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 44481 篇文献，本页显示第 1801 - 1820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1801 | 2026-05-01 |
Self-Supervised Denoising With Noise Propagation Model: Improving Material Decomposition in Photon-Counting CT
2026-May, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3620135
PMID:41071699
|
研究论文 | 结合基于物理的噪声分析与深度学习，控制光子计数CT材料分解过程中的噪声 | 提出噪声传播模型将泊松分布探测器噪声与材料特定噪声模式连接，结合自监督训练方法，无需高质量数据即可从有限训练数据学习 | NA | 改善光子计数CT材料分解中的噪声和伪影问题 | 光子计数CT成像中的材料分解过程 | 计算机视觉 | NA | 光子计数CT | 神经网络 | 图像 | 真实患者扫描数据 | PyTorch | 神经网络 | 材料准确性、虚拟单色图像清洁度 | NA |
| 1802 | 2026-05-01 |
SemSTNet: Medical EEG Semantic Metric Learning With Class Prototypes Generated by Pretrained Language Model
2026-May, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3620754
PMID:41082414
|
研究论文 | 提出了一种名为SemSTNet的新型轻量级框架，用于脑电图分析，通过语义度量学习捕获类别间关系并提升分类性能 | 首次将预训练语言模型生成的类原型应用于脑电图语义度量学习，设计轻量级解耦时空特征的卷积架构，模型参数仅23K | 未提及具体局限性 | 解决现有脑电图深度学习模型忽视语义关系且模型复杂度过高的问题 | 脑电图信号 | 机器学习 | 癫痫, 睡眠障碍 | 脑电图 | 卷积神经网络 | 信号 | NA | NA | SemSTNet | 准确率 | NA |
| 1803 | 2026-05-01 |
Artificial-intelligence models vs. radiologists in the detection of clinically significant prostate cancer on mpMRI: a meta-analysis
2026-Mar-18, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12465-z
PMID:41844851
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1804 | 2026-05-01 |
Boundary sensitive-net-based lumbar vertebra segmentation and spondylolisthesis measurement
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38522-7
PMID:41839918
|
研究论文 | 提出一种基于深度学习的边界敏感网络（BS-Net），用于腰椎椎体分割和滑脱测量 | 通过集成多任务边缘处理模块和上下文双边融合模块，增强椎体边缘特征提取，并结合边缘损失函数和形态学后处理实现联合分割与量化 | 未明确说明局限性 | 实现腰椎滑脱的自动化精确诊断 | 腰椎CT影像和MRI影像 | 计算机视觉 | 腰椎滑脱 | CT成像 | CNN | 图像 | 379名患者的783张腰椎CT图像及公共SPIDER MRI数据集 | 深度学习框架（未具体说明） | 边界敏感网络（BS-Net） | MIoU, Dice系数, ICC | NA |
| 1805 | 2026-05-01 |
ProSeg: multi-scale context fusion for high-precision prostate segmentation in MRI
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43589-3
PMID:41839937
|
研究论文 | 提出ProSeg深度学习框架，用于高精度前列腺MRI分割 | 设计ProSeg块，融合各向异性卷积与跨切片注意力机制，分别处理外周带的薄片不规则边界和中央腺体的均匀纹理 | 未提及方法的局限性 | 实现高精度前列腺MRI分割 | 前列腺MRI图像中的外周带和中央腺体 | 计算机视觉 | 前列腺癌 | MRI | 深度学习框架 | 图像 | Promise12和Promise158数据集 | NA | ProSeg块（各向异性卷积、跨切片注意力） | Dice系数 | NA |
| 1806 | 2026-05-01 |
R3MV: a novel reliable system architecture for skin cancer classification using progressive heterogeneous multiblock model
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40522-6
PMID:41840099
|
研究论文 | 提出了R3MV三层次决策融合系统，使用渐进式异构多块模型提高皮肤癌分类的可靠性 | 创新地提出了R3MV三层次决策融合系统，结合个体CNN预测、特征融合分类架构和元分类器，通过多数投票增强可靠性，并采用渐进式学习策略提升分类准确率 | 未提及明确局限，但单一模型预测的不可靠性及数据集变异的影响仍需进一步探讨 | 提高皮肤癌分类的准确性和可靠性，解决单一模型预测不可靠的问题 | 皮肤病变图像分类 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN, GRU | 图像 | 两个数据集：PAD_UFES_20和HAM10000，具体样本数量未提及 | NA | PHMBCNN, PHMBCNN-GRU | 准确率 | NA |
| 1807 | 2026-03-16 |
Classification of health product defect reports by deep learning
2026-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43961-3
PMID:41832296
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1808 | 2026-05-01 |
Automated CTA-Derived Collateral Grading and Morphologic Metrics for Enhanced Prediction of Post-Stroke Outcomes
2026-Mar-13, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9289
PMID:41826063
|
研究论文 | 基于CTA的自动侧支分级和形态学指标用于增强卒中后结局预测 | 提出一种全自动的定量侧支指数(qCI)，基于深度学习U-Net分割框架从CTA中提取，并评估其与形态学指标结合用于预测卒中后恢复和功能结局的能力 | 研究为回顾性分析，样本量相对较小(230例)，且来自单一中心，可能限制结果的泛化性 | 开发并验证从CTA中自动推导的定量侧支指数(qCI)，并评估基于CTA的特征预测卒中后恢复和功能结局的能力 | 急性缺血性卒中(AIS)患者 | 计算机视觉 | 脑血管疾病 | CTA | U-Net | 医学影像 | 230例急性缺血性卒中患者 | NA | U-Net | 精度, Pearson相关系数, Cohen's Kappa, AUROC, Brier评分 | NA |
| 1809 | 2026-05-01 |
Design of miniprotein inhibitors targeting complement C9 to block membrane attack complex assembly
2026-Mar-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70667-x
PMID:41813685
|
研究论文 | 利用深度学习设计靶向补体C9的微型蛋白抑制剂以阻断膜攻击复合物形成 | 首次通过深度学习方法从头设计针对补体C9的微型蛋白抑制剂，并用部分扩散优化亲和力至700 pM，在体内溶血抑制中表现优于上市药物依库珠单抗 | 当前补体C9的膜插入机制研究有限，且其宽平极性界面给理性设计带来挑战 | 开发新型微型蛋白抑制剂以阻断膜攻击复合物异常形成，为相关免疫疾病提供治疗策略 | 补体C9蛋白及其膜插入过程 | 机器学习 | 免疫疾病 | 蛋白质从头设计 | 深度学习模型 | 蛋白质结构数据 | NA | NA | NA | 亲和力、结合特异性、体内溶血抑制效果 | NA |
| 1810 | 2026-05-01 |
Artificial intelligence assisted multi-model pathological diagnosis of breast cancer based on multispectral autofluorescence images
2026-Mar-12, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-026-00915-2
PMID:41820369
|
研究论文 | 提出一种基于多光谱自发荧光成像与优化深度学习框架的无标记虚拟染色技术，用于生成乳腺癌病理诊断级图像 | 通过改进CycleGAN并引入显著性损失和全局特征一致性损失，显著提升多光谱自发荧光成像到H&E虚拟染色的性能，且无需像素级配准；结合临床标本、小鼠模型和类器官共培养的多模态数据库 | 尚未提及在更大规模临床试验中的验证，以及在不同批次或设备间的泛化能力 | 实现快速、无损的乳腺癌病理诊断级图像生成，用于临床诊断和机制研究 | 临床乳腺癌标本、小鼠模型、类器官共培养样本 | 数字病理学 | 乳腺癌 | 多光谱自发荧光成像 | 生成对抗网络 (GAN) | 图像 | 包含临床标本、小鼠模型、类器官共培养样本的多模态数据集 | PyTorch | CycleGAN | 准确率、精确率、召回率、F1-score | NA |
| 1811 | 2026-05-01 |
Development and validation of a transformer-based deep learning model for predicting distant metastasis in non-small cell lung cancer using 18FDG PET/CT images
2026-Feb, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-025-04014-9
PMID:40779149
|
研究论文 | 开发和验证一种结合CNN和ViT的混合深度学习模型，用于预测非小细胞肺癌患者的远处转移 | 首次将CNN与视觉Transformer（ViT）架构结合应用于18F-FDG PET/CT图像预测非小细胞肺癌远处转移，并证明整合PET和CT特征的模型优于单一模态模型 | 回顾性研究、样本量有限（167例），需要更大规模的前瞻性研究验证 | 开发和验证基于深度学习的模型，利用PET/CT图像预测非小细胞肺癌远处转移 | 167例初诊未治疗的非小细胞肺癌患者的PET/CT图像 | 计算机视觉 | 非小细胞肺癌 | 18F-FDG PET/CT | CNN, ViT | 图像 | 167例患者的PET/CT图像 | NA | ResNet 50, ViT | AUC | NA |
| 1812 | 2026-05-01 |
Magnetic resonance imaging-based deep-learning radiomics score for survival prediction and risk stratification in pediatric hepatoblastoma receiving surgical resection
2026-Jan-28, World journal of radiology
IF:1.4Q3
DOI:10.4329/wjr.v18.i1.115503
PMID:41640707
|
研究论文 | 开发基于磁共振成像的深度学习影像组学评分，用于接受手术切除的儿童肝母细胞瘤患者的生存预测和风险分层 | 提出深度学习影像组学评分结合临床-深度学习列线图模型，用于术前识别高风险患者以指导新辅助化疗，且评分能有效分层患者风险 | 样本量较小（106例），且为回顾性研究，可能存在选择偏倚；外部验证仅来自另一机构 | 评估基于深度学习的影像组学评分在早期肝母细胞瘤患者术后无事件生存预测中的性能 | 接受手术切除的儿童肝母细胞瘤患者 | 计算机视觉, 数字病理学 | 儿童肝母细胞瘤 | 磁共振成像 | CNN | 图像 | 106例（训练队列74例，测试队列32例） | NA | NA | 预后能力, 校准能力, 预测误差 | NA |
| 1813 | 2026-05-01 |
Changes in the Neighborhood Built Environment and Chronic Health Conditions in Washington, DC, in 2014-2019: Longitudinal Analysis
2025-Dec-10, JMIR formative research
IF:2.0Q4
DOI:10.2196/74195
PMID:41370817
|
研究论文 | 利用谷歌街景图像和计算机视觉技术，分析华盛顿特区2014-2019年间邻里建成环境变化与慢性健康状况的关联 | 首次利用谷歌街景图像和计算机视觉进行纵向邻里建成环境变化分析，替代传统现场审计方法 | NA | 研究邻里建成环境纵向变化与人口统计变迁及健康结果之间的关系 | 华盛顿特区的邻里建成环境、人口统计特征和健康结果 | 计算机视觉 | 肥胖、糖尿病、高胆固醇、癌症 | 谷歌街景图像 | 卷积神经网络 | 图像 | 434,115张谷歌街景图像 | NA | 卷积神经网络 | NA | NA |
| 1814 | 2026-05-01 |
Leveraging multi-modal feature learning for predictions of antibody viscosity
2025-12, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2025.2490788
PMID:40214197
|
研究论文 | 利用多模态特征学习预测抗体粘度，支持治疗性抗体的早期研发 | 整合序列、结构、理化性质及语言模型嵌入等多源数据，使模型能学习分子模拟的物理化学规则和预训练深度学习模型捕获的蛋白质进化模式 | NA | 预测治疗性抗体在药物发现中的粘度，以支持皮下给药制剂的开发 | 抗体序列、结构、理化性质及语言模型嵌入数据 | 机器学习 | NA | 多模态特征学习 | 多模态学习模型 | 序列、结构、理化性质、语言模型嵌入 | NA | NA | NA | NA | NA |
| 1815 | 2026-05-01 |
MEF2C controls segment-specific gene regulatory networks that direct heart tube morphogenesis
2025-12-01, Genes & development
IF:7.5Q1
DOI:10.1101/gad.352889.125
PMID:40883017
|
研究论文 | 利用单核RNA测序和ATAC测序的时序数据，结合深度学习模型，研究MEF2C转录因子控制的心脏管形态发生中的节段特异性基因调控网络 | 整合多组学数据和深度学习模型，构建了流出道、心室和流入道每个节段的发育轨迹，并鉴定了节段特异性的MEF2C依赖性增强子，揭示了核激素受体NR2F2在心脏畸形中的部分驱动作用 | NA | 解析早期心脏管中的谱系特异性基因调控网络及其在形态发生中的作用 | MEF2C转录因子及其控制的心脏管节段特异性基因调控网络 | 机器学习 | 心血管疾病 | 单核RNA测序, ATAC测序 | 深度学习模型 | 基因表达数据, 染色质可及性数据 | 野生型和MEF2C缺失胚胎的时序单核样本 | NA | NA | NA | NA |
| 1816 | 2026-05-01 |
Glasses-free 3D display with ultrawide viewing range using deep learning
2025-12, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-09752-y
PMID:41299166
|
研究论文 | 利用深度学习实现超宽视角的无眼镜3D显示 | 通过精确建模双眼视觉并结合深度学习实时优化，突破了空间带宽积的限制，实现了低成本光场传输设备上的大规模全视差3D显示，视角超过100度 | 文中未明确提及局限性 | 实现兼具大尺寸和宽视角的无眼镜3D显示 | 光场显示系统和双眼视觉模型 | 计算机视觉 | NA | 立体显示、光场技术 | 深度学习模型 | 图像 | NA | NA | NA | 分辨率、刷新率、视角 | NA |
| 1817 | 2026-05-01 |
A novel approach integrating topological deep learning from EEG Data in Alzheimer's disease
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23686-5
PMID:41238639
|
研究论文 | 提出了一种结合拓扑深度学习与机器学习模型的方法，用于基于脑电图数据的阿尔茨海默病分类 | 首次将拓扑深度学习与多种机器学习模型（SVM、RF、NN、LR）结合用于脑电图数据，通过提取拓扑和神经特征增强对阿尔茨海默病特有模式的识别 | 样本量较小（仅88人），需要多中心大型多样化队列验证泛化性 | 开发一种融合拓扑深度学习的混合方法，提高基于脑电图数据的阿尔茨海默病分类准确性 | 88名个体的脑电图记录，分为阿尔茨海默病患者、额颞叶痴呆患者和认知正常对照 | 机器学习 | 阿尔茨海默病 | 脑电图 | 支持向量机、随机森林、神经网络、逻辑回归 | 脑电图信号 | 88名个体 | NA | NA | 分类准确率 | NA |
| 1818 | 2026-05-01 |
Artificial intelligence in airway management: A systematic review and meta-analysis
2025-11, Anaesthesia, critical care & pain medicine
DOI:10.1016/j.accpm.2025.101589
PMID:40645499
|
系统综述与元分析 | 总结人工智能在气道管理中的预测困难气道能力 | 首次通过元分析综合评估多种AI模型在困难气道预测中的判别能力 | 纳入研究数量有限，部分模型（如SVM和NB）的异质性高（I²>99%） | 评估AI模型在困难气道预测中的表现 | 13项研究，涉及ED患者和全身麻醉手术患者 | 机器学习 | 困难气道 | NA | 深度学习模型（VGG）、传统机器学习模型（SVM、NB） | NA | 13项研究（未具体说明样本数量） | NA | VGG、支持向量机（SVM）、朴素贝叶斯（NB） | AUROC | NA |
| 1819 | 2026-05-01 |
Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning
2025-Apr-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.15.603529
PMID:39071413
|
研究论文 | 评估记忆偏差对AlphaFold建模SLC膜蛋白替代构象状态的影响，并提出结合ESM与模板建模的方法以持续生成多构象模型 | 首次系统评估记忆偏差对AlphaFold建模SLC蛋白多构象状态的影响，并提出一种结合ESM与模板建模的简单快速方法，能可靠生成内外开放两种构象，并通过进化协方差数据进行实验验证 | NA | 开发一种能够克服记忆偏差、稳定建模SLC膜蛋白替代构象状态的方法 | SLC超家族整合膜蛋白（包括SLC35F2等转运体）的替代构象状态 | 机器学习 | NA | AlphaFold、ESM（进化规模建模）、模板建模、序列进化协方差分析 | AlphaFold2、AlphaFold3、ESM | 蛋白质序列、结构模板 | 多种SLC膜蛋白（具体数量未提及） | NA | AlphaFold2, AlphaFold3, ESM | 由进化协方差数据实验验证（具体指标未提及） | NA |
| 1820 | 2026-05-01 |
OrganoIDNet: a deep learning tool for identification of therapeutic effects in PDAC organoid-PBMC co-cultures from time-resolved imaging data
2025-Feb, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-024-00958-2
PMID:38805131
|
研究论文 | 提出OrganoIDNet深度学习工具，用于从时序成像数据中识别PDAC类器官与PBMC共培养的治疗效果 | 首次将深度学习应用于PDAC类器官与免疫细胞共培养的实时成像分析，能够区分类器官大小和健康状态，并纵向监测免疫治疗反应 | NA | 开发和验证基于深度学习的工具，用于实时监测PDAC类器官对化疗和免疫治疗的反应 | 小鼠和人源PDAC类器官、PBMCs共培养模型 | 数字病理学 | 胰腺导管腺癌（PDAC） | 活细胞成像 | 深度学习 | 明场图像 | 小鼠和人源PDAC类器官样本 | NA | OrganoIDNet | 准确率、CellTiter-Glo终点增殖试验验证 | NA |