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 1520 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2026-03-19 |
Machine vision-based angle-arrayed imaging and two-stage deep learning for gear defect detection
2026-Feb-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.579975
PMID:41842039
|
研究论文 | 本文提出了一种结合同步齿面成像与两阶段深度分割策略的齿轮缺陷在线检测方法 | 提出了运动对齐成像机制实现齿面图像全覆盖，并采用两阶段级联架构（第一阶段快速分割有效齿面区域，第二阶段使用改进的U形双分辨率网络UDDRNet进行微小缺陷精确识别）以提升检测性能 | 未明确说明方法在极端光照或强振动环境下的鲁棒性，也未讨论对不同齿轮类型和尺寸的泛化能力 | 实现高精度、实时的工业齿轮表面缺陷在线检测 | 工业齿轮的齿面表面缺陷 | 计算机视觉 | NA | 机器视觉、运动对齐成像 | 深度学习、语义分割模型 | 图像 | NA | NA | 改进的U形双分辨率网络（UDDRNet） | mIoU, Recall, F1分数 | NA |
| 182 | 2026-03-19 |
PARQ: A Complexity-Consensus Aware Automatic Assessment of Motor Disease Severity in Parkinson's Disease
2026-Feb-09, Research square
DOI:10.21203/rs.3.rs-8694861/v1
PMID:41727589
|
研究论文 | 本文介绍了一种基于深度学习的平台PARQ，用于从临床视频中自动评估帕金森病的运动疾病严重程度 | PARQ不仅预测单一严重程度评分，还估计专家评分的潜在分布，实现了任务特异性、共识感知的运动严重程度预测 | 研究样本量较小（48名患者），且仅基于临床视频数据，可能受视频质量和角度限制 | 开发一种可扩展的客观临床方法，以自动评估和监测帕金森病的核心运动特征 | 帕金森病患者，涉及8项运动任务，每项任务有三位独立专家评分 | 计算机视觉 | 帕金森病 | 深度学习 | 深度学习模型 | 视频 | 48名患者，每项任务有三位专家评分 | NA | NA | 准确率 | NA |
| 183 | 2026-03-19 |
Physics-informed deep learning framework for wavefront sensing via optical beam pattern analysis
2026-Feb-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.581822
PMID:41841947
|
研究论文 | 本文提出了一种轻量级、物理信息驱动的深度学习框架PIRNet，用于光学光束扩展系统中的非干涉波前传感 | 通过引入物理一致性损失函数和可学习不确定性加权机制，将光学传播模型整合到深度学习框架中，提升了波前像差估计的准确性和泛化能力 | NA | 开发一种基于深度学习的波前传感方法，用于光学系统中的像差估计 | 光学光束强度模式 | 计算机视觉 | NA | 光学传播模拟（ABCD传输矩阵法） | CNN | 图像 | 大规模模拟数据集 | PyTorch | PIRNet | 准确性, 泛化能力 | NA |
| 184 | 2026-03-18 |
Deep learning in geographic atrophy: rethinking age-related macular degeneration progression and treatment
2026-Feb-28, Annals of translational medicine
DOI:10.21037/atm-2026-1-0018
PMID:41835799
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 185 | 2026-03-18 |
Real-Time Pond Water Assessment via Embedded Deep Learning and Visual Data Acquisition: A Practical Monitoring Approach for Aquaculture
2026-Feb-24, Journal of visualized experiments : JoVE
DOI:10.3791/69744
PMID:41838729
|
研究论文 | 本文提出了一种基于嵌入式深度学习和视觉数据采集的实时池塘水质评估系统，用于水产养殖监测 | 开发了一种集成低成本水下摄像头、树莓派控制器网络和轻量级神经网络的自主水面机器人系统，实现实时水下图像分类和水质评估 | 系统仅针对五种水质条件进行分类，可能需要进一步扩展类别；方法在其他水产养殖或环境监测场景中的适应性需要验证 | 设计、部署和操作基于嵌入式深度学习的实时水质监测系统，支持可持续水产养殖实践 | 观赏鱼（如锦鲤）养殖池塘的水质条件 | 计算机视觉 | NA | 水下图像采集、嵌入式系统 | 深度学习、神经网络 | 图像 | 自定义数据集（具体数量未说明） | NA | 轻量级神经网络 | 准确率 | 树莓派控制器网络、嵌入式系统 |
| 186 | 2026-03-18 |
FAST - filamentous actin segmentation tool for quantifying cytoskeletal organization
2026-Feb-15, Journal of cell science
IF:3.3Q3
DOI:10.1242/jcs.264265
PMID:41614214
|
研究论文 | 本文开发了一种基于深度学习的工具FAST，用于从phalloidin染色的共聚焦显微镜图像中准确高效地分割和量化不同类别的肌动蛋白结构 | FAST工具能够仅从肌动蛋白图像中量化不同类别的肌动蛋白结构，无需针对不同肌动蛋白结构中蛋白质的特异性抗体 | NA | 开发一种工具以量化光学显微镜数据中不同类别肌动蛋白结构的大小、丰度和组织 | 不同细胞系中的肌动蛋白结构，以及药物处理期间使用LifeAct-GFP观察到的肌动蛋白组织动态变化 | 计算机视觉 | 癌症转移 | phalloidin染色共聚焦显微镜，LifeAct-GFP成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 187 | 2026-03-18 |
Minimization of outage probability and energy consumption by deep learning-based prediction in D2D mm wave communication
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34846-y
PMID:41688507
|
研究论文 | 本文提出了一种基于深度学习的优化模型，用于最小化D2D毫米波通信中的中断概率和能量消耗 | 结合Flamingo Elk Herd Optimization（FEHO）和Deep Spiking Neural Network（DSNN）模型，优化中断概率和能量消耗，在平均发射功率和中断概率方面达到39.056 dBm和0.0015的优越性能 | 未明确说明模型在更复杂无线信道环境或大规模网络中的泛化能力，以及计算资源需求 | 最小化D2D毫米波通信系统的中断概率和能量消耗，以增强网络覆盖的鲁棒性 | D2D毫米波通信系统，包括相干、单簇近似和非相干下界三种覆盖概率机制 | 机器学习 | NA | 深度学习优化，模拟仿真 | Deep Spiking Neural Network（DSNN） | 模拟数据 | 未明确指定样本数量，基于模拟仿真 | 未明确指定，可能为自定义框架 | Deep Spiking Neural Network（DSNN） | 平均发射功率（dBm），中断概率 | 未明确指定 |
| 188 | 2026-03-18 |
Machine learning-based heat flux estimation from high-speed video during saturated pool boiling over vertical tube
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35147-8
PMID:41690988
|
研究论文 | 本文提出了一种基于机器学习的框架，利用高速视频数据预测垂直管上饱和池沸腾过程中的热通量 | 首次将深度学习模型（如卷积神经网络和目标检测算法）应用于沸腾气泡的动态分析，以自动提取分层和基于物理的特征，并实现原位热通量预测 | 未明确说明模型在极端或非标准沸腾条件下的泛化能力，且样本大小和具体数据细节未在摘要中详细描述 | 开发一种自动化、基于学习的方法来预测饱和池沸腾过程中的热通量，以提高设备设计、安全性和可靠性 | 垂直管上的饱和池沸腾过程，特别是气泡的形成、合并和脱离动态 | 计算机视觉 | NA | 高速成像 | CNN, 目标检测算法 | 视频 | NA | NA | NA | 平均热通量预测误差, 分类准确率 | NA |
| 189 | 2026-03-18 |
Assessing conformation validity and rationality of deep learning-generated 3D molecules
2026-Feb-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69303-5
PMID:41654558
|
研究论文 | 提出一种用于评估AI生成3D分子构象有效性与合理性的两阶段方法，兼顾速度与量子力学精度 | 结合AI力场与深度学习网络，实现快速且具备量子力学精度的构象异常检测 | 未明确说明方法在超大规模分子库（如千万级）中的计算效率表现 | 解决AI生成3D分子构象缺乏有效评估方法的问题 | AI生成的3D分子构象 | 机器学习 | NA | 密度泛函理论, AI力场 | 深度学习网络 | 3D分子构象数据 | 5个AI模型在102个靶点（Directory of Useful Decoys-Enhanced数据集）上生成的分子 | NA | NA | NA | NA |
| 190 | 2026-03-18 |
The potential of optical coherence tomography angiography in progressive multiple sclerosis
2026-Feb-07, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-026-13659-7
PMID:41654639
|
研究论文 | 本研究评估了光学相干断层扫描血管成像（OCTA）在进展型多发性硬化（PMS）中作为补充方法的潜力，发现PMS患者的视网膜浅层血管复合体血管密度降低，并与临床残疾程度相关 | 首次在进展型多发性硬化（PMS）人群中系统评估OCTA的应用价值，并发现血管密度与疾病持续时间及临床残疾程度的相关性 | 单中心、回顾性、横断面研究设计，样本量有限，需要外部验证和纵向研究进一步证实 | 评估OCTA在检测和监测进展型多发性硬化患者神经退行性病变中的潜在应用价值 | 进展型多发性硬化患者（62人，85只眼）和年龄性别匹配的健康对照（43人，64只眼） | 数字病理学 | 多发性硬化 | 光学相干断层扫描血管成像（OCTA） | 深度学习 | 医学影像（OCTA图像） | 149只眼（85只来自62名PMS患者，64只来自43名健康对照） | NA | NA | 血管密度（VD）、p值、相关系数（β） | NA |
| 191 | 2026-03-18 |
Artificial intelligence in cardiology: an updated systematic review with ethical considerations and challenges in implementing artificial intelligence models
2026-Feb, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004607
PMID:41675877
|
综述 | 本文是一篇关于人工智能在心血管医学中应用的系统性综述，重点评估了AI在诊断准确性、效率和预测能力方面的优势，并探讨了伦理考量与实施挑战 | 该综述不仅总结了AI在心血管诊断（如超声心动图、心电图、CT血管造影）中的最新进展，还特别强调了伦理问题、数据隐私、模型泛化性及临床实施指南等关键挑战，为未来研究提供了综合视角 | 综述指出，对AI在心血管医学中全面影响的理解仍存在显著空白，包括模型泛化性不足、数据质量问题、潜在算法偏见以及缺乏清晰的临床实施指南 | 评估人工智能在心血管医学中的影响，探讨其在提升诊断准确性和改善患者预后方面的潜力，并分析相关伦理与实施挑战 | 心血管医学领域的人工智能应用，特别是诊断工具（如超声心动图、心电图、CT血管造影）和预测分析模型 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | 医学影像数据（如超声心动图、CT血管造影）、信号数据（如心电图） | NA | NA | NA | 诊断准确性, 预测能力 | NA |
| 192 | 2026-03-18 |
Comparison of Deep Learning Architectures for Cardiac Contour Segmentation in Catheterization Radiographs
2026-Feb, Cureus
DOI:10.7759/cureus.103341
PMID:41835693
|
研究论文 | 本研究比较了U-Net和DeepLabV3两种深度学习架构在心导管X光片上心脏轮廓分割任务中的性能 | 首次在心脏导管X光片的心脏轮廓分割任务中，对广泛使用的U-Net和DeepLabV3架构进行了直接、系统的性能比较 | 研究数据来自单一机构，未来需要进行多机构验证；未与基于Transformer的架构进行对比 | 比较不同深度学习架构在心脏轮廓分割任务中的性能，以提升心脏解剖和功能定量评估的自动化水平 | 心脏导管X光片中的心脏轮廓 | 计算机视觉 | 心血管疾病 | 心脏导管X光成像 | CNN | 图像 | 1717张匿名胸部X光片 | NA | U-Net, DeepLabV3 | Dice相似系数, IoU, 像素精度 | NA |
| 193 | 2026-03-17 |
A High Magnifications Histopathology Image Dataset for Oral Squamous Cell Carcinoma Diagnosis and Prognosis
2026-Feb-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06736-z
PMID:41651871
|
研究论文 | 本文介绍了一个用于口腔鳞状细胞癌诊断和预后的高倍率组织病理学图像数据集Multi-OSCC | 提出了首个同时整合诊断和预后信息、覆盖多倍率（×200、×400、×1000）及肿瘤核心与边缘区域的大规模OSCC公开数据集 | 未明确提及数据集的种族/地域多样性限制或外部验证结果 | 构建支持口腔鳞状细胞癌全面临床评估的标准化病理图像数据集 | 1,325名口腔鳞状细胞癌患者的组织病理学图像 | 数字病理学 | 口腔鳞状细胞癌 | 组织病理学成像 | 深度学习视觉编码器 | 高分辨率组织病理学图像 | 1,325名患者（每名患者6张图像，共7,950张图像） | 未明确说明 | 未明确说明 | 未明确说明 | NA |
| 194 | 2026-03-16 |
Accurate Inverse Design of Broadband Solar Metamaterial Absorbers via Joint Forward-Inverse Deep Learning
2026-Feb-26, Nanomaterials (Basel, Switzerland)
DOI:10.3390/nano16050297
PMID:41823751
|
研究论文 | 本文提出了一种联合正向-逆向深度学习框架，用于快速、准确地优化多层超材料太阳能宽带吸收器 | 提出了一种基于改进Swin Transformer的逆向网络与多层感知机正向代理模型相结合的联合学习框架，通过一致性驱动的循环进行端到端训练，减少了逆向设计中一对多的模糊性 | 未明确说明模型在更宽光谱范围或更复杂材料组合下的泛化能力，也未讨论计算框架在其他类型超材料设计中的适用性 | 解决宽带高效太阳能吸收器设计中从目标光学响应到物理结构的复杂、不适定逆向映射问题 | 多层超材料太阳能吸收器（W/SiO双曲超材料堆栈和TiO/SiO抗反射涂层） | 机器学习 | NA | 深度学习 | Transformer, MLP | 光学响应数据与结构参数 | 未明确说明 | 未明确说明（可能为PyTorch或TensorFlow） | Modified Swin Transformer, Multilayer Perceptron | 归一化测试均方误差（7.2×10⁻⁴逆向，6.8×10⁻⁴正向），平均吸收率（97.4%），角度性能（高达60°入射角） | 未明确说明 |
| 195 | 2026-03-16 |
A lightweight residual dilated temporal transformer block for ECG classification on edge devices
2026-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35531-4
PMID:41680225
|
研究论文 | 提出一种轻量级残差扩张时序Transformer块，用于在边缘设备上进行ECG分类 | 结合残差扩张卷积与深度Transformer架构，并集成位置编码、通道注意力（SE块）以及使用SMOTE和抖动噪声的类别平衡数据增强，实现了高精度与低复杂度的平衡 | 未明确提及模型在更广泛疾病类别或更大规模数据集上的泛化能力测试 | 开发一种高效、资源敏感的深度学习模型，用于ECG分类，以支持实时、隐私保护的边缘设备心脏监测 | 心电图（ECG）信号 | 机器学习 | 心血管疾病 | ECG监测 | CNN, Transformer | 时序信号 | 基准ECG数据集（具体数量未明确） | 未明确指定 | 残差扩张卷积, Transformer | 准确率, Macro AUROC, Cohen's Kappa, Log Loss, Hamming Loss, Matthews Correlation Coefficient (MCC) | 边缘设备（如无线体感网络和可穿戴边缘设备） |
| 196 | 2026-02-14 |
Swamp-AI: a deep learning model for monitoring wetlands change across the globe
2026-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39257-1
PMID:41680429
|
研究论文 | 本文提出了一种名为Swamp-Eye的深度学习模型，用于全球湿地变化的监测 | 开发了一个独特的注释系统，结合多个全球数据集创建了涵盖多种湿地类型和季节性的全球湿地标注图像数据库，并训练了15个候选模型以选出最佳性能模型 | NA | 监测全球湿地范围的变化，特别是在偏远或难以进入的地区 | 全球范围内的湿地，包括沿海和内陆系统 | 计算机视觉 | NA | 遥感 | 深度学习模型 | 图像 | NA | NA | Swamp-Eye | 整体准确率, 生产者准确率, 用户准确率, 交并比 | NA |
| 197 | 2026-02-15 |
Lightweight scalable deep learning framework for real time detection of potato leaf diseases
2026-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33423-7
PMID:41688475
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 198 | 2026-03-16 |
Quantitative fat-fraction analysis of the rotator cuff muscles on clinical sagittal and coronal T1-weighted MRI using deep learning algorithms
2026-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38108-3
PMID:41688617
|
研究论文 | 本研究开发了一种基于深度学习的算法，用于从临床T1加权MRI自动预测肩袖肌肉的定量脂肪分数 | 首次利用深度学习从标准T1加权MRI预测体素级脂肪分数，克服了传统Goutallier分类法的主观性和单切片限制 | 样本量相对较小（训练集75例，验证集24例），且仅针对肩袖肌肉进行评估 | 通过深度学习实现肩袖肌肉脂肪浸润的定量评估，以改善手术预后分析和治疗规划 | 肩袖肌肉 | 医学影像分析 | 肩袖疾病 | MRI（T1加权和2点Dixon序列） | 深度学习 | 图像（MRI） | 99例患者（75例训练，24例验证） | NA | NA | 平均全肌肉脂肪分数计算误差（均值±标准差） | NA |
| 199 | 2026-02-11 |
Ultrasound-based attention-guided deep learning combined with radiomics to predict axillary lymph node metastasis in breast cancer
2026-Feb-09, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02208-3
PMID:41664021
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 200 | 2026-03-16 |
CMMSCL-DPI: cross-modal multi-structural contrastive learning for predicting drug-protein interactions
2026-Feb-09, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-026-02533-7
PMID:41664132
|
研究论文 | 本文提出了一种名为CMMSCL-DPI的跨模态多结构对比学习模型，用于预测药物-蛋白质相互作用 | 该模型首次将对比学习应用于药物和蛋白质的多维结构特征，并结合DPI异构图网络的交互特征，以促进跨模态对比学习，有效捕捉药物与蛋白质之间的关键差异和相似性 | NA | 提高药物-蛋白质相互作用预测的准确性，以支持有效且安全的药物发现 | 药物和蛋白质 | 机器学习 | NA | 对比学习, 异构图网络 | 深度学习模型 | 多模态数据（药物和蛋白质的多维结构特征） | 四个基准数据集 | NA | CMMSCL-DPI | 整体性能 | NA |