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 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2026-01-23 |
Deep learning-based multimodal fusion of MRI and whole slide image for predicting neoadjuvant therapy response in locally advanced head and neck squamous cell carcinoma
2026-Jan-21, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02173-x
PMID:41566290
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1022 | 2026-02-17 |
Comparison of Deep Learning Approaches for Extreme Low-SNR Image Restoration
2026-Jan-20, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.16.700026
PMID:41648256
|
研究论文 | 本研究提出一个新的荧光显微镜数据集，用于评估深度学习去噪方法，并比较了三种最先进的深度学习模型在极端低信噪比图像恢复中的性能 | 创建了一个包含多种成像条件和样本的多样化荧光显微镜数据集，并开发了一种图像拼接方法以处理大图像时的GPU内存限制 | 深度学习模型需要大量代表性数据集进行训练和测试，且处理大图像时对GPU内存要求较高 | 比较不同深度学习方法在极端低信噪比图像恢复中的性能，并提供数据集和解决方案以克服现有挑战 | 荧光显微镜图像，特别是低信噪比图像 | 计算机视觉 | NA | 荧光显微镜，旋转盘共聚焦显微镜 | Transformer, CNN | 图像 | 324对高/低信噪比图像，分布在12个子数据集中，图像大小从4到282兆像素 | NA | Transformer, CNN | 去噪性能 | GPU内存 |
| 1023 | 2026-02-17 |
Time-series ECG Imputation Using a Pattern-Based Masking Framework
2026-Jan-16, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.14.26344164
PMID:41646733
|
研究论文 | 本研究评估并比较了多种插补方法在连续心电图时间序列数据上的性能，特别关注随机掩蔽与基于观察模式的掩蔽 | 引入了基于观察模式的掩蔽框架，以更真实地模拟临床实践中缺失数据的模式，并系统比较了从传统统计方法到深度学习模型的多种插补技术 | 研究样本量较小（仅40名患者），且数据来源于试点队列，可能限制了结果的普遍性 | 评估和基准测试不同缺失条件下时间序列心电图数据的插补方法，以支持实时心电图预测系统的部署 | 连续12导联Holter记录的心电图时间序列数据 | 机器学习 | 心血管疾病 | 连续心电图监测 | 深度学习模型, 传统统计方法 | 时间序列数据 | 40名患者的连续12导联Holter记录（每名患者2.5至4小时） | NA | SAITS, SMILES | 平均绝对误差 | NA |
| 1024 | 2026-02-17 |
A deep learning model for the diagnosis of gastric neuroendocrine carcinoma
2026-Jan-13, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01382-3
PMID:41530277
|
研究论文 | 本研究开发了一个名为G-NECNet的深度学习模型，用于从组织病理学全切片图像中诊断胃神经内分泌癌 | 开发了专门针对胃神经内分泌癌检测的深度卷积神经网络G-NECNet，并在多个外部数据集上验证了其高准确性和泛化能力 | 未在摘要中明确提及研究的局限性 | 提高胃神经内分泌癌与胃腺癌的鉴别诊断准确性，以指导更合适的治疗干预 | 胃神经内分泌癌的组织病理学全切片图像 | 数字病理学 | 胃神经内分泌癌 | 组织病理学成像 | CNN | 图像 | 内部验证队列、外部单机构数据集和多机构会诊数据集，具体样本量未在摘要中提供 | NA | G-NECNet | AUROC | NA |
| 1025 | 2026-02-17 |
PlaTiF: A pioneering dataset for orthopedic insights in AI-powered diagnosis of tibial plateau fractures
2026-Jan-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06560-5
PMID:41501058
|
研究论文 | 本文介绍了一个用于AI辅助诊断胫骨平台骨折的首个开放数据集PlaTiF | 首次提供了专门针对胫骨平台骨折AI分析的开放访问数据集，包含异质性X光片和专家标注的Schatzker分型 | 数据集样本量相对有限（421张X光片来自186名患者），且仅包含前后位X光片，缺乏其他视角或影像模态 | 通过提供高质量数据集，促进AI在胫骨平台骨折检测、分类和术前规划中的应用 | 胫骨平台骨折患者的膝关节X光片 | 计算机视觉 | 骨科疾病 | X光成像 | NA | 图像 | 421张前后位X光片来自186名患者（平均年龄45.88±17.54岁，37名女性，149名男性） | NA | NA | NA | NA |
| 1026 | 2026-02-17 |
ChemEmbed: a deep learning framework for metabolite identification using enhanced MS/MS data and multidimensional molecular embeddings
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag054
PMID:41686648
|
研究论文 | 本文提出了一种名为ChemEmbed的深度学习框架，通过整合化学结构的多维连续向量表示与增强的MS/MS谱图，用于代谢物鉴定 | 整合了多维化学结构向量表示与增强的MS/MS谱图（通过合并多碰撞能量谱图并纳入38,472种化合物的计算中性丢失），为卷积神经网络提供更丰富的输入 | 未明确说明 | 开发一种深度学习框架以解决代谢组学中大量未识别MS/MS谱图的注释问题 | MS/MS谱图与代谢物结构 | 机器学习 | NA | MS/MS | CNN | 光谱数据 | 38,472种化合物 | NA | CNN | 排名第一准确率，排名前五准确率 | NA |
| 1027 | 2026-02-17 |
iDLDDG: predicting protein stability changes from missense mutations in DNA-binding proteins using integrated deep learning features
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag050
PMID:41686649
|
研究论文 | 本研究开发了一个名为iDLDDG的深度学习框架，用于预测DNA结合蛋白中错义突变引起的蛋白质稳定性变化 | 首次构建了一个严格区分双链DNA结合蛋白和单链DNA结合蛋白突变机制的计算框架，并引入基于熵的算法优化残基信息建模 | 未在摘要中明确说明 | 准确预测错义突变如何改变蛋白质-DNA结合亲和力，以理解疾病机制并推进治疗方法 | DNA结合蛋白中的错义突变，包括双链DNA结合蛋白和单链DNA结合蛋白 | 机器学习 | NA | 蛋白质语言模型嵌入 | 深度学习 | 蛋白质序列和结构信息 | MPD276数据集及包含DSBs和SSBs的独立测试集 | NA | 多通道架构 | 皮尔逊相关系数 | NA |
| 1028 | 2026-02-17 |
Development and Validation of a Predictive AI Framework for Diabetic Foot Ulcer Monitoring and Severity Assessment: A Step towards Self-monitoring and Primary Care Integration
2026-Jan, Healthcare informatics research
IF:2.3Q3
DOI:10.4258/hir.2026.32.1.69
PMID:41681001
|
研究论文 | 本研究开发并验证了一个深度学习算法，用于根据国际糖尿病足工作组分类标准对糖尿病足图像进行严重程度分级 | 开发了一个预测性AI框架，用于糖尿病足溃疡的监测和严重程度评估，旨在支持资源有限环境下的自我监测和初级护理整合 | 模型在区分相邻严重程度等级时存在轻微过拟合，且样本量相对有限 | 开发并验证一个用于糖尿病足溃疡监测和严重程度评估的预测性AI框架 | 糖尿病足溃疡图像 | 计算机视觉 | 糖尿病足溃疡 | 深度学习 | CNN, Transformer | 图像 | 612张临床图像（通过数据增强从407张原始图像扩展） | NA | MobileNet_V2, EfficientNet-b0, DenseNet121, ResNet_50, VGG16, ViT_b_16 | 准确率, F1分数 | NA |
| 1029 | 2026-02-17 |
Improving Greater Caribbean manatee vocalization detection across habitats using neural networks
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0341561
PMID:41686843
|
研究论文 | 本研究探索了使用神经网络改进大加勒比海牛（Trichechus manatus manatus）叫声检测与分类的方法，以应对水下声学环境的复杂性 | 结合先进的信号处理技术（如滤波和归一化）与深度学习算法，并采用数据增强和特征提取策略，以处理海洋环境的动态和噪声条件，模型在未进行领域相关预训练的情况下，通过微调少量数据实现了对新数据集的泛化 | 模型在泛化能力方面仍有改进空间，特别是在不同噪声环境下 | 改进大加勒比海牛叫声的检测与分类，以深入了解其行为并辅助保护工作 | 大加勒比海牛（Trichechus manatus manatus）的叫声 | 机器学习 | NA | 水下录音、信号处理（滤波、归一化） | CNN | 音频 | 大型水下录音数据集，包括Wildtracks和Placencia数据集 | NA | 已知的CNN架构（具体未指定） | F1分数 | NA |
| 1030 | 2026-02-17 |
Machine learning, deep learning, and artificial intelligence as applied to the field of cytopathology: a comprehensive review
2026 Jan-Feb, Journal of the American Society of Cytopathology
DOI:10.1016/j.jasc.2025.07.004
PMID:40803957
|
综述 | 本文全面回顾了机器学习、深度学习和人工智能在细胞病理学领域的应用现状与研究进展 | 系统梳理了细胞病理学领域AI/ML技术从早期自动化系统到现代深度学习的发展脉络，并指出该领域相较于外科病理学的滞后性及当前发展机遇 | 细胞病理学AI应用仍处于起步阶段，大规模数据收集和算法建模因样本制备与评估方式的多样性而滞后 | 探讨数字细胞病理学中人工智能技术的科研与商业化发展现状 | 细胞病理学图像与标本 | 数字病理学 | NA | 数字玻片扫描, 图像分析 | 深度学习, 机器学习 | 图像 | NA | NA | AlexNet | NA | GPU |
| 1031 | 2026-02-16 |
A meta-heuristic aided arrhythmia classification model using advanced deep learning technique with multiple feature extraction mechanisms
2026-Jan-30, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于深度学习和元启发式优化的心律失常分类模型，通过多种特征提取机制提高分类性能 | 结合条件自编码器、GCNN和特征融合技术，并采用ARGAO优化算法提升分类器参数，实现高效的心律失常自动分类 | 未提及模型在临床环境中的验证情况或对噪声ECG信号的鲁棒性 | 开发一种准确且高效的心律失常自动诊断模型 | 心电图信号 | 机器学习 | 心血管疾病 | 心电图分析 | 条件自编码器, GCNN, 循环神经网络 | 信号, 图像 | NA | NA | 条件自编码器, GCNN, 密集循环神经网络 | NA | NA |
| 1032 | 2026-02-16 |
Sickle cell disease detection in low-resource conditions using transfer-learning and contrastive-learning coupled with XAI
2026-Jan-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35831-9
PMID:41580439
|
研究论文 | 本文提出了一种结合迁移学习、对比学习和可解释人工智能的方法，用于在低资源条件下检测镰状细胞病 | 结合迁移学习、对比学习（使用三元组损失）和可解释人工智能，以在训练数据有限的情况下提高镰状细胞病检测模型的效率和可解释性 | NA | 开发在低资源条件下准确检测镰状细胞病的深度学习方法 | 镰状细胞病 | 计算机视觉 | 镰状细胞病 | NA | CNN | 图像 | NA | NA | ResNet-50, DenseNet-121, EfficientNet-B0 | NA | NA |
| 1033 | 2026-02-16 |
An Extended VIIRS-like Artificial Nighttime Light Data Reconstruction (1986-2024)
2026-Jan-23, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06549-0
PMID:41577719
|
研究论文 | 本文提出了一种新的两阶段深度学习模型，用于生成中国1986年至2024年的年度人工夜间灯光数据集，以解决现有数据产品在光强低估和结构细节缺失方面的不足 | 提出了一种新颖的两阶段深度学习模型，首次使用高分辨率不透水面数据作为指导来细化细粒度结构细节，从而生成时间覆盖更长、质量更高的VIIRS-like夜间灯光数据集 | NA | 生成时间覆盖更长、质量更高的中国人工夜间灯光数据集，以支持长期时间序列研究 | 中国的人工夜间灯光数据 | 遥感 | NA | 深度学习 | 深度学习模型 | 遥感图像 | NA | NA | 两阶段深度学习模型 | 时间一致性, 与社会经济指标的相关性 | NA |
| 1034 | 2026-01-25 |
Hybrid deep learning model for air quality prediction and its impact on healthcare
2026-Jan-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36564-5
PMID:41577974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1035 | 2026-02-16 |
Sex disparities in deep learning estimation of ejection fraction from cardiac magnetic resonance imaging
2026-Jan-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02330-6
PMID:41577988
|
研究论文 | 本研究分析了基于心脏磁共振成像的深度学习模型在估计射血分数时存在的性别差异 | 首次在心脏成像深度学习模型中系统研究性别偏见，并探讨了缓解策略如掩蔽保护属性和数据重采样 | 尽管尝试了多种缓解策略，模型公平性未得到显著改善，且研究主要基于UK Biobank数据集 | 评估深度学习模型在心血管成像中估计射血分数的性别偏见及其影响 | 心脏磁共振成像数据和放射学报告 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习基础模型 | 图像, 文本 | UK Biobank数据集的多机构数据 | NA | NA | 射血分数估计误差 | NA |
| 1036 | 2026-02-16 |
Evaluating gait system vulnerabilities through PPO and GAN-generated adversarial attacks
2026-Jan-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37011-1
PMID:41578011
|
研究论文 | 本研究探讨基于深度学习的步态识别系统在对抗攻击下的脆弱性，提出一种结合PPO和GAN的先进方法生成对抗性补丁进行攻击 | 创新性地整合PPO与GAN生成对抗性补丁，利用PPO优化补丁放置位置以最大化攻击效果 | 研究主要基于特定数据集（CASIA和OU-ISIR），未涵盖所有步态识别场景或模型 | 评估步态识别系统的安全漏洞，提升其对抗攻击的鲁棒性 | 基于深度学习的步态识别系统 | 计算机视觉 | NA | 对抗攻击生成技术 | GAN, PPO | 步态视频或图像数据 | CASIA Gait Database: Dataset B 和 OU-ISIR Treadmill Dataset B - Clothes variation- 数据集 | NA | NA | 识别准确率 | NA |
| 1037 | 2026-02-16 |
Data-Augmented Deep Learning for Downhole Depth Sensing and Validation
2026-Jan-23, Sensors (Basel, Switzerland)
DOI:10.3390/s26030775
PMID:41682291
|
研究论文 | 本文提出了一种集成到井下工具串中的系统，用于套管接箍定位器（CCL）测井数据采集，并开发了数据增强预处理方法以提升套管接箍识别神经网络的性能 | 针对CCL数据有限的情况，提出了一套综合的数据增强预处理方法，包括标准化、标签分布平滑、随机裁剪等，并系统评估了各方法对模型泛化能力的贡献 | 研究依赖于模拟或有限的实际井数据，可能无法完全覆盖所有井下环境的复杂性 | 提高井下深度测量的准确性，以优化油气井作业中的储层接触、生产效率和操作安全 | 套管接箍定位器（CCL）测井数据 | 机器学习 | NA | CCL测井数据采集 | 神经网络 | 波形数据 | NA | NA | TAN, MAN | F1分数 | NA |
| 1038 | 2026-02-16 |
Deep learning with fourier features for regressive flow field reconstruction from sparse sensor measurements
2026-Jan-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36301-y
PMID:41571740
|
研究论文 | 本文提出了一种名为FLRNet的深度学习方法，用于从稀疏传感器测量中重建流场 | 引入了变分自编码器结合傅里叶特征层，并添加感知损失项来学习流场的低维潜在表示，通过基于注意力的网络将潜在表示与传感器测量关联 | 未明确提及方法在极端或非标准流动条件下的适用性限制 | 开发一种从稀疏传感器测量中准确重建流场的方法，并提高其在不同流动条件下的泛化能力 | 流体流动场 | 机器学习 | NA | NA | 变分自编码器, 注意力网络 | 传感器测量数据 | NA | NA | FLRNet | 重建准确性, 鲁棒性 | NA |
| 1039 | 2026-02-16 |
Intelligent decision-making systems for early detection of alzheimer's disease using wearable technologies and deep learning
2026-Jan-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36895-3
PMID:41571775
|
研究论文 | 本文提出了一种结合可穿戴技术和深度学习算法的智能决策系统，用于阿尔茨海默病的早期检测 | 通过可穿戴设备实时监测生理和行为数据，并利用RNN模型分析时序模式，实现了对阿尔茨海默病的连续、非侵入性早期检测 | 未提及具体样本量、模型验证的临床环境或与其他方法的比较结果 | 开发一种基于可穿戴技术和深度学习的早期阿尔茨海默病检测系统 | 阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 可穿戴传感器数据采集 | RNN | 时序生理和行为数据（心率、睡眠习惯、身体活动） | NA | NA | RNN | 检测敏感性和准确性 | NA |
| 1040 | 2026-02-16 |
Quantum denoising autoencoder improves retinal fundus image quality for early diabetic retinopathy screening
2026-Jan-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35540-3
PMID:41565887
|
研究论文 | 本文提出了一种量子去噪自编码器（QDAE），用于提高视网膜眼底图像质量，以支持早期糖尿病视网膜病变筛查 | 提出了一种混合量子-经典架构，利用参数化量子电路在潜在空间中增强表示，通过量子叠加和纠缠改善去噪效果和视网膜细节保留 | 浅层量子电路带来轻微的计算开销，且模型在小型医学数据集上的泛化能力仍需进一步验证 | 提高视网膜眼底图像的去噪质量，以促进早期糖尿病视网膜病变的准确检测 | 糖尿病视网膜病变患者的视网膜眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 量子计算与深度学习结合 | 自编码器 | 图像 | 基于Diabetic Retinopathy 224×224 (2019)数据集，具体样本数量未明确说明 | 未明确说明，可能涉及PyTorch或TensorFlow等经典框架与量子计算库的结合 | 量子去噪自编码器（QDAE），结合卷积特征编码与参数化量子电路 | PSNR, SSIM, AMI | 未明确说明，但提及涉及量子电路，可能使用量子计算模拟器或实际量子硬件 |