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 3841 - 3860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3841 | 2026-02-18 |
Information-Guided Fusion of Multimodal Vibrational Spectroscopy for Disease Diagnosis Based on Symbiotic Attention Decoupled Contrastive Learning
2026-Feb-17, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c06086
PMID:41657032
|
研究论文 | 本文提出了一种基于共生注意力解耦对比学习的多模态振动光谱融合方法，用于疾病诊断 | 设计了共生注意力融合和寄生注意力融合机制，模拟生物共生与寄生关系，实现差异化信息增强，并引入监督多模态对比学习解耦网络以平衡跨模态一致性和模态内凝聚力 | NA | 提高振动光谱在疾病诊断中的准确性和可解释性 | 癌症、自身免疫疾病和心血管疾病数据集 | 机器学习 | 癌症、自身免疫疾病、心血管疾病 | 拉曼光谱、红外光谱 | 多层感知机、卷积神经网络 | 光谱数据 | NA | NA | SAFDN | 准确率、AUC | NA |
| 3842 | 2026-02-18 |
AutoSimTTF: a fully automatic pipeline for personalized electric field simulation and treatment planning of tumor treating fields
2026-Feb-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4288
PMID:41643315
|
研究论文 | 本文介绍了一个名为AutoSimTTF的全自动管道，用于肿瘤治疗电场（TTFields）的个性化电场模拟和优化治疗计划 | 开发了一个端到端的全自动工作流，集成了深度学习自动肿瘤分割、基于有限元法的电场模拟以及一种新颖的基于物理的参数优化方法，显著提升了效率和个性化治疗能力 | 与传统的半自动工作流相比，模拟精度在某些组织中存在最高14.1%的偏差 | 提高肿瘤治疗电场（TTFields）治疗计划的计算效率、可重复性和可及性，实现数据驱动的个性化治疗 | 肿瘤治疗电场（TTFields）的个性化治疗计划 | 数字病理学 | 肿瘤 | 有限元法，深度学习 | 深度学习模型 | 医学影像数据 | NA | NA | NA | Dice相似系数 | NA |
| 3843 | 2026-02-18 |
Atomically Precise Metal Clusters for NIR-II Imaging
2026-Feb-17, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.5c00837
PMID:41645060
|
综述 | 本文综述了原子级精确金属簇在近红外二区成像中的发光特性、成像技术、生物医学应用及生物安全性 | 通过原子工程、配体设计和表面修饰精细调控金属簇的近红外二区光学性质，并结合先进成像技术与人工智能实现高分辨率、深组织可视化 | NA | 探讨原子级精确金属簇在近红外二区成像中的基础物理、发光机制及其在生物医学成像和临床病理诊断中的应用潜力 | 原子级精确金属簇 | 生物医学成像 | 心血管疾病, 脑血管疾病, 恶性肿瘤 | 近红外二区成像, 宽场成像, 三维显微成像, 人工智能辅助图像处理 | 深度学习 | 图像 | NA | NA | NA | 信噪比 | NA |
| 3844 | 2026-02-18 |
Classification of small specimen uranium ores using LIBS combined with machine learning and deep learning algorithms
2026-Feb-17, The Analyst
DOI:10.1039/d5an01326g
PMID:41699974
|
研究论文 | 本研究提出了一种结合激光诱导击穿光谱（LIBS）技术与机器学习和深度学习算法的分类模型，用于实现小样本铀矿石的快速高精度分类 | 将LIBS技术与多种机器学习和深度学习算法结合，并比较了LASSO和PCA两种特征提取方法在小样本铀矿石分类中的效果，发现基于PCA特征的深度学习模型能实现100%的分类准确率 | 随机森林模型在小训练集下存在显著过拟合问题，且部分深度学习模型在LASSO特征选择下仍存在误分类 | 开发快速高精度的小样本铀矿石分类方法 | 12种类型的铀矿石样本 | 机器学习 | NA | 激光诱导击穿光谱（LIBS） | 随机森林（RF）、前馈神经网络（FNN）、卷积神经网络（CNN）、长短期记忆网络（LSTM） | 光谱数据 | 12种铀矿石样本的光谱数据 | NA | FNN, CNN, LSTM | 分类准确率 | NA |
| 3845 | 2026-02-18 |
SCImputation: Mitigating Feature Confounding From a Structural Causal Perspective for Data Imputation
2026-Feb-16, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2026.3665199
PMID:41697814
|
研究论文 | 本文提出了一种基于结构因果视角的数据插补方法SCImputation，通过结合实例级和特征级信息优化邻居选择，并利用后门调整公式减轻目标特征带来的混淆效应 | 首次从结构因果视角分析数据插补问题，揭示了目标特征作为混淆因子对邻居选择的影响，并提出了一种结合局部估计与全局分布重加权的新策略 | 未明确讨论计算复杂度或在大规模数据集上的可扩展性，且实验主要基于特定类型的数据集（如生物医学和一般应用数据集） | 开发一种能够减轻特征混淆的数据插补方法，以提高缺失值估计的准确性和可靠性 | 缺失数据，特别是生物医学和一般应用数据集中的缺失值 | 机器学习 | NA | 数据插补 | KNNimpute, LLSimpute | 表格数据，包括生物医学微阵列数据和一般评估数据 | 五个数据集（NACC、三个NCBI微阵列数据集、Turkiye学生评估数据集），具体样本数量未在摘要中明确 | NA | SCImputation（结合KNNimpute和LLSimpute的变体） | 准确率，均方根误差（RMSE） | NA |
| 3846 | 2026-02-18 |
Automated Segmentation of Stellate Ganglion Block Region in Ultrasound Images Using Deep Learning Model
2026-Feb-16, Anesthesia and analgesia
IF:4.6Q1
DOI:10.1213/ANE.0000000000007938
PMID:41698185
|
研究论文 | 本研究开发并验证了一种用于超声图像中星状神经节阻滞区域自动分割的深度学习模型 | 首次系统评估深度学习在星状神经节阻滞区域分割中的应用，并提出了多级特征融合的UNet模型 | 模型在边界精度上略逊于专家，且研究为回顾性设计 | 开发自动分割模型以支持超声引导下星状神经节阻滞的精准针头放置并提高手术安全性 | 接受超声引导星状神经节阻滞的患者 | 计算机视觉 | NA | 超声成像 | 深度学习 | 图像, 视频 | 370名患者，730个视频（2190张图像） | NA | MLF-UNet, UNet | Dice相似系数, 交并比, 95百分位豪斯多夫距离, 平均对称表面距离 | NA |
| 3847 | 2026-02-18 |
Temporomandibular Disorders Diagnosis: Current Challenges and the Promising Role of Artificial Intelligence
2026-Feb-16, European journal of dentistry
DOI:10.1055/s-0046-1816081
PMID:41698418
|
综述 | 本文综述了颞下颌关节紊乱病诊断面临的挑战，并重点介绍了人工智能在该领域日益增长的作用 | 强调了将人工智能技术与现有诊断框架（如DC/TMD）相结合，以实现更客观、数据驱动和个性化的诊断方法 | NA | 总结当前颞下颌关节紊乱病诊断的挑战，并探讨人工智能在改善诊断准确性、一致性和效率方面的潜力 | 颞下颌关节紊乱病 | 数字病理学 | 颞下颌关节紊乱病 | NA | 机器学习, 深度学习 | 图像, 临床数据, 心理社会数据 | NA | NA | NA | NA | NA |
| 3848 | 2026-02-18 |
Neonatal jaundice detection using a vision transformer-based deep learning model
2026-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40515-5
PMID:41699004
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3849 | 2026-02-18 |
A Flexible Hybrid Quantum-classical Training Framework of Organ-at-Risk and Tumor Segmentation Models for Radiation Therapy Planning
2026-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40127-z
PMID:41699007
|
研究论文 | 提出了一种用于放射治疗计划中危及器官和肿瘤分割的混合量子-经典训练框架，以减少可训练参数并提升分割性能 | 基于量子参数生成技术，在训练过程中自适应确定参数矩阵的秩，既保留模型结构又减少参数数量，同时通过每个通道独立的变分量子电路保持通道独立性 | 未明确说明框架在更大规模数据集或其他医学影像模态上的泛化能力 | 解决医学影像分割中因模型过参数化导致的小样本过拟合问题，提升放射治疗计划的分割精度 | 危及器官和肿瘤的医学影像分割 | 医学影像分析 | 肿瘤 | 深度学习分割，量子参数生成 | 混合量子-经典模型 | 医学影像 | NA | NA | UNetPP | IoU, DSC | 浅层量子电路 |
| 3850 | 2026-02-18 |
A method for compiling satellite image map geographic objects based on vector map data via deep learning
2026-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39096-0
PMID:41699043
|
研究论文 | 本文提出了一种基于深度学习和矢量地图数据指导的卫星影像地图编绘自动化方法 | 利用深度学习模型学习矢量数据到卫星影像的映射，并通过迁移学习增强对需修改区域的敏感性，实现地理对象的选择性和多样化操作编绘 | NA | 实现卫星影像地图的自动化编绘，以增强视觉清晰度、隐藏敏感信息并确保与矢量表示的一致性 | 卫星影像地图中的线性和多边形地理对象 | 计算机视觉 | NA | 深度学习 | 编码器-解码器架构 | 图像 | NA | NA | 编码器-解码器 | NA | NA |
| 3851 | 2026-02-18 |
Deep learning inversion of water content and relaxation time in water-bearing fracture zones based on surface NMR data
2026-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40506-6
PMID:41699053
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3852 | 2026-02-18 |
Deep Learning-Based Automated Diagnostic Charting on Panoramic Radiography: Comparison of YOLOv11 and YOLOv12
2026-Feb-16, Odontology
IF:1.9Q2
DOI:10.1007/s10266-026-01333-3
PMID:41699374
|
研究论文 | 本研究比较了YOLOv11和YOLOv12两种深度学习架构在全景X光片上自动诊断13种牙科疾病的性能 | 首次对下一代深度学习架构YOLOv11和YOLOv12在全景X光片自动诊断中的性能进行对比分析，并使用了混合数据集测试泛化能力 | 对于细微病理如骨质流失和龋齿的检测性能较低 | 优化临床工作流程并减少诊断变异性，通过自动诊断图表提升诊断准确性和效率 | 全景X光片中的13种不同牙科疾病，包括龋齿、种植体、骨质流失和阻生牙等 | 计算机视觉 | 牙科疾病 | 全景X光成像 | YOLOv11, YOLOv12 | 图像 | 2,297张全景X光片（1,579张来自单一机构，718张来自Roboflow Universe外部数据集） | NA | YOLOv11, YOLOv12 | 平均精度均值（mAP@0.5）、精确率、召回率、F1分数 | NA |
| 3853 | 2026-02-15 |
Modern resources for intrinsic disorder predictions: protein language models, deep learning, meta-servers, and databases
2026-Feb-14, Cellular and molecular life sciences : CMLS
IF:6.2Q1
DOI:10.1007/s00018-026-06087-3
PMID:41689628
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3854 | 2026-02-18 |
Bridging clinical narratives and structured phenotypes with large language models and sentence transformers
2026-Feb-14, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2026.02.009
PMID:41698530
|
研究论文 | 本文提出了一种名为LEAP的两阶段框架，用于从电子健康记录中提取结构化表型，结合大型语言模型和句子转换器模型以提高自动化表型映射的准确性和效率 | 提出LEAP框架，整合大型语言模型进行自由文本表型提取和句子转换器模型进行HPO映射，解决了长上下文处理和非存在标识符生成的问题，实现了显著的性能提升 | 未明确提及模型在更广泛或多样化临床数据集上的泛化能力，以及计算资源需求的具体细节 | 开发一个自动化框架，从非结构化的电子健康记录中提取和映射标准化的人类表型本体标识符，以支持孟德尔疾病诊断和基因-表型关联研究 | 电子健康记录中的临床叙事文本和人类表型本体标识符 | 自然语言处理 | 孟德尔疾病 | 大型语言模型, 句子转换器模型 | BERT, LLM | 文本 | 5,330,557个实例的大规模数据集 | NA | 句子转换器 | 精确度, F1分数 | NA |
| 3855 | 2026-02-18 |
Advancing NanoLuc Luciferase Stability beyond Directed Evolution and Rational Design through Expert-Guided Deep Learning
2026-Feb-06, ACS catalysis
IF:11.3Q1
DOI:10.1021/acscatal.5c08789
PMID:41676228
|
研究论文 | 本文提出了一种结合深度学习和结构引导理性设计的混合方法，以开发增强的NanoLuc荧光素酶变体，提高其热稳定性和在高温下的活性 | 通过整合深度学习和结构引导理性设计，克服了传统同源方法在优化NanoLuc荧光素酶时的局限性，特别是在稳定性和活性权衡方面 | 未明确提及具体限制，但可能涉及方法在更广泛酶类应用中的普适性验证 | 优化NanoLuc荧光素酶的热稳定性，以提升其在高温下的生物成像和传感应用性能 | NanoLuc荧光素酶（NLuc）及其工程变体 | 机器学习 | NA | 深度学习，结构引导理性设计，分子动力学模拟，蛋白质折叠研究 | 深度学习模型 | 蛋白质序列和结构数据 | 工程变体库，包括优化变体B.07和B.09 | NA | NA | 熔化温度增加（如7.2°C和5.1°C），高温下活性维持 | NA |
| 3856 | 2026-02-18 |
High-dimensional imaging using combinatorial channel multiplexing and deep learning
2026-Feb, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02585-0
PMID:40133518
|
研究论文 | 本文介绍了一种名为CombPlex的组合染色平台，结合深度学习算法框架，通过组合通道复用技术指数级增加可测量的蛋白质数量 | 提出组合染色平台CombPlex，通过将多个蛋白质组合压缩到少数成像通道中，再利用深度学习进行解压缩，无需专用仪器即可显著提升成像通量 | 未明确说明该方法在极端组织样本或低表达蛋白质情况下的性能限制，也未讨论计算复杂度对实际应用的影响 | 开发一种能够量化多个蛋白质在单细胞分辨率下表达并保留空间信息的成像工具 | 多种组织和癌症类型中的蛋白质表达 | 数字病理学 | 癌症 | 组合染色技术，荧光显微镜，质谱成像 | 深度学习模型 | 图像 | NA | NA | NA | 准确重建 | NA |
| 3857 | 2026-02-18 |
Deep Learning Strategies for Predicting Amputation Free Survival in Patients with Peripheral Artery Disease
2026-Feb, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.10.043
PMID:41151636
|
研究论文 | 本研究通过比较多种生存机器学习模型，旨在预测外周动脉疾病患者的无截肢生存期，并开发患者特异性风险分层工具 | 首次将多种非竞争风险和竞争风险机器学习模型（包括DeepHit）应用于外周动脉疾病的无截肢生存期预测，并识别关键预测因子如疾病状态、糖尿病和药物治疗 | 研究基于单中心回顾性数据，缺乏外部验证，限制了临床应用的直接推广 | 改进传统Cox比例风险模型在预测外周动脉疾病患者无截肢生存期方面的局限性，并开发临床决策支持工具 | 外周动脉疾病患者 | 机器学习 | 心血管疾病 | 生存分析 | 条件生存森林, 随机生存森林, DeepHit | 临床数据 | 2366名有症状的外周动脉疾病患者 | NA | 非线性Cox比例风险模型, Fine and Gray亚分布风险模型 | 一致性指数, 综合Brier分数 | NA |
| 3858 | 2026-02-18 |
Multiple teachers-meticulous student: A domain adaptive meta-knowledge distillation model for medical image classification
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70350
PMID:41699943
|
研究论文 | 提出了一种名为MT-MS的源无关域自适应元知识蒸馏框架，用于解决医学图像分类中的域偏移、数据依赖、模型复杂性和隐私保护等挑战 | 采用多教师-精细学生架构，在无需访问源数据的情况下，通过元学习策略融合异构源域知识，实现隐私保护的轻量级域自适应分类 | 仅针对二分类任务（呼吸运动伪影检测）进行评估，未展示在多类别复杂医学图像分类任务上的泛化能力 | 开发一种适用于实际临床环境的轻量级、隐私保护的域自适应医学图像分类方法 | 医学图像分类任务，特别是呼吸运动伪影检测 | 计算机视觉 | NA | 深度学习，元学习，知识蒸馏 | CNN，注意力机制 | 医学图像 | 六个公共医学影像数据集，涵盖多种成像模态和临床应用 | NA | 集成卷积和注意力组件的架构 | 准确率，F1分数 | NA |
| 3859 | 2026-02-18 |
Impact of dataset size on fine-tuning foundation models for neuroanatomic segmentation: Testing the foundation model hypothesis
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70337
PMID:41699958
|
研究论文 | 本研究评估了两种基础分割模型（SAM和MedSAM）在不同数据集规模下对神经解剖结构进行微调分割的性能，并与标准全监督UNet模型进行比较 | 首次系统性地测试了基础模型假设在神经解剖分割任务中的有效性，特别是在极低数据量场景下的表现 | 研究仅基于单一数据集（HCP年轻成人队列）和特定模态（T1加权3D MRI），结论可能无法推广到其他解剖区域或成像模态 | 验证基础模型在医学影像分割任务中，尤其是在标注数据稀缺时，是否比现有最先进模型能更高效地从小样本数据中学习 | 人类连接组计划年轻成人队列中的1,113个T1加权3D MRI图像，对应93个灰质和白质区域的FreeSurfer生成并经人工细化的分割结果 | 医学影像分析 | NA | T1加权3D磁共振成像 | 基础分割模型, 全监督卷积神经网络 | 3D MRI图像 | 1,113个3D MRI（训练集891个，验证集111个，测试集111个） | NA | SAM, MedSAM, UNet | Dice系数 | NA |
| 3860 | 2026-02-18 |
A strategy for simulation-driven CT metal artifact reduction toward improving network generalizability
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70336
PMID:41699969
|
研究论文 | 本文提出了一种结合多层感知机光束硬化校正和条件潜在扩散模型的自监督CT金属伪影减少框架，旨在提高网络泛化能力 | 通过整合物理驱动的MLP光束硬化校正和条件潜在扩散模型，结合伪影模拟技术，实现无需真实配对数据的自监督训练，增强了方法的可扩展性和结构保真度 | 方法依赖于模拟生成的伪影数据，可能无法完全覆盖所有真实临床场景中的复杂伪影模式 | 开发一种基于深度学习的CT金属伪影减少方法，以提高图像重建质量和网络泛化性 | CT图像中的金属伪影 | 医学影像处理 | NA | CT成像 | MLP, LDM | 图像 | SynDeepLesion数据集和真实临床数据 | NA | 多层感知机, 条件潜在扩散模型 | 伪影去除效果, 结构保真度 | NA |