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 7692 篇文献，本页显示第 6201 - 6220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6201 | 2026-02-03 |
A dense recurrent unrolling network leveraging spatio-temporal priors for highly-accelerated dynamic MRI
2026-Apr, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110595
PMID:41397563
|
研究论文 | 本文提出了一种密集循环展开网络，利用时空先验知识来高度加速动态MRI重建 | 在稀疏先验更新模块中引入了双向循环卷积单元，通过循环聚合过去和未来帧的上下文信息来增强时间依赖性建模，并采用了中间特征传输而非仅单阶段输出的设计，以改善多阶段协作 | 未明确说明在极高加速因子（如24倍以上）下的性能极限或计算成本 | 提高动态MRI在高度欠采样条件下的重建准确性和时间保真度 | 动态MRI数据 | 计算机视觉 | NA | 动态磁共振成像 | 深度学习 | 图像 | NA | NA | 密集循环展开网络 | 重建准确性, 时间保真度 | NA |
| 6202 | 2026-02-03 |
Dysmorphic neurons express markers of inhibitory glycinergic signaling in focal cortical dysplasia IIb
2026-Mar, Brain pathology (Zurich, Switzerland)
DOI:10.1111/bpa.70043
PMID:40957662
|
研究论文 | 本研究利用深度学习技术对局灶性皮质发育不良IIb型进行解剖学映射，并结合空间转录组学分析，揭示了畸形神经元中非经典信号通路和神经递质通路的标记物 | 首次结合深度学习和空间转录组学，对FCD IIb型进行客观解剖学映射和分子特征分析，发现了畸形神经元中新的信号通路标记物 | NA | 研究局灶性皮质发育不良IIb型中畸形神经元的分子特征，以寻找新的治疗靶点 | 局灶性皮质发育不良IIb型中的巨细胞畸形神经元 | 数字病理学 | 癫痫 | 空间转录组学 | 深度学习 | 图像, 转录组数据 | NA | NA | NA | NA | NA |
| 6203 | 2026-02-03 |
Deep learning-enhanced 3D imaging unveils semaglutide impact on cardiac fibrosis
2026-Mar, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.70217
PMID:41121520
|
研究论文 | 本研究开发了一种结合三维光片荧光显微镜和深度学习的心脏纤维化量化方法，并用于评估GLP-1R激动剂司美格鲁肽在HFpEF小鼠模型中的抗纤维化疗效 | 开发了首个结合荧光胶原标记、组织透明化、三维光片荧光显微镜和深度学习的高通量全心脏成像平台，实现了微米分辨率的心脏纤维化区域异质性量化 | 研究仅在小鼠模型中进行，未在人类样本中验证；司美格鲁肽对替代性纤维化无显著影响 | 开发心脏纤维化的三维成像与深度学习量化方法，并评估GLP-1R激动剂的抗纤维化疗效 | db/db UNx-ReninAAV小鼠模型（表现为糖尿病、肾衰竭、肥胖和高血压） | 数字病理学 | 心血管疾病 | 荧光胶原标记、组织透明化、三维光片荧光显微镜 | 深度学习 | 三维图像 | 未明确样本数量，但分析了17个左心室节段 | NA | NA | NA | NA |
| 6204 | 2026-02-03 |
Research on a spatiotemporal prediction method for two-dimensional temperature fields based on TDLAS array sensors and the SwinLSTM model
2026-Feb-02, The Analyst
DOI:10.1039/d5an01304f
PMID:41504477
|
研究论文 | 本文提出了一种基于TDLAS阵列传感器和SwinLSTM模型的二维温度场时空预测方法，用于火焰温度场的准确重构和短期预测 | 结合二维阵列TDLAS直接成像与深度学习，采用64像素阵列探测器替代传统单点传感器，并构建SwinLSTM模型以同时学习温度场的空间全局依赖性和时间动态特性 | NA | 开发一种能够准确重构和预测火焰二维温度场的时空预测诊断方法 | 火焰的二维温度场 | 计算机视觉 | NA | 可调谐二极管激光吸收光谱技术 | LSTM | 图像 | NA | NA | SwinLSTM | SSIM, PSNR | NA |
| 6205 | 2026-02-03 |
Reduction of motion artifacts from photoplethysmography signals using learned convolutional sparse coding
2026-Feb-02, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae35cb
PMID:41505906
|
研究论文 | 本文提出了一种结合信号分解和深度学习优势的框架，用于减少可穿戴设备中光电容积脉搏波信号的运动伪影 | 利用算法展开将PPG结构先验知识整合到深度神经网络中，提高了模型的可解释性，并采用学习卷积稀疏编码模型捕获重复形态模式 | 未明确说明模型在极端运动条件下的泛化能力或临床验证的详细结果 | 提高可穿戴设备中光电容积脉搏波信号的质量，以支持心血管疾病的监测 | 光电容积脉搏波信号及其运动伪影 | 信号处理 | 心血管疾病 | 光电容积脉搏波 | 深度神经网络, 卷积稀疏编码 | 信号数据 | 使用PulseDB数据集和PPG-DaLiA数据集，具体样本数量未明确 | NA | 学习卷积稀疏编码模型 | 信噪比, 心率平均绝对误差 | NA |
| 6206 | 2026-02-03 |
Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection
2026-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2426580
PMID:39550608
|
研究论文 | 提出一种结合Kruskal-Szekeres生成对抗网络与深度自编码器的方法，用于结直肠癌的早期检测 | 提出KSGANA-DA模型，首次将Kruskal-Szekeres坐标变换应用于数据增强，并结合基于解剖标志的深度自编码器进行图像分割 | 未明确说明数据集的具体来源、样本数量及临床验证范围 | 提高结直肠癌早期检测的准确率和效率 | 结直肠癌医学图像 | 数字病理学 | 结直肠癌 | 医学图像处理 | GAN, Autoencoder | 图像 | NA | Python | Kruskal-Szekeres GAN Augmented Deep Autoencoder | 精确率, 召回率, 训练时间 | NA |
| 6207 | 2026-02-03 |
ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images
2026-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2435491
PMID:39663578
|
研究论文 | 提出了一种结合Vision Transformer残差密集网络和自适应深度贝叶斯网络的阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病识别 | 首次将Vision Transformer与残差密集网络结合用于医学图像特征提取，并采用自适应深度贝叶斯网络进行疾病检测，通过增强高尔夫优化算法优化网络参数 | 未提及模型在不同数据集上的泛化能力测试，也未说明计算复杂度或实时性分析 | 开发基于深度学习的阿尔茨海默病早期检测方法 | 阿尔茨海默病患者的MRI图像 | 计算机视觉 | 阿尔茨海默病 | MRI成像 | Vision Transformer, 残差网络, 密集网络, 贝叶斯网络 | 图像 | NA | NA | ViT-ResDenseNet, Ada-DBN | 准确率 | NA |
| 6208 | 2026-02-03 |
MRI-based detection of multiple sclerosis using an optimized attention-based deep learning framework
2026-Feb, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2527899
PMID:40616778
|
研究论文 | 本文提出了一种名为2DRK-MSCAN的深度学习框架，用于基于MRI数据早期准确检测多发性硬化病灶 | 开发了结合深度扩散残差核和多尺度蛇形卷积注意力机制的2DRK-MSCAN模型，以提高检测准确性和鲁棒性 | 临床验证仍在进行中，需要进一步的实际应用测试 | 开发并评估一种新型深度学习框架，用于早期和准确检测多发性硬化病灶 | 多发性硬化病灶 | 计算机视觉 | 多发性硬化 | MRI | CNN | 图像 | 三个公开可用的基于MRI的脑肿瘤数据集 | NA | EfficientNetV2L, U-Net | 准确率 | NA |
| 6209 | 2026-02-03 |
Highly Accelerated T1ρ Imaging in 3 min: Comparison Between Compressed Sensing and Deep Learning Reconstruction
2026-Feb, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70226
PMID:41493163
|
研究论文 | 本研究比较了压缩感知和深度学习在膝关节软骨T1ρ成像加速重建中的性能 | 首次在膝关节软骨T1ρ映射中系统比较压缩感知与深度学习加速重建技术，并评估了前瞻性欠采样数据的重建效果 | 样本量较小（9名志愿者），且仅针对膝关节软骨进行评估，未涉及其他组织或疾病 | 比较压缩感知与深度学习在加速磁共振T1ρ成像重建中的性能，以缩短扫描时间 | 人类膝关节软骨（包括健康志愿者和三名确诊病理患者） | 医学影像分析 | 骨关节疾病 | 3T MRI扫描，T1ρ映射，DESS成像，3D MAPSS序列，GRAPPA加速采集 | 深度学习模型（具体架构未明确说明） | 磁共振图像 | 9名志愿者（包括3名确诊病理患者） | NA | NA | 中位数归一化绝对差异，一致性相关系数，变异系数 | NA |
| 6210 | 2026-02-03 |
SSDA_AOA: Stacked Sparse Denoising Autoencoder With Archimedes Optimization Algorithm Based Oral Cancer Detection on Histopathological Images
2026-Feb-01, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.70210
PMID:41622690
|
研究论文 | 本文提出了一种基于堆叠稀疏去噪自编码器和阿基米德优化算法的口腔癌检测框架，用于从组织病理学图像中实现早期诊断 | 结合NASNet-Large模型提取特征、阿基米德优化算法进行降维和超参数调优，以及堆叠稀疏去噪自编码器进行分类，形成了一种新颖的计算机辅助诊断框架 | 未提及样本来源的多样性、外部验证集的缺乏以及计算资源的具体需求 | 开发一种计算机辅助诊断框架，以提升口腔癌的早期检测和分类准确性 | 口腔癌的组织病理学图像 | 数字病理学 | 口腔癌 | 组织病理学成像 | 自编码器, 优化算法 | 图像 | NA | NA | NASNet-Large, Stacked Sparse Denoising Autoencoder | 准确率, 精确率, 灵敏度, 特异度, F1分数 | NA |
| 6211 | 2026-02-03 |
Kilometer-scale convection-allowing model emulation using generative diffusion modeling
2026-Jan-30, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adv0423
PMID:41616057
|
研究论文 | 本文提出了一种名为StormCast的生成扩散模型，用于模拟公里尺度的对流允许模型（CAM），以预测雷暴和中尺度对流系统的演变 | 首次成功应用生成扩散模型在公里尺度上模拟高分辨率大气动力学，包括对流集群演变、潮湿上升气流和冷池形态等物理真实过程 | 模型目前仅使用1小时时间步长进行预测，尚未验证更长时间尺度的预报能力 | 改进公里尺度区域机器学习天气预测及未来气候灾害动力降尺度 | 高分辨率快速更新（HRRR）业务对流允许模型（CAM）的模拟 | 机器学习 | NA | 生成扩散建模 | 生成扩散模型 | 大气状态变量数据 | NA | NA | StormCast（基于扩散模型的架构） | 1-6小时预报技能评分（针对复合雷达反射率） | NA |
| 6212 | 2026-02-03 |
Deep Learning and Noninvasive Sensors for Detecting Physiological Dysregulation: A Scoping Review
2026-Jan-30, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02332-7
PMID:41615529
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6213 | 2026-02-03 |
A probabilistic deep learning approach for choroid plexus segmentation in autism spectrum disorder
2026-Jan-30, NPP - digital psychiatry and neuroscience
DOI:10.1038/s44277-026-00056-1
PMID:41617769
|
研究论文 | 本文提出了一种用于自闭症谱系障碍中脉络丛分割的概率深度学习工具ASCHOPLEX，并评估了其在不同年龄组中的泛化能力 | 开发了一种能够通过患者特定数据进行微调的深度学习工具，并引入了概率方法以量化分割不确定性，从而评估模型置信度 | 在儿童数据上的准确性下降，表明在没有额外微调的情况下，对不同年龄组的泛化能力有限 | 开发并评估一种能够准确分割自闭症谱系障碍患者脉络丛的自动化工具，以支持大规模人群分析 | 自闭症谱系障碍患者和对照参与者的脉络丛 | 医学影像分析 | 自闭症谱系障碍 | 磁共振成像 | 深度学习模型 | 图像 | 本地数据集中的ASD和CON参与者，以及ABIDE数据集中的儿童和成人数据 | NA | NA | 准确性 | NA |
| 6214 | 2026-02-03 |
Trustworthy prediction of enzyme commission numbers using a hierarchical interpretable transformer
2026-Jan-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68727-3
PMID:41617688
|
研究论文 | 本文提出了一种名为HIT-EC的分层可解释Transformer模型，用于准确且可信地预测酶委员会（EC）编号 | 采用四层Transformer架构以匹配EC编号的层次结构，结合局部和全局依赖关系进行多标签分类，并提出处理不完整EC编号标注的学习策略，作为证据深度学习模型提供生物学意义的解释方案 | 未明确提及模型在计算资源需求或特定EC类别泛化能力方面的具体限制 | 开发一个可信赖的EC编号预测模型，以改善酶功能理解和生物过程分析 | 酶蛋白序列及其对应的EC编号 | 自然语言处理 | NA | 深度学习 | Transformer | 蛋白质序列（文本数据） | 未明确指定具体样本数量，但提及使用大型数据集进行交叉验证和外部数据验证 | 未明确指定，可能为PyTorch或TensorFlow | 分层Transformer（HIT-EC） | 未明确列出具体指标，但提及预测性能的统计显著提升 | 未明确指定 |
| 6215 | 2026-02-03 |
Performance of Artificial Intelligence Tools in Axial Spondyloarthritis Imaging Assessment: a Systematic Literature Review and Meta-analysis
2026-Jan-30, Joint bone spine
IF:3.8Q1
DOI:10.1016/j.jbspin.2026.106036
PMID:41621467
|
系统综述与荟萃分析 | 本文通过系统文献综述和荟萃分析，总结了人工智能技术在轴性脊柱关节炎影像评估中的性能表现 | 首次对AI在轴性脊柱关节炎多种影像模态（MRI、CT、CR）中相对于人类读者的性能进行了全面的系统综述和荟萃分析 | 研究存在异质性，且AI诊断仍需人类专家以确保临床安全性和准确性 | 评估人工智能技术在轴性脊柱关节炎影像解读中的性能，并与人类读者进行比较 | 轴性脊柱关节炎的影像数据，包括磁共振成像、计算机断层扫描和常规X线摄影 | 医学影像分析 | 轴性脊柱关节炎 | 磁共振成像、计算机断层扫描、常规X线摄影 | 深度学习 | 图像 | 33项研究（涉及1033篇参考文献，46篇全文审查） | NA | NA | 灵敏度、特异度、准确度、受试者工作特征曲线下面积 | NA |
| 6216 | 2026-02-03 |
Preoperative Prediction of Prolonged Operative Time in Laparoscopic Ovarian Cystectomy Using Convolutional Neural Network-Extracted Ultrasound Image Features
2026-Jan-30, Journal of minimally invasive gynecology
IF:3.5Q1
DOI:10.1016/j.jmig.2026.01.055
PMID:41621701
|
研究论文 | 本研究旨在通过结合临床变量和CNN提取的超声图像特征，预测腹腔镜卵巢囊肿切除术中手术时间延长的风险 | 首次将CNN提取的超声图像特征与传统临床变量结合，用于预测腹腔镜卵巢囊肿切除术的手术时间延长，提高了预测模型的AUC值 | 研究为单中心回顾性队列研究，样本量有限（247例患者），且CNN特征加入后AUC提升未达到统计学显著性，需要外部验证 | 预测腹腔镜卵巢囊肿切除术中手术时间延长，以支持术前风险分层和手术资源规划 | 接受腹腔镜卵巢囊肿切除术的良性卵巢肿瘤患者 | 计算机视觉 | 卵巢囊肿 | 超声成像 | CNN | 图像 | 247例患者 | NA | NA | AUC | NA |
| 6217 | 2026-02-03 |
[Research progress of automated ergonomic assessment methods based on RULA and REBA]
2026-Jan-20, Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases
|
综述 | 本文综述了基于RULA和REBA的自动化人机工效学接触风险评估技术的研究进展 | 系统性地总结了当前自动化评估方法在数据采集、处理、应用场景和准确性验证方面的现状与挑战，并展望了未来研究方向 | 当前研究主要受限于数据采集与传输的约束以及系统可靠性，多采用半自动化方法在模拟场景中进行 | 推动自动化人机工效学评估技术的发展与应用 | 基于RULA和REBA的自动化评估方法 | 计算机视觉, 机器学习 | NA | 惯性测量单元(IMU), 常规/深度相机, 红外运动捕捉系统 | 深度学习算法 | 运动数据, 图像数据 | NA | NA | NA | Cohen's kappa (κ), 比例一致性指数(Po) | NA |
| 6218 | 2026-02-03 |
Deep visual detection system for oral squamous cell carcinoma
2026-Jan-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34332-5
PMID:41554886
|
研究论文 | 本研究提出了一种基于深度学习的视觉检测系统（DVDS），用于自动化检测口腔鳞状细胞癌（OSCC）的组织病理学图像 | 开发了一个基于EfficientNetB3的深度视觉检测系统，用于OSCC的自动化检测，并在两个公开数据集上验证了其优于DenseNet121和ResNet50的性能 | 研究使用了公开数据集，可能无法完全代表所有临床场景；模型性能可能受到数据集类别不平衡和图像质量的影响 | 开发一个自动化、快速且客观的深度学习系统，以辅助口腔鳞状细胞癌的早期诊断和临床决策 | 口腔鳞状细胞癌（OSCC）的组织病理学图像 | 数字病理学 | 口腔鳞状细胞癌 | 组织病理学图像分析 | CNN | 图像 | 两个公开数据集：Kaggle Oral Cancer Detection数据集（5192张图像，标记为正常或OSCC）和NDB-UFES数据集（3763张图像，分为OSCC、伴有异型增生的白斑和无异型增生的白斑） | TensorFlow, Keras | EfficientNetB3, DenseNet121, ResNet50 | 准确率, 精确率, 召回率, F1分数, 特异性, 灵敏度 | NA |
| 6219 | 2026-02-03 |
A Public Image Dataset for Surface Defect Detection of Water-Based Coated Wood Products
2026-Jan-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06443-1
PMID:41535684
|
研究论文 | 本文发布了一个用于水性涂装木制品表面缺陷检测的公共图像数据集 | 开发并公开了一个专门针对水性涂装木制品表面缺陷的高分辨率图像数据集，包含四种缺陷类型，数据采集自真实工业生产线 | NA | 为深度学习模型在真实工业装配线上的部署提供关键数据支持，促进自动化机器学习解决方案的开发 | 水性涂装木制品的表面缺陷，包括划痕、裂纹、气泡和孔洞 | 计算机视觉 | NA | 工业相机图像采集 | NA | 图像 | 13400张高分辨率图像，包含3645个气泡缺陷、3498个划痕缺陷、3256个裂纹缺陷和3001个孔洞缺陷 | NA | NA | NA | NA |
| 6220 | 2026-01-15 |
Lightweight deep learning model with spatial attention for accurate and efficient breast cancer prediction
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34311-w
PMID:41530223
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |