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 42805 篇文献，本页显示第 6881 - 6900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6881 | 2026-01-10 |
Pulmonary blood volume redistribution in COVID-19 patients of different severity and its predictive value for six-month outcomes in the less pathogenic Omicron variant
2026-Dec, Pulmonology
IF:10.4Q1
DOI:10.1080/25310429.2025.2607932
PMID:41504189
|
研究论文 | 本研究探讨了不同严重程度COVID-19患者的肺血容量（PBV）再分布模式，并验证了其对Omicron变异株六个月临床结局的预测价值 | 首次在免疫逃逸能力强的Omicron变异株中，系统研究了肺血容量再分布模式及其对长期临床结局的预测价值，并发现其预测阈值与既往高致病性变异株不同 | 回顾性研究设计，样本主要来自单一时期（2022年11月至2023年1月），可能无法完全代表其他变异株或人群 | 探究COVID-19严重程度与肺血容量再分布的关系，并评估PBV对Omicron变异株六个月临床结局的预测能力 | COVID-19患者（包括轻/中度和重/危重症组） | 数字病理学 | COVID-19 | CT成像 | 深度学习算法 | CT图像 | 921名患者（轻/中度组755人，重/危重症组166人） | NA | 预训练深度学习模型 | AUC, 敏感性, 比值比（OR） | NA |
| 6882 | 2026-01-10 |
Iterative Modeling via Structural Diffusion (IMSD): Exploring Fold-Switching Pathways in Metamorphic Proteins Using AlphaFold2-Based Generative Diffusion Model UFConf
2026-Feb, Proteins
IF:3.2Q2
DOI:10.1002/prot.70050
PMID:40990820
|
研究论文 | 本文提出了一种基于AlphaFold2的生成扩散模型UFConf的新算法IMSD，用于探索变形蛋白的折叠切换路径 | 开发了基于UFConf的迭代建模算法IMSD，首次利用生成扩散模型模拟变形蛋白从一种构象状态到另一种的完整折叠切换路径 | NA | 预测蛋白质折叠切换潜力并建模其重折叠路径 | 变形蛋白GA98、SA1 V90T和RfaH的C端结构域 | 机器学习 | NA | 生成扩散模型 | 扩散模型 | 蛋白质结构数据 | NA | AlphaFold2 | UFConf | NA | NA |
| 6883 | 2026-01-10 |
A Novel Multimodal Deep Image Analysis Model for Predicting Extraction/Non-Extraction Decision
2026-Feb, Orthodontics & craniofacial research
IF:2.4Q2
DOI:10.1111/ocr.70057
PMID:41195767
|
研究论文 | 本研究开发了一种基于深度学习模型的多模态图像分析模型，用于预测正畸治疗中的拔牙/非拔牙决策 | 提出了一种结合侧位头影测量片和口内扫描数据的多模态深度学习模型，并引入了新颖的牙齿空间特征提取方法 | 研究样本量相对有限（617例患者），且仅基于单一机构的数据，可能影响模型的泛化能力 | 开发一个辅助正畸医生决策的深度学习模型，用于预测拔牙/非拔牙的二元分类 | 617名正畸患者（平均年龄18.2岁，63.5%为女性）的侧位头影测量片和口内扫描数据 | 计算机视觉 | 口腔正畸 | 头影测量分析，口内扫描，特征提取 | 深度学习分类器 | 图像（侧位头影测量片和口内扫描数据） | 617名患者（192例拔牙组，425例非拔牙组） | NA | CephNet，卷积自编码器 | 准确率，灵敏度，特异性，阳性预测值，阴性预测值，阳性似然比，阴性似然比，F1分数 | NA |
| 6884 | 2026-01-10 |
Small data, big challenges: Machine- and deep-learning strategies for data-limited drug discovery
2026-Feb, Advanced drug delivery reviews
IF:15.2Q1
DOI:10.1016/j.addr.2025.115762
PMID:41421504
|
综述 | 本文综述了在数据有限的药物发现中，机器学习和深度学习面临的挑战及应对策略 | 针对药物发现流程中普遍存在的小数据问题，系统整合了传统机器学习方法和先进的深度学习策略，填补了现有综述的空白 | NA | 探讨在数据有限的药物发现中，如何应用和调整机器学习和深度学习模型 | 药物发现与开发流程中的关键任务 | 机器学习 | NA | NA | CNN, LSTM, GAN | NA | NA | TensorFlow, PyTorch, Keras, Scikit-learn | ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet | 准确率, 精确率, 召回率, F1分数, AUC, Dice系数 | GPU类型（如NVIDIA RTX 3090, V100, A100）, 云平台（如AWS, Google Cloud, Azure）, 分布式计算 |
| 6885 | 2026-01-10 |
Artificial Intelligence and Machine (Deep) Learning in Otorhinolaryngology: A Bibliometric Analysis Based on VOSviewer and CiteSpace
2026-Feb, Ear, nose, & throat journal
DOI:10.1177/01455613231185074
PMID:37515527
|
综述 | 本文通过文献计量分析可视化人工智能和深度学习在耳鼻喉科疾病中的研究热点与趋势 | 首次系统性地利用VOSviewer和CiteSpace软件对耳鼻喉科中AI和DL领域进行文献计量分析，揭示时间维度上的热点演变 | 仅基于Web of Science核心合集的232篇文章，可能未涵盖所有相关文献，且分析依赖于特定软件工具 | 通过文献计量分析帮助研究者理解人工智能和深度学习在耳鼻喉科疾病基础与临床研究的未来发展方向 | 耳鼻喉科疾病，包括耳硬化症、中耳炎、鼻息肉、鼻窦炎等 | 机器学习 | 耳鼻喉科疾病 | 文献计量分析 | NA | 文献数据 | 232篇文章和综述 | VOSviewer, CiteSpace | NA | NA | NA |
| 6886 | 2026-01-10 |
Unlocking the potential of umami peptides: A comprehensive review of preparation methods, evaluation strategies, health benefits, and taste transduction mechanisms
2026-Feb-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.118024
PMID:41508449
|
综述 | 本文系统综述了鲜味肽的制备方法、评价策略、健康益处及味觉转导机制，并探讨了其在食品工业中的开发应用 | 系统整合了多组学技术、分子模拟及深度学习在鲜味肽高通量筛选中的应用，并提出了结合冷冻电镜、单分子FRET等先进技术解析受体结合机制的新方向 | 鲜味受体激活的构象机制尚未完全阐明，且缺乏高通量筛选与标准化评价的统一技术体系 | 为食品工业中鲜味肽的开发、利用及健康化提供新的研究方向和技术路径 | 鲜味肽（umami peptides） | 食品科学 | NA | 多组学技术、分子模拟、深度学习、冷冻电镜、单分子FRET、三维变异性分析、多光谱技术、分子动力学模拟 | 深度学习模型 | 多组学数据、分子结构数据、生物传感数据 | NA | NA | NA | NA | NA |
| 6887 | 2026-01-10 |
From mechanism to application: Harnessing oxidative stress signaling for innovative food design
2026-Feb-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.118093
PMID:41508505
|
综述 | 本文系统分析了氧化应激信号通路，并提出基于多通路协同策略和数据驱动框架的创新食品设计方法 | 提出结合多通路协同策略与数据驱动设计框架，利用深度学习与人体相关验证平台，推动功能食品从经验配方向精准健康工具的转变 | 未明确提及具体实验验证或临床研究结果，主要侧重于理论框架与概念设计 | 探索利用氧化应激信号通路进行创新食品设计，以应对衰老和慢性疾病 | 氧化应激信号通路（如Nrf2/ARE、FOXO、NF-κB、p53、SIRT1、AMPK）及其在细胞防御、代谢和命运中的作用 | 机器学习 | 老年疾病 | 多组学分析，器官芯片技术 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 6888 | 2026-01-10 |
Explainability-Based Optimized Deep Learning in Histopathological Diagnosis of Multiple Cancers and Development of Mobile Application
2026-Jan-09, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70115
PMID:41511077
|
研究论文 | 提出一种结合优化算法与可解释性技术的深度学习模型，用于多癌种组织病理学图像的诊断分类，并开发了移动应用 | 提出新型C2RN2GC2A模型，融合残差学习与优化的高斯扰动；引入受军事战术启发的2GC2A元启发式优化算法进行特征选择和参数调优；采用LDLRP可解释性技术可视化关键图像区域 | 未提及模型在外部验证集或临床实际环境中的泛化性能测试 | 提升多癌种组织病理学图像分类的准确性、效率和临床可解释性 | 组织病理学图像 | 数字病理学 | 多癌种（涉及肺癌、乳腺癌等） | 组织病理学图像分析 | 深度学习 | 图像 | LC25000和BreakHis两个公开数据集 | 未明确提及 | Complementary Residual Retentive Network (C2RN2GC2A) | 准确率, 训练损失, 验证损失, 假阳性数, 假阴性数 | 未明确提及 |
| 6889 | 2026-01-10 |
Wavelet-Based Frequency Replacement and Edge Enhancement for Semi-Supervised Fetal Ultrasound Image Segmentation
2026-Jan-08, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70171
PMID:41503872
|
研究论文 | 本研究提出了一种基于小波变换和边缘增强的半监督胎儿超声图像分割框架 | 提出了一种结合高频分量替换和边缘掩码增强的半监督分割方法，通过频率域增强和结构一致性提升分割精度 | 仅在三个公开胎儿超声数据集上验证，未在更多样化或临床实际数据中测试 | 开发适用于标注数据有限的超声图像的有效半监督分割框架 | 胎儿超声图像 | 计算机视觉 | 胎儿医学 | 离散小波变换（DWT） | 深度学习模型（未指定具体类型） | 图像 | 三个公开数据集（PSFHS、HC18、CCAUI），仅使用10张标注图像进行训练 | 未指定 | 未指定 | Dice相似系数（DSC） | 未指定 |
| 6890 | 2026-01-10 |
Accurate automated diagnosis of B-acute lymphoblastic leukemia using deep learning and flow cytometry
2026-Jan-08, Haematologica
IF:8.2Q1
DOI:10.3324/haematol.2025.288277
PMID:41504225
|
研究论文 | 本文利用深度学习和流式细胞术实现B细胞急性淋巴细胞白血病的自动化诊断 | NA | NA | 开发一种基于深度学习的自动化诊断方法，用于B细胞急性淋巴细胞白血病 | B细胞急性淋巴细胞白血病 | 数字病理学 | 白血病 | 流式细胞术 | 深度学习 | 流式细胞术数据 | NA | NA | NA | NA | NA |
| 6891 | 2026-01-10 |
Gml-PAF: A Generalizable Machine Learning Algorithm for Paroxysmal Atrial Fibrillation Detection based on Short-Term Inter-Beat Intervals
2026-Jan-08, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2610683
PMID:41505727
|
研究论文 | 本文提出了一种基于短期心跳间期（IBI）的通用机器学习算法Gml-PAF，用于检测阵发性心房颤动（PAF） | 采用模型无关框架，集成模型选择、特征选择和超参数调优，在16个PhysioNet心电图数据库上实现稳健的跨数据库泛化 | 未明确说明算法在特定人群或临床环境中的局限性 | 开发一种通用且可靠的阵发性心房颤动检测算法 | 阵发性心房颤动（PAF） | 机器学习 | 心血管疾病 | 心电图（ECG）分析 | 机器学习算法 | 心电图信号 | 基于16个PhysioNet心电图数据库 | 模型无关框架 | NA | F1分数, AUC | NA |
| 6892 | 2026-01-10 |
Emotion recognition from auditory Autonomous Sensory Meridian Response (ASMR) using multi-modal physiological signals
2026-Jan-08, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae35ca
PMID:41505907
|
研究论文 | 本研究利用多模态生理信号（EEG、PPG、EDA）和深度学习模型，对ASMR听觉刺激引发的多种情绪进行分类识别 | 首次将ASMR研究从低唤醒积极情绪（如放松）扩展到更广泛的情绪范围（包括快乐、悲伤、厌恶），并采用多模态生理信号结合深度学习进行情绪分类 | 样本量较小（仅23名参与者），且情绪诱导可能受个体差异影响 | 探索ASMR听觉刺激引发的多种情绪，并开发基于生理信号的情绪分类方法 | ASMR体验者（23名参与者）在ASMR听觉刺激下的生理反应 | 机器学习 | NA | 多模态生理信号采集（EEG、PPG、EDA） | ANN, CNN | 生理信号数据（EEG、PPG、EDA） | 23名ASMR体验参与者 | NA | 人工神经网络, 卷积神经网络 | 分类准确率 | NA |
| 6893 | 2026-01-10 |
Foundation model-enhanced unsupervised 3D deformable medical image registration
2026-Jan-08, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae35c6
PMID:41505905
|
研究论文 | 本文提出了一种基于视觉基础模型增强的无监督3D可变形医学图像配准方法，旨在解决传统方法因结构模糊性导致的病态问题 | 通过集成视觉基础模型的隐式解剖理解到多尺度无监督框架中，显著提升了配准的准确性和鲁棒性 | 研究主要针对心脏MRI和肝脏CT图像，未广泛验证于其他器官或模态 | 开发一种准确且鲁棒的无监督可变形图像配准方法，以处理多模态、低对比度的复杂结构医学图像 | 心脏cine MRI图像和肝脏CT图像 | 医学图像分析 | 心血管疾病 | 无监督深度学习 | CNN, MLP | 3D医学图像 | 150例心脏cine MR和40例肝脏CT，来自多机构数据库 | PyTorch | 金字塔架构，相关感知多层感知机 | Dice分数，平均地标误差 | NA |
| 6894 | 2026-01-10 |
A deep learning and large language hybrid workflow for omics interpretation
2026-Jan-08, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-025-01576-5
PMID:41507521
|
研究论文 | 本文开发了一个结合深度学习和大型语言模型的混合工作流程LyMOI，用于从多组学数据中机制性解释分子调控网络 | 结合GPT-3.5进行生物知识推理和图卷积网络构建大型图模型，通过机器思维链机制性解释分子调控角色 | NA | 开发一个混合工作流程，用于从多组学数据中机制性解释分子调控网络并识别关键调控因子 | 自噬过程中的分子调控网络，以及人类癌蛋白CTSL和FAM98A | 机器学习 | 癌症 | 转录组学、蛋白质组学、磷酸化蛋白质组学 | GCN, GPT-3.5 | 多组学数据 | 涉及1.3 TB的转录组、蛋白质组和磷酸化蛋白质组数据 | NA | 图卷积网络 | NA | NA |
| 6895 | 2026-01-10 |
Automatic measurement and evaluation of anterior segment anatomical structures via UBM images using a deep learning-based approach
2026-Jan-08, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-07070-7
PMID:41507579
|
研究论文 | 本研究开发了一种基于深度学习的方法，用于从术前超声生物显微镜图像中自动测量前段解剖结构参数 | 首次应用YOLOv8-pose算法于UBM图像，实现前段关键点坐标的自动识别和参数计算，准确性媲美经验丰富的眼科医生 | 研究为回顾性设计，样本量相对有限（320名受试者），且仅基于单一医疗中心的数据 | 开发深度学习模型以自动测量植入式Collamer镜片手术候选者的前段参数，为镜片尺寸选择和拱高预测提供指导 | 320名受试者的638只眼睛的术前全景UBM图像 | 计算机视觉 | 眼科疾病 | 超声生物显微镜成像 | 深度学习模型 | 图像 | 1480张UBM图像（来自638只眼睛，320名受试者） | YOLOv8 | YOLOv8-pose | 组内相关系数, 平均欧几里得距离, 平均相对误差 | NA |
| 6896 | 2026-01-10 |
Generating Lung Ventilation Images with Virtual Non-contrast Images from Dual-Energy CT Scans Using Multi-task Conditional Generative Adversarial Networks
2026-Jan-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01812-z
PMID:41507659
|
研究论文 | 本研究开发了一种多任务条件生成对抗网络，用于从虚拟非对比图像生成深度学习肺通气图像，为评估阻塞性肺疾病提供了一种无需氙气吸入的替代功能成像方法 | 首次提出使用多任务条件生成对抗网络，从双能CT的虚拟非对比图像同时预测肺通气图像和肺气肿掩模，无需实际氙气增强扫描 | 研究样本仅包含COPD和ACOS患者，未在其他肺部疾病中验证；模型性能仍有提升空间（Dice相似系数0.56） | 开发一种无需氙气吸入的深度学习方法来生成肺通气图像，替代传统的氙气增强双能CT扫描 | 慢性阻塞性肺疾病（COPD）和哮喘-COPD重叠综合征（ACOS）患者 | 医学影像分析 | 慢性阻塞性肺疾病 | 双能CT扫描，虚拟非对比图像生成 | 条件生成对抗网络（cGAN） | CT图像 | 177名患者的269次扫描 | NA | 多任务条件生成对抗网络 | Dice相似系数，相关系数（r），Cramer's V，放射科医生评分（5分制） | NA |
| 6897 | 2026-01-10 |
Programmable Triboelectric Origami Sensors for Multidimensional Pressure Monitoring
2026-Jan-08, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c05773
PMID:41508537
|
研究论文 | 本文提出了一种可编程的折纸式传感器，用于多维压力监测，结合自折叠与复合加载技术，实现了高灵敏度和方向性应力感知 | 通过折纸灵感设计可编程3D传感器，实现多维压力响应，灵敏度比基底材料提高约130倍，并集成深度学习算法达到97.8%的识别准确率 | 未明确提及传感器在长期使用或极端环境下的稳定性测试 | 开发具有多维压力感知能力的传感器，用于可穿戴电子和人机交互应用 | 可编程折纸传感器及其在压力监测中的应用 | 机器学习和传感器技术 | NA | 自折叠与复合加载技术 | 深度学习算法 | 压力信号数据 | NA | NA | NA | 识别准确率 | NA |
| 6898 | 2026-01-10 |
Dimensionality reduction of genetic data using contrastive learning
2026-Jan-07, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyaf068
PMID:40194517
|
研究论文 | 本文提出了一种基于对比学习的降维框架，用于遗传数据以生成类似PCA的种群可视化 | 定义了一种优于常用对比学习损失函数的损失函数，并针对SNP基因型数据集设计了专门的数据增强方案 | 未明确说明 | 开发一种用于遗传数据降维的深度学习方法，以改进种群可视化 | 狗和人类的基因型数据集 | 机器学习 | NA | SNP基因型分析 | 对比学习 | 遗传数据 | 两个数据集（狗和人类基因型），具体样本数未提供 | NA | NA | 局部和全局结构保持度、泛化能力、个体间相对距离保持度 | NA |
| 6899 | 2026-01-10 |
Exploring the Potential of AI and Augmented Reality in Cardiovascular Disease Management: A Narrative Review
2026-Jan-07, Current cardiology reviews
IF:2.4Q2
|
综述 | 本文是一篇叙述性综述，探讨了人工智能和增强现实在心血管疾病管理中的潜在应用 | 整合了人工智能和增强现实这两种新兴技术在心血管医学领域的应用现状，并指出了当前研究的空白和未来方向 | 缺乏对这些模型效能的适当评估，需要更多大规模试验来验证其有效性和安全性 | 探讨人工智能和增强现实技术在心血管疾病管理中的应用潜力和未来研究方向 | 心血管疾病患者 | 机器学习 | 心血管疾病 | NA | CNN, NLP | NA | NA | NA | NA | NA | NA |
| 6900 | 2026-01-10 |
Comparing AI-Assisted Problem-Solving Ability With Internet Search Engine and e-Books in Medical Students With Variable Prior Subject Knowledge: Cross-Sectional Study
2026-Jan-06, JMIR medical education
IF:3.2Q1
DOI:10.2196/81264
PMID:41493542
|
研究论文 | 本研究比较了医学生在不同先验知识水平下，使用AI-LLM GPT、互联网搜索引擎、电子书或自身知识解决多选题的表现 | 首次评估了AI-LLM GPT（如ChatGPT-4o）在医学教育中，针对不同先验知识水平学生的辅助解题效果，并发现AI能显著提升知识有限学生的表现，甚至使其超越使用传统数字资源的知识丰富学生 | 研究为横断面设计，未评估AI对深度学习和批判性思维的长期影响，且样本仅来自单一教学医院，可能限制结果的普适性 | 评估AI-LLM GPT、互联网搜索引擎、电子书和自身知识在医学生解决多选题中的效果，并探讨不同先验知识水平的影响 | 100名医学生，分为无药理学培训的“新手”组（n=50）和已完成药理学培训的“学习过”组（n=50） | 医学教育 | NA | 多选题（MCQ）评估 | 大型语言模型（LLM） | 文本（多选题） | 100名医学生 | NA | GPT-4o | 分数（均值、标准差）、部分η²（效应量）、P值 | NA |