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 2041 - 2060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2041 | 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 |
| 2042 | 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 |
| 2043 | 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 |
| 2044 | 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 |
| 2045 | 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 |
| 2046 | 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 |
| 2047 | 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 |
| 2048 | 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 |
| 2049 | 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 |
| 2050 | 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 |
| 2051 | 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 |
| 2052 | 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 |
| 2053 | 2026-03-10 |
Spatiospectral Representation and Neural Decoding of Somatic Perception of Acupuncture Stimulations
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3601173
PMID:40844954
|
研究论文 | 本研究利用脑电图功率谱密度和深度学习，探索了针灸刺激下体感知觉的神经表征与解码 | 通过去除非周期性成分提取周期性空间谱，并首次使用StyleGAN的w-latents进行特征解耦表示，实现了对针灸状态下脑状态的高精度解码 | 未明确说明样本的具体健康状况或人口统计学特征，且仅比较了两种针灸手法 | 探究针灸刺激下体感知觉的神经表征机制并实现脑状态解码 | 针灸刺激下的人类脑电图响应 | 机器学习 | NA | 脑电图 | GAN, Transformer | 脑电图信号 | NA | NA | StyleGAN, Transformer | 准确率 | NA |
| 2054 | 2026-03-10 |
FIGNet: A Robust and Interpretable Fuzzy-Irreversible Gated Network for Auditory Brainstem Response Classification
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3604834
PMID:40892642
|
研究论文 | 提出了一种结合类型2模糊逻辑与时间不可逆注意力机制的新型深度学习模型FIGNet，用于听觉脑干反应信号的自动分类 | 首次将类型2模糊逻辑与时间不可逆注意力机制相结合，以处理ABR信号中的不确定性和时间方向性 | 未提及模型在更大规模或更多样化数据集上的泛化能力 | 开发一种高精度、鲁棒性强且可解释的自动分类模型，以最少的ABR数据实现稳定有效的识别性能 | 听觉脑干反应信号 | 机器学习 | NA | 听觉脑干反应测量 | 深度学习网络 | 时间序列信号 | 真实ABR数据集（具体数量未提及） | NA | FIGNet（模糊不可逆门控网络） | 准确率 | NA |
| 2055 | 2026-03-10 |
Freezing pre-trained parameters of encoders for denoisers: Expanding pixel involvement and filtering out high-frequency noise
2026-Mar-01, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108794
PMID:41797192
|
研究论文 | 本文提出了一种通过冻结编码器预训练参数来提升图像去噪模型泛化能力的训练策略 | 首次证明在训练过程中冻结编码器的预训练参数能够扩大影响去噪结果的输入像素范围并有效滤除高频噪声信号 | NA | 提高图像去噪模型在面对分布外噪声时的泛化性能 | 图像去噪模型 | 计算机视觉 | NA | 深度学习 | 编码器-解码器结构 | 图像 | NA | NA | NA | NA | NA |
| 2056 | 2026-03-10 |
A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars
2026-Feb-28, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109467
PMID:41764935
|
研究论文 | 本研究开发了一种基于深度学习的自动化系统，用于在全景X光片上检测和分类与阻生第三磨牙相关的第二磨牙病变 | 提出了增强的SMM-YOLOv8n模型，该模型基于YOLOv8架构，引入了Slim-Neck优化和多维注意力机制，在检测精度和效率上均优于基线模型 | 研究为回顾性设计，数据集规模相对有限（1,170张图像），且仅使用单一类型影像（全景X光片） | 开发自动化深度学习系统以提升与阻生第三磨牙相关的第二磨牙病变的诊断准确性和临床决策支持 | 全景X光片中显示的与阻生第三磨牙相邻的第二磨牙 | 计算机视觉 | 口腔疾病 | 深度学习，迁移学习 | CNN | 图像 | 1,170张全景X光片 | PyTorch | YOLOv8, SMM-YOLOv8n | mAP@50, 精确率, 召回率, F1分数 | NA |
| 2057 | 2026-03-10 |
Artificial intelligence in urological malignancy diagnosis and prognosis: current status and future prospects
2026-Feb-28, The Canadian journal of urology
DOI:10.32604/cju.2026.076084
PMID:41800500
|
综述 | 本文综述了人工智能在泌尿系统恶性肿瘤（包括前列腺癌、膀胱癌和肾细胞癌）诊断与预后中的当前应用、技术创新及面临的临床挑战与未来机遇 | 整合影像学、病理学和分子数据，提升肿瘤检测、分级和风险分层的精确性与可重复性，并探索了AI在实时病变分割、非侵入性生物标志物预测及个性化治疗支持方面的应用 | 面临数据标准化、模型泛化性、可解释性以及监管合规性等挑战，阻碍了AI的临床转化 | 概述人工智能在泌尿系统癌症诊断与预后领域的现状、技术创新及未来临床挑战与机遇 | 泌尿系统恶性肿瘤，包括前列腺癌、膀胱癌和肾细胞癌 | 数字病理学 | 前列腺癌 | 多参数磁共振成像、数字病理系统、深度学习、放射组学、多组学数据 | 深度学习 | 影像、病理、分子数据 | NA | NA | NA | NA | NA |
| 2058 | 2026-03-10 |
Imaging-Derived Coronary Fractional Flow Reserve: Advances in Physics-Based, Machine Learning, and Physics-Informed Methods
2026-Feb-17, ArXiv
PMID:41757284
|
综述 | 本文综述了基于成像的冠状动脉血流储备分数（FFR）的最新进展，重点关注物理基础、机器学习以及物理信息方法 | 强调了新兴的物理信息神经网络和神经算子（PINNs和PINOs）在提高泛化能力和减少对密集监督依赖方面的创新应用 | 机器学习/深度学习方法在真实世界中的性能和泛化能力可能因多中心异质性、可解释性挑战以及采集协议和图像质量的差异而存在波动 | 旨在快速、无导丝且可扩展地进行冠状动脉狭窄的功能评估 | 基于CT和血管造影的冠状动脉血流储备分数（FFR） | 医学影像分析 | 心血管疾病 | 计算流体动力学（CFD）、机器学习（ML）、深度学习（DL） | 物理信息神经网络（PINNs）、神经算子（PINOs） | CT图像、血管造影图像 | NA | NA | NA | 校准、不确定性量化、质量控制 | NA |
| 2059 | 2026-03-10 |
Parameter-free representations outperform single-cell foundation models on downstream benchmarks
2026-Feb-13, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.11.705358
PMID:41727141
|
研究论文 | 本文探讨了在单细胞RNA测序数据分析中，无需复杂深度学习模型，仅通过简单线性方法即可实现与现有基础模型相媲美甚至更优的下游任务性能 | 展示了简单、可解释的线性方法在多个单细胞下游基准测试中达到或超越基于Transformer的基础模型性能，特别是在涉及训练数据中未见的新细胞类型和生物体的分布外任务上表现更优 | 未详细讨论线性方法在更复杂或大规模数据集上的可扩展性，以及可能存在的特定生物学场景适应性限制 | 评估并比较基于深度学习的单细胞基础模型与简单线性方法在下游任务中的性能表现 | 单细胞RNA测序数据及其在细胞类型分类、疾病状态预测和跨物种学习等下游任务中的应用 | 机器学习 | NA | 单细胞RNA测序 | 线性模型, Transformer | 基因表达数据 | NA | NA | Transformer | NA | NA |
| 2060 | 2026-03-10 |
A two-stage deep learning framework for kidney disease detection using modified specular-free imaging and EfficientNetB2
2026-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04606-z
PMID:41673036
|
研究论文 | 本文提出了一种用于肾脏疾病检测的两阶段深度学习框架，结合改进的无镜面反射成像技术和EfficientNetB2分类模型 | 提出了一种新颖的改进无镜面反射技术来增强肾脏图像质量，并结合EfficientNet-B2架构构建两阶段诊断模型，在肾脏疾病检测中实现了98.27%的高准确率 | 未明确说明数据集的规模和多样性限制，也未讨论模型在临床实际应用中的验证情况 | 提高各种肾脏病理的检测准确率 | 肾脏图像（包括正常肾脏、肿瘤、肾结石和囊肿） | 数字病理学 | 肾脏疾病 | 改进的无镜面反射成像技术 | CNN | 图像 | NA | NA | EfficientNet-B2, VGG16, ResNet50, VGG19, DenseNet121, DenseNet169, DenseNet201, EfficientNet-B0, EfficientNet-B1, EfficientNet-B3 | 准确率 | NA |