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 2393 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2026-03-13 |
SERS for Infectious Disease Diagnostics: An Advanced Platform for Pathogen Detection and Antimicrobial Resistance Analysis
2026, International journal of nanomedicine
IF:6.6Q1
DOI:10.2147/IJN.S589169
PMID:41815209
|
综述 | 本文综述了表面增强拉曼光谱（SERS）在病原体检测和抗菌药物耐药性分析中的应用，并探讨了其与纳米技术、微流控和深度学习等多模态创新技术结合的潜力 | 探讨了将SERS与纳米技术、微流控和深度学习等多模态创新技术结合，用于病原体识别和抗菌药物耐药性分析 | 讨论了SERS技术临床转化面临的挑战 | 综述SERS在传染病诊断中的应用，特别是病原体检测和抗菌药物耐药性分析 | 细菌、病毒、真菌等病原体及其抗菌药物耐药性 | NA | 传染病 | 表面增强拉曼光谱（SERS） | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 622 | 2026-03-13 |
ApaltAI: a web-based diagnostic system with a sequential voting architecture for detecting anthracnose and scab in avocado fruit
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1736123
PMID:41815421
|
研究论文 | 本研究提出了一种基于顺序投票架构的Web诊断系统，用于自动检测鳄梨果实中的炭疽病和疮痂病 | 提出了一种新颖的二元顺序投票架构，结合了深度学习集成模型和功能完整的Web应用，实现了两阶段分层分类策略 | 仅使用了674张标注图像进行训练和验证，样本规模相对有限 | 开发自动化植物病害诊断系统，减少鳄梨生产中的经济损失 | 鳄梨果实 | 计算机视觉 | 植物病害 | 图像分析 | 深度学习集成模型 | 图像 | 674张标注的果实图像 | 未明确提及 | 未明确提及具体架构 | 精确度, 召回率, 准确率 | 未明确提及 |
| 623 | 2026-03-13 |
Critical considerations for the use of deep learning models in clinical oncology prediction
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1730967
PMID:41815558
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 624 | 2026-03-13 |
CRC-Former: frequency-domain adaptive swin-transformer for colorectal cancer histopathology classification
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1792357
PMID:41815787
|
研究论文 | 本文提出了一种名为CRC-Former的新型混合架构，用于结直肠癌组织病理学图像分类，通过结合频率感知表示学习和跨尺度序列建模来提升性能 | 提出了一种结合频率感知全局-局部Transformer块和跨尺度Mamba块的混合架构，首次将信号处理先验与现代序列建模显式集成，以增强对多方向病理纹理的敏感性 | NA | 解决结直肠癌组织病理学图像分类中因组织异质性、多尺度形态变化和早期病变细微性带来的挑战 | 结直肠癌组织病理学图像 | 数字病理学 | 结直肠癌 | Haar小波变换 | Transformer, Mamba | 图像 | 大规模Chaoyang CRC数据集 | NA | Swin-Transformer, Mamba | NA | NA |
| 625 | 2026-03-13 |
DeepFRAG: a method for cancer detection based on DNA fragmentomics and deep learning
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag024
PMID:41816008
|
研究论文 | 本文提出了一种基于DNA片段组学和深度学习的癌症检测方法DeepFRAG，通过分析cfDNA片段大小分布谱进行癌症筛查 | 开发了基于小波变换的深度学习模型分析cfDNA片段大小分布，并引入了针对WGS片段大小数据的原创数据增强技术 | 研究样本量相对较小（153例），仅包含III期和IV期癌症患者，未涵盖早期癌症 | 开发一种高精度、成本效益好的非侵入性癌症筛查方法 | 癌症患者（乳腺癌、结直肠癌、胰腺癌、肺癌、肝癌）和健康个体的cfDNA样本 | 机器学习 | 癌症 | 低深度全基因组测序（WGS），液体活检 | 深度学习模型 | DNA片段大小分布数据 | 153例样本（73例癌症患者，80例健康个体） | NA | NA | AUROC，灵敏度，特异性 | NA |
| 626 | 2026-03-13 |
From surface to depth: Using deep learning to predict striatal fMRI reward signaling from EEG
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1160
PMID:41816006
|
研究论文 | 本研究使用卷积自编码器深度学习模型，从基于任务的脑电图数据中重建腹侧纹状体的血氧水平依赖活动，以预测纹状体fMRI奖励信号 | 首次采用可解释的深度学习模型从表面脑电图解码皮层下奖励相关信号，为基于脑电图的神经反馈系统奠定基础 | 模型的泛化性能有限，未来需在更大、更多样化的数据集上进行训练以改进 | 预测纹状体fMRI奖励信号，以克服fMRI成本高和可及性有限的障碍，促进更广泛的临床应用 | 19名健康参与者在双选择赌博任务中记录的连续脑电图-功能磁共振成像数据 | 机器学习 | NA | 功能磁共振成像, 脑电图 | 卷积自编码器 | 脑电图, 功能磁共振成像 | 19名健康参与者 | NA | 卷积自编码器 | 相关性 | NA |
| 627 | 2026-03-13 |
Causal digital twin modeling of periodontal healing: personalized prediction of low-level laser therapy benefit using a tooth-graph ODE transformer
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1737162
PMID:41816560
|
研究论文 | 本文开发了一种名为CaTGO的因果数字孪生模型，用于预测牙周治疗后的愈合结果并评估低水平激光治疗的个体化疗效 | 结合图神经网络、神经常微分方程和因果推理模块，构建了首个针对牙周治疗的因果数字孪生模型，能够实现患者、牙齿和位点水平的个性化预测 | 研究为单中心回顾性队列，样本量有限（300名患者），且未进行外部验证 | 开发个性化预测工具，以识别哪些患者、牙齿或位点最能从辅助性低水平激光治疗中获益 | 300名牙周炎患者（其中150名接受辅助性低水平激光治疗，150名仅接受龈下刮治和根面平整） | 机器学习 | 牙周病 | 低水平激光治疗 | 图神经网络, 神经常微分方程, 因果推断模型 | 临床数据（牙周袋深度、临床附着水平、患者因素、激光治疗参数） | 300名患者 | NA | Causal Tooth-Graph ODE Transformer (CaTGO) | R2, 均方根误差, Pearson相关系数 | NA |
| 628 | 2026-03-13 |
The role of artificial intelligence in advancing scoliosis care: a rapid review of current evidence and future opportunities
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1774697
PMID:41816657
|
综述 | 本文是一篇关于人工智能在青少年特发性脊柱侧凸（AIS）护理中应用的快速综述，总结了当前证据和未来机遇 | 对人工智能在AIS管理中的应用进行了及时的综合评估，并评估了已发表综述的质量 | 纳入的综述数量有限（5篇），且需要加强外部验证和临床整合以实现有效实施 | 评估人工智能在青少年特发性脊柱侧凸诊断、进展预测和治疗优化中的潜在作用 | 青少年特发性脊柱侧凸（AIS）患者 | 数字病理 | 脊柱侧凸 | NA | 卷积神经网络, 人工神经网络, 决策树, 支持向量机, 混合模型 | NA | NA | NA | NA | 准确度 | NA |
| 629 | 2026-03-13 |
Artificial intelligence in osteoporosis assessment using CT imaging: a scoping review
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1779483
PMID:41816668
|
综述 | 本文是一篇范围综述，系统总结了人工智能在基于CT成像的骨质疏松评估中的应用研究 | 首次对AI在CT骨质疏松评估中的应用进行了系统性范围综述，聚焦于方法学途径、解剖靶区及算法性能 | 纳入研究存在方法学异质性、验证策略不一致以及多为单中心回顾性研究，限制了跨研究的可比性和临床转化 | 系统总结和梳理人工智能在CT成像中用于骨质疏松评估的现有研究 | 已发表的、应用AI、机器学习或深度学习技术于CT图像进行骨质疏松分类、骨密度估计或骨折风险预测的研究 | 医学影像分析 | 骨质疏松 | CT成像 | 机器学习, 深度学习 | CT图像 | 共纳入51项研究 | NA | NA | AUC | NA |
| 630 | 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 |
| 631 | 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 |
| 632 | 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 |
| 633 | 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 |
| 634 | 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 |
| 635 | 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 |
| 636 | 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 |
| 637 | 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 |
| 638 | 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 |
| 639 | 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 |
| 640 | 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 |