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 1071 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2026-02-19 |
A Cross-Sectional Study Based on Deep Learning to Explore the Effect of Triglyceride/Glucose Index on Periodontitis: An Analysis Based on the Large NHANES Database
2026-Feb-10, Oral health & preventive dentistry
IF:1.4Q3
DOI:10.3290/j.ohpd.c_2468
PMID:41665038
|
研究论文 | 本研究利用NHANES大型数据库和深度学习模型，探讨了甘油三酯-葡萄糖指数与牙周炎风险之间的剂量依赖关系及其预测价值 | 首次将深度学习模型应用于大型国家数据库（NHANES）中，系统评估TyG指数对牙周炎的预测能力，并利用SHAP算法进行特征重要性解释 | 研究为横断面设计，无法确定因果关系；尽管进行了多变量调整，但仍可能存在未测量的混杂因素 | 探索甘油三酯-葡萄糖指数与牙周炎之间的关联，并评估其作为牙周炎风险分层和早期识别生物标志物的潜力 | 来自美国国家健康与营养调查的参与者，包含完整的人口统计学、实验室和口腔健康数据 | 机器学习 | 牙周炎 | NA | 神经网络 | 结构化数据（人口统计学、实验室指标、口腔健康数据） | 2834名参与者 | PyTorch | 具有多个隐藏层的神经网络 | AUC-ROC, 准确率, 灵敏度, 特异性 | NA |
| 182 | 2026-02-19 |
Integration of the Biot-Gassmann Fluid Substitution Method and Machine Learning-Based Velocity-Stress Relationship for Estimating In Situ Stresses
2026-Feb-10, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c09669
PMID:41696205
|
研究论文 | 本文提出了一种结合Biot-Gassmann流体替换方法和机器学习速度-应力关系的工作流程，用于估算地下岩石的原位应力 | 通过使用干岩心超声速度经Biot-Gassmann流体替换得到的等效饱和声速（低频近似）来训练机器学习模型，以改进原位应力预测，并探讨了频率分散效应的影响 | 研究基于特定地热井的三个岩心样本，样本量有限，且未明确讨论模型在其他地质环境中的泛化能力 | 估算地下地质岩石中的原位应力 | 来自犹他州FORGE地热井16B(78)-32的三个地下岩心 | 机器学习 | NA | Biot-Gassmann流体替换方法，真三轴超声速度实验 | 机器学习/深度学习 | 超声速度数据，应力配置数据 | 3个岩心，每个岩心在75种独特应力配置下进行干燥状态速度测量 | NA | NA | R², 均方根误差 | NA |
| 183 | 2026-02-19 |
ETSAM: Effectively Segmenting Cell Membranes in cryo-Electron Tomograms
2026-Feb-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.23.689996
PMID:41394697
|
研究论文 | 本文提出了一种基于SAM2的两阶段微调AI方法ETSAM，用于在冷冻电子断层扫描图像中有效分割细胞膜 | 首次将Segment Anything Model 2 (SAM2)应用于冷冻电子断层扫描图像分析，并针对该领域特有的低信噪比和缺失楔形伪影等挑战进行了两阶段微调设计 | 训练数据集中模拟数据（28个）相对较少，且独立测试集仅包含10个实验断层扫描图，样本规模有限 | 开发一种能够克服冷冻电子断层扫描图像固有缺陷的细胞膜自动分割方法 | 冷冻电子断层扫描图像中的细胞膜结构 | 计算机视觉 | NA | 冷冻电子断层扫描 | 基于SAM2的微调模型 | 断层扫描图像 | 训练集：83个实验断层扫描图（来自CryoET Data Portal） + 28个模拟断层扫描图（使用PolNet生成）；测试集：10个带标注的实验断层扫描图 | NA | Segment Anything Model 2 (SAM2) | 灵敏度, 精确度 | NA |
| 184 | 2026-02-19 |
Quality-label-free fetal brain MRI quality control based on image orientation recognition uncertainty
2026-Feb-10, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103994
PMID:41702176
|
研究论文 | 本文提出了一种基于图像方向识别不确定性的无质量标签胎儿脑MRI质量控制方法 | 提出了一种无需大量质量标签的深度学习方法，通过方向识别不确定性量化图像质量，并在跨域数据上表现出良好的泛化能力 | 未明确说明模型在更大规模或更广泛数据集上的性能，且对计算资源需求未详细描述 | 开发一种无需质量标签的胎儿脑MRI质量控制方法，以提高数据采集和分析效率 | 胎儿脑MRI图像 | 计算机视觉 | 胎儿脑发育异常 | turbo spin echo (TSE) T加权成像, balanced turbo field echo (BTFE) T加权成像 | CNN | 图像 | 基于七个胎儿脑图谱增强的TSE T加权数据 | PyTorch | Bottleneck KAN Convolution layers, OR-KAN | AUROC, AUPR | NA |
| 185 | 2026-02-19 |
A multimodal AI biomarker PATH-ORACLE improves prediction of recurrence in stage I lung adenocarcinoma
2026-Feb-09, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.28.26344973
PMID:41646758
|
研究论文 | 本文介绍了一种名为PATH-ORACLE的多模态AI生物标志物，用于改善I期肺腺癌复发的预测 | 结合转录组学评分和基于预训练基础模型处理的常规组织学切片，构建多模态深度学习模型，提高了复发预测的准确性和一致性 | 需要进一步验证以确认其在临床实践中的有效性 | 改善I期肺腺癌患者的复发风险分层，以指导辅助治疗决策 | I期肺腺癌患者 | 数字病理学 | 肺癌 | 转录组学分析，组织学切片处理 | 深度学习 | 图像，转录组数据 | 两个独立队列 | NA | 预训练基础模型 | 准确率 | NA |
| 186 | 2026-02-19 |
Dual Framework for Classification and Detection of Third Molar Impaction in Panoramic Radiographs
2026-Feb-07, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109430
PMID:41655402
|
研究论文 | 本研究提出了两个独立的深度学习框架，用于全景X光片中第三磨牙阻生的分类和检测，旨在实现自动化、多类别的术前评估 | 提出了一个双框架系统，结合了端到端的目标检测（改进的YOLOv10/v11n+多头自注意力）和基于特征的分类（ResNet50/InceptionNetV3+传统机器学习），并采用GAN数据增强，在保持计算效率的同时提升了检测性能 | 未明确提及研究的具体局限性，但文中指出现有方法常受类别不平衡和缺乏标准化评估协议的限制 | 开发准确、自动化的多类别评估系统，用于第三磨牙阻生的术前评估和手术规划 | 全景X光片（正位断层片）中的第三磨牙阻生 | 计算机视觉 | 口腔颌面外科疾病 | 深度学习，传统机器学习 | CNN, 目标检测模型, 传统分类器 | 图像（全景X光片） | 5796张经专家标注的正位断层片（多国数据集） | 未明确指定，但提及YOLO系列架构 | YOLOv10, YOLOv11n, ResNet50, InceptionNetV3, 多头自注意力模块, GAN | 准确率, 精确率, 召回率, F1分数, 平均精度均值（mAP@0.5, mAP@0.5:0.95） | 未明确指定具体硬件，但提及计算复杂度（GFLOPs）作为效率衡量指标 |
| 187 | 2026-02-19 |
Deep learning techniques for using computed tomography imaging for hepatocellular carcinoma diagnosis, treatment and prognosis
2026-Feb-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i5.113592
PMID:41693978
|
综述 | 本文系统综述了基于CT影像的深度学习技术在肝细胞癌诊断、分割、治疗反应预测及患者预后预测中的应用 | 整合深度学习技术与CT影像分析，为肝细胞癌的个性化治疗策略提供新希望 | 应用深度学习从CT影像中提取信息仍面临挑战，未具体说明 | 改善肝细胞癌的诊断和治疗 | 肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | CT成像 | 深度学习模型 | CT图像 | NA | NA | NA | NA | NA |
| 188 | 2026-02-19 |
Protocol for non-invasive tumor monitoring and diagnosis based on interpretable deep learning
2026-Feb-06, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2026.104358
PMID:41653437
|
研究论文 | 本文介绍了一种基于可解释深度学习框架Oncoder的非侵入性肿瘤监测和诊断协议 | 开发了可解释的深度学习框架Oncoder，用于通过追踪血浆cfDNA中肿瘤特异性DNA甲基化信号的动态变化来监测治疗反应 | NA | 非侵入性肿瘤监测和诊断 | 血浆细胞游离DNA中的肿瘤特异性DNA甲基化 | 机器学习 | 肿瘤 | DNA甲基化分析 | 深度学习 | DNA甲基化数据 | NA | NA | Oncoder | NA | NA |
| 189 | 2026-02-19 |
Comparison of Artificial Intelligence Models for Automatic Segmentation of the Mandibular Canals and Branches
2026-Feb-06, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109427
PMID:41653835
|
研究论文 | 本研究比较了三种深度学习模型（UNETR、Swin UNETR和3D UX-Net）在下颌管及其分支自动分割中的性能，并引入基于解剖特征的后处理模块以提升模型表现 | 首次系统比较了UNETR、Swin UNETR和3D UX-Net在牙科CBCT下颌管分割任务中的性能，并创新性地引入了基于解剖特征的后处理模块，显著提升了所有模型的评估指标 | 研究仅使用了173例CBCT扫描数据，样本量相对有限，且未在更广泛的外部数据集上进行验证 | 比较和提升深度学习模型在下颌管及其分支自动分割任务中的性能 | 下颌管、切牙管和颏管 | 计算机视觉 | NA | 锥形束计算机断层扫描（CBCT） | 深度学习模型 | 3D医学图像（CBCT扫描） | 173例CBCT扫描 | NA | U-Net Transformer (UNETR), Swin UNETR, 3D UX-Net | Dice相似系数（DSC）, 交并比（IoU）, 95百分位豪斯多夫距离（HD95）, 平均对称表面距离（ASSD）, 精确率, 召回率 | NA |
| 190 | 2026-02-19 |
Design prokaryotic cis-regulatory elements using language model
2026-Feb-05, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkag122
PMID:41693567
|
研究论文 | 本研究开发了一种名为PromoGen2的语言模型，用于设计原核生物的顺式调控元件（CREs），无需先前的实验数据 | 提出了一个基于17,000个原核基因组的预训练语言模型，实现了跨物种的零样本预测，并开发了Promoter-Factory框架，可从无注释基因组设计启动子 | 未明确提及模型在极端或罕见原核物种中的泛化能力限制 | 开发一个广泛适用的平台，为数千种原核生物设计功能性启动子，以满足合成生物学和微生物学研究的需求 | 原核生物的顺式调控元件（CREs），包括大肠杆菌、枯草芽孢杆菌、地衣芽孢杆菌、根癌农杆菌以及新分离的嗜盐细菌Jejubacter sp. L23 | 自然语言处理 | NA | 语言模型 | 语言模型 | 序列数据 | 基于17,000个原核基因组的CREs进行预训练 | NA | PromoGen2, PromoGen2-proka | 斯皮尔曼相关系数 | NA |
| 191 | 2026-02-19 |
Explainable and physics-informed machine learning for seasonal water quality prediction in the monsoon-driven Padma River Basin, Bangladesh
2026-Feb-05, Environmental geochemistry and health
IF:3.2Q2
DOI:10.1007/s10653-026-03031-z
PMID:41642410
|
研究论文 | 本研究开发了一个结合机器学习、深度学习和物理信息神经网络的集成可解释人工智能框架，用于预测和解释孟加拉国帕德玛河流域的季节性水质动态 | 首次将可解释人工智能与物理信息神经网络相结合，用于季节性水质预测，并集成了不确定性量化和空间特征分析 | 样本量有限（44个地表水样本），且研究区域仅限于帕德玛河流域，模型的普适性有待在其他流域验证 | 开发一个可靠、可解释且物理信息增强的季节性水质预测框架，以支持数据有限流域的水质评估和管理 | 孟加拉国帕德玛河流域的地表水水质 | 机器学习 | NA | 水质指数评估、可解释建模、概率不确定性分析、空间区域化 | 深度神经网络、岭回归、投票集成模型、物理信息神经网络 | 水质参数数据（如NO、pH、DO等） | 44个地表水样本（冬季和季风季节采集） | NA | 深度神经网络、物理信息神经网络 | 相关系数、均方根误差 | NA |
| 192 | 2026-02-19 |
Application and prospect of artificial intelligence in diagnostic imaging of prostate cancer
2026-Feb-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02354-6
PMID:41644780
|
综述 | 本文综述了人工智能在前列腺癌诊断影像学中的应用与前景 | 系统总结了人工智能在TRUS、mp-MRI和PSMA PET/CT等多种影像技术中用于前列腺癌检测、特征描述和治疗评估的最新进展，并探讨了未来多组学、可解释AI和工作流集成决策支持等方向 | 面临数据质量、模型泛化能力、临床整合及伦理方面的挑战 | 探讨人工智能技术在前列腺癌诊断影像学中的应用现状与未来发展方向 | 前列腺癌的诊断影像学 | 数字病理学 | 前列腺癌 | TRUS, mp-MRI, PSMA PET/CT | 机器学习, 深度学习 | 影像 | NA | NA | NA | 准确率 | NA |
| 193 | 2026-02-19 |
CT Radiation Dose Reduction With Preserved Diagnostic Performance: How Far Have We Come Over 25 Years?
2026-Feb-04, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.34450
PMID:41636571
|
综述 | 本文回顾了过去25年来CT辐射剂量降低技术的发展历程，总结了关键里程碑和技术创新，并讨论了这些进步对常规检查剂量和图像质量的累积影响 | 系统性地总结了从2000年代至今CT辐射剂量降低技术的演进，包括光子计数探测器CT和深度学习重建等最新进展，并强调了基于任务的客观图像质量评估的重要性 | NA | 总结CT辐射剂量降低技术的发展历程，评估其对诊断性能和图像质量的影响 | CT辐射剂量降低技术及其在常规检查中的应用 | 数字病理 | NA | CT扫描技术，包括光子计数探测器CT、深度学习重建、迭代重建等 | NA | CT图像数据 | NA | NA | NA | 图像质量评估指标（未具体说明） | NA |
| 194 | 2026-02-19 |
Learning with less: A survey of deep learning in medical imaging under varying supervision levels
2026-Feb-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103375
PMID:41702310
|
综述 | 本文系统综述了医学影像分析中不同监督水平下的深度学习方法 | 提出基于监督水平（无监督、不精确监督、不完全监督、不准确监督和有限监督）的分类框架，并细分子类别，系统总结了相关数据集和未来研究方向 | 作为综述文章，主要总结现有方法，未提出新的算法或模型，且可能未涵盖所有最新研究 | 调查医学影像分析中在不同监督水平下应用的深度学习方法 | 医学影像分析领域的深度学习方法和相关数据集 | 医学影像分析 | NA | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 195 | 2026-02-19 |
Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study
2026-Feb-03, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005639
PMID:41631492
|
研究论文 | 本研究开发并验证了一种基于YOLO11深度学习架构的模型，用于在MRI上自动检测颈脊髓压迫 | 首次将YOLO11架构应用于颈脊髓压迫的自动化检测，并进行了两中心外部验证，模型性能与专家标注高度一致 | 研究为回顾性设计，数据来源于两个医疗中心，可能存在选择偏倚 | 开发和验证一个深度学习模型，用于自动化检测MRI上的颈脊髓压迫，以辅助退行性颈脊髓病的诊断 | 疑似退行性颈脊髓病患者的颈椎MRI图像 | 计算机视觉 | 退行性颈脊髓病 | MRI | CNN | 图像 | 735名患者的1,431张矢状位T2加权颈椎MRI图像 | NA | YOLO11 | mAP50, 精确度, 召回率 | NA |
| 196 | 2026-02-19 |
Flexible and Robust Metasurface-Based Wearable Sensor for Intelligent Human Monitoring
2026-Feb, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202514150
PMID:41451579
|
研究论文 | 本文首次提出了一种集成拓扑保护柔性超表面技术与AI增强传感的可穿戴传感器，用于多功能人体监测 | 结合拓扑光子学与AI增强传感技术，实现动态条件下稳定性能与个性化生物特征提取 | 未明确说明传感器在极端环境下的长期稳定性或大规模临床验证结果 | 开发能克服运动伪影和机械形变限制的智能可穿戴健康监测系统 | 人体心肺动力学、生命体征、活动状态及个体身份 | 机器学习 | 慢性疾病 | 拓扑光子学、电磁波-身体相互作用 | 深度学习 | 电磁波信号 | NA | NA | NA | NA | NA |
| 197 | 2026-02-19 |
La-Doped Mullite Bi2Fe4O9 Chemiresistive Gas Sensor for Ultra-Highly Selective Detection of Ethylene Glycol
2026-Feb, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202517585
PMID:41472488
|
研究论文 | 本文提出了一种镧掺杂莫来石型铁酸铋化学电阻式气体传感器，用于超高选择性检测乙二醇蒸气 | 通过镧掺杂实现均匀的Bi位点掺杂、增加氧空位浓度并增强气体吸附，结合原位红外光谱和DFT计算阐明了乙二醇表面氧化反应机制，并开发了集成了深度学习算法的可穿戴实时气体监测平台 | NA | 开发高选择性、高稳定性的乙二醇蒸气检测传感器，用于工业安全和环境监测 | 乙二醇蒸气 | 传感器技术 | NA | 原子分辨率成像、微化学分析、理论计算、原位红外光谱、密度泛函理论计算 | 深度学习算法 | 气体传感数据 | NA | NA | NA | 选择性、重现性、长期稳定性、检测限 | NA |
| 198 | 2026-01-24 |
From Gorlin and Doppler Equations to Deep Learning: Is Aortic Stenosis Quantification on the Brink of a New Era?
2026-Feb, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.126.019472
PMID:41574424
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 199 | 2026-02-19 |
A novel cervical image recognition framework based on feature cognitive enhancement for improved performance
2026-Feb, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119251412982
PMID:41574558
|
研究论文 | 提出一种基于特征认知增强的新型宫颈图像识别框架，以提高分类性能 | 设计了三个新模块（特征认知筛选模块、多尺度特征分类模块和重叠采样模块），实现全局与局部特征提取、多尺度特征融合分类以及图像中的短程交互，增强模型边缘捕捉能力和解决复杂问题的熟练度 | 未明确提及，可能包括数据集规模、泛化能力或临床验证的局限性 | 通过深度学习改进宫颈图像的分类，以辅助宫颈癌的早期诊断 | 宫颈图像，分类为正常、宫颈上皮内瘤变和癌变三类 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 未明确指定，但使用了自建宫颈图像数据集和Kaggle数据集 | 未明确指定，可能为TensorFlow或PyTorch | FSMO（特征认知筛选模块、多尺度特征分类模块、重叠采样模块） | 准确率, 精确率, 召回率, F1分数 | 未明确指定 |
| 200 | 2026-02-19 |
FPM2Stain Net: physics-guided super-resolution and multi-modal virtual staining for digital histopathology
2026-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.586327
PMID:41693888
|
研究论文 | 提出了一种名为FPM2Stain Net的端到端计算流程，将物理引导的超分辨率与基于深度学习的虚拟染色相结合，用于高分辨率、多模态数字组织病理学 | 提出了一种联合优化的端到端流程，首次将物理引导的超分辨率重建与多模态虚拟染色集成在一个框架中，实现了相对于低倍输入图像超过10倍的像素级上采样，并支持下游细胞分割和生物标志物定量分析 | 未明确提及 | 开发一种快速、可扩展且经济高效的高分辨率多模态数字组织病理学成像与虚拟染色方法 | 组织样本 | 数字病理学 | NA | 傅里叶叠层显微成像 | ResNet-U-Net, cGAN | 图像 | 模拟和真实组织数据集 | NA | ResNet-U-Net, 基于小波的空间频率融合cGAN | 重建保真度, 染色准确性 | NA |