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 42996 篇文献，本页显示第 4741 - 4760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4741 | 2026-02-11 |
CalDiff: Calibrating Uncertainty and Accessing Reliability of Diffusion Models for Trustworthy Lesion Segmentation
2026-Feb, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3624331
PMID:41129433
|
研究论文 | 提出CalDiff框架，通过校准扩散模型的不确定性，提高医学图像中病灶分割的可靠性和可信度 | 利用扩散模型的生成能力，提出双步序感知校准机制，处理多标注和多预测场景下的不确定性校准与模型可靠性评估 | 未明确说明模型在更广泛疾病类型或数据集上的泛化能力，以及计算资源需求的具体细节 | 开发可靠的病灶分割模型，以支持高风险临床决策 | 医学图像中的病灶分割 | 数字病理 | NA | 扩散模型 | 扩散模型 | 图像 | 在两个病灶分割数据集上进行实验 | NA | CalDiff | 不确定性校准评估，模型可靠性分析 | NA |
| 4742 | 2026-02-11 |
Projection-based molecular feature maps for CNN-driven nephrotoxicity prediction
2026-Feb, Archives of toxicology
IF:4.8Q1
DOI:10.1007/s00204-025-04234-6
PMID:41361121
|
研究论文 | 本研究提出了一种基于投影的分子特征图方法，用于通过CNN预测药物肾毒性 | 开发了一种将3D分子结构通过Mollweide和Equirectangular投影转换为2D特征图的新方法，并整合了原子位置、静电和范德华势能三种分子属性，增强了特征表示和模型性能 | 未明确说明模型在更大规模或更复杂分子数据集上的泛化能力，也未与其他先进的深度学习模型进行广泛比较 | 开发可靠的肾毒性预测模型以促进药物安全开发 | 化学分子结构 | 机器学习 | 肾毒性 | 3D空间转换投影技术 | CNN | 2D图像（分子特征图） | NA | NA | CNN（具体架构未指定） | 准确率, AUC | NA |
| 4743 | 2026-02-11 |
X-ray phase contrast imaging in GAMOS
2026-Feb, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2026.105716
PMID:41512441
|
研究论文 | 本文开发并验证了一个基于GAMOS框架的蒙特卡罗模拟环境，用于真实模拟X射线相位对比成像现象，包括折射和波前传播 | 在GAMOS框架内集成两个互补的模拟模块，结合几何光学和波动光学模型，灵活模拟多种PCI设置 | 未明确提及具体应用场景的性能验证或实验数据对比 | 开发并验证能够真实模拟X射线相位对比成像现象的蒙特卡罗框架 | X射线相位对比成像现象，包括折射和波前传播 | 医学成像 | NA | X射线相位对比成像 | 蒙特卡罗模拟 | 模拟数据 | NA | GAMOS | 基于Snell定律的折射模型, Fresnel波前传播模型 | 与理论预测的一致性 | NA |
| 4744 | 2026-02-11 |
Artificial Intelligence Model for Automated Identification of Bowel Preparation for Colonoscopy (AI-PREPOO): A Multicenter Study
2026-Feb, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.70235
PMID:41521851
|
研究论文 | 本研究开发了基于深度学习的AI模型（AI-PREPOO），用于自动识别结肠镜检查前的肠道准备状态 | 首次利用智能手机拍摄的粪便图像，通过迁移学习训练多个深度学习模型，实现肠道准备状态的自动化评估 | 样本量较小（仅37名患者），图像数据可能受拍摄条件影响，需进一步多中心验证 | 开发自动化AI模型以评估结肠镜检查前的肠道准备充分性，减轻医疗负担 | 结肠镜检查前患者的粪便图像 | 计算机视觉 | 结肠疾病 | 深度学习图像识别 | CNN | 图像 | 37名患者提供的282张粪便图像 | 未明确提及 | MobileNetV3-Small | AUC, 敏感性, 特异性 | NA |
| 4745 | 2026-02-11 |
Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance
2026-Feb-01, European thyroid journal
IF:3.5Q2
DOI:10.1530/ETJ-25-0268
PMID:41553093
|
研究论文 | 本研究评估了一种基于深度学习的AI模型（AI-Thyroid）在甲状腺结节（细胞学诊断为意义不明确的非典型性）风险分层中的临床应用价值 | 开发并验证了一种AI模型，用于对意义不明确的非典型性甲状腺结节进行二元分类和恶性风险估计，其诊断准确性与传统的K-TIRADS评分系统相当，并在小结节（<1.5 cm）中表现出高灵敏度 | 研究为回顾性设计，样本量相对较小（165个结节），且仅来自韩国的五家医疗机构，可能限制结果的普适性 | 评估人工智能模型在改善意义不明确的非典型性甲状腺结节风险分层中的临床适用性 | 经细针穿刺活检初步诊断为意义不明确的非典型性，并后续确认为良性或恶性的甲状腺结节 | 数字病理学 | 甲状腺癌 | 细针穿刺活检，超声分析 | 深度学习模型 | 超声图像 | 165个甲状腺结节 | NA | AI-Thyroid | 灵敏度，阴性预测值，曲线下面积 | NA |
| 4746 | 2026-02-11 |
Make the Fastest Faster: Importance Mask Synthesis for Interactive Volume Visualization Using Reconstruction Neural Networks
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3621079
PMID:41082423
|
研究论文 | 本文提出了一种通过重要性掩码学习和合成网络来优化交互式体积可视化渲染延迟的方法 | 首次尝试直接从用户视图参数合成规则采样模式的重要区域，以最小化渲染像素数量，并联合考虑数据集、用户行为和下游重建神经网络 | 未明确提及具体的数据集规模或计算资源限制 | 减少大规模体积数据集可视化时的计算时间和空间复杂度 | 科学体积数据集的可视化渲染 | 计算机视觉 | NA | 深度学习图像修复方法 | 神经网络 | 体积数据集图像 | NA | NA | 重要性掩码学习网络, 重要性掩码合成网络 | 渲染延迟 | GPU |
| 4747 | 2026-02-11 |
Deep learning-based system for automated staging of lower molar maturation
2026-Feb, Journal of the World federation of orthodontists
IF:2.6Q1
DOI:10.1016/j.ejwf.2025.08.004
PMID:41073252
|
研究论文 | 本研究开发了一种基于深度学习的自动化系统，用于评估下颌磨牙的成熟阶段，旨在提高牙颌面矫形治疗规划的效率 | 首次将多种CNN架构（Xception、ResNet、MobileNet、Inception）应用于全景X光片，自动化分类下颌第二和第三磨牙的Demirjian成熟阶段，并使用Grad-CAM可视化模型注意力 | 研究为横断面设计，样本量有限（1805张图像），且仅基于全景X光片，未考虑其他临床因素 | 开发一个自动化系统，用于准确分类下颌磨牙的成熟阶段，以辅助牙颌面矫形治疗规划 | 下颌第二和第三磨牙的全景X光片图像 | 计算机视觉 | NA | 全景X光成像 | CNN | 图像 | 1805张全景X光片图像 | NA | Xception, ResNet, MobileNet, Inception | 准确率, 精确率, 召回率, F1分数, Kappa系数 | NA |
| 4748 | 2026-02-11 |
Super-Resolution Deep Learning Reconstruction for Coronary CT Angiography: Coronary Stenosis Assessment and CAD-RADS Reclassification
2026-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.252163
PMID:41665496
|
研究论文 | 本研究比较了超分辨率深度学习重建算法与混合迭代重建算法在冠状动脉CT血管造影中对狭窄评估的性能，并探讨了其对患者层面CAD-RADS分类的影响 | 首次将一种基于超高清分辨率CT数据训练的新型超分辨率深度学习重建算法应用于冠状动脉CT血管造影，以提升空间分辨率并改善狭窄评估 | 证据有限，且研究结果基于特定的前瞻性队列，可能需要更多外部验证 | 比较SR-DLR与HIR在评估冠状动脉狭窄方面的诊断性能，并探索其对CAD-RADS患者级别分类的潜在影响 | 接受临床指征的冠状动脉CT血管造影和侵入性冠状动脉造影的患者及其斑块 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影，侵入性冠状动脉造影 | 深度学习 | 医学影像 | 204名个体（平均年龄64.3岁，137名男性），共605个斑块（175个钙化，140个非钙化，290个混合） | NA | 超分辨率深度学习重建 | AUC | NA |
| 4749 | 2026-02-11 |
Cardiac meshes reconstruction from cardiac magnetic resonance image by graph transformation
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70318
PMID:41665536
|
研究论文 | 提出一种基于图变换的新方法，从心脏磁共振图像重建3D患者特异性心脏网格 | 利用图傅里叶变换和图小波变换分析网格顶点位移的频率成分，以多尺度捕捉心脏形状特征，并引入时间损失确保动态网格重建的生理一致性 | 未明确提及方法的计算效率或对大规模数据集的扩展性 | 开发一种从2D电影图像重建3D心脏网格的方法，解决传统方法的拓扑不准确性和深度学习方法的计算需求高及标记数据稀缺问题 | 心脏磁共振图像 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | 图变换方法 | 图像 | 公共ACDC数据集和私有CMR数据集 | NA | NA | 重建精度, 网格质量 | NA |
| 4750 | 2026-02-11 |
S3CNet: self-supervised Siamese cooperative network for accelerating magnetic resonance imaging reconstruction
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70321
PMID:41665542
|
研究论文 | 本文提出了一种自监督的孪生协作网络（S3CNet），用于加速磁共振成像重建，减少对全采样数据的依赖 | 提出了一种统一的两阶段自监督重建框架，结合测量一致性损失、交叉一致性损失和重建一致性损失，无需全采样标签数据即可有效训练 | 未明确说明在更广泛或多样化的临床数据集上的泛化性能，以及计算效率的具体评估 | 减少基于深度学习的MRI重建方法对全采样标签数据的依赖，实现高质量重建 | 磁共振成像（MRI）的k空间数据 | 计算机视觉 | NA | 磁共振成像（MRI） | 孪生网络 | 图像（k空间数据） | 使用T1和T2加权的脑部FastMRI数据集 | NA | S3CNet | NA | NA |
| 4751 | 2026-02-11 |
First deep learning framework for enhanced positron annihilation interaction-transmission imaging system precision
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70320
PMID:41665546
|
研究论文 | 本文提出了首个深度学习框架DeepPAITI，用于提高正电子湮没相互作用-透射成像系统在提取次级图像时的精度 | 首次将深度学习应用于PAITI系统，显著提高了次级图像提取的准确性，特别是在极低剂量条件下提升了电子密度分解的置信度 | NA | 提高正电子湮没相互作用-透射成像系统的精度，以支持临床应用，如离子治疗计划 | 正电子湮没相互作用-透射成像系统生成的次级图像（相互作用、沉积能量、衰减和电子密度） | 医学影像 | NA | 正电子湮没相互作用-透射成像 | 深度学习 | 图像 | NA | NA | 多分支、多输入、多输出框架 | 平均相对误差 | NA |
| 4752 | 2026-02-11 |
Leveraging Pretrained Vision Transformers for classifying Alcohol Use Disorder using Raw Resting-State EEG
2026-Jan-15, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.14.699473
PMID:41648298
|
研究论文 | 本研究利用预训练的Vision Transformer模型，直接从原始静息态脑电图数据中分类酒精使用障碍 | 首次将预训练的Vision Transformer模型应用于原始脑电图数据，以端到端方式对酒精使用障碍进行分类，并验证了模型在其他物质使用障碍上的泛化能力 | 分类准确率相对较低（约56%），模型性能受时间间隔影响，且样本经过人口统计学匹配和欠采样处理 | 开发基于深度学习的客观神经生理学工具，用于酒精使用障碍的临床诊断 | 酒精使用障碍、大麻使用障碍和阿片类药物使用障碍患者 | 机器学习 | 酒精使用障碍 | 静息态脑电图 | Vision Transformer, CNN | 原始脑电图信号 | 来自2,710名参与者（年龄12-83岁，平均24岁；1,338名男性，1,372名女性）的5,402条记录 | NA | EEGViT（结合卷积补丁嵌入和预训练Vision Transformer的混合架构） | 准确率 | NA |
| 4753 | 2026-02-11 |
Unifying phylogenetic traversal and deep learning to guide tree exploration
2026-Jan-14, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.14.699358
PMID:41648436
|
研究论文 | 提出一种结合深度学习与系统发育动态程序的新方法，用于指导树探索并预测最大简约树中的边 | 将深度学习算法与系统发育动态程序的输出相结合，而非直接处理原始序列比对，从而学习能指导局部树搜索的特征 | NA | 通过深度学习提高系统发育推断的效率，并预测树中边是否属于最大简约树 | 模拟和实证数据集中的系统发育树 | 机器学习 | NA | 系统发育动态程序 | 循环神经网络 | 序列比对处理后的特征数据 | NA | NA | RNN | NA | NA |
| 4754 | 2026-02-11 |
The Pathway-Informed Deep Learning Models in Cancer Research: A Survey
2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3635014
PMID:41264457
|
综述 | 本文综述了癌症研究中基于生物通路的深度学习模型，重点分析了通路信息的应用策略 | 首次系统性地将通路信息在深度学习模型中的应用策略进行分类，并总结了各类模型的优缺点 | NA | 综述癌症研究中通路信息如何整合到深度学习模型中，以提升模型的可解释性和性能 | 癌症研究中的通路信息与深度学习模型 | 机器学习 | 癌症 | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 4755 | 2026-02-11 |
HypoChainer: A Collaborative System Combining LLMs and Knowledge Graphs for Hypothesis-Driven Scientific Discovery
2026-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3633887
PMID:41336152
|
研究论文 | 本文提出了HypoChainer，一个结合LLMs和知识图谱的协作可视化框架，用于增强假设驱动的科学发现 | 提出了一种整合人类专业知识、LLM驱动推理和知识图谱的协作可视化框架，通过三个阶段（情境探索、假设构建和验证选择）来优化假设链，以解决传统假设驱动研究中的认知限制和知识复杂性挑战 | NA | 增强假设驱动的科学发现，特别是在生物学领域，通过整合人类、LLMs和知识图谱来探索新知识 | 科学发现过程，特别是假设构建和验证 | 自然语言处理, 机器学习 | NA | 检索增强生成（RAGs）, 图神经网络（GNNs） | LLMs, GNNs | 文本, 知识图谱 | NA | NA | NA | NA | NA |
| 4756 | 2026-02-11 |
EmbryoProfiler: A Visual Clinical Decision Support System for IVF
2026-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3634780
PMID:41348784
|
研究论文 | 本文介绍了EmbryoProfiler，一个用于辅助IVF胚胎选择的可视化临床决策支持系统 | 开发了一个结合可视化分析和可解释机器学习分类器的系统，以透明方式辅助胚胎评估，解决了现有自动化方法依赖大量手动标注或模型不透明的问题 | 未明确提及系统在广泛临床环境中的验证或长期成功率影响 | 提高IVF治疗中胚胎选择的效率和准确性，以改善临床结果 | IVF治疗中的胚胎，基于延时显微镜图像 | 数字病理学 | 不孕症 | 延时显微镜成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 4757 | 2026-02-11 |
Assessing deep learning model performance in osteoporosis screening with lumbar spine radiographs
2026-Jan, Journal of bone and mineral metabolism
IF:2.4Q3
DOI:10.1007/s00774-025-01672-1
PMID:41361106
|
研究论文 | 本研究评估了深度学习模型在腰椎X光片上筛查骨质疏松症的性能 | 利用深度学习模型从腰椎X光片中筛查骨质疏松症，作为一种替代DXA的便捷工具 | 模型性能（如AUC为0.79-0.82）仍有提升空间，且依赖特定数据集 | 开发并评估深度学习模型用于骨质疏松症的筛查 | 腰椎X光片（前后位和侧位） | 计算机视觉 | 骨质疏松症 | X光成像 | CNN | 图像 | 训练集：2244张前后位和2368张侧位腰椎X光片；测试集：963张前后位和1018张侧位图像 | NA | ResNet-18, DarkNet-19 | AUC, 敏感性, 特异性 | NA |
| 4758 | 2026-02-11 |
SynAnno: Interactive Guided Proofreading of Synaptic Annotations
2026-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3634824
PMID:41396767
|
研究论文 | 本文介绍了一个名为SynAnno的交互式工具，旨在简化和增强大规模连接组数据集中突触注释的校对工作 | 提出了一个集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式校对工具，以解决神经元复杂空间分支带来的挑战 | NA | 开发一个工具来加速和改善连接组学数据集中突触注释的校对过程 | 大规模连接组数据集中的突触注释 | 连接组学 | NA | 深度学习，机器学习 | NA | 3D图像数据 | 涉及七位神经科学专家的用户和案例研究 | PyTorch | NA | 校对速度，认知负荷，注释错误 | NA |
| 4759 | 2026-02-11 |
Deep G-PCC Geometry Preprocessing via Joint Optimization With a Differentiable Codec Surrogate for Enhanced Compression Efficiency
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3655187
PMID:41605149
|
研究论文 | 本文提出了一种与可微分G-PCC代理模型联合优化的点云体素化网络，以提升标准G-PCC的压缩效率 | 首次提出了与可微分G-PCC代理模型联合优化的压缩导向点云体素化网络，通过端到端梯度传播，在不牺牲互操作性或计算灵活性的情况下提升G-PCC效率 | 未明确说明 | 提升几何点云压缩（G-PCC）标准的压缩效率，同时保持其互操作性和计算灵活性 | 点云数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 点云 | NA | NA | 体素化网络 | BD-rate | NA |
| 4760 | 2026-02-11 |
Deep Learning-Based Joint Geometry and Attribute Up-Sampling for Large-Scale Colored Point Clouds
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3657214
PMID:41610351
|
研究论文 | 本文提出了一种基于深度学习的联合几何与属性上采样方法，用于生成大规模、高密度的彩色点云 | 首次提出联合几何与属性上采样的深度学习框架，并构建并发布了大规模彩色点云上采样数据集SYSU-PCUD | 未明确说明方法在极端复杂几何或属性场景下的性能限制，也未讨论计算效率与实时性 | 提高大规模彩色点云的上采样质量，实现几何与属性的联合优化 | 彩色点云（包含几何坐标与颜色属性） | 计算机视觉 | NA | 深度学习 | 神经网络 | 点云数据 | 121个大规模彩色点云，涵盖6个类别和4种采样率 | 未明确指定（代码已开源） | 几何上采样网络、属性上采样网络、属性增强模块 | 峰值信噪比（PSNR） | 未明确说明 |