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 1484 篇文献，本页显示第 1001 - 1020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1001 | 2026-02-15 |
Comprehensive 3D Optical Coherence Tomography Dataset for AMD and DME: Facilitating Deep-Learning-Based 3D Segmentation
2026-Feb-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06497-1
PMID:41667492
|
研究论文 | 本文提出了一个用于AMD和DME的3D OCT数据集，并基于BiFormer Block设计了一种新颖的3D分割网络 | 首次提供了针对AMD和DME的3D OCT数据集，并引入了基于BiFormer Block的新型3D分割网络，利用Bi-Level Routing Attention捕捉局部上下文和长距离依赖关系 | 数据集规模相对较小，仅包含224个体积图像，可能影响模型的泛化能力 | 促进基于深度学习的3D分割技术在AMD和DME领域的应用 | 年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）患者 | 计算机视觉 | 年龄相关性黄斑变性, 糖尿病性黄斑水肿 | 光学相干断层扫描（OCT） | CNN | 3D体积图像 | 224个体积图像（122个AMD，102个DME） | NA | BiFormer Block | NA | NA |
| 1002 | 2026-02-15 |
HBID24K: A New Benchmark Dataset for Vulnerable Houbara Bustard and Intruder Detection in Wildlife Monitoring
2026-Feb-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06496-2
PMID:41667517
|
研究论文 | 本文提出了一个用于脆弱波斑鸨及入侵者检测的新基准数据集HBID24K，并评估了10种先进的目标检测模型 | 创建了首个针对脆弱波斑鸨及入侵者检测的大规模、多样化相机陷阱图像数据集，填补了该领域数据资源的空白 | 数据集主要来自特定栖息地环境，可能对泛化到其他生态环境的模型性能产生影响 | 通过深度学习目标检测技术，自动化监测脆弱波斑鸨并检测对其巢穴构成威胁的入侵者，以支持有效的物种保护 | 脆弱波斑鸨（鸟类）及其栖息地中的潜在入侵者 | 计算机视觉 | NA | 相机陷阱图像采集 | 目标检测模型 | 图像 | 24,318张相机陷阱图像（其中15,070张波斑鸨图像，9,248张入侵者图像） | NA | YOLOv10 | 多种评估指标 | NA |
| 1003 | 2026-02-15 |
Graph-Based Deep Learning Models for Predicting pKa Values of Protein-Ionizable Residues via Physically Inspired Feature Engineering
2026-Feb-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01681
PMID:41570305
|
研究论文 | 本研究提出了一种融合分子动力学模拟和深度学习模型的集成框架，用于提高蛋白质可电离残基pKa值的预测准确性 | 通过基于AMOEBA极化力场的高通量分子建模构建了富含原子静电和其他物理启发特征的蛋白质结构数据集，并训练了三种基于图的神经网络模型，在预测准确性上相比PROPKA3.5.1有显著提升 | NA | 提高蛋白质残基pKa值的预测准确性，以促进对酶活性和蛋白质-配体结合的理解，支持药物发现 | 蛋白质可电离残基，包括天冬氨酸、谷氨酸、赖氨酸和组氨酸 | 机器学习 | NA | 分子动力学模拟，AMOEBA极化力场 | 图神经网络，图注意力网络 | 蛋白质结构数据 | 基于PKAD-2数据集的实验测定pKa值 | NA | 图注意力网络 | 预测准确性 | NA |
| 1004 | 2026-02-15 |
[Expert consensus on the application of artificial intelligence in stomatology]
2026-Feb-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
专家共识 | 本文提供了关于人工智能在口腔医学中应用的专家共识，全面概述了AI在疾病筛查、诊断辅助、治疗规划、预后预测和教育等领域的应用，并提出了数据治理、平台开发、伦理和监管方面的建议 | 通过深度学习与多模态分析，AI能高效整合锥束CT、口内扫描和电子健康记录数据，提升龋齿、牙髓病、牙周病、口腔黏膜病变及颌面创伤管理的精准度和效率，并推动组学研究、生物材料开发和实验室自动化 | 存在数据治理标准化不足、模型可解释性有限、隐私安全风险以及临床验证和监管框架不充分等挑战 | 为口腔医学从业者、医疗机构、研究者和行业利益相关者提供实用且统一的指导，促进AI在口腔医疗中的安全、规范和可持续发展 | 口腔医学领域，包括龋齿、牙髓病、牙周病、口腔黏膜病变、颌面创伤等疾病 | 数字病理 | 口腔疾病 | 深度学习，多模态分析 | NA | 图像，文本，电子健康记录 | NA | NA | NA | NA | NA |
| 1005 | 2026-02-15 |
Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes
2026-Feb-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69295-2
PMID:41663377
|
研究论文 | 本研究利用可解释AI分析人类胰腺切片，识别2型糖尿病的组织学特征 | 首次结合千像素显微镜图像与可解释AI技术，量化胰腺中α细胞、δ细胞和神经元轴突等细微形态变化作为2型糖尿病生物标志物 | 研究样本仅来自活体捐赠者，未涵盖疾病全谱；组织学变化与血糖状态的因果关系仍需进一步验证 | 开发基于深度学习的组织病理学方法，预测2型糖尿病状态并识别相关生物标志物 | 人类胰腺组织切片（来自活体捐赠者） | 数字病理学 | 2型糖尿病 | 多重免疫荧光染色，显色染色，千像素显微镜成像 | 深度学习模型 | 全切片图像 | NA | NA | NA | 预测性能 | NA |
| 1006 | 2026-02-15 |
Design and rationale of the artifiCiAl intelligence Model for Evaluating the surgical techniques of caRdiAc surgeons (CAMERA): a cohort study
2026-Feb-06, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-106359
PMID:41651534
|
研究论文 | 本研究旨在开发和验证一个基于人工智能的框架，用于自动评估冠状动脉旁路移植术中的手术技术技能 | 首次将人工智能驱动的评估应用于高风险心脏手术中，结合视觉印象和工具轨迹准确性进行自动化技能评分 | 单中心观察性研究，样本可能有限，且依赖于完整的术中视频数据 | 开发并验证一个AI框架，用于客观、自动地评估CABG手术中的技术技能 | 接受择期冠状动脉旁路移植术的成年患者及其术中视频数据 | 计算机视觉 | 心血管疾病 | 计算机视觉，深度学习 | NA | 视频 | NA | NA | NA | 组内相关系数 | NA |
| 1007 | 2026-02-15 |
Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations
2026-Feb-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000001333
PMID:41462401
|
研究论文 | 本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较 | 首次将深度学习模型应用于膝关节X光片上检测桶柄状半月板撕裂，并通过生成结合前后位和侧位视图的复合图像输入，实现了比骨科医生更高的诊断性能 | 研究样本主要来自单一机构，外部医院数据较少，可能影响模型的泛化能力；未详细说明模型的具体架构和训练细节 | 评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性 | 膝关节X光片（包括前后位和侧位视图） | 计算机视觉 | 骨科疾病 | X光成像 | CNN | 图像 | 共496名患者（来自本机构的406名患者和外部医院的90名患者）的膝关节X光片 | NA | NA | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 精确率, F1分数 | NA |
| 1008 | 2026-02-15 |
AI-enhanced Centiloid quantification of amyloid PET images
2026-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.71162
PMID:41670187
|
研究论文 | 本研究提出了一种名为DeepSUVR的深度学习方法，用于校正淀粉样蛋白PET图像的Centiloid量化，通过惩罚训练中不合理的纵向轨迹来提高量化的一致性和准确性 | 提出了一种新颖的AI方法，通过惩罚生物学上不合理的纵向轨迹，使模型能够在无需推理时纵向数据的情况下学习标准化摄取值比(SUVR)校正因子，从而显著提高跨示踪剂和研究的Centiloid一致性 | NA | 改进淀粉样蛋白(Aβ) PET图像的Centiloid量化，减少示踪剂和扫描仪之间的变异性，以支持临床决策和检测淀粉样蛋白的细微或早期变化 | 淀粉样蛋白PET图像 | 数字病理学 | 阿尔茨海默病 | 淀粉样蛋白正电子发射断层扫描(PET) | 深度学习 | 图像 | 训练数据来自2,129名参与者（7,149次Aβ PET扫描），验证数据来自10,543名参与者（15,807次Aβ PET扫描），涵盖10个外部数据集 | NA | NA | 相关性、变异性减少、与认知、视觉读取、神经病理学的关联强度、纵向一致性、效应大小 | NA |
| 1009 | 2026-02-15 |
LamNet: an alchemical-path-aware graph neural network to accelerate binding free energy calculations for drug discovery and beyond
2026-Feb, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf559
PMID:41675646
|
研究论文 | 本文提出了一种名为LamNet的图神经网络，用于加速药物发现中的蛋白质-配体结合自由能计算 | 将端点分子状态和连接它们的炼金术路径（由λ参数化）整合到一个物理信息表示学习框架中，明确地沿着选定的热力学变换路径对自由能变化进行建模，并优化λ调度以改进传统AFEM的收敛性 | 未在摘要中明确说明 | 加速药物发现中蛋白质-配体结合自由能的准确预测 | 蛋白质-配体结合 | 机器学习 | NA | 分子动力学模拟 | 图神经网络 | 分子结构数据 | 463个配体，16种蛋白质 | NA | LamNet | 相对结合自由能，绝对结合自由能 | NA |
| 1010 | 2026-02-15 |
An Effective Approach for Recognition of Crop Diseases Using Advanced Image Processing and YOLOv8
2026-Feb, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71504
PMID:41676010
|
研究论文 | 本文提出了一种结合先进图像处理和YOLOv8深度学习模型的方法，用于作物病害的识别与分类 | 采用局部对比度增强、小波变换、Sigmoid校正、伽马校正和中值滤波等先进图像处理技术预处理图像，并结合YOLOv8模型进行分割与分类，实现了高召回率和准确率的作物病害识别 | 未明确提及模型在未见过作物或环境条件下的泛化能力，以及计算资源需求的具体评估 | 开发一种计算机辅助方法，以自动检测和分类作物病害，提升农业病害管理效率 | 番茄、咖啡、黄瓜、橄榄和小麦等亚洲重要经济作物的病害 | 计算机视觉 | 作物病害 | 图像处理技术（局部对比度增强、小波变换、Sigmoid校正、伽马校正、中值滤波） | YOLOv8 | 图像 | 包含32种病害的混合数据集，具体样本数量未明确 | NA | YOLOv8 | 召回率, 准确率, 均方误差, 峰值信噪比 | NA |
| 1011 | 2026-02-14 |
NanoLoop: A Deep Learning Framework Leveraging Nanopore Sequencing for Chromatin Loop Prediction
2026-Feb-13, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202517692
PMID:41684299
|
研究论文 | 本文介绍了NanoLoop，一个利用纳米孔测序数据进行全基因组染色质环预测的深度学习框架 | 首次提出利用纳米孔测序数据预测染色质环的算法框架，并发现了四种影响组蛋白修饰水平的环锚点甲基化模式 | NA | 预测全基因组染色质相互作用，研究DNA甲基化与三维基因组组织之间的潜在联系 | 人类淋巴母细胞系 | 机器学习 | NA | 纳米孔测序 | 深度学习 | 测序数据 | 四个人类淋巴母细胞系 | NA | NA | NA | NA |
| 1012 | 2026-02-14 |
Deep learning-based cerebellar segmentation on T2-weighted fluid-attenuated inversion recovery magnetic resonance imaging for detecting cerebellar hypoplasia/atrophy in infants
2026-Feb-13, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06545-x
PMID:41686223
|
研究论文 | 本研究开发并验证了一种基于深度学习的模型，用于婴儿脑部MRI中小脑体积的测量，旨在检测小脑发育不全或萎缩 | 针对婴儿（特别是2岁以下）小脑尺寸小、MRI组织对比度低的挑战，开发了首个专注于婴儿小脑分割的深度学习模型，并利用预测年龄与实际年龄的差异（Δage）作为分类指标来辅助诊断 | 模型在异常数据集上的分割精度（DSC 0.882）低于正常数据集（DSC 0.962），且异常数据集样本量较小（40例），可能影响模型的泛化能力和诊断性能评估 | 开发并验证一个深度学习模型，用于婴儿脑部MRI中的小脑分割和体积测量，以检测小脑发育不全或萎缩 | 婴儿脑部MRI扫描图像，包括正常婴儿和患有小脑发育不全或萎缩的婴儿 | 数字病理学 | 小脑发育不全/萎缩 | T2加权液体衰减反转恢复磁共振成像 | 深度学习分割模型 | MRI图像 | 训练集：558例新生儿MRI扫描；验证集：正常组492例，异常组40例 | NA | NA | Dice相似系数, AUC | NA |
| 1013 | 2026-02-14 |
Predicting cardiovascular events from routine mammograms using machine learning
2026-Feb-12, Heart (British Cardiac Society)
DOI:10.1136/heartjnl-2025-325705
PMID:40957672
|
研究论文 | 本研究开发并测试了一种基于常规乳腺X光检查图像的深度学习算法，用于预测女性心血管事件风险 | 利用深度学习模型（基于DeepSurv架构）从常规乳腺X光检查图像中预测心血管风险，为女性心血管风险筛查提供了新方法 | 研究仅基于乳腺X光检查特征和年龄进行预测，未整合更多临床变量，且模型性能与传统工具相似，未显著超越 | 开发一种基于机器学习的心血管事件预测方法，以改善女性心血管风险评估 | 女性群体，特别是接受筛查乳腺X光检查的中年女性 | 机器学习 | 心血管疾病 | 乳腺X光检查 | 深度学习模型 | 图像 | 49196名女性，中位随访8.8年，其中3392人经历首次主要心血管事件 | NA | DeepSurv | concordance index, Harrells C-statistic | NA |
| 1014 | 2026-02-14 |
Coded Event Focal Stack for Continuous Refocusing in Dynamic Scene
2026-Feb-12, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3664082
PMID:41678483
|
研究论文 | 本文提出了一种名为编码事件焦栈的新方法，通过在调制焦距扫描期间记录的事件流捕获运动和深度信息，以实现动态场景中的连续重聚焦 | 引入编码事件焦栈，结合事件流和调制焦距扫描，能够生成任意焦距下的全时间中间帧，在动态场景中实现优越的重聚焦能力 | 未明确提及具体限制，但可能涉及事件流采集的硬件要求或复杂运动场景下的性能边界 | 解决传统相机在动态场景中因镜头限制导致的聚焦问题，开发连续重聚焦技术 | 动态场景中的运动和深度信息 | 计算机视觉 | NA | 事件流采集、调制焦距扫描 | NA | 事件流、合成和真实世界数据集 | 未明确指定样本数量，但涉及合成和真实世界数据集 | NA | NA | 未明确指定，但可能包括重聚焦准确性和时空一致性指标 | NA |
| 1015 | 2026-02-14 |
Facial Botox Injection Point Detection Using YOLOv8 Enhanced with CBAM and BiFPN: A Multi-Perspective Deep Learning Approach
2026-Feb-12, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01867-6
PMID:41680574
|
研究论文 | 本研究提出了一种基于YOLOv8增强的物体检测框架，通过集成CBAM和BiFPN模块，用于在面部图像上精确检测肉毒杆菌注射点 | 首次将CBAM注意力模块和BiFPN特征金字塔网络集成到YOLOv8框架中，用于肉毒杆菌注射点检测，并在小皱纹定位任务上取得了显著改进 | 研究仅在一个新的高分辨率数据集上进行评估，未在更广泛的数据集或实际临床环境中验证 | 开发自动化系统以准确、一致地识别面部肉毒杆菌注射点，辅助美容皮肤科临床决策 | 面部图像中的肉毒杆菌注射点 | 计算机视觉 | NA | 深度学习物体检测 | CNN | 图像 | NA | PyTorch | YOLOv8, CBAM, BiFPN | mAP@0.5 | NA |
| 1016 | 2026-02-14 |
Confidence-based prediction of antibiotic resistance at the patient level
2026-Feb-11, mBio
IF:5.1Q1
DOI:10.1128/mbio.03431-25
PMID:41575464
|
研究论文 | 本研究提出了一种基于深度学习的模型，利用患者数据和抗生素敏感性测试结果来预测未测量的抗生素敏感性 | 该方法首次结合患者数据和抗生素敏感性测试结果，利用Transformer模型预测抗生素耐药性，并采用一致性预测来评估预测不确定性 | 模型在青霉素和喹诺酮类抗生素的耐药性预测中显示出较高的主要错误率 | 开发一种快速、准确的抗生素耐药性预测方法，以支持临床决策并减少抗生素过度使用 | 细菌感染患者及其抗生素敏感性测试结果 | 机器学习 | 细菌感染 | 抗生素敏感性测试 | Transformer | 文本数据 | 来自30个欧洲国家的300万份抗生素敏感性测试结果 | NA | Transformer | 准确率, 主要错误率, 非常主要错误率 | NA |
| 1017 | 2026-02-14 |
Clinical feasibility test of 60 kVp double-low-dose coronary CT angiography with a deep learning reconstruction algorithm
2026-Feb-10, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-026-02223-6
PMID:41665766
|
研究论文 | 本研究测试了采用深度学习重建算法的60 kVp双低剂量冠状动脉CT血管成像在临床中的可行性 | 首次将深度学习重建算法应用于60 kVp双低剂量冠状动脉CT血管成像，以显著降低辐射剂量和造影剂用量，同时保持与常规剂量成像在冠状动脉狭窄和CT-FFR评估方面的高一致性 | 样本量相对较小（89例患者），且研究为单中心前瞻性设计，可能需要更大规模的多中心验证 | 评估60 kVp双低剂量冠状动脉CT血管成像结合深度学习重建算法在临床应用的可行性 | 已知或疑似冠状动脉疾病的患者 | 医学影像 | 心血管疾病 | 冠状动脉CT血管成像 | 深度学习重建算法 | 医学影像 | 89例患者（44名女性，平均年龄59.9±13.2岁，平均BMI 23.1±3.3 kg/m²） | NA | NA | 特异性, 阳性预测值, 准确率, AUC, 图像质量评分, 信噪比, 对比噪声比 | NA |
| 1018 | 2026-02-12 |
Reply: Deep learning and digital pathology power prediction of HCC development in steatotic liver disease
2026-Feb-10, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001697
PMID:41665974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1019 | 2026-02-14 |
Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins
2026-Feb-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02389
PMID:41574593
|
研究论文 | 本文开发了名为Deep GIST的深度学习模型，用于快速预测蛋白质周围水合热力学量的空间分布，以替代计算密集的网格非均匀溶剂化理论方法 | 首次将深度学习应用于蛋白质水合热力学分布预测，将计算时间从数十小时缩短至数十秒，并能够考虑蛋白质构象波动 | Δ()和Δ()的预测决定系数较低，模型性能有待进一步提升 | 开发高效准确的深度学习模型，用于预测蛋白质周围水合热力学量的空间分布 | 蛋白质周围的水合热力学分布，包括水合自由能Δ()、水合能Δ()和水合熵Δ() | 机器学习 | NA | 分子动力学模拟，深度学习 | 深度学习模型 | 分子动力学模拟数据 | NA | NA | NA | 决定系数，相关系数 | 单个图形处理单元 |
| 1020 | 2026-02-14 |
Better Inputs, Better Learning: A Peptide Embedding Tutorial for Proteomic Mass Spectrometry
2026-Feb-06, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.5c00563
PMID:41528974
|
技术说明 | 本文介绍了一个关于肽嵌入的教程，通过Google Colab笔记本教授五种不同的肽嵌入策略，旨在帮助研究人员将现代深度学习应用于蛋白质组学工作流 | 提供了首个专注于肽嵌入准备步骤的全面教育材料，填补了蛋白质组学与深度学习社区之间的知识空白，并通过免费笔记本降低学习门槛 | 作为技术说明，可能未涵盖所有嵌入方法或深入探讨高级模型细节，且主要面向初学者 | 教育蛋白质组学研究人员如何为深度学习准备肽数据，特别是通过嵌入策略优化输入表示 | 肽字符串及其在质谱蛋白质组学中的嵌入表示 | 机器学习 | NA | 质谱蛋白质组学，深度学习 | NA | 肽序列数据 | NA | Google Colab | NA | 基准比较（未指定具体指标） | Google Colab（云平台） |