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 1546 篇文献，本页显示第 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2026-03-24 |
Histologic Distinction Between Clear Cell Sarcoma and Melanoma Using Supervised and Deep Learning
2026-Mar, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica
IF:2.2Q3
DOI:10.1111/apm.70184
PMID:41804209
|
研究论文 | 本研究利用监督学习和深度学习构建分类器，以区分透明细胞肉瘤和黑色素瘤 | 结合核形态计量学与深度学习模型（如CLAM/ResNet-50、CTransPath和UNI），开发可解释的分类器，并在外部验证集中实现高准确率 | 样本核数少于10,000或透明细胞肉瘤因治疗导致形态改变时，预测准确性可能降低 | 区分透明细胞肉瘤和黑色素瘤，提供辅助诊断工具 | 透明细胞肉瘤和黑色素瘤的苏木精-伊红染色切片 | 数字病理学 | 肉瘤, 黑色素瘤 | 核形态计量分析, 深度学习 | 决策树, 深度学习模型 | 图像 | 1,954,194个细胞核（来自透明细胞肉瘤和黑色素瘤切片） | CLAM, ResNet-50, CTransPath, UNI | ResNet-50, 决策树 | 准确率 | NA |
| 862 | 2026-03-24 |
Weakly supervised deep learning for cutaneous squamous and basal cell carcinoma in whole-slide histopathology
2026-Mar, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70082
PMID:41841638
|
研究论文 | 本研究开发了一种弱监督深度学习模型，用于区分浸润性基底细胞癌和低分化皮肤鳞状细胞癌，并在内部和外部队列中验证其泛化能力 | 采用弱监督的深度学习框架（CLAM）结合病理学专用Transformer模型（Phikon）进行特征提取，并首次与皮肤病理学基础模型（HistoGPT）进行零样本和微调性能比较 | 外部验证队列样本量有限（如昆士兰队列仅10例），且COBRA队列存在部分分布外数据，模型部署需谨慎校准和领域适应 | 提高皮肤基底细胞癌和鳞状细胞癌亚型诊断的自动化分类准确性和可靠性 | 皮肤浸润性基底细胞癌和低分化皮肤鳞状细胞癌的病理切片 | 数字病理学 | 皮肤癌 | 全切片图像分析 | Transformer, 多示例学习 | 图像 | 内部数据集335张全切片图像（含84张测试集），外部数据集包括昆士兰队列（10例）和COBRA队列（200例） | CLAM, PyTorch | Phikon, HistoGPT | AUC, 准确率, 灵敏度, 特异性, 平衡准确率, 威尔逊置信区间 | 未明确指定，但涉及深度学习模型训练和验证 |
| 863 | 2026-03-24 |
Combating Misinformation in the Digital Age: A Machine Learning Approach to Protect Community Water Fluoridation and Promote Oral Health Equity
2026-Mar, Journal of public health dentistry
IF:1.8Q3
DOI:10.1111/jphd.70020
PMID:41866756
|
研究论文 | 本研究开发并评估了机器学习与深度学习模型，用于识别社交媒体上关于社区水氟化的错误信息，并分析了其对公共卫生沟通和健康公平的影响 | 首次将机器学习与深度学习模型应用于社区水氟化错误信息的自动检测，并结合地理空间与社会人口学数据进行健康公平性分析 | 研究仅基于英文推文，且地理标记分析仅限于美国数据，可能无法完全代表全球情况 | 开发自动化工具以识别和对抗社交媒体上关于社区水氟化的错误信息，促进口腔健康公平 | 社交媒体上关于社区水氟化的推文内容 | 自然语言处理 | 口腔疾病 | 社交媒体数据挖掘，情感分析，主题内容编码 | 机器学习，深度学习 | 文本 | 19,960条英文推文（2014-2024年） | Scikit-learn, TensorFlow/PyTorch（用于BERT） | 支持向量分类器，BERT，XGBoost | 准确率 | NA |
| 864 | 2026-03-24 |
Synthesizing breast cancer ultrasound images from healthy samples using latent diffusion models
2026-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.2.024002
PMID:41868563
|
研究论文 | 本文提出了一种基于潜在扩散模型的三阶段工作流程，用于从健康样本合成乳腺癌超声图像和分割掩码 | 采用三阶段潜在扩散模型结合Vision Transformers和低秩适应微调，直接从健康样本合成恶性与良性乳腺超声图像及准确分割掩码，显著降低了单模型合成任务的复杂性 | 合成模型仍需依赖一定量的数据进行训练，且未在更大规模或更多样化的数据集上验证泛化能力 | 解决乳腺癌超声图像数据稀缺和标注困难的问题，通过合成图像增强训练数据集并保护患者隐私 | 乳腺超声图像，包括健康、良性和恶性样本 | 计算机视觉 | 乳腺癌 | 超声成像 | 潜在扩散模型, Vision Transformer | 图像 | BUSI数据集中的830张图像（133张健康、487张良性、210张恶性） | PyTorch | ResNet101, U-Net | AUC, Fréchet inception distance, inception score, F1-score | NA |
| 865 | 2026-03-23 |
MRI image segmentation of the major lower leg muscles using deep learning: application in biomechanical analysis
2026-Mar-21, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03554-8
PMID:41863716
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 866 | 2026-03-23 |
Blockchain-based two-level trustable reputation framework for e-commerce platform using smart contracts
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44032-3
PMID:41865050
|
研究论文 | 提出一种基于区块链和深度学习的双层可信声誉框架，用于解决电子商务平台中的声誉系统安全问题 | 结合了可编辑区块链、残差扩张卷积Transformer和多因素认证，通过智能合约实现自动化的声誉验证和交易管理 | 未提及框架在超大规模电商平台上的可扩展性测试或实际部署中的性能数据 | 设计一个可靠、抗攻击的电子商务声誉系统 | 电子商务平台上的用户声誉和交易安全 | 机器学习 | NA | 深度学习, 区块链, 智能合约 | Transformer | 交易数据, 用户行为数据 | NA | Python, Ethereum Solidity | 残差扩张卷积Transformer | NA | NA |
| 867 | 2026-03-23 |
BGC-LiteNet: BeiDou grid code embedded lightweight neural architecture for real-time UAV fire detection and localization
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44728-6
PMID:41865038
|
研究论文 | 提出了一种嵌入北斗网格码的轻量级神经网络架构BGC-LiteNet，用于无人机实时火灾检测与定位 | 将国家空间参考标准北斗网格码直接集成到神经网络特征学习中，通过可学习的地理嵌入模块在输入阶段编码像素-网格对应关系，无需外部GIS后处理即可同时进行检测和定位；开发了延迟感知的轻量级神经架构搜索方法，联合优化检测精度和硬件延迟 | NA | 实现资源受限无人机平台上的实时火灾检测与精确地理定位 | 无人机采集的多场景火灾数据 | 计算机视觉 | NA | 神经架构搜索 | CNN | 图像 | 多场景无人机数据集 | NA | BGC-LiteNet | 平均精度均值, 地理定位准确率, 召回率 | 嵌入式平台 |
| 868 | 2026-03-23 |
A two-stage framework for cost-sensitive predictive maintenance using deep learning, GANs, and risk-aware clustering
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42910-4
PMID:41865106
|
研究论文 | 本文提出了一种基于组件、面向决策的两阶段预测性维护框架，将剩余使用寿命预测与维护成本优化相结合 | 提出了一种结合深度学习、生成对抗网络和风险感知聚类的两阶段框架，通过数据增强解决故障数据稀疏性问题，并引入基于风险的维护决策优化 | 研究基于特定水灌装厂系统的工业组件，框架在其他工业环境中的普适性有待验证 | 开发一种成本敏感的预测性维护方法，减少纠正性故障并优化维护成本 | 工业系统组件（水灌装厂的多组件） | 机器学习 | NA | NA | LSTM, GAN | 时间序列数据（运行至故障序列） | NA | NA | WGAN-GP, DBSCAN | 纠正性故障减少率, 标准化维护成本 | NA |
| 869 | 2026-03-23 |
Memory efficient training for 3D brain image registration networks using PatchMorph
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44858-x
PMID:41865161
|
研究论文 | 提出一种名为PatchMorph的随机框架，用于显著降低3D脑图像配准网络中训练和推理的内存需求 | 通过解耦空间逻辑与网络架构，实现多尺度、基于世界坐标的补丁级联配准，支持处理大尺寸图像和不同体素分辨率 | 基于补丁的方法比单次全体积网络的推理时间更长 | 开发内存高效的深度学习框架以改进3D脑图像配准 | 人类T1 MRI图像和狨猴脑图像（来自串行双光子断层扫描） | 计算机视觉 | NA | 串行双光子断层扫描 | CNN, Transformer | 3D图像 | NA | NA | VoxelMorph-like | NA | NA |
| 870 | 2026-03-23 |
Viability classification of unstained cells in microscopic images using deep learning
2026-Mar-20, Applied microscopy
DOI:10.1186/s42649-026-00127-9
PMID:41857258
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 871 | 2026-03-23 |
Multimodal deep learning for inflammatory bowel disease: a new frontier in cellular and molecular biomarker discovery to clinical translation
2026-Mar-19, Journal of biological engineering
IF:5.7Q1
DOI:10.1186/s13036-026-00637-w
PMID:41857729
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 872 | 2026-03-23 |
Corrigendum to: A Comprehensive Review on Deep Learning Techniques in Alzheimer's Disease Diagnosis
2026-Mar-19, Current topics in medicinal chemistry
IF:2.9Q3
|
更正 | 对一篇关于阿尔茨海默病诊断中深度学习技术的综述文章进行了更正，以澄清原文中某些不清晰的短语和表达 | NA | NA | NA | NA | NA | 阿尔茨海默病 | NA | DBN | NA | NA | NA | DBN, RBM | NA | NA |
| 873 | 2026-03-23 |
Molecular Dynamics Study on Deep Learning Potential of the (LiF-YF3)eut.-Y2O3 Molten Salt System
2026-Mar-16, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c08470
PMID:41838957
|
研究论文 | 本研究通过Deep Potential Generator（DPGEN）机器学习工作流训练了(LiF-YF3)eut.-Y2O3熔盐体系的分子动力学势函数，并分析了系统内簇结构的动态演化 | 采用DPGEN机器学习工作流训练熔盐体系的分子动力学势函数，并系统分析了簇结构演化及离子配位行为 | NA | 研究(LiF-YF3)eut.-Y2O3熔盐体系的分子动力学行为及簇结构演化 | (LiF-YF3)eut.-Y2O3熔盐体系 | 机器学习 | NA | 分子动力学模拟, 机器学习 | 深度学习势函数 | 模拟数据 | NA | DPGEN | NA | 密度偏差 | NA |
| 874 | 2026-03-23 |
Mining user features with hyperbolic representations for diffusion prediction
2026-Mar-15, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108855
PMID:41863897
|
研究论文 | 提出一种名为Hyper-MUF的新型深度学习框架，利用双曲表示挖掘静态和动态用户特征以进行信息扩散预测 | 首次将双曲空间表示引入信息扩散预测，同时建模社交网络的层次结构特征和级联序列中的动态传播特征 | 未明确说明模型在跨平台或跨语言场景中的泛化能力，也未讨论计算复杂度与实时预测的平衡问题 | 改进信息扩散预测的准确性和可解释性，解决现有模型在捕捉社交网络层次结构和动态传播模式方面的不足 | 社交网络中的用户行为与信息传播过程 | 自然语言处理 | NA | 深度学习 | 注意力机制, 池化机制 | 社交网络数据, 级联序列数据 | 四个真实数据集（未明确具体样本数量） | NA | Hyper-MUF（自定义架构） | 预测性能（未明确具体指标） | NA |
| 875 | 2026-03-23 |
Handling distribution shifts on dynamic graphs via causal invariance principles
2026-Mar-15, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108854
PMID:41863898
|
研究论文 | 本文提出了一种基于因果不变性原理的方法DCIP，用于处理动态图上的分布偏移问题 | 通过多特征提取模块探索隐式节点交互模式，结合傅里叶变换和Transformer的频率域因果解耦架构，以及虚拟干预正则化策略，以分离因果模式并增强其跨环境稳定性 | 未在摘要中明确说明 | 处理动态图上的分布偏移，提高图神经网络在现实场景中的泛化能力 | 动态图数据 | 机器学习 | NA | NA | 动态图神经网络 | 动态图数据 | 六个动态图数据集和四个分布偏移数据集 | NA | Transformer | NA | NA |
| 876 | 2026-03-23 |
Computational Redesign of an Ancestral Xylose Isomerase: Tuning the Substrate Preference and Thermostability for Biomass Valorization
2026-Mar-12, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c17228
PMID:41817278
|
研究论文 | 本文通过整合祖先序列重建与深度学习方法，重新设计了一种祖先木糖异构酶，以优化其底物偏好和热稳定性，用于生物质增值 | 结合祖先序列重建与深度学习来识别双底物活性酶，并通过半理性设计策略（如柔性盖设计和突变）同时提升催化活性和热稳定性 | NA | 优化木糖异构酶的底物偏好和热稳定性，以开发适用于生物质增值的实用生物催化剂 | 祖先木糖异构酶ASR285及其突变体 | 机器学习 | NA | 祖先序列重建, 深度学习 | NA | 序列数据 | NA | NA | NA | 催化活性倍数增加, 半衰期倍数增加, d-果糖产量倍数增加 | NA |
| 877 | 2026-03-23 |
PIBAdb: a public cohort of multimodal colonoscopy videos and images including polyps with histological information
2026-Mar-10, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109315
PMID:41863886
|
研究论文 | 本文介绍了PIBAdb，一个包含结肠镜视频和图像的多模态公共数据集，用于结直肠息肉研究 | PIBAdb是最大且最完整的结直肠息肉多模态公共数据集之一，具有丰富的每个息肉元数据（组织学和PARIS/NICE分类）、包含NBI和WL图像，以及多个清洁度级别的非息肉图像 | 数据集仅基于单一医院（Hospital Universitario de Ourense）的数据，可能限制其泛化性 | 为结直肠息肉研究提供高质量的多模态公共数据集，支持深度学习模型的开发 | 结直肠息肉 | 数字病理学 | 结直肠癌 | 结肠镜检查 | 深度学习模型 | 视频, 图像 | 1176个息肉，31,946张手动标注的息肉图像，14,124张非息肉图像，近7小时带息肉的标注视频段，超过4小时无息肉的标注视频段 | NA | NA | NA | NA |
| 878 | 2026-03-23 |
An Efficient Contrastive Deep Learning Model for Identifying Schizophrenia-Specific Neuroanatomical Variations
2026-Mar-07, Schizophrenia bulletin
IF:5.3Q1
DOI:10.1093/schbul/sbaf261
PMID:41863375
|
研究论文 | 本研究开发了一种名为DECODE-SZ的深度学习模型，用于识别精神分裂症特异性的神经解剖学变异 | 结合对比学习、3D卷积神经网络和变分自编码器，首次提出了一种能有效分离精神分裂症特异性神经解剖特征的模型 | 研究样本仅来自中国8个独立站点，可能限制了结果的普适性，且未考虑其他潜在混杂因素 | 探究精神分裂症特异性神经解剖学变异与临床症状之间的关系，以开发更可靠的生物标志物 | 精神分裂症患者和健康对照者的结构MRI数据 | 医学影像分析 | 精神分裂症 | 结构MRI | 3D CNN, VAE | 3D图像 | 641名精神分裂症患者和609名健康对照者，来自8个独立站点 | NA | DECODE-SZ（双编码器对比解码模型） | 与PANSS评分的关联性分析 | NA |
| 879 | 2026-03-23 |
Corrigendum to "Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study" [World Neurosurgery, Volume 195, March 2025, 123728]
2026-Mar, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2026.124831
PMID:41713361
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 880 | 2026-03-22 |
The Nuclear Nephrology Artificial Intelligence Ecosystem
2026-Mar, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.11.002
PMID:41350144
|
综述 | 本文综述了人工智能在核肾脏病学领域的历史发展、当前应用及未来机遇 | 系统性地描绘了核肾脏病学中的人工智能生态系统，并展望了生成式AI、大语言模型和分割基础模型等新兴技术在该领域的应用潜力 | 人工智能工具在临床广泛应用前仍需大量开发和验证，且需考虑伦理限制和社会公正问题 | 探讨人工智能在核肾脏病学领域的应用现状、工具类型及未来发展方向 | 核肾脏病学中的各类技术和人工智能方法 | 数字病理学 | 肾脏疾病 | 动态肾闪烁显像、平面或单光子发射计算机断层扫描、正电子发射断层扫描 | 专家系统, 统计机器学习, 前馈神经网络, 卷积神经网络, 大语言模型, 扩散模型, 生成对抗网络, 视觉语言模型 | 图像 | NA | NA | NA | NA | NA |