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 2188 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2026-04-01 |
HFP-SAM: Hierarchical Frequency Prompted SAM for Efficient Marine Animal Segmentation
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3674678
PMID:41874991
|
研究论文 | 本文提出了一种名为HFP-SAM的分层频率提示SAM框架，用于高效的海生动物图像分割 | 设计了频率引导适配器（FGA）将海洋场景信息注入冻结的SAM主干网络，引入频率感知点选择（FPS）机制生成点提示，并采用全视角Mamba（FVM）模块以线性计算复杂度提取空间和通道上下文信息 | 未在摘要中明确说明 | 解决海生动物分割中长距离建模困难的问题，提升复杂海洋环境下的分割性能 | 海洋动物图像 | 计算机视觉 | NA | 图像分割 | SAM（Segment Anything Model） | 图像 | 在四个公开数据集上进行实验（具体数量未说明） | 未明确说明 | SAM, FVM（Full-View Mamba） | 未在摘要中明确说明 | 未在摘要中明确说明 |
| 102 | 2026-04-01 |
Regional patch-based MRI brain age modeling with an interpretable cognitive reserve proxy
2026-Jan, Pattern recognition letters
IF:3.9Q2
DOI:10.1016/j.patrec.2025.11.027
PMID:41908685
|
研究论文 | 本文提出了一种基于区域图像块的MRI脑年龄预测集成框架，并结合认知评估构建了一个可解释的认知储备代理指标 | 采用基于双侧皮层下结构图像块的3D CNN集成框架，提高了脑年龄预测的解剖学特异性；首次将脑年龄预测与认知评估结合，构建了可量化的认知储备代理指标 | 研究主要基于特定数据集（健康对照、阿尔茨海默病和轻度认知障碍患者），在其他神经退行性疾病或更广泛人群中的泛化能力有待验证 | 开发具有解剖学特异性和临床解释性的脑年龄预测模型，用于脑健康评估和神经退行性疾病风险预测 | 健康对照个体、阿尔茨海默病患者和轻度认知障碍患者 | 医学影像分析 | 阿尔茨海默病 | MRI | CNN | 3D MRI图像 | 大型多队列数据集（健康对照）和独立测试样本（包括阿尔茨海默病和轻度认知障碍患者） | NA | 3D CNN | NA | NA |
| 103 | 2026-04-01 |
Advancing workpiece dimension measurement: Integrating AI-based edge detection with machine vision and coordinate measuring systems
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342797
PMID:41871139
|
研究论文 | 本研究探讨了在坐标测量机工业图像分析框架中应用基于AI的检测方法，以提升工件尺寸测量的精度 | 将基于CNN的AI边缘检测与机器视觉及坐标测量系统集成，提出了一种标准化方法，用于精确测量工件尺寸，并通过迁移学习解决了小数据集过拟合问题 | 研究基于有限的数据集（特定模型表面特征），虽然展示了跨材料可扩展性，但通用性仍需进一步验证 | 提升工业机器视觉中工件尺寸测量的准确性和效率 | 具有不同孔尺寸和数量的工件模型 | 机器视觉 | NA | AI边缘检测，迁移学习 | CNN | 图像 | 使用SolidWorks设计并CNC加工的两个模型，以及用于跨材料验证的200张Drelin材料图像 | NA | 卷积神经网络 | 分类准确率，混淆矩阵，直径偏差，相关系数，ANOVA | NA |
| 104 | 2026-04-01 |
Nickel price forecasting based onempirical mode decomposition and deep learning model with expansion mechanism
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0341559
PMID:41875101
|
研究论文 | 本研究提出了一种结合集成经验模态分解和扩张长短期记忆网络的混合预测框架，用于预测镍价波动 | 创新性地将EEMD与Dilated LSTM结合，通过多尺度分解和高级时序特征提取提升预测精度，并利用可解释性分析识别铜价波动的关键驱动作用 | 未明确说明模型在其他金属或商品价格预测中的泛化能力，且样本数据范围和时间跨度未详细说明 | 开发一种混合预测框架以提高镍价预测的准确性，支持资源驱动型企业的风险管理和政府产业政策设计 | 镍期货价格 | 机器学习 | NA | 集成经验模态分解, 扩张长短期记忆网络 | LSTM | 时间序列数据 | NA | NA | Dilated LSTM | NA | NA |
| 105 | 2026-04-01 |
HCLmNet: A unified hybrid continual learning strategy multimodal network for lung cancer survival prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316509
PMID:41875207
|
研究论文 | 本文提出了一种名为HCLmNet的混合持续学习多模态网络，用于预测肺癌患者的生存期 | 提出了一种结合弹性权重巩固(EWC)与三种基于回放的模块（经验回放、实例级相关性回放、类别级相关性回放）的混合持续学习策略，以解决动态临床环境中模型更新时的灾难性遗忘问题 | 未明确提及 | 开发一种能够在动态临床环境中持续学习新数据，同时避免灾难性遗忘的肺癌生存期预测模型 | 肺癌患者 | 数字病理学 | 肺癌 | CT成像, PET成像, 基因组(DNA)测序 | 深度学习, 持续学习 | 图像, 序列, 文本 | NA | NA | Swin Transformer, XLNet, 全连接网络 | 一致性指数(C-index), 平均绝对误差(MAE) | NA |
| 106 | 2026-04-01 |
Soft Multiaxial Strain Mapping Interface with AI-Driven Decoding for Silent Speech in Noise
2026, Cyborg and bionic systems (Washington, D.C.)
DOI:10.34133/cbsystems.0536
PMID:41877703
|
研究论文 | 本文提出了一种基于软多轴应变映射和AI解码的无声语音接口，用于在嘈杂环境中实现清晰的字母通信 | 重新设计了无声语音接口，通过监测喉咙肌肉运动引起的连续多轴应变图来重建语音，结合计算机视觉光学应变传感器和深度学习，实现了在极端噪声条件下的鲁棒通信 | NA | 开发一种在嘈杂环境中捕获清晰音频的无声语音接口 | 喉咙肌肉运动引起的应变模式 | 计算机视觉 | NA | 计算机视觉光学应变传感器 | 深度学习 | 应变图 | NA | NA | NA | NA | NA |
| 107 | 2026-04-01 |
Systematic review of different approaches for performance enhancement in elite sport
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1781958
PMID:41877740
|
综述 | 本文通过系统综述，探讨了高级分析技术在精英体育不同应用领域和运动项目中的分布与成熟度 | 首次系统性地梳理了2019年至2025年间高级分析技术在精英体育中的应用现状，并识别了技术成熟度在不同运动项目和应用目标间的差异 | 研究仅纳入了2019年至2025年间的文献，可能遗漏了更早的重要研究；且为定性综述，未进行定量荟萃分析 | 旨在考察高级分析技术在精英体育中的应用分布、成熟度，并为相关研究和实践提供基于证据的指导 | 精英体育中的高级分析技术应用 | 机器学习 | NA | 系统综述，结构化定性综合 | NA | NA | 52项符合纳入标准的研究 | NA | NA | NA | NA |
| 108 | 2026-04-01 |
MangoLeafNet-XAI: an attention-enhanced deep learning architecture for accurate and interpretable mango leaf disease classification
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1776537
PMID:41877980
|
研究论文 | 本研究提出了一种名为MangoLeafNet-XAI的轻量级深度学习架构，用于准确且可解释的芒果叶病害分类 | 该模型创新性地将高效通道注意力（ECA）模块与DenseNet-121骨干网络结合，自适应地优化特征并高精度捕捉细微病理模式，实现了性能与计算效率的最佳平衡 | 现有方法的局限性包括计算复杂度高、结果难以解释以及数据集依赖的过拟合问题 | 开发一种适用于资源受限农业环境的精确且可解释的芒果叶病害检测系统 | 芒果叶病害，包括炭疽病、细菌性溃疡病、枯梢病、瘿蚊、白粉病、煤烟霉和切叶象甲 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 三个公共数据集（MLDID、Mango Leaf Disease和Harumanis），涵盖多种环境条件和病害类别 | PyTorch, TensorFlow | DenseNet-121 | 准确率 | 适用于边缘设备部署，模型参数仅690万 |
| 109 | 2026-04-01 |
Protein structure prediction powered by artificial intelligence: from biochemical foundations to practical applications
2026, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2026.1767821
PMID:41878008
|
综述 | 本文综述了人工智能驱动的蛋白质结构预测方法，从生化基础到实际应用 | 总结了基于深度学习和大规模蛋白质语言模型的最新进展，如AlphaFold3和RoseTTAFold，这些模型通过整合进化信息、几何约束和端到端神经架构实现了接近实验精度的预测 | NA | 总结蛋白质折叠的生化基础、AI驱动的方法学进展及其在药物发现、酶工程和疾病研究中的应用 | 蛋白质的三维结构 | 机器学习 | NA | 深度学习, 蛋白质语言模型 | 深度学习模型 | 蛋白质序列数据 | NA | NA | AlphaFold3, RoseTTAFold, ESMFold | 接近实验精度 | NA |
| 110 | 2026-04-01 |
Correction: Advanced EEG signal classification for neural prosthetic devices using metaheuristic and deep learning techniques
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1795848
PMID:41878372
|
correction | 本文是对先前发表文章（DOI: 10.3389/fdgth.2025.1706660）的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 111 | 2026-04-01 |
A toolkit for generating virtual brightfield images of histological and immunohistochemical stains from multiplexed data with AI-based channel selection and image enhancement
2026, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2026.1765143
PMID:41878398
|
研究论文 | 提出一种从多重成像数据生成虚拟明场组织学图像的通用框架，结合物理染色模型、AI通道选择与图像增强技术 | 首次提出结合物理染色模型与AI通道选择的虚拟明场图像生成框架，支持通过查找表或大语言模型进行分子标记到染色颜色的映射，并集成深度学习上采样与去噪模型 | 方法在多种成像模态中验证但未涵盖所有组织类型，深度学习模型的训练依赖真实明场图像数据 | 减少组织多重成像时额外制备明场切片的需求，实现虚拟明场图像与多重图像的自动对齐 | 组织切片的多重成像数据 | 数字病理学 | NA | 成像质谱流式技术、荧光多重成像 | 深度学习模型 | 多重成像数据、明场组织学图像 | NA | NA | NA | 图像质量量化评估、诊断质量评估 | NA |
| 112 | 2026-01-28 |
The sarcopenia artificial intelligence diagnostic decision support system (SAID DSS) - a multimodal deep learning model
2026-Jan-26, BMC geriatrics
IF:3.4Q2
DOI:10.1186/s12877-026-07005-9
PMID:41588346
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 113 | 2026-03-31 |
FFM-ViT: an efficient fish species classification method based on deep features and transformers
2026-Jan, Journal of fish biology
IF:1.7Q2
DOI:10.1111/jfb.70213
PMID:41028988
|
研究论文 | 提出一种基于深度特征和Transformer的高效鱼类物种分类方法FFM-ViT | 放弃传统ViT的直接分块操作，引入MBConv和Fuse-MBConv模块获取更准确的高维信息，并设计通道空间合并注意力模块增强特征提取和融合能力 | 未明确说明模型计算复杂度或实时性表现，也未讨论在极端光照或遮挡条件下的鲁棒性 | 解决小数据集和高相似度鱼类物种的准确分类问题 | 鱼类图像 | 计算机视觉 | NA | 深度学习 | Transformer, CNN | 图像 | 包含78个类别的Oceanfish78数据集，以及fish4knowledge和Fish31等数据集 | 未明确说明 | Vision Transformer, MBConv, Fuse-MBConv, 通道空间合并注意力模块 | 准确率 | NA |
| 114 | 2026-03-31 |
Comparative Evaluation of Conventional and Deep Learning Methods for Respiratory Signal Extraction From Clinical 3D CBCT Projections
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338261437311
PMID:41871542
|
研究论文 | 本研究评估了传统方法和深度学习方法从临床3D CBCT投影中提取呼吸信号的性能 | 首次在临床3D CBCT投影数据上系统比较了多种传统信号提取方法与基于U-Net的深度学习方法，并证明了深度学习方法在复杂呼吸模式下的优越性 | 研究样本量相对有限（70组投影），且主要针对胸腹部癌症患者，未涵盖所有可能的呼吸变异模式 | 评估和比较传统方法与深度学习方法从临床3D CBCT投影中提取呼吸信号的性能，以改进4D CBCT相位排序和重建 | 来自胸腹部癌症患者的临床3D CBCT投影数据，包括规则和不规则呼吸运动模式 | 医学影像分析 | 胸腹部癌症 | 3D CBCT成像，4D CBCT重建 | U-Net | 3D CBCT投影图像 | 70组来自临床3D CBCT成像的投影数据 | 未明确说明 | U-Net | 相关系数，相位排序能力 | NA |
| 115 | 2026-03-31 |
GAN-based underwater image enhancement and scene classification using transfer learning
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345593
PMID:41894524
|
研究论文 | 本文提出了一种基于GAN的水下图像增强和迁移学习场景分类方法，用于改善水下图像质量并准确分类海洋物种 | 结合了传统图像增强算法（GW、HE、CLAHE）、边缘检测（Canny）与先进的深度学习模型（VGG16、ResNet50、DenseNet121）进行迁移学习，并引入ESRGAN进行图像超分辨率增强 | 未明确说明实验数据的具体规模、模型性能对比的定量结果以及计算资源的具体配置 | 提升水下图像质量并实现海洋物种的准确分类，以支持海洋生态研究和保护工作 | 水下图像和视频，特别是包含鱼类、珊瑚礁和海龟等海洋物种的图像 | 计算机视觉 | NA | 图像增强技术、边缘检测、迁移学习、生成对抗网络 | CNN, GAN | 图像、视频 | NA | NA | VGG16, ResNet50, DenseNet121, ESRGAN | NA | NA |
| 116 | 2026-03-31 |
Probabilistic forecasting of monthly dengue cases using epidemiological and climate signals: A BiLSTM-Negative Binomial Model versus Mechanistic and Count-Model Baselines
2026, PLOS global public health
DOI:10.1371/journal.pgph.0005404
PMID:41894525
|
研究论文 | 本文比较了四种概率模型在预测塞拉利昂弗里敦市月度登革热病例方面的性能，包括负二项广义线性模型、负二项INGARCH模型、机制更新模型和双向长短期记忆网络模型 | 提出了一个结合流行病学和气候信号的BiLSTM-负二项模型，并与传统机制和计数模型基线进行对比，在泄漏安全的滚动原点评估框架下进行概率预测 | 研究仅基于弗里敦市的数据，可能不适用于其他城市环境；气候输入仅限于滞后1期的协变量，可能未充分利用长期气候模式 | 开发可靠的短期登革热病例预测模型，以支持城市卫生系统资源分配 | 塞拉利昂弗里敦市的月度登革热病例计数 | 机器学习 | 登革热 | 时间序列分析，概率预测 | BiLSTM, NB-GLM, INGARCH-NB, Renewal-NB | 时间序列数据 | 2015年至2024年弗里敦市的月度登革热病例数据，每个预测范围内对齐的常见问题-目标对数量为32 | NA | 双向长短期记忆网络 | 平均对数分数，经验覆盖率，50%和90%预测区间中位数宽度，概率积分变换校准诊断，Diebold-Mariano检验 | NA |
| 117 | 2026-03-31 |
Application of bioinformatics and data science in studies of cancer epigenetics
2026, International review of cell and molecular biology
DOI:10.1016/bs.ircmb.2025.10.003
PMID:41905787
|
综述 | 本文综述了生物信息学与数据科学在癌症表观遗传学研究中的应用，包括表观遗传调控机制、高通量数据分析和机器学习方法 | 整合生物信息学与数据科学工具，系统梳理表观遗传数据与多组学、临床数据的融合分析策略，为癌症机制研究和治疗靶点发现提供新方向 | 未涉及具体实验验证或算法开发细节，主要基于现有文献进行归纳总结 | 探讨生物信息学与数据科学在癌症表观遗传学研究中的最新应用进展 | 癌症相关的表观遗传数据（如DNA甲基化、组蛋白修饰、非编码RNA）及多组学整合分析 | 生物信息学 | 癌症 | ChIP-seq, WGBS, 质谱分析 | 机器学习, 深度学习 | 表观遗传数据, 多组学数据, 临床数据 | NA | NA | NA | NA | NA |
| 118 | 2026-03-31 |
Advancements in AI-based quantitative analysis of fundus tessellation and its application in myopia research
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1786949
PMID:41907242
|
综述 | 本文综述了人工智能在眼底镶嵌纹定量分析及其在近视研究中的应用进展 | 利用人工智能，特别是基于深度学习的图像分析技术，对眼底镶嵌纹进行定量评估，为近视研究提供了客观、可扩展的新方法 | NA | 综述人工智能辅助的定量图像分析方法在眼底镶嵌纹评估中的应用及其与近视临床参数的关系 | 眼底镶嵌纹及其密度 | 计算机视觉 | 近视 | 深度学习图像分析 | 深度学习 | 图像 | 多个队列研究 | NA | NA | NA | NA |
| 119 | 2026-03-31 |
AI-based planning for DIEAP flap procedures: exploring foundation models for artery perforators analysis
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1757637
PMID:41907262
|
研究论文 | 本研究开发了一种基于人工智能的端到端自动化流程，用于DIEAP皮瓣手术规划中的穿支血管分割与定量分析 | 首次将解剖学先验知识作为空间提示来引导深度学习分割模型，并采用连接感知的复合损失函数（包含骨架召回损失）来保持血管拓扑结构 | 测试集仅包含9名患者，样本量较小；模型性能虽有提升但Dice系数绝对值仍较低（0.265） | 开发自动化管道以提升DIEAP皮瓣手术规划的效率和一致性 | 穿支血管（来自CTA图像的血管结构） | 计算机视觉 | 乳腺癌 | 计算机断层扫描血管造影（CTA） | 深度学习分割模型 | 医学图像（CTA图像） | 9名患者的测试集（具体训练集数量未明确说明） | 未明确说明 | SAM 2, MedSAM-2, nnInteractive | Dice相似系数（DSC） | 未明确说明 |
| 120 | 2026-03-31 |
Diabetic retinopathy severity detection using an improved Whale optimization algorithm and convolutional Kolmogorov-Arnold network
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1709872
PMID:41907276
|
研究论文 | 本文提出了一种基于深度学习的方法，用于使用视网膜图像检测糖尿病视网膜病变的严重程度 | 结合了改进的鲸鱼优化算法和卷积Kolmogorov-Arnold网络，并利用ShuffleNet V2与视觉Transformer注意力机制进行特征提取 | NA | 开发一种高效且资源需求低的糖尿病视网膜病变严重程度检测模型 | 糖尿病视网膜病变患者 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, Transformer | 图像 | 使用EyePACS数据集训练，并在Messidor-2数据集上泛化 | NA | ShuffleNet V2, Vision Transformer, 卷积Kolmogorov-Arnold网络 | 准确率 | 最小处理资源，适用于计算资源有限的医疗设施 |