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 1010 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2026-02-10 |
Multimodal AI for Predicting 3- and 5-Year Risks of Myopic Choroidal Neovascularization in High Myopia
2026-Feb-06, Ophthalmology. Retina
DOI:10.1016/j.oret.2026.02.003
PMID:41655768
|
研究论文 | 本研究开发了基于人工智能的多模态模型，用于预测高度近视眼中近视性黄斑新生血管的3年和5年风险 | 结合眼底图像和临床变量，开发了基于DeepSurv框架的多模态生存模型，实现了纵向时间-事件风险评估和临床风险分层 | 单中心回顾性研究，需要进一步的外部验证 | 开发AI模型以评估高度近视眼中近视性黄斑新生血管的风险 | 高度近视患者的眼睛 | 数字病理学 | 近视性黄斑新生血管 | 眼底摄影 | 深度学习模型 | 图像, 临床变量 | 4235只眼睛（来自2501名患者） | PyTorch | DenseNet-121 | AUROC, C-index | NA |
| 562 | 2026-02-10 |
Learner-Centered Microbiology Teaching via the Flipped Classroom Model: Insights from a Mixed-Methods Educational Study
2026-Feb-06, Annals of African medicine
IF:0.6Q3
DOI:10.4103/aam.aam_597_25
PMID:41656482
|
研究论文 | 本研究通过混合方法探讨了翻转课堂模型在第二阶段医学微生物学教学中的应用效果 | 在医学微生物学教育中系统实施并评估翻转课堂模型，结合定量与定性方法分析学生和教师的体验 | 研究样本规模较小（75名学生和8名教师），且仅在单一教学医院进行，可能限制结果的普适性 | 评估翻转课堂模型在医学微生物学教学中的实施效果、学生感知和教师视角 | 第二阶段MBBS学生和微生物学教师 | 医学教育 | NA | 翻转课堂教学法 | NA | 问卷调查数据、焦点小组讨论记录、教师访谈记录 | 75名学生和8名教师 | NA | NA | 百分比统计、主题分析 | NA |
| 563 | 2025-07-15 |
Auxiliary diagnosis of hyperpigmented skin diseases using multimodal deep learning
2026-Feb-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003637
PMID:40653928
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 564 | 2026-02-10 |
DisSubFormer: A subgraph transformer model for disease subgraph representation and comorbidity prediction
2026-Feb-03, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种名为DisSubFormer的子图Transformer模型，用于疾病子图表示学习和共病预测 | 通过整合PPI网络的结构模式和GO层次祖先信息，学习统一的蛋白质表示，并引入可学习的多头注意力机制，以子图到子图的注意力替代全图注意力，提高可扩展性和相关性 | 未明确提及模型的局限性 | 研究疾病共病关系并预测共病 | 疾病子图和共病数据集 | 机器学习 | 共病 | 图深度学习，Transformer模型 | Transformer | 图数据 | NA | NA | DisSubFormer | AUROC | NA |
| 565 | 2026-02-10 |
Learning geometric and visual features for medical image segmentation with vision GNN
2026-Feb-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种名为MedSegViG的新型医学图像分割模型，该模型结合了视觉图神经网络（ViG）的层次编码器与混合特征解码器，以提升分割精度 | 首次将图像表示为图结构数据，并利用ViG编码器提取多级图特征与图像特征，通过混合解码器融合特征以增强对分割对象间关系的建模能力 | 未明确说明模型在计算效率或实时性方面的表现，也未讨论对更大规模或更复杂病变类型的适用性 | 改进医学图像分割方法，通过建模对象间关系提升分割准确性、鲁棒性和泛化能力 | 息肉、皮肤病变和视网膜血管三类病变的医学图像 | 计算机视觉 | 息肉、皮肤病变、视网膜血管病变 | 深度学习 | Vision GNN（ViG） | 医学图像 | 六个数据集（具体数量未说明） | NA | Vision GNN（ViG）编码器与混合特征解码器 | 分割准确性、鲁棒性、泛化能力（具体指标未说明） | NA |
| 566 | 2026-02-10 |
DeepVBM: A fully automatic and efficient voxel-based morphometry via deep learning-based segmentation and registration methods
2026-Feb-02, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2026.110637
PMID:41638266
|
研究论文 | 本研究提出了一种基于深度学习的全自动体素形态测量方法DeepVBM，通过融合分割和配准技术，显著提高了大规模神经影像数据分析的效率 | 开发了FuseMorph配准方法，通过迭代推理和参数搜索优化预训练模型的零样本预测，无需完整反向传播或模型重训练，在仅CPU环境下实现高精度配准 | 未明确说明方法在其他神经退行性疾病或不同MRI协议下的泛化能力，且可能依赖于特定预训练模型 | 开发一个高效、自动化的体素形态测量流程，以促进大规模多中心神经影像研究 | T1加权磁共振成像数据，特别是阿尔茨海默病队列的脑部结构 | 医学影像分析 | 阿尔茨海默病 | T1加权磁共振成像 | 深度学习模型 | 图像 | 多个数据集，包括一个阿尔茨海默病队列 | 未明确指定 | 未明确指定 | 配准精度 | 仅CPU环境 |
| 567 | 2026-02-10 |
Deep learning-enhanced zero echo time silent brain magnetic resonance imaging in infants without sedation
2026-Feb, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06413-0
PMID:41219520
|
研究论文 | 本研究评估了基于深度学习的重建技术对零回波时间（ZTE）婴儿脑部磁共振成像图像质量的影响，并与传统镇静下的MRI进行了比较 | 首次将深度学习重建应用于婴儿无镇静的ZTE脑部MRI，显著提升了图像质量，并验证了其与镇静下常规MRI的可比性 | 研究为回顾性设计，样本量相对有限（78名婴儿），且未评估长期临床影响 | 评估深度学习重建在提升无镇静婴儿脑部ZTE MRI图像质量方面的效果，以减少镇静需求 | 婴儿（孕后年龄≤16个月）的脑部磁共振成像 | 医学影像 | 婴儿脑部疾病 | 磁共振成像（MRI），包括零回波时间（ZTE）序列和3D T1加权磁化准备快速梯度回波（MPRAGE）序列 | 深度学习（DL） | 磁共振图像 | 78名婴儿 | NA | NA | 图像质量评分（5点Likert量表），信号均匀性（变异系数），病变显著性，组间差异分析（Mann-Whitney U检验），评分者间一致性（Cohen's kappa系数） | NA |
| 568 | 2026-02-10 |
The regulatory code of injury-responsive enhancers enables precision cell-state targeting in the CNS
2026-Feb, Nature neuroscience
IF:21.2Q1
DOI:10.1038/s41593-025-02131-w
PMID:41331142
|
研究论文 | 本研究通过单核转录组学和染色质可及性分析，解码了哺乳动物中枢神经系统损伤响应增强子的调控编码，并利用深度学习模型揭示其细胞类型特异性，最终通过体内增强子筛选展示了其在靶向治疗中的应用潜力 | 首次系统性地解码了中枢神经系统损伤响应增强子的调控原则，结合深度学习模型揭示了其整合通用刺激响应元件与细胞身份程序的架构，并成功应用于靶向疾病相关细胞状态的基因递送载体设计 | 研究主要基于小鼠脊髓挫伤模型，结果在人类或其他损伤模型中的普适性有待验证；深度学习模型的解释性可能有限 | 探究损伤诱导的转录程序如何编码于哺乳动物中枢神经系统的增强子中，并开发靶向疾病相关细胞状态的精准治疗策略 | 小鼠脊髓挫伤后的细胞类型特异性增强子，特别是胶质细胞中的损伤响应增强子 | 计算生物学 | 中枢神经系统损伤 | 单核转录组学，染色质可及性分析，深度学习，体内增强子筛选 | 深度学习模型 | 转录组数据，染色质可及性数据 | 数千个小鼠脊髓损伤后的细胞类型特异性增强子 | NA | NA | NA | NA |
| 569 | 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 |
| 570 | 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 |
| 571 | 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 |
| 572 | 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 |
| 573 | 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 |
| 574 | 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 |
| 575 | 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 |
| 576 | 2026-02-09 |
A fine-grained fundus image dataset for cataract severity assessment and diagnosis
2026-Feb-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06684-8
PMID:41654552
|
研究论文 | 本文构建了一个细粒度白内障严重程度评估和诊断的眼底图像数据集，并提出了一个基于多模态大语言模型的诊断框架 | 首次应用多模态大语言模型技术进行精确的定量白内障诊断，并公开了首个包含细粒度分类和专业诊断描述的高质量眼底图像数据集 | 数据集规模相对较小，仅包含187个病例，可能影响模型的泛化能力 | 开发一个能够进行多级别白内障严重程度评估并生成专业诊断建议的自动化诊断系统 | 白内障患者的眼底图像 | 计算机视觉 | 白内障 | 眼底成像 | MLLM | 图像, 文本 | 187个眼底图像病例 | NA | 多模态大语言模型 | 严重程度评分准确性, 诊断报告生成质量 | NA |
| 577 | 2026-02-09 |
Assessing conformation validity and rationality of deep learning-generated 3D molecules
2026-Feb-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69303-5
PMID:41654558
|
研究论文 | 本文提出了一种用于评估AI生成3D分子构象有效性与合理性的两阶段方法 | 开发了结合AI力场与深度学习网络的两阶段评估系统，在保持高速计算的同时达到量子力学精度水平 | 未明确说明方法在极端分子结构或非常规化学环境中的适用性限制 | 解决AI生成3D分子构象缺乏有效评估方法的问题 | AI生成的3D分子构象 | 机器学习 | NA | 密度泛函理论, AI力场 | 深度学习网络 | 3D分子结构数据 | 对5个AI模型在102个靶点（Directory of Useful Decoys-Enhanced数据集）生成的分子进行评估 | NA | NA | 构象有效性, 构象合理性, 计算速度, 量子力学精度 | NA |
| 578 | 2026-02-09 |
Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning
2026-Feb-07, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02399-7
PMID:41654658
|
研究论文 | 本研究开发了两种基于几何深度学习的模型，用于实时预测左心室几何结构上的激活时间图，以辅助心脏再同步化治疗（CRT）的术前规划 | 首次将几何深度学习方法（图神经网络GNN和几何信息神经算子GINO）应用于左心室激活时间的实时预测，并开发了从激活时间图反推最优起搏位点的工作流程 | 模型在真实世界左心室几何结构上的误差（约4%）仍需进一步降低，且研究尚未进行大规模临床验证 | 开发一种快速预测左心室电激活的方法，为心脏再同步化治疗（CRT）的个性化术前规划提供决策支持 | 左心室（LV）的几何结构及其电激活特性 | 数字病理学 | 心血管疾病 | 有限元模拟，几何深度学习 | GNN, GINO | 几何形状数据，模拟生成的激活时间图 | 基于大范围合成左心室形状、起搏位点配置和组织电导率生成的合成数据集 | NA | 图神经网络（GNN），几何信息神经算子（GINO） | 预测误差百分比 | NA |
| 579 | 2026-02-09 |
CMC-WDTK: CpG methylation change prediction by a weight-sharing dual-branch Transformer-Kolmogorov-Arnold network model
2026-Feb-07, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-026-12627-9
PMID:41654764
|
研究论文 | 本文提出了一种名为CMC-WDTK的深度学习框架，用于整合CpG位点侧翼序列和相邻单核苷酸变异信息，以预测DNA序列间的甲基化变化 | 首次提出结合权重共享双分支Transformer与Kolmogorov-Arnold网络（KAN）的深度学习框架，用于预测序列间的甲基化变化，并能够捕获参考序列和变异序列的全局与局部特征 | 未明确提及模型在更广泛或更复杂生物条件下的泛化能力限制，也未讨论计算资源需求或模型可解释性的具体局限 | 开发一种能够整合个体遗传变异信息，以准确预测DNA甲基化变化的计算工具 | DNA序列，特别是CpG位点及其侧翼序列，以及相邻的单核苷酸变异 | 机器学习 | 癌症 | DNA甲基化分析 | Transformer, KAN | 序列数据 | 八个真实数据集 | NA | 权重共享双分支Transformer, Kolmogorov-Arnold网络 | AUC | NA |
| 580 | 2026-02-09 |
Advanced deep learning techniques for classifying dental conditions using panoramic X-ray images
2026-Feb-07, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07727-7
PMID:41654817
|
研究论文 | 本研究评估了多种深度学习技术，用于在口腔全景X光图像中自动分类牙科疾病，包括定制CNN、混合CNN-机器学习模型和微调预训练架构 | 比较了定制CNN、混合CNN-机器学习模型和微调预训练架构在牙科疾病分类中的性能，并发现混合CNN-随机森林模型表现最佳 | 观察到形态相似疾病之间的系统误分类，表明这些AI系统应作为临床专业知识的辅助工具，需要前瞻性验证研究 | 评估深度学习技术用于牙科疾病自动分类的性能 | 口腔全景X光图像中的牙科疾病，包括填充物、龋齿、种植体和阻生牙 | 计算机视觉 | 牙科疾病 | 全景X光成像 | CNN, 支持向量机, 决策树, 随机森林 | 图像 | 1,512张口腔全景X光图像，包含11,137个手动标注边界框，平衡数据集为每个疾病894个样本 | NA | VGG16, Xception, ResNet50 | 准确率, 精确率, 召回率, F1分数 | NA |