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 44481 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 | 2026-05-27 |
A Few-shot Multimodal Deep Learning Framework For Precision Diagnosis Of Parotid Gland
2026-May-08, Journal of visualized experiments : JoVE
DOI:10.3791/70231
PMID:42184237
|
研究论文 | 提出了一种基于少样本学习的多模态深度学习框架，用于腮腺肿瘤的精确诊断 | 融合多序列MRI信息与多尺度空间注意力机制，解决小样本条件下特征提取与分类性能问题 | NA | 解决腮腺肿瘤术前良恶性鉴别困难的问题，提升诊断准确性 | 腮腺肿瘤（良性107例、恶性91例）的术前MRI影像数据 | 计算机视觉 | 腮腺肿瘤 | MRI (T1加权、T2加权、弥散加权成像) | 多模态深度学习模型 | 图像（多序列MRI） | 198例腮腺肿瘤患者影像数据 | PyTorch, TensorFlow | ResNet, U-Net | AUC | GPU（NVIDIA RTX 3090） |
| 62 | 2026-05-27 |
Automated Quantitative Analysis of Pulmonary Vasculature in Congenital Diaphragmatic Hernia using Deep Learning
2026-May-08, Journal of visualized experiments : JoVE
DOI:10.3791/70428
PMID:42184245
|
研究论文 | 提出基于深度学习的全自动化方法，对先天性膈疝患者的肺动脉进行分割和形态计量分析 | 首次实现先天性膈疝中肺动脉血管的自动定量分析，基于U-Net架构并结合三维骨架化算法提取形态参数 | NA | 实现先天性膈疝肺部血管的自动化定量评估，以帮助理解疾病严重程度 | 先天性膈疝患者的肺部血管网络（基于CT扫描） | 计算机视觉 | 先天性膈疝 | NA | 卷积神经网络（CNN） | 影像数据（CT扫描） | NA | NA | U-Net | 分割准确度 | NA |
| 63 | 2026-05-27 |
A Deep Learning-Based Method for Paddy Leaf Disease Detection and Growth Stage-Specific Treatment Recommendation
2026-May-05, Journal of visualized experiments : JoVE
DOI:10.3791/70631
PMID:42184257
|
研究论文 | 提出一种基于深度学习的稻叶病害检测与生长阶段特异性治疗推荐决策支持系统 | 集成生长阶段预测、病害分类和阶段特异性治疗推荐于一个框架中，并采用集成学习方法提升分类性能 | 未提及模型在多环境条件下的泛化能力评估及数据集规模对性能的影响 | 建立精准农业中稻叶病害自动检测与治疗方案推荐的智能决策系统 | 水稻叶片图像及其生长阶段和病害类别 | 计算机视觉 | 水稻叶部病害 | NA | 卷积神经网络(CNN), 迁移学习模型(VGG16, ResNet50, InceptionV3, MobileNetV2), 集成方法 | 图像 | 数据集按80%训练、10%验证、10%测试划分 | Streamlit | VGG16, ResNet50, InceptionV3, MobileNetV2 | 准确率, 精确率, 召回率, F1分数 | NA |
| 64 | 2026-05-27 |
Learning drug synergy through environment-conditioned feature modulation
2026-May-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag256
PMID:42085481
|
研究论文 | 提出Env-Syn框架，通过环境条件特征调制学习药物协同作用，以建模药物-药物-细胞动态相互作用 | 引入残差特征线性调制模块对药物表示进行精确仿射变换，首次将细胞-药物环境作为动态条件而非静态背景来调制药物表征 | 文章未明确提及局限性 | 提高药物协同作用预测性能并增强模型对未知药物和独立数据集的泛化能力 | 药物组合及细胞环境中的协同作用预测 | 机器学习 | 癌症 | NA | 深度学习 | 药敏数据及细胞特征 | 文章未明确说明样本量，但涉及15种新预测药物组合其中8种有文献支持 | PyTorch | 残差特征线性调制网络 | AUROC, AUPRC, 召回率 | NA |
| 65 | 2026-05-27 |
Artificial Intelligence in Rhinology
2026-May-01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011654
PMID:40608779
|
综述 | 这篇论文综述了人工智能在鼻科学中的应用 | 系统回顾了2000年至2025年间人工智能在鼻科学中的应用，涵盖机器学习分类、深度学习诊断及手术阶段评估等前沿技术 | 依赖高水平医疗机构和装备环境，但可能不适用于资源匮乏地区 | 评估人工智能在鼻科学中的应用现状并展望未来发展方向 | 鼻科学中的人工智能应用，包括影像诊断、手术阶段评估和机器人手术 | 自然语言处理，机器学习，计算机视觉 | 鼻窦炎等鼻科疾病 | 机器学习，深度学习 | 分类算法 | 图像（放射影像） | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 66 | 2026-05-27 |
Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease
2026-May-01, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000904
PMID:41186985
|
研究论文 | 开发了一个名为TraceOrg的基于网络的深度学习平台，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积，并提供Mayo影像分类 | 首次将U-Net与Transformer元素结合的3D混合模型应用于多囊肾病的肾脏、肝脏及囊肿分割，并部署为公开的网页工具，支持多种MRI脉冲序列和CT图像，实现自动匿名化处理 | 未明确讨论模型在低对比度图像或罕见病变亚型中的表现，且外部验证数据集主要来自西方人群，可能影响种族多样性泛化能力 | 开发并验证一种自动、可靠且通用的工具，用于准确测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积 | 常染色体显性多囊肾病患者的MRI和CT扫描图像，以及无该病的参与者图像 | 数字病理学 | 多囊肾病 | MRI, CT扫描 | 3D混合模型（U-Net + Transformer） | 医学图像 | 720名参与者（611名ADPKD患者，109名非ADPKD参与者）用于训练；内部验证：70个MRI（肾脏/肝脏分割）和46个MRI（囊肿分割）；外部验证：单中心58例、多中心73例、CRISP 30例、PKD-RRC 115例 | NA | U-Net, Transformer | Dice系数，平均绝对百分比差异 | NA |
| 67 | 2026-05-27 |
An algorithm for automated femoral leg length and offset calculations on pelvis radiographs
2026-May, Hip international : the journal of clinical and experimental research on hip pathology and therapy
IF:1.3Q3
DOI:10.1177/11207000261421918
PMID:41786668
|
研究论文 | 该研究开发了一种自动化算法，用于从骨盆前后位X光片中计算腿长和偏移量，并在全髋关节置换患者的大规模队列中进行验证 | 首次利用深度学习模型在超过一万五千个影像对上自动化计算腿长和偏移，显著提高了测量效率和一致性 | 未明确提及算法在异质性数据或不同成像条件下的泛化能力，且人工测量仅由四名评估者完成，可能影响基准可靠性 | 开发并验证一种自动化算法，用于高效、准确地测量骨盆X光片中的腿长和偏移，支持人群水平研究和临床手术规划 | 全髋关节置换患者的术前和术后前后位骨盆X光片 | 计算机视觉 | 骨关节疾病 | 深度学习 | 深度学习模型 | 医学影像 | 1100张用于训练的骨盆X光片，100对用于验证的术前术后影像对，以及15951对用于应用的大规模影像对 | NA | NA | 类内相关系数（ICC） | NA |
| 68 | 2026-05-27 |
FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction
2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1177/15578666261427466
PMID:41885386
|
研究论文 | 提出FDS-CAP框架，通过组件级注意力机制建模碎片化疾病子图，用于预测疾病共病关系 | 首次通过组件级注意力机制整合疾病子图中的连通组件，以捕捉碎片化疾病模块的生物学复杂性，从而提高共病预测的准确性和表达力 | 仅基于单一基准数据集评估，且案例研究仅限于胶质瘤，可能限制泛化性 | 改进现有方法对疾病模块碎片化的忽视，提升共病预测性能 | 人类疾病网络中的疾病子图及其共病关联 | 机器学习 | 胶质瘤 | NA | 子图神经网络（SUBGNN）、变分图自编码器 | 图 | 基准数据集（具体数量未在摘要中说明） | PyTorch | SUBGNN、变分图自编码器 | AUROC | NA |
| 69 | 2026-05-27 |
DANCE: Deep Learning-Assisted Analysis of ProteiN Sequences Using Chaos Enhanced Kaleidoscopic Images
2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1177/15578666261441311
PMID:41995104
|
研究论文 | 提出一种名为DANCE的方法，利用混沌增强万花筒图像对T细胞受体蛋白序列进行深度学习的分析与分类 | 结合混沌游戏表示与万花筒图像方法生成蛋白序列的对称可视化图像，并利用深度学习视觉模型进行分类，为短蛋白序列（如TCR）提供了一种新的图像化嵌入方式 | 主要针对TCR蛋白序列较短的特性设计，可能不适用于长序列；未提及对不同病原体或非癌抗原的泛化能力 | 开发一种基于图像的蛋白序列表示方法，以提升对TCR蛋白序列的分析与分类能力，支持基于TCR的免疫疗法研究 | T细胞受体蛋白序列及其靶向的癌细胞类型 | 计算机视觉, 深度学习, 蛋白质组学 | 癌症 | 混沌游戏表示, 万花筒图像生成 | 深度学习视觉模型 | 图像（由蛋白序列生成的万花筒图） | 未明确说明 | NA | NA | 分类准确率等（具体指标未在摘要中说明） | NA |
| 70 | 2026-05-27 |
BudFinder: A Masked Auto-Encoder vision transformer framework for yeast budding detection and lifespan quantification
2026-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013700
PMID:42149904
|
研究论文 | 提出BudFinder框架，利用掩码自编码器视觉变换器进行酵母出芽检测与寿命量化 | 使用自监督预训练技术（掩码自编码器）大幅减少标注数据需求，仅需少量母细胞数据即可实现高精度检测 | NA | 自动化酵母细胞分裂事件检测与复制寿命量化 | 酵母细胞 | 计算机视觉 | 老年性疾病 | 延时显微镜 | 视觉变换器（Vision Transformer） | 图像 | 约25万张未标注酵母细胞图像及少于50个母细胞（约1000次分裂事件）的标注数据 | PyTorch | 掩码自编码器（Masked Autoencoder） | NA | NA |
| 71 | 2026-05-27 |
Beyond Diagnosis: A Systematic Review of Artificial Intelligence and Deep Learning in Monitoring Iron Overload and Organ Toxicity in Beta-Thalassemia
2026-May, Hemoglobin
IF:1.2Q4
DOI:10.1080/03630269.2026.2653733
PMID:42091230
|
系统性综述 | 探讨人工智能和深度学习在β-地中海贫血铁过载及器官毒性监测中的应用 | 首次系统性综述AI/DL在β-地中海贫血铁过载监测中的应用，聚焦于超越传统诊断方法的自动图像分析、测量精度提升及早期器官损伤检测 | 多数研究为回顾性、单中心设计，缺乏外部验证，导致偏倚风险较高 | 评估AI和DL在β-地中海贫血患者铁过载和器官毒性监测中的现有证据 | β-地中海贫血患者的铁过载和器官毒性监测 | 机器学习 | β-地中海贫血 | MRI R2*/T2*成像 | 深度学习模型、机器学习模型 | 影像数据（MRI R2*/T2*）、临床数据 | 8项研究 | NA | NA | 分割准确性、观察者间变异性、重度铁过载时的表现 | NA |
| 72 | 2026-05-27 |
VesiclePy: A machine learning vesicle analysis toolbox for volume electron microscopy
2026-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013499
PMID:42133697
|
研究论文 | 开发了VesiclePy，一个用于体电子显微镜数据的囊泡分析工具箱，实现自动化分割、分类、校对和空间分析 | 整合深度学习与人工校对效率，提供大体积电镜数据中单囊泡分辨率的分块处理、精确索引、定位和可视化，支持多TB数据集处理及神经元亚型聚类 | NA | 解决体电子显微镜数据中囊泡分析的大体积数据处理挑战，实现全神经元形态学范围内囊泡的完整重建与定量分析 | 神经元囊泡（包括包装神经递质和神经肽的囊泡）及目标神经元 | 机器学习 | NA | 体电子显微镜（vEM） | 深度学习 | 电子显微镜图像 | 20个完整神经元中的53,851个囊泡，来自Hydra vulgaris的高压冷冻连续电镜数据 | PyTorch | NA | NA | NA |
| 73 | 2026-05-27 |
Bridging the Gap Between Artificial Intelligence and Clinical Readiness in Endometriosis Diagnosis: A Systematic Review
2026-Apr-30, Journal of minimally invasive gynecology
IF:3.5Q1
DOI:10.1016/j.jmig.2026.04.016
PMID:42069053
|
综述 | 系统评估人工智能在子宫内膜异位症诊断中的方法学质量和诊断性能 | 首次系统性评估AI在子宫内膜异位症诊断中的方法学质量，并使用QUADAS-2工具进行严格评价 | 研究主要基于回顾性设计和狭窄的患者选择，存在显著临床异质性和系统脆弱性，如频谱偏倚和选择偏倚 | 评估AI（尤其是机器学习和深度学习）在通过影像学和临床症状诊断子宫内膜异位症中的方法学质量和诊断性能 | 子宫内膜异位症患者，基于MRI、超声或患者报告症状的AI诊断模型 | 机器学习 | 子宫内膜异位症 | NA | 机器学习模型，深度学习模型 | 影像数据（MRI、超声）、文本数据（患者报告症状） | NA | NA | 随机森林、XGBoost | 准确率、AUC | NA |
| 74 | 2026-05-27 |
Imaging Through Scattering Tissue Using Near Infra-Red and a Convolutional Autoencoder
2026-Apr-18, Sensors (Basel, Switzerland)
DOI:10.3390/s26082507
PMID:42076614
|
研究论文 | 提出一种基于近红外照明与深度学习卷积自编码器的低代价、非侵入性皮下成像方法，用于肿瘤边缘检测 | 首次将近红外光与基于U-Net的卷积自编码器结合，实现通过散射介质对隐藏结构的高质量重建，克服了传统成像模态的高成本和术中限制 | 对分布外样本的泛化能力有限，重建结果伴有轻微平滑伪影 | 开发一种安全、快速、成本效益高的皮下可视化技术，用于临床相关肿瘤边缘检测 | 组织模拟鸡胸肉幻影下的隐藏结构图案 | 计算机视觉， 数字病理学 | 肿瘤 | 近红外成像，深度学习 | 卷积自编码器 | 图像 | 约10,000对样本 | PyTorch | U-Net | 峰值信噪比（PSNR），结构相似性指数（SSIM），特征相似性指数（FSIM） | NA |
| 75 | 2026-05-27 |
Sagittal-Plane Knee Flexion Moment Estimation Using a Lightweight Deep Learning Framework Based on Sequential Surface EMG Feature Frames
2026-Apr-18, Sensors (Basel, Switzerland)
DOI:10.3390/s26082500
PMID:42076609
|
研究论文 | 提出一种基于顺序表面EMG特征帧的轻量级深度学习框架，用于矢状面膝关节屈曲力矩估计 | 提出Topo2DCNN-LSTM轻量级二维卷积神经网络模型，将原始sEMG信号转换为紧凑的RMS特征帧，在资源受限设备上实现低延迟推理 | 仅针对健康受试者的有限行走条件进行验证，且为单侧膝关节力矩估计的概念验证 | 开发轻量级深度学习模型，实现非卧床场景下膝关节力矩的实时估算，便于可穿戴边缘部署 | 健康受试者在跑步机上以两种速度行走时的矢状面膝关节屈曲力矩 | 机器学习, 数字健康 | NA | 表面肌电图（sEMG），特征帧提取（RMS） | CNN, LSTM | 时序信号（sEMG和关节动力学数据） | 公开数据集，包含健康受试者在1.2 m/s和1.8 m/s跑步机速度下的数据 | NA | Topo2DCNN-LSTM（轻量级2D CNN编码器 + LSTM单元） | 均方根误差 | SparkFun Thing Plus-SAMD51微控制器，RAM 71,316字节，Flash 257,172字节 |
| 76 | 2026-05-27 |
Interpretable multimodal PET/CT-EHR fusion via mixture-of-experts for prognostic stratification in mantle cell lymphoma: a multicenter study
2026-Apr-16, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04865-1
PMID:41992190
|
研究论文 | 本研究开发了一个可解释的多模态PET/CT-EHR融合深度学习框架，用于套细胞淋巴瘤的个体化风险分层 | 首次将混合专家网络融合PET/CT与电子健康记录数据，结合视觉编码器、影像组学提取器和医学语言模型构建多模态影像组学特征 | NA（需要根据上下文推断，但摘要未明确提及局限性） | 建立可解释的深度学习框架，整合PET/CT和电子健康记录数据进行套细胞淋巴瘤预后分层 | 187例初治套细胞淋巴瘤患者的多中心队列数据 | 机器学习 | 套细胞淋巴瘤 | FDG-PET/CT成像 | 混合专家网络 | 影像数据、文本数据 | 187例套细胞淋巴瘤患者 | PyTorch | 混合专家网络、视觉编码器、医学语言模型 | AUC, HR, C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析 | NA |
| 77 | 2026-04-18 |
CycleGAN-based image-to-image translation for synthetic contrast enhancement in non-contrast cardiac CT: a ViT-CNN hybrid deep learning approach
2026-Apr-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03446-9
PMID:41992180
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 78 | 2026-05-27 |
Non-invasive diagnosis strategy integrating PSMA PET/CT and mpMRI for patients with suspected prostate cancer: a multi-center study
2026-Apr-16, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04859-z
PMID:41992197
|
研究论文 | 开发并外部验证了一种整合PSMA PET/CT和mpMRI的多模态影像组学模型，用于前列腺癌的自动化诊断 | 首次构建了多模态PET/CT与mpMRI联合的机器学习模型，并在多中心数据中验证了其外部泛化能力；比较了专家手动分割和深度学习自动分割的前列腺VOI对诊断性能的影响 | 研究为回顾性设计，可能引入选择偏倚；外部验证队列样本量相对较小 | 开发并外部验证整合PET/CT和mpMRI的自动化前列腺癌诊断模型 | 疑似前列腺癌患者 | 机器学习 | 前列腺癌 | PSMA PET/CT, mpMRI (T2和DWI) | 机器学习分类器 | 影像数据 | 488名疑似前列腺癌患者（366名用于模型开发和内部验证，41名用于外部验证队列1，81名用于外部验证队列2） | NA | LR, SVM, Random Forest, Extra Trees, XGBoost, LightGBM | AUC, 灵敏度, 特异性, 准确率, 阳性预测值, 阴性预测值 | NA |
| 79 | 2026-05-27 |
Incorporating normal periventricular changes for enhanced pathological white matter hyperintensity segmentation: on multiclass deep learning approaches
2026-Apr-16, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-026-01555-0
PMID:41992229
|
研究论文 | 本研究探讨在深度学习模型训练中将正常脑室周围高信号作为独立类别，以增强病理性白质高信号分割性能 | 首次将正常年龄相关的脑室周围高信号作为显式类别纳入多类分割训练，相较于传统二分类方法显著提升病理性病变检测能力 | 数据来自115名神经退行性疾病患者，样本量有限；仅评估了四种架构，未涵盖更多先进模型 | 通过多类深度学习分割方法区分病理性白质高信号与正常年龄相关高信号，降低假阳性率 | 115名神经退行性疾病患者的2750张FLAIR MRI图像 | 计算机视觉 | 神经退行性疾病 | MRI | U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net | 图像 | 115名患者，2750张FLAIR图像 | PyTorch | U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net | Dice系数, Hausdorff距离, Cohen's d | NA |
| 80 | 2026-05-27 |
Multimodal deep learning with missing data robustness for enhanced early diagnosis of coronary artery disease using CCTA, clinical, and ECG data
2026-Apr-13, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03466-5
PMID:41975401
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |