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 1474 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 |
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 |
| 1122 | 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 |
| 1123 | 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 |
| 1124 | 2026-02-12 |
Attention-Enhanced Convolutional BiLSTM Model for Predicting Recovery Outcomes in Sports Injuries
2026-Feb, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-025-01417-2
PMID:41669206
|
研究论文 | 本研究提出了一种新颖的混合深度学习模型，用于预测运动损伤的康复结果 | 提出了一种结合注意力机制、随机森林优化、卷积神经网络和双向长短期记忆网络的混合模型（A-RF-CBiLSTM），用于运动损伤康复预测，显著提升了预测性能 | 未明确提及模型在外部验证集上的泛化能力或临床部署的可行性 | 改进运动损伤评估和康复预测，为年轻运动员提供精准个性化的康复方案 | 下肢运动损伤 | 机器学习 | 运动损伤 | 肌电图（EMG）、运动学数据采集 | CNN, BiLSTM | 肌电图信号、运动学数据 | 来自四个综合数据集的数据，具体样本数量未明确说明 | NA | 卷积块注意力模块（CBAM）、深度可分离卷积神经网络、双向长短期记忆网络 | 准确率, 精确率, 召回率, F1分数, 特异性 | NA |
| 1125 | 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 |
| 1126 | 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 |
| 1127 | 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 |
| 1128 | 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 |
| 1129 | 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 |
| 1130 | 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 |
| 1131 | 2026-02-11 |
spRefine denoises and imputes spatial transcriptomics with a reference-free framework powered by genomic language model
2026-Feb-03, Genome research
IF:6.2Q1
DOI:10.1101/gr.281001.125
PMID:41633767
|
研究论文 | 本文介绍了一种名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插补，以提升数据质量和下游分析效果 | spRefine首次结合基因组语言模型，以无参考框架同时实现空间转录组数据的去噪和插补，并展示了在模型预训练和新生物信号发现方面的应用潜力 | NA | 解决空间转录组数据分析中高噪声和基因测量缺失的问题，提升数据整合和下游应用准确性 | 空间转录组数据 | 机器学习 | NA | 空间转录组学 | 深度学习 | 空间转录组数据 | NA | NA | 基因组语言模型 | NA | NA |
| 1132 | 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 |
| 1133 | 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 |
| 1134 | 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 |
| 1135 | 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 |
| 1136 | 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 |
| 1137 | 2026-02-11 |
CalDiff: Calibrating Uncertainty and Accessing Reliability of Diffusion Models for Trustworthy Lesion Segmentation
2026-Feb, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3624331
PMID:41129433
|
研究论文 | 提出CalDiff框架，通过校准扩散模型的不确定性，提高医学图像中病灶分割的可靠性和可信度 | 利用扩散模型的生成能力，提出双步序感知校准机制，处理多标注和多预测场景下的不确定性校准与模型可靠性评估 | 未明确说明模型在更广泛疾病类型或数据集上的泛化能力，以及计算资源需求的具体细节 | 开发可靠的病灶分割模型，以支持高风险临床决策 | 医学图像中的病灶分割 | 数字病理 | NA | 扩散模型 | 扩散模型 | 图像 | 在两个病灶分割数据集上进行实验 | NA | CalDiff | 不确定性校准评估，模型可靠性分析 | NA |
| 1138 | 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 |
| 1139 | 2026-02-11 |
X-ray phase contrast imaging in GAMOS
2026-Feb, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2026.105716
PMID:41512441
|
研究论文 | 本文开发并验证了一个基于GAMOS框架的蒙特卡罗模拟环境，用于真实模拟X射线相位对比成像现象，包括折射和波前传播 | 在GAMOS框架内集成两个互补的模拟模块，结合几何光学和波动光学模型，灵活模拟多种PCI设置 | 未明确提及具体应用场景的性能验证或实验数据对比 | 开发并验证能够真实模拟X射线相位对比成像现象的蒙特卡罗框架 | X射线相位对比成像现象，包括折射和波前传播 | 医学成像 | NA | X射线相位对比成像 | 蒙特卡罗模拟 | 模拟数据 | NA | GAMOS | 基于Snell定律的折射模型, Fresnel波前传播模型 | 与理论预测的一致性 | NA |
| 1140 | 2026-02-11 |
Artificial Intelligence Model for Automated Identification of Bowel Preparation for Colonoscopy (AI-PREPOO): A Multicenter Study
2026-Feb, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.70235
PMID:41521851
|
研究论文 | 本研究开发了基于深度学习的AI模型（AI-PREPOO），用于自动识别结肠镜检查前的肠道准备状态 | 首次利用智能手机拍摄的粪便图像，通过迁移学习训练多个深度学习模型，实现肠道准备状态的自动化评估 | 样本量较小（仅37名患者），图像数据可能受拍摄条件影响，需进一步多中心验证 | 开发自动化AI模型以评估结肠镜检查前的肠道准备充分性，减轻医疗负担 | 结肠镜检查前患者的粪便图像 | 计算机视觉 | 结肠疾病 | 深度学习图像识别 | CNN | 图像 | 37名患者提供的282张粪便图像 | 未明确提及 | MobileNetV3-Small | AUC, 敏感性, 特异性 | NA |