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 1010 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2026-02-13 |
Deep learning models for image classification of lymphoma: a pilot study in canine
2026-Feb-01, The Journal of veterinary medical science
IF:1.1Q3
DOI:10.1292/jvms.24-0518
PMID:41407379
|
研究论文 | 本研究旨在基于细针穿刺图像，开发深度学习模型以区分犬淋巴瘤与反应性淋巴增生 | 首次在犬淋巴瘤图像分类中应用Vision Transformer和Inception-v3模型，并探索了两种集成学习方法 | 样本量相对较小，仅来自两家医院的有限病例，且ViT模型性能未达预期 | 通过图像分类技术辅助犬淋巴瘤的诊断 | 犬淋巴瘤和反应性淋巴增生的细针穿刺图像 | 计算机视觉 | 淋巴瘤 | 细针穿刺成像 | CNN, Transformer | 图像 | 2290张犬淋巴瘤FNA图像和871张RLH FNA图像，来自14例淋巴瘤和7例RLH病例 | NA | Vision Transformer, Inception-v3 | 准确率, 召回率, AUC, 精确率 | NA |
| 422 | 2026-02-13 |
Evaluating the Impact of Annotation Expertise on AI-Based Ultrasound Segmentation: A Case Study on Left Atrial Appendage
2026-Feb, Cardiovascular engineering and technology
IF:1.6Q4
DOI:10.1007/s13239-025-00816-8
PMID:41491880
|
研究论文 | 本研究评估了注释者专业知识对基于AI的超声图像分割性能的影响，以左心耳分割为例 | 通过比较专家和新手注释的数据集，并引入合成误差（系统性和非系统性），系统分析了注释质量对AI分割模型性能的影响 | 研究仅针对左心耳超声图像分割，结果可能无法推广到其他解剖结构或成像模态 | 探究用户专业知识对医学图像分割中真实标注准确性的影响及其对AI模型性能的最终影响 | 超声图像中的左心耳 | 医学图像分析 | 心血管疾病 | 超声成像 | 深度学习 | 图像 | 两个数据集（专家注释和新手注释），并生成合成变体 | nnU-Net | U-Net | Dice系数 | NA |
| 423 | 2026-02-13 |
Study on the release pattern of radon exhalation in the overburden soil of uranium tailings under arid climate and prediction based on Fully Connected Neural Network (FCNN)-based deep learning radon prediction model
2026-Feb, Journal of environmental radioactivity
IF:1.9Q3
DOI:10.1016/j.jenvrad.2025.107883
PMID:41576636
|
研究论文 | 本文研究了干旱气候下铀尾矿覆盖土壤中氡的释放规律，并提出了基于全连接神经网络（FCNN）的深度学习氡预测模型 | 提出了基于FCNN的深度学习模型来预测氡析出率，并通过与LSTM模型的误差比较，证明了FCNN模型在反映氡气释放规律和表达温度、土壤含水量、覆盖层裂隙率与氡析出率之间关系方面的优越能力 | NA | 为铀尾矿管理单位提供高温和暴晒条件下氡析出率的预测方法，以支持氡的控制与防治 | 铀尾矿覆盖土壤 | 机器学习 | NA | 室内模拟实验 | FCNN, LSTM | 实验数据 | NA | NA | 全连接神经网络, 长短期记忆网络 | 误差比较 | NA |
| 424 | 2026-02-13 |
AI-driven framework for accurate detection of Alzheimer's disease in EEG
2026-Feb-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35184-3
PMID:41622342
|
研究论文 | 本研究提出了一种基于人工智能的框架，通过融合特征和Conv-LSTM架构，从EEG信号中准确检测阿尔茨海默病 | 提出了一种新颖的特征融合与Conv-LSTM架构相结合的AI框架，能够从复杂的脑电信号中提取高水平的判别性特征，显著提升了AD检测的准确率 | 未在摘要中明确提及 | 开发一种准确、可扩展的阿尔茨海默病早期诊断系统 | 阿尔茨海默病患者（特别是老年人）的脑电图信号 | 机器学习 | 阿尔茨海默病 | 脑电图 | Conv-LSTM | 脑电图信号 | 未在摘要中明确提及 | 未在摘要中明确提及 | Conv-LSTM | 准确率 | 未在摘要中明确提及 |
| 425 | 2026-02-13 |
Detection of Soil-Borne Pathogens Using Fine-Tuned Deep Learning Models: A Case Study on the Soybean Cyst Nematode (Heterodera glycines Ichinohe)
2026-Feb, The plant pathology journal
DOI:10.5423/PPJ.OA.10.2025.0146
PMID:41656719
|
研究论文 | 本文提出了一种基于人工智能的框架，用于对大豆胞囊线虫进行实例分割和颜色表型分类，以提高检测效率 | 首次将YOLOv11等先进深度学习架构应用于土壤传播的大豆胞囊线虫的实例分割，并结合颜色阈值进行发育阶段分类，构建了集成检测框架 | 研究仅基于韩国感染田地的土壤样本，模型在其他地理区域或环境条件下的泛化能力未经验证 | 开发一种高效、可扩展的人工智能驱动检测系统，以替代传统劳动密集型方法，实现大豆胞囊线虫的早期监测和管理 | 大豆胞囊线虫（Heterodera glycines Ichinohe）的雌性个体 | 计算机视觉 | 植物病害 | 显微镜成像，颜色表型分析（HSV阈值） | CNN | 图像 | 4,392张线虫图像 | PyTorch（YOLO系列），Detectron2 | YOLOv5, YOLOv8, YOLOv11, Detectron2 | 精确率，召回率，mAP@0.5 | NA |
| 426 | 2026-02-13 |
Learning genetic perturbation effects with variational causal inference
2026-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013194
PMID:41628222
|
研究论文 | 本文提出了一种结合机制因果模型与变分深度学习的混合方法（SCCVAE），用于预测单细胞水平的基因扰动效应 | 提出了一种名为SCCVAE的混合方法，将基于基因调控网络的机制因果模型与变分自编码器相结合，以生成全面、丰富的转录组响应，在预测未见扰动方面优于现有方法 | 未明确提及具体的数据规模限制或模型在特定噪声条件下的性能边界 | 开发一种能够准确预测单细胞水平基因扰动效应的计算模型，并提高其对未见扰动的泛化能力 | 单细胞转录组数据，特别是Perturb-seq技术产生的基因扰动响应数据 | 机器学习 | NA | Perturb-seq，单细胞转录组测序 | 变分自编码器（VAE），因果模型 | 单细胞转录组数据 | NA | NA | 变分自编码器（VAE） | NA | NA |
| 427 | 2026-02-13 |
Perceptions and knowledge of machine learning for paediatric related decision support in emergency care - A UK and Ireland network survey study of clinician leaders
2026-Feb, PLOS digital health
DOI:10.1371/journal.pdig.0001213
PMID:41662367
|
研究论文 | 本研究通过调查英国和爱尔兰临床领导者对儿科急诊护理中机器学习决策支持工具的理解和看法，探讨了实施障碍和潜在应用 | 首次在英国和爱尔兰范围内针对儿科急诊护理的机器学习决策支持工具进行临床领导者层面的网络调查，揭示了理解差距、应用偏好和关键障碍 | 研究为横断面调查，样本量有限（65个站点），主要依赖自我报告数据，可能无法完全代表所有临床实践环境 | 评估临床领导者对儿科急诊护理中机器学习决策支持工具的理解、接受度和潜在应用，以指导安全有效的实施 | 英国和爱尔兰儿科急诊研究网络（PERUKI）站点的数字系统负责人或站点负责人 | 机器学习 | 儿科疾病 | NA | NA | 调查数据 | 75个站点中的65个（响应率86.7%），主要来自英格兰（83.1%） | NA | NA | NA | NA |
| 428 | 2026-02-13 |
A deep learning framework for four-dimensional ocean sound speed field prediction
2026-Feb-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0042423
PMID:41677394
|
研究论文 | 提出一种结合Swin Transformer和U-Net的深度学习模型（ST-UNet），用于实现四维海洋声速场的预测 | 首次将Swin Transformer与U-Net结合，通过多头自注意力机制提取时空特征，实现四维海洋声速场的完整时空信息预测，突破了现有方法仅能处理三维特征的局限 | 未明确说明模型在其他海域的泛化能力，也未讨论计算复杂度与实时预测的可行性 | 开发能够完整捕捉时空信息的四维海洋声速场预测方法 | 南海区域的海洋声速场数据 | 机器学习 | NA | 深度学习 | Transformer, CNN | 时空序列数据 | 基于南海实测数据集（具体样本量未明确说明） | NA | U-Net, Swin Transformer | 均方根误差 | NA |
| 429 | 2026-02-12 |
SLPM: a lightweight deep learning model for end-to-end paper ECG digitization
2026-Feb-11, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae3fe5
PMID:41616494
|
研究论文 | 提出一种轻量级端到端深度学习模型SLPM，用于从纸质心电图图像中直接数字化时间序列信号 | 采用分类-回归联合学习框架直接预测信号点的存在与垂直坐标，并集成了分层挤压-激励双向长短期记忆特征增强机制，以改善信号预测的连续性和稳定性 | NA | 解决纸质心电图数字化过程中的分割误差、噪声干扰和泛化能力差等问题 | 纸质心电图图像 | 计算机视觉 | 心血管疾病 | NA | 深度学习模型 | 图像 | 基于PTB-XL数据集衍生的单导联数据集PaperECG_Clean和PaperECG_Enhanced，以及12导联数据集PaperECG_12l | NA | 分层挤压-激励双向长短期记忆 | 皮尔逊相关系数, 信噪比 | NA |
| 430 | 2026-02-12 |
Design Glycosyltransferases with High Glycosyl Transfer Efficiency to Efficiently Produce Isoquercetin from Quercetin
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c15833
PMID:41631425
|
研究论文 | 本研究通过虚拟筛选、分子对接和实验验证，设计出具有高糖基转移效率的糖基转移酶，以高效从槲皮素生产异槲皮素 | 结合深度学习的kcat预测、分子对接和系统发育分析，成功设计出活性比野生型提高103倍的糖基转移酶变体PCAA，并耦合蔗糖合酶实现UDP-葡萄糖再生，提高了异槲皮素的生产效率和转化率 | 未明确说明实验规模、酶稳定性或长期生产中的潜在限制 | 克服异槲皮素生物合成中的主要瓶颈，为食品工业应用提供实用策略 | 糖基转移酶（GTs）、槲皮素、异槲皮素 | 生物信息学 | NA | 虚拟筛选、分子对接、深度学习的kcat预测、蛋白BLAST、系统发育分析 | 深度学习模型 | 蛋白质序列、酶活性数据 | 约1000个同源序列 | NA | NA | 酶活性倍数提高、转化率 | NA |
| 431 | 2026-02-12 |
Discovery of High-Affinity Glutamine-Derived Peptides from Wheat Gliadin Targeting CaSR: a Computational Approach Integrating Deep Learning and Molecular Dynamics
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c14216
PMID:41631493
|
研究论文 | 本研究通过整合深度学习、虚拟筛选和分子模拟，开发了Peptide_MDI智能筛选平台，从小麦麦醇溶蛋白中鉴定出高亲和力靶向钙敏感受体(CaSR)的肽段RLSYQFPFYP，并验证其促进肠道稳态的生物学功能 | 首次将深度学习与分子动力学模拟结合，构建了可扩展的智能肽筛选平台Peptide_MDI，实现了从大量候选肽中高效发现纳米级亲和力的CaSR靶向肽 | 研究主要基于计算模拟和体外实验，缺乏体内动物模型验证；候选肽库仅限于小麦麦醇溶蛋白来源，未涵盖其他蛋白来源 | 开发智能筛选平台以发现靶向钙敏感受体(CaSR)的高亲和力肽段，用于促进肠道稳态和设计新型肽疗法 | 从小麦麦醇溶蛋白衍生的2798个候选肽段，重点关注其与CaSR的相互作用及生物学功能 | 计算生物学 | 肠道疾病 | 深度学习, 虚拟筛选, 分子动力学模拟 | 深度学习模型 | 肽序列数据, 分子结构数据 | 2798个候选肽段 | Nextflow | NA | 解离常数(Kd) | NA |
| 432 | 2026-02-12 |
A lightweight depthwise separable convolution and channel attention based GRU network for multichannel EEG seizure detection
2026-Feb-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae4106
PMID:41632979
|
研究论文 | 本文提出了一种基于轻量级深度可分离卷积和通道注意力的GRU网络，用于多通道EEG癫痫发作检测 | 结合了残差深度可分离卷积块进行高效空间特征提取，并引入了通道注意力机制以突出关键信息，同时利用GRU层建模时间依赖性，实现了轻量级且高效的端到端癫痫发作检测 | 仅使用了CHB-MIT数据集进行评估，未在其他数据集上验证模型的泛化能力 | 开发一种快速、准确且非侵入性的癫痫发作自动检测框架，以改善癫痫的诊断和管理 | 多通道原始EEG信号 | 机器学习 | 癫痫 | 脑电图（EEG） | GRU, CNN | 信号数据 | CHB-MIT数据集，使用留一患者交叉验证（LOPOCV）方法 | NA | 残差深度可分离卷积（RDSC）块, GRU | 准确率, 精确率, 灵敏度, 特异度, F1分数 | NA |
| 433 | 2026-02-12 |
DL-assisted self-volume-calibrating colorimetric PAAHM sensors for water surveillance
2026-Feb-11, The Analyst
DOI:10.1039/d5an01216c
PMID:41670188
|
研究论文 | 本文介绍了一种基于聚丙烯酸钠水凝胶微球（PAAHM）的比色传感平台，结合深度学习辅助的自体积校准策略，用于高效定量检测水中的NH、PO和Fe | 提出了集成了比色和体积双重响应特性的PAAHM传感器，并开发了一种结合卷积神经网络的自体积校准方法，可同时从传感器图像中自动提取和建模颜色与形态特征 | 未在摘要中明确说明 | 开发一种便捷、低成本、高精度的现场环境监测解决方案，用于水中有害物质的定量检测 | 水中的NH、PO和Fe离子 | 计算机视觉 | NA | 比色传感、水凝胶微球技术 | CNN | 图像 | NA | NA | NA | 相关系数, 分类准确率 | NA |
| 434 | 2026-02-12 |
Deep learning-enhanced, accelerated cartilage T2 mapping: role in diagnosing early OA and challenges for clinical application
2026-Feb-11, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-026-05163-w
PMID:41670646
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 435 | 2026-02-12 |
Non-contact acoustic screening for sleep apnea: a subject-aware deep learning approach
2026-Feb-11, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-026-03594-2
PMID:41670793
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 436 | 2026-02-12 |
Dynamic ultrasound motion metrics combined with deep learning for clinical differentiation of subacromial impingement syndrome
2026-Feb-11, La Radiologia medica
DOI:10.1007/s11547-026-02188-y
PMID:41670888
|
研究论文 | 本研究评估了深度学习模型在动态肩部超声中预测肩峰下撞击综合征的诊断性能，比较了Faster R-CNN与STL-CNN，并探索了结合1D-CNN进行分类的效用 | 结合动态超声运动指标与深度学习进行临床诊断，首次比较Faster R-CNN与STL-CNN在肩部解剖标志定位中的性能，并利用1D-CNN基于vAHD指标实现高精度SIS分类 | 当前工作流程需要离线视频分析，未来需关注实时实施和改善模型泛化能力 | 评估深度学习模型在动态肩部超声中对肩峰下撞击综合征的诊断性能 | 59名SIS患者和59名对照者 | 计算机视觉 | 肩峰下撞击综合征 | 动态肩部超声成像 | CNN | 视频 | 118名参与者（59名患者和59名对照者） | NA | Faster R-CNN, STL-CNN, 1D-CNN | 准确率, 平均距离误差 | NA |
| 437 | 2026-02-12 |
Training the diagnostic artificial intelligence in thyroid sonography: how well is deep learning truly learning?
2026-Feb-11, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02506-5
PMID:41670922
|
研究论文 | 本研究评估了在真实世界场景中，用于甲状腺结节ACR TI-RADS分类的人工智能软件通过深度学习后的学习曲线和性能提升 | 在真实临床环境中，通过软件更新前后的两阶段对比，量化评估了AI在甲状腺超声TI-RADS分类中的学习曲线和具体改进点，特别是对微钙化等疑难特征的识别能力提升 | AI在复杂或不典型病例（如自身免疫性甲状腺炎、未下降的胸腺、出血性囊肿）中仍存在误判，尚不能完全替代经验丰富的临床医生 | 评估用于甲状腺超声TI-RADS分类的人工智能软件在深度学习训练后的性能提升和学习曲线 | 甲状腺结节患者及其超声图像 | 数字病理学 | 甲状腺疾病 | 3D超声成像，ACR TI-RADS分类 | 深度学习模型 | 超声图像 | 第一阶段：110名患者，176个结节；第二阶段：133名患者，228个结节；更新后重新评估初始110名患者 | NA | NA | 分类一致性百分比（AI与评估者之间） | NA |
| 438 | 2026-02-12 |
Teravoxel Microscopy Image Analysis for Neurological Diseases
2026-Feb-10, Annual review of biomedical engineering
IF:12.8Q1
|
综述 | 本文综述了光片荧光显微镜（LSFM）在神经疾病研究中的应用，以及深度学习等计算方法在分析大规模三维脑图像中的作用 | 整合了人工智能技术以识别疾病相关的细胞特征和形态标记，并提出了针对数据驱动LSFM图像分析领域挑战的潜在解决方案 | 分析流程针对不同动物模型和脑结构设计各异，导致可行性和兼容性方面的挑战 | 探讨LSFM技术在神经疾病病理生理机制研究中的应用，并分析当前分析流程的挑战与解决方案 | 完整的三维脑结构图像，特别是与神经炎症和神经退行性疾病相关的细胞特征 | 数字病理学 | 神经退行性疾病 | 光片荧光显微镜（LSFM），组织透明化方法 | 深度学习 | 三维显微镜图像 | NA | NA | NA | NA | NA |
| 439 | 2026-02-12 |
Unsupervised Disentanglement of Brain Heterogeneity for Identifying Subtypes of Alzheimer's Disease
2026-Feb-10, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3663181
PMID:41666058
|
研究论文 | 提出了一种名为3D-DisAD的无监督深度学习框架，用于从阿尔茨海默病患者的脑部MRI中分离出疾病特异性神经解剖学变异，并据此识别疾病亚型 | 提出了一种结合对比解缠网络和基于扩散的生成建模的无监督框架，能够将AD特异性变异与混杂因素（如遗传和环境因素）分离，从而识别出更具临床解释性的疾病亚型 | 研究依赖于公开数据集，可能无法涵盖所有AD人群的异质性；方法主要基于神经解剖学特征，未整合多模态数据（如PET、CSF） | 解决阿尔茨海默病神经解剖学异质性对精准诊断和治疗的阻碍，识别具有同质脑表型的疾病亚型 | 阿尔茨海默病患者和健康对照的脑部MRI数据 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习 | 3D图像 | 四个公开数据集 | PyTorch | 对比解缠网络, 基于扩散的生成模型 | 与临床和生物学特征的相关性分析, 亚型在生物标志物、认知轨迹和遗传特征上的差异 | NA |
| 440 | 2026-02-12 |
Stress Detection Using Heart Rate Variability and Respiratory Signals Derived From a Single-Lead ECG
2026-Feb-10, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3658304
PMID:41666060
|
研究论文 | 本文提出了一种结合特征提取与机器学习的混合方法，仅使用单导联心电图信号进行压力检测 | 提出了一种基于单导联心电图的混合方法，通过提取心率变异性和呼吸信号特征，显著提高了分类准确率和计算效率 | 研究仅使用了ES3项目数据库，未在其他数据集上进行验证；实时可穿戴设备应用的硬件限制未完全解决 | 开发一种适用于可穿戴设备的实时压力检测方法 | 单导联心电图信号及其衍生的心率变异性和呼吸信号 | 机器学习 | NA | 单导联心电图信号分析 | XGBoost | 心电图信号 | ES3项目数据库（具体样本数量未在摘要中说明） | NA | XGBoost | 分类准确率，计算效率，推理时间 | NA |