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 9603 篇文献，本页显示第 8781 - 8800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8781 | 2026-01-19 |
Natural biowaste material-based green triboelectric nanogenerators for self-powered gait monitoring
2026-Jan-13, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra09038e
PMID:41541210
|
研究论文 | 本文报道了基于天然生物废料材料的绿色摩擦纳米发电机，用于自供电步态监测 | 系统研究了三种新型摩擦负电材料（象苹果、姜黄皮、芋头茎粉），并展示了象苹果粉基TENG在柔性传感器中的应用，实现了99.3%的运动检测准确率 | NA | 开发基于天然生物材料的环保、自供电摩擦纳米发电机，用于可持续能量收集和绿色自供电传感器应用 | 天然生物废料材料（象苹果、姜黄皮、芋头茎粉）及其在摩擦纳米发电机中的性能 | NA | NA | 摩擦纳米发电机技术 | 深度学习模型 | 运动监测数据 | NA | NA | NA | 开路电压, 功率密度, 灵敏度, 运动检测准确率 | NA |
| 8782 | 2026-01-19 |
Benchmarking Machine Learning Algorithms for Microbial Electromethanogenesis: A Comprehensive Assessment with SHapley Additive exPlanation-Based Insights
2026-Jan-12, ACS sustainable chemistry & engineering
IF:7.1Q1
DOI:10.1021/acssuschemeng.5c09770
PMID:41541636
|
研究论文 | 本文系统比较了七种监督机器学习算法在微生物电产甲烷过程中的预测性能，并利用SHAP进行特征重要性分析 | 首次将1D-CNN应用于微生物电产甲烷的预测，并结合SHAP解释模型以揭示影响生物甲烷生产的关键因素 | 未提及模型在外部验证集上的泛化能力或数据集的规模限制 | 评估机器学习算法在预测微生物电产甲烷性能方面的能力，并提供机制性见解 | 微生物电产甲烷生物电化学系统 | 机器学习 | NA | 实验数据收集 | 1D-CNN, MLP, GBR, AdaBoost, stacking regressors, kNN | 数值数据（操作参数） | NA | NA | 1D-CNN | R² | NA |
| 8783 | 2026-01-19 |
A comparative study of loss functions and attention mechanisms in landslide semantic segmentation using U-Net
2026-Jan-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31789-2
PMID:41501220
|
研究论文 | 本研究通过比较不同损失函数和注意力机制，探索了基于U-Net的滑坡语义分割方法，利用多模态数据提升滑坡检测性能 | 在U-Net基线模型中引入注意力机制以优化像素级预测，并系统评估多种损失函数对性能的影响 | 研究仅使用单一数据集（Bijie滑坡数据集），未在其他地理区域或不同分辨率数据上进行验证 | 改进滑坡检测的识别精度和分割性能 | 滑坡区域 | 计算机视觉 | NA | 卫星影像分析，数字高程模型（DEM） | CNN | 图像，多模态数据（卫星图像、DEM数据、真实掩码） | Bijie滑坡数据集（具体样本数量未说明） | NA | U-Net | 精确率，召回率，F1分数，准确率，平均交并比（mIoU），曲线下面积（AUC） | NA |
| 8784 | 2026-01-19 |
Artificial intelligence in mitotic checkpoint modeling: transforming our understanding of cellular division through machine learning and predictive biology
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf729
PMID:41537307
|
综述 | 本文综述了人工智能在细胞有丝分裂检查点建模中的应用，通过机器学习和预测生物学方法，改变了我们对细胞分裂的理解 | 利用Transformer架构预测纺锤体组装检查点参与度准确率超过95%，图神经网络在亚像素分辨率解码动粒-微管动力学，以及混合AI-机制模型揭示隐藏反馈回路 | NA | 通过人工智能方法，提升对有丝分裂检查点复杂非线性动力学的理解，并推动其在癌症等增殖性疾病精准医疗中的应用 | 细胞有丝分裂检查点网络，包括纺锤体组装检查点和动粒-微管动力学 | 机器学习和预测生物学 | 癌症等增殖性疾病 | 多组学数据整合 | Transformer, 图神经网络, 混合AI-机制模型 | 多组学数据 | NA | NA | Transformer, 图神经网络 | 准确率 | NA |
| 8785 | 2026-01-19 |
DynaRepo: the repository of macromolecular conformational dynamics
2026-Jan-06, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf1130
PMID:41231767
|
研究论文 | 本文介绍了DynaRepo，一个包含约450个复合物和约270个单链蛋白质的分子构象动力学数据库，旨在支持基于动力学的深度学习研究 | 通过整合PDBbind、SAbDab和基准数据集，提供大规模分子动力学模拟数据，弥补了静态结构研究方法的不足，为动态行为分析提供了数据基础 | NA | 构建一个用于研究大分子构象动力学的数据库，以支持数据驱动的深度学习框架开发 | 蛋白质、RNA和DNA及其复合物，包括抗体-抗原识别、内在无序蛋白质和蛋白质-核酸结合等动态相互作用 | 计算生物学 | NA | 分子动力学模拟 | NA | 分子动力学模拟数据 | 约450个复合物和约270个单链蛋白质，每个复合物进行三次500纳秒模拟，总计超过1100微秒数据 | NA | NA | NA | NA |
| 8786 | 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 |
| 8787 | 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 |
| 8788 | 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 |
| 8789 | 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 |
| 8790 | 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 |
| 8791 | 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 |
| 8792 | 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 |
| 8793 | 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 |
| 8794 | 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 |
| 8795 | 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 |
| 8796 | 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 |
| 8797 | 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 |
| 8798 | 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 |
| 8799 | 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 |
| 8800 | 2026-01-18 |
Learning-Based Multi-View Stereo: A Survey
2026-Jan-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3654665
PMID:41543950
|
综述 | 本文对基于学习的多视图立体视觉（MVS）方法进行了全面综述 | 系统性地将基于学习的MVS方法分类为基于深度图、基于体素、基于NeRF、基于3D高斯泼溅和大规模前馈方法，并重点分析了主流方法 | 作为综述文章，不涉及具体实验验证，主要依赖现有文献和基准测试结果 | 综述基于学习的多视图立体视觉方法的研究进展、性能比较和未来方向 | 多视图立体视觉算法及其在3D重建中的应用 | 计算机视觉 | NA | 多视图立体视觉 | 深度学习 | 多视角图像 | NA | NA | NA | 基准测试性能 | NA |