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 1861 - 1880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1861 | 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 |
| 1862 | 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 |
| 1863 | 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 |
| 1864 | 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 |
| 1865 | 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 |
| 1866 | 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 |
| 1867 | 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 |
| 1868 | 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 |
| 1869 | 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 |
| 1870 | 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 |
| 1871 | 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 |
| 1872 | 2026-02-10 |
A neural network framework for selecting real-time video enhancement algorithms on mobile devices
2026-Jan-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36099-9
PMID:41535696
|
研究论文 | 本文提出了一种基于模糊神经网络的决策模型，用于在移动设备上选择实时视频增强算法 | 开发了一种结合Sugeno-Weber范数的模糊神经网络决策模型，以优化实时视频增强算法的选择 | 未明确说明模型在具体移动设备上的实际部署效果或电池消耗测试 | 解决移动设备上实时视频增强算法选择中的性能平衡问题 | 移动设备上的实时视频增强算法 | 计算机视觉 | NA | 模糊神经网络 | 模糊神经网络 | 视频 | NA | NA | 模糊神经网络 | 处理速度, 视觉质量, 功耗, 实现复杂度 | 移动设备 |
| 1873 | 2026-02-10 |
Multi-agent coordination and uncertainty adaptation in deep learning-assisted hierarchical optimization for renewable-dominated distribution networks
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35945-0
PMID:41530242
|
研究论文 | 本研究提出了一种深度学习辅助的分布式鲁棒优化框架，用于提升可再生能源主导的配电网在不确定性下的经济效率和运行可靠性 | 提出了一种结合深度学习与分布式鲁棒优化的混合框架，通过深度学习模块推断不确定变量的概率结构，并利用自适应重构的模糊集实现系统级的鲁棒性，从而动态调整保守性，在成本、可靠性和可再生能源利用率之间实现更好的权衡 | NA | 解决可再生能源大规模接入带来的多层不确定性对电力系统运行的挑战，提升经济效率与运行可靠性 | 可再生能源主导的配电网（特别是包含太阳能、风能和负荷波动的系统） | 机器学习 | NA | 深度学习，分布式鲁棒优化，强化学习 | 深度神经网络 | 高分辨率气象数据，运行数据 | NA | NA | NA | 总运行成本，可靠性指数，可再生能源利用率，碳排放量 | NA |
| 1874 | 2026-01-15 |
Deep learning-based automatic segmentation and classification for cervical cancer detection using an improved U-Net and ensemble methods
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35299-7
PMID:41530249
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1875 | 2026-02-10 |
Assessment of influencing factors of college and universities' teaching effects using fuzzy and deep learning techniques
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35940-5
PMID:41530457
|
研究论文 | 本研究结合模糊逻辑和深度学习技术，评估了影响高校教学效果的因素 | 首次将模糊逻辑与深度学习相结合，用于处理教育数据中的不确定性和模糊性，以更精确地评估教学效果 | 未具体说明数据来源的机构数量或类型，可能影响模型的泛化能力 | 开发一种先进的方法来评估高等教育机构的教学效果 | 高校教学过程中的影响因素，如师生比、学生学业成绩和教师专业知识 | 机器学习 | NA | 模糊逻辑, 深度学习 | 深度学习模型 | 结构化教育数据 | 来自多个机构的数据，具体数量未说明 | NA | NA | 准确率, 召回率, F1分数, 错误率 | NA |
| 1876 | 2026-02-10 |
Explainable deep learning for skin cancer detection using swish-activated convolutional networks
2026-Jan-10, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-04386-6
PMID:41519999
|
研究论文 | 提出一种使用Swish激活函数的深度卷积神经网络，用于皮肤癌检测，并结合可解释人工智能方法提高模型的透明度和可靠性 | 采用Swish激活函数的独特DCNN架构，并结合局部和全局可解释人工智能方法，为医疗应用提供透明可靠的诊断框架 | 模型计算效率有待提高，需要纳入更多数据集以确保在不同人口群体中的鲁棒性和公平性 | 开发可解释的深度学习模型，用于皮肤癌的早期准确诊断 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | NA | CNN | 图像 | NA | NA | DCNN | 准确率, 精确率, 召回率, F1分数 | NA |
| 1877 | 2026-02-10 |
Variational autoencoder-based deep learning and radiomics for predicting pathologic complete response to neoadjuvant chemoimmunotherapy in locally advanced oesophageal squamous cell carcinoma
2026-Jan-01, The British journal of radiology
DOI:10.1093/bjr/tqaf239
PMID:40996309
|
研究论文 | 本研究利用基于变分自编码器的深度学习和放射组学技术，预测局部晚期食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解 | 创新性地结合了基于变分自编码器的深度学习和放射组学来构建预测模型 | NA | 预测局部晚期食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解 | 局部晚期食管鳞状细胞癌患者 | 数字病理学 | 食管鳞状细胞癌 | 增强CT | VAE | 图像 | 训练队列253名患者，测试队列40名患者 | NA | NA | AUC, Precision, Recall, F1-score | NA |
| 1878 | 2026-02-10 |
Diagnostic performance of artificial intelligence in radiographs for pneumoperitoneum detection: a systematic review and meta-analysis
2026-Jan-01, The British journal of radiology
DOI:10.1093/bjr/tqaf309
PMID:41442471
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析评估了人工智能算法在医学影像中检测气腹症的诊断准确性 | 这是首个评估人工智能在气腹症诊断中准确性的荟萃分析，比较了深度学习与机器学习模型的性能，并揭示了AI在临床工作流程中提升早期诊断和优先级排序的潜力 | 研究存在异质性，未来需要更大样本量的前瞻性多中心研究以及多种模型的比较 | 评估人工智能算法在医学影像中检测气腹症的诊断准确性 | 基于人工智能的放射影像模型 | 计算机视觉 | 气腹症 | 放射影像 | 深度学习, 机器学习 | 图像 | 14个AI模型被分析，具体样本量未明确说明 | NA | NA | 灵敏度, 特异度, 诊断比值比, 曲线下面积, 阴性似然比, 阳性似然比 | Open Meta-Analyst软件, STATA 17.0 |
| 1879 | 2026-02-10 |
Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy
2026-Jan, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.101091
PMID:41458146
|
研究论文 | 本研究提出了一种基于nnU-Net的深度学习模型，用于前列腺癌放疗中磁共振成像上泌尿器官风险区域的自动分割 | 首次提出使用nnU-Net深度学习模型在多中心磁共振图像数据集上分割泌尿器官风险区域，并应用于不同的临床设备 | 泌尿器官风险区域的分割性能存在局部不匹配，Dice系数在0.50-0.68之间，可能受患者间解剖变异影响，需要进一步评估剂量学影响 | 开发一种自动分割方法，用于前列腺癌放疗中泌尿器官风险区域的磁共振图像分割，以减少临床实践中手动勾画的时间和观察者间变异 | 前列腺癌患者的磁共振图像，重点关注泌尿器官风险区域，如前列腺内尿道和膀胱三角区 | 数字病理 | 前列腺癌 | 磁共振成像 | CNN | 图像 | 265例磁共振图像 | nnU-Net | nnU-Net | Dice分数系数, 表面距离, Hausdorff距离 | NA |
| 1880 | 2026-02-09 |
Secure multi-party test case data generation through generative adversarial networks
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35773-2
PMID:41526446
|
研究论文 | 提出一种基于生成对抗网络（GAN）的联邦学习方法，用于在保护数据隐私的前提下生成高质量、多样化的测试用例数据 | 将GAN与联邦学习结合，通过协议语法深度学习框架和测试用例编码器-解码器机制，在分布式环境中实现隐私保护的测试数据生成 | 未明确说明模型在极端数据分布或网络延迟情况下的性能表现，也未讨论计算开销的具体量化分析 | 解决联邦环境下测试用例数据生成中的隐私保护和数据共享难题 | 软件测试用例数据 | 机器学习 | NA | 生成对抗网络（GAN） | GAN | 测试用例数据（文本/结构化数据） | NA | NA | 编码器-解码器架构，GAN生成器与判别器 | 覆盖率，有效性 | NA |