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 2404 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 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 |
| 982 | 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 |
| 983 | 2026-02-18 |
Artificial Intelligence-Driven Automated Design of Anterior and Posterior Crowns Under Diverse Occlusal Scenarios
2026-Jan, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.]
IF:3.2Q1
DOI:10.1111/jerd.70029
PMID:40910757
|
研究论文 | 评估咬合类型和基于人工智能的CAD软件对自动生成前后牙冠设计的几何精度和临床质量的影响 | 首次在多种咬合场景下比较基于深度学习的CAD软件与传统自动化软件在牙冠设计中的性能，特别关注前后牙的差异 | 深度学习软件在处理前牙间隙（diastemas）时表现不佳，需要进一步优化以适应多样咬合条件 | 评估人工智能驱动的自动化牙冠设计在不同咬合类型下的几何精度和临床质量 | 五种咬合类型的typodont模型（正常、I类前牙间隙、II类1分类、II类2分类、III类前牙反咬合），涉及上颌右中切牙和第一磨牙 | 计算机辅助设计 | 牙科修复 | 口腔内扫描、计算机辅助设计（CAD） | 深度学习模型 | 三维扫描数据 | 5种咬合模型，每种模型10组口腔内扫描，共50组扫描数据 | NA | NA | 均方根误差（RMS）、世界牙科联盟（FDI）评分标准 | NA |
| 984 | 2026-02-18 |
Leveraging vision transformer for histological grade prediction in laryngeal and hypopharyngeal squamous cell carcinoma: a large-scale multicenter study
2026-Jan, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03876-8
PMID:41454919
|
研究论文 | 本研究开发了一种基于增强CT的Vision Transformer模型，用于无创评估喉及下咽鳞状细胞癌的组织学分级 | 首次将预训练的Vision Transformer模型应用于喉及下咽鳞状细胞癌的增强CT图像分析，结合XGBoost分类器进行组织学分级预测，并通过多中心大样本验证了其优越性能 | 回顾性研究设计可能存在选择偏倚，外部验证队列样本量相对较小（n=99） | 开发非侵入性方法预测喉及下咽鳞状细胞癌的组织学分化等级 | 喉及下咽鳞状细胞癌患者 | 计算机视觉 | 喉癌 | 对比增强CT扫描 | Vision Transformer, XGBoost | 医学影像（CT图像） | 1648例患者（训练队列1239例，内部验证310例，外部验证99例） | NA | Vision Transformer | AUC, 决策曲线分析, 校准曲线 | NA |
| 985 | 2026-02-18 |
Pituitary neuroendocrine tumor: evaluation with super resolution deep learning reconstruction : Research
2026-Jan, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03819-3
PMID:41117831
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）算法在垂体神经内分泌肿瘤（PitNET）评估及垂体MRI图像质量方面的影响，并与传统零填充插值（ZIP）技术进行比较 | 首次将超分辨率深度学习重建算法应用于垂体MRI图像处理，以提升图像质量和评估一致性 | 研究为回顾性设计，样本量较小（仅29例患者），可能限制结果的普遍适用性 | 评估SR-DLR算法在垂体神经内分泌肿瘤MRI图像重建中的效果 | 29例垂体神经内分泌肿瘤患者 | 医学影像分析 | 垂体神经内分泌肿瘤 | MRI成像，超分辨率深度学习重建 | 深度学习模型 | MRI图像 | 29例患者 | NA | NA | 信噪比，对比噪声比，边缘上升斜率，半高全宽 | NA |
| 986 | 2026-02-18 |
Enhancing reliability in electrical grids: A hybrid machine learning approach for electrical faults classification
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0341238
PMID:41686863
|
研究论文 | 本研究提出了一种混合机器学习方法，用于对输电线路中的电气故障进行分类，以提高电网的可靠性 | 提出了一种新的混合机器学习模型（RF + DT + Stacking），并将其与多种经典机器学习算法和基础集成技术进行比较，强调了模型在性能、可解释性和计算效率方面的综合评估 | 未明确说明数据集的来源、具体规模或时间跨度，也未详细讨论模型在实时或大规模部署中的具体挑战 | 开发一种高效、准确的电气故障分类模型，以支持智能电网的主动维护和系统弹性 | 输电线路及其电气故障 | 机器学习 | NA | NA | 决策树, 随机森林, 朴素贝叶斯, K近邻, 支持向量机, AdaBoost, 集成学习 | 结构化数据（影响线路性能的各种属性） | NA | NA | NA | 准确率, 精确率, 召回率, F1分数 | NA |
| 987 | 2026-02-17 |
Contemporary Preoperative Detection of Extraprostatic Extension in Prostate Cancer
2026-Jan-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers18030456
PMID:41681930
|
综述 | 本文是一篇关于前列腺癌术前检测前列腺外侵犯（EPE）的当代策略的叙述性综述 | 综述了2015年至2025年间的研究，全面比较了临床参数、多参数MRI特征、列线图、影像组学、机器学习及深度学习模型等多种方法在EPE预测中的表现，并强调了侧别特异性和分级评估的临床相关性 | 许多深度学习模型缺乏外部验证，且对数据集异质性敏感 | 概述前列腺癌术前检测前列腺外侵犯（EPE）的当代策略 | 用于预测前列腺外侵犯（EPE）的临床参数、多参数MRI特征、列线图、影像组学、机器学习及深度学习模型 | 数字病理学 | 前列腺癌 | 多参数MRI | 机器学习, 深度学习 | 影像 | NA | NA | NA | AUC | NA |
| 988 | 2026-02-17 |
A Survey of AI-Enabled Predictive Maintenance for Railway Infrastructure: Models, Data Sources, and Research Challenges
2026-Jan-30, Sensors (Basel, Switzerland)
DOI:10.3390/s26030906
PMID:41682422
|
综述 | 本文对人工智能技术在铁路基础设施预防性、预测性和规范性维护中的应用进行了全面且结构化的综述 | 系统性地比较了机器学习与深度学习方法在铁路维护中的应用，并指出了数据质量、跨网络泛化、模型鲁棒性等研究空白，同时探讨了数字孪生、边缘AI等新兴研究方向 | NA | 指导智能铁路维护生态系统的未来研究与标准化 | 铁路基础设施的维护 | 机器学习 | NA | NA | 神经网络, 支持向量机, 随机森林, 遗传算法, 端到端深度学习模型 | 轨道几何数据, 振动监测数据, 图像检查数据 | NA | NA | NA | NA | NA |
| 989 | 2026-02-17 |
Driver Monitoring System Using Computer Vision for Real-Time Detection of Fatigue, Distraction and Emotion via Facial Landmarks and Deep Learning
2026-Jan-29, Sensors (Basel, Switzerland)
DOI:10.3390/s26030889
PMID:41682402
|
研究论文 | 本研究提出了一种基于计算机视觉和深度学习的实时驾驶员监控系统，用于通过面部特征检测疲劳、分心和情绪 | 将MobileNetV2用于情绪识别与MediaPipe面部关键点检测相结合，实时计算眼部、嘴部纵横比、注视方向和头部姿态，并将情绪感知集成到驾驶员监控中以减少误报 | 系统在检测悲伤情绪时表现不佳，且未能检测到恐惧情绪，这可能是由于真实世界表情的微妙性以及训练数据集的局限性所致 | 开发一种实时驾驶员监控系统，以提高驾驶安全性 | 驾驶员的面部表情和行为 | 计算机视觉 | NA | 深度学习, 面部关键点检测 | CNN | 图像, 视频 | 27名参与者 | MediaPipe | MobileNetV2 | 准确率 | NA |
| 990 | 2026-02-17 |
Digital Technologies and Machine Learning in Environmental Hazard Monitoring: A Synthesis of Evidence for Floods, Air Pollution, Earthquakes, and Fires
2026-Jan-29, Sensors (Basel, Switzerland)
DOI:10.3390/s26030893
PMID:41682407
|
综述 | 本文综述了数字技术（特别是机器学习、物联网和先进图像处理技术）在环境灾害监测中的集成应用现状 | 系统性地对2015年至2024年间发表的文献进行了基于灾害类型、技术应用、地理位置和研究方法的分类分析，并强调了多传感器数据融合、深度学习模型和物联网系统在实时监测与预警中的增长趋势 | 作为一篇综述文章，其局限性在于主要基于已有文献进行分析，未提出新的原创性模型或方法，且研究范围限定在特定数据库（Scopus）和特定时间段内 | 评估数字技术和机器学习在提升环境灾害监测准确性及效率方面的有效性，并探讨构建鲁棒、可扩展的灾害监测系统的关键挑战与未来方向 | 空气污染、地震、洪水和火灾这四类环境灾害 | 机器学习 | NA | 物联网（IoT）、先进图像处理技术、多传感器数据融合 | 深度学习模型 | 多传感器数据、图像数据 | NA | NA | NA | 准确性、效率 | NA |
| 991 | 2026-02-17 |
A Lightweight Radar-Camera Fusion Deep Learning Model for Human Activity Recognition
2026-Jan-29, Sensors (Basel, Switzerland)
DOI:10.3390/s26030894
PMID:41682408
|
研究论文 | 提出一种轻量级雷达-摄像头融合深度学习模型，用于在隐私敏感的室内环境中进行人体活动识别 | 集成调频连续波雷达的运动特征与超低分辨率摄像头的粗略空间线索，使用基于Transformer的编码器分别处理两种模态，并在保持高性能的同时实现低计算开销 | 未提及模型在更复杂或动态环境中的泛化能力，以及跨设备部署的潜在挑战 | 开发一种高效、隐私保护的人体活动识别方法，适用于嵌入式或边缘设备部署 | 人体活动 | 计算机视觉 | NA | FMCW雷达，超低分辨率摄像头 | Transformer，全连接网络 | 雷达数据（Range-Doppler-Time立方体），图像数据（超低分辨率摄像头帧） | 包含15个活动类别的多模态数据集（同步雷达立方体和超低分辨率摄像头序列） | NA | Transformer编码器 | 分类准确率 | 嵌入式或边缘设备（模型仅需1100万浮点运算） |
| 992 | 2026-02-17 |
A Hybrid Deep Learning Framework for Automated Dental Disorder Diagnosis from X-Ray Images
2026-Jan-29, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm15031076
PMID:41682758
|
研究论文 | 本文提出了一种用于从X射线图像自动诊断牙科疾病的混合深度学习框架 | 提出了一种混合特征融合框架，将手工设计的HOG特征与DenseNet-201和Swin Transformer模型的深度表示相结合，并利用LSTM分类器学习融合特征间的序列依赖关系 | 未明确提及研究的具体局限性 | 开发一个自动化、高精度的牙科疾病诊断系统，以改进传统诊断方法 | 牙科X射线图像（全景、根尖周、咬翼片） | 计算机视觉 | 牙科疾病 | X射线成像 | CNN, Transformer, LSTM | 图像 | DRAD数据集（具体数量未提及） | NA | DenseNet-201, Swin Transformer, LSTM | 准确率, 特异性, 精确率, 召回率, F1分数 | NA |
| 993 | 2026-02-17 |
Mining the Hidden Pharmacopeia: Fungal Endophytes, Natural Products, and the Rise of AI-Driven Drug Discovery
2026-Jan-29, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms27031365
PMID:41683797
|
综述 | 本文综述了真菌内生菌天然产物的化学与生物合成多样性，并探讨了人工智能在药物发现中的应用 | 将真菌内生菌的天然产物多样性与人工智能驱动的工具生态系统相结合，推动药物发现从经验筛选转向预测性、假设驱动的学科 | NA | 探讨人工智能如何加速天然产物发现，并应用于药物发现和合成生物学 | 真菌内生菌及其产生的天然产物 | 机器学习 | NA | 多组学整合 | 深度学习, 生成式AI, 扩散模型 | 多组学数据 | NA | NA | NA | NA | NA |
| 994 | 2026-02-17 |
AI-Driven Multimodal Sensing for Early Detection of Health Disorders in Dairy Cows
2026-Jan-28, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani16030411
PMID:41681390
|
研究论文 | 本研究提出了一种多模态人工智能框架，通过整合生理、行为、生产和热成像数据，实现对奶牛健康状态的实时监测，以早期检测兽医确诊的乳房、腿部和蹄部感染 | 同时整合了来自自动挤奶系统、热成像相机和瘤胃内传感器三个独立来源的数据，并引入了一种结合U-Net、O-Net和ResNet核心组件的混合深度学习架构，以利用其互补优势分析奶牛健康状态 | 数据集仅包含88头泌乳奶牛，且所有感染被归为一个单一的'患病'标签，可能限制了模型对特定疾病类型的区分能力 | 开发一个用于奶牛早期健康障碍检测的多模态AI系统 | 泌乳奶牛，特别是针对兽医确诊的乳房、腿部和蹄部感染 | 数字病理学 | NA | 热成像，瘤胃内传感器监测，自动挤奶系统数据采集 | 深度学习，混合架构 | 多模态数据（生理、行为、生产、热成像） | 88头泌乳奶牛 | NA | U-Net, O-Net, ResNet | 准确率, AUC | NA |
| 995 | 2026-02-17 |
Multi-Scale Feature Fusion and Attention-Enhanced R2U-Net for Dynamic Weight Monitoring of Chicken Carcasses
2026-Jan-28, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani16030410
PMID:41681391
|
研究论文 | 本文提出了一种基于深度学习图像分割和回归的肉鸡胴体重量检测模型，用于实现肉鸡重量的实时监测 | 提出了一种源自R2U-Net的新型分割网络AR2U-AtNet，并引入了卷积块注意力模块（CBAM）和选择性核注意力（SKAttention）来增强网络对目标区域的关注和处理不同体型图像的能力 | NA | 解决肉鸡重量监测中人工采集数据繁琐、低效的问题，实现快速准确的个体肉鸡胴体重量测定 | 太湖黄鸡的胴体图像 | 计算机视觉 | NA | 深度学习图像分割与回归 | CNN | 图像 | 301只太湖黄鸡的2709张图像 | NA | R2U-Net, AR2U-AtNet | 平均交并比（mIoU）, Dice系数, F1分数, R2值 | NA |
| 996 | 2026-02-17 |
Enhanced Precision of Fluorescence In Situ Hybridization (FISH) Analysis Using Neural Network-Based Nuclear Segmentation for Digital Microscopy Samples
2026-Jan-28, Sensors (Basel, Switzerland)
DOI:10.3390/s26030873
PMID:41682389
|
研究论文 | 本研究评估了基于AI的3D核分割方法在提高荧光原位杂交（FISH）分析精度和诊断可靠性方面的应用 | 首次系统比较了多种AI驱动的3D核分割算法（NucleAIzer、StarDist、Cellpose）与传统2D阈值分割方法在淋巴瘤FISH样本中的性能，证明了3D分割在解决密集或重叠细胞核问题上的优势 | 研究仅针对滤泡性淋巴瘤的BCL2基因重排样本，未在其他疾病类型或基因靶点上验证；AI模型对低强度信号的敏感性有限 | 提高数字病理学中FISH分析的自动化诊断准确性和可重复性 | 福尔马林固定的滤泡性淋巴瘤组织切片 | 数字病理学 | 淋巴瘤 | 荧光原位杂交（FISH）、多层Z-stack数字扫描 | 深度学习 | 3D显微镜图像 | 未明确说明样本数量，但使用滤泡性淋巴瘤切片 | 未明确说明 | NucleAIzer, StarDist, Cellpose | 灵敏度、方差（VP/VS）、基因点相关性（r）、平均基因点数量 | NA |
| 997 | 2026-02-17 |
Intent classification for university administrative services using a bidirectional recurrent neural network modified by a developed Kepler optimization algorithm
2026-Jan-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35504-7
PMID:41593141
|
研究论文 | 提出一种结合意图分类和命名实体识别的联合模型，使用改进的双向长短期记忆网络和新型开普勒优化算法，用于大学行政服务的多语言对话代理 | 开发了一种新的联合模型，将意图分类和命名实体识别任务结合，并采用新开发的开普勒优化算法对改进的双向长短期记忆网络进行联合优化，以应对多语言环境下的自然语言理解挑战 | 研究主要针对希腊语和英语两种语言，未涉及更广泛的多语言环境；模型在更复杂的对话场景或更大规模数据集上的泛化能力有待进一步验证 | 提高大学行政服务中对话代理的自然语言理解能力，特别是在多语言环境下 | 大学行政服务中的学生查询文本 | 自然语言处理 | NA | 自然语言理解 | BiLSTM | 文本 | NA | NA | 改进的双向长短期记忆网络 | 准确率, 精确率, 召回率 | NA |
| 998 | 2026-02-17 |
Geometric Monitoring of Steel Structures Using Terrestrial Laser Scanning and Deep Learning
2026-Jan-27, Sensors (Basel, Switzerland)
DOI:10.3390/s26030831
PMID:41682347
|
研究论文 | 本研究提出了一种结合地面激光扫描与深度学习的方法，用于自动检测工业钢结构在施工阶段的几何偏差 | 通过将3D点云投影为2D图像并应用YOLOv8分割模型，实现了对商业钢材截面的自动检测、分类与分割，即使在几何不完整或被部分遮挡的情况下也能有效工作 | 方法在真实装配中评估了94%的结构元素，但未明确说明未覆盖的6%元素类型或场景限制 | 开发一种自动化方法，用于监测钢结构的几何质量与稳定性，确保其符合EN 1090-2:2020装配标准 | 工业钢结构建筑物 | 计算机视觉 | NA | 地面激光扫描 | 深度学习 | 3D点云, 2D图像 | 两个现场工业钢结构装配应用 | NA | YOLOv8 | mAP@50-95 | NA |
| 999 | 2026-02-17 |
A Novel Dataset for Gait Activity Recognition in Real-World Environments
2026-Jan-27, Sensors (Basel, Switzerland)
DOI:10.3390/s26030833
PMID:41682349
|
研究论文 | 本研究提出了一个名为CAHAR的新型数据集，用于在真实环境中进行步态活动识别和地形分类 | 首次创建了同时标注活动和地形标签的数据集，覆盖室内外全范围地形及关联步态活动 | 数据仅来自20名健康参与者，可能无法代表所有人群或病理状态 | 推动可穿戴传感器在远程步态分析中的应用，解决高精度人类活动识别和地形分类问题 | 健康参与者的步态活动和地形数据 | 机器学习 | 老年疾病 | 惯性测量单元、力敏电阻鞋垫、颜色传感器、激光雷达 | 深度学习 | 传感器数据 | 20名健康参与者 | NA | NA | NA | NA |
| 1000 | 2026-01-28 |
Leveraging medical imaging and deep learning for diagnosis of breast cancer using histopathological images
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37663-z
PMID:41588052
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |