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 850 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2026-01-05 |
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，用于对地静止卫星红外亮度温度进行确定性临近预报 | 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临近预报，相比传统外推和深度学习基线模型，在预测精度和结构保真度方面均有显著提升 | 模型在超过2小时预报时效后优势有所减弱，尽管增益仍然明显 | 开发一种更准确、结构更保真的卫星红外亮度温度临近预报方法 | 对地静止卫星观测的红外亮度温度数据 | 计算机视觉 | NA | 卫星红外观测 | 扩散模型, 3D U-Net | 图像序列 | 使用SEVIRI观测数据，并在2022年7月至9月的独立测试集上进行评估 | NA | 3D U-Net | SSIM, CRPS, MAE, 相关性 | NA |
| 382 | 2026-01-05 |
Classification of pulmonary diseases using machine learning and deep learning models on GLI-2012 standardized spirometry features
2026-Jan-03, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03335-7
PMID:41484760
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 383 | 2026-01-05 |
Molecular and multimodal biomarkers in Moyamoya disease: from pathogenic mechanisms to clinical translation
2026-Jan-03, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03769-9
PMID:41484923
|
综述 | 本文综述了烟雾病分子和多模态生物标志物的研究进展，涵盖从致病机制到临床转化的各个方面 | 系统整合了基因组学、蛋白质组学、代谢组学、非编码RNA、外泌体生物标志物以及人工智能增强的神经影像学标志物，并提出了超越单组学范式的多维整合框架 | 当前临床可用的生物标志物仍然有限，缺乏足够的敏感性和特异性来预测疾病发作、进展或治疗反应 | 总结烟雾病生物标志物的最新研究进展，并探讨其向临床精准诊断和个体化治疗转化的路径 | 烟雾病 | 数字病理学 | 烟雾病 | 基因组学, 转录组学, 蛋白质组学, 代谢组学, 神经影像学 | 深度学习 | 影像数据, 分子数据 | NA | NA | NA | 诊断准确率 | NA |
| 384 | 2026-01-05 |
Diagnostic accuracy of deep learning using ultra-widefield fundus imaging for retinal detachment: a systematic review and meta-analysis
2026-Jan-03, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04605-8
PMID:41485001
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 385 | 2026-01-05 |
Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation
2026-Jan-02, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw7768
PMID:41477839
|
研究论文 | 本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础 | 首次开发了深度学习框架DeepGRP来量化视网膜色素沉着，并发现了26个新的遗传位点，揭示了视网膜色素上皮和光感受器细胞的关键作用，以及欧洲人群中的多基因适应证据 | 研究主要基于欧洲人群，可能限制了结果的普适性；深度学习模型的泛化能力未在多样化人群中充分验证 | 探究人类视网膜色素沉着的遗传结构和进化基础 | 人类视网膜色素沉着 | 计算机视觉 | NA | 全基因组关联研究（GWAS）、单核转座酶可及染色质测序（ATAC-seq）、RNA测序 | 深度学习 | 高分辨率眼底图像 | NA | NA | DeepGRP | NA | NA |
| 386 | 2026-01-05 |
Deep Laplacian Coordinates: End-to-end deeply guided anisotropic diffusion for COVID-19 pulmonary lesion segmentation
2026-Jan-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111431
PMID:41483693
|
研究论文 | 本文提出了一种名为Deep Laplacian Coordinates Neural Network (DLCNN)的新框架，用于分割COVID-19引起的肺部病变 | 整合了深度边界检测、各向异性扩散和种子驱动标记，结合了深度边界学习的表示能力和种子驱动各向异性扩散模型的泛化能力 | 未明确提及具体限制 | 解决COVID-19肺部病变在CT图像中准确分割的挑战 | COVID-19引起的肺部病变 | 计算机视觉 | COVID-19 | NA | CNN | 图像 | NA | NA | Deep Laplacian Coordinates Neural Network (DLCNN) | NA | NA |
| 387 | 2026-01-05 |
Coronary artery segmentation in non-contrast calcium scoring CT images using deep learning
2026-Jan-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111421
PMID:41483696
|
研究论文 | 本文提出了一种基于深度学习的算法，用于在多厂商ECG门控非对比心脏CT图像中分割冠状动脉 | 引入了一种新颖的半自动Ground Truth生成框架，通过图像配准提高数据生成效率，并提出了手动网格到图像配准方法用于测试集GT创建 | 非对比CT图像中冠状动脉等精细解剖结构可见性较差，现有方法存在高召回率但低精确度的问题 | 开发一种在非对比钙评分CT图像中精确分割冠状动脉的深度学习方法 | 多厂商ECG门控非对比心脏CT图像中的冠状动脉 | 计算机视觉 | 心血管疾病 | CT成像 | 深度学习模型 | 医学图像（CT扫描） | NA | AutoML | NA | Dice系数, clDice系数 | NA |
| 388 | 2026-01-05 |
A structure-process hydrological connectivity framework for estuarine wetland management: Case study of a typical Estuary in Northern China
2026-Jan-02, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.128477
PMID:41483761
|
研究论文 | 本文提出了一种适用于河口湿地管理的结构-过程水文连通性框架，并以中国北方典型河口为例进行了应用分析 | 开发了一种广泛适用的双结构-过程框架，首次将结构连通性（通过深度学习和多维地貌水文参数量化）与过程连通性（基于概率的“源-汇”模型评估）动态结合，揭示了二者在湿地恢复中的异步性 | 案例研究仅聚焦于中国北方辽河口，框架在其他地理和气候条件下的普适性有待进一步验证 | 建立一种综合评估河口湿地水文连通性的框架，以支持湿地生态系统的适应性管理 | 河口湿地生态系统，特别是潮汐河道网络的水文连通性 | 环境科学与生态学 | NA | 深度学习，多维地貌与水文参数分析，概率模型 | 深度学习模型 | 地理空间数据，水文数据 | 中国北方辽河口区域 | NA | NA | 结构连通性增加百分比（39%），过程连通性增加百分比（11.2%） | NA |
| 389 | 2026-01-05 |
Deep Learning for Ultrasound-Based Auxiliary Diagnosis of Emergency Ascites
2026-Jan-02, Ultrasound in medicine & biology
|
研究论文 | 本研究开发了一种基于Transformer的模型，用于自动化检测创伤超声重点评估（FAST）图像中的游离腹腔积液，并评估其在辅助非专业操作者中的可行性 | 首次将基于Transformer的模型应用于FAST图像的自动化游离腹腔积液检测，并整合了分割与分类模块，显著提升了非专业操作者的检测准确性 | 研究为回顾性设计，且外部验证仅来自单一医院，可能限制模型的泛化能力 | 开发并验证一个基于深度学习的自动化模型，以辅助FAST图像中游离腹腔积液的诊断 | FAST图像（包含游离腹腔积液的阳性图像和无积液的阴性图像） | 计算机视觉 | 急腹症/创伤 | 超声成像（FAST） | Transformer | 图像 | 内部数据集：1829张FAST阳性图像和303张FAST阴性图像；外部验证集：848张图像（424张阳性/424张阴性） | NA | Transformer | 交并比（IoU）, Dice系数, 像素准确率（PA）, 准确率, 灵敏度, 特异性, AUC | NA |
| 390 | 2026-01-05 |
Deep Learning Image Reconstruction Improves Image Quality in Dual-Low Dose Dual-Energy CT Portal Venography Compared to Adaptive Iterative Image Reconstruction Algorithm-Veo
2026-Jan-02, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.11.047
PMID:41484021
|
研究论文 | 本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建（ASIR-V）在双低剂量双能CT门静脉成像中的性能，发现DLIR在降低图像噪声和提高图像质量方面表现更优 | 首次在双低剂量（低对比剂和低辐射剂量）双能CT门静脉成像中系统评估DLIR与ASIR-V的图像质量，并证实DLIR-H在所有门静脉分段中均能显著提升图像质量 | 研究为单中心回顾性分析，样本量有限，且未评估DLIR在更广泛临床场景或不同患者群体中的泛化性能 | 比较DLIR与ASIR-V在双低剂量双能CT门静脉成像中的图像质量，以优化术前评估和术后监测 | 接受双能CT门静脉成像的患者 | 医学影像 | 肝脏疾病 | 双能CT门静脉成像，虚拟单能成像 | 深度学习图像重建 | CT图像 | 未明确指定患者数量，但提及与既往研究数据对比 | NA | NA | 图像噪声，对比噪声比，信噪比，主观评分（整体图像质量、图像噪声、血管边缘锐利度、诊断信心） | NA |
| 391 | 2026-01-05 |
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 | 本研究通过实验和深度学习驱动的优化方法，对XG3钢的激光束加工工艺进行了多目标优化和预测建模 | 结合遗传算法进行多目标优化，并开发了反向传播人工神经网络预测模型，其预测精度显著高于传统响应面方法 | 研究仅针对XG3钢和三种特定孔型几何形状，未涉及其他材料或更复杂的几何形状 | 优化激光束加工工艺参数，以改善XG3钢加工的表面粗糙度、加工时间、表面硬度和毛刺厚度 | XG3钢（一种用于航空航天和国防应用的高性能合金）的激光束加工 | 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，涉及三种孔型几何形状（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 |
| 392 | 2026-01-05 |
Deep vision-based framework for coastal flood prediction under sea level rise and shoreline protection
2026-Jan-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33803-z
PMID:41484208
|
研究论文 | 提出了一种基于深度视觉的框架，用于在低数据环境下训练高性能的深度学习替代模型，以预测海平面上升和海岸防护措施下的沿海洪水淹没深度 | 设计了一个在低数据设置下训练高性能深度学习替代模型的视觉框架，并开发了专门针对沿海洪水预测问题的轻量级CNN模型（CASPIAN），同时创建并开源了阿布扎比海岸的高分辨率合成洪水深度图数据集 | 模型训练仍依赖于一定数量的流体动力学模拟数据生成，且研究区域特定于阿布扎比海岸，模型在其他地理区域的泛化能力未经验证 | 开发高效准确的沿海洪水预测模型，以评估海平面上升和海岸防护措施（如海堤建设）下的洪水风险 | 阿布扎比整个海岸线在不同海岸防护情景和海平面上升0.5米条件下的洪水深度预测 | 计算机视觉 | NA | 深度学习，流体动力学模拟 | CNN, U-Net | 合成洪水深度图（图像数据） | NA | PyTorch | SWIN-Unet, Attention U-Net, CASPIAN（定制轻量级CNN） | 绝对误差（洪水水位预测误差），推理速度 | NA |
| 393 | 2026-01-05 |
Data security storage and transmission framework for AI computing power platforms
2026-Jan-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31786-5
PMID:41484422
|
研究论文 | 提出了一种面向AI计算平台的数据安全存储与传输框架Secure AI-DST，结合混合加密、区块链与深度学习技术以保障数据安全 | 提出结合改进Merkle树哈希与秘密椭圆曲线密码学的混合加密机制，并部署新型深度学习模型Att-BGR进行攻击分类，实现高精度入侵检测 | 研究未具体说明所使用合成与实时数据集的详细构成与规模，且实验环境为MATLAB仿真，未在真实生产环境中全面验证 | 解决AI计算平台中数据安全存储与传输的挑战，确保端到端数据保护、抵御网络威胁并支持可扩展部署 | AI计算平台中的数据安全存储与传输系统 | 机器学习 | NA | 混合加密机制、区块链技术、深度学习 | 注意力双向门控循环单元辅助残差网络 | 合成数据集、实时数据集 | NA | MATLAB | Att-BGR | 未授权访问尝试减少率、数据完整性准确率、数据包验证成功率、计算开销 | NA |
| 394 | 2026-01-05 |
Enhanced feature fusion with hand gesture recognition system for sign language accessibility to aid hearing and speech impaired individuals
2026-Jan-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34100-5
PMID:41484456
|
研究论文 | 本文提出了一种基于特征融合的手势识别模型，用于将手语转换为文本和语音，以帮助听力和言语障碍人士 | 结合ConvNeXt Base、VGG16和EfficientNet-V2进行特征融合，并采用龙卷风优化算法进行参数调优，以提高手势识别的准确性 | NA | 开发创新的深度学习手势识别模型，以增强听力和言语障碍人士的沟通可及性 | 听力和言语障碍人士 | 计算机视觉 | NA | NA | CNN, DBN | 图像 | NA | NA | ConvNeXt Base, VGG16, EfficientNet-V2, DBN | 准确率 | NA |
| 395 | 2026-01-05 |
A PRISMA-based systematic review on advances in identity recognition and authentication using human biometric signals (2018-2023)
2026-Jan-02, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01508-z
PMID:41485012
|
综述 | 本文基于PRISMA指南，系统回顾了2018年至2023年间利用生理生物特征信号（如ECG、EEG、PPG）进行身份识别与认证的研究进展 | 首次按照PRISMA 2020指南对2018-2023年间的生理生物特征认证研究进行系统综述，并比较了单模态与多模态系统的性能 | 纳入研究的结果因数据集和协议不同而存在差异，缺乏标准化评估基准，且现实世界适用性有待进一步验证 | 评估生理生物特征信号在身份认证与识别系统中的有效性和性能 | 2018年至2023年间发表的关于生理生物特征认证与识别的研究文献 | 机器学习 | NA | ECG, EEG, PPG信号处理 | 深度学习, 传统机器学习 | 生理信号数据 | 80篇最终纳入综述的文章（初始识别2064条记录） | NA | NA | 准确率 | NA |
| 396 | 2026-01-05 |
A CT-based deep learning approach to differentiate multiple primary lung cancers, metastases, and benign nodules
2026-Jan-02, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15501-1
PMID:41485033
|
研究论文 | 本研究开发并验证了一种基于CT的深度学习分类系统，用于区分多原发肺癌、肺内转移瘤和多发良性肺结节 | 首次比较了六种预训练架构（包括MambaOut-Kobe）在区分多原发肺癌、肺内转移瘤和良性结节上的性能，并通过决策曲线分析和Grad-CAM可视化评估了临床实用性和可解释性 | 研究样本量相对较小（260名患者），未来需要在更大规模、多中心数据集上进行验证，并需提升模型在多原发肺癌与肺内转移瘤之间的区分能力 | 开发一种自动化深度学习分类系统，以快速、客观地区分多原发肺癌、肺内转移瘤和多发良性肺结节，优化患者治疗规划 | 260名患者（包括83例多原发肺癌、81例肺内转移瘤和96例多发良性肺结节）的881张轴向CT切片 | 计算机视觉 | 肺癌 | CT成像 | 深度学习 | 图像 | 260名患者，881张轴向CT切片 | NA | DenseNet-121, EfficientNet-B1, MambaOut-Kobe, ResNet-50, SwinV2-CR-Tiny-224, ViT-Tiny-Patch16-224 | AUC, 准确率, 决策曲线分析 | NA |
| 397 | 2026-01-05 |
MaizeGEP: A Maize Hybrids Dataset with Genotype, Phenotype, and Envirotype to Develop Genomic Selection Models
2026-Jan-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf140
PMID:41485082
|
研究论文 | 本研究介绍了MaizeGEP数据集，该数据集整合了260个杂交玉米品种的基因型、表型和环境型数据，用于开发基因组选择模型 | 提出了一个包含广泛试验地点、标准化管理协议和全面环境变量记录的新数据集，并应用了一种新颖的混合专家框架结合GE2P算法进行表型预测 | 数据集仅涵盖260个杂交玉米品种，可能无法代表所有玉米遗传多样性；环境变量记录可能受限于特定地理位置和时间范围 | 开发基因组选择模型，以精确预测玉米表型，并研究基因型、环境型和表型之间的关系 | 260个杂交玉米品种，包括其基因型、表型数据和2382个年-县地点的环境记录 | 机器学习 | NA | 单核苷酸多态性分析，全基因组关联研究，气象记录分析 | 贝叶斯方法，支持向量机，LightGBM，多层感知机，DeepGS，DEM，Cropformer | 基因型数据，表型数据，环境数据 | 260个杂交玉米品种，2382个年-县地点 | TensorFlow，PyTorch，Scikit-learn | 多层感知机，DeepGS，DEM，Cropformer | 最佳线性无偏估计值预测准确度，表型预测准确度 | NA |
| 398 | 2026-01-05 |
DySurv: dynamic deep learning model for survival analysis with conditional variational inference
2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae271
PMID:39569428
|
研究论文 | 本文提出了一种名为DySurv的新型条件变分自编码器方法，用于从电子健康记录中进行动态生存分析，以估计个体死亡风险 | DySurv结合静态和纵向测量数据，无需对时间到事件的基础随机过程做出参数假设，直接估计累积风险发生率函数，在动态风险预测方面优于现有统计和深度学习方法 | 虽然方法利用了深度学习引导的生存分布估计的非参数扩展，但进一步的深度学习范式仍有待探索 | 开发一种基于深度学习的动态生存分析方法，用于从电子健康记录中预测个体死亡风险 | 电子健康记录数据，包括静态和纵向测量，来自ICU数据集（如eICU和MIMIC-IV）以及其他医疗时间到事件基准数据集 | 机器学习 | 重症监护相关疾病 | 条件变分自编码器 | 条件变分自编码器 | 电子健康记录数据，包括静态和纵向测量 | 多个数据集，包括6个医疗时间到事件基准数据集和2个真实世界ICU电子健康记录数据集（来自eICU和MIMIC-IV） | NA | 条件变分自编码器 | 一致性，时间依赖性一致性，准确性，敏感性 | NA |
| 399 | 2026-01-05 |
Predicting mortality in hospitalized influenza patients: integration of deep learning-based chest X-ray severity score (FluDeep-XR) and clinical variables
2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae286
PMID:39576664
|
研究论文 | 本研究开发了首个整合放射学和临床数据的人工智能系统FluDeep，用于早期预测流感住院患者的30天死亡率 | 首创整合放射学评分（FluDeep-XR）与临床数据的多模态AI系统，模拟临床推理过程，通过晚期融合设计提升预测性能 | 研究仅基于两家医院的队列数据，外部验证范围有限，未涵盖所有流感亚型或人群多样性 | 开发可解释的多模态AI系统，用于流感住院患者的早期死亡风险预测 | 流感住院患者的胸部X光影像和临床数据 | 数字病理学 | 流感 | 胸部X光影像分析 | CNN, Random Forest | 图像, 临床数据 | 来自台湾大学医院（开发集）和意大利Niguarda医院（外部验证集）的流感患者队列 | TensorFlow, Scikit-learn | Xception | 均方误差, AUC, 灵敏度 | NA |
| 400 | 2026-01-05 |
Integrating state-space modeling, parameter estimation, deep learning, and docking techniques in drug repurposing: a case study on COVID-19 cytokine storm
2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf035
PMID:39965087
|
研究论文 | 本研究通过整合状态空间建模、参数估计、深度学习和分子对接技术，针对COVID-19细胞因子风暴进行药物重定位案例研究 | 结合数学建模、PID控制器、深度学习与分子对接技术，提出一种综合框架以快速识别关键调控蛋白和潜在治疗药物 | 研究仅针对COVID-19细胞因子风暴案例，未广泛验证于其他疾病或病毒变体 | 开发一种高效方法以识别关键调控蛋白并推进药物重定位，为COVID-19及未来大流行病提供快速治疗策略 | 正常细胞和病毒感染的细胞中的调控蛋白，特别是血管紧张素转换酶2（ACE2） | 机器学习 | COVID-19 | 状态空间建模、参数估计、分子对接 | 深度学习模型 | 蛋白质相互作用数据、药物-靶点数据 | NA | NA | NA | NA | NA |