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 49768 篇文献，本页显示第 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2026-09-25 |
BEACON: predicting side effects and therapeutics outcomes to drugs by Bridging knowlEdge grAph with CONtextual language model
2026-Jan-30, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.29.702277
PMID:41659468
|
研究论文 | BEACON 通过将知识图谱转换为上下文句子表示，结合语言模型预测药物副作用和治疗效果 | 提出 BEACON 框架，将知识图谱转换为可由语言模型处理的上下文句子树，并引入可见性矩阵确保注意力模式遵循图拓扑，同时使用基于扰动的评估模块识别预测驱动因素 | 未明确提及 | 解决现有深度学习方法在生物医学知识图谱中固定实体表示、缺乏可解释性以及难以泛化到新药的问题 | 生物医学知识图谱中的药物、蛋白质、通路和疾病 | 机器学习 | 癌症 | 知识图谱、自然语言处理 | 语言模型 | 图数据、文本 | NA | NA | Transformer | AUROC, Spearman ρ, 优势比, P值 | NA |
| 862 | 2026-09-25 |
The role of AI in pre-analytical phase - use cases
2026-01-27, Clinical chemistry and laboratory medicine
IF:3.8Q1
DOI:10.1515/cclm-2025-1220
PMID:41091119
|
综述 | 本文综述了人工智能在实验室检验前阶段的应用，涵盖 clot detection、WBIT 检测、样本稀释管理、尿液化学操作检测、血清质量评估、检验利用优化和自动化试管处理七个领域，并讨论了研究与商业部署之间的差距 | 系统性地梳理了 AI 在检验前阶段多个应用场景的研究进展与商业实现，并首次提出了从研究原型到临床转化所面临的关键障碍，包括多中心前瞻性验证、LIS 集成、监管合规及以运营结果为导向的评估指标 | 作为叙述性综述，未进行系统性文献检索与定量合并分析；所引研究多存在单中心验证、回顾性设计等局限；商业解决方案中 AI 应用不明确，难以全面评估实际效果 | 探讨 AI 在检验前阶段的应用现状、性能表现及临床转化挑战，为后续研究和部署提供方向 | 检验前阶段的各类错误与流程，包括 clot、WBIT、样本稀释、尿液化学操作、HIL、检验利用、试管处理 | 机器学习 | NA | NA | 神经网络, XGBoost, 深度学习 | NA | NA | NA | 神经网络, XGBoost, 深度学习 | 准确率, AUC | NA |
| 863 | 2026-09-25 |
PAIRWISE: Deep Learning-based Prediction of Effective Personalized Drug Combinations in Cancer
2026-Jan-19, Research square
DOI:10.21203/rs.3.rs-8518203/v1
PMID:41646323
|
研究论文 | 该文将深度学习与迁移学习结合，基于肿瘤特异性转录组、药物化学结构和药物靶点预测癌症中个性化药物组合的协同效应 | PAIRWISE显式建模药物组合在癌细胞系或个体肿瘤样本中的协同效应，整合药物化学结构、药物靶点与推断样本转录组，并结合迁移学习引入先验科学知识 | 摘要未明确提及该研究的局限性 | 识别针对特定癌症亚型和个体患者的最佳药物组合，以提升癌症治疗效果并预防复发 | 癌症细胞系、个体肿瘤样本、弥漫性大B细胞淋巴瘤细胞系、非霍奇金淋巴瘤细胞系，以及30种已批准或研究中的DLBCL治疗药物 | 机器学习 | 癌症 | 深度学习、迁移学习、转录组分析 | 深度学习模型 | 转录组数据、药物化学结构数据、药物靶点数据 | 训练和测试使用了保留的癌细胞系；独立验证使用了DLBCL细胞系中的BTK抑制剂组合数据集；进一步验证使用了30种药物在8种非霍奇金淋巴瘤细胞系中的协同作用 | NA | PAIRWISE | AUROC | NA |
| 864 | 2026-09-25 |
Integrating psychological profiling with deep learning for enhanced boxing action recognition
2026-Jan-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34771-0
PMID:41513933
|
研究论文 | 本文提出一种多模态深度学习框架，将心理画像与基于视频的拳击动作识别相结合，以提高识别准确率 | 首次将心理画像（焦虑、自信、专注等）与视频动作识别融合，构建了PsyBox-20数据集，并在特征级融合3D-ResNet和BERT表示，能够区分视觉上相似的动作（如刺拳与勾拳） | 当前框架不支持实时部署，未来需要进一步开发 | 克服现有视觉分析模型无法区分机械相似但背景不同的动作的缺陷，验证心理画像能提升动作识别准确率，并为AI驱动的体育分析和教练行为提供有用信息 | 拳击视频中的动作以及运动员的心理状态 | 计算机视觉 | NA | NA | 多模态深度学习 | 视频、文本 | HMDB51-Boxing子集和新构建的PsyBox-20数据集（包含20类心理状态与动作实例的关联） | NA | 3D-ResNet, BERT | 准确率, F1分数 | NA |
| 865 | 2026-09-25 |
An Efficient Neuro-framework for Brain Tumor Classification Using a CNN-based Self-supervised Learning Approach with Genetic Optimizations
2026, Current neuropharmacology
IF:4.8Q1
|
研究论文 | 该文章提出了一种基于CNN自监督学习与遗传优化的高效神经框架，用于MRI图像的胶质瘤脑肿瘤分类。 | 结合了基于SimCLR的自监督学习、深度嵌入聚类、加权集成模型（EfficientNet-B7、ResNet-50、DenseNet-121）以及差分进化优化的遗传算法进行超参数调优，以克服数据稀缺和特征提取限制。 | 需要大量计算资源，并且需要进一步的临床验证。 | 开发一个稳健且高效的深度学习框架，用于改进基于MRI图像的胶质瘤分类。 | 胶质瘤脑肿瘤MRI图像。 | 计算机视觉, 医学图像分析 | 脑肿瘤, 胶质瘤 | MRI | CNN | 图像 | NA | NA | EfficientNet-B7, ResNet-50, DenseNet-121 | 准确率 | NA |
| 866 | 2026-09-25 |
Magnetic Microrobot With Drilling-Sensing Dual Functionality for Targeted Biopsy of Deep-Seated Tracheal Microlesions
2026-01, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202514664
PMID:40984789
|
研究论文 | 本文报道了一种具有钻孔与传感双重功能的磁性微机器人平台，用于深部气管微小病灶的靶向活检，结合SERS生物传感和卷积神经网络深度学习模型，实现早期肺癌诊断 | 开发了锥形螺旋结构微机器人，尖端可控装饰金纳米尖刺，集成钻孔采样和SERS生物传感双功能；利用实时气管镜和透视引导实现磁性导航；结合CNN深度学习模型实现快速准确识别癌变组织 | 目前仅在离体猪肺模型和活体兔试验中验证可行性，尚未进行人体临床试验；临床患者组织样本的识别准确率虽达94.3%，但样本量有限 | 开发一种多功能磁性微机器人平台，用于肺部深部微小病灶的靶向活检，实现早期肺癌的非侵入性精确采样和诊断 | 深部气管微小病灶、肺癌组织、离体猪肺模型、活体兔、临床患者肺组织样本 | 数字病理学, 计算机视觉 | 肺癌 | 表面增强拉曼散射（SERS）生物传感、磁驱动微机器人技术、气管镜和透视引导 | CNN | 图像, 光谱数据 | 离体猪肺模型、活体兔试验、临床患者肺组织样本（具体数量未在摘要中说明） | NA | 卷积神经网络（CNN） | 识别准确率（超过94.3%） | NA |
| 867 | 2025-10-29 |
Letter: Predicting Intracranial Pressure Levels: A Deep Learning Approach Using Computed Tomography Brain Scans
2026-Jan-01, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000003830
PMID:41143525
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 868 | 2026-09-25 |
Deep Learning in Otolaryngology: A Narrative Review
2026-01-01, JAMA otolaryngology-- head & neck surgery
DOI:10.1001/jamaoto.2025.3911
PMID:41231484
|
综述 | 本文综述了深度学习在耳鼻喉科的应用现状，并提出了将其整合到临床实践的框架 | 系统性地将耳鼻喉科深度学习应用划分为检测与诊断、预测与预后、图像分割和新兴应用四个领域，并提出了临床整合框架 | 缺乏多机构数据集、标准化采集协议以及透明可解释的模型，存在算法偏见问题 | 综合近期深度学习在耳鼻喉科的应用，并提出其临床整合框架 | 2020至2025年间发表的327篇耳鼻喉科深度学习原创研究 | 数字病理学 | 鼻咽癌、喉部恶性肿瘤、耳科病理、口咽癌、慢性鼻窦炎 | 深度学习 | NA | 图像、生理信号 | 327篇原创研究 | NA | NA | 准确率 | NA |
| 869 | 2026-09-25 |
Explainable Pathomics Feature Visualization via Correlation-aware Conditional Feature Editing
2026, Proceedings of machine learning research
PMID:42764993
|
研究论文 | 提出一种流形感知扩散框架，通过相关性感知的条件特征编辑实现可解释的病理组学特征可视化 | 利用变分自编码器学习的解缠潜在空间正则化特征轨迹，自动调整相关属性，使编辑后的特征保持在真实细胞分布内，并引导条件扩散模型合成高保真图像 | 摘要中未明确提及 | 解决病理组学特征因内在相关性导致条件扩散模型编辑时产生不真实伪影的问题，实现可控且生物学合理的细胞核编辑 | 细胞核 | 数字病理学 | NA | 病理组学 | 扩散模型, 变分自编码器 | 图像 | NA | NA | 变分自编码器, 扩散模型 | NA | NA |
| 870 | 2026-09-25 |
Objective Assessment of Media Screens Effect on Physical Activity in Preschool Children
2026, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2026.3729105
PMID:42769854
|
研究论文 | 该研究使用新型传感器Screen Time Tracker（STT）在自由生活条件下客观评估媒体屏幕时间对学龄前儿童身体活动的影响 | 提出使用新型传感器STT，结合自我中心图像和加速度计数据，客观评估屏幕时间对学龄前儿童身体活动的影响，而非依赖家长报告或单一设备类型 | 概念验证研究，样本量较小（25名儿童），需要更大样本验证 | 客观评估媒体屏幕对学龄前儿童身体活动的影响 | 25名3-5岁学龄前儿童 | 数字病理学 | 老年疾病 | STT传感器、加速度计、深度学习 | CNN | 图像、加速度计数据 | 25名儿童，年龄3-5岁 | NA | NA | 每分钟计数（CPM）、屏幕每分钟计数（SCM）、多水平负二项模型、p值 | NA |
| 871 | 2026-09-25 |
How Close Are We? Limitations and Progress of AI Models in Banff Lesion Scoring
2026, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3086220
PMID:42769936
|
研究论文 | 本研究探讨了使用现有深度学习模型，通过模块化、基于规则的框架来近似Banff病变评分的可行性 | 提出了一个模块化的、基于规则的框架，将每个Banff指标分解为其组成结构和炎症成分，并评估当前分割和检测工具是否能支持其计算 | 当前AI流水线在复现专家级计算评分方面存在局限性，包括结构遗漏、幻觉和检测模糊性等问题，即使最终评分与专家注释匹配，中间表示的不一致性也常常削弱可解释性 | 探索使用现有深度学习模型近似Banff病变评分的可行性，并评估当前AI流水线在移植病理学中进行计算Banff分级的能力 | 肾移植活检样本中的Banff病变指标，包括肾小球炎、管周毛细血管炎和内膜动脉炎 | 数字病理学 | 肾移植排斥反应 | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 872 | 2026-09-25 |
The Current Research Landscape on Integrating Artificial Intelligence with Ultrasound Imaging for Cancer Diagnosis: A Dual-Database Bibliometric Study
2026, Current medicinal chemistry
IF:3.5Q2
|
文献计量学研究 | 本文通过双数据库文献计量分析，系统梳理了2015年至2025年4月间人工智能与超声成像结合用于癌症诊断的研究态势 | 首次采用Web of Science核心合集和Scopus双数据库进行文献计量分析，全面揭示了AI结合超声成像用于癌症诊断的研究热点、国家贡献和合作网络 | 仅基于文献计量分析，未对具体算法性能进行定量比较；数据库覆盖时间截至2025年4月，可能遗漏最新发表文献；未纳入非英文文献 | 全面概述人工智能与超声成像结合用于癌症诊断的研究格局，识别研究热点、主要贡献国家和高影响力期刊 | 2015年至2025年4月间Web of Science核心合集和Scopus数据库中收录的1848篇相关文献 | 医学影像分析 | 癌症 | 超声成像 | 深度学习 | 文献数据 | Web of Science数据集中1848篇出版物 | NA | NA | 出版物数量、引用影响、关键词共现、引用爆发 | NA |
| 873 | 2026-09-25 |
An Interpretable Two-Stage Feature Decomposition Method for Deep Learning-Based SAR ATR
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3731611
PMID:42743044
|
研究论文 | 本文提出了一种基于物理的两阶段特征分解方法，用于可解释的深度SAR自动目标识别，通过将纠缠的深度特征转化为具有明确物理意义的属性散射中心分量，实现可验证的推理逻辑 | 首次识别并解决了SAR ATR特有的耦合-判别困境，提出了两阶段特征分解方法，将纠缠的深度特征转化为具有明确物理意义的ASC分量，并证明了具有正交约束的MLO-NMTF在松弛意义上等价于谱聚类 | 未明确提及 | 解决深度SAR ATR的黑箱性质导致的低置信度和高风险问题，实现可解释的推理基础和权重，形成可验证的推理逻辑 | 合成孔径雷达自动目标识别中的深度特征 | 计算机视觉 | NA | 深度学习，聚类算法，多层正交非负矩阵三因子分解 | 深度神经网络，CNN | 图像（SAR图像） | 四个基准数据集 | NA | 12种骨干架构（未具体指定） | 识别性能（未具体指定指标） | NA |
| 874 | 2026-09-25 |
RA-PLA: Retrieval-augmented graph convolutional networks for protein-ligand binding affinity prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0357278
PMID:42771596
|
研究论文 | 提出了一种检索增强图卷积网络框架，用于蛋白质-配体结合亲和力预测 | 通过检索困难蛋白质-配体对并集成半监督图卷积网络，实现端到端学习，并针对每个查询进行微调 | 未明确说明 | 提高蛋白质-配体结合亲和力预测的准确性和泛化能力 | 蛋白质-配体对 | 机器学习 | NA | 图卷积网络 | 图卷积网络 | 图数据 | 四个基准数据集：PDBbind、Davis、KIBA、BindingDB | NA | 图卷积网络 | 一致性指数（CI）、AUPR | NA |
| 875 | 2026-09-25 |
Biofeedback with heart sounds following a traumatic event
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1818000
PMID:42774140
|
研究论文 | 本研究旨在通过基于心音的生物反馈方法评估地震受害者应对创伤相关情境的能力，并利用生物医学信号和深度学习模型来管理应激相关反应 | 使用非侵入性声音疗法，通过固定频率或实时异态听觉刺激提供生物反馈，诱导共振以稳定自主神经系统，并结合多种生物信号和深度学习模型进行处理 | 摘要中未提及 | 研究个体如何应对创伤相关情境，通过生物反馈方法管理应激相关反应，评估创伤诱导应激的中长期风险 | 地震受害者，特别是年轻人 | 机器学习 | 心血管疾病 | 心电图（ECG）、心音图（PCG）、皮肤电活动（EDA）、呼吸节律、功能性近红外光谱（fNIRS） | 深度学习模型 | 生物信号 | NA | NA | NA | NA | NA |
| 876 | 2026-09-25 |
Artificial intelligence for automated detection of interictal epileptiform discharges: methodological progress, clinical evaluation, and neurodevelopmental context
2026, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2026.1941616
PMID:42774591
|
综述 | 本文综述了自动检测发作间期癫痫样放电（IED）的方法学进展、临床评估框架及神经发育机制，并提出转化研究框架 | 提出“准确性悖论”这一作者定义的描述性标签来刻画预分段或记录级分类高性能与事件级时空精度需求之间的不匹配，并倡导基于独立多中心验证、情境化阈值、可解释性稳健评估和人机协同分诊的转化框架 | 现有证据仅支持生物学合理性，尚不能证明AI推导的IED形态可在个体患者中揭示分子状态，相关应用仍处于研究阶段 | 批判性审视从基于规则系统到当代深度学习的自动IED分析方法，特别关注任务定义、验证设计和临床工作流程，并提出转化研究框架 | 发作间期癫痫样放电（IED）的自动检测方法、临床评估设计及相关神经发育与细胞机制 | 机器学习 | 癫痫 | NA | 深度学习 | 脑电图 | NA | NA | NA | 准确率, AUC, F1分数, 一致性, 每小时假阳性数, 灵敏度, 精确率, 假阳性负担, 工作流程结局 | NA |
| 877 | 2026-09-25 |
Three-Dimensional Point-Cloud Learning for Patient-Specific Deep Brain Stimulation Motor Response Prediction in Parkinson Disease
2026, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0276
PMID:42774635
|
研究论文 | 开发了一种患者特异性的三维点云深度学习框架，用于预测帕金森病深部脑刺激后的运动改善 | 引入了电场感知的点云表示，保留了患者解剖结构、电极几何形状和局部电场分布，用于个体化DBS运动反应预测 | 测试集较小，固定分割估计不支持泛化性、优越性或临床实用性的声明 | 预测帕金森病深部脑刺激后的运动改善 | 帕金森病患者 | 医学图像分析, 深度学习 | 帕金森病 | 术前MRI、术后CT、电极重建、组织电导率、有限元电场模拟 | PointNet++, 卷积神经网络 | 三维点云、医学图像 | 79名独立患者，每人一条刺激-结果记录 | NA | PointNet++, CNN | 预测准确率（±5 MDS-UPDRS-III分内的比例） | NA |
| 878 | 2026-09-25 |
Insights into artificial intelligence-based digital pathology in hepatobiliary and pancreatic cancer
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1871770
PMID:42774758
|
综述 | 本文综述了人工智能驱动的数字病理学在肝胆胰癌症（HPCs）中的最新进展，涵盖诊断、分子预测、预后建模和治疗反应评估 | 强调算法开发与临床相关问题定义之间的错位是核心局限，并提出AI应从诊断支持工具演变为动态、工作流整合的决策支持系统 | 数据异质性、可解释性有限、缺乏前瞻性验证、临床工作流整合不足，以及算法开发与临床问题定义不匹配 | 总结AI辅助数字病理学在肝细胞癌、胆道癌和胰腺癌中的应用进展，并探讨其临床转化的挑战与未来方向 | 肝细胞癌、胆道癌和胰腺癌的全切片图像及组织病理学数据 | 数字病理学 | 肝癌, 胆道癌, 胰腺癌 | 全切片成像, 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 879 | 2026-09-25 |
Cross-variability decoding for motor imagery EEG signals: a comprehensive review
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1899645
PMID:42775222
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 880 | 2026-09-25 |
RETRACTED ARTICLE: Real-time monitoring system for early stroke detection based on fog computing and enhanced deep learning techniques
2025-12-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28513-5
PMID:41455702
|
研究论文 | 本文提出了一种基于雾计算和IoMT的实时卒中检测与监测系统，使用YOLO v8进行人脸检测，并利用CNN对患者面部图像进行分类以检测卒中 | 结合雾计算、IoMT和增强深度学习技术，实现实时卒中检测和监测，使用YOLO v8进行人脸检测和CNN进行卒中分类 | 仅在特定数据集上验证，泛化能力未知；未提及计算资源消耗和实时性能的详细评估 | 开发实时卒中检测和监测系统，以便快速临床干预 | 老年患者，尤其是患有慢性病的老年人 | 计算机视觉 | 卒中 | 深度学习 | CNN, YOLO v8 | 图像 | NA | NA | YOLO v8, CNN | 准确率, 敏感度, 特异性, 精确率, F1分数 | NA |