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 49327 篇文献，本页显示第 14561 - 14580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14561 | 2026-02-12 |
BTdiagAI: A Web-Deployed Hybrid Framework for Brain Tumor Classification Using Optimized MRI Preprocessing and Deep Learning Fusion
2026 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70053
PMID:41659364
|
研究论文 | 本研究提出了一种基于优化MRI预处理和深度学习融合的混合框架BTdiagAI，用于脑肿瘤分类，并通过Web平台实现部署 | 系统评估了五种MRI预处理方法，并提出了一个融合微调InceptionV3、DenseNet121和Xception网络的深度学习框架，结合特征选择和机器学习分类，以解决类不平衡问题 | 研究未明确讨论预处理方法在不同肿瘤类型或MRI设备间的泛化能力，且可能受限于所用数据集的规模和多样性 | 开发一个高效、准确的脑肿瘤自动分类系统，以辅助临床诊断 | 脑部MRI扫描图像 | 计算机视觉 | 脑肿瘤 | MRI预处理（包括CLAHE、Nyul归一化、N4偏置校正、模板配准、White Stripe归一化） | CNN | 图像 | NA | TensorFlow, Keras | InceptionV3, DenseNet121, Xception | 准确率 | NA |
| 14562 | 2026-02-12 |
Case Report: Novel ASAP1::BRAF fusion in a young adult with low-grade temporal lobe glioma
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1763047
PMID:41659712
|
病例报告 | 报告了一名年轻成年低级别颞叶胶质瘤患者中发现的新的ASAP1::BRAF融合基因 | 首次报道了ASAP1::BRAF融合基因在低级别胶质瘤中的存在，扩展了BRAF融合伴侣的谱系 | 仅基于单个病例报告，缺乏大规模临床验证和功能实验证实 | 描述低级别胶质瘤中一种新型BRAF融合基因的分子特征及其临床意义 | 一名31岁女性低级别颞叶毛细胞星形细胞瘤患者 | 数字病理学 | 脑胶质瘤 | RNA测序, 深度学习验证 | 深度学习 | RNA测序数据 | 1例患者肿瘤样本 | FusionAI | NA | 融合概率评分 | NA |
| 14563 | 2026-02-12 |
Accuracy of artificial intelligence applications in periodontics: a thematic narrative review
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1729825
PMID:41660180
|
综述 | 本文综述了2019年至2025年间发表的35项研究，评估了人工智能在牙周病学诊断中的应用准确性 | 首次对牙周病学中人工智能应用的准确性进行了主题性叙事综述，并综合了多中心、外部验证和可解释性研究的最新进展 | 研究间存在数据集、解剖部位、参考标准、模型架构和报告实践的显著异质性，且自主诊断仍不成熟 | 评估人工智能在牙周病学诊断中的准确性，并探讨其临床转化路径 | 牙周病学诊断，包括牙槽骨丧失检测、牙槽骨水平测量、根分叉病变识别和根尖周病变检测 | 数字病理学 | 牙周病 | 影像学技术（根尖片、咬翼片、全景片、锥形束CT、口内照片） | CNN, Transformer | 图像（放射影像、口内照片） | 35项研究（具体样本量未在摘要中明确给出） | NA | 卷积神经网络, Transformer网络, 混合分割-分类架构 | 诊断准确性, AUC, 灵敏度, 特异性 | NA |
| 14564 | 2026-02-12 |
Assessing the potential of deep learning for protein-ligand docking
2026, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-025-01160-1
PMID:41624973
|
研究论文 | 本文通过引入PoseBench基准，系统评估了深度学习方法在蛋白质-配体对接中的表现，特别是在预测结构、多配体结合和无先验口袋知识等广泛适用场景下的应用潜力 | 首次系统研究了深度学习方法在预测蛋白质结构、多配体结合和无先验口袋知识等广泛适用场景下的对接行为，并引入了多配体基准数据集 | 深度学习方法在预测新蛋白质-配体结合构象时仍面临挑战，且在结构准确性与化学特异性之间难以取得平衡 | 评估深度学习方法在蛋白质-配体对接中的实际应用潜力，特别是在药物发现和酶设计等生物医学研究领域 | 蛋白质-配体对接方法，特别是深度学习方法 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质结构数据, 配体数据 | NA | NA | AlphaFold 3 | 结构准确性, 化学特异性 | NA |
| 14565 | 2026-02-12 |
Correction: Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1788430
PMID:41669084
|
correction | 本文是对先前发表文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14566 | 2025-12-28 |
From lesion detection to outcome prediction: artificial intelligence and deep learning applications in multiple sclerosis
2025-Dec-27, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08661-2
PMID:41454173
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14567 | 2026-02-12 |
CCLR-DL: A novel statistics and deep learning hybrid method for feature selection and forecasting healthcare demand
2025-12, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109057
PMID:40929936
|
研究论文 | 本文提出了一种结合统计方法和深度学习的混合框架CCLR-DL，用于特征选择和医疗需求预测 | CCLR-DL框架首次将因果统计选择与神经预测相结合，相比现有混合方法，在提升预测准确性的同时增强了模型的可解释性 | 未明确讨论模型在其他数据集或医疗场景中的泛化能力，以及计算复杂度可能较高 | 开发一种混合预测方法，以克服传统统计方法和深度学习模型的局限性，提高医疗需求预测的准确性和可解释性 | 临床就诊和诊断数据的时间序列，用于预测医疗需求 | 机器学习 | NA | 交叉相关分析、滞后多元线性回归、格兰杰因果检验 | 深度学习模型，具体包括BiLSTM | 时间序列数据 | 630万个体，数据收集时间跨度为10年 | NA | 双向长短期记忆单元（BiLSTM） | 均方根误差（RMSE） | NA |
| 14568 | 2026-02-12 |
The Use of DeepQSAR Models for the Discovery of Peptides with Enhanced Antimicrobial and Antibiofilm Potential
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02138
PMID:41195811
|
研究论文 | 本研究利用基于循环神经网络的DeepQSAR模型预测广谱抗菌肽活性，并设计出具有增强抗菌和抗生物膜潜力的新型肽 | 首次将DeepQSAR模型应用于抗菌肽的发现，成功设计出在抗菌和抗生物膜活性上均优于已知肽IDR-1018的新型肽序列 | 模型预测性能依赖于有限的训练数据量，且实验验证仅针对部分设计肽进行，未进行大规模体内外功能验证 | 开发基于深度学习的定量构效关系模型，以加速具有广谱抗菌和抗生物膜活性的新型抗菌肽的发现 | 抗菌肽（AMPs）及其衍生物 | 机器学习 | 细菌感染 | 定量构效关系（QSAR） | 循环神经网络（RNN） | 分子描述符数据 | 训练数据量未明确说明，但提及随着可用AMP训练数据增加而提升模型性能；设计了100个新型肽，其中44个进行了实验验证 | 未明确说明 | 基于循环神经网络的QSAR模型 | 5折交叉验证准确率 | NA |
| 14569 | 2026-02-12 |
Current Research and Development in the Field of Magnetic Resonance Contrast Media
2025-Nov-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001206
PMID:40622723
|
综述 | 本文讨论了下一代高弛豫率钆基对比剂的研究进展，包括安全性研究、MR技术改进以及新型对比剂的开发 | 重点关注下一代钆基对比剂（如gadopiclenol和gadoquatrane）可能取代现有标准，并重新探索锰基化合物在临床MR对比剂中的应用 | 锰基化合物的临床影像潜力尚不明确，且关于钆基对比剂稳定性的新信息仍在不断涌现 | 综述磁共振对比剂领域的最新研究与发展 | 钆基对比剂（包括线性和大环螯合物）、锰基化合物 | 医学影像 | NA | 磁共振成像（MRI） | NA | NA | NA | NA | NA | NA | NA |
| 14570 | 2026-02-12 |
Fusion of habitat analysis and deep learning on contrast-enhanced T1-weighted imaging for predicting Ki-67 status in pediatric brain tumors
2025-Sep-27, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-025-06934-x
PMID:41014337
|
研究论文 | 本研究通过融合生境分析和深度学习技术，基于对比增强T1加权成像预测儿童脑肿瘤的Ki-67状态 | 首次将肿瘤生境分析与深度学习特征融合，用于量化儿童脑肿瘤的瘤内异质性并预测Ki-67指数 | 回顾性研究设计，样本量较小（140例），且仅基于单一成像模态（CE-T1WI） | 预测儿童脑肿瘤的Ki-67指数，以指导治疗和评估患者预后 | 儿童脑肿瘤患者 | 数字病理学 | 脑肿瘤 | 对比增强T1加权成像（CE-T1WI） | 随机森林 | 医学图像 | 140例儿童患者 | Scikit-learn | 随机森林 | AUC | NA |
| 14571 | 2026-02-12 |
Deep learning-based super-resolution method for projection image compression in radiotherapy
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2962
PMID:40893517
|
研究论文 | 本文研究了一种基于深度学习的超分辨率方法，用于压缩放疗中的投影图像，以经济地存储大规模图像数据 | 结合超分辨率深度学习网络与视频编解码算法，对放疗投影图像进行压缩，在提高压缩比的同时保持图像质量 | 未明确提及方法在临床实际应用中的验证或与其他先进压缩方法的直接比较 | 开发一种经济有效的投影图像压缩方法，用于放疗中的图像存储 | 锥形束计算机断层扫描（CBCT）的投影图像 | 计算机视觉 | 癌症 | 锥形束计算机断层扫描（CBCT）成像 | CNN, ResNet, GAN | 图像 | 基于自然图像和投影图像的两个数据库 | NA | 卷积神经网络, 残差网络, 生成对抗网络 | 压缩比（CR）, 峰值信噪比（PSNR）, 视频质量度量（VQM）, 结构相似性指数（SSIM） | NA |
| 14572 | 2026-02-12 |
Learning Genetic Perturbation Effects with Variational Causal Inference
2025-Jun-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.05.657988
PMID:40501829
|
研究论文 | 本文提出了一种结合机制因果模型与变分深度学习的混合方法SCCVAE，用于预测单细胞水平上未见遗传扰动的转录组响应 | 提出SCCVAE模型，将机制因果模型与变分自编码器结合，实现从观测扰动到未见扰动的有效外推，并支持功能扰动模块识别和单基因敲除实验模拟 | 未明确讨论模型在更复杂或异质性细胞类型中的泛化能力，以及计算资源需求 | 开发一种能准确预测单细胞水平上遗传扰动效应的计算模型，以应用于功能基因组学和治疗靶点识别 | 单细胞转录组数据，特别是Perturb-seq技术生成的遗传扰动响应数据 | 机器学习 | NA | Perturb-seq，单细胞转录组测序 | 变分自编码器（VAE），因果模型 | 单细胞转录组数据 | NA | NA | SCCVAE（单细胞因果变分自编码器） | NA | NA |
| 14573 | 2026-02-12 |
Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions
2025-May-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.12.25327223
PMID:40463551
|
综述 | 本文是一篇范围综述，探讨了人工智能在门诊初级保健中的应用、挑战和未来方向 | 系统性地梳理了2019年至2024年间人工智能在非紧急门诊初级保健中的功能、试验或整合情况，并指出了当前实施与研究的差距 | 研究主要基于文献综述，缺乏对实际临床环境中AI整合障碍的深入分析，且纳入的研究中临床试验数量有限 | 探索人工智能在门诊初级保健中的应用范围、实施现状及未来发展方向 | 2019年1月1日至2024年11月22日期间发表的关于人工智能与初级保健相关的研究 | 机器学习 | NA | 机器学习，深度学习，Transformer | NA | NA | 筛选了3203篇文献，最终纳入61篇符合条件的研究 | NA | NA | NA | NA |
| 14574 | 2026-02-12 |
VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis
2025-Mar-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.26.609718
PMID:40166134
|
研究论文 | 本文介绍了一种名为VISTA的新方法，用于预测空间转录组学数据中未观测基因的表达水平 | VISTA通过变分推断和几何深度学习联合建模单细胞RNA-seq和空间转录组学数据，并整合不确定性量化，以解决空间转录组技术基因覆盖有限的挑战 | 未在摘要中明确提及 | 增强对空间诱导细胞状态和特征的理解，通过预测未观测基因表达来扩展空间转录组数据的分析能力 | 空间转录组学数据，特别是亚细胞空间转录组学技术生成的数据 | 空间转录组学 | NA | 单细胞RNA-seq, 空间转录组学 | 几何深度学习 | 基因表达数据, 空间数据 | 四个空间转录组学数据集 | NA | NA | 时间效率, 内存消耗 | NA |
| 14575 | 2026-02-12 |
Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3510217
PMID:40030552
|
研究论文 | 本研究通过融合临床特征和生理信号，利用机器学习/深度学习集成方法预测儿科心脏重症监护室中机械循环支持的需求 | 首次将血流动力学对正性肌力药物的反应与机械循环支持结果关联，并处理分钟级多传感器数据以早期识别高风险患者，不同于以往仅处理单一特征类型或短期诊断的研究 | 研究基于单一四级医院的儿科心脏重症监护室数据，临床决策在某些情况下可能不直接适用 | 预测儿科心脏重症监护室中急性失代偿性心力衰竭患者对机械循环支持的需求 | 儿科心脏重症监护室中因急性失代偿性心力衰竭入院的患者 | 机器学习 | 心血管疾病 | 血流动力学监测、心电图和动脉血压信号分析 | 机器学习/深度学习集成方法 | 表格临床特征、时间序列、原始波形 | NA | NA | NA | AUC | NA |
| 14576 | 2026-02-12 |
Scaling Synthetic Brain Data Generation
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3520156
PMID:40030742
|
研究论文 | 本文介绍了Wirehead，一种可扩展的内存数据管道，旨在显著提升神经影像学中深度学习任务的实时合成数据生成性能 | 通过将数据生成与训练解耦，并利用多个独立并行进程运行生成器，实现了接近线性的性能提升，同时使用MongoDB高效处理TB级数据，大幅降低了存储成本 | 揭示了在优化生成与训练平衡以及资源分配方面存在未来研究机会 | 解决神经影像学研究中深度学习应用因数据稀缺而面临的挑战，通过提升合成数据生成效率来加速实验周期 | 合成脑影像数据生成工具SynthSeg及其在深度学习模型训练中的应用 | 神经影像学 | NA | 合成数据生成 | 深度学习模型 | 图像 | NA | NA | NA | 吞吐量提升倍数 | 并行生成器（16至20个） |
| 14577 | 2026-02-12 |
Deep learning approaches for EEG-based healthcare applications: a comprehensive review
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1689073
PMID:41657359
|
综述 | 本文全面综述了深度学习在基于脑电图（EEG）的医疗健康应用中的最新进展、关键挑战及未来方向 | 系统性地总结了深度学习（包括CNN、RNN、LSTM、Transformer及混合架构）与EEG在医疗应用中的融合，并批判性地分析了该领域面临的核心挑战与新兴趋势 | 作为一篇综述文章，本文未提出新的模型或实验，主要基于现有文献进行归纳与分析 | 旨在为基于EEG的医疗健康应用提供深度学习方法的全面概览，并推动该领域的未来研究 | 基于EEG信号的医疗健康应用，包括神经系统疾病诊断、脑功能恢复、心理健康状况评估及脑机接口（BCI） | 机器学习 | 神经系统疾病 | 脑电图（EEG） | CNN, RNN, LSTM, Transformer | EEG信号 | NA | NA | NA | NA | NA |
| 14578 | 2026-02-12 |
Evaluating deep learning-based image segmentation for radiotherapy planning in pelvic and abdominal cancers
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1632370
PMID:41657567
|
研究论文 | 本文提出了一种用于盆腔和腹部癌症放疗计划的注意力增强域自适应分割框架 | 引入了上下文感知注意力机制和微调适应模块，以提高在异质数据上的分割准确性并保持计算效率 | 模型可能难以在多中心数据集上泛化，且高计算需求和缺乏可解释性可能阻碍临床整合 | 评估基于深度学习的图像分割在盆腔和腹部癌症放疗计划中的应用 | 盆腔和腹部恶性肿瘤的肿瘤及周围风险器官 | 计算机视觉 | 盆腔和腹部癌症 | 图像分割 | 深度学习 | 图像 | NA | NA | U-Net | NA | NA |
| 14579 | 2026-02-12 |
CerevianNet: parameter efficient multi-class brain tumor classification using custom lightweight CNN
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1664673
PMID:41657565
|
研究论文 | 本研究提出了一种名为CerevianNet的轻量级自定义CNN模型，用于多类别脑肿瘤分类，旨在实现高精度且计算效率高的诊断 | 开发了一种新型轻量级自定义CNN模型，在保持高分类精度的同时显著减少了参数数量和计算复杂度，适用于小型设备部署 | 模型在数据量小或不平衡的数据集上表现不佳，且存在因标记数据有限而导致的过拟合风险，以及需要大量超参数调优以泛化到不同数据集 | 开发一个可扩展的多类别脑肿瘤分类框架，优化用于小型设备，以支持快速、准确且可扩展的计算机辅助诊断 | 脑肿瘤的医学图像数据 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 图像 | 使用了五个不同的数据集进行训练和测试，具体样本数量未明确说明 | NA | 自定义轻量级CNN, EfficientNetb3, ResNet-101, ResNet-50, Xception, AlexNet, DenseNet121, Swin Transformer | 准确率 | NA |
| 14580 | 2026-02-12 |
PalmNeXt: a ConvNeXt-based deep learning model for pest detection in date palm leaves
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1738129
PMID:41658551
|
研究论文 | 本文提出了一种基于ConvNeXt的深度学习模型PalmNeXt，用于椰枣叶害虫检测 | 引入了定制的预处理流程以增强特征质量，并基于ConvNeXt-Tiny构建轻量级框架，在小型多变数据集上实现高性能 | 未明确提及模型在更广泛作物或环境条件下的泛化能力，数据集规模相对有限 | 开发高效、轻量的自动化害虫检测方法，以支持精准农业中的及时作物监测 | 椰枣叶的RGB图像，包含害虫侵染和健康状态 | 计算机视觉 | 植物病虫害 | 图像预处理与深度学习 | CNN | 图像 | 3000张椰枣叶样本图像，涵盖四个类别（Bug, Dubas, Healthy, Honey） | 未明确指定，可能为PyTorch或TensorFlow | ConvNeXt-Tiny | 准确率, 精确率, 召回率, F1分数 | 未明确指定 |