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 2949 篇文献，本页显示第 1001 - 1020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1001 | 2026-06-05 |
Detection of Implant Brands Using Artificial Intelligence and Deep Learning Modeling Based on Orthopantomogram Images: A Review of the Literature
2026, Journal of long-term effects of medical implants
|
综述 | 本研究探讨了利用人工智能和深度学习模型（特别是卷积神经网络）从口腔全景影像中识别牙种植体品牌的应用 | 通过自动化检测过程提高牙种植体品牌识别的准确性并减少对人类专业知识的依赖 | 需要大规模、良好标注的数据集以及数据隐私和AI模型可解释性的伦理问题 | 探索人工智能和深度学习在牙种植体品牌识别中的应用潜力 | 牙种植体品牌的OPG图像 | 计算机视觉 | NA | OPG影像 | 卷积神经网络 | 图像 | NA | NA | 卷积神经网络 | NA | NA |
| 1002 | 2026-06-05 |
Objective interpretation of intrapartum cardiotocography images using attention-guided convolutional neural networks
2026, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2026.1717012
PMID:41789305
|
研究论文 | 提出一种基于注意力引导卷积神经网络的产时胎心监护图像客观判读方法 | 结合信号重建预处理流程和带有卷积块注意力模块的EfficientNet-B0架构，能自主聚焦临床显著形态特征，实现产时CTG图像的客观判读 | NA | 开发一套客观的产时CTG图像判读方法，以降低诊断不一致和漏诊风险 | 产时胎心监护（CTG）图像 | 计算机视觉， 数字病理学 | 胎儿健康评估， 产科疾病 | CTG图像信号重建， 计算机视觉 | 卷积神经网络（CNN） | 图像（CTG图像） | 内部临床数据集（私有）和外部CTU-UHB数据集（公开） | PyTorch | EfficientNet-B0， 卷积块注意力模块（CBAM） | 准确率， 宏平均F1分数 | NA |
| 1003 | 2026-06-05 |
Correction: AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0350051
PMID:42189894
|
修正 | 对一篇关于短格式视频内容中网络欺凌检测的混合深度学习框架文章进行修正 | NA | NA | NA | NA | 自然语言处理 | NA | NA | 混合深度学习框架 | 视频 | NA | NA | NA | NA | NA |
| 1004 | 2026-06-05 |
Single-Image Reflection Removal via Iterative Prompt Learning of Reflection Level
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3695674
PMID:42208027
|
研究论文 | 提出一种通过迭代提示学习反射级别来去除单张图像反射的方法 | 利用可学习的提示和图像数据协同优化，定义反射级别并设计迭代反射级别减少框架，首次探索负训练样本和描述性提示对反射严重程度的作用 | 未在摘要中明确说明 | 提升单张图像反射去除的性能和泛化能力 | 受反射污染的图像 | 计算机视觉 | NA | NA | CNN | 图像 | 多个公开数据集 | PyTorch | NA | PSNR, SSIM | NA |
| 1005 | 2026-06-05 |
Self-Expressive High-Order Tensor Unrolling Network for Unsupervised Hyperspectral and Multispectral Image Fusion
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3695389
PMID:42202190
|
研究论文 | 提出自表达高阶张量展开网络（SHOTUN）用于无监督高光谱和多光谱图像融合 | 融合稀疏核心张量分解与自表达学习，引入高阶模式表示保留空间结构，设计可解释的端到端训练流水线，并加入预训练策略以提高跨传感器泛化能力 | 未提及具体局限性 | 解决高光谱与多光谱图像融合中的空间结构保持和可解释性问题 | 低分辨率高光谱图像和高分辨率多光谱图像 | 计算机视觉 | NA | 高光谱成像 | 自表达高阶张量展开网络 | 图像 | 模拟和真实数据集 | PyTorch | 自表达高阶张量展开网络 | 精度 | NA |
| 1006 | 2026-06-05 |
A process-guided uncertainty-aware deep learning framework for reliable and interpretable industrial fault diagnosis
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349385
PMID:42228760
|
研究论文 | 提出了一种过程引导的不确定性感知深度学习框架，用于可靠且可解释的工业故障诊断 | 首次将过程引导和传感器感知注意力机制与CNN-BiLSTM结合，嵌入过程中心性、传感器可靠性和不确定性到注意力学习中，并通过蒙特卡洛dropout提供校准的置信度估计 | 未提及在非基准数据集或实际工业环境中的验证，可能需更多计算资源 | 提高工业故障诊断的鲁棒性、可靠性和可解释性，促进过程工程师的实际应用 | 对Tennessee Eastman Process基准数据的多类故障诊断和检测任务 | 机器学习 | 不适用 | 蒙特卡洛dropout、温度缩放 | CNN-BiLSTM | 过程数据（多变量时间序列和空间相关性） | Tennessee Eastman Process基准数据集 | PyTorch | CNN, BiLSTM | 准确率, F1分数, 负对数似然, Brier分数, 期望校准误差 | 不适用 |
| 1007 | 2026-06-05 |
Artificial Intelligence as a Diagnostic Tool for Benign Prostatic Hyperplasia (BPH): A Narrative Review
2026, Research and reports in urology
IF:2.0Q2
DOI:10.2147/RRU.S590693
PMID:42237984
|
综述 | 该综述评估了人工智能作为良性前列腺增生诊断工具的作用 | 系统总结了AI在BPH诊断中的应用，涵盖影像、组织病理和生物标志物分析多个领域 | 数据集异质性大、缺乏外部验证、存在算法偏差、缺少标准化评估框架 | 评估AI作为BPH诊断工具的性能和临床潜力 | 2011年至2023年间发表的10项关于AI在泌尿外科诊断应用的研究 | 机器学习 | 良性前列腺增生 | NA | 机器学习、深度学习 | 影像（mpMRI、超声）、组织病理、生物标志物数据 | 10项研究 | NA | NA | 诊断准确性 | NA |
| 1008 | 2026-06-05 |
Systematic review of artificial intelligence use in behavioral analysis of invertebrate and larval model organisms: methods, applications and future recommendations
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1789644
PMID:42238193
|
综述 | 系统综述人工智能在无脊椎动物和幼虫模式生物行为分析中的应用，涵盖方法、应用及未来建议 | 首次全面系统地图绘制了AI在无脊椎动物和幼虫行为分析中的应用，并提出了标准化报告框架 | 原始研究在报告输入数据规格、预处理步骤和评估指标方面高度不一致，限制了可重复性和跨研究比较 | 系统梳理和总结AI在无脊椎动物和幼虫行为分析中的应用现状，并提出标准化报告框架以增强透明度和可比较性 | 无脊椎动物和幼虫模式生物，包括秀丽隐杆线虫、果蝇幼虫、斑马鱼幼虫等 | 机器学习 | NA | 行为分析 | 深度学习模型（卷积神经网络、YOLO等）及监督/无监督机器学习 | 视频和图像记录 | 97项符合条件的研究 | NA | 卷积神经网络、YOLO、DeepLabCut姿态估计框架 | 因研究而异，包括多种评估指标 | NA |
| 1009 | 2026-06-05 |
An initial machine learning model applied to local field potential data from the subthalamic nucleus to detect freezing of gait in Parkinson's disease
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1793291
PMID:42239677
|
研究论文 | 开发机器学习模型，利用丘脑底核局部场电位数据检测帕金森病步态冻结 | 首次使用可穿戴设备收集的行走过程中丘脑底核LFP数据，结合迁移学习组件开发检测算法，并考虑个体化与环境特定因素 | 样本量仅5名患者，模型F1评分中等（加权0.67，宏观0.62），需进一步验证泛化能力 | 开发检测帕金森病步态冻结的机器学习模型，为自适应深部脑刺激治疗提供基础 | 步态冻结事件 | 机器学习 | 帕金森病 | 局部场电位记录 | 深度学习模型 | 时间序列（LFP信号数据） | 5名帕金森病患者，共8次试验，29次步态冻结事件 | NA | NA | 加权F1分数, 宏观F1分数, 检测率 | NA |
| 1010 | 2026-06-05 |
A high-resolution dataset of mouse brain vasculature for deep learning-based reconstruction
2026, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2026.1809341
PMID:42239933
|
研究论文 | 引入并发布了一个用于深度学习重建的小鼠脑血管高分辨率数据集 | 提供了首个包含从大血管到毛细血管的详细标注的小鼠脑血管3D数据集，并标准化了血管标注流程 | 数据集来源有限（4个小鼠样本），可能无法涵盖所有血管变异 | 作为基准数据集，支持血管网络分割、重建及相关任务的算法开发、评估与比较 | 小鼠脑血管网络 | 计算机视觉 | NA | 荧光显微光学切片断层扫描 | 深度学习模型 | 3D图像 | 60个3D图像块（512×512×512），来源于4个小鼠大脑样本 | NA | NA | 重建准确率 | NA |
| 1011 | 2026-06-04 |
End-to-End Platform for Electrocardiogram Analysis and Model Fine-Tuning: Development and Validation Study
2026-Jan-30, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/81116
PMID:41616241
|
研究论文 | 介绍ExChanGeAI，一个开源、基于网页的心电图数据分析与模型微调一体化平台 | 提供一个端到端平台，整合数据导入、可视化、模型训练与微调，降低非机器学习领域用户使用深度学习进行心电图分析的技术门槛 | 文中未明确说明局限性 | 解决心电图数据格式异构、预训练模型权重获取受限、技术流程复杂等障碍，提升深度学习在心电图分析中的可及性和隐私保护 | 心电图数据中的心律失常检测和多种疾病风险预测任务 | 机器学习 | 心血管疾病 | 心电图信号处理 | 深度学习架构（具体类型未明确，提及多种SOTA架构） | 生物信号（心电图数据） | 三个外部验证数据集及一个来自常规护理的新测试集 | PyTorch | 未明确指定（提及多种SOTA架构） | 模型泛化性和资源效率（具体指标如准确率等未在摘要中列出） | 本地计算，可扩展至高性能计算基础设施 |
| 1012 | 2026-06-04 |
Smart assistive technologies for neurodisorders: A review on AI, IoT, and wearable systems for enhanced patient care
2026-Jan-30, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08790-8
PMID:41612095
|
综述 | 本文对用于神经疾病的智能辅助技术进行了系统回顾，涵盖人工智能、物联网和可穿戴系统，以提升患者护理水平 | 提出了基于布尔运算符和PRISMA筛选的严格搜索策略，建立了神经疾病-智能技术-功能层-临床结果的统一分类法，并总结了三种主要智能辅助技术及其性能评估 | 现有智能辅助系统存在多模态融合挑战、数据隐私限制以及自适应模型需求等不足 | 综述神经疾病智能辅助技术的最新进展，构建统一分类体系，识别现有局限，并展望未来方向 | 神经疾病（如阿尔茨海默病、帕金森病、癫痫、脊髓损伤、神经发育障碍）及相关的智能辅助技术 | 机器学习 | 神经疾病 | NA | 混合深度学习 | 文本 | 154篇同行评审文章 | NA | NA | 检测率、精确率、召回率、处理时间 | NA |
| 1013 | 2026-06-04 |
Forecasting Waitlist Trajectories for Patients With Metabolic Dysfunction-Associated Steatohepatitis Cirrhosis: A Neural Network Competing Risk Analysis
2026-Jan-29, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/68247
PMID:41610175
|
研究论文 | 利用深度学习方法对代谢功能障碍相关脂肪性肝炎肝硬化患者进行肝移植等待名单轨迹的竞争风险分析 | 首次将DeepHit深度学习模型应用于代谢功能障碍相关脂肪性肝炎肝硬化患者等待名单上的死亡和移植竞争风险预测，并开发了竞争事件连贯性指标来评估模型性能 | 未明确指出局限性，但模型依赖回顾性数据且需要外部验证 | 预测代谢功能障碍相关脂肪性肝炎肝硬化患者在肝移植等待名单上的死亡和移植竞争结果，以优化临床决策 | 肝移植等待名单上的代谢功能障碍相关脂肪性肝炎肝硬化患者 | 机器学习 | 代谢功能障碍相关脂肪性肝炎肝硬化 | NA | 深度学习竞争风险模型（DeepHit） | 结构化临床数据 | 17,551名等待名单上的代谢功能障碍相关脂肪性肝炎肝硬化患者 | NA | DeepHit | 一致性指数、Brier分数、竞争事件连贯性分数 | 基于SRTR数据，使用五折交叉验证，具体计算资源未提及 |
| 1014 | 2026-06-04 |
Deep neural network-based biostatistical analysis for disease marker screening
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34115-y
PMID:41611762
|
研究论文 | 提出一种基于深度神经网络的生物标志物筛选框架，并与传统统计方法进行比较，在乳腺癌数据集上验证其优越性 | 结合注意力机制与SHAP值分析增强模型可解释性，设计可扩展的综合模型用于多组学数据整合 | 未提及具体局限性 | 提高生物标志物筛选的准确性，同时增强模型的可解释性，为跨疾病精准医学提供实用范例 | 乳腺癌单细胞测序数据 | 机器学习 | 乳腺癌 | 单细胞测序 | 深度神经网络 | NA | NA | NA | NA | 灵敏度、准确率、AUC | NA |
| 1015 | 2026-06-04 |
A meta learning framework for few shot personalized gait cycle generation and reconstruction
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35121-4
PMID:41611817
|
研究论文 | 提出MetaGait框架，利用元学习从少量示例中个性化步态模型，用于步态周期生成和重建 | 首次将模型无关元学习（MAML）应用于步态分析，实现从少量步态周期快速适应新个体，大幅降低个性化所需数据量 | NA（摘要未提及） | 开发一种从少量样本中快速个性化步态模型的框架，应用于机器人学和临床步态分析 | 人类步态模式，来自HuGaDB数据库的步态周期序列数据 | 机器学习 | NA（未指定疾病类别） | NA（未指定测序或生物技术） | 元学习（MAML）、时间卷积网络（TCN） | 序列数据（步态周期） | 使用HuGaDB数据库中的多任务数据，具体样本量未指定 | NA（未明确指定框架） | TCN（时间卷积网络） | 均方误差（MSE）、动态时间规整（DTW） | NA（未提及计算资源） |
| 1016 | 2026-06-04 |
A hybrid CNN and reinforcement learning framework for speaker identification using Mel-Spectrogram and continuous wavelet transform features
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35858-y
PMID:41611801
|
研究论文 | 本研究提出了一种结合卷积神经网络（CNN）与强化学习（RL）的混合深度学习架构，用于基于Mel频谱图和连续小波变换的说话人识别 | 首次将CNN与强化学习结合用于说话人识别，利用Q-learning实现自适应决策以处理分类不确定性，并通过自注意力机制增强特征提取 | 仅在LibriSpeech dev-clean数据集上验证，未涉及真实噪声环境或更多样化的数据集，且计算资源信息未明确 | 提升说话人识别在声纹认证系统中的鲁棒性和准确性 | LibriSpeech dev-clean数据集中的40位说话人（2703个音频文件） | 机器学习 | NA | Mel频谱图、连续小波变换 | CNN、强化学习（Q-learning） | 音频 | 2703个音频文件，40位说话人 | NA | CNN结合自注意力机制、CNN结合Morlet小波变换 | 准确率、ROC-AUC、Matthews相关系数 | NA |
| 1017 | 2026-06-04 |
Deep learning reconstruction accelerated reduced field-of-view DWI in rectal cancer: mucosa-submucosa-muscularis visualization and T staging
2026-Jan-26, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00667-x
PMID:41586954
|
research paper | 比较深度学习重建加速的减视野扩散加权成像与标准全视野扩散加权成像在直肠癌中的图像质量和诊断性能 | 首次将深度学习重建应用于减视野扩散加权成像，实现直肠癌黏膜-黏膜下层-肌层的可视化并缩短扫描时间 | NA | 评估深度学习重建加速减视野扩散加权成像在直肠癌中的图像质量和T分期诊断性能 | 173名活检证实直肠腺癌患者 | 计算机视觉, 医学影像 | 直肠癌 | 深度学习重建, 扩散加权成像 | 深度学习重建模型 | MRI图像 | 173名参与者 | NA | NA | 定性图像质量指标, 定量图像质量指标, 诊断敏感性, 特异性, 准确性 | NA |
| 1018 | 2026-06-04 |
Phantom-based performance comparison of two commercial deep learning CT reconstruction algorithms with super- and normal-resolution settings
2026-Jan-26, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00670-2
PMID:41586868
|
研究论文 | 利用体模比较超分辨率深度学习重建算法与常规分辨率深度学习重建算法在腹部CT中的性能 | 首次系统比较了超分辨率深度学习重建算法（SR-DLR，1024²矩阵）与常规分辨率深度学习重建算法（NR-DLR，512²矩阵）在放射剂量下对腹部CT图像空间分辨率、噪声和病灶可检测性的影响 | 仅在体模实验中验证，缺乏临床环境下的验证 | 评估超分辨率深度学习重建算法相比常规分辨率深度学习重建算法在不同放射剂量下的性能差异 | 使用能谱积分探测器CT扫描的图像质量体模 | 计算机视觉 | 腹部疾病 | CT扫描 | 深度学习重建 | 图像 | 一个图像质量体模，在三种辐射剂量水平（12.7、5.9和3 mGy）下扫描 | NA | NA | 噪声功率谱（NPS）、任务传递函数（TTF）、可检测指数（d'） | NA |
| 1019 | 2026-06-04 |
Survival Prediction and Treatment Decisions in Hepatocellular Carcinoma: A Deep Learning-Based Radiomics Approach
2026-Jan-26, British journal of hospital medicine (London, England : 2005)
DOI:10.31083/BJHM50380
PMID:41609156
|
研究论文 | 本研究整合临床数据与深度学习特征，开发机器学习生存模型，以评估肝细胞癌患者接受肝切除术或经动脉化疗栓塞治疗的效果 | 将深度学习放射组学特征与临床数据结合，分别构建两种治疗方案（肝切除术和TACE）的联合生存模型，并构建列线图辅助临床决策 | 样本量相对较小（409例），且为单中心回顾性研究，可能影响模型的泛化性 | 评估基于深度学习放射组学的生存模型在预测肝细胞癌患者预后和辅助治疗决策中的有效性 | 2013年1月至2022年12月期间接受肝切除术或TACE治疗的病理确诊肝细胞癌患者 | 机器学习 | 肝细胞癌 | 对比增强CT | ResNet50, ResNet18, DenseNet121 | 图像, 临床数据 | 409例肝细胞癌患者（肝切除术组278例，TACE组131例） | NA | ResNet50, ResNet18, DenseNet121 | AUC, C指数 | NA |
| 1020 | 2026-06-04 |
CHARMS: A CNN-Transformer Hybrid with Attention Regularization for MRI Super-Resolution
2026-Jan-22, Sensors (Basel, Switzerland)
DOI:10.3390/s26020738
PMID:41600530
|
研究论文 | 提出了一种轻量级卷积-Transformer混合模型CHARMS，用于磁共振图像超分辨率重建 | 创新性地引入注意力正则化机制抑制冗余激活、稳定训练并提升跨对比度和场强的泛化能力，同时设计了反向残差注意力融合骨干和多深度可分离空洞Transformer注意力模块，在参数量和计算量极低的情况下实现高精度超分辨率 | 未明确说明，但可能受限于在极端低分辨率或特定临床场景下的性能验证 | 实现轻量化、高效能的MRI超分辨率重建，适用于临床工作站、实时流程和资源受限平台 | MRI图像（低分辨率到高分辨率重建） | 计算机视觉 | 不适用 | MRI | CNN-Transformer混合模型 | 图像 | IXI数据集、人类连接组计划年轻成人数据集以及配对的3T/7T数据集 | PyTorch | 反向残差注意力融合、像素-通道注意力、增强空间注意力、多深度可分离空洞Transformer注意力模块 | PSNR, SSIM | NVIDIA RTX 4090 |