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 6077 篇文献，本页显示第 3181 - 3200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3181 | 2026-02-25 |
Vision-language foundation model-driven efficient recognition and home-based management of surgical incisions
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003727
PMID:41186521
|
研究论文 | 本研究开发并评估了一种基于视觉-语言基础模型的新型手术切口识别方法，旨在提高切口识别准确性并优化家庭管理 | 首次将视觉-语言基础模型（GLIP）应用于手术切口识别，实现了对七类切口异常的自动高效识别，显著优于传统深度学习和非专业人员 | 研究样本主要来自两个中心，外部验证队列样本量相对较小（183张图像），可能影响模型的泛化能力 | 开发高效的手术切口识别系统，以支持患者家庭护理和康复 | 手术切口图像，来自术后患者 | 计算机视觉 | 手术切口相关并发症 | 图像处理，视觉-语言基础模型 | 目标检测模型 | 图像 | 总计1443张手术切口图像（来自1194名患者），包括1008张主要队列图像、252张时间验证队列图像和183张外部验证队列图像 | NA | Grounded Language-Image Pre-training (GLIP) | 平均精度（AP），平均召回率（AR），F1分数，受试者工作特征曲线下面积（AUC） | NA |
| 3182 | 2025-11-05 |
Commentary on "Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery"
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003813
PMID:41186523
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3183 | 2025-11-11 |
Letter to the Editor: "Multichannel deep learning for MPR prediction in lung cancer: navigating translational pitfalls between algorithmic excellence and clinical deployment"
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003962
PMID:41208798
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3184 | 2026-02-25 |
A transformer-based deep learning model for preoperative prediction of lymphovascular invasion in laryngeal squamous cell carcinoma: a multicenter study
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004012
PMID:41231622
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型，用于术前预测喉鳞状细胞癌的淋巴血管侵犯，并通过多中心数据验证了其性能 | 首次将Transformer架构与放射组学特征结合，构建混合模型用于喉鳞状细胞癌的淋巴血管侵犯预测，并在多中心数据中展示了优越的诊断性能 | 回顾性研究设计可能存在选择偏倚，且样本量虽大但来自特定医院，外部泛化性需进一步验证 | 探索基于增强CT的放射组学模型在术前无创预测喉鳞状细胞癌淋巴血管侵犯中的潜在价值 | 喉鳞状细胞癌患者 | 数字病理 | 喉鳞状细胞癌 | 对比增强计算机断层扫描 | Transformer, 逻辑回归, 随机森林, 多层感知机 | CT图像 | 1024名患者（训练集291例，内部验证集126例，外部测试集607例） | NA | Transformer | AUC, 决策曲线分析, 样本概率分布直方图, 混淆矩阵, 校准曲线, 净重分类指数, 综合判别改善 | NA |
| 3185 | 2026-02-25 |
Mapping the application landscape of artificial intelligence in prostate cancer: a global bibliometric analysis
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003828
PMID:41231645
|
文献计量分析 | 本研究通过文献计量分析，系统性地描绘了人工智能在前列腺癌研究领域的全球应用格局和发展趋势 | 首次采用逐年演进的视角，结合共现分析、共被引分析等方法，动态展示了AI在前列腺癌领域的研究轨迹和范式转变 | 数据来源仅限于Web of Science核心合集，可能未涵盖所有相关文献；分析主要基于定量指标，缺乏对研究质量的深度评估 | 系统梳理和可视化人工智能在前列腺癌研究领域的应用现状、发展趋势及学术合作网络 | 2014年至2024年间Web of Science核心合集中收录的2581篇与人工智能和前列腺癌相关的学术出版物 | 数字病理学 | 前列腺癌 | 文献计量分析 | NA | 文献元数据 | 2581篇出版物 | CiteSpace | NA | NA | NA |
| 3186 | 2026-02-25 |
Risk prediction of progression from normal cognitive function to Alzheimer's disease in elderly aged 65 and above based on deep learning methods
2026-Feb, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877251410937
PMID:41490207
|
研究论文 | 本研究基于深度学习模型，预测65岁及以上老年人从正常认知功能进展为阿尔茨海默病的风险 | 利用深度学习模型（DeepSurv和DeepHit）预测阿尔茨海默病进展风险，相比传统Cox模型在一致性指标上表现更优 | 模型需临床验证以用于老年人阿尔茨海默病风险的快速筛查 | 建立从正常认知功能进展为阿尔茨海默病的风险预测模型，为临床决策和早期诊断工具开发提供参考 | 65岁及以上认知功能正常的老年人 | 机器学习 | 阿尔茨海默病 | 深度学习 | DeepSurv, DeepHit, Cox | 临床数据 | NA | NA | DeepSurv, DeepHit | C-index, IBS, AUC | NA |
| 3187 | 2026-02-25 |
Hundred-Nanosecond Equivalent Pixel Dwell Time for Deep-Tissue 3D Three-Photon Fluorescence Microscopy via Sparse X-Y-Z Reconstruction
2026-Feb, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202501513
PMID:41546413
|
研究论文 | 本文提出了一种名为DeepR-SXYZ的深度学习框架，通过稀疏X-Y-Z重建实现三光子荧光显微镜的快速三维成像，等效像素停留时间达到百纳秒级别 | 结合卷积神经网络与结构动态注意力增强的Transformer，协同捕获层内形态特征和层间动态变化，实现从稀疏采样数据中准确重建三维体积 | 未明确提及 | 开发一种计算范式，以平衡三光子荧光显微镜的成像速度与空间分辨率，实现高速、低光毒性的深层组织三维成像 | 脑血管系统和肌肉巨噬细胞 | 计算机视觉 | NA | 三光子荧光显微镜 | CNN, Transformer | 图像 | 未明确提及具体数量，但涉及脑血管和肌肉巨噬细胞的稀疏与密集采样体积扫描配对数据集 | NA | CNN, 结构动态注意力增强的Transformer | X-Y平面成像加速倍数, Z轴层恢复率 | NA |
| 3188 | 2026-02-25 |
Spatial location and distribution reconstruction of the leaking gas plume via a single infrared remote sensing system
2026-Feb, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110061
PMID:41547313
|
研究论文 | 本文提出了一种基于深度学习的生成网络，用于从单个红外遥感系统重建三维气体泄漏羽流的空间位置和分布 | 采用八叉树表示法建模稀疏三维气体分布，实现从粗到细的生成，并仅需单系统测量数据，降低了部署成本和重建复杂度 | 红外遥感仪器的分辨率及计算机存储能力限制了气体羽流重建的空间分辨率 | 解决气体泄漏羽流的三维空间定位与分布重建问题，以支持环境监测和应急管理 | 泄漏气体羽流 | 计算机视觉 | NA | 红外遥感 | 生成网络 | 二维投影浓度测量数据 | NA | NA | NA | NA | NA |
| 3189 | 2026-02-25 |
From pixels to practice: extending deep learning frameworks toward clinical translation in surgery (correspondence)
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003642
PMID:41085664
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3190 | 2026-02-25 |
Bayesian Inference of Gene Regulatory Networks at Stochastic Steady State
2026-Jan-12, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.10.698684
PMID:41659677
|
研究论文 | 本文提出了一种基于化学朗之万方程和贝叶斯推断的新方法，用于在随机稳态下推断基因调控网络的结构和动力学参数 | 该方法首次将化学朗之万方程作为基因表达动力学模型，结合正则化马蹄先验，在无需观测瞬态动力学的情况下推断调控网络 | 方法仅在合成基因表达数据上进行了评估，尚未在真实生物数据上验证 | 推断基因调控网络的结构和动力学参数，以理解生物系统和设计靶向疗法 | 基因调控网络 | 机器学习 | NA | NA | 贝叶斯模型 | 合成基因表达数据 | NA | NA | NA | NA | NA |
| 3191 | 2026-02-25 |
Seizure detection using ultra-long-term subcutaneous electroencephalography: A deep learning CNN-BiLSTM approach
2026-Jan, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18652
PMID:41056137
|
研究论文 | 本研究开发并验证了一种用于双通道皮下脑电图记录的深度学习癫痫发作检测算法 | 采用CNN-BiLSTM混合算法处理超长期皮下脑电图数据，实现了高灵敏度与低误报率的癫痫自动检测 | 研究样本量较小（16名患者），且数据来自三个中心可能存在异质性 | 开发适用于超长期皮下脑电图监测的自动癫痫发作检测算法 | 癫痫患者的皮下脑电图记录 | 机器学习 | 癫痫 | 皮下脑电图记录 | CNN, BiLSTM | 脑电图信号 | 16名患者的皮下脑电图数据，中位记录时间63天 | NA | CNN-BiLSTM混合架构（九层网络） | AUROC, AUPRC, 灵敏度, 每日误报次数 | NA |
| 3192 | 2026-02-25 |
Quantitative analysis of studies that use artificial intelligence on spinal diseases: A bibliometric analysis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261415846
PMID:41732181
|
综述 | 本文通过文献计量学分析评估了人工智能在脊柱疾病领域的研究进展与未来方向 | 首次对2006年至2025年间人工智能在脊柱疾病领域的文献进行全面计量分析，识别出研究热点和合作网络 | 分析基于Web of Science数据库，可能未涵盖所有相关文献；且主要依赖定量分析，缺乏对研究质量的深度评估 | 评估人工智能在脊柱疾病领域的研究现状、热点及未来发展方向 | 734篇关于脊柱疾病与人工智能的学术论文 | 机器学习 | 脊柱疾病 | 文献计量分析 | NA | 文献元数据 | 734篇论文 | CiteSpace, VOSviewer, Bibliometrix Online Analysis Platform | NA | NA | NA |
| 3193 | 2026-02-24 |
A CT-based multimodal fusion model for predicting outcomes in blunt chest trauma: A multicenter study
2026-Apr, The American journal of emergency medicine
DOI:10.1016/j.ajem.2025.12.038
PMID:41576754
|
研究论文 | 本研究开发了一种结合临床变量、影像组学特征和深度学习特征的多模态融合模型，用于预测钝性胸部创伤患者的预后 | 通过整合多时间点CT影像与临床变量，构建了融合模型，显著提升了预后预测性能，并引入了代表时间变化的delta特征 | 研究为回顾性分析，样本量相对有限（337例），且仅来自三个医疗中心，可能存在选择偏倚 | 提高钝性胸部创伤患者的预后预测准确性 | 钝性胸部创伤患者 | 数字病理学 | 胸部创伤 | CT成像 | 深度学习, 回归模型 | 图像, 临床数据 | 337例患者（来自三个医疗中心） | NA | NA | AUC, 校准曲线, 决策曲线分析, 净重分类改善指数, 综合判别改善指数 | NA |
| 3194 | 2026-02-24 |
Artificial intelligence, machine learning and omic data integration in osteoarthritis
2026-Mar, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2025.10.012
PMID:41167326
|
综述 | 本文综述了人工智能和机器学习在骨关节炎多组学数据整合中的应用进展、挑战与机遇 | 总结了变分自编码器、对比学习和多模态Transformer等新兴机器学习方法在多组学整合中的应用趋势 | 当前研究面临样本量小、过拟合、缺乏外部验证、模型可解释性不足以及人口统计学代表性不足等挑战 | 通过机器学习整合和解释高维多组学数据，以推进对骨关节炎这一复杂疾病的理解 | 人类骨关节炎样本及相关临床前模型中的转录组、表观基因组、蛋白质组、代谢组和多组学数据 | 机器学习 | 骨关节炎 | 转录组学、表观基因组学、蛋白质组学、代谢组学、多组学整合 | 监督学习、无监督聚类、深度学习、变分自编码器、对比学习、多模态Transformer | 多组学数据 | NA | NA | Transformer | NA | NA |
| 3195 | 2026-02-24 |
Visceral Adipose Tissue Alters Podometrics and Renal Compensation After Uninephrectomy
2026-Mar, Kidney international reports
IF:5.7Q1
DOI:10.1016/j.ekir.2025.103739
PMID:41727777
|
研究论文 | 本研究探讨了内脏肥胖对正常体重和超重个体肾小球超微结构、足细胞形态及单侧肾切除后肾功能代偿能力的影响 | 首次在正常体重和超重个体中，利用深度学习支持的形态计量学方法，系统评估了内脏肥胖与肾小球体积、足细胞密度及核肥大等结构改变的关系，并揭示了这些改变与单侧肾切除后肾功能代偿受损的关联 | 研究为回顾性设计，样本量较小（52例），且仅纳入BMI<30 kg/m²的非转移性肾肿瘤患者，可能限制了结果的普遍性 | 探究内脏肥胖对肾脏形态和单侧肾切除后肾功能代偿能力的影响 | 52例BMI<30 kg/m²、因非转移性肾肿瘤接受肾切除且未接受过化疗或免疫治疗的患者 | 数字病理学 | 慢性肾脏病 | 计算机断层扫描（CT）、深度学习支持的肾小球形态计量学和足细胞形态计量学 | 深度学习模型 | CT图像、组织学切片图像 | 52例患者 | NA | NA | P值 | NA |
| 3196 | 2026-02-24 |
Artificial intelligence-powered nanomedicine
2026-Feb-23, Chemical Society reviews
IF:40.4Q1
DOI:10.1039/d5cs01406a
PMID:41636234
|
综述 | 本文系统总结了人工智能与纳米医学融合的现状，重点介绍了AI在纳米颗粒设计、合成以及AI引导的诊断与治疗纳米平台开发方面的进展 | 将人工智能（包括机器学习、深度学习和生成模型）与纳米医学相结合，以优化纳米颗粒设计、预测纳米-生物相互作用并提高诊疗效果，推动数据驱动的自适应纳米诊疗系统发展 | 本文是一篇综述，未进行原始研究，因此未涉及具体实验或模型的具体局限性，但文中指出了该领域面临的挑战，如生物系统的复杂性、纳米-生物相互作用理解不完整、临床转化有限等 | 探讨人工智能与纳米医学的融合如何克服传统纳米医学的挑战，并推动精准医学的发展 | 人工智能算法在纳米医学中的应用，包括纳米颗粒设计、合成、纳米-生物相互作用预测以及诊疗纳米平台 | 机器学习 | NA | NA | 机器学习, 深度学习, 生成模型 | NA | NA | NA | NA | NA | NA |
| 3197 | 2026-02-24 |
Selective multimodal deep learning for reliable breast cancer subtype classification from histopathology and genomic data
2026-Feb-23, Medical engineering & physics
IF:1.7Q3
DOI:10.1088/1873-4030/ae449b
PMID:41671586
|
研究论文 | 本研究提出了一种结合组织病理学图像和RNA-seq数据的多模态深度学习框架，用于可靠地分类乳腺癌亚型 | 引入了基于不确定性的智能路由机制，可选择性使用单模态或多模态预测以优化计算效率；结合了CTransPath视觉Transformer提取组织学特征，并应用注意力展开技术提高模型可解释性 | 研究仅基于TCGA-BRCA数据集（924名患者），未在外部独立队列中进行验证；未考虑其他可能影响亚型分类的临床或分子数据 | 提高乳腺癌亚型分类的准确性和可解释性，为个性化治疗规划和预后评估提供支持 | 乳腺癌患者的组织病理学全切片图像和RNA-seq转录组数据 | 数字病理学 | 乳腺癌 | RNA-seq, 全切片图像分析 | Transformer, 多模态融合模型 | 图像, 基因表达数据 | TCGA-BRCA数据集的924名患者，包含PAM50分子亚型 | PyTorch | CTransPath, 门控注意力, 交叉注意力 | 准确率, 混淆矩阵 | GPU（具体型号未明确说明） |
| 3198 | 2026-02-24 |
XRepDDA: An Interpretable Drug-Disease Association Prediction Framework Leveraging Pretrained Chemical Language Models
2026-Feb-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02901
PMID:41617662
|
研究论文 | 提出一个名为XRepDDA的可解释药物-疾病关联预测框架，通过整合多模态特征表示和深度度量学习来提高预测准确性和鲁棒性 | 整合了预训练化学语言模型进行药物表示、基于MeSH本体的分层语义图进行疾病表示，并采用改进的ModernNCA架构进行深度度量学习，同时建立了多层次可解释性框架 | 未在摘要中明确说明 | 提高药物重定位中药物-疾病关联预测的准确性和可解释性 | 药物-疾病关联 | 自然语言处理, 机器学习 | 阿尔茨海默病, 胃肿瘤 | 分子对接实验 | 预训练语言模型, 图嵌入, 深度度量学习 | SMILES序列, 语义图, 结构化数据 | 多个公共基准数据集 | NA | ModernNCA | AUC, AUPR | NA |
| 3199 | 2026-02-24 |
Diagnostic Accuracy of Artificial Intelligence Models in Computed Tomography Interpretation of Chronic Rhinosinusitis: A Systematic Review
2026-Feb-23, Ear, nose, & throat journal
DOI:10.1177/01455613261423741
PMID:41725413
|
系统综述 | 本文系统综述并比较了人工智能模型在慢性鼻窦炎CT图像解读中的诊断准确性 | 首次对AI模型在慢性鼻窦炎CT诊断中的准确性进行系统综述，并识别了基于ResNet的模型展现出潜力 | 方法学异质性限制了研究间的可比性，需要标准化、多中心验证和临床数据整合以提高普适性 | 系统评估和比较人工智能模型在慢性鼻窦炎CT图像解读中的诊断准确性 | 慢性鼻窦炎患者的CT图像 | 计算机视觉 | 慢性鼻窦炎 | 计算机断层扫描 | CNN, 深度学习 | 图像 | 6项研究，涉及2178名患者 | NA | 卷积神经网络, ResNet, 混合深度学习模型 | 灵敏度, 特异度, 准确度, AUC | NA |
| 3200 | 2026-02-24 |
Unveil Fundamental Graph Properties for Neural Architecture Search
2026-Feb-23, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202516574
PMID:41725562
|
研究论文 | 本文提出了一种名为NASGraph的方法，将神经网络架构转换为图，并通过图属性预测其性能，以促进神经架构搜索 | 首次将神经网络架构转换为图结构，并利用图属性来预测和优化架构性能，为神经架构搜索提供了新的视角 | 未明确说明方法在极端复杂架构或跨领域任务中的泛化能力 | 探索神经网络架构的结构特性与其性能之间的关系，以改进神经架构搜索方法 | 神经网络架构 | 机器学习 | NA | NA | NA | 图数据 | NA | NA | NA | NA | 显著减少的计算资源 |