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 1451 篇文献，本页显示第 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2026-02-12 |
Sjögren's syndrome-focusassist: lymphocytic focus assessment in Sjögren's syndrome: a deep learning and spatial analysis approach
2026-Feb-10, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-026-01756-0
PMID:41668096
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1122 | 2026-02-12 |
Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques
2026-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2400318
PMID:39235388
|
研究论文 | 本研究使用基于LSTM的深度学习技术，探索关节角度和表面肌电信号对关节扭矩预测准确性的贡献 | 通过训练三种双向LSTM模型，分别使用关节角度、表面肌电信号及两者组合作为输入，评估了不同输入模态对下肢关节扭矩预测的独立和联合效果，发现单一输入模态在某些情况下可能足以准确预测特定关节扭矩 | 研究基于公开数据集进行，可能受限于数据集的样本规模和多样性；未探讨模型在其他运动模式或临床场景下的泛化能力 | 预测下肢关节扭矩，以评估关节角度和表面肌电信号在扭矩预测中的相对贡献 | 正常行走过程中的下肢关节扭矩 | 机器学习 | NA | 表面肌电信号采集 | LSTM | 时间序列数据 | 使用公开数据集，具体样本数量未在摘要中明确说明 | NA | 双向LSTM | 归一化均方根误差, Pearson相关系数 | NA |
| 1123 | 2026-02-12 |
Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies
2026-Feb-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001218
PMID:40586610
|
研究论文 | 本研究利用深度学习模型通过PI-RADS引导的表征学习，从双参数前列腺MRI图像中学习放射科医生的解读方式，以区分PI-RADS 3分类，检测临床显著前列腺癌，并减少不必要的良性活检 | 采用PI-RADS引导的表征学习方法训练深度学习模型，从放射科医生自信评估的MRI图像中学习表征，以解决PI-RADS 3分类的模糊性问题，并开发基于这些表征的活检决策模型，在避免良性活检方面优于放射科医生和临床模型 | 研究为单机构回顾性研究，可能受限于数据来源的多样性和读者差异，且模型在外部验证和泛化能力方面未明确评估 | 通过深度学习模型改善前列腺MRI中PI-RADS 3分类的歧义性，提高临床显著前列腺癌的检测准确性，并优化活检决策策略以减少不必要的良性活检 | 前列腺癌患者，包括已知或疑似前列腺癌的男性，涉及MRI检查和后续活检数据 | 数字病理学 | 前列腺癌 | 双参数前列腺MRI（T2加权和扩散加权成像） | 深度学习模型，表征学习器 | 图像 | 28,263次MRI检查（来自21,938名男性），其中6,352次后续活检，训练集包括21,465次放射科医生自信评估的检查 | NA | NA | AUC, 敏感性, 阴性预测值, 活检产出率 | NA |
| 1124 | 2026-02-12 |
AFM-Based Deep Learning Decodes Human Macrophage Mechanophenotypes
2026-Feb, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202500953
PMID:40722235
|
研究论文 | 本研究介绍了一种结合原子力显微镜与深度学习的集成平台，用于在单细胞分辨率下对巨噬细胞进行无标记的机械表型分析 | 首次将原子力显微镜的纳米级力学映射与深度神经网络相结合，实现了无需传统免疫标记、能动态区分巨噬细胞功能表型（M0、M1、M2）并揭示混合极化状态的非破坏性方法 | 未明确提及样本量或外部验证队列的详细信息，且方法可能依赖于特定的仪器平台 | 开发一种无标记、动态的免疫监测策略，通过细胞力学特性解码巨噬细胞的功能表型 | 人类巨噬细胞在不同激活状态（初始M0、炎症M1、修复M2）下的形态与纳米力学特征 | 生物医学工程，计算生物学 | 免疫相关疾病（泛指） | 原子力显微镜纳米级力映射 | 深度神经网络 | 纳米力学与形态学图像数据（如杨氏模量、粘附力、球形度） | NA | NA | 深度神经网络（具体架构未指定） | 分类准确性（隐含） | NA |
| 1125 | 2026-02-12 |
Advanced deep learning for early diagnosis of arsenic-induced dermatological conditions through dermoscopic image evaluation
2026-Feb, Journal of medical engineering & technology
DOI:10.1080/03091902.2025.2590472
PMID:41273294
|
研究论文 | 本研究提出了一种先进的深度学习框架，通过皮肤镜图像分析支持砷诱导皮肤病的早期诊断 | 采用协同ResNet-DenseNet架构提取判别性图像特征，结合k近邻算法进行分类，实现了对砷暴露相关皮肤病变的高精度自动化评估 | 研究仅基于孟加拉国四个现场的数据集，可能缺乏全球代表性；未提及模型在外部验证集上的泛化性能 | 开发深度学习框架以辅助砷诱导皮肤病的早期诊断和公共卫生监测 | 砷暴露个体和未受影响个体的皮肤镜图像 | 计算机视觉 | 皮肤病 | 皮肤镜图像分析 | CNN, k-NN | 图像 | 8892张皮肤镜图像 | NA | ResNet, DenseNet | 准确率, F1分数, 灵敏度, 召回率 | NA |
| 1126 | 2026-02-12 |
Computed tomography-based prediction of commissural positions facilitates valve-sparing aortic root replacement
2026-Feb, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2025.11.007
PMID:41658864
|
研究论文 | 本研究比较了基于CT的主动脉根部再植入术规划与传统方法，并评估了深度学习算法自动CT测量的准确性 | 首次将深度学习算法应用于CT测量，以自动化预测主动脉瓣连合位置，减少术中调整需求 | 样本量较小（仅20例患者），且为单中心研究，可能影响结果的普遍性 | 评估CT规划和深度学习算法在主动脉根部再植入术中的效果 | 接受David再植入术的主动脉根部疾病患者 | 数字病理学 | 心血管疾病 | 计算机断层扫描（CT），心电图门控CT | 深度学习算法 | CT图像 | 20例患者用于CT组，20例对照组，另50例用于算法验证 | NA | NA | 组内相关系数（ICC），差异范围 | NA |
| 1127 | 2026-02-12 |
Deformable lung models for anatomical lung resections: The introduction of simulated reality for imaging guidance
2026-Feb, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2025.10.022
PMID:41658897
|
研究论文 | 本文介绍了一种结合人工智能、有限元方法、三维可视化和四维交互的PulmoSimulatedReality技术，用于肺切除术的术前成像和术中手术引导 | 提出了PulmoSimulatedReality技术，首次将人工智能、有限元方法、三维可视化和四维交互集成，为肺切除术提供动态可变形解剖模型 | 仅进行了30例患者的初步验证，样本量较小，且为回顾性研究，缺乏前瞻性临床验证 | 开发并验证一种用于肺切除术术前成像和术中引导的新型四维可变形肺模型技术 | 接受肺切除术的30例患者 | 数字病理 | 肺癌 | 深度学习算法、有限元方法、三维可视化、四维交互 | 深度学习算法 | 医学影像数据、术中视频记录 | 30例接受肺切除术的患者 | NA | NA | 准确度、精确度、灵敏度、延迟时间、三维模型重建时间 | NA |
| 1128 | 2026-02-12 |
RE: An observational study of deep learning and automated evaluation of cervical images for cancer screening
2026-Feb-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djaf348
PMID:41392328
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1129 | 2026-02-12 |
Hotspots and Trends in the Application of Artificial Intelligence in Spine Medicine from 2005 to 2024: A Bibliometric and Visualization Analysis
2026-Feb, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-025-01585-1
PMID:41669209
|
研究论文 | 本文对2005年至2024年间人工智能在脊柱医学领域的应用进行了全面的文献计量和可视化分析，揭示了研究热点和趋势 | 首次通过文献计量学方法系统梳理了人工智能在脊柱医学领域近二十年的发展历程，识别了研究热点和前沿，并提出了未来研究方向 | 分析仅基于Web of Science核心合集数据库的英文文献，可能遗漏其他语言或数据库的相关研究，且文献计量方法本身存在一定局限性 | 通过文献计量分析揭示人工智能在脊柱医学领域的研究趋势，为未来研究方向提供信息 | 2005年至2024年间Web of Science核心合集中关于人工智能在脊柱医学应用的英文出版物 | 机器学习 | NA | 文献计量分析，可视化分析 | NA | 文献数据 | 1344篇论文 | CiteSpace, VOSviewer, Bibliometrix R | NA | NA | NA |
| 1130 | 2026-02-11 |
Predicting postoperative atrial fibrillation: An explainable deep learning approach
2026-Feb-25, Journal of biomedical research
IF:2.2Q3
DOI:10.7555/JBR.39.20250387
PMID:41664547
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1131 | 2026-02-11 |
Spatiotemporal prediction and attribution of groundwater storage anomaly using enhanced hybrid deep learning modeling with uncertainty quantification
2026-Feb-15, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.128766
PMID:41619477
|
研究论文 | 本研究提出了一种集成了预测、归因分析和不确定性量化的增强型混合深度学习框架，用于地下水储量异常的时空预测 | 构建了CNN-Attention-LSTM和Transformer-LSTM两种混合架构以捕获时空模式，并首次将Stein变分梯度下降法用于不确定性量化，同时结合SHAP进行归因解释，形成了一个透明且可信的预测框架 | 方法在长江流域的应用效果良好，但在其他地理或气候条件下的普适性有待进一步验证 | 实现高精度、可靠且可解释的地下水储量异常时空预测与归因分析 | 中国长江流域的地下水储量异常 | 机器学习 | NA | NA | CNN, LSTM, Transformer | 时空序列数据 | NA | NA | CNN-Attention-LSTM, Transformer-LSTM | R | NA |
| 1132 | 2026-02-11 |
Deep-Learning-Based Broadband Lightsource X-ray Absorption Spectroscopy Using Photon-Counting Detector
2026-Feb-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05977
PMID:41620946
|
研究论文 | 本文提出了一种基于深度学习的Spectral-Transformer框架，用于校正光子计数探测器在宽带光源X射线吸收光谱中的光谱失真 | 提出Spectral-Transformer深度学习框架，通过双模态映射机制融合光谱和管电流输入，并应用物理信息损失函数作为反馈，以保持峰值位置和总光子数 | NA | 校正光子计数探测器在高光子通量下因堆积和极化效应导致的光谱失真，提升宽带光源X射线吸收光谱的分析性能 | 宽带光源X射线吸收光谱 | 机器学习 | NA | X射线吸收光谱 | Transformer | 光谱数据 | NA | NA | Spectral-Transformer | KL散度, 材料分类准确率 | NA |
| 1133 | 2026-02-11 |
A novel approach for atrial fibrillation-related obstructive sleep apnea detection using enhanced single-lead electrocardiogram features with customized deep learning algorithm
2026-Feb-10, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsaf226
PMID:40795334
|
研究论文 | 本文提出了一种基于增强单导联心电图特征和定制深度学习算法的新方法，用于检测心房颤动相关的阻塞性睡眠呼吸暂停 | 引入了SHHDeepNet深度学习框架，利用重建独立成分分析增强单导联心电图特征，实现了对心房颤动相关阻塞性睡眠呼吸暂停的高效检测 | 研究样本量相对有限，且外部验证数据集的多样性可能不足 | 开发一种能够同时检测心房颤动和阻塞性睡眠呼吸暂停的方法，以改善心血管健康评估 | 心房颤动患者和阻塞性睡眠呼吸暂停患者的心电图信号 | 机器学习 | 心血管疾病 | 单导联心电图信号处理，重建独立成分分析 | 深度学习 | 心电图信号 | 内部验证：101名受试者（来自睡眠心脏健康研究数据库）；外部验证：123名受试者（来自男性骨质疏松性骨折数据库） | NA | SHHDeepNet | 准确率, 灵敏度, 特异性, AUC, F1分数 | NA |
| 1134 | 2026-02-11 |
Discovery of High-Performance Ni0.62Fe0.23Ce0.15O Electrocatalyst for Oxygen Evolution Reaction via Active Machine Learning
2026-Feb-10, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c20812
PMID:41614688
|
研究论文 | 本文通过结合机器学习模型与遗传算法，发现了一种高性能的Ni0.62Fe0.23Ce0.15O电催化剂用于析氧反应 | 开发了一种结合随机森林回归模型与遗传算法的有效策略，用于预测和优化NiO基异质原子掺杂电催化剂的过电位，并通过实验验证和DFT计算揭示了其优异性能的机理 | NA | 优化异质原子掺杂过渡金属氧化物的结构和元素组成，以发现高性能的析氧反应电催化剂 | NiO基异质原子掺杂电催化剂 | 机器学习 | NA | 机器学习，遗传算法，密度泛函理论计算 | 随机森林回归，其他传统机器学习和深度学习模型 | NA | NA | NA | 随机森林回归 | 均方根误差 | NA |
| 1135 | 2026-02-11 |
Detection of external root resorption in periapical radiographs using YOLO-based deep learning model
2026-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf072
PMID:41014013
|
研究论文 | 本研究开发了一种基于YOLO的深度学习模型，用于在根尖周X光片中检测外部牙根吸收 | 采用YOLOv5x-cls和YOLOv5x-seg模型进行外部牙根吸收的检测与分割，并首次在模拟颌骨放射密度的体模模型上进行评估 | 研究样本仅基于110颗离体牙，且使用化学方法诱导外部牙根吸收，可能无法完全代表临床真实情况 | 开发人工智能算法以辅助诊断外部牙根吸收 | 110颗经过化学脱矿处理的离体牙齿 | 计算机视觉 | 牙科疾病 | X光成像 | CNN | 图像 | 584张根尖周X光片 | PyTorch | YOLOv5x-cls, YOLOv5x-seg | F1分数 | NA |
| 1136 | 2026-02-11 |
Single-step prediction of inferior alveolar nerve injury after mandibular third-molar extraction using contrastive learning and Bayesian auto-tuned deep learning model
2026-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf069
PMID:41014015
|
研究论文 | 本研究构建并评估了一个集成对比学习和贝叶斯优化的深度学习框架，用于预测下颌第三磨牙拔除后下牙槽神经损伤 | 首次将对比学习与贝叶斯优化结合，用于单步预测下牙槽神经损伤，显著提升了模型性能 | 研究为回顾性单中心数据，未来需要多中心验证，且全景X光片分析仍需专家解读 | 构建并评估深度学习框架以预测下颌第三磨牙拔除后下牙槽神经损伤 | 下颌第三磨牙拔除患者 | 计算机视觉 | 口腔颌面外科疾病 | 锥形束计算机断层扫描（CBCT），全景X光片 | 深度学习模型 | 图像 | 902张全景X光片和1,500张CBCT图像 | NA | MobileNetV2, ResNet101D, Vision Transformer, Twins-SVT, SSL-ResNet50 | 准确率, F1分数 | NA |
| 1137 | 2026-02-11 |
AutoFDP: Automatic Force-Based Model Selection for Multicriteria Graph Drawing
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3631659
PMID:41223106
|
研究论文 | 本文提出了一种基于用户指定可读性标准自动构建力导向模型的多准则图布局框架 | 系统整合传统力导向模型与准则驱动技术，实现基于用户指定标准自动构建定制化力导向模型 | 未明确说明框架在超大规模图或动态图场景下的性能表现 | 开发自动化的多准则图布局方法以提升图可视化质量 | 图布局模型与图可视化技术 | 计算机视觉 | NA | 力导向模型与准则驱动优化技术 | NA | 图数据 | 多种类型图数据集 | NA | NA | 边交叉最小化等可读性标准 | NA |
| 1138 | 2026-02-11 |
Quality Assessment of 3D Human Animation: Subjective and Objective Evaluation
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3631385
PMID:41223104
|
研究论文 | 本文提出了一种用于评估非参数化人体模型生成的虚拟人动画质量的数据驱动方法 | 首次针对非参数化人体模型生成的虚拟人动画开发了质量评估指标，并构建了包含主观真实性评分的数据集 | 未明确说明数据集的具体规模，且方法主要针对特定类型的虚拟人动画 | 开发虚拟人动画的质量评估方法 | 三维虚拟人动画 | 计算机视觉 | NA | 神经网络训练 | 线性回归器 | 三维动画序列 | NA | NA | NA | 相关性 | NA |
| 1139 | 2026-02-11 |
Deep learning-based super-resolution of contrast-enhanced volumetric interpolated breath-hold examination for evaluation of intracranial enhancing lesions
2026-Feb, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851251398622
PMID:41289091
|
研究论文 | 本研究评估了基于深度学习的超分辨率重建技术（DL-VIBE）在颅内增强病变诊断中的性能，并与传统MPRAGE序列进行比较 | 首次将基于深度学习的超分辨率重建技术应用于颅内对比增强病变的评估，实现了扫描时间的显著缩短 | DL-VIBE在整体图像质量和灰白质区分方面表现较低 | 比较DL-VIBE与传统MPRAGE在颅内增强病变诊断中的性能 | 颅内增强病变患者 | 医学影像分析 | 颅内病变 | 对比增强三维T1加权成像 | 深度学习 | 医学影像 | 97名患者（35名男性，62名女性；平均年龄59.2±15.3岁） | NA | NA | 图像质量评分、灰白质区分度、病变显著性、伪影评估、对比噪声比、病变数量、最大直径 | NA |
| 1140 | 2026-02-11 |
Projection-based molecular feature maps for CNN-driven nephrotoxicity prediction
2026-Feb, Archives of toxicology
IF:4.8Q1
DOI:10.1007/s00204-025-04234-6
PMID:41361121
|
研究论文 | 本研究提出了一种基于投影的分子特征图方法，用于通过CNN预测药物肾毒性 | 开发了一种将3D分子结构通过Mollweide和Equirectangular投影转换为2D特征图的新方法，并整合了原子位置、静电和范德华势能三种分子属性，增强了特征表示和模型性能 | 未明确说明模型在更大规模或更复杂分子数据集上的泛化能力，也未与其他先进的深度学习模型进行广泛比较 | 开发可靠的肾毒性预测模型以促进药物安全开发 | 化学分子结构 | 机器学习 | 肾毒性 | 3D空间转换投影技术 | CNN | 2D图像（分子特征图） | NA | NA | CNN（具体架构未指定） | 准确率, AUC | NA |