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 44210 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2026-05-06 |
CrystalX: High-Accuracy Crystal Structure Analysis Using Deep Learning
2026-Apr-20, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c21832
PMID:42007550
|
研究论文 | 利用深度学习实现全自动高精度晶体结构分析，命名为CrystalX模型 | 首次将深度学习应用于全原子级别的全自动常规晶体结构分析，能够发现并纠正同行评审出版物中存在的专家解释错误 | NA | 实现晶体材料原子结构的全自动高精度分析 | 晶体材料 | 机器学习 | NA | X射线衍射 | 深度学习模型 | X射线衍射测量数据，超过5万个样本 | 超过5万个来自真实实验的X射线衍射测量数据 | NA | NA | NA | NA |
| 782 | 2026-05-06 |
Three-dimensional visualization of arrhythmogenic substrate in mouse hearts using panoramic optical mapping and micro-computed tomography
2026-Apr-20, Nature cardiovascular research
IF:9.4Q1
DOI:10.1038/s44161-026-00803-9
PMID:42010019
|
研究论文 | 开发了一种整合全景光学映射与微计算机断层扫描的三维可视化工具，用于小鼠心脏致心律失常基质的结构与电活动分析 | 首次将全景光学映射与微计算机断层扫描结合，利用深度学习模型自动分割心脏结构，实现单次三维体积内的结构-电活动融合可视化 | 未明确说明局限性 | 构建一种能同时获取小鼠心脏完整心外膜表面电活动与结构信息的集成技术 | 转基因小鼠心脏模型（自发性房颤、室颤）及手术模型（心肌梗死、左心室肥厚） | 计算机视觉 | 心血管疾病 | 全景光学映射、微计算机断层扫描、深度学习 | 卷积神经网络 | 图像 | 未明确说明样本量 | PyTorch | 卷积神经网络（CNN） | 空间分辨率（亚毫米级）、时间分辨率（1毫秒） | NA |
| 783 | 2026-05-06 |
A Novel Dual-Modal Deep Learning Approach for Real-Time Removal of Hepatic Fluorescence in Indocyanine Green-Guided Laparoscopic Cholecystectomy
2026-Apr-17, Journal of visualized experiments : JoVE
DOI:10.3791/68488
PMID:42081379
|
研究论文 | 开发并评估一种新颖的双模态深度学习框架，用于在吲哚青绿引导腹腔镜胆囊切除术中实时检测和去除肝脏荧光污染 | 首次提出在吲哚青绿引导腹腔镜胆囊切除术中实时去除肝脏荧光的AI解决方案 | 未来需要前瞻性研究评估对手术结果的临床影响 | 开发并评估自动实时去除肝脏荧光污染的双模态深度学习框架 | 吲哚青绿引导腹腔镜胆囊切除术中的手术图像 | 计算机视觉 | 胆囊疾病 | NA | DeepLabV3 | 图像 | 来自48例患者的33123对双模态手术图像 | NA | DeepLabV3 | Dice系数, 召回率 | 每帧处理时间为0.018秒，实现实时性能 |
| 784 | 2026-05-06 |
AI-based autism identification from hyperspectral imaging detection of oxidative stress in pediatric red blood cells
2026-Apr-14, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01581-y
PMID:41974954
|
研究论文 | 本研究评估了高光谱成像结合人工智能检测氧化应激在儿童红细胞膜上的变化，并用于自闭症谱系障碍的自动识别 | 首次将高光谱成像与深度学习算法结合，基于红细胞膜氧化应激特征对自闭症谱系障碍儿童进行非侵入式分类，准确率达93.2% | 未明确提及样本量较小、临床普适性及算法泛化能力等限制 | 开发一种非侵入性、免标记、成本效益高的氧化应激检测方法，并用于自闭症谱系障碍的辅助诊断 | 儿童红细胞样本，包括31名神经典型发育儿童和27名自闭症谱系障碍儿童 | 计算机视觉 | 自闭症谱系障碍 | 高光谱成像、气相色谱 | 深度学习算法 | 高光谱图像 | 31名神经典型发育儿童和27名自闭症谱系障碍儿童的红细胞样本 | NA | NA | 准确率 | NA |
| 785 | 2026-05-06 |
Is Deep Learning Ready for Abdominal Organ-at-Risk Segmentation in the Foundation Model Era: A Comprehensive Study of Challenging Clinical Cases
2026-Apr-08, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.03.040
PMID:41962748
|
研究论文 | 评估深度学习和基础模型在腹部器官风险分割中的表现，并提出器官擦除增强策略以提高模型鲁棒性 | 首次系统评估基础模型和全监督学习在复杂临床场景（如器官切除术后）中的分割性能，并提出器官擦除增强策略以解决幻觉和分布偏移问题 | 基础模型和全监督方法在解剖结构异常或显著分布偏移的临床案例中仍显不足 | 评估深度学习方法在腹部器官风险分割中的临床适用性，并提出改进鲁棒性的解决方案 | 来自2个机构的413例患者的CT扫描，分为3个队列（无手术、部分器官切除、全器官切除）及3个公共数据集 | 计算机视觉 | 腹部癌症相关放射治疗 | CT扫描 | 全监督学习模型、基础模型 | 图像（CT扫描） | 413例患者（内部测试67例，外部测试2共22例，外部测试3共74例） | NA | 全监督学习模型（7种）、基础模型（6种） | Dice相似系数、归一化表面Dice、幻觉率 | NA |
| 786 | 2026-05-06 |
Artificial Intelligence in Population-Level Gastroenterology and Hepatology: A Comprehensive Review of Public Health Applications and Quantitative Impact
2026-Apr, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-025-09452-7
PMID:41136718
|
综述 | 综述人工智能在胃肠病学和肝病学人群层面的公共卫生应用及其定量影响 | 综合评估AI从被动治疗转向主动预防的策略转变，涵盖结直肠癌、代谢相关脂肪性肝病、病毒性肝炎、上消化道癌症和炎症性肠病等多个领域，并强调废水分析等创新应用 | 高收入国家与中低收入国家之间AI发展和获取的不平等可能加剧现有健康差距，以及数据多样性不足、算法偏见、隐私保护和监管框架等挑战 | 探讨AI在胃肠病学和肝病学公共卫生中的人群水平应用和影响 | 结直肠癌高风险人群、代谢相关脂肪性肝病（MASLD）患者、病毒性肝炎患者、上消化道癌症（如胃癌）患者、炎症性肠病（IBD）患者 | 机器学习 | 胃肠病和肝病 | NA | NA | NA | NA | NA | NA | 检出率、准确性、可靠性、诊断能力 | NA |
| 787 | 2026-05-06 |
Multimodal AI System for Plastic Surgery Diagnosis and Decision-Making Using Deep Learning of Psychological Questionnaires and Three-Dimensional Facial Data
2026-04, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-05600-6
PMID:41663766
|
研究论文 | 设计并开发一种基于深度学习的多模态AI系统，利用心理问卷和三维面部数据为整形外科提供个性化诊断与决策支持 | 首次将患者心理状态、经济状况等非生理因素与三维面部数据结合，构建多模态AI整形推荐系统，实现个性化治疗建议并提高患者满意度 | NA | 开发基于AI的整形外科个性化推荐系统，通过整合心理问卷和三维面部数据提升治疗建议准确性和患者满意度 | 18-55岁整形外科门诊患者的心理问卷结果和三维面部照片数据 | 机器学习 | 整形外科相关疾病 | NA | 深度学习模型 | 三维照片和心理问卷数据 | 5543例整形外科门诊患者，年龄18-55岁 | NA | NA | 准确率，患者满意度（93.25%） | NA |
| 788 | 2026-05-06 |
Deep learning for histopathological diagnosis of esophageal squamous cell carcinoma in biopsies: A multicenter analysis
2026-04, 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 | 基于深度学习开发一种AI诊断系统（AI-EDS），用于食管鳞状细胞癌活检标本的组织病理学诊断，并在多中心进行验证 | 首次在大规模多中心数据上验证AI系统在食管鳞状细胞癌活检病理诊断中的性能，且系统可匹配初级病理医生准确率并缩短诊断时间 | 未提及具体限制，但可能包括样本量有限、不同医院数据分布差异、模型对罕见亚型的敏感性未知等 | 开发并验证一种基于深度学习的AI诊断系统用于食管鳞状细胞癌活检病理诊断，以解决内镜活检标本诊断的挑战，尤其在资源有限地区 | 食管鳞状细胞癌患者的内镜活检标本、手术切除标本及内镜黏膜下剥离标本 | 数字病理学 | 食管鳞状细胞癌 | H&E染色全切片成像 | 卷积神经网络(DeepLab-v3) | 全切片图像(WSI) | 训练集515张WSI（含226例恶性），验证集50张WSI（22例恶性），内部测试集539张WSI（149例恶性），外部验证945张WSI（351例恶性），额外手术标本173张WSI（131例恶性） | NA | DeepLab-v3, ResNet-50 | AUC, 准确率, 灵敏度, 特异度 | NA |
| 789 | 2026-05-06 |
Dynamic Eyelid Evaluation Using a Deep Neural Network in Upper Blepharoplasty: A Prospective Multicenter Pilot Study
2026-04, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-026-05632-6
PMID:41642312
|
研究论文 | 利用深度神经网络对上眼睑成形术后的动态眼睑进行评估的前瞻性多中心试验研究 | 首次应用深度神经网络（如UNet和PointRend）自动分析眼睑形态参数，实现术后客观评估并辅助手术规划 | NA | 评估深度学习技术在眼睑成形术后动态评估中的精确性和可重复性 | 51名寻求修复性眼睑成形术患者的102只眼和50名先天双眼皮志愿者的100只眼 | 计算机视觉 | NA | NA | 深度神经网络 | 图像 | 102只眼（患者）和100只眼（志愿者） | NA | UNet, PointRend | 组内相关系数, FACE-Q评分 | NA |
| 790 | 2026-05-06 |
Predictive modeling of gene expression and localization of DNA binding site using deep convolutional neural networks
2026-Apr, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014092
PMID:41920894
|
研究论文 | 开发深度卷积神经网络DARSI，利用大规模平行报告分析数据预测基因表达水平并定位转录因子结合位点 | 首次利用卷积神经网络从原始调控DNA序列直接预测基因表达，并以单碱基对分辨率系统识别转录因子结合位点，克服了传统方法假设各碱基对独立贡献的局限 | NA | 开发可分析大规模平行报告分析数据的新方法，实现从DNA序列预测基因表达并定位转录因子结合位点 | 调控DNA序列及其驱动的基因表达 | 机器学习 | NA | 大规模平行报告分析 | 卷积神经网络 | DNA序列数据 | NA | NA | 卷积神经网络 | 准确性 | NA |
| 791 | 2026-05-06 |
Stochastic intracellular calcium dynamics show preserved structures identified by deep learning classification
2026-Apr, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014240
PMID:42054479
|
研究论文 | 利用深度学习分类方法识别随机胞内钙动力学中保留的结构特征 | 通过大核卷积神经网络（LKCNN）在真实噪声水平下实现高精度动态状态分类，证明确定性组织特征在随机生物系统中仍可检测 | 未明确提及模型对更高噪声水平或更复杂生物系统的适用性 | 探索在固有随机性下，参数依赖性组织原则是否仍具有生物学意义并可计算检测 | 胰腺β细胞及WT-HEK293、STIM-KO、ORAI TKO等细胞的钙动力学数据 | 机器学习 | NA | 化学朗之万方程生成合成数据 | 大核卷积神经网络（LKCNN） | 钙离子浓度时间序列数据 | 合成训练数据及多种细胞类型的实验数据，具体样本量未明确 | NA | LKCNN | 准确率 | NA |
| 792 | 2026-03-28 |
Impact of scanning parameters on deep learning coronary artery calcium scoring in non‑gated chest CT
2026-Mar-26, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02306-2
PMID:41888686
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 793 | 2026-05-06 |
ProMol_Func: A Structure-Free Deep Learning Model for Virtual Screening
2026-Mar-23, JACS Au
IF:8.5Q1
DOI:10.1021/jacsau.6c00173
PMID:41889774
|
研究论文 | 提出一种免蛋白质结构的深度学习模型ProMol_Func，用于虚拟筛选，通过集成小分子图编码和基于氨基酸序列的蛋白质功能嵌入，提升筛选效率和泛化能力 | 无需蛋白质结构，仅依赖氨基酸序列生成功能嵌入，并结合实验验证的非活性和随机诱饵增强训练数据，在LIT-PCBA基准上取得领先性能，并在零样本前向应用中成功识别新型靶点DnaK的抑制剂 | 未明确说明局限性，但可能依赖高质量的负结合数据增强，且零样本性能需进一步跨靶点验证 | 开发一种高效、可扩展的免蛋白质结构虚拟筛选方法，克服传统结构依赖方法的计算瓶颈和高假阳性率 | 小分子化合物与蛋白质靶标（包括LIT-PCBA基准和新型靶点DnaK） | 机器学习 | NA | NA | 深度学习框架（图神经网络与蛋白质功能嵌入） | 序列数据（氨基酸序列）和小分子图数据 | LIT-PCBA基准数据集及DnaK零样本应用中的活性与诱饵化合物 | PyTorch | 图神经网络与蛋白质功能嵌入网络 | 富集因子（EF1%） | NA |
| 794 | 2026-05-06 |
A CNN-transformer dual-branch network with structure-aware loss for high-resolution edge detection
2026-Mar-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44362-2
PMID:41857141
|
研究论文 | 提出一种基于CNN-Transformer双分支网络和结构感知损失函数的高分辨率边缘检测方法 | 创新性地提出边缘结构感知损失函数，通过梯度约束、连续性约束和方向一致性约束监督边缘的几何属性，并引入三阶段动态损失调度策略实现从像素级到结构级的渐进式优化 | 未明确说明局限性，但现有方法常面临计算复杂度高和真实边缘标注困难的问题 | 解决现有深度学习方法依赖像素级损失函数导致的边缘预测碎片化、模糊和结构不连贯问题 | 高分辨率图像中的边缘检测任务 | 计算机视觉 | NA | NA | CNN-Transformer双分支网络 | 图像 | BSDS500（500张图像）、Multicue（100张图像）、NYUDv2（1449张图像） | PyTorch | CNN-Transformer双分支网络 | ODS、OIS | NA |
| 795 | 2026-05-06 |
Comparison of Patient Reviews for Submental Liposuction and Kybella Using Deep Learning and Natural Language Processing: Is There a Superior Intervention for Submental Adiposity?
2026-03-17, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf129
PMID:40577594
|
研究论文 | 利用深度学习和自然语言处理比较患者对颏下吸脂术和Kybella的评论，探讨两种干预措施对颏下脂肪堆积的优劣 | 首次应用优化的BERT深度学习自然语言处理模型分析患者报告的情感体验，比较Kybella与颏下吸脂术在RealSelf平台上的评价 | 数据来源仅限于RealSelf平台，样本量相对较小（1338篇），可能无法代表所有患者群体，且未排除潜在的混杂因素如医生差异或术后护理 | 通过自然语言处理模型分析患者情感和情绪，比较Kybella和颏下吸脂术在真实世界中的患者报告结果 | RealSelf平台上2014至2024年间关于Kybella和颏下吸脂术的英文患者评论 | 自然语言处理 | 颏下脂肪堆积 | NA | BERT（双向编码器表示转换器） | 文本 | 1338条患者评论（753条颏下吸脂术，585条Kybella） | PyTorch | BERT（优化的双向编码器表示转换器） | 情感评分（0-1）、情感分类（积极/消极）、情感类别（恐惧、悲伤、愤怒、厌恶、中性、惊讶、喜悦）频率 | NA |
| 796 | 2026-05-06 |
A multi-focus oral panoramic x-ray image dataset based on pixel-level annotations
2026-Mar-17, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07021-9
PMID:41844654
|
研究论文 | 构建了一个大规模口腔全景X射线图像数据集，包含8655张图像和30186个像素级注释，用于牙科人工智能研究 | 提供了首个大规模、像素级标注的口腔全景X射线数据集，支持牙齿分割、病变检测和计算机辅助诊断等多种任务 | 未提及具体局限性 | 开发用于牙科人工智能研究的大规模全景X射线图像数据集 | 口腔全景X射线图像中的牙齿和病变区域 | 数字病理学 | 口腔疾病 | 全景X射线成像 | 深度学习模型 | 图像 | 8655张图像，30186个像素级注释 | NA | NA | 泛化能力 | NA |
| 797 | 2026-05-06 |
High-fidelity single-frame computational super-resolution using signal-preserving denoising-enabled deconvolution
2026-Mar-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70791-8
PMID:41844624
|
研究论文 | 提出一种名为3Snet-CLID的计算超分辨率方法，结合混合监督/自监督深度学习网络进行信号保持去噪与直接Richardson-Lucy解卷积，实现从单帧宽场或转盘共聚焦图像中获取纳米级成像 | 集成信号保持去噪与解卷积的混合监督/自监督深度学习框架，通过逐像素去噪策略抑制噪声并保持信号分布，减少伪影并增强鲁棒性 | NA | 克服计算超分辨率的瓶颈，提供高保真纳米级活细胞成像的易用平台 | 常规显微镜下的固定和活细胞中的线粒体外膜、内质网和核孔等结构 | 计算机视觉 | NA | 计算超分辨率 | 深度学习网络 | 图像 | NA | NA | 3Snet-CLID | 分辨率提升倍数 | NA |
| 798 | 2026-05-06 |
Characterization of Kidney and Liver Cystic Phenotype Associated with <italic>GANAB</italic> Using Advanced Imaging Biomarkers
2026-Mar-03, Nephron
IF:2.3Q2
DOI:10.1159/000551274
PMID:41774594
|
研究论文 | 使用深度学习分割技术定量分析GANAB基因变异患者肾脏和肝脏囊肿的影像表型 | 首次利用深度学习囊肿分割技术对GANAB相关囊性肾肝病的影像生物标志物进行定量分析，揭示了肝脏为主和肾脏受累程度不同的表型谱 | 样本量较小（16例），缺乏标准化影像和系统性肾外筛查，需更大规模队列验证基因型-表型关系 | 表征GANAB基因单等位致病变异导致的常染色体显性囊性肾肝病影像表型特征 | 携带GANAB基因变异的16名患者，回顾性分析腹部影像数据 | 计算机视觉 | 囊性肾肝病 | 深度学习影像分析 | 深度学习分割模型（具体架构未明确） | 腹部影像（CT/MRI） | 16名患者 | 未明确 | 未明确 | 肾脏体积、肝脏体积、囊肿数量、囊肿体积、身高校正总肾脏体积（htTKV）、身高校正总肝脏体积、总囊肿数（TCN）、身高校正总囊肿体积 | 未明确 |
| 799 | 2026-05-06 |
Brain Health from Sleep EEG: A Multicohort, Deep Learning Biomarker for Cognition, Disease, and Mortality
2026-Mar, NEJM AI
DOI:10.1056/aioa2500487
PMID:41953210
|
研究论文 | 利用多任务深度学习框架从睡眠脑电图中提取脑健康生物标志物，关联认知、疾病和死亡率 | 首次提出端到端深度学习模型从睡眠脑电图数据中学习脑健康潜在表征，并将其蒸馏为单一得分，无需专家定义特征 | 未明确提及模型在临床实际应用中的可解释性、泛化性以及潜在伦理问题 | 开发基于睡眠脑电图的客观脑健康综合生物标志物 | 多队列睡眠脑电图数据中的人类脑健康状态 | 机器学习 | 神经系统疾病（认知障碍、死亡风险相关疾病） | 多导睡眠图（PSG） | 多任务深度神经网络 | 一维脑电图时间序列和二维时频谱图 | 来自六个队列的27000名受试者的36000份多导睡眠图记录 | NA | 多任务深度神经网络 | 相关性系数（r）、受试者工作特征曲线下面积（AUC）、风险比（HR） | NA |
| 800 | 2026-05-02 |
Deep Learning Technology in Genomics, Radiotherapy, and Ophthalmology for Precision Medicine
2026-Mar-01, Journal of physiological investigation
DOI:10.4103/ejpi.EJPI-D-25-00069
PMID:41979282
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |