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 45062 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2026-05-30 |
From pixels to prognosis: A QUADAS-2-Guided systematic review and meta-analysis of deep learning segmentation for DLBCL in PET and PET/CT
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101144
PMID:41719779
|
系统综述与荟萃分析 | 对深度学习模型在PET/CT成像中自动分割弥漫性大B细胞淋巴瘤的性能与方法学质量进行系统评价和荟萃分析 | 首次采用QUADAS-2工具对DLBCL深度学习分割研究的偏倚风险进行全面评估，并基于随机效应模型计算了合并Dice相似系数 | 纳入研究间算法、研究设计和数据集存在异质性，单中心与多中心研究表现有差异，未来需更大且多样化的队列及改进报告标准 | 评估深度学习模型在PET/CT中自动分割DLBCL的性能与方法学质量 | 15项合格研究（11项定量合成，4项定性评估） | 计算机视觉 | 弥漫性大B细胞淋巴瘤 | PET/CT成像 | 深度学习模型 | 医学影像 | 15项研究（11项定量合成） | NA | NA | Dice相似系数 | NA |
| 1022 | 2026-05-30 |
Integrative multi-omics and machine learning/deep learning approaches in cancer knowledge discovery: A scoping review
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101136
PMID:41740538
|
综述 | 该范围综述评估了多组学整合结合机器学习和深度学习方法在癌症知识发现中的应用效果 | 系统性总结了70项研究中多组学整合与ML/DL方法在癌症预测和分型中的应用，揭示了当前研究设计的多样性和知识缺口 | 纳入研究的设计和数据类型差异显著，难以进行跨研究比较，且缺乏标准化整合方法 | 评估多组学整合与ML/DL方法在癌症知识发现中的有效性，并识别关键主题和知识缺口 | 70项关于多组学整合和ML/DL应用的研究 | 机器学习 | 癌症 | 多组学（转录组学、基因组学、蛋白质组学等） | 机器学习、深度学习 | 多组学数据 | 70项研究 | NA | NA | NA | NA |
| 1023 | 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 |
| 1024 | 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 |
| 1025 | 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 |
| 1026 | 2026-05-30 |
Correction: AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0350051
PMID:42189894
|
更正 | 本文是对先前一篇关于利用混合深度学习框架检测短视频内容中网络霸凌的文章进行更正 | NA | NA | NA | NA | 自然语言处理 | NA | NA | 深度学习 | 视频 | NA | NA | 混合深度学习框架 | NA | NA |
| 1027 | 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 |
| 1028 | 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 |
| 1029 | 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 |
| 1030 | 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 |
| 1031 | 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 |
| 1032 | 2026-05-30 |
Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning
2025-Sep-01, Drug and alcohol dependence
IF:3.9Q1
DOI:10.1016/j.drugalcdep.2025.112774
PMID:40684523
|
研究论文 | 通过身体传感器和认知任务数据，利用时间融合深度学习模型检测阿片类药物滥用 | 首次将时间融合变换器机器学习模型应用于结合身体传感器和认知任务数据来检测阿片类药物滥用 | 行为反应比生理信号对滥用状态预测更强，可穿戴传感器预测能力有限，且需与客观阿片类药物滥用测量基准对比 | 利用机器学习检测阿片类药物滥用，预防过量使用和阿片类药物使用障碍等风险 | 169名使用阿片类镇痛药管理慢性疼痛的患者 | 机器学习 | 阿片类药物滥用 | NA | 时间融合变换器 | 生理数据（心率变异性、呼吸率）、行为数据（反应时间、任务准确率） | 169名患者，9238个数据点 | NA | 时间融合变换器 | AUC、特异性、敏感性 | NA |
| 1033 | 2026-05-30 |
Artificial Intelligence in the Diagnosis and Prognostication of the Musculoskeletal Patient
2025-Aug, HSS journal : the musculoskeletal journal of Hospital for Special Surgery
IF:1.6Q2
DOI:10.1177/15563316251339660
PMID:40454292
|
综述 | 探讨人工智能在肌肉骨骼疾病诊断和预后中的应用，包括计算机视觉算法和多模态预测模型 | 引入生成式人工智能领域，概述AI模型开发的局限性框架 | 未具体说明，但指出AI模型开发存在局限性 | 帮助临床医生理解机器学习和深度学习在肌肉骨骼疾病管理中的应用意义 | 肌肉骨骼患者和相关AI模型 | 计算机视觉 | 肌肉骨骼疾病 | NA | 深度学习 | 图像、多模态数据 | NA | NA | 计算机视觉算法、多模态预测模型 | NA | NA |
| 1034 | 2026-05-30 |
Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits
2025-07-03, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2025.05.015
PMID:40543505
|
研究论文 | 提出多模态深度学习方法M-REGLE，通过融合心电图和光电容积描记波形数据，提升心血管性状的遗传预测性能 | 首次利用卷积变分自编码器联合学习多模态生理波形的低维潜在因子，并通过GWAS分析发现更多遗传位点，实现跨模态互补信息的遗传关联挖掘 | 未明确提及模型泛化性验证（如其他模态数据）或计算效率分析 | 开发多模态表示学习方法以增强复杂心血管性状的遗传关联发现和预测能力 | 心血管生理波形模态（12导联心电图、单导联心电图、光电容积描记图） | 机器学习 | 心血管疾病 | 深度卷积变分自编码器 | 卷积神经网络 | 生理波形信号 | 多个生物样本库数据集（具体样本数未提供） | PyTorch | 变分自编码器 | 遗传位点发现率、遗传风险评分预测性能 | NA |
| 1035 | 2026-05-30 |
A review of denoising methods in single-particle cryo-EM
2025-07, Micron (Oxford, England : 1993)
DOI:10.1016/j.micron.2025.103817
PMID:40164016
|
综述 | 全面回顾单颗粒冷冻电镜图像去噪方法的最新进展 | 从传统滤波方法到最新深度学习策略的系统性比较分析，为研究者提供该领域的全面视角 | 未涉及具体去噪方法的定量性能对比实验，未深入探讨方法在真实数据上的泛化能力 | 推动单颗粒冷冻电镜去噪领域发展，促进高质量图像获取，为领域新研究者提供指导 | 单颗粒冷冻电镜图像去噪方法 | 计算机视觉 | NA | 冷冻电镜 | NA | 冷冻电镜图像 | NA | NA | NA | 信噪比 | NA |
| 1036 | 2026-05-30 |
AI-Driven Detection and Measurement of Keratinized Gingiva in Dental Photographs: Validation Using Reference Retainers
2025-07, Journal of clinical periodontology
IF:5.8Q1
DOI:10.1111/jcpe.14164
PMID:40195567
|
研究论文 | 评估深度学习模型在口腔照片中检测角化龈的临床有效性，并利用参考固定器进行验证 | 首次提出能够可靠识别全口腔角化龈的AI模型，并利用参考固定器进行彻底验证 | 后牙区域的预测结果需要进一步改进 | 评估深度学习模型在口腔照片中检测角化龈的能力，并验证其临床适用性 | 来自32名受试者的576张口腔六分区照片 | 机器视觉 | 口腔疾病 | 深度神经网络 | DeepLabv3 | 图像 | 32名受试者，576张六分区照片 | NA | DeepLabv3, ResNet50 | Dice系数，准确率 | NA |
| 1037 | 2026-05-30 |
Peptide Property Prediction for Mass Spectrometry Using AI: An Introduction to State of the Art Models
2025-05, Proteomics
IF:3.4Q2
DOI:10.1002/pmic.202400398
PMID:40211610
|
综述 | 综述了基于机器学习和深度学习的质谱肽段性质预测模型，涵盖可消化性、保留时间等多个性质 | 提供了从入门到前沿的全面概述，有助于开发可访问且可复现的肽段性质预测模型 | 当前模型在处理多样化翻译后修饰和仪器变异性方面存在困难，需要大规模协调数据集和标准化评估指标 | 介绍并更新质谱肽段性质预测领域的前沿模型，旨在为新手和有经验的研究者提供指导 | 质谱蛋白质组学中的肽段性质预测模型 | 机器学习 | NA | 质谱 | 机器学习、深度学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 1038 | 2026-05-30 |
Risk-Stratified Screening: A Simulation Study of Scheduling Templates on Daily Mammography Recalls
2025-03, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2024.12.010
PMID:40044308
|
研究论文 | 通过仿真模拟评估风险分层筛查调度对每日乳腺X光检查召回率的影响 | 将基于AI和深度学习的癌症风险分层整合到每日筛查调度中，以优化同一天诊断检查的利用，减少后续预约需求 | 基于模拟而非真实临床数据，且未涉及实际实施中的复杂性，如患者依从性或资源限制 | 评估与传统随机调度相比，风险分层筛查调度对乳腺X光检查工作流程中召回率、运营时间和患者等待时间的影响 | 基于离散事件模拟的高容量乳腺成像中心的每日患者调度流程 | 计算机视觉 | 乳腺癌 | 没有使用特定的测序或组学技术；主要涉及AI辅助诊断和深度学习 | 深度学习风险模型 | 模拟数据 | 每日60名患者（模型中平均42%接受筛查，11%约3名被推荐诊断检查） | NA | NA | 召回率方差、运营时间、患者等待时间 | NA |
| 1039 | 2026-05-30 |
Opportunistic Detection of Hepatocellular Carcinoma Using Noncontrast CT and Deep Learning Artificial Intelligence
2025-03, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2024.12.011
PMID:40044303
|
研究论文 | 利用非增强CT和深度学习人工智能算法机会性检测肝细胞癌 | 首次探索非增强CT在肝细胞癌机会性筛查中的应用，并开发了基于3D卷积块注意力模块的人工智能算法 | 未提及具体限制，但可能包括样本选择偏倚、外部验证队列规模有限等 | 开发一种仅使用非增强CT进行高效准确肝细胞癌检测的人工智能算法 | 肝细胞癌患者及高风险人群的非增强CT扫描图像 | 计算机视觉，数字病理 | 肝癌 | CT成像 | 3D卷积块注意力模块 | CT图像 | 共2,223名患者（内部验证）和584名患者（外部测试） | NA | 卷积块注意力模块 | AUC | NA |
| 1040 | 2026-05-30 |
Applying Artificial Intelligence to Quantify Body Composition on Abdominal CTs and Better Predict Kidney Transplantation Wait-List Mortality
2025-03, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.01.004
PMID:40044312
|
研究论文 | 利用人工智能量化腹部CT上的身体成分，以更好地预测肾移植等待名单死亡率 | 首次应用深度学习模型全自动量化肾移植候选者的腹部CT身体成分数据，包括脂肪、主动脉钙化、骨密度和肌肉质量，并评估其在预测等待名单死亡率中的价值 | 单中心回顾性研究，样本量有限，需要外部验证；身体成分参数与EPTS联合改善预测性能有限 | 评估人工智能辅助提取腹部CT身体成分数据能否改善肾移植等待名单死亡率的预测 | 2007年1月1日至2017年12月31日期间等待肾移植的候选者 | 机器学习和数字病理学 | 肾脏疾病 | CT成像 | 深度学习模型 | CT图像 | 899名肾移植候选者 | NA | NA | 受试者工作特征曲线下面积 (AUC) | NA |