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 49123 篇文献，本页显示第 8581 - 8600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8581 | 2026-05-30 |
Impact of Trait Measurement Error on Quantitative Genetic Analysis of Computer Vision-Derived Traits
2026-Apr-24, Genes
IF:2.8Q2
DOI:10.3390/genes17050506
PMID:42194963
|
研究论文 | 探讨计算机视觉衍生性状测量误差对猪体重定量遗传分析的影响 | 首次系统评估图像衍生表型中测量误差的遗传性及其对遗传分析结果的潜在偏差 | 未提及具体局限性 | 研究动物表型测量误差对定量遗传分析结果的影响 | 猪的体重（BW） | 计算机视觉 | NA | 计算机视觉算法 | 深度学习回归模型 | 图像 | 未明确提及样本数量 | NA | NA | 决定系数、拟合优度 | NA |
| 8582 | 2026-05-30 |
Deep Learning-Guided Engineering of Bst DNA Polymerase Improves LAMP-Based Detection of Foodborne Pathogens
2026-Apr-23, Microorganisms
IF:4.1Q2
DOI:10.3390/microorganisms14050954
PMID:42197341
|
研究论文 | 本研究结合深度学习与半理性设计策略，改造Bst DNA聚合酶，提升基于LAMP的食源性病原体检测性能 | 首次将深度学习引导的蛋白质工程与融合蛋白技术结合，开发出热稳定性增强、抑制剂耐受性提高的CL7-L105M突变体，显著提升LAMP检测的灵敏度和便携性 | 未提及在复杂真实食品基质中的验证，且仅针对单一病原体（大肠杆菌O157:H7）进行检测 | 开发高性能DNA聚合酶，用于快速、灵敏、现场部署的LAMP食源性病原体检测 | Bst DNA聚合酶及其突变体（A0A150MFP3、L105M、CL7-突变体） | 机器学习, 数字病理学（注：实际为生物技术，但根据选项选择"机器学习"） | 食源性疾病（如大肠杆菌O157:H7感染） | LAMP（环介导等温扩增），高通量筛选，融合蛋白工程 | 深度学习模型（未具体说明架构，如CNN） | 序列数据（蛋白质序列），实验数据（酶活性、热稳定性等） | 未明确样本数量，仅涉及大肠杆菌O157:H7的纯化和粗提DNA检测 | 未明确提及，可能包括深度学习框架（如TensorFlow或PyTorch） | 未明确指定深度学习模型架构 | 酶活性增加率（32.92%），Tt值，检测限（1×10^4 CFU/mL） | 未提及 |
| 8583 | 2026-05-30 |
A Transformer-Residual Network-Integrated Deep Learning Model for Digital Pathology-Based Grading and Risk Stratification of Metabolic Dysfunction-Associated Steatotic Liver Disease-Related Liver Fibrosis
2026-Apr-20, Clinical and translational gastroenterology
IF:3.0Q2
DOI:10.14309/ctg.0000000000001017
PMID:42007561
|
研究论文 | 开发并验证了一种结合Transformer和残差网络的深度学习模型，用于基于数字病理图像的MASLD相关肝纤维化分级和风险分层 | 首次将Transformer与残差网络架构集成应用于MASLD肝纤维化的数字病理分级，并通过可解释性分析支持病理辅助决策 | 需要整合临床风险因素并在纵向结局框架中进行验证 | 开发用于MASLD相关肝纤维化自动分级和病理表型识别的深度学习模型 | 人类肝活检组织的马森染色数字病理图像 | 数字病理学 | 代谢功能障碍相关脂肪性肝病 | 数字病理成像 | Transformer-残差网络集成模型 | 图像 | 467例肝活检标本（来自Duke 338例、MHH 72例、BI-int 57例） | PyTorch | Transformer, ResNet, 1×1步进卷积, 多头自注意力 | 准确率, 混淆矩阵, 连续AI评分, 梯度加权类激活映射 | NA |
| 8584 | 2026-05-30 |
Artificial intelligence in microbiology: implications for metagenomics, diagnostics, and AMR surveillance
2026-Apr-11, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-026-01568-9
PMID:41965741
|
综述 | 综述人工智能在微生物学中的应用，特别是对宏基因组学、诊断和抗菌素耐药性监测的影响 | 重点讨论了深度学习、基于Transformer的序列模型、图神经网络和多模态架构在微生物分类、耐药基因检测和耐药性预测中的最新进展，并强调了可解释AI技术的应用 | 存在数据集变异、模型对数据集的依赖性、可解释性不足和监管审批问题 | 综述AI辅助微生物学的最新进展，重点关注抗菌素耐药性监测 | 微生物基因组、宏基因组、临床数据及抗菌素耐药性相关基因和表型 | 机器学习, 自然语言处理 | 感染性疾病 | 宏基因组测序 | 深度学习, Transformer, 图神经网络, 多模态架构 | 基因组数据, 宏基因组数据, 临床数据 | NA | NA | NA | NA | NA |
| 8585 | 2026-05-30 |
Utilizing deep learning algorithms and artificial neural networks to forecast the viscosity, thermal conductivity, and electrical conductivity of Fe3O4/TiO2 magnetic hybrid nanofluid
2026-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45886-3
PMID:41942598
|
研究论文 | 利用机器学习算法预测Fe₃O₄/TiO₂磁性混合纳米流体的粘度、热导率和电导率 | 首次将多元多项式回归模型与多目标灰狼优化器结合，用于同时预测和优化纳米流体的多种热物理性质 | NA | 预测并优化Fe₃O₄/TiO₂磁性混合纳米流体的热物理性质 | Fe₃O₄/TiO₂磁性混合纳米流体 | 机器学习 | NA | NA | 多元多项式回归、高斯过程回归、多元线性回归、支持向量回归、多层感知器 | 实验数据 | 温度范围10-50°C，体积分数0-0.3% | Scikit-learn | MPR, GPR, MLR, SVR, MLP | 相关系数、均方根误差 | NA |
| 8586 | 2026-05-30 |
Malignant vs. Non-malignant Annotations on TCGA Breast Cancer Whole Slide Images for AI Analysis
2026-Apr-02, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07106-5
PMID:41922381
|
研究论文 | 在TCGA乳腺癌全切片图像上生成恶性和非恶性注释，用于AI分析 | 利用专家病理学家手动注释及独立复核，生成高质量注释；结合对比-监督混合机器学习流水线进行质量验证，F1分数达0.90 | NA | 为乳腺癌组织病理学的AI模型提供高质量注释数据集 | 乳腺癌全切片图像中的恶性和非恶性区域 | 数字病理学 | 乳腺癌 | 全切片成像 | 对比-监督混合机器学习模型 | 图像 | 50张TCGA乳腺癌全切片图像，包含1,882个恶性注释和374个非恶性注释 | NA | NA | F1分数 | NA |
| 8587 | 2026-05-30 |
An end-to-end generalizable deep learning framework to comprehensively analyze transcriptional regulation
2026-04-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70070-6
PMID:41922356
|
研究论文 | 介绍BioSeq2Seq，一个端到端的可泛化深度学习框架，通过整合进化保守的DNA序列特征、细胞系特异性转录活性和方向性，推断用于基因组注释的分子检测结果 | 提出三模态输入（DNA序列、转录活性、方向性）结合梯度引导架构优化的深度学习框架，实现跨任务的通用基因组注释，显著降低实验成本 | 未提及在跨物种或复杂疾病场景下的泛化性能，且依赖单细胞系输入数据可能限制对组织特异性调控的全面解析 | 开发一种高效低成本的基因组注释方法，替代传统多分子实验重复工作 | 基因转录调控机制及基因组功能元件注释 | 机器学习, 自然语言处理 | NA | 深度测序 | 深度学习模型 | DNA序列、转录活性数据 | NA | PyTorch | BioSeq2Seq | 准确率, 改善率 | NA |
| 8588 | 2026-05-30 |
GCNPath: introspecting drug response prediction with pathway-guided graph convolution networks
2026-Apr-01, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-09957-5
PMID:41922495
|
研究论文 | 提出一种结合图卷积网络与路径特征降维的模型GCNPath，用于药物反应预测 | 首次系统性基准测试验证模型架构与性能的关系，并展示对未见药物和批次效应的鲁棒性 | 未说明具体限制 | 开发能适应多样化组学数据集、具实际可用性的药物反应预测模型 | 癌症细胞系的多组学数据及药物反应 | 机器学习 | 癌症 | 基因表达谱、多细胞组学平台 | 图卷积网络 (GCN) | 组学数据（RNA数据等） | 未说明具体样本量 | PyTorch | GCN | 预测未见药物性能、批次效应克服能力 | NA |
| 8589 | 2026-05-30 |
Prognostic value of end-to-end deep learning assessment of myocardial scar and microvascular obstruction on late gadolinium enhancement cardiovascular magnetic resonance
2026-Mar-12, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102712
PMID:41831720
|
研究论文 | 开发和验证一种用于心肌瘢痕和微血管梗阻自动分割的端到端深度学习管道LGE-CMRnet，并评估其在急性心肌梗死患者中的预后价值 | 提出LGE-CMRnet，整合YOLOv8和nnU-Net进行全自动心肌瘢痕和微血管梗阻分割，并在预后价值上达到与专家分析相当的水平 | 样本量有限（567名患者），且为单中心研究，可能需要更多外部验证 | 评估LGE-CMRnet在急性心肌梗死患者中自动分割心肌瘢痕和微血管梗阻的预后价值 | 急性心肌梗死患者 | 数字病理学 | 心血管疾病 | 心脏磁共振（LGE CMR） | YOLOv8和nnU-Net | 图像 | 567名AMI患者（409名用于训练/内部压力测试；158名用于外部测试），共3874张LGE图像 | PyTorch | YOLOv8, nnU-Net | Dice相似系数（DSC）、相关系数、Bland-Altman分析、Cox回归、C指数 | 未明确提及但对推理而言快速处理（每张图像0.05秒） |
| 8590 | 2026-05-30 |
Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability
2026-03, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.09.016
PMID:40998241
|
研究论文 | 验证深度学习基础模型在自动头部CT重建中的表现，并量化手动重建的质量和变异 | 首次使用单一深度学习基础模型实现自动头部CT重建，并利用该模型作为参考标准在大规模真实世界数据集中评估手动重建的质量和速度 | 未提及具体限制 | 验证深度学习模型自动头部CT重建的图像质量和操作者变异 | 1,763例连续非增强头部CT检查中的自动和手动重建结果 | 机器学学习 | 无特定疾病 | 非增强头部CT | 深度学习基础模型 | 图像 | 1,763例非增强头部CT检查，其中100例用于模型验证 | NA | NA | 地标定位误差、旋转误差、中心误差、缩放误差 | NA |
| 8591 | 2026-05-30 |
Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction
2026-03, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.11.024
PMID:41265766
|
研究论文 | 评估利用大语言模型从放射学报告中自动提取真实标签，用于验证AI模型在光子计数CT图像上的性能 | 首次将大语言模型应用于自动提取放射学报告中的真实标签，实现对新型成像硬件上AI工具的可扩展性能评估与监控 | 大语言模型标签与人工标注间存在一定差异，需部分人工校正；仅评估了四种诊断任务的AI工具 | 验证使用大语言模型自动化真实标签提取的可行性，并评估AI模型在新安装光子计数CT扫描仪上的表现 | 四种FDA批准的基于深度学习的计算机辅助检测与分诊工具（针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折） | 自然语言处理、计算机视觉 | 肺栓塞、颅内出血、颈椎骨折、椎体压缩性骨折 | 光子计数CT成像 | 大语言模型 (Llama 3.3) 和深度学习计算机辅助检测模型 | 文本（放射学报告） | 来自PCCT和传统CT扫描仪的多例放射学报告，具体数量未说明 | PyTorch | Llama 3.3 | Fleiss κ系数 | NA |
| 8592 | 2026-05-30 |
Automated Lymph Node and Extranodal Extension Assessment Improves Risk Stratification in Oropharyngeal Carcinoma
2026-02-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-02679
PMID:41435207
|
研究论文 | 应用自动化人工智能影像平台整合淋巴结自动分割与结外侵犯预测，评估对咽癌患者风险分层的预后价值 | 首次将AI预测的结外侵犯淋巴结数量作为独立预后因子，并整合到现有风险分组系统中以改善分层效果 | NA | 评估自动AI预测的结外侵犯淋巴结数量对咽癌患者风险分层的预后价值 | 1,733名接受根治性放疗的咽癌患者的治疗前CT影像数据 | 计算机视觉 | 咽癌 | CT成像 | 深度学习 | 影像 | 1,733名咽癌患者 | NA | 深度学习自动分割模型，结外侵犯预测模型 | C指数，决策曲线分析，风险比 | NA |
| 8593 | 2026-05-30 |
An AI-based intelligent diagnosis system for adolescent mental health based on multitask deep learning
2026, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2026.1752423
PMID:41816530
|
研究论文 | 基于多任务深度学习的青少年心理健康智能诊断系统，利用中国青少年的自发文本表达非侵入性预测共病抑郁和焦虑严重程度 | 采用中文优化BERT编码器与多任务学习架构联合预测共病抑郁和焦虑，通过双重特征融合和变分自编码器数据增强解决类别不平衡问题 | 未来需进行纵向验证、多模态整合及道德部署策略研究 | 开发一种文化敏感、可扩展的青少年心理健康筛查工具，替代传统自评量表 | 中国青少年自发文本表达与抑郁焦虑症状的关系 | 自然语言处理 | 青少年抑郁和焦虑 | 自然语言处理，变分自编码器数据增强 | 多任务深度学习 | 文本 | 约1275名青少年的文本回答，扩展测试集308个样本 | PyTorch，Jieba | 中文优化BERT编码器，自注意力机制，双重特征融合（池化[CLS]令牌和全局池化），多任务头 | 皮尔逊相关系数，AUC，F1分数，均方误差 | NA |
| 8594 | 2026-05-30 |
Development and evaluation of AI model with deep learning for segmentation of extraocular muscles in thyroid eye disease
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349074
PMID:42189850
|
研究论文 | 开发并评估用于甲状腺眼病眼外肌分割的深度学习AI模型 | 首次开发用于甲状腺眼病眼外肌自动分割的AI模型，并分析了不同数据集大小对分割精度的影响 | 单中心回顾性研究，样本量较小，且仅使用MRI影像数据 | 开发并评估基于深度学习的AI模型用于甲状腺眼病患者眼外肌的自动分割 | 甲状腺眼病（TED）患者 | 计算机视觉, 数字病理 | 甲状腺眼病 | MRI | 深度学习模型 | 图像 | 52例甲状腺眼病患者 | NA | NA | Dice相似系数, 信号强度比 | NA |
| 8595 | 2026-05-30 |
Enhancing products performance evaluation through hybrid DistilRoBERTa and BiGRU models
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0348316
PMID:42189920
|
研究论文 | 通过结合DistilRoBERTa和双向门控循环单元的混合深度学习模型，对产品评论进行情感分析，提升产品性能评估 | 集成评价理论与混合深度学习方法，通过可解释人工智能的Shapley加法解释方法进行交叉验证，实现了对产品复杂性和可用性的综合评估 | 未提及 | 探索客户评论中产品复杂性的情感分析，提升产品性能评估的准确性和可解释性 | 亚马逊产品评论 | 自然语言处理 | NA | NA | 混合模型（DistilRoBERTa和双向门控循环单元） | 文本 | NA | PyTorch | DistilRoBERTa, 双向门控循环单元 | 准确率 | NA |
| 8596 | 2026-05-30 |
Foundation model based prediction of lung cancer survival using temporal changes in dual time point CT scans
2025-Dec-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26365-7
PMID:41339367
|
研究论文 | 利用基础模型提取双时间点CT扫描中的时间变化特征，预测肺癌患者生存期 | 首次将基础模型应用于双时间点CT扫描，通过时间变化特征（欧氏距离、逐元素相减特征向量）提升非小细胞肺癌生存预测效果 | 样本量较小（仅102例），且为单中心回顾性研究，需进一步外部验证 | 验证双时间点CT扫描结合基础模型提取的时间变化特征在肺癌生存预测中的价值 | 接受放射治疗的NSCLC患者 | 医学影像分析 | 非小细胞肺癌 | 基础模型特征提取 | 随机森林、梯度提升生存模型 | CT影像 | 102例NSCLC患者，每例包含治疗前和治疗后CT扫描 | NA | 基础模型（未具体说明架构）、随机森林、梯度提升 | 生存预测性能（具体指标文中未明确给出） | NA |
| 8597 | 2026-05-30 |
Mino-Bimaadiziwin and the Pursuit of Harmony
2025-11, Personality and social psychology review : an official journal of the Society for Personality and Social Psychology, Inc
IF:7.7Q1
DOI:10.1177/10888683251345043
PMID:41017246
|
研究论文 | 从北美原住民Anishinaabeg视角探讨“美好生活”概念Mino-Bimaadiziwin及其七大美德教导，强调和谐而非幸福 | 提出心理学家应深度理解北美原住民关于幸福的本土世界观，避免文化挪用或殖民化，并通过故事工作呈现与西方观点不同的和谐导向理论 | NA | 引入Mino-Bimaadiziwin概念和七大祖父教导，拓展心理学对幸福的跨文化理解 | Anishinaabeg原住民（包括奥吉布韦、波塔瓦托米等第一民族）的幸福观和七大美德价值观 | 自然语言处理 | NA | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 8598 | 2026-05-30 |
Artificial Intelligence-Augmented Imaging for Early Pancreatic Cancer Detection
2025-Oct, Visceral medicine
IF:1.8Q2
DOI:10.1159/000546603
PMID:40567392
|
综述 | 通过人工智能增强影像技术实现早期胰腺癌检测 | 利用放射组学和深度学习模型提取人眼不可见的胰腺癌细微影像特征，可在临床诊断前数月甚至数年于CT扫描中识别出胰腺癌的预诊征象 | 数据集异质性、模型可解释性不足以及缺乏真实临床环境的前瞻性验证 | 探讨人工智能在早期胰腺导管腺癌（PDA）CT检测中的应用，以实现更早干预并减少诊断不确定性 | 胰腺癌早期检测的CT影像及人工智能模型 | 计算机视觉 | 胰腺癌 | CT、放射组学 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 8599 | 2026-05-30 |
Metaproteomics Beyond Databases: Addressing the Challenges and Potentials of De Novo Sequencing
2025-09, Proteomics
IF:3.4Q2
DOI:10.1002/pmic.202400321
PMID:39888246
|
观点文章 | 探讨从头测序在宏蛋白质组学中的应用，包括其从手动注释到基于图、标签和深度学习方法的演变，以及其在检测未测序物种和提供微生物群落功能洞察方面的潜力 | 系统性地回顾了从头测序方法从手动注释到基于图、标签和深度学习方法的演变，并重点讨论了其在宏蛋白质组学中检测未测序物种的潜力 | 主要依赖观点阐述，缺乏实验验证；未提供具体性能指标或与数据库搜索的定量比较 | 探讨从头测序在宏蛋白质组学中的演变、优势、局限性和未来机遇 | 宏蛋白质组学中的微生物群落蛋白质 | 机器学习 | NA | 质谱法 | 深度学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 8600 | 2026-05-30 |
TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment
2025-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.5.051805
PMID:40444137
|
研究论文 | 提出一种任务聚焦知识迁移方法，用于CT图像感知质量评估 | 首次将自然图像中的任务相似知识迁移至CT图像质量评估，采用混合卷积神经网络-变压器模型，无需参考图像且减少对大规模标注数据集的依赖 | 未具体说明局限性，但可能涉及对CT图像领域特定失真的泛化能力有限或需要进一步临床验证 | 开发一种无参考、自动化的CT图像质量评估方法，以密切反映放射科医生的评估并减少对标注数据集的依赖 | 低剂量CT图像质量和儿科CT检查图像 | 计算机视觉 | NA | CT | 混合卷积神经网络-变压器模型 | 图像 | 涉及低剂量CT感知图像质量评估数据集和儿科CT检查数据集，但未明确具体样本数量 | PyTorch | CNN-Transformer混合架构 | NA | NA |