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 1501 - 1520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1501 | 2026-05-20 |
Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning
2026-Feb-07, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02399-7
PMID:41654658
|
研究论文 | 利用几何深度学习快速预测左心室激活时间图，为心脏再同步治疗规划提供支持 | 首次构建基于图神经网络和几何信息神经算子的几何深度学习模型，实现左心室激活时间图的实时预测，并开发了用于优化起搏点选择的工作流 | 模型在真实左心室几何结构上的性能略低于合成数据，且尚未在临床环境中进行验证 | 开发一种用于个性化心脏再同步治疗规划的计算方法，通过快速预测激活时间图并优化起搏点位置 | 左心室几何形状上的激活时间图预测 | 机器学习 | 心脏疾病（心脏衰竭） | 有限元模拟 | 图神经网络（GNN）和几何信息神经算子（GINO） | 合成和真实左心室几何形状的激活时间图数据 | 基于广泛合成左心室形状、起搏点配置和组织电导率生成的有限元模拟大样本数据集 | PyTorch | 图神经网络（GNN），几何信息神经算子（GINO） | 误差率（百分比） | NA |
| 1502 | 2026-05-20 |
AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review
2026-02-01, American journal of clinical oncology
DOI:10.1097/COC.0000000000001238
PMID:40679809
|
综述 | 对人工智能算法在非小细胞肺癌预后预测中的应用进行系统文献综述 | 比较了不同人工智能类型（机器学习和深度学习）的预后性能，并评估了与TNM分期等传统预后系统的对比 | 建议在临床应用前需通过精心设计的临床试验进行充分验证 | 评估人工智能算法在非小细胞肺癌预后预测中的应用效果 | 非小细胞肺癌患者的预后预测 | 机器学习 | 肺癌 | NA | 机器学习, 深度学习 | 组织学数据, 遗传数据, CT, PET, MRI图像 | 初始3880篇文献，经筛选后纳入309篇 | NA | NA | 预后性能（具体指标未明确） | NA |
| 1503 | 2026-05-20 |
Accelerated water residual removal in MRS: Exploring deep learning versus fitting-based approaches
2026-01, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70031
PMID:40891397
|
研究论文 | 提出并验证两种快速去除MRS中水残留信号的新方法：DeepWatR和WaterFit | 分别采用U-Net类似架构结合注意力机制和Torch自动微分技术，实现了快速准确的水残留去除，较传统HLSVDPro方法大幅提升速度 | 模拟数据集与实际临床数据的差异可能影响方法泛化性；DeepWatR在去除水后代谢物拟合精度低于WaterFit | 开发临床适用的快速水残留去除方法，提升磁共振波谱（MRS）的临床实用性 | 模拟和体内1H脑部MRS数据集中的水残留信号 | 机器学习 | NA | MRS | U-Net | 磁共振波谱数据 | 模拟和体内1H脑部数据集，包含10,000个体素和100个体素两个测试集 | PyTorch | U-Net | 平均百分比量化误差、速度提升倍数 | 低端图形处理单元（GPU） |
| 1504 | 2026-05-19 |
Technical system of electroencephalography-based brain-computer interface: Advances, applications, and challenges
2026-Sep-01, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00217
PMID:40903968
|
综述 | 系统分析基于脑电图的脑机接口技术在信号采集、范式设计、解码算法及应用方面的进展与挑战 | 全面梳理了脑电-脑机接口系统的四大支柱（信号采集、范式设计、解码算法、应用），并特别强调了非侵入式电极舒适性提升、微创技术实现近侵入式信号保真度、多模态融合（如结合眼动追踪）以及Riemann几何与深度学习的解码算法创新 | 信号质量长期稳定性不足、运动干扰、伦理数据问题、跨设备兼容性差以及跨个体校准需求高 | 弥合脑电-脑机接口技术与实际应用之间的差距，指导未来研究方向 | 基于脑电图的脑机接口系统、信号采集技术（湿/干/半干电极、微针阵列、血管内探针）、范式设计（运动想象、稳态视觉诱发电位、P300拼写器）、解码算法（Riemann几何、深度学习、迁移学习） | 机器学习 | 卒中 | 脑电图 | 深度学习 | 脑电图信号 | NA | NA | NA | NA | NA |
| 1505 | 2026-05-19 |
Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials
2026-Sep-01, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00561
PMID:41017675
|
review | 探讨人工智能在周围神经再生生物材料开发中的应用，涵盖材料设计、性能预测和虚拟实验 | 系统探讨人工智能通过机器学习和深度学习优化神经再生生物材料的策略 | 数据整合、算法复杂性及临床转化的挑战 | 探索人工智能在神经再生生物材料研发中的应用潜力 | 周围神经再生生物材料 | machine learning | 周围神经病 | NA | machine learning, deep learning | NA | NA | NA | NA | NA | NA |
| 1506 | 2026-05-19 |
Deep learning-based cognitive impairment brain imaging analysis: New methods, new technologies, and new paradigms
2026-Sep-01, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00332
PMID:42148603
|
综述 | 探讨深度学习在由缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍脑磁共振成像分析中的应用，聚焦于病变分割、目标检测和图像分类三大核心任务 | 系统总结了U-Net、混合CNN-Transformer和3D-CNN等模型在三种疾病中的最新应用进展，并提出了联邦学习、域适应、自动标注和可解释人工智能等新范式以克服临床整合障碍 | 高质量标注数据集稀缺、站点间差异性大、标注成本高以及模型可解释性有限，阻碍了临床整合 | 探索深度学习在认知障碍脑磁共振成像分析中的应用，提升病变分割、异常区域定位和疾病分类的准确性、鲁棒性和泛化能力 | 缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍患者的脑磁共振成像数据 | 计算机视觉 | 心血管疾病、阿尔茨海默病、帕金森病 | 磁共振成像 | 卷积神经网络、变换器 | 图像 | NA | NA | U-Net、混合卷积神经网络-变换器、三维卷积神经网络、ResNet、Vision Transformer | Dice系数、准确率 | NA |
| 1507 | 2026-05-19 |
An integrated wearable microfluidic electrochemical/colorimetric intelligent sensing platform for comprehensive sweat analysis
2026-Aug-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2026.118746
PMID:42061345
|
研究论文 | 提出了一种集成微流控电化学/比色传感的智能可穿戴平台，用于全面汗液分析 | 首次将高性能CuS/PDA@MXene纳米复合材料电化学传感层与水凝胶微流控/比色传感层结合，实现汗液成分与皮肤微环境的多模态监测，并采用CNN-LSTM深度学习架构处理比色信号 | 未提及 | 开发智能可穿戴平台用于动态监测汗液成分和皮肤微环境，推动个性化健康监测和数字医疗 | 汗液中的葡萄糖、乳酸、钾离子、钠离子，以及汗液皮肤微环境的pH值、温度和紫外线强度 | 机器学习, 数字化病理学 | 未指定 | 电化学传感, 微流控比色传感 | CNN-LSTM | 图像信号（比色信号） | 未提及 | NA | CNN-LSTM | 未提及 | NA |
| 1508 | 2026-05-19 |
Self-supervised Deep Learning for Denoising in Ultrasound Microvascular Imaging
2026-Aug-15, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2026.110368
PMID:42147495
|
研究论文 | 提出一种自监督深度学习框架HA2HA，用于超声微血管成像中的去噪，提升图像质量 | 创新性地使用互补角度子集的超声射频血流数据构建自监督训练对，无需标记数据即可实现去噪，并适用于无对比剂和增强对比剂的场景 | 未提及 | 解决超声微血管成像中低信噪比问题，提高血管可视化和下游分析质量 | 猪肾脏、人类肾脏和人类肝脏的超声微血管成像数据 | 计算机视觉, 数字病理学 | 未提及 | 超声成像 | 深度学习 | 图像（超声射频血流数据） | 训练数据：无对比剂猪肾脏数据；测试数据：未见过个体的无对比剂和增强对比剂猪肾脏、人类肾脏和人类肝脏数据 | NA | NA | 对比噪声比 | NA |
| 1509 | 2026-05-19 |
Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis
2026-May-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-73094-0
PMID:42144397
|
研究论文 | 提出一种端到端自动化流程，结合深度学习与信号处理，用于血吸虫病现场即时检测的读取与质量控制 | 首次将深度学习与信号处理结合，实现血吸虫病侧流层析检测的自动定量分类，解决视觉判读不确定性，并在大规模现场队列中验证 | NA | 为被忽视热带疾病的即时检测开发自动化诊断分类流程 | 血吸虫病现场循环阴极抗原检测的侧流层析测试 | 计算机视觉，信号处理 | 血吸虫病 | 侧流层析检测 | 深度学习模型（CNN） | 图像 | 乌干达农村SchistoTrack队列中3188名个体 | NA | NA | 灵敏度、特异度 | NA |
| 1510 | 2026-05-19 |
Construction of a multi-dimensional predictive model for college students' academic performance based on deep learning
2026-May-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-51012-0
PMID:42144405
|
研究论文 | 构建基于深度学习的大学生学业成绩多维预测模型，融合时间序列、行为与人口学特征 | 提出一种新型GatedLSTMU-Dove模型，通过优化算法提升收敛速度与预测精度，并实现可解释的时间模式可视化 | 未说明模型在更大规模或多样化数据集上的泛化能力，以及实际教学干预中的效果验证 | 开发一个鲁棒的预测模型，利用多维数据（时间、行为和人口学特征）预测大学生学业表现 | 2000名大学生的学业数据，包括成绩、出勤率、学习管理系统交互、心理测量和人口统计记录 | 机器学习 | NA | NA | 门控长短期记忆单元（Gated LSTM） | 表格数据（数值型与分类型特征） | 2000名学生样本 | Python 3.10（未明确指定具体框架） | GatedLSTMU-Dove | 分类准确率（98.85%）、低误差指标、可解释的时间模式可视化 | NA |
| 1511 | 2026-05-19 |
Automated periapical lesion segmentation and area-based PAI indexing: a comparative deep learning study on periapical radiographs
2026-May-18, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08645-4
PMID:42144602
|
研究论文 | 本研究系统比较了四种深度学习架构在根尖周X线片上自动分割根尖周病变并基于面积计算根尖周指数（PAI）的性能 | 首次在统一协议下将像素级分割映射到临床可解释的根尖周指数（PAI）类别，并提出基于面积的PAI评分（aPAI） | 未纳入定性影像特征（如边界定义、小梁变化），且仅使用单一数据集，缺乏外部验证 | 评估不同深度学习架构在根尖周病变分割及基于面积的PAI指数计算中的性能，并比较其优劣 | 900张匿名根尖周X线片及其专家标注的病变掩膜 | 计算机视觉 | 根尖周病变 | X线成像 | CNN | 图像 | 900张根尖周X线片（训练集594张，验证集145张，测试集161张） | NA | U-Net, ResUNet34, DeepLabV3, HRNet | 准确率, 敏感度, 特异度, 精确率, F1分数, AUC | NA |
| 1512 | 2026-05-19 |
Improved delineation of the cystic artery using super-resolution deep learning reconstruction in contrast-enhanced abdominal computed tomography
2026-May-18, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01066-6
PMID:42149432
|
研究论文 | 本研究评估了超分辨率深度学习重建在对比增强腹部CT中改善胆囊动脉及其毗邻血管的显示效果 | 首次将超分辨率深度学习重建技术应用于对比增强CT中胆囊动脉的清晰显示，并与标准深度学习重建进行比较 | 在胆囊动脉检出率方面未见显著改善，且为回顾性研究 | 评估SR-DLR在对比增强腹部CT中改善胆囊动脉和相关腹部血管显示及图像质量的效果 | 60名接受对比增强腹部CT动脉期扫描的患者 | 计算机视觉 | NA | 对比增强CT | 深度学习重建 | 图像 | 60名患者 | NA | SR-DLR, DLR | CT衰减值, 图像噪声, 对比噪声比, 半峰全宽, 边缘上升距离, 边缘上升斜率 | NA |
| 1513 | 2026-05-19 |
Graph attention network-based prediction of oral multi-drug resistance efflux protein sequence
2026-May-18, Minerva dental and oral science
IF:1.1Q3
DOI:10.23736/S2724-6329.25.04946-0
PMID:42149558
|
研究论文 | 利用图注意力网络预测口腔多药耐药外排蛋白序列 | 首次将图注意力网络与超注意力机制应用于口腔耐药组蛋白序列预测 | 模型敏感度较低（0.51），可能遗漏部分阳性病例；样本量小，仅涵盖少数细菌蛋白序列 | 预测口腔多药耐药外排蛋白序列，为药物发现和耐药管理提供支持 | 口腔多药耐药外排蛋白序列（来自MprA、MarA、CpxA和MdtC蛋白的FASTA序列） | 机器学习 | NA | NA | 图注意力网络 (GAT) | 序列数据 | 7条蛋白质FASTA序列 | Deepbio | 图注意力网络, 超注意力机制 | 敏感度, 特异性, 真阴性率 (TNR) | NA |
| 1514 | 2026-05-19 |
Artificial intelligence (AI)-assisted ultrasound in clinical trials: Endpoint automation, decentralized monitoring, and regulatory readiness
2026-May-17, Drug discoveries & therapeutics
DOI:10.5582/ddt.2026.01020
PMID:42002939
|
综述 | 综述了人工智能辅助超声在临床试验中的端点自动化、分散监测和监管准备方面的当前证据与监管发展 | 系统整合了AI在超声自动测量、实时采集引导及监管框架三方面的最新进展，揭示了AI提升超声可重复性与分散试验可行性的互补路径 | 尚未解决跨厂商领域泛化、亚组公平性及持续试验中的算法变更管理等挑战 | 评估AI辅助超声在临床试验中实现端点自动化、分散监测及满足监管要求的潜力 | 临床试验中的超声成像技术与AI辅助算法 | 计算机视觉 | 心血管疾病 | 超声成像 | 深度学习 | 图像 | NA | NA | NA | 可重复性、诊断可接受率、非劣效性 | NA |
| 1515 | 2026-05-19 |
Customer churn prediction in privacy-preserving HashCode-based security abstractions
2026-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53357-y
PMID:42144427
|
研究论文 | 提出一种基于哈希码的安全抽象方法，在保护隐私的前提下实现客户流失预测 | 将隐私设计理念融入客户流失统计，使用哈希码安全抽象在保持分析完整性的同时保护身份信息，无需依赖丰富标识符或大量基础设施假设 | 仅使用行为、交易和时间等结构化数据，未涉及非结构化数据或外部数据源 | 在严格隐私标准下评估和平衡多种机器学习与深度学习模型在客户流失预测中的性能 | 客户行为、交易及时间相关特征 | 机器学习 | NA | 匿名化哈希编码 | 逻辑回归、随机森林、XGBoost、多层感知机 | 结构化数据（行为、交易、时间） | 未指定样本数量 | Keras, Scikit-learn | Logistic Regression, Random Forest, XGBoost, Multilayer Perceptron | 准确率、精确率、召回率、F1分数、AUC | 未指定 |
| 1516 | 2026-05-19 |
IL-HS: a deep inception-LSTM architecture for enhanced lithological mapping using EnMAP hyperspectral remote sensing data
2026-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52520-9
PMID:42144467
|
研究论文 | 提出IL-HS深度学习框架，用于利用EnMAP高光谱遥感数据进行增强岩性制图 | 首次将InceptionV2与双向长短期记忆网络结合用于高光谱岩性分类，实现多尺度空间特征与序列光谱信息融合 | NA | 实现半干旱和地质复杂区域的高精度岩性制图，以支持地质科学和矿产勘探 | 摩洛哥Anti-Atlas地区Kerdous内围层的26个岩性单元 | 计算机视觉 | NA | 高光谱遥感、EnMAP数据 | Inception-LSTM | 高光谱图像 | NA | PyTorch | InceptionV2,双向长短期记忆网络 | 总体精度 | NA |
| 1517 | 2026-05-19 |
MedNext-Insight Model for Automated Metabolic Tumor Volume Delineation on Computed Tomography and Prognostic Value in Nasopharyngeal Carcinoma
2026-May-16, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.05.005
PMID:42144163
|
研究论文 | 开发一种深度学习模型，用于在常规CT上自动描绘代谢肿瘤体积（MTV），无需PET，并验证其在鼻咽癌中的预后价值 | 首次在无需PET的情况下，仅基于常规CT实现准确的代谢肿瘤体积自动描绘，并验证了其预后价值 | NA | 开发基于深度学习的CT-only MTV自动描绘模型，并评估其在鼻咽癌中的预后区分能力 | 鼻咽癌患者的初始治疗前18F-FDG PET/CT扫描数据 | 计算机视觉 | 鼻咽癌 | CT成像 | 深度学习分割模型 | 医学影像 | 392例训练与测试患者，135例内部时间验证患者 | PyTorch | MedNext-Insight | Dice相似系数, 敏感性, 一致性指数 | NA |
| 1518 | 2026-05-19 |
LaED: a novel lightweight, edge-aware and explainable deep learning model for privacy-preserving facial attendance tracking in resource-constrained educational environments
2026-May-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42051-8
PMID:42141001
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1519 | 2026-05-19 |
STAGE challenge: Structural-Functional Transition in Glaucoma Assessment
2026-May-15, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104128
PMID:42143993
|
研究论文 | STAGE挑战赛探索从结构OCT图像直接预测功能VF指标，建立了青光眼结构-功能转换评估的首个标准化基准 | 首次建立大规模结构化数据集和标准化评估框架，将深度学习从结构分析拓展到结构-功能转换预测 | 数据规模有限（401个OCT体积），可能限制模型泛化性；仅关注OCT图像与VF指标关联，未涉及其他影像模态 | 开发从结构OCT图像预测功能性VF指标的方法，推动青光眼结构-功能关联分析 | 青光眼患者的结构OCT图像和对应功能性VF指标（平均偏差、敏感度图、模式偏差概率图） | 计算机视觉, 数字病理学 | 青光眼 | OCT成像 | 深度学习 | 图像, 表格数据 | 401个OCT体积（每个包含256张横截面图像），附带VF标签和人口统计学数据 | NA | 双分支架构（结合OCT与表格数据），任务特定OCT模型 | NA | NA |
| 1520 | 2026-05-19 |
Deep learning for detection and automatic visualization of radiation-induced temporal lobe injury in nasopharyngeal carcinoma across endemic and non-endemic areas in China
2026-May-13, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111596
PMID:42134661
|
研究论文 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌放射诱导颞叶损伤的检测和自动可视化 | 首次提出基于2.5D ResNet的多任务学习网络，同时实现放射诱导颞叶损伤的分类和分割，并在中国大陆地域跨度大的流行区和非流行区进行验证 | 前瞻性验证中临床获益尚未得到确认；模型性能在外部测试集上略有下降 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌放射诱导颞叶损伤的早期检测和自动可视化 | 鼻咽癌患者放射诱导的颞叶损伤 | 计算机视觉 | 鼻咽癌 | MRI | 多任务深度学习网络 | 图像 | 956名鼻咽癌患者 | PyTorch | 2.5D ResNet | AUC, 灵敏度, Dice相似系数 | NA |