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 42964 篇文献，本页显示第 1281 - 1300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1281 | 2025-11-27 |
Deep learning for maxillary sinus pathology: ensure patient-level splits and leakage-free evaluation
2026-Mar, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09882-z
PMID:41288704
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1282 | 2026-03-21 |
A multicentre validation study of 3D V-net-based segmentation model for adrenal glands: cross-protocol generalization from abdominal CT to chest CT
2026-Mar-01, The British journal of radiology
DOI:10.1093/bjr/tqaf294
PMID:41330715
|
研究论文 | 本研究开发并验证了一个基于3D V-Net的肾上腺分割模型，用于腹部CT图像，并在多中心数据集（包括胸部CT图像）中评估其性能 | 该研究首次将基于3D V-Net的肾上腺分割模型从腹部CT推广到胸部CT，展示了跨协议泛化能力，并验证了其在多中心不同扫描协议下的适用性 | 研究未明确提及模型在极端病理情况或罕见肾上腺疾病中的表现，且验证数据主要来自健康筛查人群，可能未充分覆盖所有临床场景 | 建立并验证一个基于深度学习的肾上腺分割模型，以实现在不同CT扫描协议下的准确分割，辅助临床诊断 | 肾上腺（包括正常和异常腺体） | 数字病理 | 肾上腺疾病 | CT扫描 | CNN | 3D CT图像 | 训练开发队列5660例腹部CT扫描，验证队列1包含6126例胸部CT，验证队列2包含931例胸部CT | NA | 3D V-Net | Dice相似系数 | NA |
| 1283 | 2026-03-21 |
Introducing advanced ClearIQ engine (AiCE) deep learning reconstruction algorithm into a clinical radiotherapy workflow
2026-Mar-01, The British journal of radiology
DOI:10.1093/bjr/tqaf318
PMID:41428451
|
研究论文 | 本研究评估了AiCE深度学习重建算法在临床放疗工作流程中的应用，重点关注图像质量和对放疗治疗计划的影响，并成功优化了CT扫描剂量 | 首次将AiCE深度学习重建算法引入临床放疗工作流程，用于优化CT扫描剂量，同时保持图像质量稳定 | 研究主要针对乳腺癌放疗患者，可能未涵盖其他癌症类型或更广泛的临床应用场景 | 评估AiCE重建算法在临床放疗工作流程中的适用性，并优化CT扫描剂量 | 电子密度体模和乳腺癌放疗患者 | 医学影像处理 | 乳腺癌 | CT扫描 | 深度学习重建算法 | CT图像 | 电子密度体模扫描和乳腺癌患者临床扫描 | NA | AiCE | HU稳定性、剂量差异、平均DLP减少百分比 | NA |
| 1284 | 2026-03-21 |
Deep Learning-Based Prediction of Cardiopulmonary Disease in Retinal Images of Premature Infants
2026-Mar-01, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2025.5814
PMID:41569552
|
研究论文 | 本研究利用深度学习模型分析早产儿视网膜图像，预测支气管肺发育不良和肺动脉高压的诊断 | 首次将早产儿视网膜筛查图像与人口统计学风险因素结合，构建多模态模型来预测心肺疾病，并验证了在无临床ROP迹象图像上的预测能力 | 样本量相对有限（共493名婴儿），且研究为回顾性设计，可能存在选择偏倚 | 探索早产儿视网膜图像中是否包含与支气管肺发育不良和肺动脉高压相关的特征，并评估多模态模型的预测性能 | 早产儿，特别是存在ROP筛查风险的婴儿 | 数字病理学 | 心血管疾病 | 视网膜成像，超声心动图 | 支持向量机 | 图像，人口统计学数据 | 493名婴儿（BPD队列99名测试患者，PH队列37名测试患者） | NA | ResNet18 | AUROC | NA |
| 1285 | 2026-03-21 |
Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis
2026-Mar, Autism research : official journal of the International Society for Autism Research
IF:5.3Q1
DOI:10.1002/aur.70189
PMID:41589917
|
研究论文 | 本研究通过计算分析探讨了父母压力与自闭症儿童-照顾者韵律同步性之间的关系，并考察了照顾者角色的影响 | 结合复杂动态系统和情感计算框架，首次使用深度学习模型自动分割儿童-照顾者声学交互，并分析父母压力对韵律同步性的影响，特别关注父亲与母亲角色的差异 | 样本量相对较小（62对亲子），仅针对自闭症学龄前儿童，可能无法推广到其他年龄段或典型发展儿童 | 探究父母压力如何影响自闭症儿童与父母之间的韵律同步性，以及照顾者角色（母亲 vs 父亲）是否在其中起调节作用 | 31名自闭症学龄前儿童及其父母（母亲和父亲分别参与）组成的亲子对 | 自然语言处理 | 自闭症 | 声学交互分析，交叉递归量化分析 | 深度学习模型 | 音频 | 62对亲子（31名自闭症儿童分别与母亲和父亲互动），在两个时间点（间隔12个月）进行评估 | NA | NA | NA | NA |
| 1286 | 2026-03-21 |
Broadband Nanocavity Imaging with Machine Vision for Multiplex miRNA Assays
2026-Mar, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202522938
PMID:41738572
|
研究论文 | 本文提出了一种结合分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔与深度学习实例分割的方法，用于实现多重miRNA的自动化图像读出与定量分析 | 将纳米光子学结构与深度学习实例分割（Mask R-CNN）相结合，实现了无需富集或扩增的直接内源性miRNA多重定量，并利用纳米腔增强收集效率、抑制量子点闪烁 | 研究仅在A549肺癌细胞提取物中验证，未在更广泛的临床样本或体内环境中测试 | 开发一种灵敏、特异、稳健且可扩展的多重miRNA分析平台 | 内源性miRNA（miR-191, miR-25, miR-130a） | 机器学习 | 肺癌 | 分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔技术 | CNN | 图像 | A549肺癌细胞提取物 | NA | Mask R-CNN | 检测限（LOD）, 线性动态范围, 正确识别率 | NA |
| 1287 | 2026-03-21 |
Embracing the Digital Revolution: How Artificial Intelligence is Transforming Clinical Trials in Older Participants
2026-Mar, Drugs & aging
IF:3.4Q2
DOI:10.1007/s40266-026-01288-8
PMID:41781638
|
综述 | 本文探讨了人工智能在老年人群临床试验中的变革作用，概述了关键进展、实际挑战及战略方向 | 利用人工智能技术，特别是机器学习和深度学习，针对老年人群的独特挑战（如疾病异质性）进行智能患者分层、风险预测和实时监测，并推动去中心化临床试验设计 | NA | 研究人工智能如何优化老年人群的临床试验，提高效率、准确性和患者中心性 | 老年人群的临床试验 | 机器学习 | 老年疾病 | NA | NA | 多组学数据、电子健康记录、可穿戴设备输出 | NA | NA | NA | NA | NA |
| 1288 | 2026-03-21 |
MoCETSE: A mixture-of-convolutional experts and transformer-based model for predicting Gram-negative bacterial secreted effectors
2026-Mar, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013397
PMID:41811851
|
研究论文 | 本研究提出了一种名为MoCETSE的深度学习模型，用于预测革兰氏阴性菌的分泌效应蛋白 | 结合了预训练蛋白质语言模型、目标预处理网络和带有相对位置编码的Transformer模块，以精炼关键功能特征并显式建模残基间的相对空间关系 | 未明确提及 | 提高革兰氏阴性菌分泌系统效应蛋白的预测准确性，以解析其致病机制并指导抗菌策略开发 | 革兰氏阴性菌的分泌效应蛋白 | 自然语言处理, 机器学习 | 细菌感染 | 预训练蛋白质语言模型 | CNN, Transformer | 蛋白质序列 | NA | NA | Mixture-of-Convolutional Experts, Transformer | 特异性, 可靠性 | NA |
| 1289 | 2026-03-21 |
MultiPert: An adversarial alignment and dual attention framework for single-cell multi-omics perturbation prediction
2026-Mar, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014054
PMID:41811907
|
研究论文 | 本文提出了一个名为MultiPert的深度学习框架，用于预测单细胞多组学数据中的扰动响应 | 设计了专门用于单细胞多组学扰动预测的深度学习框架，通过模态特定编码器、双注意力机制和对抗训练实现跨模态对齐，能够同时预测基因表达和蛋白质丰度变化 | NA | 预测单细胞多组学数据中的扰动响应，以表征细胞身份并阐明生物通路的调控机制 | 单细胞多组学数据 | 机器学习 | NA | 单细胞多组学测序 | 深度学习 | 单细胞多组学数据 | 人类THP-1和肾脏多组学数据集 | NA | 模态特定编码器，双注意力机制 | 准确性，稳定性 | NA |
| 1290 | 2026-03-21 |
Maternal High-Fat Diet and Neonatal LPS Exposure Prolong USV Sequences and Shift Call-Type Repertoires in Neonatal Rats
2026-Mar, Developmental psychobiology
IF:1.8Q3
DOI:10.1002/dev.70142
PMID:41844290
|
研究论文 | 本研究利用深度学习系统DeepSqueak分析母体高脂饮食和新生期脂多糖暴露对新生大鼠超声发声的时序和句法特征的影响 | 首次采用深度学习系统DeepSqueak对超声发声进行自动无监督分类，并深入分析其时序和句法变化，超越了传统手动编码的基本特征分析 | 样本量较小（每组5-6只，总计41只），仅使用Long Evans大鼠品种，且仅观察了出生后第7天的短期效应 | 探究早期炎症应激（母体高脂饮食和新生期脂多糖暴露）对新生大鼠神经发育和行为的影响 | Long Evans大鼠的新生幼崽 | 机器学习 | 神经发育障碍 | 超声发声记录与分析 | 深度学习 | 音频 | 41只新生大鼠（每组5-6只） | DeepSqueak | NA | 一致性（97%），p值 | NA |
| 1291 | 2026-03-21 |
Bio-Inspired Design of Quasi-Ordered Structural Color via Stress-Driven Reconfiguration Enables Ultra-Secure and Scalable Unclonable Application
2026-Mar, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202520440
PMID:41715282
|
研究论文 | 本文受自然界启发，提出一种应力驱动的微结构重构策略，用于制造具有超高编码容量、快速识别和可扩展制造能力的机械诱导结构色物理不可克隆函数标签 | 受Thecla opisena蝴蝶翅膀鳞片准有序光子结构启发，提出应力驱动的微结构重构策略，通过控制异质聚合物网络的压印，实现了空间随机、结构色PUF图案的制造，解决了光学PUF在高编码容量、快速识别和可扩展制造之间的权衡难题 | NA | 开发一种安全、可扩展的物理不可克隆函数用于下一代认证系统和物联网应用 | 机械诱导结构色PUF标签 | 机器视觉 | NA | 应力驱动微结构重构、异质聚合物网络压印 | 深度学习 | 图像 | NA | NA | NA | 准确率 | NA |
| 1292 | 2026-03-21 |
Multiview deep learning improves detection of major cardiac conditions from echocardiography
2026-Mar, Nature cardiovascular research
IF:9.4Q1
DOI:10.1038/s44161-026-00786-7
PMID:41844861
|
研究论文 | 本研究开发了一种多视图深度学习模型，通过整合超声心动图的多视图视频数据，提高了对主要心脏疾病的诊断性能 | 提出了一种能够同时整合多个成像视图的深度学习神经网络架构，相比单视图模型显著提升了诊断准确性 | 研究仅基于两个医疗中心的数据，可能缺乏泛化性；且仅针对三种特定心脏疾病进行了验证 | 通过多视图深度学习模型改善从超声心动图中检测主要心脏疾病的诊断性能 | 超声心动图数据，包括左心室或右心室异常、舒张功能障碍和显著瓣膜反流 | 计算机视觉 | 心血管疾病 | 超声心动图 | DNN | 视频 | 来自加州大学旧金山分校和蒙特利尔心脏研究所的超声心动图数据 | NA | 多视图DNN | AUC | NA |
| 1293 | 2026-03-21 |
Impact of CT dose on AI performance: A comparison of radiomics, deep, and foundation models in a multicentric anthropomorphic phantom study
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70374
PMID:41846467
|
研究论文 | 本研究通过多中心人体模型实验，比较了放射组学、深度学习和基础模型在不同CT剂量水平下的性能表现，评估了其对剂量变化的鲁棒性 | 首次在标准化人体模型数据集上系统比较了放射组学、浅层CNN、SwinUNETR和CT基础模型对CT剂量变化的鲁棒性，并验证了基础模型在跨剂量泛化方面的优势 | 研究处于早期实验阶段，仅使用回顾性数据测试，未进行前瞻性验证；实验主要基于模拟肝脏组织的人体模型，在真实患者数据中的泛化能力需进一步验证 | 评估基于放射组学和深度学习的模型对CT剂量水平变化的鲁棒性，探索基础模型在减少剂量相关变异方面的潜力 | 模拟肝脏组织（正常组织、囊肿、血管瘤、转移灶）的人体模型图像，以及CT-ORG数据集中真实患者的器官分类数据 | 医学影像分析 | 肝脏疾病 | CT成像 | CNN, SwinUNETR, 基础模型 | CT图像 | 来自649次扫描的1378个图像序列（人体模型），以及CT-ORG数据集的140次CT扫描（真实患者） | PyRadiomics, PyTorch（推测，基于SwinUNETR和基础模型的常见实现） | 浅层CNN, SwinUNETR, CT-FM（CT基础模型） | 组内相关系数（ICC），准确率，UMAP可视化 | NA |
| 1294 | 2026-03-21 |
Benchmarking Automated Detection and Classification Approaches for Long-Term Acoustic Monitoring of Endangered Species: A Case Study on Gibbons From Cambodia
2026-Mar, American journal of primatology
IF:2.0Q1
DOI:10.1002/ajp.70127
PMID:41854092
|
研究论文 | 本文通过比较多种深度学习模型，为柬埔寨濒危长臂猿的长期声学监测提供了自动化检测的基准 | 首次系统比较了SVM、Koogu、ResNet50和基于BirdNET的迁移学习模型在长臂猿叫声检测中的性能，并展示了BirdNET在小样本情况下的优越性 | 研究仅针对特定物种（南部黄颊冠长臂猿）和特定地点（柬埔寨Jahoo），结果可能无法直接推广到其他物种或环境 | 开发并评估自动化声学检测方法，以改善濒危物种的长期监测能力 | 南部黄颊冠长臂猿（Nomascus gabriellae）的雌性二重唱叫声 | 机器学习 | NA | 被动声学监测 | SVM, CNN | 音频 | 超过200个长臂猿样本用于训练，部署模型分析了超过130,000小时的连续声景数据 | NA | DenseNet, ResNet50 | NA | NA |
| 1295 | 2026-03-21 |
Mining whole-brain information with deep learning to predict EGFR mutation and subtypes in brain-metastatic NSCLC: A multicenter study
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70398
PMID:41854843
|
研究论文 | 本研究开发了一种基于深度学习的全脑信息挖掘方法，利用MRI图像预测脑转移非小细胞肺癌患者的EGFR突变及其亚型 | 提出了一种新的EGFR位点识别网络（ESR-Net），通过整合可变形卷积和辅助网络来挖掘全脑信息，以增强肿瘤特征并寻找信息性突变特征，从而在预测EGFR突变及其亚型方面超越了传统方法 | 研究样本量相对有限（共293例患者），且仅使用了对比增强T1加权和T2加权MRI图像，可能未涵盖所有相关影像特征 | 开发一种准确、无创的定量方法，用于预测脑转移非小细胞肺癌患者的EGFR基因型，以支持个性化治疗 | 脑转移非小细胞肺癌患者 | 数字病理学 | 肺癌 | MRI扫描（对比增强T1加权和T2加权） | CNN | 图像 | 293例患者（170例来自中心1，62例来自中心2，61例来自中心3） | NA | ESR-Net | AUC | NA |
| 1296 | 2026-03-21 |
A physics-driven neural network with parameter embedding for generating quantitative MR maps from weighted images
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70394
PMID:41854958
|
研究论文 | 本文提出了一种融合MRI序列参数的物理驱动神经网络，用于从加权MRI图像合成定量映射图 | 通过参数嵌入技术将MRI序列参数（TR、TE、TI）直接整合到神经网络中，使模型能够学习MRI信号形成的物理原理 | 模型仅在健康脑部MRI图像上训练，对病理区域的泛化能力仍需进一步验证 | 提高从临床加权MRI合成定量图像的准确性和泛化能力 | 健康脑部MRI图像及病理区域 | 医学影像分析 | NA | 定量MRI（qMRI） | 深度学习神经网络 | MRI图像（T1加权、T2加权、T2-FLAIR） | 健康脑部MRI图像数据集，包含内部和外部测试集 | NA | 参数嵌入神经网络 | 平均百分比误差（MPE）、全局体素平均绝对误差（MAE） | NA |
| 1297 | 2026-03-21 |
Explainable artificial intelligence for personalized prognosis in pancreatic cancer: A nationwide study from Taiwan
2026-Mar, PLOS digital health
DOI:10.1371/journal.pdig.0001296
PMID:41855151
|
研究论文 | 本研究利用台湾全国癌症登记数据，开发了一种可解释的人工智能预后模型，用于预测胰腺癌患者的生存情况 | 结合可解释性AI方法（如SHAP）与大规模全国性登记数据，识别关键预后因素、非线性关系、交互作用及患者特异性生存变异性 | 研究基于台湾的登记数据，可能限制了结果的普适性；模型性能虽优于其他方法，但仍有改进空间 | 开发可解释的AI预后模型，以识别胰腺癌生存的关键因素及其复杂关系 | 台湾癌症登记中2013年至2021年诊断的8,864例胰腺癌病例 | 机器学习 | 胰腺癌 | NA | XGBoost, 随机生存森林, 深度学习模型 | 结构化临床数据 | 8,864例胰腺癌病例 | NA | NA | 时间依赖性指标 | NA |
| 1298 | 2026-02-22 |
Comparative analysis of shallow and hybrid deep learning models for predicting the cooling efficiency of nanofluid-cooled photovoltaic panel across multiple materials
2026-Feb-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40129-x
PMID:41720907
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1299 | 2026-02-17 |
Hybrid deep learning novel framework for classification of parkinson's disease
2026-Feb-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37553-4
PMID:41692894
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1300 | 2026-03-21 |
Automatic classification of kidney stone components based on smartphone microscopy and the GoogLeNet model
2026-Feb-12, BMC urology
IF:1.7Q3
DOI:10.1186/s12894-026-02080-x
PMID:41673817
|
研究论文 | 本研究开发了一种基于智能手机显微镜和GoogLeNet模型的肾结石成分自动分类系统 | 将智能手机显微镜（TIPSCOPE）与深度学习模型（GoogLeNet）结合，为资源有限地区提供了一种低成本、高效、便携的肾结石成分分析解决方案 | 碳酸磷灰石类结石的分类性能相对较低（F1=0.69），且样本量相对有限（共140个样本） | 开发一种快速、准确且经济高效的肾结石成分自动分类系统 | 手术提取的肾结石样本 | 计算机视觉 | 肾结石 | 智能手机显微镜成像 | CNN | 图像 | 140个肾结石样本，共生成840张图像 | NA | GoogLeNet | 准确率, F1分数, 精确率, 召回率 | NA |