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 40356 篇文献，本页显示第 1621 - 1640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1621 | 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 |
| 1622 | 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 |
| 1623 | 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 |
| 1624 | 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 |
| 1625 | 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 |
| 1626 | 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 |
| 1627 | 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 |
| 1628 | 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 |
| 1629 | 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 |
| 1630 | 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 |
| 1631 | 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 |
| 1632 | 2026-01-30 |
Lipid Nanoparticle Database towards structure-function modeling and data-driven design for nucleic acid delivery
2026-Jan-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68818-1
PMID:41605942
|
研究论文 | 本文开发了一个名为LNPDB的脂质纳米颗粒数据库，用于整合结构-功能数据，支持数据驱动的核酸递送设计 | 首次创建了一个统一的脂质纳米颗粒数据库，标准化了LNP的特征化，并集成了分子动力学模拟功能 | NA | 解决脂质纳米颗粒结构-功能数据分散和非标准化的问题，促进系统化分析和数据驱动设计 | 脂质纳米颗粒（LNPs），用于核酸递送 | 机器学习 | NA | 脂质纳米颗粒技术，分子动力学模拟 | 深度学习模型 | 结构数据，功能数据 | 19,528个脂质纳米颗粒 | NA | NA | NA | NA |
| 1633 | 2026-01-30 |
A Comprehensive X-ray Dataset for Pediatric Ulna and Radius Fractures Analysis
2026-Jan-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06666-w
PMID:41605965
|
研究论文 | 本文介绍了首个公开的儿科尺骨和桡骨骨折X射线数据集PediURF，并提出了一个双视角分类模型URFNet用于骨折分类 | 创建了首个公开的儿科尺骨和桡骨骨折X射线数据集PediURF，包含超过10,000张去标识化图像，并提出了一个新颖的双视角分类模型URFNet | 未明确提及研究的局限性 | 解决儿科前臂骨折研究中缺乏标准化和公开可用数据集的问题，以促进人工智能研究和临床验证 | 儿科尺骨和桡骨骨折的X射线图像 | 计算机视觉 | 儿科骨折 | X射线成像 | 深度学习分类模型 | 图像 | 超过10,000张去标识化X射线图像 | NA | URFNet | NA | NA |
| 1634 | 2026-01-30 |
A dataset and benchmark of carbonate thin-section images for deep learning
2026-Jan-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06633-5
PMID:41605971
|
研究论文 | 本文介绍了一个名为DeepCarbonate的碳酸盐岩薄片图像数据集，用于深度学习分析，并提供了基准测试结果 | 提出了首个经过清理和标准化的碳酸盐岩薄片图像公共基准数据集，包含22个岩性类别，并按光学模式分层组织，以促进可重复性和公平模型比较 | 未明确说明数据集的样本数量或图像总数，且仅评估了有限的深度学习模型架构 | 为碳酸盐岩薄片图像分析提供一个标准化、可重复的深度学习基准数据集和评估框架 | 来自中国四川盆地和阿拉伯联合酋长国特定地质层位的碳酸盐岩薄片图像 | 计算机视觉 | NA | 薄片图像分析 | CNN | 图像 | NA | PyTorch | ResNet, VGG, DenseNet, MobileNet, EfficientNet | NA | CUDA加速 |
| 1635 | 2026-01-30 |
Deep learning based individual identification and population estimation of the yellow spotted mountain newt (Neurergus derjugini)
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36092-2
PMID:41606028
|
研究论文 | 本研究提出了一种结合几何计算机视觉和深度学习的非侵入性图像方法，用于黄斑山蝾螈的个体识别和种群估计 | 首次将深度学习应用于濒危两栖动物黄斑山蝾螈的个体识别，通过几何管道提取黄色斑点特征，并利用微调的CNN模型实现高精度分类，为非侵入性种群监测提供了新工具 | 数据集需进一步扩展以验证时间稳定性，且方法尚未部署为实时移动应用 | 开发一种可靠、非侵入性的方法来监测濒危黄斑山蝾螈的种群，以支持保护工作 | 黄斑山蝾螈（Neurergus derjugini），一种濒危两栖动物 | 计算机视觉 | NA | 图像分析、几何计算机视觉 | CNN | 图像 | 549只成年黄斑山蝾螈，在两个采样会话中分别有332和217个体 | TensorFlow, PyTorch, Keras | DenseNet121, EfficientNetB0, InceptionV3 | 准确率, AUC | NA |
| 1636 | 2026-01-30 |
A hybrid local-global feature attention network for thin section rock image classification
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36669-x
PMID:41606083
|
研究论文 | 本文提出了一种用于薄片岩石图像分类的混合局部-全局特征注意力网络HFANet | 提出了一种新颖的混合局部-全局特征注意力网络HFANet，它集成了基于DenseNet的局部分支和基于Swin Transformer的全局分支，并引入了多头自注意力模块和双向交叉注意力机制，以及包含三个独立头部的集成分类框架和多模态地质特征融合 | NA | 提高薄片岩石图像的细粒度分类精度，以支持地质调查、资源勘探和自动化岩石学分析 | 薄片岩石图像 | 计算机视觉 | NA | NA | CNN, Transformer | 图像 | 一个综合的岩石薄片数据集 | NA | DenseNet, Swin Transformer | 准确率, AUC, AUPR | NA |
| 1637 | 2026-01-30 |
An interactive cascaded deep learning framework with expert refinement for accurate striatal subregion segmentation
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36399-0
PMID:41606103
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1638 | 2026-01-30 |
Artificial Intelligence-Based Multi-Stage System for Automated Angle's Classification of Malocclusion from Intraoral Images in Orthodontics
2026-Jan-28, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01826-7
PMID:41606231
|
研究论文 | 本研究提出了一种基于多阶段深度学习流程的系统，用于从口腔内图像自动进行Angle错𬌗畸形分类 | 开发了一个三阶段自动化流程，仅使用口腔内照片（无需X光片）即可完成分类，并集成了侧向分类、特定侧别的磨牙区域定位和统一的错𬌗分类器 | 目前仅基于口腔内图像，未来需要整合X光片或3D扫描等多模态数据以进行更全面的正畸诊断 | 开发一个自动化系统，用于正畸中Angle错𬌗畸形的分类，以减少诊断差异并支持大规模筛查 | 口腔内咬合图像，特别是侧向咬合图像，要求患者年龄大于6岁且第一磨牙已完全萌出 | 计算机视觉 | 错𬌗畸形 | 深度学习，图像分析 | CNN | 图像 | 来自三个正畸中心的8909张侧向口腔内咬合图像，外部验证集包含383张未见过的图像 | NA | MolarBBoxNet-R, MolarBBoxNet-L, AngleClassifier-R50 | 准确率, 敏感性, 特异性 | NA |
| 1639 | 2026-01-30 |
A comprehensive multi-task deep learning model for kidney cancer: histological subtyping, clinical staging, and anatomical complexity grading
2026-Jan-28, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12322-z
PMID:41606245
|
研究论文 | 开发并验证了一种基于多期相增强CT的多任务深度学习模型，用于同时评估恶性肾肿瘤的组织学亚型、临床分期和解剖复杂性分级 | 提出了一种基于渐进分层提取的多任务深度学习模型，能够同时处理肾肿瘤的多个临床任务，相比单任务模型在临床分期上表现更优，且计算效率显著提升 | 研究为回顾性设计，且仅包含两个中心的患者数据，可能存在选择偏倚 | 开发一个能够同时预测恶性肾肿瘤组织学亚型、临床分期和解剖复杂性分级的深度学习模型 | 恶性肾肿瘤患者及其术前肾脏多期相增强CT图像 | 计算机视觉 | 肾癌 | 多期相增强CT | 深度学习 | 图像 | 798名患者（中心A: 620例，中心B: 178例） | NA | 基于渐进分层提取的多任务深度学习模型 | AUC, 决策曲线分析 | NA |
| 1640 | 2026-01-30 |
Deep learning for construction waste detection using ConvNeXt V2 EMA attention and WIoU v3 loss
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37473-3
PMID:41606243
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |