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 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2026-02-12 |
PhysMorph: A biomechanical and image-guided deep learning framework for real-time multi-modal liver image registration
2026-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2026.100906
PMID:41659345
|
研究论文 | 本文提出并验证了PhysMorph，一种结合生物力学正则化和图像相似性度量的深度学习框架，用于实现肝脏多模态图像的实时配准 | 将有限元方法模拟作为生物力学正则化整合到深度学习配准框架中，实现了快速、解剖学上合理的MR-CBCT图像配准 | NA | 开发一个快速、准确且物理真实的肝脏图像配准框架，以支持立体定向体部放射治疗 | 肝脏图像，包括预处理磁共振成像和机载锥形束计算机断层扫描 | 计算机视觉 | 肝癌 | 磁共振成像, 锥形束计算机断层扫描 | 深度学习 | 图像 | 两个数据集：1) 从纵向MR-Linac扫描中获得的模拟数据；2) 来自肝脏SBRT患者的临床MR-CBCT图像对 | NA | NA | 目标配准误差, 平均表面距离, 生物力学保真度指标 | NA |
| 582 | 2026-02-12 |
BTdiagAI: A Web-Deployed Hybrid Framework for Brain Tumor Classification Using Optimized MRI Preprocessing and Deep Learning Fusion
2026 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70053
PMID:41659364
|
研究论文 | 本研究提出了一种基于优化MRI预处理和深度学习融合的混合框架BTdiagAI，用于脑肿瘤分类，并通过Web平台实现部署 | 系统评估了五种MRI预处理方法，并提出了一个融合微调InceptionV3、DenseNet121和Xception网络的深度学习框架，结合特征选择和机器学习分类，以解决类不平衡问题 | 研究未明确讨论预处理方法在不同肿瘤类型或MRI设备间的泛化能力，且可能受限于所用数据集的规模和多样性 | 开发一个高效、准确的脑肿瘤自动分类系统，以辅助临床诊断 | 脑部MRI扫描图像 | 计算机视觉 | 脑肿瘤 | MRI预处理（包括CLAHE、Nyul归一化、N4偏置校正、模板配准、White Stripe归一化） | CNN | 图像 | NA | TensorFlow, Keras | InceptionV3, DenseNet121, Xception | 准确率 | NA |
| 583 | 2026-02-12 |
Case Report: Novel ASAP1::BRAF fusion in a young adult with low-grade temporal lobe glioma
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1763047
PMID:41659712
|
病例报告 | 报告了一名年轻成年低级别颞叶胶质瘤患者中发现的新的ASAP1::BRAF融合基因 | 首次报道了ASAP1::BRAF融合基因在低级别胶质瘤中的存在，扩展了BRAF融合伴侣的谱系 | 仅基于单个病例报告，缺乏大规模临床验证和功能实验证实 | 描述低级别胶质瘤中一种新型BRAF融合基因的分子特征及其临床意义 | 一名31岁女性低级别颞叶毛细胞星形细胞瘤患者 | 数字病理学 | 脑胶质瘤 | RNA测序, 深度学习验证 | 深度学习 | RNA测序数据 | 1例患者肿瘤样本 | FusionAI | NA | 融合概率评分 | NA |
| 584 | 2026-02-12 |
Accuracy of artificial intelligence applications in periodontics: a thematic narrative review
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1729825
PMID:41660180
|
综述 | 本文综述了2019年至2025年间发表的35项研究，评估了人工智能在牙周病学诊断中的应用准确性 | 首次对牙周病学中人工智能应用的准确性进行了主题性叙事综述，并综合了多中心、外部验证和可解释性研究的最新进展 | 研究间存在数据集、解剖部位、参考标准、模型架构和报告实践的显著异质性，且自主诊断仍不成熟 | 评估人工智能在牙周病学诊断中的准确性，并探讨其临床转化路径 | 牙周病学诊断，包括牙槽骨丧失检测、牙槽骨水平测量、根分叉病变识别和根尖周病变检测 | 数字病理学 | 牙周病 | 影像学技术（根尖片、咬翼片、全景片、锥形束CT、口内照片） | CNN, Transformer | 图像（放射影像、口内照片） | 35项研究（具体样本量未在摘要中明确给出） | NA | 卷积神经网络, Transformer网络, 混合分割-分类架构 | 诊断准确性, AUC, 灵敏度, 特异性 | NA |
| 585 | 2026-02-12 |
Assessing the potential of deep learning for protein-ligand docking
2026, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-025-01160-1
PMID:41624973
|
研究论文 | 本文通过引入PoseBench基准，系统评估了深度学习方法在蛋白质-配体对接中的表现，特别是在预测结构、多配体结合和无先验口袋知识等广泛适用场景下的应用潜力 | 首次系统研究了深度学习方法在预测蛋白质结构、多配体结合和无先验口袋知识等广泛适用场景下的对接行为，并引入了多配体基准数据集 | 深度学习方法在预测新蛋白质-配体结合构象时仍面临挑战，且在结构准确性与化学特异性之间难以取得平衡 | 评估深度学习方法在蛋白质-配体对接中的实际应用潜力，特别是在药物发现和酶设计等生物医学研究领域 | 蛋白质-配体对接方法，特别是深度学习方法 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质结构数据, 配体数据 | NA | NA | AlphaFold 3 | 结构准确性, 化学特异性 | NA |
| 586 | 2026-02-12 |
SonoMind: deep learning-based voice analysis for mental health monitoring
2026 Jan-Feb, Rivista di psichiatria
IF:1.0Q4
DOI:10.1708/4641.46506
PMID:41665892
|
研究论文 | 本研究提出了一种名为SonoMind的自适应深度学习框架，用于通过语音信号进行早期抑郁症检测 | 提出了一种仅基于语音的非侵入式、客观且保护隐私的抑郁症检测框架，结合了自适应谱配对降噪、同步声学特征学习和自适应磷虾-狼群优化算法进行特征选择 | 仅使用公开可用的DAIC-WOZ临床访谈数据集进行评估，未在更广泛或多样化的临床环境中进行验证 | 开发一种高效可靠的仅基于语音的临床抑郁症检测工具，以解决现有筛查工具的不足 | 抑郁症患者的语音信号 | 自然语言处理 | 抑郁症 | 语音信号分析 | 神经网络 | 语音信号 | 使用公开的DAIC-WOZ临床访谈数据集 | NA | NA | 准确率, 精确率, 召回率, F1分数, 平均绝对误差, 均方根误差 | NA |
| 587 | 2026-02-12 |
Correction: Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1788430
PMID:41669084
|
correction | 本文是对先前发表文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 588 | 2025-12-28 |
From lesion detection to outcome prediction: artificial intelligence and deep learning applications in multiple sclerosis
2025-Dec-27, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08661-2
PMID:41454173
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 589 | 2026-02-12 |
Comparative Performance Evaluation of Federated and Centralized Learning for Velum and OTE Segmentation in Sleep Endoscopy Images
2025-Dec-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01756-4
PMID:41331654
|
研究论文 | 本研究系统比较了集中式学习与联邦学习在睡眠内镜图像中软腭和OTE区域语义分割的性能 | 首次在多机构睡眠内镜视频数据上系统比较集中式学习与联邦学习在气道结构分割任务中的性能差异 | 两种模型在模糊边界和舌根解剖变异区域的分割仍存在困难，联邦学习性能显著低于集中式学习 | 评估不同学习范式在睡眠内镜图像分割中的性能差异，为临床气道分析提供深度学习模型基础 | 药物诱导睡眠内镜图像中的软腭及口咽-舌根-会厌复合体区域 | 计算机视觉 | 阻塞性睡眠呼吸暂停 | 药物诱导睡眠内镜检查 | CNN | 视频图像 | 多机构睡眠内镜视频数据 | NA | NA | 精确率, 召回率, 准确率, Dice相似系数 | NA |
| 590 | 2026-02-12 |
Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning
2025-Dec, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02528-1
PMID:39809933
|
研究论文 | 本研究提出了一种名为SCP-Nano的集成实验与深度学习流程，用于在单细胞分辨率下全面量化纳米载体在小鼠全身的靶向分布 | 开发了SCP-Nano方法，首次实现了在单细胞分辨率下对纳米载体在小鼠全身分布的全面三维映射，其检测灵敏度远高于传统全身成像技术 | 该方法目前仅在小鼠模型中进行验证，尚未应用于人体或更复杂的生物系统 | 开发高效准确的方法以分析纳米载体在生物体内的细胞水平生物分布，加速靶向药物递送系统的研发 | 小鼠体内的纳米载体，包括脂质纳米颗粒、脂质体、多聚复合物、DNA折纸和腺相关病毒 | 数字病理学 | NA | 单细胞分辨率成像，深度学习分析 | 深度学习模型 | 三维成像数据 | 小鼠模型 | NA | NA | 灵敏度 | NA |
| 591 | 2026-02-12 |
CCLR-DL: A novel statistics and deep learning hybrid method for feature selection and forecasting healthcare demand
2025-12, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109057
PMID:40929936
|
研究论文 | 本文提出了一种结合统计方法和深度学习的混合框架CCLR-DL，用于特征选择和医疗需求预测 | CCLR-DL框架首次将因果统计选择与神经预测相结合，相比现有混合方法，在提升预测准确性的同时增强了模型的可解释性 | 未明确讨论模型在其他数据集或医疗场景中的泛化能力，以及计算复杂度可能较高 | 开发一种混合预测方法，以克服传统统计方法和深度学习模型的局限性，提高医疗需求预测的准确性和可解释性 | 临床就诊和诊断数据的时间序列，用于预测医疗需求 | 机器学习 | NA | 交叉相关分析、滞后多元线性回归、格兰杰因果检验 | 深度学习模型，具体包括BiLSTM | 时间序列数据 | 630万个体，数据收集时间跨度为10年 | NA | 双向长短期记忆单元（BiLSTM） | 均方根误差（RMSE） | NA |
| 592 | 2026-02-12 |
The Use of DeepQSAR Models for the Discovery of Peptides with Enhanced Antimicrobial and Antibiofilm Potential
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02138
PMID:41195811
|
研究论文 | 本研究利用基于循环神经网络的DeepQSAR模型预测广谱抗菌肽活性，并设计出具有增强抗菌和抗生物膜潜力的新型肽 | 首次将DeepQSAR模型应用于抗菌肽的发现，成功设计出在抗菌和抗生物膜活性上均优于已知肽IDR-1018的新型肽序列 | 模型预测性能依赖于有限的训练数据量，且实验验证仅针对部分设计肽进行，未进行大规模体内外功能验证 | 开发基于深度学习的定量构效关系模型，以加速具有广谱抗菌和抗生物膜活性的新型抗菌肽的发现 | 抗菌肽（AMPs）及其衍生物 | 机器学习 | 细菌感染 | 定量构效关系（QSAR） | 循环神经网络（RNN） | 分子描述符数据 | 训练数据量未明确说明，但提及随着可用AMP训练数据增加而提升模型性能；设计了100个新型肽，其中44个进行了实验验证 | 未明确说明 | 基于循环神经网络的QSAR模型 | 5折交叉验证准确率 | NA |
| 593 | 2026-02-12 |
Current Research and Development in the Field of Magnetic Resonance Contrast Media
2025-Nov-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001206
PMID:40622723
|
综述 | 本文讨论了下一代高弛豫率钆基对比剂的研究进展，包括安全性研究、MR技术改进以及新型对比剂的开发 | 重点关注下一代钆基对比剂（如gadopiclenol和gadoquatrane）可能取代现有标准，并重新探索锰基化合物在临床MR对比剂中的应用 | 锰基化合物的临床影像潜力尚不明确，且关于钆基对比剂稳定性的新信息仍在不断涌现 | 综述磁共振对比剂领域的最新研究与发展 | 钆基对比剂（包括线性和大环螯合物）、锰基化合物 | 医学影像 | NA | 磁共振成像（MRI） | NA | NA | NA | NA | NA | NA | NA |
| 594 | 2026-02-12 |
VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis
2025-Oct-07, Research square
DOI:10.21203/rs.3.rs-7564369/v1
PMID:41282090
|
研究论文 | 本文提出了一种名为VISTA的新方法，用于预测空间转录组学数据中未观测基因的表达水平 | VISTA首次结合变分推断和几何深度学习，联合建模单细胞RNA-seq数据和空间转录组学数据，并引入不确定性量化 | NA | 解决空间转录组学技术中基因表达谱覆盖范围有限的问题，提升空间转录组数据的分析能力 | 空间转录组学数据 | 机器学习 | NA | 单细胞RNA-seq, 空间转录组学 | 几何深度学习 | 基因表达数据, 空间数据 | 四个空间转录组学数据集 | NA | NA | 时间效率, 内存消耗 | NA |
| 595 | 2026-02-12 |
Fusion of habitat analysis and deep learning on contrast-enhanced T1-weighted imaging for predicting Ki-67 status in pediatric brain tumors
2025-Sep-27, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-025-06934-x
PMID:41014337
|
研究论文 | 本研究通过融合生境分析和深度学习技术，基于对比增强T1加权成像预测儿童脑肿瘤的Ki-67状态 | 首次将肿瘤生境分析与深度学习特征融合，用于量化儿童脑肿瘤的瘤内异质性并预测Ki-67指数 | 回顾性研究设计，样本量较小（140例），且仅基于单一成像模态（CE-T1WI） | 预测儿童脑肿瘤的Ki-67指数，以指导治疗和评估患者预后 | 儿童脑肿瘤患者 | 数字病理学 | 脑肿瘤 | 对比增强T1加权成像（CE-T1WI） | 随机森林 | 医学图像 | 140例儿童患者 | Scikit-learn | 随机森林 | AUC | NA |
| 596 | 2026-02-12 |
Variational inference of single cell time series
2025-Sep-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610389
PMID:39257806
|
研究论文 | 本文介绍了一种名为SNOW的深度学习算法，用于解卷积单细胞时间序列数据，分离时间依赖和独立成分 | 提出SNOW算法，能够构建有生物学意义的潜在空间、去除批次效应并生成逼真的单细胞时间序列 | NA | 分析时间过程单细胞RNA测序数据，解决时间与细胞类型贡献解卷积、区分真实动态与批次效应等挑战 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 基因表达数据 | NA | NA | NA | NA | NA |
| 597 | 2026-02-12 |
Deep learning-based super-resolution method for projection image compression in radiotherapy
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2962
PMID:40893517
|
研究论文 | 本文研究了一种基于深度学习的超分辨率方法，用于压缩放疗中的投影图像，以经济地存储大规模图像数据 | 结合超分辨率深度学习网络与视频编解码算法，对放疗投影图像进行压缩，在提高压缩比的同时保持图像质量 | 未明确提及方法在临床实际应用中的验证或与其他先进压缩方法的直接比较 | 开发一种经济有效的投影图像压缩方法，用于放疗中的图像存储 | 锥形束计算机断层扫描（CBCT）的投影图像 | 计算机视觉 | 癌症 | 锥形束计算机断层扫描（CBCT）成像 | CNN, ResNet, GAN | 图像 | 基于自然图像和投影图像的两个数据库 | NA | 卷积神经网络, 残差网络, 生成对抗网络 | 压缩比（CR）, 峰值信噪比（PSNR）, 视频质量度量（VQM）, 结构相似性指数（SSIM） | NA |
| 598 | 2026-02-12 |
Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning
2025-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670178
PMID:40894597
|
研究论文 | 本研究提出了一种基于ResNet50架构的定制化深度卷积神经网络，用于从非吸烟者肺腺癌患者的H&E染色全切片图像中同时预测16种分子改变 | 首次将深度学习模型专门应用于非吸烟者肺腺癌这一分子和组织学上独特的肺癌亚型，并针对该亚型优化了网络架构，实现了从单张H&E染色全切片图像中同时预测多种分子特征 | 模型对肿瘤突变负荷、APOBEC突变特征和某些KRAS热点突变的预测性能较低至中等 | 开发一种深度学习模型，用于从组织学图像中推断非吸烟者肺腺癌的分子特征，以支持分子检测的分流和精准治疗策略 | 非吸烟者肺腺癌患者的H&E染色全切片图像 | 数字病理学 | 肺癌 | H&E染色全切片图像分析 | CNN | 图像 | 495张全切片图像 | NA | ResNet50 | AUROC | NA |
| 599 | 2026-02-12 |
Learning Genetic Perturbation Effects with Variational Causal Inference
2025-Jun-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.05.657988
PMID:40501829
|
研究论文 | 本文提出了一种结合机制因果模型与变分深度学习的混合方法SCCVAE，用于预测单细胞水平上未见遗传扰动的转录组响应 | 提出SCCVAE模型，将机制因果模型与变分自编码器结合，实现从观测扰动到未见扰动的有效外推，并支持功能扰动模块识别和单基因敲除实验模拟 | 未明确讨论模型在更复杂或异质性细胞类型中的泛化能力，以及计算资源需求 | 开发一种能准确预测单细胞水平上遗传扰动效应的计算模型，以应用于功能基因组学和治疗靶点识别 | 单细胞转录组数据，特别是Perturb-seq技术生成的遗传扰动响应数据 | 机器学习 | NA | Perturb-seq，单细胞转录组测序 | 变分自编码器（VAE），因果模型 | 单细胞转录组数据 | NA | NA | SCCVAE（单细胞因果变分自编码器） | NA | NA |
| 600 | 2026-02-12 |
Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions
2025-May-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.12.25327223
PMID:40463551
|
综述 | 本文是一篇范围综述，探讨了人工智能在门诊初级保健中的应用、挑战和未来方向 | 系统性地梳理了2019年至2024年间人工智能在非紧急门诊初级保健中的功能、试验或整合情况，并指出了当前实施与研究的差距 | 研究主要基于文献综述，缺乏对实际临床环境中AI整合障碍的深入分析，且纳入的研究中临床试验数量有限 | 探索人工智能在门诊初级保健中的应用范围、实施现状及未来发展方向 | 2019年1月1日至2024年11月22日期间发表的关于人工智能与初级保健相关的研究 | 机器学习 | NA | 机器学习，深度学习，Transformer | NA | NA | 筛选了3203篇文献，最终纳入61篇符合条件的研究 | NA | NA | NA | NA |