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 1154 篇文献，本页显示第 441 - 460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 2026-06-18 |
An optimization-driven hierarchical deep learning approach using the Gray Langurs algorithm for data-driven seismic activity prediction
2026-Jun-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56169-2
PMID:42303651
|
研究论文 | 提出一种基于灰狼优化算法和分层深度学习（N-HITS）的混合框架，用于从历史地震目录数据中预测地震活动模式 | 首次将灰狼优化算法（GLO）与分层深度学习模型N-HITS结合，实现系统性的超参数优化，显著提升了地震序列预测性能 | 仅依赖历史地震目录模式，未纳入构造过程或地球物理驱动因素，输出应视为统计趋势估计而非物理可靠的地震预测 | 开发集成、计算高效的数据驱动时间序列建模框架，用于统计地震活动性预测 | 历史地震目录数据中的地震活动时间序列模式 | 机器学习 | 不适用 | 地震目录分析 | N-HITS, GLO（灰狼优化器） | 时间序列数据（地震目录） | 不适用 | PyTorch | N-HITS | 决定系数R², 均方误差MSE | NA |
| 442 | 2026-06-18 |
Balancing accuracy and efficiency in lumbar spine image segmentation using multi-scale attention and residual learning
2026-Jun-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-58394-1
PMID:42304021
|
研究论文 | 提出了一种结合多尺度注意力与残差学习的腰椎MRI图像分割模型，提升了分割精度与效率的平衡 | 创新性地融合多尺度残差注意力块（MRAB）与自适应空间-通道注意力块（ASCAB），并引入方向性膨胀卷积以处理各向异性解剖结构，实现了精度与效率的平衡 | 未提及在更广泛数据集或不同MRI设备上的泛化性验证 | 提高腰椎结构MRI图像分割的准确性与计算效率，克服现有方法在精度与效率之间的权衡问题 | 腰椎结构（椎骨T9-S1及对应椎间盘）的MRI图像分割 | 计算机视觉 | 腰椎疾病 | MRI成像 | 深度学习分割模型 | 图像 | 215例T2加权腰椎MRI容积数据 | PyTorch | 多尺度残差注意力特征金字塔网络（MRAS+FPN） | Dice相似系数（DSC）、平均交并比（mIoU）、95% Hausdorff距离（HD95）、平均对称表面距离（ASSD） | 训练时间22.1小时，内存15.8 GB |
| 443 | 2026-06-18 |
External Validation of a Deep Learning-Based Artificial Intelligence System for Ultrasound Diagnosis of Thyroid Nodules: A Two-Center Retrospective Study
2026-Jun-17, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70275
PMID:42304967
|
研究论文 | 外部验证基于深度学习卷积神经网络的人工智能系统在甲状腺结节超声诊断中的性能 | 首次在两个中心回顾性研究中评估基于深度学习CNN的AI系统在甲状腺结节超声诊断中的表现，并比较图像模式和视频模式的诊断性能 | 样本量相对较小（485个结节），且为回顾性研究，可能引入选择偏倚 | 评估基于深度学习CNN的AI诊断系统在甲状腺结节超声诊断中的性能 | 甲状腺结节患者 | 计算机视觉 | 甲状腺结节 | 超声成像 | CNN | 图像、视频 | 485个甲状腺结节来自两家三级医院 | NA | 卷积神经网络 | 敏感度、特异度、准确率、AUC | NA |
| 444 | 2026-06-18 |
Physics-Enhanced Deep Learning Optimized Semitransparent Organic Photovoltaics for Building-Integrated Sustainable Energy
2026-Jun-17, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.73762
PMID:42307205
|
研究论文 | 提出一种物理增强深度学习框架，优化半透明有机光伏电池，实现创纪录的光利用效率并展示其在建筑集成可持续能源中的巨大潜力 | 将光学物理先验嵌入神经网络，减少对大量实验数据的依赖，同时提升预测准确性；结合新型卤素添加剂工程策略，实现超过20%的能量转换效率 | 大规模制造模块的性能可能低于实验室水平；物理先验的准确性和适用性可能受限于模型简化和实际条件差异 | 解决半透明有机光伏电池效率与透明度的根本权衡问题，推动建筑集成光伏技术发展 | 半透明有机光伏电池及其在建筑集成中的光-电-能效表现 | 计算机视觉 | NA | NA | 深度学习 | 光学参数和光伏性能数据 | NA | NA | 神经网络 | 光利用效率、能量转换效率 | NA |
| 445 | 2026-06-18 |
A Phase-Resolved Geometric Deep Learning Framework Maps Structural Determinants of Disease-Associated Protein Aggregation and Guides Suppressor Design
2026-Jun-17, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.76118
PMID:42307331
|
研究论文 | 提出SKALE 2.0，一个相位分辨的几何深度学习框架，通过三维拓扑直接学习突变诱导的蛋白质聚集表型，并指导抑制剂的理性设计 | 首次将蛋白质聚集过程分解为成核和延伸两个相位，并利用几何深度学习从三维结构中区分不同相位的结构决定因素，发现相位特异性突变调节模式，并实现抑制剂的约束感知设计 | NA | 开发能够解析蛋白质聚集不同相位（成核与延伸）结构决定因素的深度学习框架，并指导聚集抑制剂的理性设计 | 与神经退行性疾病相关的蛋白质（SOD1、TDP-43、MAPT、PRNP）及其突变体 | 机器学习 | 神经退行性疾病 | 蛋白质结构预测（AlphaFold）、重组蛋白表达与实验验证 | 几何深度学习（图神经网络） | 蛋白质三维结构数据 | 涉及SOD1、TDP-43、MAPT、PRNP四种蛋白质的多种突变体，以及重组SOD1的实验验证 | NA | 图神经网络（SKALE 2.0） | NA | NA |
| 446 | 2026-06-18 |
A Highly Sensitive, Ultrawide-Range Temperature-Pressure Dual-Mode Sensing Platform for Battery Health and Marine Monitoring
2026-Jun-17, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.6c02665
PMID:42307483
|
研究论文 | 报道一种基于六方氮化硼和少层石墨烯协同增强机制的高灵敏度、宽范围温度-压力双模传感器，并构建基于Informer架构的深度学习模型实现电池热行为精确预测 | 通过六方氮化硼的离子泵效应与少层石墨烯应变调控导电通路的协同增强机制，实现创纪录的4771.2 kPa灵敏度与10 MPa检测上限，同时铂蛇形电极温度传感器经退火处理后表现出高度线性与稳定响应 | NA | 开发高性能双模传感器用于极端环境监测，并验证传感器数据在深度学习模型中的实用性以实现电池热行为精确预测 | 锂离子电池膨胀和深海波浪监测 | 机器学习 | NA | 磁控溅射 | Informer | 时间序列数据 | NA | PyTorch | Informer | 平均绝对误差, 范围准确率 | NA |
| 447 | 2026-06-18 |
Spinal cord reserve is associated with multi-dimensional clinical resilience in multiple sclerosis
2026-Jun-17, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-026-13821-1
PMID:42307802
|
研究论文 | 探究脊髓储备与多发性硬化患者多维度临床恢复能力的关系 | 首次证明脊髓管面积（SCaA）与多发性硬化患者更广泛的临床功能结局（包括EDSS、T25FWT、9HPT及SDMT）相关，并支持脊髓储备这一新概念 | NA | 评估脊髓管面积（SCaA）是否与多发性硬化（MS）更广泛的临床功能结局相关 | 多发性硬化患者 | 机器学习 | 多发性硬化 | NA | 深度学习模型 | 脑部MRI图像 | 426名MS患者的714次脑部MRI扫描 | NA | NA | 组内相关系数 | NA |
| 448 | 2026-06-18 |
Machine Learning-Enabled Quantification of Hepatocellular Necrosis in the Liver After Lethal Marburg and Ebola Virus Exposures
2026-Jun-16, The Journal of infectious diseases
IF:5.0Q1
DOI:10.1093/infdis/jiag040
PMID:41566943
|
研究论文 | 利用深度学习模型对致死性马尔堡和埃博拉病毒暴露后肝脏中的肝细胞坏死进行定量分析 | 首次使用深度学习模型对致死性丝状病毒感染后肝脏病理切片进行像素级定量分析，实现了与病理学家相当的观察者间变异性，并揭示了坏死定位与病毒类型的差异 | 概念验证性研究，样本量有限（仅涉及猕猴模型），未进行大规模回顾性分析 | 量化致死性马尔堡和埃博拉病毒暴露后肝脏的肝细胞坏死，并探索坏死与临床指标的相关性及坏死定位差异 | 致死性丝状病毒（马尔堡病毒和埃博拉病毒玛科纳变种及基奎特变种）感染的猕猴肝脏病理切片 | 数字病理学 | 马尔堡和埃博拉病毒感染 | 数字化病理切片 | 深度学习分割模型 | 图像 | 猕猴肝脏病理切片（具体数量未提供） | NA | NA | 观察者间变异性 | NA |
| 449 | 2026-06-18 |
Exploring the Stochastic Regularisation in Normalisation Layers for Semi-Supervised Learning
2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3704538
PMID:42301824
|
研究论文 | 提出Shuffle层归一化和Shuffle组归一化方法，通过在半监督学习中引入可控随机正则化提升模型性能 | 首次揭示批归一化中随机正则化在标签分布不匹配时的负面效应，并提出不增加模型参数的可控随机归一化技术SLN/SGN | 未讨论SLN/SGN在极端标签分布偏差下的表现边界，以及随机正则化强度的自动调节机制 | 探索半监督学习中归一化层随机正则化的影响，并设计更鲁棒的归一化方法 | 图像、文本和音频多模态数据上的半监督学习任务 | 机器学习 | NA | NA | CNN, Transformer | 图像, 文本, 音频 | NA | PyTorch | CNN, Transformer | 准确率, 伪标签正确率 | NA |
| 450 | 2026-06-18 |
Feature-Space Planes Searcher: A Universal Domain Adaptation Framework for Interpretability and Computational Efficiency
2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3703974
PMID:42301825
|
研究论文 | 提出特征空间平面搜索器，一种用于可解释性和计算效率的通用域适应框架 | 提出无需微调特征提取器、利用预训练模型特征空间中的几何模式（类内聚类和类间分离）优化决策边界的新颖域适应方法，并引入无监督超参数选择的类内距离度量 | 该方法依赖于预训练模型的特征质量，若预训练表示不够强大则可能性能不足；仅在公共基准测试上评估，未在更广泛真实场景中验证 | 开发一种计算高效、可解释且通用的域适应框架，避免传统微调方法的高成本和低可解释性 | 域适应中的决策边界对齐问题，特别是从标记源域到未标记目标域的迁移 | 机器学习 | NA | 特征空间分析、无监督域适应 | 特征空间平面搜索器 | 图像及其他多模态数据 | 使用公共基准数据集进行评估，具体样本量未明确说明 | NA | 多种大模型及多模态架构 | 准确率 | 通过离线特征提取降低内存和计算成本，单次训练周期即可完成全数据集优化 |
| 451 | 2026-06-18 |
No One-Size-Fits-All Neurons: Task-based Neurons for Artificial Neural Networks
2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3704202
PMID:42301827
|
研究论文 | 提出一种基于任务的神经元设计方法，通过符号回归和参数化增强网络特征表示能力 | 首次从任务型架构设计转向任务型神经元设计，利用符号回归自适应生成神经元聚合函数，打破传统统一神经元模式 | 当前仅以多项式为基函数进行验证，未探索其他基函数组合；未在超大规模网络中进行充分测试 | 验证人工神经网络中任务型神经元设计的可行性与有效性，提升特征表示能力 | 合成数据、经典基准数据集和实际应用中的特征表示与分类任务 | 机器学习 | NA | 符号回归 | 任务型神经元 | 数值数据 | NA | PyTorch, TensorFlow | MLP, ResNet | 准确率, F1值 | NA |
| 452 | 2026-06-18 |
MedQM: Medical Blind Image Quality Assessment for MLLM Vision
2026-Jun-16, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3704387
PMID:42301846
|
研究论文 | 提出首个针对多模态大语言模型（MLLM）的医学盲图像质量评估框架MedQM | 首次提出专门为医学MLLM设计的盲图像质量评估框架，利用医学文本先验和隐式特征查询引导模型关注诊断关键区域和特征，并采用门控混合专家实现自适应稳健评分；同时提出自动化的MLLM视觉导向分数标注方法，通过Sigmoid映射将诊断损失转化为质量分数 | 未提及具体局限性 | 开发一个适用于医学多模态大语言模型的盲图像质量评估方法，以提升图像效用评估的准确性，降低误诊风险 | 医学图像质量评估方法 | 计算机视觉 | NA | NA | 门控混合专家模型 | 图像 | NA | NA | NA | NA | NA |
| 453 | 2026-06-18 |
Learning to Super-Resolve Face Images via Dual-Domain Multi-scale Feature Interaction
2026-Jun-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3702358
PMID:42301839
|
研究论文 | 提出一种基于双域多尺度特征交互的人脸超分辨率方法SMLNet | 首次提出双域特征交互方法，结合频率分支捕获全局结构和高频细节，空间分支保留细粒度局部纹理，并通过多尺度特征交互模块实现互补特征聚合 | 论文未明确提及局限性 | 提升低分辨率人脸图像的质量，解决现有方法中结构损伤和多尺度纹理捕捉不足的问题 | 低分辨率人脸图像 | 计算机视觉 | NA | NA | SMLNet (双分支网络) | 图像 | 多个数据集及真实世界图像 | NA | SMLNet, MSIM (多尺度空间-频率特征交互模块), MFEB (多尺度特征提取块), SFIM (空间-频率特征交互模块) | 定量实验和定性分析指标 | NA |
| 454 | 2026-06-18 |
Navigating Uncertainty in MRI Diagnosis: A Human-AI Collaborative Strategy for Stratifying Clinically Significant Prostate Cancer
2026-Jun-16, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70393
PMID:42302213
|
研究论文 | 基于双参数MRI开发深度学习模型UFormer，并设计人机协作策略，用于预测临床显著性前列腺癌 | 提出UFormer模型与放射科医师协作的预测策略，显著提升放射科医师的诊断准确性，尤其大幅提高特异性，并缩小不同经验水平医师间的性能差距 | 仅涉及回顾性数据，且未在更多样化人群或真实临床场景中前瞻性验证 | 开发基于bpMRI的自动深度学习模型，并提出人机协作策略以预测临床显著性前列腺癌 | 临床显著性前列腺癌 | 机器学习, 数字病理学 | 前列腺癌 | MRI（双参数MRI，包含T2加权成像和弥散加权成像） | UFormer | 图像 | 总计4305例患者，其中训练集2437例，内部验证集581例，外部验证集1有622例，外部验证集2有665例 | NA | UFormer | AUC, 准确率, 敏感性, 特异性 | NA |
| 455 | 2026-06-18 |
Deep Learning for Ultrasound-Guided Prostate Biopsy: Toward Automated Targeting and Complication Prediction
2026-Jun-16, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70337
PMID:42302255
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 456 | 2026-06-18 |
Comment on: Multimodal deep learning for predicting postoperative vault and selecting implantable collamer lens sizes using AS-OCT and ultrasound biomicroscopy images
2026-Jun-16, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001986
PMID:42302312
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 457 | 2026-06-18 |
AbCVista: a deep learning framework for predicting antibody conformational ensembles
2026-Jun-16, Protein & cell
IF:13.6Q1
DOI:10.1093/procel/pwag040
PMID:42302772
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 458 | 2026-06-18 |
Filling the Gaps: Generating 4D Dense Cardiac Anatomy from Sparse CMR for Enhanced Tetralogy of Fallot Assessment
2026-Jun-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102765
PMID:42303157
|
研究论文 | 提出一种两阶段深度学习管道，从稀疏的2D心脏磁共振图像重建4D密集心脏解剖结构，以增强法洛四联症术后评估 | 利用CT和各向同性的3D全心脏分割数据训练深度学习模型，从稀疏的类心脏磁共振切片重建密集3D解剖结构，并模拟临床中常见的不完整采集场景 | 训练数据仅来自法洛四联症患者，可能限制了方法在其他心脏病变中的泛化能力且样本量较小 | 开发和验证从常规2D心脏磁共振图像重建3D全心脏解剖结构的深度学习管道，以提高法洛四联症术后评估的准确性 | 法洛四联症术后患者的3D心脏解剖结构 | 数字病理学 | 法洛四联症 | 心脏磁共振成像，CT扫描 | U-Net | 图像 | 152名训练患者，19名测试患者（心脏磁共振），18名患者（磁共振血管成像），1715例CT分割数据 | PyTorch | U-Net | Dice相似系数，体积和质量的绝对误差 | NA |
| 459 | 2026-06-18 |
Fully automated CT-based quantitative body composition analysis for predicting survival in patients with HCC undergoing TACE: a dual-cohort study
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56245-7
PMID:42303673
|
研究论文 | 评估基于CT的全自动身体成分分析在接受TACE治疗的肝细胞癌患者中预测总生存期的预后价值 | 首次在一个双队列研究中，使用开源全自动深度学习流程提取骨骼肌和脂肪指标，并验证其在TACE患者预后中的独立预测能力，尤其通过随机生存森林分析展示了肌肉指标的补充价值 | Cox比例风险模型中，添加骨骼肌密度指标后区分度的改善较小且未达到统计学显著性，提示其主要价值在于提供补充性生物数据而非独立预测 | 评估基于CT的完全自动化身体成分分析在接受TACE治疗的肝细胞癌患者中的预后价值 | 接受TACE治疗的肝细胞癌患者 | 机器学习, 医学影像分析 | 肝细胞癌 | CT影像分析 | 深度学习模型, Cox比例风险模型, 随机生存森林 | CT图像 | 330名患者（WAW-TACE队列230例，HCC-TACE-Seg队列100例） | NA | NA | C指数, 校正C指数 | NA |
| 460 | 2026-06-18 |
Quantitative characterization of crack coalescence mechanisms in granite at the mesoscopic scale using deep learning
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52329-6
PMID:42303688
|
研究论文 | 本研究利用深度学习和扫描电子显微镜对花岗岩在细观尺度上的裂纹聚结机制进行了定量表征 | 首次将深度学习与SEM结合，定量表征花岗岩裂纹表面的细观拉伸和剪切形态，并建立了表面应变行为与内部裂纹聚结机制的关联 | NA | 定量表征花岗岩在细观尺度上的裂纹聚结机制 | 花岗岩裂纹表面的细观形态 | 机器学习 | NA | 扫描电子显微镜 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |