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 3401 - 3420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3401 | 2026-02-24 |
Gene-centered representation of coding and regulatory variation enables outcome prediction
2026-Jan-29, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.27.701808
PMID:41659682
|
研究论文 | 本文介绍了一个名为Volaria的计算框架，用于整合编码和调控遗传变异，以基因中心表示预测疾病结局 | Volaria框架首次将编码和非编码变异整合为统一的、细胞类型特异性的基因中心表示，用于全基因组测序的疾病结局预测，超越了传统的群体多基因风险评分和非结构化表示 | NA | 开发一个计算框架，整合编码和调控遗传变异，以预测罕见肾小球疾病的个体结局 | 罕见肾小球疾病患者的全基因组测序数据 | 功能基因组学 | 肾小球疾病 | 全基因组测序 | 深度学习模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 3402 | 2026-02-24 |
Unraveling heterogeneity in LUAD via multi-omics integration: molecular classification and therapeutic implications
2026-Jan-29, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-04498-z
PMID:41609946
|
研究论文 | 本研究通过整合多组学数据对肺腺癌进行分子分型，并开发基于病理图像的深度学习模型进行预测 | 采用十种聚类算法整合多组学数据，识别出三种具有显著生物学异质性的分子亚型，并首次结合病理图像与深度学习技术开发快速、经济的多实例预测模型 | 研究基于特定数据库（CPTAC、TCGA-LUAD、GSE50081）的数据，可能无法完全代表所有肺腺癌人群的异质性，且深度学习模型的临床适用性仍需进一步外部验证 | 系统阐明肺腺癌的分子异质性，建立临床相关的分子分类系统，并为个性化治疗提供理论基础 | 肺腺癌（LUAD）患者的多组学数据（基因组、转录组、蛋白质组）及病理图像 | 数字病理学 | 肺癌 | 质谱蛋白质组学、多组学整合分析 | 深度学习模型 | 多组学数据（基因组、转录组、蛋白质组）、病理图像 | 来自CPTAC、TCGA-LUAD和GSE50081队列的肺腺癌样本 | NA | NA | NA | NA |
| 3403 | 2026-02-22 |
Prediction of oil yield in sunflower using deep learning regression algorithm under normal and drought stress conditions
2026-Jan-29, BMC plant biology
IF:4.3Q1
DOI:10.1186/s12870-026-08110-y
PMID:41612187
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3404 | 2026-02-22 |
Multimodal deep learning using preoperative CT and ultrasound for recurrence risk prediction in high-grade serous ovarian carcinoma
2026-Jan-29, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02192-8
PMID:41612257
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3405 | 2026-02-24 |
Connectome of a human foveal retina
2026-Jan-28, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.05.647403
PMID:40799563
|
研究论文 | 本研究利用基于深度学习的分割技术，在纳米级分辨率下重建了人类中央凹视网膜的所有细胞和突触连接，揭示了其独特的神经环路特征 | 首次通过深度学习分割技术，在纳米级分辨率下重建了人类中央凹视网膜的完整连接组，发现了非人类灵长类动物中不存在的突触通路，并识别出仅11种视觉通路，其中5种高密度视网膜神经节细胞通路占中央凹输出的95%以上 | 研究仅基于一个人类中央凹视网膜样本，可能无法完全代表所有个体或种群的变异 | 获取人类中枢神经系统结构的第一个完整连接组，以理解人类视觉处理的基础神经环路 | 人类中央凹视网膜的细胞和突触连接 | 计算机视觉 | NA | 深度学习分割 | NA | 图像 | 一个人类中央凹视网膜样本，包含约3,000个细胞 | NA | NA | NA | NA |
| 3406 | 2026-02-24 |
A deep learning radiopathomic signature predicts recurrence risk of hepatocellular carcinoma after hepatectomy
2026-Jan-22, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-09571-5
PMID:41571762
|
研究论文 | 本研究开发了一种深度学习放射病理学特征，融合CT图像和病理全切片图像的深度特征，用于预测肝细胞癌患者肝切除术后复发风险 | 首次提出深度学习放射病理学特征，融合多模态影像与病理数据，显著提升复发风险预测性能，并揭示了其与Wnt/β-catenin信号通路和肿瘤免疫浸润的生物学关联 | 样本量相对有限，外部验证队列来自单一数据库，未涉及多中心前瞻性验证 | 预测肝细胞癌患者肝切除术后复发风险，以促进个体化精准治疗 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | CT成像，全切片图像分析 | 深度学习模型 | 图像 | 599名患者（训练队列272人，内部测试120人，外部测试174人，TCGA队列33人） | NA | NA | C-index | NA |
| 3407 | 2026-02-24 |
Homogenization of Northern Belgian landscapes through centuries of reclamation, agricultural transition, and urbanization
2026-Jan-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68594-y
PMID:41565659
|
研究论文 | 本研究利用深度学习图像分割技术量化了比利时北部1774年至2022年的历史土地利用变化，识别了景观转型的三个主要驱动因素 | 首次将GeoAI（地理人工智能）应用于历史地图的瓦片分割，生成高分辨率、全覆盖的历史土地利用地图，以量化长期景观转型的幅度和速率 | 研究仅聚焦于比利时北部地区（13,800平方公里），可能无法代表其他地理或文化背景下的景观变化模式 | 量化长期历史土地利用变化，识别景观转型的驱动因素，并评估景观同质化过程 | 比利时北部地区的土地利用变化，包括森林、荒地、沼泽、潮间带、草地、果园、耕地和城市用地 | 计算机视觉 | NA | 深度学习图像分割 | NA | 历史地图瓦片图像 | 覆盖比利时北部13,800平方公里的历史地图瓦片数据 | NA | NA | NA | NA |
| 3408 | 2026-02-24 |
Quality assessment of RNA 3D structure models using deep learning and intermediate 2D maps
2026-Jan-21, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-09582-2
PMID:41565789
|
研究论文 | 本文提出了一种基于深度学习的RNA三维结构模型质量评估方法RNArank，通过预测中间二维图谱来评估局部和全局准确性 | 首次将Y形残差神经网络与多模态特征提取相结合，通过预测核苷酸间接触图和距离偏差图这两个中间二维图谱来进行RNA 3D结构质量评估 | 未明确说明方法在计算资源消耗方面的具体表现，也未讨论对非常规RNA结构的适用性 | 开发准确评估预测RNA三维结构模型质量的深度学习方法 | RNA三维结构模型 | 计算生物学，结构生物信息学 | NA | RNA三维结构预测，深度学习质量评估 | 深度学习，残差神经网络 | RNA三维结构坐标，多模态特征 | CASP15和CASP16实验目标的结构模型 | NA | Y形残差神经网络 | 局部准确性，全局准确性 | NA |
| 3409 | 2026-02-24 |
Data-driven discovery of digital twins in biomedical research
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf722
PMID:41668337
|
综述 | 本文综述了从生物时间序列数据自动推断数字孪生的方法，并评估了不同算法在应对生物学挑战方面的表现 | 首次系统回顾并评估了177种自动推断生物医学数字孪生的方法，提出了结合机理建模、贝叶斯不确定性量化和深度学习的混合框架方向 | 目前没有单一方法能应对所有挑战，深度学习和大语言模型的可靠性与一致性仍需改进 | 推动生物医学数字孪生的自动化发现，以指导药物研发和个性化治疗 | 生物时间序列数据 | 机器学习 | NA | NA | 符号回归, 稀疏回归, 深度学习, 大语言模型 | 时间序列数据 | NA | NA | NA | NA | NA |
| 3410 | 2026-02-24 |
A visual exploration of the evolutionary trajectory in robotic surgery for gastrointestinal malignancies
2026-Jan-05, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-03106-6
PMID:41486325
|
综述 | 本研究采用文献计量学和可视化方法，绘制了机器人手术治疗胃肠道恶性肿瘤领域的知识结构、演变轨迹、研究热点和新兴趋势 | 通过系统性的文献检索与可视化分析，首次全面描绘了该领域的研究热点演变，并识别出人工智能与深度学习整合作为未来关键方向 | 研究基于过去十年的文献数据，可能未涵盖最新动态；且仅依赖Web of Science数据库，可能存在收录偏差 | 探索机器人手术在胃肠道恶性肿瘤治疗中的知识结构、演变轨迹及未来研究方向 | 机器人手术治疗胃肠道恶性肿瘤的相关科学文献 | 数字病理学 | 胃肠道恶性肿瘤 | 文献计量学分析，可视化分析 | NA | 文本数据（科学文献） | 过去十年Web of Science核心合集中检索到的相关出版物 | NA | NA | NA | NA |
| 3411 | 2026-02-24 |
Influence of high-performance image-to-image translation networks on clinical visual assessment and outcome prediction: utilizing ultrasound to MRI translation in prostate cancer
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03481-3
PMID:40683943
|
研究论文 | 本研究评估了先进的2D/3D图像到图像转换网络在将前列腺癌超声图像转换为合成MRI方面的性能，结合了影像组学、专家临床评估和分类性能进行全面基准测试 | 首次结合影像组学特征分析、专家临床定性评估和分类任务性能，全面评估图像到图像转换网络在前列腺癌成像中的临床可靠性和诊断特征保留能力 | 合成图像在病灶区域保真度不足且存在伪影生成问题，部分影像组学特征在转换后丢失或退化 | 评估图像到图像转换网络在医学影像合成中的临床可靠性及其在诊断工作流程中的整合潜力 | 前列腺癌患者的超声和MRI图像 | 计算机视觉 | 前列腺癌 | 超声成像, MRI成像 | GAN, 机器学习模型, 深度学习模型 | 图像 | 794名前列腺癌患者 | NA | Pix2Pix | SSIM, 准确率, AUC, Spearman相关系数 | NA |
| 3412 | 2026-02-24 |
Temporal consistency-aware network for renal artery segmentation in X-ray angiography
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03486-y
PMID:40751864
|
研究论文 | 本文提出了一种名为TCA-Net的深度学习模型，用于改善X射线血管造影视频中肾动脉分割的时间一致性 | 创新点包括引入局部时间窗口血管增强模块和全局血管细化模块，结合解耦注意力策略和门控机制，并提出了时间感知一致性损失函数 | NA | 旨在提高肾动脉在X射线血管造影视频中的分割准确性，以评估肾交感神经消融手术 | 肾动脉X射线血管造影视频 | 计算机视觉 | 心血管疾病 | X射线血管造影 | 深度学习 | 视频 | 195个肾动脉血管造影序列用于开发，44名患者的外部数据集用于测试 | NA | TCA-Net | F1分数 | NA |
| 3413 | 2026-02-24 |
Real-time corneal image segmentation for cataract surgery based on detection framework
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03506-x
PMID:40911268
|
研究论文 | 本文提出了一种名为EllipseNet的无锚点框架，用于白内障手术中基于检测的实时角膜图像分割 | 采用基于椭圆的建模方法，仅需矩形边界框标注即可实现角膜分割，显著减少了标注工作量，并实现了实时性能，速度比现有先进模型快近三倍 | 未提及模型在其他眼科手术或不同数据集上的泛化能力，以及可能存在的计算资源限制 | 开发一种实时、准确的角膜分割方法，以支持白内障手术中的术中引导和外科教育 | 白内障手术中的角膜图像 | 计算机视觉 | 白内障 | 深度学习 | CNN | 图像 | NA | PyTorch（基于公开代码推断） | Hourglass网络 | Dice准确率 | NA |
| 3414 | 2026-02-24 |
Deep learning-based early prediction of life-threatening ventricular arrhythmias using long-term Holter ECG signals
2026, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2026.1714589
PMID:41725933
|
研究论文 | 本文提出了一种基于图神经网络和Transformer的深度学习框架，用于利用长期Holter心电图信号早期预测致命性室性心律失常 | 结合图神经网络和Transformer的混合模型，自动捕捉心电信号的空间和时间依赖性，显著提高心律失常分类准确率 | 未明确说明模型在实时穿戴式医疗系统中的具体部署挑战或计算资源需求 | 开发一种高效、实时的深度学习框架，用于早期检测致命性室性心律失常，以降低患者死亡率 | 长期Holter心电图信号 | 机器学习 | 心血管疾病 | Holter心电图监测 | GNN, Transformer | 心电图信号 | 基于MIT-BIH和SDDB数据库的数据集 | NA | GNN + Transformer | 准确率, 精确率, 召回率, F1分数 | NA |
| 3415 | 2026-02-24 |
Deep learning-based robotic cloth manipulation applications: systematic review, challenges and opportunities for physical AI
2026, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2026.1752914
PMID:41726113
|
综述 | 本文系统回顾了基于深度学习的机器人布料展开与折叠应用，总结了当前进展、挑战与未来机遇 | 首次系统性地将现有学习方法重组为六种学习与控制范式，并强调了多模态传感器集成、新型原始动作及大语言模型规划方法等新兴方向 | 现有方法在处理不规则布料尺寸和多样初始状态时仍面临挑战，且存在Sim2Real差距、数据集真实性不足以及比较指标不一致等问题 | 旨在系统识别和总结基于深度学习的机器人布料展开与折叠任务的研究进展，推动物理AI领域发展 | 机器人布料操作，特别是布料的展开与折叠任务 | 机器人与物理AI | NA | 深度学习 | NA | 图像、多模态传感器数据、仿真数据 | 基于2019年至2024年间筛选的41篇相关论文进行分析 | NA | NA | NA | NA |
| 3416 | 2026-02-24 |
Toward a Speech-Based Model of Premanifest Huntington's Disease Progression Using Deep Neural Networks
2026 Jan-Dec, Digital biomarkers
DOI:10.1159/000549327
PMID:41726168
|
研究论文 | 本研究评估了仅使用语音数据通过深度学习模型区分亨廷顿病前驱期患者与健康对照的可行性 | 首次提出并验证了仅基于单一结构化语音任务（Caterpillar段落）的深度学习模型，能够高精度区分亨廷顿病前驱期患者与健康对照，为早期疾病检测提供了可扩展的客观工具 | 样本量相对较小（共130名参与者），模型仅在特定标准化任务上验证，未在更自然或多样化的语音场景中进行测试 | 探索语音分析作为亨廷顿病前驱期早期检测和监测的客观、可扩展数字生物标志物 | 亨廷顿病患者（包括前驱期和显症期）与健康对照的语音样本 | 自然语言处理 | 亨廷顿病 | 语音采集与特征提取 | 随机森林, 支持向量机, XGBoost, 深度神经网络 | 语音 | 130名参与者（94名亨廷顿病患者：38名前驱期，56名显症期；36名健康对照） | NA | 深度神经网络 | 未加权准确率 | NA |
| 3417 | 2026-02-24 |
Clinical Application of Deep Learning for Spine MRI Interpretation: A Multicenter Evaluation of Artificial-Intelligence-Assisted versus Manual Reading on Diagnostic Agreement with the Reference Standard
2026, Research (Washington, D.C.)
DOI:10.34133/research.1145
PMID:41726766
|
研究论文 | 本研究评估了首个集成于MRI硬件的实时AI辅助系统Lumbar VNet Pro在腰椎MRI解读中的临床应用，通过多中心验证比较了AI辅助与手动阅读的诊断一致性 | 开发了首个实时集成于MRI硬件的AI辅助系统LVP，实现了深度学习与MRI扫描的实时结合，提高了定位准确性和诊断效率 | 需要进一步研究评估其在多样化临床环境中的普适性 | 评估AI辅助系统在腰椎MRI诊断中的性能，并与传统手动方法进行比较 | 腰椎疾病患者，包括腰椎间盘突出、椎管狭窄和侧隐窝狭窄等病理 | 数字病理 | 腰椎疾病 | MRI | 深度学习 | 图像 | 训练集1,848个MRI数据集，验证集605个MRI数据集，内部测试100名患者，外部测试1,522名患者 | NA | VNet | Dice系数，识别率，推理时间，准确率，一致性，AUC | NA |
| 3418 | 2026-02-24 |
Research on the construction of growth models for dominant tree species in the Manas River Basin, Xinjiang
2026, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.20650
PMID:41727221
|
研究论文 | 本研究以新疆玛纳斯河流域为例，基于森林资源调查数据，构建了五种优势树种的胸径-树高和年龄-胸径基础生长模型，并引入气候和地形因子优化模型，最后利用深度学习提升模型整体精度 | 首次针对新疆玛纳斯河流域的五种优势树种构建了结合气候和地形因子的多元非线性森林生长模型，并应用深度学习技术进行优化，显著提高了模型预测精度 | 部分树种模型精度受随机因素影响而下降，且研究仅基于2011年的调查数据，可能未充分反映长期动态变化 | 构建森林生长模型以优化区域生态安全、水资源和碳资源配置，支持应对气候变化和促进绿色可持续发展 | 新疆玛纳斯河流域的五种优势树种：云杉、杨树、混交林、沙枣及其他 | 机器学习 | NA | 森林资源调查、气候和地形数据分析、深度学习 | 深度学习 | 结构化数据（包括胸径、树高、年龄、气候因子如年降水量和最低日最高温度、地形因子如数字高程模型） | 基于2011年新疆玛纳斯河流域森林资源调查数据，涉及五种优势树种 | NA | S曲线模型、对数模型、生长模型、线性模型、逻辑斯蒂模型 | 相关系数R、均方根误差RMSE | NA |
| 3419 | 2026-02-24 |
The impact of artificial intelligence on periodontal disease detection and treatment
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1784123
PMID:41727354
|
综述 | 本文综述了人工智能在牙周病检测与治疗中的最新应用与进展 | 强调AI在提升牙周病诊断准确性、预测疾病进展及个性化治疗规划方面的潜力，并探讨了其在优化临床工作流程中的作用 | 未提及具体研究方法的局限性，但指出了将AI整合到常规牙科实践中的挑战，如伦理问题和数据隐私担忧 | 回顾和更新AI在牙周病诊断与管理中的最新证据，重点关注机器学习算法、诊断成像和预测模型的进展 | 牙周病（PD） | 机器学习 | 牙周病 | NA | 深度学习模型 | 放射影像、临床数据 | NA | NA | NA | 诊断准确性 | NA |
| 3420 | 2026-02-24 |
Artificial Intelligence Applications in Sickle Cell Retinopathy Imaging: Current Progress, Challenges, and Future Directions
2026, Journal of ophthalmology
IF:1.8Q3
DOI:10.1155/joph/5579203
PMID:41727523
|
综述 | 本文综述了人工智能在镰状细胞视网膜病变影像学中的应用进展、挑战及未来方向 | 系统总结了AI在SCR影像分析中的最新进展，并指出了临床转化的未来机遇 | 纳入研究数量有限（仅7篇），且部分研究样本量较小，临床验证尚不充分 | 评估人工智能在镰状细胞视网膜病变影像检测、分类和分期中的应用潜力 | 镰状细胞视网膜病变患者的眼科影像数据 | 计算机视觉 | 镰状细胞视网膜病变 | 眼科影像技术（如眼底照相、OCT等） | 经典机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |