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 46134 篇文献，本页显示第 7901 - 7920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7901 | 2026-03-06 |
Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19
2021-02, Metabolism: clinical and experimental
DOI:10.1016/j.metabol.2020.154436
PMID:33221381
|
研究论文 | 本研究探讨了心外膜脂肪组织（EAT）在胸部CT上的量化指标与COVID-19肺炎范围及不良临床结局之间的关联 | 首次利用深度学习软件量化EAT体积和衰减，并发现其与COVID-19肺炎负担及临床恶化或死亡风险独立相关 | 研究为回顾性分析，样本量较小（109例），且仅基于单中心数据，可能存在选择偏倚 | 评估EAT作为COVID-19患者肺炎程度和不良结局预测因子的临床价值 | 实验室确诊的COVID-19患者 | 数字病理学 | COVID-19 | 胸部CT成像，深度学习软件分析 | 深度学习模型 | 医学影像（CT图像） | 109例连续患者 | NA | NA | 回归系数（β），比值比（OR），相关性系数（r），p值 | NA |
| 7902 | 2026-03-06 |
Machine learning in cardiovascular magnetic resonance: basic concepts and applications
2019-10-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1186/s12968-019-0575-y
PMID:31590664
|
综述 | 本文综述了机器学习（尤其是深度学习）在心血管磁共振（CMR）中的应用，涵盖图像采集、重建、分析、诊断评估及预后信息推导等领域 | 系统性地总结了ML在CMR中的最新进展，特别是在自动化心室量化、图像采集效率提升及多中心数据应用方面的创新 | ML算法可能存在不可预测的失败风险，且应用需谨慎扩展至特定患者群体；缺乏多中心对照试验验证 | 探讨ML如何辅助临床医生和工程师提升CMR的成像效率、质量、分析及患者评估 | 心血管磁共振（CMR）图像及相关临床数据 | 机器学习 | 心血管疾病 | 心血管磁共振（CMR） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 7903 | 2026-03-06 |
Unsupervised Deep Learning for Bayesian Brain MRI Segmentation
2019-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-030-32248-9_40
PMID:32432231
|
研究论文 | 本文提出了一种结合概率图谱先验与深度学习的无监督方法，用于脑部MRI分割，无需手动标注数据 | 将传统概率图谱分割与深度学习结合，实现无需手动标注图像即可训练新MRI对比度下的分割模型 | NA | 开发一种无需手动标注的深度学习脑部MRI分割模型，适用于不同MRI对比度 | 脑部MRI扫描 | 医学图像分析 | NA | MRI | 深度学习模型 | 图像 | 数千个脑部MRI扫描 | NA | NA | 准确性 | GPU |
| 7904 | 2026-03-06 |
A Deep Unsupervised Learning Approach Toward MTBI Identification Using Diffusion MRI
2018-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/EMBC.2018.8512556
PMID:30440621
|
研究论文 | 本文提出了一种基于深度无监督学习的方法，利用扩散MRI数据在创伤后一个月内识别轻度创伤性脑损伤 | 采用词袋表示法结合卷积自编码器，从扩散MRI图像中学习补丁级特征，以无监督方式提升损伤检测性能 | 训练数据有限，未提及外部验证或临床应用的详细评估 | 通过深度学习技术检测轻度创伤性脑损伤，提供更准确的损伤测量方法 | 轻度创伤性脑损伤患者的扩散MRI图像 | 计算机视觉 | 脑损伤 | 扩散MRI | 卷积自编码器 | 图像 | NA | NA | 卷积自编码器 | NA | NA |
| 7905 | 2026-03-05 |
Development and Validation of an Automated Pipeline for the Detection of Monteggia Fracture Dislocations in Pediatric Radiographs
2026-Apr-01, Journal of pediatric orthopedics
DOI:10.1097/BPO.0000000000003196
PMID:41395634
|
研究论文 | 本研究开发并验证了一种用于自动检测儿童X光片中Monteggia骨折脱位的深度学习流程 | 首次提出结合分割网络（U-Net++）测量桡骨头脱位与二分类器检测尺骨骨折的自动化流程，用于儿童Monteggia骨折的检测 | 研究样本量有限（桡骨分割训练320张，尺骨骨折检测训练157张），且为回顾性研究（证据等级III级），未在临床环境中进行前瞻性验证 | 开发一种自动化工具以提高儿童Monteggia骨折脱位在初始X光评估中的检出率 | 儿童肘部前后位（AP）和侧位X光片 | 计算机视觉 | 骨科损伤 | X光成像 | 深度学习 | 图像 | 桡骨分割训练使用320张儿童肘部X光片（AP和侧位），尺骨骨折检测训练使用157对配对AP和侧位X光片 | 未明确提及 | U-Net++ | Dice分数, IoU, 灵敏度, 特异性, 准确率, AUC | NA |
| 7906 | 2026-03-05 |
Enhanced PPG-based stress recognition: a transfer learning approach to internal vs. external stress
2026-Mar-04, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae241c
PMID:41289696
|
研究论文 | 本研究通过建立内部与外部压力数据集，并引入基于迁移学习的跨范式压力识别模型，旨在提升基于PPG信号的自动化压力识别能力 | 提出了一个结合领域对抗神经网络和最大均值差异的迁移学习模型，用于从PPG信号中提取鲁棒特征，以区分内部和外部压力 | 未明确说明模型在更广泛人群或真实世界场景中的泛化能力 | 开发基于PPG信号的自动化压力识别方法，以区分内部和外部压力类型 | 107名参与者在四种不同压力诱导范式下采集的PPG信号 | 机器学习 | NA | 光电容积脉搏波描记法 | 领域对抗神经网络 | PPG信号 | 107名参与者 | NA | 领域对抗神经网络 | 准确率 | NA |
| 7907 | 2026-03-05 |
Supervised Machine Learning and Graph Neural Networks to Predict Collision Cross-Section Values of Aquatic Dissolved Organic Compounds
2026-Mar-04, Journal of the American Society for Mass Spectrometry
IF:3.1Q1
DOI:10.1021/jasms.5c00276
PMID:41505766
|
研究论文 | 本研究结合监督机器学习和深度学习，预测水环境中溶解有机化合物的碰撞截面值，以提升复杂环境混合物中分子结构的识别能力 | 首次整合多种监督机器学习模型与图神经网络，针对多种溶解有机分子类别预测CCS值，并利用北极海洋的高分辨率质谱数据进行验证 | 模型性能因分子类别和数据集特性而异，未详细讨论模型在极端环境条件下的泛化能力 | 开发一个数据驱动的框架，用于准确预测溶解有机化合物的碰撞截面值，以增强环境样品中的分子分类和污染物检测 | 水环境中的溶解有机分子，包括碳水化合物、烃类、木质素、脂质、蛋白质、单宁和未分配分子 | 机器学习 | NA | 高分辨率质谱 | Gradient Boosted Regression, K-Nearest Neighbors, LASSO, Linear Regression, Partial Least Squares, Random Forest, Support Vector Regression, Voting Regressor, Graph Neural Network | 分子指纹和结构描述符 | NA | NA | 图神经网络 | 准确度 | NA |
| 7908 | 2026-03-05 |
Real-time digital prescriptions unlock influenza dynamics: evidence from 21 million transactions
2026-Mar-04, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02513-9
PMID:41775925
|
研究论文 | 本研究通过分析中国最大的按需药品配送平台的2108万张数字处方交易数据，验证了其作为流感动态实时监测和长期预测的有效代理指标 | 首次大规模验证数字处方交易数据作为流感流行病学实时监测和预测的因果有效代理指标，并构建了一个集成了GNN、Mamba和LSTM的时空深度学习框架，实现了长达96天的流感预测 | 研究数据来源于单一平台，可能无法完全代表全国所有地区的用药行为；研究主要关注流感，对其他传染病的适用性有待验证 | 开发一种实时、准确的流感监测和预测方法，以克服传统监测系统的报告延迟问题 | 中国31个省份的2108万张数字处方交易数据 | 机器学习 | 流感 | 数字处方交易数据分析 | GNN, Mamba, LSTM | 交易数据 | 2108万张处方交易，覆盖中国31个省份 | NA | GNN, Mamba, LSTM | 平均绝对误差 | NA |
| 7909 | 2026-03-05 |
Letter to the Editor: Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma
2026-Mar-03, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12364-3
PMID:41774130
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7910 | 2026-03-05 |
WGB-GLFI: A Novel Graph-Based Global-Local Feature Interaction Framework for Automated Seizure Detection
2026-Mar-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3668888
PMID:41774635
|
研究论文 | 本文提出了一种新颖的基于图的全局-局部特征交互框架（WGB-GLFI），用于自动癫痫发作检测 | 通过加权图构建（WGB）模块和全局-局部特征交互（GLFI）模块，统一建模空间连接性和动态模式，全面捕捉癫痫发作期间的动态空间关系，实现无缝的全局-局部特征融合 | 未明确提及具体局限性 | 提高癫痫发作检测的准确性和鲁棒性 | 癫痫患者 | 机器学习 | 癫痫 | EEG | 深度学习 | EEG数据 | 多个数据集（CHB-MIT, Siena Scalp及私有数据集） | 未明确提及 | WGB-GLFI | 准确率 | 未明确提及 |
| 7911 | 2026-03-05 |
Clinical value of ultra-low-dose chest CT with deep learning image reconstruction in the detection and characterization of pulmonary nodules
2026-Mar-03, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-026-01583-w
PMID:41775904
|
研究论文 | 本研究评估了超低剂量CT结合深度学习图像重建在肺结节检测和诊断中的临床价值 | 首次将深度学习图像重建技术应用于超低剂量CT，实现了在显著降低辐射剂量的同时保持与标准剂量CT相当的图像质量和诊断准确性 | 样本量相对较小（115例患者），且为单中心研究，可能限制了结果的普适性 | 评估超低剂量CT结合深度学习图像重建技术在肺结节诊断中的临床价值 | 疑似肺结节的患者 | 数字病理学 | 肺癌 | CT扫描 | 深度学习图像重建 | 医学影像 | 115例患者 | NA | NA | CT值、噪声值、信噪比、主观诊断信心、恶性征象一致性 | NA |
| 7912 | 2026-03-05 |
Low-input deep learning platform for citrullinated peptide identification, autoantigen discovery and rheumatoid arthritis treatment stratification
2026-Mar-03, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-026-01628-4
PMID:41776034
|
研究论文 | 本研究开发了一种名为Iseq-Cit的低样本量深度学习方法，用于系统性分析瓜氨酸化蛋白质组，并基于此进行类风湿关节炎（RA）的自身抗原发现和治疗反应预测 | 开发了内部标准辅助的无富集高通量定量分析平台（Iseq-Cit），仅需常规方法1%的样本量即可实现全局瓜氨酸化蛋白质组分析；首次整合临床指标与瓜氨酸化数据构建预测模型；利用双向门控循环单元模型预测瓜氨酸化肽段的RA血清反应性 | 未明确说明模型在其他独立队列中的泛化能力；样本量虽较传统方法大幅减少，但纵向队列的具体规模未在摘要中详细说明 | 开发低样本量深度学习方法，实现瓜氨酸化肽段鉴定、自身抗原发现及类风湿关节炎治疗分层 | 类风湿关节炎风险个体及患者的血浆样本、瓜氨酸化蛋白质组数据、临床指标 | 生物信息学 | 类风湿关节炎 | 内部标准辅助的无富集高通量定量分析（Iseq-Cit）、酶联免疫吸附试验（ELISA） | 双向门控循环单元（BiGRU） | 肽段序列数据、临床数据、质谱数据 | 包含RA风险个体和RA患者的纵向队列（具体数量未明确），模型训练使用67,399条RA血清阴性肽段和8,816条RA血清阳性肽段 | 未明确说明 | 双向门控循环单元（BiGRU） | 预测准确率（84.2%） | NA |
| 7913 | 2026-03-05 |
Automated Measurement of Midpalatal Suture Density Ratio Based on Deep Learning
2026-Mar-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01877-4
PMID:41776128
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于量化中腭缝密度比，以快速评估上颌横向发育不足的骨骼反应性 | 首次提出基于深度学习的自动化中腭缝密度比测量系统，显著提高了测量效率和标准化程度 | 研究仅基于400例CBCT扫描，样本量有限，且未在不同设备或人群中进行外部验证 | 建立自动化、标准化的中腭缝密度比测量方法，以辅助快速上颌扩展治疗决策 | 锥形束计算机断层扫描图像中的中腭缝、硬腭和软腭区域 | 计算机视觉 | 上颌横向发育不足 | 锥形束计算机断层扫描 | CNN | 图像 | 400例CBCT扫描 | NA | U-Net, Deeplab v3, Segformer | F1分数 | NA |
| 7914 | 2026-03-05 |
Attention-enhanced deep learning model for automated classification of hemorrhagic and ischemic stroke on CT imaging
2026-Mar-03, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03784-w
PMID:41776569
|
研究论文 | 本研究提出了一种名为GCDCNet的轻量高效深度学习模型，用于CT影像中出血性和缺血性中风的自动分类 | 基于GhostNet轻量架构，结合SCSE注意力机制、扩张卷积和通道洗牌进行特征优化，以增强模型对病灶区域的关注并提升分类性能 | NA | 提高中风CT影像诊断的准确性和效率，以辅助临床决策 | 公共中风CT数据集，包括964例出血性中风和1551例缺血性中风 | 计算机视觉 | 中风 | CT成像 | CNN | 图像 | 2515例中风CT影像 | NA | GCDCNet, GhostNet | 准确率, 召回率, F1分数, 精确率, AUC | NA |
| 7915 | 2026-03-05 |
Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response
2026-Mar-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-1594
PMID:41418101
|
研究论文 | 本研究通过分析非小细胞肺癌患者治疗前后的多重组织图像，开发了一个结合空间统计、机器学习和深度学习的计算流程，以预测疾病进展并识别潜在的临床生物标志物 | 首次结合细胞分割、样方分析、空间统计与深度学习，系统揭示了肺癌患者肿瘤-免疫微生态的空间特征及其与治疗反应的关联，并发现这些空间生态特征比PD-L1状态更能预测疾病进展 | 样本量较小（仅9名患者），且患者反应类型仅限于疾病稳定和疾病进展，缺乏完全缓解和部分缓解的病例 | 开发一个计算框架来分析多重成像数据，以预测非小细胞肺癌患者对免疫治疗的响应，并识别相关的生物标志物 | 接受口服组蛋白去乙酰化酶抑制剂（伏立诺他）联合PD-1抑制剂（帕博利珠单抗）治疗的免疫治疗难治性非小细胞肺癌患者 | 数字病理学 | 肺癌 | 多重组织成像 | 深度学习 | 多重组织图像 | 9名患者的配对治疗前和治疗中样本 | NA | NA | NA | NA |
| 7916 | 2026-03-05 |
Early feature extraction drives model performance in high-resolution chromatin accessibility prediction
2026-Mar-02, Genome research
IF:6.2Q1
DOI:10.1101/gr.281042.125
PMID:41526189
|
研究论文 | 本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器，发现早期特征提取是预测准确性的主要决定因素 | 首次将计算机视觉领域的ConvNeXt V2块应用于基因组数据的高分辨率特征提取，并系统揭示了早期特征提取对预测性能的关键作用 | 未明确说明模型在跨细胞类型或不同实验条件下的泛化能力，且可能未涵盖所有可能的架构变体 | 提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响 | 染色质可及性预测，特别是ATAC-seq信号在4-bp分辨率下的细胞类型特异性预测 | 机器学习 | NA | ATAC-seq | CNN, LSTM, 扩张CNN, Transformer | DNA序列数据 | NA | NA | ConvNeXt V2, 卷积神经网络, 长短期记忆网络, 扩张卷积神经网络, Transformer | 预测准确性, 信号形状保持度 | NA |
| 7917 | 2026-03-05 |
Artificial intelligence in treatment prediction for skeletal Class III malocclusion: A systematic review
2026-Mar-02, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2026.02.016
PMID:41775582
|
系统综述 | 本文系统评估了人工智能模型在预测骨骼性III类错颌畸形患者是否需要正颌手术方面的性能 | 首次对AI在骨骼性III类错颌畸形治疗预测中的应用进行了系统性综述，比较了机器学习与深度学习模型在头影测量和临床数据上的表现 | 纳入研究数量有限（15项），需要更大规模、多中心数据集和外部验证以提高可靠性并解决潜在偏倚 | 评估AI模型在预测骨骼性III类错颌畸形患者是否需要正颌手术以及识别影响治疗决策的预测因素方面的性能 | 骨骼性III类错颌畸形患者 | 机器学习 | 骨骼性III类错颌畸形 | 头影测量和临床数据分析 | 机器学习算法（如Random Forest, XGBoost）和深度学习模型（如CNN） | 头影测量数据和临床数据 | NA | NA | Random Forest, XGBoost, ResNet-based CNN | 准确率, 灵敏度, 特异性, AUC | NA |
| 7918 | 2026-03-05 |
Post-Stroke Dysarthria Voice Recognition based on Fusion Feature MSA and 1D
2026-Mar, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2410228
PMID:39422438
|
研究论文 | 本文提出了一种基于融合特征MSA和改进的1D DRN-biLSTM网络模型，用于识别脑卒中后构音障碍的病理语音 | 提出了一种新颖的融合特征（MSA）并结合了改进的一维残差网络、双向LSTM和空洞卷积的混合模型（1D DRN-biLSTM），以更好地表征病理语音的隐藏特征 | 摘要中未明确提及研究的局限性 | 开发一种改进的深度学习模型，用于区分脑卒中后构音障碍的病理语音和正常语音，以辅助PSD的评估与诊断 | 脑卒中后构音障碍患者的语音数据 | 自然语言处理 | 脑卒中 | 语音信号处理，深度学习 | CNN, LSTM, ResNet | 语音 | NA | NA | 1D ResNet, bi-directional LSTM, 1D DRN-biLSTM | 准确率 | NA |
| 7919 | 2026-03-05 |
Development of Artificial Intelligence for Quantitative Assessment of Nasal Inflammatory Cytology in Chronic Rhinitis by Whole-Slide Images
2026-Mar, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.70075
PMID:41307481
|
研究论文 | 本研究开发了一种基于全切片图像的深度学习系统（QANIC），用于慢性鼻炎患者鼻腔炎症细胞的定量评估和表型分型 | 首次将深度学习与全切片图像结合用于鼻腔细胞学诊断，并基于鼻腔细胞学对鼻炎患者进行炎症表型分型 | 研究样本量相对有限，外部验证队列仅包含两个临床中心 | 建立基于人工智能的鼻腔炎症细胞学定量评估系统，以研究慢性鼻炎的炎症表型 | 慢性鼻炎患者的鼻腔分泌物涂片 | 数字病理学 | 慢性鼻炎 | 全切片图像 | 深度学习模型 | 图像 | 开发阶段145例患者，内部队列881例，外部验证队列234例 | NA | NA | NA | NA |
| 7920 | 2026-01-11 |
A novel quantification method for automatic computation of breast density from mammography images using deep learning
2026-Mar, Breast cancer (Tokyo, Japan)
DOI:10.1007/s12282-025-01808-1
PMID:41511727
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |