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 1919 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 | 2026-01-06 |
Implementation of deep learning with convolutional block attention module for detecting collimator rotation errors in stereotactic radiosurgery quality assurance
2026-Jan-05, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-01002-0
PMID:41489764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1642 | 2026-01-06 |
Diabetic foot ulcer classification using an enhanced coordinate attention integrated ConvNext model
2026-Jan-05, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01692-1
PMID:41489793
|
研究论文 | 本文提出了一种结合坐标注意力机制增强的ConvNeXt模型，用于基于图像的糖尿病足溃疡自动分类 | 提出了一种混合模型，将坐标注意力机制集成到ConvNeXt架构中，以捕获空间长程依赖特征，从而提高糖尿病足溃疡图像分类的准确性 | 未明确说明数据集的来源、规模多样性以及模型在临床环境中的泛化能力验证 | 开发一种自动化的深度学习方法，以加速糖尿病足溃疡的评估过程并提供最佳治疗建议 | 糖尿病足溃疡图像 | 计算机视觉 | 糖尿病足溃疡 | 图像处理（自适应阈值分割） | CNN | 图像 | NA | NA | ConvNeXt | 准确率, F1分数 | NA |
| 1643 | 2026-01-06 |
OGTCN-E-MGO: an optimized deep learning framework for EEG-based schizophrenia detection
2026-Jan-05, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01695-y
PMID:41489794
|
研究论文 | 提出一种名为OGTCN-E-MGO的优化深度学习框架，用于基于脑电图（EEG）信号的精神分裂症自动检测 | 提出了一种优化的门控时序卷积网络（OGTCN），该网络集成了门控循环单元（GRU）、改进的时序卷积网络（ITCN）和增强的山地瞪羚优化器（E-MGO），用于精神分裂症的EEG信号分类 | NA | 实现精神分裂症的自动分类，通过分析EEG信号获取与精神分裂症认知变化相关的神经活动变化 | 精神分裂症患者 | 机器学习 | 精神分裂症 | 脑电图（EEG） | GRU, TCN | 脑电图信号 | 两个数据集：数据集1包含28名个体的19通道EEG信号；数据集2包含81名个体的64通道EEG信号 | NA | 优化的门控时序卷积网络（OGTCN），集成GRU、改进的时序卷积网络（ITCN）和增强的山地瞪羚优化器（E-MGO） | 准确率 | NA |
| 1644 | 2026-01-06 |
Diffusion-MRI-Based Estimation of Cortical Architecture via Machine Learning (DECAM) in Primate Brains
2026-Jan-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512752
PMID:41486548
|
研究论文 | 本文提出了一种名为DECAM的基于扩散MRI和机器学习的框架，用于非侵入性地估计灵长类动物大脑的皮质细胞结构 | DECAM框架通过创新的最佳响应约束优化深度学习模型，并开发了皮质标签向量以解决复杂形态下dMRI与组织学数据配准不准的问题，实现了高保真、可重复的全脑神经元胞体密度映射 | 当前研究主要基于非人类灵长类动物数据，尚未在人类大脑中全面验证；框架虽可扩展至其他神经病理学指标，但具体应用仍需进一步开发 | 开发一种非侵入性方法，利用扩散MRI和机器学习准确估计大脑皮质细胞结构，以促进转化应用 | 灵长类动物（非人类灵长类）的大脑 | 机器学习 | NA | 扩散MRI（dMRI），组织学 | 深度学习 | 图像（扩散MRI图像，组织学图像） | NA | NA | NA | NA | NA |
| 1645 | 2026-01-06 |
Development of a Prediction Model for Progression Risk in High-Grade Gliomas Based on Habitat Radiomics and Pathomics
2026-Jan-04, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.70304
PMID:41486586
|
研究论文 | 本研究基于栖息地影像组学和病理组学构建了预测高级别胶质瘤进展风险的模型 | 首次将栖息地影像组学与病理组学特征相结合，构建了用于预测高级别胶质瘤进展风险的联合模型 | 研究为回顾性分析，样本量较小（72例），需要更大规模的前瞻性研究进行验证 | 开发预测高级别胶质瘤进展风险的预测模型 | 高级别胶质瘤患者 | 数字病理学 | 胶质瘤 | 磁共振成像，全切片成像 | 深度学习 | 图像 | 72例患者（训练集52例，测试集20例） | NA | 多种网络架构 | C-index，AUC | NA |
| 1646 | 2026-01-06 |
High-Conductivity Electrolytes Screened Using Fragment- and Composition-Aware Deep Learning
2026-Jan-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202521575
PMID:41486708
|
研究论文 | 本文介绍了一种用于筛选高电导率电解质的深度学习框架，该框架通过整合分子间和分子内属性，实现了对锂离子电池电解质配方的准确且可解释的电导率预测 | 提出了一个集成了溶剂间分子归因和功能单元分子内归因的深度学习框架，构建了层次化表示，将配方分解为分子及其功能单元，同时整合比例、物理化学描述符和盐身份，以生成混合物不变的嵌入，用于准确且可解释的电导率预测 | 未明确提及具体的数据集规模限制或模型泛化能力的边界条件 | 开发一种数据驱动的、可解释的电解质设计方法，以加速高性能电池电解质的筛选 | 锂离子电池电解质配方，包括锂盐和有机溶剂的混合物 | 机器学习 | NA | 深度学习 | 深度学习框架 | 化学配方数据，包括分子结构、比例和物理化学描述符 | NA | NA | NA | 预测离子电导率的准确性 | NA |
| 1647 | 2026-01-06 |
Deep Learning Integration in Optical Microscopy: Advancements and Applications
2026-Jan-04, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70112
PMID:41486782
|
综述 | 本文探讨了深度学习在光学显微镜中的集成应用，重点关注图像分类、分割和计算重建等关键领域 | 系统性地综述了深度学习如何解决光学显微镜的传统挑战，如光学像差、衍射极限分辨率和低信噪比，并强调了其在提高图像质量、减少人工干预和降低领域专业知识依赖方面的创新作用 | 需要大量标注数据集、动态样本变异性、模型可解释性不足以及潜在的数据偏差 | 探索深度学习在光学显微镜中的应用，以提升图像处理和分析能力 | 光学显微镜图像数据 | 计算机视觉 | NA | 光学显微镜 | CNN, U-Net, ResNet, GAN | 图像 | NA | NA | 卷积神经网络, U-Net, 残差网络, 生成对抗网络 | NA | NA |
| 1648 | 2026-01-06 |
Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision
2026-Jan-03, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.12.006
PMID:41486036
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1649 | 2026-01-06 |
Sex estimation from human calvarial bone photographs with deep learning approach
2026-Jan-02, Journal of forensic and legal medicine
IF:1.2Q3
DOI:10.1016/j.jflm.2026.103070
PMID:41485422
|
研究论文 | 本研究利用深度学习模型基于颅盖骨照片进行性别估计 | 首次直接使用颅盖骨照片（无需形态测量）通过深度学习模型进行性别估计，避免了传统方法的繁琐测量步骤 | 研究样本量有限（内表面210张、外表面310张照片），且仅针对18岁以上尸检案例，未来需扩大样本以提高模型性能 | 开发一种基于颅盖骨照片的自动化性别估计方法，应用于法医人类学领域 | 18岁以上尸检案例的颅盖骨内表面（endocranial）和外表面（ectocranial）照片 | 计算机视觉 | NA | 深度学习 | CNN, SVM, K-NN | 图像 | 内表面照片210张（105男/105女），外表面照片310张（155男/155女） | NA | ResNet50 | 准确率 | NA |
| 1650 | 2026-01-06 |
Toward clinical translation of AI-Led drug discovery in endometrial cancer
2026-Jan, Expert review of anticancer therapy
IF:2.9Q2
DOI:10.1080/14737140.2025.2557602
PMID:40908794
|
综述 | 本文综述了深度学习在子宫内膜癌药物发现各阶段的应用，并讨论了其临床转化面临的挑战与解决方案 | 聚焦于子宫内膜癌这一特定领域，系统性地探讨了深度学习在药物发现中的临床转化瓶颈，并提出了多学科整合的实践路径 | 作为一篇综述，未提出新的实验数据或模型，主要基于现有文献进行分析，可能受限于已发表研究的覆盖范围和质量 | 探讨深度学习在子宫内膜癌药物发现中的临床应用潜力与转化障碍 | 子宫内膜癌（EC） | 机器学习 | 子宫内膜癌 | 深度学习（DL） | NA | NA | NA | NA | NA | NA | NA |
| 1651 | 2026-01-06 |
RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study
2026-Jan, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.09.051
PMID:41052566
|
研究论文 | 本研究利用深度学习模型M2M从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模人群队列中评估其与年龄、性别、种族及自我报告青光眼等因素的关联 | 首次在基于人群的大规模队列（CLSA）中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性 | 研究为横断面设计，无法确定因果关系；RNFL厚度通过模型从眼底照片估计，而非直接OCT测量；依赖自我报告的青光眼诊断，可能存在误报或漏报 | 评估加拿大老龄化纵向研究队列中视网膜神经纤维层厚度与人口统计学因素及青光眼状态的关联 | 加拿大老龄化纵向研究基线综合队列中45至85岁的参与者 | 数字病理学 | 青光眼 | 眼底摄影，光学相干断层扫描 | 深度学习模型 | 图像 | 28,114名参与者 | NA | M2M | Pearson相关系数，p值，β系数 | NA |
| 1652 | 2026-01-06 |
Comparative Evaluation of Advanced Deep Learning, Image-to-Text Models, and Radiomics for Predicting Tumor Budding and Tumor-Stroma Ratio from Breast Ultrasound in Invasive Ductal Carcinoma
2026-Jan, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.10.020
PMID:41176437
|
研究论文 | 本研究比较了基于深度学习、图像到文本模型和放射组学的机器学习方法，用于从乳腺癌超声图像中预测肿瘤出芽和肿瘤-间质比 | 首次在乳腺癌超声图像中系统比较了图像分类深度学习、图像到文本转换模型和放射组学机器学习方法，用于预测肿瘤微环境重要参数 | 样本量相对较小（153例患者），且仅针对浸润性导管癌，模型性能在测试集上有所下降 | 预测浸润性导管癌的肿瘤出芽和肿瘤-间质比，以非侵入性方式评估肿瘤微环境 | 153例经组织病理学确诊的浸润性导管癌患者的术前超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN, Transformer, 集成学习 | 图像 | 153例患者 | PyTorch, Scikit-learn | YOLOv11x-cls, DINOv2, Vision Transformer, BLIP-2 | AUC, 准确率 | NA |
| 1653 | 2026-01-06 |
Enhancing malware detection and classification in network traffic using deep learning techniques
2026-Jan, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70189
PMID:41199431
|
研究论文 | 本研究利用深度学习技术提升网络流量中的恶意软件检测与分类性能 | 引入了多种先进深度学习技术，包括基于熵的流量过滤、自监督异常检测、图神经网络分类以及上下文感知图注意力网络，以应对复杂网络环境中的恶意软件威胁 | 未提及模型在跨平台恶意软件检测方面的具体局限性，未来需进一步研究实时自适应学习模型和混合架构 | 提高网络流量中恶意软件检测的准确性，降低误报率，并实现动态网络环境中的实时检测 | 网络流量数据 | 机器学习 | NA | 深度学习 | GNN, GAT | 网络流量数据 | NA | Python | GNN-MTC, CA-GAT | 准确率, 精确率, 召回率 | NA |
| 1654 | 2026-01-06 |
Deep Learning Radiomic Signature Predicts the Overall Survival of Patients with Lung Adenocarcinoma by Reflecting the Tumor Heterogeneity and Microenvironment
2026-Jan, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.033
PMID:41073175
|
研究论文 | 本研究开发了一种基于深度学习的放射组学特征，用于预测肺腺癌患者的总体生存率，并探讨了该特征与肿瘤异质性和微环境的关系 | 利用ResNet50深度学习模型从CT图像中提取放射组学特征，结合多机构数据验证，首次将深度学习放射组学特征与肿瘤异质性和微环境进行关联分析 | 研究样本量相对有限（306例），且依赖于外部公共数据库进行验证，可能存在数据偏差 | 预测肺腺癌患者的总体生存率，并探索放射组学特征与肿瘤生物学特性之间的关联 | 肺腺癌患者 | 数字病理学 | 肺癌 | CT成像，基因测序 | CNN | 医学影像（CT图像），基因表达数据 | 306例肺腺癌患者（来自三个机构），外加外部验证队列（来自The Cancer Imaging Archive） | PyTorch（推断自ResNet50的常用实现），pyradiomics | ResNet50 | AUC（曲线下面积），时间依赖性ROC曲线，校准曲线，临床效用 | NA |
| 1655 | 2026-01-06 |
Patch-based latent fingerprint recognition: A novel approach for reliable identification of partial prints
2026-Jan, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70204
PMID:41139611
|
研究论文 | 提出了一种基于图像块的自动化潜在指纹识别系统，用于可靠识别部分指纹 | 提出了一种新的基于图像块的潜在指纹识别方法，使用无接触反射紫外成像系统（RUVIS）采集高分辨率数字样本，并开发了图像块估计算法以优化特征提取 | 未明确说明模型在更广泛数据集或实际犯罪现场条件下的泛化能力限制 | 开发可靠的基于部分指纹的潜在指纹识别系统 | 潜在指纹（特别是部分指纹） | 计算机视觉 | NA | 反射紫外成像系统（RUVIS） | CNN | 图像 | RUVIS数据集和标准NISTSD27数据集 | TensorFlow, PyTorch（推测，未明确指定） | VGG16, ResNet50 | 准确率 | NA |
| 1656 | 2026-01-06 |
The role of machine learning in high tibial osteotomy: A systematic review of predictive modeling, planning, and outcome analysis
2026-Jan, Journal of clinical orthopaedics and trauma
DOI:10.1016/j.jcot.2025.103290
PMID:41488578
|
系统综述 | 本文系统综述了机器学习在高位胫骨截骨术（HTO）中应用于预测建模、手术规划和结果分析的准确性、效率及泛化性 | 首次系统性地评估了机器学习在HTO手术规划、对线测量和并发症预测中的表现，并指出了现有研究的局限性 | 证据受限于单中心数据、小样本队列、缺乏功能性验证以及仅有一项研究进行了多中心外部验证 | 评估机器学习模型在HTO手术规划、对线测量和结果预测中的准确性、效率和泛化性 | 应用于高位胫骨截骨术的机器学习模型 | 机器学习 | 骨关节炎 | 机器学习 | 卷积神经网络, 深度学习系统, 集成机器学习模型 | 放射影像 | 来自11项研究的异质性数据集，具体样本量未明确说明 | NA | NA | 平均绝对误差, 曲线下面积, 组内相关系数 | NA |
| 1657 | 2026-01-05 |
[Application and research progress of artificial intelligence in the diagnosis and treatment of rare lung diseases]
2026-Jan-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases
|
综述 | 本文系统回顾了人工智能在罕见肺病诊断与治疗中的应用与研究进展 | 综述了从传统机器学习到深度学习、强化学习、迁移学习等多种AI技术在罕见肺病领域的综合应用，并强调了AI在疾病分类、治疗评估和预后预测中的潜在益处 | NA | 探讨人工智能技术在罕见肺病早期识别、精准诊断和个性化管理中的应用机会 | 特发性肺纤维化、囊性纤维化、特发性肺动脉高压等罕见肺病 | 机器学习 | 肺病 | NA | 深度学习, 强化学习, 迁移学习 | NA | NA | NA | NA | NA | NA |
| 1658 | 2026-01-05 |
Impact of image processing techniques on deep learning-based classification accuracy of cervical vertebral maturation
2026-Jan-04, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00887-2
PMID:41484816
|
研究论文 | 本研究探讨了不同图像处理技术对深度学习模型在颈椎成熟度分类中准确性的影响 | 通过引入低密度图像和多种标注技术（标准标注、低密度标注、双色标注），显著提升了基于AlexNet架构的卷积神经网络在颈椎成熟度分类中的性能 | 数据集规模相对较小（799张头影测量X光片），且仅基于单一模型架构（AlexNet）进行评估，可能限制了结果的泛化能力 | 研究图像处理技术对深度学习模型在颈椎成熟度分类准确性的影响 | 头影测量X光片中的第二至第四颈椎（C2-C4）区域 | 计算机视觉 | 骨科相关疾病 | 图像处理技术（包括低密度处理、区域标注） | CNN | 图像 | 799张头影测量X光片（641张用于训练，158张用于测试） | Neural Network Console | AlexNet | 分类准确率 | NA |
| 1659 | 2026-01-05 |
Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation
2026-Jan-02, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw7768
PMID:41477839
|
研究论文 | 本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础 | 首次开发了深度学习框架DeepGRP来量化视网膜色素沉着，并发现了26个新的遗传位点，揭示了视网膜色素上皮和光感受器细胞的关键作用，以及欧洲人群中的多基因适应证据 | 研究主要基于欧洲人群，可能限制了结果的普适性；深度学习模型的泛化能力未在多样化人群中充分验证 | 探究人类视网膜色素沉着的遗传结构和进化基础 | 人类视网膜色素沉着 | 计算机视觉 | NA | 全基因组关联研究（GWAS）、单核转座酶可及染色质测序（ATAC-seq）、RNA测序 | 深度学习 | 高分辨率眼底图像 | NA | NA | DeepGRP | NA | NA |
| 1660 | 2026-01-05 |
A structure-process hydrological connectivity framework for estuarine wetland management: Case study of a typical Estuary in Northern China
2026-Jan-02, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.128477
PMID:41483761
|
研究论文 | 本文提出了一种适用于河口湿地管理的结构-过程水文连通性框架，并以中国北方典型河口为例进行了应用分析 | 开发了一种广泛适用的双结构-过程框架，首次将结构连通性（通过深度学习和多维地貌水文参数量化）与过程连通性（基于概率的“源-汇”模型评估）动态结合，揭示了二者在湿地恢复中的异步性 | 案例研究仅聚焦于中国北方辽河口，框架在其他地理和气候条件下的普适性有待进一步验证 | 建立一种综合评估河口湿地水文连通性的框架，以支持湿地生态系统的适应性管理 | 河口湿地生态系统，特别是潮汐河道网络的水文连通性 | 环境科学与生态学 | NA | 深度学习，多维地貌与水文参数分析，概率模型 | 深度学习模型 | 地理空间数据，水文数据 | 中国北方辽河口区域 | NA | NA | 结构连通性增加百分比（39%），过程连通性增加百分比（11.2%） | NA |