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 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2026-02-12 |
3DeepVOG: An Open-Source Framework for Real-Time, Accurate 3D Gaze Tracking with Deep Learning
2026 Jan-Dec, Digital biomarkers
DOI:10.1159/000549948
PMID:41658975
|
研究论文 | 本文介绍了3DeepVOG，一个基于深度学习的开源框架，用于实时、准确的三维单目注视跟踪，包括水平、垂直和扭转旋转 | 结合自动瞳孔和虹膜分割与几何可解释估计，使用双球解剖眼球模型和角膜折射校正，并采用新颖的小块模板匹配方法实时跟踪扭转运动 | NA | 开发一个在多样化成像条件下（包括低光和噪声环境）稳健运行的三维注视跟踪框架，以克服传统视频眼动图系统的局限性 | 眼动作为神经耳科、神经眼科和神经退行性疾病的生物标志物 | 计算机视觉 | 神经退行性疾病 | 视频眼动图 | 深度学习 | 图像 | 超过24,000个注释样本，来自多个设备和临床场景 | NA | NA | 注视误差（约0.1°）、扫视峰值速度、平滑追踪增益、视动性眼震慢相速度 | NA |
| 782 | 2026-02-12 |
PhysMorph: A biomechanical and image-guided deep learning framework for real-time multi-modal liver image registration
2026-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2026.100906
PMID:41659345
|
研究论文 | 本文提出并验证了PhysMorph，一种结合生物力学正则化和图像相似性度量的深度学习框架，用于实现肝脏多模态图像的实时配准 | 将有限元方法模拟作为生物力学正则化整合到深度学习配准框架中，实现了快速、解剖学上合理的MR-CBCT图像配准 | NA | 开发一个快速、准确且物理真实的肝脏图像配准框架，以支持立体定向体部放射治疗 | 肝脏图像，包括预处理磁共振成像和机载锥形束计算机断层扫描 | 计算机视觉 | 肝癌 | 磁共振成像, 锥形束计算机断层扫描 | 深度学习 | 图像 | 两个数据集：1) 从纵向MR-Linac扫描中获得的模拟数据；2) 来自肝脏SBRT患者的临床MR-CBCT图像对 | NA | NA | 目标配准误差, 平均表面距离, 生物力学保真度指标 | NA |
| 783 | 2026-02-12 |
BTdiagAI: A Web-Deployed Hybrid Framework for Brain Tumor Classification Using Optimized MRI Preprocessing and Deep Learning Fusion
2026 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70053
PMID:41659364
|
研究论文 | 本研究提出了一种基于优化MRI预处理和深度学习融合的混合框架BTdiagAI，用于脑肿瘤分类，并通过Web平台实现部署 | 系统评估了五种MRI预处理方法，并提出了一个融合微调InceptionV3、DenseNet121和Xception网络的深度学习框架，结合特征选择和机器学习分类，以解决类不平衡问题 | 研究未明确讨论预处理方法在不同肿瘤类型或MRI设备间的泛化能力，且可能受限于所用数据集的规模和多样性 | 开发一个高效、准确的脑肿瘤自动分类系统，以辅助临床诊断 | 脑部MRI扫描图像 | 计算机视觉 | 脑肿瘤 | MRI预处理（包括CLAHE、Nyul归一化、N4偏置校正、模板配准、White Stripe归一化） | CNN | 图像 | NA | TensorFlow, Keras | InceptionV3, DenseNet121, Xception | 准确率 | NA |
| 784 | 2026-02-12 |
Case Report: Novel ASAP1::BRAF fusion in a young adult with low-grade temporal lobe glioma
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1763047
PMID:41659712
|
病例报告 | 报告了一名年轻成年低级别颞叶胶质瘤患者中发现的新的ASAP1::BRAF融合基因 | 首次报道了ASAP1::BRAF融合基因在低级别胶质瘤中的存在，扩展了BRAF融合伴侣的谱系 | 仅基于单个病例报告，缺乏大规模临床验证和功能实验证实 | 描述低级别胶质瘤中一种新型BRAF融合基因的分子特征及其临床意义 | 一名31岁女性低级别颞叶毛细胞星形细胞瘤患者 | 数字病理学 | 脑胶质瘤 | RNA测序, 深度学习验证 | 深度学习 | RNA测序数据 | 1例患者肿瘤样本 | FusionAI | NA | 融合概率评分 | NA |
| 785 | 2026-02-12 |
Accuracy of artificial intelligence applications in periodontics: a thematic narrative review
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1729825
PMID:41660180
|
综述 | 本文综述了2019年至2025年间发表的35项研究，评估了人工智能在牙周病学诊断中的应用准确性 | 首次对牙周病学中人工智能应用的准确性进行了主题性叙事综述，并综合了多中心、外部验证和可解释性研究的最新进展 | 研究间存在数据集、解剖部位、参考标准、模型架构和报告实践的显著异质性，且自主诊断仍不成熟 | 评估人工智能在牙周病学诊断中的准确性，并探讨其临床转化路径 | 牙周病学诊断，包括牙槽骨丧失检测、牙槽骨水平测量、根分叉病变识别和根尖周病变检测 | 数字病理学 | 牙周病 | 影像学技术（根尖片、咬翼片、全景片、锥形束CT、口内照片） | CNN, Transformer | 图像（放射影像、口内照片） | 35项研究（具体样本量未在摘要中明确给出） | NA | 卷积神经网络, Transformer网络, 混合分割-分类架构 | 诊断准确性, AUC, 灵敏度, 特异性 | NA |
| 786 | 2026-02-12 |
Assessing the potential of deep learning for protein-ligand docking
2026, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-025-01160-1
PMID:41624973
|
研究论文 | 本文通过引入PoseBench基准，系统评估了深度学习方法在蛋白质-配体对接中的表现，特别是在预测结构、多配体结合和无先验口袋知识等广泛适用场景下的应用潜力 | 首次系统研究了深度学习方法在预测蛋白质结构、多配体结合和无先验口袋知识等广泛适用场景下的对接行为，并引入了多配体基准数据集 | 深度学习方法在预测新蛋白质-配体结合构象时仍面临挑战，且在结构准确性与化学特异性之间难以取得平衡 | 评估深度学习方法在蛋白质-配体对接中的实际应用潜力，特别是在药物发现和酶设计等生物医学研究领域 | 蛋白质-配体对接方法，特别是深度学习方法 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质结构数据, 配体数据 | NA | NA | AlphaFold 3 | 结构准确性, 化学特异性 | NA |
| 787 | 2026-02-12 |
SonoMind: deep learning-based voice analysis for mental health monitoring
2026 Jan-Feb, Rivista di psichiatria
IF:1.0Q4
DOI:10.1708/4641.46506
PMID:41665892
|
研究论文 | 本研究提出了一种名为SonoMind的自适应深度学习框架，用于通过语音信号进行早期抑郁症检测 | 提出了一种仅基于语音的非侵入式、客观且保护隐私的抑郁症检测框架，结合了自适应谱配对降噪、同步声学特征学习和自适应磷虾-狼群优化算法进行特征选择 | 仅使用公开可用的DAIC-WOZ临床访谈数据集进行评估，未在更广泛或多样化的临床环境中进行验证 | 开发一种高效可靠的仅基于语音的临床抑郁症检测工具，以解决现有筛查工具的不足 | 抑郁症患者的语音信号 | 自然语言处理 | 抑郁症 | 语音信号分析 | 神经网络 | 语音信号 | 使用公开的DAIC-WOZ临床访谈数据集 | NA | NA | 准确率, 精确率, 召回率, F1分数, 平均绝对误差, 均方根误差 | NA |
| 788 | 2026-02-12 |
Correction: Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1788430
PMID:41669084
|
correction | 本文是对先前发表文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 789 | 2026-02-11 |
Leveraging Pretrained Vision Transformers for classifying Alcohol Use Disorder using Raw Resting-State EEG
2026-Jan-15, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.14.699473
PMID:41648298
|
研究论文 | 本研究利用预训练的Vision Transformer模型，直接从原始静息态脑电图数据中分类酒精使用障碍 | 首次将预训练的Vision Transformer模型应用于原始脑电图数据，以端到端方式对酒精使用障碍进行分类，并验证了模型在其他物质使用障碍上的泛化能力 | 分类准确率相对较低（约56%），模型性能受时间间隔影响，且样本经过人口统计学匹配和欠采样处理 | 开发基于深度学习的客观神经生理学工具，用于酒精使用障碍的临床诊断 | 酒精使用障碍、大麻使用障碍和阿片类药物使用障碍患者 | 机器学习 | 酒精使用障碍 | 静息态脑电图 | Vision Transformer, CNN | 原始脑电图信号 | 来自2,710名参与者（年龄12-83岁，平均24岁；1,338名男性，1,372名女性）的5,402条记录 | NA | EEGViT（结合卷积补丁嵌入和预训练Vision Transformer的混合架构） | 准确率 | NA |
| 790 | 2026-02-11 |
Unifying phylogenetic traversal and deep learning to guide tree exploration
2026-Jan-14, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.14.699358
PMID:41648436
|
研究论文 | 提出一种结合深度学习与系统发育动态程序的新方法，用于指导树探索并预测最大简约树中的边 | 将深度学习算法与系统发育动态程序的输出相结合，而非直接处理原始序列比对，从而学习能指导局部树搜索的特征 | NA | 通过深度学习提高系统发育推断的效率，并预测树中边是否属于最大简约树 | 模拟和实证数据集中的系统发育树 | 机器学习 | NA | 系统发育动态程序 | 循环神经网络 | 序列比对处理后的特征数据 | NA | NA | RNN | NA | NA |
| 791 | 2026-02-11 |
The Pathway-Informed Deep Learning Models in Cancer Research: A Survey
2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3635014
PMID:41264457
|
综述 | 本文综述了癌症研究中基于生物通路的深度学习模型，重点分析了通路信息的应用策略 | 首次系统性地将通路信息在深度学习模型中的应用策略进行分类，并总结了各类模型的优缺点 | NA | 综述癌症研究中通路信息如何整合到深度学习模型中，以提升模型的可解释性和性能 | 癌症研究中的通路信息与深度学习模型 | 机器学习 | 癌症 | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 792 | 2026-02-11 |
HypoChainer: A Collaborative System Combining LLMs and Knowledge Graphs for Hypothesis-Driven Scientific Discovery
2026-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3633887
PMID:41336152
|
研究论文 | 本文提出了HypoChainer，一个结合LLMs和知识图谱的协作可视化框架，用于增强假设驱动的科学发现 | 提出了一种整合人类专业知识、LLM驱动推理和知识图谱的协作可视化框架，通过三个阶段（情境探索、假设构建和验证选择）来优化假设链，以解决传统假设驱动研究中的认知限制和知识复杂性挑战 | NA | 增强假设驱动的科学发现，特别是在生物学领域，通过整合人类、LLMs和知识图谱来探索新知识 | 科学发现过程，特别是假设构建和验证 | 自然语言处理, 机器学习 | NA | 检索增强生成（RAGs）, 图神经网络（GNNs） | LLMs, GNNs | 文本, 知识图谱 | NA | NA | NA | NA | NA |
| 793 | 2026-02-11 |
EmbryoProfiler: A Visual Clinical Decision Support System for IVF
2026-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3634780
PMID:41348784
|
研究论文 | 本文介绍了EmbryoProfiler，一个用于辅助IVF胚胎选择的可视化临床决策支持系统 | 开发了一个结合可视化分析和可解释机器学习分类器的系统，以透明方式辅助胚胎评估，解决了现有自动化方法依赖大量手动标注或模型不透明的问题 | 未明确提及系统在广泛临床环境中的验证或长期成功率影响 | 提高IVF治疗中胚胎选择的效率和准确性，以改善临床结果 | IVF治疗中的胚胎，基于延时显微镜图像 | 数字病理学 | 不孕症 | 延时显微镜成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 794 | 2026-02-11 |
SynAnno: Interactive Guided Proofreading of Synaptic Annotations
2026-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3634824
PMID:41396767
|
研究论文 | 本文介绍了一个名为SynAnno的交互式工具，旨在简化和增强大规模连接组数据集中突触注释的校对工作 | 提出了一个集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式校对工具，以解决神经元复杂空间分支带来的挑战 | NA | 开发一个工具来加速和改善连接组学数据集中突触注释的校对过程 | 大规模连接组数据集中的突触注释 | 连接组学 | NA | 深度学习，机器学习 | NA | 3D图像数据 | 涉及七位神经科学专家的用户和案例研究 | PyTorch | NA | 校对速度，认知负荷，注释错误 | NA |
| 795 | 2026-02-11 |
Deep G-PCC Geometry Preprocessing via Joint Optimization With a Differentiable Codec Surrogate for Enhanced Compression Efficiency
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3655187
PMID:41605149
|
研究论文 | 本文提出了一种与可微分G-PCC代理模型联合优化的点云体素化网络，以提升标准G-PCC的压缩效率 | 首次提出了与可微分G-PCC代理模型联合优化的压缩导向点云体素化网络，通过端到端梯度传播，在不牺牲互操作性或计算灵活性的情况下提升G-PCC效率 | 未明确说明 | 提升几何点云压缩（G-PCC）标准的压缩效率，同时保持其互操作性和计算灵活性 | 点云数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 点云 | NA | NA | 体素化网络 | BD-rate | NA |
| 796 | 2026-02-11 |
Deep Learning-Based Joint Geometry and Attribute Up-Sampling for Large-Scale Colored Point Clouds
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3657214
PMID:41610351
|
研究论文 | 本文提出了一种基于深度学习的联合几何与属性上采样方法，用于生成大规模、高密度的彩色点云 | 首次提出联合几何与属性上采样的深度学习框架，并构建并发布了大规模彩色点云上采样数据集SYSU-PCUD | 未明确说明方法在极端复杂几何或属性场景下的性能限制，也未讨论计算效率与实时性 | 提高大规模彩色点云的上采样质量，实现几何与属性的联合优化 | 彩色点云（包含几何坐标与颜色属性） | 计算机视觉 | NA | 深度学习 | 神经网络 | 点云数据 | 121个大规模彩色点云，涵盖6个类别和4种采样率 | 未明确指定（代码已开源） | 几何上采样网络、属性上采样网络、属性增强模块 | 峰值信噪比（PSNR） | 未明确说明 |
| 797 | 2026-02-11 |
SACMark: Spatial-Angle Consistency Watermarking Network for Light Field Image Copyright Protection
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3657635
PMID:41610350
|
研究论文 | 本文提出了一种用于光场图像版权保护的深度学习水印网络SACMark | 提出首个针对光场图像设计的深度学习水印网络，通过空间-角度特征提取模块和一致性匹配融合策略解决高维数据挑战 | 未明确说明计算资源需求和具体数据集规模 | 开发适用于光场图像的鲁棒水印技术以实现版权保护 | 光场图像 | 计算机视觉 | NA | 深度学习 | 编码器-噪声-解码器架构 | 光场图像 | NA | NA | SACMark网络 | 视觉质量，深度估计影响，抗噪性 | NA |
| 798 | 2026-02-11 |
Detection of Implant Brands Using Artificial Intelligence and Deep Learning Modeling Based on Orthopantomogram Images: A Review of the Literature
2026, Journal of long-term effects of medical implants
|
综述 | 本文综述了基于人工智能和深度学习模型（特别是卷积神经网络）利用全景X光片图像识别牙科种植体品牌的研究现状 | 系统性地探讨了AI在全景X光片图像中自动识别牙科种植体品牌的应用潜力，并详细阐述了图像预处理、分割和特征提取等关键步骤对提高识别准确性的重要性 | 需要大量高质量标注数据集，存在数据隐私和AI模型可解释性等伦理挑战 | 探索人工智能在牙科种植体品牌自动识别中的应用，以提高临床诊断效率和准确性 | 全景X光片图像中的牙科种植体 | 计算机视觉 | NA | 全景X光成像 | CNN | 图像 | NA | NA | NA | NA | NA |
| 799 | 2026-02-10 |
Artificial intelligence for schizophrenia: from unimodal prediction to multimodal characterization
2026-Jan-20, Current opinion in psychiatry
IF:7.5Q1
DOI:10.1097/YCO.0000000000001076
PMID:41661188
|
综述 | 本文综述了人工智能在精神分裂症研究中的应用进展，重点介绍了从单模态预测向多模态表征的转变趋势 | 强调了从单一数据模态预测向多模态融合表征的转变，并探讨了利用大规模多模态数据集、基础模型和可解释性方法进行症状评估和生物标志物识别的新兴主题 | 将人工智能模型转化为临床工具需要关注患者隐私、数据偏见，并在不同人群和环境中进行严格验证 | 综述人工智能在精神分裂症的诊断、治疗、管理和表征方面的应用进展 | 精神分裂症患者 | 机器学习 | 精神分裂症 | NA | 机器学习, 深度学习 | 神经影像, 电生理学, 电子健康记录, 基因组数据 | NA | NA | NA | NA | NA |
| 800 | 2026-02-10 |
Visual perception based deep learning transformers for classifying paintings and photographs through feature extraction
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36298-4
PMID:41545578
|
研究论文 | 本研究应用视觉变换器（ViT）对绘画与摄影图像进行分类，通过特征提取实现高精度识别 | 首次将Vision Transformer（ViT）架构应用于艺术作品分类任务，并引入Grad-CAM增强模型可解释性，在标准数据集上达到95%的分类准确率，优于传统CNN、VGG19和DenseNet模型 | 仅使用标准数据集进行验证，未在更广泛的艺术风格或跨文化图像上进行测试；未讨论模型对低质量或部分损坏图像的鲁棒性 | 开发基于深度学习的自动图像分类系统，区分人类绘画作品与摄影照片 | 数字图像（绘画作品与摄影照片） | 计算机视觉 | NA | NA | Transformer, CNN | 图像 | 标准数据集（具体数量未说明） | NA | Vision Transformer (ViT), DenseNet, CNN, VGG19 | 准确率 | NA |