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 929 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2026-01-10 |
Validation of a new implantable collamer lens sizing algorithm based on SS-OCT images
2026-Jan-01, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001764
PMID:40827890
|
研究论文 | 本研究评估了一种基于深度学习的新型植入式Collamer镜片（ICL）尺寸预测模型，该模型使用原始扫频源光学相干断层扫描（SS-OCT）图像作为输入 | 首次开发了基于深度学习、直接使用原始SS-OCT图像进行ICL尺寸预测的算法，并引入了P250-750等辅助临床决策的指标 | 研究为回顾性外部验证，且仅基于欧洲两家诊所的数据，可能缺乏更广泛人群的普适性 | 评估新型深度学习模型在预测植入式Collamer镜片（ICL）尺寸方面的性能，以辅助临床决策并改善患者预后 | 在2019年10月至2024年4月期间于欧洲两家诊所植入EVO ICL V4镜片的患者 | 计算机视觉 | NA | 扫频源光学相干断层扫描（SS-OCT） | 深度学习模型 | 图像 | 429名患者的848只眼睛 | NA | NA | 平均绝对误差（MAE）, P250-750准确率, 术后拱高分布 | NA |
| 202 | 2026-01-10 |
Reducing manual labour in forensic microtrace recognition with deep learning
2026-Jan, Forensic science international
IF:2.2Q1
DOI:10.1016/j.forsciint.2025.112714
PMID:41435738
|
研究论文 | 本研究利用深度学习技术自动化法医微痕识别，通过像素级分类定位和分类纤维、毛发、皮肤、玻璃和沙粒等微痕，以减少人工劳动 | 结合ImageNet预训练和自监督学习预训练策略，显著减少所需标注数据量，同时提高识别和定位精度 | NA | 自动化法医微痕识别，减少人工劳动 | 法医微痕，包括纤维、毛发、皮肤、玻璃和沙粒 | 计算机视觉 | NA | 自动化显微镜成像 | 深度学习模型 | 图像 | 仅使用2.2分米长的标注胶带提升扫描数据 | NA | NA | 平均交并比 | NA |
| 203 | 2026-01-10 |
Mamba-enhanced disease semantic knowledge graph for interpretable automatic ICD coding
2026-Jan, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104973
PMID:41443488
|
研究论文 | 提出了一种结合疾病语义知识图谱和Mamba网络的自动ICD编码框架MKHCNet，以提升编码性能和可解释性 | 整合了非结构化临床知识表示、长程依赖建模和对比归一化技术，并引入了层次位置标签注意力机制以实现细粒度可解释性 | NA | 解决自动ICD编码中的语义不一致、标签模糊和可解释性有限等挑战 | 电子健康记录中的疾病、症状、诊断和治疗信息 | 自然语言处理 | NA | NA | Mamba, FastKAN | 文本 | 基准数据集MIMIC-FULL和MIMIC-50 | NA | MKHCNet (Mamba-Knowledge-HPLA-ContraNorm Network) | MaAUC, P@8 | NA |
| 204 | 2026-01-10 |
Assessing an Automated Noncontrast CT-based Pipeline for Sacral Tumor Classification Using a Hip Bone Reference Frame
2026-Jan, Radiology. Imaging cancer
DOI:10.1148/rycan.250098
PMID:41481488
|
研究论文 | 开发了一种基于术前非增强CT的自动化混合模型，用于骶骨肿瘤的分类 | 首次将髋骨作为参考坐标系用于肿瘤定位，并开发了一个创新的六分类模型CL-MedImageNet，可同时输入肿瘤图像、临床数据和位置信息 | NA | 开发一个全自动的混合方法来从术前非增强CT图像预测骶骨肿瘤类型 | 骶骨肿瘤患者 | 数字病理 | 骶骨肿瘤 | 非增强CT | CNN | 图像 | 690名患者 | NA | CL-MedImageNet | AUC, F1分数, 混淆矩阵, Dice系数, 精确度, 灵敏度 | NA |
| 205 | 2026-01-10 |
A Trust-Guided Approach to MR Image Reconstruction With Side Information
2026-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3594363
PMID:40742840
|
研究论文 | 本文提出了一种名为信任引导变分网络（TGVN）的端到端深度学习框架，用于在磁共振图像重建中有效且可靠地整合辅助数据（侧信息） | 提出了一种新颖的端到端深度学习框架，能够有效且可靠地将侧信息整合到病态线性逆问题中，并在多线圈、多对比度MRI重建中展现出优越性能 | 未明确说明模型在极端加速水平下的性能边界或对特定病理特征的泛化能力限制 | 通过整合侧信息来加速磁共振成像扫描，同时保持诊断图像质量 | 多线圈、多对比度的磁共振图像 | 医学影像分析 | NA | 磁共振成像（MRI） | 深度学习框架 | 图像（k空间数据） | NA | NA | 信任引导变分网络（TGVN） | 图像质量，病理特征保留能力 | NA |
| 206 | 2026-01-10 |
MedNeXt for accurate medical image classification and segmentation: A lightweight transformer-style convolutional neural network
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340108
PMID:41490062
|
研究论文 | 提出了一种名为MedNeXt的轻量级Transformer风格卷积神经网络，用于医学图像的准确分类和分割 | 重新思考大核CNN和MLP在医学图像分析中的作用，用它们替代计算量大的自注意力操作，在性能和效率之间取得更好平衡，并设计了三个轻量级模块 | NA | 开发一种在性能和效率之间取得更好平衡的医学图像分类与分割方法 | 医学图像 | 计算机视觉 | 多种疾病（COVID-19、猴痘、心脏疾病等） | 深度学习 | CNN, MLP | 图像 | 五个不同规模和疾病的数据集 | NA | MedNeXt | 准确率 | NA |
| 207 | 2026-01-10 |
MMSpa is a deep learning-based tool that enhances the identification of spatial domains in spatial transcriptomics studies
2026-Jan, PLoS biology
IF:7.8Q1
DOI:10.1371/journal.pbio.3003580
PMID:41490241
|
研究论文 | 本文提出了一种名为MMSpa的深度学习工具，用于增强空间转录组学研究中空间域的识别 | MMSpa采用掩码图注意力自编码器框架，结合边移除策略构建增强的空间图，以解决跨域干扰并刻画更清晰的域边界，通过掩码基因表达重建学习稳定的潜在表示 | NA | 提高空间转录组学中空间域识别的准确性 | 空间转录组数据 | 空间转录组学 | NA | 空间转录组技术 | 自编码器 | 基因表达数据 | NA | NA | 掩码图注意力自编码器 | NA | NA |
| 208 | 2026-01-10 |
Similarity-aware VAE with wavelet-convolutional 1D-CNN for rolling bearing fault diagnosis
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0338388
PMID:41490447
|
研究论文 | 提出一种结合改进变分自编码器与小波卷积一维CNN的滚动轴承故障诊断框架，以解决数据集中故障类别分布不均的问题 | 提出相似感知VAE，采用新型相似度损失函数进行数据增强，并通过改进的注意力机制自动调整训练参数和权重；将CNN的首个卷积层替换为基于连续小波变换的小波卷积层，实现多尺度特征提取 | NA | 提升深度学习在故障诊断中的性能，解决数据类别不平衡问题 | 滚动轴承 | 机器学习 | NA | 连续小波变换 | VAE, CNN | 一维振动信号 | NA | NA | 变分自编码器, 一维卷积神经网络 | NA | NA |
| 209 | 2026-01-10 |
Advancements in metastatic spinal cord compression treatment: a narrative review of innovations, challenges, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004382
PMID:41496922
|
综述 | 本文综述了转移性脊髓压迫治疗的最新进展，评估了其在改善神经功能、缓解疼痛、提高生存率和生活质量方面的疗效 | 系统梳理了过去五年MSCC治疗领域的最新进展，包括机器人辅助手术、深度学习早期检测模型、个性化医疗技术（如下一代测序）、生物工程植入物和质子治疗等创新技术 | 研究存在延迟诊断和专科治疗可及性有限等持续挑战，且纳入文献数量有限（38篇） | 评估转移性脊髓压迫治疗新方法的疗效，并探讨未来发展方向 | 转移性脊髓压迫患者 | NA | 转移性脊髓压迫 | 下一代测序 | 深度学习模型 | MRI图像 | NA | NA | NA | NA | NA |
| 210 | 2026-01-10 |
Early detection in oral cancer: are we ready for AI-driven precision?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004418
PMID:41496956
|
综述 | 本文探讨了人工智能和精准医学在口腔癌早期检测中的应用、潜力及挑战 | 提出将AI驱动的精准医学（特别是基于智能手机的AI系统和卷积神经网络）用于口腔癌的早期检测和个性化治疗，并强调了解释性AI和伦理框架的重要性 | 存在患者隐私、数据偏见以及AI系统“黑箱”不透明性等问题 | 评估AI和精准医学在口腔癌早期检测中的准备情况与应用前景 | 口腔癌（特别是口腔鳞状细胞癌）及口腔潜在恶性病变（如白斑、红斑、扁平苔藓、黏膜下纤维化） | 数字病理学 | 口腔癌 | 荧光成像、高光谱成像、多组学整合 | 卷积神经网络 | 图像 | NA | NA | NA | 专家级准确率 | NA |
| 211 | 2026-01-08 |
Deep learning in detection of osteoporosis: insights from recent evidence, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004316
PMID:41496979
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 212 | 2026-01-10 |
Early detection in oral cancer: Are we prepared for artificial intelligence-driven precision medicine?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004397
PMID:41497043
|
综述 | 本文探讨了人工智能和精准医学在口腔癌早期检测中的应用及其挑战 | 强调了人工智能，特别是卷积神经网络，在分析复杂成像和组织病理学数据以识别人眼不可见模式方面的变革性潜力，以及基于智能手机的AI系统在识别口腔病变中达到专家级准确性的最新进展 | 存在患者隐私、数据偏见以及AI系统不透明的“黑箱”性质等问题 | 探讨人工智能驱动的精准医学在口腔癌早期检测中的准备情况和应用前景 | 口腔癌，特别是口腔鳞状细胞癌，以及口腔潜在恶性病变如白斑、红斑、扁平苔藓和黏膜下纤维化 | 数字病理学 | 口腔癌 | 机器学习、深度学习算法，特别是卷积神经网络 | CNN | 成像和组织病理学数据 | NA | NA | 卷积神经网络 | 专家级准确性 | NA |
| 213 | 2026-01-10 |
LncTracker: A Unified Multi-Channel Framework for Multi-Label lncRNA Localization
2026-Jan, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3597589
PMID:40788811
|
研究论文 | 本文提出了一个名为LncTracker的高效深度学习框架，用于长非编码RNA（lncRNA）在七个不同亚细胞区室中的多标签定位预测 | LncTracker采用多通道架构，整合了序列和二级结构信息，并将二级结构转换为属性图以捕获核苷酸间的空间关系，从而学习序列与结构的联合表示，提升了预测性能和鲁棒性 | NA | 开发一个深度学习框架，准确预测lncRNA的亚细胞定位，以理解其在细胞调控和疾病机制中的生物学功能 | 长非编码RNA（lncRNAs） | 自然语言处理 | NA | 深度学习 | 深度学习框架 | 序列数据、结构数据 | NA | NA | 多通道架构 | NA | NA |
| 214 | 2026-01-10 |
OPDoctorNet: Deep Learning Revolutionizes Opportunistic Screening of Osteoporosis Based on Clinical Data
2026-Jan, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3597467
PMID:40788810
|
研究论文 | 本研究开发了OPDoctorNet算法，结合Transformer和Mamba特征提取优势，通过多尺度特征融合和FeatureBake Block创新，用于基于临床数据的骨质疏松症机会性筛查 | 创新性地结合Transformer和Mamba特征提取优势，提出多尺度特征融合和FeatureBake Block，以深度提取全局和局部特征，为Transformer和Mamba特征处理提供突破性解决方案 | NA | 提高基于临床数据的骨质疏松症识别准确性，并满足多任务需求，实现高效、准确的机会性骨质疏松筛查 | 临床数据 | 机器学习 | 骨质疏松症 | 深度学习 | Transformer, Mamba | 临床数据 | NA | NA | OPDoctorNet, Transformer, Mamba | 准确率, 召回率, F1分数 | NA |
| 215 | 2026-01-10 |
Enhanced Post-Prandial Glycemic Response Prediction in Type 2 Diabetes with Microbiome Data and Deep Learning
2026-Jan, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3602827
PMID:40864582
|
研究论文 | 本研究开发了一种结合肠道微生物组数据和深度学习的多模态模型，用于预测2型糖尿病患者的餐后血糖反应 | 首次在2型糖尿病人群中，通过整合餐食记录、连续血糖监测、临床人口学特征和肠道微生物组等多源数据，揭示了饮食-微生物组-餐后血糖反应之间的因果关系，并构建了显著超越传统碳水化合物预测因子和现有机器学习算法的深度学习预测模型 | 研究样本量相对有限（88名个体），且模型在更广泛人群和不同饮食文化背景下的泛化能力有待进一步验证 | 提高2型糖尿病患者餐后血糖反应的预测准确性，为精准营养和血糖管理提供支持 | 2型糖尿病患者 | 机器学习 | 2型糖尿病 | 连续血糖监测，肠道微生物组测序 | 深度学习 | 多模态数据（餐食日志、连续血糖记录、临床人口学资料、肠道微生物组数据） | 88名2型糖尿病患者，超过2000份真实餐食记录 | NA | NA | 决定系数R | NA |
| 216 | 2026-01-10 |
Unleashing the Power of Pretrained Transformer for Dense Prediction in Physiological Signals
2026-Jan, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3592687
PMID:40875430
|
研究论文 | 本文提出了一种利用预训练Transformer进行生理信号密集预测的通用编码器-解码器架构，旨在提升智能医疗中的信号处理性能 | 首次将预训练Transformer编码器与轻量级卷积Restormer解码器结合，用于生理信号密集预测，无需复杂的任务特定架构设计，并通过知识蒸馏优化性能与计算效率的平衡 | 未明确讨论模型在不同生理信号类型或噪声环境下的泛化能力，且实验仅聚焦于四种代表性任务，可能未覆盖所有密集预测场景 | 探索预训练Transformer在生理信号密集预测任务中的应用，以优化模型性能与计算效率 | 生理信号，包括血压波形估计、PPG到ECG重建、去噪和基准点定位 | 机器学习 | NA | 深度学习，知识蒸馏 | Transformer, CNN | 生理信号数据 | NA | NA | Transformer编码器, Restormer解码器 | NA | NA |
| 217 | 2026-01-10 |
Leveraging 3D Molecular Spatial Visual Information and Multi-Perspective Representations for Drug Discovery
2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512453
PMID:41090528
|
研究论文 | 本文提出了一种深度学习框架，利用3D分子空间视觉信息进行药物发现，通过整合空间渲染的几何、拓扑和立体化学特征，构建统一的多视角分子表示 | 首次直接利用3D分子空间视觉信息，结合传统分子描述符，构建多视角表示，以捕捉小分子的内在3D复杂性 | 未明确提及模型的计算复杂度或对大规模数据集的扩展性限制 | 提高药物关联预测的准确性，以加速药物发现过程 | 小分子药物及其与microRNA、其他药物和蛋白质的相互作用 | 机器学习 | NA | 深度学习，3D分子空间渲染 | 深度学习框架 | 3D分子空间视觉信息，传统分子描述符 | NA | NA | NA | NA | NA |
| 218 | 2026-01-10 |
Transforming Pediatric Urology With Artificial Intelligence: A Narrative Review of Current Evidence and Practice
2026-Jan, Cureus
DOI:10.7759/cureus.100893
PMID:41509578
|
综述 | 本文综述了人工智能在儿科泌尿学中的应用现状，包括提升诊断准确性、手术规划和术后监测 | 利用深度学习模型自动进行肾积水严重程度分级和梗阻预测，并通过标准化图像分析减少阴茎异常诊断的主观性 | 广泛应用受到数据稀缺、严格隐私法规以及缺乏伦理法律框架的限制 | 探讨人工智能如何重塑儿科泌尿学的临床护理 | 儿科泌尿系统疾病，如肾积水、阴茎异常（如尿道下裂）和膀胱输尿管反流 | 数字病理学 | 儿科泌尿系统疾病 | 深度学习, 机器学习 | 深度学习模型, 机器学习算法 | 图像, 临床数据 | NA | NA | NA | NA | NA |
| 219 | 2026-01-10 |
Ear-Keeper: A cross-platform artificial intelligence system for rapid and accurate ear disease diagnosis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251412635
PMID:41509874
|
研究论文 | 本研究开发了一个轻量级深度学习模型Best-EarNet和一个跨平台智能诊断系统Ear-Keeper，用于耳部疾病的快速准确诊断 | 提出了集成局部-全局空间特征融合模块和多尺度监督策略的超快速轻量级架构Best-EarNet，并开发了支持多平台部署的实时诊断系统 | 未明确说明模型在更广泛疾病类型或不同医疗设备采集图像上的泛化能力 | 开发轻量级高性能深度学习模型用于耳镜图像分类，并构建跨平台诊断系统 | 耳镜图像 | 计算机视觉 | 耳部疾病 | 深度学习 | CNN | 图像 | 内部测试集22,581张图像，外部测试集1,652张图像 | 未明确说明 | Best-EarNet | 准确率 | 标准CPU |
| 220 | 2026-01-10 |
Comparison of the performance between an AI-based vision transformer and human endoscopists in predicting the endoscopic and histologic activities of ulcerative colitis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251412694
PMID:41509873
|
研究论文 | 本研究开发了一种基于深度学习的算法，用于评估溃疡性结肠炎的疾病和病理活动性，并比较了AI模型与人类内镜医师在预测内镜和病理活动性方面的表现 | 首次开发了基于内镜视频的深度学习模型，用于同时预测溃疡性结肠炎的内镜和病理活动性，并在性能上超越了年轻内镜医师 | 研究样本量相对较小（82名患者），且仅基于白光内镜图像，未考虑其他成像模式 | 开发并验证一种基于深度学习的算法，用于评估溃疡性结肠炎的内镜和病理活动性 | 溃疡性结肠炎患者的内镜视频片段 | 计算机视觉 | 溃疡性结肠炎 | 白光内镜检查 | Vision Transformer (ViT) | 内镜视频图像 | 82名患者的375个视频片段 | NA | Vision Transformer (ViT) | 准确率 | NA |