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 45616 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2026-06-15 |
Monitoring systemic ventriculoarterial coupling after cardiac surgery using continuous transoesophageal echocardiography and deep learning
2026-04, Journal of clinical monitoring and computing
IF:2.0Q2
DOI:10.1007/s10877-025-01328-5
PMID:40676456
|
研究论文 | 开发了一种结合经食管超声心动图和深度学习的新工具autoMAPSE，用于连续监测心脏手术后患者的室内动脉耦合和左心室功能 | 首次将深度学习的autoMAPSE与经食管超声心动图结合，实现对术后室内动脉耦合的连续无创监测，并能关联术后心脏生物标志物变化 | 样本量较小（50例患者），监测时间仅为手术后120分钟，且未提供深度学习的详细模型架构和计算资源信息 | 评估autoMAPSE在心脏手术后监测系统性室内动脉耦合及检测术后心脏生物标志物变化的可行性 | 心脏手术后的患者 | 机器学习、数字病理（超声影像分析） | 心血管疾病（心脏手术后心脏功能监测） | 经食管超声心动图 | 深度学习模型（具体未明确） | 超声图像、血压测量数据、生物标志物数据 | 50例心脏手术后患者，每5分钟监测一次，持续120分钟 | NA | NA | 相关性系数（rho）、P值 | NA |
| 62 | 2026-06-15 |
Horizontal nystagmus identification with joint SAM segmentation and time series classification
2026-Apr, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09950-4
PMID:41663530
|
研究论文 | 提出一种结合SAM分割和时间序列分类的水平眼震检测模型 | 首次将SAM分割与多尺度一维时间序列卷积分类器结合，用于水平眼震检测，有效提取瞳孔运动轨迹并提高检测精度 | 瞳孔定位准确率（79.53%）仍有限，可能受视频质量或干扰帧影响 | 提高水平眼震的检测效率，辅助前庭疾病的早期筛查和干预 | 水平眼震患者的眼动视频 | 计算机视觉， 时间序列分析 | 前庭疾病， 水平眼震 | 视频眼动记录 | CNN， SAM（Segment Anything Model）， 多尺度卷积分类器 | 视频 | 临床收集的水平眼震视频数据集（具体数量未提及） | PyTorch（推测） | SAM， CNN， 多尺度一维时间卷积网络 | 准确率， 精确率 | NA |
| 63 | 2026-06-15 |
Deep learning for histopathological diagnosis of esophageal squamous cell carcinoma in biopsies: A multicenter analysis
2026-Apr, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2026.01.230
PMID:41692642
|
研究论文 | 开发基于深度学习的AI-EDS系统用于食管鳞状细胞癌活检组织病理诊断，并在多中心验证其性能 | 利用iPad系统进行病灶区域标注，结合DeepLab-v3与ResNet-50骨干网络，实现活检标本中食管鳞癌的高准确率诊断，并在多中心外部队列中验证，同时评估了在手术切除和ESD标本上的泛化能力 | 研究未提及具体局限性，但可能包括对罕见亚型或低质量切片的诊断性能待进一步验证 | 开发并验证用于食管鳞状细胞癌活检组织病理诊断的AI辅助系统 | 食管鳞状细胞癌活检标本（共涉及2049张HE染色WSI，包括5个中心的活检样本及手术切除和ESD标本） | 数字病理学 | 食管鳞状细胞癌 | HE染色全切片成像 | CNN | 图像 | 1104张WSI（训练515张，验证50张，内部测试539张），外部验证945张WSI，手术及ESD标本173张WSI | PyTorch | DeepLab-v3，ResNet-50骨干网络 | AUC，准确率，灵敏度，特异度 | NA |
| 64 | 2026-06-15 |
Cerebrovascular 5D flow MRI
2026-Apr-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121828
PMID:41730486
|
研究论文 | 开发了脑血管5D血流MRI框架，用于量化呼吸对脑血流调节的影响，并结合深度学习图像重建方法 | 首次实现脑血管高空间分辨率（0.82 mm各向同性）的5D血流成像，通过解析心肺双周期速度向量场来量化呼吸血流调节，并整合深度学习重建技术 | 仅验证了10名健康志愿者，样本量有限；呼吸状态仅使用两个区间，未涵盖完整呼吸周期 | 开发并验证5D血流MRI框架，以体积量化呼吸对脑血流的调节作用，增进对脑循环的理解 | 健康志愿者的脑血管血流动力学参数，包括平均速度和速度振幅的呼吸调节 | 医学影像 | 脑血管疾病 | 5D相位对比MRI，深度学习图像重建 | 深度学习重建模型 | MRI血流图像（4D+呼吸维度） | 10名健康志愿者 | NA | NA | Pearson相关系数，偏差（%）：平均速度大小的RFM为0.97、0.90，偏差0.09%、1.77% | NA |
| 65 | 2026-06-15 |
De novo engineering of protein interactions: Retrospective and current advances
2026-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2026.103240
PMID:41759349
|
综述 | 回顾从头设计蛋白质相互作用的研究进展，重点讨论基于深度学习的计算方法及其在蛋白结合体设计中的应用 | 总结了AlphaFold等新型结构预测模型及深度生成模型在蛋白质结合体设计中的创新应用，实现了高实验成功率的全新蛋白质折叠设计 | 未明确提及当前方法的局限性 | 探讨蛋白质结合体设计方法的发展历程，重点关注前沿技术及其应用与新的挑战 | 蛋白质结合体设计方法与深度学习方法 | 机器学习 | NA | 蛋白结合体设计 | 结构预测模型、深度生成模型 | 蛋白质序列与结构数据 | NA | NA | AlphaFold | 实验成功率 | NA |
| 66 | 2026-06-15 |
Unsupervised segmentation of dynamic pulmonary MRI using cross-modality adaptation with annotated CT images
2026-Apr, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03584-5
PMID:41784882
|
研究论文 | 提出一种利用标注CT数据实现无监督肺动态MRI分割的跨模态自适应方法 | 首次利用掩码自编码器学习模态不变特征，结合时间一致性损失和选择-精炼流程生成高质量伪标签，消除对MRI标注的依赖 | 仅使用31个无标签4D MRI和30个标注CT训练，测试集来自两个中心，泛化性可能受限 | 实现肺实质在动态MRI中的准确无监督分割，辅助临床诊断和治疗规划 | 肺实质分割 | 计算机视觉, 医学影像分析 | 肺部疾病 | 动态肺MRI, CT成像 | 掩码自编码器, 分割网络 | 4D MRI图像, CT图像 | 31个无标签4D MRI, 30个标注CT, 20和12个4D MRI测试图像 | PyTorch | 掩码自编码器, U-Net | Dice系数, 平均表面距离 | NA |
| 67 | 2026-06-15 |
Influence of deep learning image reconstruction and adaptive statistical iterative reconstruction-V on automated Alberta stroke program early CT score- evaluation
2026-Apr, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-03938-5
PMID:41706087
|
研究论文 | 研究深度学习图像重建与自适应统计迭代重建V对自动Alberta卒中项目早期CT评分的影响 | 首次系统比较了DLIR和ASIR-V两种重建技术对自动ASPECTS评分的影响，并发现DLIR-M在重新分类和专家共识一致性方面表现最佳 | 单中心回顾性研究，样本量有限，且未评估重建技术对临床结局的影响 | 评估深度学习图像重建和自适应统计迭代重建V对自动ASPECTS评分的影响 | 疑似大脑中动脉梗死患者的非对比CT图像 | 计算机视觉 | 脑血管疾病 | CT | NA | 图像 | 173名患者（中位年龄79岁，39%女性） | NA | NA | Bland-Altman分析、Cohen's κ系数 | NA |
| 68 | 2026-06-15 |
Multimodal Machine Learning for Early Prediction of Metastasis in a Swedish Multicancer Cohort
2026-Apr, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-25-00141
PMID:42269139
|
研究论文 | 提出一个多模态机器学习框架，利用电子健康记录数据提前一个月预测转移风险 | 结合结构化与非结构化电子健康记录数据，采用中间融合策略在不同癌症队列中实现早期转移预测 | 结肠癌队列样本量最小导致性能最低，提示训练数据充足性的重要性 | 开发并评估多模态机器学习框架用于早期预测癌症转移风险 | 四种癌症患者（乳腺癌、结肠癌、肺癌、前列腺癌）的临床数据 | 机器学习 | 乳腺癌, 结肠癌, 肺癌, 前列腺癌 | NA | 深度学习分类器 | 结构化数据（人口统计学、合并症、实验室结果、用药）与非结构化文本（临床记录） | 乳腺癌743例、结肠癌387例、肺癌870例、前列腺癌1,890例 | NA | NA | AUROC, AUPRC, F1分数, 灵敏度, 特异度 | NA |
| 69 | 2026-05-15 |
Comparative evaluation of deep learning models for lung segmentation in chest X-rays: applications in infectious disease screening
2026-Mar-31, BMC infectious diseases
IF:3.4Q2
DOI:10.1186/s12879-026-13041-y
PMID:41917867
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 70 | 2026-06-15 |
Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides
2026-Mar-27, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04165
PMID:41698001
|
研究论文 | 开发了一种集成可见-近红外微高光谱成像与深度学习架构的智能传感平台，用于快速化学成像 | 提出了一种基于补丁的空间-光谱策略，通过自定义的多注意力3D卷积神经网络（带残差连接）有效补偿了宽波段可见-近红外光谱的低化学特异性 | 摘要中未明确提及局限性 | 实现微观材料快速、非破坏性、高精度的化学成像与分类 | 微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）及多种金属氧化物 | 计算机视觉 | NA | 可见-近红外微高光谱成像 | 3D卷积神经网络 | 高光谱图像 | 8种化学物质 | PyTorch | 多注意力3D卷积神经网络（带残差连接） | 准确率 | NA |
| 71 | 2026-06-15 |
Bioinspired Keratin-Based Eutectic Hydrogels for Intelligent Health Monitoring and Photothermal Therapy
2026-Mar-18, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c24539
PMID:41783971
|
研究论文 | 本文合成了一种基于角蛋白的低共熔水凝胶，用于智能健康监测和光热治疗 | 通过一锅法合成PDA@Ag/PAA/PSBMA/FK低共熔水凝胶，兼具高机械强度、优异传感性能、自修复能力和监测-治疗闭环功能 | 未提及实际临床验证和长期稳定性测试 | 开发集高机械强度、优异传感性能、自修复能力和监测治疗功能于一体的表皮传感器 | PDA@Ag/PAA/PSBMA/FK低共熔水凝胶及其在人体关节运动监测和光热治疗中的应用 | 机器学习 | 手腕疾病 | 光热治疗 | 深度学习 | 运动信号 | 未提及 | NA | NA | 拉伸性、离子电导率、传感范围 | NA |
| 72 | 2026-06-15 |
Screening of Respiratory Toxicity of Environmental Compounds Based on Multimodal Feature Fusion Model
2026-Mar-17, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c17401
PMID:41782501
|
研究论文 | 开发了一种基于多模态特征融合的深度学习框架GFEnet，用于高效筛选环境化合物的呼吸毒性 | 首次将分子图特征、结构指纹和电子级属性三种模态特征深度融合，实现跨尺度的呼吸毒性预测，并进行了体内外多维度验证 | 未提及模型在更多样化的化合物数据库上的泛化能力验证，以及与其他最新深度学习方法的详细比较 | 建立一种高通量的呼吸毒性筛选平台，减少对动物测试的依赖，提高环境化合物安全性评估效率 | 环境化合物（特别关注高度关注物质和空气污染物数据库中的化合物） | 机器学习 | 呼吸系统毒性 | 深度学习 | 多模态深度学习框架（GFEnet） | 分子图特征、结构指纹、电子级属性数据 | 涉及体内哺乳动物呼吸毒性、体外A549细胞毒性和ACE2基因调控活性三个毒理学维度的数据集 | PyTorch | 多模态融合网络（具体架构未详细说明） | AUC | 未提及 |
| 73 | 2026-06-15 |
LCMS-Net: Deep Learning for Raw High Resolution Mass Spectrometry Data Applied to Forensic Cause-of-Death Screening
2026-Mar-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05404
PMID:41755347
|
研究论文 | 介绍LCMS-Net，一种直接分析原始LC-HRMS数据的端到端深度学习模型，用于法医死因筛查和结肠癌检测 | 直接处理原始LC-HRMS数据，无需手动预处理；对数据的空间特性显式建模；模型结构简单，无需预训练，计算效率高 | 未明确提及局限性 | 开发一种自动化且高效的深度学习模型，用于分析LC-HRMS数据，应用于法医死因筛查和结肠癌检测 | LC-HRMS原始数据及其在死因筛查和结肠癌检测中的应用 | 机器学习 | 法医死因筛查, 结肠癌 | 液相色谱-高分辨率质谱 | 深度学习模型 | 原始质谱数据 | 未明确提及样本数量 | NA | LCMS-Net | F1-score | 与依赖预训练的方法相比，更快速且计算效率更高 |
| 74 | 2026-06-15 |
Artificial intelligence for radiation dose reduction in computed tomography: a narrative synthesis of clinical evidence from 2020 to 2025
2026-Mar-06, Journal of radiological protection : official journal of the Society for Radiological Protection
IF:1.4Q3
DOI:10.1088/1361-6498/ae475a
PMID:41707249
|
综述 | 本文对2020年至2025年间人工智能在CT辐射剂量优化方面的临床证据进行了叙述性综合 | 系统性地总结了AI在CT剂量优化中实现40%-90%剂量降低的最新临床证据，并按解剖区域和AI应用类型进行了分组分析 | 多数研究为单中心且由厂商支持，对极小或亚实性病灶的敏感性在最低剂量下下降，高降噪强度改变了图像纹理，多中心验证有限 | 评估AI策略在CT剂量优化中的临床效果，包括深度学习重建、降噪和工作流自动化 | 2020年1月至2025年5月发表的关于AI辅助CT剂量优化的临床研究 | 机器学习 | 肺癌 | CT成像 | 深度学习 | 图像 | 86项符合纳入标准的研究 | NA | NA | 辐射剂量、诊断准确性、图像质量、可行性 | NA |
| 75 | 2026-06-15 |
Deep learning-based estimation of lung collapse in electrical impedance tomography: a simulation and phantom study
2026-Mar-06, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae4849
PMID:41713019
|
研究论文 | 提出一种基于深度学习的方法，从电阻抗断层成像图像中直接估计肺塌陷程度，避免了对肺部分割的依赖 | 首次利用深度学习框架从EIT图像直接估计肺塌陷程度，无需进行肺部分割，克服了传统全局不均匀性指标依赖分割的局限性 | NA | 估计机械通气患者肺塌陷程度，以辅助评估通气性肺损伤风险 | 基于EIT图像估计的肺塌陷程度 | 计算机视觉 | 呼吸系统疾病 | 电阻抗断层成像 | 深度学习模型 | 图像 | 合成数据集模拟多种肺条件，数值与体模测试 | NA | NA | 误差百分比 | NA |
| 76 | 2026-06-15 |
In vivo quantification of arterial active mechanics using deep learning-assisted pressure-area analysis
2026-Mar-05, Biomechanics and modeling in mechanobiology
IF:3.0Q3
DOI:10.1007/s10237-026-02042-0
PMID:41784707
|
研究论文 | 开发一种深度学习辅助的压力-面积分析框架，用于量化动脉主动力学特性 | 结合超声成像、血压测量、神经网络分割和生物力学模型反演，首次实现体内动脉主动力学特性的定量表征，揭示血压与平滑肌恢复的分离现象 | NA | 量化体内动脉主动力学特性，并探究运动后颈动脉平滑肌张力的恢复动态 | 人体右侧颈总动脉 | 数字病理学 | 心血管疾病 | 超声成像、血压测量 | 神经网络 | 超声视频数据 | 233名志愿者（训练神经网络），10名志愿者（运动测试） | PyTorch | U-Net | 空间性能、时间性能 | NA |
| 77 | 2026-06-15 |
Multivariable AI-based analysis of immune-lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study
2026-Mar-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38941-6
PMID:41786881
|
研究论文 | 基于深度学习的复发性流产免疫-生活方式模式识别探索性回顾研究 | 首次采用TabNet深度学习模型综合分析免疫和生活方式因素与复发性流产的关联模式 | 未提及具体局限性信息 | 构建深度学习模型以识别复发性流产患者的免疫-生活方式模式 | 复发性流产患者与健康女性的临床和实验室数据 | 机器学习 | 复发性流产 | NA | TabNet | 临床与实验室数据 | 16818例复发性流产患者与19979例健康女性 | PyTorch | TabNet | AUC, 准确率, 精确率, 特异度, 灵敏度 | NA |
| 78 | 2026-06-15 |
Manipulating 2D Nanomaterials: Shaping the Future of Intelligent Wearable Health Monitoring Devices
2026-Mar-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c21609
PMID:41717965
|
综述 | 系统总结基于二维纳米材料的可穿戴健康监测设备，涵盖传感机制、设备类型及其在物理、电化学和生物电子信号监测中的应用 | 整合了可穿戴电子设备与基于二维纳米材料的多样化健康监测应用，并强调将人工智能和机器学习相结合的必要性 | 未提供具体实验数据或定量性能比较 | 综述二维纳米材料在智能可穿戴健康监测设备中的研究进展与未来方向 | 二维纳米材料及其制备的可穿戴电子设备 | 机器学习 | NA | 二维纳米材料制备技术 | NA | 生物电子信号、电化学信号、物理信号 | NA | NA | NA | NA | NA |
| 79 | 2026-06-15 |
Application of a Natural Language Processing Framework for Data Extraction From Pathology Reports Across Multiple Cancer Types
2026-Mar-02, Journal of Korean medical science
IF:3.0Q1
DOI:10.3346/jkms.2026.41.e79
PMID:41775279
|
研究论文 | 开发一个基于自然语言处理的系统，用于自动从多种癌症类型的病理报告中提取关键数据 | 通过对比多种深度学习架构，选择ClinicalBERT模型实现跨多种癌症类型病理报告的高效数据提取 | 在远处转移变量上表现较低（F1=0.3889），且未提及模型对罕见或复杂病理变异的适应能力 | 自动化提取病理报告中的临床和病理特征，以简化数据存储、检索和分析流程 | 来自胃癌、肝癌、结直肠癌和乳腺癌的病理报告 | 自然语言处理 | 胃癌, 肝癌, 结直肠癌, 乳腺癌 | NA | ClinicalBERT, BERT, BioBERT, LSTM, CNN | 文本 | NA | NA | ClinicalBERT, BERT, BioBERT, LSTM, CNN | F1-score | NA |
| 80 | 2026-06-15 |
M[Formula: see text]DGAT: Multi-view multi-scale dynamic graph attention network(GAT) based prediction of Parkinson's disease(PD) progression using whole-blood RNA sequencing data
2026-Mar-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40636-x
PMID:41771960
|
研究论文 | 提出一种基于动态图注意力网络的多视图多尺度方法，利用全血RNA测序数据预测帕金森病进展 | 提出多视图多尺度动态图注意力网络（M^3DGAT），整合时空视图，采用计数草图双线性融合策略，利用动态图表示编码疾病进展的动态信息，在预测准确性上显著优于现有先进方法 | 未提及具体局限性 | 利用全血RNA测序数据预测神经退行性疾病（特别是帕金森病）的进展轨迹 | 帕金森病患者的全血RNA测序数据 | 机器学习, 计算生物学 | 帕金森病, 神经退行性疾病 | RNA测序 | 动态图注意力网络 | RNA测序数据 | PPMI和PDBP队列的数据样本 | NA | 动态图注意力网络（DGAT） | 预测准确性 | NA |