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 891 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2026-06-01 |
Customizing native T1 mapping: The effects of compressed sensing, deep learning-based denoising, and high-resolution on measurement of native myocardial T1
2026-Apr-15, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102726
PMID:41997564
|
研究论文 | 评估压缩感知、深度学习去噪和高分辨率对原生心肌T1 mapping测量结果的影响 | 系统评估了不同CS加速水平、空间分辨率以及DL去噪重建组合对定量T1值的影响，并证明在临床可接受的偏差范围内T1值保持稳定 | 单中心研究，样本量有限（41名志愿者），且未纳入真实患者数据，可能无法完全覆盖病理T1范围 | 优化临床心肌T1 mapping的采集效率和鲁棒性，支持个性化协议设计 | 健康志愿者的心肌T1 mapping图像 | 计算机视觉, 数字病理 | 心血管疾病 | 压缩感知, 深度学习去噪重建 | 深度学习去噪模型 | 图像 | 48名健康志愿者（最终纳入41名），并进行9例重复分析 | NA | NA | 图像质量评分（Likert量表）, 模糊度, 混叠伪影, 易感性伪影, T1值偏差 | NA |
| 62 | 2026-06-01 |
Automated scout-image-based estimation of contrast agent dosing: a deep learning approach
2026-04-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02331-1
PMID:41965610
|
研究论文 | 开发并验证了一种基于深度学习的算法，通过CT定位图像自动估算患者体重，进而优化造影剂剂量 | 首次利用深度学习从CT定位图像中自动估算体重，避免了人工测量和自报体重的偏差; 结合情境学习和数据集蒸馏分析体重关键特征; 构建了浏览器界面实现实时剂量估算 | 需要在大规模队列和不同临床中心进行进一步验证 | 实现CT检查中造影剂剂量的自动、准确估算，简化临床工作流程并提高患者安全 | 接受胸腹部CT检查的患者（共817例） | 计算机视觉 | 不适用 | CT扫描 | 卷积神经网络 (EfficientNet) | 图像 (CT定位图像) | 817例患者 | PyTorch | EfficientNet | 平均绝对误差 (MAE) | NA |
| 63 | 2026-06-01 |
Deep learning-based high-speed railway communication systems
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46758-6
PMID:41957081
|
研究论文 | 研究基于深度学习的两种数据驱动框架，以提升高速铁路无线通信系统在严重多普勒频移和快速时变多径条件下的通信质量 | 提出两种数据驱动框架：一是深度神经网络学习信道行为以替代传统时域信道估计中的预设插值模型；二是利用自编码器/解码器结构替代传统处理单元并从数据集获取先验信息 | 文中未明确说明局限性 | 降低高速铁路通信系统在高动态传播条件下的误码概率，提升检测性能 | 高速铁路无线通信系统的信道估计和信号处理 | 机器学习 | NA | NA | 深度神经网络，自编码器/解码器 | 数值数据 | NA | NA | 深度神经网络，自编码器/解码器 | 检测性能 | NA |
| 64 | 2026-04-11 |
Predicting mild familial exudative vitreoretinopathy with autosomal dominant inheritance using deep learning
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48051-y
PMID:41957171
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 65 | 2026-04-10 |
Cost-effective and scalable urban air quality monitoring using image-based deep learning
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47424-7
PMID:41951751
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 66 | 2026-06-01 |
A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46820-3
PMID:41951756
|
研究论文 | 提出一种带有双向门控机制的CNN-Transformer-LSTM混合架构用于时空空气质量预测 | 提出BG-Hybrid模型，通过双向门控机制动态平衡CNN提取的局部空间特征和Transformer捕获的全局时间依赖关系，实现自适应特征融合 | 未明确说明局限性 | 提升时空空气质量预测的准确性 | 空气质量数据 | 机器学习 | NA | NA | CNN-Transformer-LSTM混合模型 | 时空序列数据 | NA | NA | CNN, Transformer, LSTM, 双向门控机制 | 误差降低 | NA |
| 67 | 2026-06-01 |
Investigation of multimodal deep learning models for predicting ovarian tumor malignancy based on ultrasound images and clinical information - a comprehensive comparative study against readers and O-RADS
2026-04-06, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02312-4
PMID:41942868
|
研究论文 | 本研究全面探究基于超声图像和临床信息的多模态深度学习模型在预测卵巢肿瘤良恶性方面的有效性，并与放射科医生和O-RADS进行对比 | 构建了两种多模态融合模型（DLM2F和DLM3F），整合灰度超声、彩色多普勒血流成像及临床数据，在性能上超越放射科医生和O-RADS评估 | 研究为回顾性多中心设计，样本量适中（508名患者），可能需前瞻性验证 | 评估多模态深度学习模型在卵巢肿瘤良恶性分类中的诊断能力 | 卵巢肿瘤患者 | 数字病理学 | 卵巢肿瘤 | 超声成像 | 密集卷积网络 | 图像和临床数据 | 508名卵巢肿瘤患者（327例良性，181例恶性） | NA | DenseNet | AUC, 敏感度, 特异度 | NA |
| 68 | 2026-06-01 |
A High-Quality Endoscopic Image Dataset with Annotated Recurrent Laryngeal Nerve for AI-Assisted Thyroid Surgery
2026-Apr-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06961-6
PMID:41932923
|
研究论文 | 介绍首个用于内镜甲状腺手术中喉返神经识别的综合体内数据集ThyRLN-PUMCH | 首次构建了大规模、像素级标注的内镜喉返神经数据集ThyRLN-PUMCH，填补了人工智能辅助头颈外科术中导航的数据空白 | 未提及具体限制 | 解决现有术中神经监测技术成本高、依赖操作者、信号不连续的问题，为训练鲁棒深度学习模型提供数据基础 | 内镜甲状腺手术中的喉返神经识别 | 数字病理学 | 甲状腺手术相关神经损伤 | 内镜成像 | 分割模型（CNN） | 图像 | 28个临床多样化手术案例，共18,178帧像素级标注图像 | NA | NA | NA | NA |
| 69 | 2026-06-01 |
Automatic lateral ventricle and choroid plexus segmentation method in infant brain MR images
2026-04-03, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02335-x
PMID:41933296
|
研究论文 | 提出一种用于婴儿脑MR图像中侧脑室和脉络丛分割的自动化深度学习方法 | 引入解剖感知损失函数，明确强制脉络丛位于侧脑室内的拓扑约束，无需手动标注即可确保解剖一致性 | 仅评估了T1加权MRI数据，未测试其他对比度序列；样本量相对较小（总n=206），且未探索对不同扫描仪或采集协议的可迁移性 | 实现婴儿脑MRI中侧脑室和脉络丛的联合精准分割，以支持脑脊液动力学和早期神经发育研究 | 婴儿脑MR图像中的侧脑室和脉络丛区域 | 数字病理学 | 神经发育疾病 | MRI | 深度学习 | T1加权MR图像 | 公共数据集154例，内部回顾性数据集52例，共206例婴儿 | NA | NA | Dice系数, 95%豪斯多夫距离, 平均对称表面距离 | NA |
| 70 | 2026-05-31 |
Decoding the Black Box in Deep Learning Models-Reply
2026-Apr-30, JAMA otolaryngology-- head & neck surgery
DOI:10.1001/jamaoto.2026.0855
PMID:42060278
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 71 | 2026-05-31 |
AgroDualNet: a dual deep learning-based crop disease forecasting and fruit ripening detection
2026-Apr-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-49002-3
PMID:42056187
|
研究论文 | 开发了一种名为AgroDualNet的双阶段深度学习框架，用于作物疾病预测和水果成熟度检测，以优化农业生产 | 提出了一个双模块统一框架，同时解决作物疾病预测和水果成熟度识别问题，并结合了CBAM注意力机制、SMO优化的SVM分类器以及YOLOv8与MobileNetV2的轻量化架构，支持边缘部署和决策支持层 | 未明确说明局限性，但可能包括对特定数据集（如PlantVillage）的依赖以及缺乏在更广泛作物类别或真实复杂场景中的验证 | 通过结合深度学习和物联网技术，提高作物疾病诊断和水果成熟度测量的准确性与效率，支持精准农业中的实时决策 | 作物疾病（来源于PlantVillage数据集）和水果成熟度（苹果，来源于Kaggle和真实农田数据集） | 计算机视觉 | 农作物疾病（未指定具体疾病类型） | 深度学习，计算机视觉 | CNN、SVM、YOLO | 图像 | PlantVillage数据集（三分类子集和多类设置）和包含苹果的图像数据集（未明确具体样本数量） | PyTorch | ResNet50, CBAM, MobileNetV2, YOLOv8 | 准确率、精确率、召回率、F1分数、推断时间 | 边缘设备（未指定具体GPU或云平台） |
| 72 | 2026-05-31 |
Plant invasion reduces density-dependent pollination but not florivory
2026-Apr-16, Oecologia
IF:2.3Q2
DOI:10.1007/s00442-026-05881-x
PMID:41989621
|
研究论文 | 利用深度学习和无人机技术监测植物入侵对多营养级群落动态的影响 | 首次将消费级无人机与深度学习结合，用于量化入侵植物对传粉和草食作用的密度依赖性影响 | 未说明 | 评估植物入侵对传粉服务和草食作用的密度依赖性影响 | 狗绞杀藤（Vincetoxicum rossicum）入侵的草地中的新英格兰紫菀（Symphyotrichum novae-angliae）及其传粉者和专食性象鼻虫（Anthonomus rufipes） | 计算机视觉 | NA | 无人机成像 | 深度学习模型（未具体说明） | 图像 | 加拿大安大略省多伦多地区Rouge国家城市公园中入侵梯度上的草地样点 | NA | NA | NA | 消费级无人机 |
| 73 | 2026-05-31 |
Radiomics-Guided Automatic Delineation for Clinical Target Volume of Endometrial Cancer: Limited Sample Multicenter Study
2026-Apr-15, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.04.014
PMID:41997452
|
研究论文 | 提出一种基于影像组学的模型无关元学习框架，用于子宫内膜癌术后盆腔放疗临床靶体积的自动勾画，在多中心有限样本下提升分割性能与适应性 | 首次将影像组学特征与模型无关元学习策略结合，用于多中心临床靶体积分割任务，有效缓解中心间勾画风格差异和数据稀缺导致的性能下降 | 本研究为有限样本多中心回顾性研究，未涵盖所有可能的勾画定义变异，且外部验证中心样本量仅26例，泛化性需进一步验证 | 开发一种能应对多中心间临床靶体积勾画差异和有限数据挑战的自动分割方法 | 子宫内膜癌患者术后盆腔放疗的模拟CT图像及临床靶体积 | 计算机视觉，数字病理学 | 子宫内膜癌 | CT影像 | U-Net，随机森林 | 影像 | 207例多中心病例（5个中心）及26例外部中心病例 | PyTorch（推断） | 三维U-Net | Dice相似系数，95百分位豪斯多夫距离，平均对称表面距离，4分制专家评分 | 未明确，推测为单GPU（推断） |
| 74 | 2026-05-31 |
Football cybersecurity threat severity prediction using multi-head transformer-based deep learning models
2026-Apr-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44399-3
PMID:41965384
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 75 | 2026-05-31 |
A physic-guided YOLO framework for pavement deformation distress detection
2026-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45400-9
PMID:41942480
|
研究论文 | 开发了一种基于YOLO并结合物理引导的自动方法，用于检测路面变形病害如车辙和波浪形 | 将物理信息神经网络（PINN）整合入YOLO框架，通过在损失函数中引入物理信息惩罚项，提高了边界框精度并减少假阳性 | 研究中的波浪形（corrugation）实例有限，可能导致模型对该类别检测性能的泛化能力不足 | 实现路面变形病害（车辙和波浪形）的自动检测与评估 | 路面图像中的车辙和波浪形病害 | 计算机视觉 | NA | 深度学习 | YOLO, PINN | 图像 | 未知数量的道路图像数据集 | PyTorch | YOLOv5, 物理信息神经网络（PINN） | 平均精度均值（mAP） | NA |
| 76 | 2026-05-31 |
Text guided cross attentive multimodal learning with visual feature modulation for automated skin lesion detection
2026-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47271-6
PMID:41942550
|
研究论文 | 提出一种文本引导的交叉注意力多模态学习框架TG-CAVNet，用于自动化皮肤病变检测 | 首次将临床文本与皮肤镜图像通过文本引导的通道特征调制和交叉注意力机制深度融合，提升诊断准确性和可解释性 | 未明确说明局限性（基于摘要内容推测可能存在对罕见皮肤病或小样本场景的泛化能力不足） | 提高自动化皮肤病变检测的诊断准确性和语义可解释性 | 皮肤病变的皮肤镜图像与对应临床文本数据 | 计算机视觉，自然语言处理 | 皮肤病变 | 多模态深度学习 | 多模态交叉注意力网络 | 图像，文本 | 6194个对齐的图像-文本样本 | PyTorch | Bio-ClinicalBERT，EfficientNet-B4 | 准确率，宏Jaccard得分 | NA |
| 77 | 2026-05-31 |
Scene classification in dance art using deep learning with squeeze and excitation networks and the Advanced Beluga Whale Optimization Algorithm
2026-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46705-5
PMID:41942693
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 78 | 2026-05-31 |
Blockchain and bio-inspired deep learning for energy-efficient EV-to-grid optimization
2026-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47136-y
PMID:41942698
|
研究论文 | 提出一种基于生物启发式深度学习与区块链的电动汽车到电网（V2G）能量优化框架 | 将帝王蝶优化算法与门控循环单元网络结合，并嵌入基于以太坊的区块链层，实现充电调度、交易安全与电网协同的集成优化 | 研究结果基于仿真与协同仿真实验，未考虑实际部署中的通信延迟、硬件非理想性和监管因素 | 实现电动汽车到电网能量交换的高效、安全与实时优化 | 电动汽车充电与放电调度、电网负荷平衡、交易验证 | 机器学习, 区块链, 智能电网 | NA | 仿真实验 | GRU网络, 帝王蝶优化算法 | 仿真数据 | NA | MATLAB/Simulink, TensorFlow, Ethereum | GRU网络 | 充电成本降低率, 峰值负载削减效率, 预测准确率, 电网调节响应时间减少率, 电动汽车排队延迟减少率 | NA |
| 79 | 2026-05-31 |
Structural instability in phenotype-oriented artificial intelligence: a conceptual perspective from a model system for primary care implementation
2026-04-03, Family practice
IF:2.4Q2
DOI:10.1093/fampra/cmag026
PMID:42154988
|
评论文章 | 本文从概念角度探讨了面向非疾病表型的人工智能系统在初级保健应用中的结构不稳定性问题 | 提出了KNOW框架（知识导向的表型定义、规范数据治理、结果校准验证和工作流集成部署），以指导面向表型的人工智能系统在初级保健中更安全、更可靠的实施 | 基于35项多模态深度学习研究的结构化综合，样本量有限，且性能指标应视为跨情境性能分散度的指标而非确定的性能基准 | 探讨面向非疾病表型的人工智能系统在初级保健中的结构稳定性问题，并提出改进方向 | 35项应用于社区预防保健非疾病表型框架的多模态深度学习研究 | 机器学习 | 非疾病表型（如衰弱状态、抑郁风险、心代谢亚型、多维度健康构念） | 多模态深度学习 | 深度学习模型 | 多模态数据 | 35项研究 | NA | NA | 灵敏度、特异度、准确性、I2值、95%预测区间 | NA |
| 80 | 2026-05-31 |
NMR-Solver: automated structure elucidation via large-scale spectral matching and physics-guided fragment optimization
2026-Apr-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71315-0
PMID:41927575
|
研究论文 | 提出NMR-Solver框架，通过大规模谱图匹配和物理引导的分子优化，实现从氢和碳核磁共振波谱自动解析有机小分子结构 | 整合大规模谱图匹配与基于原子级结构-谱关系的物理引导分子优化，首次将计算NMR分析、深度学习和可解释化学推理统一为自动化系统 | 未明确提及局限性 | 开发自动化、可解释且实用的分子结构解析方法，解决核磁共振波谱分析中的逆问题 | 有机小分子结构 | 机器学习 | NA | NMR光谱 | 深度学习模型 | NMR谱图 | 模拟基准数据集、文献中精心整理的实验数据及真实实验数据 | NA | NA | 泛化能力、鲁棒性、实用性 | NA |