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 42805 篇文献，本页显示第 3361 - 3380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3361 | 2025-11-05 |
Commentary on "Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery"
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003813
PMID:41186523
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3362 | 2025-11-11 |
Letter to the Editor: "Multichannel deep learning for MPR prediction in lung cancer: navigating translational pitfalls between algorithmic excellence and clinical deployment"
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003962
PMID:41208798
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3363 | 2026-02-25 |
A transformer-based deep learning model for preoperative prediction of lymphovascular invasion in laryngeal squamous cell carcinoma: a multicenter study
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004012
PMID:41231622
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型，用于术前预测喉鳞状细胞癌的淋巴血管侵犯，并通过多中心数据验证了其性能 | 首次将Transformer架构与放射组学特征结合，构建混合模型用于喉鳞状细胞癌的淋巴血管侵犯预测，并在多中心数据中展示了优越的诊断性能 | 回顾性研究设计可能存在选择偏倚，且样本量虽大但来自特定医院，外部泛化性需进一步验证 | 探索基于增强CT的放射组学模型在术前无创预测喉鳞状细胞癌淋巴血管侵犯中的潜在价值 | 喉鳞状细胞癌患者 | 数字病理 | 喉鳞状细胞癌 | 对比增强计算机断层扫描 | Transformer, 逻辑回归, 随机森林, 多层感知机 | CT图像 | 1024名患者（训练集291例，内部验证集126例，外部测试集607例） | NA | Transformer | AUC, 决策曲线分析, 样本概率分布直方图, 混淆矩阵, 校准曲线, 净重分类指数, 综合判别改善 | NA |
| 3364 | 2026-02-25 |
Mapping the application landscape of artificial intelligence in prostate cancer: a global bibliometric analysis
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003828
PMID:41231645
|
文献计量分析 | 本研究通过文献计量分析，系统性地描绘了人工智能在前列腺癌研究领域的全球应用格局和发展趋势 | 首次采用逐年演进的视角，结合共现分析、共被引分析等方法，动态展示了AI在前列腺癌领域的研究轨迹和范式转变 | 数据来源仅限于Web of Science核心合集，可能未涵盖所有相关文献；分析主要基于定量指标，缺乏对研究质量的深度评估 | 系统梳理和可视化人工智能在前列腺癌研究领域的应用现状、发展趋势及学术合作网络 | 2014年至2024年间Web of Science核心合集中收录的2581篇与人工智能和前列腺癌相关的学术出版物 | 数字病理学 | 前列腺癌 | 文献计量分析 | NA | 文献元数据 | 2581篇出版物 | CiteSpace | NA | NA | NA |
| 3365 | 2026-02-25 |
Risk prediction of progression from normal cognitive function to Alzheimer's disease in elderly aged 65 and above based on deep learning methods
2026-Feb, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877251410937
PMID:41490207
|
研究论文 | 本研究基于深度学习模型，预测65岁及以上老年人从正常认知功能进展为阿尔茨海默病的风险 | 利用深度学习模型（DeepSurv和DeepHit）预测阿尔茨海默病进展风险，相比传统Cox模型在一致性指标上表现更优 | 模型需临床验证以用于老年人阿尔茨海默病风险的快速筛查 | 建立从正常认知功能进展为阿尔茨海默病的风险预测模型，为临床决策和早期诊断工具开发提供参考 | 65岁及以上认知功能正常的老年人 | 机器学习 | 阿尔茨海默病 | 深度学习 | DeepSurv, DeepHit, Cox | 临床数据 | NA | NA | DeepSurv, DeepHit | C-index, IBS, AUC | NA |
| 3366 | 2026-02-25 |
Hundred-Nanosecond Equivalent Pixel Dwell Time for Deep-Tissue 3D Three-Photon Fluorescence Microscopy via Sparse X-Y-Z Reconstruction
2026-Feb, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202501513
PMID:41546413
|
研究论文 | 本文提出了一种名为DeepR-SXYZ的深度学习框架，通过稀疏X-Y-Z重建实现三光子荧光显微镜的快速三维成像，等效像素停留时间达到百纳秒级别 | 结合卷积神经网络与结构动态注意力增强的Transformer，协同捕获层内形态特征和层间动态变化，实现从稀疏采样数据中准确重建三维体积 | 未明确提及 | 开发一种计算范式，以平衡三光子荧光显微镜的成像速度与空间分辨率，实现高速、低光毒性的深层组织三维成像 | 脑血管系统和肌肉巨噬细胞 | 计算机视觉 | NA | 三光子荧光显微镜 | CNN, Transformer | 图像 | 未明确提及具体数量，但涉及脑血管和肌肉巨噬细胞的稀疏与密集采样体积扫描配对数据集 | NA | CNN, 结构动态注意力增强的Transformer | X-Y平面成像加速倍数, Z轴层恢复率 | NA |
| 3367 | 2026-02-25 |
Spatial location and distribution reconstruction of the leaking gas plume via a single infrared remote sensing system
2026-Feb, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110061
PMID:41547313
|
研究论文 | 本文提出了一种基于深度学习的生成网络，用于从单个红外遥感系统重建三维气体泄漏羽流的空间位置和分布 | 采用八叉树表示法建模稀疏三维气体分布，实现从粗到细的生成，并仅需单系统测量数据，降低了部署成本和重建复杂度 | 红外遥感仪器的分辨率及计算机存储能力限制了气体羽流重建的空间分辨率 | 解决气体泄漏羽流的三维空间定位与分布重建问题，以支持环境监测和应急管理 | 泄漏气体羽流 | 计算机视觉 | NA | 红外遥感 | 生成网络 | 二维投影浓度测量数据 | NA | NA | NA | NA | NA |
| 3368 | 2026-02-25 |
From pixels to practice: extending deep learning frameworks toward clinical translation in surgery (correspondence)
2026-Feb-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003642
PMID:41085664
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3369 | 2026-02-25 |
Bayesian Inference of Gene Regulatory Networks at Stochastic Steady State
2026-Jan-12, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.10.698684
PMID:41659677
|
研究论文 | 本文提出了一种基于化学朗之万方程和贝叶斯推断的新方法，用于在随机稳态下推断基因调控网络的结构和动力学参数 | 该方法首次将化学朗之万方程作为基因表达动力学模型，结合正则化马蹄先验，在无需观测瞬态动力学的情况下推断调控网络 | 方法仅在合成基因表达数据上进行了评估，尚未在真实生物数据上验证 | 推断基因调控网络的结构和动力学参数，以理解生物系统和设计靶向疗法 | 基因调控网络 | 机器学习 | NA | NA | 贝叶斯模型 | 合成基因表达数据 | NA | NA | NA | NA | NA |
| 3370 | 2026-02-25 |
External validation of an explainable electrocardiogram-only deep learning algorithm for the prediction of response after cardiac resynchronization therapy
2026-Jan-10, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2026.01.014
PMID:41525968
|
研究论文 | 本研究外部验证了一种仅基于心电图的深度学习算法（FactorECG算法）用于预测心脏再同步化治疗后无反应的风险 | 首次在外部验证了可解释的仅心电图深度学习算法在预测心脏再同步化治疗无反应方面的性能，并探索了结合机械不同步指标的价值 | 外部验证队列样本量较小（161例患者），且仅评估了容积无反应，未全面评估临床结局 | 评估可解释深度学习算法在预测心脏再同步化治疗反应中的外部有效性和附加价值 | 接受心脏再同步化治疗的心力衰竭患者 | 机器学习 | 心血管疾病 | 心电图分析, 心脏磁共振成像 | 深度学习算法 | 心电图信号, 临床数据, 影像数据 | 外部验证队列：161例患者（来自弗吉尼亚大学）；原始训练队列：>100万心电图中间搏动 | NA | FactorECG算法 | C统计量 | NA |
| 3371 | 2026-02-25 |
Seizure detection using ultra-long-term subcutaneous electroencephalography: A deep learning CNN-BiLSTM approach
2026-Jan, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18652
PMID:41056137
|
研究论文 | 本研究开发并验证了一种用于双通道皮下脑电图记录的深度学习癫痫发作检测算法 | 采用CNN-BiLSTM混合算法处理超长期皮下脑电图数据，实现了高灵敏度与低误报率的癫痫自动检测 | 研究样本量较小（16名患者），且数据来自三个中心可能存在异质性 | 开发适用于超长期皮下脑电图监测的自动癫痫发作检测算法 | 癫痫患者的皮下脑电图记录 | 机器学习 | 癫痫 | 皮下脑电图记录 | CNN, BiLSTM | 脑电图信号 | 16名患者的皮下脑电图数据，中位记录时间63天 | NA | CNN-BiLSTM混合架构（九层网络） | AUROC, AUPRC, 灵敏度, 每日误报次数 | NA |
| 3372 | 2026-02-25 |
Quantitative analysis of studies that use artificial intelligence on spinal diseases: A bibliometric analysis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261415846
PMID:41732181
|
综述 | 本文通过文献计量学分析评估了人工智能在脊柱疾病领域的研究进展与未来方向 | 首次对2006年至2025年间人工智能在脊柱疾病领域的文献进行全面计量分析，识别出研究热点和合作网络 | 分析基于Web of Science数据库，可能未涵盖所有相关文献；且主要依赖定量分析，缺乏对研究质量的深度评估 | 评估人工智能在脊柱疾病领域的研究现状、热点及未来发展方向 | 734篇关于脊柱疾病与人工智能的学术论文 | 机器学习 | 脊柱疾病 | 文献计量分析 | NA | 文献元数据 | 734篇论文 | CiteSpace, VOSviewer, Bibliometrix Online Analysis Platform | NA | NA | NA |
| 3373 | 2026-02-25 |
Artificial intelligence-powered copilots for precision diagnosis and surgical assessment of histological growth patterns in resectable colorectal liver metastases: a prospective study
2025-Nov-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002922
PMID:40638258
|
研究论文 | 本研究开发了一种名为COFFEE的基于Transformer的深度学习模型，用于利用结直肠癌肝转移患者的全切片图像精确分类组织病理学生长模式，旨在辅助病理诊断和手术评估 | 开发了首个基于Transformer和TransMIL框架的AI模型COFFEE，用于结直肠癌肝转移中组织病理学生长模式的精确分类，并展示了其在辅助病理医生提高诊断准确性和效率方面的潜力 | 研究样本量相对有限，前瞻性队列仅包含30名患者，且模型在更广泛人群和不同医疗中心中的泛化能力有待进一步验证 | 开发人工智能辅助工具，以提高结直肠癌肝转移中组织病理学生长模式的诊断精度和手术评估效率 | 被诊断为结直肠癌肝转移的患者及其全切片图像 | 数字病理学 | 结直肠癌 | 全切片图像分析 | Transformer, 深度学习 | 图像 | 431名患者（训练集297名，测试集104名，前瞻性队列30名），涉及来自TCGA-COAD队列的1442张WSI和验证集的972张WSI | PyTorch | Vision Transformer, TransMIL | AUC, 准确率 | NA |
| 3374 | 2026-02-25 |
Learning the syntax of plant assemblages
2025-Oct, Nature plants
IF:15.8Q1
DOI:10.1038/s41477-025-02105-7
PMID:41083838
|
研究论文 | 提出一种受大语言模型启发的方法，通过学习植物群落中物种丰度排序序列的“句法”来预测物种组成和栖息地类型 | 首次将大语言模型的序列建模思想应用于植物群落生态学，通过捕捉物种间的潜在关联来提升预测性能 | 研究范围目前局限于欧洲及邻近地区的植物物种，未明确说明模型在极端环境或高度干扰生态系统中的泛化能力 | 开发一种能够准确预测植物群落物种组成和栖息地类型的方法，以支持生物多样性保护与生态恢复 | 欧洲及邻近地区的植物群落物种组成数据 | 自然语言处理 | NA | 物种丰度序列建模 | 神经网络 | 物种序列数据 | 覆盖超过10,000种植物物种 | NA | 基于大语言模型架构的序列模型 | 准确率 | NA |
| 3375 | 2026-02-25 |
An Open-Source Deep Learning-Based Toolbox for Automated Auditory Brainstem Response Analyses (ABRA)
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.20.599815
PMID:38948763
|
研究论文 | 介绍了一个基于深度学习的开源工具箱ABRA，用于自动化分析听觉脑干反应（ABR）波形 | 开发了首个基于深度学习的开源ABR分析工具，实现了ABR波形分析的自动化和标准化，显著减少了分析时间并提高了跨实验室数据的可重复性 | 未明确说明模型在极端或罕见病例上的泛化能力，以及训练数据集的详细规模和多样性限制 | 开发自动化工具以解决传统ABR分析中主观手动解释带来的变异性和可重复性挑战 | 听觉脑干反应（ABR）波形 | 机器学习 | 听力损失 | 听觉脑干反应（ABR）记录 | CNN | 电生理记录波形数据 | NA | NA | 卷积神经网络 | 与专家人工标注者性能相当 | NA |
| 3376 | 2026-02-25 |
Automated Cavity Detection and Classification Using Deep Learning
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11252946
PMID:41336045
|
研究论文 | 本研究提出了一种基于深度学习的多尺度AI辅助方法，用于牙科X光片中的龋齿检测与分类 | 引入了基于Ultralytics YOLO11框架的多尺度方法，比较了图像级别和牙齿级别的分类与检测策略，强调了牙齿级别分析在提升检测精度方面的优势 | 在全图像定位方面存在挑战，未来需要改进分割技术、扩展临床数据集并在不同成像条件下验证性能 | 开发一种自动化的龋齿检测与分类系统，以辅助早期诊断和治疗规划 | 牙科X光片 | 计算机视觉 | 龋齿 | 深度学习 | YOLO | 图像 | NA | Ultralytics YOLO11 | YOLO11 | 准确率, mAP@50, 召回率 | NA |
| 3377 | 2026-02-25 |
U-Grad: A Grad-CAM-Guided Reduced U-Net for Efficient Lung Cancer Segmentation
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253530
PMID:41336182
|
研究论文 | 本文提出了一种名为U-Grad的新型模型，用于从2D CT切片中分割肺结节，该模型通过整合Grad-CAM生成的注意力热图来增强结节表示 | 提出了一种结合Grad-CAM生成热图与简化U-Net的混合架构，通过注意力机制增强模型对肺结节的表征能力，并提高了模型的可解释性 | 模型在测试集上的性能略低于简化U-Net（DC 91.27% vs 93.15%），且研究仅使用单一数据集进行验证 | 开发一种高效且可解释的深度学习模型，用于医学CT图像中的肺结节自动分割 | 肺结节（来自CT扫描图像） | 数字病理学 | 肺癌 | CT扫描 | CNN | 图像 | 使用NSCLC Radiogenomics数据集进行训练和测试 | 未明确提及 | Reduced U-Net, U-Grad（Grad-CAM引导的简化U-Net） | Dice系数, 交并比 | 未明确提及 |
| 3378 | 2026-02-25 |
CAUSAL MODELING OF FMRI TIME-SERIES FOR INTERPRETABLE AUTISM SPECTRUM DISORDER CLASSIFICATION
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10980933
PMID:41728049
|
研究论文 | 本文提出了一种基于因果关系的深度学习模型，用于利用fMRI时间序列数据进行自闭症谱系障碍的分类，并解释脑区间的因果关系 | 引入了一种受因果关系启发的深度学习模型，能够捕捉脑区间的非线性相互作用，而传统的基于相关性的模型无法做到这一点 | 研究使用了经过筛选的ABIDE数据集（平均FD小于15mm），可能限制了样本的多样性和泛化能力 | 开发一种准确且可解释的自闭症谱系障碍分类方法，以促进早期诊断和治疗 | 自闭症谱系障碍患者和对照组人群的fMRI时间序列数据 | 机器学习 | 自闭症谱系障碍 | 功能磁共振成像 | 深度学习模型 | 时间序列数据 | ABIDE数据集中经过筛选的图像（平均FD小于15mm），具体数量未明确说明 | NA | 因果关系启发的深度学习模型 | 分类准确率, AUC | NA |
| 3379 | 2026-02-25 |
Advancing bioinformatics with large language models: components, applications and perspectives
2025-Jan-31, ArXiv
PMID:38259343
|
综述 | 本文全面概述了大型语言模型在生物信息学中的核心组件、应用领域及未来展望 | 系统性地将大型语言模型的应用从自然语言处理扩展到生物信息学的多个子领域，如基因组学、转录组学、蛋白质组学、药物发现和单细胞分析，并提供了针对生物信息学数据类型的实用指导 | 作为一篇综述，未提出新的模型或算法，主要基于现有文献进行总结和展望 | 探讨大型语言模型在生物信息学领域的潜力、应用及未来发展方向 | 大型语言模型及其在生物信息学中的应用 | 自然语言处理, 机器学习 | NA | 自监督学习, 半监督学习 | Transformer | 文本, 基因组数据, 转录组数据, 蛋白质组数据, 单细胞数据 | NA | NA | Transformer | NA | NA |
| 3380 | 2026-02-25 |
Sparse-View CT Joint Reconstruction Strategy with Sparse Sampling Encoding Layer
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于稀疏采样编码层的稀疏视图CT联合重建策略，旨在自动搜索高效的稀疏采样方案并提高重建质量 | 开发了一个采样编码层用于自动搜索稀疏采样方案，并将其集成到基于投影数据的稀疏重建神经网络模型中，同时提出了基于Radon域和图像域绘制的联合重建策略 | NA | 开发一种端到端的稀疏角度CT重建方法，以在剂量约束下自动搜索高效的稀疏采样方案 | 稀疏角度CT重建 | 计算机视觉 | NA | CT扫描 | 深度学习 | 图像 | 基于公共CT数据集 | NA | NA | NA | NA |