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 1071 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2026-02-22 |
Dynamic changes to the tibiofemoral joint line with increasing osteoarthritis severity and its relationship to constitutional alignment : a radiological analysis of 3,320 knees
2026-Feb-19, Bone & joint open
IF:2.8Q1
|
研究论文 | 本研究利用深度学习软件分析了3320例膝关节置换术前负重全长X光片，探讨了骨关节炎严重程度与膝关节线动态变化及固有对线之间的关系 | 首次使用深度学习软件大规模量化分析骨关节炎进展中膝关节线的动态变化，并区分了固有对线与动态变化对线的影响 | 研究为横断面回顾性分析，无法确定因果关系；仅基于X光片评估，缺乏其他影像学或临床数据验证 | 探讨骨关节炎严重程度与膝关节线动态变化及固有对线参数之间的关系 | 接受全膝关节置换术患者的3320例膝关节术前负重全长X光片 | 数字病理学 | 骨关节炎 | X光成像，深度学习图像分析 | NA | X光图像 | 3320例膝关节术前负重全长X光片 | NA | NA | p值统计显著性 | NA |
| 22 | 2026-02-22 |
Motor imagery EEG signal classification using minimally random convolutional kernel transform and hybrid deep learning
2026-Feb-19, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121816
PMID:41719718
|
研究论文 | 本文提出了一种基于最小随机卷积核变换和混合深度学习的新方法，用于分类运动想象脑电图信号 | 引入最小随机卷积核变换进行高效特征提取，并提出了一个结合CNN和LSTM的新型深度学习模型作为基线 | 未明确提及具体局限性，但暗示未来需要改进低信噪比EEG和受试者间变异性下的鲁棒性 | 提高运动想象脑电图信号的分类准确性，并探索特征提取和分类的新方法 | 运动想象脑电图信号 | 机器学习 | NA | 脑电图 | CNN, LSTM | 脑电图信号 | 使用了PhysioNet和BCI Comp IV 2a数据集，具体样本数量未明确 | NA | CNN-LSTM | 准确率 | NA |
| 23 | 2026-02-22 |
Adaptive learning rate optimization in deep recurrent architectures for precision PM2.5 forecasting under climate variability
2026-Feb-19, Chemosphere
IF:8.1Q1
|
研究论文 | 本研究评估了高级学习率调度策略，以改进LSTM和GRU在PM2.5预测中的性能，使用亚特兰大2023-2025年的空气质量与气象数据 | 比较了多项式、分段常数和余弦衰减调度策略，揭示了架构特定的敏感性，并建立了针对特定地点时间序列空气质量监测的可靠计算基线 | 余弦衰减在孤立实例中减少了峰值误差，但对随机梯度噪声的鲁棒性不足 | 提高PM2.5预测的准确性，以保障公共健康并支持工业排放管理和基于证据的政策制定 | 亚特兰大2023-2025年的空气质量与气象数据 | 机器学习 | NA | NA | LSTM, GRU | 时间序列数据（空气质量与气象数据） | 亚特兰大2023-2025年的数据（具体样本数量未明确） | NA | LSTM, GRU | MAE, R值 | NA |
| 24 | 2026-02-22 |
Fusing data from CT deep learning, CT radiomics and peripheral blood immune profiles to diagnose lung cancer in a cohort of patients experiencing symptoms
2026-Feb-19, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2026.106173
PMID:41719793
|
研究论文 | 本研究通过融合CT深度学习、CT影像组学和外周血免疫谱数据，开发了一种用于诊断有症状患者肺癌的预测模型 | 首次将CT深度学习、CT影像组学和外周血免疫谱数据多模态融合，用于有症状患者的肺癌诊断，提高了诊断性能 | 样本量相对较小（170名患者），且为单中心研究，可能影响模型的泛化能力 | 开发一种非侵入性、低成本的肺癌筛查方法，以提高有症状患者的早期诊断准确性 | 344名来自Lister医院肺科门诊的有症状疑似肺癌患者，其中170名患者成功生成了预测协变量 | 数字病理学 | 肺癌 | CT扫描、CT纹理分析、深度学习自编码器、高深度流式细胞术、外泌体蛋白质分析 | 自编码器、贝叶斯回归 | CT图像、外周血数据 | 170名患者（训练集128名，验证集42名） | NA | 自编码器 | AUC, 敏感性, 特异性 | NA |
| 25 | 2026-02-22 |
Corrigendum to "Deep learning enhanced ALPS reveals genetic and environmental factors of brain glymphatic function" [eBioMedicine 124 (2026) 106133] DOI: 10.1016/j.ebiom.2026.106133
2026-Feb-19, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2026.106180
PMID:41719794
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 26 | 2026-02-22 |
Multimodal machine learning for Cr(Ⅵ) removal and floc settling using image-based floc features and operating parameters
2026-Feb-19, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.129024
PMID:41719855
|
研究论文 | 本文开发了一种新颖的多模态机器学习框架，结合基于图像的絮体特征和操作参数，以预测电凝过程中Cr(VI)去除效率和絮体沉降性能 | 首次提出将基于深度学习的图像特征提取（ResNet50）与操作参数相结合的多模态机器学习框架，用于优化电凝过程，显著提高了预测准确性和过程适应性 | NA | 优化电凝过程以去除废水中的Cr(VI)并改善絮体沉降性能 | 废水处理中的电凝过程 | 机器学习 | NA | 电凝 | CNN, SVC, SVR, Bagging Classifier, Extra Tree | 图像, 操作参数 | NA | NA | ResNet50 | R | NA |
| 27 | 2026-02-22 |
A deep learning model based on multi-scale self-attention mechanism and 3D EEM fluorescence spectroscopy for water pollution source apportionment: Emphasis on EEM regional feature analysis
2026-Feb-19, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141559
PMID:41720029
|
研究论文 | 本文提出了一种基于多尺度自注意力机制和3D EEM荧光光谱的深度学习模型，用于水污染源解析，特别强调EEM区域特征分析 | 模型整合了3D EEM光谱与多尺度自注意力机制，通过多尺度荧光区域积分特征工程，发现了“维度悖论”，即中等50 nm特征尺度优于更高分辨率的25 nm尺度，挑战了传统高分辨率必然提升性能的假设 | NA | 水污染源解析和水质监测 | 五种水源：鱼塘养殖废水、地下水、地表水、工业废水和模拟废水 | 机器学习 | NA | 3D EEM荧光光谱 | 深度学习模型 | 光谱数据 | NA | NA | 多尺度自注意力机制 | 测试准确率 | NA |
| 28 | 2026-02-22 |
Minimizing Missed Diagnoses of Tibial Plateau Fractures: The Role of AI in Radiographic Evaluation
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.24.00579
PMID:41706010
|
研究论文 | 本研究开发了一种基于AI的诊断工具，用于在X光片上识别胫骨平台骨折 | 首次将EfficientNet B3 AI模型应用于胫骨平台骨折的X光片诊断，并展示了高诊断性能 | 数据集中各亚组样本量不平衡，且无法识别含有异物或其他缺陷的X光片 | 开发人工智能诊断工具以减少胫骨平台骨折的漏诊 | 胫骨平台骨折患者的X光片 | 计算机视觉 | 骨科损伤 | X光成像，计算机断层扫描（CT） | CNN | 图像 | 1,809名患者，共3,821张膝关节正位和侧位X光片 | NA | EfficientNet B3 | AUC, 阳性预测值 | NA |
| 29 | 2026-02-22 |
Retraction Note: Enhanced climate change resilience on wheat anther morphology using optimized deep learning techniques
2026-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40318-8
PMID:41708830
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 30 | 2026-02-22 |
Automated Multiclass Bone Segmentation Using Deep Learning: Implications for Templating in Radial Head Replacement
2026-Feb-18, Journal of shoulder and elbow surgery
IF:2.9Q1
DOI:10.1016/j.jse.2026.02.005
PMID:41720251
|
研究论文 | 本研究训练并验证了nnU-Net深度学习模型，用于自动化多类别骨骼分割，以支持桡骨头置换术中的三维术前模板规划 | 首次应用nnU-Net模型实现上肢骨骼的自动化多类别分割，显著提高了分割效率，并针对桡骨头置换术的模板规划需求，特别关注了皮质和非皮质区域的准确分割 | 模型无法捕捉软骨结构 | 开发一种快速可靠的自动化骨骼分割方法，以改进桡骨头置换术的术前三维模板规划 | 上肢骨骼，包括肱骨、尺骨以及桡骨的皮质和非皮质区域 | 数字病理学 | NA | CT扫描 | 深度学习 | 图像 | 93例上肢CT扫描 | nnU-Net | nnU-Net | Dice相似系数, Hausdorff距离, 平均表面距离, 均方根误差 | NA |
| 31 | 2026-02-22 |
OPU-NET-DADENA: Optimized deep learning ensemble with u-net segmentation for early detection of diabetic retinopathy
2026-Feb-18, Microvascular research
IF:2.9Q2
DOI:10.1016/j.mvr.2026.104923
PMID:41720334
|
研究论文 | 本文提出了一种基于优化深度学习集成与U-Net分割的新方法，用于早期检测糖尿病视网膜病变 | 提出了一种结合优化U-Net分割、残差注意力EfficientNet特征提取和混合爬行动物搜索算法特征选择的深度孪生DenseNet集成方法，实现了高精度的早期糖尿病视网膜病变检测 | 未明确说明数据集的来源、样本多样性以及模型在临床环境中的泛化能力 | 开发一个高效、准确的早期糖尿病视网膜病变自动诊断系统 | 糖尿病患者的视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 图像处理与深度学习 | CNN, 集成学习 | 图像 | NA | MATLAB | U-Net, EfficientNet, DarkNet, DenseNet 201, NasNetMobile | 准确率, 精确率, F分数, 特异性, 灵敏度, MCC, NPV, FPR, FNR | NA |
| 32 | 2026-02-22 |
MDD-thinker: A reasoning-enhanced large language model for diagnosis of major depressive disorder
2026-Feb-16, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2026.121405
PMID:41707724
|
研究论文 | 本文提出了一种名为MDD-Thinker的推理增强大语言模型，用于诊断重度抑郁症 | 通过结合监督微调和强化学习，增强了模型的推理能力和可解释性，并利用结构化推理样本和异构文本数据进行训练 | 模型在评估条件下的临床适用性可能受到可解释性、幻觉问题及对合成数据依赖的限制 | 开发一个可扩展且可解释的智能精神病学评估系统，用于大规模重度抑郁症诊断 | 重度抑郁症患者，基于UK Biobank数据集和公开心理健康数据集的临床及社会人口学信息 | 自然语言处理 | 重度抑郁症 | 监督微调, 强化学习 | 大语言模型 | 文本 | 40,000个结构化推理样本（来自UK Biobank）和10,000条记录（来自公开心理健康数据集） | NA | 大语言模型 | 准确率, F1分数 | NA |
| 33 | 2026-02-22 |
Cross-modal attention deep learning reveals how transformation products inherit life-cycle risks from parent antibiotics: Insights for environmental, ecological, health, and AMR risks
2026-Feb-16, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2026.125584
PMID:41719651
|
研究论文 | 本研究通过跨模态注意力深度学习模型评估抗生素及其转化产物的生命周期风险，揭示了高风险转化产物的结构特征与风险继承模式 | 首次引入基于分子图与分子指纹融合的少样本跨模态注意力深度学习模型，用于识别多类别抗生素生命周期风险优先级，并通过可解释性分析揭示高风险转化产物的结构特征 | 研究仅关注水生环境中的抗生素转化产物，模型在更广泛环境介质或复杂转化路径中的泛化能力有待验证 | 评估抗生素及其转化产物在水生环境中的生态、环境、人类健康和抗菌素耐药性风险，为风险管理提供理论支持 | 141种母体抗生素及其高相似性转化产物 | 机器学习 | NA | 分子图分析、分子指纹融合 | 图神经网络（GINConv, GATConv）、注意力机制 | 分子结构数据（图数据、指纹数据） | 141种母体抗生素及其转化产物 | NA | 跨模态注意力深度学习模型（融合GINConv或GATConv的图神经网络） | 预测准确性、鲁棒性 | NA |
| 34 | 2026-02-22 |
A comprehensive review on wine authentication and traceability: Current issues, solutions and future perspectives
2026-Feb-16, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2026.148456
PMID:41719666
|
综述 | 本文全面总结了葡萄酒认证与溯源领域当前面临的问题、现有解决方案及未来展望 | 综述了包括光谱学、色谱学、质谱法以及新兴智能传感技术在内的现代分析技术，并强调其与先进机器学习方法的集成应用 | NA | 探讨葡萄酒认证与溯源的技术发展，以应对葡萄酒欺诈问题，保护消费者利益和市场公平 | 葡萄酒 | 机器学习 | NA | 光谱学, 色谱学, 质谱法, 智能传感技术 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 35 | 2026-02-22 |
From pixels to prognosis: A QUADAS-2-Guided systematic review and meta-analysis of deep learning segmentation for DLBCL in PET and PET/CT
2026-Feb-16, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101144
PMID:41719779
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了深度学习模型在PET/CT成像中自动分割弥漫性大B细胞淋巴瘤的性能和方法学质量 | 首次在QUADAS-2工具指导下，对DLBCL的深度学习分割方法进行系统综述和荟萃分析，量化了其整体分割性能 | 纳入研究在算法、研究设计和数据集上存在异质性，且未来需要更大规模、更多样化的队列研究以提高普适性 | 评估深度学习模型在PET/CT成像中自动分割DLBCL的性能和方法学质量 | 弥漫性大B细胞淋巴瘤（DLBCL）在PET/CT成像中的分割 | 数字病理学 | 淋巴瘤 | PET/CT成像 | 深度学习模型 | PET/CT图像 | 15项符合条件的研究（其中11项用于定量合成，4项用于定性评估） | NA | NA | Dice相似系数（DSC） | NA |
| 36 | 2026-02-22 |
Green in-situ photoreduction synthesis of SERS substrates based on violet phosphorus arrays/silver nanoparticles for ultrasensitive detection and accurate identification of UTI bacteria
2026-Feb-16, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127598
PMID:41719961
|
研究论文 | 本研究开发了一种基于紫磷阵列和银纳米颗粒的绿色、低成本原位光还原SERS基底，用于尿路感染细菌的超灵敏检测和准确识别 | 提出了一种绿色、低成本的原位光还原策略，构建了基于紫磷阵列和银纳米颗粒的电磁-化学双增强SERS平台，实现了对尿路感染细菌的高灵敏检测和精确识别 | NA | 开发一种稳定、低成本、环保的SERS基底，用于复杂生物流体（如尿液）中低浓度和多种病原体的超灵敏检测与识别 | 尿路感染细菌，具体包括大肠杆菌和粪肠球菌 | NA | 尿路感染 | 表面增强拉曼光谱 | NA | 拉曼光谱数据 | NA | NA | NA | 检测限，增强因子 | NA |
| 37 | 2026-02-22 |
A lightweight dual-channel feature fusion model for wheat variety identification in hyperspectral images
2026-Feb-16, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127595
PMID:41719958
|
研究论文 | 本文提出了一种用于高光谱图像小麦品种识别的轻量级双通道特征融合模型 | 设计了轻量级特征提取模块，分别从光谱和图像信息中提取特征，并通过加权融合实现快速无损分类，显著减少了参数数量并提高了检测速度 | 未明确提及模型在更广泛小麦品种或不同环境条件下的泛化能力 | 实现小麦品种的快速、无损、高精度识别 | 四种小麦品种 | 计算机视觉 | NA | 高光谱成像 | 深度学习模型 | 高光谱图像 | 未明确说明具体样本数量 | NA | 轻量级双通道特征融合模型 | 分类准确率 | 移动和嵌入式设备（适用于现场部署） |
| 38 | 2026-02-22 |
Hybrid deep learning-numerical modeling framework for long-term prediction of groundwater discharge and radionuclide transport
2026-Feb-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141346
PMID:41650601
|
研究论文 | 本研究提出了一种结合数值模型与深度学习方法的混合建模框架，用于提高地下水流量和放射性核素迁移长期预测的准确性和计算效率 | 提出了一种将自适应过程基础的全系统性能评估框架（APro-BIO）与图卷积长短期记忆（GC-LSTM）模型相结合的混合建模框架，用于高效、准确地预测地下水流量和放射性核素迁移 | 未明确说明模型在极端或未预见条件下的泛化能力，以及模型对输入数据质量和完整性的依赖程度 | 提高地下水流量和放射性核素迁移长期预测的准确性和计算效率，以评估深地质处置系统的安全性 | 地下水流量（GWD）和放射性核素迁移（RNT） | 机器学习 | NA | 数值模拟（HydroGeoSphere, APro-BIO），深度学习 | GC-LSTM（图卷积长短期记忆网络） | 数值模拟输出数据（水位、地表水流、地下水补给、地下水流量、地下水流速、地下水位、放射性核素迁移）及van Genuchten参数 | NA | NA | GC-LSTM | Kling-Gupta效率值 | NA |
| 39 | 2026-02-22 |
Temporal fusion transformer-based forecasting of COVID-19 infection trends using environmental indicators
2026-Feb-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141381
PMID:41653747
|
研究论文 | 本研究开发并评估了一种基于时间融合变换器（TFT）的多变量时间序列预测模型，用于利用环境指标预测COVID-19感染趋势 | 创新点在于将静态和时变输入变量有效结合，利用废水质量、空气质量和天气条件等环境因素来预测COVID-19病例动态，并展示了环境变量能提升模型预测性能17% | 模型在测试数据集中低估了病例数量，导致直接病例数预测可靠性较低 | 研究目的是开发有效的预测模型以支持公共卫生干预和医疗资源优化分配 | 研究对象为地区级别的COVID-19确诊病例和环境变量数据 | 机器学习 | COVID-19 | 时间序列分析 | Transformer | 时间序列数据 | 2020年2月至2022年5月期间收集的地区级别COVID-19病例和环境变量数据集 | NA | 时间融合变换器（TFT） | R值 | NA |
| 40 | 2026-02-22 |
A Deep Learning Approach for Classifying Benign, Malignant, and Borderline Ovarian Tumors Using Convolutional Neural Networks and Generative Adversarial Networks
2026-Feb-14, Medical sciences (Basel, Switzerland)
DOI:10.3390/medsci14010089
PMID:41718136
|
研究论文 | 本研究开发了一种结合卷积神经网络和生成对抗网络的深度学习模型，用于基于超声图像对卵巢肿瘤进行良恶性及交界性分类 | 首次使用DCGAN生成合成图像来解决交界性卵巢肿瘤数据稀缺问题，并构建了集成VGG16、ResNet50和InceptionNetV3的三分类CNN模型 | 研究为回顾性分析，样本量有限（特别是交界性肿瘤仅44例），且仅使用单一中心的超声图像数据 | 提高卵巢肿瘤术前超声图像的自动分类准确性，特别是针对罕见的交界性卵巢肿瘤 | 卵巢肿瘤的超声图像 | 计算机视觉 | 卵巢癌 | 超声成像 | CNN, GAN | 图像 | 636个卵巢肿块（3816张超声图像），包括390个良性病变、202个恶性肿瘤和44个交界性肿瘤 | NA | VGG16, ResNet50, InceptionNetV3, DCGAN | F1分数, 准确率, 灵敏度, 特异性, AUC | NA |