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 12100 篇文献，本页显示第 8461 - 8480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8461 | 2026-04-01 |
Correction: Advanced EEG signal classification for neural prosthetic devices using metaheuristic and deep learning techniques
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1795848
PMID:41878372
|
correction | 本文是对先前发表文章（DOI: 10.3389/fdgth.2025.1706660）的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8462 | 2026-03-31 |
Robotic-Arm Assisted Multi-Apical View 3-D Fusion of Echocardiography for Enhanced Left Ventricular Assessment Using Wavelet
2026-May, Ultrasound in medicine & biology
|
研究论文 | 本研究提出了一种结合机器人臂辅助采集和小波变换的多心尖视图融合方法，以提升三维超声心动图中左心室图像质量 | 创新点在于首次将机器人臂辅助的标准化探头定位与小波变换的多视图融合技术相结合，用于增强三维超声心动图的图像质量和可重复性 | 研究局限性包括样本量较小且仅基于志愿者扫描，未在临床患者群体中广泛验证，且未来需要探索更多视图和深度学习方法以进一步提升性能 | 研究目标是提高三维超声心动图对左心室功能的评估准确性和图像质量 | 研究对象为志愿者通过三维超声心动图采集的左心室图像 | 医学影像处理 | 心血管疾病 | 三维超声心动图，小波变换融合技术 | NA | 三维超声图像 | 志愿者扫描（具体数量未在摘要中明确说明） | NA | NA | 信噪比，对比噪声比，图像清晰度评分，心肌边界连续性评分，诊断置信度评分 | NA |
| 8463 | 2026-03-31 |
High diagnostic accuracy of a resnet50-based deep learning model for osteochondral lesions of the talus on magnetic resonance imaging
2026-May-01, Joint diseases and related surgery
IF:1.9Q2
DOI:10.52312/jdrs.2026.2719
PMID:41906849
|
研究论文 | 本研究评估了基于ResNet50的卷积神经网络在磁共振成像上检测距骨骨软骨病变的诊断性能，并比较了其在T1和T2加权序列间的效能 | 首次应用ResNet50模型于距骨骨软骨病变的MRI诊断，并系统比较了T1和T2加权序列的诊断准确性差异 | 数据集规模相对较小（仅219例），且为回顾性研究，可能影响模型泛化能力 | 评估深度学习模型在距骨骨软骨病变MRI诊断中的性能 | 距骨骨软骨病变患者的踝关节磁共振成像 | 计算机视觉 | 骨关节疾病 | 磁共振成像 | CNN | 图像 | 219例踝关节MRI扫描（60例病变，159例正常） | TensorFlow, Keras | ResNet50 | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 8464 | 2026-03-31 |
Glucose forecasting and hypoglycemia forewarning in type 1 and type 2 diabetes using deep learning
2026-Apr-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115294
PMID:41907406
|
研究论文 | 本研究开发了一种名为MT-HypoNet的多任务神经网络，用于从连续血糖监测数据中进行实时血糖预测和低血糖预警 | 提出了一种统计引导的软标签策略以改进低血糖边界附近的检测，并在大规模多中心队列（包括1型和2型糖尿病患者）中进行了验证与前瞻性评估 | 未明确说明模型在其他糖尿病亚型或特殊人群（如儿童、孕妇）中的适用性，且前瞻性验证样本量相对较小 | 通过深度学习技术实现精准的血糖预测和低血糖预警，以改善糖尿病管理安全性 | 1型和2型糖尿病患者 | 机器学习 | 糖尿病 | 连续血糖监测 | 深度学习神经网络 | 时间序列数据（连续血糖监测数据） | 1,662名患者（多中心队列）和36名围手术期患者（前瞻性验证） | 未明确说明 | MT-HypoNet（多任务神经网络） | AUC, RMSE | NA |
| 8465 | 2026-03-31 |
Toward accurate prediction of pediatric epidemic disease patient volume in the Chaoshan region: A deep learning framework
2026-Apr-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115211
PMID:41907420
|
研究论文 | 本研究开发了一个深度学习框架，用于预测潮汕地区儿科流行病患者的就诊量，基于电子健康记录数据 | 该框架首次针对潮汕地区的流行病学特征设计，能够学习捕捉本地疫情动态的儿科表征，以满足区域临床预测需求 | 研究仅基于单一医院的电子健康记录数据，可能未涵盖所有区域流行病学变化，且模型在其他地区的泛化能力未验证 | 准确预测儿科流行病患者就诊量，以支持有效的预防和个性化治疗策略 | 潮汕地区的儿科门诊和急诊患者 | 机器学习 | 儿科流行病 | 深度学习 | 深度学习框架 | 电子健康记录 | 278,506例儿科门诊和急诊就诊记录 | NA | NA | 平均相关系数，均方根误差，平均绝对比例误差 | NA |
| 8466 | 2026-03-31 |
An Unsupervised Learning Approach for Multimodal Low Back Pain Stratification
2026-Apr-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005593
PMID:41384355
|
研究论文 | 本研究提出了一种新颖的多模态无监督学习框架，用于对腰痛患者进行分层，整合了影像生物标志物和非影像数据 | 开发了一种结合深度学习提取的影像生物标志物（如椎间盘退变和关节突关节不对称）与吸烟状态、人口统计学及自我报告数据的多模态无监督分层方法 | 研究为横断面设计，无法确定因果关系；样本来自特定出生队列，可能限制泛化性 | 开发一个全面的风险分层框架，以改善腰痛患者的个性化护理 | 腰痛患者，数据来自北芬兰出生队列，包括影像和非影像信息 | 数字病理学 | 腰痛 | 深度学习分析腰椎MRI | 深度学习模型 | 多模态数据（影像、问卷、人口统计学） | 北芬兰出生队列的参与者，具体数量未在摘要中明确 | NA | NA | 准确率, 净收益 | NA |
| 8467 | 2026-03-31 |
Dual-feature cross-fusion network for precise brain tumor classification: a neurocomputational approach
2026-Apr, The International journal of neuroscience
DOI:10.1080/00207454.2025.2565445
PMID:40986620
|
研究论文 | 本文提出了一种名为双特征交叉融合网络（DF-CFN）的新型深度学习架构，用于基于MRI数据的脑肿瘤自动分类 | 提出了一种结合ConvNeXt提取全局上下文特征与浅层CNN及FcaNet提取局部特征的双特征交叉融合网络，通过交叉特征融合机制提升分类性能 | 未明确说明模型在更广泛或更具挑战性数据集上的泛化能力，也未详细讨论计算复杂度或实时应用可行性 | 开发一种自动化、高精度的脑肿瘤分类方法，以辅助临床诊断 | 脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和非肿瘤类别 | 计算机视觉 | 脑肿瘤 | 磁共振成像（MRI） | CNN | 图像 | 使用Kaggle数据集和FigShare数据集进行训练和验证，具体样本数量未明确说明 | 未明确说明，可能为PyTorch或TensorFlow | ConvNeXt, 浅层CNN, FcaNet, 双特征交叉融合网络（DF-CFN） | 准确率 | NA |
| 8468 | 2026-03-31 |
Preliminary findings on a deep learning model using electroencephalogram for multi-level neuropathic pain detection in post-stroke patients
2026-Apr, The International journal of neuroscience
DOI:10.1080/00207454.2025.2584081
PMID:41199478
|
研究论文 | 本研究开发了一种基于脑电图信号的深度学习模型，用于卒中后患者的多级别神经病理性疼痛检测 | 提出了一种量子启发的金字塔深度可分离残差网络，结合了深度可分离残差网络降低计算复杂度、金字塔注意力机制捕捉多尺度模式以及量子启发变换层建模脑电图特征间复杂非线性依赖关系三大创新点 | NA | 开发准确且计算高效的多级别神经病理性疼痛检测框架 | 卒中后患者的脑电图信号 | 机器学习 | 卒中 | 脑电图 | 深度学习 | 脑电图信号 | NA | NA | 量子启发的金字塔深度可分离残差网络 | 准确率, 召回率 | NA |
| 8469 | 2026-03-31 |
Advancements in artificial intelligence for meibography: clinical utility and contributions to meibomian gland dysfunction management
2026-Apr, Clinical & experimental optometry
DOI:10.1080/08164622.2025.2555315
PMID:41083413
|
综述 | 本文综述了人工智能在睑板腺成像（meibography）中的最新进展，及其在睑板腺功能障碍诊断与管理中的临床应用 | 利用深度学习实现更精确的腺体特征提取，如腺体缺失、密度和迂曲度，支持标准化和可重复的临床评估 | 当前AI模型在区域腺体变异建模有限、数据集多样性不足、缺乏标准化图像质量控制 | 探索基于AI的睑板腺成像在睑板腺功能障碍诊断与管理中的临床效用 | 睑板腺结构与睑板腺功能障碍 | 计算机视觉 | 睑板腺功能障碍 | meibography | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 8470 | 2026-03-31 |
Blueprint for Drug Repurposing Success: Foundational Concepts and Practical Framework
2026-Apr, Drug development research
IF:3.5Q2
DOI:10.1002/ddr.70270
PMID:41904819
|
综述 | 本文全面分析了药物重定位的传统与计算策略，包括实验方法和人工智能驱动的模型，旨在加速药物发现研究 | 系统整合了人工智能和机器学习在药物重定位流程中的应用，强调了其在处理大规模数据、提高预测准确性方面的能力 | NA | 为药物化学家、计算生物学家和药物发现科学家提供加速药物重定位研究的实用框架和资源指南 | 现有临床评估化合物及其新的治疗应用 | 自然语言处理, 机器学习 | NA | 结合亲和力测定、临床数据挖掘、表型筛选、结构基、签名基、通路基、知识基、靶点基策略 | 深度学习架构, 图神经网络, 知识图谱, 网络药理学框架 | 大规模数据集, 药物-靶点相互作用数据 | NA | NA | NA | 预测准确性 | NA |
| 8471 | 2026-03-31 |
Recent Advances in Musculoskeletal Radiology: Bridging Innovation and Clinical Application
2026-Mar-30, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.rev.2025-0150
PMID:41443887
|
综述 | 本文综述了肌肉骨骼放射学领域的最新进展，重点介绍了MRI、CT和人工智能等技术创新及其在临床诊断中的应用 | 总结了肌肉骨骼成像的7个关键领域，包括CT样对比MRI、定量MRI、AI在图像重建和诊断支持中的应用等，代表了该领域的范式转变 | 作为一篇综述文章，未提出新的原始研究数据或模型，主要依赖现有文献进行总结 | 回顾并总结肌肉骨骼放射学领域的最新技术进展及其临床转化应用 | 肌肉骨骼系统的影像学诊断技术，包括MRI、CT、PET和人工智能应用 | 数字病理学 | 肌肉骨骼疾病 | MRI, CT, PET, MR spectroscopy (MRS), 人工智能 | CNN, 自然语言处理模型 | 图像, 文本 | NA | NA | NA | NA | NA |
| 8472 | 2026-03-31 |
Automated daily adaptation for breast cancer radiotherapy: benefits of deep learning-driven dose prediction workflow for CBCT-based adaptation
2026-Mar-30, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae5387
PMID:41843986
|
研究论文 | 本研究探讨了基于深度学习的剂量预测与自动计划结合，用于乳腺癌放疗中基于锥形束CT的每日自适应放疗的可行性及临床益处 | 首次将深度学习驱动的剂量预测引擎与自动计划解决方案结合，用于乳腺癌放疗的每日自适应工作流，并通过预测标准优化重新计划决策 | 每日自适应可能并非对所有患者的所有分次都带来益处，且研究样本量较小（28例患者），需要进一步验证 | 评估基于锥形束CT的每日自适应放疗在乳腺癌治疗中的临床可行性及益处 | 28例接受容积旋转调强放疗的乳腺癌患者及其每日锥形束CT图像 | 数字病理学 | 乳腺癌 | 锥形束CT成像，容积旋转调强放疗 | 深度学习模型 | 医学图像（锥形束CT） | 28例乳腺癌患者，每日锥形束CT图像（约15次/患者） | 未明确指定 | 未明确指定 | 计划靶区剂量覆盖率，临床目标达成比例，器官风险剂量减少百分比 | 未明确指定 |
| 8473 | 2026-03-31 |
Algorithm prediction of lifetime under high-power microwave based on T-type field plate HEMTs
2026-Mar-30, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ae5539
PMID:41861404
|
研究论文 | 本研究构建了一个深度学习模型，结合TCAD技术，用于预测T型场板HEMTs在高功率微波应力下的可靠性 | 采用深度学习算法预测高功率微波下HEMTs的寿命，相比传统机器学习方法具有更低的预测误差，并允许非半导体专家快速获取设备寿命数据 | 未明确提及模型在极端或未见过条件下的泛化能力，以及可能的数据集规模限制 | 预测T型场板HEMTs在高功率微波应力下的可靠性，以支持设备设计和寿命评估 | T型场板高电子迁移率晶体管（HEMTs） | 机器学习 | NA | TCAD技术 | 深度学习模型 | 数值数据（脉冲宽度、功率、占空比） | NA | NA | NA | 相对误差，平均相对误差 | NA |
| 8474 | 2026-03-31 |
Cross-platform deep learning enables automated cytomorphologic subtyping of acute leukemia from bone marrow smears
2026-Mar-30, Virchows Archiv : an international journal of pathology
IF:3.4Q1
DOI:10.1007/s00428-026-04492-4
PMID:41906037
|
研究论文 | 本研究开发了一个深度学习框架ALSNet，用于从Wright-Giemsa染色的骨髓涂片中自动进行细胞级分类和病例级亚型分型急性白血病 | ALSNet结合了双分支卷积架构和Transformer编码器，以捕获细粒度局部特征和全局形态学上下文，并通过多平台数据训练增强了泛化能力 | 未明确提及具体局限性，但外部验证的病例级准确率为0.75，仍有提升空间 | 自动化急性白血病的细胞形态学亚型分型，以指导治疗和预测患者结局 | 急性白血病患者的Wright-Giemsa染色骨髓涂片 | 数字病理学 | 急性白血病 | Wright-Giemsa染色 | CNN, Transformer | 图像 | 180,928张专家标注的单细胞图像，涵盖19个造血和白血病细胞类别，来自三个不同的成像平台 | NA | 双分支卷积架构, Transformer编码器 | 每类准确率, 病例级准确率, 相关系数R | NA |
| 8475 | 2026-03-31 |
Deep learning-assisted otoscopic screening for paediatric otitis media: feasibility of edge deployment
2026-Mar-30, Acta oto-laryngologica
IF:1.2Q3
DOI:10.1080/00016489.2026.2632953
PMID:41910391
|
研究论文 | 本研究开发并验证了一种用于儿童中耳炎耳镜筛查的深度学习模型，并评估了其在嵌入式边缘设备上部署的可行性 | 首次将MobileNetV3-Small模型应用于儿童中耳炎的耳镜图像分类，并探索了INT8量化在STM32H7嵌入式平台上的部署，以优化存储和计算资源 | 研究为回顾性设计，数据来源于单一医院，未来需要前瞻性多中心验证以增强泛化能力 | 开发一种深度学习辅助的耳镜筛查工具，以支持儿童中耳炎的临床分诊和预诊断 | 儿童中耳炎患者，包括急性中耳炎、渗出性中耳炎和正常鼓膜 | 计算机视觉 | 中耳炎 | 耳镜成像 | CNN | 图像 | 19,522张耳镜图像，其中测试集包含600张图像（每类200张） | TensorFlow, PyTorch | MobileNetV3-Small | 准确率, 灵敏度, 特异性 | STM32H7嵌入式平台，支持浮点32位和INT8量化部署 |
| 8476 | 2026-03-31 |
Intraoperative full-spine imaging with C-arm using a deep learning-based automatic stitching model: development and clinical validation
2026-Mar-30, 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/s00586-026-09872-7
PMID:41910750
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8477 | 2026-03-31 |
Cross-chemical and cross-species toxicity prediction: benchmarking and a novel 3D-structure-based deep learning model
2026-Mar-28, Environmental toxicology and chemistry
IF:3.6Q2
DOI:10.1093/etojnl/vgag081
PMID:41904675
|
研究论文 | 本文通过构建一个全面的水生毒性数据集，开发了tox-learn Python库，并提出了基于3D结构的深度学习模型3DMol-Tox，用于跨化学和跨物种的毒性预测 | 提出了一个新颖的基于3D结构的深度学习模型3DMol-Tox，并开发了tox-learn库以自动化数据集清理和性能评估，同时强调了避免因不当数据分割导致的性能高估问题 | 未明确提及模型在特定化学类别或物种上的泛化能力限制，以及3D结构数据获取的潜在挑战 | 实现化学化合物的无动物测试，通过计算毒性预测提高模型性能的一致性和准确性 | 化学化合物的毒性预测，涉及跨化学和跨物种的数据分析 | 机器学习 | NA | 化学指纹、深度学习潜在表示、3D结构建模 | 深度学习模型 | 化学结构数据（2D和3D）、物种信息 | 50,603条记录，涉及5,889种化合物和2,285个不同物种 | Python, tox-learn库 | 3DMol-Tox, GPBoost | 回归准确性、W1B分类准确性 | NA |
| 8478 | 2026-03-31 |
A hybrid deep learning framework for epileptic seizure prediction using scalp and intracranial EEG data
2026-Mar-28, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种用于癫痫发作预测的混合深度学习框架，并评估了其在头皮和颅内脑电图数据上的跨模态有效性 | 提出了一种针对头皮脑电图优化的定制混合CNN-LSTM模型，并在颅内脑电图数据集上进行了跨模态评估，展示了强大的泛化能力 | 未明确说明模型在处理不同患者间EEG信号变异性方面的具体限制 | 开发一个能够跨不同脑电图模态（头皮和颅内）有效预测癫痫发作的深度学习框架 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 脑电图 | CNN, LSTM | 时间序列信号 | 使用了CHB-MIT（头皮EEG）和AES-Kaggle（颅内EEG）数据集，并额外验证了来自巴基斯坦拉合尔总医院的真实世界头皮EEG数据 | NA | 定制混合CNN-LSTM模型 | 准确率 | NA |
| 8479 | 2026-03-31 |
Deep learning assisted particle size ranking and estimation from SEM images without explicit segmentation
2026-Mar-26, Micron (Oxford, England : 1993)
DOI:10.1016/j.micron.2026.104022
PMID:41905154
|
研究论文 | 本文提出了一种无需显式分割的深度学习框架，用于直接从SEM图像中排名和估计颗粒尺寸比 | 采用基于相似性的深度学习框架，无需真实标注的显微镜图像，仅使用合成生成的类SEM图像训练CNN，实现颗粒尺寸的隐式编码和相对排序 | 未明确提及框架在处理极端复杂形态或高度聚集颗粒时的具体局限性 | 开发一种无需显式分割的颗粒尺寸排名和估计方法，以简化纳米材料研究中的尺寸分析 | 扫描电子显微镜（SEM）图像中的纳米颗粒 | 计算机视觉 | NA | 扫描电子显微镜（SEM）成像 | CNN | 图像 | 未明确指定具体样本数量，仅提及使用合成生成的类SEM图像和真实SEM数据集进行评估 | 未明确指定，可能为TensorFlow或PyTorch等 | 未明确指定具体架构，仅提及卷积神经网络（CNN） | 排名性能、视觉一致性 | 未明确指定 |
| 8480 | 2026-03-31 |
Dual-encoder contrastive learning accelerates enzyme discovery
2026-Mar-24, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2520070123
PMID:41843673
|
研究论文 | 本文提出了一个名为Dual-encoder contrastive learning的计算高效深度学习框架，用于大规模反应-酶推荐，并通过实验验证其在酶发现中的有效性 | 首次将双编码器对比学习框架大规模应用于酶发现，并通过全面的实验验证其在真实世界场景中的有效性，包括孤儿反应、酶混杂性和非天然生化反应 | 在代表性不足的反应类别上性能仍有提升空间，需要更多样化的反应数据集进行训练 | 加速酶发现过程，解决酶工程中寻找合适起始蛋白质的关键瓶颈 | 酶（蛋白质）与化学反应 | 机器学习 | NA | 反应指纹、蛋白质语言模型 | 深度学习、对比学习 | 化学反应数据、蛋白质序列数据 | 数百万个反应-酶对 | NA | 双编码器对比学习框架 | Top-100命中率 | NA |