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 1529 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2026-05-08 |
The Rise of Intelligent Plastic Surgery: A 10-Year Bibliometric Journey Through AI Applications, Challenges, and Transformative Potential
2026-Mar, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-05068-4
PMID:40660032
|
综述 | 通过文献计量分析，梳理2016至2024年间人工智能在整形外科领域的研究趋势、挑战与变革潜力 | 首次利用CiteSpace和VOSviewer对235篇文献进行共被引、关键词共现和突发检测分析，揭示AI在乳房重建、面部分析和自动分级系统中的创新应用，并指出西方中心审美偏见等伦理问题 | 仅分析Web of Science核心合集文献，可能遗漏其他数据库或非英文研究；跨机构合作有限且数据集多样性不足，影响结果普适性 | 系统评估AI与整形外科整合的研究趋势，识别技术难点、伦理挑战及未来方向 | Web of Science核心合集2016-2024年发表的235篇AI整形外科相关文献 | 文献计量学 | NA | NA | 深度学习 | 文献数据 | 235篇文献 | CiteSpace, VOSviewer | NA | 中心性指标 | NA |
| 122 | 2026-05-08 |
What are you looking at? Modality contribution in multimodal medical deep learning
2026-Mar, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03523-w
PMID:41037211
|
研究论文 | 提出了一种基于遮挡的模态贡献度方法，定量评估多模态医学深度学习模型中各模态的重要性 | 提出一种与模型和性能无关的模态贡献度测量方法，可揭示模型对单一模态的偏好及数据集的内在偏差 | 论文中未明确提及外部验证或多中心数据验证，可能限制了方法的泛化性能评估 | 探究多模态医学深度学习模型如何从不同数据源中处理信息并量化各模态的贡献 | 多模态医学问题中的深度学习模型（如使用图像、文本等多模态数据的诊断模型） | 机器学习 | NA | NA | 深度神经网络 | 多模态数据（如医学图像、临床文本等） | NA | PyTorch（依据代码仓库推测） | NA | NA | NA |
| 123 | 2026-05-08 |
Detailed Delineation of the Fetal Brain in Diffusion MRI via Multi-Task Learning
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3619809
PMID:41066289
|
研究论文 | 提出一个统一的计算框架，通过多任务深度学习在扩散MRI中详细描绘胎儿大脑结构 | 首次实现胎儿大脑在扩散MRI中的组织分割、白质纤维束分割和脑区分区的统一多任务深度学习框架 | NA | 开发并验证自动化方法以快速、准确、可重复地分析胎儿大脑扩散MRI数据 | 胎儿大脑 | 机器学习, 数字病理学 | NA | 扩散加权MRI | 多任务深度学习 | 扩散MRI图像 | 97个胎儿大脑 | NA | NA | Dice相似系数 | NA |
| 124 | 2026-05-08 |
A robust sampling technique for realistic distribution simulation in federated learning
2026-Mar, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03504-z
PMID:40892192
|
研究论文 | 提出一种鲁棒的采样技术，用于在联邦学习中模拟现实分布，以分析临床环境中标签分布偏差对全局模型的影响 | 结合卡方和基尼不纯度指标，高效优化多组标签分布，实现符合指定均值和标准差的数据子集采样，且对网络架构和目标任务具有无关性 | 仅通过一个实际应用场景（3D相机体重身高估计）验证，未在多种任务或更复杂非独立同分布条件下测试 | 研究联邦学习中客户端标签分布偏差对全局模型性能的危害，并提供一个高效的采样算法用于事前分析 | 联邦学习中的标签分布模拟及临床环境下的体重身高估计数据 | 机器学习 | NA | NA | CNN（3D相机体重身高估计基础模型） | 图像（3D相机数据） | 临床环境下的体重和身高估计数据集（未具体说明数量） | NA | NA（声明技术对网络架构无关） | 体重估计误差（25.3%恶化）、身高估计误差（28.7%恶化） | NA |
| 125 | 2026-03-28 |
Impact of scanning parameters on deep learning coronary artery calcium scoring in non‑gated chest CT
2026-Mar-26, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02306-2
PMID:41888686
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 126 | 2026-05-06 |
ProMol_Func: A Structure-Free Deep Learning Model for Virtual Screening
2026-Mar-23, JACS Au
IF:8.5Q1
DOI:10.1021/jacsau.6c00173
PMID:41889774
|
研究论文 | 提出一种免蛋白质结构的深度学习模型ProMol_Func，用于虚拟筛选，通过集成小分子图编码和基于氨基酸序列的蛋白质功能嵌入，提升筛选效率和泛化能力 | 无需蛋白质结构，仅依赖氨基酸序列生成功能嵌入，并结合实验验证的非活性和随机诱饵增强训练数据，在LIT-PCBA基准上取得领先性能，并在零样本前向应用中成功识别新型靶点DnaK的抑制剂 | 未明确说明局限性，但可能依赖高质量的负结合数据增强，且零样本性能需进一步跨靶点验证 | 开发一种高效、可扩展的免蛋白质结构虚拟筛选方法，克服传统结构依赖方法的计算瓶颈和高假阳性率 | 小分子化合物与蛋白质靶标（包括LIT-PCBA基准和新型靶点DnaK） | 机器学习 | NA | NA | 深度学习框架（图神经网络与蛋白质功能嵌入） | 序列数据（氨基酸序列）和小分子图数据 | LIT-PCBA基准数据集及DnaK零样本应用中的活性与诱饵化合物 | PyTorch | 图神经网络与蛋白质功能嵌入网络 | 富集因子（EF1%） | NA |
| 127 | 2026-05-06 |
A CNN-transformer dual-branch network with structure-aware loss for high-resolution edge detection
2026-Mar-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44362-2
PMID:41857141
|
研究论文 | 提出一种基于CNN-Transformer双分支网络和结构感知损失函数的高分辨率边缘检测方法 | 创新性地提出边缘结构感知损失函数，通过梯度约束、连续性约束和方向一致性约束监督边缘的几何属性，并引入三阶段动态损失调度策略实现从像素级到结构级的渐进式优化 | 未明确说明局限性，但现有方法常面临计算复杂度高和真实边缘标注困难的问题 | 解决现有深度学习方法依赖像素级损失函数导致的边缘预测碎片化、模糊和结构不连贯问题 | 高分辨率图像中的边缘检测任务 | 计算机视觉 | NA | NA | CNN-Transformer双分支网络 | 图像 | BSDS500（500张图像）、Multicue（100张图像）、NYUDv2（1449张图像） | PyTorch | CNN-Transformer双分支网络 | ODS、OIS | NA |
| 128 | 2026-05-06 |
Comparison of Patient Reviews for Submental Liposuction and Kybella Using Deep Learning and Natural Language Processing: Is There a Superior Intervention for Submental Adiposity?
2026-03-17, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf129
PMID:40577594
|
研究论文 | 利用深度学习和自然语言处理比较患者对颏下吸脂术和Kybella的评论，探讨两种干预措施对颏下脂肪堆积的优劣 | 首次应用优化的BERT深度学习自然语言处理模型分析患者报告的情感体验，比较Kybella与颏下吸脂术在RealSelf平台上的评价 | 数据来源仅限于RealSelf平台，样本量相对较小（1338篇），可能无法代表所有患者群体，且未排除潜在的混杂因素如医生差异或术后护理 | 通过自然语言处理模型分析患者情感和情绪，比较Kybella和颏下吸脂术在真实世界中的患者报告结果 | RealSelf平台上2014至2024年间关于Kybella和颏下吸脂术的英文患者评论 | 自然语言处理 | 颏下脂肪堆积 | NA | BERT（双向编码器表示转换器） | 文本 | 1338条患者评论（753条颏下吸脂术，585条Kybella） | PyTorch | BERT（优化的双向编码器表示转换器） | 情感评分（0-1）、情感分类（积极/消极）、情感类别（恐惧、悲伤、愤怒、厌恶、中性、惊讶、喜悦）频率 | NA |
| 129 | 2026-05-06 |
A multi-focus oral panoramic x-ray image dataset based on pixel-level annotations
2026-Mar-17, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07021-9
PMID:41844654
|
研究论文 | 构建了一个大规模口腔全景X射线图像数据集，包含8655张图像和30186个像素级注释，用于牙科人工智能研究 | 提供了首个大规模、像素级标注的口腔全景X射线数据集，支持牙齿分割、病变检测和计算机辅助诊断等多种任务 | 未提及具体局限性 | 开发用于牙科人工智能研究的大规模全景X射线图像数据集 | 口腔全景X射线图像中的牙齿和病变区域 | 数字病理学 | 口腔疾病 | 全景X射线成像 | 深度学习模型 | 图像 | 8655张图像，30186个像素级注释 | NA | NA | 泛化能力 | NA |
| 130 | 2026-05-06 |
High-fidelity single-frame computational super-resolution using signal-preserving denoising-enabled deconvolution
2026-Mar-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70791-8
PMID:41844624
|
研究论文 | 提出一种名为3Snet-CLID的计算超分辨率方法，结合混合监督/自监督深度学习网络进行信号保持去噪与直接Richardson-Lucy解卷积，实现从单帧宽场或转盘共聚焦图像中获取纳米级成像 | 集成信号保持去噪与解卷积的混合监督/自监督深度学习框架，通过逐像素去噪策略抑制噪声并保持信号分布，减少伪影并增强鲁棒性 | NA | 克服计算超分辨率的瓶颈，提供高保真纳米级活细胞成像的易用平台 | 常规显微镜下的固定和活细胞中的线粒体外膜、内质网和核孔等结构 | 计算机视觉 | NA | 计算超分辨率 | 深度学习网络 | 图像 | NA | NA | 3Snet-CLID | 分辨率提升倍数 | NA |
| 131 | 2026-05-06 |
Characterization of Kidney and Liver Cystic Phenotype Associated with <italic>GANAB</italic> Using Advanced Imaging Biomarkers
2026-Mar-03, Nephron
IF:2.3Q2
DOI:10.1159/000551274
PMID:41774594
|
研究论文 | 使用深度学习分割技术定量分析GANAB基因变异患者肾脏和肝脏囊肿的影像表型 | 首次利用深度学习囊肿分割技术对GANAB相关囊性肾肝病的影像生物标志物进行定量分析，揭示了肝脏为主和肾脏受累程度不同的表型谱 | 样本量较小（16例），缺乏标准化影像和系统性肾外筛查，需更大规模队列验证基因型-表型关系 | 表征GANAB基因单等位致病变异导致的常染色体显性囊性肾肝病影像表型特征 | 携带GANAB基因变异的16名患者，回顾性分析腹部影像数据 | 计算机视觉 | 囊性肾肝病 | 深度学习影像分析 | 深度学习分割模型（具体架构未明确） | 腹部影像（CT/MRI） | 16名患者 | 未明确 | 未明确 | 肾脏体积、肝脏体积、囊肿数量、囊肿体积、身高校正总肾脏体积（htTKV）、身高校正总肝脏体积、总囊肿数（TCN）、身高校正总囊肿体积 | 未明确 |
| 132 | 2026-05-06 |
Brain Health from Sleep EEG: A Multicohort, Deep Learning Biomarker for Cognition, Disease, and Mortality
2026-Mar, NEJM AI
DOI:10.1056/aioa2500487
PMID:41953210
|
研究论文 | 利用多任务深度学习框架从睡眠脑电图中提取脑健康生物标志物，关联认知、疾病和死亡率 | 首次提出端到端深度学习模型从睡眠脑电图数据中学习脑健康潜在表征，并将其蒸馏为单一得分，无需专家定义特征 | 未明确提及模型在临床实际应用中的可解释性、泛化性以及潜在伦理问题 | 开发基于睡眠脑电图的客观脑健康综合生物标志物 | 多队列睡眠脑电图数据中的人类脑健康状态 | 机器学习 | 神经系统疾病（认知障碍、死亡风险相关疾病） | 多导睡眠图（PSG） | 多任务深度神经网络 | 一维脑电图时间序列和二维时频谱图 | 来自六个队列的27000名受试者的36000份多导睡眠图记录 | NA | 多任务深度神经网络 | 相关性系数（r）、受试者工作特征曲线下面积（AUC）、风险比（HR） | NA |
| 133 | 2026-05-02 |
Deep Learning Technology in Genomics, Radiotherapy, and Ophthalmology for Precision Medicine
2026-Mar-01, Journal of physiological investigation
DOI:10.4103/ejpi.EJPI-D-25-00069
PMID:41979282
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 134 | 2026-05-04 |
Examining the Use of Consumer Wearable Devices and Digital Tools for Stress Measurement in College Students: Scoping Review of Methods
2026-Mar-30, JMIR mHealth and uHealth
IF:5.4Q1
DOI:10.2196/64144
PMID:41911361
|
综述 | 系统综述了使用可穿戴设备和大数据工具测量大学生压力的方法，识别常用设备、生理信号和机器学习模型 | 首次聚焦大学生群体，综合评估可穿戴传感器、生理信号、建模方法和研究质量，而非仅关注算法性能 | 纳入研究普遍依赖小样本数据集（如WESAD仅15人），人口统计报告不一致，时序建模算法使用有限，限制实际部署 | 识别大学生压力检测中使用可穿戴技术和数字工具的最佳实践和新兴趋势 | 大学生群体中的心理压力检测研究 | 数字病理学 | 心理疾病 | 可穿戴设备传感器 | 支持向量机 | 生理信号数据 | 134项研究 | NA | 支持向量机 | NA | NA |
| 135 | 2026-05-04 |
An Introduction to AI for Clinicians: Tutorial
2026-Mar-30, Interactive journal of medical research
IF:1.9Q3
DOI:10.2196/85266
PMID:41911411
|
教程 | 本文为临床医生提供人工智能基础知识的入门教程 | 采用分步骤、分模块的结构化教学方法，涵盖AI基本定义、深度学习原理及临床应用，专门为无AI背景的临床医生设计 | NA | 帮助临床医生建立AI知识框架，理解基本概念如深度学习、监督学习与无监督学习的区别，以及模型学习过程 | NA | 机器学习 | NA | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 136 | 2026-05-04 |
Characterizing Stomatal and Epidermal Traits Using Peels, Clearing, and AI-Based Image Analysis
2026-03-27, Journal of visualized experiments : JoVE
DOI:10.3791/69615
PMID:41973657
|
研究论文 | 提出了一种结合表皮剥离和叶片透明技术及人工智能图像分析来表征气孔和表皮特征的方法协议 | 系统比较了YOLOv8气孔检测模型、Cellpose通用细胞分割工具和像素分类器三种AI工具在不同方法下的表现，揭示了物种特异性解剖结构对AI工具适用性的影响 | AI分析在欧洲白蜡树（Fraxinus excelsior）中表现受限，结果与手动测量存在偏差，表明物种特异性和解剖结构会影响方法适用性 | 开发并评估结合手动方法和AI辅助图像分析以高通量表征气孔和表皮特征的技术协议 | 两种生态差异明显的双子叶植物——欧洲白蜡树（Fraxinus excelsior）和药用蒲公英（Taraxacum officinale） | 计算机视觉 | NA | 表皮剥离、叶片透明、AI图像分析 | YOLOv8、Cellpose、像素分类器 | 显微镜图像 | 两种植物物种的叶片样本 | PyTorch | YOLOv8、Cellpose | 准确性、可重复性、一致性 | NA |
| 137 | 2026-05-02 |
A deep learning system for diagnosis of rheumatoid arthritis on digital hand photographs
2026-Mar-24, BMC rheumatology
IF:2.1Q3
DOI:10.1186/s41927-026-00639-7
PMID:41872907
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 138 | 2026-05-04 |
Deep Learning-Predicted RNFL Loss and Incident Glaucoma in the Canadian Longitudinal Study on Aging
2026-Mar-19, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2026.03.006
PMID:41862096
|
研究论文 | 利用深度学习模型从眼底照片预测视网膜神经纤维层变薄，并评估其与青光眼发病风险的关联 | 首次在大型人群队列（加拿大老龄化纵向研究）中通过机器到机器模型从眼底照片预测RNFL厚度变化，并验证其与青光眼发病率的独立关联 | 未提及 | 评估通过深度学习模型从眼底照片预测的RNFL变薄与青光眼发病风险的纵向关联 | 加拿大老龄化纵向研究中的18,247名参与者（30,202只眼），年龄45-86岁 | 计算机视觉 | 青光眼 | 深度学习，OCT训练模型 | CNN | 眼底照片 | 18,247名参与者，30,202只眼 | NA | NA | 年化RNFL厚度变化率，风险比 | NA |
| 139 | 2026-05-04 |
Canine gait analysis using inertial sensors and deep learning for orthopedic and neurological disorders
2026-Mar-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40717-x
PMID:41844760
|
研究论文 | 利用惯性传感器和深度学习对犬类步态进行分析，以区分骨科和神经性疾病 | 首次探索并开发基于惯性传感器读数的深度学习方法，用于区分犬类骨科和神经性步态异常，并优化模型性能与泛化能力 | 样本量较小（29只狗），可能影响模型泛化性；传感器配置、评估协议及模型架构的优化仍有待进一步探索 | 评估利用惯性传感器和深度学习区分犬类神经性与骨科步态异常的可行性，并提升诊断的客观性与实用性 | 犬类步态数据，涵盖健康、骨科疾病和神经性疾病三类 | 机器学习 | 骨科疾病，神经性疾病 | 惯性传感器 | 深度学习模型 | 传感器读数 | 29只犬的步态数据 | NA | NA | 准确率 | NA |
| 140 | 2026-05-04 |
Multilayer pyramid pooling self-attention for landslide detection using vision transformers
2026-Mar-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44425-4
PMID:41851200
|
研究论文 | 提出基于多层金字塔池化自注意力的视觉Transformer用于遥感滑坡检测 | 将多层金字塔池化集成到Transformer多头自注意力机制中，实现序列高效缩减且保持多尺度上下文，无需全新骨干网络 | 未在论文标题和摘要中明确提及局限性 | 提升遥感影像滑坡检测的准确性，降低Transformer计算成本 | 遥感影像中的滑坡区域 | 计算机视觉 | NA | 遥感成像 | Vision Transformer | 图像（遥感影像） | 一个公开的遥感滑坡基准数据集，具体样本数未在摘要中说明 | NA | Pyramid Pooling Transformer、多头自注意力机制、多层金字塔池化 | F1分数，总体准确率 | NA |