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 45616 篇文献，本页显示第 8861 - 8880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8861 | 2026-02-11 |
Artificial intelligence predicts c-KIT exon 11 genotype by phenotype in canine cutaneous mast cell tumors: Can human observers learn it?
2026-Mar, Veterinary pathology
IF:2.3Q1
DOI:10.1177/03009858251380284
PMID:41059708
|
研究论文 | 本研究旨在通过人工智能预测犬皮肤肥大细胞肿瘤的c-KIT外显子11基因型，并评估人类观察者学习此任务的能力 | 首次尝试将深度学习算法预测的基因型特征转移给人类病理学家，并评估其学习效果 | 人类观察者在自我训练后分类准确率提升有限，且未发现可靠的形态学特征来预测-11-ITD状态 | 识别与c-KIT外显子11内部串联重复突变相关的形态学特征，并评估人类病理学家学习这些特征的能力 | 犬皮肤肥大细胞肿瘤的数字化苏木精-伊红染色组织切片和图像块 | 数字病理学 | 犬皮肤肥大细胞肿瘤 | 深度学习 | 深度学习算法 | 图像 | 17名未经训练的病理学家，涉及8张全切片图像和200个图像块用于初始分类，15张新全切片图像和200个新图像块用于后续测试 | NA | NA | 分类准确率 | NA |
| 8862 | 2026-02-11 |
Predicting postoperative atrial fibrillation: An explainable deep learning approach
2026-Feb-25, Journal of biomedical research
IF:2.2Q3
DOI:10.7555/JBR.39.20250387
PMID:41664547
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8863 | 2026-02-11 |
Spatiotemporal prediction and attribution of groundwater storage anomaly using enhanced hybrid deep learning modeling with uncertainty quantification
2026-Feb-15, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.128766
PMID:41619477
|
研究论文 | 本研究提出了一种集成了预测、归因分析和不确定性量化的增强型混合深度学习框架，用于地下水储量异常的时空预测 | 构建了CNN-Attention-LSTM和Transformer-LSTM两种混合架构以捕获时空模式，并首次将Stein变分梯度下降法用于不确定性量化，同时结合SHAP进行归因解释，形成了一个透明且可信的预测框架 | 方法在长江流域的应用效果良好，但在其他地理或气候条件下的普适性有待进一步验证 | 实现高精度、可靠且可解释的地下水储量异常时空预测与归因分析 | 中国长江流域的地下水储量异常 | 机器学习 | NA | NA | CNN, LSTM, Transformer | 时空序列数据 | NA | NA | CNN-Attention-LSTM, Transformer-LSTM | R | NA |
| 8864 | 2026-02-11 |
Deep-Learning-Based Broadband Lightsource X-ray Absorption Spectroscopy Using Photon-Counting Detector
2026-Feb-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05977
PMID:41620946
|
研究论文 | 本文提出了一种基于深度学习的Spectral-Transformer框架，用于校正光子计数探测器在宽带光源X射线吸收光谱中的光谱失真 | 提出Spectral-Transformer深度学习框架，通过双模态映射机制融合光谱和管电流输入，并应用物理信息损失函数作为反馈，以保持峰值位置和总光子数 | NA | 校正光子计数探测器在高光子通量下因堆积和极化效应导致的光谱失真，提升宽带光源X射线吸收光谱的分析性能 | 宽带光源X射线吸收光谱 | 机器学习 | NA | X射线吸收光谱 | Transformer | 光谱数据 | NA | NA | Spectral-Transformer | KL散度, 材料分类准确率 | NA |
| 8865 | 2026-02-11 |
A novel approach for atrial fibrillation-related obstructive sleep apnea detection using enhanced single-lead electrocardiogram features with customized deep learning algorithm
2026-Feb-10, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsaf226
PMID:40795334
|
研究论文 | 本文提出了一种基于增强单导联心电图特征和定制深度学习算法的新方法，用于检测心房颤动相关的阻塞性睡眠呼吸暂停 | 引入了SHHDeepNet深度学习框架，利用重建独立成分分析增强单导联心电图特征，实现了对心房颤动相关阻塞性睡眠呼吸暂停的高效检测 | 研究样本量相对有限，且外部验证数据集的多样性可能不足 | 开发一种能够同时检测心房颤动和阻塞性睡眠呼吸暂停的方法，以改善心血管健康评估 | 心房颤动患者和阻塞性睡眠呼吸暂停患者的心电图信号 | 机器学习 | 心血管疾病 | 单导联心电图信号处理，重建独立成分分析 | 深度学习 | 心电图信号 | 内部验证：101名受试者（来自睡眠心脏健康研究数据库）；外部验证：123名受试者（来自男性骨质疏松性骨折数据库） | NA | SHHDeepNet | 准确率, 灵敏度, 特异性, AUC, F1分数 | NA |
| 8866 | 2026-02-11 |
Discovery of High-Performance Ni0.62Fe0.23Ce0.15O Electrocatalyst for Oxygen Evolution Reaction via Active Machine Learning
2026-Feb-10, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c20812
PMID:41614688
|
研究论文 | 本文通过结合机器学习模型与遗传算法，发现了一种高性能的Ni0.62Fe0.23Ce0.15O电催化剂用于析氧反应 | 开发了一种结合随机森林回归模型与遗传算法的有效策略，用于预测和优化NiO基异质原子掺杂电催化剂的过电位，并通过实验验证和DFT计算揭示了其优异性能的机理 | NA | 优化异质原子掺杂过渡金属氧化物的结构和元素组成，以发现高性能的析氧反应电催化剂 | NiO基异质原子掺杂电催化剂 | 机器学习 | NA | 机器学习，遗传算法，密度泛函理论计算 | 随机森林回归，其他传统机器学习和深度学习模型 | NA | NA | NA | 随机森林回归 | 均方根误差 | NA |
| 8867 | 2026-02-11 |
Methodological Considerations for Improving Deep Learning-Based Classification of Skin Lesions in High-Frequency Ultrasound Imaging
2026-Feb-10, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70201
PMID:41665130
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8868 | 2026-02-11 |
spRefine denoises and imputes spatial transcriptomics with a reference-free framework powered by genomic language model
2026-Feb-03, Genome research
IF:6.2Q1
DOI:10.1101/gr.281001.125
PMID:41633767
|
研究论文 | 本文介绍了一种名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插补，以提升数据质量和下游分析效果 | spRefine首次结合基因组语言模型，以无参考框架同时实现空间转录组数据的去噪和插补，并展示了在模型预训练和新生物信号发现方面的应用潜力 | NA | 解决空间转录组数据分析中高噪声和基因测量缺失的问题，提升数据整合和下游应用准确性 | 空间转录组数据 | 机器学习 | NA | 空间转录组学 | 深度学习 | 空间转录组数据 | NA | NA | 基因组语言模型 | NA | NA |
| 8869 | 2026-02-11 |
Detection of external root resorption in periapical radiographs using YOLO-based deep learning model
2026-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf072
PMID:41014013
|
研究论文 | 本研究开发了一种基于YOLO的深度学习模型，用于在根尖周X光片中检测外部牙根吸收 | 采用YOLOv5x-cls和YOLOv5x-seg模型进行外部牙根吸收的检测与分割，并首次在模拟颌骨放射密度的体模模型上进行评估 | 研究样本仅基于110颗离体牙，且使用化学方法诱导外部牙根吸收，可能无法完全代表临床真实情况 | 开发人工智能算法以辅助诊断外部牙根吸收 | 110颗经过化学脱矿处理的离体牙齿 | 计算机视觉 | 牙科疾病 | X光成像 | CNN | 图像 | 584张根尖周X光片 | PyTorch | YOLOv5x-cls, YOLOv5x-seg | F1分数 | NA |
| 8870 | 2026-02-11 |
Single-step prediction of inferior alveolar nerve injury after mandibular third-molar extraction using contrastive learning and Bayesian auto-tuned deep learning model
2026-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf069
PMID:41014015
|
研究论文 | 本研究构建并评估了一个集成对比学习和贝叶斯优化的深度学习框架，用于预测下颌第三磨牙拔除后下牙槽神经损伤 | 首次将对比学习与贝叶斯优化结合，用于单步预测下牙槽神经损伤，显著提升了模型性能 | 研究为回顾性单中心数据，未来需要多中心验证，且全景X光片分析仍需专家解读 | 构建并评估深度学习框架以预测下颌第三磨牙拔除后下牙槽神经损伤 | 下颌第三磨牙拔除患者 | 计算机视觉 | 口腔颌面外科疾病 | 锥形束计算机断层扫描（CBCT），全景X光片 | 深度学习模型 | 图像 | 902张全景X光片和1,500张CBCT图像 | NA | MobileNetV2, ResNet101D, Vision Transformer, Twins-SVT, SSL-ResNet50 | 准确率, F1分数 | NA |
| 8871 | 2026-02-11 |
AutoFDP: Automatic Force-Based Model Selection for Multicriteria Graph Drawing
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3631659
PMID:41223106
|
研究论文 | 本文提出了一种基于用户指定可读性标准自动构建力导向模型的多准则图布局框架 | 系统整合传统力导向模型与准则驱动技术，实现基于用户指定标准自动构建定制化力导向模型 | 未明确说明框架在超大规模图或动态图场景下的性能表现 | 开发自动化的多准则图布局方法以提升图可视化质量 | 图布局模型与图可视化技术 | 计算机视觉 | NA | 力导向模型与准则驱动优化技术 | NA | 图数据 | 多种类型图数据集 | NA | NA | 边交叉最小化等可读性标准 | NA |
| 8872 | 2026-02-11 |
Quality Assessment of 3D Human Animation: Subjective and Objective Evaluation
2026-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3631385
PMID:41223104
|
研究论文 | 本文提出了一种用于评估非参数化人体模型生成的虚拟人动画质量的数据驱动方法 | 首次针对非参数化人体模型生成的虚拟人动画开发了质量评估指标，并构建了包含主观真实性评分的数据集 | 未明确说明数据集的具体规模，且方法主要针对特定类型的虚拟人动画 | 开发虚拟人动画的质量评估方法 | 三维虚拟人动画 | 计算机视觉 | NA | 神经网络训练 | 线性回归器 | 三维动画序列 | NA | NA | NA | 相关性 | NA |
| 8873 | 2026-02-11 |
Deep learning-based super-resolution of contrast-enhanced volumetric interpolated breath-hold examination for evaluation of intracranial enhancing lesions
2026-Feb, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851251398622
PMID:41289091
|
研究论文 | 本研究评估了基于深度学习的超分辨率重建技术（DL-VIBE）在颅内增强病变诊断中的性能，并与传统MPRAGE序列进行比较 | 首次将基于深度学习的超分辨率重建技术应用于颅内对比增强病变的评估，实现了扫描时间的显著缩短 | DL-VIBE在整体图像质量和灰白质区分方面表现较低 | 比较DL-VIBE与传统MPRAGE在颅内增强病变诊断中的性能 | 颅内增强病变患者 | 医学影像分析 | 颅内病变 | 对比增强三维T1加权成像 | 深度学习 | 医学影像 | 97名患者（35名男性，62名女性；平均年龄59.2±15.3岁） | NA | NA | 图像质量评分、灰白质区分度、病变显著性、伪影评估、对比噪声比、病变数量、最大直径 | NA |
| 8874 | 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 |
| 8875 | 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 |
| 8876 | 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 |
| 8877 | 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 |
| 8878 | 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 |
| 8879 | 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 |
| 8880 | 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 |