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 42799 篇文献，本页显示第 6741 - 6760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6741 | 2026-01-12 |
Deep Learning-Powered Nanoplasmonic Biosensing Approach Enables Ultrasensitive Extracellular Vesicles Profiling for Cancer Screening
2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202511337
PMID:40985328
|
研究论文 | 本文提出了一种基于Kolmogorov-Arnold网络（KAN）增强的纳米等离子体超表面芯片（metaEVchip）的生物传感策略，用于血清中超灵敏小细胞外囊泡（sEV）分析，以进行癌症筛查 | 利用KAN驱动的深度学习纳米等离子体生物传感，实现了对多维光谱特征的同时捕获，从而高效处理数据并提高准确性，显著扩展了纳米等离子体超表面在生物传感中的应用 | NA | 开发一种超灵敏的生物传感方法，用于癌症筛查和改善多种恶性肿瘤的临床管理 | 胰腺导管腺癌（PDAC）患者和对照组的血清样本中的小细胞外囊泡（sEV） | 机器学习 | 胰腺癌 | 纳米等离子体超表面技术，全光谱数据分析 | 深度学习，Kolmogorov-Arnold网络（KAN） | 光谱数据 | 600名胰腺导管腺癌（PDAC）患者和1200名对照的血清样本 | NA | Kolmogorov-Arnold网络（KAN） | 曲线下面积（AUC） | NA |
| 6742 | 2026-01-12 |
On artificial crystal structure generation for solving the phase problem with deep learning
2026-Jan-01, Acta crystallographica. Section A, Foundations and advances
DOI:10.1107/S2053273325009428
PMID:41216780
|
研究论文 | 本文讨论了生成人工晶体结构以训练神经网络解决相位问题的方法 | 提出了一种两步法生成人工晶体结构，包括采样晶胞参数和填充原子，并利用数据库数据指导生成分子状片段，显著提升了神经网络在更大晶胞结构上的泛化能力 | NA | 解决晶体学中的相位问题 | 人工晶体结构 | 机器学习 | NA | 晶体结构生成 | 神经网络 | 晶体结构数据 | NA | NA | PhAI | NA | NA |
| 6743 | 2026-01-12 |
Deep Learning-Based Quality Control Using Subcellular RNA Spatial Distribution Patterns for Cell Segmentation in Spatial Transcriptomics Data
2026-Jan, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202500885
PMID:41311019
|
研究论文 | 本文提出了一种基于深度学习的质量控制和细胞分割改进方法，利用RNA亚细胞空间分布模式评估分割细胞质量 | 首次利用RNA亚细胞空间分布模式通过深度神经网络进行细胞分割质量评估，并结合Transformer分割方法自动移除低质量细胞以提升性能 | 未明确说明方法在极端组织密度或复杂病理条件下的泛化能力 | 开发空间转录组学数据中细胞分割的质量控制与增强方法 | 空间转录组学数据中的细胞分割结果 | 数字病理学 | NA | 空间转录组学测序 | 深度神经网络, Transformer | 空间转录组学数据 | 合成数据与真实Stereo-seq数据 | NA | Transformer | NA | NA |
| 6744 | 2026-01-08 |
Commentary on "Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI"
2026-Jan, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.1307
PMID:41494679
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6745 | 2026-01-08 |
Response to Commentary on "Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI"
2026-Jan, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.1444
PMID:41494678
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6746 | 2026-01-12 |
Evaluating few-shot prompting for spectrogram-based lung sound classification using a multimodal language model
2026-Jan, PLOS digital health
DOI:10.1371/journal.pdig.0001179
PMID:41499578
|
研究论文 | 本研究评估了通用多模态大语言模型GPT-4o在梅尔频谱图肺音分类任务中，使用少样本提示策略相对于零样本提示的性能提升 | 首次将通用多模态大语言模型GPT-4o应用于肺音梅尔频谱图分类，并系统比较了零样本与少样本提示策略的效果 | 模型当前性能尚不足以支持临床部署，分类准确率仍有较大提升空间 | 评估多模态大语言模型在肺音分类任务中的实用性，探索提示策略对性能的影响 | 肺音梅尔频谱图 | 自然语言处理 | 肺病 | 梅尔频谱图转换 | 多模态大语言模型 | 图像（频谱图） | 6898个标注呼吸周期 | NA | GPT-4o | 准确率, 精确率, 召回率, F1分数 | NA |
| 6747 | 2026-01-12 |
Leveraging 3D Molecular Spatial Visual Information and Multi-Perspective Representations for Drug Discovery
2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512453
PMID:41090528
|
研究论文 | 本文提出了一种深度学习框架，利用3D分子空间视觉信息进行药物发现，通过整合空间信息与传统分子描述符构建统一的多视角表示 | 首次直接从3D分子空间视觉信息中学习，捕获几何、拓扑和立体化学特征，并构建多视角表示以更好地反映分子结构与功能 | 未明确提及具体的数据集规模限制或计算资源需求，可能依赖于特定3D渲染数据的可用性 | 提升药物关联预测的准确性，以加速药物发现过程 | 小分子药物及其与microRNA、其他药物和蛋白质的相互作用 | 机器学习 | NA | 3D分子空间渲染 | 深度学习框架 | 3D空间视觉信息、分子描述符 | NA | NA | NA | NA | NA |
| 6748 | 2026-01-12 |
CAFusion: A progressive ConvMixer network for context-aware infrared and visible image fusion
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339828
PMID:41505481
|
研究论文 | 本文提出了一种名为CAFusion的深度学习框架，用于可见光与红外图像的融合 | 提出了上下文感知的ConvMixer模块，结合空洞卷积扩大感受野与深度可分离卷积提高参数效率，无需注意力机制即可捕获多尺度上下文信息；并采用基于注意力的跨模态多级渐进融合策略 | NA | 开发一种计算高效且能保留多尺度细节的可见光与红外图像融合方法 | 可见光图像与红外图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | ConvMixer | 结构相似性指数 | NA |
| 6749 | 2026-01-12 |
Transforming Pediatric Urology With Artificial Intelligence: A Narrative Review of Current Evidence and Practice
2026-Jan, Cureus
DOI:10.7759/cureus.100893
PMID:41509578
|
综述 | 本文综述了人工智能在儿科泌尿学中的应用现状、证据和实践，探讨了其在诊断、手术规划和术后监测方面的潜力 | 系统性地总结了人工智能在儿科泌尿学多个领域（如肾积水、阴茎异常、膀胱输尿管反流）的创新应用，包括深度学习模型自动分级和预测、标准化图像分析减少主观性，以及机器学习算法优化风险分层 | 广泛应用目前受到数据稀缺、严格隐私法规以及缺乏关于患者数据的伦理法律框架等挑战的限制 | 探讨人工智能如何重塑儿科泌尿学的临床护理，并推动其安全整合到标准临床工作流程中 | 儿科泌尿学疾病，如肾积水、阴茎异常（如尿道下裂）和膀胱输尿管反流 | 数字病理学 | 泌尿系统疾病 | 深度学习, 机器学习 | 深度学习模型, 机器学习算法 | 图像, 临床数据 | NA | NA | NA | NA | NA |
| 6750 | 2026-01-12 |
Ear-Keeper: A cross-platform artificial intelligence system for rapid and accurate ear disease diagnosis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251412635
PMID:41509874
|
研究论文 | 本研究开发了一种轻量级深度学习模型Best-EarNet，用于耳镜图像分类，并部署在跨平台诊断系统Ear-Keeper中，以实现快速准确的耳部疾病诊断 | 提出了Best-EarNet架构，整合了局部-全局空间特征融合模块和多尺度监督策略，实现了超快速轻量级模型，并开发了跨平台智能诊断系统Ear-Keeper | 未明确提及模型在更广泛疾病类型或不同医疗环境中的泛化能力限制 | 开发轻量级、高性能、实时的深度学习模型用于耳镜图像分类，并部署跨平台诊断系统以支持临床和社区使用 | 耳镜图像，涵盖八种常见耳部疾病及健康病例 | 计算机视觉 | 耳部疾病 | 深度学习，迁移学习 | CNN | 图像 | 内部测试集22,581张图像，外部测试集1,652张图像 | 未明确提及，推测为PyTorch或TensorFlow | Best-EarNet | 准确率 | 标准CPU，处理速度80帧/秒 |
| 6751 | 2026-01-12 |
Comparison of the performance between an AI-based vision transformer and human endoscopists in predicting the endoscopic and histologic activities of ulcerative colitis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251412694
PMID:41509873
|
研究论文 | 本研究开发了一种基于深度学习的算法，用于评估溃疡性结肠炎的疾病和病理活动性，并比较了AI模型与人类内镜医师在预测内镜和病理活动性方面的性能 | 首次开发了一种基于内镜视频的深度学习模型，用于预测溃疡性结肠炎的内镜和病理活动性，并证明其性能与经验丰富的内镜医师相当，优于年轻内镜医师 | 研究样本量相对较小（82名患者），且仅基于白光内镜图像，未考虑其他成像模式或临床因素 | 开发并验证一种基于深度学习的算法，以评估溃疡性结肠炎的内镜和病理活动性 | 溃疡性结肠炎患者的内镜视频片段 | 计算机视觉 | 溃疡性结肠炎 | 白光内镜成像 | Vision Transformer (ViT) | 视频 | 375个视频片段来自82名患者 | NA | Vision Transformer (ViT) | 准确率 | NA |
| 6752 | 2026-01-12 |
Transformer-based deep learning for early detection of intensive care unit-acquired bloodstream infection through multivariate time-series analysis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251412651
PMID:41509870
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型，用于通过多变量时间序列分析早期预测ICU获得性血流感染 | 首次将Transformer模型应用于ICU获得性血流感染的早期检测，能够有效捕捉高维时间序列数据中的复杂依赖关系，相比传统机器学习模型（如CatBoost）在早期预测窗口表现更优 | 研究基于单一数据库（MIMIC IV），样本中阳性病例比例较低（6.2%），且未进行外部验证 | 开发一种深度学习模型，用于早期检测重症监护病房（ICU）获得性血流感染（BSI） | ICU患者，具体为MIMIC IV数据库中入院48小时后采集血培养的患者 | 机器学习 | 血流感染 | 电子健康记录分析，时间序列分析 | Transformer, CatBoost | 多变量时间序列数据 | 2408名患者，其中149名（6.2%）患有ICU获得性BSI | 未明确指定，但提及了SMOTE和SHAP | Transformer | AUROC, AUPRC | NA |
| 6753 | 2026-01-12 |
DCGAT-DTI: dynamic cross-graph attention network for drug-target interaction prediction
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf306
PMID:41510027
|
研究论文 | 提出了一种名为DCGAT-DTI的动态跨图注意力网络，用于预测药物-靶点相互作用 | 引入了动态跨图注意力模块，动态建模药物和蛋白质图之间的内部和跨图交互，超越了独立处理相似性图的现有方法 | 未明确说明模型在更大规模或更复杂数据集上的泛化能力 | 加速药物发现，通过预测化学化合物与蛋白质之间的相互作用 | 药物和蛋白质 | 机器学习 | NA | 深度学习 | 图卷积网络,注意力机制 | 图数据 | 四个基准数据集 | NA | 动态跨图注意力网络 | NA | NA |
| 6754 | 2026-01-12 |
Decoding fetal motion in 4D ultrasound with DeepLabCut
2026-Jan, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-025-01557-w
PMID:40785001
|
研究论文 | 本研究利用基于深度学习的无标记姿态估计工具DeepLabCut，对孕中期四维超声数据中的胎儿运动行为进行客观定量分析，提出了一种评估胎儿神经发育的新临床方法 | 首次将DeepLabCut应用于四维超声数据，实现对胎儿运动行为的精确定量分析，为胎儿神经发育评估提供了非侵入性的AI驱动替代方案 | 研究样本量有限（仅50个正常单胎胎儿），且跟踪精度随孕龄增加的趋势未达到统计学显著性 | 客观定量分析胎儿运动行为，以评估胎儿神经发育状况 | 孕12至22周的正常单胎胎儿 | 计算机视觉 | NA | 四维超声 | 深度学习 | 视频 | 50个四维超声视频记录 | DeepLabCut | NA | 似然分数, 组内相关系数 | NA |
| 6755 | 2026-01-12 |
Artificial Intelligence-Based Echocardiography in Pulmonary Arterial Hypertension
2026-Jan, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.06.052
PMID:40876740
|
研究论文 | 本研究评估了基于人工智能的超声心动图全自动深度学习工作流程在肺动脉高压评估中的可靠性和鉴别能力 | 首次开发并验证了用于肺动脉高压评估的全自动深度学习超声心动图工作流程，实现了高效且可靠的参数测量 | 右心室面积变化分数测量存在显著偏差，且研究样本量有限，需要进一步的外部验证 | 评估深度学习在超声心动图中自动评估肺动脉高压的可靠性 | 健康个体、肺动脉高压患者以及转诊进行右心导管检查的患者 | 数字病理学 | 心血管疾病 | 超声心动图 | 深度学习 | 图像 | 第一部分：434人（213名健康个体和221名肺动脉高压患者）；第二部分：196名转诊患者 | NA | NA | 偏差、精确度、AUC | NA |
| 6756 | 2026-01-12 |
Deep Learning Workflow In Echocardiography: John Henry's Saga Revisited?
2026-Jan, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.07.4071
PMID:41519548
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6757 | 2026-01-12 |
Development and validation of a deep learning-based model for predicting prostate cancer in patients with gray-zone PSA levels: a comparative study with clinician observations
2025-Dec-31, World journal of urology
IF:2.8Q2
DOI:10.1007/s00345-025-06174-3
PMID:41474500
|
研究论文 | 本研究开发并验证了一种基于深度学习的模型，用于利用多参数磁共振成像（mp-MRI）检测灰区PSA水平患者的前列腺癌 | 开发了一种整合ADC和T2WI数据的多模态卷积神经网络模型，在灰区PSA水平患者的前列腺癌检测中表现出高准确性，并与资深放射科医师的诊断性能相当 | 研究为回顾性多中心设计，样本量相对有限（最终队列274例患者），且仅基于特定MRI序列（T2WI和ADC） | 开发并验证一种深度学习模型，用于预测灰区PSA水平患者的前列腺癌 | 疑似前列腺病变的患者，特别是PSA水平处于灰区的患者 | 数字病理学 | 前列腺癌 | 多参数磁共振成像（mp-MRI），包括T2加权成像（T2WI）和表观扩散系数（ADC）值 | CNN, Transformer | 图像（MRI影像） | 最终研究队列包括274例患者（90例前列腺癌，184例非癌），按6:2:2比例分为训练集（162例）、验证集（56例）和测试集（56例） | NA | 多属性卷积神经网络（CNNs），Transformer | AUC（曲线下面积） | NA |
| 6758 | 2026-01-12 |
An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach
2025-Dec-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30919-0
PMID:41461827
|
研究论文 | 本研究提出了一种基于联邦学习与混合和声搜索及互信息特征选择方法的癫痫预测与管理系统，旨在通过去中心化的EEG分析实现高精度、实时的癫痫发作检测 | 提出了一种集成联邦学习、混合和声搜索与互信息特征选择以及结合LSTM与DenseNet-121的新型架构EpilepNet-LD，用于在保护患者隐私的同时，实现高精度的癫痫发作检测 | 摘要中未明确提及本研究的局限性 | 开发一个高精度、实时且能保护患者隐私的癫痫发作检测与管理系统 | 癫痫患者的脑电图数据 | 机器学习 | 癫痫 | 脑电图分析 | LSTM, DenseNet | EEG信号 | NA | NA | LSTM, DenseNet-121 | 准确率, 灵敏度 | NA |
| 6759 | 2026-01-12 |
Application of deep learning towards automated electromyographic wave classification for neuromonitoring in thyroid and parathyroid surgery
2025-Dec-29, BJS open
IF:3.5Q1
DOI:10.1093/bjsopen/zraf158
PMID:41504705
|
研究论文 | 本文开发了一种多任务一维卷积神经网络，用于自动分类甲状腺和甲状旁腺手术中的肌电图信号，以识别和纠正错误标记的神经监测数据 | 首次应用多任务一维卷积神经网络实现肌电图信号的自动分类，用于术中神经监测的错误标记警报 | 研究基于单中心数据，未来需纳入更广泛的临床场景和外部数据集以优化模型 | 开发自动化工具以识别和纠正甲状腺和甲状旁腺手术中肌电图信号的错误标记 | 甲状腺和甲状旁腺手术中的肌电图信号 | 数字病理 | 甲状腺和甲状旁腺疾病 | 肌电图信号记录 | CNN | 肌电图信号 | 1541例连续术中神经监测手术和508例间歇术中神经监测手术，共包含16305个肌电图信号 | NA | 一维卷积神经网络 | 准确率, AUC | NA |
| 6760 | 2026-01-12 |
Integration of finite element method and artificial intelligence for evaluating PEEK composites in rib cage reconstruction process under impact conditions
2025-Dec-24, Journal of materials science. Materials in medicine
DOI:10.1007/s10856-025-06972-6
PMID:41436650
|
研究论文 | 本研究通过结合有限元方法和人工智能技术，评估了PEEK复合材料在冲击条件下用于肋骨重建的可行性 | 首次将有限元模拟与人工智能回归模型相结合，用于预测PEEK复合材料在肋骨重建中的机械响应，并系统比较了多种复合材料的性能 | 研究基于计算机模拟，未进行体内实验验证；复合材料的具体生物相容性和长期体内性能需进一步评估 | 评估PEEK复合材料作为金属植入物替代品在肋骨重建中的可行性，并开发能预测应力、应变和变形的人工智能模型 | 用于肋骨重建的PEEK、碳纤维增强PEEK、玻璃纤维增强PEEK和羟基磷灰石PEEK复合材料植入物 | 机器学习 | NA | 有限元方法，人工智能预测建模 | 线性回归，岭回归，支持向量回归，决策树，神经网络，LightGBM | 有限元模拟生成的机械响应数据集 | 基于定制化3D胸部缺陷模型，使用多种PEEK复合材料植入物进行有限元模拟生成的数据集 | Scikit-learn, LightGBM | NA | R², MAE, MSE, RMSE, 计算效率 | NA |