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 44218 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2026-05-19 |
Automated periapical lesion segmentation and area-based PAI indexing: a comparative deep learning study on periapical radiographs
2026-May-18, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08645-4
PMID:42144602
|
研究论文 | 本研究系统比较了四种深度学习架构在根尖周X线片上自动分割根尖周病变并基于面积计算根尖周指数（PAI）的性能 | 首次在统一协议下将像素级分割映射到临床可解释的根尖周指数（PAI）类别，并提出基于面积的PAI评分（aPAI） | 未纳入定性影像特征（如边界定义、小梁变化），且仅使用单一数据集，缺乏外部验证 | 评估不同深度学习架构在根尖周病变分割及基于面积的PAI指数计算中的性能，并比较其优劣 | 900张匿名根尖周X线片及其专家标注的病变掩膜 | 计算机视觉 | 根尖周病变 | X线成像 | CNN | 图像 | 900张根尖周X线片（训练集594张，验证集145张，测试集161张） | NA | U-Net, ResUNet34, DeepLabV3, HRNet | 准确率, 敏感度, 特异度, 精确率, F1分数, AUC | NA |
| 82 | 2026-05-19 |
P4NSU: Projection-Based Pretraining for Nonlinear Sparse Unmixing in Spectral Imaging
2026-May-18, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00440
PMID:42145112
|
研究论文 | 提出基于投影预训练的非线性稀疏解混框架P4NSU，用于光谱成像中各组分的精确量化 | 通过层次化预训练将大型光谱库蒸馏为紧凑任务子集，并引入可学习投影将光谱映射至特征空间，使解混简化为线性问题 | 未明确提及，但实验仅基于三种非线性模型合成数据集，可能对更复杂的真实场景适应性有限 | 解决光谱成像中非线性混合效应导致的组分量化挑战 | 光谱成像（高光谱和拉曼成像）中的混合光谱数据 | 计算机视觉 | 白血病 | 高光谱成像、拉曼成像 | 深度学习模型 | 光谱图像 | 三个合成数据集及真实数据集（颜料高光谱和白血病细胞拉曼成像） | PyTorch | 自定义投影网络 | 均方根误差, 准确性 | NA |
| 83 | 2026-05-19 |
Improved delineation of the cystic artery using super-resolution deep learning reconstruction in contrast-enhanced abdominal computed tomography
2026-May-18, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01066-6
PMID:42149432
|
研究论文 | 本研究评估了超分辨率深度学习重建在对比增强腹部CT中改善胆囊动脉及其毗邻血管的显示效果 | 首次将超分辨率深度学习重建技术应用于对比增强CT中胆囊动脉的清晰显示，并与标准深度学习重建进行比较 | 在胆囊动脉检出率方面未见显著改善，且为回顾性研究 | 评估SR-DLR在对比增强腹部CT中改善胆囊动脉和相关腹部血管显示及图像质量的效果 | 60名接受对比增强腹部CT动脉期扫描的患者 | 计算机视觉 | NA | 对比增强CT | 深度学习重建 | 图像 | 60名患者 | NA | SR-DLR, DLR | CT衰减值, 图像噪声, 对比噪声比, 半峰全宽, 边缘上升距离, 边缘上升斜率 | NA |
| 84 | 2026-05-19 |
Graph attention network-based prediction of oral multi-drug resistance efflux protein sequence
2026-May-18, Minerva dental and oral science
IF:1.1Q3
DOI:10.23736/S2724-6329.25.04946-0
PMID:42149558
|
研究论文 | 利用图注意力网络预测口腔多药耐药外排蛋白序列 | 首次将图注意力网络与超注意力机制应用于口腔耐药组蛋白序列预测 | 模型敏感度较低（0.51），可能遗漏部分阳性病例；样本量小，仅涵盖少数细菌蛋白序列 | 预测口腔多药耐药外排蛋白序列，为药物发现和耐药管理提供支持 | 口腔多药耐药外排蛋白序列（来自MprA、MarA、CpxA和MdtC蛋白的FASTA序列） | 机器学习 | NA | NA | 图注意力网络 (GAT) | 序列数据 | 7条蛋白质FASTA序列 | Deepbio | 图注意力网络, 超注意力机制 | 敏感度, 特异性, 真阴性率 (TNR) | NA |
| 85 | 2026-05-19 |
Artificial intelligence (AI)-assisted ultrasound in clinical trials: Endpoint automation, decentralized monitoring, and regulatory readiness
2026-May-17, Drug discoveries & therapeutics
DOI:10.5582/ddt.2026.01020
PMID:42002939
|
综述 | 综述了人工智能辅助超声在临床试验中的端点自动化、分散监测和监管准备方面的当前证据与监管发展 | 系统整合了AI在超声自动测量、实时采集引导及监管框架三方面的最新进展，揭示了AI提升超声可重复性与分散试验可行性的互补路径 | 尚未解决跨厂商领域泛化、亚组公平性及持续试验中的算法变更管理等挑战 | 评估AI辅助超声在临床试验中实现端点自动化、分散监测及满足监管要求的潜力 | 临床试验中的超声成像技术与AI辅助算法 | 计算机视觉 | 心血管疾病 | 超声成像 | 深度学习 | 图像 | NA | NA | NA | 可重复性、诊断可接受率、非劣效性 | NA |
| 86 | 2026-05-19 |
Customer churn prediction in privacy-preserving HashCode-based security abstractions
2026-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53357-y
PMID:42144427
|
研究论文 | 提出一种基于哈希码的安全抽象方法，在保护隐私的前提下实现客户流失预测 | 将隐私设计理念融入客户流失统计，使用哈希码安全抽象在保持分析完整性的同时保护身份信息，无需依赖丰富标识符或大量基础设施假设 | 仅使用行为、交易和时间等结构化数据，未涉及非结构化数据或外部数据源 | 在严格隐私标准下评估和平衡多种机器学习与深度学习模型在客户流失预测中的性能 | 客户行为、交易及时间相关特征 | 机器学习 | NA | 匿名化哈希编码 | 逻辑回归、随机森林、XGBoost、多层感知机 | 结构化数据（行为、交易、时间） | 未指定样本数量 | Keras, Scikit-learn | Logistic Regression, Random Forest, XGBoost, Multilayer Perceptron | 准确率、精确率、召回率、F1分数、AUC | 未指定 |
| 87 | 2026-05-19 |
IL-HS: a deep inception-LSTM architecture for enhanced lithological mapping using EnMAP hyperspectral remote sensing data
2026-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52520-9
PMID:42144467
|
研究论文 | 提出IL-HS深度学习框架，用于利用EnMAP高光谱遥感数据进行增强岩性制图 | 首次将InceptionV2与双向长短期记忆网络结合用于高光谱岩性分类，实现多尺度空间特征与序列光谱信息融合 | NA | 实现半干旱和地质复杂区域的高精度岩性制图，以支持地质科学和矿产勘探 | 摩洛哥Anti-Atlas地区Kerdous内围层的26个岩性单元 | 计算机视觉 | NA | 高光谱遥感、EnMAP数据 | Inception-LSTM | 高光谱图像 | NA | PyTorch | InceptionV2,双向长短期记忆网络 | 总体精度 | NA |
| 88 | 2026-05-19 |
MedNext-Insight Model for Automated Metabolic Tumor Volume Delineation on Computed Tomography and Prognostic Value in Nasopharyngeal Carcinoma
2026-May-16, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.05.005
PMID:42144163
|
研究论文 | 开发一种深度学习模型，用于在常规CT上自动描绘代谢肿瘤体积（MTV），无需PET，并验证其在鼻咽癌中的预后价值 | 首次在无需PET的情况下，仅基于常规CT实现准确的代谢肿瘤体积自动描绘，并验证了其预后价值 | NA | 开发基于深度学习的CT-only MTV自动描绘模型，并评估其在鼻咽癌中的预后区分能力 | 鼻咽癌患者的初始治疗前18F-FDG PET/CT扫描数据 | 计算机视觉 | 鼻咽癌 | CT成像 | 深度学习分割模型 | 医学影像 | 392例训练与测试患者，135例内部时间验证患者 | PyTorch | MedNext-Insight | Dice相似系数, 敏感性, 一致性指数 | NA |
| 89 | 2026-05-19 |
LaED: a novel lightweight, edge-aware and explainable deep learning model for privacy-preserving facial attendance tracking in resource-constrained educational environments
2026-May-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42051-8
PMID:42141001
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 90 | 2026-05-19 |
A web-based platform for real-time stewed beef freshness monitoring: Integrating anthocyanin colorimetric film with deep learning
2026-May-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2026.149643
PMID:42143922
|
研究论文 | 开发了一种集成花青素比色膜与深度学习的网络平台，用于实时监测炖牛肉的新鲜度 | 将pH响应比色膜与改进的Ordinal-ResNet-50模型相结合，实现了炖牛肉新鲜度的实时、非破坏性在线监测，并设计了自定义序数损失函数以优化分类性能 | NA | 构建从智能传感到在线智能的完整技术框架，用于数字化食品安全管理中炖牛肉新鲜度的实时监测 | 炖牛肉在4°C储存条件下的新鲜度变化 | 计算机视觉 | NA | 比色膜传感技术 | 卷积神经网络 | 图像 | NA | PyTorch | Ordinal-ResNet-50 | 准确率 | NA |
| 91 | 2026-05-19 |
STAGE challenge: Structural-Functional Transition in Glaucoma Assessment
2026-May-15, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104128
PMID:42143993
|
研究论文 | STAGE挑战赛探索从结构OCT图像直接预测功能VF指标，建立了青光眼结构-功能转换评估的首个标准化基准 | 首次建立大规模结构化数据集和标准化评估框架，将深度学习从结构分析拓展到结构-功能转换预测 | 数据规模有限（401个OCT体积），可能限制模型泛化性；仅关注OCT图像与VF指标关联，未涉及其他影像模态 | 开发从结构OCT图像预测功能性VF指标的方法，推动青光眼结构-功能关联分析 | 青光眼患者的结构OCT图像和对应功能性VF指标（平均偏差、敏感度图、模式偏差概率图） | 计算机视觉, 数字病理学 | 青光眼 | OCT成像 | 深度学习 | 图像, 表格数据 | 401个OCT体积（每个包含256张横截面图像），附带VF标签和人口统计学数据 | NA | 双分支架构（结合OCT与表格数据），任务特定OCT模型 | NA | NA |
| 92 | 2026-05-19 |
Deep Learning-Assisted Nanomechanical Evaluation of Replicative Senescence in Human Umbilical Cord Mesenchymal Stem Cells
2026-May-13, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.6c00374
PMID:42127096
|
研究论文 | 利用深度学习辅助原子力显微镜技术评估人脐带间充质干细胞复制性衰老，并建立基于变分自编码器的预测模型 | 首次揭示hUC-MSCs特有的“衰老相关力学表型”，并结合VAE深度学习模型实现衰老的连续低维表示与早期精准预测 | NA | 实现人脐带间充质干细胞复制性衰老的非侵入性、实时定量评估 | 人脐带间充质干细胞（hUC-MSCs）的年轻与衰老细胞 | 机器学习 | NA | 原子力显微镜（AFM） | 变分自编码器（VAE） | 力学表型数据（纳米形貌、力学参数） | NA | NA | 变分自编码器（VAE） | 预测性能、泛化能力 | NA |
| 93 | 2026-05-19 |
Deep learning for detection and automatic visualization of radiation-induced temporal lobe injury in nasopharyngeal carcinoma across endemic and non-endemic areas in China
2026-May-13, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111596
PMID:42134661
|
研究论文 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌放射诱导颞叶损伤的检测和自动可视化 | 首次提出基于2.5D ResNet的多任务学习网络，同时实现放射诱导颞叶损伤的分类和分割，并在中国大陆地域跨度大的流行区和非流行区进行验证 | 前瞻性验证中临床获益尚未得到确认；模型性能在外部测试集上略有下降 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌放射诱导颞叶损伤的早期检测和自动可视化 | 鼻咽癌患者放射诱导的颞叶损伤 | 计算机视觉 | 鼻咽癌 | MRI | 多任务深度学习网络 | 图像 | 956名鼻咽癌患者 | PyTorch | 2.5D ResNet | AUC, 灵敏度, Dice相似系数 | NA |
| 94 | 2026-05-19 |
ULCYP: A Multitask Model for Predicting P450 Inducers Based on Positive-Unlabeled Learning
2026-May-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00305
PMID:42120957
|
研究论文 | 提出ULCYP，一种基于正-未标记学习的多任务深度学习框架，用于预测细胞色素P450诱导剂 | 利用正-未标记学习方法有效利用大规模未标记数据，弥补可信负样本的稀缺性，提升决策边界估计的准确性；结合集成梯度方法增强模型可解释性，并定义严格的应用域 | 研究未明确提及局限性，但可能受限于诱导剂数据稀缺和模型在更广化学空间中的泛化能力 | 开发用于预测CYP诱导剂的多任务深度学习模型，以降低药物相互作用和毒性风险 | 细胞色素P450（CYP）诱导剂及关键诱导介质（PXR、CAR、AhR）的非激动剂 | 机器学习 | NA | 深度学习 | 多任务深度学习模型 | 分子结构数据 | 包含诱导剂和未标记数据，具体数量未给出 | PyTorch | 基于深度神经网络的多任务框架 | 平均AUC高于0.81 | NA |
| 95 | 2026-05-19 |
A new method for accurate detection of counterfeit sesame oil using three-dimensional fluorescence spectroscopy
2026-May-12, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128055
PMID:42143998
|
研究论文 | 提出一种利用三维荧光光谱结合差分光谱重构和TabTransformer-XGBoost模型，精确检测掺假芝麻油的新方法 | 创新性提出差分光谱重构方法以增强微小掺假引起的荧光变化，并构建TabTransformer-XGBoost深度学习模型同时实现芝麻油真伪分类和芝麻香精浓度的准确定量 | 未提及方法的局限性 | 实现芝麻油真伪的准确检测和芝麻香精浓度的定量预测，保障食品安全 | 掺假芝麻油中的芝麻香精浓度 | 机器学习 | NA | 三维荧光光谱 | TabTransformer-XGBoost集成深度学习模型 | 光谱数据 | 三个掺假样品 | XGBoost | TabTransformer, XGBoost | 准确率, 相关系数R, 均方根误差, 平均绝对百分比误差, 平均绝对误差 | NA |
| 96 | 2026-05-19 |
Molecular and Computational Basis of Taste Perception: A Review toward the "Digital Language of Taste"
2026-May-12, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c05861
PMID:42146156
|
综述 | 综述了味觉感知的分子与计算基础，聚焦于数字化味觉语言的构建 | 系统整合了分子对接、分子动力学模拟与机器学习在味觉研究中的应用，特别强调了人工智能模型（如深度学习与Transformer架构）在提高味觉预测准确性方面的进展 | 味觉受体结构数据不完整、受体激活长时间尺度建模困难、多感官整合模型不完善，以及计算预测与人类主观体验之间的鸿沟 | 探讨计算化学、分子建模与机器学习在味觉机制研究、味觉特征预测及新型味觉化合物设计中的应用，推动数字化味觉发展 | 味觉受体（G蛋白偶联受体和离子通道）及甜、苦、鲜、咸、酸五种基本味觉模式 | 机器学习 | NA | 分子对接、分子动力学模拟、机器学习 | 深度学习模型、Transformer架构 | 分子描述符数据 | NA | NA | 深度学习、Transformer | 准确率 | NA |
| 97 | 2026-05-19 |
Deep Computational Anatomy via Latent-Aligned Multiview Normalizing Flows
2026-May-11, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723039
PMID:42146611
|
研究论文 | 提出一种名为潜在对齐多视图归一化流（LAMNr）的深度学习框架，用于学习异构多模态数据集的共享潜在子空间，同时拓扑展开数据流形 | 通过形式化的潜在对齐约束分离共享结构特征和视图特定变化，将归一化流与多模态数据协调结合，建立计算解剖概念（群体模板、潜在距离、测地线图像插值）的深度学习解释基础，支持精确的跨视图条件建模与潜在空间操作 | NA | 开发一种深度学习框架，用于多模态生物成像数据的共享潜在子空间学习与计算解剖学分析 | 成像衍生表型（IDPs）和多模态MRI数据 | 计算机视觉, 数字病理学 | NA | MRI | 归一化流（Normalizing Flows） | 图像 | NA | PyTorch, ANTsTorch | 潜在对齐多视图归一化流（LAMNr） | NA | NA |
| 98 | 2026-05-19 |
Cortical reconstruction and anatomical parcellation of high-resolution multi-modal postmortem ex vivo MRI of the human infant brain
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.07.722301
PMID:42146518
|
研究论文 | 提出一个结合深度学习体积分割与表面皮质重建的高分辨率多模态死后婴儿脑MRI统一分析框架 | 首次为死后婴儿脑MRI构建多模态高分辨率数据集，并开发死后特定合成数据生成引擎PostSynth，以模拟固定引起的成像特征变化，解决死后MRI与活体MRI之间的域偏移问题 | 数据集可能受限于样本量及死后组织变化的个体差异，标准神经影像管线在完全未修正情况下完全失效 | 实现死后婴儿脑MRI的自动解剖分割与皮质表面重建，为微观结构测量与病理关联提供工具 | 死后婴儿脑（postmortem infant brain）的高分辨率多模态MRI数据 | 数字病理学 | 无特定疾病，针对发育中脑结构研究 | 多模态MRI（高分辨率结构成像）、深度学习体积分割、表面重建 | 深度学习（卷积神经网络为基础的分割与重建模型） | 图像（高分辨率MRI） | 未明确说明样本数量，但强调为多模态高分辨率死后婴儿脑数据集 | NA | NA | NA | NA |
| 99 | 2026-05-19 |
A Deep Learning Framework for Spatiotemporal Modeling of Visual Task fMRI
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722117
PMID:42146685
|
研究论文 | 提出STREAM深度学习框架，用于对任务态fMRI中的视觉皮层处理进行时空建模，揭示有效连接和全脑信息流 | 首次将深度学习用于学习任务fMRI中的神经转换函数，以表征有效连接和全脑信息流，并发现默认模式网络作为高级调节枢纽而非被动区域 | 未提供明确的局限性信息 | 通过深度学习框架表征任务态fMRI中的有效连接和全脑信息流，揭示大脑动态协调机制 | 1074名参与者的视觉类别处理任务fMRI数据 | 机器学习 | NA | 功能磁共振成像（fMRI） | 深度学习模型（STREAM） | fMRI时间序列图像 | 1074名参与者 | PyTorch | STREAM（时空表示有效连接分析模型） | 激活图重建精度 | NA |
| 100 | 2026-05-19 |
CT Attenuation Map-Derived Body Composition Is Associated with Cardiorespiratory Fitness in Multicenter External Validation
2026-May-08, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.07.26352573
PMID:42145618
|
研究论文 | 开发并外部验证基于CT衰减图的体成分“健康”评分，用于评估心肺适能 | 首次利用深度学习量化CT体成分数据，构建综合“健康”评分替代运动测试，并在多中心外部人群中验证其与运动能力和全因死亡率的关联 | NA | 评估基于CT体成分分析估计心肺适能的有效性，并开发可替代运动测试的评分工具 | 接受单光子发射计算机断层扫描（SPECT）和正电子发射断层扫描（PET）的患者 | 计算机视觉 | 心血管疾病 | CT衰减图 | 深度学习 | 图像 | 36471名患者（来自4个SPECT站点和12个PET站点） | NA | NA | AUC, 调整后风险比 | NA |