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 2393 篇文献，本页显示第 941 - 960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2026-02-19 |
Artificial intelligence for patent ductus arteriosus-a systematic review
2026, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2026.1648943
PMID:41695746
|
系统综述 | 本文对人工智能在动脉导管未闭领域的应用研究进行了系统性回顾，评估了现有研究的优势、局限性和未来方向 | 首次对人工智能在动脉导管未闭领域的应用进行全面系统综述，识别了该领域的研究现状、方法学挑战和临床转化障碍 | 纳入研究存在高度异质性，无法进行荟萃分析；所有研究均存在高偏倚风险；缺乏外部验证、临床效用评估和公平性考量 | 评估人工智能在动脉导管未闭管理中的应用现状、有效性和局限性 | 动脉导管未闭患者，特别是早产儿、新生儿和儿科队列 | 机器学习 | 心血管疾病 | NA | 监督学习, 传统机器学习, 深度学习 | 多模态参数, 高维单模态数据 | 11项研究，样本量范围66-8,369，多数小于500 | NA | NA | AUC | NA |
| 942 | 2026-02-19 |
Evaluating haptic experience using EEG and deep learning across multiple modalities: linking stimulus and self-reports
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1666558
PMID:41695974
|
研究论文 | 本研究通过EEG和深度学习评估多模态触觉体验，比较基于物理刺激参数和自我报告标签的模型性能 | 系统性地比较了基于物理刺激参数和自我报告标签的深度学习模型在触觉体验评估中的表现，揭示了在接近感知阈值时物理刺激标签的优越性 | 研究未探讨如何将物理刺激训练的模型与用户特定的自我报告信息进行有效结合 | 探索神经响应与触觉体验的物理刺激参数和自我报告感知之间的关系 | 触觉接口的EEG神经响应数据 | 机器学习 | NA | EEG | 深度学习 | EEG信号 | NA | NA | ATCNet, EEG Inception, EEG Conformer | NA | NA |
| 943 | 2026-02-19 |
Deep learning for detecting early gastric cancer with white-light endoscopy: a systematic review and meta-analysis
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1734591
PMID:41696043
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了深度学习算法在使用白光内镜图像诊断早期胃癌方面的性能 | 首次对深度学习算法在早期胃癌白光内镜诊断中的性能进行了全面的系统综述和荟萃分析，并比较了其与专家内镜医师的诊断准确性 | 纳入研究数量有限，特别是外部验证研究仅4项；研究间存在异质性，且异质性与训练数据集大小显著相关 | 评估深度学习算法在诊断早期胃癌（EGC）方面的性能，并比较其与专家内镜医师的诊断准确性 | 使用白光内镜图像进行早期胃癌诊断的深度学习算法 | 计算机视觉 | 胃癌 | 白光内镜 | 深度学习算法 | 图像 | 内部验证：15项研究，共37,037张图像（范围：433-9,650）；外部验证：4项研究，共3,579张图像（范围：200-1,514） | NA | NA | 灵敏度, 特异度 | NA |
| 944 | 2026-02-19 |
Traditional machine learning in biomedical image analysis: before you go too deep
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1695230
PMID:41696042
|
综述 | 本文全面回顾了传统机器学习在生物医学图像分析中的应用，强调了其在多模态数据集成、可解释性、计算效率和小数据集鲁棒性方面的优势 | 在深度学习主导的时代，系统性地阐述了传统机器学习在生物医学图像分析中的独特价值和持续相关性，特别是在多模态数据处理、有限数据、可解释性需求和快速原型开发等场景 | 作为一篇综述文章，未提出新的算法或模型，主要基于现有文献进行总结和分析 | 探讨传统机器学习在生物医学图像分析领域的应用、核心原理、实践实现及其相对于深度学习的独特优势 | 生物医学图像数据及其分析任务 | 数字病理 | NA | 传统机器学习算法 | NA | 生物医学图像 | NA | NA | NA | NA | NA |
| 945 | 2026-02-19 |
DP-MDLA Net: Detection of smooth pursuit abnormalities in Parkinson's disease
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261421158
PMID:41696087
|
研究论文 | 本文开发并验证了一种基于智能手机视频的深度学习框架，用于量化帕金森病中的平滑追踪异常 | 提出DP-MDLA Net，一种双路径多尺度扩张LSTM注意力架构，融合卷积和循环表示，用于从智能手机视频中检测平滑追踪异常 | 样本量较小（仅18名患者），且未提及外部验证或泛化能力评估 | 开发并验证一个基于深度学习的框架，用于量化帕金森病患者的平滑追踪异常 | 帕金森病患者的智能手机视频数据 | 计算机视觉 | 帕金森病 | 智能手机视频采集，MediaPipe FaceLandmarker用于眼部标志点提取 | CNN, LSTM | 视频 | 54个智能手机视频，来自18名帕金森病患者，包含1767个事件级样本（2秒窗口） | 未明确指定，但提及使用MediaPipe FaceLandmarker | DP-MDLA Net（双路径多尺度扩张LSTM注意力架构） | 准确率，精确率，召回率，F1分数，AUC | NA |
| 946 | 2026-02-19 |
LightWaveNet: a lightweight wavelet-enhanced high-low-frequency-aware network with multi-stage supervision for rice disease recognition
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1692649
PMID:41696181
|
研究论文 | 本研究提出了一种用于水稻病害识别的轻量级小波增强高低频感知网络LightWaveNet | 提出了一种并行的小波卷积与最大池化结构，用于协同学习高低频特征，并引入了多阶段监督机制以优化训练过程 | 未提及模型在更广泛或更复杂田间环境下的泛化能力，也未讨论对不同水稻病害亚型或早期病害的识别效果 | 开发一种轻量级、高效率的水稻病害识别模型，以部署在资源受限的农业设备上 | 水稻病害图像 | 计算机视觉 | 水稻病害 | NA | CNN | 图像 | NA | NA | LightWaveNet | 准确率 | NA |
| 947 | 2026-02-19 |
PotatoGuardNet: a refined deep learning framework for potato leaf disease detection
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1720276
PMID:41696171
|
研究论文 | 本文提出了一种改进的深度学习框架PotatoGuardNet，用于马铃薯叶部病害的检测与分类 | 结合Inception-ResNet-V2和Faster-RCNN，提高了对复杂环境下马铃薯叶部病害的识别准确性和定位能力 | 未提及模型在更广泛环境或不同数据集上的泛化能力测试 | 开发自动化系统以准确快速分类马铃薯叶部病害，减少误诊和延误治疗风险 | 马铃薯叶部病害 | 计算机视觉 | 马铃薯病害 | 深度学习 | CNN | 图像 | 来自PlantVillage数据集的大量复杂马铃薯植物样本 | TensorFlow, PyTorch | Inception-ResNet-V2, Faster-RCNN | 准确率, mAP | NA |
| 948 | 2026-02-19 |
AI-driven audience clustering in sport media: a human-computer interaction approach using 'CoPE-DEC'
2026, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2026.1767724
PMID:41696532
|
研究论文 | 本研究从人机交互视角，利用基于人工智能的深度学习分析体育媒体观众特征与潜在模式，为体育媒体产业提供基础数据 | 提出了一种新颖的无监督聚类框架CoPE-DEC，用于建模和分析体育媒体消费中的多维观众体验数据，并识别出三种不同的观众集群 | 未提及具体的数据集规模或验证方法，且未来研究需整合更多AI方法和多模态数据源以提升跨学科洞察 | 为体育媒体产业提供观众特征分析的基础数据，支持观众细分、个性化内容设计和战略决策 | 体育媒体观众 | 机器学习 | NA | 深度学习分析 | 无监督聚类 | 多维观众体验数据 | NA | NA | CoPE-DEC | NA | NA |
| 949 | 2026-02-19 |
Development of a Deep Learning Model to Automatically Identify Palatal Landmarks on Three-Dimensional Maxillary Dental Casts
2026, International journal of dentistry
IF:1.9Q2
DOI:10.1155/ijod/9409391
PMID:41696628
|
研究论文 | 开发了一种基于深度学习的模型，用于自动识别三维上颌牙颌模型上的腭部标志点 | 采用两阶段PointNet++架构，通过粗预测和局部细化提高精度，首次实现腭部标志点的自动识别 | 仅使用377个样本，可能缺乏泛化性；未与其他模型进行对比验证 | 开发自动识别三维上颌牙颌模型腭部标志点的深度学习模型 | 三维数字上颌牙颌模型 | 计算机视觉 | NA | 三维扫描 | 深度学习 | 点云 | 377个个体 | NA | PointNet++ | 平均检测误差, 1毫米内正确预测比例, 2毫米内正确预测比例 | NA |
| 950 | 2026-02-19 |
RT-GAN: Recurrent Temporal GAN for Adding Lightweight Temporal Consistency to Frame-Based Domain Translation Approaches
2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-032-05127-1_43
PMID:41700131
|
研究论文 | 本文提出了一种轻量级解决方案RT-GAN，用于为基于单帧的域转换方法添加时间一致性，显著降低训练资源需求 | 引入可调时间参数的RT-GAN，以轻量级方式实现时间一致性，训练需求降低5倍，并发布了首个结肠镜时间数据集 | 未明确说明模型在更复杂临床场景中的泛化能力或与其他时间一致性方法的全面比较 | 开发轻量级方法，为结肠镜图像域转换添加时间一致性，减少计算和内存资源需求 | 结肠镜视频帧，包括真实光学结肠镜和虚拟/CT结肠镜图像 | 计算机视觉 | 结肠癌 | 域转换，生成对抗网络 | GAN | 图像，视频帧 | NA | NA | RT-GAN | NA | 训练需求降低5倍，具体硬件未指定 |
| 951 | 2026-02-19 |
TCN-5mC: a predictor of 5-methylcytosine sites based on multi-feature fusion and TCN-inspired block networks
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1739720
PMID:41704344
|
研究论文 | 本文提出了一种基于多特征融合和TCN启发块网络的5-甲基胞嘧啶位点预测器TCN-5mC，用于准确识别启动子区域的5mC位点 | 整合了时序卷积网络（TCN）启发块与双向门控循环单元（BiGRU），并采用混合One-Hot和核苷酸化学性质特征编码，以更有效地建模长距离依赖和局部模式 | 未明确提及模型在其他疾病或细胞类型中的泛化能力，以及计算资源消耗的具体细节 | 开发可靠的计算预测工具，以替代昂贵耗时的实验方法，用于5-甲基胞嘧啶位点的识别 | 肺癌细胞系中的启动子区域5mC位点 | 机器学习 | 肺癌 | 混合One-Hot和核苷酸化学性质特征编码 | TCN, BiGRU | 基因组序列数据 | 基于肺癌细胞系的不平衡数据集，具体样本数量未明确说明 | NA | TCN启发块网络与BiGRU的集成架构 | AUC, 特异性, 准确性, MCC | NA |
| 952 | 2026-02-19 |
Extracting the central crop row with CCRDNet for universal in-row navigation in agriculture
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1744637
PMID:41704575
|
研究论文 | 本文提出了一种直接提取中央作物行作为导航线的新策略，并开发了轻量级网络CCRDNet，用于农业中的通用行内导航 | 引入了一种直接提取中央作物行作为导航线的策略，采用三类标注方案（背景、植被和中央作物行），其中植被类作为辅助监督信号提供结构约束，并应用一致的作物行标注宽度使模型学习不变的结构特征 | 训练数据仅使用了400张图像，涵盖两种作物类型和八个环境，监督有限 | 开发一种简化导航流程、实现零样本泛化并满足农业机械实时要求的作物行检测方法 | 农业作物行检测与导航线提取 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 训练使用400张图像（来自两种作物类型和八个环境），总数据集包含7,367张图像（涵盖八种作物类型和多样环境） | PyTorch | CCRDNet | 导航线提取准确率, 平均角度误差 | NVIDIA RTX 3060 GPU, Jetson Orin NX |
| 953 | 2026-02-19 |
Spectral discrimination of pediatric SF188 and adult glioblastoma stem cells by deep learning-enhanced Raman profiling
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1748133
PMID:41704603
|
研究论文 | 本研究结合共聚焦拉曼光谱与深度学习，开发了一种无标记诊断工具，用于区分儿童与成人胶质母细胞瘤干细胞 | 首次将深度学习增强的拉曼光谱分析应用于儿童与成人胶质母细胞瘤干细胞的快速、无创鉴别，揭示了年龄相关的分子差异 | 研究样本量较小（仅6个细胞系），需在更大队列和临床样本中验证模型的泛化能力 | 开发一种基于拉曼光谱和深度学习的无标记诊断方法，以区分儿童与成人胶质母细胞瘤的分子亚型 | 患者来源的胶质母细胞瘤神经球细胞系（包括1个儿童模型SF188和5个成人来源细胞系） | 数字病理学 | 胶质母细胞瘤 | 共聚焦拉曼光谱 | 多层感知机 | 拉曼光谱 | 6个患者来源的胶质母细胞瘤神经球细胞系，共采集1382个拉曼光谱 | NA | 多层感知机 | 准确率, ROC AUC, 灵敏度 | NA |
| 954 | 2026-02-19 |
Chronic liver disease detection using deep convolutional neural networks with MRI data: a deep learning approach
2026, Polish journal of radiology
IF:0.9Q4
DOI:10.5114/pjr/210254
PMID:41705147
|
研究论文 | 本研究开发了一种基于深度卷积神经网络的模型，利用无需分割的MRI图像来区分慢性肝病患者与非患者，旨在提高诊断准确性并支持及时干预 | 采用无需图像分割的深度卷积神经网络处理多序列MRI数据，显著提升了慢性肝病的诊断准确率，并证明了冠状面视图对模型性能的重要贡献 | 数据量有限制约了模型学习能力，未来可考虑使用注意力机制和更先进的深度学习架构进行增强 | 开发一种深度学习模型以改善慢性肝病的检测与诊断 | 慢性肝病患者与非患者的MRI图像 | 计算机视觉 | 慢性肝病 | MRI成像 | CNN | 图像 | 184名患者，总计1112张MRI图像（460张正常，652张慢性肝病） | NA | DeepCNN | 准确率, 精确率, 召回率, F1分数, 混淆矩阵 | NA |
| 955 | 2026-02-18 |
Explainable Hybrid Deep Learning Framework Integrating MobileNetV2, EfficientNetV2B0, and KNN for MRI-Based Brain Tumor Classification
2026-Jan-23, Cellular and molecular neurobiology
IF:3.6Q2
DOI:10.1007/s10571-025-01660-z
PMID:41578036
|
研究论文 | 本研究提出了一种轻量级且可解释的混合深度学习框架，用于基于MRI的脑肿瘤分类 | 融合了MobileNetV2和EfficientNetV2B0两个高效卷积骨干网络的特征，采用晚期融合策略，并结合KNN分类器，同时通过Grad-CAM和SHAP分析增强模型的可解释性 | 结果基于统一数据集得出，需要外部验证 | 开发一个准确且透明的AI框架，用于脑肿瘤的MRI图像分类 | MRI图像中的脑肿瘤，包括胶质瘤、脑膜瘤、垂体瘤和无肿瘤类别 | 计算机视觉 | 脑肿瘤 | MRI | CNN, KNN | 图像 | 7023张MRI图像 | NA | MobileNetV2, EfficientNetV2B0 | 准确率, 精确率, 召回率, F1分数, ROC-AUC | NA |
| 956 | 2026-02-18 |
3D reconstruction of spatial transcriptomics with spatial pattern enhanced graph convolutional neural network
2026-Jan-14, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.13.699328
PMID:41648149
|
研究论文 | 本文提出了一种名为Spa3D的方法，利用抗泄漏傅里叶变换和图卷积神经网络模型，从多个二维空间转录组学切片重建三维空间结构 | Spa3D首次通过三维重建技术，结合抗泄漏傅里叶变换和图卷积神经网络，克服了现有方法仅依赖二维坐标的局限，提升了空间域识别、细胞间通讯分析和器官发育模式建模的准确性 | 未在摘要中明确说明 | 开发一种能够从二维空间转录组学数据重建三维空间结构的方法，以更准确地分析生物医学研究中的空间域、基因表达和细胞通讯 | 空间转录组学数据，包括多个二维切片 | 计算生物学 | NA | 空间转录组学 | 图卷积神经网络 | 空间转录组学数据 | NA | NA | 图卷积神经网络 | NA | NA |
| 957 | 2026-02-18 |
Deep learning-guided design of cell type-specific AAV promoters
2026-Jan-14, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.13.699371
PMID:41648586
|
研究论文 | 本文利用深度学习技术设计细胞类型特异性AAV启动子，以精确靶向视网膜神经节细胞和水平细胞 | 首次将深度学习方法应用于基于单细胞染色质可及性数据生成细胞类型特异性AAV启动子，相比传统理性设计方法表现出更强的表达特异性和活性 | 研究主要在小鼠视网膜和人类视网膜类器官中进行验证，尚未在完整活体动物或临床环境中全面测试 | 开发细胞类型特异性AAV启动子设计方法，以提升基因治疗和基础研究中病毒载体的靶向精度 | 小鼠视网膜中的视网膜神经节细胞和水平细胞，以及人类视网膜类器官 | 机器学习 | NA | 单细胞染色质可及性数据，深度学习 | 深度学习 | 单细胞染色质可及性数据 | NA | NA | NA | 表达强度和特异性 | NA |
| 958 | 2026-02-18 |
fMRI-Based Prediction of Eye Gaze During Naturalistic Movie Viewing Reveals Eye-Movement-Related Brain Activity
2026-Jan-12, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.10.698820
PMID:41648273
|
研究论文 | 本研究应用预训练的fMRI深度神经网络模型DeepMReye，从三个独立的fMRI数据集中估计自然观看电影时的眼动注视点，并评估其预测性能及相关的脑活动 | 首次将预训练的fMRI深度神经网络模型应用于多个独立数据集，系统评估了基于fMRI的眼动注视点预测在个体和群体水平的性能差异，并探索了其揭示眼动相关脑活动的潜力 | 个体水平的预测准确性有限（相关系数约-0.38至0.67），年龄相关效应在不同数据集中不一致，群体水平分析虽更可靠但可能掩盖个体差异 | 评估基于fMRI的深度学习方法预测自然观看电影时眼动注视点的可行性，并探索其用于研究眼动相关脑活动的适用性 | 三个独立的fMRI数据集，包含观看电影时的脑成像数据及可用的相机眼动追踪数据 | 神经影像分析 | NA | 功能磁共振成像（fMRI），相机眼动追踪 | 深度神经网络 | fMRI时间序列数据，眼动追踪数据 | 三个独立fMRI数据集（具体样本数量未明确说明） | NA | DeepMReye | 相关系数（r） | NA |
| 959 | 2026-02-18 |
Machine and deep learning models for ligament injury recognition: a systematic review and meta-analysis of imaging and novel diagnostic techniques
2026-Jan-09, EFORT open reviews
IF:4.3Q1
DOI:10.1530/EOR-2025-0038
PMID:41511891
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了机器学习和深度学习模型在不同医学成像模态下识别韧带损伤的诊断性能 | 首次对机器学习和深度学习模型在韧带损伤诊断中的性能进行全面的系统综述和荟萃分析，整合了多种成像技术和新型诊断方法 | 纳入研究数量有限（23项研究），可能存在发表偏倚，且不同研究间的模型和成像技术异质性较高 | 评估各种机器学习和深度学习模型在识别韧带损伤中的诊断性能，以支持临床决策 | 韧带损伤的诊断 | 机器学习和深度学习在医学影像中的应用 | 韧带损伤 | 医学成像技术（未具体指定，但包括多种模态） | 机器学习和深度学习模型 | 医学影像数据 | 来自23项研究的59个算法，具体样本量未在摘要中提供 | NA | NA | 灵敏度、特异性、阳性似然比（PLR）、阴性似然比（NLR）、对数诊断比值比（lnDOR）、曲线下面积（AUC） | NA |
| 960 | 2026-02-18 |
Unrolling Plug-and-Play Gradient Graph Laplacian Regularizer for Image Restoration
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3562425
PMID:40272955
|
研究论文 | 本文提出了一种基于图拉普拉斯正则化的可解释图像恢复网络，通过展开优化算法构建变复杂度前馈网络 | 引入梯度图拉普拉斯正则化器（GGLR）促进分段平面信号重建，并将ADMM算法展开为可训练网络，结合图学习模块增强数据内在结构学习 | 更复杂的展开网络需要更多标注数据训练参数，可能面临数据需求挑战 | 解决通用深度学习网络在图像恢复中缺乏可解释性、需要大量训练数据以及对协变量偏移脆弱的问题 | 图像恢复任务，如去噪和插值 | 计算机视觉 | NA | NA | 前馈网络 | 图像 | NA | NA | Transformer（自注意力机制类比） | 图像恢复质量 | NA |