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 50072 篇文献，本页显示第 11781 - 11800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11781 | 2026-04-24 |
Advanced lung segmentation on chest HRCT: comprehensive pipeline for quantification of airways, vessels, and injury patterns
2026-Apr, La Radiologia medica
DOI:10.1007/s11547-025-02166-w
PMID:41441964
|
research paper | 提出了一种混合管道，结合U-Net深度学习与图像处理技术，实现胸部HRCT图像中肺、气道、血管和实质损伤模式的同时分割与量化 | 首次采用混合方法（U-Net与定制图像处理优化结合）实现多结构同步分割，并引入实质损伤模式分类，覆盖炎症性和感染性疾病 | 未提及样本量较小或外部验证数据集有限等具体限制 | 开发一种可靠、通用且能同时分割多结构（肺、气道、血管和实质损伤模式）的肺分割管道 | COVID-19和特发性肺纤维化患者的胸部HRCT图像，以及公共数据集中的CT扫描 | computer vision | COVID-19, 特发性肺纤维化 | 高分辨率计算机断层扫描（HRCT） | U-Net | 图像 | 19个COVID-19公共数据集CT扫描用于深度学习训练，8个EXACT'09挑战赛注释扫描用于气道分割验证，20个回顾性HRCT扫描用于管道验证 | NA | U-Net | Dice系数, 视觉评分（1-5级）, Kruskal-Wallis检验 | NA |
| 11782 | 2026-04-24 |
Deep Learning Based Approach for Lossless ECG Compression
2026-Apr, Cardiovascular engineering and technology
IF:1.6Q4
DOI:10.1007/s13239-026-00821-5
PMID:41761039
|
研究论文 | 提出一种基于深度学习的无损失心电图压缩方法，通过自适应ARIMA模型实现高效压缩 | 创新性地结合深度自编码器和多层感知机神经网络回归器预测最优超参数，并采用粒子群优化算法进行离线调优 | NA | 实现无损失心电图信号的高效压缩，用于远程监测和存储传输 | MIT-BIH心律失常数据库中的46条心电图记录，包括10种主要异常心搏类型 | 机器学习 | 心血管疾病 | 心电图信号处理 | 自编码器, 多层感知机神经网络 | 信号 | 46条心电图记录（包含多种异常心搏） | NA | 自适应回归移动平均模型, 自编码器, 多层感知机神经网络 | 压缩比, 百分比均方根差 | NA |
| 11783 | 2026-04-24 |
Deep Learning Echocardiographic Trajectories of Heart Failure With Preserved Ejection Fraction: A Retrospective Cohort Study
2026-Apr, JACC. Advances
DOI:10.1016/j.jacadv.2026.102659
PMID:41855744
|
研究论文 | 利用深度学习对射血分数保留的心力衰竭患者超声心动图轨迹进行纵向表型分析，揭示不同轨迹的临床特征和预后差异 | 首次通过机器学习与深度学习纵向聚类方法，基于超声心动图变量识别HFpEF患者的三种不同心脏结构与功能变化轨迹，并系统关联临床结局 | 单中心回顾性设计，可能存在选择偏倚；仅纳入至少有一次≥1年随访超声心动图的患者，可能排除病情快速恶化者；未进行外部验证 | 探究射血分数保留的心力衰竭患者超声心动图测量的心脏结构与功能轨迹及其与临床结局的关系 | 射血分数保留的心力衰竭患者 | 机器学习 | 心血管疾病 | NA | 深度学习纵向聚类模型 | 超声心动图纵向数据 | 1626例HFpEF患者 | NA | 深度学习聚类模型 | 全因死亡率、B型利钠肽水平变化、实验室生物标志物变化 | NA |
| 11784 | 2026-04-24 |
Risk Classification of Low-Resolution Whole-Slide Thumbnail Images by Multi-dimensional Feature Reconstruction with Multi-task Deep Learning Network Helps Prioritize Pathology Case Registration
2026-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01582-8
PMID:40563041
|
研究论文 | 提出一种基于多任务深度学习网络的多维特征重建方法，利用低分辨率全切片缩略图进行病例风险分类，以优先处理病理登记中的恶性病例 | 首次将人工智能分析应用于低分辨率全切片缩略图，并结合多任务深度学习网络同时进行组织分割和良恶性分类，再通过多维特征重建提升分类准确性 | 基于334张图像的小样本研究，假阴性率为6.41%，且仅针对良恶性分类，未涉及具体肿瘤亚型或罕见病变 | 通过分析苏木精-伊红染色的低分辨率全切片缩略图，自动化筛查并优先处理恶性病例，改进手术病理标本的分类和排序 | 低分辨率全切片缩略图，包含100个良性病例和234个恶性病例 | 数字病理学 | 恶性肿瘤 | 苏木精-伊红染色 | 多任务深度学习网络 | 图像 | 334张小尺寸缩略图（746×1632像素），含100例良性、234例恶性 | NA | 多任务深度学习网络 | 准确率、敏感性、特异性、阳性预测值、阴性预测值、假阴性率、推理时间 | NA |
| 11785 | 2026-04-24 |
Predicting IDH Mutation in Glioma Patients Using Deep Learning Algorithms with Conformal Prediction
2026-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01580-w
PMID:40563037
|
研究论文 | 利用深度学习算法和一致性预测方法预测神经胶质瘤患者的IDH突变 | 将一致性预测用于深度学习模型的概率量化，提高IDH突变预测的性能 | 外部测试集上的AUPRC较低（0.2139-0.5217），表明模型泛化能力有限 | 开发具有不确定性感知的深度学习模型，预测神经胶质瘤患者的IDH突变 | 神经胶质瘤患者 | 机器学习, 数字病理学 | 神经胶质瘤 | NA | 3D卷积神经网络, 逻辑回归集成分类器 | 医学影像 | UCSF数据集（训练集70%，验证集30%），UPENN数据集（校准集30%，外部测试集70%） | NA | 3D卷积神经网络, 逻辑回归集成模型 | 精确率-召回率曲线下面积, 受试者工作特征曲线下面积 | NA |
| 11786 | 2026-04-24 |
Assessment of Robustness of MRI Radiomic Features in the Abdomen: Impact of Deep Learning Reconstruction and Accelerated Acquisition
2026-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01503-9
PMID:40563044
|
研究论文 | 评估深度学习重建与加速采集对腹部MRI影像组学特征稳健性的影响 | 首次系统评估深度学习重建与加速采集相结合对腹部MRI影像组学特征可重复性和变异性的影响 | 未考虑临床意义，且样本量较小（17名志愿者） | 探究深度学习重建与加速采集对腹部MRI影像组学特征可重复性和变异性的影响 | 腹部MRI影像的93个影像组学特征 | 数字病理学 | 不适用 | MRI | 深度学习重建模型 | 图像 | 17名志愿者，每个志愿者扫描4次，共68次的腹部MRI影像 | PyRadiomics | NA | 组内相关系数 (ICC), 一致性相关系数 (CCC), 变异系数 (CV), 四分位离散系数 (QCD) | NA |
| 11787 | 2026-04-24 |
Comparative Assessment of Artificial Intelligence Models for Predicting Water Quality in a Reverse Osmosis Desalination Plant
2026-Apr, Water environment research : a research publication of the Water Environment Federation
IF:2.5Q2
DOI:10.1002/wer.70377
PMID:41958195
|
研究论文 | 评估六种人工智能模型在反渗透海水淡化厂水质预测中的性能，发现集成模型表现最优 | 首次在阿尔及利亚Cap Djinet海水淡化厂的实际运营数据上，系统比较线性回归、多项式回归、支持向量回归、随机森林、极限梯度提升和MLP六种模型用于水质预测，揭示了小样本数据下深度学习模型的脆弱性 | 受限样本量（small-data contexts）使MLP等复杂模型表现不佳，研究结果受限于可用数据集的范围，但数据集仍能代表常见运营条件 | 利用人工智能实现反渗透海水淡化厂的预测性监测，优化水资源生产可持续性 | Cap Djinet海水淡化厂（阿尔及利亚）的实际运营数据 | 机器学习 | NA | 反渗透海水淡化工艺 | 线性回归、多项式回归、支持向量回归、随机森林、极限梯度提升、多层感知机 | 水质参数（物理化学和化学指标） | 未明确提及具体样本数量 | NA | LR、PR、SVR、RF、XGBoost、MLP | 相关系数（R）、均方根误差（RMSE）、平均绝对百分比误差（MAPE） | NA |
| 11788 | 2026-04-24 |
Clinician-deployable deep hypergraph model integrating clinical and CT radiomics predicts immunotherapy outcomes in NSCLC
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001361
PMID:42008547
|
研究论文 | 开发并验证一种临床医生可操作的深度超图模型，整合临床数据和CT影像组学，预测非小细胞肺癌免疫治疗疗效 | 首次提出临床医生可在标准CPU硬件上运行的深度超图模型，通过成对关联编码器和影像组学特征融合，实现比现有深度学习模型更高的预测性能，并显著降低临床部署复杂度 | 未提及模型在不同种族、不同治疗方案的泛化性，且超图结构可能对缺失数据敏感，需进一步验证 | 开发一种临床医生可操作的预后模型，整合临床和影像数据，在标准CPU硬件上预测NSCLC免疫治疗疗效 | 接受免疫治疗的非小细胞肺癌患者 | 机器学习, 数字病理 | 肺癌 | 影像组学 | 超图神经网络 | 图像, 临床数据 | 1379名非小细胞肺癌患者（来自五家中国医院和纪念斯隆凯特琳癌症中心） | PyTorch | Deep Hypergraph for NSCLC (DHGN) | C指数, 风险比 | 标准CPU硬件（无需GPU） |
| 11789 | 2026-04-24 |
Enhancing liver fibrosis measurement: Deep learning and uncertainty analysis across multi-center cohorts
2026-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2026.100653
PMID:42023068
|
研究论文 | 通过深度学习和不确定性分析增强肝纤维化测量，解决多中心队列中染色差异对量化结果影响的问题 | 提出基于U-Net集成的预测不确定性量化方法，直接通过模型输出评估预测置信度，增强多中心数据集纤维化测量的可靠性和可解释性 | 未提及具体限制 | 评估染色变异性对自动纤维化量化和模型不确定性的影响，提高多中心数字病理工作流程的可信度和可重复性 | 来自4个独立队列（超过20个临床中心）的686个PicroSirius Red染色的肝脏活检样本 | 数字病理 | 肝纤维化 | 数字病理, PicroSirius Red染色 | U-Net集成 | 图像 | 686个肝脏活检样本（来自4个独立队列） | NA | U-Net | Dice系数，表型不确定性值 | NA |
| 11790 | 2026-04-24 |
Leveraging Co-Occurrence to Improve Deep Learning Photo-Identification in Social Animals
2026-Apr, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.73552
PMID:42023405
|
研究论文 | 提出一种利用社会共现信息改进深度学习照片识别的方法，可应用于社会性动物的个体识别 | 模型无关的相遇级别识别程序，通过将社会背景作为可部署概率组件进行log线性融合，无需重新训练或修改图像模型 | 依赖历史共现结构，在相遇环境被破坏时效果下降，且需要一定训练历史积累 | 提高社会性动物照片识别中深度学习匹配的准确性，利用群体共现信息 | 西海岸虎鲸（Bigg's killer whales）的长期照片识别数据集 | 计算机视觉 | NA | NA | NA（模型无关方法） | 图像 | 西海岸虎鲸长期照片识别数据集（含相遇结构信息） | NA | NA | Top-1误差、Macro-F1 | 轻量级后处理，计算开销极小 |
| 11791 | 2026-04-24 |
Spectrogram-derived graphs and inductive learning for multi-label avian vocalization detection in field recordings
2026-Apr-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0043592
PMID:42023944
|
研究论文 | 提出一种利用归纳式空间几何深度学习网络从野外录音中检测多种鸟类发声的方法 | 首次将归纳式图神经网络（GraphSAGE和GAT）与梅尔谱图结合用于多标签鸟类声学检测，并引入SpecAugment数据增强提升鲁棒性 | NA | 从野外录音中高效检测多种鸟类发声的多标签分类任务 | 鸟类发声的野外录音 | 机器学习 | NA | NA | 图神经网络 | 音频 | Xeno-canto鸟类声音数据库 | PyTorch | GraphSAGE, GAT, Deep CNN, AudioProtoPNet-20 | 宏F1分数 | NA |
| 11792 | 2026-04-24 |
[Advances in the Application of Artificial Intelligence in Clinical Microbiological Testing]
2026-Mar-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition
DOI:10.12182/20260360501
PMID:42021875
|
综述 | 系统回顾人工智能在临床微生物检测中的应用进展，涵盖视觉与非视觉数据的分析方法及算法前沿 | 系统整合深度学习在显微图像分析与多组学数据（基因组、转录组、宏基因组）中的应用突破，并探讨从科研向临床转化的关键挑战 | 仍处于从科学研究向临床实践转化的早期阶段 | 综述人工智能提升临床微生物检测效果（病原体识别、药敏预测、实验室自动化）的现状与趋势 | 临床微生物检测中的视觉数据（显微图像、菌落形态）与非视觉数据（基因组学、转录组学、宏基因组学等多组学数据） | 机器学习 | NA | NA | 深度学习 | 图像、文本 | NA | NA | NA | 识别效率、诊断准确度 | NA |
| 11793 | 2026-04-24 |
Deep learning for Evaluation and Prediction of TecHnical Skills in robotic-assisted vaginal cuff closure study
2026-Mar-19, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2026.03.015
PMID:41864316
|
研究论文 | 开发基于深度学习的模型，通过细粒度分析预测机器人辅助子宫切除术中阴道袖口缝合的技术错误和通用手术技能 | 提出三种深度学习流水线（手术视频错误检测、少样本手术技能评估和多模态学习），首次在阴道袖口关闭视频中实现帧级错误检测和客观技能评分 | 数据集规模有限，仍需要更大规模的多中心数据集 | 开发基于细粒度分析的深度学习模型，预测机器人辅助阴道袖口关闭中的技术错误和通用手术技能 | 2023-2025年间多中心前瞻性队列研究中采集的机器人辅助全子宫切除术视频 | 计算机视觉 | 妇科手术 | 手术视频录制 | CNN, 时间建模模型 | 视频 | 来自2个中心的40段视频（667分钟，1,201,654帧），涉及11名外科医生（3名初学者、5名中级、3名专家） | NA | 时间建模网络, 少样本学习模型, 多模态学习模型 | 准确率, F1分数, 皮尔逊相关系数, 平均绝对误差 | NA |
| 11794 | 2026-04-24 |
Prediction of Bandgap and Key Feature Analysis of Lead-Free Double Perovskite Oxides Based on Deep Learning
2026-Mar-19, Molecules (Basel, Switzerland)
DOI:10.3390/molecules31061032
PMID:41900131
|
研究论文 | 基于深度学习方法预测无铅双钙钛矿氧化物的带隙并分析关键特征 | 系统比较了MLP、深度集成学习、PINN和Transformer四种模型在中规模结构化特征预测中的表现，并利用SHAP方法分析特征重要性，揭示电子结构描述符为关键影响因子 | MLP对含硅和镁等元素的中高带隙系统泛化能力有限 | 实现无铅双钙钛矿带隙的高精度预测与机制解释，为材料设计提供理论支撑 | 无铅双钙钛矿氧化物的带隙 | 机器学习 | NA | 密度泛函理论计算（数据来源） | MLP, 深度集成学习, PINN, Transformer | 结构化数值数据 | 2367个有效数据集 | NA | MLP, 深度集成学习, PINN, Transformer | R值, MAE, MSE, RMSE | NA |
| 11795 | 2026-04-24 |
MM-WAE: Multimodal Wasserstein Autoencoders for Semi-Supervised Wafer Map Defect Recognition
2026-Mar-18, Micromachines
IF:3.0Q2
DOI:10.3390/mi17030367
PMID:41900253
|
研究论文 | 提出一种基于多模态Wasserstein自编码器的半监督晶圆图缺陷识别方法 | 构建空间、频率和纹理三个并行特征分支，利用多头注意力机制和门控机制进行自适应多模态融合；引入Wasserstein自编码器并用最大平均差异损失正则化潜空间分布；结合逆类别频率加权交叉熵损失和模态一致性损失，实现半监督学习下的重构与分类联合优化 | 未提及模型在极不平衡数据或新缺陷类型上的泛化能力，也未报告计算资源需求或推理速度 | 解决晶圆图缺陷识别中标签稀缺、长尾分布和特征表示有限导致的性能下降问题 | 晶圆图缺陷模式 | 计算机视觉 | NA | 晶圆图成像 | Wasserstein自编码器、多头注意力机制 | 晶圆图图像 | NA | PyTorch | Wasserstein自编码器 | 准确率、鲁棒性 | NA |
| 11796 | 2026-04-24 |
Yixin Yangshen Granules Target HIF-1 Signaling to Modulate the Neuroimmune Microenvironment in Alzheimer's Disease: Insights from Integrative Multi-Omics and Deep Learning
2026-Mar-18, Pharmaceuticals (Basel, Switzerland)
DOI:10.3390/ph19030502
PMID:41901348
|
研究论文 | 本研究整合多组学和深度学习技术，阐明益心养肾颗粒通过调节HIF-1信号通路改善阿尔茨海默病神经免疫微环境的机制 | 首次结合单细胞RNA测序、多组学分析和深度学习框架DTIAM，系统揭示益心养肾颗粒通过HIF-1和AGE-RAGE通路的多靶点调控机制，并识别灵芝内酯A为关键活性成分 | 主要基于Aβ诱导的小鼠模型和体外细胞实验，缺乏人体临床试验验证；多组学整合和深度学习的预测结果需进一步的药理实验佐证 | 阐明益心养肾颗粒治疗阿尔茨海默病的多靶点机制，重点关注神经免疫微环境的调节 | 阿尔茨海默病患者海马组织snRNA-seq数据、Aβ诱导的HT22细胞和小鼠模型 | 机器学习 | 阿尔茨海默病 | snRNA-seq、UPLC-QTOF-MS、转录组测序、蛋白质组学、分子对接、分子动力学模拟 | 深度学习框架DTIAM | 基因表达数据、蛋白质组数据、分子对接数据 | 公开人类AD海马snRNA-seq数据集（具体数量未说明）；Aβ诱导的小鼠模型（具体数量未说明） | DTIAM | DTIAM | NA | NA |
| 11797 | 2026-04-24 |
Integrating phenotypic information of obstructive sleep apnea and deep representation of sleep-event sequences for cardiovascular risk prediction
2026-Mar-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03439-8
PMID:41840572
|
研究论文 | 整合阻塞性睡眠呼吸暂停表型信息与睡眠事件序列的深度表示，用于心血管风险预测 | 提出表型对比深度学习模型，将OSA表型信息与夜间睡眠事件特征序列的深度表示相结合，并通过SHAP分析增强模型可解释性 | 未提及具体限制，但可能包括样本来自单一数据集（MESA），年龄范围较窄等 | 探索整合OSA表型信息和夜间生理信息以精确预测心血管不良结局的有效策略，并识别一般人群和OSA人群中最重要的风险因素 | 1874名无心血管疾病史的参与者（年龄54-94岁） | 机器学习 | 阻塞性睡眠呼吸暂停与心血管疾病 | NA | 深度学习模型（表型对比模型） | 临床数据、睡眠事件序列特征 | 1874名参与者 | NA | NA | AUROC, AUPRC | NA |
| 11798 | 2026-04-24 |
scCAPReSE: detection of large-scale genomic rearrangements from single-cell Hi-C based on few-shot learning
2026-Mar-16, Genomics & informatics
DOI:10.1186/s44342-026-00069-4
PMID:41840705
|
研究论文 | 提出scCAPReSE框架，利用少样本学习从单细胞Hi-C数据中检测大规模基因组重排 | 基于预训练的CLIP图像基础模型进行迁移学习，仅需少量训练样本即可高效分类单细胞Hi-C中的结构变异模式 | 方法依赖于预训练基础模型，且仅使用一种癌细胞系的数据进行训练，可能限制了泛化性 | 实现单细胞分辨率下大规模结构变异的准确检测，以解析癌症克隆异质性 | 单细胞Hi-C数据中的结构变异模式 | 机器学习 | 慢性粒细胞白血病 | sc-nanoHi-C, sci-Hi-C | 少样本学习框架 | 单细胞Hi-C接触图谱 | K562细胞系的单细胞Hi-C数据 | PyTorch | CLIP | 分类准确率 | NA |
| 11799 | 2026-03-15 |
The result prediction of fluorescence in situ hybridization for breast cancer patients based on machine learning and deep learning models: a multicenter study
2026-Mar-13, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-026-01015-x
PMID:41827086
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11800 | 2026-04-24 |
Artificial Intelligence for Microbial Isolation and Cultivation: Progress and Challenges
2026-Mar-13, Microorganisms
IF:4.1Q2
DOI:10.3390/microorganisms14030654
PMID:41900412
|
综述 | 回顾过去三十年人工智能技术在微生物分离与培养中的发展，提出五阶段框架并分析各阶段如何解决微生物学核心挑战 | 首次从微生物资源发现视角系统综述AI技术发展历程，提出从1997年至今的五阶段演进框架，揭示方法从经验驱动向数据驱动、单目标向系统集成、被动筛选向主动设计的转变趋势 | 未提供AI方法的具体性能比较或定量评估，缺乏对不同技术优劣的深入讨论 | 系统分析AI技术在微生物分离与培养领域的发展现状、阶段特征及其对微生物资源发现的影响 | 近三十年AI技术在微生物分离与培养中的应用研究 | 机器学习 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA |