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 48922 篇文献，本页显示第 2081 - 2100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2081 | 2026-08-15 |
Pre-processed speckle-correlation learning for imaging through scattering media
2026-Jul-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.606175
PMID:42596381
|
研究论文 | 提出了一种预处理的散斑相关学习技术，用于通过散射介质成像，增强模型的泛化能力和稳定性。 | 通过预处理散斑相关数据，减少不同散射条件下数据分布的差异，使网络获得更可靠的物理先验知识，从而提高泛化能力。 | 摘要未提及明显局限性，可能依赖于预处理步骤的有效性和模拟数据的代表性。 | 解决散射介质成像中深度学习对高质量真实数据的依赖问题，提高模型在资源有限环境下的重建效果和泛化能力。 | 散射介质成像中的图像重建，包括生物医学成像和遥感应用。 | 计算机视觉 | 不适用 | 散斑相关成像 | 深度学习网络 | 散斑图像 | 未提及具体样本数量。 | 未提及 | 未提及 | 结构相似性指数（SSIM）、峰值信噪比（PSNR） | 未提及 |
| 2082 | 2026-08-15 |
Training-free autofocus via turning-point analysis of a frequency-slope metric
2026-Jul-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.603403
PMID:42596389
|
研究论文 | 提出一种基于傅里叶频率斜率响应转折点分析的无训练自动对焦框架，利用规则决策策略准确对焦并分类成像区域 | 无需训练和参数调整，基于频率斜率曲线的转折点结构进行确定性对焦，显式纳入过渡几何，阈值固定适用于不同样本类型 | 未提及明确局限性，但可能受限于对特定成像条件或样本类型的适用性评估 | 开发一种可解释、可靠、广泛适用的无训练自动对焦方法，克服低对比度和光照变化条件下的挑战 | 反射金属和生物样本的连续线扫描图像 | 数字病理学 | 不适用 | 傅里叶分析 | 不适用（无深度学习模型） | 图像 | 5400条连续线扫描（包括反射金属和生物样本） | 不适用 | 不适用 | 聚焦跟踪准确率（98-100%） | 无GPU依赖 |
| 2083 | 2026-08-15 |
Model-guided deep unfolding network for broadband reconstructive spectrometers with non-orthogonal aliasing
2026-Jul-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.604142
PMID:42596406
|
研究论文 | 提出了一种模型引导的深度展开网络（MGDUN），用于宽带重构光谱仪的非正交混叠重建 | 结合前向物理模型与学习先验，超越了纯黑盒深度学习方法，在宽带非正交混叠下实现高精度重建 | 摘要未提及局限性 | 解决宽带重构光谱仪中非正交混叠导致的病态逆问题，实现高精度的连续光谱重建 | 宽带重构光谱仪的光谱重建 | 机器学习, 计算成像 | 不适用 | 重构光谱技术 | 深度展开网络 | 光谱数据 | 未明确，使用随机洛伦兹光谱等光谱轮廓 | NA | CNN, Transformer, DIP, PnP-ADMM（作为基线） | MAE, RMSE, SAM, APS | NA |
| 2084 | 2026-08-15 |
Deep learning-based denoising and computational field-of-view extension towards rapid wide-field mid-infrared photothermal imaging
2026-Jul-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.605038
PMID:42596408
|
研究论文 | 本文提出一种结合深度学习去噪和特征拼接的宽场中红外光热成像方法，旨在扩展视场、提高信噪比和成像速度 | 创新地将特征基拼接、平场校正和深度学习去噪（残差密集U-Net）集成到宽场量子级联激光中红外光热成像流程中，实现了大视场高对比度成像 | 摘要未提及具体局限性，可能包括对训练数据的依赖、拼接算法的计算复杂度或泛化能力问题 | 扩展视场、改善信噪比并提高宽场中红外光热成像的速度，以促进高通量化学成像应用 | 结核病感染的肺组织和聚对苯二甲酸乙二醇酯微粒 | 计算机视觉, 数字病理学 | 结核病 | 中红外光热显微镜 | 残差密集U-Net (RDUNet) | 图像 | 未明确说明样本数量，但使用结核病感染肺组织和PET微粒样本 | NA | 残差密集U-Net | 结构相似性指数, 归一化互相关, 峰值信噪比 | NA |
| 2085 | 2026-08-15 |
Deep learning framework for performance prediction and inverse design of nanowire solar cells
2026-Jul-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.605711
PMID:42596429
|
研究论文 | 提出一个深度学习框架，用于纳米线太阳能电池的性能预测和逆向设计 | 首次将混合卷积神经网络-Transformer模型用于光伏指标和电流-电压特性的高精度预测，并采用条件生成对抗网络处理性能与结构之间的一对多映射，引入候选选择策略提高设计可靠性 | 未在摘要中明确提及局限性 | 实现高效可靠的光电器件数据驱动性能预测和逆向设计 | 纳米线阵列太阳能电池 | 机器学习 | NA | NA | 混合卷积神经网络-Transformer、条件生成对抗网络 | 数值模拟数据（光伏性能指标和电流-电压特性） | 未在摘要中提供具体样本数量 | 未在摘要中指定具体框架 | 卷积神经网络结合Transformer、条件生成对抗网络 | 平均绝对百分比误差、平均绝对误差 | 未在摘要中提及 |
| 2086 | 2026-08-15 |
Neighbor2Mean: a self-supervised denoising method via local spatial redundancy for live-cell fluorescence microscopy
2026-Jul-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.596478
PMID:42596439
|
研究论文 | 提出了一种名为Neighbor2Mean的自监督去噪方法，利用局部空间冗余从单次噪声采集中构建低方差伪目标，以提升活细胞荧光显微镜图像质量 | 通过局部均值聚合从单个噪声图像构造伪目标，避免了时间相关方法在动态样本中的失效和空间方法的信息排除或估计偏差问题 | 未在摘要中明确提及局限性 | 开发一种无需配对高信噪比数据即可有效去噪的自监督方法，以适用于动态活细胞成像 | 活细胞荧光显微镜图像 | 计算机视觉 | 不适用 | 荧光显微镜成像 | 自监督深度学习模型 | 图像 | 未在摘要中明确提及 | 未在摘要中明确提及 | 未在摘要中明确提及 | 峰值信噪比（PSNR），结构相似性指数（SSIM） | 未在摘要中明确提及 |
| 2087 | 2026-08-15 |
Field-aware physics-informed transformer for robust computer-aided alignment of off-axis TMA system with mirror surface figure errors
2026-Jul-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.601203
PMID:42596454
|
研究论文 | 提出了一种场感知物理信息 transformer（FA-PIT），用于离轴三反光学系统的鲁棒计算机辅助装调，尤其针对镜面面形误差与刚性体失调耦合导致的传统方法失效问题 | 创新性地将多视场Zernike系数重构为结构化场令牌以保持全视场空间拓扑，利用多头自注意力学习跨场像差耦合模式，并设计物理信息复合损失函数整合全视场一致性约束、均匀性惩罚和最坏视场衍射极限安全项 | 在极端外推条件下（失调范围扩大至±0.5毫米）且存在泽尼克测量噪声时，成功率仍有下降（58%-85%），且未完全避免数值不稳定 | 提出一种物理可解释且鲁棒的自动装调框架，以解决离轴反射式光学系统中失调与面形误差耦合导致的传统方法不收敛或失效问题 | 离轴三反光学系统，包含镜面面形误差（λ/50至λ/20）和初始失调（±0.1毫米/0.1°）的模拟数据 | 机器学习 | 不适用 | 蒙特卡洛模拟 | Transformer | 数值模拟数据（泽尼克系数） | 未明确样本数量，但涉及蒙特卡洛模拟下的多种失调和面形误差条件，以及独立离轴架构的跨系统实验 | PyTorch | Transformer（多头自注意力，可学习场位置嵌入） | 成功率、均方根值（RMS）、最坏视场RMS | 未明确具体GPU类型，但涉及大量蒙特卡洛模拟，可能使用标准GPU（如NVIDIA） |
| 2088 | 2026-08-15 |
Data-driven registration and modeling of brain deformation for image-guided neurosurgery
2026-Jul-15, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104217
PMID:42594697
|
综述 | 系统回顾了2020至2025年间基于数据驱动的脑变形配准与建模方法，重点关注基于学习的技术 | 统一分析了多种方法论策略，包括基于深度学习的图像配准、直接变形场回归、合成驱动的多模态对齐、切除感知架构及混合生物力学先验模型，并评估了不确定性、泛化性和临床转化潜力 | 当前方法受限于分布外鲁棒性不足、缺乏标准化基准、可解释性差及临床部署准备度低 | 评估数据驱动方法在脑变形配准与建模中的进展，识别关键差距，并为未来研究指明方向以提升神经外科引导的鲁棒性和临床可用性 | 2020至2025年间发表的46项研究，涉及脑变形配准与建模的计算方法 | 医学影像分析 | 神经外科疾病 | NA | NA | 图像 | 46项研究 | NA | NA | NA | NA |
| 2089 | 2026-08-15 |
Performance analysis of a vision transformer based on a hierarchical spatial enhancement mechanism in the coherent free-space optical communication system
2026-Jul-13, Optics express
IF:3.2Q2
DOI:10.1364/OE.589487
PMID:42596154
|
研究论文 | 本文提出了一种基于分层空间增强机制的视觉Transformer（HS-VIT），用于无波前传感器自适应光学系统，以实时校正相干自由空间光通信中的大气湍流引起的波前畸变 | 在VIT架构中集成了分层空间增强机制，并采用自调制特征聚合方法，以增强在复杂湍流条件下校正波前畸变的能力 | 未提及 | 提高相干自由空间光通信系统在湍流条件下的传输性能，通过改进无波前传感器自适应光学系统的控制算法 | 相干自由空间光通信系统中的波前畸变校正 | 计算机视觉，数字通信 | 不适用 | 数值模拟，实验验证 | 视觉Transformer（VIT） | 数值仿真数据，实验数据 | 未提及 | 未提及 | 视觉Transformer（VIT），分层空间增强机制 | 性能提升百分比，计算时间 | 未提及 |
| 2090 | 2026-08-15 |
VVBPConvNet: a lightweight convolutional network for sparse-view CT reconstruction
2026-Jul-13, Optics express
IF:3.2Q2
DOI:10.1364/OE.603003
PMID:42596161
|
研究论文 | 提出了一种基于逐视图反投影的轻量级卷积网络VVBPConvNet，用于稀疏视图CT重建，以更好地保留和利用投影信息。 | 首次在稀疏视图CT重建中采用逐视图反投影张量作为网络输入，而非直接使用图像域表示，从而保留各投影视角的几何信息，并设计了轻量级网络架构以平衡性能和计算成本。 | 未提及计算资源的具体细节，以及临床数据集的具体样本量和多样性；可能对极稀疏视角或极端噪声条件下的效果存在限制。 | 开发一种能有效保留投影信息、抑制伪影并保持精细解剖结构的稀疏视图CT重建方法。 | 模拟和临床CT数据集中的稀疏视图重建图像。 | 计算机视觉 | NA | CT成像 | 卷积神经网络 | 图像 | 模拟和临床数据集（具体数量未提供） | NA | 卷积网络（具体架构未明确，但为轻量级设计） | 伪影抑制、结构保留、鲁棒性（具体指标如PSNR、SSIM未提及） | NA |
| 2091 | 2026-08-15 |
Learnable foveated sampling and dual-prior reconstruction for single-pixel imaging
2026-Jul-13, Optics express
IF:3.2Q2
DOI:10.1364/OE.601620
PMID:42596178
|
研究论文 | 提出一种基于可学习注视采样和双先验重建的深度网络FDP_Net，用于单像素成像，以提升图像中心区域的重建质量 | 首次将生物视觉系统的高分辨率感知机制引入单像素成像，设计了可学习的注视采样模块，在有限测量数下等效提高中心区域采样率，并构建了双先验融合的深度展开重建网络 | 文中未提及具体局限性 | 在单像素成像中，通过学习注视采样和双先验重建来提升图像中心区域的重建精度 | 单像素成像系统中的图像重建任务 | 计算机视觉 | NA | 压缩感知 | 深度展开网络 | 图像 | NA | NA | 双先验融合网络（含稀疏先验模块和去噪先验模块） | 重建精度（文中提到重建准确度，但未列出具体指标） | 在真实单光子计数SPI显微镜系统上验证，具体硬件未提及 |
| 2092 | 2026-08-15 |
CoReg-Net: contrastive registration for structurally consistent one-shot medical image segmentation
2026-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.4.044002
PMID:42597530
|
研究论文 | 提出CoReg-Net，一种通过对比注册增强结构一致性的单次医学图像分割方法 | 集成跨被试对比学习模块以对齐解剖特征，并引入级联跳跃连接机制弥合编码器-解码器语义鸿沟，联合优化以生成结构一致且拓扑规则的形变场 | 未在摘要中明确提及局限性，可能包括对特定数据集或解剖结构的依赖 | 提高可变形注册的结构一致性，实现稳健的单次医学图像分割 | 脑部（IXI、OASIS数据集）和腹部（BCV数据集）的医学图像 | 医学图像分割 | 不适用 | 深度学习，对比学习 | 对比注册网络 | 医学图像（MRI和CT） | 未在摘要中明确说明，涉及IXI、OASIS和BCV数据集 | 未明确指定，可能使用PyTorch | 编码器-解码器结构，含级联跳跃连接 | 结构相似性，分割精度 | 未在摘要中明确说明 |
| 2093 | 2026-08-15 |
4D reconstruction of airway dynamics using endoscopic optical coherence tomography
2026-Jun-15, Optics express
IF:3.2Q2
DOI:10.1364/OE.596962
PMID:42596246
|
研究论文 | 提出一种基于内窥镜光学相干断层扫描的呼吸分辨四维气道重建方法，以捕捉呼吸周期中的动态解剖变化 | 结合深度学习管腔分割、呼吸校正和旋转校正算法，实现从内窥镜OCT数据中自动重建呼吸分辨的四维气道结构 | 摘要中未提及具体局限性 | 开发一种利用内窥镜OCT进行四维气道动态成像的方法，以克服传统三维重建忽略呼吸运动的问题 | 兔气道 | 医学影像 | 气道疾病 | 光学相干断层扫描（OCT） | 深度学习模型（用于管腔分割） | 内窥镜OCT图像 | 兔气道（体内成像） | NA | 深度学习分割网络（具体架构未提及） | NA | NA |
| 2094 | 2026-08-15 |
Deep learning-enabled atmospheric turbulence compensation for concentric perfect optical vortex beams
2026-Jun-15, Optics express
IF:3.2Q2
DOI:10.1364/OE.591432
PMID:42596264
|
研究论文 | 本研究提出了一种基于深度学习的湍流补偿网络（ATDFPNet），用于修复同心完美涡旋光束因大气湍流引起的畸变，提升其在自由空间光通信中的性能 | 提出了一种新型的湍流分解频率预测网络（ATDFPNet），能够快速精准预测湍流相位屏，并表现出对不同湍流强度和轨道角动量模式的鲁棒泛化能力 | 摘要未提及研究的局限性 | 解决同心完美涡旋光束在大气湍流影响下的畸变问题，提高其在自由空间光通信系统中的性能 | 同心完美涡旋光束及其在自由空间光通信中的应用 | 计算机视觉 | NA | NA | 深度学习网络 | 图像 | NA | NA | ResNet18 | 模式纯度、准确率、结构相似性指数 | NA |
| 2095 | 2026-08-15 |
Double-subdivision vortex beam interferometer enhanced by DenseNet for precision displacement measurement
2026-Jun-15, Optics express
IF:3.2Q2
DOI:10.1364/OE.589575
PMID:42596300
|
研究论文 | 提出一种结合DenseNet深度学习框架的双细分共轭涡旋光束干涉仪，用于高精度微位移测量 | 通过双细分光路实现干涉条纹旋转角加倍，并引入DenseNet-169作为解调后端，替代传统几何算法和浅层卷积方法，提高位移解码精度 | 未提及 | 实现高精度微位移测量，提供非接触式精密计量和光学传感解决方案 | 微位移测量系统 | 计算机视觉 | 不适用 | 干涉测量 | DenseNet | 图像 | 未提及 | 未提及 | DenseNet-169 | 平均绝对误差 | 未提及 |
| 2096 | 2026-08-15 |
Deep learning-enabled optical scatterometry technique for high-precision and non-destructive measurement of grating microstructure parameters
2026-Jun-15, Optics express
IF:3.2Q2
DOI:10.1364/OE.596288
PMID:42596349
|
研究论文 | 提出一种集成双光束散射仪和自适应自校准物理约束CNN（ASPCNN）的光学散射测量系统，用于光栅微结构参数的非破坏性高精度测量 | 提出ASPCNN架构，集成自适应感受野融合模块和多尺度特征提取以及自校准残差注意力模块，提高噪声鲁棒性，并通过物理约束损失函数确保预测符合物理可行性，实现亚纳米精度和实时推理能力 | 摘要未明确提及局限，可能包括对特定光栅类型的适用性或实验条件的依赖 | 实现光栅微结构参数的非破坏性、高精度测量，以满足先进光学制造中的工业计量需求 | 光栅微结构参数 | 机器学习, 光学计量 | NA | 光学散射测量（双光束散射仪） | 卷积神经网络（CNN） | 衍射光谱 | 未提及具体样本数量，可能使用模拟或实验衍射光谱数据 | NA | ASPCNN（包含自适应感受野融合模块和自校准残差注意力模块） | 决定系数（R²）、推理时间 | 未提及 |
| 2097 | 2026-08-15 |
Deep reinforcement learning-based lens design
2026-Jun-15, Optics express
IF:3.2Q2
DOI:10.1364/OE.599246
PMID:42596353
|
研究论文 | 本文提出了一种基于深度强化学习的透镜设计框架，使代理能够仅依靠斯涅尔定律生成折射透镜设计，并展示了其在多样性和适应性方面的表现。 | 创新点在于使用混合动作空间的深度强化学习框架，无需预先定义光学元件序列或依赖现有设计，可灵活插入玻璃元件或空气间隙，实现数据自由的目标驱动透镜设计。 | 限制可能包括训练过程受奖励设计影响大，以及在未训练设计要求下的表现仍有待提高，具体细节未在摘要中详细说明。 | 研究目的是探索仅基于斯涅尔定律的AI模型能否生成合理的透镜设计，并提供数据自由、目标驱动的自动化设计基础。 | 研究对象是折射透镜设计，包括光学布局中的玻璃元件和空气间隙。 | 机器学习 | NA | NA | 深度强化学习（DRL） | NA | NA | NA | NA | 光学性能指标（具体未指定）、设计多样性、推理速度、奖励设计 | NA |
| 2098 | 2026-08-15 |
Bibliometric Analysis of Pulmonary Fibrosis Imaging Research: Knowledge Graph Construction Based on the Web of Science Core Database
2026-Jun, Malawi medical journal : the journal of Medical Association of Malawi
IF:1.2Q4
DOI:10.4314/mmj.v38i2.9
PMID:42597140
|
研究论文 | 本研究通过文献计量学方法，分析2015至2024年间肺纤维化影像学研究的出版趋势、国际合作网络及研究主题演变，并基于Web of Science核心数据库构建知识图谱 | 首次针对肺纤维化影像学领域进行系统性的文献计量分析，综合运用CiteSpace、VOSviewer和Scimago Graphica多种工具，识别出“深度学习”为该领域最强且持续时间最长的研究爆发点，并划分出三个重叠的研究阶段 | 地理碎片化及有限的多中心验证仍是人工智能泛化能力的主要障碍，未来需标准化影像协议并建立前瞻性多中心验证队列 | 量化肺纤维化影像学研究的出版趋势，绘制国际合作网络，并识别该领域主导及新兴的研究主题 | 2015至2024年间Web of Science核心数据库中1,159篇英文原创研究论文，涉及肺纤维化及影像学相关主题 | 文档分析 | 肺纤维化 | NA | NA | 文本 | 1,159篇英文原始研究文章，来自64个国家的研究者 | NA | NA | R² | NA |
| 2099 | 2026-08-15 |
[Modern Methods of Molecular Modeling of Aptamers]
2026 May-Jun, Molekuliarnaia biologiia
DOI:10.7868/S3034555326030019
PMID:42599228
|
综述 | 本文系统综述了适配体分子建模的现代方法，包括SELEX技术及其修饰、计算预测方法以及机器学习和深度学习算法的应用 | 系统总结了适配体设计技术的演化阶段，并重点介绍了机器学习与深度学习算法在适配体合理设计中的新应用 | 当前方法存在结构数据有限、非规范配对和假结预测复杂、以及ML模型对新序列家族泛化能力不足等问题，需严格实验验证 | 总结适配体设计技术发展，并探讨计算方法与AI整合在优化适配体亲和力和降低实验成本方面的潜力 | 适配体（短单链核酸分子） | 分子建模、计算方法、机器学习 | 不适用 | SELEX, CE-SELEX, M-SELEX, Cell-SELEX, HT-SELEX, 二级及三级结构预测, 分子对接, 分子动力学 | 机器学习、深度学习模型（如AptaDiff, RaptGen, Apta-MCTS, Xelari） | 核酸序列数据、结构数据 | 不适用 | 不适用 | AptaDiff, RaptGen, Apta-MCTS, Xelari | 不适用 | 不适用 |
| 2100 | 2026-08-15 |
AI applications in veterinary digital health: a systematic survey
2026, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2026.1853395
PMID:42597169
|
综述 | 本系统综述基于PRISMA 2020框架，梳理了2013至2025年间AI在兽医数字健康领域的应用，涵盖诊断影像、疾病预测、临床决策支持、可穿戴监测和远程医疗等，并分析了现有研究的方法学局限性及未来方向 | 首次系统分类AI在兽医数字健康中的应用，包括从放射影像的卷积神经网络到临床咨询的大语言模型，并强调了可解释AI和标准化数据集的重要性 | 纳入研究数量有限（22项），且缺乏外部验证和前瞻性真实世界临床评估，AI算法的不透明性及物种多样性对推广造成限制 | 系统总结AI在兽医数字健康中的当前应用，评估技术进展，识别方法学限制和实现障碍，为未来研究提供优先方向 | 兽医数字健康中的AI应用，包括诊断影像、预测分析、可穿戴监测、家畜健康管理、临床决策支持和大语言模型系统 | 数字病理学 | 动物疾病 | 临床决策支持、影像诊断、自然语言处理 | 卷积神经网络、大语言模型 | 文本、图像 | 22项研究（包括18项主要证据研究和4项支持性领域/原型研究） | NA | 卷积神经网络、大语言模型 | 准确性、早期检测效率 | NA |