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 1521 - 1540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1521 | 2026-02-03 |
Highly Accelerated T1ρ Imaging in 3 min: Comparison Between Compressed Sensing and Deep Learning Reconstruction
2026-Feb, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70226
PMID:41493163
|
研究论文 | 本研究比较了压缩感知和深度学习在膝关节软骨T1ρ成像加速重建中的性能 | 首次在膝关节软骨T1ρ映射中系统比较压缩感知与深度学习加速重建技术，并评估了前瞻性欠采样数据的重建效果 | 样本量较小（9名志愿者），且仅针对膝关节软骨进行评估，未涉及其他组织或疾病 | 比较压缩感知与深度学习在加速磁共振T1ρ成像重建中的性能，以缩短扫描时间 | 人类膝关节软骨（包括健康志愿者和三名确诊病理患者） | 医学影像分析 | 骨关节疾病 | 3T MRI扫描，T1ρ映射，DESS成像，3D MAPSS序列，GRAPPA加速采集 | 深度学习模型（具体架构未明确说明） | 磁共振图像 | 9名志愿者（包括3名确诊病理患者） | NA | NA | 中位数归一化绝对差异，一致性相关系数，变异系数 | NA |
| 1522 | 2026-02-03 |
Deep learning-based lung volume estimation with dynamic chest radiography
2026-Feb, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70487
PMID:41611260
|
研究论文 | 本研究利用深度学习从动态胸部X光摄影图像中估计肺容积，并与传统线性回归方法进行比较 | 首次将深度学习模型（VGG19和DenseNet121）应用于动态胸部X光摄影图像进行肺容积估计，相比传统线性回归方法表现出更优性能 | 深度学习模型估计的用力肺活量误差相对较高，模型架构和呼吸操作指导方面仍有改进空间 | 研究基于动态胸部X光摄影图像的肺容积估计方法，评估其准确性 | 257名患者的动态胸部X光摄影图像和对应CT图像 | 计算机视觉 | 肺部疾病 | 动态胸部X光摄影，CT成像 | CNN | 图像 | 257名患者 | 未明确指定 | VGG19, DenseNet121 | 平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 自由度调整决定系数 | NA |
| 1523 | 2026-02-03 |
Functional and Clinical: An Explainable Deep Learning Model for Multimodal Alzheimer's Disease Classification
2026-Feb, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.71240
PMID:41612899
|
研究论文 | 本研究开发了一种结合功能磁共振成像和临床测试的多模态可解释深度学习模型，用于阿尔茨海默病的分类 | 采用多模态和可解释人工智能方法，通过补充临床数据克服小数据集限制，应用扰动排名解释特征重要性，并采用严格的留一交叉验证防止数据泄露 | 样本量较小且需要外部验证 | 提高阿尔茨海默病分类的准确性、可解释性和临床适用性 | 来自ADNI的52名参与者，包括阿尔茨海默病患者和对照组 | 数字病理学 | 阿尔茨海默病 | 功能磁共振成像 | CNN | 图像, 临床数据 | 52名参与者 | NA | 3D卷积神经网络 | 准确率 | NA |
| 1524 | 2026-02-03 |
Assessing the effect of bovine MSTN variants on pre-mRNA splicing
2026-Feb, Animal genetics
IF:1.8Q3
DOI:10.1002/age.70073
PMID:41614706
|
研究论文 | 本文通过建立全长基因检测系统评估牛MSTN基因变异对前体mRNA剪接的影响，并验证了两种深度学习剪接预测工具的性能 | 首次建立针对牛MSTN基因的全长基因检测系统，并系统评估了五种错义变异对剪接的影响，同时验证了SpliceAI和Pangolin预测工具在农业遗传学中的应用效果 | 研究仅针对六种特定MSTN变异进行评估，未涵盖所有已知或潜在变异，且实验验证范围有限 | 评估牛MSTN基因变异对RNA剪接的功能影响，并验证深度学习剪接预测工具的准确性 | 牛MSTN基因的剪接变异，包括五种错义变异和一种已知的深度内含子剪接变异 | 生物信息学 | 肌肉生长异常 | 全长基因检测系统，RNA剪接分析 | 深度学习模型 | 基因序列数据 | 六种MSTN基因变异 | NA | SpliceAI, Pangolin | 预测与实验验证的一致性 | NA |
| 1525 | 2026-02-03 |
Identifying a conserved transcriptional signature of drought and salt stress in Arabidopsis thaliana through meta-analysis, consensus network analysis, and deep learning
2026-Feb-01, Genetica
IF:1.3Q4
DOI:10.1007/s10709-026-00261-y
PMID:41620995
|
研究论文 | 本研究通过整合元分析、共识网络分析和深度学习，系统识别了拟南芥在干旱和盐胁迫下的保守转录特征和关键调控基因 | 首次将元分析、共识网络分析和深度学习三种方法协同整合，构建了一个新颖的分析框架，用于稳健识别植物非生物胁迫响应的核心基因和调控网络 | 研究仅基于拟南芥的转录组数据，未在其他植物物种中进行验证；样本量相对有限（64个样本），且依赖于公共数据集 | 识别拟南芥在干旱和盐胁迫下的保守转录特征和关键调控基因，为培育气候适应性作物提供遗传靶点 | 拟南芥（Arabidopsis thaliana） | 生物信息学 | NA | 转录组测序（RNA-seq） | 自编码器（Autoencoder）, 多层感知机（MLP） | 转录组数据 | 64个样本（来自多个研究的干旱和盐胁迫处理及对照样本） | NA | Autoencoder, MLP | 准确率, AUC | NA |
| 1526 | 2026-02-03 |
Single‑center weakly supervised deep learning prediction of KRAS, NRAS, BRAF, and HER2 status in colorectal cancer from histopathology images using internal cross‑validation
2026-Feb-01, Cancer cell international
IF:5.3Q1
DOI:10.1186/s12935-026-04211-8
PMID:41622176
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1527 | 2026-02-03 |
Enhancing Fluorescence Lifetime Imaging With Differential Transformer
2026-Feb, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70231
PMID:41622407
|
研究论文 | 本文提出了一种名为MFliNet的深度学习框架，用于增强荧光寿命成像，通过结合物理模型和Transformer架构来准确估计多指数衰减参数 | 引入了基于Differential Transformer的编码器-解码器架构，联合处理时间荧光衰减和仪器响应函数输入，以校正光子到达分布中的地形畸变，实现了对复杂生物和体内成像的鲁棒性 | 未明确说明训练数据的具体规模或多样性限制，以及模型在更广泛临床场景中的泛化能力验证 | 开发一种能够准确估计多指数衰减参数的深度学习框架，以提升宏观尺度荧光寿命成像的精度和实时性 | 组织模拟体模和临床前肿瘤模型 | 计算机视觉 | 肿瘤 | 荧光寿命成像 | Transformer | 时间序列数据 | NA | NA | Differential Transformer | 鲁棒性, 精度 | NA |
| 1528 | 2026-02-03 |
Deep Learning-based Estimated Pulmonary Biological Age from Chest CT Images in Healthy Adults: a model development and validation study
2026-Feb-01, JMIR aging
IF:5.0Q1
DOI:10.2196/78243
PMID:41622571
|
研究论文 | 本研究基于深度学习从健康成人的胸部CT图像中开发并验证了估计肺生物学年龄（ePBA）的生物标志物，并探讨了ePBA与年龄差在COPD患者肺功能和全因死亡率中的关联 | 首次利用大规模健康成人多中心胸部CT数据，通过深度学习模型开发并验证了ePBA，并揭示了年龄差与COPD患者肺功能下降及全因死亡率增加之间的显著关联 | 研究主要基于特定健康管理中心的CT数据，外部验证数据集规模相对有限，且COPD患者样本量较小（138例），可能影响结果的普遍适用性 | 开发并验证基于胸部CT的深度学习模型以估计肺生物学年龄，并评估其在COPD患者中的临床价值 | 健康成人的胸部CT图像以及COPD患者的临床数据 | 数字病理学 | 慢性阻塞性肺疾病 | 胸部CT成像 | 深度学习模型 | 医学图像（CT扫描） | 健康成人CT扫描11,187例（机构A 7,726例用于模型开发，机构B 1,506例和机构C 1,955例用于外部测试），COPD患者138例 | NA | NA | 相关性分析（rs值），风险比（HR），置信区间（95%CI），P值 | NA |
| 1529 | 2026-02-03 |
SSDA_AOA: Stacked Sparse Denoising Autoencoder With Archimedes Optimization Algorithm Based Oral Cancer Detection on Histopathological Images
2026-Feb-01, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.70210
PMID:41622690
|
研究论文 | 本文提出了一种基于堆叠稀疏去噪自编码器和阿基米德优化算法的口腔癌检测框架，用于从组织病理学图像中实现早期诊断 | 结合NASNet-Large模型提取特征、阿基米德优化算法进行降维和超参数调优，以及堆叠稀疏去噪自编码器进行分类，形成了一种新颖的计算机辅助诊断框架 | 未提及样本来源的多样性、外部验证集的缺乏以及计算资源的具体需求 | 开发一种计算机辅助诊断框架，以提升口腔癌的早期检测和分类准确性 | 口腔癌的组织病理学图像 | 数字病理学 | 口腔癌 | 组织病理学成像 | 自编码器, 优化算法 | 图像 | NA | NA | NASNet-Large, Stacked Sparse Denoising Autoencoder | 准确率, 精确率, 灵敏度, 特异度, F1分数 | NA |
| 1530 | 2026-02-03 |
Kilometer-scale convection-allowing model emulation using generative diffusion modeling
2026-Jan-30, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adv0423
PMID:41616057
|
研究论文 | 本文提出了一种名为StormCast的生成扩散模型，用于模拟公里尺度的对流允许模型（CAM），以预测雷暴和中尺度对流系统的演变 | 首次成功应用生成扩散模型在公里尺度上模拟高分辨率大气动力学，包括对流集群演变、潮湿上升气流和冷池形态等物理真实过程 | 模型目前仅使用1小时时间步长进行预测，尚未验证更长时间尺度的预报能力 | 改进公里尺度区域机器学习天气预测及未来气候灾害动力降尺度 | 高分辨率快速更新（HRRR）业务对流允许模型（CAM）的模拟 | 机器学习 | NA | 生成扩散建模 | 生成扩散模型 | 大气状态变量数据 | NA | NA | StormCast（基于扩散模型的架构） | 1-6小时预报技能评分（针对复合雷达反射率） | NA |
| 1531 | 2026-02-03 |
Deep Learning and Noninvasive Sensors for Detecting Physiological Dysregulation: A Scoping Review
2026-Jan-30, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02332-7
PMID:41615529
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1532 | 2026-02-03 |
End-to-End Platform for Electrocardiogram Analysis and Model Fine-Tuning: Development and Validation Study
2026-Jan-30, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/81116
PMID:41616241
|
研究论文 | 本研究开发并验证了一个名为ExChanGeAI的端到端开源网络平台，旨在简化心电图数据的分析流程和模型微调 | 提出了一个集成化、用户友好的开源平台，解决了心电图数据格式异构、预训练模型访问受限以及技术流程复杂等主要瓶颈，支持本地计算以确保数据隐私 | 未明确说明平台在处理极大规模数据集或实时临床部署时的具体性能限制 | 降低心电图深度学习分析的技术门槛，为临床研究人员和从业者提供易于使用的先进分析工具 | 心电图数据及其相关的深度学习分析任务 | 机器学习 | 心血管疾病 | NA | 深度学习 | 心电图信号 | 使用了3个外部异构验证数据集，包括一个来自常规护理的新整理测试集 | NA | 多种最先进的心电图深度学习架构 | 模型泛化能力、资源效率 | 支持个人计算机部署，并可扩展至高性能计算基础设施，所有计算在本地执行 |
| 1533 | 2026-02-03 |
A probabilistic deep learning approach for choroid plexus segmentation in autism spectrum disorder
2026-Jan-30, NPP - digital psychiatry and neuroscience
DOI:10.1038/s44277-026-00056-1
PMID:41617769
|
研究论文 | 本文提出了一种用于自闭症谱系障碍中脉络丛分割的概率深度学习工具ASCHOPLEX，并评估了其在不同年龄组中的泛化能力 | 开发了一种能够通过患者特定数据进行微调的深度学习工具，并引入了概率方法以量化分割不确定性，从而评估模型置信度 | 在儿童数据上的准确性下降，表明在没有额外微调的情况下，对不同年龄组的泛化能力有限 | 开发并评估一种能够准确分割自闭症谱系障碍患者脉络丛的自动化工具，以支持大规模人群分析 | 自闭症谱系障碍患者和对照参与者的脉络丛 | 医学影像分析 | 自闭症谱系障碍 | 磁共振成像 | 深度学习模型 | 图像 | 本地数据集中的ASD和CON参与者，以及ABIDE数据集中的儿童和成人数据 | NA | NA | 准确性 | NA |
| 1534 | 2026-02-03 |
Trustworthy prediction of enzyme commission numbers using a hierarchical interpretable transformer
2026-Jan-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68727-3
PMID:41617688
|
研究论文 | 本文提出了一种名为HIT-EC的分层可解释Transformer模型，用于准确且可信地预测酶委员会（EC）编号 | 采用四层Transformer架构以匹配EC编号的层次结构，结合局部和全局依赖关系进行多标签分类，并提出处理不完整EC编号标注的学习策略，作为证据深度学习模型提供生物学意义的解释方案 | 未明确提及模型在计算资源需求或特定EC类别泛化能力方面的具体限制 | 开发一个可信赖的EC编号预测模型，以改善酶功能理解和生物过程分析 | 酶蛋白序列及其对应的EC编号 | 自然语言处理 | NA | 深度学习 | Transformer | 蛋白质序列（文本数据） | 未明确指定具体样本数量，但提及使用大型数据集进行交叉验证和外部数据验证 | 未明确指定，可能为PyTorch或TensorFlow | 分层Transformer（HIT-EC） | 未明确列出具体指标，但提及预测性能的统计显著提升 | 未明确指定 |
| 1535 | 2026-02-03 |
Performance of Artificial Intelligence Tools in Axial Spondyloarthritis Imaging Assessment: a Systematic Literature Review and Meta-analysis
2026-Jan-30, Joint bone spine
IF:3.8Q1
DOI:10.1016/j.jbspin.2026.106036
PMID:41621467
|
系统综述与荟萃分析 | 本文通过系统文献综述和荟萃分析，总结了人工智能技术在轴性脊柱关节炎影像评估中的性能表现 | 首次对AI在轴性脊柱关节炎多种影像模态（MRI、CT、CR）中相对于人类读者的性能进行了全面的系统综述和荟萃分析 | 研究存在异质性，且AI诊断仍需人类专家以确保临床安全性和准确性 | 评估人工智能技术在轴性脊柱关节炎影像解读中的性能，并与人类读者进行比较 | 轴性脊柱关节炎的影像数据，包括磁共振成像、计算机断层扫描和常规X线摄影 | 医学影像分析 | 轴性脊柱关节炎 | 磁共振成像、计算机断层扫描、常规X线摄影 | 深度学习 | 图像 | 33项研究（涉及1033篇参考文献，46篇全文审查） | NA | NA | 灵敏度、特异度、准确度、受试者工作特征曲线下面积 | NA |
| 1536 | 2026-02-03 |
Preoperative Prediction of Prolonged Operative Time in Laparoscopic Ovarian Cystectomy Using Convolutional Neural Network-Extracted Ultrasound Image Features
2026-Jan-30, Journal of minimally invasive gynecology
IF:3.5Q1
DOI:10.1016/j.jmig.2026.01.055
PMID:41621701
|
研究论文 | 本研究旨在通过结合临床变量和CNN提取的超声图像特征，预测腹腔镜卵巢囊肿切除术中手术时间延长的风险 | 首次将CNN提取的超声图像特征与传统临床变量结合，用于预测腹腔镜卵巢囊肿切除术的手术时间延长，提高了预测模型的AUC值 | 研究为单中心回顾性队列研究，样本量有限（247例患者），且CNN特征加入后AUC提升未达到统计学显著性，需要外部验证 | 预测腹腔镜卵巢囊肿切除术中手术时间延长，以支持术前风险分层和手术资源规划 | 接受腹腔镜卵巢囊肿切除术的良性卵巢肿瘤患者 | 计算机视觉 | 卵巢囊肿 | 超声成像 | CNN | 图像 | 247例患者 | NA | NA | AUC | NA |
| 1537 | 2026-02-03 |
Deep neural network-based biostatistical analysis for disease marker screening
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34115-y
PMID:41611762
|
研究论文 | 本文提出了一种基于深度神经网络的新型生物标志物筛选框架，并与传统统计方法进行了比较 | 设计了一个可扩展的综合模型，用于多组学数据整合并增强模型解释性，结合了注意力机制与SHAP值分析 | 未明确说明，但可能包括对特定数据集（乳腺癌）的依赖以及模型在其他疾病上的泛化能力有待验证 | 开发一种更准确、可解释的生物标志物筛选方法，以克服传统统计方法在处理高维小样本数据时的局限性 | 乳腺癌生物标志物 | 生物统计学 | 乳腺癌 | 单细胞测序 | 深度神经网络 | 多组学数据 | NA | NA | NA | 灵敏度, 准确率, AUC | NA |
| 1538 | 2026-02-03 |
[Research progress of automated ergonomic assessment methods based on RULA and REBA]
2026-Jan-20, Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases
|
综述 | 本文综述了基于RULA和REBA的自动化人机工效学接触风险评估技术的研究进展 | 系统性地总结了当前自动化评估方法在数据采集、处理、应用场景和准确性验证方面的现状与挑战，并展望了未来研究方向 | 当前研究主要受限于数据采集与传输的约束以及系统可靠性，多采用半自动化方法在模拟场景中进行 | 推动自动化人机工效学评估技术的发展与应用 | 基于RULA和REBA的自动化评估方法 | 计算机视觉, 机器学习 | NA | 惯性测量单元(IMU), 常规/深度相机, 红外运动捕捉系统 | 深度学习算法 | 运动数据, 图像数据 | NA | NA | NA | Cohen's kappa (κ), 比例一致性指数(Po) | NA |
| 1539 | 2026-02-03 |
Deep visual detection system for oral squamous cell carcinoma
2026-Jan-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34332-5
PMID:41554886
|
研究论文 | 本研究提出了一种基于深度学习的视觉检测系统（DVDS），用于自动化检测口腔鳞状细胞癌（OSCC）的组织病理学图像 | 开发了一个基于EfficientNetB3的深度视觉检测系统，用于OSCC的自动化检测，并在两个公开数据集上验证了其优于DenseNet121和ResNet50的性能 | 研究使用了公开数据集，可能无法完全代表所有临床场景；模型性能可能受到数据集类别不平衡和图像质量的影响 | 开发一个自动化、快速且客观的深度学习系统，以辅助口腔鳞状细胞癌的早期诊断和临床决策 | 口腔鳞状细胞癌（OSCC）的组织病理学图像 | 数字病理学 | 口腔鳞状细胞癌 | 组织病理学图像分析 | CNN | 图像 | 两个公开数据集：Kaggle Oral Cancer Detection数据集（5192张图像，标记为正常或OSCC）和NDB-UFES数据集（3763张图像，分为OSCC、伴有异型增生的白斑和无异型增生的白斑） | TensorFlow, Keras | EfficientNetB3, DenseNet121, ResNet50 | 准确率, 精确率, 召回率, F1分数, 特异性, 灵敏度 | NA |
| 1540 | 2026-02-03 |
Deep Learning-Derived Right Ventricular Ejection Fraction Predicts Mortality in Patients Undergoing Transcatheter Tricuspid Valve Intervention
2026-Jan-19, JACC. Advances
DOI:10.1016/j.jacadv.2025.102530
PMID:41558369
|
研究论文 | 本研究利用深度学习模型从二维心尖四腔心切面超声心动图视频中估计右心室射血分数，评估经导管三尖瓣介入治疗患者的右心室功能轨迹，并预测一年全因死亡率 | 首次应用深度学习模型在经导管三尖瓣介入治疗背景下，从常规超声心动图视频中自动、无偏地评估右心室射血分数，并识别出术后右心室射血分数低于38%的高危患者群体 | 这是一项单中心、探索性研究，结果需要外部验证，且深度学习模型基于先前已发表和验证的模型，未在本研究中重新训练或优化 | 评估经导管三尖瓣介入治疗对右心室功能的影响，并利用深度学习衍生的右心室射血分数预测患者死亡率 | 接受经导管三尖瓣介入治疗的严重三尖瓣反流患者 | 数字病理学 | 心血管疾病 | 超声心动图 | 深度学习模型 | 视频 | 373名患者 | NA | NA | 风险比, P值 | NA |