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 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2026-02-24 |
Temporal consistency-aware network for renal artery segmentation in X-ray angiography
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03486-y
PMID:40751864
|
研究论文 | 本文提出了一种名为TCA-Net的深度学习模型，用于改善X射线血管造影视频中肾动脉分割的时间一致性 | 创新点包括引入局部时间窗口血管增强模块和全局血管细化模块，结合解耦注意力策略和门控机制，并提出了时间感知一致性损失函数 | NA | 旨在提高肾动脉在X射线血管造影视频中的分割准确性，以评估肾交感神经消融手术 | 肾动脉X射线血管造影视频 | 计算机视觉 | 心血管疾病 | X射线血管造影 | 深度学习 | 视频 | 195个肾动脉血管造影序列用于开发，44名患者的外部数据集用于测试 | NA | TCA-Net | F1分数 | NA |
| 482 | 2026-02-24 |
Real-time corneal image segmentation for cataract surgery based on detection framework
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03506-x
PMID:40911268
|
研究论文 | 本文提出了一种名为EllipseNet的无锚点框架，用于白内障手术中基于检测的实时角膜图像分割 | 采用基于椭圆的建模方法，仅需矩形边界框标注即可实现角膜分割，显著减少了标注工作量，并实现了实时性能，速度比现有先进模型快近三倍 | 未提及模型在其他眼科手术或不同数据集上的泛化能力，以及可能存在的计算资源限制 | 开发一种实时、准确的角膜分割方法，以支持白内障手术中的术中引导和外科教育 | 白内障手术中的角膜图像 | 计算机视觉 | 白内障 | 深度学习 | CNN | 图像 | NA | PyTorch（基于公开代码推断） | Hourglass网络 | Dice准确率 | NA |
| 483 | 2026-02-24 |
Deep learning-based early prediction of life-threatening ventricular arrhythmias using long-term Holter ECG signals
2026, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2026.1714589
PMID:41725933
|
研究论文 | 本文提出了一种基于图神经网络和Transformer的深度学习框架，用于利用长期Holter心电图信号早期预测致命性室性心律失常 | 结合图神经网络和Transformer的混合模型，自动捕捉心电信号的空间和时间依赖性，显著提高心律失常分类准确率 | 未明确说明模型在实时穿戴式医疗系统中的具体部署挑战或计算资源需求 | 开发一种高效、实时的深度学习框架，用于早期检测致命性室性心律失常，以降低患者死亡率 | 长期Holter心电图信号 | 机器学习 | 心血管疾病 | Holter心电图监测 | GNN, Transformer | 心电图信号 | 基于MIT-BIH和SDDB数据库的数据集 | NA | GNN + Transformer | 准确率, 精确率, 召回率, F1分数 | NA |
| 484 | 2026-02-24 |
Deep learning-based robotic cloth manipulation applications: systematic review, challenges and opportunities for physical AI
2026, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2026.1752914
PMID:41726113
|
综述 | 本文系统回顾了基于深度学习的机器人布料展开与折叠应用，总结了当前进展、挑战与未来机遇 | 首次系统性地将现有学习方法重组为六种学习与控制范式，并强调了多模态传感器集成、新型原始动作及大语言模型规划方法等新兴方向 | 现有方法在处理不规则布料尺寸和多样初始状态时仍面临挑战，且存在Sim2Real差距、数据集真实性不足以及比较指标不一致等问题 | 旨在系统识别和总结基于深度学习的机器人布料展开与折叠任务的研究进展，推动物理AI领域发展 | 机器人布料操作，特别是布料的展开与折叠任务 | 机器人与物理AI | NA | 深度学习 | NA | 图像、多模态传感器数据、仿真数据 | 基于2019年至2024年间筛选的41篇相关论文进行分析 | NA | NA | NA | NA |
| 485 | 2026-02-24 |
Toward a Speech-Based Model of Premanifest Huntington's Disease Progression Using Deep Neural Networks
2026 Jan-Dec, Digital biomarkers
DOI:10.1159/000549327
PMID:41726168
|
研究论文 | 本研究评估了仅使用语音数据通过深度学习模型区分亨廷顿病前驱期患者与健康对照的可行性 | 首次提出并验证了仅基于单一结构化语音任务（Caterpillar段落）的深度学习模型，能够高精度区分亨廷顿病前驱期患者与健康对照，为早期疾病检测提供了可扩展的客观工具 | 样本量相对较小（共130名参与者），模型仅在特定标准化任务上验证，未在更自然或多样化的语音场景中进行测试 | 探索语音分析作为亨廷顿病前驱期早期检测和监测的客观、可扩展数字生物标志物 | 亨廷顿病患者（包括前驱期和显症期）与健康对照的语音样本 | 自然语言处理 | 亨廷顿病 | 语音采集与特征提取 | 随机森林, 支持向量机, XGBoost, 深度神经网络 | 语音 | 130名参与者（94名亨廷顿病患者：38名前驱期，56名显症期；36名健康对照） | NA | 深度神经网络 | 未加权准确率 | NA |
| 486 | 2026-02-24 |
Clinical Application of Deep Learning for Spine MRI Interpretation: A Multicenter Evaluation of Artificial-Intelligence-Assisted versus Manual Reading on Diagnostic Agreement with the Reference Standard
2026, Research (Washington, D.C.)
DOI:10.34133/research.1145
PMID:41726766
|
研究论文 | 本研究评估了首个集成于MRI硬件的实时AI辅助系统Lumbar VNet Pro在腰椎MRI解读中的临床应用，通过多中心验证比较了AI辅助与手动阅读的诊断一致性 | 开发了首个实时集成于MRI硬件的AI辅助系统LVP，实现了深度学习与MRI扫描的实时结合，提高了定位准确性和诊断效率 | 需要进一步研究评估其在多样化临床环境中的普适性 | 评估AI辅助系统在腰椎MRI诊断中的性能，并与传统手动方法进行比较 | 腰椎疾病患者，包括腰椎间盘突出、椎管狭窄和侧隐窝狭窄等病理 | 数字病理 | 腰椎疾病 | MRI | 深度学习 | 图像 | 训练集1,848个MRI数据集，验证集605个MRI数据集，内部测试100名患者，外部测试1,522名患者 | NA | VNet | Dice系数，识别率，推理时间，准确率，一致性，AUC | NA |
| 487 | 2026-02-24 |
Research on the construction of growth models for dominant tree species in the Manas River Basin, Xinjiang
2026, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.20650
PMID:41727221
|
研究论文 | 本研究以新疆玛纳斯河流域为例，基于森林资源调查数据，构建了五种优势树种的胸径-树高和年龄-胸径基础生长模型，并引入气候和地形因子优化模型，最后利用深度学习提升模型整体精度 | 首次针对新疆玛纳斯河流域的五种优势树种构建了结合气候和地形因子的多元非线性森林生长模型，并应用深度学习技术进行优化，显著提高了模型预测精度 | 部分树种模型精度受随机因素影响而下降，且研究仅基于2011年的调查数据，可能未充分反映长期动态变化 | 构建森林生长模型以优化区域生态安全、水资源和碳资源配置，支持应对气候变化和促进绿色可持续发展 | 新疆玛纳斯河流域的五种优势树种：云杉、杨树、混交林、沙枣及其他 | 机器学习 | NA | 森林资源调查、气候和地形数据分析、深度学习 | 深度学习 | 结构化数据（包括胸径、树高、年龄、气候因子如年降水量和最低日最高温度、地形因子如数字高程模型） | 基于2011年新疆玛纳斯河流域森林资源调查数据，涉及五种优势树种 | NA | S曲线模型、对数模型、生长模型、线性模型、逻辑斯蒂模型 | 相关系数R、均方根误差RMSE | NA |
| 488 | 2026-02-24 |
The impact of artificial intelligence on periodontal disease detection and treatment
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1784123
PMID:41727354
|
综述 | 本文综述了人工智能在牙周病检测与治疗中的最新应用与进展 | 强调AI在提升牙周病诊断准确性、预测疾病进展及个性化治疗规划方面的潜力，并探讨了其在优化临床工作流程中的作用 | 未提及具体研究方法的局限性，但指出了将AI整合到常规牙科实践中的挑战，如伦理问题和数据隐私担忧 | 回顾和更新AI在牙周病诊断与管理中的最新证据，重点关注机器学习算法、诊断成像和预测模型的进展 | 牙周病（PD） | 机器学习 | 牙周病 | NA | 深度学习模型 | 放射影像、临床数据 | NA | NA | NA | 诊断准确性 | NA |
| 489 | 2026-02-24 |
Artificial Intelligence Applications in Sickle Cell Retinopathy Imaging: Current Progress, Challenges, and Future Directions
2026, Journal of ophthalmology
IF:1.8Q3
DOI:10.1155/joph/5579203
PMID:41727523
|
综述 | 本文综述了人工智能在镰状细胞视网膜病变影像学中的应用进展、挑战及未来方向 | 系统总结了AI在SCR影像分析中的最新进展，并指出了临床转化的未来机遇 | 纳入研究数量有限（仅7篇），且部分研究样本量较小，临床验证尚不充分 | 评估人工智能在镰状细胞视网膜病变影像检测、分类和分期中的应用潜力 | 镰状细胞视网膜病变患者的眼科影像数据 | 计算机视觉 | 镰状细胞视网膜病变 | 眼科影像技术（如眼底照相、OCT等） | 经典机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 490 | 2026-02-24 |
Histopathology images-based deep learning prediction of prognosis in primary mucinous ovarian carcinoma
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1704217
PMID:41727660
|
研究论文 | 本研究开发并验证了一种基于组织病理学图像的深度学习模型，用于原发性黏液性卵巢癌的精确预后预测和风险分层 | 首次将基于图的深度学习生存模型（结合GNN和Cox比例风险模型）应用于原发性黏液性卵巢癌的预后预测，并通过GNNExplainer实现模型预测的可解释性可视化 | 样本量相对较小（80例患者），且为回顾性研究，可能存在选择偏倚 | 开发并验证一个深度学习模型，以准确预测原发性黏液性卵巢癌的预后并进行风险分层 | 原发性黏液性卵巢癌患者的组织病理学切片 | 数字病理学 | 卵巢癌 | 组织病理学成像 | 图神经网络 | 图像 | 80例患者（148张全切片图像） | NA | 图神经网络 | C-index, 风险比, log-rank p值 | NA |
| 491 | 2026-02-24 |
Automated bone age assessment in rare pediatric growth disorders: a comparative study using Deeplasia
2026, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2026.1741927
PMID:41727682
|
研究论文 | 本研究验证了开源深度学习系统Deeplasia在罕见儿科生长障碍患者手部X光片骨龄评估中的准确性和一致性，并与多位专家评估者进行比较 | 首次在多种罕见综合征、内分泌及溶酶体贮积症儿科患者中验证自动化骨龄评估系统Deeplasia的泛化能力，并直接与多位人类专家评估者进行性能比较 | 研究为回顾性设计，样本来自多个中心但可能仍存在选择偏倚，且未涵盖所有罕见生长障碍类型 | 验证深度学习系统在罕见儿科生长障碍患者骨龄评估中的准确性和可靠性 | 患有SHOX缺乏症、努南综合征、Silver-Russell综合征、Ullrich-Turner综合征、假性甲状旁腺功能减退症、先天性肾上腺皮质增生症、性早熟及性早熟假性青春期（队列1），以及粘多糖贮积症I、II、III、IV、VI型、α-甘露糖苷贮积症和未分类溶酶体贮积症（队列2）的儿科患者 | 数字病理学 | 儿科生长障碍 | 手部X光摄影 | 深度学习模型 | 图像 | 1,138张手部X光片，来自多个医疗中心 | NA | Deeplasia | 平均绝对误差, 均方根误差, 1年准确率 | NA |
| 492 | 2026-02-24 |
Automatic segmentation and labeling of T1, T7, and T12 thoracic vertebrae in neonatal chest radiographs: a deep learning approach using nnU-Net framework
2026, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2026.1673925
PMID:41727769
|
研究论文 | 本研究提出了一种基于nnU-Net框架的深度学习系统，用于在新生儿胸部X光片中自动分割和标记T1、T7和T12胸椎 | 首次在新生儿胸部X光片中应用nnU-Net框架进行胸椎的自动分割和标记，实现了高精度的定位 | 研究仅针对T1、T7和T12三个特定胸椎进行分割，未涵盖所有胸椎；数据集来自韩国10家大学医院，可能存在地域局限性 | 开发一种自动化系统，用于在新生儿胸部X光片中准确分割和标记胸椎，以辅助评估导管和管道的定位 | 新生儿胸部X光片 | 数字病理学 | 新生儿重症监护 | 胸部X光成像 | CNN | 图像 | 14,660张新生儿胸部X光片，来自10家韩国大学医院 | nnU-Net | nnU-Net | Dice相似系数 | NA |
| 493 | 2026-02-24 |
Real-time grading method of tunnel surrounding rock based on image recognition
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1766828
PMID:41728268
|
研究论文 | 提出了一种基于图像识别与轻量级深度学习的隧道围岩实时分级方法 | 结合图像处理与轻量级深度学习，构建了自动化管道，实现了隧道掌子面围岩特征的实时提取与分类 | 未明确说明模型在不同地质条件下的泛化能力及现场环境干扰（如光照、粉尘）对识别精度的影响 | 实现隧道施工过程中围岩的快速、准确分级 | 隧道围岩（岩性、硬度、强度、完整性） | 计算机视觉 | NA | 图像采集、灰度转换、去噪、增强、归一化 | CNN | 图像 | NA（未明确样本数量，仅提及工程现场测试） | NA | ShuffleNetV2 | 准确率（岩性分类85%、岩体完整性75%、整体围岩分级80%） | NA |
| 494 | 2026-02-24 |
Artificial intelligence-assisted diagnosis and histopathological grading of bladder cancer: current status, challenges, and future directions
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1708289
PMID:41728380
|
综述 | 本文系统回顾了人工智能在膀胱癌诊断和组织病理学分级中的应用现状、挑战及未来方向 | 全面总结了AI在膀胱癌诊断与分级中的多模态应用，并指出了数据质量、模型泛化性等关键挑战 | 作为综述文章，未涉及具体实验数据或模型性能的详细分析 | 探讨人工智能技术在膀胱癌诊断与分级领域的应用潜力与发展方向 | 膀胱癌的诊断与组织病理学分级 | 数字病理学 | 膀胱癌 | NA | 深度学习 | 图像, 分子标记数据 | NA | NA | NA | NA | NA |
| 495 | 2026-02-24 |
Correction: Deep learning based optic nerve sheath diameter characterization and structure quantification on transorbital ultrasound images
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1790647
PMID:41728590
|
correction | 本文是对先前一篇关于使用深度学习在经眼眶超声图像上量化视神经鞘直径和结构的文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 496 | 2026-02-23 |
Chemical genomics language model toward reliable and explainable compound-protein interaction exploration
2026-Jan-30, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01155-z
PMID:41618385
|
研究论文 | 本文提出了一个名为ChemGLaM的化学基因组学语言模型，旨在实现可靠且可解释的化合物-蛋白质相互作用预测 | 通过整合独立预训练的化学和蛋白质语言模型，并引入交叉注意力机制、不确定性估计和注意力可视化，同时解决了高泛化性能、预测置信度量化和可解释性三大挑战 | 未明确提及模型在特定蛋白质家族或化合物类别上的潜在性能偏差 | 开发一个能够可靠且可解释地预测化合物-蛋白质相互作用的深度学习模型，以推动化学生物学和药物发现 | 化合物与蛋白质之间的相互作用 | 自然语言处理 | 肌萎缩侧索硬化症 | 语言模型 | 语言模型 | 文本（化学和蛋白质序列的符号表示） | 覆盖了所有20,434个人类蛋白质与所有11,455种药物的所有可能配对 | NA | 化学语言模型, 蛋白质语言模型 | NA | 低计算成本 |
| 497 | 2026-02-23 |
Multi-omics deep learning improves FDG PET-CT-based long-term prognostication of breast cancer
2026-Jan-29, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01283-7
PMID:41611944
|
研究论文 | 本研究开发了一种基于多组学深度学习的预后分层模型，用于改善乳腺癌患者基于FDG PET-CT的长期生存预测 | 提出了一种结合临床数据、FDG PET-CT影像及对应医疗报告的多组学深度学习模型，并融入了可解释性分析以增强临床适用性 | 研究基于回顾性队列，可能存在选择偏倚；模型在外部验证和前瞻性应用中的效果仍需进一步评估 | 提高乳腺癌患者基于FDG PET-CT的长期预后预测准确性和风险分层能力 | 非转移性乳腺癌患者 | 数字病理学 | 乳腺癌 | FDG PET-CT | 深度学习 | 图像, 文本 | 大型回顾性队列（具体数量未在摘要中提供） | NA | Transformer | C-index | NA |
| 498 | 2026-01-29 |
Glomeruli detection and classification in histopathological images using deep learning semantic segmentation
2026-Jan-28, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02178-6
PMID:41593526
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 499 | 2026-02-23 |
Annotation-free 3D reconstruction and quantification of retinal microvasculature by RADAR
2026-Jan-21, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02366-2
PMID:41565785
|
研究论文 | 本文提出了一种名为RADAR的无标注计算框架，用于三维分割和量化光学相干断层扫描血管造影数据，以重建和量化视网膜微血管系统 | RADAR框架无需人工标注，结合自适应物理感知去噪和拓扑保持中心线提取，实现了对复杂血管网络的三维重建和量化 | NA | 开发一种无标注的三维重建和量化方法，用于监测视网膜微血管系统，以评估全身血管健康 | 健康个体和早期糖尿病视网膜病变患者的视网膜微血管系统 | 数字病理学 | 糖尿病视网膜病变 | 光学相干断层扫描血管造影 | NA | 光学相干断层扫描血管造影数据 | NA | NA | NA | NA | NA |
| 500 | 2026-02-23 |
An interpretable deep learning model for predicting endometrial cancer molecular subtypes from H&E-stained slides
2026-Jan-21, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01280-w
PMID:41565925
|
研究论文 | 本研究开发了一种基于H&E染色全切片图像的、可解释的深度学习模型，用于预测子宫内膜癌的分子亚型 | 开发了首个基于H&E染色WSI的端到端可解释深度学习模型，用于预测子宫内膜癌的四种分子亚型，并在宏观和微观层面分析了组织学特征与分子特征的相关性 | 外部验证队列中苏州队列样本量较小（n=36），可能影响模型泛化能力的全面评估 | 开发一种可解释的深度学习模型，用于从H&E染色全切片图像预测子宫内膜癌分子亚型，以辅助预后评估和治疗决策 | 子宫内膜癌患者的H&E染色全切片图像 | 数字病理学 | 子宫内膜癌 | H&E染色 | 深度学习模型 | 全切片图像 | 训练队列：复旦队列364例；验证队列：TCGA队列296例，苏州队列36例 | 未明确说明 | 端到端预测网络 | AUROC | 未明确说明 |