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 39696 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 | 2026-01-30 |
CocoaMoniliaDataSet: A cocoa pod dataset to detect and classify Monilia roreri in real conditions
2026-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112447
PMID:41608050
|
研究论文 | 本文提出了一个用于检测和分类可可豆荚中Monilia roreri真菌病害的数据集CocoaMoniliaDataSet，以支持计算机视觉应用 | 首次创建了一个针对可可豆荚Monilia病害的标注图像数据集，涵盖了病害的多个症状阶段，并提供了多种格式的标注以支持目标检测算法训练 | 数据集仅包含1953张图像，样本规模相对有限，且病害分类基于视觉症状而非完整的生物周期 | 开发一个用于农业病害检测的计算机视觉数据集，以促进可可豆荚Monilia病害的早期诊断 | 可可豆荚及其感染Monilia roreri真菌后的症状阶段 | 计算机视觉 | 植物真菌病害 | 数字图像采集与标注 | NA | 图像 | 1953张可可豆荚图像，分为四个类别：健康、病害周期1、周期2-3、周期4 | NA | NA | NA | NA |
| 682 | 2026-01-30 |
Detection of Acromegaly From Facial Images Using Machine Learning: A Comparison With Clinical Experts
2026-Feb, Journal of the Endocrine Society
IF:3.0Q2
DOI:10.1210/jendso/bvaf203
PMID:41608201
|
研究论文 | 本研究通过机器学习分析面部图像，验证了其在肢端肥大症检测中的有效性，并与临床专家评估进行了比较 | 首次在大型、特征明确的队列中，使用基于面部特征预训练的深度学习模型（FaRL）进行肢端肥大症检测，并与多种ImageNet预训练模型及临床专家进行性能对比 | 样本主要来自瑞典大学医院，可能限制了结果的普适性；且患者中79%已生化控制，可能影响模型对活动性疾病的检测敏感性 | 开发并验证一种基于面部图像分析的简单、精确的肢端肥大症预筛查方法 | 155名肢端肥大症患者（79%生化控制）和153名匹配对照的面部图像 | 计算机视觉 | 肢端肥大症 | 智能手机采集面部图像 | CNN | 图像 | 308名参与者（155名患者，153名对照） | NA | ResNet50, InceptionV2, DenseNet121, FaRL | AUC, 特异性, 敏感性 | NA |
| 683 | 2026-01-30 |
Deep Learning-Based Model for Breast Implant Classification in Ultrasonography: A Multi-Institutional Model Development and Validation Study
2026-Jan-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf220
PMID:41168671
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于在超声图像中分类乳房植入物，以解决患者植入物信息记录不足的问题 | 首次利用多机构超声图像数据开发深度学习模型，实现乳房植入物的制造商和纹理自动分类，并应用Grad-CAM提升模型可解释性 | 研究存在局限性，但未在摘要中具体说明 | 开发可靠的乳房植入物识别方法，以改善临床工作流程和患者护理 | 乳房植入物的超声图像 | 计算机视觉 | NA | 超声成像 | 深度学习模型 | 图像 | 来自2580名患者的4136个乳房植入物的28,712个超声PNG文件 | NA | NA | 平衡准确度 | NA |
| 684 | 2026-01-30 |
A Systematic Review of Applications, Challenges, and Future Trajectories of Artificial Intelligence in Cosmetic Surgery
2026-Jan-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf238
PMID:41234118
|
系统综述 | 本文系统综述了人工智能在整形美容手术中的应用、挑战及未来发展方向 | 首次遵循PRISMA 2020指南，对2020年至2025年间AI在整形美容手术中的应用进行全面系统综述，并识别了该领域从术前到术后的完整应用谱系 | 纳入的研究多为早期阶段，缺乏外部验证，数据集异质性高，结局指标不一致，且大多数研究存在中度至严重的偏倚风险 | 系统评估人工智能在整形美容手术领域的应用现状、面临的挑战以及未来的发展轨迹 | 应用于整形或美容手术的人工智能、机器学习、深度学习、计算机视觉或大语言模型相关研究 | 计算机视觉, 自然语言处理, 机器学习 | NA | 人工智能, 机器学习, 深度学习, 计算机视觉, 大语言模型 | NA | NA | 从3941条记录中筛选出38项符合纳入标准的研究 | NA | NA | NA | NA |
| 685 | 2026-01-30 |
Phase Model-Driven Deep Learning for Robust Phase Correction in High-Throughput NMR-Based Metabolomics
2026-Jan-29, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c03529
PMID:41508827
|
研究论文 | 本研究提出了一种结合物理模型与深度学习的相位校正方法PD-RAN，用于高通量NMR代谢组学数据的高效处理 | 将物理模型驱动的相位特征与残差注意力网络结合，实现了对高维NMR光谱的精确相位校正 | 未明确说明方法在极端噪声或复杂样本类型下的泛化能力 | 开发一种适用于高通量NMR代谢组学的鲁棒相位校正方法 | NMR光谱数据，包括脑提取物、血浆和尿液样本 | 机器学习 | NA | NMR（核磁共振） | 深度学习神经网络 | 一维NMR光谱（高维数据表示） | 包括脑提取物、血浆和尿液等多种代谢组学样本，具体数量未明确 | NA | 残差注意力网络（Residual Attention Network） | NA | NA |
| 686 | 2026-01-30 |
A Deep Learning-Based Ensemble Model for Automated Nasolabial-Fold Severity Grading
2026-Jan-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf161
PMID:40798848
|
研究论文 | 本研究开发并验证了DeepFold，一种基于深度学习的集成模型，用于自动、客观且临床可解释的鼻唇沟严重程度分级 | 提出了首个基于深度学习的集成模型DeepFold，用于自动化鼻唇沟严重程度分级，通过集成策略减少预测方差并增强模型鲁棒性 | 数据集主要来自临床门诊患者和CelebA数据集，可能无法完全代表所有人群；模型性能依赖于三位资深整形外科医生的标注，仍存在主观性 | 开发并验证一个自动化、客观且临床可解释的鼻唇沟严重程度分级模型 | 鼻唇沟严重程度 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 6718张面部图像（1718张来自临床门诊患者，5000张来自CelebA数据集） | PyTorch | ResNet-50, SeResNet-50 | 准确率, F1分数, 混淆矩阵分析 | NA |
| 687 | 2026-01-30 |
Decoding Allosteric Inhibition in MALT1: The Hidden Role of Conformational Plasticity in Metastable States via Biased MD and Deep Learning
2026-Jan-29, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c07665
PMID:41557786
|
研究论文 | 本研究通过偏置分子动力学模拟、神经网络等机器学习技术及对接计算，揭示了MALT1蛋白在变构抑制过程中的复杂构象行为 | 首次结合偏置分子动力学、深度学习及对接计算，系统研究了MALT1蛋白的变构抑制机制，特别是Loop 1和3运动对催化位点空腔体积的影响 | 研究基于小鼠MALT1构建体（与人类MALT1有93%同源性），结果推广至人类MALT1需谨慎 | 探究MALT1蛋白在变构抑制过程中的构象行为，为计算设计新的MALT1变构抑制剂提供依据 | MALT1蛋白（黏膜相关淋巴组织淋巴瘤易位蛋白1） | 计算生物学 | 血液癌症 | 偏置分子动力学模拟, 对接计算 | 神经网络 | 分子动力学模拟数据, 对接数据 | NA | NA | NA | NA | NA |
| 688 | 2026-01-30 |
Artificial intelligence revolution in shoulder magnetic resonance imaging: current evidence and future directions for rotator cuff diagnosis
2026-Jan-29, Clinics in shoulder and elbow
IF:1.8Q2
DOI:10.5397/cise.2025.00990
PMID:41605224
|
综述 | 本文综述了人工智能在肩关节磁共振成像中用于诊断肩袖撕裂的当前证据与未来方向 | 系统回顾了2019年以来AI在肩关节MRI中用于肩袖撕裂检测、分类、分割和报告的最新应用，并特别探讨了深度学习和大语言模型（LLMs）的潜力 | 现有证据受限于有限的外部验证、数据集异质性以及缺乏监管批准，尚无完全自动化的诊断系统获得FDA许可 | 评估人工智能在肩关节磁共振成像中诊断肩袖撕裂的准确性、效率及临床应用潜力 | 应用于肩关节MRI的AI研究，特别是针对肩袖撕裂的检测、分类、分割或报告 | 医学影像分析 | 肩袖撕裂 | 磁共振成像 | 深度学习, 卷积神经网络, 大语言模型 | 图像, 文本 | 从732条记录中筛选，最终纳入19项研究进行综述 | NA | VGG, 卷积神经网络 | 准确率, 灵敏度, 特异性 | NA |
| 689 | 2026-01-30 |
[Expert consensus on the application of artificial intelligence in stomatology]
2026-Jan-29, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
专家共识 | 本文提供了口腔医学领域人工智能应用的综合概述，包括技术路径、挑战及发展建议 | 首次系统性地整合了AI在口腔医学多方面的应用，并提出了涵盖数据治理、平台建设、伦理和监管的综合性指导框架 | 共识性文件，缺乏具体的实验数据支持；未详细说明AI模型在特定疾病中的性能表现 | 为口腔医学领域的人工智能应用提供安全、规范和可持续发展的实践指南 | 口腔疾病（如龋齿、牙髓病、牙周病、口腔黏膜病变、颌面创伤）的筛查、诊断、治疗规划和预后预测 | 数字病理 | 口腔疾病 | 深度学习，多模态分析 | NA | 锥形束CT，口内扫描，电子健康记录 | NA | NA | NA | NA | NA |
| 690 | 2026-01-30 |
PMCanalSeg: A dataset for automatic segmentation of the pterygopalatine and mandibular canals from 3D CBCT images
2026-Jan-29, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06620-w
PMID:41605959
|
研究论文 | 本文介绍了一个用于从3D CBCT图像中自动分割翼腭管和下颌管的大型公开数据集PMCanalSeg | 首次构建并公开了包含翼腭管数据的颌面CBCT分割数据集，填补了该领域的空白 | 未提及具体分割方法的性能局限或数据集本身的潜在偏差 | 推动颌面CBCT扫描中翼腭管和下颌管分割技术的发展，提升正颌手术安全性 | 颌面锥形束计算机断层扫描（CBCT）图像中的翼腭管和下颌管解剖结构 | 数字病理 | NA | 锥形束计算机断层扫描（CBCT） | NA | 3D医学图像 | 191例患者病例 | NA | NA | NA | NA |
| 691 | 2026-01-30 |
Refining deep learning segmentation in gallium-68-prostate-specific membrane antigen-11 positron emission tomography: evaluation of small lesion filtering and intersection-over-union thresholds
2026-Jan-29, Nuclear medicine communications
IF:1.3Q3
DOI:10.1097/MNM.0000000000002114
PMID:41607277
|
研究论文 | 本文评估了在Ga-68-PSMA-11 PET图像中，小病灶过滤和不同IoU阈值对深度学习分割性能的影响 | 通过评估小病灶过滤和IoU阈值对分割性能的影响，优化了深度学习分割的可靠性，特别是在定量评估方面 | 需要多中心研究和更大数据集进行进一步验证以确保结果的普适性 | 评估小病灶过滤和不同IoU阈值如何影响前列腺癌Ga-68-PSMA-11 PET图像的深度学习分割 | 前列腺癌患者的Ga-68-PSMA-11 PET图像 | 数字病理学 | 前列腺癌 | Ga-68-PSMA-11 PET成像 | CNN | 图像 | 115例患者扫描 | NA | 3D U-Net | Dice系数, 精确度, 灵敏度, 阳性预测值 | NA |
| 692 | 2026-01-30 |
MetalloDock: Decoding Metalloprotein-Ligand Interactions via Physics-Aware Deep Learning for Metalloprotein Drug Discovery
2026-Jan-28, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c15876
PMID:41527511
|
研究论文 | 本文提出了首个专门为金属蛋白靶点设计的深度学习对接框架MetalloDock，用于精确预测金属蛋白-配体相互作用 | 创新性地将自回归空间解码引擎与物理约束的几何生成范式相结合，能精确重建金属配位几何并准确捕获金属-配体相互作用 | NA | 加速金属蛋白靶向药物发现，为金属蛋白特异性对接算法提供标准化评估框架 | 金属蛋白-配体相互作用 | 机器学习 | 前列腺癌 | 深度学习 | 深度学习模型 | 蛋白质-配体复合物结构数据 | NA | NA | 自回归空间解码引擎 | 对接成功率,虚拟筛选性能 | NA |
| 693 | 2026-01-30 |
Coronary artery segmentation in non-contrast cardiac CT using anatomy-informed contrastive learning and synthetic data
2026-Jan-28, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae387c
PMID:41534216
|
研究论文 | 本研究提出了一种基于合成数据和对比学习的深度学习方法，用于从非对比心脏CT图像中自动分割冠状动脉 | 提出了一个完全在合成数据上训练的深度学习框架，并引入了一种基于解剖学先验的体素级对比学习策略，以区分冠状动脉和视觉相似的背景结构 | 模型仅在合成数据上训练，未使用真实世界的标注数据，其性能可能受合成数据与真实数据之间域差异的影响 | 开发一种无需人工标注即可从非对比心脏CT图像中准确分割冠状动脉的方法，以支持大规模冠状动脉疾病筛查 | 非对比心脏CT图像中的冠状动脉 | 数字病理学 | 心血管疾病 | 非对比心脏CT成像 | 深度学习 | 医学图像 | 未明确指定具体样本数量，但使用了大规模合成NCCT数据集以及一个公共NCCT数据集和一个内部临床数据集进行评估 | 未明确指定 | 未明确指定 | 未明确指定具体指标，但通过与最先进的无监督和域适应方法比较来评估性能 | NA |
| 694 | 2026-01-30 |
Multi-window temporal analysis for enhanced arrhythmia classification: leveraging long-range dependencies in electrocardiogram signals
2026-Jan-28, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae3937
PMID:41539004
|
研究论文 | 本文提出了一种基于结构化状态空间模型（S4）的深度学习架构S4ECG，通过联合分析长达2分钟的多段连续心电图窗口，以捕获长程时间依赖性，从而提升心律失常分类的准确性和跨数据集鲁棒性 | 引入了多窗口时间分析框架，利用S4模型捕获心电图信号中的长程依赖关系，显著提高了心房颤动等心律失常检测的特异性并降低了假阳性率 | 未明确说明模型在实时临床环境中的部署可行性或计算效率，且最优诊断窗口（10-20分钟）可能受特定数据集限制 | 通过捕获心电图信号中的长程时间依赖性，提升心律失常分类的准确性和跨数据集泛化能力 | 心电图信号，特别是用于检测心房颤动、心房扑动等多类心律失常 | 机器学习 | 心血管疾病 | 心电图信号分析 | 结构化状态空间模型（S4） | 心电图信号 | 基于四个公开数据库进行评估，具体样本数量未在摘要中明确说明 | NA | S4（结构化状态空间模型） | 宏平均受试者工作特征曲线下面积，特异性，敏感性 | NA |
| 695 | 2026-01-30 |
CLinNET: An Interpretable and Uncertainty-Aware Deep Learning Framework for Multi-Modal Clinical Genomics
2026-Jan-28, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512842
PMID:41604548
|
研究论文 | 本文介绍了一种名为CLinNET的可解释且不确定性感知的深度学习框架，用于多模态临床基因组学，旨在增强基因筛选和VUS解释 | CLinNET采用双分支设计整合多模态数据，结合生物信息架构、基于置信度的不确定性量化及分层SHAP解释，提高了预测准确性和生物相关性 | 未明确提及 | 识别神经认知障碍的分子驱动因子和诊断基因，提升基因筛选和VUS解释的临床实用性 | 神经认知障碍相关的基因数据，包括测序数据、基因表达、生物通路和基因本体 | 机器学习 | 神经认知障碍 | 测序数据、基因表达、生物通路分析、基因本体 | 深度神经网络 | 多模态数据（测序、基因表达、通路、本体） | 未明确提及 | 未明确提及 | 双分支深度神经网络 | F1分数, 准确率, 精确率-召回曲线下面积 | 未明确提及 |
| 696 | 2026-01-30 |
Generative deep learning synthesizes high signal-to-noise ratio sensitivity maps for PET from low count direct normalization data
2026-Jan-28, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae3ec6
PMID:41604704
|
研究论文 | 本文提出了一种基于深度学习的框架，用于从低计数直接归一化数据生成高信噪比的归一化因子和灵敏度图，以改善PET图像重建 | 开发了注意力引导的Pix2Pix条件生成对抗网络，用于最大化探测器效率并去除探测器块模式和相关的环形伪影 | NA | 通过深度学习提高PET图像归一化过程的效率和准确性 | PET插入MRI的归一化数据，包括霍夫曼脑模型、对比模型和均匀圆柱体模型的图像 | 医学影像处理 | NA | 直接归一化，PET图像重建 | cGAN | 图像数据 | NA | NA | 注意力引导的Pix2Pix | 峰值信噪比, 结构相似性指数, 归一化均方根误差 | NA |
| 697 | 2026-01-30 |
Sequential glioblastoma segmentation via Topological Data Analysis and spatial adjacency
2026-Jan-28, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae3e97
PMID:41604711
|
研究论文 | 本文提出了一种基于拓扑数据分析（TDA）和空间邻接信息的顺序式胶质母细胞瘤分割新框架 | 首次将拓扑数据分析（TDA）的可解释性过滤和持续性同调特征与空间邻接信息相结合，用于顺序式胶质瘤分割，并引入了适用于所有分割步骤的新型模糊边缘Dice评分指标 | 未明确提及方法在更广泛数据集上的泛化能力或计算效率的具体限制 | 解决胶质母细胞瘤在医学影像中因形状不规则、纹理异质和边界模糊而导致的分割不准确问题 | 胶质母细胞瘤（包括整个肿瘤、增强肿瘤、非增强肿瘤核心和水肿区域） | 数字病理 | 胶质母细胞瘤 | 拓扑数据分析（TDA），持续性同调，医学影像分析 | NA | 医学影像（MRI） | 公共数据集BRATS2021和BRATS2022-Reg | NA | NA | 模糊边缘Dice分数 | NA |
| 698 | 2026-01-30 |
ATRNet-STAR: A Large Dataset and Benchmark Towards Remote Sensing Object Recognition in the Wild
2026-Jan-28, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3658649
PMID:41605166
|
研究论文 | 本文介绍了ATRNet-STAR数据集，这是一个用于合成孔径雷达自动目标识别的大规模、高质量数据集，并基于该数据集进行了广泛的基准测试 | 提出了首个大规模、多样化的合成孔径雷达车辆目标识别数据集，包含40种车辆类别和超过19万个标注样本，规模是先前著名数据集的10倍 | 数据收集成本高昂，且受隐私问题、微波雷达图像感知特性和专业标注需求限制 | 填补合成孔径雷达自动目标识别领域缺乏大规模公开数据集的空白，推动深度学习技术在该领域的应用 | 合成孔径雷达图像中的车辆目标，包括40种不同类别 | 计算机视觉 | NA | 合成孔径雷达成像 | NA | 图像 | 超过190,000个标注样本 | NA | NA | NA | NA |
| 699 | 2026-01-30 |
Development and Validation of a Protein Electrophoresis Classification Algorithm: Tabular Data-Based Alternative
2026-Jan-28, JMIR formative research
IF:2.0Q4
DOI:10.2196/83124
PMID:41605495
|
研究论文 | 本文开发并验证了一种基于表格数据的蛋白质电泳分类算法，作为图像深度学习方法的替代方案 | 引入了一种高效的基于表格数据的机器学习方法，直接利用数值SPE谱图，为基于图像的深度学习方法提供了稳健且可解释的替代方案 | NA | 开发并验证一种基于表格数据的蛋白质电泳分类算法 | 血清蛋白质电泳（SPE）谱图 | 机器学习 | NA | 血清蛋白质电泳（SPE） | NA | 表格数据（数值SPE谱图） | NA | NA | NA | NA | NA |
| 700 | 2026-01-30 |
Bioinspired spiking architecture enables energy constrained touch encoding
2026-Jan-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68858-7
PMID:41605933
|
研究论文 | 本文提出了一种结合光纤布拉格光栅电子皮肤与脉冲神经网络的模块化人工触觉系统，模拟人类体感系统的早期阶段，旨在解决触觉感知中的布线、能耗和可扩展性挑战 | 通过生物启发的脉冲神经网络架构实现了高达10倍的定位超分辨率，相比现有深度学习方法定位精度提升32%，并在神经形态芯片上实现了高度并行化和亚毫瓦级的低功耗计算 | 未明确提及系统在极端环境下的鲁棒性或长期稳定性测试 | 开发一种可扩展、能量可持续的触觉感知解决方案，用于需要安全人机交互和动态环境操作的自主系统 | 人工触觉系统，包括光纤布拉格光栅电子皮肤和脉冲神经网络 | 机器触觉 | NA | 光纤布拉格光栅传感，脉冲神经网络 | SNN | 触觉数据 | NA | NA | 生物启发的脉冲神经网络架构 | 定位超分辨率，定位精度 | 神经形态芯片 |