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 44944 篇文献，本页显示第 661 - 680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 661 | 2026-05-30 |
Nondestructive Detection of Moldy Pear Core for Fruit Quality Control Using Vis/NIR Spectroscopy and Enhanced Image Encoding via Deep Learning
2026-May-15, Foods (Basel, Switzerland)
DOI:10.3390/foods15101756
PMID:42195960
|
研究论文 | 本研究提出了一种利用可见/近红外光谱信号和深度学习增强图像编码技术，对库尔勒梨霉心病进行无损检测的方法 | 将一维光谱信号转化为改进的格拉姆角场和拉普拉斯金字塔马尔可夫转移场二维图像，并结合视觉Transformer模型进行分类，实现了高精度检测 | 未提及模型在实际工业生产线上的部署可行性和计算效率，以及样本数量可能有限 | 实现采后果品质量控制和自动化工业分拣中的梨霉心病无损检测 | 库尔勒梨的霉心病 | 机器学习, 计算机视觉 | 梨霉心病 | 可见/近红外光谱 | 支持向量机, 一维残差网络, 深度置信网络, MobileNetv3, 视觉Transformer | 光谱信号 | 未明确说明样本总数，样本包括健康、轻微霉变和严重霉变三种类别 | 未明确说明 | 支持向量机, 残差网络, 深度置信网络, MobileNetv3, 视觉Transformer | 测试准确率, 外部验证准确率 | 未明确说明 |
| 662 | 2026-05-30 |
Toward a Molecular Reclassification of Myalgic Encephalomyelitis/Chronic Fatigue Syndrome: Integrating Multi-Omics, Machine Learning, and Precision Medicine
2026-May-15, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms27104436
PMID:42196410
|
综述 | 本文综述了肌痛性脑脊髓炎/慢性疲劳综合征从症状分类向分子分型转变的研究进展，整合多组学、机器学习和精准医学方法 | 整合多组学数据与机器学习框架（如HEAL2、BioMapAI）推动ME/CFS分子重分类，识别罕见遗传风险变异、表观遗传标记及性别特异性分子特征 | 未提及具体实验验证或临床转化障碍，缺乏对现有模型泛化能力的讨论 | 推动ME/CFS从基于症状的分类转向分子定义的理解，为精准诊断和治疗提供基础 | ME/CFS患者的多组学数据（基因组、表观基因组、转录组、蛋白质组）及相关生物标志物 | 机器学习 | 慢性疲劳综合征 | 多组学测序（基因组、表观遗传、转录组、蛋白质组） | 深度学习、机器学习 | 多组学数据（基因组、表观遗传、转录组、蛋白质组） | NA | TensorFlow, PyTorch | HEAL2, BioMapAI | NA | NA |
| 663 | 2026-05-30 |
Accuracy of Deep Learning Models in Detecting Mandibular Furcation Defects on Panoramic Radiographs
2026-May-15, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16101500
PMID:42196866
|
研究论文 | 评估不同深度学习算法在识别下颌磨牙根分叉病变中的准确性和有效性 | 系统比较了多种深度学习模型（如Xception和ENet）在根分叉病变检测中的性能，尤其关注分类和分割任务，为牙周病诊断引入了人工智能辅助方法 | 样本量相对较小，且仅包含下颌磨牙，未涉及上颌磨牙，可能限制模型的泛化能力 | 评估AI算法在检测下颌磨牙根分叉病变方面的准确性和效果 | 下颌磨牙根分叉病变（FD） | 计算机视觉 | 牙周病（根分叉病变） | NA | 深度学习（Xception、ENet） | 图像（全景X光片） | 654张全景X光片 | NA | Xception, ENet | 准确率，精密度，敏感度，F1分数 | NA |
| 664 | 2026-05-30 |
Validation of Synthetic Megavoltage Computed Tomography (MVCT) for Dose Calculation in Radiotherapy Treatment Planning
2026-May-14, Cancers
IF:4.5Q1
DOI:10.3390/cancers18101603
PMID:42192963
|
研究论文 | 评估使用深度学习网络从伪影影响的千伏CT生成的合成兆伏CT在头颈部癌症患者放疗计划中的剂量准确性 | 首次基于统计等价性检验（TOST）系统验证基于深度学习的金属伪影减少技术生成的合成MVCT在剂量计算中的等价性，并提出结合HU值和伽马指数的质量保证框架 | 样本量较小（19例患者），且需要在前瞻性多中心队列中进一步验证 | 评估从含金属伪影的kVCT生成的合成MVCT与真实MVCT在放疗计划剂量计算中的一致性 | 19例带有牙科金属植入物的头颈部癌症患者 | 数字病理学 | 头颈部癌症 | 千伏CT, 兆伏CT, 深度学习 | UNet改进网络 | CT图像 | 19例头颈部癌症患者（其中16例为独立验证子队列） | PyTorch | MAR-DTN（基于UNet的域变换网络） | 平均Hounsfield单位值, 剂量-体积直方图指标, 3D伽马指数 | NA |
| 665 | 2026-05-30 |
Ligand-Receptor Interaction Combined with Histopathology Improves Glioma Prognostic Model
2026-May-14, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines14051110
PMID:42193434
|
研究论文 | 结合配体-受体相互作用与组织病理学改善胶质瘤预后模型 | 开发了整合配体-受体相互作用组和深度学习病理组学的多模态框架，揭示了胶质瘤细胞间通讯的分子和空间景观，并提供了一种新的风险分层方法 | 未明确提及 | 通过整合配体-受体相互作用和组织病理学特征，构建胶质瘤预后模型，改善患者风险分层 | 胶质母细胞瘤患者 | 数字病理学, 机器学习 | 胶质母细胞瘤 | RNA-seq, 单细胞RNA测序, 空间转录组学 | 深度学习模型, 逻辑回归 | 转录组数据, 组织病理图像 | TCGA-GBM转录组数据集 | NA | 深度学习模型, 逻辑回归 | AUC, 风险比, 置信区间 | NA |
| 666 | 2026-05-30 |
From Spatial Epigenomes to Clinical Diagnostics: Integrative Methylomics Across Scales and Modalities
2026-May-14, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms27104377
PMID:42196356
|
综述 | 系统综述甲基化组学从数据生成到临床转化的全流程进展 | 跨尺度（单细胞、空间表观基因组）与跨模态（整合转录组、染色质可及性）的集成视角，并重点提出cfDNA甲基化作为跨疾病的非侵入性监测平台 | 技术屏障虽减弱，但分析流程标准化、参考数据集人群多样性及监管协调仍是临床转化的主要挑战 | 系统梳理甲基化组学技术、多组学整合方法及临床诊断应用的前沿进展 | 甲基化组学数据生成、多组学整合方法、单细胞和空间甲基化技术、长读长测序平台、cfDNA液体活检、疾病相关甲基化失调 | 机器学习 | 癌症、心血管疾病、神经系统疾病、自身免疫性疾病 | NGS、ONT、PacBio HiFi、甲基化测序 | NA | 甲基化数据、转录组数据、染色质可及性数据、cfDNA数据 | NA | MOFA, DIABLO | 深度学习架构 | NA | NA |
| 667 | 2026-05-30 |
Digital Pathology and the AI-Based Quantification of the Tumor Microenvironment in Gastrointestinal Cancer: From Tumor Budding and Tumor-Infiltrating Lymphocytes to Tertiary Lymphoid Structures
2026-May-14, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms27104386
PMID:42196367
|
综述 | 本文综述了数字病理学和人工智能在胃肠道癌症肿瘤微环境分析中的应用，聚焦肿瘤出芽、肿瘤浸润淋巴细胞和三级淋巴结构等关键生物标志物的定量评估 | 系统阐述了深度学习模型在组织学切片全幅分析中实现自动、定量和可重复的空间组织检测与分类，突破传统病理评估主观性强和耗时的局限 | 临床应用面临标准化不足、数据可用性有限和模型可解释性差等挑战 | 探讨AI驱动数字病理学在胃肠道癌症肿瘤微环境生物标志物定量分析中的进展与前景 | 胃肠道癌症的肿瘤出芽、肿瘤浸润淋巴细胞和三级淋巴结构等肿瘤微环境生物标志物 | 数字病理学 | 胃肠道癌症 | 数字病理学 | 深度学习模型 | 组织学图像 | NA | NA | 深度学习模型 | NA | NA |
| 668 | 2026-05-30 |
Applications of Artificial Intelligence in Endobronchial Ultrasound for Lung Cancer Diagnosis and Staging: A Scoping Review
2026-May-13, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol33050287
PMID:42187604
|
综述 | 本文对人工智能在支气管内超声用于肺癌诊断和分期中的应用进行了范围综述 | 系统总结了AI在EBUS中不同应用（诊断分类、分割、导航、多模态预测）的分布和性能，并指出深度学习主导但其他应用探索不足的现状 | 现有证据受限于回顾性、小样本、单中心研究，且应用分布不均 | 描绘AI在EBUS中用于肺癌诊断和分期的研究范围、方法和性能 | 2015-2026年间关于AI在EBUS中的研究 | 计算机视觉, 数字病理学 | 肺癌 | 支气管内超声 | 深度学习, 传统机器学习, 混合机器学习 | 图像, 视频 | 26项研究 | NA | NA | NA | NA |
| 669 | 2026-05-30 |
Dedicated Breast PET-Based Deep Learning Radiomics for Prediction of Pathologic Complete Response to Neoadjuvant Chemotherapy in HER2-Positive Breast Cancer
2026-May-13, Cancers
IF:4.5Q1
DOI:10.3390/cancers18101581
PMID:42192941
|
研究论文 | 探索专用乳腺PET基于深度学习的影像组学在预测HER2阳性乳腺癌新辅助化疗病理完全缓解中的应用 | 首次将专用乳腺PET与深度学习影像组学融合策略用于预测HER2阳性乳腺癌新辅助化疗反应，并提出基于数据驱动高/低摄取代谢子区域的影像组学和决策级/特征级融合方法 | 探索性研究，样本量有限（147例），且未进行外部验证 | 评估基线专用乳腺PET在非侵入性预测HER2阳性乳腺癌新辅助化疗病理完全缓解中的潜力 | HER2阳性乳腺癌患者 | 计算机视觉, 数字病理学 | 乳腺癌 | 专用乳腺PET | 3D ResNet, 逻辑回归 | 图像 | 147例HER2阳性乳腺癌患者 | NA | 3D ResNet, 逻辑回归 | AUC | NA |
| 670 | 2026-05-30 |
A Lightweight Network for Free Fluid Detection in Focused Assessment with Sonography in Trauma (FAST) Examination
2026-May-13, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13050550
PMID:42194307
|
research paper | 提出一个轻量级网络用于创伤超声重点评估（FAST）检查中的游离液体检测 | 基于YOLOX，结合双流融合（DSF）骨干网络以保留空间细节并降低计算量，以及全局融合反馈（GFF）颈部网络以增强多尺度特征融合 | 未明确说明 | 开发一种轻量级架构用于游离液体检测，以在资源有限的床边设备上实现快速准确的创伤评估 | 超声图像中的游离液体 | computer vision | 创伤性出血 | NA | YOLOX | 超声图像 | 使用兔肝活动性出血超声图像构建的专用数据集 | NA | YOLOX、DSF骨干网络、GFF颈部网络 | precision, recall, F1-score, FLOPs, 参数数量 | NA |
| 671 | 2026-05-30 |
Comprehensive annotation and analysis of human microproteins by human microprotein atlas platform
2026-May-12, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-026-02054-y
PMID:42120659
|
研究论文 | 整合617,462个人类微小蛋白的序列特征、三维结构、变异效应、亚细胞定位、必需性和生物活性注释，构建人类微小蛋白图谱平台 | 首次系统整合大规模人类微小蛋白的序列、结构和功能注释，并通过深度学习分析预测组织特异性必需性和多类别生物活性 | 未提及验证或实验验证的局限性 | 系统研究人类微小蛋白生物学并支持功能性及治疗相关微小蛋白的发现 | 人类微小蛋白（由小开放阅读框编码） | 机器学习 | NA | 结构预测、变异效应预测、深度学习 | 深度学习模型 | 序列、结构、功能注释数据 | 617,462个人类微小蛋白 | NA | NA | NA | NA |
| 672 | 2026-05-30 |
A Synaptogenesis-Associated Histomorphologic Signature from H&E Whole-Slide Images Predicts Glioma Prognosis and Identifies EFNB2-Positive Malignant Cells as a Candidate Neuro-Glioma Communication Hub
2026-May-12, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms27104300
PMID:42196284
|
研究论文 | 整合H&E全切片图像与转录组数据，开发基于突触发生相关组织形态特征的病理风险评分，用于胶质瘤预后分层 | 首次证明常规H&E组织形态学可捕获胶质瘤中突触发生相关的分子程序，并鉴定EFNB2阳性恶性细胞作为神经元-胶质瘤通讯候选枢纽 | 未在更大独立外部队列验证PRS的普适性，且EFNB2阳性细胞的通讯功能需实验验证 | 探索H&E组织形态学能否反映突触发生相关分子活动，并构建预后模型及揭示神经-肿瘤通讯机制 | TCGA数据库中434例胶质瘤患者的H&E全切片图像、转录组和临床数据 | 数字病理学 | 胶质瘤 | H&E染色、RNA-seq | 深层学习模型、弹性网络、ssGSEA | 图像、文本、数值 | 434例TCGA胶质瘤样本 | MIME1框架 | Enet[0.1] | 生存分析、独立预后因素 | NA |
| 673 | 2026-05-30 |
Deep Learning-Based Diagnosis of Epithelial Ovarian Cancer from Whole-Slide Histopathology Images
2026-May-12, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16101470
PMID:42196836
|
研究论文 | 使用基于注意力机制的多实例学习框架，利用全切片H&E染色组织病理图像对上皮性卵巢癌进行组织学分型诊断 | 首次将基于病理学基础模型（UNI）的注意力多实例学习框架应用于上皮性卵巢癌的组织学分型，并在多中心数据集上进行验证，展示了良好的泛化能力 | 外部验证仅针对高级别浆液性癌，未涵盖所有亚型；样本量相对较小 | 评估深度学习模型在上皮性卵巢癌组织学亚型诊断中的可行性，以提高病理诊断的准确性和一致性 | 152例手术切除的上皮性卵巢癌患者的319张H&E染色全切片图像 | 数字病理学 | 卵巢癌 | H&E染色组织病理成像 | 注意力多实例学习 | 图像 | 152例患者，319张全切片图像 | PyTorch | UNI病理基础模型 | 准确率、AUC、F1分数 | NA |
| 674 | 2026-05-30 |
Deep Computational Anatomy via Latent-Aligned Multiview Normalizing Flows
2026-May-11, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723039
PMID:42146611
|
研究论文 | 提出潜在对齐多视角归一化流（LAMNr）框架，用于学习异构多模态数据集中的共享潜在子空间，并实现生物成像中的深度计算解剖学概念 | 通过形式化的潜在对齐约束分离共享结构与视角特异性变异，首次将归一化流应用于计算解剖学中的群体模板、潜在距离和测地线图像插值 | NA | 建立深度学习解读计算解剖学概念的基础框架，实现跨模态数据补全与潜在空间操作 | 影像衍生表型（IDPs）和多模态MRI数据 | 数字病理学, 计算机视觉 | NA | 多模态MRI | 归一化流 | 图像 | NA | PyTorch, ANTsTorch | 潜在对齐多视角归一化流（LAMNr） | NA | NA |
| 675 | 2026-05-30 |
Plant-Derived Nanovesicles: A Comprehensive Review from Isolation to Clinical Translation-Unlocking Natural Nanocarriers for Biomedical Applications
2026-May-11, Biomolecules
IF:4.8Q1
DOI:10.3390/biom16050705
PMID:42194053
|
综述 | 全面回顾植物来源纳米囊泡从分离到临床转化的研究进展，探讨其作为天然纳米载体在生物医学中的应用潜力 | 首次系统总结PDNV在纯化工艺、工程改造、功能机制及临床转化等方面的研究进展，并创新性地提出AI深度学习技术、跨学科整合及交叉应用等新方法以突破产业化瓶颈 | PDNV临床转化仍面临提取效率低、纯化过程复杂、工程改造技术不成熟等关键瓶颈 | 全面阐述PDNV的多方面研究进展，为未来研究和应用策略提供参考，推动从实验室研究向临床应用的转变 | 植物来源纳米囊泡 (PDNVs) | 自然语言处理 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 676 | 2026-05-30 |
Clinical Equivalence of a CNN-Based Automated Soft Tissue Landmark Detection System on 2D Facial Images
2026-May-11, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16101464
PMID:42196830
|
研究论文 | 评估基于CNN的深度学习模型在二维面部图像软组织标志点自动检测中的准确性和效率，并与手动标注进行比较 | 开发了一种新型CNN模型用于面部软组织标志点自动检测，显著提高了标注速度（手动每张237秒）并保持了与手动标注相当的准确性（平均96.07%） | 在Trichion、Menton和Gonion等解剖点存在较高误差率（2.3%-4.5%），且仅使用了100名年轻参与者（18-25岁）的数据 | 评估CNN深度学习模型在正畸应用中对二维面部图像软组织标志点识别的准确性、可靠性和时间效率 | 100名参与者（50女50男，18-25岁）的二维面部图像 | 计算机视觉 | NA | 3D扫描（Revopoint Pop2 3D Scanner） | CNN | 图像 | 100名参与者（50女50男） | NA | CNN | 定位准确性、平均预测误差、标注时间、重测信度（ICC） | NA |
| 677 | 2026-05-30 |
VQ-Wave: A Physics-Driven Spatiotemporal Deep Learning Approach for Noncontrast-Enhanced Lung Ventilation and Perfusion MRI
2026-May-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70423
PMID:42108417
|
研究论文 | 提出一种名为VQ-Wave的物理驱动时空深度学习框架，用于非对比增强肺通气和灌注MRI，以克服生理非平稳性下光谱分解的局限 | 首次将物理驱动的时空深度学习方法应用于非对比增强肺功能MRI，通过训练合成信号模型有效分离生理信号与噪声，显著降低对扫描时间的依赖 | 仅基于4名健康志愿者和2名囊性纤维化儿童进行体内验证，样本量较小，需在更大规模临床队列中进一步评估 | 开发稳健的非对比增强肺功能MRI深度学习框架，实现短扫描时间下的可靠通气和灌注参数估计 | 数值仿体和人体（4名健康志愿者和2名囊性纤维化儿童）的肺通气和灌注MRI数据 | 数字病理学 | 囊性纤维化 | 非对比增强肺功能MRI | 时空Inception神经网络 | MRI图像 | 4名健康志愿者和2名囊性纤维化儿童，共6名受试者 | NA | Inception网络 | 全局误差率、区域误差率、全局平均变异 | NA |
| 678 | 2026-05-30 |
A Validation-Driven Explainable Deep Ensemble Framework for Image-Based Saffron Adulteration Detection
2026-May-10, Foods (Basel, Switzerland)
DOI:10.3390/foods15101661
PMID:42195865
|
研究论文 | 提出一种基于验证驱动且可解释的深度集成框架，用于基于图像的藏红花掺假检测 | 提出验证驱动的加权集成策略，融合权重仅从训练折内的验证性能计算，避免了模型选择与性能评估之间的信息泄露，并结合Grad-CAM可解释性与背景不变性分析 | 未提及具体局限性 | 实现藏红花掺假的稳健、可解释且统计验证的自动检测 | 藏红花样品的图像数据 | 计算机视觉 | NA | 图像分析 | 卷积神经网络（CNN） | 图像 | NA | NA | DenseNet169, ResNet50, VGG16 | 准确率, F1分数, AUC, McNemar检验, 5×2交叉验证显著性检验 | NA |
| 679 | 2026-05-30 |
Machine Learning-Enabled Intelligent Analysis of Surface-Enhanced Raman Scattering: Methods, Applications, and Perspectives
2026-May-10, Molecules (Basel, Switzerland)
DOI:10.3390/molecules31101599
PMID:42197154
|
综述 | 综述机器学习辅助表面增强拉曼光谱在数据处理、光谱分类、定量分析及基底优化中的最新进展 | 系统总结了从数据预处理、监督/无监督/深度学习模型应用到基底优化（替代建模与逆向设计）的完整工作流，并强调模型可解释性与集成传感框架的发展趋势 | 数据稀缺、泛化能力有限、实时部署受限等当前挑战 | 推动机器学习与SERS融合，实现更预测性和集成化的拉曼分析框架 | 表面增强拉曼光谱数据及纳米结构基底 | 机器学习 | NA | 表面增强拉曼光谱 | CNN、LSTM、GAN | 光谱数据 | NA | NA | NA | NA | NA |
| 680 | 2026-05-30 |
Fluoroscopy-Guided Motion Management in Particle Therapy: Evolution, Challenges, and AI-Enabled Opportunities
2026-May-09, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography12050066
PMID:42188707
|
综述 | 回顾了粒子治疗中透视引导运动管理技术的发展历程、当前挑战以及人工智能带来的新机遇 | 系统梳理了从图像增强器到平板探测器的透视技术演进，总结了商业系统（如日立实时门控粒子治疗）和新兴AI驱动算法，重点探讨了无标记肿瘤追踪的可行性 | 回顾性分析，缺乏原始实验数据验证；AI算法在泛化性和可解释性方面仍存在挑战，临床应用部署路径尚未完全明确 | 探讨透视引导粒子治疗在运动管理中的应用现状，并评估AI技术如何克服现有局限性 | 粒子治疗中的透视引导运动管理技术，包括商业化系统和AI算法 | 机器学习，计算机视觉，数字病理学 | NA | 透视成像（X射线，平板探测器） | 深度学习模型（AI驱动图像配准） | 图像数据（透视影像、X射线投影） | NA | NA | NA | NA | NA |