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 1281 - 1300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1281 | 2026-02-03 |
A hybrid CNN-transformer model with adaptive activation function for potato leaf disease classification
2026-Jan-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34406-4
PMID:41495315
|
研究论文 | 本文提出了一种结合CNN与Transformer的混合深度学习架构PLDNet，用于马铃薯叶片病害的自动分类 | 提出了一种混合CNN-Transformer架构PLDNet，并设计了自适应参数激活函数AFpM，通过可学习参数实现自适应非线性，在动态梯度控制方面优于现有激活函数 | 未明确说明模型在复杂田间环境或多种作物间的泛化能力，也未讨论计算复杂度与实时性 | 开发自动化植物病害识别方法，提高马铃薯叶片病害分类的准确性与效率 | 马铃薯叶片病害图像 | 计算机视觉 | 植物病害 | 深度学习图像分类 | CNN, Transformer | 图像 | PlantVillage和Mendeley两个公开数据集 | 未明确说明 | DenseNet, Transformer注意力模块 | 准确率 | NA |
| 1282 | 2026-02-03 |
Interpretable deep learning reveals distinct spectral and temporal drivers of perceived musical emotion
2026-Jan-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34238-2
PMID:41491208
|
研究论文 | 本研究开发了一种可解释的深度学习模型，用于识别预测音乐情感感知（效价和唤醒度）的特定动态声学特征 | 提出了一种结合卷积路径（局部频谱分析）和Transformer路径（长程时间依赖）的新型理论引导神经网络，并通过注意力机制揭示了不同声学模式对情感维度的驱动作用 | 模型性能依赖于DEAM数据集的标注质量，且理论约束可能限制了模型发现未知特征的能力 | 开发可解释的计算模型以测试和推进音乐认知理论，识别预测人类情感反应的动态声学特征 | 音乐片段及其对应的连续效价-唤醒度评分 | 自然语言处理 | NA | 深度学习 | CNN, Transformer | 音频 | 1,802段音乐片段 | NA | 卷积神经网络与Transformer的混合架构 | 一致性相关系数 | NA |
| 1283 | 2026-02-03 |
Deep learning and superoscillatory speckles empowered multimode fiber probe for in situ nano-displacement detection and micro-imaging
2026-Jan-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67942-8
PMID:41491775
|
研究论文 | 本文提出了一种基于深度学习和超振荡散斑的多模光纤探针，用于原位纳米位移检测和显微成像 | 利用深度学习从超振荡散斑中高效提取精细特征信息，实现单端检测，具有10纳米分辨率和99.95%的准确率，并建立了位移与光纤高阶模式比例的物理模型 | 未明确说明在极端环境或长期稳定性方面的限制 | 开发一种灵活的原位非接触纳米位移测量方法，用于复杂设备内部探测 | 不同结构的微米级目标，在受限空间内进行检测 | 计算机视觉 | NA | 超振荡散斑成像，多模光纤传感 | 深度学习 | 图像 | 未明确指定具体样本数量 | 未明确指定 | 未明确指定 | 准确率，分辨率 | 未明确指定 |
| 1284 | 2026-02-03 |
Optimized CNN framework with VGG19, EfficientNet, and Bayesian optimization for early colon cancer detection
2026-Jan-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34262-2
PMID:41492074
|
研究论文 | 本文提出了一种结合VGG19、EfficientNet和贝叶斯优化的优化CNN框架，用于通过组织病理学图像分析实现结肠癌的早期自动检测 | 将卷积神经网络与贝叶斯优化相结合以高效微调超参数，并采用有效的数据增强和染色归一化技术，提升了模型的鲁棒性和泛化能力 | 框架在数据集内部表现出色，但临床部署前需要在独立、多机构的队列上进行外部验证 | 开发一种可靠的早期结肠癌自动检测方法，以辅助病理学家的临床决策 | 结肠癌组织病理学图像 | 计算机视觉 | 结肠癌 | 组织病理学图像分析 | CNN | 图像 | 来自Kaggle和Kaggle癌症数据门户的公开数据集，涵盖正常、肿瘤、基质等九种组织类型 | TensorFlow, PyTorch, Keras | VGG19, EfficientNet | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 1285 | 2026-02-03 |
Preoperative assessment of axillary lymph node tumor burden in cT1-2N0 breast cancer patients with a modality-adaptive network based on sentinel lymph node ultrasound images
2026-Jan-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34371-y
PMID:41486270
|
研究论文 | 本研究开发并验证了一种基于前哨淋巴结超声图像的深度学习模型，用于术前评估cT1-2N0乳腺癌患者的腋窝淋巴结肿瘤负荷 | 提出了一种结合灰阶或彩色多普勒超声图像及临床病理信息的模态自适应网络（MAN+C），其适用性比现有AI模型扩展了30%，可涵盖多灶性病变或已接受原发性乳腺癌病灶治疗的患者 | 研究样本来自两家医院，可能存在选择偏倚；外部验证数据集的AUC（0.84）低于其他数据集，表明模型泛化能力有待进一步验证 | 为cT1-2N0乳腺癌患者术前评估腋窝淋巴结肿瘤负荷提供一种直接、高效的诊断方法 | cT1-2N0乳腺癌患者的前哨淋巴结超声图像 | 数字病理学 | 乳腺癌 | 超声成像，对比增强淋巴超声 | 深度学习模型 | 超声图像（灰阶、彩色多普勒） | 374名患者的595个前哨淋巴结 | 未明确说明 | 模态自适应网络 | AUC | 未明确说明 |
| 1286 | 2026-02-03 |
Deterministic nowcasting of geostationary satellite infrared brightness temperature using 3D U-Net diffusion model
2026-Jan-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34207-9
PMID:41484451
|
研究论文 | 本文提出了一种结合去噪扩散概率模型与3D U-Net的生成建模方法，用于从地球静止卫星观测中确定性预报红外亮度温度 | 首次将去噪扩散概率模型与3D U-Net架构耦合，用于卫星红外亮度温度的确定性临近预报，相比传统外推和深度学习基线，在预测精度和结构保真度方面均有显著提升 | 在较长预报时效（超过2小时）上的增益有所减少，尽管仍明显优于基线 | 开发一种用于地球静止卫星红外亮度温度临近预报的生成建模方法，以提高预测精度和结构保真度 | SEVIRI观测的红外亮度温度数据 | 计算机视觉 | NA | 卫星红外观测（约10.8 μm） | 去噪扩散概率模型, 3D U-Net | 图像（红外亮度温度序列） | 使用独立测试集（2022年7月至9月）进行评估 | NA | 3D U-Net | SSIM, CRPS, MAE, 相关性 | NA |
| 1287 | 2026-02-03 |
Deep learning-driven optimization and predictive modeling of LASER beam machining for XG3 steel
2026-Jan-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34323-6
PMID:41484160
|
研究论文 | 本文通过实验研究和多目标优化，结合深度学习驱动的预测模型，探索了激光束加工XG3钢的工艺参数优化 | 结合遗传算法进行多目标优化生成帕累托前沿，并开发了响应曲面法和反向传播人工神经网络两种预测模型，其中BPANN模型表现出更高的预测精度 | 研究仅针对XG3钢和三种特定孔几何形状，未涉及其他材料或更复杂的几何形状 | 优化激光束加工XG3钢的工艺参数，以实现表面粗糙度、加工时间、表面硬度和毛刺厚度的多目标改善 | XG3钢（一种用于航空航天和国防应用的高性能合金） | 机器学习 | NA | 激光束加工 | 人工神经网络 | 实验数据 | 基于田口L正交阵列的实验设计，涉及三种孔几何形状（圆形、三角形、方形） | NA | 反向传播人工神经网络 | 回归系数, 平均绝对百分比误差 | NA |
| 1288 | 2026-02-03 |
The safety and accuracy of radiation-free spinal navigation using a short, scoliosis-specific BoneMRI-protocol, compared to CT
2026-Jan, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09151-x
PMID:40691585
|
研究论文 | 本研究评估了一种针对脊柱侧弯的MRI协议，通过深度学习算法生成合成CT，并将其与CT在胸腰椎椎弓根螺钉规划与置入的安全性和准确性方面进行比较 | 开发了一种脊柱侧弯特异性MRI协议，结合AI生成的合成CT，实现无辐射的脊柱导航，为年轻患者提供更安全的替代方案 | 研究基于尸体模型，样本量较小（5具尸体），且未在活体患者中进行验证 | 比较基于MRI的合成CT脊柱导航与CT在椎弓根螺钉规划与置入中的安全性和准确性 | 尸体脊柱（从T3到L5的椎弓根） | 医学影像分析 | 脊柱侧弯 | MRI扫描，深度学习算法 | 深度学习模型 | 医学影像（CT和MRI图像） | 5具尸体脊柱，共置入140根导丝（其中3根被排除） | NA | NA | 最大角度偏差，计划与术后螺钉位置距离，内侧突破率（Gertzbein-Robbins分类） | NA |
| 1289 | 2026-02-03 |
DVG-Diffusion: Dual-View-Guided Diffusion Model for CT Reconstruction From X-Rays
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3655171
PMID:41576110
|
研究论文 | 本文提出了一种双视图引导的扩散模型（DVG-Diffusion），用于从少量二维X射线图像直接重建三维CT体积 | 通过结合新视图合成和视图引导的特征对齐，降低了从2D X射线到3D CT映射的学习难度，实现了高保真度和感知质量的有效平衡 | 未在摘要中明确提及 | 从少量二维X射线图像直接重建三维CT体积 | CT体积重建 | 计算机视觉 | NA | X射线成像 | 扩散模型 | 图像 | 未在摘要中明确提及 | 未在摘要中明确提及 | DVG-Diffusion | 未在摘要中明确提及 | 未在摘要中明确提及 |
| 1290 | 2026-02-02 |
Functional and Structural Evidence of Neurofluid Circuit Aberrations in Huntington Disease
2026-Jan-31, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.70328
PMID:41620818
|
研究论文 | 本研究通过多模态MRI技术评估亨廷顿病中神经流体通路的结构和功能改变 | 首次在亨廷顿病中系统评估脉络丛和旁矢状硬膜间隙的结构与功能变化，并关联脑脊液动力学 | 样本量有限，横断面研究设计无法确定因果关系 | 探究亨廷顿病中神经流体通路的异常及其与疾病严重程度的关系 | 亨廷顿病患者和健康对照者 | 数字病理学 | 亨廷顿病 | 3-Tesla T2加权MRI、FLAIR MRI、相位对比MRI、伪连续动脉自旋标记MRI | 深度学习 | MRI图像 | 80名亨廷顿病患者和65名年龄匹配的健康对照者 | NA | NA | p值 | NA |
| 1291 | 2026-02-02 |
Absence of dehydration due to superionic transition at Earth's core-mantle boundary
2026-Jan-30, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aeb3006
PMID:41604493
|
研究论文 | 本文通过分子动力学模拟揭示了δ-AlOOH在深部下地幔条件下的双超离子转变，并发现超离子态水在核幔边界处不易脱水，可能形成长期储水层 | 首次发现δ-AlOOH中氢和铝离子的双超离子转变，并证明超离子态能稳定结构，使脱水过程在核幔边界条件下变得能量和动力学上不利 | 模拟基于特定条件（140 GPa和3800 K），实际地幔环境的复杂性和长期地质过程的影响仍需进一步验证 | 探究深部下地幔中水合相的超离子转变对其稳定性和脱水行为的影响 | δ-AlOOH水合相在深部下地幔和核幔边界条件下的行为 | 地球物理学 | NA | 从头算分子动力学模拟,深度学习势分子动力学模拟 | NA | 模拟数据 | NA | NA | NA | NA | NA |
| 1292 | 2026-02-02 |
Selection of the best artificial intelligence techniques for analysis of gastrointestinal endoscopic images
2026-Jan-30, Arab journal of gastroenterology : the official publication of the Pan-Arab Association of Gastroenterology
IF:1.1Q4
DOI:10.1016/j.ajg.2025.09.021
PMID:41620373
|
研究论文 | 本研究通过模糊AHP-TOPSIS方法，系统评估并优先排序了用于胃肠道内窥镜图像分析的人工智能技术 | 首次结合模糊AHP和TOPSIS方法，为胃肠道内窥镜图像分析领域的人工智能技术提供系统化的选择框架 | 研究基于文献回顾和专家意见，可能受限于现有技术的覆盖范围和主观判断偏差 | 识别并优先排序用于胃肠道内窥镜图像分析的最佳人工智能技术 | 70种已开发的人工智能技术 | 计算机视觉 | 胃肠道疾病 | NA | CNN, DNN, ResNet | 图像 | NA | NA | ResNet18 | 有效性, 准确性, 全面性, 处理时间, 成本, 简洁性, 执行能力 | NA |
| 1293 | 2026-02-02 |
Interpretable Diagnosis of Pulmonary Emphysema on Low-Dose CT Using ResNet Embeddings
2026-Jan-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010051
PMID:41590936
|
研究论文 | 本文提出了一种基于ResNet嵌入的质量控制和可解释深度学习流程，用于在低剂量CT上诊断肺气肿 | 利用预训练的ResNet-152嵌入，结合自动化肺部分割、质量控制过滤以及与传统定量CT标志物融合，无需重新训练即可实现高性能且可解释的肺气肿诊断 | 未明确提及研究的外部验证队列或跨中心泛化能力评估 | 开发一种准确且可解释的肺气肿检测方法，以支持大规模筛查和人群健康研究 | 低剂量CT图像中的肺气肿 | 计算机视觉 | 肺气肿 | 低剂量CT | CNN | 图像 | NA | NA | ResNet-152 | ROC-AUC, PR-AUC, 平衡准确度 | NA |
| 1294 | 2026-02-02 |
ADAM-Net: Anatomy-Guided Attentive Unsupervised Domain Adaptation for Joint MG Segmentation and MGD Grading
2026-Jan-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010050
PMID:41590935
|
研究论文 | 本文提出了一种名为ADAM-Net的注意力引导无监督域适应多任务框架，用于联合进行睑板腺分割和睑板腺功能障碍分级 | 引入了结构感知多任务学习和解剖学引导注意力机制，以增强特征共享、抑制背景噪声并改善腺体区域感知，从而联合处理分割和分类任务 | NA | 开发一个鲁棒且可解释的自动化框架，用于在多中心成像设备场景下联合进行睑板腺分割和睑板腺功能障碍分级 | 睑板腺图像 | 计算机视觉 | 干眼病 | 深度学习 | CNN | 图像 | 涉及多个数据集：MGD-1K、K5M、CR-2、LV II | NA | ADAM-Net | 准确率, F1分数, 马修斯相关系数 | NA |
| 1295 | 2026-02-02 |
HASwinNet: A Swin Transformer-Based Denoising Framework with Hybrid Attention for mmWave MIMO Systems
2026-Jan-20, Entropy (Basel, Switzerland)
DOI:10.3390/e28010124
PMID:41594031
|
研究论文 | 本文提出了一种基于Swin Transformer的深度学习去噪框架HASwinNet，用于解决毫米波大规模MIMO系统中的信道估计难题 | 提出了一种结合分层Swin Transformer编码器、稀疏令牌提取和角度域细化的混合注意力去噪框架，并引入了角度域感知损失函数 | 基于Saleh-Valenzuela信道模型的仿真验证，尚未在实际部署环境中测试 | 提高毫米波大规模MIMO系统在有限导频资源和低信噪比条件下的信道估计精度 | 毫米波大规模MIMO系统的信道数据 | 机器学习 | NA | 深度学习 | Transformer, CNN | 信道数据 | NA | PyTorch | Swin Transformer, U-Net | 归一化均方误差, 误码率 | NA |
| 1296 | 2026-02-02 |
DeeppestNet: An end-to-end framework for high-performance crop pest recognition
2026-Jan-20, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种名为DeeppestNet的端到端框架，用于高性能农作物害虫识别 | 结合了图金字塔注意力机制与双向长短期记忆网络（GPA-BiLSTM），并采用灰狼-樽海鞘群优化算法（GW-SSO）提升分类精度 | 未明确说明模型在复杂田间环境或不同光照条件下的泛化能力 | 开发高精度、高效率的农作物害虫自动识别系统 | 农作物害虫图像 | 计算机视觉 | NA | 图像增强技术（CLAHE） | CNN, BiLSTM, 优化算法 | 图像 | IP-102数据集（具体数量未说明） | NA | 自适应金字塔注意力模块与跨阶段部分网络（AP-CSP）, 图基双向长短期记忆网络（G-BiLSTM） | 准确率, 精确率, 召回率, F1值 | NA |
| 1297 | 2026-02-02 |
Clinical validation of a unified data-driven respiratory motion correction technique in 18F-FDG PET/CT imaging of upper abdominal lesions: a real-world study
2026-Jan-18, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00833-z
PMID:41547664
|
研究论文 | 本研究前瞻性评估了一种基于深度学习神经网络的统一数据驱动呼吸运动校正算法在18F-FDG PET/CT上腹部病变成像中的临床效用 | 提出并临床验证了一种利用深度学习神经网络的统一数据驱动呼吸运动校正算法，显著提升了图像质量和病变检测能力，特别是在低摄取和小体积病变方面 | 研究样本量为100名患者，需要在更大规模、多中心的研究中进一步验证算法的普适性和鲁棒性 | 评估数据驱动呼吸运动校正算法在PET/CT成像中的临床效用，以改善图像质量和诊断准确性 | 100名疑似上腹部病变并接受18F-FDG PET/CT检查的患者 | 数字病理学 | NA | 18F-FDG PET/CT成像 | 深度学习神经网络 | 医学图像 | 100名患者，共225个病灶 | NA | NA | 主观视觉评估（整体图像质量、PET-CT配准、病灶变形）、半定量指标（SUVmax, MTV, TBR, HV_ratio）、病灶检测数量 | NA |
| 1298 | 2026-02-02 |
Variational Deep Alliance: A Generative Auto-Encoding Approach to Longitudinal Data Analysis
2026-Jan-18, Entropy (Basel, Switzerland)
DOI:10.3390/e28010113
PMID:41594020
|
研究论文 | 本文提出了一种名为变分深度联盟（VaDA）的新型生成式自编码方法，用于纵向数据分析，能够同时进行结果预测、主体聚类和表示学习 | 通过变分自编码器构建跨重复测量的“联盟”，为纵向数据建模提供统一且结构良好的潜在空间，支持混合类型变量处理 | 未明确提及方法在特定纵向数据场景（如医疗时间序列）中的验证限制或计算复杂度分析 | 利用深度神经网络学习纵向数据中的复杂关系，实现生成式建模与多任务分析 | 纵向数据，包括合成数据和CelebFaces Attributes数据集中的面部图像序列 | 机器学习 | NA | 变分自编码器（VAE） | 生成式自编码模型 | 纵向数据，图像数据 | 未明确指定样本数量，但提及可扩展至大型数据集并使用CelebFaces Attributes数据集 | 随机自编码变分贝叶斯框架 | 变分自编码器（VAE） | 未明确列出具体指标，但提及定量比较、鲁棒性和泛化能力评估 | 未明确指定，但提及方法可扩展至大型数据集 |
| 1299 | 2026-01-19 |
Research on deep learning-based lesion identification in optical coherence tomography
2026-Jan-17, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04579-7
PMID:41547727
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1300 | 2026-02-02 |
A Dual Stream Deep Learning Framework for Alzheimer's Disease Detection Using MRI Sonification
2026-Jan-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010046
PMID:41590931
|
研究论文 | 本研究提出了一种新颖的双流深度学习框架，通过结合MRI图像及其声化表示来检测阿尔茨海默病 | 首次将MRI声化技术引入AD诊断，通过多尺度、多方向的Gabor滤波和希尔伯特空间填充曲线生成音频表示，并与传统图像特征融合 | 未明确说明样本来源和数据集规模，也未讨论模型在外部验证集上的泛化能力 | 探索MRI声化技术是否能提供补充诊断信息，以改进阿尔茨海默病的检测 | 阿尔茨海默病患者、轻度认知障碍患者和认知正常受试者的MRI数据 | 医学影像分析 | 阿尔茨海默病 | MRI声化技术、多尺度多方向Gabor滤波、希尔伯特空间填充曲线 | CNN, YAMNet | MRI图像、音频信号 | NA | NA | 轻量级CNN, YAMNet | 准确率 | NA |