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 6073 篇文献，本页显示第 1201 - 1220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1201 | 2026-03-31 |
Application of bioinformatics and data science in studies of cancer epigenetics
2026, International review of cell and molecular biology
DOI:10.1016/bs.ircmb.2025.10.003
PMID:41905787
|
综述 | 本文综述了生物信息学与数据科学在癌症表观遗传学研究中的应用，包括表观遗传调控机制、高通量数据分析和机器学习方法 | 整合生物信息学与数据科学工具，系统梳理表观遗传数据与多组学、临床数据的融合分析策略，为癌症机制研究和治疗靶点发现提供新方向 | 未涉及具体实验验证或算法开发细节，主要基于现有文献进行归纳总结 | 探讨生物信息学与数据科学在癌症表观遗传学研究中的最新应用进展 | 癌症相关的表观遗传数据（如DNA甲基化、组蛋白修饰、非编码RNA）及多组学整合分析 | 生物信息学 | 癌症 | ChIP-seq, WGBS, 质谱分析 | 机器学习, 深度学习 | 表观遗传数据, 多组学数据, 临床数据 | NA | NA | NA | NA | NA |
| 1202 | 2026-03-31 |
Advancements in AI-based quantitative analysis of fundus tessellation and its application in myopia research
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1786949
PMID:41907242
|
综述 | 本文综述了人工智能在眼底镶嵌纹定量分析及其在近视研究中的应用进展 | 利用人工智能，特别是基于深度学习的图像分析技术，对眼底镶嵌纹进行定量评估，为近视研究提供了客观、可扩展的新方法 | NA | 综述人工智能辅助的定量图像分析方法在眼底镶嵌纹评估中的应用及其与近视临床参数的关系 | 眼底镶嵌纹及其密度 | 计算机视觉 | 近视 | 深度学习图像分析 | 深度学习 | 图像 | 多个队列研究 | NA | NA | NA | NA |
| 1203 | 2026-03-31 |
AI-based planning for DIEAP flap procedures: exploring foundation models for artery perforators analysis
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1757637
PMID:41907262
|
研究论文 | 本研究开发了一种基于人工智能的端到端自动化流程，用于DIEAP皮瓣手术规划中的穿支血管分割与定量分析 | 首次将解剖学先验知识作为空间提示来引导深度学习分割模型，并采用连接感知的复合损失函数（包含骨架召回损失）来保持血管拓扑结构 | 测试集仅包含9名患者，样本量较小；模型性能虽有提升但Dice系数绝对值仍较低（0.265） | 开发自动化管道以提升DIEAP皮瓣手术规划的效率和一致性 | 穿支血管（来自CTA图像的血管结构） | 计算机视觉 | 乳腺癌 | 计算机断层扫描血管造影（CTA） | 深度学习分割模型 | 医学图像（CTA图像） | 9名患者的测试集（具体训练集数量未明确说明） | 未明确说明 | SAM 2, MedSAM-2, nnInteractive | Dice相似系数（DSC） | 未明确说明 |
| 1204 | 2026-03-31 |
Diabetic retinopathy severity detection using an improved Whale optimization algorithm and convolutional Kolmogorov-Arnold network
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1709872
PMID:41907276
|
研究论文 | 本文提出了一种基于深度学习的方法，用于使用视网膜图像检测糖尿病视网膜病变的严重程度 | 结合了改进的鲸鱼优化算法和卷积Kolmogorov-Arnold网络，并利用ShuffleNet V2与视觉Transformer注意力机制进行特征提取 | NA | 开发一种高效且资源需求低的糖尿病视网膜病变严重程度检测模型 | 糖尿病视网膜病变患者 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, Transformer | 图像 | 使用EyePACS数据集训练，并在Messidor-2数据集上泛化 | NA | ShuffleNet V2, Vision Transformer, 卷积Kolmogorov-Arnold网络 | 准确率 | 最小处理资源，适用于计算资源有限的医疗设施 |
| 1205 | 2026-03-31 |
Placenta-pulmonary coupling-guided multimodal AI for fetal lung maturity staging and individualized glucocorticoid therapy
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1791481
PMID:41907297
|
研究论文 | 本文提出了一种基于胎盘-肺耦合指导的多模态人工智能框架，用于胎儿肺成熟度分期和个体化糖皮质激素治疗 | 采用生理学信息指导的混合框架，显式建模胎盘-肺相互作用并整合多模态数据，提供可解释且可靠的胎儿肺成熟度评估和糖皮质激素治疗优化 | 需要外部验证和前瞻性试验来进一步验证框架的有效性 | 评估胎儿肺成熟度并优化产前糖皮质激素治疗 | 320例妊娠（包括160例妊娠期高血压疾病）的孕妇和胎儿 | 数字病理学 | 妊娠期高血压疾病 | 2D/3D超声、剪切波弹性成像、多普勒、母体血浆代谢组学 | Transformer, LSTM | 图像、代谢组学数据 | 320例妊娠，每周从28至36周采集数据 | PyTorch | 跨模态注意力Transformer, 时空卷积-LSTM网络 | 轮廓分数, 准确率, 风险降低百分比 | NA |
| 1206 | 2026-03-31 |
Diabetic peripheral neuropathy identification using enface optical coherence tomography and multi-head attention deep learning algorithm
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261436274
PMID:41907356
|
研究论文 | 本研究开发了一种基于多注意力头深度学习算法的非侵入性诊断工具，利用多模态光学相干断层扫描图像早期检测糖尿病周围神经病变 | 首次将多注意力头深度学习算法与多模态光学相干断层扫描图像结合用于糖尿病周围神经病变的早期检测，并识别出无血管层为最具预测价值的视网膜层 | 研究样本量有限（435名患者），且需要进一步的外部验证以确认模型的泛化能力和临床可行性 | 开发一种非侵入性、可靠的诊断工具，用于早期检测糖尿病周围神经病变 | 糖尿病患者的视网膜光学相干断层扫描图像 | 计算机视觉 | 糖尿病周围神经病变 | 光学相干断层扫描 | 深度学习 | 图像 | 435名糖尿病患者的544只眼睛，共计3264张光学相干断层扫描图像 | PyTorch | ResNet-18 | AUC | NA |
| 1207 | 2026-03-31 |
Model-independent searches of new physics in DARWIN with deep learning
2026, The European physical journal. C, Particles and fields
DOI:10.1140/epjc/s10052-025-15161-2
PMID:41907564
|
研究论文 | 提出了一种基于深度学习的模型无关异常检测流程，用于在DARWIN暗物质探测实验中搜索新物理信号 | 首次在DARWIN实验中采用无模型、无似然函数的深度学习方法进行异常事件检测，避免了传统分析中对信号模型的依赖 | 方法依赖于模拟数据的质量，实际实验环境中的噪声和系统误差可能影响性能 | 开发模型无关的新物理搜索方法，提高暗物质探测实验的分析效率和准确性 | DARWIN下一代多吨级液氙暗物质直接探测实验 | 机器学习 | NA | 深度学习异常检测 | VAE, 分类器 | 高维模拟探测器响应数据 | NA | NA | 变分自编码器 | 背景拒绝能力 | NA |
| 1208 | 2026-03-31 |
Evaluation of orthognathic surgery planning with artificial intelligence: a prospective, comparative study
2026, European oral research
IF:0.9Q3
DOI:10.26650/eor.20261702936
PMID:41908035
|
研究论文 | 本研究旨在通过比较基于深度学习的AI程序与3D CT扫描的金标准测量结果，评估其在正颌手术规划中头影测量分析的准确性 | 首次在正颌手术患者中，系统比较了多种基于深度学习的AI头影测量程序（如NemoCeph 2D、OrthoDx、AudaxCeph和WebCeph）与3D CT金标准之间的差异 | 研究仅评估了特定AI程序，且样本可能有限，未涵盖所有临床场景；AI算法仍需进一步优化以提高准确性 | 评估基于深度学习的AI程序在正颌手术规划中头影测量分析的准确性 | 正颌手术候选患者的3D CT扫描和2D头影测量图像 | 计算机视觉 | 正颌手术相关疾病 | 3D CT扫描、2D头影测量图像处理 | 深度学习 | 图像 | 正颌手术候选患者（具体数量未在摘要中明确说明） | NA | NA | ANB角、SNA、SNB、Wits评估、Y轴角、面部高度比等测量指标的差异分析，p值 | NA |
| 1209 | 2026-03-31 |
Quantification of feeding intensity and feeding control of largemouth bass based on water surface vibration characteristics
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1656290
PMID:41908139
|
研究论文 | 本研究通过整合振动信号量化与深度学习，建立了一种基于水面振动特征的鱼类摄食强度动态预测模型，并用于大口黑鲈的精准投喂控制 | 首次将三轴位移振动信号量化与LSTM深度学习模型结合，用于预测鱼类摄食强度，并成功部署于低成本嵌入式系统实现实时闭环控制 | 研究仅针对大口黑鲈单一物种，且实验参数范围（鱼体大小50-300g，密度20-60尾/组）可能未覆盖所有养殖场景 | 实现高密度水产养殖中的精准投喂控制 | 大口黑鲈的摄食行为 | 机器学习 | NA | 振动信号采集与分析 | LSTM, GRU, Transformer | 时间序列振动信号 | 多维实验设计，涉及不同鱼体大小（50-300g）、放养密度（20-60尾/组）、投喂速度（1-3g/s）和饲料粒径（2#、4#、6#）的组合 | NA | LSTM, GRU, Transformer | RMSE, MAE, R, 残饵率 | 嵌入式系统（Orange Pi AiPRO） |
| 1210 | 2026-03-31 |
Cerebrovascular diagnosis using CTA-based intracranial aneurysm classification via transfer learning and Grad-CAM visualization
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1704945
PMID:41908287
|
研究论文 | 本研究提出了一种基于CTA图像的颅内动脉瘤分类混合深度学习框架，结合迁移学习和Grad-CAM可视化技术以提高分类性能和可解释性 | 将迁移学习与Grad-CAM可视化相结合，在有限数据环境下同时提升颅内动脉瘤分类的准确性和模型可解释性 | 样本量较小（83例患者），需要进一步的多中心验证 | 开发一种准确且可解释的颅内动脉瘤CTA图像分类方法 | 颅内动脉瘤患者的CTA图像 | 计算机视觉 | 脑血管疾病 | 计算机断层扫描血管成像 | 深度学习 | 医学图像 | 来自两个中心的83例患者 | 未明确指定 | ResNet-18 | AUC, 准确率, 校准曲线, 决策曲线分析, NRI, IDI, IoU, Dice相似系数 | NA |
| 1211 | 2026-03-31 |
CycleGAN models show consistent brain MRI synthesis across datasets supporting downstream tissue characterization in multiple sclerosis
2026, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2026.1762794
PMID:41908698
|
研究论文 | 本研究评估了CycleGAN和Pix2Pix模型在合成脑部MRI图像（T1加权和T2加权）方面的性能，并验证了合成图像在多发性硬化症下游组织表征任务中的可用性 | 比较了CycleGAN（带与不带谱归一化）与Pix2Pix在跨数据集（包括健康人群和多发性硬化症患者）脑MRI合成中的表现，并系统评估了合成图像在病变检测、脑容量测量和病变纹理分析等下游任务中的实用性 | Pix2Pix合成的T1图像在病变纹理上比源T1图像更异质；谱归一化CycleGAN在HCP和MS数据集上未显示普遍改进；MS队列样本量相对较小（105名参与者） | 研究深度学习图像合成方法（特别是CycleGAN）在生成临床脑部MRI图像方面的可行性，以支持多发性硬化症的定量分析 | 健康参与者（HCP 1113名，PPMI 318名）和多发性硬化症患者（105名）的脑部MRI图像 | 计算机视觉 | 多发性硬化症 | 脑磁共振成像（MRI） | GAN, CycleGAN | 图像（T1加权和T2加权脑部MRI） | 健康参与者1431名（HCP 1113名 + PPMI 318名），多发性硬化症患者105名 | NA | CycleGAN, Pix2Pix | 峰值信噪比（PSNR）, 结构相似性指数（SSIM） | NA |
| 1212 | 2026-03-31 |
Real-world federated learning for brain imaging scientists
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1691088
PMID:41909058
|
研究论文 | 本文提出并评估了专为脑研究设计的联邦学习工具箱FLightcase，用于从脑磁共振成像预测多发性硬化患者的认知状态 | 开发了首个针对脑成像研究的真实世界联邦学习工具箱FLightcase，并在多中心环境中验证了其可行性，推动了联邦学习从模拟环境向实际应用的转变 | 数据存在非独立同分布问题，未来需采用更先进的联邦学习算法来处理此问题，并考虑整合其他成像模态 | 评估联邦学习在神经影像学中的实际应用，特别是用于预测多发性硬化患者的认知状态 | 多发性硬化患者的脑磁共振成像数据 | 数字病理学 | 多发性硬化 | 脑磁共振成像 | CNN | 图像 | 健康受试者：IXI数据集586张图像，SALD数据集491张图像，CamCAN数据集653张图像；多发性硬化患者：布鲁塞尔96张图像，格赖夫斯瓦尔德756张图像，布拉格2424张图像 | NA | DenseNet | 平均绝对误差, Pearson相关系数 | NA |
| 1213 | 2026-03-31 |
Correction: Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography
2026, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2026.1813162
PMID:41909129
|
correction | 本文是对先前发表文章DOI: 10.3389/fcell.2025.1665173的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1214 | 2026-03-31 |
Cognitive offloading through digital tools and its relationship with critical thinking, task persistence, and learning depth
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1781101
PMID:41909580
|
研究论文 | 本研究探讨了数字工具认知卸载与批判性思维、任务坚持性和学习深度的关系，并检验了认知自我效能的中介作用 | 将认知卸载与自我效能理论整合，揭示了数字工具使用通过增强认知自我效能来支持有意义学习结果的心理机制 | 研究基于中国大学生的横断面调查数据，可能存在样本代表性和因果推断的局限性 | 探究数字工具认知卸载对学习过程的影响及其心理机制 | 中国大学本科生 | 教育技术 | NA | 问卷调查 | 结构方程模型 | 调查数据 | 未明确具体数量，但涉及中国大学本科生 | NA | 协方差结构方程模型 | 可靠性、效度 | NA |
| 1215 | 2026-03-31 |
Fungal recognition in vaginal discharge using deep learning analysis of mobile device-acquired microscopic images
2026, Frontiers in cellular and infection microbiology
IF:4.6Q1
DOI:10.3389/fcimb.2026.1787545
PMID:41909846
|
研究论文 | 本研究开发了深度学习模型，用于在智能手机和平板电脑获取的阴道分泌物显微图像中分割真菌形态，以辅助诊断外阴阴道念珠菌病 | 首次开发了用于智能手机和平板电脑获取的显微图像中真菌形态自动检测的AI工具，结合了ResNet18、YOLOv5和YOLOv11模型，并采用两阶段训练方法 | 研究样本量相对有限（共1,326张图像），且仅3.68%的图像因假阴性或假阳性分割被专家评为不适用，需要进一步的临床验证和扩展到其他感染类型 | 开发AI辅助的移动显微图像分析工具，以实现外阴阴道念珠菌病的快速准确诊断 | 阴道分泌物显微图像中的真菌元素（如酵母、芽殖酵母、丝状形态） | 计算机视觉 | 外阴阴道念珠菌病 | 革兰氏染色显微成像 | CNN, YOLO | 图像 | 1,259张智能手机或平板电脑获取的显微图像和67张传统显微镜图像，共1,326张图像 | PyTorch | ResNet18, YOLOv5, YOLOv11 | F1分数, AUC, 精确率, 召回率, mAP50 | NA |
| 1216 | 2026-03-30 |
A benchmarking of genomic selection models for predicting grain-yield related traits using haplotype-based and genome-wide association study-based markers in rice
2026-Jun, The plant genome
DOI:10.1002/tpg2.70226
PMID:41894430
|
研究论文 | 本研究通过基准测试比较了17种基因组选择模型在预测水稻粒长、粒宽和千粒重等产量相关性状中的表现，评估了基于单倍型和全基因组关联研究标记的预测准确性 | 首次在水稻中系统比较了基于单倍型标记和全基因组关联研究标记的基因组选择模型性能，并探讨了群体规模和标记数量对预测准确性的影响 | 研究仅基于688个水稻种质资源，可能无法完全代表更广泛的水稻遗传多样性 | 评估不同基因组选择模型在水稻产量相关性状预测中的性能，以加速育种进程 | 水稻（Oryza sativa）的688个种质资源，关注粒长、粒宽和千粒重性状 | 机器学习 | NA | 基因组选择，单倍型分析，全基因组关联研究 | RRBLUP，机器学习模型，深度学习模型 | 基因型数据（单核苷酸多态性标记） | 688个水稻种质资源，包含66,456个基于单倍型的单核苷酸多态性标记 | NA | NA | 预测准确性 | NA |
| 1217 | 2026-03-30 |
AI-powered insights in pediatric nephrology: current applications and future opportunities
2026-May, Pediatric nephrology (Berlin, Germany)
DOI:10.1007/s00467-025-06911-1
PMID:40957986
|
综述 | 本文综述了人工智能在儿科肾病学中的当前应用与未来机遇，涵盖诊断、治疗、工作流程优化及研究加速等方面 | 整合了多源数据（如患者历史、基因组学、影像和临床记录）的AI工具，用于检测肾脏异常、预测急性肾损伤和疾病进展，并探讨了AI在改善患者参与、文档处理及研究中的创新潜力 | 存在伦理和实践挑战，包括数据隐私、算法偏见、标准化监管框架缺乏，以及医护人员需要充分培训以确保技术不损害医患关系 | 探讨人工智能在儿科肾病学中的转型作用，以提升诊断准确性、治疗精确性、工作流程效率和研究创新 | 儿科肾病学领域，包括儿童肾脏疾病患者及其相关临床数据（如病史、基因组、影像、临床记录） | 数字病理学 | 儿科肾病 | 深度学习 | 深度学习模型 | 多源数据（包括患者历史、基因组学、影像、纵向临床记录） | NA | NA | NA | NA | NA |
| 1218 | 2026-03-30 |
Software-based de-filtering restores quantitative accuracy in Clarity2D-enhanced whole-body bone scintigraphy
2026-Apr, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02145-1
PMID:41460439
|
研究论文 | 本研究评估了基于深度学习的软件去滤波方法在恢复Clarity2D降噪滤波器影响的全身骨闪烁扫描图像定量准确性方面的效果 | 提出了一种基于深度学习的软件去滤波算法，能够有效逆转Clarity2D滤波器引起的定量失真，从而在保持降噪优势的同时恢复骨扫描指数和热点数量的测量准确性 | 研究为回顾性设计，样本量相对有限（101名成人），且仅基于特定CZT SPECT/CT系统和99mTc-HMDP示踪剂，结果可能无法直接推广到其他设备或协议 | 评估软件去滤波技术是否能够恢复因Clarity2D降噪滤波器而退化的全身骨闪烁扫描图像的定量准确性 | 接受99mTc-HMDP全身骨闪烁扫描的成人患者（n=101，平均年龄67±13岁）及其图像数据 | 数字病理学 | 骨相关疾病（通过骨闪烁扫描评估） | 99mTc-HMDP全身骨闪烁扫描，Clarity2D噪声减少滤波，基于深度学习的软件去滤波 | 深度学习 | 医学图像（平面骨闪烁扫描图像） | 101名成人患者 | NA | NA | Pearson相关系数，Bland-Altman分析（偏差±95%限），Dice系数，Hausdorff距离，基于交并比的精确度、召回率、F1分数 | NA |
| 1219 | 2026-03-30 |
Integrating Eye Tracking and Inertial Sensing for Enhanced Freezing of Gait Detection in Parkinson's Disease
2026-Apr, The European journal of neuroscience
DOI:10.1111/ejn.70472
PMID:41891752
|
研究论文 | 本研究通过结合眼动追踪和惯性传感数据，旨在提升帕金森病患者步态冻结的检测准确性 | 首次将眼动运动学数据与踝部惯性测量单元数据相结合，以区分步态冻结和自主停止，从而提高了分类性能 | 研究样本量较小（10名参与者），且仅在标准化行走任务中进行评估，可能限制了结果的普适性 | 提高帕金森病患者步态冻结的自动检测准确性 | 帕金森病患者的步态冻结事件 | 机器学习 | 帕金森病 | 惯性测量单元，眼动追踪 | 深度学习分类器 | 传感器数据（加速度计、陀螺仪、眼动数据） | 10名参与者 | NA | NA | 宏平均F1分数，召回率 | NA |
| 1220 | 2026-03-30 |
Exploring how deep learning decodes anomalous diffusion via Grad-CAM
2026-Mar-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71229-x
PMID:41904151
|
研究论文 | 本研究利用Grad-CAM技术探索深度学习如何从原始轨迹数据中识别异常扩散机制的特征 | 首次将Grad-CAM应用于异常扩散分类的可解释性分析，揭示了深度学习在不同时空尺度上提取统计特征的能力 | 研究仅基于ResNet架构，未探索其他深度学习模型；分析主要针对模拟轨迹数据，实际实验数据的适用性有待验证 | 探究深度学习算法识别异常扩散机制的工作原理 | 异常扩散模型的轨迹数据 | 机器学习 | NA | Grad-CAM（梯度加权类激活映射） | CNN | 轨迹数据 | NA | NA | ResNet | NA | NA |