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 44481 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2026-05-20 |
De Novo Multi-Mechanism Antimicrobial Peptide Design via Multimodal Deep Learning
2026-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515835
PMID:41801219
|
研究论文 | 提出了一种基于多模态深度学习的多机制抗菌肽从头设计管道M3-CAD，并构建了QLAPD数据库 | 首次整合3D结构特征、物种特异性抗菌活性和机制进行抗菌肽的从头设计，提出创新性的3D体素着色方法捕捉氨基酸的细微理化上下文 | 体内实验验证了抗菌效果且毒副作用有限 | 利用人工智能驱动抗菌肽发现，实现多机制抗菌肽的从头设计以对抗多重耐药菌 | 多机制抗菌肽 | 机器学习 | 多重耐药菌感染 | NA | 多模态深度学习模型 | 序列、结构、抗菌活性数据 | 12,914个抗菌肽样本 | NA | 生成模块、回归模块、分类模块 | 抗菌活性、毒性 | NA |
| 562 | 2026-05-20 |
Deep learning-based precision phenotyping of spine curvature identifies novel genetic risk loci for scoliosis in the UK Biobank
2026-Mar-26, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02540-6
PMID:41882318
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 563 | 2026-05-20 |
2D Multimodal Image Collection for Fluorescence Prediction from Transmitted Light Microscopy
2026-Mar-24, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07004-w
PMID:41876523
|
研究论文 | 介绍一个大规模开放存取数据集Light My Cells Database，包含2,574个采集集和56,984张显微镜2D图像，用于从透射光图像预测荧光 | 提供了一个多模态、多中心、标准化的大规模显微镜图像数据集，支持机器学习模型从无标记透射光图像预测荧光信号，并遵循REMBI元数据标准 | 未明确说明研究局限性，但可能面临数据覆盖范围有限、实际应用中的泛化挑战 | 开发用于从透射光显微镜图像预测荧光的机器学习模型 | 生物样品，包括细胞核、线粒体、微管蛋白和肌动蛋白等亚细胞结构 | 计算机视觉, 数字病理学 | NA | 明场显微镜, 相差显微镜, 微分干涉差显微镜, 荧光显微镜 | NA | 图像 | 2,574个采集集，56,984张图像，来自30项独立实验和8个国家成像中心 | NA | NA | NA | NA |
| 564 | 2026-05-20 |
A Sensor based turning dataset for data-driven surface roughness estimation
2026-Mar-24, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07061-1
PMID:41876568
|
研究论文 | 介绍了一种用于车削过程表面粗糙度估计的传感器数据集，特别是在Inconel-625难加工材料上的应用 | 提供了针对难加工合金Inconel-625的公开车削传感数据集，包括振动、力和力矩数据，以及表面粗糙度测量结果，便于开发在线估计模型 | 未提及具体的数据集限制或模型验证结果 | 为基于机器学习和深度学习的数据驱动表面粗糙度估计提供公开数据集，减少材料浪费并提高加工效率 | Inconel-625合金在车削过程中的表面粗糙度与传感器数据的关系 | 机器学习 | 不适用 | 三轴加速度计、测力计、表面粗糙度测试仪 | 尚未指定具体模型类型 | 振动信号、力与力矩数据、表面粗糙度测量值 | 共382,189,197个样本，来自27组数据采集 | 不适用 | 不适用 | 不适用 | Kirloskar Turnmaster 40车床用于加工，Mitutoyo表面粗糙度测试仪用于测量 |
| 565 | 2026-05-20 |
Detection of Structural Glaucoma Progression with Deep Learning on Serial Optic Disc Photographs
2026-Mar-17, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2026.03.005
PMID:41856358
|
研究论文 | 使用深度学习模型检测基于眼底照片序列的青光眼结构性进展 | 首次采用孪生卷积神经网络对序列眼底照片进行青光眼进展检测，实现了临床相关精度的自动化分类 | 未在论文标题和摘要中明确说明局限性 | 设计有监督深度学习模型以检测青光眼结构性进展 | 青光眼患者的序列眼底照片 | 计算机视觉 | 青光眼 | NA | 孪生卷积神经网络 | 图像 | 1510只眼（916名患者），每只眼至少2年随访并有2对眼底照片 | NA | 孪生卷积神经网络 | AUC, 准确率, 灵敏度, 特异度 | NA |
| 566 | 2026-05-20 |
A hybrid deep learning approach integrating CNN and transformer for lung cancer classification using CT scans
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41161-7
PMID:41844829
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 567 | 2026-05-20 |
Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy
2026-Mar, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.12.017
PMID:41453592
|
研究论文 | 利用超广角扫频源光学相干断层扫描血管成像衍生的视网膜新生血管参数，预测高风险增殖性糖尿病视网膜病变并发症的发生 | 首次使用单次超广角SS-OCTA成像结合深度学习分割算法，量化视网膜新生血管的膜面积和血管面积，并依据其与内界膜的轴向空间关系（隆起或附着）进行分层分析，发现隆起性RNV指标能更有效地预测玻璃体积血和牵拉性视网膜脱离等并发症 | 样本量较小（18只眼），且为单中心前瞻性研究，可能影响结果的普适性；随访中位数291天，长期预后尚需更长时间观察 | 评估超广角SS-OCTA衍生的RNV指标能否预测高风险PDR患者发生威胁视力的并发症（玻璃体积血或牵拉性视网膜脱离） | 临床上分级为高风险增殖性糖尿病视网膜病变的眼部（来自三级医疗中心，随访≥6个月） | 计算机视觉 | 糖尿病视网膜病变 | 扫频源光学相干断层扫描血管成像 | 深度学习算法 | 图像 | 18只眼（高风险PDR患者），共识别115个RNV病灶 | NA | 验证的深度学习分割算法（具体结构未明确） | AUC, 灵敏度, 特异度 | NA |
| 568 | 2026-05-20 |
Dbert2_LR: A deep learning-based model for predicting cis-regulatory elements in crops
2026-03, Genomics
IF:3.4Q2
DOI:10.1016/j.ygeno.2026.111201
PMID:41544987
|
研究论文 | 开发了一种名为Dbert2_LR的混合深度学习框架，用于预测作物中的顺式调控元件 | 首次将预训练基因组基础模型DNABERT-2与并行双向RNN和LSTM网络结合，有效捕获DNA的深层上下文依赖和局部序列模式，并揭示模型决策依赖于已知转录因子结合基序，克服了深度学习的'黑箱'问题 | 在高度重复的作物基因组（如陆地棉）上性能相对较低（宏平均F1分数仅为0.637），且可能泛化性受限于训练数据覆盖的物种 | 开发高精度预测作物中顺式调控元件（启动子、增强子和非调控序列）的模型，用于功能基因组注释和分子育种 | 拟南芥和陆地棉中的顺式调控元件序列 | 机器学习 | NA | DNA测序 | 深度学习混合模型 | DNA序列 | 未明确提及 | PyTorch | DNABERT-2, 双向RNN, LSTM | 宏平均F1分数 | NA |
| 569 | 2025-12-11 |
The road to bedside: addressing key hurdles for deep learning prognostic models in light-chain cardiac amyloidosis
2026-Feb-27, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf344
PMID:41364678
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 570 | 2026-05-20 |
Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning
2026-Feb-07, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02399-7
PMID:41654658
|
研究论文 | 利用几何深度学习快速预测左心室激活时间图，为心脏再同步治疗规划提供支持 | 首次构建基于图神经网络和几何信息神经算子的几何深度学习模型，实现左心室激活时间图的实时预测，并开发了用于优化起搏点选择的工作流 | 模型在真实左心室几何结构上的性能略低于合成数据，且尚未在临床环境中进行验证 | 开发一种用于个性化心脏再同步治疗规划的计算方法，通过快速预测激活时间图并优化起搏点位置 | 左心室几何形状上的激活时间图预测 | 机器学习 | 心脏疾病（心脏衰竭） | 有限元模拟 | 图神经网络（GNN）和几何信息神经算子（GINO） | 合成和真实左心室几何形状的激活时间图数据 | 基于广泛合成左心室形状、起搏点配置和组织电导率生成的有限元模拟大样本数据集 | PyTorch | 图神经网络（GNN），几何信息神经算子（GINO） | 误差率（百分比） | NA |
| 571 | 2026-05-20 |
AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review
2026-02-01, American journal of clinical oncology
DOI:10.1097/COC.0000000000001238
PMID:40679809
|
综述 | 对人工智能算法在非小细胞肺癌预后预测中的应用进行系统文献综述 | 比较了不同人工智能类型（机器学习和深度学习）的预后性能，并评估了与TNM分期等传统预后系统的对比 | 建议在临床应用前需通过精心设计的临床试验进行充分验证 | 评估人工智能算法在非小细胞肺癌预后预测中的应用效果 | 非小细胞肺癌患者的预后预测 | 机器学习 | 肺癌 | NA | 机器学习, 深度学习 | 组织学数据, 遗传数据, CT, PET, MRI图像 | 初始3880篇文献，经筛选后纳入309篇 | NA | NA | 预后性能（具体指标未明确） | NA |
| 572 | 2026-05-20 |
Accelerated water residual removal in MRS: Exploring deep learning versus fitting-based approaches
2026-01, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70031
PMID:40891397
|
研究论文 | 提出并验证两种快速去除MRS中水残留信号的新方法：DeepWatR和WaterFit | 分别采用U-Net类似架构结合注意力机制和Torch自动微分技术，实现了快速准确的水残留去除，较传统HLSVDPro方法大幅提升速度 | 模拟数据集与实际临床数据的差异可能影响方法泛化性；DeepWatR在去除水后代谢物拟合精度低于WaterFit | 开发临床适用的快速水残留去除方法，提升磁共振波谱（MRS）的临床实用性 | 模拟和体内1H脑部MRS数据集中的水残留信号 | 机器学习 | NA | MRS | U-Net | 磁共振波谱数据 | 模拟和体内1H脑部数据集，包含10,000个体素和100个体素两个测试集 | PyTorch | U-Net | 平均百分比量化误差、速度提升倍数 | 低端图形处理单元（GPU） |
| 573 | 2026-05-20 |
Automatic classification of uveal melanoma response patterns following ruthenium-106 plaque brachytherapy using ultrasound images and deep convolutional neural network
2025-12-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28995-3
PMID:41461779
|
研究论文 | 利用超声图像和深度卷积神经网络自动分类葡萄膜黑色素瘤钌-106敷贴器治疗后反应模式 | 首次将深度学习模型（DenseNet121和ResNet34）应用于基于B型超声图像的葡萄膜黑色素瘤治疗后反应模式分类，并发现无预训练权重、使用dropout层和批次大小32的配置性能最佳 | 需要进一步验证并探索其融入临床实践的可行性 | 应用深度学习模型预测葡萄膜黑色素瘤患者接受敷贴治疗后肿瘤反应模式 | 葡萄膜黑色素瘤患者治疗前后的超声图像及其反应模式（消退、增大、稳定或其他） | 计算机视觉 | 葡萄膜黑色素瘤 | B型超声成像 | 卷积神经网络 | 图像 | 192名患者的B型超声图像样本 | PyTorch | DenseNet121, ResNet34 | 宏平均AUC, 每类评估, DeLong检验 | NA |
| 574 | 2026-05-20 |
Differences in different reconstruction algorithms for coronary CTA demonstrating pericoronary adipose tissue attenuation
2025-12-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28914-6
PMID:41461810
|
研究论文 | 评估三种不同重建算法（DLIR-H、ASiR-V50%和FBP）在冠状动脉CTA中展示冠状动脉周围脂肪衰减的差异 | 首次系统比较深度学习图像重建（DLIR-H）、自适应统计迭代重建（ASiR-V50%）和滤波反投影（FBP）三种算法对冠状动脉周围脂肪衰减指数（FAI）测量的影响 | 未提及样本量大小和患者选择的具体标准，未评估算法在不同医疗设备和扫描参数下的通用性 | 评估不同重建算法对冠状动脉周围脂肪衰减指数（FAI）测量的差异，强调标准化重建方案的必要性 | 冠状动脉周围脂肪组织、冠状动脉斑块（正常、无斑块、非钙化斑块、混合斑块、钙化斑块） | 计算机视觉 | 心血管疾病 | 冠状动脉计算机断层扫描血管造影（CCTA） | NA | 图像 | NA | NA | NA | 脂肪衰减值、图像噪声、脂肪衰减指数（FAI） | NA |
| 575 | 2026-05-20 |
PSMA PET Evaluation with a Deep Learning Platform Compared with a Standard Image Viewer and Histopathology
2025-12-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.125.270242
PMID:41101977
|
研究论文 | 比较深度学习平台aPROMISE与标准影像查看器ISP在PSMA PET/CT评估中的表现，并以组织病理学为金标准 | 首次将深度学习分割和报告软件与标准影像查看器进行系统比较，并以组织病理学为金标准验证 | 未分割病灶主要位于高尿液活性区域或PSMA表达较低；部分远处转移病灶未被自动分割 | 评估深度学习平台aPROMISE在PSMA PET/CT评估中的性能 | PSMA放射引导手术后的前列腺癌患者 | 机器学习 | 前列腺癌 | PSMA PET/CT | 深度学习 | 影像 | 96名前列腺癌患者 | NA | NA | Cohen κ系数, 一致性率 | NA |
| 576 | 2026-05-20 |
Deep Learning for Automated Measures of SUV and Molecular Tumor Volume in [68Ga]PSMA-11 or [18F]DCFPyL, [18F]FDG, and [177Lu]Lu-PSMA-617 Imaging with Global Threshold Regional Consensus Network
2025-11-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.125.270077
PMID:40967759
|
研究论文 | 提出全球阈值区域共识网络，用于自动化测量[68Ga]PSMA-11或[18F]DCFPyL、[18F]FDG和[177Lu]Lu-PSMA-617成像中的SUV和分子肿瘤体积 | 开发了基于阈值后处理的深度学习框架，显著提升PET和SPECT图像分割的边界定义和标签准确性，Dice准确度比nnU-Net提高3%-5% | 未提及 | 提高自动化测量PET成像中疾病体积和示踪剂亲和性的准确度，改善LuPSMA治疗的患者选择和预后评估 | 转移性去势抵抗性前列腺癌患者的[68Ga]PSMA-11或[18F]DCFPyL PET、[18F]FDG PET和[177Lu]Lu-PSMA-617 SPECT图像 | 数字病理学，计算机视觉 | 前列腺癌 | PET/CT, SPECT/CT | 卷积神经网络 | 图像 | 676张PSMA PET/390张FDG PET/477张LuPSMA SPECT图像用于训练，56例外部测试 | PyTorch | nnU-Net | Dice相似系数，Pearson系数 | NA |
| 577 | 2025-07-10 |
Corrigendum to 'CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy' [Acad Radiol 32/6 (2025) 3397-3409]
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.036
PMID:40628644
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 578 | 2026-05-20 |
Predicting prognosis of light-chain cardiac amyloidosis by magnetic resonance imaging and deep learning
2025-10-30, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf248
PMID:40891072
|
研究论文 | 开发一种基于深度学习的心脏磁共振成像模型，用于预测轻链型心脏淀粉样变性的个体化预后 | 首次使用基于Transformer的深度学习模型对心脏磁共振晚期钆增强图像进行全心脏分析，结合对比预训练和集成学习策略，实现对轻链型心脏淀粉样变性个体化预后的高精度预测，超越了传统Mayo分期方法 | 未提及明确限制，但研究为单中心回顾性设计，样本量相对有限（394例），且仅包含接受标准化化疗的患者 | 开发一种新型深度学习模型，通过分析心脏磁共振晚期钆增强图像来预测轻链型心脏淀粉样变性的个体化预后 | 轻链型心脏淀粉样变性患者的晚期钆增强心脏磁共振图像及临床预后数据 | 医学影像分析 | 轻链型心脏淀粉样变性 | 心脏磁共振成像（CMR），晚期钆增强（LGE） | 基于Transformer的深度学习模型 | 图像 | 394例轻链型心脏淀粉样变性患者（训练集315例，测试集79例） | NA | Transformer | 一致性指数（C-index），曲线下面积（AUC），风险比（HR） | NA |
| 579 | 2026-05-20 |
Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis
2025-Oct-02, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.10.01.25337079
PMID:41256111
|
研究论文 | 提出一个端到端的自动化管道，用于分析血吸虫病的即时诊断测试，结合深度学习进行卡带分割和信号处理 | 首次实现即时诊断测试的自动化分析与质量控制的端到端管道，结合深度学习和信号处理解决视觉痕量不确定性 | 仅在单一队列（乌干达农村SchistoTrack队列）中评估，未在其他人群或疾病中验证 | 开发自动化诊断分类方法，提升血吸虫病即时诊断测试的准确性和效率 | 血吸虫病即时诊断测试（循环阴极抗原测试）的侧流试纸条 | 计算机视觉, 信号处理, 机器学习 | 血吸虫病 | 深度学习, 信号处理 | CNN（用于卡带分割的深度学习模型） | 图像（侧流试纸条图像） | 3188名来自乌干达农村SchistoTrack队列的个体 | NA | NA | 灵敏度, 特异度 | NA |
| 580 | 2026-05-20 |
Deep Learning Pipeline for Automated Assessment of Distances Between Tonsillar Tumors and the Internal Carotid Artery
2025-10, Head & neck
DOI:10.1002/hed.28200
PMID:40458868
|
研究论文 | 提出一种深度学习流水线自动评估扁桃体肿瘤与颈内动脉之间的距离 | 首次使用nnU-Net框架自动分割扁桃体肿瘤和颈内动脉，并自动计算最小距离 | 研究样本量较小，仅96例患者，且DSC值对肿瘤分割相对较低（0.67） | 开发自动评估扁桃体肿瘤与颈内动脉最小距离的工具，辅助术前规划 | 扁桃体肿瘤患者 | 计算机视觉, 数字病理学 | 扁桃体肿瘤 | CT成像 | nnU-Net（深度学习） | CT图像 | 96例扁桃体肿瘤患者的CT扫描 | nnU-Net | U-Net | Dice相似系数，平均Hausdorff距离 | NA |