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 42805 篇文献，本页显示第 2021 - 2040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 2026-03-10 |
Improved image quality and reduced acquisition time in brain MRI using deep learning-based reconstruction: A quantitative and subjective assessment compared to standard MPRAGE in 0.55 T MRI
2026-Mar-05, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2026.110656
PMID:41794343
|
研究论文 | 本研究评估了基于深度学习的图像重建在0.55 T脑部MRI中对图像质量和采集时间的影响，并与标准MPRAGE序列进行了定量和主观比较 | 在低场强（0.55 T）MRI系统中应用基于变分网络架构的深度学习重建方法，显著提高了图像质量并大幅缩短了采集时间 | 标准重建在伪影抑制和灰白质对比度方面表现略优，且研究样本量较小（30例患者） | 评估深度学习重建在低场强脑部MRI中改善图像质量和减少采集时间的潜力 | 30名接受脑部MRI检查的患者 | 医学影像分析 | NA | 3D T1加权MPRAGE序列，k空间欠采样 | 深度学习 | MRI图像 | 30例患者 | NA | 变分网络 | 信噪比，对比噪声比，5点Likert量表主观评分 | NA |
| 2022 | 2026-03-10 |
PHIVE: A physics-informed variational encoder enables rapid spectral fitting of brain metabolite mapping at 7T
2026-Mar-03, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104014
PMID:41797202
|
研究论文 | 提出了一种名为PHIVE的新型深度学习框架，用于快速、准确地量化7T磁共振波谱成像中的脑代谢物浓度 | 将物理先验知识集成到变分自编码器架构中，实现了代谢物浓度与不确定性度量的同步估计，并引入了条件基线建模方法 | 未来工作需在更多样化的数据集上进行验证，并探索其在纵向和多中心研究中的实用性 | 开发一种快速、可靠且可解释的高分辨率代谢物量化方法，为临床和研究中的实时MRSI应用铺平道路 | 健康对照者和多发性硬化症患者的全脑7T MRSI数据 | 医学影像分析 | 多发性硬化症 | 磁共振波谱成像 | 变分自编码器 | 光谱数据 | NA | NA | PHIVE | 准确性, Cramér-Rao下界, 偶然不确定性, 认知不确定性 | NA |
| 2023 | 2026-03-10 |
Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3505421
PMID:40030298
|
研究论文 | 本文提出了一种用于脑龄估计的多任务对抗变分自编码器（M-AVAE）框架，通过融合多模态神经影像数据来提升预测精度 | 提出M-AVAE框架，将潜在变量分离为通用编码和独特编码以区分共享特征和模态特定特征，并引入性别分类作为辅助任务的多任务学习来考虑性别特异性衰老差异 | 未明确说明模型对功能磁共振成像（fMRI）数据中噪声和复杂结构的处理极限，以及模型在更广泛数据集或临床环境中的泛化能力 | 开发一种深度学习框架，通过整合多模态MRI数据来改进脑龄估计，以支持元宇宙医疗应用 | 用于脑龄估计的多模态磁共振成像（MRI）数据，包括结构MRI（sMRI）和功能MRI（fMRI） | 医学影像分析 | 阿尔茨海默病 | 磁共振成像（MRI），包括结构MRI（sMRI）和功能MRI（fMRI） | 变分自编码器（VAE），对抗训练，多任务学习 | 多模态神经影像数据（图像） | 基于OpenBHB数据集（一个多中心脑部MRI聚合数据集），具体样本数量未明确说明 | NA | 多任务对抗变分自编码器（M-AVAE） | 平均绝对误差（MAE） | NA |
| 2024 | 2026-03-10 |
KAFSTExp: Kernel Adaptive Filtering With Nyström Approximation for Predicting Spatial Gene Expression From Histology Images
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3595101
PMID:40758493
|
研究论文 | 提出一种名为KAFSTExp的框架，利用病理学基础模型UNI提取组织学图像特征，并引入基于Nyström近似的核自适应滤波方法，从组织学图像预测空间基因表达 | 首次将核自适应滤波与Nyström近似相结合应用于空间转录组学预测任务，通过核方法将复杂的非线性关系转化为高维特征空间中的线性回归问题，显著提升了预测精度并降低了计算成本 | 未明确说明模型在极大规模数据集上的可扩展性，以及对于不同组织类型或癌症亚型的泛化能力可能需要进一步验证 | 开发一种从低成本病理学图像预测空间基因表达的计算方法，以替代昂贵的空间转录组学检测 | 组织病理学图像与空间基因表达数据 | 数字病理学 | 肿瘤 | 空间转录组学 | 核自适应滤波, 深度学习 | 图像, 基因表达数据 | 多个空间转录组学数据集（具体数量未明确说明） | NA | UNI | 皮尔逊相关系数 | NA |
| 2025 | 2026-03-10 |
Integrated subcellular localization of functional fluorescence probes and functional analysis in motile spermatozoa by an AI-enhanced algorithm
2026-Mar-01, Asian journal of andrology
IF:3.0Q1
DOI:10.4103/aja202545
PMID:40908796
|
研究论文 | 本研究开发了一种结合AI增强算法与双探针荧光显微成像的集成计算成像平台，用于同时量化精子细胞内pH值和线粒体DNA G-四链体，以评估精子功能能力 | 开发了首个结合精细调优YOLOv8架构与双探针荧光显微图像分割的集成平台，实现了活细胞荧光定量分析及精子头部与主段荧光信号的自动区分 | 研究基于特定EVISEN数据集，算法通用性有待验证；活细胞荧光定量仍面临技术挑战 | 开发一种AI增强的多模态精子分析平台，用于男性不育症的分子表型诊断 | 活动精子 | 计算机视觉 | 男性不育症 | 双探针荧光显微成像 | CNN | 荧光显微图像 | NA | PyTorch | YOLOv8 | NA | NA |
| 2026 | 2026-03-10 |
3D Foot Kinetics Estimation From Distributed VGRF From Smart Insoles via 1D Domain Transformation
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3605296
PMID:40911460
|
研究论文 | 本研究提出了一种基于深度学习的领域转换方法，利用智能鞋垫采集的分布式垂直地面反作用力信号，生成仪器化跑步机级别的三维地面反作用力、力矩和压力中心数据 | 引入了Ke2KeNet这一新颖的深度学习模型，该模型在性能上超越了当前的一维分割基准方法，并优化了鞋垫压力传感器的布局以高效估计三维动力学参数 | 研究主要针对健康受试者，且智能鞋垫采集的数据质量通常低于力板和仪器化跑步机 | 通过智能鞋垫的分布式垂直地面反作用力信号，估计全面的三维足部动力学参数，以分析人类步态 | 健康受试者的足部动力学数据，包括地面反作用力、地面反作用力矩和压力中心 | 机器学习 | NA | 深度学习领域转换 | 1D-segmentation models, Ke2KeNet | 分布式垂直地面反作用力信号 | NA | NA | Ke2KeNet | NA | NA |
| 2027 | 2026-03-10 |
Enhancing the Interpretation of Skin Lesion Diagnosis: Concept Adaptive Fine-Tuning of Vision-Language Models
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3606881
PMID:40920523
|
研究论文 | 提出一种基于预训练视觉语言模型的概念自适应微调方法，用于开发可解释的皮肤病变诊断模型 | 通过结合医学文本和概念自适应方法，利用少量训练数据快速适应任务，提供自然语言驱动的可解释性 | 未明确提及模型在更广泛数据集或临床环境中的泛化能力限制 | 增强皮肤病变诊断的可解释性，以促进深度学习模型在临床环境中的应用 | 皮肤病变图像及其相关医学文本（如报告和概念术语） | 计算机视觉 | 皮肤病变 | 深度学习，视觉语言模型微调 | Vision-Language Model (VLM) | 图像，文本 | NA | NA | BiomedCLIP | 分类性能，概念识别能力 | NA |
| 2028 | 2026-03-10 |
Beyond Contact: An Open-Set Biometric Identification System Using Radar-Extracted Heart Signals
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3608801
PMID:40932807
|
研究论文 | 本文提出了一种基于雷达的非接触式生物特征识别框架，通过提取心信号进行身份识别，旨在实现安全且注重隐私的识别场景 | 该框架通过从雷达提取的心脏运动数据重建心电图信号，并实现开集人员识别系统，整合了ECGReconNet、增强的InceptionTime模型和基于超球面的划分方法，以区分已知与未知个体 | 该方法对突发身体运动和环境噪声敏感，在严重心脏异常情况下性能可能下降，且随着未知身份数量增加，有效性会降低 | 开发一种非接触式生物特征识别系统，以解决传统方法在隐私、防欺骗和近距离要求方面的挑战 | 人类心脏信号，通过雷达提取的心跳运动数据 | 机器学习 | NA | 雷达信号处理，心电图信号重建 | 深度学习模型 | 雷达信号，心电图信号 | 27名受试者（闭集识别），14名已知和13名未知受试者（开集识别） | NA | ECGReconNet, InceptionTime | 准确率 | NA |
| 2029 | 2026-03-10 |
MoChat: Joints-Grouped Spatio-Temporal Grounding Multimodal Large Language Model for Multi-Turn Motion Comprehension and Description
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3631045
PMID:41212709
|
研究论文 | 提出一种名为MoChat的多模态大语言模型，用于人体运动的时空定位和多轮对话理解 | 首次实现人体运动的细粒度时空定位，通过关节分组骨架编码器和跨注意力回归头模块，支持多轮交互式运动理解与描述 | 未明确说明模型在复杂场景或多人交互运动中的性能表现 | 提升人体运动理解的时空定位精度和多轮对话能力 | 人体骨架序列数据 | 计算机视觉 | 神经系统疾病 | 骨架序列分析 | 多模态大语言模型 | 骨架序列数据，文本对话数据 | NA | NA | Joints-Grouped Skeleton Encoder, 跨注意力回归头模块 | 多种运动理解任务指标 | NA |
| 2030 | 2026-03-10 |
Diffusion-MRI-Based Estimation of Cortical Architecture via Machine Learning (DECAM) in Primate Brains
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512752
PMID:41486548
|
研究论文 | 本文提出了一种基于扩散MRI和机器学习的非侵入性框架DECAM，用于准确映射灵长类动物大脑的皮质细胞结构 | 开发了一种数据驱动的深度学习框架，通过新颖的最佳响应约束优化，并利用皮质标签向量解决扩散MRI与组织学数据在复杂形态大脑中的配准问题 | 当前扩散MRI信号模型受简化假设限制，可能影响皮质结构量化的准确性，且框架在人类大脑中的应用需进一步扩展验证 | 非侵入性地估计灵长类动物大脑的皮质细胞结构，以支持疾病生物学研究和转化应用 | 灵长类动物大脑的皮质细胞结构，特别是体细胞密度 | 机器学习 | NA | 扩散MRI，组织学分析 | 深度学习 | 图像 | 非人类灵长类动物大脑的高分辨率多壳扩散MRI和组织学数据集 | NA | NA | NA | NA |
| 2031 | 2026-03-10 |
High-Conductivity Electrolytes Screened Using Fragment- and Composition-Aware Deep Learning
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202521575
PMID:41486708
|
研究论文 | 本文介绍了一种深度学习框架，用于通过片段和组成感知方法筛选高导电性电解质，以预测锂电池电解质的离子电导率 | 该框架整合了溶剂间的分子间归因和功能单元的分子内归因，构建分层表示，生成混合物不变嵌入，实现准确且可解释的电导率预测 | NA | 设计电解质配方以提升锂电池性能，支持可再生能源存储 | 锂电池电解质，包括锂盐和有机溶剂的复杂混合物 | 机器学习 | NA | 深度学习 | 深度学习框架 | 化学配方数据，包括分子结构、比例和物理化学描述符 | 基准数据集中的锂电池电解质样本 | NA | NA | 预测离子电导率的准确性 | NA |
| 2032 | 2026-03-10 |
Enhanced MesoNet-based deepfake detection using deep learning: A robust framework for multimedia forensics
2026-Mar, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70275
PMID:41588812
|
研究论文 | 本研究提出了一种增强版的MesoNet卷积神经网络，专门用于深度伪造检测，并开发了一个实时检测系统 | 在MesoNet基础上增加了两个卷积层，显著提升了检测性能，并构建了结合React前端和Flask后端的实时检测系统 | NA | 开发一个鲁棒且可扩展的深度伪造检测框架，以应对数字内容真实性和公共信任的威胁 | 深度伪造生成的图像和视频 | 计算机视觉 | NA | 深度学习 | CNN | 图像, 视频 | NA | TensorFlow, PyTorch, Keras | MesoNet, ResNet-50, VGG, AlexNet | 精确率, 召回率, F1分数, 准确率, 马修斯相关系数 | NA |
| 2033 | 2026-03-10 |
An optimized knowledge-based planning method for craniospinal irradiation integrated with auto-contouring
2026-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2026.105743
PMID:41687242
|
研究论文 | 本文提出了一种结合自动轮廓勾画和机器学习增强的快速计划优化方法，用于颅脊髓照射治疗 | 开发了集成深度学习自动轮廓勾画和机器学习优化知识库计划的自动化工作流，针对CSI治疗中的模型泛化性和异常值敏感性挑战进行了改进 | 研究样本量相对较小（91例训练患者），且未明确说明模型在外部验证集上的性能 | 优化颅脊髓照射治疗计划流程，提高临床工作效率和标准化程度 | 颅脊髓照射治疗患者 | 数字病理 | NA | 深度学习，机器学习 | CNN | 医学影像 | 91例CSI患者用于训练自动轮廓勾画模型，20例手动计划用于性能评估 | NA | DPNUNet | Dice系数 | NA |
| 2034 | 2026-03-07 |
Assessing the reversibility of bronchiectasis with deep learning - Authors' reply
2026-Mar, The Lancet. Respiratory medicine
DOI:10.1016/S2213-2600(25)00461-8
PMID:41786370
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2035 | 2026-03-07 |
Assessing the reversibility of bronchiectasis with deep learning
2026-Mar, The Lancet. Respiratory medicine
DOI:10.1016/S2213-2600(25)00462-X
PMID:41786369
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2036 | 2026-03-10 |
Diagnosis of Major Depressive Disorder Based on Multi-Granularity Brain Networks Fusion
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3593617
PMID:40729718
|
研究论文 | 提出一种基于多粒度脑网络融合的框架，用于从功能磁共振成像数据中诊断重度抑郁症 | 提出了多粒度脑网络融合框架，通过多粒度分析建模脑网络，并引入参数共享机制和约束注意力池化机制，以更充分地提取深层特征并有效整合多通道信息 | 未明确说明模型在更广泛或不同人群中的泛化能力，也未详细讨论计算复杂度 | 开发一种基于深度学习的框架，以更准确地诊断重度抑郁症 | 重度抑郁症患者的功能磁共振成像数据 | 机器学习 | 精神疾病 | 功能磁共振成像 | 深度学习 | 图像 | NA | NA | 多粒度脑网络融合框架 | 分类性能 | NA |
| 2037 | 2026-03-10 |
Craniocaudal Mammograms Generation Using Image-to-Image Translation Techniques
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3599641
PMID:40824990
|
研究论文 | 本文提出了一种基于生成对抗网络的统计生成模型工作流，用于生成高分辨率合成乳腺X光片 | 利用独特的二维参数化压缩乳腺模型和图像到图像转换技术，实现对乳腺特征的完全精确控制，并生成正常和肿瘤病例 | 质量评估主要依赖于视觉分析和统计矩，可能缺乏更全面的定量评估；专家问卷样本量有限（45人） | 开发生成合成乳腺X光片的方法，以解决真实数据访问受限和不平衡问题，辅助机器学习算法训练 | 乳腺X光片（特别是头尾位投影） | 计算机视觉 | 乳腺癌 | 图像到图像转换技术 | GAN | 图像 | NA | NA | NA | 视觉分析，前五阶统计矩，专家问卷评估 | NA |
| 2038 | 2026-03-10 |
Non-Direct Contact ECG Signal Classification Using a Hybrid Deep Learning Framework With Validation in Bedside Heart Rate Variability Analysis
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3601807
PMID:40853807
|
研究论文 | 本研究提出了一种基于电容耦合心电图（cECG）的床边非直接接触ECG记录系统，并验证了其在夜间准确捕捉心率变异性（HRV）的性能 | 开发了一种非直接接触的cECG记录系统，通过衣物采集ECG数据，避免了传统湿电极对皮肤的刺激，并利用深度学习框架进行信号质量评估和HRV分析 | 研究样本量较小，仅涉及6名受试者，可能影响结果的普遍性 | 验证非直接接触ECG记录系统在床边HRV分析中的准确性和可靠性 | 床边非直接接触ECG信号和心率变异性（HRV） | 机器学习 | 心血管疾病 | 电容耦合心电图（cECG） | 深度学习框架 | ECG信号 | 6名受试者 | NA | NA | 准确率, 召回率, 精确率, F1分数, Cohen's Kappa, 平均绝对百分比误差（MAPE） | NA |
| 2039 | 2026-03-10 |
A Novel Dual-Attention Deep Neural Network With Multi-Scale Fusion Feature Processing for Predicting Transcription Factor Binding Sites
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3604625
PMID:40889326
|
研究论文 | 提出了一种名为DeepCTMS的新型双注意力深度神经网络，用于预测转录因子结合位点，通过融合DNA序列特征和形状特征来提高预测性能 | 设计了卷积三重注意力模块来提取DNA形状数据的三维特征，并采用多尺度融合特征处理模块有效融合序列和形状特征，解决了现有模型忽略DNA双螺旋结构和立体形状信息的问题 | 未明确说明模型在非ChIP-seq数据集上的泛化能力，以及计算资源需求的具体细节 | 准确预测转录因子结合位点，以调控基因表达并促进新药和疾病治疗的探索 | DNA序列和形状数据，特别是转录因子结合位点 | 生物信息学 | NA | ChIP-seq | 深度神经网络 | 序列数据, 形状数据 | 165个ChIP-seq数据集 | NA | DeepCTMS | 预测性能, 泛化能力 | NA |
| 2040 | 2026-03-10 |
Unraveling sperm kinematic heterogeneity with machine learning
2026-Mar-01, Asian journal of andrology
IF:3.0Q1
DOI:10.4103/aja202544
PMID:40791002
|
综述 | 本文回顾了计算机辅助精子分析（CASA）数据的传统应用、分析限制以及机器学习在增强精子运动学异质性理解中的前景 | 探讨了机器学习（包括监督和无监督学习）如何利用CASA数据自动分类和聚类精子运动模式，以识别精子样本中的运动学子群，为生殖生物学和生育评估提供新见解 | 机器学习在该领域的应用仍有限，且CASA数据的类型和格式（原始或浓缩）对传统统计方法构成挑战 | 增强对精子运动学异质性的理解，并自动化精子分类和运动模式识别 | 精子样本及其运动参数和轨迹 | 机器学习 | NA | 计算机辅助精子分析（CASA） | 监督学习, 无监督学习 | 精子坐标数据, 运动参数, 轨迹表示 | NA | NA | NA | NA | NA |