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 12055 篇文献，本页显示第 10481 - 10500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10481 | 2026-02-11 |
Single-step prediction of inferior alveolar nerve injury after mandibular third-molar extraction using contrastive learning and Bayesian auto-tuned deep learning model
2026-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf069
PMID:41014015
|
研究论文 | 本研究构建并评估了一个集成对比学习和贝叶斯优化的深度学习框架，用于预测下颌第三磨牙拔除后下牙槽神经损伤 | 首次将对比学习与贝叶斯优化结合，用于单步预测下牙槽神经损伤，显著提升了模型性能 | 研究为回顾性单中心数据，未来需要多中心验证，且全景X光片分析仍需专家解读 | 构建并评估深度学习框架以预测下颌第三磨牙拔除后下牙槽神经损伤 | 下颌第三磨牙拔除患者 | 计算机视觉 | 口腔颌面外科疾病 | 锥形束计算机断层扫描（CBCT），全景X光片 | 深度学习模型 | 图像 | 902张全景X光片和1,500张CBCT图像 | NA | MobileNetV2, ResNet101D, Vision Transformer, Twins-SVT, SSL-ResNet50 | 准确率, F1分数 | NA |
| 10482 | 2026-02-11 |
AutoFDP: Automatic Force-Based Model Selection for Multicriteria Graph Drawing
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3631659
PMID:41223106
|
研究论文 | 本文提出了一种基于用户指定可读性标准自动构建力导向模型的多准则图布局框架 | 系统整合传统力导向模型与准则驱动技术，实现基于用户指定标准自动构建定制化力导向模型 | 未明确说明框架在超大规模图或动态图场景下的性能表现 | 开发自动化的多准则图布局方法以提升图可视化质量 | 图布局模型与图可视化技术 | 计算机视觉 | NA | 力导向模型与准则驱动优化技术 | NA | 图数据 | 多种类型图数据集 | NA | NA | 边交叉最小化等可读性标准 | NA |
| 10483 | 2026-02-11 |
Quality Assessment of 3D Human Animation: Subjective and Objective Evaluation
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3631385
PMID:41223104
|
研究论文 | 本文提出了一种用于评估非参数化人体模型生成的虚拟人动画质量的数据驱动方法 | 首次针对非参数化人体模型生成的虚拟人动画开发了质量评估指标，并构建了包含主观真实性评分的数据集 | 未明确说明数据集的具体规模，且方法主要针对特定类型的虚拟人动画 | 开发虚拟人动画的质量评估方法 | 三维虚拟人动画 | 计算机视觉 | NA | 神经网络训练 | 线性回归器 | 三维动画序列 | NA | NA | NA | 相关性 | NA |
| 10484 | 2026-02-11 |
Deep learning-based super-resolution of contrast-enhanced volumetric interpolated breath-hold examination for evaluation of intracranial enhancing lesions
2026-Feb, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851251398622
PMID:41289091
|
研究论文 | 本研究评估了基于深度学习的超分辨率重建技术（DL-VIBE）在颅内增强病变诊断中的性能，并与传统MPRAGE序列进行比较 | 首次将基于深度学习的超分辨率重建技术应用于颅内对比增强病变的评估，实现了扫描时间的显著缩短 | DL-VIBE在整体图像质量和灰白质区分方面表现较低 | 比较DL-VIBE与传统MPRAGE在颅内增强病变诊断中的性能 | 颅内增强病变患者 | 医学影像分析 | 颅内病变 | 对比增强三维T1加权成像 | 深度学习 | 医学影像 | 97名患者（35名男性，62名女性；平均年龄59.2±15.3岁） | NA | NA | 图像质量评分、灰白质区分度、病变显著性、伪影评估、对比噪声比、病变数量、最大直径 | NA |
| 10485 | 2026-02-11 |
Projection-based molecular feature maps for CNN-driven nephrotoxicity prediction
2026-Feb, Archives of toxicology
IF:4.8Q1
DOI:10.1007/s00204-025-04234-6
PMID:41361121
|
研究论文 | 本研究提出了一种基于投影的分子特征图方法，用于通过CNN预测药物肾毒性 | 开发了一种将3D分子结构通过Mollweide和Equirectangular投影转换为2D特征图的新方法，并整合了原子位置、静电和范德华势能三种分子属性，增强了特征表示和模型性能 | 未明确说明模型在更大规模或更复杂分子数据集上的泛化能力，也未与其他先进的深度学习模型进行广泛比较 | 开发可靠的肾毒性预测模型以促进药物安全开发 | 化学分子结构 | 机器学习 | 肾毒性 | 3D空间转换投影技术 | CNN | 2D图像（分子特征图） | NA | NA | CNN（具体架构未指定） | 准确率, AUC | NA |
| 10486 | 2026-02-11 |
X-ray phase contrast imaging in GAMOS
2026-Feb, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2026.105716
PMID:41512441
|
研究论文 | 本文开发并验证了一个基于GAMOS框架的蒙特卡罗模拟环境，用于真实模拟X射线相位对比成像现象，包括折射和波前传播 | 在GAMOS框架内集成两个互补的模拟模块，结合几何光学和波动光学模型，灵活模拟多种PCI设置 | 未明确提及具体应用场景的性能验证或实验数据对比 | 开发并验证能够真实模拟X射线相位对比成像现象的蒙特卡罗框架 | X射线相位对比成像现象，包括折射和波前传播 | 医学成像 | NA | X射线相位对比成像 | 蒙特卡罗模拟 | 模拟数据 | NA | GAMOS | 基于Snell定律的折射模型, Fresnel波前传播模型 | 与理论预测的一致性 | NA |
| 10487 | 2026-02-11 |
Artificial Intelligence Model for Automated Identification of Bowel Preparation for Colonoscopy (AI-PREPOO): A Multicenter Study
2026-Feb, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.70235
PMID:41521851
|
研究论文 | 本研究开发了基于深度学习的AI模型（AI-PREPOO），用于自动识别结肠镜检查前的肠道准备状态 | 首次利用智能手机拍摄的粪便图像，通过迁移学习训练多个深度学习模型，实现肠道准备状态的自动化评估 | 样本量较小（仅37名患者），图像数据可能受拍摄条件影响，需进一步多中心验证 | 开发自动化AI模型以评估结肠镜检查前的肠道准备充分性，减轻医疗负担 | 结肠镜检查前患者的粪便图像 | 计算机视觉 | 结肠疾病 | 深度学习图像识别 | CNN | 图像 | 37名患者提供的282张粪便图像 | 未明确提及 | MobileNetV3-Small | AUC, 敏感性, 特异性 | NA |
| 10488 | 2026-02-11 |
Make the Fastest Faster: Importance Mask Synthesis for Interactive Volume Visualization Using Reconstruction Neural Networks
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3621079
PMID:41082423
|
研究论文 | 本文提出了一种通过重要性掩码学习和合成网络来优化交互式体积可视化渲染延迟的方法 | 首次尝试直接从用户视图参数合成规则采样模式的重要区域，以最小化渲染像素数量，并联合考虑数据集、用户行为和下游重建神经网络 | 未明确提及具体的数据集规模或计算资源限制 | 减少大规模体积数据集可视化时的计算时间和空间复杂度 | 科学体积数据集的可视化渲染 | 计算机视觉 | NA | 深度学习图像修复方法 | 神经网络 | 体积数据集图像 | NA | NA | 重要性掩码学习网络, 重要性掩码合成网络 | 渲染延迟 | GPU |
| 10489 | 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 |
| 10490 | 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 |
| 10491 | 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 |
| 10492 | 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 |
| 10493 | 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 |
| 10494 | 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 |
| 10495 | 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 |
| 10496 | 2026-02-10 |
Deep learning for automated 3D assessment of rotator cuff muscle atrophy and fat infiltration prior to total shoulder arthroplasty
2026-Mar, Journal of shoulder and elbow surgery
IF:2.9Q1
DOI:10.1016/j.jse.2025.07.025
PMID:40902715
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于在肩部CT扫描上自动分割肩袖肌肉，并提出了体积肌肉萎缩的T评分分类方法 | 首次利用深度学习实现肩袖肌肉的自动三维分割，并引入T评分系统量化肌肉萎缩，同时定义了独特的萎缩表型、三维脂肪浸润百分比及前后平衡指标 | 研究样本主要来自特定患者群体（aTSA和rTSA），可能限制了结果的普适性；深度学习模型的性能依赖于CT图像质量 | 开发自动化工具以可靠评估肩袖肌肉萎缩和脂肪浸润，改善全肩关节置换术前的病理评估 | 肩袖肌肉（冈上肌、肩胛下肌、冈下肌、小圆肌） | 数字病理学 | 肩关节疾病 | 计算机断层扫描（CT） | 深度学习模型 | 三维CT图像 | 952例肩部CT扫描（762例健康对照，103例aTSA患者，87例rTSA患者） | NA | NA | T评分分类，三维脂肪浸润百分比，前后肌肉体积比，统计显著性（P值） | NA |
| 10497 | 2026-02-10 |
Corrigendum to "Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy". [Clin. Transl. Radiat. Oncol. 56 (2026) 101091]
2026-Mar, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.101103
PMID:41657361
|
correction | 本文是对一篇关于深度学习在MRI图像中分割前列腺癌放疗相关危及器官（OARs）的几何评估研究的更正 | NA | NA | NA | NA | digital pathology | prostate cancer | magnetic resonance imaging | deep learning | image | NA | NA | NA | NA | NA |
| 10498 | 2026-02-10 |
CompBind: Complex Guided Pretraining-Based Structure-Free Protein-Ligand Affinity Prediction
2026-Feb-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02451
PMID:41562952
|
研究论文 | 提出了一种名为CompBind的新型框架，用于仅使用蛋白质和配体序列预测结合亲和力，无需依赖实验解析的3D复合物结构 | 通过结合双向交叉注意力和双目标预训练策略，从现有复合物结构中学习潜在相互作用模式，实现仅从序列推断结合亲和力，解决了结构数据稀缺性问题 | 未明确说明模型对新型蛋白质-配体对或高度变异序列的泛化能力，也未讨论计算效率的具体数据 | 开发一种不依赖3D结构输入的蛋白质-配体结合亲和力预测方法，以加速药物发现流程 | 蛋白质-配体复合物及其结合亲和力 | 机器学习 | NA | 深度学习预训练 | 基于注意力机制的深度学习模型 | 蛋白质序列、配体序列、3D复合物结构（仅预训练用） | NA | NA | 双向交叉注意力架构 | 排名准确性（案例研究中） | NA |
| 10499 | 2026-02-10 |
Development of a lightweight deep learning model for accurate assessment of liver fibrosis in biliary atresia
2026-Feb-09, Pediatric surgery international
IF:1.5Q3
DOI:10.1007/s00383-026-06296-8
PMID:41661334
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10500 | 2026-02-10 |
PCOSFusionNet: Hybrid Deep Feature Fusion Network for PCOS Classification from Ultrasound Images of Ovaries
2026-Feb-08, Ultrasonic imaging
IF:2.5Q2
DOI:10.1177/01617346261416509
PMID:41655150
|
研究论文 | 本文提出了一种名为PCOSFusionNet的混合深度特征融合网络，用于从卵巢超声图像中自动分类多囊卵巢综合征（PCOS） | 提出了一种结合手工特征（HOG）与深度学习全局特征（VGG19）的混合特征融合模型，并应用CLAHE进行图像增强，以提升PCOS分类的准确性 | 未明确讨论模型在临床环境中的泛化能力或对不同超声设备图像的适应性 | 提高PCOS超声图像自动分类的准确性和可靠性，辅助临床诊断 | 卵巢超声图像 | 计算机视觉 | 多囊卵巢综合征 | 超声成像 | CNN | 图像 | 两个公开数据集：数据集1包含3856张超声图像，数据集2包含12680张超声图像 | NA | VGG19 | 准确率, 精确率, 召回率, F1分数 | NA |