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 43911 篇文献，本页显示第 1321 - 1340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1321 | 2026-04-18 |
A vision-language foundation model improves preoperative diagnosis of follicular thyroid neoplasms using ultrasound images
2026-Apr-16, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01430-0
PMID:41991963
|
研究论文 | 本研究开发了一个名为FTC-Net的视觉-语言基础模型，用于术前利用超声图像对滤泡性甲状腺肿瘤进行分类 | 首次将视觉-语言基础模型应用于滤泡性甲状腺肿瘤的术前诊断，相比传统深度学习和TI-RADS系统，在外部验证中取得了更高的AUC，并显著降低了细针穿刺活检率 | 研究为回顾性多中心设计，可能存在选择偏倚；模型性能需在前瞻性临床试验中进一步验证 | 开发一种非侵入性工具，以改善滤泡性甲状腺肿瘤的术前诊断，减少不必要的手术和活检 | 滤泡性甲状腺肿瘤（包括滤泡性甲状腺癌和滤泡性甲状腺腺瘤）的超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | 视觉-语言基础模型 | 图像 | 2421名患者（6477张图像），来自14个机构 | NA | FTC-Net | AUC | NA |
| 1322 | 2026-04-18 |
Interpretable multimodal PET/CT-EHR fusion via mixture-of-experts for prognostic stratification in mantle cell lymphoma: a multicenter study
2026-Apr-16, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04865-1
PMID:41992190
|
研究论文 | 本研究开发了一种可解释的深度学习框架，通过集成基线[18F]FDG PET/CT和电子健康记录数据，用于套细胞淋巴瘤的个体化风险分层 | 提出了一种基于混合专家（MoE）融合网络的可解释多模态融合方法，结合视觉编码器、放射组学提取器和医学语言模型，通过注意力门控机制构建预测性放射组学特征 | 研究样本量相对较小（187例患者），且为回顾性多中心研究，可能存在选择偏倚 | 开发一种用于套细胞淋巴瘤预后分层的个体化风险分层工具 | 套细胞淋巴瘤患者 | 数字病理学 | 套细胞淋巴瘤 | [18F]FDG PET/CT成像，电子健康记录数据分析 | 混合专家（MoE）融合网络 | PET/CT图像，电子健康记录文本数据 | 187例初治套细胞淋巴瘤患者 | NA | 混合专家（MoE）融合网络，包含视觉编码器、放射组学提取器和医学语言模型 | AUC，C-index，风险比（HR），时间依赖性ROC分析，校准分析，决策曲线分析 | NA |
| 1323 | 2026-04-18 |
CycleGAN-based image-to-image translation for synthetic contrast enhancement in non-contrast cardiac CT: a ViT-CNN hybrid deep learning approach
2026-Apr-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03446-9
PMID:41992180
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1324 | 2026-04-18 |
Non-invasive diagnosis strategy integrating PSMA PET/CT and mpMRI for patients with suspected prostate cancer: a multi-center study
2026-Apr-16, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04859-z
PMID:41992197
|
研究论文 | 本研究开发并外部验证了一个整合PSMA PET/CT和多参数MRI的多模态放射组学模型，用于前列腺癌的自动化诊断和风险分层 | 首次整合了PSMA PET/CT和多参数MRI的多模态放射组学模型，并比较了专家绘制与深度学习生成的前列腺体积感兴趣区域对诊断性能的影响 | 研究为回顾性设计，且样本量相对有限，可能影响模型的泛化能力 | 开发并验证一个多模态放射组学模型，以提高前列腺癌的诊断准确性，并评估不同前列腺体积感兴趣区域勾画策略的影响 | 疑似前列腺癌患者 | 数字病理学 | 前列腺癌 | 放射组学特征提取，多模态影像融合 | 机器学习分类器 | 医学影像（PET/CT和MRI） | 488名患者（366名用于模型开发和内部验证，122名用于外部验证） | Scikit-learn | LR, SVM, Random Forest, Extra Trees, XGBoost, LightGBM | AUC, 敏感性, 特异性, 准确性, PPV, NPV | NA |
| 1325 | 2026-04-18 |
Comparative analysis of transformer, CNN, and YOLO architectures for mandibular condyle segmentation on panoramic radiographs: a deep learning benchmark
2026-Apr-16, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08228-3
PMID:41992227
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1326 | 2026-04-18 |
Incorporating normal periventricular changes for enhanced pathological white matter hyperintensity segmentation: on multiclass deep learning approaches
2026-Apr-16, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-026-01555-0
PMID:41992229
|
研究论文 | 本研究探讨了在多类别深度学习模型中纳入正常脑室周围变化，以增强病理性白质高信号分割效果 | 通过将正常脑室周围高信号作为独立类别纳入多类别分割，显著提高了病理性白质高信号的检测精度，降低了假阳性率 | 研究主要基于特定患者群体（神经退行性疾病）的FLAIR MRI数据，结果可能无法直接推广到其他疾病或影像模态 | 评估多类别深度学习训练范式在区分病理性与正常年龄相关白质高信号分割中的效果 | 神经退行性疾病患者的FLAIR MRI图像中的白质高信号 | 数字病理学 | 神经退行性疾病 | FLAIR MRI序列 | 深度学习 | 图像 | 115名患者的2,750张FLAIR图像 | NA | U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net | Dice系数, Hausdorff距离 | NA |
| 1327 | 2026-04-18 |
The application of large language models in orthopedic postgraduate education: potentials, challenges, and future prospects
2026-Apr-16, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-026-06844-x
PMID:41992334
|
综述 | 本文探讨了大型语言模型在骨科研究生教育中的应用潜力、挑战与未来前景 | 提出了一个全面的人机协作框架，整合了以学习者为中心、多维治理、分阶段实施和地理多样性，以优化LLMs在骨科教育中的应用 | 面临过度依赖、更新延迟和输出不一致等重大挑战，在医学教育中引发持续争议 | 研究大型语言模型在骨科研究生教育中的应用，以促进其个性化、互动性和适应性转型 | 骨科研究生教育 | 自然语言处理 | 骨科疾病 | 深度学习，自然语言处理 | 大型语言模型 | 文本 | NA | NA | ChatGPT, DocOA, BioinspiredLLM, MechGPT, DrSR, AmbossGPT | 准确率 | NA |
| 1328 | 2026-04-18 |
Identification and selection of the best artificial intelligence methods developed for detection and diagnosis of breast cancer
2026-Apr-16, Tumori
DOI:10.1177/03008916261434125
PMID:41992582
|
研究论文 | 本研究通过模糊AHP-TOPSIS技术，系统识别并优先排序了用于乳腺癌检测和诊断的人工智能方法 | 首次结合模糊层次分析法（FAHP）和TOPSIS方法，对乳腺癌检测与诊断的AI技术进行系统性评估与排序 | 研究依赖于现有文献数据，未进行原始实验验证；评估标准可能受主观因素影响 | 识别并选择最佳的乳腺癌检测与诊断人工智能方法 | 乳腺癌检测与诊断的人工智能技术 | 数字病理 | 乳腺癌 | NA | 深度学习集成架构 | 显微图像 | NA | NA | VGG16, ResNet34, ResNet50 | 有效性, 准确性, 全面性, 处理时间, 成本, 简洁性, 执行能力 | NA |
| 1329 | 2026-04-18 |
Accuracy of Deep Learning for Detecting Axillary Lymph Node Metastasis in Breast Cancer: Systematic Review and Meta-Analysis
2026-Apr-16, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/77593
PMID:41992690
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了深度学习模型在检测乳腺癌腋窝淋巴结转移方面的诊断性能 | 首次对深度学习在乳腺癌腋窝淋巴结转移检测中的诊断准确性进行了全面的系统综述和荟萃分析，并比较了不同影像模态（超声、磁共振成像、计算机断层扫描）下模型的性能 | 纳入研究存在异质性，部分研究可能存在偏倚风险，且未对特定深度学习架构进行亚组分析 | 评估深度学习在检测乳腺癌腋窝淋巴结转移方面的有效性，为临床诊断工具的开发或优化提供证据支持 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 医学影像（超声、磁共振成像、计算机断层扫描） | 28项独立研究，共20,811名乳腺癌患者，其中7,123例确诊腋窝淋巴结转移 | NA | NA | 灵敏度, 特异度, 诊断比值比, 受试者工作特征曲线下面积, 阳性似然比, 阴性似然比 | NA |
| 1330 | 2026-04-18 |
Decoding immunotherapy response through computational modeling
2026-Apr-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71364-5
PMID:41986319
|
综述 | 本文综述了通过计算建模解码免疫治疗响应的研究进展 | 整合了四种计算范式（经典机器学习、深度学习、图与网络建模、机制系统生物学），并强调向多模态融合和可解释临床部署模型的转变 | NA | 分析计算工具在免疫治疗响应预测和患者分层中的应用，以推动精准免疫肿瘤学发展 | 癌症患者免疫治疗响应 | 机器学习 | 癌症 | NA | NA | 多组学数据、影像数据 | NA | NA | NA | NA | NA |
| 1331 | 2026-04-18 |
Coalescence and translation: A language model for population genetics
2026-Apr-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2518956123
PMID:41961853
|
研究论文 | 本文提出了一种基于Transformer的语言模型cxt，用于将基因组突变模式翻译为祖先重组图，以推断种群遗传学中的合并时间 | 将合并时间推断问题重新定义为两种生物语言之间的翻译任务，并首次应用仅解码器Transformer模型来自回归预测合并事件 | 模型训练依赖于模拟数据，可能无法完全捕捉真实数据的全部复杂性，且在分布外场景的准确性仍有提升空间 | 开发一种可扩展的深度学习方法，用于从基因组数据中推断种群遗传学中的隐藏进化过程 | 人类和蚊子的种群基因组数据 | 自然语言处理 | NA | 基因组模拟 | Transformer | 基因组序列数据 | 基于stdpopsim目录的模拟数据，具体样本数量未明确说明 | NA | 仅解码器Transformer | 准确性，校准后验概率 | NA |
| 1332 | 2026-04-18 |
Deep learning-enabled scaffolding of spatial arrays of PfCSP epitopes
2026-Apr-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2521914123
PMID:41945436
|
研究论文 | 利用生成式深度学习模型设计包含多个PfCSP表位的空间阵列支架，以模拟抗体与疟疾环子孢子蛋白的结合结构，旨在开发新型多表位免疫原 | 首次应用生成式深度学习模型设计具有预定相对空间取向的多表位支架，模拟抗体与病原体多价簇结合时的同型相互作用 | 支架中第三个表位发生位移，且在小鼠模型中抑制肝脏入侵的效果不如展示较长连接肽的纳米颗粒 | 设计能够引发类似L9抗体的多表位免疫原，以增强对疟疾的免疫保护 | 疟疾环子孢子蛋白（CSP）的表位，特别是连接区重复表位 | 机器学习 | 疟疾 | 生成式深度学习模型 | 生成式深度学习模型 | 结构数据 | NA | NA | NA | 亲和力、结构研究、肝脏入侵抑制效果 | NA |
| 1333 | 2026-04-18 |
Automatic monitoring of single-wall MAPSE by transesophageal echocardiography for tracking global left ventricular function irrespective of regional hypokinesia: a secondary analysis
2026-Apr-14, Intensive care medicine experimental
IF:2.8Q2
DOI:10.1186/s40635-026-00898-1
PMID:41979780
|
研究论文 | 本研究通过经食管超声心动图，使用深度学习自动监测单壁二尖瓣环平面收缩期位移（MAPSE），以追踪全球左心室功能，并探讨区域壁运动异常的影响 | 开发了名为autoMAPSE的深度学习自动方法，用于连续监测单壁MAPSE，首次在术后ICU患者中评估其追踪全球左心室功能变化的能力，并系统分析区域壁运动异常的影响 | 研究为前瞻性观察研究的二次分析，样本量较小（49例患者），且仅针对心脏手术患者，可能限制结果的普适性 | 评估单壁autoMAPSE在追踪全球左心室功能变化（即趋势能力）中的表现，并探索区域壁运动异常对此能力的影响 | 接受心脏手术的术后ICU患者 | 数字病理学 | 心血管疾病 | 经食管超声心动图 | 深度学习 | 图像 | 49例患者 | NA | NA | 一致性率 | NA |
| 1334 | 2026-04-18 |
MRI-based spatio-temporal atlas of ganglionic eminence
2026-Apr-14, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00702-5
PMID:41979773
|
研究论文 | 本研究构建了一个基于MRI的胎儿基底节隆起时空图谱，覆盖19至36孕周 | 首次生成了高分辨率（0.5毫米各向同性）的基底节隆起时空MRI图谱，并揭示了其在21孕周左右达到最大体积后逐渐减少的动态变化 | 研究样本仅基于扩展的人类连接组计划图谱，可能未涵盖所有胎儿发育变异；专家分割的一致性虽高，但可能存在主观偏差 | 构建胎儿基底节隆起的时空图谱，以监测其发育动态并理解与神经发育异常的关系 | 胎儿基底节隆起结构 | 数字病理学 | NA | 磁共振成像 | NA | MRI图像 | 基于扩展的人类连接组计划图谱，覆盖19至36孕周 | NA | NA | Dice相似系数 | NA |
| 1335 | 2026-04-18 |
Investigating performance and key factors for real-world deployment of grain image classification using convolutional neural networks
2026-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45314-6
PMID:41981057
|
研究论文 | 本研究提出并演示了一种结构化方法，用于研究卷积神经网络（CNN）及影响小麦籽粒分类性能的关键因素，旨在确保高且稳健的分类准确性 | 聚焦于CNN在真实世界部署中的实际挑战与可靠性问题，通过逐步分析阐明了不同图像数据集特征和训练参数对性能的影响 | 研究中较小的类别因缺乏代表性样本而表现不佳，且存在可疑标注和多类别归属问题 | 确定一个能确保高且稳健分类准确性的CNN模型，并解释不同图像数据集特征和训练参数如何影响性能和可靠性 | 小麦籽粒 | 计算机视觉 | NA | 基于视觉的机器学习与深度学习方法 | CNN | 图像 | NA | NA | ResNet50V2, EfficientNetV2B0 | 准确率 | NA |
| 1336 | 2026-04-18 |
Bioimage analysis for multiplexed FUCCI acquisitions powered by deep learning
2026-Apr-14, Npj imaging
DOI:10.1038/s44303-026-00159-6
PMID:41981225
|
研究论文 | 本文开发了一种基于深度学习的生物图像分析方法，用于处理多路复用的FUCCI活细胞成像数据，以精确分割和分类细胞核，并实现稳健的自动追踪和细胞周期伪时间分析 | 提出了一种整合FUCCI信号与细胞质α-微管蛋白荧光报告基因的深度学习网络，显著提升了在低信噪比条件下对FUCCI细胞核的分割和分类精度，并引入了动态时间规整分析以从非完整轨迹中推断细胞周期伪时间并检测细胞周期停滞 | 未明确说明模型在更广泛的组织类型或更极端的成像条件下的泛化能力，也未详细讨论计算资源需求和处理速度 | 开发一种高精度的生物图像分析工具，以改善在低信噪比多路复用活细胞成像条件下对细胞周期相位的解码和追踪 | 使用FUCCI传感器和细胞质α-微管蛋白荧光报告基因标记的活细胞 | 数字病理学 | 癌症 | 多路复用活细胞成像，FUCCI传感器，荧光报告基因 | 深度学习网络 | 多通道荧光显微镜图像 | NA | NA | NA | 分割精度，分类精度 | NA |
| 1337 | 2026-04-18 |
Graph Neural Networks Model Based on Atomic Hybridization for Predicting Drug Targets
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02961
PMID:41838774
|
研究论文 | 本文开发了一种结合图神经网络与显式分子描述符的混合深度学习框架，用于预测药物靶点的半数抑制浓度值 | 通过整合图神经网络与可解释的物理化学性质及结构指纹，同时捕捉局部结构模式和全局物理化学性质，提升了预测准确性和可解释性 | 未明确说明模型在更广泛或未知靶点上的泛化能力，以及计算资源需求的具体细节 | 加速药物发现过程，提高化合物活性预测的准确性 | 药物化合物及其对多种生物靶点的抑制活性 | 机器学习 | NA | 定量构效关系建模，图神经网络 | 图神经网络 | 分子图数据，分子描述符 | 14,316种化合物，涵盖激酶、核受体和蛋白酶等九种生物靶点 | NA | 图神经网络 | R² | NA |
| 1338 | 2026-04-18 |
Rapid Machine Learning-Driven Detection of Pesticides and Dyes Using Raman Spectroscopy
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00396
PMID:41843405
|
研究论文 | 本研究提出了一种基于深度学习的框架MLRaman，利用Raman光谱快速检测农药和合成染料 | 结合ResNet-18特征提取与XGBoost、SVM等分类器，开发了名为MLRaman的深度学习框架，并构建了用户友好的Streamlit应用进行实时预测 | NA | 开发一种快速、可靠的检测方法，用于监测食品和环境中的农药及合成染料残留 | 7种农药和3种染料，共10种分析物 | 机器学习 | NA | Raman光谱 | CNN, XGBoost, SVM | 光谱数据 | NA | NA | ResNet-18 | 准确率, AUC | NA |
| 1339 | 2026-04-18 |
Hybrid Graph-Machine Learning Framework for Accurate and Interpretable Band Gap Prediction
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00365
PMID:41855083
|
研究论文 | 本文提出了一种结合图深度学习嵌入与经典机器学习算法的混合人工智能框架，用于实现高精度、可解释且计算高效的带隙预测 | 提出了一种混合图-机器学习框架，通过整合多种图神经网络（CGCNN、MEGNet、SchNet）的嵌入与物理意义的晶体描述符，实现了比传统模型和单一图神经网络更高的预测精度和更好的泛化能力，同时计算资源需求更低 | 未明确提及具体局限性，但可能依赖于特定数据库（Materials Project）的数据质量和覆盖范围 | 加速半导体和能源材料的发现与设计，通过高精度预测电子带隙 | 晶体结构及其电子带隙 | 机器学习 | NA | NA | 图神经网络, 梯度提升, 神经网络 | 晶体结构数据 | 来自Materials Project数据库的136,000个晶体结构 | NA | CGCNN, MEGNet, SchNet | R², MAE, MSE | 未明确指定，但提及比ALIGNN模型所需计算资源更低 |
| 1340 | 2026-04-18 |
LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02883
PMID:41856929
|
研究论文 | 本文提出了一种名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选 | 模型首次在序列预测中同时整合蛋白质残基级信息和配体信息，突破了现有方法仅关注蛋白质序列的局限 | 未明确说明模型对未见配体类型的泛化能力或计算效率的具体数据 | 开发一种能够准确预测蛋白质-配体结合残基的序列深度学习模型，以支持虚拟筛选和药物发现 | 蛋白质序列及其与特定配体的结合残基 | 计算生物学, 生物信息学 | NA | 深度学习 | 深度学习模型 | 蛋白质序列数据, 配体信息 | NA | NA | NA | 结合亲和力 | NA |