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 42799 篇文献，本页显示第 2621 - 2640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2621 | 2026-03-03 |
Mapping knowledge landscapes and emerging trends in artificial intelligence in glioblastoma: A bibliometric analysis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261428356
PMID:41767867
|
文献计量分析 | 本研究通过文献计量分析，系统梳理了过去二十年人工智能在胶质母细胞瘤研究中的应用趋势、关键贡献者和新兴热点 | 首次全面描绘了人工智能在胶质母细胞瘤领域的知识图谱演变，并识别出从方法开发到临床转化的关键转变，以及影像基因组学作为新兴前沿 | 分析仅基于Web of Science核心数据库的英文文献，可能遗漏其他数据库或非英语发表的重要研究 | 探索人工智能驱动的胶质母细胞瘤研究趋势和关键参与者 | 2004年至2024年间发表的1487篇英文文献 | 机器学习 | 胶质母细胞瘤 | 文献计量分析 | NA | 文献元数据 | 1487篇文献 | CiteSpace, VOSviewer, Microsoft Excel | NA | NA | NA |
| 2622 | 2026-03-03 |
Global research landscape and emerging trends in the application of artificial intelligence in depression: A bibliometric analysis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261427866
PMID:41767874
|
文献计量分析 | 本研究通过文献计量分析，揭示了人工智能在抑郁症领域应用的研究格局、关键主题和发展轨迹 | 提供了人工智能在抑郁症领域的最新全面文献计量分析结果，明确了当前研究热点和方向 | 仅分析了Web of Science核心合集中的英文文章，可能未涵盖所有相关研究 | 揭示人工智能与抑郁症交叉领域的关键主题和发展轨迹 | 2011年至2024年间发表的关于人工智能在抑郁症中应用的学术出版物 | 机器学习 | 抑郁症 | 文献计量分析 | NA | 文本（学术出版物） | 1361篇出版物 | Bibliometrix, CiteSpace, VOSviewer | NA | NA | NA |
| 2623 | 2026-03-03 |
Fine-grained few-shot class-incremental identification of medicinal plants via frequency-aware contrastive learning
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1730047
PMID:41768052
|
研究论文 | 本文提出了一种基于频率感知对比学习的细粒度少样本类增量学习框架，用于药用植物的精确识别 | 提出了一种新颖的频率感知引导域增强对比学习（FGDE）框架，该框架通过集成高、低频分量来细化特征表示，并采用多频率融合来保留细节增强信息，同时引入多目标损失函数以增强基类内的语义紧凑性和增量类间的分离性 | 未明确提及 | 开发一种鲁棒的算法工具，用于在仅有少量标注样本的情况下，准确且增量地识别多样化的药用植物物种 | 药用植物物种 | 计算机视觉 | NA | 深度学习 | 对比学习 | 图像 | 未明确提及具体数量，但涉及自收集数据集和两个公共基准数据集 | 未明确提及 | 未明确提及 | 未明确提及具体指标，但通过实验表明优于现有方法 | 未明确提及 |
| 2624 | 2026-03-03 |
Deep learning-based pulmonary nodule risk assessment outperforms established malignancy risk scores in lung cancer screening
2026-Jan, Radiology advances
DOI:10.1093/radadv/umag003
PMID:41768120
|
研究论文 | 本研究评估了一种基于深度学习的肺结节恶性风险估计算法（DeepPNP）在肺癌筛查数据集中的性能，并探讨了数据增强在模型训练中的效果 | DeepPNP算法在肺结节恶性风险评估中超越了现有的专家共识指南（如Lung-RADS）和PanCan模型，并通过结合外部活检确认的恶性结节数据集实现了性能提升 | 研究为回顾性分析，可能受到数据选择偏差的影响；模型性能在特定测试集上评估，需进一步外部验证 | 评估深度学习算法在肺结节恶性风险估计中的性能，并研究数据增强对模型训练的影响 | 肺结节，特别是肺癌筛查中发现的结节 | 计算机视觉 | 肺癌 | CT成像 | CNN | 3D图像 | 合并数据集包含28,057个结节（其中2,362个为恶性），测试集包含来自1,243次CT扫描的2,597个结节 | 未明确指定，但基于3D卷积网络 | EfficientNet-B0 | ROC AUC, 敏感性, 特异性, 精确度, F1分数, 准确度 | NA |
| 2625 | 2026-03-03 |
Using swin UNETR deep model for automated detection of alveolar bone fenestration/dehiscence in CBCT
2026, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2026.1752350
PMID:41768130
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于自动检测锥形束计算机断层扫描（CBCT）图像中的牙槽骨开窗/开裂，为诊断牙槽骨缺损提供定量工具 | 首次将Swin UNETR模型应用于CBCT图像中牙槽骨开窗/开裂的自动检测，实现了关键点定位、长度测量和疾病诊断的集成 | 研究仅基于10,752张手动标注的矢状CBCT图像，未涉及其他成像平面或更大规模的多中心数据 | 开发自动检测牙槽骨开窗/开裂的深度学习模型，以提升诊断效率和准确性 | 牙槽骨开窗和开裂的CBCT图像 | 计算机视觉 | 牙槽骨缺损 | 锥形束计算机断层扫描（CBCT） | Transformer, U-Net | 图像 | 10,752张手动标注的矢状CBCT牙科图像 | PyTorch | Swin UNETR | 关键点识别率, 长度测量相关性, 疾病诊断准确率 | NA |
| 2626 | 2026-03-03 |
Signal-aware deep learning-based respiratory motion prediction for lung tumor management
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1735140
PMID:41768245
|
研究论文 | 本文提出了一种基于深度学习的混合模型，用于预测肺癌放疗中的呼吸运动，以改善肿瘤运动管理 | 结合扩张卷积层、双向长短期记忆层和生成自编码器模块，联合建模呼吸运动的空间和时间特征，并重建生理一致的呼吸信号 | 研究侧重于算法可行性，未来需进行临床校准和剂量学验证 | 提高肺癌放疗中呼吸运动预测的准确性，以优化肿瘤靶向和减少健康组织辐射 | 肺癌患者的呼吸运动信号 | 机器学习 | 肺癌 | 深度学习 | CNN, LSTM, 自编码器 | 呼吸运动信号数据 | NA | NA | 扩张卷积层, 双向LSTM, 生成自编码器 | 运动范围分类准确率, 均方根误差 | NA |
| 2627 | 2026-03-03 |
Assessing the robustness and clinical evaluation of a deep-learning segmentation model for head and neck cancer
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1731007
PMID:41768244
|
研究论文 | 本研究评估了一种基于深度学习的头颈癌PET/CT分割模型在临床相关图像扰动下的鲁棒性和临床可用性 | 首次系统评估了深度学习分割模型在多种合成图像扰动（如噪声、模糊、伪影、运动等）下的鲁棒性，并分析了影像组学特征与鲁棒性指标之间的相关性 | 研究使用了合成扰动而非真实世界采集的扰动数据，且淋巴结肿瘤分割在严重扰动下临床可用性显著下降 | 评估深度学习分割模型在头颈癌放疗中勾画大体肿瘤体积的鲁棒性和临床适用性 | 头颈癌患者的PET/CT图像及其大体肿瘤体积（原发灶GTVp和淋巴结GTVn） | 数字病理 | 头颈癌 | PET/CT成像 | 深度学习 | 医学图像（PET/CT） | 474例训练病例，50例测试病例，每例生成36种扰动变体 | PyTorch | 3D Dynamic U-Net | Dice分数，Hausdorff距离，准确率，Likert量表评分 | NA |
| 2628 | 2026-03-03 |
The diagnostic value of radiomics-based machine learning for lymph node metastasis in prostate cancer: a systematic review and meta-analysis
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1710716
PMID:41768254
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了基于影像组学的机器学习模型在前列腺癌淋巴结转移诊断中的准确性 | 首次对基于影像组学的机器学习模型在前列腺癌淋巴结转移诊断中的性能进行了全面的系统综述和荟萃分析，并比较了不同成像模态（PET/CT与MRI）和建模方法（传统机器学习与深度学习）的诊断效能 | 纳入研究的样本量有限，外部验证不足，成像方案存在异质性，且深度学习模型的研究数量较少 | 系统评估基于影像组学的机器学习模型诊断前列腺癌淋巴结转移的准确性，为临床决策提供循证支持 | 前列腺癌患者的淋巴结转移 | 医学影像分析 | 前列腺癌 | 影像组学，正电子发射断层扫描/计算机断层扫描，磁共振成像 | 机器学习，深度学习 | 医学影像 | 共纳入22项研究，涉及PET/CT影像组学研究13项，MRI影像组学研究9项 | NA | NA | 灵敏度，特异度，汇总受试者工作特征曲线下面积 | NA |
| 2629 | 2026-03-03 |
Adult-type diffuse glioma prediction using MnasNet optimized by the advanced single candidate optimizer
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1637208
PMID:41768258
|
研究论文 | 本研究提出了一种基于深度学习的非侵入性方法，利用术前T2加权MRI预测成人型弥漫性胶质瘤 | 提出了一种结合了改进的MnasNet架构、新型元启发式算法ASCO、对立学习以及切比雪夫混沌映射的优化预测模型 | 研究样本来自两个数据库（共533例），可能存在数据异质性；未明确说明模型在外部验证集上的泛化能力 | 开发一种准确、非侵入性的成人型弥漫性胶质瘤预测方法，以克服现有诊断方法的局限性 | 成人型弥漫性胶质瘤患者 | 数字病理学 | 胶质瘤 | 术前T2加权MRI | CNN | 图像 | 533例患者（来自名古屋大学医院的237例和公开数据库的296例） | NA | MnasNet | 灵敏度, 特异度, 精确度, 准确率, F1分数, 马修斯相关系数 | NA |
| 2630 | 2026-03-03 |
Deep learning for regulatory genomics: a survey of models, challenges, and applications
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf271
PMID:41768279
|
综述 | 本文综述了深度学习在调控基因组学中的最新进展，包括模型、挑战和应用 | 强调了从传统神经网络到Transformer和图神经网络等先进模型的演进，并考虑了三维基因组结构 | 承认了过拟合、生物变异性和数据集多样性有限等持续挑战 | 旨在回顾深度学习在调控基因组学中的应用，以帮助解读非编码基因组区域的复杂调控机制 | 调控基因组学中的非编码基因组区域，涉及转录因子结合、染色质可及性、RNA过程和RNA-蛋白质相互作用 | 自然语言处理, 机器学习 | NA | 深度学习 | Transformer, 图神经网络 | 基因组数据 | NA | NA | Transformer, 图神经网络 | NA | NA |
| 2631 | 2026-03-03 |
Combining deep learning with statistical shape modelling enables automated lower limb measurements with observer-level reliability using weight-bearing computed tomography
2026-Jan, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70669
PMID:41768538
|
研究论文 | 本研究提出了一种结合深度学习与统计形状建模的混合方法，用于自动评估负重条件下的下肢对线与形态 | 首次将深度学习与统计形状建模结合，实现了在负重CT扫描上对下肢骨骼的自动分割、三维标志点识别及28项对线与形态学测量的全自动计算 | 研究样本量较小（仅30例全下肢负重CT扫描），且证据等级为III级，需要更大规模的外部验证 | 开发一种自动化、观察者独立的方法，以可靠地评估负重条件下的下肢三维对线与形态 | 下肢骨骼（股骨、髌骨、胫骨、距骨、跟骨、第二跖骨）及其在负重CT扫描中的三维形态 | 计算机视觉 | 骨科疾病/下肢畸形 | 负重计算机断层扫描（WBCT） | 深度学习模型（用于分割） | 三维医学图像（CT扫描） | 30例全下肢负重CT扫描 | NA | NA | Dice相似系数（DSC），平均绝对误差（MAE） | NA |
| 2632 | 2026-03-03 |
Automated segmentation and classification of lumbar transverse ultrasound views using a two-stage deep learning method
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1721194
PMID:41768825
|
研究论文 | 本研究开发了一种基于深度学习的两阶段框架，用于自动检测和分类腰椎超声图像中的横突旁横切面和椎间孔旁横切面视图 | 提出了一种结合语义分割和基于坐标分类的两阶段深度学习框架，通过将关键解剖标志分组为单一类别来降低标注复杂性并提高鲁棒性，从而实现了对腰椎超声视图的高精度自动识别 | 数据集仅来自单一医疗中心，未来需要扩展数据集并在多样化的临床环境中验证方法的泛化能力 | 开发并评估一种基于深度学习的自动化框架，用于识别和分类腰椎超声视图，以支持超声引导的腰椎区域麻醉和慢性疼痛管理 | 来自425名接受疼痛治疗患者的腰椎超声图像 | 计算机视觉 | 慢性疼痛 | 超声成像 | CNN, SVM | 图像 | 425名患者 | NA | U-Net | IoU, 准确率 | NA |
| 2633 | 2026-03-03 |
Scaling Early Detection for Developmental Dysplasia of the Hip With Artificial Intelligence-Assisted Imaging
2026-Jan, Cureus
DOI:10.7759/cureus.102507
PMID:41769581
|
综述 | 本文综述了人工智能辅助超声和放射成像在儿童发育性髋关节发育不良早期诊断中的应用现状与进展 | 总结了AI模型（特别是深度学习和卷积神经网络）在自动化图像分析、解剖标志点检测及关键诊断参数（如α角、β角、髋臼指数）测量方面的应用，并探讨了便携式超声系统和云端诊断平台在资源匮乏地区推广筛查的潜力 | 面临数据集异质性、深度学习模型在不同人群和设备间的泛化能力有限、模型可解释性不足以及临床工作流整合困难等挑战 | 评估人工智能技术在儿童发育性髋关节发育不良早期诊断与筛查中的应用效果与发展前景 | 发育性髋关节发育不良的超声与放射影像数据 | 计算机视觉 | 儿童骨科疾病 | 超声成像, 放射成像 | CNN, 深度学习模型 | 图像 | NA | NA | 分割网络, 3D卷积模型 | 诊断准确性, 一致性, 观察者间变异性 | NA |
| 2634 | 2026-03-03 |
Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders
2025-Oct-30, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00291
PMID:41169217
|
综述 | 本文总结了视网膜蛋白质组学在神经退行性疾病和眼部疾病中的最新进展，重点关注其在发现治疗靶点和非侵入性诊断生物标志物方面的潜力 | 整合了人工智能驱动的计算流程，特别是GPU加速的深度学习架构，显著提高了视网膜蛋白质组学的精确性和效率，并利用先进的大数据基础设施支持早期生物标志物检测 | NA | 探索视网膜蛋白质组学在神经退行性疾病和眼部疾病中的应用，以发现新的治疗靶点和诊断生物标志物 | 视网膜蛋白质组，涉及疾病包括青光眼、年龄相关性黄斑变性、糖尿病视网膜病变、视网膜色素变性，以及阿尔茨海默病、肌萎缩侧索硬化症和帕金森病 | 数字病理学 | 神经退行性疾病 | 基于质谱的蛋白质组学技术 | 深度学习 | 蛋白质组学数据 | NA | NA | NA | 疾病特异性和敏感性 | GPU加速的深度学习架构，先进的大数据基础设施 |
| 2635 | 2026-03-03 |
Memorization bias impacts modeling of alternative conformational states of solute carrier membrane proteins with methods from deep learning
2025-Oct, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013590
PMID:41105726
|
研究论文 | 本文评估了深度学习建模中记忆化偏差对溶质载体膜蛋白替代构象状态的影响，并提出了一种结合ESM和模板建模的方法来一致建模这些状态 | 提出了一种结合进化尺度建模和模板建模的新流程，以克服AlphaFold2/3在建模溶质载体蛋白多构象状态时的记忆化偏差，并利用序列进化协方差数据进行验证 | 方法主要适用于具有内部伪对称性的溶质载体蛋白，可能不适用于所有膜蛋白类型，且依赖于模板的可用性 | 评估记忆化偏差对溶质载体膜蛋白多构象状态建模的影响，并开发一种能一致建模替代构象状态的方法 | 溶质载体膜蛋白，特别是具有伪对称结构的蛋白质，如SLC35F2 | 计算生物学 | NA | 进化尺度建模，模板建模，序列进化协方差分析 | AlphaFold2, AlphaFold3, ESM | 蛋白质序列，结构模板 | 多个整合膜蛋白转运体，包括SLC35F2 | NA | NA | NA | NA |
| 2636 | 2026-03-03 |
scMODAL: a general deep learning framework for comprehensive single-cell multi-omics data alignment with feature links
2025-May-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60333-z
PMID:40442129
|
研究论文 | 本文介绍了一个名为scMODAL的深度学习框架，专门用于单细胞多组学数据的对齐，通过特征链接实现全面整合 | scMODAL利用神经网络和生成对抗网络，结合有限的已知正相关特征，对齐细胞嵌入并保持特征拓扑结构，有效去除不必要变异并保留生物信息 | NA | 开发一个计算框架以整合单细胞多组学数据，促进联合分析 | 单细胞多组学数据，包括转录组、表观基因组和蛋白质组数据 | 机器学习 | NA | 单细胞技术，包括转录组、表观基因组和蛋白质组分析 | 神经网络, 生成对抗网络 | 单细胞多组学数据 | NA | NA | NA | NA | NA |
| 2637 | 2026-03-03 |
SpecstatOR: speckle statistics-based iOCT segmentation network for ophthalmic surgery
2025-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.543611
PMID:41767927
|
研究论文 | 本文提出了一种基于斑点统计的iOCT分割网络，用于眼科手术中视网膜层和手术器械的区分 | 利用组织特异性斑点模式进行分割，减少对形状和强度的依赖，增强跨设备和解剖变异的鲁棒性，无需重新训练 | 未在摘要中明确提及 | 改进眼科手术中iOCT图像的分割技术 | 视网膜层和手术器械 | 数字病理学 | 眼科疾病 | iOCT | 深度学习网络 | 图像 | NA | NA | NA | NA | NA |
| 2638 | 2026-03-03 |
Enhancing ultra-high density single-molecule localization with deep spatiotemporal networks
2025-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.555721
PMID:41767926
|
研究论文 | 本文提出了一种名为SRST的深度学习驱动方法，用于实现超高密度单分子的精确三维定位，以提升单分子定位显微镜的时空分辨率 | 开发了利用相邻帧时间信息和荧光分子闪烁机制来增强定位精度的深度学习框架，在低信噪比条件下相比现有方法显著提升了定位精度 | 未明确说明方法在极端实验条件下的性能表现或计算复杂度限制 | 提升单分子定位显微镜在超高密度分子场景下的时空分辨率和定位精度 | 亚细胞结构（如线粒体和微管）的三维成像 | 计算机视觉 | NA | 单分子定位显微镜（SMLM） | 深度学习网络 | 图像序列（时间序列图像） | NA | NA | 时空网络 | Jaccard指数, 定位误差 | NA |
| 2639 | 2026-03-03 |
Automated cell properties toolbox from 3D bioprinted hydrogel scaffolds via deep learning and optical coherence tomography
2025-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.550401
PMID:41767930
|
研究论文 | 本文提出了一种基于深度学习与光学相干断层扫描的计算工具箱，用于自动化分析3D生物打印水凝胶支架中的细胞活力与形态特性 | 结合光学相干断层扫描的高分辨率成像与深度学习分割，实现了非侵入式、定量化的细胞分析，克服了传统侵入式和基于阈值方法的局限性 | NA | 开发自动化工具以精确评估3D生物打印水凝胶支架中的细胞活力与形态特性，促进组织工程研究 | 3D生物打印水凝胶支架中的细胞 | 计算机视觉 | NA | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | NA | 分割精度 | NA |
| 2640 | 2026-03-03 |
A-scan sequence transformers for palpation with optical coherence elastography
2025-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.553849
PMID:41767938
|
研究论文 | 本研究提出了一种基于Transformer的深度学习模型，用于从光学相干弹性成像（OCE）的A扫描序列中端到端地估计组织弹性 | 首次将Transformer架构应用于处理OCE中的A扫描序列，实现了从相位数据到弹性模量的端到端估计，相比传统方法和CNN方法显著提升了弹性重建精度 | 未明确说明模型在临床手术环境中的实时性能验证，以及在不同组织类型和病理条件下的泛化能力评估 | 开发一种能够替代主观触诊的客观弹性估计方法，以辅助微创手术中的病变定位和手术导航 | 均匀组织模型、包含异质性的组织模型以及心脏、肾脏和肝脏等软组织样本 | 医学影像分析 | NA | 光学相干弹性成像（OCE）、光学相干断层扫描（OCT） | Transformer | 一维轴向扫描序列（A-scan序列）、相位数据 | 未明确具体数量，但包括均匀组织模型、异质性组织模型以及心脏、肾脏、肝脏软组织样本 | NA | Transformer | 平均误差（kPa） | NA |