小鼠）预测静脉注射药代动力学参数 | 提出了一个结合迁移学习的多保真度药代动力学学习框架，整合了基于图、基序和三维结构的分子表征，以捕获全面的多尺度化学信息 | 未明确说明模型在特定药物类别或复杂生理条件下的泛化能力限制 | 开发一个深度学习框架，用于跨物种预测静脉注射药代动力学参数，以支持早期药物候选筛选和剂量方案优化 | 人类、狗、猴子、大鼠和小鼠的静脉注射药代动力学参数 | 机器学习 | NA | 深度学习，迁移学习 | 深度学习模型 | 化学结构数据（图、基序、三维结构） | NA | NA | MFPK（多保真度药代动力学学习框架） | RMSLE（对数误差均方根），GMFE（几何平均折叠误差） | NA |