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 1560 篇文献，本页显示第 1301 - 1320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1301 | 2026-03-07 |
A reliable contour detection method for volatomics analysis with comprehensive two-dimensional gas chromatography leveraging image classification and instance segmentation
2026-Mar-02, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2026.129610
PMID:41785690
|
研究论文 | 本研究提出了一种结合图像分类和实例分割的混合深度学习框架，用于解决GC×GC分析中因轮廓重叠导致的假阴性问题 | 首次将ResNet18图像分类与YOLO 11l实例分割相结合，构建自动化流程处理复杂GC×GC数据，显著减少人工干预需求 | 方法在玫瑰油数据集上验证，尚未在其他更广泛的挥发性有机物样本中测试其普适性 | 开发可靠轮廓检测方法以提升GC×GC挥发性组学分析的定量准确性 | GC×GC色谱图中的单峰与多峰轮廓 | 计算机视觉 | NA | GC×GC（全二维气相色谱） | CNN | 图像 | 多种玫瑰油数据集 | PyTorch | ResNet18, YOLO 11l | 准确率, 精确率, mAP | NA |
| 1302 | 2026-03-07 |
Motor imagery EEG signal classification using minimally random convolutional kernel transform and hybrid deep learning
2026-Mar, 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 | 创新点包括使用最小随机卷积核变换高效提取特征，并提出了基于CNN和LSTM的新型深度学习模型作为基线 | 未明确说明具体局限性，但提到未来方向包括通过非加性电极-源融合提高低信噪比和个体间变异性下的鲁棒性 | 提高运动想象脑电图任务的分类准确性和计算效率 | 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，但未明确样本数量 | NA | CNN-LSTM | 准确率 | NA |
| 1303 | 2026-03-07 |
Simultaneous synthesis of perfusion and ventilation images from CT using a dual-decoder residual attention network for lung disease diagnosis
2026-Mar, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70498
PMID:41746161
|
研究论文 | 本研究开发了一种基于深度学习的双解码器残差注意力网络，用于从三维CT图像中同时生成肺灌注和通气图像 | 提出了一种双解码器残差注意力网络（DDRAN），能够同时从三维CT合成肺灌注和通气图像，而以往研究只能单独预测其中一种 | 研究样本量相对较小（98例），且未明确说明模型在更广泛人群或不同疾病类型中的泛化能力 | 开发一个深度学习框架，用于从三维CT图像中同时生成肺灌注和通气图像，以支持肺部疾病的诊断 | 接受单光子发射CT灌注图像、通气图像和三维CT图像检查的98例患者 | 数字病理学 | 肺部疾病 | 单光子发射CT（SPECT）、三维CT成像 | CNN | 图像 | 98例患者 | NA | 双解码器残差注意力网络（DDRAN）、单解码器残差注意力网络（RAN） | 结构相似性指数（SSIM）、斯皮尔曼等级相关系数（Rs）、Dice相似系数（DSC） | NA |
| 1304 | 2026-03-07 |
Quantitative evaluation of a deep learning-based noise reduction algorithm in digital radiography using noise power spectrum analysis
2026-Mar, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70521
PMID:41741150
|
研究论文 | 本研究通过噪声功率谱分析，定量评估了数字放射摄影中基于深度学习的噪声降低算法的图像质量 | 引入了噪声功率谱改进因子作为补充指标，以量化频率范围内的噪声抑制，并促进方法间的直接比较 | 未将噪声分析与诊断性能指标结合以全面评估临床效用，需要进一步研究 | 定量评估商业深度学习噪声降低算法在数字放射摄影中的图像质量 | 商业深度学习噪声降低算法和传统基于规则的噪声降低算法 | 计算机视觉 | NA | 数字放射摄影 | 深度学习 | 图像 | NA | NA | NA | 噪声功率谱改进因子 | NA |
| 1305 | 2026-03-07 |
Filling of incomplete sinograms from sparse PET detector configurations using a residual U-Net
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70293
PMID:41755757
|
研究论文 | 本研究提出了一种基于改进残差U-Net的深度学习网络，用于填充稀疏PET探测器配置产生的不完整正弦图数据，以降低长轴视野PET扫描仪的成本 | 首次将改进的残差U-Net架构应用于稀疏PET探测器配置的正弦图数据恢复，通过模拟移除50%探测器（棋盘格模式）训练网络，有效补偿数据欠采样 | 预测的正弦图存在平滑效应，导致重建图像在精细细节上缺乏锐度 | 开发一种降低长轴视野PET扫描仪制造成本的技术方案，通过深度学习恢复稀疏探测器缺失的数据 | 稀疏探测器配置的PET系统产生的正弦图数据 | 医学影像处理 | NA | PET成像 | CNN | 正弦图（投影数据） | 使用GE Signa PET/MR的标准临床PET扫描数据进行训练 | NA | 残差U-Net | 平均绝对误差, 结构相似性 | NA |
| 1306 | 2026-03-07 |
Image quality restoration in 15-s breath-hold PET using a diffusion-based neural network
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70361
PMID:41761600
|
研究论文 | 本文提出了一种基于扩散概率模型的深度学习框架TAM-DiffPET，用于提升15秒屏气PET扫描的图像质量，抑制噪声并增强病灶可见性 | 引入了时间注意力调制机制来增强扩散模型，通过注入扩散时间步嵌入和时序上下文线索来细化中间特征表示 | 研究仅基于单一医院的230名患者数据，未在多中心或更大规模数据集中验证 | 改善超短采集时间下屏气PET扫描的图像质量，以提升病灶检测能力并减少呼吸运动伪影 | 230名患者的屏气PET扫描图像 | 医学影像处理 | 胸腹部疾病 | PET成像 | DDPM, U-Net, CycleGAN | 图像 | 230名患者，其中180例用于训练，50例用于评估 | NA | TAM-DiffPET, U-Net, CycleGAN, DDPM | PSNR, SSIM, 体素级SUV分布 | NA |
| 1307 | 2026-03-07 |
Deep Learning Models for Shelf Life Prediction and Regulation of Various Foods: A Systematic Review
2026-Mar, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70945
PMID:41762635
|
综述 | 本文系统回顾了深度学习在食品保质期预测与调控领域的研究进展 | 提出了保质期反向调控的概念，为食品安全、生产效率和智能供应链整合提供了创新解决方案 | NA | 探索深度学习在食品保质期预测与调控领域的研究与应用 | 各种食品 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 1308 | 2026-03-07 |
Association between deep learning-based atrial fibrillation burden and in-hospital mortality
2026-Mar, PLOS digital health
DOI:10.1371/journal.pdig.0001266
PMID:41779734
|
研究论文 | 本研究利用深度学习模型分析心电图波形数据，探讨了重症监护病房患者中高心房颤动（AF）负荷与院内死亡率之间的关联 | 首次将深度学习技术应用于计算动态、实时的AF负荷，并将其作为重症患者不良结局的预测指标进行研究 | 研究排除了年龄≥90岁及AF负荷>0.9的患者，可能限制了结果的普遍性；且为回顾性研究，存在固有的局限性 | 评估高AF负荷是否与重症患者的院内死亡率独立相关，并探索AF负荷对死亡率预测的贡献 | 重症监护病房（ICU）的成年患者 | 医疗人工智能 | 心血管疾病 | 心电图波形分析 | 深度学习模型 | 心电图波形数据 | 来自MIMIC-III数据库的7,734名患者（其中5,734名低AF负荷，2,000名高AF负荷）及Yongin Severance医院的数据 | 未明确说明 | 未明确说明 | AUC（曲线下面积） | NA |
| 1309 | 2026-03-07 |
AI-guided wound closure: complementing surgical judgment
2026-Mar, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004724
PMID:41789220
|
评论 | 本文讨论了人工智能（AI）在引导外科伤口闭合中的应用，强调了AI作为辅助工具增强而非取代外科医生判断的作用 | 强调了AI在伤口闭合中自动化评估、轨迹规划和缝合辅助的创新应用，并指出了当前AI理论能力与临床验证之间的差距，提出了包括前瞻性试验、可解释AI和多模态融合系统在内的具体研究路径 | 当前AI能力与临床验证之间存在差距，存在组织特异性和可解释性方面的挑战，且AI无法替代外科医生在平衡张力、灌注和组织完整性方面的核心技能 | 探讨AI引导伤口闭合的临床和技术方面，强调外科医生监督的重要性，并推动AI在外科实践中的伦理和有效整合 | 外科伤口闭合过程 | 计算机视觉, 机器学习 | NA | 深度学习, 计算机视觉, 机器人控制 | NA | NA | NA | NA | NA | NA | NA |
| 1310 | 2025-12-23 |
Development of the model for predicting the efficacy of bevacizumab and prognosis in ovarian cancer using deep learning-based pathomics signatures
2026-Mar-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003823
PMID:41424025
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1311 | 2026-03-06 |
Boosting Crystalline Property Prediction through Dynamical Feature Updating and Wavelet-Denoised Features: A New Deep Learning Model
2026-Mar-05, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c03930
PMID:41711197
|
研究论文 | 提出了一种名为WANN的新型深度学习框架，通过动态特征更新和小波去噪特征来提升晶体材料性质的预测精度 | 引入了迭代子嵌入模块来隐式捕获多体原子相互作用，无需预定义的特征工程；构建了基于小波的多尺度特征分析回归组件 | 未明确提及模型在处理极端复杂材料体系或超大规模数据集时的具体限制 | 准确预测多种材料的物理和化学性质，特别是多组分材料 | 晶体材料，包括高熵合金和陶瓷等 | 机器学习 | NA | NA | GNN, 深度学习模型 | 原子结构数据 | NA | NA | Wavelet Atomic Neighborhood Network (WANN) | 平均绝对误差 (MAE) | NA |
| 1312 | 2026-03-06 |
Time-frequency-spatial channel attention network for semantic decoding: an exploratory EEG study
2026-Mar-05, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03539-7
PMID:41781649
|
研究论文 | 本研究提出了一种名为TFSANet的深度学习模型，用于从脑电图信号中解码语义信息，并探索其在失语症患者中的应用 | 设计了针对中文语言刺激的语义任务范式，并构建了结合时域、频域和空间通道注意力的深度学习模型TFSANet，以解码与语义相关的脑电图特征 | 脑电图数据集有限，特别是包含中文语言刺激的数据集 | 研究语言处理和表征的神经机制，并开发解码语义信息的方法 | 失语症患者和健康受试者 | 脑机接口 | 失语症 | 脑电图 | 深度学习 | 脑电图信号 | 17名参与者（包括失语症患者和健康受试者） | NA | Time-Frequency-Spatial Channel Attention Network | 准确率 | NA |
| 1313 | 2026-03-06 |
AI-Driven Analysis of Cardiopulmonary Exercise Tests to Identify Gas Exchange and Ventilatory Thresholds
2026-Mar-05, Sports medicine (Auckland, N.Z.)
DOI:10.1007/s40279-026-02403-w
PMID:41784915
|
研究论文 | 本研究评估了一种名为Oxynet的深度学习模型，用于通过心肺运动测试数据自动识别气体交换和通气阈值，并与专家视觉检查进行比较 | 利用预训练的深度学习模型（Oxynet）自动识别心肺运动测试中的乳酸阈值和呼吸补偿点，减少阈值检测的主观性 | 研究主要针对健康个体，未涉及疾病患者；样本量相对有限，且模拟数据与真实数据的区分能力有待提高 | 评估深度学习模型在心肺运动测试中自动识别气体交换和通气阈值的准确性和可靠性 | 心肺运动测试数据，包括模拟和真实的通气与气体交换文件 | 机器学习 | NA | 心肺运动测试 | 深度神经网络 | 时间序列数据（气体交换和通气曲线） | 超过1200个CPET文件用于预训练，后续评估涉及50个模拟文件、50个真实文件、163个CPET用于微调，以及50个独立真实斜坡CPET文件 | NA | Oxynet | ANOVA p值, 效应大小（ω2）, 均值偏差 | NA |
| 1314 | 2026-03-06 |
Impact of Deep Learning-Based Time-of-Flight PET Images of Small Tumors Using a Human Anatomic Phantom
2026-Mar-04, Journal of nuclear medicine technology
IF:1.0Q4
DOI:10.2967/jnmt.125.270450
PMID:41188046
|
研究论文 | 本研究使用人体解剖模型定量评估深度学习时间飞行PET成像对小肿瘤图像质量的影响 | 首次系统评估不同精度水平的深度学习时间飞行PET重建方法对小肿瘤图像质量的影响 | 研究基于人体模型而非真实患者数据，临床验证有限 | 评估深度学习时间飞行PET成像技术对小肿瘤图像质量的提升效果 | 人体胸腹部模型中的肺部和肝脏肿瘤 | 医学影像分析 | 肺癌, 肝癌 | 时间飞行PET成像, 深度学习图像重建 | 深度学习模型 | PET/CT图像 | 人体模型扫描数据，包含6个采集时间点 | NA | 高精度深度学习模型 | SUV, SUVmax, 形状指数图 | NA |
| 1315 | 2026-03-06 |
Machine Learning-Driven R&D of Perovskites and Spinels: From Traditional Models to Deep Learning
2026-Mar-04, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202502228
PMID:41778675
|
综述 | 本文综述了机器学习在钙钛矿和尖晶石材料研发中的应用，从传统机器学习模型到深度学习模型的演变 | 深入探讨了深度学习如何通过端到端特征提取克服传统机器学习的限制，并提出了整合贝叶斯学习和置信度感知建模以提高模型可靠性的前沿方法 | 指出高质量数据稀缺是核心挑战，并强调需要超越预测准确性，关注模型可靠性和鲁棒性 | 加速钙钛矿和尖晶石等战略材料的研发，通过机器学习范式提高研发效率和准确性 | 钙钛矿和尖晶石材料 | 机器学习 | NA | 机器学习，深度学习 | 传统机器学习模型，深度学习模型 | 多模态数据 | NA | NA | NA | 预测准确性，模型可靠性，鲁棒性 | NA |
| 1316 | 2026-03-06 |
PortInput: Enabling Always-available Micro-gesture Input with Pressure Array Sensor
2026-Mar-04, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2026.3670615
PMID:41779644
|
研究论文 | 本文介绍了一种基于压力阵列传感器的便携式微手势输入系统PortInput，通过深度学习模型识别14种微手势，并在AR头戴设备中验证其性能 | 开发了三种便携式原型（指套式、指戴式和表面式），利用压力阵列传感器实现环境无关的微手势交互，并提出了基于深度学习的识别模型 | 未明确说明样本规模或长期使用的耐久性测试，且仅与单一商业设备进行了比较 | 开发一种鲁棒、实时且环境无关的微手势输入系统，以提升增强现实和普适计算中的交互体验 | 微手势输入系统，包括压力阵列传感器原型和深度学习识别模型 | 人机交互 | NA | 压力阵列传感器，深度学习 | 深度学习模型 | 压力模式数据 | NA | NA | NA | 准确性，输入速度，感知工作量 | NA |
| 1317 | 2026-03-06 |
A Review on Automatic Personal Identification Using Panoramic Radiographs and Computed Tomography
2026-Mar-04, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2808-8851
PMID:41780547
|
综述 | 本文综述了基于全景X光片和计算机断层扫描的自动个人身份识别方法，评估其性能并探讨在法医和临床中的应用潜力 | 系统梳理了2018年以来基于放射影像的自动个人身份识别技术，特别比较了基于描述符的计算机视觉与深度学习方法在不同影像类型（如PR和CT）中的应用 | 研究设计、数据集大小和方法学存在异质性，且深度学习方法仍需进一步验证；大规模标准化参考数据库和自动化流程的开发仍是关键挑战 | 评估基于放射影像的自动个人身份识别技术在法医和临床环境中的应用现状与潜力 | 全景X光片和计算机断层扫描影像 | 计算机视觉 | NA | 全景X光片、计算机断层扫描 | 深度学习 | 图像 | 32项研究（涉及PR和CT影像数据集） | NA | NA | NA | NA |
| 1318 | 2026-03-06 |
Wire-form shape memory alloy actuators: modeling, design, and control
2026-Mar-03, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-026-01161-z
PMID:41771841
|
综述 | 本文对线状形状记忆合金（WF-SMA）驱动器进行了全面系统的评估，涵盖其建模方法、典型结构、控制策略及多领域前沿应用 | 系统性地整合了WF-SMA驱动器的建模、设计与控制，并提出了融合微纳制造、柔性电子与多功能材料的未来发展方向，以及集成建模-设计-控制框架与深度学习应用的新研究路径 | NA | 评估线状形状记忆合金驱动器的技术现状、挑战与未来发展方向 | 线状形状记忆合金驱动器 | 机器学习 | NA | 微纳制造技术，柔性电子技术 | 神经网络 | NA | NA | NA | NA | NA | NA |
| 1319 | 2026-03-06 |
Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population
2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.242950
PMID:40018794
|
研究论文 | 本研究旨在利用卷积神经网络模型，通过腹部X光片区分儿科患者的正常肠道气体分布、胃肠道扩张或梗阻，并进一步区分需要手术的梗阻与其他扩张或肠梗阻 | 首次针对儿科人群，利用CNN模型评估胃肠道梗阻的鉴别诊断，并区分需要手术的梗阻与其他扩张，填补了该领域在儿科应用中的空白 | 研究样本量相对有限（正常540例，手术纠正扩张298例，炎症/感染性扩张314例），且数据来源于单一机构，可能影响模型的泛化能力 | 开发一个高精度的深度学习决策支持系统，用于急诊科儿科胃肠道梗阻的快速鉴别诊断 | 儿科患者的腹部X光片，包括正常、手术纠正扩张和炎症/感染性扩张三类 | 计算机视觉 | 胃肠道疾病 | 腹部X光成像 | CNN | 图像 | 正常540例，手术纠正扩张298例，炎症/感染性扩张314例，总计1152例腹部X光片 | NA | ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge | 准确率 | NA |
| 1320 | 2026-03-06 |
Magnetic resonance imaging-based artificial intelligence model predicts neoadjuvant therapy response in triple-negative breast cancer
2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253376
PMID:41140117
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，利用治疗前磁共振成像（MRI）预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 首次利用治疗前多序列MRI数据，通过残差卷积神经网络模型预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 研究为回顾性、双中心设计，样本量较小（43名患者，49个病灶），未来需要更大数据集和更多成像模态来提高模型的泛化性和临床适用性 | 开发AI模型以预测三阴性乳腺癌患者对新辅助化疗的治疗反应，辅助临床决策 | 三阴性乳腺癌患者 | 数字病理学 | 乳腺癌 | 磁共振成像（MRI），包括T2加权、T1加权和扩散加权成像 | CNN | 图像 | 43名患者的49个病灶 | NA | 残差卷积神经网络 | 准确率, AUC, Dice相似系数 | NA |