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 42905 篇文献，本页显示第 2801 - 2820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2801 | 2026-03-03 |
Single-cell Multiome Analysis of Chromatin State and Transcriptome in the Human Basal Ganglia
2026-Feb-03, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.03.703645
PMID:41684930
|
研究论文 | 本研究通过单细胞多组学分析，构建了人类基底神经节中组蛋白修饰和转录组的首个图谱，揭示了细胞类型特异性的基因调控网络 | 首次在人类基底神经节中结合单细胞组蛋白修饰和转录组数据进行多组学分析，并整合空间转录组数据揭示表观基因组景观的区域异质性 | 研究主要基于神经典型成年人类供体，可能未涵盖疾病状态或发育阶段的变异 | 理解基底神经节细胞类型身份和功能的基因调控程序，以解释疾病相关的非编码变异 | 人类基底神经节的八个区域细胞 | 生物信息学 | 神经精神疾病 | 单细胞多组学分析，组蛋白修饰分析，转录组分析，MERFISH空间转录组学 | 深度学习模型 | 单细胞组蛋白修饰数据，转录组数据，空间转录组数据 | 来自神经典型成年人类供体的八个基底神经节区域 | NA | NA | NA | NA |
| 2802 | 2026-03-03 |
Interpretable Deep Learning for OCT-Based Diagnosis of Vitreoretinal Lymphoma Versus Uveitis
2026-Feb-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.2.30
PMID:41746131
|
研究论文 | 开发并验证了一种可解释的深度学习模型，用于基于光学相干断层扫描（OCT）图像区分玻璃体视网膜淋巴瘤（VRL）与非感染性葡萄膜炎（NIU） | 结合了梯度加权类激活映射（Grad-CAM）的可解释深度学习模型，能够可视化区分VRL与NIU的病理OCT特征 | 样本量较小（VRL 45例，NIU 52例），且为横断面研究，可能限制模型的泛化能力 | 开发一种可解释的深度学习模型，用于基于OCT图像对VRL与NIU进行自动分类 | 玻璃体视网膜淋巴瘤（VRL）患者与非感染性葡萄膜炎（NIU）患者 | 数字病理学 | 眼部疾病 | 光学相干断层扫描（OCT）成像 | CNN | 图像 | 97名患者（VRL 45例，NIU 52例） | NA | 自定义深度卷积神经网络 | AUROC, AUPRC, 准确率, F1分数, 精确率, 灵敏度, 特异性, kappa | NA |
| 2803 | 2026-03-03 |
External evaluation of an open-source deep learning model for prostate cancer detection on bi-parametric MRI
2026-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11865-x
PMID:40753327
|
研究论文 | 本研究评估了一个开源深度学习模型在双参数磁共振成像上检测临床显著前列腺癌的诊断准确性 | 对开源深度学习模型进行外部验证，并强调共享模型代码和权重以促进有效外部验证和进一步研究的重要性 | 研究为回顾性诊断准确性研究，样本量相对较小（151名患者），且模型对临床显著前列腺癌的特异性较低（0.53） | 评估开源深度学习模型在双参数磁共振成像上检测临床显著前列腺癌的诊断准确性，并概述促进模型有效共享和外部评估的必要组件 | 151名生物学男性患者的双参数磁共振成像检查 | 数字病理学 | 前列腺癌 | 双参数磁共振成像 | 深度学习模型 | 医学影像 | 151名生物学男性患者（平均年龄65±8岁） | NA | NA | AUC, 敏感性, 特异性, Fleiss' kappa | NA |
| 2804 | 2026-03-03 |
Artificial intelligence for breast cancer prevention: the vision ahead
2026-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12036-8
PMID:41060416
|
综述 | 本文探讨了人工智能在乳腺癌预防中的应用前景，特别是在乳腺影像筛查和风险分层方面的潜力 | 强调了人工智能不仅可用于提高筛查效率（如提升检出率和减少工作量），还能支持一级（真正）预防，通过整合网络工具、移动应用和可穿戴设备促进健康生活方式 | 文章主要基于现有研究和愿景展望，缺乏具体实施案例或长期效果数据，且未详细讨论技术集成中的实际障碍 | 旨在阐述人工智能如何助力乳腺癌的一级和二级预防，并推动放射科医生在预防策略中发挥更积极的作用 | 乳腺癌预防策略，包括筛查程序和生活方式干预 | 医学影像分析 | 乳腺癌 | 人工智能，深度学习，放射组学 | 深度学习模型 | 乳腺影像数据（如乳腺X线摄影），健康行为数据 | NA | NA | NA | 癌症检出率提升（超过25%），阅读工作量减少（超过40%） | NA |
| 2805 | 2026-03-03 |
A Deep Neural Network Based on Two-Stage Training for Estimating Heart Rate Variability From Camera Videos
2026-Feb, Health care science
DOI:10.1002/hcs2.70047
PMID:41767171
|
研究论文 | 本文提出了一种基于两阶段训练的深度神经网络方法，通过摄像头视频非接触式估计心率变异性 | 采用面部网格分割结合基于Transformer的神经网络进行信号滤波，并利用大规模合成数据进行预训练以提高HRV估计精度 | 未明确说明实际应用场景中的环境干扰处理及跨人群泛化能力验证 | 提高非接触式设备检测心率变异性的准确性，拓展HRV评估场景 | 通过摄像头视频获取的人体面部生理信号 | 计算机视觉 | 心血管疾病 | 摄像头视频采集 | 深度神经网络, Transformer | 视频 | 100万合成数据点预训练，结合公开数据集与自建数据集进行任务训练 | NA | Transformer | 准确率, 均方根误差, 相关性指数 | NA |
| 2806 | 2026-03-03 |
Artificial Intelligence-Enabled Echocardiographic Assessment of Right Ventricular Function
2026-Jan-22, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.20.26344425
PMID:41646670
|
研究论文 | 本研究开发了一种名为EchoNet-RV的深度学习模型，用于分割心尖四腔心切面超声心动图视频中的右心室并估计右心室面积变化分数 | 开发了首个专门用于右心室分割和功能评估的深度学习模型EchoNet-RV，并在多个国际外部测试集上验证了其性能优于现有多任务模型 | 模型主要基于心尖四腔心切面视频，可能未涵盖所有右心室评估的超声视图；外部测试集虽来自不同中心，但可能仍存在数据分布偏差 | 开发一个自动化、可重复的深度学习模型，以改善右心室功能的超声心动图评估 | 心尖四腔心切面超声心动图视频中的右心室 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习模型 | 视频 | 训练集：7,169个专家标注的心尖四腔心切面超声心动图视频；内部测试集：1,320个视频；两个外部测试集：3,107个和1,077个视频 | NA | EchoNet-RV | Dice系数, 平均绝对误差, 受试者工作特征曲线下面积 | NA |
| 2807 | 2026-03-03 |
Editorial: Neuromorphic and deep learning paradigms for neural data interpretation and computational neuroscience
2026, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2026.1789388
PMID:41766771
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2808 | 2026-03-03 |
A review of optimization strategies for deep and machine learning in diabetic macular edema
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1684752
PMID:41766941
|
综述 | 本文综述了深度学习和机器学习在糖尿病性黄斑水肿（DME）分析中的应用，特别关注优化算法在提升模型效能、鲁棒性和性能方面的整合与影响 | 强调并整合了优化算法（如元启发式优化器Jaya和蚁群优化）在DME相关深度学习与机器学习任务中的关键作用，通过混合架构（如Auto-Metric图神经网络）展示了性能提升 | 存在挑战，如基于YOLO的模型在病变识别中测试集性能的平均精度较低（0.1540），且临床可解释性有待提高以增强临床医生信任 | 巩固、评估和整合深度学习和机器学习在糖尿病性黄斑水肿（DME）分析中的应用研究，特别关注优化算法的整合与影响 | 糖尿病性黄斑水肿（DME）相关的眼科图像分析任务 | 计算机视觉 | 糖尿病性黄斑水肿 | NA | 深度学习, 机器学习 | 图像 | NA | NA | Auto-Metric图神经网络, YOLO | 准确率, 平均精度 | NA |
| 2809 | 2026-03-03 |
An AI approach to lunar phase detection: enhancing the identification of the new crescent with astronomical data integration
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1727824
PMID:41766946
|
研究论文 | 本研究探讨了利用人工智能技术从NASA月球勘测轨道飞行器图像中检测和分析新月牙的可行性 | 首次将深度学习与传统机器学习方法结合用于基于太空影像的新月牙检测，并整合了月球年龄数据以增强CNN模型 | 研究主要基于轨道图像，可能未完全覆盖地球观测的所有条件；合成噪声和遮挡测试虽进行，但真实环境复杂性可能更高 | 通过AI技术改进新月牙的检测，以支持天文学、文化传统和宗教农历的确定 | NASA月球勘测轨道飞行器获取的超过13年的月球图像 | 计算机视觉 | NA | 太空影像分析，图像预处理（灰度转换、对比度受限自适应直方图均衡化、降噪） | CNN, RF, SVM | 图像 | 超过13年的月球轨道图像数据集 | NA | 自定义CNN架构 | 精确率, 召回率, F分数, 整体准确率 | NA |
| 2810 | 2026-03-03 |
Automatic classification and prognosis prediction of cerebral hemorrhage based on a deep learning model
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1725732
PMID:41767013
|
研究论文 | 本研究提出了一种名为HemorrhageNet的深度学习框架，用于脑出血的自动分类和预后预测 | 提出HemorrhageNet框架，整合多模态数据，采用双路径架构和注意力机制，并结合自适应预后策略以增强泛化能力和可解释性 | 未明确说明数据集的样本量或具体局限性 | 开发一个深度学习模型，用于脑出血的自动分类和预后预测，以克服传统诊断方法的限制 | 脑出血患者的多模态数据，包括CT和MRI影像、人口统计学信息和临床参数 | 数字病理学 | 脑出血 | CT成像, MRI成像 | 深度学习模型 | 图像, 文本 | NA | NA | HemorrhageNet | 准确性, 鲁棒性, 透明度 | NA |
| 2811 | 2026-03-03 |
Exploring the role of micro-valence in the phenomenal space: insights from similarity judgments and deep learning models
2026, Neuroscience of consciousness
IF:3.1Q1
DOI:10.1093/nc/niag005
PMID:41767289
|
研究论文 | 本研究通过行为实验和深度神经网络分析，探讨微观效价在意识体验相似性判断中的作用 | 首次将微观效价概念与深度神经网络处理阶段相结合，揭示效价判断与相似性判断的关系不完全由刺激感知特征中介 | 研究仅使用日常物体图像，样本量相对有限（149名参与者），未涵盖更复杂的情感刺激 | 探究效价是否作为意识体验的内在维度，以及其与相似性判断的关联机制 | 日常物体图像的效价判断与相似性判断 | 机器学习 | NA | 行为实验（三选一任务、空间排列任务、生日任务）、深度神经网络激活提取 | DNN | 图像 | 149名参与者对120张日常物体图像进行判断 | NA | NA | 表征相似性分析、多维尺度分析 | NA |
| 2812 | 2026-03-03 |
Impact of AIR™ Recon DL on magnetic resonance imaging-based quantitative brain structure measurements
2026, Psychoradiology
DOI:10.1093/psyrad/kkaf036
PMID:41767425
|
研究论文 | 本研究评估了AIR™ Recon DL算法相较于传统重建方法对MRI图像质量和定量脑结构测量的影响 | 首次系统评估了深度学习重建算法AIR™ Recon DL对脑形态定量测量的系统性偏差影响 | 研究样本仅包含健康成年人，未涉及患者群体；样本量相对较小（74人） | 评估深度学习MRI重建算法对图像质量和脑形态定量测量的影响 | 健康成年人的脑部MRI图像 | 医学影像分析 | NA | 磁共振成像（MRI），3D T1加权成像 | 深度学习重建算法 | 医学影像（MRI） | 74名健康成年人 | NA | AIR™ Recon DL | 图像质量评分，体积测量，皮质厚度，沟深，分形维度，脑回化指数 | NA |
| 2813 | 2026-03-03 |
CT imaging characteristics analysis of bone erosion in rheumatoid arthritis and bioinformatics study of inflammation-related gene rG4s
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1769517
PMID:41767505
|
研究论文 | 本研究收集了类风湿关节炎患者的关节CT影像和外周血转录组数据，构建了用于自动精准评估骨侵蚀的深度学习模型，并通过生物信息学方法筛选了受rG4s调控的RA相关炎症基因，探索了骨侵蚀影像表型与分子调控特征之间的潜在关联 | 首次将类风湿关节炎的CT影像特征（骨侵蚀）与受rG4s结构调控的炎症相关差异表达基因进行关联分析，并构建了优化的U-Net CNN模型实现骨侵蚀的自动分割和严重程度量化 | 样本量相对有限（RA组148例，健康对照组49例），且数据来源于单一医院，可能影响结果的普适性 | 实现类风湿关节炎骨侵蚀的自动精准评估，并探索其与炎症相关基因的转录后调控机制的关联 | 类风湿关节炎患者（148例）和健康对照者（49例）的临床数据、关节CT影像及外周血RNA测序数据 | 数字病理学 | 类风湿关节炎 | RNA测序（RNA-seq），CT成像 | CNN | 图像，转录组数据 | RA组148例，健康对照组49例 | PyTorch | U-Net | 准确率，Dice相似系数，灵敏度，特异性 | NA |
| 2814 | 2026-03-03 |
Foundation Models Meet Medical Image Interpretation
2026, Research (Washington, D.C.)
DOI:10.34133/research.1024
PMID:41767596
|
综述 | 本文系统回顾了基础模型在医学图像解读领域的研究进展，涵盖关键任务、数据集、评估指标，并提出了一个创新的医学基础模型平台 | 首次系统分析了医学基础模型在12个关键维度上的挑战与趋势，并创新性地提出了IPIU医学基础模型平台 | 作为综述文章，主要基于现有文献进行分析，未进行新的实验验证 | 为医学基础模型的可持续发展提供理论支持和实践参考 | 医学基础模型，包括预训练模型、视觉基础模型、视觉-语言基础模型及扩展多模态基础模型 | 计算机视觉 | NA | 大规模预训练、高效微调 | 基础模型 | 2D/3D医学影像、视觉-语言数据、电子健康记录、生理信号、生物信息学数据 | NA | NA | NA | 分类、分割、生成、预后预测等任务的评估指标 | NA |
| 2815 | 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 |
| 2816 | 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 |
| 2817 | 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 |
| 2818 | 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 |
| 2819 | 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 |
| 2820 | 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 |