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 46269 篇文献，本页显示第 9121 - 9140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9121 | 2026-02-19 |
A novel cervical image recognition framework based on feature cognitive enhancement for improved performance
2026-Feb, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119251412982
PMID:41574558
|
研究论文 | 提出一种基于特征认知增强的新型宫颈图像识别框架，以提高分类性能 | 设计了三个新模块（特征认知筛选模块、多尺度特征分类模块和重叠采样模块），实现全局与局部特征提取、多尺度特征融合分类以及图像中的短程交互，增强模型边缘捕捉能力和解决复杂问题的熟练度 | 未明确提及，可能包括数据集规模、泛化能力或临床验证的局限性 | 通过深度学习改进宫颈图像的分类，以辅助宫颈癌的早期诊断 | 宫颈图像，分类为正常、宫颈上皮内瘤变和癌变三类 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 未明确指定，但使用了自建宫颈图像数据集和Kaggle数据集 | 未明确指定，可能为TensorFlow或PyTorch | FSMO（特征认知筛选模块、多尺度特征分类模块、重叠采样模块） | 准确率, 精确率, 召回率, F1分数 | 未明确指定 |
| 9122 | 2026-02-19 |
FPM2Stain Net: physics-guided super-resolution and multi-modal virtual staining for digital histopathology
2026-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.586327
PMID:41693888
|
研究论文 | 提出了一种名为FPM2Stain Net的端到端计算流程，将物理引导的超分辨率与基于深度学习的虚拟染色相结合，用于高分辨率、多模态数字组织病理学 | 提出了一种联合优化的端到端流程，首次将物理引导的超分辨率重建与多模态虚拟染色集成在一个框架中，实现了相对于低倍输入图像超过10倍的像素级上采样，并支持下游细胞分割和生物标志物定量分析 | 未明确提及 | 开发一种快速、可扩展且经济高效的高分辨率多模态数字组织病理学成像与虚拟染色方法 | 组织样本 | 数字病理学 | NA | 傅里叶叠层显微成像 | ResNet-U-Net, cGAN | 图像 | 模拟和真实组织数据集 | NA | ResNet-U-Net, 基于小波的空间频率融合cGAN | 重建保真度, 染色准确性 | NA |
| 9123 | 2026-02-19 |
Temporal variance mapping with machine learning for label-free 3D chromatin imaging using optical interferometric microscopy
2026-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.583584
PMID:41693892
|
研究论文 | 本研究提出了一种基于光学干涉显微镜的无标记3D染色质成像方法，通过机器学习分析时间方差映射，实现高分辨率成像 | 利用原生生物分子运动产生的快速波动散射信号，结合深度学习将无标记动态数据映射到染色质荧光图像，显著提升了轴向分辨率和成像特异性 | 未明确提及方法在复杂生物样本或长期活细胞成像中的适用性限制 | 开发一种高分辨率、无标记的3D染色质成像技术，以克服传统相位显微镜在轴向分辨率和特异性方面的限制 | 活细胞核的染色质结构，包括核仁和核斑等亚核结构 | 计算机视觉 | NA | 光学干涉显微镜，高速成像（1000帧/秒），时间方差映射 | 深度学习模型 | 图像 | 未明确提及具体样本数量，仅涉及活细胞核的光学传输图像 | NA | NA | NA | NA |
| 9124 | 2026-02-19 |
Deep cytomorphology identifies erythroid skewing and monocytic morphology to predict TKI sensitivity in CML patients
2026-Feb, HemaSphere
IF:7.6Q1
DOI:10.1002/hem3.70319
PMID:41694735
|
研究论文 | 本研究利用深度学习分析慢性髓系白血病患者的骨髓涂片，识别出与酪氨酸激酶抑制剂敏感性相关的细胞形态学标志物 | 首次通过深度学习系统分析CML骨髓细胞形态，发现红系前体细胞富集和单核细胞核分叶等新形态学标志物可预测TKI疗效，并构建了优于现有临床评分系统的整合模型 | 研究为回顾性分析，需在前瞻性队列中验证；仅使用常规染色涂片，未结合分子或遗传数据；样本来自七个中心但可能存在选择偏倚 | 探索慢性髓系白血病骨髓细胞形态特征与酪氨酸激酶抑制剂治疗反应的关系，改进风险分层 | 598名慢性髓系白血病患者的1548张骨髓穿刺涂片 | 数字病理学 | 白血病 | 常规染色（骨髓涂片染色），深度学习图像分析 | 深度学习模型 | 图像 | 598名患者，1548张涂片，来自七个医疗中心 | 未明确说明 | 未明确说明 | AUROC（受试者工作特征曲线下面积） | 未明确说明 |
| 9125 | 2026-02-19 |
Transforming nephrology through artificial intelligence: a state-of-the-art roadmap for clinical integration
2026-Feb, Clinical kidney journal
IF:3.9Q1
DOI:10.1093/ckj/sfag004
PMID:41704427
|
综述 | 本文综述了人工智能（包括机器学习、深度学习和生成式AI）在肾脏病学领域的应用现状、临床整合挑战及未来发展方向 | 系统性地整合了AI在急性肾损伤、慢性肾脏病、透析和肾移植中的新兴应用，并强调了多模态数据整合、生成式AI和自适应决策支持范式（如强化学习、数字孪生）的创新潜力 | 临床工作流程整合有限，存在数据异质性、算法偏见、可解释性不足、监管不确定性等实施挑战 | 探讨AI在肾脏病学中的临床整合路径，推动个性化、高效和公平的肾脏疾病管理 | 急性肾损伤、慢性肾脏病、透析患者和肾移植受者 | 数字病理学 | 肾脏疾病 | 电子健康记录数据分析、重症监护室遥测、多组学数据整合 | 机器学习、深度学习、生成式AI、强化学习 | 电子健康记录、遥测数据、影像、病理图像、多组学数据 | NA | NA | 大语言模型、iBox系统 | NA | NA |
| 9126 | 2026-02-19 |
Incorporating artificial intelligence into imaging for surveillance and diagnosis of liver cancer: Innovations, challenges, and clinical translation
2026-Jan-30, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001698
PMID:41616271
|
综述 | 本文综述了人工智能在肝癌监测与诊断成像中的应用、创新、挑战及临床转化前景 | 探讨了基于深度学习的模型在超声、CT和MRI中提升小肿瘤检测、病灶分割与表征的潜力，以及多模态AI整合影像、病理和分子数据的创新方向 | 面临数据隐私、监管审批、成本可持续性和算法偏见等重大挑战，需大规模前瞻性多中心验证研究确认临床效益与安全性 | 评估人工智能在肝癌全程管理（从监测到诊断）中的变革潜力，推动其临床整合 | 原发性肝癌，主要包括肝细胞癌和肝内胆管癌 | 数字病理学, 计算机视觉 | 肝癌 | 超声, 对比增强CT, MRI, 数字病理 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 9127 | 2026-02-19 |
A deep learning ensemble framework for multi-subtype renal tumor classification using contrast-enhanced CT
2026-Jan-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37283-7
PMID:41617760
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9128 | 2026-02-19 |
Satellite-based oil spill detection using an explainable ViR-SC hybrid deep learning ensemble for improved accuracy and transparency
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37081-1
PMID:41611916
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9129 | 2026-02-19 |
Asymmetric fiber orientation distribution estimation via unsupervised deep learning
2026-Jan-29, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103968
PMID:41702180
|
研究论文 | 本研究提出了一种名为Recursive-a-fODF的无监督深度学习框架，用于从扩散磁共振成像数据中直接估计非对称纤维取向分布函数，以改进脑结构连接的重建精度 | 提出了一种递归校准的无监督深度学习框架，无需外部解剖学先验知识，直接从数据本身动态估计白质响应函数，实现了非对称纤维取向分布函数的纯数据驱动估计 | 未明确说明模型在更广泛疾病类型或更大规模临床队列中的泛化能力，也未详细讨论计算效率与实时处理性能 | 解决传统纤维追踪技术中纤维取向分布函数强制对称的局限性，提高复杂纤维配置的解析能力 | 离体狨猴脑数据、在体人类数据集以及神经退行性和精神疾病临床队列 | 医学影像分析 | 神经退行性疾病, 精神疾病 | 扩散磁共振成像 | 深度学习 | 医学影像数据 | 未明确说明具体样本数量，但包含离体狨猴脑数据、在体人类数据集及临床队列 | 未明确说明 | 递归估计器 | 未明确说明具体指标，但提及在解析复杂纤维配置方面表现优越 | NA |
| 9130 | 2026-02-19 |
Automatic and accurate auxiliary detection of lung cancer pathological classification based on novel lightweight deep learning model
2026-Jan-24, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-04487-2
PMID:41579280
|
研究论文 | 本研究开发了一种名为BreezeNet的新型轻量级深度学习模型，用于自动分类肺癌细胞，包括肺腺癌、肺鳞状细胞癌和良性肺组织 | BreezeNet是一种专为肺癌病理分类设计的轻量级深度学习框架，在保持高性能的同时，参数数量显著减少，计算资源需求低，部署效率高 | NA | 开发自动、高效的肺癌病理分类辅助检测模型，以支持快速准确的诊断 | 肺癌细胞，具体包括肺腺癌、肺鳞状细胞癌和良性肺组织 | 数字病理学 | 肺癌 | 深度学习 | CNN | 图像 | NA | NA | BreezeNet | 准确率, 精确率, 召回率, F1分数 | NA |
| 9131 | 2026-02-19 |
The impact of AI on modern oncology from early detection to personalized cancer treatment
2026-Jan-24, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01276-6
PMID:41580561
|
综述 | 本文综述了人工智能（AI）在现代肿瘤学中的应用，重点关注早期诊断、突变图谱和药物设计 | 综合探讨了机器学习、深度学习、强化学习、自然语言处理和生成模型等多种AI技术在肿瘤学中的革命性作用 | NA | 回顾现有文献并探讨AI技术在肿瘤学中的角色 | 肿瘤学中的AI应用 | 自然语言处理, 机器学习 | 癌症 | NA | NA | NA | NA | NA | NA | NA | NA |
| 9132 | 2026-02-19 |
Prospective real-world implementation of deep learning systems in healthcare: a systematic review guided by implementation science
2026-Jan-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02358-2
PMID:41578007
|
系统综述 | 本文通过实施科学框架，系统回顾了深度学习系统在医疗保健领域前瞻性真实世界实施的研究，并基于发现的差距提出了未来实施建议 | 首次采用实施科学框架系统性地绘制了深度学习在医疗领域前瞻性真实世界实施研究的策略与结果图谱，并提出了针对未来实施的指导性建议 | 纳入的研究数量有限（仅20篇），且研究领域分布不均（主要集中在眼科），实施成本与可持续性评估严重缺乏，利益相关者接受度评估不足 | 系统评估深度学习系统在医疗保健领域真实世界实施的现状、策略、结果及影响，并为未来成功、可持续的临床部署提供指导 | 深度学习系统在真实临床环境中的实施研究 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | 有效性、可行性、采纳度、适当性、实施成本、可持续性、利益相关者接受度 | NA |
| 9133 | 2026-02-19 |
Comment on "Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after noncardiac surgery"
2026-Jan-20, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004804
PMID:41563071
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9134 | 2026-02-19 |
A Deep Learning Model for Dynamic Prediction of Acute Kidney Injury in Heart Failure Patients
2026-Jan-16, The Canadian journal of cardiology
DOI:10.1016/j.cjca.2026.01.011
PMID:41548653
|
研究论文 | 本研究开发并验证了一种基于深度学习的动态预测模型，用于预测心力衰竭患者的急性肾损伤风险 | 提出了一个结合长短期记忆网络和动态焦点损失函数的模型，以处理类别不平衡问题，并设计了短期和长期两种动态预测视角 | 研究数据来源于单一数据库（MIMIC-IV），可能限制了模型的泛化能力 | 开发并验证一个动态预测模型，用于心力衰竭患者急性肾损伤的风险评估 | 7636名心力衰竭患者 | 机器学习 | 心血管疾病 | NA | LSTM | 临床时间序列数据 | 7636名心力衰竭患者 | NA | 长短期记忆网络 | AUC | NA |
| 9135 | 2026-02-19 |
Comprehensive mapping of RNA modification dynamics and crosstalk via deep learning and nanopore direct RNA-sequencing
2026-Jan-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68419-y
PMID:41535294
|
研究论文 | 本文介绍了一种名为ORCA的深度学习框架，用于通过纳米孔直接RNA测序全面绘制RNA修饰动态和互作图谱 | ORCA采用领域对抗学习和迁移学习模块，能够同时检测多种RNA修饰类型，揭示修饰间的协作与竞争相互作用 | NA | 开发一个无偏且可推广的框架，以解码RNA修饰动态及其在多种生物背景下的调控复杂性 | 人类细胞系中的RNA修饰 | 自然语言处理 | NA | 纳米孔直接RNA测序 | 深度学习 | RNA测序数据 | NA | NA | NA | NA | NA |
| 9136 | 2026-02-19 |
EPINTLM: enhancer-promoter prediction with pretrained k-mer embeddings and residual cross-attention
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag064
PMID:41697918
|
研究论文 | 提出一种名为EPINTLM的深度学习框架，用于在标准化基准设置下预测增强子-启动子相互作用 | 整合了预训练的k-mer嵌入与残差交叉注意力机制，并引入了统一的预处理流程以提高可重复性 | 仅在当前基准约束范围内验证，可解释性分析有限 | 研究增强子-启动子相互作用预测的架构策略 | 人类细胞系中的增强子-启动子相互作用 | 生物信息学 | NA | DNA序列分析 | 深度学习 | DNA序列，基因组特征 | 六种人类细胞系的基准数据集 | NA | 基于Nucleotide Transformer的预训练嵌入，残差自注意力，双向交叉注意力 | AUROC, AUPR | NA |
| 9137 | 2026-02-19 |
Transformer-based graphs for drug-drug interaction with chemical knowledge embedding
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag039
PMID:41697921
|
研究论文 | 本文提出了一种名为TRACE的基于Transformer的图表示学习框架，用于整合化学知识以预测药物相互作用 | 提出TRACE框架，首次将Transformer与图表示学习结合，并集成化学知识嵌入，以增强DDI预测的准确性和可解释性 | 未在摘要中明确提及 | 提高药物相互作用预测的准确性和可解释性，以支持药物开发和联合疗法 | 药物相互作用 | 自然语言处理, 机器学习 | NA | 深度学习, 图表示学习 | Transformer | 图数据, 化学知识嵌入 | NA | NA | Transformer | NA | NA |
| 9138 | 2026-02-19 |
The Identification and Severity Staging of Chronic Obstructive Pulmonary Disease Using Quantitative CT Parameters, Radiomics Features, and Deep Learning Features
2026, Respiration; international review of thoracic diseases
DOI:10.1159/000548595
PMID:40996946
|
研究论文 | 本研究评估了基于吸气和呼气CT的定量CT参数、影像组学特征和深度学习特征在慢性阻塞性肺疾病识别和严重程度分期中的价值 | 提出了一种基于双相CT的多模态方法，整合定量CT参数、影像组学特征和深度学习特征，用于COPD的识别和严重程度分期，并在外部验证队列中展示了良好的泛化性能 | 研究为回顾性分析，样本量相对有限（223名COPD患者和59名健康对照），且仅基于两个队列（广州和深圳），可能影响结果的普遍适用性 | 评估多模态CT特征在慢性阻塞性肺疾病识别和严重程度分期中的应用价值 | 慢性阻塞性肺疾病患者和健康对照者 | 数字病理学 | 慢性阻塞性肺疾病 | 定量CT、影像组学、深度学习 | 逻辑回归 | CT图像 | 282名参与者（223名COPD患者和59名健康对照），来自广州队列，深圳队列作为外部验证 | pyradiomics, NeuLungCARE | VGG-16 | AUC | NA |
| 9139 | 2026-02-19 |
Machine Learning Prediction of Protein Adsorption on Drug-delivering Nanoparticles: A Literature Survey and Need for Future Development
2026-Jan, Pharmaceutical research
IF:3.5Q2
DOI:10.1007/s11095-025-03981-6
PMID:41298984
|
综述 | 本文综述了机器学习在预测药物递送纳米颗粒上蛋白质吸附方面的研究，并强调了未来发展的需求 | 强调结合随机森林和深度学习的互补优势来克服实验数据有限的挑战，并指出未来模型可能扩展到其他生物冠成分，特别是针对软材料如脂质纳米颗粒 | 当前研究主要集中于蛋白质冠，缺乏对其他生物冠成分的全面考虑，且实验数据质量和多样性有待提高 | 优化纳米颗粒设计以用于药物递送、诊断和治疗 | 纳米颗粒-蛋白质相互作用 | 机器学习 | NA | NA | 随机森林, 深度学习 | 高维数据 | NA | NA | NA | NA | NA |
| 9140 | 2026-02-19 |
Promises and challenges of AI-enabled methods for myocardial characterisation in cardiovascular magnetic resonance
2026, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2026.1638861
PMID:41694301
|
综述 | 本文总结了人工智能在心血管磁共振心肌组织表征中的最新进展，并探讨了其临床转化的前景与挑战 | AI技术通过深度学习自动化LGE分割、改进运动校正和图像重建、利用原生CMR信号实现无对比剂瘢痕表征，并加速了心脏磁共振指纹识别和扩散张量成像等新兴技术 | 临床转化受限于大规模异质训练数据的获取、泛化性、公平性、可解释性问题，以及监管批准和临床部署的障碍 | 探讨人工智能在心血管磁共振心肌组织表征中的应用，以解决传统方法的局限性并推动临床转化 | 心血管磁共振成像数据，特别是心肌组织表征相关图像 | 数字病理 | 心血管疾病 | 心脏磁共振成像，包括LGE、T1 mapping、磁共振指纹识别、扩散张量成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |