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 46085 篇文献，本页显示第 5721 - 5740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5721 | 2026-04-10 |
LA-TReQNet: Improving Multielement Quantification Model for Laser Ablation Inductively Coupled Plasma Mass Spectrometry Based on Deep Learning Network
2026-Mar-30, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00057
PMID:41910779
|
研究论文 | 本文提出了一种名为LA-TReQNet的端到端深度学习框架，用于改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型 | 首次建立了一种不依赖内标或外标的校准方法，通过深度学习模型捕获复杂的经验关系，并提出了基于Power Transformer的标准化和数据集分组的优化预处理策略 | NA | 改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型，实现全自动定量校准 | 质谱数据 | 机器学习 | NA | 激光剥蚀电感耦合等离子体质谱 | CNN, LSTM | 质谱数据 | 来自5676个样本的221,364个标记质谱 | NA | CNN-LSTM | 与认证参考值的偏差百分比 | NA |
| 5722 | 2026-04-10 |
Deep learning and object detection methods for scoring cell types within the human buccal cell micronucleus and cytome assays for human biomonitoring
2026-Mar-26, Mutagenesis
IF:2.5Q3
DOI:10.1093/mutage/geaf026
PMID:41236179
|
综述 | 本文综述了深度学习和目标检测方法在人类颊细胞微核及细胞组学检测中用于细胞类型评分的研究进展，探讨了其在人群生物监测中的应用潜力 | 首次系统探讨将人工智能技术整合到微创颊细胞微核细胞组学检测中，以解决该领域样本变异性大、评分复杂等独特挑战 | 目前人工智能在颊细胞微核细胞组学检测中的应用仍处于探索阶段，缺乏大规模实际验证 | 探讨人工智能技术如何提升颊细胞微核细胞组学检测的可靠性、可扩展性和效率，以促进大规模流行病学研究 | 人类颊细胞样本中的微核及其他细胞遗传学终点 | 计算机视觉 | NA | 颊细胞微核细胞组学检测 | 深度学习, 目标检测 | 图像 | NA | NA | NA | 准确性, 可重复性, 通量 | NA |
| 5723 | 2026-04-10 |
Graph-Based Classification with GNN-Explainer for Predicting Cardiac Toxicity Associated with Multi-Ion Channel Blockers
2026-Mar-24, Chemical research in toxicology
IF:3.7Q2
DOI:10.1021/acs.chemrestox.5c00369
PMID:41875377
|
研究论文 | 本研究开发了一个基于图神经网络的深度学习框架，用于整合多种心脏离子通道抑制数据，以预测多离子通道阻滞剂相关的心脏毒性 | 克服了现有机器学习模型仅依赖Kv11.1通道数据的局限性，首次整合了Kv11.1、Cav1.2和Nav1.5三种关键离子通道的抑制数据，并利用GNNExplainer提供原子和键水平的可解释性可视化 | 不同离子通道的数据集规模差异较大（Kv11.1数据量远多于Cav1.2和Nav1.5），可能影响模型对后两个通道预测的泛化能力 | 开发一个能够整合多种心脏离子通道抑制数据的深度学习框架，以更准确地预测药物候选化合物的心脏毒性风险 | 药物分子（小分子化合物） | 机器学习 | 心血管疾病 | 实验抑制数据整合 | GNN | 分子图数据 | 总计38,905个分子（Kv11.1: 34,124个, Cav1.2: 1,564个, Nav1.5: 3,217个） | PyTorch | GNN | 准确率 | NA |
| 5724 | 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 |
| 5725 | 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 |
| 5726 | 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 |
| 5727 | 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 |
| 5728 | 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 |
| 5729 | 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 |
| 5730 | 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 |
| 5731 | 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 |
| 5732 | 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 |
| 5733 | 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 |
| 5734 | 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 |
| 5735 | 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 |
| 5736 | 2026-04-10 |
Assessing deep learning model performance in osteoporosis screening with lumbar spine radiographs
2026-Jan, Journal of bone and mineral metabolism
IF:2.4Q3
DOI:10.1007/s00774-025-01672-1
PMID:41361106
|
研究论文 | 本研究评估了深度学习模型在腰椎X光片上筛查骨质疏松症的性能 | 利用腰椎X光片替代DXA进行骨质疏松症筛查，提出了一种资源有限的替代方案 | 模型性能（如AP图像的AUC为0.79）仍有提升空间，且依赖特定数据集 | 开发并评估深度学习模型用于骨质疏松症的筛查 | 腰椎X光片（正位和侧位） | 计算机视觉 | 骨质疏松症 | X光成像 | CNN | 图像 | 训练集：2244张正位和2368张侧位腰椎X光片；测试集：963张正位和1018张侧位图像 | NA | ResNet-18, DarkNet-19 | AUC, 敏感性, 特异性 | NA |
| 5737 | 2026-04-10 |
Enhancing Early Diagnosis: Multimodal AI Approaches for Neurodegenerative Diseases
2026, Journal of biotechnology and biomedicine
DOI:10.26502/jbb.2642-91280211
PMID:41948713
|
综述 | 本文综述了多模态人工智能方法在神经退行性疾病早期诊断中的应用，强调其通过整合神经影像、电生理和数字表型数据来填补传统诊断框架的检测空白 | 提出利用多模态融合架构从MRI、PET和EEG数据中提取高维、亚视觉模式，实现比传统标志物更早的预测性检测，推动诊断从被动确认损伤转向主动风险分层和早期干预 | 临床转化面临数据异质性、深度学习“黑箱”问题以及全球数据集代表性不足等重大障碍 | 评估人工智能驱动的生物标志物如何通过连续、时间信息化的疾病建模，提升神经退行性疾病的早期诊断能力 | 神经退行性疾病，如阿尔茨海默病和帕金森病 | 机器学习 | 神经退行性疾病 | 神经影像（MRI、PET）、电生理学（EEG）、数字表型 | 机器学习模型，深度学习 | 多模态数据（图像、信号、数字表型） | NA | NA | 多模态融合架构 | NA | NA |
| 5738 | 2026-04-10 |
Automated Joint Space Detection Improves Bone Segmentation Accuracy
2025-11-28, Journal of visualized experiments : JoVE
DOI:10.3791/69252
PMID:41396972
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于提高小鼠爪部骨骼分割的准确性，通过检测关节空间来优化分割效果 | 在先前半自动标记分水岭算法基础上，引入了结构增强、张量投票和输出膨胀技术，并结合3D U-Net架构的深度学习模型进行关节空间预测，显著提升了分割精度 | 在疾病严重程度增加和年龄增长的小鼠样本中，模型准确性下降，表明其在病变或新型数据集上的性能有限 | 开发自动化方法以定量描述复杂解剖结构，减少手动分割所需专业知识和劳动，并降低观察者间变异性 | 小鼠后爪和前爪的micro-CT图像数据集，包括野生型和TNF-Tg关节炎模型 | 计算机视觉 | 关节炎 | micro-CT成像 | 深度学习模型 | 3D图像 | 野生型和TNF-Tg小鼠的后爪及前爪样本，涵盖不同年龄和性别 | NA | 3D U-Net, ResNet-18 | 分割准确性 | NA |
| 5739 | 2026-04-10 |
Oral Cancer Detection By Using Tabular Data Synthesis and Classification
2025-Nov, Proceedings ... ICDM workshops. IEEE International Conference on Data Mining
DOI:10.1109/ICDMW69685.2025.00094
PMID:41948034
|
研究论文 | 本文提出了一种基于表格数据合成与分类的口腔癌自动检测方法，旨在区分口腔癌与其前体病变，并通过数据平衡提升分类性能 | 通过结合表格数据分类与合成技术，有效缓解临床数据不平衡问题，显著提升口腔癌与癌前病变的分类性能 | NA | 开发一种AI驱动的口腔癌筛查方法，利用非图像临床表格数据区分口腔癌与癌前病变 | 口腔癌与癌前病变的临床表格数据 | 机器学习 | 口腔癌 | 深度学习 | 深度学习模型 | 表格数据 | NA | NA | NA | Youden指数, 平衡准确率, 灵敏度, F1分数, Matthews相关系数 | NA |
| 5740 | 2026-04-10 |
Deep Learning-Driven Automated Assessment of Left Ventricular Diastolic Function in Echocardiography
2025-09, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.70290
PMID:40892533
|
研究论文 | 本研究评估了一种基于深度学习的全自动模型在二维经胸超声心动图中评估左心室舒张功能的可行性、准确性和诊断性能 | 开发并验证了一种全自动深度学习模型，用于自动分析二维经胸超声心动图中的舒张参数，并与专家手动测量进行比较，展示了在分类左心室舒张功能等级方面的潜力 | 在中间类别分类中存在更多变异性，且三尖瓣反流速度的一致性较低，需要进一步验证 | 评估基于人工智能的软件在评估左心室舒张功能方面的可行性、准确性和诊断性能 | 302名疑似舒张功能障碍的患者 | 数字病理学 | 心血管疾病 | 二维经胸超声心动图 | 深度学习模型 | 图像 | 302名患者 | NA | NA | 测量成功率、相关系数（如E速度r=0.93）、分类准确性 | NA |