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 4141 - 4160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4141 | 2026-02-15 |
Advanced neuroimaging in pediatric epilepsy surgery: state of the art and future perspectives
2026-Jan, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03859-9
PMID:41317206
|
综述 | 本文综述了儿科耐药性癫痫结构MRI后处理的最新进展，重点关注人工智能驱动和定量技术，并评估了它们对病灶检测、致痫区定位和术前规划的影响 | 系统性地回顾和评估了多种新型后处理技术（如MELD-Graph、MAP18、FLAT1、SUPR-FLAIR）在儿科癫痫中的应用，强调了它们在揭示常规MRI不可见的细微皮质异常方面的潜力，并探讨了将这些工具整合到多模态诊断工作流程中的价值 | 文章作为综述，主要总结了现有技术，未报告原始实验数据；同时指出这些技术仍需标准化、临床验证和工作流程整合方面的持续努力，以确保广泛采用和最大化临床影响 | 回顾儿科耐药性癫痫结构MRI后处理的最新进展，并评估其在病灶检测、致痫区定位和术前规划方面的应用与影响 | 儿科耐药性癫痫患者，特别是MRI阴性（常规MRI未发现明显病灶）的病例 | 医学影像分析 | 癫痫 | 结构MRI后处理技术，包括机器学习、深度学习、基于体素的形态测量学、皮质表面投影、FLAIR/T1比率映射 | 深度学习，机器学习 | MRI图像 | NA | NA | 深度神经网络（具体架构未指定） | 敏感性，特异性，诊断性能 | NA |
| 4142 | 2026-02-15 |
Distribution of coronary artery calcium volume and density by age, sex, and race using AI-based quantification algorithm
2026 Jan-Feb, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2025.12.003
PMID:41482498
|
研究论文 | 本研究利用基于AI的量化算法，分析了不同年龄、性别和种族人群的冠状动脉钙化体积和密度分布 | 首次使用经过验证的深度学习软件直接量化CAC体积和平均密度，并构建了跨人口亚组的百分位分布 | 研究为单中心回顾性分析，仅包括无症状且无既往动脉粥样硬化性心血管疾病的患者，可能限制了结果的普适性 | 表征冠状动脉钙化体积和密度在不同人口亚组中的规范分布，以改进CAC解释和风险分层 | 23,844名年龄大于35岁、无症状且无既往动脉粥样硬化性心血管疾病的患者 | 数字病理学 | 心血管疾病 | 非对比心电图门控心脏CT扫描 | 深度学习 | 医学影像（CT图像） | 23,844名患者 | NA | NA | NA | NA |
| 4143 | 2026-02-15 |
Voxel-based correction of CT attenuations for accurate quantification of coronary artery calcification in low tube voltage scans with deep learning reconstruction
2026 Jan-Feb, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2025.12.008
PMID:41486057
|
研究论文 | 本研究提出了一种基于体素的CT衰减校正方法，用于在低管电压扫描结合深度学习重建技术下，实现冠状动脉钙化的准确量化评估 | 提出了一种基于体素的CT衰减校正方法，通过体模扫描建立线性回归模型，将低管电压协议的CT衰减值映射到标准协议，有效解决了低管电压扫描在冠状动脉钙化量化评估中引入的系统性高估偏差 | 研究仅使用了特定扫描设备和重建算法，其校正公式的普适性需要进一步验证；研究为单中心前瞻性研究，样本量相对有限 | 开发一种校正方法，以解决低管电压扫描结合深度学习图像重建在冠状动脉钙化量化评估中引入的偏差，实现准确的风险分层 | 包含各种插入物的体模，以及被转诊进行冠状动脉钙化评分的患者 | 医学影像分析 | 心血管疾病 | CT扫描，深度学习图像重建 | 线性回归模型 | CT图像 | 190名患者 | NA | NA | 钙化体积，等效质量，Agatston评分，风险分层误分类率，CT衰减值，标准差，信噪比，主观图像质量评分 | NA |
| 4144 | 2026-02-15 |
AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0338799
PMID:41671210
|
研究论文 | 提出一种混合深度学习框架，用于检测短视频内容中的网络欺凌行为 | 结合CNN、BiLSTM和Transformer的多模态融合框架，并引入语义一致性验证层以增强跨模态对齐 | 未提及具体的数据偏见或跨平台泛化能力的详细限制 | 开发自动化的网络欺凌检测系统以改善内容审核 | 短视频平台（Instagram Reels、TikTok、YouTube Shorts）中的多模态内容 | 自然语言处理,计算机视觉 | NA | 深度学习 | CNN, BiLSTM, Transformer | 视频,音频,文本 | 基于CAVD和SocialVidMix两个基准数据集 | 未明确提及 | CNN, BiLSTM, Transformer | 准确率,精确率,召回率,F1分数 | 未提及 |
| 4145 | 2026-02-15 |
Preoperative evaluation of C2 pedicle screw placement using a deep learning model: Development and validation study
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342349
PMID:41671245
|
研究论文 | 本研究开发并验证了一个名为C2-Net的深度学习模型，用于术前快速、准确地评估C2椎弓根螺钉置入的可行性 | 开发了一个集成了图像分割模块和螺钉置入概率评估模块的自动化深度学习流程，用于C2椎弓根螺钉置入的术前评估，其性能与资深外科医生相当，并优于初级外科医生 | 未在更大规模、多中心的临床数据集中进行外部验证 | 开发并验证一个深度学习模型，以改进C2椎弓根螺钉置入的术前评估 | C2椎弓根及其在CT图像中的形态 | 数字病理学 | 脊柱疾病 | CT成像 | 深度学习模型 | 医学图像 | 未明确说明具体样本数量，但包含用于训练和测试的CT图像数据集 | 未明确说明 | C2-Net | 准确率, 灵敏度, 特异性 | 未明确说明 |
| 4146 | 2026-02-15 |
A unified vision-language model for cross-product defect detection in glove manufacturing
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339867
PMID:41671274
|
研究论文 | 提出一种基于多模态大语言模型的统一缺陷检测框架，用于手套制造中的跨产品缺陷检测 | 采用两阶段微调策略（监督微调+强化微调），通过多维度可验证奖励函数优化视觉推理，实现单一模型处理多产品线和缺陷类型 | 仅在手套制造数据集上进行验证，未在其他工业场景测试泛化能力 | 解决工业质量控制中传统深度学习模型扩展性不足的问题 | 手套制造过程中的产品缺陷 | 计算机视觉 | NA | 多模态大语言模型 | MLLM | 图像, 文本 | 真实世界手套制造数据集（未明确数量） | NA | 多模态大语言模型 | 平均精度均值 | NA |
| 4147 | 2026-02-15 |
The role of artificial intelligence in gastroenterology: current perspectives and future directions-narrative review
2026, Translational gastroenterology and hepatology
IF:3.8Q2
DOI:10.21037/tgh-25-10
PMID:41675336
|
综述 | 本文是一篇叙述性综述，探讨了人工智能在胃肠病学领域的当前应用、历史发展、未来方向及其在诊断、管理和预后方面的作用 | 全面回顾了AI在胃肠病学中的历史与现状，特别聚焦于放射学诊断、内窥镜操作、疾病检测和临床决策支持等具体应用，并指出了未来发展的关键挑战与方向 | 作为叙述性综述，可能存在文献选择的主观性，未进行系统性荟萃分析；且主要基于英文文献，可能遗漏其他语言的重要研究 | 评估人工智能在胃肠病学领域的应用现状、潜力及未来发展方向 | 胃肠病学领域，包括胃肠道疾病（如息肉、肿瘤、炎症性肠病等）的诊断、管理和预后 | NA | 胃肠道疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | 准确性 | NA |
| 4148 | 2026-02-15 |
EC-Bench: a benchmark for enzyme commission number prediction
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag004
PMID:41675694
|
研究论文 | 本文介绍了EC-Bench，一个用于酶委员会编号预测的基准测试框架，旨在系统评估和比较现有方法 | 提出了首个统一的EC编号预测基准测试框架，整合了多种现有方法、性能指标和数据集，支持全面的比较研究 | 基准测试可能未涵盖所有最新方法，且数据集选择可能影响结果的普遍性 | 系统评估和比较酶委员会编号预测方法，以识别最有效的酶功能注释方法 | 酶蛋白质及其对应的EC编号 | 自然语言处理 | NA | 同源性分析、深度学习、对比学习、语言模型 | 深度学习模型、语言模型 | 蛋白质序列数据 | NA | NA | NA | 准确性、效率性能指标 | NA |
| 4149 | 2026-02-15 |
Deep Learning-Enabled Virtual Multiplexed Immunostaining of Label-Free Tissue for Vascular Invasion Assessment
2026, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0226
PMID:41676162
|
研究论文 | 本文开发并验证了一种基于深度学习的虚拟多重免疫染色方法，用于无标记组织，以评估血管侵犯 | 提出了一种基于深度学习的虚拟多重免疫染色框架，能够从无标记组织的自发荧光显微图像中同时生成ERG、PanCK和H&E虚拟染色图像，避免了传统免疫组化的化学染色过程 | 未明确说明方法在其他癌症类型或更大样本量中的泛化能力，以及虚拟染色图像与真实染色图像之间可能存在的细微差异 | 开发一种虚拟多重免疫染色方法，以提高甲状腺癌血管侵犯评估的准确性和效率 | 无标记甲状腺癌组织切片 | 数字病理学 | 甲状腺癌 | 自发荧光显微镜成像 | 深度学习模型 | 图像 | 未明确说明具体样本数量，但涉及甲状腺癌组织切片 | NA | NA | 一致性评估 | NA |
| 4150 | 2026-02-15 |
Effective automatic classification methods via deep learning for multi-type infectious keratitis diagnosis
2026-Jan, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06996-2
PMID:41134356
|
研究论文 | 本研究开发了一种基于深度学习的自动分类系统，用于通过裂隙灯图像诊断多种类型的感染性角膜炎 | 首次比较了包括EfficientNet_B0、EfficientNet_V2_S、ResNet50、Vision Transformer (ViT)和DeepIK在内的五种深度学习模型在感染性角膜炎分类任务中的性能，并确定了EfficientNet_B0为最优模型 | 数据集规模有限（1,065张图像），未来需要更大规模的数据集来进一步提高模型的准确性 | 开发一种自动化的深度学习系统，以辅助感染性角膜炎的快速、准确诊断 | 感染性角膜炎（由细菌、真菌、病毒或寄生虫引起）的裂隙灯图像 | 计算机视觉 | 感染性角膜炎 | 裂隙灯成像 | CNN, Transformer | 图像 | 1,065张弥散型裂隙灯图像 | NA | EfficientNet_B0, EfficientNet_V2_S, ResNet50, Vision Transformer (ViT), DeepIK | 准确率, 精确率, 召回率, F1分数, 加权Cohen's Kappa, ROC曲线, AUC | NA |
| 4151 | 2025-12-26 |
A "calcification"-enhanced deep learning approach for precise differentiation of thyroid nodules
2025-Dec-24, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00976-9
PMID:41444688
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4152 | 2026-02-15 |
Artificial intelligence-driven anticancer peptide discovery
2025-Dec, iMetaOmics
DOI:10.1002/imo2.70063
PMID:41676444
|
综述 | 本文系统总结了用于抗癌肽筛选的人工智能模型，并提出了一个结合多组学技术的综合性AI筛选框架 | 提出了一个集数据收集、特征提取、模型构建、可解释性分析和实验验证于一体的综合性AI筛选框架，并将其与多组学技术整合以促进临床转化 | 大多数现有AI模型缺乏可解释性和湿实验室验证，这影响了基于AI的ACP筛选的可信度和实际有效性 | 通过人工智能技术提高抗癌肽的筛选效率和准确性，并促进其临床转化 | 抗癌肽 | 机器学习 | 癌症 | 机器学习，深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 4153 | 2026-02-15 |
Identification of potent inhibitors of potential VEGFR2: a graph neural network-based virtual screening and in vitro study
2025-Dec, Journal of enzyme inhibition and medicinal chemistry
IF:5.6Q1
DOI:10.1080/14756366.2025.2518192
PMID:40539987
|
研究论文 | 本研究提出了一种结合AI深度学习和基于结构的药物设计的新策略，用于从中医药单体数据库中筛选针对VEGFR2的潜在候选化合物 | 首次将图神经网络应用于中医药单体数据库的虚拟筛选，以识别VEGFR2的有效抑制剂 | 研究仅基于计算筛选和体外实验，缺乏体内实验验证和临床前研究 | 筛选针对VEGFR2的潜在抑制剂，用于癌症治疗 | 中医药单体数据库中的化合物 | 机器学习 | 癌症 | 虚拟筛选，激酶抑制实验，分子对接，分子动力学模拟 | 图神经网络 | 分子结构数据 | 中医药单体数据库中的多个化合物，最终筛选出6个候选化合物 | NA | 图神经网络 | 激酶抑制活性，分子对接评分，分子动力学稳定性 | NA |
| 4154 | 2026-02-15 |
Revolutionizing multi-omics analysis with artificial intelligence and data processing
2025-Sep, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.70002
PMID:41675959
|
综述 | 本文探讨了人工智能与数据处理技术在多组学分析中的应用，旨在改变对复杂生物系统的理解 | 整合人工智能技术（如机器学习、深度学习）以处理和分析多组学数据，加速生物标志物发现和个性化医疗发展 | 需要高质量数据集，且有效算法和模型的开发仍面临挑战 | 探索人工智能和数据处理技术在多组学分析中的潜力，以推动生物系统研究和医学应用 | 多组学数据（包括多种分子数据类型） | 机器学习 | NA | 多组学方法 | 机器学习, 深度学习, 神经网络 | 多组学数据 | NA | NA | NA | NA | NA |
| 4155 | 2026-02-15 |
Loc4Lnc: Accurate prediction of long noncoding RNA subcellular localization via enhanced RNA sequence representation
2025-Sep, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.100
PMID:41675960
|
研究论文 | 本文提出了一种名为Loc4Lnc的深度学习框架，用于准确预测长链非编码RNA的亚细胞定位 | 通过整合卷积层和Transformer模块，有效捕获RNA序列中的局部基序和长程依赖关系，并利用TextCNN进行分类，显著提升了预测准确性 | NA | 开发一个深度学习框架以准确预测lncRNA的亚细胞定位，从而帮助理解其在生物通路中的功能 | 长链非编码RNA及其在五个亚细胞位置（细胞质、细胞核、细胞溶质、染色质和外泌体）的定位 | 自然语言处理 | NA | RNA序列分析 | CNN, Transformer | RNA序列 | 基于RNALocate v2.0数据库构建的基准数据集，具体样本数量未明确说明 | NA | 卷积层, Transformer块, TextCNN | 准确率 | NA |
| 4156 | 2026-02-15 |
Transfer learning identifies bacterial signatures for cross-regional diagnosis of type 2 diabetes and enable stage-sensitive dietary fiber intervention
2025-Jun, iMetaOmics
DOI:10.1002/imo2.70021
PMID:41675159
|
研究论文 | 本文介绍了一个名为DeepMicroFinder的深度学习框架，用于通过迁移学习利用区域特异性微生物组数据集更新现有疾病诊断模型，以实现跨区域疾病检测 | 开发了DeepMicroFinder框架，有效克服了肠道微生物组区域效应的限制，实现了准确的跨区域疾病检测 | NA | 通过迁移学习识别2型糖尿病的细菌标志物，并实现跨区域诊断及阶段敏感的膳食纤维干预 | 2型糖尿病患者及其肠道微生物组 | 机器学习 | 2型糖尿病 | 微生物组测序 | 深度学习 | 微生物组数据 | NA | NA | NA | NA | NA |
| 4157 | 2026-02-15 |
Foundation model embeddings for quantitative tumor imaging biomarkers
2025-May-29, Research square
DOI:10.21203/rs.3.rs-6630446/v1
PMID:40502795
|
研究论文 | 本文通过构建TumorImagingBench基准测试，系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能 | 首次系统性地比较了不同架构和预训练策略的医学影像基础模型在定量肿瘤成像任务中的表现，并评估了其鲁棒性和可解释性 | 研究仅基于公开数据集（3,244个扫描），可能无法完全代表临床实践中的多样性 | 评估医学影像基础模型在提取可靠定量放射组学表型方面的能力 | 肿瘤影像数据 | 医学影像分析 | 癌症 | 深度学习 | 基础模型 | 医学影像扫描 | 3,244个扫描（来自六个公共数据集） | NA | 多种架构（2020-2025年间开发的十种不同模型） | 终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性 | NA |
| 4158 | 2026-02-15 |
Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing
2025-Feb, 3D printing and additive manufacturing
IF:2.3Q3
DOI:10.1089/3dp.2023.0285
PMID:40151680
|
研究论文 | 本文提出了一种基于多图像融合和深度学习的缺陷检测方法，用于陶瓷增材制造中实时监测涂覆缺陷 | 结合多图像融合与通道级YOLO（CW-YOLO）方法，通过图像校正技术将侧视涂覆图像转换为俯视图，并引入F1分数作为综合评价指标，显著提升了难以区分缺陷的检测性能 | NA | 开发一种实时监测陶瓷增材制造中涂覆缺陷的方法，以提高工艺稳定性 | 陶瓷增材制造中的涂覆缺陷，如材料短缺和划痕 | 计算机视觉 | NA | 多图像融合，图像校正技术 | YOLO | 图像 | NA | NA | CW-YOLO | F1分数，检测准确率，召回率 | NA |
| 4159 | 2026-02-15 |
A Computational Framework for Intraoperative Pupil Analysis in Cataract Surgery
2025 Jan-Feb, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100597
PMID:39435136
|
研究论文 | 本研究开发并验证了一个用于白内障手术中瞳孔形态变化自动评估的计算框架 | 提出了一个结合张量小波特征提取、深度学习解剖结构分割和遮挡检测/补偿的三阶段计算框架，显著提升了瞳孔分割的准确性 | 研究为回顾性视频分析，样本量相对有限（240个手术视频），且未涉及所有类型的手术器械或复杂病例 | 开发一个可靠的计算框架，用于自动化评估白内障手术期间瞳孔的形态变化 | 白内障手术视频中的瞳孔、角膜缘和睑裂 | 计算机视觉 | 白内障 | 手术视频分析 | CNN | 视频 | 240个完整手术视频（190个未使用瞳孔扩张装置，50个使用瞳孔扩张装置），包含5700帧图像 | TensorFlow, PyTorch | Feature Pyramid Network, Visual Geometry Group 16 | Dice系数, 准确率, AUC | NA |
| 4160 | 2026-02-15 |
RETRACTED: N-Beats architecture for explainable forecasting of multi-dimensional poultry data
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320979
PMID:40273069
|
研究论文 | 本研究提出了一种基于N-BEATS架构的新颖应用，用于多维度家禽数据预测，并通过集成可解释人工智能框架增强了可解释性 | 首次将N-BEATS架构应用于家禽数据预测，并集成了可解释人工智能框架以提高预测的透明度和可解释性 | 未提及具体的数据集规模或外部验证，可能限制了结果的泛化能力 | 优化家禽生产中的预测分析，以提升收入、资源利用效率和生产力 | 家禽疾病诊断相关的多维度数据，包括关键环境参数 | 机器学习 | 家禽疾病 | 时间序列建模 | N-BEATS | 多变量时间序列数据 | NA | NA | N-BEATS | MAE, RMSE, MSLE, R-squared, RMSLE | NA |