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 42795 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2026-02-16 |
Clinically applicable deep learning model for segmentation of the mandibular bone and inferior alveolar canal in CBCT cross-sectional images
2026-Feb-14, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07840-7
PMID:41691250
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 362 | 2026-03-31 |
Predicting disease-specific histone modifications and functional effects of non-coding variants by leveraging DNA language models
2026-Feb-14, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-026-04003-3
PMID:41691336
|
研究论文 | 本文开发了一种基于大型语言模型的深度学习框架，用于疾病特异性组蛋白修饰预测及非编码变异功能效应分析，并以阿尔茨海默病为例进行验证 | 提出了一种结合疾病特异性表观遗传数据的语言模型框架，并引入混合专家架构以区分疾病与健康状态，显著提升了组蛋白修饰预测的准确性 | 研究目前仅聚焦于阿尔茨海默病，尚未扩展到其他复杂疾病；模型性能依赖于特定疾病数据集的构建 | 开发一种能够精准预测疾病特异性组蛋白修饰并解释非编码变异功能效应的计算方法 | 阿尔茨海默病相关的组蛋白修饰及非编码遗传变异 | 自然语言处理 | 阿尔茨海默病 | 表观基因组学数据分析 | 大型语言模型 | 表观基因组数据 | 多个患者样本 | NA | 混合专家架构 | NA | NA |
| 363 | 2026-02-14 |
Multi-view deep learning for automated lymphoma staging from 18F-FDG PET/CT: physician-level accuracy with high-throughput workflow
2026-Feb-13, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-025-01357-w
PMID:41686381
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 364 | 2026-03-31 |
Performance of machine learning algorithms in diffusion tensor imaging of movement disorders: an exploratory meta-analysis
2026-Feb-07, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-026-01528-3
PMID:41654900
|
荟萃分析 | 本文通过探索性荟萃分析，评估了机器学习算法在运动障碍扩散张量成像中的性能趋势、方法学多样性及变异性来源 | 首次对机器学习应用于运动障碍DTI诊断的分类研究进行探索性荟萃分析，重点描述性能分布和方法学模式，而非推断单一合并诊断效应 | 研究间存在极高的异质性（I²=94.7%），样本量小且多为单中心队列，限制了外部效度和确证性推断 | 表征基于DTI数据的机器学习模型在运动障碍分类中的性能趋势、方法学多样性及变异性来源 | 帕金森病、图雷特综合征、特发性震颤等运动障碍患者 | 机器学习 | 运动障碍 | 扩散张量成像 | 深度学习, 基于影像组学的模型 | 影像数据 | 46项研究（2016-2024年），涉及样本量多为小规模单中心队列（如37-139名参与者） | NA | NA | 准确率, 灵敏度, 特异性, 曲线下面积 | NA |
| 365 | 2026-03-31 |
Artificial Intelligence in Orthopaedic Research: A Technical Report on Opportunities and Pitfalls
2026-Feb, Cureus
DOI:10.7759/cureus.104159
PMID:41909280
|
技术报告 | 本文是一篇关于人工智能在骨科研究中应用与挑战的技术报告 | 系统综述了过去五年PubMed索引研究中AI在骨科研究中的新兴应用，并特别指出了生成式AI在科学写作中带来的原创性、准确性和研究诚信问题 | 作为一篇叙述性技术综述，未进行系统性荟萃分析，且主要基于PubMed数据库的文献，可能存在选择偏倚 | 探讨人工智能在骨科研究中的机遇与陷阱，促进AI技术与临床研究的有效整合 | 骨科研究领域，包括影像分析、手术规划、生物力学分析及科研写作等 | 机器学习 | 骨科疾病 | NA | 机器学习, 深度学习 | 图像, 文本, 生物力学数据 | NA | NA | NA | NA | NA |
| 366 | 2026-03-31 |
Artificial Intelligence in Sports Cardiology: Advancing Cardiovascular Screening and Diagnosis
2026-Feb, Cureus
DOI:10.7759/cureus.104174
PMID:41909334
|
综述 | 本文综述了人工智能在运动心脏病学中用于心血管筛查和诊断的当前应用与进展 | 提出了一个实用的AI集成筛查框架，以补充而非替代临床判断，并展示了AI在识别常规心电图参数正常时的疾病模式方面的能力 | 存在局限性，包括运动员特异性训练数据有限、与生理性重塑相关的假阳性风险以及需要外部验证 | 探讨人工智能作为辅助工具，提升运动员心血管筛查和诊断的效能 | 运动员的心血管疾病筛查与诊断 | 机器学习 | 心血管疾病 | 心电图分析、数字听诊、经胸超声心动图及影像学模态 | 深度学习模型 | 心电图、听诊音频、超声图像 | NA | NA | NA | 灵敏度、诊断性能 | NA |
| 367 | 2026-01-28 |
The sarcopenia artificial intelligence diagnostic decision support system (SAID DSS) - a multimodal deep learning model
2026-Jan-26, BMC geriatrics
IF:3.4Q2
DOI:10.1186/s12877-026-07005-9
PMID:41588346
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 368 | 2026-03-31 |
FFM-ViT: an efficient fish species classification method based on deep features and transformers
2026-Jan, Journal of fish biology
IF:1.7Q2
DOI:10.1111/jfb.70213
PMID:41028988
|
研究论文 | 提出一种基于深度特征和Transformer的高效鱼类物种分类方法FFM-ViT | 放弃传统ViT的直接分块操作，引入MBConv和Fuse-MBConv模块获取更准确的高维信息，并设计通道空间合并注意力模块增强特征提取和融合能力 | 未明确说明模型计算复杂度或实时性表现，也未讨论在极端光照或遮挡条件下的鲁棒性 | 解决小数据集和高相似度鱼类物种的准确分类问题 | 鱼类图像 | 计算机视觉 | NA | 深度学习 | Transformer, CNN | 图像 | 包含78个类别的Oceanfish78数据集，以及fish4knowledge和Fish31等数据集 | 未明确说明 | Vision Transformer, MBConv, Fuse-MBConv, 通道空间合并注意力模块 | 准确率 | NA |
| 369 | 2026-03-31 |
Comparative Evaluation of Conventional and Deep Learning Methods for Respiratory Signal Extraction From Clinical 3D CBCT Projections
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338261437311
PMID:41871542
|
研究论文 | 本研究评估了传统方法和深度学习方法从临床3D CBCT投影中提取呼吸信号的性能 | 首次在临床3D CBCT投影数据上系统比较了多种传统信号提取方法与基于U-Net的深度学习方法，并证明了深度学习方法在复杂呼吸模式下的优越性 | 研究样本量相对有限（70组投影），且主要针对胸腹部癌症患者，未涵盖所有可能的呼吸变异模式 | 评估和比较传统方法与深度学习方法从临床3D CBCT投影中提取呼吸信号的性能，以改进4D CBCT相位排序和重建 | 来自胸腹部癌症患者的临床3D CBCT投影数据，包括规则和不规则呼吸运动模式 | 医学影像分析 | 胸腹部癌症 | 3D CBCT成像，4D CBCT重建 | U-Net | 3D CBCT投影图像 | 70组来自临床3D CBCT成像的投影数据 | 未明确说明 | U-Net | 相关系数，相位排序能力 | NA |
| 370 | 2026-03-31 |
GAN-based underwater image enhancement and scene classification using transfer learning
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345593
PMID:41894524
|
研究论文 | 本文提出了一种基于GAN的水下图像增强和迁移学习场景分类方法，用于改善水下图像质量并准确分类海洋物种 | 结合了传统图像增强算法（GW、HE、CLAHE）、边缘检测（Canny）与先进的深度学习模型（VGG16、ResNet50、DenseNet121）进行迁移学习，并引入ESRGAN进行图像超分辨率增强 | 未明确说明实验数据的具体规模、模型性能对比的定量结果以及计算资源的具体配置 | 提升水下图像质量并实现海洋物种的准确分类，以支持海洋生态研究和保护工作 | 水下图像和视频，特别是包含鱼类、珊瑚礁和海龟等海洋物种的图像 | 计算机视觉 | NA | 图像增强技术、边缘检测、迁移学习、生成对抗网络 | CNN, GAN | 图像、视频 | NA | NA | VGG16, ResNet50, DenseNet121, ESRGAN | NA | NA |
| 371 | 2026-03-31 |
Probabilistic forecasting of monthly dengue cases using epidemiological and climate signals: A BiLSTM-Negative Binomial Model versus Mechanistic and Count-Model Baselines
2026, PLOS global public health
DOI:10.1371/journal.pgph.0005404
PMID:41894525
|
研究论文 | 本文比较了四种概率模型在预测塞拉利昂弗里敦市月度登革热病例方面的性能，包括负二项广义线性模型、负二项INGARCH模型、机制更新模型和双向长短期记忆网络模型 | 提出了一个结合流行病学和气候信号的BiLSTM-负二项模型，并与传统机制和计数模型基线进行对比，在泄漏安全的滚动原点评估框架下进行概率预测 | 研究仅基于弗里敦市的数据，可能不适用于其他城市环境；气候输入仅限于滞后1期的协变量，可能未充分利用长期气候模式 | 开发可靠的短期登革热病例预测模型，以支持城市卫生系统资源分配 | 塞拉利昂弗里敦市的月度登革热病例计数 | 机器学习 | 登革热 | 时间序列分析，概率预测 | BiLSTM, NB-GLM, INGARCH-NB, Renewal-NB | 时间序列数据 | 2015年至2024年弗里敦市的月度登革热病例数据，每个预测范围内对齐的常见问题-目标对数量为32 | NA | 双向长短期记忆网络 | 平均对数分数，经验覆盖率，50%和90%预测区间中位数宽度，概率积分变换校准诊断，Diebold-Mariano检验 | NA |
| 372 | 2026-03-31 |
Application of bioinformatics and data science in studies of cancer epigenetics
2026, International review of cell and molecular biology
DOI:10.1016/bs.ircmb.2025.10.003
PMID:41905787
|
综述 | 本文综述了生物信息学与数据科学在癌症表观遗传学研究中的应用，包括表观遗传调控机制、高通量数据分析和机器学习方法 | 整合生物信息学与数据科学工具，系统梳理表观遗传数据与多组学、临床数据的融合分析策略，为癌症机制研究和治疗靶点发现提供新方向 | 未涉及具体实验验证或算法开发细节，主要基于现有文献进行归纳总结 | 探讨生物信息学与数据科学在癌症表观遗传学研究中的最新应用进展 | 癌症相关的表观遗传数据（如DNA甲基化、组蛋白修饰、非编码RNA）及多组学整合分析 | 生物信息学 | 癌症 | ChIP-seq, WGBS, 质谱分析 | 机器学习, 深度学习 | 表观遗传数据, 多组学数据, 临床数据 | NA | NA | NA | NA | NA |
| 373 | 2026-03-31 |
Advancements in AI-based quantitative analysis of fundus tessellation and its application in myopia research
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1786949
PMID:41907242
|
综述 | 本文综述了人工智能在眼底镶嵌纹定量分析及其在近视研究中的应用进展 | 利用人工智能，特别是基于深度学习的图像分析技术，对眼底镶嵌纹进行定量评估，为近视研究提供了客观、可扩展的新方法 | NA | 综述人工智能辅助的定量图像分析方法在眼底镶嵌纹评估中的应用及其与近视临床参数的关系 | 眼底镶嵌纹及其密度 | 计算机视觉 | 近视 | 深度学习图像分析 | 深度学习 | 图像 | 多个队列研究 | NA | NA | NA | NA |
| 374 | 2026-03-31 |
AI-based planning for DIEAP flap procedures: exploring foundation models for artery perforators analysis
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1757637
PMID:41907262
|
研究论文 | 本研究开发了一种基于人工智能的端到端自动化流程，用于DIEAP皮瓣手术规划中的穿支血管分割与定量分析 | 首次将解剖学先验知识作为空间提示来引导深度学习分割模型，并采用连接感知的复合损失函数（包含骨架召回损失）来保持血管拓扑结构 | 测试集仅包含9名患者，样本量较小；模型性能虽有提升但Dice系数绝对值仍较低（0.265） | 开发自动化管道以提升DIEAP皮瓣手术规划的效率和一致性 | 穿支血管（来自CTA图像的血管结构） | 计算机视觉 | 乳腺癌 | 计算机断层扫描血管造影（CTA） | 深度学习分割模型 | 医学图像（CTA图像） | 9名患者的测试集（具体训练集数量未明确说明） | 未明确说明 | SAM 2, MedSAM-2, nnInteractive | Dice相似系数（DSC） | 未明确说明 |
| 375 | 2026-03-31 |
Diabetic retinopathy severity detection using an improved Whale optimization algorithm and convolutional Kolmogorov-Arnold network
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1709872
PMID:41907276
|
研究论文 | 本文提出了一种基于深度学习的方法，用于使用视网膜图像检测糖尿病视网膜病变的严重程度 | 结合了改进的鲸鱼优化算法和卷积Kolmogorov-Arnold网络，并利用ShuffleNet V2与视觉Transformer注意力机制进行特征提取 | NA | 开发一种高效且资源需求低的糖尿病视网膜病变严重程度检测模型 | 糖尿病视网膜病变患者 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, Transformer | 图像 | 使用EyePACS数据集训练，并在Messidor-2数据集上泛化 | NA | ShuffleNet V2, Vision Transformer, 卷积Kolmogorov-Arnold网络 | 准确率 | 最小处理资源，适用于计算资源有限的医疗设施 |
| 376 | 2026-03-31 |
Placenta-pulmonary coupling-guided multimodal AI for fetal lung maturity staging and individualized glucocorticoid therapy
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1791481
PMID:41907297
|
研究论文 | 本文提出了一种基于胎盘-肺耦合指导的多模态人工智能框架，用于胎儿肺成熟度分期和个体化糖皮质激素治疗 | 采用生理学信息指导的混合框架，显式建模胎盘-肺相互作用并整合多模态数据，提供可解释且可靠的胎儿肺成熟度评估和糖皮质激素治疗优化 | 需要外部验证和前瞻性试验来进一步验证框架的有效性 | 评估胎儿肺成熟度并优化产前糖皮质激素治疗 | 320例妊娠（包括160例妊娠期高血压疾病）的孕妇和胎儿 | 数字病理学 | 妊娠期高血压疾病 | 2D/3D超声、剪切波弹性成像、多普勒、母体血浆代谢组学 | Transformer, LSTM | 图像、代谢组学数据 | 320例妊娠，每周从28至36周采集数据 | PyTorch | 跨模态注意力Transformer, 时空卷积-LSTM网络 | 轮廓分数, 准确率, 风险降低百分比 | NA |
| 377 | 2026-03-31 |
Diabetic peripheral neuropathy identification using enface optical coherence tomography and multi-head attention deep learning algorithm
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261436274
PMID:41907356
|
研究论文 | 本研究开发了一种基于多注意力头深度学习算法的非侵入性诊断工具，利用多模态光学相干断层扫描图像早期检测糖尿病周围神经病变 | 首次将多注意力头深度学习算法与多模态光学相干断层扫描图像结合用于糖尿病周围神经病变的早期检测，并识别出无血管层为最具预测价值的视网膜层 | 研究样本量有限（435名患者），且需要进一步的外部验证以确认模型的泛化能力和临床可行性 | 开发一种非侵入性、可靠的诊断工具，用于早期检测糖尿病周围神经病变 | 糖尿病患者的视网膜光学相干断层扫描图像 | 计算机视觉 | 糖尿病周围神经病变 | 光学相干断层扫描 | 深度学习 | 图像 | 435名糖尿病患者的544只眼睛，共计3264张光学相干断层扫描图像 | PyTorch | ResNet-18 | AUC | NA |
| 378 | 2026-03-31 |
Model-independent searches of new physics in DARWIN with deep learning
2026, The European physical journal. C, Particles and fields
DOI:10.1140/epjc/s10052-025-15161-2
PMID:41907564
|
研究论文 | 提出了一种基于深度学习的模型无关异常检测流程，用于在DARWIN暗物质探测实验中搜索新物理信号 | 首次在DARWIN实验中采用无模型、无似然函数的深度学习方法进行异常事件检测，避免了传统分析中对信号模型的依赖 | 方法依赖于模拟数据的质量，实际实验环境中的噪声和系统误差可能影响性能 | 开发模型无关的新物理搜索方法，提高暗物质探测实验的分析效率和准确性 | DARWIN下一代多吨级液氙暗物质直接探测实验 | 机器学习 | NA | 深度学习异常检测 | VAE, 分类器 | 高维模拟探测器响应数据 | NA | NA | 变分自编码器 | 背景拒绝能力 | NA |
| 379 | 2026-03-31 |
Evaluation of orthognathic surgery planning with artificial intelligence: a prospective, comparative study
2026, European oral research
IF:0.9Q3
DOI:10.26650/eor.20261702936
PMID:41908035
|
研究论文 | 本研究旨在通过比较基于深度学习的AI程序与3D CT扫描的金标准测量结果，评估其在正颌手术规划中头影测量分析的准确性 | 首次在正颌手术患者中，系统比较了多种基于深度学习的AI头影测量程序（如NemoCeph 2D、OrthoDx、AudaxCeph和WebCeph）与3D CT金标准之间的差异 | 研究仅评估了特定AI程序，且样本可能有限，未涵盖所有临床场景；AI算法仍需进一步优化以提高准确性 | 评估基于深度学习的AI程序在正颌手术规划中头影测量分析的准确性 | 正颌手术候选患者的3D CT扫描和2D头影测量图像 | 计算机视觉 | 正颌手术相关疾病 | 3D CT扫描、2D头影测量图像处理 | 深度学习 | 图像 | 正颌手术候选患者（具体数量未在摘要中明确说明） | NA | NA | ANB角、SNA、SNB、Wits评估、Y轴角、面部高度比等测量指标的差异分析，p值 | NA |
| 380 | 2026-03-31 |
Quantification of feeding intensity and feeding control of largemouth bass based on water surface vibration characteristics
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1656290
PMID:41908139
|
研究论文 | 本研究通过整合振动信号量化与深度学习，建立了一种基于水面振动特征的鱼类摄食强度动态预测模型，并用于大口黑鲈的精准投喂控制 | 首次将三轴位移振动信号量化与LSTM深度学习模型结合，用于预测鱼类摄食强度，并成功部署于低成本嵌入式系统实现实时闭环控制 | 研究仅针对大口黑鲈单一物种，且实验参数范围（鱼体大小50-300g，密度20-60尾/组）可能未覆盖所有养殖场景 | 实现高密度水产养殖中的精准投喂控制 | 大口黑鲈的摄食行为 | 机器学习 | NA | 振动信号采集与分析 | LSTM, GRU, Transformer | 时间序列振动信号 | 多维实验设计，涉及不同鱼体大小（50-300g）、放养密度（20-60尾/组）、投喂速度（1-3g/s）和饲料粒径（2#、4#、6#）的组合 | NA | LSTM, GRU, Transformer | RMSE, MAE, R, 残饵率 | 嵌入式系统（Orange Pi AiPRO） |