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 40262 篇文献，本页显示第 681 - 700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 681 | 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 |
| 682 | 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 |
| 683 | 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 |
| 684 | 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 |
| 685 | 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 |
| 686 | 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 |
| 687 | 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 |
| 688 | 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 |
| 689 | 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 |
| 690 | 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 |
| 691 | 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 |
| 692 | 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 |
| 693 | 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 |
| 694 | 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 |
| 695 | 2026-02-11 |
SACMark: Spatial-Angle Consistency Watermarking Network for Light Field Image Copyright Protection
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3657635
PMID:41610350
|
研究论文 | 本文提出了一种用于光场图像版权保护的深度学习水印网络SACMark | 提出首个针对光场图像设计的深度学习水印网络，通过空间-角度特征提取模块和一致性匹配融合策略解决高维数据挑战 | 未明确说明计算资源需求和具体数据集规模 | 开发适用于光场图像的鲁棒水印技术以实现版权保护 | 光场图像 | 计算机视觉 | NA | 深度学习 | 编码器-噪声-解码器架构 | 光场图像 | NA | NA | SACMark网络 | 视觉质量，深度估计影响，抗噪性 | NA |
| 696 | 2026-02-11 |
Detection of Implant Brands Using Artificial Intelligence and Deep Learning Modeling Based on Orthopantomogram Images: A Review of the Literature
2026, Journal of long-term effects of medical implants
|
综述 | 本文综述了基于人工智能和深度学习模型（特别是卷积神经网络）利用全景X光片图像识别牙科种植体品牌的研究现状 | 系统性地探讨了AI在全景X光片图像中自动识别牙科种植体品牌的应用潜力，并详细阐述了图像预处理、分割和特征提取等关键步骤对提高识别准确性的重要性 | 需要大量高质量标注数据集，存在数据隐私和AI模型可解释性等伦理挑战 | 探索人工智能在牙科种植体品牌自动识别中的应用，以提高临床诊断效率和准确性 | 全景X光片图像中的牙科种植体 | 计算机视觉 | NA | 全景X光成像 | CNN | 图像 | NA | NA | NA | NA | NA |
| 697 | 2026-02-11 |
Development and evaluation of an attention-gated U-net model for binary segmentation of teeth versus background in panoramic radiographs for orthodontic applications
2025-Dec-16, European journal of orthodontics
IF:2.8Q1
DOI:10.1093/ejo/cjaf114
PMID:41665051
|
研究论文 | 本文开发并评估了一种注意力门控U-Net模型，用于全景X光片中牙齿与背景的二元分割，以支持正畸应用 | 应用注意力门控U-Net架构于大型公开数据集，为牙齿与背景的二元语义分割建立了性能基准 | 研究仅针对二元分割任务，未涉及更复杂的牙齿结构细分；且数据集虽公开，但样本量相对有限（598张图像） | 为牙齿与背景的二元语义分割建立标准化性能基准，以支持正畸应用中的自动化诊断和治疗规划 | 全景X光片（OPGs）中的牙齿区域 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 598张标注的全景X光片 | NA | 注意力门控U-Net | Dice系数, 平均IoU, 精确率, 召回率, ROC AUC | NA |
| 698 | 2026-02-11 |
An artificial intelligence mechanism for detecting cystic lesions on CBCT images using deep learning
2025-12, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.102152
PMID:39551180
|
研究论文 | 本研究开发并评估了一种基于深度卷积神经网络的人工智能机制，用于在锥形束计算机断层扫描图像上检测和分类囊性病变 | 提出了一种结合数据增强的深度卷积神经网络方法，用于自动检测和诊断牙源性囊肿和根尖周囊肿，在CBCT图像上实现了高精度的病变识别与分类 | 样本量相对较小（仅150例），且仅针对两种特定类型的囊肿（牙源性囊肿和根尖周囊肿）进行评估，可能限制了模型的泛化能力 | 开发并评估一种人工智能机制，用于在CBCT图像上自动检测和分类囊性病变 | 锥形束计算机断层扫描图像中的囊性病变，包括牙源性囊肿和根尖周囊肿 | 计算机视觉 | 口腔颌面部疾病 | 锥形束计算机断层扫描 | CNN | 图像 | 150个CBCT样本（50例无病变，50例牙源性囊肿，50例根尖周囊肿） | NA | 深度卷积神经网络 | 召回率, 精确率, F1分数, 平均精度, 灵敏度, 特异性, 准确率, AUC | NA |
| 699 | 2026-02-11 |
Developing an Artificial Intelligence Chatbot for Snake Image Classification and Accuracy Improvement
2025-Nov-05, The American journal of tropical medicine and hygiene
DOI:10.4269/ajtmh.25-0101
PMID:40840366
|
研究论文 | 本研究开发了一种基于Swin Transformer v2架构的深度学习模型，用于蛇类图像分类，并通过测试时目标检测与裁剪（TT-ODC）预处理方法提升模型在真实场景中的准确率 | 提出了TT-ODC预处理方法，有效缩小了模型在验证集与外部测试集之间的性能差距，并将模型集成至LINE聊天机器人中实现实际应用 | 研究主要针对台湾地区的蛇类，模型在其他地理区域的泛化能力未经验证 | 开发一种能够准确识别蛇类物种的人工智能工具，以辅助临床蛇咬伤治疗中的抗蛇毒血清选择 | 蛇类图像 | 计算机视觉 | 蛇咬伤 | 深度学习，图像分类 | Transformer | 图像 | 训练集：12,000张图像（源自30,573张标注图像）；外部测试集：2,400张图像 | 未明确提及 | Swin Transformer v2 | 准确率 | NA |
| 700 | 2026-02-11 |
Metabolic modelling: Insights into the machine room of plant metabolism
2025-Nov, Journal of plant physiology
IF:4.0Q1
DOI:10.1016/j.jplph.2025.154584
PMID:40957247
|
综述 | 本文综述了植物代谢建模的最新趋势，探讨了如何利用这些方法从亚细胞到群落和生态系统层面研究代谢，并讨论了机器学习与深度学习在模型构建和分析中的应用 | 将代谢建模的范围扩展到涵盖多种植物物种、基因型和环境特异性代谢、特化代谢途径，并整合时空分辨率与植物-微生物相互作用，同时探索了机器学习辅助模型重建与分析的混合策略 | NA | 从网络视角研究植物代谢，提供对网络层面过程的机制性见解 | 植物代谢网络 | 机器学习 | NA | 代谢建模 | 深度学习 | NA | NA | NA | NA | NA | NA |