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 42805 篇文献，本页显示第 1881 - 1900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1881 | 2026-03-13 |
Critical considerations for the use of deep learning models in clinical oncology prediction
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1730967
PMID:41815558
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1882 | 2026-03-13 |
CRC-Former: frequency-domain adaptive swin-transformer for colorectal cancer histopathology classification
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1792357
PMID:41815787
|
研究论文 | 本文提出了一种名为CRC-Former的新型混合架构，用于结直肠癌组织病理学图像分类，通过结合频率感知表示学习和跨尺度序列建模来提升性能 | 提出了一种结合频率感知全局-局部Transformer块和跨尺度Mamba块的混合架构，首次将信号处理先验与现代序列建模显式集成，以增强对多方向病理纹理的敏感性 | NA | 解决结直肠癌组织病理学图像分类中因组织异质性、多尺度形态变化和早期病变细微性带来的挑战 | 结直肠癌组织病理学图像 | 数字病理学 | 结直肠癌 | Haar小波变换 | Transformer, Mamba | 图像 | 大规模Chaoyang CRC数据集 | NA | Swin-Transformer, Mamba | NA | NA |
| 1883 | 2026-03-13 |
DeepFRAG: a method for cancer detection based on DNA fragmentomics and deep learning
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag024
PMID:41816008
|
研究论文 | 本文提出了一种基于DNA片段组学和深度学习的癌症检测方法DeepFRAG，通过分析cfDNA片段大小分布谱进行癌症筛查 | 开发了基于小波变换的深度学习模型分析cfDNA片段大小分布，并引入了针对WGS片段大小数据的原创数据增强技术 | 研究样本量相对较小（153例），仅包含III期和IV期癌症患者，未涵盖早期癌症 | 开发一种高精度、成本效益好的非侵入性癌症筛查方法 | 癌症患者（乳腺癌、结直肠癌、胰腺癌、肺癌、肝癌）和健康个体的cfDNA样本 | 机器学习 | 癌症 | 低深度全基因组测序（WGS），液体活检 | 深度学习模型 | DNA片段大小分布数据 | 153例样本（73例癌症患者，80例健康个体） | NA | NA | AUROC，灵敏度，特异性 | NA |
| 1884 | 2026-03-13 |
From surface to depth: Using deep learning to predict striatal fMRI reward signaling from EEG
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1160
PMID:41816006
|
研究论文 | 本研究使用卷积自编码器深度学习模型，从基于任务的脑电图数据中重建腹侧纹状体的血氧水平依赖活动，以预测纹状体fMRI奖励信号 | 首次采用可解释的深度学习模型从表面脑电图解码皮层下奖励相关信号，为基于脑电图的神经反馈系统奠定基础 | 模型的泛化性能有限，未来需在更大、更多样化的数据集上进行训练以改进 | 预测纹状体fMRI奖励信号，以克服fMRI成本高和可及性有限的障碍，促进更广泛的临床应用 | 19名健康参与者在双选择赌博任务中记录的连续脑电图-功能磁共振成像数据 | 机器学习 | NA | 功能磁共振成像, 脑电图 | 卷积自编码器 | 脑电图, 功能磁共振成像 | 19名健康参与者 | NA | 卷积自编码器 | 相关性 | NA |
| 1885 | 2026-03-13 |
An AI-based intelligent diagnosis system for adolescent mental health based on multitask deep learning
2026, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2026.1752423
PMID:41816530
|
研究论文 | 本研究开发了一种基于多任务深度学习的AI智能诊断系统，用于通过青少年的自发文本表达非侵入性地预测其抑郁和焦虑的共病严重程度 | 提出了一种结合中文优化BERT编码器、自注意力机制和双特征融合的多任务深度学习框架，并针对中国文化背景下的躯体化倾向和类别不平衡问题进行了数据增强和模型适应 | 研究样本主要来自中国青少年，可能限制了模型的普适性；未来需要进行纵向验证和多模态数据整合 | 开发一个用于青少年心理健康筛查的、文化敏感且可扩展的AI智能诊断系统 | 中国青少年的自发文本表达 | 自然语言处理 | 精神疾病 | 文本分析，深度学习 | 多任务深度学习 | 文本 | 约1275名青少年的文本响应，经数据增强后测试集扩展至308个样本 | PyTorch (推断自AdamW优化器和余弦退火等常用配置) | 中文优化BERT编码器，结合自注意力机制和双特征融合（[CLS]池化和全局池化） | Pearson相关系数，AUC，F1分数，MSE | NA |
| 1886 | 2026-03-13 |
Causal digital twin modeling of periodontal healing: personalized prediction of low-level laser therapy benefit using a tooth-graph ODE transformer
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1737162
PMID:41816560
|
研究论文 | 本文开发了一种名为CaTGO的因果数字孪生模型，用于预测牙周治疗后的愈合结果并评估低水平激光治疗的个体化疗效 | 结合图神经网络、神经常微分方程和因果推理模块，构建了首个针对牙周治疗的因果数字孪生模型，能够实现患者、牙齿和位点水平的个性化预测 | 研究为单中心回顾性队列，样本量有限（300名患者），且未进行外部验证 | 开发个性化预测工具，以识别哪些患者、牙齿或位点最能从辅助性低水平激光治疗中获益 | 300名牙周炎患者（其中150名接受辅助性低水平激光治疗，150名仅接受龈下刮治和根面平整） | 机器学习 | 牙周病 | 低水平激光治疗 | 图神经网络, 神经常微分方程, 因果推断模型 | 临床数据（牙周袋深度、临床附着水平、患者因素、激光治疗参数） | 300名患者 | NA | Causal Tooth-Graph ODE Transformer (CaTGO) | R2, 均方根误差, Pearson相关系数 | NA |
| 1887 | 2026-03-13 |
The role of artificial intelligence in advancing scoliosis care: a rapid review of current evidence and future opportunities
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1774697
PMID:41816657
|
综述 | 本文是一篇关于人工智能在青少年特发性脊柱侧凸（AIS）护理中应用的快速综述，总结了当前证据和未来机遇 | 对人工智能在AIS管理中的应用进行了及时的综合评估，并评估了已发表综述的质量 | 纳入的综述数量有限（5篇），且需要加强外部验证和临床整合以实现有效实施 | 评估人工智能在青少年特发性脊柱侧凸诊断、进展预测和治疗优化中的潜在作用 | 青少年特发性脊柱侧凸（AIS）患者 | 数字病理 | 脊柱侧凸 | NA | 卷积神经网络, 人工神经网络, 决策树, 支持向量机, 混合模型 | NA | NA | NA | NA | 准确度 | NA |
| 1888 | 2026-03-13 |
Artificial intelligence in osteoporosis assessment using CT imaging: a scoping review
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1779483
PMID:41816668
|
综述 | 本文是一篇范围综述，系统总结了人工智能在基于CT成像的骨质疏松评估中的应用研究 | 首次对AI在CT骨质疏松评估中的应用进行了系统性范围综述，聚焦于方法学途径、解剖靶区及算法性能 | 纳入研究存在方法学异质性、验证策略不一致以及多为单中心回顾性研究，限制了跨研究的可比性和临床转化 | 系统总结和梳理人工智能在CT成像中用于骨质疏松评估的现有研究 | 已发表的、应用AI、机器学习或深度学习技术于CT图像进行骨质疏松分类、骨密度估计或骨折风险预测的研究 | 医学影像分析 | 骨质疏松 | CT成像 | 机器学习, 深度学习 | CT图像 | 共纳入51项研究 | NA | NA | AUC | NA |
| 1889 | 2026-03-13 |
[Diagnosis and treatment of liver diseases in the era of artificial intelligence]
2025-Dec-20, Zhonghua gan zang bing za zhi = Zhonghua ganzangbing zazhi = Chinese journal of hepatology
|
综述 | 本文综述了人工智能在肝病领域，特别是大数据分析、转化研究和影像病理解读中的应用进展与挑战 | 系统分析了AI在肝病诊疗中整合多模态数据（病史、体征、实验室数据、影像、病理）的潜力，并指出了当前技术无法有效支持真实世界临床决策的核心痛点 | 当前AI工具尚不成熟，无法真正独立可靠地辅助复杂临床评估；模型个性化、碎片化，难以整合成广泛适用的多中心通用模型；未能有效减轻医生工作量 | 探讨人工智能在肝病诊断与治疗中的应用现状、挑战及未来发展方向 | 肝病领域的人工智能应用，包括大数据分析、转化研究、影像和病理解读 | 数字病理 | 肝病 | NA | 机器学习, 深度学习 | 多模态数据（病史、体征、实验室数据、影像、病理） | NA | NA | NA | NA | NA |
| 1890 | 2026-03-13 |
IRIS: Interpretable Risk Clustering Intelligence for Survival Analysis
2025-Dec, Proceedings : ... IEEE International Conference on Big Data. IEEE International Conference on Big Data
|
研究论文 | 提出了一种用于生存分析的新型可解释风险聚类智能框架IRIS，旨在直接学习有意义的患者风险分组并提供透明的特征重要性解释 | 与传统生存模型进行事后风险聚类不同，IRIS能够直接从数据中学习患者风险聚类，并通过特征贡献函数提供透明的特征重要性估计，在保持预测性能的同时显著提升可解释性 | 与最先进方法相比，在事件发生时间预测准确性方面有轻微下降 | 开发一个既能进行风险聚类又能提供可解释性的生存分析框架，为临床治疗规划和资源分配提供可操作的见解 | 患者生存数据 | 机器学习 | 阿尔茨海默病 | 生存分析 | 深度学习模型 | 电子健康记录，基准数据集 | 多个基准数据集、一个真实世界阿尔茨海默病数据集和一个电子健康记录数据集 | NA | IRIS框架 | 风险聚类性能，预测可靠性，事件发生时间预测准确性 | NA |
| 1891 | 2026-03-13 |
An Explainable Deep Model for Risk Scoring and Accurate Radionecrosis Identification Following Brain Metastasis Stereotactic Radiosurgery
2025-Nov-27, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.11.038
PMID:41317799
|
研究论文 | 本文开发了一种可解释的深度学习模型，用于非侵入性区分非小细胞肺癌患者脑转移立体定向放射外科治疗后的放射性坏死与局部复发 | 设计了一种二阶重球神经常微分方程深度学习框架，整合磁共振、临床和基因组特征到统一的图像-基因组-临床空间，并应用层相关传播量化非成像特征的贡献，构建风险评分模型 | 数据集仅包含103名非小细胞肺癌患者的142个脑转移病灶，样本量相对有限，且仅针对特定癌症类型 | 开发可解释的深度学习模型以准确区分脑转移立体定向放射外科治疗后的放射性坏死与局部复发 | 非小细胞肺癌患者的脑转移病灶 | 数字病理学 | 肺癌 | 磁共振成像, 基因组生物标志物分析 | 深度学习, 神经常微分方程 | 图像, 临床数据, 基因组数据 | 103名非小细胞肺癌患者的142个脑转移病灶 | 自定义深度学习框架 | 二阶重球神经常微分方程, 深度神经网络 | 准确性, 精确度, 召回率, F1分数, AUC | NA |
| 1892 | 2026-03-13 |
A vessel bifurcation landmark pair dataset for abdominal CT deformable image registration (DIR) validation
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17907
PMID:40437735
|
研究论文 | 本文介绍了一个用于腹部CT可变形图像配准验证的首个血管分叉标志点对数据集 | 首次提供了专门针对腹部CT可变形图像配准验证的高精度血管分叉标志点对基准数据集 | 数据集仅包含30名患者的腹部CT图像，可能样本量有限，且主要关注血管分叉点，未涵盖其他解剖结构 | 开发一个用于验证腹部CT可变形图像配准算法质量的基准数据集 | 腹部CT图像中的血管分叉点 | 医学图像处理 | NA | CT成像，深度学习分割，可变形图像配准 | 深度学习模型 | CT图像 | 30名患者的腹部CT图像对 | NA | NA | 标志点对精度（0.7 mm ± 1.2 mm） | NA |
| 1893 | 2026-03-13 |
Domain-Randomized Deep Learning for Neuroimage Analysis: Selecting Training Strategies, Navigating Challenges, and Maximizing Benefits
2025-Jul, IEEE signal processing magazine
IF:9.4Q1
DOI:10.1109/MSP.2025.3590806
PMID:41306561
|
教程论文 | 本文综述了基于合成图像的领域随机化深度学习策略在神经影像分析中的原理、实施与潜力 | 提出通过合成具有随机强度和解剖内容的图像来训练深度神经网络，以解决模型泛化问题，无需重新训练或微调即可处理未见过的图像类型 | 增加了计算需求，且可能依赖于合成数据的质量 | 探讨领域随机化策略以提升深度学习模型在神经影像分析中的鲁棒性和泛化能力 | 神经影像数据，包括MRI、CT、PET、OCT等模态 | 神经影像分析 | NA | 领域随机化，合成图像生成 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 1894 | 2026-03-13 |
Genome structure mapping with high-resolution 3D genomics and deep learning
2025-May-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.06.650874
PMID:40654659
|
研究论文 | 本文介绍了一种结合高分辨率3D基因组学与深度学习的集成方法，用于预测细胞类型特异性的3D基因组结构 | 开发了Cleopatra，一种基于注意力机制的深度学习模型，通过预训练和微调策略，实现了亚千碱基级别的3D接触图谱预测，揭示了细胞类型特异性的微区室和环路 | 研究仅覆盖了四种人类细胞类型，可能未涵盖所有细胞类型的特异性；深度学习模型的泛化能力需进一步验证 | 旨在通过深度学习和3D基因组学技术，全面映射细胞类型特异性的基因调控环路，以理解基因表达机制 | 人类细胞类型中的3D基因组结构，包括增强子-启动子环路和微区室 | 机器学习 | NA | 区域捕获微C（RCMC）、微C（Micro-C）测序 | 深度学习模型（基于注意力机制） | 表观基因组数据、3D接触图谱数据 | 四种人类细胞类型 | NA | 基于注意力机制的架构（具体名称未指定，但提及为Cleopatra模型） | NA | NA |
| 1895 | 2026-03-13 |
Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision
2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.14041
PMID:40055947
|
研究论文 | 本研究通过智能手机视频和深度学习模型生成全牙弓种植体扫描，并在体外环境中评估其准确性和精度 | 首次将智能手机视频与深度学习模型结合，用于生成全牙弓种植体扫描，提供了一种经济高效的潜在扫描方法 | 研究为体外实验，准确性尚未达到临床应用标准，且深度学习模型的精度相比口腔内扫描仪较差 | 评估基于智能手机视频和深度学习模型生成全牙弓种植体扫描的准确性 | 上颌无牙模型上的6个种植体和扫描体 | 计算机视觉 | NA | 深度学习3D重建 | 深度学习模型 | 视频 | 3个测试组（DL1、DL2、IOS），每组重复10次 | NA | NA | 线性偏差（准确性）、精度 | NA |
| 1896 | 2026-03-13 |
ChromBPNet: bias factorized, base-resolution deep learning models of chromatin accessibility reveal cis-regulatory sequence syntax, transcription factor footprints and regulatory variants
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.25.630221
PMID:39829783
|
研究论文 | 本文介绍了一种名为ChromBPNet的深度学习模型，用于解析染色质可及性，揭示顺式调控序列语法、转录因子足迹和调控变异 | ChromBPNet通过分解酶特异性偏差与调控序列决定因素，实现了跨实验和测序深度的紧凑转录因子基序词典、协同基序语法和精确足迹的稳健发现 | NA | 研究染色质可及性的序列语法和遗传变异，以解码调控DNA和遗传变异 | 顺式调控元件、染色质可及性、转录因子结合 | 机器学习 | NA | 染色质可及性测定 | 深度学习DNA序列模型 | DNA序列 | NA | NA | ChromBPNet | NA | NA |
| 1897 | 2026-03-13 |
Retinal Vessel Plexus Differentiation Based on OCT Angiography Using Deep Learning
2025 Jan-Feb, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100605
PMID:39624795
|
研究论文 | 本研究提出了一种基于深度学习的OCT血管成像（OCTA）方法，用于分割视网膜的浅层、深层和无血管丛，无需结构OCT图像输入或分割边界 | 首次仅使用OCTA数据通过深度学习分割视网膜血管丛，无需依赖结构OCT层分割作为边界，并利用合成双类图像显著提升性能 | 研究样本量较小（33名患者），模型在更复杂的多类薄片数据上的性能仅进行了定性观察，未进行定量评估 | 开发一种基于深度学习的OCTA图像分割方法，以区分视网膜的浅层、深层和无血管丛 | 视网膜血管丛（浅层、深层、无血管丛） | 计算机视觉 | NA | OCT血管成像（OCTA） | 深度学习 | 图像 | 235个OCTA立方体（来自33名患者） | NA | U-Net | Dice系数 | NA |
| 1898 | 2026-03-13 |
Exploring meaning in life from social network content in the sleep scenario
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1642085
PMID:41306873
|
研究论文 | 本研究利用社交媒体数据，通过深度学习和语义依赖图算法，探索睡眠场景下生命意义及其相关因素 | 结合社交媒体大数据、用户调查与ChatGPT生成见解，开发深度学习模型评估生命意义成分，并应用语义依赖图算法识别相关因素，桥接了两种基础生命意义理论 | 数据主要来源于社交媒体，可能存在样本偏差，且ChatGPT生成见解的可靠性需进一步验证 | 探索生命意义及其在个体和群体层面的相关因素，为心理健康问题提供线索和干预信息 | 社交媒体用户及其发布的微博内容与调查响应 | 自然语言处理 | NA | 社交媒体数据挖掘，深度学习，语义依赖图算法 | 深度学习模型 | 文本 | 微博帖子7,588,597条，用户调查响应448份 | NA | NA | NA | NA |
| 1899 | 2026-03-13 |
[RPT Doi Award: Deep learning-based correction for time truncation in cerebral computed tomography perfusion]
2025, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics
DOI:10.11323/jjmp.45.1_3
PMID:41813218
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1900 | 2026-03-13 |
Integrative multi-stage deep learning framework for ovarian tumor ultrasound classification with explainability and confidence estimation
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1760167
PMID:41815279
|
研究论文 | 本文提出了一个名为EfficientOvaNet的深度学习框架，用于基于超声图像对卵巢肿瘤进行分类，并集成了可解释性和置信度估计方法 | 采用双分支EfficientNet-B3架构，结合感兴趣区域特征与全局上下文信息，并整合了Grad-CAM、蒙特卡洛Dropout不确定性估计和t-SNE特征可视化等可解释性方法 | 未明确提及研究的具体局限性，如数据集规模、泛化能力或临床验证的不足 | 提高卵巢肿瘤超声分类的诊断准确性，减少主观性，并支持及时干预和个体化治疗 | 卵巢肿瘤的超声图像 | 计算机视觉 | 卵巢癌 | 超声成像 | CNN | 图像 | 基于MMOTU数据集，具体样本数量未在摘要中明确说明 | 未明确指定，但提及了深度学习框架 | EfficientNet-B3 | 准确率, F1分数, AUC | 未在摘要中明确说明 |