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 45526 篇文献，本页显示第 1841 - 1860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1841 | 2026-05-30 |
Predictions from deep learning propose substantial protein-carbohydrate interplay
2026-May-26, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2523342123
PMID:42150072
|
研究论文 | 开发了深度学习模型PiCAP和CAPSIF2，预测蛋白质与碳水化合物的非共价相互作用，并发现约35-40%的蛋白质可能结合碳水化合物 | 提出了全新的蛋白质-碳水化合物结合预测方法PiCAP，并首次使用深度学习大规模预测蛋白质组中碳水化合物结合蛋白的比例，挑战了传统认为<5%蛋白质结合碳水化合物的观点 | 模型预测依赖人工标注数据集，可能受数据偏差影响；残基级预测CAPSIF2的Dice系数仅0.57，仍有改进空间 | 研发计算方法预测蛋白质与碳水化合物的非共价相互作用，揭示蛋白质-碳水化合物相互作用组 | 蛋白质与碳水化合物的相互作用，包括细胞表面蛋白和六种蛋白质组 | 机器学习 | NA | NA | 神经网络 | 蛋白质序列数据 | 手动整理的数据集包括已知碳水化合物结合蛋白和可能结合蛋白（转录因子、细胞骨架成分、小分子结合蛋白） | NA | PiCAP和CAPSIF2 | 平衡准确率、Dice系数 | NA |
| 1842 | 2026-05-30 |
Opportunistic Cardiovascular Risk Assessment Using Routine Head CT in the Emergency Department
2026-May-26, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2026.02.5095
PMID:41949516
|
研究论文 | 利用急诊科常规头部CT扫描进行机会性心血管风险评估 | 首次研究常规头部CT在心血管风险评估中的效用，并开发深度学习模型预测心血管疾病和估算冠状动脉钙化评分 | 回顾性研究设计，样本来自单一医疗机构（斯坦福医疗保健急诊科），可能存在选择偏倚 | 开发和验证从头部CT预测心血管疾病和估算冠状动脉钙化评分的深度学习模型，并评估其相对于临床风险因素的表现 | 无已知心血管疾病的成年急诊科患者 | 计算机视觉, 机器学习 | 心血管疾病 | CT成像 | 深度学习模型 | 图像（CT扫描） | 心血管疾病队列：27,990例患者；冠状动脉钙化队列：2,313例患者 | NA | NA | 一致性指数（C-index）, 受试者工作特征曲线下面积（AUC） | NA |
| 1843 | 2026-05-30 |
'Man vs. Machine: can ML algorithms diagnose headaches as accurately as clinicians? A systematic review.'
2026-May-26, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-026-13853-7
PMID:42189256
|
系统综述 | 系统评估基于人工智能和机器学习模型在成人头痛疾病分类诊断中的准确性、方法学质量和临床适用性，并与临床医生诊断进行比较 | 首次系统综述人工智能/机器学习模型与临床医生在头痛诊断中的准确性对比，并采用QUADAS-AI工具评估方法学质量 | 纳入研究普遍存在高偏倚风险，缺乏独立外部验证，导致诊断准确性估计不可靠 | 评估人工智能/机器学习模型诊断头痛障碍的准确性、方法学质量和临床适用性 | 成人头痛疾病分类诊断模型 | 机器学习 | 头痛障碍 | 机器学习、深度学习 | 传统机器学习, 深度学习, 混合或基于规则的方法 | 神经影像, 多模态数据, 神经生理信号, 临床问卷 | 74项研究共154,856名参与者 | NA | NA | 敏感度, 特异度, 受试者工作特征曲线下面积 | NA |
| 1844 | 2026-05-30 |
Retraction Note: Structural configuration of sustainable sports industry based on deep learning and genetic algorithm
2026-May-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-54673-z
PMID:42191804
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1845 | 2026-05-30 |
Detection of maxillary sinusitis of endodontic origin in cone-beam CT images using deep learning algorithms
2026-05-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52147-w
PMID:42192120
|
研究论文 | 利用深度学习算法在锥形束CT图像中检测牙源性上颌窦炎 | 提出了一种定制化的模型工作流程，包括解剖分类、分割和特征提取，最终实现多视图分类，能够区分正常上颌窦、牙源性上颌窦炎和非牙源性上颌窦炎 | NA | 开发并评估基于深度学习的模型，以自动检测锥形束CT图像中的牙源性上颌窦炎 | 锥形束CT扫描图像，包括正常上颌窦、牙源性上颌窦炎和非牙源性上颌窦炎病例 | 计算机视觉 | 上颌窦炎 | 锥形束CT | CNN | 图像 | NA | NA | ResNet, U-Net | 准确率, 精确率, 召回率, F1分数, DICE系数 | NA |
| 1846 | 2026-05-30 |
From Traditional Risk Factors to Machine Learning Models: Advancing the Prediction of Anastomotic Leak and Other Major Complications in Colorectal Cancer Surgery
2026-May-21, Cancers
IF:4.5Q1
DOI:10.3390/cancers18101668
PMID:42193025
|
综述 | 系统评估人工智能（特别是机器学习和深度学习算法）在预测结直肠癌手术后吻合口漏及其他主要并发症方面的应用 | 系统比较了机器学习和深度学习算法与传统风险因素模型在预测术后并发症方面的性能，强调了AI在个性化围手术期管理中的潜力 | 存在较高的偏倚风险、有限的外部验证、异质性的结果定义以及不一致的报告，需要进行更稳健的前瞻性多中心研究 | 评估AI模型在预测结直肠癌手术后吻合口漏及其他主要并发症方面的应用效果 | 结直肠癌手术后患者 | 机器学习 | 结直肠癌 | NA | 机器学习（ML）、深度学习（DL） | 临床数据 | 15,105名患者（来自13项研究） | NA | NA | 预测性能（未具体列出指标） | NA |
| 1847 | 2026-05-30 |
RNNet-MST: A ResNet-50 with Multi-Scale Transformer Blocks for Pulmonary Nodule Classification and Attention-Based Localization on Chest X-Ray Images
2026-May-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16101574
PMID:42196940
|
研究论文 | 提出一种结合ResNet-50与多尺度Transformer块的RNNet-MST模型，用于胸部X光图像中肺结节的分类与弱监督定位 | 将多尺度Transformer块集成到ResNet-50中以增强全局上下文建模，并设计自定义空间注意力机制实现病灶区域的弱监督定位 | 仅基于NODE21数据集进行验证，未在更大规模和多样化的临床数据集上测试 | 提高肺结节分类和定位的敏感性，减少假阴性诊断，辅助早期肺癌检测 | NODE21胸部X光数据集中的肺结节 | 计算机视觉 | 肺癌 | NA | CNN与Transformer混合模型 | 图像 | 基于NODE21胸部X光数据集（具体样本数未提及） | PyTorch | ResNet-50, Transformer | 召回率, 精确率, F1分数, 敏感度 | NA |
| 1848 | 2026-05-30 |
Enhanced Prediction of Cardiovascular Disease Through Integrated Machine Learning Models Combining Clinical and Demographic Characteristics
2026-May-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16101572
PMID:42196938
|
研究论文 | 结合临床与人口统计学特征，利用决策树、随机森林和深度学习等机器学习技术，构建心力衰竭预测模型，以提升诊断和预后预测的准确性 | 将临床指标与人口统计学因素结合，构建混合模型，显著提高心力衰竭短期和长期结局预测能力，优于仅依赖临床指标的模型 | NA | 开发一种结合临床和人口统计学特征的心力衰竭预测模型，为个体化医疗干预提供可靠工具 | 心力衰竭患者 | 机器学习 | 心血管疾病 | NA | 决策树、随机森林、深度学习 | 临床数据（超声心动图、生物标志物、心电图特征）和人口统计学数据 | 大量心力衰竭受试者数据集（具体数量未说明） | NA | 决策树、随机森林、深度学习混合模型 | 准确性 | NA |
| 1849 | 2026-05-30 |
AI and Machine Learning for Proteomics-Driven Drug Discovery: Methods, Tools, and Best Practices
2026-May-20, Current issues in molecular biology
IF:2.8Q3
DOI:10.3390/cimb48050532
PMID:42193136
|
综述 | 本文综述了人工智能和机器学习在蛋白质组学驱动的药物发现中的应用、方法、工具和最佳实践 | 系统地比较了多种机器学习方法在蛋白质组学驱动的药物发现中的适用性，并总结了新兴方向如对比学习、扩散模型和图神经网络 | 未深入讨论具体实验验证结果，可能缺乏实际应用案例的详细分析 | 为蛋白质组学驱动的药物发现提供机器学习方法的全面综述和最佳实践指南 | 蛋白质组学数据在药物发现中的应用，包括目标识别、生物标志物发现、药效监测和药物重定位 | 机器学习 | NA | 质谱分析 | 监督学习、集成方法、降维、聚类、深度学习、图学习、生存建模、因果推断、校准方法、对比学习、扩散模型 | 蛋白质组学数据 | NA | NA | NA | NA | NA |
| 1850 | 2026-05-30 |
Robust Multi-Site ADHD Classification via GraphSAGE-Based Functional Connectivity Modeling from rs-fMRI
2026-May-20, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13050586
PMID:42194343
|
研究论文 | 提出一种基于图抽样聚合网络的功能连接建模方法，用于从静息态功能磁共振成像数据中稳健分类注意力缺陷多动障碍 | 结合相位锁定值的功能连接估计和图抽样聚合网络，实现区域大脑活动与区域间交互的可扩展高效捕获，并提高对噪声和跨受试者变异性的鲁棒性 | 未提及具体限制 | 实现自动化且客观的注意力缺陷多动障碍诊断 | 注意力缺陷多动障碍患者 | 数字病理学 | 注意力缺陷多动障碍 | 静息态功能磁共振成像 | 图抽样聚合网络 | 图像 | ADHD-200数据集（多个采集站点及组合多站点数据集） | PyTorch | GraphSAGE | 准确率, AUC, 特异度 | NA |
| 1851 | 2026-05-30 |
ARTEMIS: An Explainable AI Framework for Multi-Class COVID-19 Diagnosis with a Newly Curated Dataset
2026-May-20, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13050588
PMID:42194345
|
研究论文 | 提出一个名为ARTEMIS的可解释深度学习框架，用于多类别COVID-19诊断，并包含一个新整理的数据集 | 采用可学习的预处理组件动态调整图像对比度和锐度，结合EfficientNet-B0骨干网络与Transformer编码器，同时学习局部放射学特征和全局像素关系 | 未提及 | 开发高度可解释的深度学习流水线，用于胸部X光和CT图像的自动分类，区分COVID-19感染、社区获得性肺炎和正常情况 | 胸部X光和CT图像，包括公开数据集和新标注的CT数据集 | 数字病理学 | COVID-19 | NA | CNN, Transformer | 图像 | 五个数据集，包括四个公开数据集和一个新CT数据集 | PyTorch | EfficientNet-B0, Transformer | 宏F1分数, 准确率 | NA |
| 1852 | 2026-05-30 |
Artificial Intelligence in Gastrointestinal Endoscopy and Hemostatic Decision-Making: Current Evidence, Clinical Implications and Implementation Barriers
2026-May-20, Life (Basel, Switzerland)
DOI:10.3390/life16050845
PMID:42195401
|
综述 | 本文综述了人工智能在消化内镜及止血决策中的应用现状、临床意义和实施障碍 | 重点探讨了人工智能在消化内镜止血决策这一复杂领域的应用，分析了现有模型在非静脉曲张性出血、静脉曲张性出血及胶囊内镜中的表现，并提出了前瞻性多中心验证、可解释性、实时可用性等关键发展方向 | 前瞻性干预性证据有限，现有模型多受限于回顾性设计、单中心数据集、不完全外部验证、黑箱决策、异质性报告、工作流程障碍及成本效益不明确 | 评估人工智能辅助决策在消化内镜及内镜止血中的现有证据，并分析其临床应用前景与实施障碍 | 消化内镜与内镜止血中的人工智能模型，涵盖病变检测、特征识别、质量评估、临床风险预测及止血治疗决策 | 机器学习和自然语言处理 | 消化道出血 | NA | 机器学习与深度学习模型 | 内镜图像和临床数据 | NA | NA | NA | NA | NA |
| 1853 | 2026-05-30 |
Near-Infrared Spectroscopy in Food Analysis: Applications, Chemometric Strategies, and Technological Advances
2026-May-20, Foods (Basel, Switzerland)
DOI:10.3390/foods15101814
PMID:42196017
|
综述 | 系统综述近红外光谱技术在食品分析中的原理、应用、化学计量学策略及技术进展 | 全面梳理了最新研究进展，强调近红外光谱作为快速、非破坏性检测方法的优势，并提出了多模态数据融合、深度学习集成和智能算法优化等创新解决方案 | 存在标样传输困难、基质干扰和模型泛化性等挑战 | 总结近红外技术在食品领域的应用进展，为其工业转化和标准化应用提供理论支持和技术参考 | 食品，包括谷物、肉类、果蔬、乳制品、发酵产品、茶、咖啡及其他加工食品 | 机器学习 | NA | NIR spectroscopy (近红外光谱) | PLS, SVM, BP-ANN, 模糊聚类 | 光谱数据 | NA | NA | NA | 准确性、鲁棒性 | NA |
| 1854 | 2026-05-30 |
Multimodal Sensor Fusion for Non-Destructive Tea Quality Evaluation: Deep Learning-Enabled Methods, Applications, and Challenges
2026-May-20, Foods (Basel, Switzerland)
DOI:10.3390/foods15101810
PMID:42196013
|
综述 | 总结了多模态传感与深度学习结合在茶叶品质无损检测中的最新进展，涵盖传感器互补性、数据融合策略、代表性应用及部署局限性 | 系统分析了多模态传感比单传感器更具优势的条件（须提供互补而非冗余信息层），并提出了未来研究的关键方向（标准化数据集、解释性建模等） | 实际应用受限于数据集小且标准化不足、外部验证缺乏、传感器不稳定、模型迁移性差、计算成本高及可解释性不足 | 探索深度学习结合多模态传感用于茶叶品质快速无损评估的可行性与挑战 | 茶叶品质评估中的多模态传感数据（机器视觉、光谱、电子鼻/舌等） | 机器视觉、深度学习 | NA | 多模态传感融合、深度学习 | 深度学习模型（综合类） | 多模态数据（图像、光谱、信号等） | NA | NA | NA | NA | NA |
| 1855 | 2026-05-30 |
Multicenter validation and randomized crossover reader evaluation of deep learning-assisted tri-sequence three-dimensional MRI segmentation for hypopharyngeal tumor
2026-May-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111606
PMID:42162744
|
研究论文 | 开发和验证深度学习辅助的三序列三维MRI分割方法用于下咽肿瘤的轮廓勾画 | 首次基于多中心验证的三序列3D nnU-Net模型，通过随机交叉阅读者研究证明AI辅助可缩小轮廓勾画专家的技能差距，并探索了基于质量感知的低重叠风险模型以支持部署 | 未明确提及局限性，但可能导致对模型泛化能力的进一步验证需求 | 开发多中心验证的深度学习模型，评估AI辅助对下咽鳞状细胞癌MRI目标轮廓勾画的专业差距影响，并探索质量感知的低重叠风险建模 | 下咽鳞状细胞癌患者的MRI图像 | 数字病理学 | 下咽癌（下咽鳞状细胞癌） | MRI | nnU-Net, XGBoost | MRI图像 | 727例患者来自三个机构（530例开发队列，37例内部测试队列，109例外部队列1，51例外部队列2） | PyTorch, XGBoost | nnU-Net | Dice相似系数, 表面Dice, 平均对称表面距离, 平均表面距离, Fleiss' κ, Likert评分 | NA |
| 1856 | 2026-05-30 |
Artificial Intelligence-Enabled Bioengineering of Extracellular Vesicle Platforms in Cardiovascular Medicine
2026-May-19, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13050573
PMID:42194330
|
综述 | 本文探讨了人工智能和机器学习在心血管医学中细胞外囊泡平台生物工程中的应用，涵盖分离纯化、分析诊断和治疗制造三大支柱 | 将人工智能定位为细胞外囊泡生物工程的基础层，系统性地提出数据驱动平台工程框架来克服细胞外囊泡在心血管医学中的临床转化挑战 | 关键转化挑战包括MISEV2023合规性、数据集偏差、可重复性和监管协调 | 审查人工智能辅助策略在心血管医学中细胞外囊泡平台三大支柱中的应用 | 心血管医学中的细胞外囊泡平台 | 机器学习 | 心血管疾病 | NA | 深度学习、机器学习 | 多组学数据、生物传感器数据、细胞外囊泡表型数据 | NA | NA | NA | NA | NA |
| 1857 | 2026-05-30 |
Quantifying the Contribution of Bone Morphology to Implant Selection in Shoulder Arthroplasty Using CT-Based Deep Learning
2026-May-19, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13050574
PMID:42194331
|
研究论文 | 利用基于CT的深度学习量化骨形态对肩关节置换术中植入物选择的贡献 | 提出了一个假设驱动的深度学习框架，结合分割和病理分期流水线，引入植入物类型预测和受控人机比较，量化骨形态对植入物选择的贡献 | 骨形态仅提供可测量但不完整的植入物选择信号，不能反映临床决策性能，存在类别依赖的不对称性（对反向植入物的召回率高于解剖型） | 评估骨形态是否足以指导肩关节置换术中的植入物选择，并量化其贡献 | 肩关节置换术患者及骨科医生的植入物选择决策 | 计算机视觉, 机器学习 | 肩关节疾病 | CT扫描 | CEL-UNet, ArthroNet | 图像（CT） | 600例患者的多中心队列 | PyTorch | CEL-UNet, ArthroNet | Dice系数, 准确率, Fleiss' κ系数, 召回率 | NA |
| 1858 | 2026-05-30 |
Pathology Foundation Models: Evolution, Current Landscape, Challenges and Opportunities from a Technical and Clinical Perspective
2026-May-19, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13050577
PMID:42194333
|
综述 | 从技术和临床角度回顾病理基础模型的演进、现状、挑战与机遇 | 系统梳理了从弱监督方法到大规模基础模型的演变路径，并强调多模态融合与临床转化的重要性 | 跨机构泛化不一致、可解释性滞后于临床需求、整合入日常检验流程缓慢，且对细胞病理学、移植病理学、冰冻切片及罕见肿瘤亚型等领域的适应性不足 | 评估病理基础模型的优势与局限，并为其安全有效的临床转化提出优先发展方向 | 病理基础模型（如UNI、Virchow、Phikon、CONCH、GigaPath等） | 数字病理学 | NA | 自监督学习、Vision Transformer | 基础模型 | 全切片病理图像、多模态数据（基因组学与临床数据） | NA | PyTorch | Vision Transformer、Hierarchical Image Pyramid Transformer（HIPT） | 诊断与预后基准测试表现 | NA |
| 1859 | 2026-05-30 |
Emerging Trends in Artificial Intelligence-Integrated Biochip Technologies for Biomedical Applications
2026-May-19, Micromachines
IF:3.0Q2
DOI:10.3390/mi17050623
PMID:42195540
|
综述 | 评估人工智能与生物芯片技术集成在生物医学诊断中的应用进展 | 系统分析了AI与光谱、纸基、芯片实验室及微流控等多种生物芯片平台的整合，并探讨了可解释、鲁棒且支持智能手机的AI生物芯片的未来方向 | 持续挑战包括AI模型的可解释性、鲁棒性及实际部署问题，但未具体说明量化局限 | 通过集成AI克服传统生物芯片在复杂数据处理和诊断灵敏度方面的限制 | AI集成生物芯片（包括光谱、纸基、芯片实验室和微流控平台） | 机器学习 | 神经系统疾病、糖尿病、癌症、传染病 | 生物芯片 | 强化学习、机器学习、深度学习 | 电化学、荧光、比色信号数据 | 不适用 | 不适用 | 预训练AI模型 | 诊断灵敏度、准确性 | 不适用 |
| 1860 | 2026-05-30 |
Artificial Intelligence in Cervical Cytology: Opportunities and Limitations in Screening, Triage, and Diagnostic Support
2026-May-19, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16101541
PMID:42196906
|
综述 | 综述人工智能在宫颈细胞学筛查、分诊和诊断支持中的当前应用、机遇及局限性 | 系统梳理了AI在完整宫颈细胞学工作流中的应用，包括自动化玻片筛查、液基细胞学、疑似或HPV阳性病例分诊及阴道镜辅助，并指出了将AI作为人类专家补充而非替代工具的观点 | 证据异质性高，缺乏大规模多样数据集、前瞻性验证、监管审批、数字基础设施、工作流整合，以及伦理和法律问题的解决 | 评估AI在宫颈细胞学及相关诊断流程中的应用现状、机遇与挑战 | 宫颈细胞学筛查、分诊和诊断支持中应用的AI系统 | 数字病理学 | 宫颈癌 | NA | 深度学习 | 图像 | NA | NA | NA | NA | NA |