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 1361 - 1380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1361 | 2026-01-13 |
Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated With Neoadjuvant Chemotherapy
2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70054
PMID:40920176
|
研究论文 | 本研究评估了整合超声和多序列MRI的深度学习放射组学列线图在预测接受新辅助化疗的三阴性乳腺癌患者生存、复发和转移方面的预后性能 | 开发了一种整合临床参数、超声和多序列MRI的深度学习放射组学列线图模型，用于三阴性乳腺癌患者的预后预测，并进行了多中心验证 | 回顾性研究设计，样本量相对较小（103例患者），且仅针对三阴性乳腺癌这一特定亚型 | 评估整合超声和多序列MRI的深度学习放射组学列线图在预测三阴性乳腺癌患者预后方面的性能 | 接受新辅助化疗的三阴性乳腺癌患者 | 数字病理学 | 乳腺癌 | 超声成像, 多序列磁共振成像 | 深度学习放射组学模型 | 二维超声图像, 三维MRI图像 | 103例患者（训练组72例，验证组31例） | NA | 深度学习放射组学列线图 | 一致性指数 | NA |
| 1362 | 2026-01-13 |
Artificial Intelligence Deep Learning Ultrasound Discrimination of Cosmetic Fillers: A Multicenter Study
2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70079
PMID:41024593
|
研究论文 | 本研究利用基于YOLO架构的深度学习人工智能技术，通过超声图像对常见美容填充剂进行可靠鉴别 | 首次将人工智能深度学习应用于超声图像中美容填充剂的鉴别，填补了该领域的研究空白 | 对钙羟基磷灰石和聚甲基丙烯酸甲酯填充剂的识别性能较低且不一致，需要进一步优化 | 开发人工智能深度学习模型以在真实条件下通过超声图像准确鉴别不同类型的美容填充剂 | 超声图像中的美容填充剂，包括透明质酸、聚甲基丙烯酸甲酯、钙羟基磷灰石和硅油 | 计算机视觉 | NA | 超声成像 | 深度学习 | 图像 | 1432张来自6个国家14位医生收集的超声图像 | NA | YOLO, YOLOv11 | 准确率, F1分数, 精确率, 召回率 | NA |
| 1363 | 2026-01-12 |
Hybrid TCN-BiGRU model for accurate air quality index prediction
2026-Feb-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.127577
PMID:41443548
|
研究论文 | 提出一种结合TCN和BiGRU的混合深度学习模型，用于准确预测空气质量指数 | 通过级联架构与残差连接整合TCN和BiGRU，利用TCN提取多尺度时间特征，BiGRU双向处理特征以捕获上下文依赖 | 跨年度验证显示性能下降8.3%，跨城市迁移学习仅能达到完全本地训练性能的74.2-82.7% | 空气质量指数预测，用于污染控制和公共健康保护 | 北京、广州、上海等城市的空气质量数据 | 机器学习 | NA | 深度学习 | TCN, BiGRU | 时间序列数据 | 北京（2022年和2023年）、广州（2023年）、上海（2023年）的数据集，涵盖16个季节-区域场景 | NA | TCN-BiGRU混合架构 | RMSE, R值 | NA |
| 1364 | 2026-01-12 |
Possibilities and limitations of artificial intelligence in food-derived peptides
2026-Feb, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.70099
PMID:40751946
|
综述 | 本文综述了人工智能在食品源肽研究中的应用、挑战与未来前景 | 深入探讨了AI与食品源肽研究的深度融合，提出了标准化多维数据库、计算可视化框架及跨学科策略等创新方向 | 面临数据集完整性不足、模型架构优化困难、可解释性受限、实验验证需求高以及蛋白质结构预测中的维度诅咒和局部最优等挑战 | 评估人工智能在食品源肽研究中的传统方法应用、当前局限性与未来发展机遇 | 食品源肽 | 机器学习 | NA | NA | 随机森林, 卷积神经网络 | NA | NA | NA | NA | NA | NA |
| 1365 | 2026-01-12 |
Detection of kochia [Bassia scoparia (L.) A.J. Scott] and waterhemp [Amaranthus tuberculatus (Moq.) J.D. Sauer] in sugarbeet field using hyperspectral imaging and deep learning technologies
2026-Feb, Pest management science
IF:3.8Q1
DOI:10.1002/ps.70319
PMID:41147806
|
研究论文 | 本研究开发了一种基于高光谱成像和深度学习技术的模型，用于在田间条件下区分甜菜田中的杂草科氏藜和水苋菜 | 提出了一种结合光谱和空间特征的注意力增强卷积神经网络（AE-CNN），在杂草早期识别中实现了高达99.99%的分类准确率 | 研究仅针对两种特定杂草（科氏藜和水苋菜）与甜菜作物，未涉及其他杂草或作物种类，且模型性能依赖于高光谱成像数据，可能受田间环境条件影响 | 开发并评估一种能够准确区分甜菜田中入侵杂草与作物的高光谱成像深度学习模型，以支持精准农业中的定点杂草管理 | 甜菜田中的杂草科氏藜和水苋菜，以及甜菜作物本身 | 计算机视觉 | NA | 高光谱成像 | CNN, SVM | 图像 | NA | NA | 注意力增强卷积神经网络（AE-CNN） | 准确率, 精确率, 召回率, F1分数 | NA |
| 1366 | 2026-01-12 |
Synthetic imaging in dentistry: A narrative review of deep learning techniques and applications
2026-Feb, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106274
PMID:41338365
|
综述 | 本文是一篇关于深度学习在牙科成像中合成数据应用及挑战的叙述性综述 | 聚焦于使用合成数据作为解决牙科成像中数据隐私、类别不平衡和数据稀缺性挑战的潜在方案，并涵盖了技术、临床和伦理/监管多方面 | 牙科图像合成的研究仍然稀缺，缺乏关于使用合成图像进行数据增强影响的全面证据，关键挑战包括确保解剖学保真度和最小化伪影 | 探讨合成数据在牙科人工智能中克服数据稀缺和类别不平衡的潜力，以开发更稳健和可泛化的AI模型 | 牙科成像领域，特别是完全合成图像生成的研究 | 计算机视觉 | NA | 合成图像生成 | GAN, VAE, DDPM | 图像 | NA | NA | 生成对抗网络, 变分自编码器, 去噪扩散概率模型 | NA | NA |
| 1367 | 2026-01-12 |
Factors associated with rapid spinal radiographic progression in patients with axial spondyloarthritis: A hospital-based retrospective cohort study with mSASSS scoring using deep learning model
2026-Feb, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2025.152888
PMID:41418417
|
研究论文 | 本研究利用深度学习模型辅助mSASSS评分，通过回顾性队列分析，识别了中轴型脊柱关节炎患者脊柱影像快速进展的相关因素和保护因素 | 首次将深度学习模型应用于mSASSS评分，以自动化、客观的方式评估脊柱影像进展，并结合时间依赖性广义估计方程分析相关因素 | 研究为单中心回顾性队列设计，样本量有限（242名患者），可能存在选择偏倚，且深度学习模型的泛化能力未在外部数据集中验证 | 识别中轴型脊柱关节炎患者脊柱影像快速进展的相关和保护因素 | 中轴型脊柱关节炎患者 | 数字病理学 | 中轴型脊柱关节炎 | 脊柱侧位X光摄影，深度学习模型 | 深度学习模型 | 影像（脊柱X光片） | 242名患者，共379个观察间隔 | NA | NA | 调整后比值比，95%置信区间 | NA |
| 1368 | 2026-01-12 |
Deep transfer learning for comprehensive diagnosis of cotton leaf pathologies
2026-Feb, Microbial pathogenesis
IF:3.3Q2
DOI:10.1016/j.micpath.2025.108257
PMID:41422871
|
研究论文 | 本研究通过深度学习和图像处理技术，建立了一种自动诊断棉花叶部病害的方法 | 结合多种深度学习架构（如CNN、InceptionV3、ResNet50、VGG16、VGG19、Xception）进行棉花叶部病害诊断，并探索了ResNet50、RegNet、EfficientNetB和Vision Transformers等先进技术以提升模型性能 | 未明确提及具体局限性，但后续研究旨在通过集成更先进技术进一步提高模型的精度和效率 | 开发一种可靠且精确的自动化工具，用于预测和诊断棉花叶部病害，以支持精准农业 | 棉花叶部病害，特别是叶枯病，以及健康叶片 | 计算机视觉 | 棉花叶部病害 | 图像处理 | CNN | 图像 | 超过4200张图像，包括约3000张棉花叶枯病图像和1200张健康叶片图像 | NA | Convolutional Neural Network, InceptionV3, ResNet50, VGG16, VGG19, Xception | 验证准确率 | NA |
| 1369 | 2025-11-05 |
Decoding the regulatory genome with large-scale deep learning
2026-Feb, Nature reviews. Genetics
DOI:10.1038/s41576-025-00914-2
PMID:41184593
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1370 | 2026-01-11 |
Artificial intelligence for personalized management of vestibular schwannoma: a multidisciplinary clinical implementation study
2026-Feb, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf163
PMID:41502533
|
研究论文 | 本研究介绍并评估了一种用于前庭神经鞘瘤多学科团队会议的新型计算机辅助报告工具，旨在支持临床决策 | 利用深度学习自动分割肿瘤并提取体积和线性测量，为个性化管理提供自动化报告工具 | 自动化报告在28%的病例中需要人工修订，且初始准备时间略有增加 | 评估计算机辅助报告工具在前庭神经鞘瘤多学科团队会议中对决策效率和个性化管理的支持作用 | 前庭神经鞘瘤患者 | 数字病理学 | 前庭神经鞘瘤 | MRI（对比增强T1和T2序列） | 深度学习 | 医学影像 | 50名患者 | NA | NA | Dice系数 | NA |
| 1371 | 2026-01-10 |
Iterative Modeling via Structural Diffusion (IMSD): Exploring Fold-Switching Pathways in Metamorphic Proteins Using AlphaFold2-Based Generative Diffusion Model UFConf
2026-Feb, Proteins
IF:3.2Q2
DOI:10.1002/prot.70050
PMID:40990820
|
研究论文 | 本文提出了一种基于AlphaFold2的生成扩散模型UFConf的新算法IMSD，用于探索变形蛋白的折叠切换路径 | 开发了基于UFConf的迭代建模算法IMSD，首次利用生成扩散模型模拟变形蛋白从一种构象状态到另一种的完整折叠切换路径 | NA | 预测蛋白质折叠切换潜力并建模其重折叠路径 | 变形蛋白GA98、SA1 V90T和RfaH的C端结构域 | 机器学习 | NA | 生成扩散模型 | 扩散模型 | 蛋白质结构数据 | NA | AlphaFold2 | UFConf | NA | NA |
| 1372 | 2026-01-10 |
A Novel Multimodal Deep Image Analysis Model for Predicting Extraction/Non-Extraction Decision
2026-Feb, Orthodontics & craniofacial research
IF:2.4Q2
DOI:10.1111/ocr.70057
PMID:41195767
|
研究论文 | 本研究开发了一种基于深度学习模型的多模态图像分析模型，用于预测正畸治疗中的拔牙/非拔牙决策 | 提出了一种结合侧位头影测量片和口内扫描数据的多模态深度学习模型，并引入了新颖的牙齿空间特征提取方法 | 研究样本量相对有限（617例患者），且仅基于单一机构的数据，可能影响模型的泛化能力 | 开发一个辅助正畸医生决策的深度学习模型，用于预测拔牙/非拔牙的二元分类 | 617名正畸患者（平均年龄18.2岁，63.5%为女性）的侧位头影测量片和口内扫描数据 | 计算机视觉 | 口腔正畸 | 头影测量分析，口内扫描，特征提取 | 深度学习分类器 | 图像（侧位头影测量片和口内扫描数据） | 617名患者（192例拔牙组，425例非拔牙组） | NA | CephNet，卷积自编码器 | 准确率，灵敏度，特异性，阳性预测值，阴性预测值，阳性似然比，阴性似然比，F1分数 | NA |
| 1373 | 2026-01-10 |
Artificial Intelligence and Machine (Deep) Learning in Otorhinolaryngology: A Bibliometric Analysis Based on VOSviewer and CiteSpace
2026-Feb, Ear, nose, & throat journal
DOI:10.1177/01455613231185074
PMID:37515527
|
综述 | 本文通过文献计量分析可视化人工智能和深度学习在耳鼻喉科疾病中的研究热点与趋势 | 首次系统性地利用VOSviewer和CiteSpace软件对耳鼻喉科中AI和DL领域进行文献计量分析，揭示时间维度上的热点演变 | 仅基于Web of Science核心合集的232篇文章，可能未涵盖所有相关文献，且分析依赖于特定软件工具 | 通过文献计量分析帮助研究者理解人工智能和深度学习在耳鼻喉科疾病基础与临床研究的未来发展方向 | 耳鼻喉科疾病，包括耳硬化症、中耳炎、鼻息肉、鼻窦炎等 | 机器学习 | 耳鼻喉科疾病 | 文献计量分析 | NA | 文献数据 | 232篇文章和综述 | VOSviewer, CiteSpace | NA | NA | NA |
| 1374 | 2026-01-10 |
Unlocking the potential of umami peptides: A comprehensive review of preparation methods, evaluation strategies, health benefits, and taste transduction mechanisms
2026-Feb-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.118024
PMID:41508449
|
综述 | 本文系统综述了鲜味肽的制备方法、评价策略、健康益处及味觉转导机制，并探讨了其在食品工业中的开发应用 | 系统整合了多组学技术、分子模拟及深度学习在鲜味肽高通量筛选中的应用，并提出了结合冷冻电镜、单分子FRET等先进技术解析受体结合机制的新方向 | 鲜味受体激活的构象机制尚未完全阐明，且缺乏高通量筛选与标准化评价的统一技术体系 | 为食品工业中鲜味肽的开发、利用及健康化提供新的研究方向和技术路径 | 鲜味肽（umami peptides） | 食品科学 | NA | 多组学技术、分子模拟、深度学习、冷冻电镜、单分子FRET、三维变异性分析、多光谱技术、分子动力学模拟 | 深度学习模型 | 多组学数据、分子结构数据、生物传感数据 | NA | NA | NA | NA | NA |
| 1375 | 2026-01-10 |
From mechanism to application: Harnessing oxidative stress signaling for innovative food design
2026-Feb-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.118093
PMID:41508505
|
综述 | 本文系统分析了氧化应激信号通路，并提出基于多通路协同策略和数据驱动框架的创新食品设计方法 | 提出结合多通路协同策略与数据驱动设计框架，利用深度学习与人体相关验证平台，推动功能食品从经验配方向精准健康工具的转变 | 未明确提及具体实验验证或临床研究结果，主要侧重于理论框架与概念设计 | 探索利用氧化应激信号通路进行创新食品设计，以应对衰老和慢性疾病 | 氧化应激信号通路（如Nrf2/ARE、FOXO、NF-κB、p53、SIRT1、AMPK）及其在细胞防御、代谢和命运中的作用 | 机器学习 | 老年疾病 | 多组学分析，器官芯片技术 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 1376 | 2026-01-09 |
AlphaFold Kinase Optimizer: Enhancing Virtual Screening Performance Through Automated Refinement of AlphaFold-Based Kinase Structures
2026-Feb, Proteins
IF:3.2Q2
DOI:10.1002/prot.70056
PMID:40955709
|
研究论文 | 本研究介绍了一种名为AF Optimizer的新方法，通过深度学习辅助优化AlphaFold生成的激酶结构，以提升虚拟筛选性能 | 开发了AF Optimizer这一新方法，结合神经网络评分和结合自由能计算，自动优化AlphaFold生成蛋白的结合位点几何结构 | NA | 提升AlphaFold生成蛋白结构在基于结构的药物设计中的应用效果 | TTK蛋白及其配体 | 机器学习 | NA | 虚拟筛选，分子对接 | 深度学习 | 蛋白质3D结构，配体数据 | NA | NA | NA | 立体冲突减少，分子对接精度，虚拟筛选命中率富集 | NA |
| 1377 | 2026-01-09 |
Benchmarking AlphaMissense against ClinVar for Diagnostic Interpretation of Missense Variants in Inherited Retinal Diseases
2026-Feb, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100997
PMID:41492285
|
研究论文 | 本研究评估了AlphaMissense在遗传性视网膜疾病中错义变异的诊断效用，通过比较其与ClinVar注释的一致性 | 首次将AlphaMissense应用于遗传性视网膜疾病基因的错义变异预测，并整合长读长测序进行相位变异分析以识别低效等位基因 | AlphaMissense在预测低效等位基因（如ABCA4相关疾病）时敏感性降低，且研究依赖于公共数据库的注释，可能存在偏差 | 评估AlphaMissense在遗传性视网膜疾病中错义变异致病性预测的诊断准确性和临床实用性 | 107个遗传性视网膜疾病基因中的错义变异，以及一个接受长读长测序的临床病例 | 生物信息学 | 遗传性视网膜疾病 | 长读长测序，相位变异分析 | 深度学习模型 | 基因组变异数据，临床注释数据 | 128,248个变异（来自IRD基因和gnomAD数据库），其中4,204个具有明确的ClinVar分类；1个临床病例 | NA | AlphaMissense | 特异性，敏感性，假发现率 | NA |
| 1378 | 2026-01-09 |
The Impact of Radiation Dose to Bowel on the Risk of Developing Gastrointestinal Toxicities When Treating Abdominopelvic Soft-Tissue Sarcomas With Preoperative Radiation Therapy
2026-Feb, Advances in radiation oncology
IF:2.2Q2
DOI:10.1016/j.adro.2025.101953
PMID:41492444
|
研究论文 | 本研究探讨了腹盆腔软组织肉瘤术前放疗中肠道辐射剂量对急性和长期胃肠道毒性的预测因素 | 采用基于深度学习的nnU-Net自动勾画肠道结构，并评估传统放疗剂量限制在大型肿瘤中的适用性 | 回顾性研究设计，样本量较小（76例患者），可能影响统计功效和普遍性 | 确定腹盆腔软组织肉瘤术前放疗中预测胃肠道毒性的剂量学因素 | 接受术前放疗和手术的非转移性腹盆腔软组织肉瘤患者 | 数字病理学 | 软组织肉瘤 | 放疗剂量学分析，深度学习自动分割 | CNN | 医学影像（如CT扫描） | 76例患者 | nnU-Net | U-Net | 卡方检验，Fisher精确检验，Kaplan-Meier生存分析 | NA |
| 1379 | 2026-01-09 |
PFUS1: Premier pelvic floor ultrasound segmentation dataset. A resource for advancing research
2026-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112346
PMID:41492545
|
研究论文 | 本文介绍了一个精心策划的盆底超声视频数据集，旨在支持自动化盆底评估、医学图像分割和动态器官跟踪的研究 | 该数据集是首个专注于盆底解剖结构的标注超声视频资源，旨在促进计算机辅助诊断和医学图像分析领域的基准测试、可重复性和方法创新 | NA | 推动自动化盆底评估、医学图像分割和动态器官跟踪的研究 | 111名患者的经会阴盆底超声视频，包含静息和Valsalva动作下的盆底器官中矢状面视图 | 医学图像分析 | 盆底疾病 | 经会阴超声成像 | 深度学习模型 | 超声视频 | 111名患者 | NA | Feature Pyramid Networks (FPNs) | NA | NA |
| 1380 | 2026-01-09 |
Inundation2Depth: A multi-source dataset for floodwater depth estimation in urban areas
2026-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112347
PMID:41492553
|
研究论文 | 本文介绍了Inundation2Depth数据集，这是一个用于城市洪水深度估计的多源数据集，结合了航空影像和LiDAR数据 | 提供了首个大规模、地理参考的洪水深度数据集，结合多传感器遥感数据，支持机器/深度学习管道直接集成 | 数据基于静水假设（水面高程相对于地形），可能无法完全反映动态洪水条件 | 开发用于洪水深度估计的数据集，以支持洪水检测、分割和损害评估模型的研究 | 美国东南部北卡罗来纳州和南卡罗来纳州12个受洪水影响区域的洪水数据 | 计算机视觉 | NA | 航空影像、LiDAR点云数据、数字地形模型 | NA | 图像、点云 | 5925个重叠的256×256瓦片，覆盖24,649.88英亩 | NA | NA | NA | NA |