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 49099 篇文献，本页显示第 6521 - 6540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6521 | 2026-06-17 |
Clisp: A Robust Interactive Segmentation Framework for Pathological Images
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782318
PMID:40039941
|
研究论文 | 提出一种名为Clisp的鲁棒交互式分割框架，用于病理图像的低成本交互式标注 | 构建包含约79,000张图像的多源病理图像标注数据集，并采用重参数视觉Transformer作为图像编码器以提升大规模数据的特征表示能力和泛化性能 | 未明确提及局限性 | 开发一种基于点击的交互式分割方法，以减少病理图像标注成本并提高对不同任务或分割对象的泛化能力 | 病理图像 | 数字病理学 | NA | NA | 视觉Transformer | 图像 | 约79,000张病理图像用于训练，7个开源数据集用于评估 | NA | 重参数视觉Transformer | 分割性能（具体指标未说明） | NA |
| 6522 | 2026-06-17 |
Measurement and Application of Incidentally Detected Coronary Calcium: JACC Review Topic of the Week
2024-04-23, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2024.01.039
PMID:38631775
|
综述 | 总结无门控非对比胸部CT检测偶然发现冠状动脉钙化的测量方法及其在心血管疾病风险分层中的应用 | 探讨深度学习自动化评分流程的潜力，并展望NCCT衍生的CAC评分在特定患者群体和更广泛健康系统中的未来临床应用 | 未提及具体限制 | 总结NCCT衍生的冠状动脉钙化在预防性心血管健康中的当前作用，并探索未来临床应用的途径 | 无门控非对比胸部CT扫描（NCCT） | 医学影像分析 | 动脉粥样硬化性心血管疾病 | 冠状动脉钙化评分 | 深度学习 | 影像数据（CT） | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 6523 | 2026-06-17 |
Deep Learning Models Compared to Experimental Variability for the Prediction of CYP3A4 Time-Dependent Inhibition
2024-04-15, Chemical research in toxicology
IF:3.7Q2
DOI:10.1021/acs.chemrestox.3c00305
PMID:38501689
|
研究论文 | 利用深度学习模型预测CYP3A4时间依赖性抑制，并与实验变异进行比较 | 通过多任务学习和联邦学习整合多种数据源，首次将深度学习预测与实验检测的可重复性进行比较 | 主要依赖高度不平衡和小型数据集，模型泛化能力可能受限 | 开发并评估机器学习模型用于CYP3A4时间依赖性抑制的早期预测，以提升药物研发效率 | CYP3A4酶抑制活性及药物-药物相互作用 | machine learning | NA | NA | 图神经网络 | 分子结构及抑制活性数据 | 约16000个公开化合物结构，若干内部和外部数据集 | NA | 多任务图神经网络 | 错误分类率 | NA |
| 6524 | 2026-06-17 |
Deciphering the Lexicon of Protein Targets: A Review on Multifaceted Drug Discovery in the Era of Artificial Intelligence
2024-04-01, Molecular pharmaceutics
IF:4.5Q1
|
综述 | 综述了人工智能时代以蛋白质及其相互作用热点为靶点的合理药物设计方法、挑战及应用 | 系统整合了机器学习和深度学习技术在蛋白质结合热点识别与表征中的应用，并通过热休克蛋白27和基质金属蛋白酶（MMP2/MMP9）的案例展示了药物发现范式 | 未明确说明，但从综述性质推测可能缺乏对实际临床应用效果的深入讨论 | 探讨人工智能辅助的合理药物设计技术在靶向蛋白质及蛋白质-蛋白质相互作用热点中的策略、方法与挑战，并提供对药物设计的见解 | 蛋白质结合热点、蛋白质-蛋白质相互作用（PPIs）、热休克蛋白27（HSP27）及基质金属蛋白酶（MMP2和MMP9） | 机器学习 | 癌症 | 合理药物设计、人工智能方法（机器学习和深度学习）、量子化学 | NA | NA | NA | NA | NA | NA | NA |
| 6525 | 2026-06-17 |
An extended bore length solid-state digital-BGO PET/CT system: design, preliminary experience, and performance characteristics
2024-03, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-023-06514-8
PMID:38012446
|
研究论文 | 评估一款扩展轴向视野（32 cm）、基于BGO闪烁晶体与硅光电倍增管固态数字PET/CT系统的性能，包括符合NEMA和EARL标准的空间分辨率、灵敏度等参数 | 首次报告了32 cm轴向视野固态数字BGO-PET/CT系统（使用BGO晶体与硅光电倍增管）的全面性能特征，并验证其在高灵敏度和低剂量快速临床采集中的可行性 | 未明确提及局限性，但样本量小（仅3例患者）、未长期随访或对比其他PET系统、深度学习算法细节未详述 | 评估基于BGO晶体与硅光电倍增管的固态数字PET/CT系统（轴向视野32 cm）的性能特征 | 两台首次临床安装的PET/CT系统及3例患者（使用低剂量[18F]FDG、[68Ga]Ga-DOTA-TATE和[82Rb]RbCl） | 计算机视觉 | NA | PET/CT | 深度学习对比增强算法 | 图像 | 2个临床安装站点、3例患者（低剂量示踪剂活性分别为2 MBq/kg、2.3 MBq/kg和14.5 MBq/kg） | NA | 贝叶斯罚似然重建（BPL）、顺序子集期望最大化（OSEM）、滤波反投影（FBP）、对比增强深度学习算法 | 空间分辨率、散射分数、噪声等效计数率、灵敏度、计数率准确性、图像质量、能量分辨率 | NA |
| 6526 | 2026-06-17 |
Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-240098
PMID:38728189
|
research paper | 提出一种新型深度学习模型MoFNet，通过整合多组学数据和先验功能相互作用，研究阿尔茨海默病的分子机制及其遗传贡献因素 | 首次建模从DNA到RNA和蛋白质的动态信息流，整合SNP、基因和蛋白质间的先验功能相互作用，提升模型可解释性 | NA | 通过新型多组学数据整合方法，发现功能连接的多组学特征以阐明阿尔茨海默病的分子机制 | 阿尔茨海默病的分子机制及其上游遗传贡献因素 | machine learning | 阿尔茨海默病 | NA | 深度学习 | 多组学数据 | NA | NA | MoFNet | 预测性能 | NA |
| 6527 | 2026-06-17 |
ProSE-Pero: Peroxisomal Protein Localization Identification Model Based on Self-Supervised Multi-Task Language Pre-Training Model
2023-12-01, Frontiers in bioscience (Landmark edition)
DOI:10.31083/j.fbl2812322
PMID:38179735
|
研究论文 | 基于自监督多任务语言预训练模型ProSE开发了ProSE-Pero模型，用于过氧化物酶体蛋白定位识别 | 首次将预训练多任务语言模型ProSE应用于过氧化物酶体蛋白特征提取，结合SVMSMOTE平衡数据集和SHAP解释模型进行特征选择，在植物液泡蛋白识别任务上性能超越最新模型iPVP-DRLF约5% | NA | 开发更精确的过氧化物酶体蛋白定位识别模型 | 过氧化物酶体蛋白的定位识别 | 机器学习 | NA | 蛋白质序列特征提取 | ProSE（预训练多任务语言模型）、LightGBM、传统机器学习方法、深度学习模型 | 蛋白质序列数据 | 160个过氧化物酶体蛋白 | NA | ProSE | 特异性（Sp）、灵敏度（Sn）、准确率（Acc）、马修斯相关系数（MCC）、F1分数、曲线下面积（AUC） | NA |
| 6528 | 2026-06-17 |
Deep Learning Approach for Robust Prediction of Reservoir Bubble Point Pressure
2021-Aug-24, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.1c02376
PMID:34471753
|
研究论文 | 提出一种基于长短期记忆网络的鲁棒模型，用于预测储层气泡点压力 | 利用全球不同油田的760个数据点构建模型，并通过趋势分析和统计验证确保输入输出关系的正确性 | 未提及具体局限性，但模型依赖数据质量和数量，可能对极端条件或新油田的泛化能力有限 | 开发高精度、鲁棒的气泡点压力预测模型，替代传统经验关联式 | 储层油藏流体性质中的气泡点压力（一种关键PVT参数） | 机器学习 | NA | NA | LSTM（长短期记忆网络） | 数值数据 | 760个数据点，来自全球不同油田 | NA | LSTM | 平均绝对相对误差百分比（AAPRE），相关系数 | NA |
| 6529 | 2026-06-17 |
In-Pero: Exploiting Deep Learning Embeddings of Protein Sequences to Predict the Localisation of Peroxisomal Proteins
2021-Jun-15, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms22126409
PMID:34203866
|
研究论文 | 提出In-Pero方法，结合深度学习嵌入与机器学习预测过氧化物酶体蛋白质亚定位 | 首个专门针对过氧化物酶体蛋白亚定位（基质vs膜）的预测工具，利用深度学习的蛋白质序列多维度嵌入表示 | 未指明 | 开发预测过氧化物酶体蛋白亚细胞定位的新方法 | 过氧化物酶体蛋白（基质和膜蛋白） | 机器学习 | 相关疾病（多种疾病发病机制涉及过氧化物酶体蛋白定位异常） | 深度学习嵌入 | 机器学习与深度学习组合模型 | 蛋白质氨基酸序列 | 160个过氧化物酶体蛋白（实验验证定位证据） | NA | NA | 准确率 | NA |
| 6530 | 2026-06-17 |
Deep-LUMEN assay - human lung epithelial spheroid classification from brightfield images using deep learning
2020-12-15, Lab on a chip
IF:6.1Q2
DOI:10.1039/d0lc01010c
PMID:33151236
|
研究论文 | 提出了一种名为Deep-LUMEN的深度学习算法，用于从明场图像中自动分类人类肺上皮球体，并检测其形态变化 | 首次利用深度学习算法从非侵入性明场图像中自动识别肺上皮球体的微小形态差异，并能区分极化和非极化球体，追踪管腔结构变化 | 未明确提及限制，可能包括算法对特定细胞类型或培养条件的依赖性，以及验证仅针对特定药物和细胞外基质 | 开发并验证一种非侵入性方法，利用深度学习从明场图像中评估三维上皮球体形态，用于药物筛选和毒性测试 | 人类肺上皮球体（三维组织模型） | 计算机视觉, 机器学习 | 肺脏疾病 | 明场显微镜 | 目标检测算法（基于深度学习，如CNN） | 明场图像 | 未明确说明样本数量，但涉及不同细胞外基质和药物处理条件下的肺上皮球体图像 | NA | 目标检测网络（具体架构未指定，可能基于YOLO或Faster R-CNN） | NA | NA |
| 6531 | 2026-06-16 |
A noval 4D graph temporal brain network model for EEG-based depression detection
2026-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-026-00463-w
PMID:42294079
|
研究论文 | 提出一种新型4D图时空脑网络模型用于基于脑电图的抑郁症检测 | 创新点包括：构建包含线性与非线性特征的4D特征立方体、使用基于最近邻的方法识别功能相关的脑电通道空间关系、集成图卷积与门控循环单元以捕获时空特征、引入通道级最大池化模块（GTMP）保留关键通道信息 | 未在更大规模或临床多样化数据集上验证，准确率为83.67%可能仍有提升空间 | 提高基于脑电图的抑郁症检测准确率 | 重度抑郁症（MDD）患者和健康对照（HC）受试者的脑电图数据 | 机器学习 | 抑郁症 | 脑电图（EEG） | 4D图时空网络（4D-GTNet） | 脑电图信号数据 | 490个切片（232个MDD样本，248个健康对照样本） | PyTorch, TensorFlow | 图卷积网络（GCN）、门控循环单元（GRU） | 准确率（Accuracy） | NA |
| 6532 | 2026-06-16 |
A deep learning-assisted turn-on fluorescent probe for L-BPA detection with mechanistic insight
2026-Nov-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128109
PMID:42202743
|
研究论文 | 本文报道了一种基于深度学习的开启型荧光探针，用于检测L-BPA，并探讨其机制 | 首次开发了结合深度学习的开启型荧光探针WF324，实现对L-BPA的高选择性和快速响应，并揭示了其荧光增强机制 | 探针在真实样品中的回收率和RSD虽然良好，但检测范围有限（0-6 μM），且尚未在体内环境中验证其性能 | 开发一种高效检测和实时监测L-BPA的工具，以支持硼中子捕获治疗（BNCT）的研究与发展 | L-BPA（硼载体药物）及其在人尿液中的检测 | 机器学习 | 癌症 | 荧光检测 | 深度学习模型 | 荧光光谱数据 | 人尿液样本 | NA | NA | 检测限（80.48 nM）、回收率（90.40-103.11%）、相对标准偏差（0.78-3.96%） | NA |
| 6533 | 2026-06-16 |
Integration of network pharmacology, deep learning, and molecular biology reveals the efficacy of Citrus aurantium L. var. amara Engl. blossom extract in ameliorating diabetic osteoporosis
2026-Oct-28, Journal of ethnopharmacology
IF:4.8Q1
DOI:10.1016/j.jep.2026.121939
PMID:42217588
|
研究论文 | 结合网络药理学、深度学习和分子生物学揭示酸橙花提取物改善糖尿病性骨质疏松症的作用机制 | 首次将网络药理学与深度学习及分子生物学技术相结合，系统探究酸橙花提取物对糖尿病性骨质疏松症的保护作用及分子机制 | 未明确提及，但从方法学角度可能存在样本量较小、模型仅限于小鼠、未进行临床试验验证等局限性 | 探讨酸橙花乙醇提取物对糖尿病性骨质疏松症的保护作用及其潜在机制 | 高脂饮食和链脲佐菌素诱导的2型糖尿病小鼠模型 | 机器学习 | 糖尿病性骨质疏松症 | 高效液相色谱-质谱联用 | 深度学习 | NA | 未明确说明具体数量 | NA | NA | NA | NA |
| 6534 | 2026-06-16 |
Fast MR elastography via deep learning-based phase interpolation: A technical feasibility study
2026-Oct, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2026.110703
PMID:42190842
|
研究论文 | 本研究开发了一种基于深度学习的相位插值方法，通过利用时空波周期性减少MR弹性成像所需的振动相位采集数量，并验证其技术可行性 | 首次提出利用深度学习插补缺失振动相位图像的方法，可减少相位采集量达50%，同时保持与常规方法相当的临床测量精度 | 仅涉及较小样本量的健康志愿者验证，未在患者群体或更广泛的临床场景中测试；模拟减少相位采集而非实际减少扫描时间 | 评估深度学习相位插值方法用于减少MR弹性成像扫描时间的技术可行性 | 13名健康志愿者的肝脏MR弹性成像数据及体模数据 | 机器学习 | NA | MR弹性成像 (MRE) | 深度学习模型 | 图像（振动相位图像） | 13名健康志愿者及体模数据 | NA | NA（仅提及3-to-1和2-to-2模型，未指定具体架构） | 结构相似性指数 (SSIM), 峰值信噪比 (PSNR), Bland-Altman分析, 组内相关系数 (ICC), Wilcoxon符号秩检验 | NA |
| 6535 | 2026-06-16 |
Deep learning-driven quantitative spectroscopic photoacoustic imaging for segmentation and oxygen saturation estimation
2026-Sep, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2026.108092
PMID:41990476
|
研究论文 | 利用深度学习驱动的定量光谱光声成像进行血管分割和血氧饱和度估计 | 开发了Hybrid-Net深度神经网络，同时实现血氧饱和度估计和血管分割，无需直接估计光学通量 | 仅基于模拟数据和简单组织模拟体模验证，尚未在体内实验或复杂异质性组织中进行测试 | 提高光谱光声成像中血氧饱和度估计的准确性 | 血液中的血氧饱和度及血管组织 | 机器学习 | NA | 光谱光声成像 | 深度神经网络（Hybrid-Net） | 模拟数据和实验数据 | 模拟数据：不同噪声水平（0-35 dB），实验数据：含嵌入血池的简单组织模拟体模 | NA | Hybrid-Net | 分割准确率，血氧饱和度均方误差 | NA |
| 6536 | 2026-06-16 |
CardioRadNet: Cardiac mass diagnosis through integrated segmentation and radiomic analysis
2026-Sep, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109448
PMID:42176411
|
研究论文 | 提出CardioRadNet，首个结合深度学习分割和影像组学分类的集成框架，用于区分心脏肿块的良恶性 | 首次将深度学习分割与影像组学集成于无对比剂T1加权心脏磁共振成像，用于全面区分良恶性心脏肿块，支持半自动分割以提高临床适用性 | NA | 开发一个准确、无对比剂的综合框架，用于心脏肿块分类，支持早期风险分层和患者管理 | 127例经病理确诊的心脏肿块患者（62例恶性，65例良性） | 医学影像分析，数字病理学 | 心脏疾病 | 心脏磁共振成像（无对比剂T1加权），影像组学 | 深度学习分割网络（含点引导），影像组学分类模型 | 图像 | 127例患者（62例恶性，65例良性） | NA | NA | Dice系数，平衡准确率，ICC | NA |
| 6537 | 2026-06-16 |
Denoising preclinical MRI with vendor-neutral deep learning-based image reconstruction
2026-Sep, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2026.110813
PMID:42176781
|
研究论文 | 评估了基于人类临床MRI图像训练的中立供应商深度学习图像重建方法在去噪小鼠脑部临床前MRI图像中的有效性 | 首次评估了利用人类临床MRI图像训练的中立供应商DLR方法直接应用于小鼠脑部MR图像的去噪效果，此前未被研究 | 未明确提及，但从内容推断可能包括样本量小（6只小鼠）、仅使用一种MRI扫描仪（4.7 T）、未与其他去噪方法进行广泛比较 | 评估中立供应商深度学习图像重建方法在去噪临床前小鼠脑部MRI图像中的适用性和有效性 | 小鼠脑部MRI图像 | 机器学习, 计算机视觉, 数字病理学 | NA | MRI | 深度学习（DLR） | 图像 | 6只FVB小鼠 | NA | NA | 信噪比、对比度噪声比、锐度指数 | NA |
| 6538 | 2026-06-16 |
TRIDENT: A multi-task, triple-branch deep learning framework for EEG-based recognition, severity estimation, and future high-anger prediction in an on-road Wizard-of-Oz paradigm
2026-Sep, Accident; analysis and prevention
DOI:10.1016/j.aap.2026.108613
PMID:42235288
|
研究论文 | 提出TRIDENT多任务深度学习框架，用于基于脑电图（EEG）的道路愤怒状态识别、严重程度评估及未来高愤怒状态预测 | 首次在受控道路情境下使用多任务、三分支深度学习框架同时实现四级愤怒状态识别、连续严重程度估计及未来高愤怒预测 | 样本量较小（仅24名参与者），基于Wizard-of-Oz范式可能不完全反映真实驾驶情境中的愤怒状态 | 构建基于生理信号的道路愤怒情感识别模型，以支持情感感知车载界面和个性化干预设计 | 24名持证驾驶员在受控道路情境下的愤怒相关情感状态（基于脑电图、自我报告及情境信息） | 机器学习, 数字病理学 | NA | EEG | 多任务深度学习模型, 时序卷积, 脑网络表征 | 脑电图信号, 自我报告数据, 情境信息 | 24名参与者的多级愤怒状态数据集 | PyTorch | 多尺度时序卷积网络, 脑网络表征模块, 序列建模 (TRIDENT) | 准确率 (85% 愤怒状态分类, 87% 未来高愤怒预测) | NA |
| 6539 | 2026-06-16 |
Use of Artificial Intelligence in prostate MRI: A rapid scoping review highlighting limited evidence in screening context
2026-Sep, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112930
PMID:42142521
|
综述 | 本文通过快速范围综述，调查了人工智能在前列腺MRI解读中的应用证据，特别聚焦于无症状男性筛查场景 | 首次聚焦AI在无症状男性前列腺癌筛查场景的MRI解读证据，并扩展讨论未来实施的关键考量 | 纳入研究数量极少（仅2项），AI检测协议与专家一致性差（kappa 0.17-0.42），且存在高过度检测率和低特异性 | 综合评估AI在前列腺癌筛查中MRI解读应用的现有证据 | 无症状男性人群的前列腺MRI影像数据 | 机器学习 | 前列腺癌 | NA | 深度学习 | 图像 | 2项研究 | NA | ProstateAI软件工具 | kappa | NA |
| 6540 | 2026-06-16 |
Federated learning: A new frontier in the exploration of multi-institutional medical imaging data
2026-Sep, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109454
PMID:42190445
|
综述 | 本文综述了联邦学习在多机构医学影像数据探索中的应用，促进深度学习模型训练时数据隐私的保护 | 系统性地阐述了联邦学习在医学影像领域的概念、算法与挑战，并提供了开放框架与现实应用的全面综述 | 未详细比较不同联邦学习聚合算法的性能差异，且未涉及具体实验验证 | 探索联邦学习在整合多机构医学影像数据中的应用，以实现数据隐私保护的分布式深度学习模型训练 | 多机构医学影像数据及联邦学习系统 | 机器学习 | NA | NA | 深度学习模型 | 医学影像 | NA | NA | NA | NA | NA |