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 43930 篇文献，本页显示第 1381 - 1400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1381 | 2026-04-18 |
Mamba-ACP: a Hybrid State-Space and Transformer Framework for Interpretable Anticancer Peptide Prediction
2026-Apr-16, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2026.3684898
PMID:41989903
|
研究论文 | 本文提出了一种名为Mamba-ACP的混合深度学习框架，用于预测抗癌肽，该框架结合了基于Transformer的进化尺度建模嵌入、手工特征和Mamba序列建模架构 | 创新点在于首次将Transformer的ESM-2嵌入、手工特征（AAindex、BLOSUM62）与Mamba序列建模架构相结合，以捕获肽的进化和理化特性，从而提升预测性能 | 未明确提及具体局限性，但可能涉及模型对特定数据集的依赖或泛化能力的进一步验证 | 研究目的是开发一个准确、可扩展且可泛化的抗癌肽预测模型，以克服抗癌肽在临床转化中的生物挑战 | 研究对象是抗癌肽（ACPs），即一类选择性破坏癌细胞而不伤害健康组织的治疗剂 | 自然语言处理 | 癌症 | 深度学习、进化尺度建模（ESM-2）、主成分分析（PCA） | Transformer, Mamba | 序列数据（肽序列） | 使用两个基准数据集（Set 1和Set 2），具体样本数量未明确提及 | 未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架 | ESM-2, Mamba | 准确率, AUC | 未明确提及 |
| 1382 | 2026-04-18 |
Automatic sleep staging from CPAP airflow using a dual fusion multi-period convolutional neural network
2026-Apr-16, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae60df
PMID:41990791
|
研究论文 | 本文提出了一种基于双融合多周期卷积神经网络的模型，用于从CPAP气流信号中自动进行睡眠分期 | 引入了一种新颖的双融合多周期卷积神经网络架构，利用多个周期特定的卷积核和双融合机制，共同编码CPAP气流信号中的短程和长程时间依赖性，克服了传统固定尺度模型的限制 | 未明确提及具体局限性 | 利用CPAP设备记录的气流信号进行自动睡眠分期，以扩展CPAP设备在被动睡眠动态监测中的应用 | CPAP气流信号 | 机器学习 | 阻塞性睡眠呼吸暂停低通气综合征 | CPAP气流信号分析 | CNN | 信号数据 | NA | NA | 双融合多周期卷积神经网络 | 准确率, Cohen's κ | NA |
| 1383 | 2026-04-18 |
Comparative assessment of diagnostic agreement between artificial intelligence and general practitioners in diabetic retinopathy screening using non-mydriatic fundus photography
2026-Apr-16, Primary care diabetes
IF:2.6Q1
DOI:10.1016/j.pcd.2026.04.007
PMID:41991402
|
研究论文 | 本研究评估了人工智能系统与全科医生在糖尿病视网膜病变筛查中使用非散瞳眼底摄影的诊断一致性 | 首次在初级保健环境中，将基于深度学习的AI系统（EyeArt v3.0.0）与全科医生进行直接比较，使用眼科医生评估作为参考标准，并展示了AI在诊断一致性、敏感性和特异性方面的优越性 | 研究仅限于可分级图像，且参考标准仅基于单一眼科医生的评估，未在未筛选的筛查人群中进行大规模验证 | 评估AI系统与全科医生在糖尿病视网膜病变筛查中的诊断一致性，以眼科医生评估为参考标准 | 500名2型糖尿病初级保健患者 | 计算机视觉 | 糖尿病视网膜病变 | 非散瞳眼底摄影 | 深度学习 | 图像 | 500名患者，每眼拍摄两张45°非散瞳眼底照片 | NA | NA | Cohen's kappa, Cramer's V, 敏感性, 特异性, 预测值, 似然比, 总体准确率 | NA |
| 1384 | 2026-04-18 |
Automated deep learning for real-time focal liver lesions detection in ultrasound videos a multicenter study
2026-Apr-16, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02629-y
PMID:41991627
|
研究论文 | 本研究开发了一种基于深度学习的自动化模型Auto-DFLLs，用于实时检测超声视频中的局灶性肝脏病变 | 首次提出基于ResNet和FPN架构的自动化深度学习模型，用于实时检测超声视频中的局灶性肝脏病变，并在多中心研究中验证其能显著提升不同经验水平超声医师的检测性能 | NA | 开发并验证一种自动化深度学习模型，以降低超声检测局灶性肝脏病变对操作者经验的依赖性 | 超声视频中的局灶性肝脏病变 | 计算机视觉 | 肝脏疾病 | 超声成像 | CNN | 视频 | 来自三家医院的5258个前瞻性收集的超声视频 | NA | ResNet, FPN | AP50, Pr70, FP70, AFROC-AUC | NA |
| 1385 | 2026-04-18 |
LGGC-Net: a local-global graph and color attention-based lightweight CNN for skin cancer classification
2026-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48724-8
PMID:41991637
|
研究论文 | 本研究提出了一种名为LGGC-Net的轻量级CNN模型，通过结合局部-全局图与颜色注意力机制来提升皮肤癌分类性能，同时保持计算效率 | 提出了LGGC（局部、全局图和颜色）注意力机制，并将其集成到轻量级CNN中，以增强判别性特征学习，在保持高精度的同时大幅减少模型参数量 | 模型在未见过的HAM10000数据集上的多分类准确率为76.1%，仍有提升空间；研究未详细说明在更多样化临床环境中的泛化能力 | 开发一种可临床部署、轻量、鲁棒且可解释的AI系统，用于皮肤癌分类 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | NA | CNN | 图像 | 使用了外部图像集和HAM10000数据集，具体样本数量未在摘要中明确说明 | NA | LGGC-Net | 准确率, AUC | NA |
| 1386 | 2026-04-18 |
Class-adaptive oracle-free metamorphic test case prioritization framework for vision-based deep neural networks
2026-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-49010-3
PMID:41991724
|
研究论文 | 提出了一种面向视觉深度神经网络的无预言机类自适应蜕变测试用例优先级排序框架 | 首次将类别依赖的模型行为变化与预测不确定性和可解释性漂移的互补作用相结合，通过多目标贝叶斯优化进行集成，实现了动态的、类自适应的测试用例优先级排序 | 实验仅在三个公开数据集和三种网络架构上进行验证，未涉及更复杂的现实世界场景或更大规模的模型 | 为安全关键的视觉应用开发一种鲁棒且可扩展的深度神经网络验证策略 | 视觉深度神经网络系统 | 计算机视觉 | NA | 蜕变测试 | 深度神经网络 | 图像 | CIFAR-10、Fashion-MNIST和ISIC2019数据集 | NA | ResNet-18, ResNet-50, ConvNeXt-Base | 统计显著性改进 | NA |
| 1387 | 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 |
| 1388 | 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 |
| 1389 | 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 |
| 1390 | 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 |
| 1391 | 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 |
| 1392 | 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 |
| 1393 | 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 |
| 1394 | 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 |
| 1395 | 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 |
| 1396 | 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 |
| 1397 | 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 |
| 1398 | 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 |
| 1399 | 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 |
| 1400 | 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 |