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 48077 篇文献，本页显示第 7021 - 7040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7021 | 2026-05-17 |
Retinal optical coherence tomography image enhancement via deep learning
2018-Dec-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.9.006205
PMID:31065423
|
研究论文 | 引入基于深度学习的视网膜光学相干断层扫描图像增强方法，有效降低散斑噪声并提高图像质量 | 提出两种网络版本（基于均方误差的CNN和基于Wasserstein距离与感知相似性的GAN），满足不同用户需求，并在定量和定性指标上取得优异效果 | 训练数据仅来自健康眼睛，对青光眼等病变眼睛的泛化能力有待进一步验证 | 开发一种基于深度学习的视网膜OCT图像去噪方法，改善图像质量并辅助层分割 | OCT图像，包括健康眼睛和青光眼眼睛的横截面 | 计算机视觉 | 青光眼 | 光学相干断层扫描（OCT） | 卷积神经网络（CNN）和生成对抗网络（GAN） | 图像 | NA | PyTorch | CNN和GAN（含Wasserstein距离与感知相似性） | PSNR, SSIM, 准确率, 清晰度, 个人偏好 | NA |
| 7022 | 2026-05-16 |
Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT
2026-06, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05253-8
PMID:41251734
|
研究论文 | 验证基于深度学习的模型在全剂量和模拟低剂量CT上对淋巴结检测和分割的性能 | 在低剂量CT图像质量下降的情况下，通过使用全剂量和低剂量CT训练的模型提高淋巴结分割性能 | 图像质量下降影响了低剂量CT上的淋巴结勾画 | 评估全自动深度学习模型在全剂量和低剂量CT上检测和分割淋巴结的性能 | 淋巴结 | 计算机视觉 | NA | CT | 3D nnU-Net | 图像 | 151名患者的15341个淋巴结（内部）和120个CT（外部） | NA | 3D nnU-Net | 精确率、灵敏度、Dice相似系数、豪斯多夫距离 | NA |
| 7023 | 2026-05-16 |
Physics-aware imaging AI for quantitative MASLD biomarker mapping: a systematic review of deep learning and radiomics across ultrasound, CT, and MRI
2026-06, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05317-9
PMID:41291295
|
综述 | 系统综述了物理感知人工智能在MASLD量化生物标志物成像中的应用，涵盖超声、CT和MRI的深度学习和影像组学方法 | 首次聚焦物理感知AI在MASLD/MASH多模态成像中的应用，强调物理先验与AI结合的自动化定量映射方法比较 | 缺少标准化纵向评估流程和多厂商数据统一化验证，MASLD特异性纤维化验证不足 | 评估物理感知AI在MASLD/MASH医学成像中用于定量生物标志物映射的研究现状和部署准备度 | 代谢功能障碍相关脂肪性肝病及其进展形式MASH的医学影像数据 | 数字病理学 | 肝病 | MRI, CT, 超声 | 深度学习, 影像组学 | 影像 | 33项研究纳入分析 | NA | 领域自适应技术 | 性能指标 | NA |
| 7024 | 2026-05-16 |
Comparative Performance of YOLO Models in the Automated Segmentation of Dental Traumas on Panoramic Radiographs
2026-Jun, Dental traumatology : official publication of International Association for Dental Traumatology
IF:2.3Q2
DOI:10.1111/edt.70034
PMID:41305998
|
研究论文 | 比较YOLOv8、YOLOv11和YOLOv12三种深度学习模型在儿童全景X光片上自动分割牙科创伤的性能 | 首次系统比较YOLOv8、YOLOv11和YOLOv12三种最新YOLO模型在牙科创伤分割任务上的表现，发现YOLOv12在硬组织和软组织损伤检测中均表现最佳 | 人工智能尚未在牙科创伤学中达到完美性能，仍需与专家牙医合作开发以更好地支持临床决策 | 比较基于人工智能的深度卷积神经网络（YOLOv8、YOLOv11和YOLOv12）在儿童全景X光片上分割牙科损伤的性能 | 6-13岁有牙科创伤的儿科患者的全景X光片 | 计算机视觉 | 牙科创伤 | 全景X光成像 | YOLOv8, YOLOv11, YOLOv12 | 图像 | 来自加济安泰普大学牙科学院儿科患者的全景X光片 | CranioCatch | YOLOv8, YOLOv11, YOLOv12 | AUC, 多类F1分数 | NA |
| 7025 | 2026-05-16 |
Proof-of-concept: Differentiating upper trapezius muscle with myofascial trigger point using deep learning model on a small prospective sEMG dataset
2026-Jun, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology
IF:2.0Q2
DOI:10.1016/j.jelekin.2026.103132
PMID:41818939
|
研究论文 | 本研究验证了使用深度学习模型从表面肌电信号中区分肌筋膜触发点的概念 | 首次证明表面肌电信号单独包含可用于区分肌筋膜触发点的判别信息，并在小样本数据上使用1D卷积神经网络实现高分类性能 | 样本量小（9名健康对照和13名患者），且未进行大规模验证 | 探究表面肌电信号是否包含判别信息以识别肌筋膜触发点 | 健康对照者和肌筋膜疼痛患者的上斜方肌表面肌电信号 | 机器学习 | 肌筋膜疼痛综合征 | 表面肌电信号（sEMG） | 1D卷积神经网络（1D CNN） | 生物信号数据（表面肌电信号） | 22名受试者（9名健康对照和13名患者），共279个收缩段（140个干预前和139个干预后） | NA | 1D卷积神经网络 | ROC-AUC, 准确率 | NA |
| 7026 | 2026-05-16 |
Advances in In silico predictive models for DDI prediction: Implications and practical applications in drug discovery
2026-Jun, Drug metabolism and pharmacokinetics
IF:2.7Q2
DOI:10.1016/j.dmpk.2026.101532
PMID:41962322
|
综述 | 综述了利用机器学习和人工智能预测药物-药物相互作用的最新进展及其在药物发现中的应用 | 全面总结了基于深度学习的DDI预测算法，并提供了将计算工具整合到现代药物发现工作流中的专家意见 | NA | 评估和讨论不同DDI类别的计算预测方法及其在药物开发中的实际应用 | 药物-药物相互作用(DDI)的计算预测模型 | 机器学习 | NA | NA | 深度学习 | 文本, 分子结构数据 | NA | NA | NA | NA | NA |
| 7027 | 2026-05-16 |
Advancement of an (in vitro/ex vivo) hybrid model framework to forecast polyviral lung disease outcomes
2026-Jun, Journal of investigative medicine : the official publication of the American Federation for Clinical Research
IF:2.5Q3
DOI:10.1177/10815589251382266
PMID:40947513
|
研究论文 | 开发一种（体外/离体）混合模型框架来预测多病毒性肺部疾病的结果 | 提出了一个结合体外和离体模型的混合框架，用于预测多病毒性肺部感染的结果 | 未来研究需要通过整合深度学习和人工智能等先进计算技术来改善预测准确性和可扩展性 | 推进一个（体外/离体）混合模型框架的发展和应用，以预测多病毒性肺部疾病结果 | 多病毒性肺部感染结果 | 机器学习 | 多病毒性肺部疾病 | NA | VGG16、CBRACDC、随机生存森林 | 图像 | NA | Python | VGG16、CBRACDC、随机生存森林 | 最小成本值 | NA |
| 7028 | 2026-05-16 |
Personalized prediction of initial valproic acid dose in children with epilepsy using machine learning techniques
2026-Jun, International journal of clinical pharmacy
IF:2.6Q2
DOI:10.1007/s11096-026-02094-3
PMID:41879924
|
研究论文 | 开发并内部验证基于机器学习技术的儿童癫痫患者丙戊酸初始日剂量预测模型 | 利用真实世界临床数据库和TabNet算法实现儿童癫痫患者丙戊酸初始剂量的个性化预测，提供在线决策支持工具 | 仅基于单中心内部验证，模型对其他医院、人群和种族的泛化性未知，需外部验证后才能临床实施 | 开发基于人工智能的预测模型，为儿童癫痫患者提供个性化的丙戊酸初始日剂量 | 184例儿童癫痫患者的306份丙戊酸剂量样本 | 机器学习 | 癫痫 | NA | TabNet, CatBoost, XGBoost, LightGBM, Random Forest, Support Vector Machine, Multilayer Perceptron, Artificial Neural Network, Transformer, AdaBoost | 表格数据 | 184例患者的306份丙戊酸剂量样本 | NA | TabNet, CatBoost, XGBoost, LightGBM, Random Forest, Support Vector Machine, Multilayer Perceptron, Artificial Neural Network, Transformer, AdaBoost | 决定系数R², 均方根误差RMSE, 平均绝对误差MAE, 平均绝对百分比误差MAPE | NA |
| 7029 | 2026-05-16 |
The emergence of superficial dermatophytosis due to Trichophyton indotineae and Trichophyton mentagrophytes genotypes VII and II* in New York: a need for comprehensive testing approaches
2026-May-13, Journal of clinical microbiology
IF:6.1Q1
DOI:10.1128/jcm.00156-26
PMID:41960917
|
研究论文 | 报道2022至2024年间纽约市及周边郡县浅表皮肤癣菌病的快速增加，并开发了自动化深度学习模型用于快速鉴定和药敏测试 | 首次整合自动化深度学习模型、抗真菌药敏测试和全基因组测序，实现对印度毛癣菌及须癣毛癣菌基因型VII和II*的快速鉴定、耐药检测与传播分析 | 数据仅来自纽约市及周边地区，可能无法推广至其他区域 | 应对印度毛癣菌和须癣毛癣菌感染的快速增加，开发高效鉴定、耐药检测和监测方案以改善患者护理和感染控制 | 印度毛癣菌、须癣毛癣菌基因型VII和II*的临床分离株 | 机器学习 | 皮肤癣菌病 | 扩增子测序（ITS）、全基因组测序 | 深度学习模型 | DNA序列 | 188例分离株（含135株印度毛癣菌、39株基因型VII、14株基因型II*） | NA | NA | NA | NA |
| 7030 | 2026-05-16 |
Artificial intelligence in extracorporeal technology: Current applications and future directions-A narrative review
2026-May, Asian cardiovascular & thoracic annals
DOI:10.1177/02184923261432687
PMID:41914776
|
综述 | 本文综述了人工智能在体外生命支持技术（如体外循环、ECMO、心室辅助装置）中的应用现状与未来发展 | 系统梳理了AI在体外循环技术中从历史发展到核心子领域（机器学习、深度学习、认知计算）的全面应用框架 | 作为叙述性综述，可能未涵盖所有最新研究或提供定量对比分析 | 探讨AI在体外技术中提升安全性、精准性和效率的潜力，优化临床表现并支持个性化治疗 | 体外生命支持技术（CPB、ECMO、VAD）及其临床流程 | 机器学习 | 心血管疾病 | NA | NA | 生理数据 | NA | NA | NA | NA | NA |
| 7031 | 2026-05-16 |
Coalescence and translation: A language model for population genetics
2026-Apr-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2518956123
PMID:41961853
|
研究论文 | 开发了一个基于Transformer的群体遗传学语言模型，将溯祖时间推理转化为两种生物语言间的翻译问题 | 首次将大型语言模型架构应用于群体遗传学，将溯祖时间推理重构为遗传突变模式与祖先重组图之间的翻译任务 | 模型在分布外场景下的准确性仍有提升空间，需要进一步微调优化 | 实现高效、可扩展的群体遗传推断，克服传统概率模型的计算复杂度和预设假设限制 | 基因组的局部突变模式与祖先重组图 | 自然语言处理 | NA | 模拟生成数据 | Transformer | 基因组序列数据 | 使用stdpopsim目录覆盖多种人口统计场景的模拟数据，以及人类和蚊虫的真实群体基因组数据 | NA | 仅编码器Transformer | 准确性 | NA |
| 7032 | 2026-05-16 |
Imaging-Derived Coronary Fractional Flow Reserve: Advances in Physics-Based, Machine Learning, and Physics-Informed Methods
2026-Apr-07, ArXiv
PMID:41757284
|
综述 | 综述影像学衍生的冠状动脉血流储备分数计算方法的物理模型、机器学习及物理信息驱动方法的最新进展 | 重点分析新兴的物理信息神经网络和神经算子方法在提高计算速度和物理一致性方面的平衡作用，并强调临床转化中的关键考量 | 机器学习/深度学习模型在真实世界性能中表现出变异性，对领域偏移敏感，且存在多中心异质性、可解释性不足和图像质量差异等问题 | 综述基于CT和血管造影的FFR测量技术进展，聚焦物理信息方法对传统计算流体力学及机器学习方法的改进 | 冠状动脉狭窄的影像学功能评估方法 | 机器学习, 计算机视觉 | 心血管疾病 | NA | 物理信息神经网络, 神经算子 | 影像数据 | NA | NA | PINN, PINO | 校准度, 不确定性量化, 质量控制门控 | NA |
| 7033 | 2026-05-15 |
Deep learning-enhanced data-driven gating improves FDG PET/CT clinical image quality
2026-Apr-05, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00851-x
PMID:41936011
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7034 | 2026-05-16 |
A pipeline for developing AI-driven models to predict molecular initiating events: a case study on neural tube defects
2026-Apr-02, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01177-7
PMID:41928299
|
研究论文 | 提出一个自动化AI流程，将ChEMBL生物活性数据转化为用于预测分子起始事件的深度学习模型，并以神经管缺陷为案例进行验证 | 构建了完整的端到端自动化流程，结合知识引导预训练的图Transformer框架，实现从原始数据到可部署预测模型的无缝衔接 | 文中未明确提及局限性 | 开发自动化AI流程，用于预测化学物质的分子起始事件，支持毒性评估和不良结局通路开发 | 化学物质的分子起始事件相关蛋白靶点、神经管缺陷相关的发育毒性 | 机器学习 | 神经管缺陷 | NA | 图Transformer (KPGT) | 化学结构、生物活性数据 | NA | KPGT | KPGT, SVM-RBF | NA | NA |
| 7035 | 2026-04-04 |
Modeling and forecasting neonatal mortality in Ethiopia: a comparative study using statistical, machine learning, and deep learning approaches
2026-Apr-02, Archives of public health = Archives belges de sante publique
DOI:10.1186/s13690-026-01909-z
PMID:41928309
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7036 | 2026-05-16 |
Follow-Up Bias in Tumor Dynamic Modeling: A Comparison of Classical and Neural-ODE Approaches
2026-Apr, CPT: pharmacometrics & systems pharmacology
DOI:10.1002/psp4.70239
PMID:41919988
|
研究论文 | 比较传统药理学模型与深度学习方法（TDNODE）在肿瘤动态建模中的预测偏差，特别是在随访期短或不一致的情况下 | 首次系统量化不同肿瘤动态模型在随访时间截断数据中的预测偏差，并对比深度学习方法与传统方法的性能差异 | 仅使用非小细胞肺癌（NSCLC）数据和阿替利珠单抗临床试验，可能限制其他癌种或药物类型的泛化性 | 评估肿瘤动态模型在不完整随访数据中的预测偏差，并探索深度学习作为替代方法的潜力 | 3106名非小细胞肺癌（NSCLC）患者，来自四项阿替利珠单抗III期研究 | 机器学习 | 非小细胞肺癌（NSCLC） | NA | 经典药理学模型与TDNODE（神经常微分方程） | 临床试验时间截断数据 | 3106名非小细胞肺癌患者 | NA | TDNODE | 预测偏差（Positive Bias） | NA |
| 7037 | 2026-05-16 |
A Bi-lingual chatbot implementation for pandemic response using the transformer-based approach
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001256
PMID:41920886
|
研究论文 | 开发了一个基于Transformer的双语聊天机器人，用于疫情期间提供英语和卢干达语的准确信息 | 利用资源丰富的英语NLP框架实现卢干达语聊天功能，通过对话驱动开发实现持续改进 | 未提及具体限制 | 提供全天候的双语疫情管理信息，应对疫情期间错误信息传播问题 | 英语和卢干达语的疫情管理信息 | 自然语言处理 | COVID-19 | 深度学习 | Transformer | 文本 | 情特异性信息、问题和答案的语料库 | NA | Transformer | NA | NA |
| 7038 | 2026-05-16 |
Development and Validation of Machine Learning Models for Predicting Early Cognitive Decline Using Home Sensor-Derived Behavioral Data: Sensors in-Home for Elder Wellbeing (SINEW) Cohort Study
2026-Apr-01, JMIR research protocols
IF:1.4Q3
DOI:10.2196/79490
PMID:41921108
|
研究论文 | 利用家庭传感器衍生的行为数据构建和验证机器学习模型，以预测老年人的早期认知衰退 | 创新性地使用连续家庭多传感器系统（包括红外运动传感器、门接触传感器、床传感器等）衍生的时空活动模式、睡眠行为、用药依从性等数据，结合临床评估指标，开发并验证监督机器学习模型，用于区分正常老化与轻度认知障碍、早期痴呆及衰弱状态，并预测从正常老化向这些状态的转变 | 样本量有限（计划招募200人），数据收集周期长（2019年11月至2030年3月），尚未完成全部数据分析和模型验证 | 开发并验证一种基于家庭传感器的连续监测系统，早期识别有轻度认知障碍或早期痴呆、衰弱风险的老年人，以便及时干预 | 65岁及以上社区居住的老年人，基线时认知正常或患有轻度认知障碍 | 机器学习 | 老年疾病 | 家庭多传感器监测系统（被动红外运动传感器、门接触传感器、床传感器、药盒传感器、可穿戴活动带、蓝牙接近信标） | 逻辑回归、随机森林、梯度提升、深度学习 | 时间序列数据（传感器衍生的步态变异性、活动规律性、睡眠碎片化、用药依从性模式）和临床评估数据 | 计划招募200名社区老年人，截至2025年6月已招募138名 | NA | 逻辑回归、随机森林、梯度提升、深度学习 | AUC, 灵敏度, 特异度, 精确率, 召回率, F1分数 | NA |
| 7039 | 2026-05-16 |
A non-intrusive framework using acoustic signals and deep learning for boiling diagnostics in visual-limited environments
2026-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41757-z
PMID:41882037
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7040 | 2026-05-16 |
Automated detection of physical contact events in youth ice hockey: a player-centric deep learning approach
2026-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44805-w
PMID:41882050
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |