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 38938 篇文献，本页显示第 1761 - 1780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1761 | 2026-01-08 |
Advancing biological taxonomy in the AI era: deep learning applications, challenges, and future directions
2026-Jan, Science China. Life sciences
DOI:10.1007/s11427-025-3074-8
PMID:41136689
|
综述 | 本文回顾了生物分类学在人工智能时代的发展，重点探讨了深度学习在图像、声音、基因序列分类及物种性状解析中的应用、挑战与未来方向 | 系统梳理了生物分类学从形态学、分子生物学到人工智能驱动的三个阶段，首次提出将基因组视为“语言”的基础模型可能为物种界定提供更根本的数据驱动基础，并强调因果感知模型的整合可能带来变革 | 面临数据质量、算法鲁棒性、参考库完整性、模型透明度及共享标准等多重挑战，且AI与分类学的深度融合可能导致核心分类概念的演变，需谨慎引导 | 探讨人工智能（特别是深度学习）在生物分类学中的应用潜力、当前挑战及未来发展方向 | 生物分类学的方法论与技术体系 | 自然语言处理, 计算机视觉, 机器学习 | NA | 深度学习, 基础模型 | 基础模型 | 图像, 音频, 基因序列, 文本 | NA | NA | NA | NA | NA |
| 1762 | 2026-01-08 |
Bioprocess modeling and optimization in composting of hazelnut processing wastes and municipal solid waste: Type 1 fuzzy regression, neural network based approaches and genetic algorithm
2026-Jan-01, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.128254
PMID:41386011
|
研究论文 | 本研究开发了一种混合模型，用于预测和优化榛子加工废弃物与城市固体废物堆肥过程中的堆肥成熟度 | 提出了一种结合模糊回归、神经网络和深度学习策略的混合模型，能够同时建模线性和非线性关系，处理过程不确定性，并具备现有文献中建模工具所不具备的优越特性 | 未明确说明实验样本的具体数量，且模型性能仅在特定废弃物组合下验证 | 通过机器学习模型优化有机废弃物堆肥过程，提高堆肥效率和质量 | 榛子壳、榛子壳与城市固体废物的混合堆肥过程 | 机器学习 | NA | 堆肥过程监测（温度、pH、C/N、水分含量、NH/NO、发芽指数） | 混合模型（模糊回归、神经网络、深度学习） | 过程参数数据（温度、pH、C/N等） | 未明确说明具体样本数量，但提及使用有限实验数据 | NA | 神经网络（具体架构未指定） | 比例误差（低于5%）、期望水平（95%以上） | NA |
| 1763 | 2026-01-08 |
Detection of Mycobacterium tuberculosis in Ziehl-Neelsen Stained Sputum Smear Specimens Using Deep Learning Techniques
2026-Jan, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica
IF:2.2Q3
DOI:10.1111/apm.70138
PMID:41494997
|
研究论文 | 本研究探讨了深度学习技术在Ziehl-Neelsen染色痰涂片标本中检测结核分枝杆菌的有效性 | 应用多种迁移学习模型（如DenseNet201、ResNet101V2、Xception等）进行结核分枝杆菌的自动检测，其中InceptionV3和Xception模型在所有评估指标上达到99.00%的高性能 | 未明确说明样本来源的多样性、模型在临床环境中的泛化能力测试以及计算资源的具体需求 | 评估深度学习模型在基于显微镜检查的结核病诊断中的性能，并探索其在提高敏感性和可用性方面的改进 | Ziehl-Neelsen染色的痰涂片标本中的抗酸杆菌（AFB） | 计算机视觉 | 结核病 | 抗酸染色（Ziehl-Neelsen染色） | CNN | 图像 | NA | NA | DenseNet201, ResNet101V2, Xception, InceptionResNetV2, InceptionV3 | 准确率, 召回率, 精确率, F1分数 | NA |
| 1764 | 2026-01-08 |
Attention-driven framework to segment renal ablation zone in posttreatment CT images: a step toward ablation margin evaluation
2026-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.1.014001
PMID:41497560
|
研究论文 | 本文提出了一种基于注意力机制的深度学习框架，用于在治疗后CT图像中分割肾脏消融区，以辅助消融边缘评估 | 首次使用并行CT图像进行基于深度学习的肾脏消融区分割，并引入了注意力机制增强U-Net架构以提升分割精度 | 数据集规模较小（仅76名患者），且分割精度（如DSC为0.70）和召回率（0.73）仍有提升空间，可能影响在多样化临床场景中的泛化能力 | 开发并评估一种准确的深度学习工作流程，用于从肾脏CT图像中分割肾脏消融区，以支持治疗评估 | 肾脏消融区（RAZ）在治疗后CT图像中的分割 | 数字病理学 | 肾细胞癌 | CT成像 | CNN | 3D CT图像 | 76名患者的注释肾脏消融区CT图像 | NA | 注意力增强的U-Net | 准确率, 精确率, 召回率, DSC, Jaccard系数, 特异性, 豪斯多夫距离, 平均绝对边界距离 | NA |
| 1765 | 2026-01-08 |
ClinReadNet: A clinical reading-inspired network for low-dose abdominal CT image quality assessment
2025-Dec-31, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108535
PMID:41494492
|
研究论文 | 本文提出了一种名为ClinReadNet的深度学习框架，用于低剂量腹部CT图像的无参考质量评估，其设计灵感来源于放射科医生的临床阅片逻辑 | 提出了一种模拟医生阅片习惯的深度学习框架，包括Sobel序数质量网络模块、(移位)窗口多尺度温度多头自注意力模块和分层排序概率得分损失函数，实现了从整体到局部的注意力转移，并关注了评分标签间的距离信息 | NA | 开发一个低剂量、无参考的图像质量评估模型，以模拟医生的阅片习惯来评估CT图像质量 | 低剂量腹部CT图像 | 计算机视觉 | NA | CT成像 | 深度学习 | 图像 | 基于LDCTIQAG2023数据集 | NA | ClinReadNet | Pearson线性相关系数, Spearman秩相关系数, Kendall秩相关系数 | NA |
| 1766 | 2026-01-08 |
A novel deep learning system for STEMI prognostic prediction from multi-sequence cardiac magnetic resonance
2025-Dec-30, Science bulletin
IF:18.8Q1
DOI:10.1016/j.scib.2025.11.027
PMID:41314962
|
研究论文 | 开发了一个名为DeepSTEMI的端到端深度学习系统，用于从多序列心脏磁共振图像结合临床参数预测STEMI患者的2年主要不良心血管事件 | 首次提出一个整合多序列心脏磁共振图像与临床参数的端到端深度学习系统，通过U-Net模块自动分割心脏区域和基于Transformer的模块预测心血管事件，实现了临床与影像的协同分析 | 研究基于特定注册数据集（EARLY-MYO-CMR），外部验证仅来自三个独立心脏中心，可能限制模型的泛化能力 | 提高ST段抬高型心肌梗死（STEMI）患者预后的早期风险分层准确性，以支持精准治疗 | STEMI患者 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | 深度学习 | 图像 | 开发集610名患者（20,618张图像），外部验证集334名患者（9,944张图像） | NA | U-Net, Transformer | AUC, 准确率, 净重分类指数 | NA |
| 1767 | 2026-01-08 |
Multi-cancer framework with cancer-aware attention and adversarial mutual-information minimization for whole slide image classification
2025-Dec-29, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103927
PMID:41494313
|
研究论文 | 本文提出了一种用于多癌症全玻片图像分类的新框架，通过癌症感知注意力模块、对抗性互信息最小化和分层样本平衡策略来提升泛化能力 | 引入了癌症感知注意力模块来建模癌症间的共享模式和特定癌症变异，并采用对抗性互信息最小化来减少癌症特定偏差，同时开发了分层样本平衡策略以缓解数据不平衡 | NA | 开发一个可扩展的多癌症全玻片图像分析框架，以提升对不同癌症类型的泛化能力 | 全玻片图像（WSIs） | 数字病理学 | 多癌症 | NA | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1768 | 2026-01-08 |
Augmented intelligence for multimodal virtual biopsy in breast cancer using generative artificial intelligence
2025-Dec-26, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104971
PMID:41456845
|
研究论文 | 本研究提出了一种基于生成式人工智能的多模态、多视图深度学习框架，用于乳腺癌虚拟活检，通过整合全视野数字乳腺X线摄影和对比增强能谱乳腺X线摄影图像，实现乳腺病变的良恶性非侵入性分类 | 引入基于CycleGAN的生成模型合成缺失的CESM图像，以解决多模态数据不完整问题，并采用两阶段晚期融合策略加权整合视图和模态特异性恶性概率 | 随着合成CESM图像比例增加，分类性能有所下降，且研究依赖于特定数据集，可能限制泛化能力 | 开发一种非侵入性乳腺癌虚拟活检系统，通过多模态图像融合提升乳腺病变分类准确性 | 乳腺病变（恶性或良性）的全视野数字乳腺X线摄影和对比增强能谱乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 全视野数字乳腺X线摄影，对比增强能谱乳腺X线摄影 | CNN, GAN | 图像 | 未明确指定样本数量，但使用了扩展的CESM@UCBM数据集 | PyTorch（基于CycleGAN的常见实现框架） | ResNet18, ResNet50, VGG16, CycleGAN | AUC, G-mean, MCC, 峰值信噪比, 结构相似性指数 | 未明确指定，但通常涉及GPU计算资源 |
| 1769 | 2026-01-08 |
DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention
2025-Dec-23, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc08898d
PMID:41487137
|
研究论文 | 本文提出了一种名为DSSA-PPI的混合深度学习框架，通过解耦注意力机制整合结构和序列信息，以增强蛋白质突变对结合亲和力变化的预测 | 采用解耦注意力机制结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2，提出了一种新颖的表征学习策略，整合序列和结构特异性贡献 | 未明确提及具体局限性，可能依赖于标准数据集SKEMPI v2的覆盖范围 | 提高蛋白质突变对蛋白质-蛋白质相互作用结合亲和力变化的预测精度 | 蛋白质-蛋白质相互作用中的突变效应 | 机器学习 | NA | 深度学习 | GNN, 语言模型 | 结构数据, 序列数据 | 标准蛋白质结合亲和力数据集SKEMPI v2 | NA | PPIFormer, ESM-2 | NA | NA |
| 1770 | 2026-01-08 |
[Diagnosis and treatment of liver diseases in the era of artificial intelligence]
2025-Dec-20, Zhonghua gan zang bing za zhi = Zhonghua ganzangbing zazhi = Chinese journal of hepatology
|
综述 | 本文分析了人工智能在肝病领域大数据分析、转化研究及影像病理解读等关键领域的应用进展，并探讨了其在真实世界诊断与治疗中面临的挑战 | 系统梳理了AI在肝病诊断与治疗中的应用现状，并明确指出当前AI工具在辅助临床决策中的核心痛点，如模型成熟度不足、责任归属问题及多中心通用模型构建困难 | 当前机器学习与深度学习技术尚无法有效支持真实世界临床决策，AI模型存在碎片化、个性化问题，难以整合为广泛适用的多中心通用模型 | 探讨人工智能在肝病诊断与治疗领域的应用潜力与挑战，推动AI驱动决策支持工具的发展 | 肝病领域的临床诊断与治疗过程 | 数字病理 | 肝病 | NA | 机器学习, 深度学习 | 多模态数据（病史、体征、实验室数据、影像、病理） | NA | NA | NA | NA | NA |
| 1771 | 2026-01-08 |
Deep learning predicts haematopoietic stem cell ageing from 3D chromatin images
2025-Dec-15, bioRxiv : the preprint server for biology
DOI:10.64898/2025.12.11.693143
PMID:41473290
|
研究论文 | 本研究提出了一种基于卷积神经网络的可解释深度学习模型ChromAgeNet，用于从3D染色质图像预测造血干细胞衰老 | 首次利用深度学习从3D染色质图像中量化预测造血干细胞衰老，并识别出染色质熵、外周异染色质和染色质凝聚体等预测标志物 | 模型性能（AUROC 0.77 ± 0.03）仍有提升空间，且目前仅在小鼠HSCs上验证 | 量化造血干细胞衰老过程，开发用于衰老预测和药物筛选的工具 | 小鼠造血干细胞（HSCs） | 数字病理学 | 老年疾病 | 3D显微镜成像，DAPI染色 | CNN | 图像 | 未明确指定样本数量，但使用年轻和年老小鼠HSCs的3D图像数据集 | 未明确指定，但基于卷积神经网络 | ChromAgeNet（自定义CNN架构） | AUROC | NA |
| 1772 | 2026-01-08 |
Fast and trustworthy nowcasting of dengue fever: A case study using attention-based probabilistic neural networks in São Paulo, Brazil
2025-Dec-12, Epidemics
IF:3.0Q2
DOI:10.1016/j.epidem.2025.100880
PMID:41411852
|
研究论文 | 本研究提出了一种名为NowcastPNN的新型概率神经网络架构，用于对巴西圣保罗的登革热发病率进行实时估计和预测 | 结合了负二项分布的统计建模与注意力机制等深度学习技术，并采用蒙特卡洛Dropout方法获取预测不确定性区间 | 模型需要大量训练数据（相当于2-4年的发病率计数）才能超越基准模型 | 开发一种快速可靠的传染病实时预测方法，以支持公共卫生决策 | 登革热发病率数据 | 机器学习 | 登革热 | NA | 概率神经网络, 注意力机制 | 时间序列数据 | 相当于2-4年的登革热发病率计数 | NA | NowcastPNN | 预测区间评分规则 | 计算成本低廉 |
| 1773 | 2026-01-08 |
Use of artificial intelligence in the diagnosis of alterations in cervical cytology: A university population-based observational study
2025-12-10, Biomedica : revista del Instituto Nacional de Salud
IF:0.8Q4
DOI:10.7705/biomedica.7651
PMID:41410328
|
研究论文 | 本研究评估并比较了四种基于人工智能的模型在巴氏涂片细胞异常检测中的判别能力 | 在哥伦比亚大学人群中首次评估了人工智能模型用于宫颈细胞学异常诊断的潜力，并比较了不同模型在筛查和检测任务中的表现 | 研究样本量较小（650张图像），且仅基于单一大学队列，可能限制了结果的泛化能力 | 评估和比较人工智能模型在巴氏涂片异常检测中的判别能力，以改善宫颈癌筛查的诊断性能 | 来自哥伦比亚东北部大学队列的巴氏涂片细胞图像 | 数字病理学 | 宫颈癌 | 数字图像分析, 深度学习 | CNN | 图像 | 650张巴氏涂片细胞图像 | NA | DenseNet, InceptionV3, MobileNet, VGG19 | 灵敏度, 特异性, 曲线下面积 | NA |
| 1774 | 2026-01-08 |
Prediction model for the risk of vitreous haemorrhage after vitrectomy combined with intraocular injection for the treatment of proliferative diabetic retinopathy
2025-Dec-09, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.105313
PMID:41381021
|
研究论文 | 本研究开发了一种轻量级多模态深度学习模型，用于准确预测增殖性糖尿病视网膜病变患者玻璃体切除联合眼内药物治疗后玻璃体腔出血的风险 | 整合超广角荧光素血管造影图像和临床数据，构建轻量级多模态深度学习模型，在预测术后玻璃体腔出血风险方面表现出高准确性和良好的可解释性 | 回顾性研究设计，样本量有限（1318只眼），外部验证集规模较小（264只眼） | 开发预测模型以评估增殖性糖尿病视网膜病变患者术后玻璃体腔出血风险 | 增殖性糖尿病视网膜病变患者 | 数字病理学 | 糖尿病视网膜病变 | 超广角荧光素血管造影 | 深度学习 | 图像, 临床数据 | 1318只眼（来自968名患者），外部测试集264只眼 | NA | EfficientNet-V2, 多层感知机 | AUROC, 精确率-召回率曲线下面积, 准确率, Brier分数, 校准斜率, 校准截距 | NA |
| 1775 | 2026-01-08 |
Comment on association of peripheral immune markers with brain age and dementia risk estimated using deep learning methods
2025-Dec-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004275
PMID:41494186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1776 | 2026-01-08 |
Emerging Artificial Intelligence Technologies for Risk Assessment and Management in Acute Myeloid Leukemia: A Review
2025-Dec-01, JAMA oncology
IF:22.5Q1
DOI:10.1001/jamaoncol.2025.3601
PMID:41196612
|
综述 | 本文综述了人工智能技术在急性髓系白血病风险分层、诊断和治疗规划中的应用现状与潜力 | 整合了机器学习、深度学习、可解释AI和联邦学习等多种AI技术，在AML管理中实现比传统ELN指南更高的预后准确性，并解决了数据稀缺和隐私保护问题 | 未提及具体研究方法的局限性，但强调了临床转化需要统一数据标准、健全监管框架和公平技术获取 | 评估人工智能技术在急性髓系白血病风险分层和管理中的应用潜力 | 急性髓系白血病（AML）患者 | 数字病理学 | 白血病 | 机器学习、深度学习、可解释AI、联邦学习 | NA | 临床数据、细胞遗传学数据、分子数据、骨髓涂片图像、转录组数据 | NA | NA | NA | AUROC, 准确率 | NA |
| 1777 | 2026-01-08 |
Unveiling optimal molecular features for hERG insights with automatic machine learning
2025-Dec, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101411
PMID:41487145
|
研究论文 | 本文介绍了一种名为MaxQsaring的新型通用框架，该框架整合了分子描述符、指纹和深度学习预训练表示，用于预测化合物性质，并以hERG阻断预测为例展示了其优越性能 | 开发了首个集成分子描述符、指纹和深度学习预训练表示的通用框架，通过自动优化特征组合实现了最先进的预测性能，并在TDC基准测试中19/22任务排名第一 | 深度学习预训练表示对提升模型泛化能力（特别是对新骨架化合物）的影响相对有限 | 开发通用化合物性质预测框架以提升早期药物发现成功率 | 化合物（特别是hERG阻断相关化合物） | 机器学习 | NA | 自动机器学习 | 决策树,深度学习模型 | 分子描述符、指纹、预训练表示 | NA | NA | NA | 准确率,泛化能力 | NA |
| 1778 | 2026-01-08 |
Artificial Intelligence in Medicine With Emphasis on Orthopedic Practice
2025-Dec, Cureus
DOI:10.7759/cureus.98306
PMID:41487832
|
综述 | 本文全面回顾了人工智能在医疗保健领域的影响，特别聚焦于其在骨科医学中的应用 | 重点探讨了大型语言模型和机器学习算法在骨科诊断、医学教育及个性化护理中的整合应用，并指出了向多模态模型发展的未来方向 | 现实世界应用受限于数据质量、系统集成和伦理问题，且临床推理能力仍有不足 | 评估人工智能在医疗保健，特别是骨科实践中的应用潜力与挑战 | 人工智能技术（如大型语言模型和机器学习算法）及其在骨科诊断、医学教育和患者护理中的应用 | 机器学习 | 骨科疾病 | 深度学习技术 | 大型语言模型, 机器学习算法 | 医学影像, 文本数据 | NA | NA | NA | 诊断准确性 | NA |
| 1779 | 2026-01-08 |
Corrigendum to Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study [Journal of the National Cancer Center 4 (2024) 233-240]
2025-Dec, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2025.08.002
PMID:41497255
|
correction | 本文是对一篇关于利用深度学习模型基于原发肿瘤预测临床IA期肺腺癌淋巴结状态的多中心研究的更正 | NA | NA | NA | NA | NA | lung cancer | NA | NA | NA | NA | NA | NA | NA | NA |
| 1780 | 2026-01-08 |
Expression of concern: "GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection" [Heliyon 10 (2024) e35865]
2025-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e44214
PMID:41497874
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |