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 42905 篇文献，本页显示第 7381 - 7400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7381 | 2026-01-05 |
Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation
2026-Jan-02, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw7768
PMID:41477839
|
研究论文 | 本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础 | 首次开发了深度学习框架DeepGRP来量化视网膜色素沉着，并发现了26个新的遗传位点，揭示了视网膜色素上皮和光感受器细胞的关键作用，以及欧洲人群中的多基因适应证据 | 研究主要基于欧洲人群，可能限制了结果的普适性；深度学习模型的泛化能力未在多样化人群中充分验证 | 探究人类视网膜色素沉着的遗传结构和进化基础 | 人类视网膜色素沉着 | 计算机视觉 | NA | 全基因组关联研究（GWAS）、单核转座酶可及染色质测序（ATAC-seq）、RNA测序 | 深度学习 | 高分辨率眼底图像 | NA | NA | DeepGRP | NA | NA |
| 7382 | 2026-01-05 |
A structure-process hydrological connectivity framework for estuarine wetland management: Case study of a typical Estuary in Northern China
2026-Jan-02, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.128477
PMID:41483761
|
研究论文 | 本文提出了一种适用于河口湿地管理的结构-过程水文连通性框架，并以中国北方典型河口为例进行了应用分析 | 开发了一种广泛适用的双结构-过程框架，首次将结构连通性（通过深度学习和多维地貌水文参数量化）与过程连通性（基于概率的“源-汇”模型评估）动态结合，揭示了二者在湿地恢复中的异步性 | 案例研究仅聚焦于中国北方辽河口，框架在其他地理和气候条件下的普适性有待进一步验证 | 建立一种综合评估河口湿地水文连通性的框架，以支持湿地生态系统的适应性管理 | 河口湿地生态系统，特别是潮汐河道网络的水文连通性 | 环境科学与生态学 | NA | 深度学习，多维地貌与水文参数分析，概率模型 | 深度学习模型 | 地理空间数据，水文数据 | 中国北方辽河口区域 | NA | NA | 结构连通性增加百分比（39%），过程连通性增加百分比（11.2%） | NA |
| 7383 | 2026-01-05 |
MaizeGEP: A Maize Hybrids Dataset with Genotype, Phenotype, and Envirotype to Develop Genomic Selection Models
2026-Jan-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf140
PMID:41485082
|
研究论文 | 本研究介绍了MaizeGEP数据集，该数据集整合了260个杂交玉米品种的基因型、表型和环境型数据，用于开发基因组选择模型 | 提出了一个包含广泛试验地点、标准化管理协议和全面环境变量记录的新数据集，并应用了一种新颖的混合专家框架结合GE2P算法进行表型预测 | 数据集仅涵盖260个杂交玉米品种，可能无法代表所有玉米遗传多样性；环境变量记录可能受限于特定地理位置和时间范围 | 开发基因组选择模型，以精确预测玉米表型，并研究基因型、环境型和表型之间的关系 | 260个杂交玉米品种，包括其基因型、表型数据和2382个年-县地点的环境记录 | 机器学习 | NA | 单核苷酸多态性分析，全基因组关联研究，气象记录分析 | 贝叶斯方法，支持向量机，LightGBM，多层感知机，DeepGS，DEM，Cropformer | 基因型数据，表型数据，环境数据 | 260个杂交玉米品种，2382个年-县地点 | TensorFlow，PyTorch，Scikit-learn | 多层感知机，DeepGS，DEM，Cropformer | 最佳线性无偏估计值预测准确度，表型预测准确度 | NA |
| 7384 | 2026-01-05 |
DySurv: dynamic deep learning model for survival analysis with conditional variational inference
2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae271
PMID:39569428
|
研究论文 | 本文提出了一种名为DySurv的新型条件变分自编码器方法，用于从电子健康记录中进行动态生存分析，以估计个体死亡风险 | DySurv结合静态和纵向测量数据，无需对时间到事件的基础随机过程做出参数假设，直接估计累积风险发生率函数，在动态风险预测方面优于现有统计和深度学习方法 | 虽然方法利用了深度学习引导的生存分布估计的非参数扩展，但进一步的深度学习范式仍有待探索 | 开发一种基于深度学习的动态生存分析方法，用于从电子健康记录中预测个体死亡风险 | 电子健康记录数据，包括静态和纵向测量，来自ICU数据集（如eICU和MIMIC-IV）以及其他医疗时间到事件基准数据集 | 机器学习 | 重症监护相关疾病 | 条件变分自编码器 | 条件变分自编码器 | 电子健康记录数据，包括静态和纵向测量 | 多个数据集，包括6个医疗时间到事件基准数据集和2个真实世界ICU电子健康记录数据集（来自eICU和MIMIC-IV） | NA | 条件变分自编码器 | 一致性，时间依赖性一致性，准确性，敏感性 | NA |
| 7385 | 2026-01-05 |
Predicting mortality in hospitalized influenza patients: integration of deep learning-based chest X-ray severity score (FluDeep-XR) and clinical variables
2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae286
PMID:39576664
|
研究论文 | 本研究开发了首个整合放射学和临床数据的人工智能系统FluDeep，用于早期预测流感住院患者的30天死亡率 | 首创整合放射学评分（FluDeep-XR）与临床数据的多模态AI系统，模拟临床推理过程，通过晚期融合设计提升预测性能 | 研究仅基于两家医院的队列数据，外部验证范围有限，未涵盖所有流感亚型或人群多样性 | 开发可解释的多模态AI系统，用于流感住院患者的早期死亡风险预测 | 流感住院患者的胸部X光影像和临床数据 | 数字病理学 | 流感 | 胸部X光影像分析 | CNN, Random Forest | 图像, 临床数据 | 来自台湾大学医院（开发集）和意大利Niguarda医院（外部验证集）的流感患者队列 | TensorFlow, Scikit-learn | Xception | 均方误差, AUC, 灵敏度 | NA |
| 7386 | 2026-01-05 |
Enhancing end-stage renal disease outcome prediction: a multisourced data-driven approach
2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf118
PMID:40795063
|
研究论文 | 本研究利用机器学习和深度学习模型，结合临床和索赔数据，预测慢性肾脏病进展为终末期肾病的风险，并通过可解释人工智能提高模型可解释性和减少偏差 | 采用多源数据集成方法，结合不同观察窗口，并应用SHAP分析增强模型可解释性，同时评估了2021年eGFR方程在减少种族偏见方面的效果 | 研究基于2009年至2018年的数据，未来需扩展数据集成范围并验证框架在其他慢性疾病中的适用性 | 提高慢性肾脏病进展为终末期肾病的预测准确性，支持临床决策和减少医疗差异 | 10,326名慢性肾脏病患者 | 机器学习 | 慢性肾脏病 | 临床数据和索赔数据集成分析 | LSTM | 临床数据和索赔数据 | 10,326名患者 | NA | LSTM | AUROC, F1分数 | NA |
| 7387 | 2026-01-05 |
Deep learning regression model based on data pairing and pseudo-label fusion for NIR predictive modeling in food and pharmaceutical quality analysis
2025-Dec-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.127399
PMID:41483668
|
研究论文 | 本文提出了一种基于数据配对和伪标签融合的深度学习回归模型DeepSS，用于食品和药品质量分析中的近红外预测建模 | 提出DeepSS方法，采用金字塔编码器提取近红外光谱的低维潜在特征，并引入数据配对策略通过组合样本对的潜在特征并减去其标签来增强训练数据，测试时通过将测试样本与训练特征配对生成伪标签，结合决策策略进行最终预测 | NA | 解决食品和药品行业中因样本化学成分测量困难导致标记数据集小、近红外光谱分析可靠性受限的问题 | 片剂、苹果和西洋参数据集中的关键成分 | 机器学习 | NA | 近红外光谱 | 深度学习回归模型 | 光谱数据 | NA | NA | 金字塔编码器 | 预测误差 | NA |
| 7388 | 2026-01-05 |
Performance of artificial intelligence in predicting hepatocellular carcinoma recurrence after thermal ablation: A systematic review
2025-Dec-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i12.111425
PMID:41479509
|
系统综述 | 本文通过系统综述评估了基于人工智能的影像组学模型在预测肝细胞癌热消融后复发方面的性能 | 整合多模态影像组学分析与临床数据，优化治疗选择，并展示影像模型在预测治疗结果方面优于单独临床参数的能力 | 仅纳入十项研究，样本量有限，且为系统综述，未进行原始数据分析 | 评估人工智能驱动的预测模型在预测肝细胞癌复发方面的有效性 | 接受热消融治疗的肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 影像组学分析 | 深度学习, 机器学习 | 影像数据, 临床实验室变量 | NA | NA | NA | 曲线下面积, 一致性指数 | NA |
| 7389 | 2026-01-05 |
Cardiovascular pulsing-based ultrasound strain imaging with deep learning using paired proximal and distal strain sequences for liver fibrosis detection: a feasibility study
2025-Dec-27, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107936
PMID:41483589
|
研究论文 | 本研究提出了一种结合心血管搏动超声应变成像与深度学习的框架，用于检测左肝叶纤维化 | 利用心血管搏动超声应变成像结合深度学习，采用配对近端和远端应变序列策略，利用内在心脏运动进行左肝叶纤维化检测 | 样本量有限（104名患者），需要更大规模队列研究进行验证 | 评估心血管搏动超声应变成像结合深度学习在左肝叶纤维化检测中的可行性 | 肝纤维化患者 | 医学影像分析 | 肝纤维化 | 心血管搏动超声应变成像，声辐射力脉冲成像，FibroScan测量 | RNN, LSTM, GRU, Transformer, TCN | 超声图像，应变序列 | 104名患者 | NA | RNN, LSTM, GRU, Transformer, TCN | AUROC | NA |
| 7390 | 2026-01-05 |
[Analysis of occupational stress risk factors and risk prediction research for female coal miners]
2025-Dec-20, Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases
|
研究论文 | 本研究分析了女性煤矿工人的职业应激风险因素，并构建了风险预测模型 | 首次将XGBoost和LightGBM等深度学习模型应用于女性煤矿工人职业应激预测，并利用SHAP算法解释模型结果 | 研究样本仅来自甘肃省一家大型煤矿，可能存在地域局限性，且为横断面研究，无法确定因果关系 | 分析女性煤矿工人职业应激的风险因素并构建风险预测模型 | 甘肃省一家大型煤矿的在岗女性工人 | 机器学习 | NA | 问卷调查 | XGBoost, LightGBM | 问卷数据 | 1435名有效问卷参与者 | NA | XGBoost, LightGBM | 决定系数, 均方误差, 均方根误差 | NA |
| 7391 | 2026-01-05 |
Artificial intelligence in hepatopathy diagnosis and treatment: Big data analytics, deep learning, and clinical prediction models
2025-Dec-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i46.111176
PMID:41479639
|
综述 | 本文综述了人工智能在肝病诊断与治疗中的应用，涵盖大数据分析、深度学习图像分析、组织病理学解读、生物标志物发现及临床预测模型等领域 | 系统性地探讨了联邦学习在保护患者隐私的跨中心模型训练中的应用，以及可解释AI技术在提升临床医生信任度方面的作用，并展望了多组学、影像与临床数据融合的精准肝病诊疗前景 | 临床转化仍面临数据异质性、算法偏差、监管不确定性以及缺乏与电子健康记录实时整合等挑战 | 探讨人工智能技术在肝病学领域的应用，旨在实现自动化数据解读、早期疾病检测和个体化治疗策略 | 慢性肝病，包括非酒精性脂肪性肝病、肝硬化和肝细胞癌 | 数字病理学 | 肝病 | 大数据分析，深度学习图像分析，组织病理学解读，生物标志物发现，临床预测建模 | CNN | 图像，临床数据 | NA | NA | 卷积神经网络 | AUC | NA |
| 7392 | 2026-01-05 |
From Sequence to Response: AI-Guided Prediction of Nucleic Acid Nanoparticles Immune Recognitions
2025-Dec, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202509459
PMID:41147065
|
研究论文 | 本文提出了一种基于深度学习的框架，用于预测核酸纳米颗粒在人类小胶质细胞中诱导的细胞因子反应 | 利用基于Transformer的架构，通过系统性的链置换增强，仅基于序列预测免疫反应，无需手动特征工程，同时保持生物可解释性 | 模型在外部测试集上对IL-6的预测性能（R=0.85）略低于IFN-β（R=0.91），且训练数据规模有限（176个NANPs） | 加速核酸纳米颗粒从实验室到临床的转化，通过预测其免疫反应指导理性设计与优化 | 核酸纳米颗粒（NANPs）及其在人类小胶质细胞中诱导的细胞因子反应（IFN-β和IL-6） | 机器学习 | NA | 深度学习，序列分析 | Transformer | 序列数据 | 176个结构多样、单独组装并实验表征的核酸纳米颗粒 | NA | Transformer | R（相关系数），RMSE（均方根误差） | NA |
| 7393 | 2026-01-05 |
IRESeek: structure-informed deep learning method for accurate identification of internal ribosome entry sites in circular RNAs
2025-Dec, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf210
PMID:41480593
|
研究论文 | 本文提出了一种名为IRESeek的双分支深度学习框架，用于高精度检测环状RNA中的内部核糖体进入位点 | 结合Transformer进行RNA序列建模和图卷积网络进行RNA结构指导，利用基于物理的热力学能量和碱基对概率作为结构特征，实现RNA序列与碱基对相互作用的全面联合学习 | NA | 准确识别环状RNA中的内部核糖体进入位点 | 环状RNA及其内部核糖体进入位点 | 自然语言处理 | NA | NA | Transformer, GCN | RNA序列和结构数据 | NA | NA | Transformer, GCN | NA | NA |
| 7394 | 2026-01-05 |
From telepresence to intelligent convergence: mapping the global research landscape of remote robotic surgery (1980-2025)
2025-Nov-05, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-02934-w
PMID:41188635
|
综述 | 本文通过文献计量学分析，系统梳理了1980年至2025年间远程机器人手术的全球研究格局与概念演变 | 首次对远程机器人手术领域进行了全面的文献计量分析，揭示了从远程操作到AI驱动、5G赋能及网络安全手术生态系统的范式转变，并识别了三个概念演变时代 | 分析基于Scopus数据库的文献，可能未涵盖所有相关研究；文献计量方法本身存在对新兴主题识别的滞后性 | 旨在绘制远程机器人手术的全球研究版图并追踪其概念演化过程 | Scopus数据库中收录的857篇关于远程机器人手术的文献 | 数字病理 | NA | 文献计量分析 | NA | 文本 | 857篇文献 | Bibliometrix (R-package), VOSviewer, CiteSpace | Walktrap聚类算法 | NA | NA |
| 7395 | 2026-01-05 |
Migration of Deep Learning Models Across Ultrasound Scanners
2025-Nov, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3564567
PMID:40279236
|
研究论文 | 本文提出了一种黑盒无监督域适应方法，用于在定量超声（QUS）中将深度学习模型的功能从一台超声扫描仪迁移到另一台扫描仪 | 将传递函数方法与迭代模式结合，实现跨超声扫描仪的深度学习模型功能迁移，无需模型内部信息，仅依赖输入输出接口 | 需要测试机器的未标记数据，且仅针对特定超声扫描仪（SonixOne和Verasonics）进行了实验验证 | 开发一种策略，在定量超声（QUS）中，将深度学习模型的功能从一台超声机器迁移到另一台机器，以应对数据偏移问题 | 深度学习模型在超声扫描仪之间的功能迁移 | 机器学习 | NA | 定量超声（QUS） | 深度学习模型 | 超声数据 | NA | NA | NA | 分类准确率 | NA |
| 7396 | 2026-01-05 |
AAPM CT metal artifact reduction grand challenge
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70050
PMID:41058545
|
研究论文 | 本文介绍了AAPM CT金属伪影减少大挑战，旨在创建和分发一个临床代表性的2D MAR性能基准，并邀请参与者基于此基准客观比较其MAR方法的性能 | 通过混合数据模拟框架生成了大规模真实数据集，并提供了一个临床相关的通用MAR基准，以客观比较不同MAR方法 | 挑战仅涉及2D MAR性能评估，可能未覆盖3D或更复杂的临床场景 | 创建和分发一个临床代表性的CT金属伪影减少性能基准，促进MAR方法的客观比较和开发 | CT图像中的金属伪影，如牙科填充物、髋关节假体、脊柱螺钉/杆和金基准标记引入的条纹伪影 | 医学影像处理 | NA | CT成像，混合数据模拟框架 | 深度学习模型，包括UNet, ResNet, GAN, 扩散模型, 变换器 | CT图像，正弦图 | 14,000个CT训练数据集，29个临床未校正数据集 | NA | UNet, ResNet, GAN, 扩散模型, 变换器 | 八种临床相关的图像质量指标 | NA |
| 7397 | 2026-01-05 |
Mapping the knowledge landscape of robotic colorectal cancer surgery: a visualization study
2025-Sep-30, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-02838-9
PMID:41028391
|
综述 | 本研究通过文献计量学和可视化方法，揭示了机器人结直肠癌手术领域的研究热点、新兴前沿和未来趋势 | 首次系统性地利用Citespace软件对2001年至2024年间机器人结直肠癌手术领域的文献进行可视化分析，识别了该领域从早期关注短期结果到近期转向人工智能和功能保护的研究演变 | 研究仅基于Web of Science核心合集数据库的文献，可能未涵盖所有相关出版物，且文献计量学方法主要反映研究趋势而非临床证据质量 | 揭示机器人结直肠癌手术领域的研究热点、新兴前沿和未来研究趋势 | 2001年至2024年间发表的机器人结直肠癌手术相关文献 | 医学信息学/文献计量学 | 结直肠癌 | 机器人手术 | NA | 文献数据 | 2086篇出版物 | Citespace | NA | NA | NA |
| 7398 | 2026-01-05 |
StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement
2025-Aug-10, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-02644-3
PMID:40783657
|
研究论文 | 本文提出了一种名为StarVasc的轻量级无监督血管对比度增强框架，专为机器人手术视觉系统设计 | StarVasc采用基于紧凑生成对抗网络的非配对学习策略，引入星形操作模块实现超维特征扩展，并设计了光谱特征增强模块（SFEM）以隐式学习光谱线索，无需高光谱输入 | 未在摘要中明确说明 | 开发一种无需专用硬件的自适应血管对比度增强方法，以提高机器人手术成像中的视觉感知和手术安全性 | 机器人手术成像中的血管结构 | 计算机视觉 | NA | 非配对学习策略，光谱特征增强 | GAN | 图像 | NA | NA | 编码器-解码器架构 | 无参考质量指标，视觉评估 | NA |
| 7399 | 2026-01-05 |
Artificial intelligence and digital health in vascular surgery: a 2-decade bibliometric analysis of research landscapes and evolving frontiers
2025-Aug-06, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-02583-z
PMID:40767924
|
研究论文 | 本文通过文献计量分析，回顾了过去20年人工智能和数字健康在血管外科领域的应用演变，识别了研究热点和新兴前沿 | 首次使用CiteSpace和HistCite工具对血管外科中AI和数字健康研究进行全面的结构性和时间性演化分析，揭示了七个新兴研究子领域和范式转变 | 研究基于WoSCC数据库，可能未涵盖所有相关文献；文献计量分析方法主要反映趋势而非深度内容评估 | 分析人工智能和数字健康在血管外科应用的结构与时间演化，识别历史发展轨迹、研究焦点和新兴前沿 | 血管外科领域的人工智能和数字健康应用相关出版物 | 数字病理学 | 心血管疾病 | 文献计量分析 | NA | 文本 | 675篇爆发性引用论文，涉及123个相关学科和505个关键词 | NA | NA | NA | NA |
| 7400 | 2026-01-05 |
Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction
2025-Jul-31, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-02617-6
PMID:40742577
|
综述 | 本文综述了人工智能在肝胆胰外科临床结局预测中的应用现状与未来方向 | 探讨了深度学习模型在预测术后并发症和手术复杂性方面相比传统方法更高的准确性，并展望了实时术中引导、联邦学习和可解释AI框架等新兴创新 | 面临数据质量、模型泛化性和伦理实施等挑战 | 评估人工智能在肝胆胰外科临床结局预测中的潜力与未来发展方向 | 肝胆胰外科手术 | 机器学习 | 肝胆胰疾病 | 深度学习模型 | 深度学习模型 | NA | NA | NA | NA | 准确性 | NA |