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 46269 篇文献，本页显示第 9181 - 9200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9181 | 2026-02-19 |
Application of artificial intelligence in diagnosis and management of fetal growth disorders: a comprehensive review
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1737391
PMID:41625753
|
综述 | 本文全面回顾了人工智能在胎儿生长障碍（包括生长受限和巨大儿）诊断与管理中的应用 | 系统总结了AI在胎儿生长障碍领域的最新应用，包括自动化生物测量、基于生物标志物和多普勒指数的预测模型，以及直接应用于超声扫描的深度学习算法，并指出其在提高诊断精度和扩大高质量产前护理可及性方面的潜力 | 现有研究大多受限于回顾性设计、样本量小以及缺乏外部验证 | 探讨人工智能在推进胎儿生长障碍检测和管理中的作用 | 胎儿生长受限、小于胎龄儿、大于胎龄儿以及胎儿巨大儿 | 医学人工智能 | 胎儿生长障碍 | 超声 | 深度学习算法 | 图像（超声扫描）、临床数据（母体、胎儿、生物标志物、多普勒指数） | NA | NA | NA | 准确性 | NA |
| 9182 | 2026-02-19 |
Graph-enhanced multimodal fusion of vascular biomarkers and deep features for diabetic retinopathy detection
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1731633
PMID:41704302
|
研究论文 | 提出了一种结合深度特征与血管生物标志物的多模态框架，用于糖尿病视网膜病变检测 | 提出了一种基于Transformer的跨模态融合架构，将深度空间特征与血管图全局拓扑感知嵌入相结合，创新性地整合了卷积块注意力模块、图神经网络和血管描述符分析 | 未明确说明模型的计算复杂度、推理时间以及在临床环境中的实时应用可行性 | 开发一个用于糖尿病视网膜病变检测的可靠多模态框架 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | CLAHE、Canny边缘检测、Top-hat变换、U-Net血管分割、分形维数分析、动静脉比率、灰度共生矩阵纹理分析 | CNN, GNN, Transformer | 图像 | Messidor-2、Eyepacs和APTOS 2019数据集（具体样本数未提供） | NA | MobileNetV3, U-Net, 图神经网络, Transformer | 准确率, 精确率, 召回率, AUC-ROC | NA |
| 9183 | 2026-02-19 |
Understanding Machine Learning Applications in Lung Transplantation: A Narrative Review
2025, Transplant international : official journal of the European Society for Organ Transplantation
IF:2.7Q2
DOI:10.3389/ti.2025.15640
PMID:41704919
|
综述 | 本文综述了机器学习在肺移植领域的应用，包括器官分配、预后预测、风险分层和多组学数据分析 | 系统总结了机器学习在肺移植中的多种应用方法，并强调了其在数据稀缺环境下通过迁移学习等技术支持模型开发的潜力 | 存在数据集规模小、跨中心不一致、可解释性差以及外部验证有限等障碍，阻碍了临床采用 | 概述机器学习在肺移植领域的研究现状，解释相关方法学，并探讨其未来发展方向 | 肺移植相关的临床数据、多组学数据和影像数据 | 机器学习 | 肺移植 | NA | 支持向量机, 深度学习 | 复杂高维数据, 多组学数据, 影像数据 | NA | NA | 随机森林 | NA | NA |
| 9184 | 2026-02-19 |
Deep learning and firearm wound classification: a pilot study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1646656
PMID:41705162
|
研究论文 | 本研究探索了深度学习技术在枪弹伤分类中的应用，通过使用Lobe AI软件进行训练和测试，评估了其在法医病理学中的潜力 | 首次在法医病理学中应用深度学习进行枪弹伤模式识别，并引入了“完好皮肤”作为对照类别 | 研究数据有限，尤其是在算法训练阶段，且需要开发专门针对法医特征识别的预训练软件 | 进一步探索深度学习技术在枪弹伤分类中的应用，以评估其在法医实践中的适用性 | 枪弹伤图像，包括入口/出口伤口、基于射击距离的伤口以及基于武器弹药类型的伤口 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 从法医图集和卡塔尼亚法医案例中提取的教育图像及照片，具体数量未明确 | Lobe AI | NA | 准确率, 精确率, 召回率, F1分数, 特异性 | NA |
| 9185 | 2026-02-19 |
The role of artificial intelligence in diagnosing pediatric dental disorders-a narrative review
2025, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2025.1685359
PMID:41705231
|
综述 | 本文综述了人工智能在儿童牙科疾病诊断中的应用现状与潜力 | 系统性地探讨了AI在儿童牙科诊断中的多种技术应用，并对比了其与传统方法的性能 | 存在数据隐私、缺乏标准化数据集及伦理考量等限制 | 评估人工智能在儿童牙科疾病诊断中的角色与效果 | 儿童牙科疾病，包括龋齿、错颌畸形、发育异常和牙周病 | 数字病理 | 儿童牙科疾病 | NA | CNN | 图像 | NA | NA | NA | NA | NA |
| 9186 | 2026-02-19 |
Research on performance variations of classifiers with the influence of pre-processing methods for Chinese short text classification
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0292582
PMID:37824464
|
研究论文 | 本研究通过实验比较了15种常用分类器在两种中文数据集上，结合三种中文预处理方法（分词、中文特定停用词去除、中文特定符号去除）对中文短文本分类性能的影响 | 首次系统性地探讨了中文特定预处理方法（如分词、中文停用词和符号去除）对多种分类器（包括机器学习和深度学习模型）在中文短文本分类任务中性能变化的综合影响 | 研究仅基于两种中文数据集进行，可能无法完全代表所有中文短文本分类场景；预处理方法的组合和评估条件有限，未涵盖更广泛的预处理技术或数据集 | 探究中文预处理方法对中文短文本分类器性能的影响，以优化分类效果 | 中文短文本数据集 | 自然语言处理 | NA | 中文文本预处理（包括分词、停用词去除、符号去除） | 多种分类器（包括机器学习和深度学习模型） | 文本 | 两种中文数据集（具体样本数量未在摘要中明确说明） | NA | NA | macro-F1 | NA |
| 9187 | 2026-02-19 |
Distribution of race and Fitzpatrick skin types in data sets for deep learning in dermatology: A systematic review
2022-08, Journal of the American Academy of Dermatology
IF:12.8Q1
DOI:10.1016/j.jaad.2021.10.010
PMID:34678235
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9188 | 2026-02-18 |
Emerging Trends and Innovations in Radiologic Diagnosis of Thoracic Diseases
2026-Mar-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001179
PMID:40106831
|
综述 | 本文总结了胸部影像学领域的关键进展，包括成像模态、计算工具和临床应用，并概述了未来方向 | 整合了人工智能驱动的计算机辅助检测系统、放射组学分析、光子计数探测器CT和低场MRI等新兴成像技术，以提升胸部疾病的诊断和管理 | 作为一篇综述文章，未涉及原始研究数据，且可能未涵盖所有最新技术进展 | 回顾和总结胸部疾病放射学诊断的新兴趋势和创新技术 | 胸部疾病，包括肺癌、肺结节、间质性肺病、慢性阻塞性肺病、COVID-19肺炎和肺栓塞 | 医学影像 | 肺癌 | CT纹理分析、灌注成像、光子计数探测器CT、低场MRI、双能CT、暗场放射摄影 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 9189 | 2026-02-18 |
Clinical Neuroimaging Over the Last Decade: Achievements and What Lies Ahead
2026-Mar-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001192
PMID:40239043
|
综述 | 本文回顾了过去十年临床神经影像学的关键进展，包括技术革新、科学发现及其对临床实践和研究的影响 | 整合了光子计数CT、高低场磁共振成像、对比剂、定量成像技术以及深度学习和医学信息学等数据分析方法的进展，并强调了如类淋巴系统等基础神经科学发现 | 作为综述文章，主要基于已发表文献进行总结，可能未涵盖所有最新研究或技术细节 | 回顾临床神经影像学在过去十年的成就，并展望未来发展方向 | 临床神经影像学领域的技术、方法及基础科学发现 | 数字病理学 | NA | 光子计数计算机断层扫描、低场和高场磁共振成像、对比剂、定量成像技术 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 9190 | 2026-02-18 |
Combating Antiviral Drug Resistance: A Multipronged Strategy
2026-Feb-17, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.5c00724
PMID:41650319
|
研究论文 | 本文介绍了一种多管齐下的策略，通过合成、计算、结构和生物学研究来开发抗病毒药物，以应对病毒蛋白酶（特别是SARS-CoV-2主要蛋白酶M）的药物耐药性突变 | 提出了一种结合传统蛋白酶抑制、蛋白酶降解（首次报道靶向SARS-CoV-2 M的PROTAC分子HP211206）、计算化学方法（如PDLD/S-LRA/β框架与量子力学计算结合）以及人工智能（如D2Screen深度学习虚拟筛选）的多管齐下策略，以开发对耐药突变更有效的抗病毒疗法 | NA | 开发对抗病毒蛋白酶药物耐药性突变的更有效治疗方法 | 病毒蛋白酶（特别是SARS-CoV-2主要蛋白酶M）及其药物耐药性突变 | 计算化学, 药物发现 | COVID-19, 病毒感染 | 计算化学, X射线晶体学, 虚拟筛选, 深度学习 | 深度学习 | 化学结构数据, 蛋白质结构数据, 生物活性数据 | NA | NA | NA | 抑制活性, 结合自由能, 催化效率参数 | NA |
| 9191 | 2026-02-18 |
AutoSimTTF: a fully automatic pipeline for personalized electric field simulation and treatment planning of tumor treating fields
2026-Feb-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4288
PMID:41643315
|
研究论文 | 本文介绍了一个名为AutoSimTTF的全自动管道，用于肿瘤治疗电场（TTFields）的个性化电场模拟和优化治疗计划 | 开发了一个端到端的全自动工作流，集成了深度学习自动肿瘤分割、基于有限元法的电场模拟以及一种新颖的基于物理的参数优化方法，显著提升了效率和个性化治疗能力 | 与传统的半自动工作流相比，模拟精度在某些组织中存在最高14.1%的偏差 | 提高肿瘤治疗电场（TTFields）治疗计划的计算效率、可重复性和可及性，实现数据驱动的个性化治疗 | 肿瘤治疗电场（TTFields）的个性化治疗计划 | 数字病理学 | 肿瘤 | 有限元法，深度学习 | 深度学习模型 | 医学影像数据 | NA | NA | NA | Dice相似系数 | NA |
| 9192 | 2026-02-18 |
Atomically Precise Metal Clusters for NIR-II Imaging
2026-Feb-17, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.5c00837
PMID:41645060
|
综述 | 本文综述了原子级精确金属簇在近红外二区成像中的发光特性、成像技术、生物医学应用及生物安全性 | 通过原子工程、配体设计和表面修饰精细调控金属簇的近红外二区光学性质，并结合先进成像技术与人工智能实现高分辨率、深组织可视化 | NA | 探讨原子级精确金属簇在近红外二区成像中的基础物理、发光机制及其在生物医学成像和临床病理诊断中的应用潜力 | 原子级精确金属簇 | 生物医学成像 | 心血管疾病, 脑血管疾病, 恶性肿瘤 | 近红外二区成像, 宽场成像, 三维显微成像, 人工智能辅助图像处理 | 深度学习 | 图像 | NA | NA | NA | 信噪比 | NA |
| 9193 | 2026-02-18 |
Automated Segmentation of Stellate Ganglion Block Region in Ultrasound Images Using Deep Learning Model
2026-Feb-16, Anesthesia and analgesia
IF:4.6Q1
DOI:10.1213/ANE.0000000000007938
PMID:41698185
|
研究论文 | 本研究开发并验证了一种用于超声图像中星状神经节阻滞区域自动分割的深度学习模型 | 首次系统评估深度学习在星状神经节阻滞区域分割中的应用，并提出了多级特征融合的UNet模型 | 模型在边界精度上略逊于专家，且研究为回顾性设计 | 开发自动分割模型以支持超声引导下星状神经节阻滞的精准针头放置并提高手术安全性 | 接受超声引导星状神经节阻滞的患者 | 计算机视觉 | NA | 超声成像 | 深度学习 | 图像, 视频 | 370名患者，730个视频（2190张图像） | NA | MLF-UNet, UNet | Dice相似系数, 交并比, 95百分位豪斯多夫距离, 平均对称表面距离 | NA |
| 9194 | 2026-02-18 |
Temporomandibular Disorders Diagnosis: Current Challenges and the Promising Role of Artificial Intelligence
2026-Feb-16, European journal of dentistry
DOI:10.1055/s-0046-1816081
PMID:41698418
|
综述 | 本文综述了颞下颌关节紊乱病诊断面临的挑战，并重点介绍了人工智能在该领域日益增长的作用 | 强调了将人工智能技术与现有诊断框架（如DC/TMD）相结合，以实现更客观、数据驱动和个性化的诊断方法 | NA | 总结当前颞下颌关节紊乱病诊断的挑战，并探讨人工智能在改善诊断准确性、一致性和效率方面的潜力 | 颞下颌关节紊乱病 | 数字病理学 | 颞下颌关节紊乱病 | NA | 机器学习, 深度学习 | 图像, 临床数据, 心理社会数据 | NA | NA | NA | NA | NA |
| 9195 | 2026-02-18 |
Neonatal jaundice detection using a vision transformer-based deep learning model
2026-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40515-5
PMID:41699004
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9196 | 2026-02-18 |
A method for compiling satellite image map geographic objects based on vector map data via deep learning
2026-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39096-0
PMID:41699043
|
研究论文 | 本文提出了一种基于深度学习和矢量地图数据指导的卫星影像地图编绘自动化方法 | 利用深度学习模型学习矢量数据到卫星影像的映射，并通过迁移学习增强对需修改区域的敏感性，实现地理对象的选择性和多样化操作编绘 | NA | 实现卫星影像地图的自动化编绘，以增强视觉清晰度、隐藏敏感信息并确保与矢量表示的一致性 | 卫星影像地图中的线性和多边形地理对象 | 计算机视觉 | NA | 深度学习 | 编码器-解码器架构 | 图像 | NA | NA | 编码器-解码器 | NA | NA |
| 9197 | 2026-02-18 |
Deep learning inversion of water content and relaxation time in water-bearing fracture zones based on surface NMR data
2026-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40506-6
PMID:41699053
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9198 | 2026-02-18 |
Deep Learning-Based Automated Diagnostic Charting on Panoramic Radiography: Comparison of YOLOv11 and YOLOv12
2026-Feb-16, Odontology
IF:1.9Q2
DOI:10.1007/s10266-026-01333-3
PMID:41699374
|
研究论文 | 本研究比较了YOLOv11和YOLOv12两种深度学习架构在全景X光片上自动诊断13种牙科疾病的性能 | 首次对下一代深度学习架构YOLOv11和YOLOv12在全景X光片自动诊断中的性能进行对比分析，并使用了混合数据集测试泛化能力 | 对于细微病理如骨质流失和龋齿的检测性能较低 | 优化临床工作流程并减少诊断变异性，通过自动诊断图表提升诊断准确性和效率 | 全景X光片中的13种不同牙科疾病，包括龋齿、种植体、骨质流失和阻生牙等 | 计算机视觉 | 牙科疾病 | 全景X光成像 | YOLOv11, YOLOv12 | 图像 | 2,297张全景X光片（1,579张来自单一机构，718张来自Roboflow Universe外部数据集） | NA | YOLOv11, YOLOv12 | 平均精度均值（mAP@0.5）、精确率、召回率、F1分数 | NA |
| 9199 | 2026-02-15 |
Modern resources for intrinsic disorder predictions: protein language models, deep learning, meta-servers, and databases
2026-Feb-14, Cellular and molecular life sciences : CMLS
IF:6.2Q1
DOI:10.1007/s00018-026-06087-3
PMID:41689628
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9200 | 2026-02-18 |
Advancing NanoLuc Luciferase Stability beyond Directed Evolution and Rational Design through Expert-Guided Deep Learning
2026-Feb-06, ACS catalysis
IF:11.3Q1
DOI:10.1021/acscatal.5c08789
PMID:41676228
|
研究论文 | 本文提出了一种结合深度学习和结构引导理性设计的混合方法，以开发增强的NanoLuc荧光素酶变体，提高其热稳定性和在高温下的活性 | 通过整合深度学习和结构引导理性设计，克服了传统同源方法在优化NanoLuc荧光素酶时的局限性，特别是在稳定性和活性权衡方面 | 未明确提及具体限制，但可能涉及方法在更广泛酶类应用中的普适性验证 | 优化NanoLuc荧光素酶的热稳定性，以提升其在高温下的生物成像和传感应用性能 | NanoLuc荧光素酶（NLuc）及其工程变体 | 机器学习 | NA | 深度学习，结构引导理性设计，分子动力学模拟，蛋白质折叠研究 | 深度学习模型 | 蛋白质序列和结构数据 | 工程变体库，包括优化变体B.07和B.09 | NA | NA | 熔化温度增加（如7.2°C和5.1°C），高温下活性维持 | NA |