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 4661 - 4680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4661 | 2026-02-08 |
Multi-Architecture deep learning for CBCT segmentation of dental hard tissues and pulp in mixed dentition
2026-Mar, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2026.106344
PMID:41519426
|
研究论文 | 本研究开发并评估了基于深度学习的3D模型，用于在儿童混合牙列CBCT扫描中自动分割牙髓、乳牙和恒牙结构 | 首次在混合牙列CBCT分割任务中系统比较了CNN、Transformer和Mamba等多种架构，并引入了U-Mamba等新型模型 | 外部验证集性能低于内部数据集，且乳牙分割在年龄较大儿童中准确性较低 | 开发用于儿童混合牙列CBCT图像中牙科硬组织和牙髓自动分割的深度学习模型 | 儿童CBCT扫描图像中的牙髓、乳牙和恒牙结构 | 数字病理学 | NA | CBCT成像 | CNN, Transformer, Mamba | 3D医学图像 | 151例CBCT扫描（105例内部数据集，46例外部数据集），共29,478张图像 | nnU-Net | ResEncM, U-Mamba Bot, U-Mamba Enc, WNet, UNETR, SegResNet | DSC, IoU, HD95, 分割体积, 处理时间 | NA |
| 4662 | 2026-02-08 |
Association of echocardiographic findings with mortality: human assessment vs. automated deep learning analysis
2026-Mar, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf148
PMID:41640420
|
研究论文 | 本研究比较了基于AI的超声心动图分析与人类专家解读的相关性，并评估了它们在预测住院患者一年死亡率方面的表现 | 首次在真实世界环境中，将商业AI软件（Us2.ai）的超声心动图分析与人类专家解读进行对比，并纳入自动左心室应变分析以提升死亡率预测性能 | 研究为回顾性设计，样本量相对有限（731例），且仅使用单一商业AI软件，可能影响结果的普适性 | 评估AI与人类专家在超声心动图分析中的相关性，并比较它们在预测临床结局（一年死亡率）方面的效能 | 住院患者（共889例，其中731例纳入分析，平均年龄68±16岁，46%为女性）的临床超声心动图检查 | 数字病理学 | 心血管疾病 | 超声心动图成像 | 深度学习模型 | 图像 | 731例住院患者的超声心动图数据 | NA | NA | AUC | NA |
| 4663 | 2026-02-08 |
Convolutional Graph Isomorphism Network to Detect Glaucomatous Visual Field Defects
2026-Mar, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.101041
PMID:41641113
|
研究论文 | 本研究评估了一种基于图同构网络（GIN）的深度学习模型在检测青光眼视野缺损方面的性能，并与传统诊断标准、密集神经网络和卷积神经网络模型进行比较 | 首次将标准自动视野检查（SAP）数据建模为图结构，利用图同构网络（GIN）捕捉测试点间的空间关系，从而在青光眼视野缺损检测中实现更优的诊断性能和可解释性 | 研究为横断面回顾性设计，可能受限于数据选择和潜在偏差；样本量相对有限（1874次测试），且仅基于单一设备（Humphrey视野分析仪）的数据 | 评估图同构网络（GIN）在检测青光眼视野缺损中的诊断性能，并与传统方法和现有深度学习模型进行对比 | 来自676名患者1009只眼的1874次可靠标准自动视野检查（SAP）测试 | 机器学习 | 青光眼 | 标准自动视野检查（SAP） | GIN, CNN, 密集神经网络 | 图数据（节点特征包括敏感度、总偏差和模式偏差值） | 1874次SAP测试（来自1009只眼，676名患者） | NA | 图同构网络（GIN） | AUC, 精确率-召回率曲线, 95%特异性下的敏感度, F1分数, 可重复性, 模型可解释性 | NA |
| 4664 | 2026-02-08 |
Micro- and nanoplastics (MNPs) in liquid food: From occurrence, health risks and migration mechanisms to AI-enabled analytical and circular solutions
2026-Mar-01, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.118160
PMID:41652739
|
综述 | 本文综述了液体食品中微塑料和纳米塑料的现状、健康风险、迁移机制，并探讨了人工智能在分析和循环解决方案中的应用 | 提出了迁移机制不仅包括机械磨损和聚合物降解，还涉及食品-包装界面的物理化学分配（能斯特分配定律），并评估了人工智能在检测、分类和回收优化中的潜力 | 人工智能在回收优化和迁移预测建模中的应用仍处于概念阶段，纳米塑料的定量分析仍面临光学衍射极限和基质干扰等重大挑战 | 综合评估液体食品中微塑料和纳米塑料的发生、迁移机制、暴露影响，并探索人工智能驱动的分析和循环解决方案 | 液体食品（如饮用水、牛奶、饮料和调味品）中的微塑料和纳米塑料 | 自然语言处理 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 4665 | 2026-02-08 |
Investigating the Cytoskeleton of DRGs Using Cryo-Electron Microscopy and Deep Learning
2026-Feb-07, Cytoskeleton (Hoboken, N.J.)
DOI:10.1002/cm.70100
PMID:41653058
|
研究论文 | 本文介绍了一种利用冷冻电子显微镜和深度学习技术研究培养的背根神经节神经元轴突和膨体超微结构的方法 | 结合冷冻电子显微镜和深度学习策略，实现了对轴突细胞骨架的半自动断层分割，为定量描述超微结构特征提供了新方法 | NA | 研究背根神经节神经元轴突和膨体的超微结构组织，特别是年龄相关的变化 | 培养的背根神经节神经元 | 数字病理学 | NA | 冷冻电子显微镜, 冷冻电子断层扫描 | 深度学习 | 图像 | 年轻和年老培养的背根神经节神经元 | NA | NA | NA | NA |
| 4666 | 2026-02-08 |
Decoding cortical folding with deep learning: toward neurodevelopmental biomarkers of psychiatric disorders
2026-Feb-07, Journal of neural transmission (Vienna, Austria : 1996)
DOI:10.1007/s00702-026-03105-3
PMID:41653295
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4667 | 2026-02-08 |
Interpretable deep learning model of circulating genomics for quantitative survival prediction in advanced non-small cell lung cancer
2026-Feb-06, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-026-04220-z
PMID:41649698
|
研究论文 | 本研究开发了一种可解释的深度学习模型，用于晚期非小细胞肺癌患者的定量生存预测 | 整合了多模态特征（包括ctDNA状态、cfDNA浓度和基因突变等）的DeepSurv模型，相比单一ctDNA或cfDNA指标，显著提升了生存预测的准确性，并利用SHAP方法增强了模型的可解释性 | 研究基于回顾性数据，且仅使用了两个特定的ctDNA测序平台（MSK-ACCESS和ctDx Lung），可能限制了模型的普适性 | 开发一种可解释的深度学习模型，以定量预测晚期非小细胞肺癌患者的生存结局 | 晚期非小细胞肺癌患者 | 机器学习 | 肺癌 | 超深度ctDNA测序（MSK-ACCESS和ctDx Lung） | DeepSurv | 基因组数据、临床病理特征 | 1373名晚期非小细胞肺癌患者（发现队列1012人，验证队列361人） | NA | DeepSurv | 时间依赖性曲线下面积（AUC）、风险比（HR） | NA |
| 4668 | 2026-02-08 |
AI-FLEET: Phase I-Multimodal Deep Learning Model for Phyllodes Tumor Classification
2026-Feb-06, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-19179-y
PMID:41649783
|
研究论文 | 本研究开发了一种名为AI-FLEET的多模态深度学习模型，用于区分乳腺叶状肿瘤的良性与交界性/恶性类别 | 首次将超声图像与临床变量（如年龄、BMI、种族/民族、绝经状态、回声性和肿瘤大小）结合，通过多模态深度学习模型进行叶状肿瘤分类，并利用显著性分析识别了肿瘤内异质性作为重要预测特征 | 研究为回顾性分析，样本量较小（81例患者，其中交界性/恶性病例仅16例），且未包含纤维腺瘤病例，模型泛化能力有待验证 | 提高乳腺纤维上皮性病变（特别是叶状肿瘤）的诊断准确性，减少术前评估的不确定性 | 经组织学确认的乳腺叶状肿瘤患者，包括良性与交界性/恶性类别 | 数字病理学 | 乳腺癌 | 超声成像 | CNN, 注意力机制 | 图像, 临床数据 | 81例患者（65例良性，16例交界性/恶性），共1638张超声图像 | NA | ConvNeXt, ResNet18 | 准确率, AUC | NA |
| 4669 | 2026-02-08 |
Chemistry-Structure Dual-Perception Large Language Models: Advancing Molecular Property Prediction for Precise Disease Treatment
2026-Feb-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3662042
PMID:41650399
|
研究论文 | 本文提出了一种名为CSLLM的新方法，通过指令引导大型语言模型生成蕴含化学知识的药物分子表示，以提升分子性质预测的准确性 | 提出了一个三维指令框架（任务引导、化学感知、结构感知），使大型语言模型能够像化学家一样推理，并在有限计算资源下生成富含化学知识的分子表示 | 未明确提及具体的数据集规模限制或模型泛化能力的详细评估 | 提高药物分子性质的预测准确性，以支持精准疾病诊断和个性化治疗 | 药物分子 | 自然语言处理, 机器学习 | NA | 大型语言模型（LLMs） | 大型语言模型（LLM） | 分子结构数据, 化学知识文本 | 在九个数据集上进行了评估 | NA | CSLLM（基于指令框架的定制化LLM） | 在九个数据集上优于现有模型（具体指标未列明） | 有限的计算资源 |
| 4670 | 2026-02-08 |
ASIL: Augmented Structural Information Learning for Deep Graph Clustering in Hyperbolic Space
2026-Feb-06, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3661424
PMID:41650430
|
研究论文 | 本文提出了一种名为ASIL（增强结构信息学习）的新方法，用于在双曲空间中实现无需预设聚类数量的深度图聚类，尤其针对不平衡图数据 | 首次将可微结构信息理论引入深度聚类，提出双曲空间中的神经划分树学习模型（LSEnet），并通过增强结构熵目标统一划分树构建与对比学习 | 未在超大规模图数据集上进行验证，且未讨论计算资源消耗的具体量化分析 | 解决无需预设聚类数量且能处理不平衡图数据的深度图聚类问题 | 图数据（特别是具有不平衡聚类结构的图） | 机器学习 | NA | 深度学习方法 | 深度学习模型 | 图数据 | Citeseer等公开图数据集（具体数量未明确说明） | PyTorch（基于深度学习框架的典型选择） | LSEnet（基于双曲空间的神经划分树架构） | NMI（标准化互信息） | NA（未明确说明具体计算资源） |
| 4671 | 2026-02-08 |
Few-Shot Pulmonary Vessel Segmentation based on Tubular-Aware Prompt-Tuning
2026-Feb-06, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3662001
PMID:41650434
|
研究论文 | 本文提出了一种基于管状感知提示调优的少样本肺血管分割方法，并发布了首个包含肺血管和气道精细配对标注的数据集PV25 | 提出了TPNet框架，通过可调的编码和解码网络学习管状结构作为迁移学习先验，并开发了MDRG和CCG模块以捕获肺血管的细粒度特征和多尺度相关性 | NA | 在有限标注数据下实现肺血管的精确分割，以辅助肺部疾病的诊断和治疗 | 肺血管和气道 | 数字病理学 | 肺部疾病 | 计算机断层扫描（CT） | 深度学习 | 图像 | NA | NA | 编码器-解码器 | NA | NA |
| 4672 | 2026-02-08 |
Network for Real-time Laryngeal Lesions Video Object Detection
2026-Feb-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01855-w
PMID:41652139
|
研究论文 | 本文提出了一种名为DynSTPN的两阶段视频病变检测网络，用于在复杂场景下实时检测鼻咽-喉部病变 | 设计了一个动态提示生成器来生成区分性提示，并引入自适应可微分门控机制，以动态调整参考帧对推理帧的增强效果，从而在视频质量下降的情况下提升检测性能 | NA | 提高鼻咽-喉部肿瘤的早期和准确诊断，通过深度学习实现复杂场景下的实时视频病变检测 | 鼻咽-喉部病变视频 | 计算机视觉 | 鼻咽-喉部肿瘤 | NA | CNN | 视频 | NA | NA | DynSTPN | 检测准确率, FPS | NA |
| 4673 | 2026-02-08 |
MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data
2026-Feb-05, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2026.101141
PMID:41650976
|
研究论文 | 本文提出了一种名为MultiSP的深度学习框架，用于从空间多组学数据中解析组织结构和多细胞通信 | 通过高效的空间和特征相似性融合、模态特定的概率生成建模以及跨模态对抗学习来增强数据表示，从而在捕获生物学可解释的空间域方面优于现有方法 | 未明确提及 | 探索组织复杂性，包括组织结构、细胞通信和基因调控机制 | 空间多组学数据，特别是肿瘤微环境中的细胞分布 | 机器学习 | NA | 空间多组学 | 深度学习 | 空间多组学数据 | NA | NA | NA | NA | NA |
| 4674 | 2026-02-08 |
Exploiting correlations across trials and behavioral sessions to improve neural decoding
2026-Feb-04, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2025.10.026
PMID:41308644
|
研究论文 | 本文提出两种互补模型以改进神经解码，通过利用跨试验和跨行为会话的神经活动相关性 | 引入多会话降秩回归模型和多会话状态空间模型，首次系统性地捕捉跨试验和会话的神经与行为结构相关性 | 未与深度学习方法的计算效率进行直接对比，模型在极端非线性场景下的适用性未验证 | 提升神经解码性能，通过建模跨试验和会话的神经活动相关性 | 国际脑实验室小鼠Neuropixels数据集中的神经活动与行为数据 | 机器学习 | NA | 神经像素记录技术 | 降秩回归模型,状态空间模型 | 神经活动时间序列数据 | 433个会话，覆盖270个大脑区域 | NA | 多会话降秩回归模型,多会话状态空间模型 | NA | NA |
| 4675 | 2026-02-08 |
Perception of AI Symptom Models in Oncology Nursing: Mixed Methods Evaluation Study
2026-Feb-04, JMIR nursing
DOI:10.2196/82283
PMID:41637487
|
研究论文 | 本研究通过混合方法评估肿瘤科护士对AI症状预测模型的看法及其影响因素 | 首次基于罗杰斯创新扩散理论，系统评估肿瘤科护士对AI症状预测模型的接受度及影响因素 | 样本量较小（仅15名护士），且为单中心研究，可能限制结果的普适性 | 探索肿瘤科护士对预测性症状模型在癌症护理中使用的看法，以及影响该症状护理创新采用的因素 | 肿瘤科护士 | NA | 癌症 | 混合方法研究（定量与定性分析） | NA | 调查问卷数据、定性评论 | 15名具有超过1年肿瘤科经验的护士 | NA | NA | 描述性统计、内容分析、归纳编码 | NA |
| 4676 | 2026-02-08 |
Digital Phenotyping for Adolescent Mental Health: Feasibility Study Using Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data
2026-Feb-04, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/72501
PMID:41637624
|
研究论文 | 本研究评估了使用智能手机应用结合主动和被动数据流，通过机器学习框架预测非临床青少年心理健康风险的可行性 | 首次在非临床、在校青少年群体中应用数字表型分析，结合对比预训练与三元组边界损失来稳定用户特定行为模式，并整合主动和被动数据流进行心理健康风险预测 | 样本量相对较小（n=103），研究周期较短（14天），且外部验证队列规模有限（n=45），可能影响模型的泛化能力和长期预测稳定性 | 评估基于智能手机的数字表型分析在预测非临床青少年心理健康风险中的可行性和效用 | 来自英国三所中学的103名青少年（平均年龄16.1岁） | 机器学习 | 心理健康障碍 | 数字表型分析，智能手机传感器数据采集 | 深度学习模型，CatBoost，多层感知机 | 主动数据（自我报告），被动数据（传感器数据） | 103名青少年参与主要研究，45名青少年用于外部验证 | 未明确指定，但提及了CatBoost（Yandex） | 深度学习模型（具体架构未指定），多层感知机 | 平衡准确度 | NA |
| 4677 | 2026-02-08 |
Research on fast and accurate prediction of milk yield in dairy goats based on deep learning
2026-Feb-04, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-27905
PMID:41651371
|
研究论文 | 本研究基于深度学习改进Mask R-CNN模型，用于快速准确预测奶山羊产奶量 | 通过引入特征通道注意力和锚框细化模块改进Mask R-CNN模型，使其更适用于奶山羊产奶量预测 | NA | 实现奶山羊产奶量的快速准确预测以辅助育种选择 | 奶山羊 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | Mask R-CNN | 准确率, 召回率, mIoU, 平均绝对误差, 均方误差, 平均绝对百分比误差 | NA |
| 4678 | 2026-02-08 |
Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level
2026-Feb-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c13074
PMID:41549613
|
研究论文 | 本文提出了一种基于三维卷积残差网络的深度学习方法，用于分类质谱光度法数据中的着陆事件，以优化单分子水平的质量测量 | 利用三维卷积残差网络分析事件的时空动态，从而隔离最优的单分子测量，消除累积直方图伪影，并将分辨率提升高达两倍 | NA | 优化质谱光度法在单分子水平上的质量测量，提高质量分辨率、灵敏度和浓度准确性 | 质谱光度法数据中的生物分子结构、相互作用和动力学，特别是蛋白质（解）结合过程中的反射率变化事件 | 机器学习和数字病理学 | NA | 质谱光度法 | CNN | 图像（3D事件缩略图） | 多样化的实验数据集，包括已解析和部分解析的样本，以及不同质量、浓度和积分时间的数据 | NA | 三维卷积残差网络 | 质量分辨率、灵敏度、浓度准确性 | NA |
| 4679 | 2026-02-08 |
An improved seam carving method for enhancing the visual field of tunnel vision patients
2026-Feb-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35527-0
PMID:41634090
|
研究论文 | 本文提出了一种改进的接缝裁剪方法，用于增强隧道视觉患者的视野 | 通过多尺度图像融合计算能量图，结合深度、显著性、前景分割和边缘检测特征，并采用前向-中间方法进行接缝移除，从而改进了原始接缝裁剪方法 | NA | 为隧道视觉患者开发一种内容感知的图像重定向方法，以增强其视野 | 隧道视觉患者 | 计算机视觉 | 视觉障碍 | 图像处理 | NA | 图像 | NA | NA | NA | SSIM, SIFT特征匹配, 深度学习感知质量指标, 综合评分 | NA |
| 4680 | 2026-02-08 |
Using AI Algorithms and Machine Learning in the Analysis of a Bio-Purification Method (Therapeutic Emesis, Known as "Vamana Karma"): Protocol for a Mixed Methods Study
2026-Feb-03, JMIR research protocols
IF:1.4Q3
DOI:10.2196/79875
PMID:41632954
|
研究论文 | 本研究提出并验证了一个AI辅助的数字框架，用于客观评估阿育吠陀中的治疗性呕吐（vamana karma）过程 | 首次在传统医学系统中探索应用深度学习算法（如YOLOv9和残差神经网络）对治疗性呕吐过程进行客观分析，包括自动呕吐物检测、内容分类和患者姿态识别 | 研究为探索性，样本量较小（50名志愿者），且需要进一步的临床验证和多中心扩展才能在真实世界部署 | 开发并验证一个AI辅助的数字框架，用于治疗性呕吐过程的客观评估，以改善临床结果 | 阿育吠陀中的治疗性呕吐（vamana karma）过程，包括呕吐物特征和患者反应 | 机器学习 | NA | NA | CNN, 残差神经网络 | 视频, 图像 | 50名志愿者 | TensorFlow, scikit-learn, SPSS | YOLOv9, 残差神经网络 | Fleiss κ统计量, 标准机器学习指标 | NA |