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 2393 篇文献，本页显示第 1621 - 1640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1621 | 2026-01-24 |
Improving micromorphological analysis with CNN-based segmentation of flint/obsidian, bone and charcoal
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340353
PMID:41557713
|
研究论文 | 本文开发了一种基于深度学习的工具，用于自动分割考古微形态学中常见的三种材料：骨骼、木炭和细粒石屑（燧石和黑曜石） | 首次将U-Net与InceptionV4编码器结合用于考古微形态学材料分割，提高了分割的客观性和准确性 | 仅针对三种特定材料进行分割，样本量较小（57个薄片），可能无法泛化到其他考古材料 | 提高考古微形态学中材料量化与识别的客观性和准确性 | 考古微形态学中的骨骼、木炭和细粒石屑（燧石和黑曜石）材料 | 计算机视觉 | NA | 高分辨率偏光显微摄影 | CNN | 图像 | 57个薄片的高分辨率偏光显微图像 | NA | U-Net, InceptionV4 | 平均交并比（IoU）, 平衡准确率 | NA |
| 1622 | 2026-01-24 |
Federated TriNet-AQ: Explainable english proficiency classification in augmented and virtual reality learning
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329304
PMID:41557737
|
研究论文 | 本文提出了一种名为TriNet-AQ的联邦可解释深度学习架构，用于在AR/VR平台中分类英语能力 | 结合量子正弦编码、三轴注意力融合和量子调制集成，通过联邦学习实现去中心化训练，提升隐私保护和模型可解释性 | 在新数据上准确率下降3.5%，可能存在泛化能力限制 | 在增强和虚拟现实学习环境中进行英语能力分类 | AR/VR平台中的学习者 | 自然语言处理 | NA | 量子正弦编码, 三轴注意力融合, 量子调制集成 | 深度学习 | 多模态输入 | NA | NA | TriNet-AQ | 准确率, AUC, EPES | NA |
| 1623 | 2026-01-24 |
A DNN-Based Weighted Partial Likelihood for Partially Linear Subdistribution Hazard Model
2026-Jan, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.70397
PMID:41569618
|
研究论文 | 本文提出了一种基于深度神经网络的加权部分似然方法，用于部分线性次分布风险模型，以处理竞争风险数据 | 将深度学习方法扩展到竞争风险领域，提出了深度部分线性次分布风险模型，并开发了针对竞争风险数据的时间依赖性AUC评估方法 | 未明确说明模型在极端数据分布或高维特征下的性能限制 | 开发一种结合深度学习和部分线性结构的模型，以改进竞争风险生存分析中的估计和预测性能 | 竞争风险生存数据 | 机器学习 | NA | 深度神经网络 | DNN | 生存数据 | NA | NA | 深度部分线性次分布风险模型 | 时间依赖性AUC | NA |
| 1624 | 2026-01-24 |
Deep learning applied to standard radiographs improves detection of implant loosening in total knee arthroplasty: A proof-of-concept study
2026-Jan, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70611
PMID:41560964
|
研究论文 | 本研究开发了一种基于深度学习的工具，利用二维X光片检测全膝关节置换术中的植入物松动 | 首次应用深度学习算法于标准X光片，以检测全膝关节置换术中的植入物松动，并在概念验证中显示出优于常规放射学评估的性能 | 数据集有限，仅为概念验证研究，需要更大规模的数据集进行验证和优化 | 开发一种深度学习工具，用于检测全膝关节置换术中的植入物松动，以提高诊断准确性和效率 | 全膝关节置换术后的植入物松动情况 | 计算机视觉 | 骨科疾病 | X光成像 | CNN | 图像 | 307组X光片（包括159例松动和148例固定植入物） | TensorFlow, Keras | InceptionV3 | 灵敏度, 特异性, 准确率, AUC | NA |
| 1625 | 2026-01-24 |
Detection of return of spontaneous circulation during cardiopulmonary resuscitation using continuous carotid artery Doppler blood flow monitored by AI in an animal model
2026-Jan, Resuscitation plus
IF:2.1Q2
DOI:10.1016/j.resplu.2025.101207
PMID:41561320
|
研究论文 | 本研究开发了一种基于AI的连续颈动脉多普勒血流监测系统，用于在心肺复苏期间自动检测自主循环恢复 | 首次将深度学习技术应用于连续颈动脉多普勒血流信号分析，实现ROSC的自动实时检测，并采用可解释AI方法增强模型透明度 | 研究仅在猪模型中进行，样本量有限（9头猪），未在人类临床环境中验证 | 开发一种自动实时检测心肺复苏期间自主循环恢复的方法 | 猪模型中的颈动脉血流速度信号 | 数字病理学 | 心血管疾病 | 连续颈动脉多普勒超声监测 | 人工神经网络 | 频谱信号 | 9头猪，共7750个心搏周期（实验1:2610个，实验2:5140个） | NA | NA | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 1626 | 2026-01-24 |
Age-stratified analysis of descending aorta diameter in traumatic massive hemorrhage: a machine learning approach
2026, Trauma surgery & acute care open
IF:2.1Q2
DOI:10.1136/tsaco-2024-001646
PMID:41561395
|
研究论文 | 本研究通过机器学习方法分析创伤性大出血患者降主动脉直径的年龄分层差异 | 首次在创伤性大出血患者中，基于年龄分层使用随机森林模型识别降主动脉直径的关键预测因子，并揭示年龄组间影响因素的动态变化 | 回顾性单中心研究，样本量有限（243例），外部验证缺乏，可能影响结果的普适性 | 识别不同年龄组创伤性大出血患者降主动脉直径的显著预测因子，以改进主动脉直径评估和管理 | 243例创伤性大出血患者，分为18-60岁年轻组（152例）和61-91岁老年组（91例） | 医学影像分析 | 创伤性大出血 | CT影像分析 | 随机森林, 深度学习 | CT图像, 临床数据 | 243例患者 | NA | Shallow Attention Network | 均方根误差 | NA |
| 1627 | 2026-01-24 |
Automated ECG Report as a Factor in the Clinical Decision Pathway for Acute Chest Pain in the Emergency Department
2026-Jan, Cureus
DOI:10.7759/cureus.101785
PMID:41561657
|
研究论文 | 本研究旨在通过结合自动化心电图算法与先进机器学习技术，提升急诊科内心电图报告的自动分类能力，以加速急性胸痛患者的临床决策流程 | 创新性地将传统Glasgow算法与大型语言模型GPT-4结合，构建混合模型对非结构化自动心电图报告进行临床相关结局分类 | 新发心律失常的分类性能较低（F1分数仅0.45），且研究基于单中心回顾性数据，样本量有限 | 通过自然语言处理技术增强传统方法，加速急性胸痛患者的心电图导向管理 | 急性胸痛患者的心电图报告 | 自然语言处理 | 心血管疾病 | 心电图分析 | 混合模型（传统算法+LLM） | 文本（心电图报告） | 860份来自急性胸痛患者的心电图 | NA | Glasgow算法, GPT-4 | F1分数, AUC, 准确率 | NA |
| 1628 | 2026-01-24 |
ATR-FTIR Spectroscopy and Deep Learning for Chemometric Analysis and Geographical Classification of Red Wines
2026-Jan, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70872
PMID:41574426
|
研究论文 | 本研究结合衰减全反射傅里叶变换红外光谱和新型残差复合卷积神经网络，用于红葡萄酒的地理来源鉴别 | 提出了一种新型的残差复合卷积神经网络模型，并集成了竞争性自适应重加权采样和决策树池化等先进的预处理与特征优化技术 | 模型性能对酒精和糖含量的变化较为敏感，尽管在典型范围内变化时影响有限 | 解决红葡萄酒地理来源认证的关键挑战 | 来自中国新疆和河北地区的红葡萄酒样本 | 机器学习 | NA | 衰减全反射傅里叶变换红外光谱 | CNN | 光谱数据 | 200个红葡萄酒样本 | NA | Res-MCNN | 准确率, 灵敏度, 特异性, AUC | NA |
| 1629 | 2026-01-24 |
Advanced Imaging Techniques for the Detection and Follow-up of Brain Metastases
2026 Jan-Feb 01, Cancer journal (Sudbury, Mass.)
DOI:10.1097/PPO.0000000000000805
PMID:41574989
|
综述 | 本文综述了脑转移瘤检测与随访中先进成像技术（如高级MRI和PET）及人工智能模型的应用与局限性 | 总结了高级MRI技术（如灌注MRI、扩散加权MRI、MR光谱学和CEST）及氨基酸示踪剂PET在区分治疗相关效应与肿瘤进展中的高诊断准确性，并探讨了人工智能模型（包括放射组学和深度学习方法）在提升诊断性能和简化工作流程方面的潜力 | 人工智能模型的临床效用受到研究间异质性大、缺乏标准化以及大规模外部验证不足的限制 | 综述脑转移瘤诊断和反应评估中先进成像技术的最新文献 | 脑转移瘤患者 | 数字病理学 | 脑转移瘤 | 对比增强MRI、灌注MRI、扩散加权MRI、MR光谱学、化学交换饱和转移（CEST）、PET（使用氨基酸示踪剂） | 深度学习 | 图像 | NA | NA | NA | 诊断准确性 | NA |
| 1630 | 2026-01-23 |
The role of fibration symmetries in geometric deep learning
2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2416552123
PMID:41564124
|
研究论文 | 本文提出将几何深度学习（GDL）扩展至局部对称性，特别是纤维化对称性，以增强图神经网络（GNNs）的表达能力和计算效率 | 放松GDL限制，引入局部对称性（纤维化对称性），推导出GNNs表达能力的更紧上界，并通过识别网络对称性压缩节点以提高计算效率 | 当前GDL公式仅限于全局对称性，新方法虽扩展至局部对称性，但实际应用效果需进一步验证 | 扩展几何深度学习框架，引入局部对称性以改进图神经网络的表达能力和效率 | 图神经网络（GNNs）、几何深度学习（GDL）框架 | 机器学习 | NA | NA | GNN | 图数据 | NA | NA | NA | NA | NA |
| 1631 | 2026-01-23 |
[Precision surgical treatment for middle and low rectal cancer in the era of artificial intelligence]
2026-Jan-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery
|
综述 | 本文探讨了人工智能技术在结直肠癌诊疗中的应用，特别是在中低位直肠癌精准手术治疗中的作用 | 通过深度学习算法分析CT和MRI等影像数据，为手术规划提供定量支持，并结合增强现实技术实现术中实时肿瘤定位和解剖平面可视化 | NA | 推动中低位直肠癌手术治疗向个体化和精准化范式发展 | 中低位直肠癌患者 | 数字病理 | 结直肠癌 | 深度学习, 增强现实 | 深度学习模型 | 影像数据 | NA | NA | NA | NA | NA |
| 1632 | 2026-01-23 |
[Artificial intelligence prediction of surgical difficulty in mid-low rectal cancer: a single-center cohort study]
2026-Jan-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery
|
研究论文 | 本研究利用深度学习技术处理和分析中低位直肠癌患者的直肠MRI图像，并结合临床基线信息，构建了一个全自动端到端的预测模型，旨在辅助结直肠外科医生术前评估手术难度并选择最佳手术方案 | 首次提出一个结合直肠MRI图像和临床数据的全自动端到端人工智能模型，用于预测中低位直肠癌的手术难度 | 研究为单中心队列研究，可能存在选择偏倚；样本量相对有限（366例患者）；模型性能（如特异性0.521）仍有提升空间 | 开发一个能够预测中低位直肠癌手术难度的人工智能模型，以辅助术前规划和手术方案选择 | 接受腹腔镜全直肠系膜切除术（TME）的中低位直肠癌患者 | 数字病理学 | 直肠癌 | 深度学习，直肠MRI图像分析 | 深度学习模型 | 图像（直肠MRI DICOM图像），临床基线数据 | 366例患者（253例男性，113例女性），其中训练集和测试集划分未明确说明 | NA | NA | 准确率, 精确率, 特异性, 召回率, F1分数, AUC | NA |
| 1633 | 2026-01-23 |
Refined query network (RQNet) for precise MRI segmentation and robust TED activity assessment
2026-Jan-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae3101
PMID:41442780
|
研究论文 | 本文提出了一种名为RQNet的高效深度学习框架，用于精确分割眼眶MRI图像并评估甲状腺眼病活动性 | 引入了新颖的Refined Query Transformer Block，通过池化细化查询将注意力复杂度从O(N²)降低到O(N·M)，并整合多序列MRI特征进行放射组学分析 | 未明确说明数据集的样本来源多样性或外部验证结果 | 开发一个深度学习框架，用于精确分割眼眶MRI图像并评估甲状腺眼病活动性，以支持临床决策 | 甲状腺眼病患者的多序列MRI图像 | 计算机视觉 | 甲状腺眼病 | 多序列磁共振成像 | CNN, Transformer | 三维MRI图像 | NA | NA | U-Net, Transformer | Dice相似系数, 曲线下面积 | NA |
| 1634 | 2026-01-23 |
Exploring the Mutarotation Mechanism of Glucose in Solution Using Deep Learning Potential
2026-Jan-22, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c07574
PMID:41501613
|
研究论文 | 本研究利用深度学习势能分子动力学模拟探索了葡萄糖在水溶液中的变旋机制 | 采用深度学习势能分子动力学模拟，相比传统方法提供了更准确且统计收敛的反应路径描述，首次明确揭示了葡萄糖变旋优先通过开环路径进行 | 研究主要基于模拟结果，缺乏直接的实验验证证据 | 阐明葡萄糖在水溶液中的变旋机制，区分两种可能路径 | 葡萄糖分子在水溶液中的变旋过程 | 机器学习 | NA | 深度学习势能分子动力学模拟 | 深度学习势能模型 | 分子动力学模拟数据 | NA | NA | NA | NA | NA |
| 1635 | 2026-01-23 |
Breaking the performance barrier in deep learning-based SSVEP-BCIs: a joint frequency-phase training strategy
2026-Jan-22, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae36f6
PMID:41525762
|
研究论文 | 本文提出了一种联合频率-相位训练策略（JFPTS），以提升基于深度学习的稳态视觉诱发电位（SSVEP）脑机接口的分类性能 | 通过结合频率先验驱动采样和锁相采样两阶段策略，首次在深度学习训练中同时利用SSVEP信号的频率和相位特性，突破了现有方法仅关注单一特征的局限 | 未明确讨论策略在不同噪声环境或个体差异下的鲁棒性，也未涉及实时应用中的计算效率问题 | 提高SSVEP信号在脑机接口中的分类准确率，推动深度学习在该领域的应用 | 稳态视觉诱发电位（SSVEP）信号 | 机器学习 | NA | 脑电图（EEG） | 深度学习模型 | 时间序列信号 | 基于两个公开数据集 | NA | NA | 分类准确率 | NA |
| 1636 | 2026-01-23 |
MMoGCN: a multi-gate mixture of graph convolutional network model for EEG emotion and mood disorder recognition
2026-Jan-22, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae37dc
PMID:41529398
|
研究论文 | 本文提出了一种名为MMoGCN的多门混合图卷积网络模型，用于基于脑电图的情绪和心境障碍联合识别 | 设计了一个多任务学习框架，通过多门共享专家模块和自适应任务特定塔，有效提取脑电图数据中情绪和心境障碍的共享特征，并动态调整任务贡献 | 模型在自收集数据集和公开DEAP数据集上进行了评估，但可能在其他脑电图数据集或更广泛的人群中泛化能力有待进一步验证 | 开发一个基于脑电图的深度学习框架，用于情绪和心境障碍的联合识别，以探索两者之间的内在关系 | 脑电图信号，用于识别情绪状态和心境障碍 | 机器学习 | 心境障碍 | 脑电图 | 图卷积网络 | 脑电图信号 | 自收集数据集和公开DEAP数据集 | NA | MMoGCN | NA | NA |
| 1637 | 2026-01-23 |
Machine learning-enabled quantification of hepatocellular necrosis in the liver after lethal Marburg and Ebola virus exposures
2026-Jan-22, The Journal of infectious diseases
IF:5.0Q1
DOI:10.1093/infdis/jiag040
PMID:41566943
|
研究论文 | 本研究利用深度学习模型对致死性马尔堡病毒和埃博拉病毒暴露后恒河猴肝脏的坏死区域进行像素级定量分析 | 首次将深度学习模型应用于丝状病毒暴露后肝脏坏死的高分辨率组织病理学定量分析，实现了与三位病理学家相当的观察者间一致性 | 研究仅使用恒河猴模型，结果向人类临床转化的有效性尚需验证；样本量相对有限 | 开发并验证一种基于深度学习的自动化方法，用于定量分析丝状病毒感染后肝脏坏死的程度和分布模式 | 暴露于马尔堡病毒（MARV）和两种埃博拉病毒变体（Makona和Kikwit）的致死性恒河猴模型的肝脏组织 | 数字病理学 | 病毒性出血热（丝状病毒感染） | 组织病理学切片数字化，深度学习图像分割 | 深度学习模型 | 图像（数字化肝脏病理切片） | 暴露于三种不同丝状病毒（MARV, EBOV-Makona, EBOV-Kikwit）的致死性恒河猴模型肝脏切片 | NA | NA | 观察者间变异性（与三位病理学家比较），统计显著性（f值，p值），相关性分析 | NA |
| 1638 | 2026-01-23 |
Effective lung nodule segmentation and classification by employing a SPPUNet model and global context attention-based InceptionV3
2026-Jan-22, Informatics for health & social care
IF:2.5Q3
DOI:10.1080/17538157.2025.2611342
PMID:41568943
|
研究论文 | 本研究提出了一种结合SPPUNet分割模型和GCAINCPV3分类模型的混合预训练架构，用于肺结节的自动分割与分类，旨在提高肺癌诊断的准确性 | 采用SPPUNet进行肺区域分割，并结合全局上下文注意力机制的InceptionV3（GCAINCPV3）进行分类，通过数据预处理和增强策略解决了医学图像数据稀缺和类别不平衡问题 | 研究依赖于公开数据集LUNA16，可能无法完全代表临床实际场景；模型在更广泛或多样化数据上的泛化能力未充分验证 | 开发一个自动化的肺结节分割与分类系统，以辅助肺癌的早期检测和临床决策 | 肺CT图像中的结节区域 | 计算机视觉 | 肺癌 | CT成像 | CNN | 图像 | 来自LUNA16数据集的CT肺部图像 | NA | SPPUNet, InceptionV3 | 准确率 | NA |
| 1639 | 2026-01-23 |
Artificial intelligence-enabled pediatric radiology in low-resource settings: addressing resource constraints in the African healthcare system
2026-Jan-22, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06504-y
PMID:41569331
|
综述 | 本文探讨了人工智能在非洲资源有限医疗系统中应用于儿科放射学的挑战与机遇 | 聚焦于非洲资源受限环境，系统分析了AI在儿科放射学应用中的具体障碍，并提出了针对性的解决方案框架 | 本文为综述性文章，未提供具体的实证研究数据或模型性能验证 | 分析AI在资源有限地区（特别是非洲）儿科放射学应用中面临的挑战，并提出可行的解决路径 | 非洲资源受限医疗系统中的儿科放射学服务 | 医学影像分析 | 儿科疾病 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | 高性能计算机、大内存容量 |
| 1640 | 2026-01-23 |
Deep learning-accelerated 3D flair for white matter lesion detection in multiple sclerosis: a feasibility study
2026-Jan-22, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03889-3
PMID:41569417
|
研究论文 | 本研究比较了基于深度学习的图像重建（DLBIR）3D FLAIR与传统3D FLAIR在多发性硬化（MS）患者白质病变检测中的图像质量和诊断性能 | 首次将DLBIR技术应用于3D FLAIR序列，显著加速MRI采集（减少32%时间）并提高小病变（<3 mm）的检测敏感性和图像质量 | 样本量较小（26名患者），且需要在更大、更多样化的队列中进行进一步验证 | 评估DLBIR加速的3D FLAIR序列在多发性硬化患者白质病变检测中的可行性和图像质量 | 多发性硬化（MS）患者 | 医学影像分析 | 多发性硬化 | MRI（3D FLAIR序列），深度学习图像重建（DLBIR） | 深度学习模型（具体类型未指定） | 3D MRI图像 | 26名多发性硬化患者 | NA | NA | 敏感性，精确度，表观信噪比（aSNR），表观对比噪声比（aCNR），病变显着性评分，诊断置信度评分 | 3T MRI扫描仪 |