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 2949 篇文献，本页显示第 1641 - 1660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1641 | 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 |
| 1642 | 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 |
| 1643 | 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 |
| 1644 | 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 |
| 1645 | 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 |
| 1646 | 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 |
| 1647 | 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 |
| 1648 | 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 |
| 1649 | 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 |
| 1650 | 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 |
| 1651 | 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 |
| 1652 | 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 |
| 1653 | 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 |
| 1654 | 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 |
| 1655 | 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 |
| 1656 | 2026-02-23 |
Enhanced medical image segmentation using optimized bidirectional LSTM and dolphin partner optimizer
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342592
PMID:41719271
|
研究论文 | 本文提出了一种优化的双向长短期记忆网络结合海豚伙伴优化器的方法，用于提升医学图像分割性能 | 通过海豚伙伴优化器动态调整Bi-LSTM的权重和偏置参数，优化网络在空间位置、通道和尺度上的特征提取能力 | 未明确说明方法在非MRI图像或其他医学影像模态上的泛化能力 | 提高医学图像分割的准确性和效率，以支持临床诊断 | 医学图像，特别是MRI图像 | 计算机视觉 | NA | NA | Bi-LSTM | 图像 | NA | NA | 优化的双向长短期记忆网络 | Dice相似系数, Jaccard相似指数, 准确率 | NA |
| 1657 | 2026-02-02 |
SBTM: epileptic seizure prediction from EEG signal using deep learning in blockchain-enabled smart healthcare monitoring with IoT networking
2026-Jan-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36425-1
PMID:41620453
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1658 | 2026-02-22 |
A systematic assessment of machine learning for structural variant filtering
2026-Jan-30, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.27.702059
PMID:41659531
|
研究论文 | 本文系统评估了五种机器学习范式在长读长测序数据中结构变异过滤任务上的性能、效率和实用性 | 首次将基于扩散的异常检测和稀疏自编码器应用于结构变异分析，并进行了全面的基准比较 | 更复杂的模型（如扩散模型和稀疏自编码器）在分类性能上并未显著超越简单的随机森林模型 | 评估和比较不同机器学习方法在结构变异过滤任务中的表现 | 长读长测序数据中的结构变异 | 机器学习 | NA | 长读长测序 | 随机森林, CNN, 扩散模型, 稀疏自编码器 | 基因组数据 | 两个样本（HG002和HG005）的标准化Genome in a Bottle数据 | NA | ResNet50, VICReg, Evo2-7B | F1分数 | NA |
| 1659 | 2026-02-22 |
Deep learning-enabled speckle reduction for cleared-sample coherent scattering tomography
2026-Jan-30, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.27.702188
PMID:41659538
|
研究论文 | 本文提出了一种专门用于清除样本相干散射断层成像的深度学习去噪网络CLEAR Net，以有效抑制全脑白质图像中的散斑噪声 | 针对CAST成像特点专门设计了深度学习去噪网络CLEAR Net，解决了现有OCT去噪方法因样本和噪声统计差异而无法直接迁移的问题 | 未在摘要中明确说明 | 开发专门用于清除样本相干散射断层成像的散斑噪声抑制方法 | 全脑白质图像 | 计算机视觉 | NA | 清除辅助散射断层成像 | 深度学习网络 | 图像 | 未在摘要中明确说明 | NA | CLEAR Net | 未在摘要中明确说明 | NA |
| 1660 | 2026-02-22 |
STRIKER: a spectral metadata repairing tool for expanding the comprehensiveness of spectral libraries
2026-Jan-27, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01150-4
PMID:41593726
|
研究论文 | 本研究介绍了一个名为STRIKER的光谱元数据修复工具，旨在通过基于距离的度量和深度学习模型解决加合物元数据缺陷，从而提高公共光谱库的完整性和数据质量 | 开发了首个专门用于修复光谱库加合物元数据的工具，结合了基于距离的相似性方法和多层感知器（MLP）深度学习模型，能够预测缺失的加合物信息并纠正现有错误，而非简单地排除有问题的数据 | 工具主要针对加合物元数据进行修复，可能无法处理光谱库中其他类型的元数据错误或质量问题；性能评估基于特定数据集，在更广泛的光谱库中的泛化能力需要进一步验证 | 开发一个工具来修复和标准化公共光谱库中的元数据，特别是加合物信息，以提高代谢物注释的准确性和机器学习应用的数据质量 | 公共质谱光谱库中的光谱数据及其元数据，特别是人类代谢组数据库（HMDB）中的光谱数据 | 生物信息学 | NA | 质谱光谱分析，代谢组学 | 深度学习，多层感知器（MLP） | 光谱数据，元数据 | NA | Python | 多层感知器（MLP） | 加合物匹配正确率，加合物纠正准确率 | NA |