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 3338 篇文献，本页显示第 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2026-02-10 |
Artificial intelligence assistance narrows the experience gap in endoscopic reporting of gastric lesions: a prospective clinical trial
2026-Feb, Surgical endoscopy
DOI:10.1007/s00464-025-12410-z
PMID:41345528
|
研究论文 | 本研究验证了一种人工智能辅助报告系统在提高胃部病变内镜报告质量方面的临床效果，特别关注缩小内镜医师间的经验差距 | 开发并验证了一个集成多个深度学习模型的人工智能报告系统，专门用于胃部病变的检测、分类和特征识别，并通过前瞻性临床试验证明其能显著提高报告完整性，尤其是在识别可疑肿瘤方面 | 研究样本量相对有限（276个视频片段），且主要聚焦于胃部病变，未涉及其他消化道部位 | 验证人工智能报告系统在改善胃部病变内镜文档质量方面的有效性，并缩小不同经验水平内镜医师间的报告差距 | 胃部病变的内镜图像和视频 | 计算机视觉 | 胃部病变 | 内镜成像 | 深度学习模型 | 图像, 视频 | 276个视频片段用于系统验证 | NA | NA | 准确率, 灵敏度, 特异性 | NA |
| 1122 | 2026-02-10 |
Validation of a deep learning-based AI model for breast cancer risk stratification in postmenopausal ER+/HER2-breast cancer patients
2026-Feb, Breast (Edinburgh, Scotland)
DOI:10.1016/j.breast.2025.104671
PMID:41380230
|
研究论文 | 本研究验证了一种基于深度学习的AI模型（Stratipath）在绝经后ER+/HER2-乳腺癌患者中进行风险分层的预后价值，并与传统的诺丁汉组织学分级系统进行比较 | 提出并验证了一种深度学习模型，用于乳腺癌风险分层，旨在解决传统NHG系统存在的观察者间变异性和中间风险组患者比例过高的问题，从而可能实现更个体化的治疗规划 | 研究结论指出，需要对Stratipath风险组2和3在治疗策略中的临床获益进行进一步的前瞻性验证 | 验证Stratipath深度学习AI模型在乳腺癌风险分层中的预后价值，并与广泛使用的诺丁汉组织学分级系统进行比较 | 2466名绝经后、ER阳性/HER2阴性、且根据当时指南未接受化疗的乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 临床数据 | 2466名患者 | NA | Stratipath模型 | 一致性指数, 风险比 | NA |
| 1123 | 2026-02-10 |
Multiscale segmentation using hierarchical phase-contrast tomography and deep learning
2026-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013923
PMID:41628266
|
研究论文 | 本文提出了一种结合分层相衬断层扫描（HiP-CT）和深度学习的多尺度生物医学图像分割流程，用于分割人类肾脏中的肾小球 | 利用HiP-CT生成多尺度3D数据集，并开发了一个深度学习分割流程，通过高分辨率手动标注数据训练模型，再使用伪标签和图像配准技术扩展到低分辨率全器官扫描，实现了跨尺度的信息整合 | 研究仅以人类肾脏中的肾小球作为案例，其更广泛的器官系统适用性有待进一步验证 | 开发一个有效的多尺度生物医学图像分割方法，以捕捉和分析完整人体器官中的微小功能单元 | 人类肾脏中的肾小球 | 数字病理学 | NA | 分层相衬断层扫描（HiP-CT） | 3D深度学习模型 | 3D图像 | 四个人类肾脏的高分辨率感兴趣体积（VOIs）数据集，以及两个低分辨率全器官数据集 | NA | nnUNet | Dice系数 | NA |
| 1124 | 2026-02-10 |
Strategies in Global Ancestry and Local Ancestry Inference
2026-Feb, Current protocols
DOI:10.1002/cpz1.70321
PMID:41649483
|
综述 | 本文提供了一个关于全球祖先和局部祖先推断的实用、面向协议的指南 | 组织并澄清了全球祖先和局部祖先推断的关键概念、方法分类，并提供了基于ADMIXTURE和SHAPEIT5 + RFMix的分步协议 | NA | 帮助研究人员为不同的研究设计和数据集选择和实施适当的祖先推断方法 | 混合人群的遗传祖先推断 | 机器学习 | NA | 基因型芯片、全基因组测序 | 基于模型的聚类、降维方法、隐马尔可夫模型、基于窗口的机器学习、深度学习 | 基因型数据 | NA | ADMIXTURE, SHAPEIT5, RFMix | NA | NA | NA |
| 1125 | 2026-02-10 |
Digital Biomarkers for Precision Early Detection of Lung Cancer: Integrating AI-Driven Multi-Omics Into Clinical Pathways
2026-Feb, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.71578
PMID:41645653
|
综述 | 本文系统评估了用于肺癌早期检测的数字生物标志物，并探讨了人工智能在多组学数据整合分析中的应用 | 整合人工智能驱动的多组学方法，提出用于肺癌早期检测的数字生物标志物，并探讨其在临床路径中的应用潜力 | 存在多中心数据异质性、模型可解释性有限、监管与成本效益挑战以及前瞻性队列验证不足等临床转化障碍 | 评估肺癌早期检测的生物标志物，并探索人工智能在多组学数据整合及临床决策支持中的应用 | 肺癌早期检测相关的多组学生物标志物及人工智能分析方法 | 数字病理学 | 肺癌 | 多组学技术（包括基因组学、表观基因组学、转录组学、蛋白质组学、代谢组学和微生物组学） | 机器学习,深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 1126 | 2026-02-10 |
Ab initio prediction of RNA structure ensembles with RNAnneal
2026-Feb-01, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.01.703098
PMID:41659490
|
研究论文 | 本文介绍了一种名为RNAnneal的方法，用于预测RNA结构集合，该方法结合了生成式深度学习、统计物理学和分子动力学建模 | RNAnneal首次将生成式深度学习与统计物理学和分子动力学建模无缝集成，用于从RNA一级序列出发，通过从头计算建模采样三维结构集合，并利用深度学习模型共识评分评估结构 | 对于包含假结（PK-comprising）的结构，性能仍有改进空间 | 开发一种通用框架来预测RNA结构集合，以加速RNA靶向药物发现和功能性RNA分子设计 | RNA分子，特别是核糖开关RNA的16个实验解析构象 | 机器学习 | NA | 从头计算建模，分子动力学建模 | 深度学习模型 | 序列数据，三维结构数据 | 16个实验解析的核糖开关RNA构象 | NA | NA | 分类任务中的评分比较，相互作用熵作为构象异质性度量 | NA |
| 1127 | 2026-02-10 |
Evaluation of the Diagnostic Accuracy of Cervical Cell Morphologies from Android Device-Captured Cytopathological Microscopic Images through Artificial Intelligence in Mainly Rural or Resource-Constraint Areas of India
2026-Feb-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2026.27.2.601
PMID:41660918
|
研究论文 | 本研究开发并评估了一款基于Android设备捕获的细胞病理学显微图像的人工智能软件，用于自动检测和分类宫颈细胞形态，以在印度农村或资源受限地区实现高效、低成本的宫颈癌诊断 | 开发了一个集成系统，利用Android手机或平板拍摄的显微图像，结合深度学习与机器学习模型，在资源受限环境下实现宫颈细胞形态的自动分析与分类 | 研究仅基于292张医院内部Pap涂片图像，样本量相对较小，且主要来自单一机构（CliniMed LifeSciences, Kolkata），可能影响模型的泛化能力 | 开发并评估一款人工智能软件，用于自动检测和分类宫颈细胞形态，以在资源受限地区实现宫颈癌的快速、经济诊断 | 宫颈细胞形态，通过Android设备捕获的Pap涂片显微图像 | 数字病理学 | 宫颈癌 | 细胞病理学显微成像，Pap涂片 | 深度学习模型，机器学习模型 | 图像 | 292张医院内部Pap涂片图像，并使用了SipakMed和Herlev公共数据集进行验证 | NA | NA | Intersection-over-Union（IoU），准确率 | NA |
| 1128 | 2026-02-10 |
Artificial intelligence for schizophrenia: from unimodal prediction to multimodal characterization
2026-Jan-20, Current opinion in psychiatry
IF:7.5Q1
DOI:10.1097/YCO.0000000000001076
PMID:41661188
|
综述 | 本文综述了人工智能在精神分裂症研究中的应用进展，重点介绍了从单模态预测向多模态表征的转变趋势 | 强调了从单一数据模态预测向多模态融合表征的转变，并探讨了利用大规模多模态数据集、基础模型和可解释性方法进行症状评估和生物标志物识别的新兴主题 | 将人工智能模型转化为临床工具需要关注患者隐私、数据偏见，并在不同人群和环境中进行严格验证 | 综述人工智能在精神分裂症的诊断、治疗、管理和表征方面的应用进展 | 精神分裂症患者 | 机器学习 | 精神分裂症 | NA | 机器学习, 深度学习 | 神经影像, 电生理学, 电子健康记录, 基因组数据 | NA | NA | NA | NA | NA |
| 1129 | 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 |
| 1130 | 2026-02-10 |
Active guidance in ultrasound bladder scanning using reinforcement learning
2026-Jan-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35285-z
PMID:41540132
|
研究论文 | 本研究提出了一种基于强化学习的智能引导系统，用于改善超声膀胱扫描过程中的图像采集质量 | 首次将强化学习应用于超声膀胱评估引导，并引入了一种名为Adam LMCDQN的深度Q网络变体，以及针对该任务的领域特定奖励设计 | 研究在模拟环境中进行，尚未在真实临床环境中验证 | 提高超声膀胱扫描中图像采集的准确性和一致性，以辅助诊断尿潴留和排尿功能障碍 | 超声膀胱扫描过程 | 机器学习 | 泌尿系统疾病 | 超声成像 | 强化学习 | 图像 | NA | NA | Deep Q-Networks (DQN), Adam LMCDQN | 成功率 | NA |
| 1131 | 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 |
| 1132 | 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 |
| 1133 | 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 |
| 1134 | 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 |
| 1135 | 2026-02-10 |
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 | 提出了一种基于化学朗之万方程和正则化马蹄先验的贝叶斯推断方法，用于从随机稳态基因表达数据中推断基因调控网络的结构和动力学参数 | 首次将化学朗之万方程作为基因表达动力学模型引入贝叶斯推断框架，能够在无需观测瞬态动力学的情况下推断调控网络结构和参数 | 方法目前仅使用合成基因表达数据进行评估，尚未在真实生物数据集上验证 | 开发能够考虑基础生化过程的基因调控网络推断方法 | 基因调控网络的结构和动力学参数 | 机器学习 | NA | 基因表达数据生成 | 贝叶斯模型 | 合成基因表达数据 | NA | NA | 化学朗之万方程, 正则化马蹄先验 | NA | NA |
| 1136 | 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 |
| 1137 | 2026-02-10 |
inMOTIFin: a lightweight end-to-end simulation software for regulatory sequences
2026-Jan-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag026
PMID:41557841
|
研究论文 | 本文介绍了inMOTIFin，一个轻量级、模块化且用户友好的基于Python的软件，用于高效模拟和修改DNA调控序列 | inMOTIFin提供了端到端的灵活性，支持可定制的基序生成和实例插入，并允许直接修改真实序列，弥补了现有模拟器在集成和易用性方面的不足 | NA | 开发一个用于分析转录调控语法的生物信息学框架的模拟软件，以验证相关方法 | DNA调控序列 | 生物信息学 | NA | DNA序列模拟 | NA | 序列数据 | NA | Python | NA | NA | NA |
| 1138 | 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 |
| 1139 | 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 |
| 1140 | 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 |