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 3314 篇文献，本页显示第 2321 - 2340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2321 | 2026-01-19 |
Automated detection of chewing movements in videofluoroscopic swallowing studies using deep learning for landmark detection and motion analysis
2026-Jan-01, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111361
PMID:41330067
|
研究论文 | 本研究提出首个全自动分析视频荧光吞咽研究中咀嚼相关下颌运动的流程 | 首次开发了用于视频荧光吞咽研究中咀嚼运动自动检测的全流程系统，整合了关键解剖点检测、视频分割和运动分类三个模块 | 未明确提及具体的数据集规模限制或算法在特定人群中的泛化性能 | 开发自动化工具以评估咀嚼功能，并支持将咀嚼分析整合到标准临床协议中 | 健康参与者和吞咽困难患者的视频荧光吞咽研究数据 | 计算机视觉 | 吞咽障碍 | 视频荧光吞咽研究 | 深度学习 | 视频 | 来自多项临床研究的数据集，包含健康参与者和吞咽困难患者 | NA | NA | NA | NA |
| 2322 | 2026-01-19 |
Clinical decisions in Orthodontics using x-ray-based images and artificial intelligence approaches: a scoping review
2026, Dental press journal of orthodontics
|
综述 | 本文是一篇范围综述，探讨了基于X射线图像和人工智能方法在正畸临床决策中的应用 | 系统性地回顾了AI在正畸诊断和治疗规划中的应用，特别是聚焦于X射线成像，并识别了AI在颞下颌关节骨关节炎、骨骼成熟度分类、阻塞性睡眠呼吸暂停和正颌手术需求等关键领域的最佳应用 | 仅纳入了截至2021年10月的英文文献，可能遗漏了最新研究或非英语文献 | 审查AI模型何时能增强正畸诊断和治疗规划中的临床决策过程 | 正畸领域的临床决策，特别是基于X射线图像的诊断和治疗规划 | 计算机视觉 | 正畸相关疾病 | X射线成像 | 深度学习 | X射线图像 | NA | NA | NA | NA | NA |
| 2323 | 2026-01-19 |
Automated Learning of a Dense Manifold of Electronic States and Electronic Energy Transfer and Reactions in Singlet O Collisions with N2
2026, Research (Washington, D.C.)
DOI:10.34133/research.0992
PMID:41541569
|
研究论文 | 本文提出了一种深度学习框架，用于自动发现和拟合单线态氧原子与氮分子碰撞的兼容势能矩阵，并开发了新的动力学方法以计算电子非绝热截面 | 应用深度神经网络自动学习密集电子态流形，并提出了渐近扩展的κCSDM半经典动力学方法，解决了相互作用原子-双原子系统与完全分离终态之间对称性冲突的问题 | NA | 模拟极端条件下的电子能量转移，涉及化学、物理和航空航天工程领域 | 单线态氧原子与氮分子的碰撞系统 | 机器学习 | NA | 深度神经网络，半经典动力学方法 | 深度神经网络 | 势能矩阵，势能面梯度 | NA | NA | NA | NA | NA |
| 2324 | 2026-01-19 |
Differentiating cytology of pancreatic ductal adenocarcinoma and pancreatic neuroendocrine tumors by EUS-FNA through hyperspectral imaging technology combined with artificial intelligence
2026, Therapeutic advances in gastroenterology
IF:3.9Q1
DOI:10.1177/17562848251414188
PMID:41541641
|
研究论文 | 本研究开发了一种基于高光谱成像技术和卷积神经网络的模型，用于辅助诊断胰腺导管腺癌和胰腺神经内分泌肿瘤的液基细胞学标本 | 结合高光谱成像技术捕获传统成像无法获取的光谱特征，并利用改进的ResNet18模型进行分析，通过属性引导因子可视化技术解释模型决策过程 | 样本量相对较小（59名患者），模型性能需在更大规模数据集中进一步验证 | 开发人工智能辅助诊断工具，以准确区分胰腺导管腺癌和胰腺神经内分泌肿瘤 | 通过内镜超声引导细针穿刺获取的胰腺导管腺癌和胰腺神经内分泌肿瘤液基细胞学标本 | 数字病理学 | 胰腺癌 | 高光谱成像, 内镜超声引导细针穿刺, 液基细胞学 | CNN | 高光谱图像 | 59名患者，共2014张高光谱图像 | NA | 改进的ResNet18 | 灵敏度, 特异度, 准确率, AUC | NA |
| 2325 | 2026-01-18 |
Dengue fever prediction based on meteorological features and deep learning models
2026-Jun, Infectious Disease Modelling
IF:3.0Q1
DOI:10.1016/j.idm.2025.12.010
PMID:41536441
|
研究论文 | 本文提出了一种基于多维气象特征和深度学习模型的登革热预测方法，利用时间序列生成对抗网络扩展数据集，并通过信号分解、特征提取和融合技术提高预测性能 | 结合TimeGAN进行数据增强，采用SGMD和样本熵进行气象序列分解与重构，并引入双向时间卷积网络与注意力机制的BiLSTM进行特征融合与预测 | 研究仅基于中国广东省的数据，可能无法直接推广到其他地理或气候区域，且未详细讨论模型在不同季节或极端天气条件下的鲁棒性 | 提高登革热流行病趋势的预测准确性，以支持公共卫生决策 | 登革热病例数据与多维气象特征（如温度、湿度、降水） | 机器学习 | 登革热 | 时间序列生成对抗网络（TimeGAN）、辛几何模态分解（SGMD）、样本熵（SE） | GAN, BiTCN, BiLSTM | 时间序列数据 | 基于中国广东省的登革热病例数据，具体样本数量未明确说明 | NA | TimeGAN, BiTCN, BiLSTM with attention module | 平均绝对误差（MAE）, 平均绝对百分比误差（MAPE） | NA |
| 2326 | 2026-01-18 |
Deep learning assisted PfAgo-programmable genetic circuit for ultrasensitive visual detection of foodborne pathogen in one-tube
2026-Mar-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.118296
PMID:41418735
|
研究论文 | 本研究开发了一种基于深度学习辅助的PfAgo可编程遗传电路，用于超灵敏可视化检测食源性病原体 | 将PfAgo双探针可编程遗传电路与超快V形PCR结合，实现单管操作并显著提高灵敏度；开发深度学习荧光图像识别技术进行批量结果处理 | 未明确说明方法对其他类型病原体的适用性验证范围 | 开发快速、灵敏的食源性病原体检测方法 | 食源性病原体 | 数字病理学 | 食源性疾病 | PfAgo（激烈火球菌Argonaute）技术、V形PCR、荧光成像 | 深度学习模型 | 荧光图像 | NA | NA | NA | 灵敏度（1 CFU/mL）、检测时间（缩短至1/3）、荧光信号增强（超过200%） | NA |
| 2327 | 2026-01-18 |
Graph attention network with comorbidity connectivity embedding for post-traumatic epilepsy risk prediction using sparse time-series electronic health records
2026-Mar-15, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106239
PMID:41478164
|
研究论文 | 本文提出了一种基于图注意力网络的方法，利用稀疏时间序列电子健康记录预测创伤后癫痫风险 | 采用异构图注意力网络整合患者人口统计学数据和共病连通性，有效捕捉电子健康记录中的复杂依赖关系 | 模型性能可能受电子健康记录数据稀疏性和质量的影响，且仅基于特定数据库，泛化能力需进一步验证 | 提高创伤后癫痫风险的预测准确性，以支持个性化风险评估和主动管理 | 创伤性脑损伤患者，包括仅患创伤性脑损伤的患者和创伤后发展为癫痫的患者 | 机器学习 | 癫痫 | 电子健康记录分析 | 图注意力网络 | 时间序列电子健康记录 | 1,598,998名仅患创伤性脑损伤的患者和102,687名创伤后发展为癫痫的患者 | PyTorch | 异构图注意力网络 | 灵敏度, 特异度, 宏观F1分数, AUC-ROC | NA |
| 2328 | 2026-01-18 |
Machine learning in stroke and its sequelae: a narrative review of clinical applications and emerging trends
2026-Mar-15, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106245
PMID:41478163
|
综述 | 本文综述了机器学习在脑卒中及其后遗症中的临床应用和新兴趋势 | 系统总结了机器学习在脑卒中从急性影像诊断到长期后遗症预后及康复的六个核心领域的应用，并指出了多模态数据整合和模型可解释性的发展趋势 | NA | 综述机器学习在脑卒中及其后遗症临床管理中的应用 | 脑卒中患者及其后遗症 | 机器学习 | 脑卒中 | NA | 深度学习 | 图像, 传感器数据 | NA | NA | NA | NA | NA |
| 2329 | 2026-01-18 |
A multi-branch ConvNeXt-MaxViT fusion transformer model for radiographic knee osteoarthritis severity assessment with Grad-CAM++ explainability
2026-Mar, Journal of orthopaedics
IF:1.5Q3
DOI:10.1016/j.jor.2025.12.040
PMID:41541300
|
研究论文 | 本研究提出了一种融合ConvNeXt和MaxViT的双分支Transformer模型，用于膝关节骨关节炎的X光片严重程度评估，并利用Grad-CAM++增强模型可解释性 | 提出了一种结合ConvNeXt-Tiny局部特征提取和MaxViT-Tiny全局上下文建模的双分支融合架构，并采用中期融合和晚期融合策略来增强判别性表示 | 未整合多模态成像（如MRI），未纳入纵向进展建模，且需在真实临床环境中进一步验证 | 开发一个可解释的深度学习模型，准确分类膝关节骨关节炎的严重程度（KL-0至KL-4），以增强临床决策支持的透明度 | 膝关节骨关节炎的X光影像 | 计算机视觉 | 骨关节炎 | X光成像 | CNN, Transformer | 图像 | NA | NA | ConvNeXt-Tiny, MaxViT-Tiny | 准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵, ROC曲线 | NA |
| 2330 | 2026-01-18 |
Low-cost and dense fog-adapted monitoring for fermentation quality evaluation of black tea
2026-Feb-28, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.118188
PMID:41539772
|
研究论文 | 本研究提出了一种基于计算机视觉和深度学习的新方法，用于在浓雾环境中对红茶发酵质量进行低成本、原位、非破坏性监测 | 提出了一种新的发酵程度指标，并开发了适用于高湿度环境的计算机视觉系统，结合Cycle-Dehaze深度学习模型进行去雾处理，实现了红茶发酵质量的准确预测和可视化 | 研究仅针对红茶发酵过程，未涉及其他茶类或发酵食品，且模型在极端雾浓度下的性能可能受限 | 开发一种低成本、原位、非破坏性的红茶发酵质量监测方法 | 红茶发酵过程 | 计算机视觉 | NA | 计算机视觉，深度学习 | Cycle-Dehaze，回归模型 | 图像 | 两个批次的样本，包括验证批次 | NA | Cycle-Dehaze | 残差预测偏差 | NA |
| 2331 | 2026-01-18 |
Artificial Intelligence Enhances Diagnostic Accuracy of Contrast Enemas in Hirschsprung Disease Compared to Clinical Experts
2026-Feb, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie
IF:1.5Q3
DOI:10.1055/a-2646-2052
PMID:40592491
|
研究论文 | 本研究评估了深度学习神经网络在对比灌肠图像诊断先天性巨结肠症中的性能，并与儿科外科医生和放射科医生的诊断准确性进行比较 | 首次将深度学习模型应用于对比灌肠图像分析，并探索了结合临床数据对模型性能的提升，同时通过多数投票机制创建了“超级外科医生”和“超级放射科医生”作为专家基准 | 研究为回顾性设计，样本量相对有限（测试集仅218张图像），且仅针对15岁以下患者，可能限制了结果的普适性 | 评估人工智能在辅助诊断先天性巨结肠症对比灌肠图像中的准确性和临床实用性 | 先天性巨结肠症患者的对比灌肠图像 | 计算机视觉 | 先天性巨结肠症 | 对比灌肠成像 | 深度神经网络 | 医学图像 | 1,471张对比灌肠图像（其中218张用于测试） | NA | 深度神经网络 | AUC-ROC, 敏感性, 特异性, 阴性预测值, Cohen's kappa, Fleiss' kappa | NA |
| 2332 | 2026-01-18 |
Deep Learning Reconstruction for T2 Weighted Turbo-Spin-Echo Imaging of the Pelvis: Prospective Comparison With Standard T2-Weighted TSE Imaging With Respect to Image Quality, Lesion Depiction, and Acquisition Time
2026-Feb, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371251357790
PMID:40755270
|
研究论文 | 本研究前瞻性比较了深度学习重建的T2加权涡轮自旋回波成像与标准T2加权TSE成像在盆腔MRI中的图像质量、病灶描绘和采集时间 | 首次在盆腔MRI中对深度学习重建的TSE序列进行全面评估，证明其能在减少约50%扫描时间的同时，提供同等或更优的图像质量 | 样本量相对较小（55名受试者），且未详细说明深度学习模型的具体架构和训练细节 | 比较深度学习重建的TSE序列与常规TSE序列在盆腔MRI中的性能，以评估其在加速扫描同时保持图像质量的潜力 | 55名受试者（33名女性，22名男性）的盆腔MRI图像 | 医学影像分析 | 盆腔疾病 | T2加权涡轮自旋回波成像，深度学习重建 | 深度学习模型 | MRI图像 | 55名受试者 | NA | NA | 图像质量评估（边缘定义、血管边缘锐度、T2对比动态范围、伪影、整体图像质量、病灶特征），对比度比 | NA |
| 2333 | 2026-01-18 |
Application of Convolutional Neural Network Image Analysis and Machine Learning to Basic Blood Tests for Intelligent Diagnostic Assistance
2026-Feb, International journal of laboratory hematology
IF:2.2Q3
DOI:10.1111/ijlh.14550
PMID:40932175
|
研究论文 | 本研究开发了一种基于卷积神经网络和机器学习的自动化外周血细胞形态图像识别深度学习系统，并结合全血细胞计数数据构建了智能诊断辅助系统，以评估其在常规检查中的临床性能 | 结合了外周血细胞形态图像识别深度学习系统与全血细胞计数数据，构建了智能诊断辅助系统，用于自动分类14种血细胞类型和识别24种形态特征，并在骨髓增生异常综合征等疾病诊断中表现出高准确性 | 研究未明确提及外部验证数据集或跨机构验证结果，可能限制了模型的泛化能力评估 | 评估自动化形态图像识别深度学习系统及结合全血细胞计数数据的诊断辅助系统在常规血液检查中的临床性能 | 健康受试者及急性淋巴细胞白血病、急性髓系白血病、恶性淋巴瘤、骨髓增殖性肿瘤、骨髓增生异常综合征患者的血涂片图像 | 计算机视觉 | 血液系统疾病 | 外周血细胞形态学分析 | CNN | 图像 | 1,476,727张血细胞图像用于训练，128,716张图像（来自589张血涂片）用于评估 | NA | NA | 准确率, AUC | NA |
| 2334 | 2026-01-18 |
Editorial for: "Accelerating 2D Kidney Magnetic Resonance Fingerprinting Using Deep Learning Based Tissue Quantification"
2026-Feb, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70151
PMID:41103194
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2335 | 2026-01-18 |
Deep learning-based automatic adenoid segmentation and a novel volume-based index for adenoid hypertrophy assessment
2026-Jan-17, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07675-2
PMID:41545817
|
研究论文 | 本研究开发了一种基于深度学习的自动腺样体分割方法，并提出了一个新的三维腺样体-鼻咽比率（3D-AN）用于评估腺样体肥大 | 首次利用深度学习从CBCT扫描中自动分割腺样体，并引入基于体积比的三维腺样体-鼻咽比率（3D-AN）作为评估鼻咽气道阻塞的新定量指标 | 研究为回顾性设计，样本量有限，且3D-AN与儿童OSA的相关性仅在初步分析中展示，需要进一步验证 | 开发一种自动、准确的腺样体分割方法，并建立一个新的定量指标来评估腺样体肥大引起的鼻咽气道阻塞 | 儿童阻塞性睡眠呼吸暂停（OSA）患者 | 数字病理学 | 儿童阻塞性睡眠呼吸暂停 | 锥形束计算机断层扫描（CBCT） | 深度学习 | 医学影像（CBCT扫描） | 数据集1：63名儿童OSA患者的126次CBCT扫描（腺样体切除术前和术后）；数据集2：26名儿童OSA患者的术后CBCT扫描；数据集3：161名同时进行多导睡眠图和CBCT检查的儿童患者 | PyTorch | SegResNet | Dice相似系数, 相对体积误差 | NA |
| 2336 | 2026-01-18 |
Recognition of Normal Fetal Echocardiograms Based on an Explainable Denoising Deep Learning Model
2026-Jan-17, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70183
PMID:41546466
|
研究论文 | 本研究提出了一种基于可解释去噪深度学习模型GSCAViT，用于分类正常胎儿超声心动图 | 提出了新颖的去噪引导GSCA模块，结合Vision Transformer架构，提升了图像质量和模型可解释性 | 研究为回顾性研究，样本量相对有限（358例检查），未在外部验证集上广泛测试 | 评估GSCAViT模型在分类正常胎儿超声心动图方面的性能 | 胎儿心脏超声检查图像 | 计算机视觉 | 心血管疾病 | 超声心动图 | Vision Transformer | 图像 | 358例胎儿心脏超声检查，共2501张图像 | NA | GSCAViT (Grouped Shared Convolutional Attention Vision Transformer) | 准确率, 精确率, 召回率, F1分数, 对比噪声比, 峰值信噪比 | NA |
| 2337 | 2026-01-18 |
Bathymetry of the Philippine sea with convolution neural network from multisource marine geodetic data
2026-Jan-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.114285
PMID:41541674
|
研究论文 | 本研究开发了一种基于深度学习的菲律宾海高分辨率水深预测方法，旨在利用多源海洋大地测量数据提高海底深度估计的准确性 | 通过整合多种辅助特征（如重力异常、海底坡度等）并采用卷积神经网络，显著提升了水深预测的精度，展示了深度学习在大规模、低成本海底测绘中的潜力 | NA | 提高菲律宾海高分辨率水深预测的准确性 | 菲律宾海的海底深度 | 计算机视觉 | NA | 多源海洋大地测量数据整合 | CNN | 地理坐标与多源地球物理数据 | 基于8×8弧分区域提取的训练点数据 | NA | 卷积神经网络 | 预测精度 | NA |
| 2338 | 2026-01-18 |
Fabrication of NbC/GaN Nanofilm Sensor via Photolithography and its Investigation as a Sensor for Trimethylamine Mixed Gas Detection Using Dual-Feature Extraction and Deep Learning
2026-Jan-16, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02507
PMID:41543399
|
研究论文 | 本研究通过光刻技术制备了NbC/GaN纳米薄膜传感器，结合双特征提取与深度学习算法，实现了对三甲胺混合气体的高精度检测 | 创新性地采用光刻技术优化NbC纳米薄膜的均匀性与厚度，并首次结合KPCA与多项式特征工程的双特征提取方法，提升传感器阵列数据分析能力 | 未明确说明传感器对其他干扰气体的交叉敏感性测试，且深度学习模型在更复杂气体环境中的泛化能力有待进一步验证 | 开发用于混合气体检测的高性能纳米薄膜传感器系统 | 三甲胺（TMA）混合气体 | 传感器技术 | NA | 光刻与蚀刻技术 | 深度学习 | 传感器阵列数据 | NA | NA | NA | 准确率 | NA |
| 2339 | 2026-01-18 |
Order-Aware Deep Learning for Drug Combination Benefit Prediction in Cancer Cell Lines
2026-Jan-16, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3650933
PMID:41543946
|
研究论文 | 本文提出了一种名为OrderCombo的新型顺序感知深度学习模型，用于预测癌症细胞系中药物的组合效益 | 提出了一种新颖的顺序感知深度学习模型，通过结合预训练的化学语言模型、组学导向的线性网络和混合编码器来提取药物和细胞系表征，并设计了顺序对比损失来促进判别性嵌入空间并保持类别顺序性 | NA | 加速治疗性药物组合的发现，预测癌症细胞系中药物的组合效益 | 药物组合和癌症细胞系 | 机器学习 | 癌症 | NA | 深度学习 | 化学数据、组学数据 | 大规模组合效益数据集 | NA | 混合编码器（结合基于连接和基于注意力的交互） | 预测准确率 | NA |
| 2340 | 2026-01-18 |
Highly Undersampled MRI Reconstruction via a Single Posterior Sampling of Diffusion Models
2026-Jan-16, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3654585
PMID:41543953
|
研究论文 | 提出一种基于单步扩散模型的快速MRI重建框架SSDM-MRI，用于从高度欠采样的k空间数据中恢复图像 | 通过迭代选择性蒸馏算法和捷径反向采样策略，将扩散模型蒸馏为单步推理模型，显著缩短了重建时间 | 未明确说明模型在更广泛数据集或更高加速因子下的泛化能力 | 解决高加速因子下MRI图像重建质量下降和扩散模型推理时间长的问题 | MRI图像 | 医学影像重建 | NA | 扩散模型 | 条件扩散模型 | MRI图像 | 公开fastMRI脑部和膝盖图像数据集，以及内部多回波GRE（QSM）受试者数据 | NA | U-net | PSNR, SSIM | NA |