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 40284 篇文献，本页显示第 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 2026-02-02 |
Functional and Structural Evidence of Neurofluid Circuit Aberrations in Huntington Disease
2026-Jan-31, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.70328
PMID:41620818
|
研究论文 | 本研究通过多模态MRI技术评估亨廷顿病中神经流体通路的结构和功能改变 | 首次在亨廷顿病中系统评估脉络丛和旁矢状硬膜间隙的结构与功能变化，并关联脑脊液动力学 | 样本量有限，横断面研究设计无法确定因果关系 | 探究亨廷顿病中神经流体通路的异常及其与疾病严重程度的关系 | 亨廷顿病患者和健康对照者 | 数字病理学 | 亨廷顿病 | 3-Tesla T2加权MRI、FLAIR MRI、相位对比MRI、伪连续动脉自旋标记MRI | 深度学习 | MRI图像 | 80名亨廷顿病患者和65名年龄匹配的健康对照者 | NA | NA | p值 | NA |
| 1442 | 2026-02-02 |
Absence of dehydration due to superionic transition at Earth's core-mantle boundary
2026-Jan-30, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aeb3006
PMID:41604493
|
研究论文 | 本文通过分子动力学模拟揭示了δ-AlOOH在深部下地幔条件下的双超离子转变，并发现超离子态水在核幔边界处不易脱水，可能形成长期储水层 | 首次发现δ-AlOOH中氢和铝离子的双超离子转变，并证明超离子态能稳定结构，使脱水过程在核幔边界条件下变得能量和动力学上不利 | 模拟基于特定条件（140 GPa和3800 K），实际地幔环境的复杂性和长期地质过程的影响仍需进一步验证 | 探究深部下地幔中水合相的超离子转变对其稳定性和脱水行为的影响 | δ-AlOOH水合相在深部下地幔和核幔边界条件下的行为 | 地球物理学 | NA | 从头算分子动力学模拟,深度学习势分子动力学模拟 | NA | 模拟数据 | NA | NA | NA | NA | NA |
| 1443 | 2026-02-02 |
Machine learning, docking, or physics for structure prediction of ligand-induced ternary complexes
2026-Jan-30, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103217
PMID:41619702
|
综述 | 本文综述了用于预测配体诱导的三元复合物结构的计算方法，包括多步对接流程和单步深度学习模型 | 系统比较了传统对接方法与深度学习模型在预测三元复合物结构方面的最新进展和工具 | 多步方法受限于采样复杂性、输入结构准确性、评分精度和计算成本；单步方法则受训练数据稀缺的约束 | 促进在缺乏实验结构的情况下基于结构的设计，以支持靶向蛋白质降解剂的理性设计 | 由E3连接酶、配体和靶蛋白形成的三元复合物结构 | 机器学习 | NA | 晶体学、冷冻电镜、计算建模 | 深度学习模型 | 结构数据 | NA | NA | NA | NA | NA |
| 1444 | 2026-02-02 |
Selection of the best artificial intelligence techniques for analysis of gastrointestinal endoscopic images
2026-Jan-30, Arab journal of gastroenterology : the official publication of the Pan-Arab Association of Gastroenterology
IF:1.1Q4
DOI:10.1016/j.ajg.2025.09.021
PMID:41620373
|
研究论文 | 本研究通过模糊AHP-TOPSIS方法，系统评估并优先排序了用于胃肠道内窥镜图像分析的人工智能技术 | 首次结合模糊AHP和TOPSIS方法，为胃肠道内窥镜图像分析领域的人工智能技术提供系统化的选择框架 | 研究基于文献回顾和专家意见，可能受限于现有技术的覆盖范围和主观判断偏差 | 识别并优先排序用于胃肠道内窥镜图像分析的最佳人工智能技术 | 70种已开发的人工智能技术 | 计算机视觉 | 胃肠道疾病 | NA | CNN, DNN, ResNet | 图像 | NA | NA | ResNet18 | 有效性, 准确性, 全面性, 处理时间, 成本, 简洁性, 执行能力 | NA |
| 1445 | 2026-02-02 |
Parameter identification based on statistical and neural network approaches for the vegetation-water model
2026-Jan-29, Journal of biological physics
IF:1.8Q3
DOI:10.1007/s10867-025-09698-2
PMID:41609956
|
研究论文 | 本文基于植被-水模型，结合张掖地区的降水、温度和二氧化碳浓度气候数据，提出了统计和深度学习两种参数识别方法，以解决图灵模式参数识别的逆问题 | 创新点包括将统计方法与深度学习结合用于植被-水模型的参数识别，并改进了ResNet50和VGG19模型，通过集成正则化、GELU激活函数和混合精度训练来提升泛化能力和效率 | NA | 研究目的是增强植被-水模型在气候变化下的参数化和预测能力 | 研究对象是张掖地区的植被-水模型及其图灵模式 | 机器学习 | NA | NA | CNN | 图像 | NA | NA | ResNet50, VGG19 | 准确性, 鲁棒性 | NA |
| 1446 | 2026-02-02 |
Forecasting Waitlist Trajectories for Patients With Metabolic Dysfunction-Associated Steatohepatitis Cirrhosis: A Neural Network Competing Risk Analysis
2026-Jan-29, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/68247
PMID:41610175
|
研究论文 | 本研究使用深度学习竞争风险模型预测代谢功能障碍相关脂肪性肝炎肝硬化患者在肝移植等待名单上的死亡和移植风险 | 首次将深度学习竞争风险模型（DeepHit）应用于MASH肝硬化患者等待名单轨迹预测，并开发了新的性能指标竞争事件一致性分数 | 模型基于回顾性数据，可能受到数据质量和混杂因素的影响，外部验证仅在单一机构进行 | 预测MASH肝硬化患者在肝移植等待名单上的死亡和移植竞争风险 | 17,551名在科学移植受者登记处登记的MASH肝硬化等待肝移植患者 | 机器学习 | 肝病 | 竞争风险分析 | 深度学习 | 临床数据 | 17,551名患者 | NA | DeepHit | 一致性指数, Brier分数, 竞争事件一致性分数 | NA |
| 1447 | 2026-02-02 |
Artificial intelligence and multi-omics convergence in breast cancer: Revolutionizing diagnosis, prognostication, and precision oncology
2026-Jan-29, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2026.105160
PMID:41616992
|
综述 | 本文综述了人工智能与多组学在乳腺癌中的融合应用，旨在革新诊断、预后和精准肿瘤学 | 整合多组学数据与影像、病理及临床变量，利用深度学习架构学习共享和模态特定表示，提高患者层面预测准确性 | 存在跨中心异质性、端点定义不一致、真实世界工作流中模态结构性缺失、跨平台标准化不足、可解释性和可审计性有限以及缺乏前瞻性验证等关键障碍 | 推进多模态人工智能与多组学整合在乳腺癌管理中的可靠临床部署 | 乳腺癌 | 机器学习 | 乳腺癌 | 多组学分析（包括基因组学、转录组学、表观基因组学、蛋白质组学、代谢组学） | 深度学习 | 多组学数据、影像、病理、临床变量 | NA | NA | NA | NA | NA |
| 1448 | 2026-02-02 |
Deep Learning Model with Nodule Indexing Tailored to Early-Stage Lung Cancer Detection
2026-Jan-29, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2026.01.025
PMID:41620056
|
研究论文 | 本研究评估了一种基于深度学习的AI系统，该系统通过疑似结节索引和恶性风险分层，旨在提高放射科医生在CT扫描中检测肺结节的性能，特别是在早期肺癌检测方面 | 开发了一种结合结节索引和恶性风险分层的深度学习AI系统，并利用富含早期肺癌的挑战性数据集进行验证，显著提升了放射科医生的检测性能 | 研究数据集主要来自美国，可能限制了结果的普适性；且样本量相对有限，未涵盖所有类型的肺结节 | 评估AI辅助系统在提高放射科医生检测肺结节和早期肺癌性能方面的有效性 | CT扫描图像中的肺结节，特别是早期肺癌病例 | 计算机视觉 | 肺癌 | CT扫描 | 深度学习模型 | 图像 | 340例CT扫描，包括209例筛查病例和131例非筛查病例，其中133例为肺癌，61例为良性非钙化结节，146例正常 | NA | NA | 灵敏度, 特异性, LROC AUC, 假阳性率, 解读时间 | NA |
| 1449 | 2026-02-02 |
Accurate enzyme specificity constant prediction with iESC
2026-Jan-25, Bioresource technology
IF:9.7Q1
DOI:10.1016/j.biortech.2026.134067
PMID:41592658
|
研究论文 | 本文介绍了一种名为iESC的深度学习模型，用于仅基于酶序列和底物结构准确预测酶特异性常数 | iESC模型首次整合了多种先进的特征提取和深度学习技术，仅依赖酶序列和底物结构即可高精度预测K、k和k/K参数，显著优于现有最先进模型 | 未明确提及模型在特定酶类或底物类型上的泛化能力限制，以及数据预处理可能引入的偏差 | 开发一种高效准确的深度学习模型，以替代传统耗时费力的酶动力学参数测量方法 | 酶特异性常数，包括米氏常数(K)、转换数(k)及其比值(k/K) | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据（酶序列）、结构数据（底物结构） | 41,907个酶-底物动力学参数 | 未明确指定 | iESC | 决定系数(R)、均方根误差(RMSE)、平均绝对误差(MAE) | NA |
| 1450 | 2026-02-02 |
Comprehensive review of heart disease prediction: A comparative study from 2019 onwards
2026-Jan-24, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103354
PMID:41619515
|
综述 | 本文对2019年以来心脏疾病预测领域的研究进行了全面回顾与比较分析 | 系统梳理了从传统诊断技术向现代机器学习和深度学习方法转变的趋势，并探讨了心血管疾病与肾结石关系对未来预测模型发展的潜在影响 | 作为综述文章，未提出新的实验模型或算法，主要依赖现有文献分析 | 评估心脏疾病预测领域的最新进展，为未来研究提供路线图 | 心脏疾病预测相关的研究文献与方法 | 机器学习 | 心血管疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 1451 | 2026-02-02 |
Peptide cheminformatics tools: making computational tasks accessible in peptide drug discovery
2026-Jan-21, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2026.104612
PMID:41577169
|
综述 | 本文综述了肽类药物发现中可用的计算化学信息学工具，旨在促进其在药物研发流程中的集成 | 系统性地概述了当前肽研究中的计算方法，并基于关键特性强调了可用的肽化学信息学工具，以降低其应用门槛 | NA | 为肽类药物发现提供计算方法的概览，并促进相关工具的集成应用 | 肽类药物发现中的计算工具和框架 | 化学信息学 | NA | 机器学习/深度学习（ML/DL）模型 | NA | 肽序列和结构数据 | NA | NA | NA | NA | NA |
| 1452 | 2026-02-02 |
Interpretable Diagnosis of Pulmonary Emphysema on Low-Dose CT Using ResNet Embeddings
2026-Jan-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010051
PMID:41590936
|
研究论文 | 本文提出了一种基于ResNet嵌入的质量控制和可解释深度学习流程，用于在低剂量CT上诊断肺气肿 | 利用预训练的ResNet-152嵌入，结合自动化肺部分割、质量控制过滤以及与传统定量CT标志物融合，无需重新训练即可实现高性能且可解释的肺气肿诊断 | 未明确提及研究的外部验证队列或跨中心泛化能力评估 | 开发一种准确且可解释的肺气肿检测方法，以支持大规模筛查和人群健康研究 | 低剂量CT图像中的肺气肿 | 计算机视觉 | 肺气肿 | 低剂量CT | CNN | 图像 | NA | NA | ResNet-152 | ROC-AUC, PR-AUC, 平衡准确度 | NA |
| 1453 | 2026-02-02 |
ADAM-Net: Anatomy-Guided Attentive Unsupervised Domain Adaptation for Joint MG Segmentation and MGD Grading
2026-Jan-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010050
PMID:41590935
|
研究论文 | 本文提出了一种名为ADAM-Net的注意力引导无监督域适应多任务框架，用于联合进行睑板腺分割和睑板腺功能障碍分级 | 引入了结构感知多任务学习和解剖学引导注意力机制，以增强特征共享、抑制背景噪声并改善腺体区域感知，从而联合处理分割和分类任务 | NA | 开发一个鲁棒且可解释的自动化框架，用于在多中心成像设备场景下联合进行睑板腺分割和睑板腺功能障碍分级 | 睑板腺图像 | 计算机视觉 | 干眼病 | 深度学习 | CNN | 图像 | 涉及多个数据集：MGD-1K、K5M、CR-2、LV II | NA | ADAM-Net | 准确率, F1分数, 马修斯相关系数 | NA |
| 1454 | 2026-02-02 |
HASwinNet: A Swin Transformer-Based Denoising Framework with Hybrid Attention for mmWave MIMO Systems
2026-Jan-20, Entropy (Basel, Switzerland)
DOI:10.3390/e28010124
PMID:41594031
|
研究论文 | 本文提出了一种基于Swin Transformer的深度学习去噪框架HASwinNet，用于解决毫米波大规模MIMO系统中的信道估计难题 | 提出了一种结合分层Swin Transformer编码器、稀疏令牌提取和角度域细化的混合注意力去噪框架，并引入了角度域感知损失函数 | 基于Saleh-Valenzuela信道模型的仿真验证，尚未在实际部署环境中测试 | 提高毫米波大规模MIMO系统在有限导频资源和低信噪比条件下的信道估计精度 | 毫米波大规模MIMO系统的信道数据 | 机器学习 | NA | 深度学习 | Transformer, CNN | 信道数据 | NA | PyTorch | Swin Transformer, U-Net | 归一化均方误差, 误码率 | NA |
| 1455 | 2026-02-02 |
DeeppestNet: An end-to-end framework for high-performance crop pest recognition
2026-Jan-20, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种名为DeeppestNet的端到端框架，用于高性能农作物害虫识别 | 结合了图金字塔注意力机制与双向长短期记忆网络（GPA-BiLSTM），并采用灰狼-樽海鞘群优化算法（GW-SSO）提升分类精度 | 未明确说明模型在复杂田间环境或不同光照条件下的泛化能力 | 开发高精度、高效率的农作物害虫自动识别系统 | 农作物害虫图像 | 计算机视觉 | NA | 图像增强技术（CLAHE） | CNN, BiLSTM, 优化算法 | 图像 | IP-102数据集（具体数量未说明） | NA | 自适应金字塔注意力模块与跨阶段部分网络（AP-CSP）, 图基双向长短期记忆网络（G-BiLSTM） | 准确率, 精确率, 召回率, F1值 | NA |
| 1456 | 2026-02-02 |
Clinical validation of a unified data-driven respiratory motion correction technique in 18F-FDG PET/CT imaging of upper abdominal lesions: a real-world study
2026-Jan-18, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00833-z
PMID:41547664
|
研究论文 | 本研究前瞻性评估了一种基于深度学习神经网络的统一数据驱动呼吸运动校正算法在18F-FDG PET/CT上腹部病变成像中的临床效用 | 提出并临床验证了一种利用深度学习神经网络的统一数据驱动呼吸运动校正算法，显著提升了图像质量和病变检测能力，特别是在低摄取和小体积病变方面 | 研究样本量为100名患者，需要在更大规模、多中心的研究中进一步验证算法的普适性和鲁棒性 | 评估数据驱动呼吸运动校正算法在PET/CT成像中的临床效用，以改善图像质量和诊断准确性 | 100名疑似上腹部病变并接受18F-FDG PET/CT检查的患者 | 数字病理学 | NA | 18F-FDG PET/CT成像 | 深度学习神经网络 | 医学图像 | 100名患者，共225个病灶 | NA | NA | 主观视觉评估（整体图像质量、PET-CT配准、病灶变形）、半定量指标（SUVmax, MTV, TBR, HV_ratio）、病灶检测数量 | NA |
| 1457 | 2026-02-02 |
Variational Deep Alliance: A Generative Auto-Encoding Approach to Longitudinal Data Analysis
2026-Jan-18, Entropy (Basel, Switzerland)
DOI:10.3390/e28010113
PMID:41594020
|
研究论文 | 本文提出了一种名为变分深度联盟（VaDA）的新型生成式自编码方法，用于纵向数据分析，能够同时进行结果预测、主体聚类和表示学习 | 通过变分自编码器构建跨重复测量的“联盟”，为纵向数据建模提供统一且结构良好的潜在空间，支持混合类型变量处理 | 未明确提及方法在特定纵向数据场景（如医疗时间序列）中的验证限制或计算复杂度分析 | 利用深度神经网络学习纵向数据中的复杂关系，实现生成式建模与多任务分析 | 纵向数据，包括合成数据和CelebFaces Attributes数据集中的面部图像序列 | 机器学习 | NA | 变分自编码器（VAE） | 生成式自编码模型 | 纵向数据，图像数据 | 未明确指定样本数量，但提及可扩展至大型数据集并使用CelebFaces Attributes数据集 | 随机自编码变分贝叶斯框架 | 变分自编码器（VAE） | 未明确列出具体指标，但提及定量比较、鲁棒性和泛化能力评估 | 未明确指定，但提及方法可扩展至大型数据集 |
| 1458 | 2026-01-19 |
Research on deep learning-based lesion identification in optical coherence tomography
2026-Jan-17, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04579-7
PMID:41547727
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1459 | 2026-02-02 |
A Dual Stream Deep Learning Framework for Alzheimer's Disease Detection Using MRI Sonification
2026-Jan-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010046
PMID:41590931
|
研究论文 | 本研究提出了一种新颖的双流深度学习框架，通过结合MRI图像及其声化表示来检测阿尔茨海默病 | 首次将MRI声化技术引入AD诊断，通过多尺度、多方向的Gabor滤波和希尔伯特空间填充曲线生成音频表示，并与传统图像特征融合 | 未明确说明样本来源和数据集规模，也未讨论模型在外部验证集上的泛化能力 | 探索MRI声化技术是否能提供补充诊断信息，以改进阿尔茨海默病的检测 | 阿尔茨海默病患者、轻度认知障碍患者和认知正常受试者的MRI数据 | 医学影像分析 | 阿尔茨海默病 | MRI声化技术、多尺度多方向Gabor滤波、希尔伯特空间填充曲线 | CNN, YAMNet | MRI图像、音频信号 | NA | NA | 轻量级CNN, YAMNet | 准确率 | NA |
| 1460 | 2026-02-02 |
Effectiveness of Machine Learning in Detecting Vessels Encapsulating Tumor Clusters in Hepatocellular Carcinoma: Systematic Review and Meta-Analysis
2026-Jan-14, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/82839
PMID:41534080
|
荟萃分析 | 本文通过系统综述和荟萃分析，评估了机器学习模型在检测肝细胞癌中血管包绕肿瘤簇方面的诊断准确性 | 这是首个定量评估机器学习模型在HCC VETC诊断中效能的荟萃分析，填补了该领域的证据空白，并首次提供了机器学习检测潜力的定量证据 | 方法学存在异质性、验证有限、偏倚风险高，机器学习模型尚未达到临床转化所需的成熟度 | 系统评估机器学习模型检测肝细胞癌中血管包绕肿瘤簇的诊断准确性 | 肝细胞癌患者 | 机器学习 | 肝细胞癌 | NA | 传统机器学习, 深度学习 | 影像组学特征, 非影像组学特征 | 31项研究，共6755名HCC患者（其中2699名VETC阳性） | NA | NA | 灵敏度, 特异度, 汇总受试者工作特征曲线下面积 | NA |