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 2202 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2026-03-11 |
Validation and feasibility of a deep learning-based reconstruction technology in 5.0 tesla knee joint MR imaging
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1776035
PMID:41797980
|
研究论文 | 本研究评估了基于深度学习的重建技术在5.0特斯拉膝关节磁共振成像中优化常规协议的可行性 | 首次在5.0特斯拉膝关节磁共振成像中应用深度学习重建技术，并证明其能在不增加扫描时间的情况下提升图像质量和诊断效能 | 样本量相对较小（69例），且为单中心研究，需要更大规模的多中心研究进一步验证 | 评估深度学习重建技术在优化5.0特斯拉膝关节磁共振成像协议中的可行性和临床价值 | 接受膝关节镜检查和5.0特斯拉膝关节磁共振检查的患者 | 医学影像分析 | 膝关节疾病 | 磁共振成像，深度学习重建 | 深度学习模型 | 磁共振图像 | 69名患者 | NA | NA | 信噪比，图像质量评分（5点李克特量表），诊断一致性（Cohen's kappa） | NA |
| 262 | 2026-03-11 |
Can artificial intelligence in orthopantomography advance dental diagnostics through automated image analysis?
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1701356
PMID:41797982
|
综述 | 本文综述了人工智能在口腔全景X线片自动图像分析中的前沿进展，并探讨了其诊断突破与监管伦理挑战 | 独特地将AI驱动的牙科影像诊断技术突破与快速演变的监管和伦理框架相结合，为教育者、从业者和学习者提供前瞻性路线图 | 将AI引入常规牙科护理仍面临标注数据集需求大、人群变异性应对以及医疗法律和信任问题等障碍 | 探讨人工智能如何通过自动图像分析推动牙科诊断进步 | 口腔全景X线片（OPGs） | 计算机视觉 | 牙科疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | NA | NA | NA | 准确率 | NA |
| 263 | 2026-03-11 |
Variable deep learning training horizons reveal the temporal complexity of biological systems
2026, microPublication biology
DOI:10.17912/micropub.biology.001926
PMID:41798261
|
研究论文 | 提出一种具有可变输入序列长度的深度学习框架，用于预测细胞和菌落形态，并应用于显微镜数据集以评估时间数据对性能的影响 | 引入可变输入序列长度的深度学习框架，通过时间动态识别生物过渡点，为数据驱动建模提供了新方法 | NA | 探索时间序列图像在提取生物学见解中的应用，评估时间数据对深度学习模型性能的影响 | 细胞和菌落形态 | 计算机视觉 | NA | 显微镜成像 | 深度学习 | 时间序列图像 | NA | NA | NA | NA | NA |
| 264 | 2026-03-11 |
Deep learning and high-resolution magnetic resonance vascular wall imaging: current challenges and future perspectives
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1731783
PMID:41798803
|
综述 | 本文全面回顾了深度学习在高分辨率磁共振血管壁成像（HR-VWI）中的基础与应用，特别关注其在评估颅内血管病变中的临床应用 | 探讨深度学习作为辅助工具，以克服HR-VWI对操作者经验的依赖，并提升其在脑血管疾病诊断中的可靠性和效率 | NA | 综述深度学习在HR-VWI中的应用，旨在推动其成为脑血管疾病的重要辅助诊断工具 | 颅内血管病变，包括颅内动脉瘤、动静脉畸形、动脉硬化和烟雾病 | 医学影像分析 | 脑血管疾病 | 高分辨率磁共振血管壁成像（HR-VWI） | 深度学习模型 | 磁共振图像 | NA | NA | NA | NA | NA |
| 265 | 2026-03-11 |
Deep learning enables fully automated cineCT-based assessment of regional right ventricular function
2026-Jan, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyag022
PMID:41798873
|
研究论文 | 本研究开发了一种基于深度学习、用于从增强心电图门控电影CT图像中自动评估右心室区域功能的完整流程 | 首次提出了一种完全自动化的3D电影CT管道，结合了用于心内膜分割的nnU-Net变体和基于点云深度学习的室壁标记方法，以自动化右心室的体积和区域应变分析 | 研究在主动脉狭窄患者队列中进行测试，可能未涵盖所有右心室表型；自动化流程的泛化能力需在更多样化人群中进一步验证 | 开发并评估一种完全自动化的深度学习流程，用于从电影CT图像中评估右心室的区域功能，以提高评估效率和可重复性 | 右心室（RV） | 计算机视觉 | 心血管疾病 | 对比增强心电图门控电影CT成像 | 深度学习 | 3D图像 | 使用具有不同右心室表型的多样化患者队列进行训练，并在接受TAVR的主动脉狭窄患者的独立队列中进行测试 | nnU-Net | nnU-Net（3D高分辨率配置），基于点云的深度学习模型 | Dice分数，体积测量指标，余弦相似度，准确率 | NA |
| 266 | 2026-03-11 |
Deep learning model and omics screening highlight angiotensinogen as a 5-methylcytosine (m5C) regulated mediator of tumor-microenvironment communication in liver cancer
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1752802
PMID:41798911
|
研究论文 | 本研究通过深度学习模型和组学筛选，揭示了血管紧张素原（AGT）作为5-甲基胞嘧啶（m5C）调控的介质，在肝癌肿瘤微环境通讯中的关键作用 | 开发了基于图注意力神经网络的算法GAT-MeRIP，用于从MeRIP-seq数据中识别功能性的m5C修饰靶基因，并首次发现m5C修饰的AGT在调控肝癌肿瘤微环境中的新功能 | 研究主要基于体外实验和公共队列数据，缺乏体内动物模型的验证，且机制探索可能不够全面 | 探究m5C修饰在肝癌肿瘤微环境通讯中的分子机制及其对预后的影响 | 肝癌细胞、自然杀伤（NK）细胞、公共肝癌队列数据 | 机器学习 | 肝癌 | MeRIP-seq, 单细胞转录组学, qRT-PCR, MeRIP-qPCR, ELISA, 流式细胞术 | 图注意力神经网络 | 测序数据, 转录组数据, 临床数据 | NA | NA | GAT-MeRIP | NA | NA |
| 267 | 2026-03-11 |
Enhancing Alzheimer's Diagnosis: Leveraging Anatomical Landmarks in Graph Convolutional Neural Networks on Tetrahedral Meshes
2026, Information processing in medical imaging : proceedings of the ... conference
DOI:10.1007/978-3-031-96625-5_5
PMID:41799028
|
研究论文 | 本文提出了一种基于Transformer的几何深度学习模型，用于通过脑结构磁共振成像（sMRI）增强阿尔茨海默病的诊断，并预测脑淀粉样蛋白阳性 | 引入了一种新颖的四面体网格标记化方案，结合了预训练高斯过程模型生成的解剖标志点，使模型能够处理不同体积网格尺寸的输入，并在AD分类和脑淀粉样蛋白阳性预测任务中表现出优越性能 | 模型在中等风险个体中的脑淀粉样蛋白阳性预测能力仍需进一步验证，且依赖于预训练的解剖标志点生成模型 | 利用几何深度学习技术，通过sMRI数据提高阿尔茨海默病的诊断准确性，并扩展至脑淀粉样蛋白阳性预测 | 阿尔茨海默病患者及脑淀粉样蛋白阳性个体的脑结构磁共振成像数据 | 几何深度学习 | 阿尔茨海默病 | 脑结构磁共振成像（sMRI），正电子发射断层扫描（PET） | Transformer, 图卷积神经网络（GCN） | 四面体网格表示的脑结构磁共振成像数据 | 未明确说明具体样本数量 | NA | 基于Transformer的几何深度学习模型 | 分类性能（具体指标未明确说明） | NA |
| 268 | 2026-03-11 |
Deep Learning Framework for Automated MRI Planimetry in Multiple Sclerosis
2026, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/ijbi/4456355
PMID:41799369
|
研究论文 | 本文提出了一种用于多发性硬化症MRI平面测量自动化的深度学习框架 | 开发了首个全自动深度学习框架，结合自动中矢状面检测算法与卷积神经网络，用于MRI平面测量，提高了测量效率并减少了人为偏差 | 未明确提及样本量外的具体局限性，但依赖MRI数据质量，可能受图像采集协议差异影响 | 自动化多发性硬化症的MRI平面测量，以客观评估疾病进展和治疗反应 | 多发性硬化症患者的脑部MRI图像 | 医学影像分析 | 多发性硬化症 | MRI | CNN | 图像 | 未明确提及具体样本数量 | 未明确提及 | 未明确指定具体架构 | 未明确提及具体指标，但强调与手动测量的一致性 | 未明确提及 |
| 269 | 2026-03-11 |
Deep Learning Super-Resolution Spectrometer Based on Fiber Random Laser With Ultrahigh Spectral Purity
2026-Jan, Nanophotonics (Berlin, Germany)
DOI:10.1002/nap2.70007
PMID:41799648
|
研究论文 | 本文提出了一种基于光纤随机激光器和深度学习技术的超分辨率光谱仪，通过减少重建时间和稀疏帧数量，实现高光谱纯度的超分辨率光谱成像 | 结合嵌套光纤微腔随机激光器作为微纳光源，显著提高光谱纯度和方向性，并利用卷积神经网络从减少80%的原始帧中恢复超分辨率光谱，大幅缩短采集时间 | 未明确讨论模型在不同光谱条件或噪声环境下的泛化能力，以及实际应用中可能存在的硬件集成挑战 | 开发一种集成化、低成本、小尺寸的高分辨率光谱仪，以突破传统光谱仪的频率分辨率限制 | 光纤随机激光器产生的光谱信号 | 机器学习 | NA | 超分辨率光谱技术，随机激光器 | CNN | 图像（光谱帧） | NA | NA | 卷积神经网络 | NA | NA |
| 270 | 2026-03-11 |
Metasurface Vision Transformer: A Generic AI Model for Metasurface Inverse Design
2026-Jan, Nanophotonics (Berlin, Germany)
DOI:10.1002/nap2.70001
PMID:41799652
|
研究论文 | 提出了一种用于超表面逆设计的通用AI模型——MetasurfaceViT，通过预训练和微调实现任意波长、偏振和应用场景下的结构设计 | 首次将Vision Transformer架构引入超表面逆设计领域，通过物理信息数据增强和掩码预训练策略，实现了跨波长、跨偏振的通用设计能力 | 未明确说明模型在极端波长或复杂多物理场耦合场景下的泛化能力，数据增强方法可能受限于基础物理模型的准确性 | 开发通用的超表面逆设计AI模型，突破现有模型固定工作条件的限制 | 超表面（用于控制光振幅、相位和偏振的人工结构） | 计算机视觉 | NA | 物理信息数据增强、掩码预训练 | Transformer | 琼斯矩阵数据（光学传输特性表征） | 通过数据增强显著扩展的大型琼斯矩阵数据集（具体数量未说明） | NA | Vision Transformer (ViT) | 预测准确率 | NA |
| 271 | 2026-03-11 |
Two-stage deep learning framework for laterally spreading tumors detection using self-supervised learning and few-shot classification
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261425362
PMID:41800156
|
研究论文 | 本文提出了一种结合自监督学习和少样本分类的两阶段深度学习框架，用于在结肠镜图像中检测侧向扩散肿瘤 | 通过结合DINO自监督预训练和原型网络进行少样本分类，减少了大规模标注数据的需求，在标注数据稀缺的情况下实现了可靠的侧向扩散肿瘤识别 | 研究为回顾性单中心研究，模型性能可能受限于特定医院的设备和操作流程，且未在外部数据集上进行验证 | 解决侧向扩散肿瘤在结肠镜检查中因形态细微和低患病率而容易被漏检的问题，实现基于有限专家标注的可靠AI辅助检测 | 结肠镜图像中的侧向扩散肿瘤与非侧向扩散肿瘤病变 | 计算机视觉 | 结直肠癌 | 结肠镜检查 | 深度学习 | 图像 | 从12,376名患者中回顾性收集的150,168张结肠镜图像，其中2,799张用于少样本分类训练，601张用于测试 | PyTorch | DINO, Prototypical Networks | ROC-AUC, 敏感性, 特异性, 准确率, F1分数, 精确率-召回率AUC | NA |
| 272 | 2026-03-11 |
Automated Diagnosis of Rheumatoid Arthritis From Hand Radiographs Using Artificial Intelligence: A Retrospective Study
2026, Clinical medicine insights. Arthritis and musculoskeletal disorders
DOI:10.1177/11795441261429110
PMID:41800190
|
研究论文 | 本研究开发了一种基于注意力的深度学习模型，用于从手部和腕部X光片中自动诊断类风湿关节炎 | 结合了DenseNet架构与注意力机制来突出RA特异性结构变化，并在有限数据集上实现了高诊断性能 | 回顾性研究，样本量相对较小（共570例），且排除了其他导致手部畸形的疾病患者 | 开发用于类风湿关节炎自动诊断的AI模型，并验证其在有限数据下的高性能潜力 | 类风湿关节炎患者和健康对照者的手部和腕部X光片 | 计算机视觉 | 类风湿关节炎 | X光成像 | CNN | 图像 | 311名RA患者和259名健康对照，总计570例，分为训练集（325例）、验证集（142例）和测试集（50例） | NA | DenseNet121, DenseNet169 | 准确率, 精确率, 召回率 | NA |
| 273 | 2026-03-11 |
Maritime traffic congestion identification and ship trajectory prediction using temporal graph convolutional networks
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342781
PMID:41801924
|
研究论文 | 本研究提出了一种基于AIS数据的船舶轨迹预测与海上交通拥堵识别的综合框架 | 结合图卷积网络与门控循环单元构建了时空图卷积网络模型，并引入了基于速度性能指数的拥堵测量指标 | NA | 提升海上交通管理效率与安全性 | 海上船舶轨迹与交通流量 | 机器学习 | NA | 自动识别系统数据采集 | GCN, GRU, T-GCN | 时空序列数据 | NA | NA | 时空图卷积网络 | NA | NA |
| 274 | 2026-03-11 |
Perceptions of Group Work on Student Learning in Entry-Level Physical Therapist Education: A Qualitative Study
2026, Journal of allied health
DOI:10.21091/jah.2026.01002
PMID:41802948
|
研究论文 | 本研究通过定性内容分析方法，探讨了物理治疗专业学生对小组工作如何影响其学习的看法 | 采用半结构化焦点小组访谈，深入分析学生对小组工作教育价值的感知，揭示了设计、个人成长和知识范围三个主要主题 | 样本量较小（n=7），且为定性研究，结果可能无法推广到更广泛的物理治疗教育背景 | 探索小组工作对学生学习的影响，以优化物理治疗教育中的教学策略 | 物理治疗专业的学生 | NA | NA | NA | NA | 定性访谈数据 | 7名学生 | NA | NA | NA | NA |
| 275 | 2026-03-11 |
ARTIFICIAL INTELLIGENCE IN CLINICAL DIAGNOSTICS FOR EARLY DETECTION OF CHRONIC DISEASES: A SYSTEMATIC REVIEW
2026-Jan, Georgian medical news
PMID:41804133
|
系统综述 | 本文系统综述了人工智能在慢性疾病早期临床诊断中的应用，总结了相关证据 | 系统性地综合了2020年至2025年间关于AI在多种慢性疾病早期诊断中的最新研究，并特别关注了混合AI模型的应用 | 研究存在数据集异质性、回顾性研究设计、外部验证有限以及报告不一致等问题，限制了结果的普适性 | 评估人工智能在慢性疾病早期检测中的诊断准确性、风险预测和临床决策支持能力 | 涵盖代谢/心脏代谢疾病、肌肉骨骼疾病、肺部疾病、癌症/血液疾病、神经退行性疾病以及眼科/牙科疾病等多种慢性疾病 | 机器学习 | 慢性疾病 | NA | 混合AI模型, 机器学习, 深度学习 | 实验室数据, 临床数据, 影像数据 | 32项研究 | NA | NA | AUC, 准确率, 灵敏度, 特异性 | NA |
| 276 | 2026-03-11 |
Random Neural Networks for Rough Volatility
2026, Applied mathematics and optimization
IF:1.6Q2
DOI:10.1007/s00245-026-10392-5
PMID:41804376
|
研究论文 | 本文构建了一种基于深度学习的数值算法，用于求解粗糙波动率背景下产生的路径依赖偏微分方程 | 将PDE解释为BSDE的解，并采用储层类型的神经网络构建优化问题，证明了理论收敛性 | NA | 解决粗糙波动率模型中的路径依赖偏微分方程数值求解问题 | 路径依赖偏微分方程 | 机器学习 | NA | 深度学习 | 储层神经网络 | NA | NA | NA | 储层神经网络 | NA | NA |
| 277 | 2026-03-10 |
A dataset and benchmark of carbonate thin-section images for deep learning
2026-Jan-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06633-5
PMID:41605971
|
研究论文 | 本文介绍了DeepCarbonate数据集，这是一个用于深度学习碳酸盐岩薄片图像分析的标准化基准数据集 | 提出了首个经过专家清理和标准化的大规模公开碳酸盐岩薄片图像数据集，并提供了分层分类和标准化实验设置 | 数据集主要来源于特定地质层位和地区，可能无法完全代表全球碳酸盐岩的多样性 | 为碳酸盐岩薄片图像分析提供可重复和公平的深度学习模型比较基准 | 碳酸盐岩薄片图像 | 计算机视觉 | NA | 薄片图像分析 | CNN | 图像 | 包含22个岩性类别的图像，具体数量未在摘要中明确说明 | PyTorch | ResNet, VGG, DenseNet, MobileNet, EfficientNet | NA | 使用CUDA加速的GPU，具体型号未在摘要中明确说明 |
| 278 | 2026-03-10 |
GaitDynamics: a generative foundation model for analyzing human walking and running
2026-Jan-05, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-025-01565-8
PMID:41491893
|
研究论文 | 本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，能够灵活处理输入输出并应用于临床场景 | 开发了基于大规模多样化步态数据训练的生成式基础模型，支持灵活输入输出，克服了现有模型数据量小、输出单一的限制 | 未明确说明模型在极端或病理步态条件下的泛化能力，以及计算资源需求的具体细节 | 通过深度学习模型分析人类步态动力学，以替代昂贵的实验室实验和物理模拟，促进人类移动能力 | 人类行走和跑步的步态模式，包括运动学和动力学数据 | 机器学习 | NA | 深度学习 | 生成式基础模型 | 运动学数据（如关节角度）、动力学数据（如地面反作用力） | 大规模多样化步态数据集（具体数量未在摘要中说明） | NA | NA | 准确性 | NA |
| 279 | 2026-03-09 |
Diagnostic accuracy of artificial intelligence models for temporomandibular joint anomalies on MRI: a systematic review and meta-analysis
2026-Jan-31, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-026-01525-6
PMID:41620618
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能模型在MRI上检测颞下颌关节异常的诊断准确性 | 首次对AI模型在颞下颌关节MRI异常检测中的诊断性能进行了全面的系统综述和荟萃分析，并识别了影响模型性能的因素 | 存在显著的异质性（I2 > 90%），外部验证有限，这限制了临床转化 | 系统评价和荟萃分析AI模型在MRI上检测颞下颌关节异常的诊断性能，并识别影响模型性能的因素 | 颞下颌关节异常 | 医学影像分析 | 颞下颌关节疾病 | 磁共振成像 | 深度学习, 机器学习 | MRI图像 | NA | NA | ResNet-18, Inception v3, EfficientNet-b4 | 准确率, 灵敏度, 特异性 | NA |
| 280 | 2026-03-09 |
Towards Automated Analysis of Gaze Behavior from Consumer VR Devices for Neurological Diagnosis
2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
DOI:10.1142/9789819824755_0016
PMID:41758144
|
研究论文 | 本研究探索了使用消费级VR设备采集的眼动追踪数据来支持神经退行性疾病诊断的可行性 | 利用消费级VR头显替代昂贵临床设备进行眼动追踪，实现大规模、低成本、远程的神经退行性疾病评估 | 消费级设备固有的噪声和较低精度可能影响数据质量 | 开发可扩展、自动化且易于获取的神经退行性疾病诊断工具 | 帕金森病等神经退行性疾病患者的眼动行为数据 | 机器学习 | 帕金森病 | 眼动追踪 | 深度学习嵌入 | 眼动数据 | NA | NA | NA | 分类性能 | NA |