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 44944 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2026-06-02 |
[Automatic micro-CT pulp cavity image segmentation based on few-shot transfer learning]
2026-Jun-01, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
研究论文 | 开发基于少样本迁移学习的微CT牙髓腔图像分割模型PulpSAM实现高效准确分割 | 通过跨域适应策略将自然图像分割基础模型SAM迁移至牙髓腔图像分割任务并提出PulpSAM模型 | 未在临床多中心数据验证，样本仅来自单一医院且为病理原因拔除的牙齿 | 开发微CT牙髓腔图像自动分割模型以支持三维解剖研究和数字化根管治疗 | 因病理原因拔除的牙齿微CT扫描图像 | 计算机视觉 | 牙科疾病 | 微CT | SAM（Segment Anything Model） | 图像 | 110颗牙齿，分为训练集（10颗）、测试集（90颗）和独立测试集（10颗） | NA | PulpSAM（基于SAM） | 交并比、Dice系数、精确率、准确率、95%豪斯多夫距离、平均对称表面距离 | NA |
| 202 | 2026-06-02 |
Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach
2026-Jun-01, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329261448689
PMID:42220235
|
研究论文 | 利用机器学习方法对地中海贫血及其亚型进行分类诊断，比较传统模型与新型混合模型ThalP的性能 | 提出一种混合堆叠模型ThalP，将支持向量机、逻辑回归和XGBoost的概率输出通过神经网络元分类器集成，基于常规血液学参数实现地中海贫血亚型的高效分类 | 合成训练数据集基于真实数据的统计特性生成，可能无法完全模拟真实世界数据的异质性；模型在外部真实数据集上的准确率为83.1%，仍有提升空间 | 评估机器学习算法用于地中海贫血及其亚型的分类，探索混合模型作为临床决策支持工具的潜力 | 地中海贫血患者，包括α地中海贫血和β地中海贫血（轻型、中间型和重型） | 机器学习 | 地中海贫血 | 常规血液学参数分析 | 支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型 | 表格数据 | 合成训练数据集1534个样本，外部真实数据集349名患者 | NA | 支持向量机、逻辑回归、XGBoost、人工神经网络、ThalP混合堆叠模型 | 准确率、宏F1分数 | NA |
| 203 | 2026-06-02 |
Deep blueprint: A literature review and guide to automated image classification for ecologists
2026-Jun-01, The Journal of animal ecology
IF:3.5Q1
DOI:10.1111/1365-2656.70271
PMID:42220300
|
综述论文 | 为生态学家提供基于深度学习的自动化图像分类实用指南与综述，涵盖从数据获取到模型部署的完整流程 | 整合常用软件工具并构建模块化工作流，同时提供Python和R代码及图形用户界面，以YOLOv8和YOLOv11模型对比分析为案例，揭示复杂模型并非总是最优 | 仅聚焦于图像分类任务，未涉及目标检测或图像分割等其他自动化图像分析任务；案例数据集可能具有特定性 | 降低深度学习在生态学研究中的应用门槛，促进计算机视觉技术的广泛采用，支持可重复、标准化和可持续的生态监测 | 生态学家及其自动化图像分类研究项目 | 计算机视觉 | NA | 深度学习、计算机视觉 | CNN | 图像 | 挪威海的深海生物群落ROV数据集 | Ultralytics ML平台 | YOLOv8系列、YOLOv11系列 | 准确率、宏平均性能指标 | NA |
| 204 | 2026-06-02 |
Estimating mechanical impedance from hydrophone measurements
2026-Jun-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0043957
PMID:42223265
|
研究论文 | 提出一种利用稀疏水听器测量估算薄球壳机械阻抗的方法 | 无需训练阶段即可高效计算机械阻抗，适用于实时和低能耗场景 | 性能受频率升高引起的指向性限制 | 开发无需额外训练步骤的低能耗实时阻抗估算方法 | 薄球壳散射体的机械阻抗 | 机器学习 | NA | 水听器测量 | NA | 水听器测量数据 | 10个水听器 | NA | NA | 绝对百分比误差 | NA |
| 205 | 2026-06-02 |
The role of machine learning, deep learning, and MRI findings in the classification of pediatric posterior fossa tumors
2026-Jun-01, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-026-07316-7
PMID:42223485
|
研究论文 | 评估机器学习和深度学习模型利用MRI影像组学特征对儿童后颅窝肿瘤进行分类 | 比较多种机器学习模型（GBM、DT、RF及其集成）与深度学习模型ResNet101V2在儿童后颅窝肿瘤MRI分类中的性能，并指出EP和DMG区分困难的挑战 | 样本量较小（63例），对EP和DMG的准确区分仍具挑战，深度学习模型在扩散序列上表现较低 | 评估机器学习和深度学习模型利用MRI特征对儿童后颅窝肿瘤进行分类的效果 | 儿童后颅窝肿瘤，包括髓母细胞瘤、毛细胞星形细胞瘤、室管膜瘤和弥漫性中线胶质瘤 | 机器学习, 计算机视觉, 数字病理学 | 儿童后颅窝肿瘤 | MRI | CNN, 梯度提升机, 决策树, 随机森林 | 影像数据（MRI：T2加权成像、弥散加权成像、表观弥散系数序列、T1加权成像、对比增强T1加权成像） | 63例儿科患者，包括21例MB、20例PA、11例EP、11例DMG | TensorFlow | ResNet101V2, 梯度提升机, 决策树, 随机森林 | 准确率 | NA |
| 206 | 2026-06-02 |
Predicting Metastatic Potential from Histopathological Whole Slide Images of Primary Tumors in Head and Neck Squamous Cell Carcinoma Using Attention-Based Deep Learning and Signaling Pathway Alterations
2026-Jun-01, Head and neck pathology
DOI:10.1007/s12105-026-01920-4
PMID:42223560
|
研究论文 | 提出一种基于注意力机制和残差网络的深度学习框架，从头颈部鳞状细胞癌的原发性全切片图像中预测远处转移风险 | 结合自注意力机制与残差网络（ResNet），解决病理切片预处理中patch级别变异性带来的挑战，提升预测性能 | 未报告模型的可解释性细节，未来需整合多模态数据并推广至其他癌症类型 | 开发深度学习模型以预测HNSCC患者远处转移的可能性，支持早期干预和临床决策 | 头颈部鳞状细胞癌（HNSCC）患者的全切片病理图像 | 数字病理学 | 头颈部鳞状细胞癌 | NA | CNN, 自注意力机制, 残差网络（ResNet） | 图像（全切片病理图像） | TCGA-HNSCC数据集（未明确样本数量）及外部验证集TCGA-ESCA | PyTorch | 自注意力机制 + ResNet | 准确率, AUC, F1分数 | NA |
| 207 | 2026-06-02 |
Evaluation of super-resolution deep learning reconstruction on three-dimensional constructive interference in steady state for enhanced visualization of vestibular schwannomas
2026-Jun-01, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01073-7
PMID:42223818
|
研究论文 | 评估超分辨率深度学习重建在三维稳态干涉序列中增强前庭神经鞘瘤可视化的效果 | 首次将超分辨率深度学习重建应用于前庭神经鞘瘤的3D-CISS MRI，相比传统DLR和ZIP显著提升图像锐度和病变可见性 | 未提及算法局限性或计算资源需求，可能样本量较小（39例） | 比较SR-DLR、DLR和ZIP三种重建技术在前庭神经鞘瘤可视化中的表现 | 39例前庭神经鞘瘤患者的三维稳态干涉MRI图像 | 计算机视觉, 医学影像 | 前庭神经鞘瘤 | 3D-CISS MRI | 超分辨率深度学习重建 | 图像 | 39例前庭神经鞘瘤患者 | NA | NA（未指定具体架构） | 锐度评分, 边缘上升距离, 边缘上升斜率, 信噪比, 对比噪声比, 对比度比 | NA |
| 208 | 2026-06-02 |
Attention-Guided Multi-View Contrastive Learning for Predicting Sparse Drug-Gene Associations
2026-Jun-01, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-026-00843-6
PMID:42223887
|
研究论文 | 提出了一种注意力引导的多视图对比学习方法（AMCL），用于预测稀疏的药物-基因关联 | 提出注意力引导的多视图对比学习方法，整合多尺度特征学习和动态超图学习模块来捕获高阶依赖关系，并利用LCA偏置注意力机制提升模型区分能力 | NA | 提高现有预测模型在稀疏数据下的性能和泛化能力，用于药物发现和再利用 | 药物-基因相互作用关系 | 机器学习 | NA | 对比学习、图卷积网络、超图学习 | 对比学习模型 | 表格数据（稀疏的药物-基因关联数据） | 三个数据集：DGIdb 5.0, ChEMBL和Guide to Pharmacology | NA | Multi-View Contrastive Learning, Graph Convolutional Network, Dynamic Hypergraph Learning, LCA-biased Attention | NA | NA |
| 209 | 2026-06-02 |
Deep learning-based monitoring and localization in autonomous underwater vehicle networks for aquatic ecosystem analysis
2026-May-31, Journal of environmental science and health. Part A, Toxic/hazardous substances & environmental engineering
DOI:10.1080/10934529.2026.2672257
PMID:42218798
|
研究论文 | 利用深度学习技术在自主水下航行器网络中实现水质监测与定位，以支持水生生态系统分析 | 首次提出基于模糊自定义凸规则来适应水下环境变化，并融合DSRCN方法检测污染 | 未提及模型在不同水域环境的通用性以及实时处理能力限制 | 开发一种能够自动监测和定位水生生态系统中污染事件的方法 | 自主水下航行器网络中的传感器数据和水下图像 | 计算机视觉 | 不适用 | 传感器数据融合、图像预处理 | DSRCN（深度监督残差卷积网络） | 图像、传感器数据 | 不适用（未明确提及样本数量） | 不适用（未提及具体框架） | DSRCN | 准确率 | 不适用（未提及具体计算资源） |
| 210 | 2026-06-02 |
Non-invasive assistive framework for sign language recognition using software-defined radio sensing and deep learning
2026-May-31, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2026.2676031
PMID:42218915
|
研究论文 | 提出一种使用软件定义无线电感知和深度学习进行手语识别的非侵入性辅助框架 | 将软件定义无线电感知与时间序列深度学习相结合，实现非侵入式、保护隐私的美国手语识别，克服传统摄像头或可穿戴设备的局限性 | 仅作为概念验证，样本量较小（20个美国手语符号），实际应用可扩展性有待验证 | 探索基于射频感应的美国手语识别的技术可行性，作为听力障碍人士与健听人群的辅助交流机制 | 美国手语识别的射频信号数据 | 深度学习, 自然语言处理 | 听力障碍 | 软件定义无线电感知, 射频信道状态信息 | 时间序列深度学习 | 射频信号时间序列数据 | 20个美国手语符号 | NA | NA | 准确率（98%） | NA |
| 211 | 2026-06-02 |
HAMNet: Hierarchical Multi-scale Attention Network for precise disease detection in pearl millet using spatial fusion
2026-May-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53453-z
PMID:42219448
|
研究论文 | 提出一种结合层次化多尺度注意力机制和光谱-空间融合模块的HAMNet-Mask R-CNN模型，用于珍珠粟病害精确检测 | 创新性地融合层次化多尺度注意力网络与光谱-空间融合模块，通过低、中、高多层次特征学习提升病害定位精度，并利用注意力机制减少假阳性 | 未提及在实际农田复杂环境下的泛化能力及模型计算效率的详细分析 | 实现珍珠粟病害的高精度自动化检测与分割，克服传统深度语义分割模型在病害区域定位不精确和空间模式处理能力不足的问题 | 珍珠粟作物的真菌和细菌病害区域 | 计算机视觉, 数字病理学 | 珍珠粟真菌与细菌病害 | 高分辨率图像 | Mask R-CNN | 图像 | 未提及具体样本数量 | TensorFlow | HAMNet, Mask R-CNN | Dice系数, IoU, 精确率, 召回率, 准确率 | NA |
| 212 | 2026-06-02 |
Undergraduate medical students and artificial intelligence: A global systematic review and meta-analysis using a knowledge-attitude-practice framework
2026-May-31, Medical teacher
IF:3.3Q1
DOI:10.1080/0142159X.2026.2663855
PMID:42219530
|
系统综述与meta分析 | 使用知识-态度-实践框架对全球本科生医学生人工智能参与度进行系统综述与meta分析 | 首次采用KAP框架综合评估医学生对人工智能的知识、态度与实践之间的关系 | 纳入研究在工具和报告方式上存在高度异质性，定量合成仅限于使用MAIRS-MS量表的11项研究 | 利用KAP框架系统评估本科生医学生参与人工智能的现状 | 全球本科生医学生对人工智能的认知、态度及实践行为 | 机器学习, 自然语言处理 | NA | NA | NA | 文本 | 43项研究，含37项横断面研究和6项心理测量验证研究 | NA | NA | NA | NA |
| 213 | 2026-06-02 |
A Deep Learning-Based 3D Ultrasound Analysis for Standard Sagittal Plane Identification: Technical and Clinical Considerations
2026-May-31, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70316
PMID:42219536
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 214 | 2026-06-02 |
Deep Learning Assisted Motion Behavior Analysis of Catalytic Micromotors Based on Trajectory and Optical Flow
2026-May-31, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.6c01373
PMID:42219952
|
研究论文 | 利用深度学习方法，基于轨迹和光流，区分催化微马达的不同驱动模式 | 首次采用深度学习方法区分催化微马达的不同驱动模式（如铂驱动和酶驱动），并引入光流图作为输入，显著提高了分类准确率 | 现有方法仅关注单驱动系统，缺乏对不同驱动模式的区分能力，且短时运动对轨迹分类的准确性有限 | 探究催化微马达的运动行为，区分不同驱动模式 | 催化微马达（如铂驱动和酶驱动）的运动行为 | 机器学习 | NA | NA | 深度学习模型（使用迁移学习） | 轨迹数据和光流图数据 | NA | NA | NA | 分类准确率 | NA |
| 215 | 2026-06-02 |
Validation of an automated AI-based micro-CT organ segmentation workflow against expert annotations and its impact on fluorescence quantification
2026-May-29, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00742-x
PMID:42213317
|
研究论文 | 验证商业AI算法用于小鼠全身显微CT器官分割的准确性、可重复性、处理时间及其对荧光层析成像定量的下游影响 | 首次将AI分割评估从几何准确性转向下游任务验证，揭示几何指标不能预测荧光定量效果 | 仅使用小鼠数据，且器官分割性能依赖具体器官类型 | 验证商业AI器官分割在显微CT数据中的实用性，并评估其对荧光定量的下游影响 | 27只小鼠的显微CT和荧光层析成像数据 | 计算机视觉 | NA | 显微CT成像、荧光层析成像 | 深度学习 | 图像 | 27只小鼠 | NA | 深度神经网络 | Sørensen-Dice相似系数, 器官体积, 荧光定量一致性 | GPU（未具体说明型号） |
| 216 | 2026-06-02 |
A bibliometric analysis of artificial intelligence in anatomy education: Current situation, hot spots, and global trends
2026-May-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000049128
PMID:42216413
|
bibliometric analysis | 通过文献计量学分析揭示人工智能在解剖学教育领域的研究现状、热点和全球趋势 | 首次系统性阐述人工智能在解剖学教育中的文献计量特征，识别从通用医学教育向AI驱动图像分割、深度学习及手术引导的研究主题转变，并关注大语言模型（如ChatGPT）的新兴影响 | 仅基于Web of Science数据库的英文文献，可能遗漏非英文或非核心期刊的研究；样本量为184篇，时间跨度截至2024年，未包含最新动态 | 系统梳理人工智能在解剖学教育中的研究热点、发展脉络和未来趋势，为后续研究提供方向指导 | 人工智能在解剖学教育中的应用相关学术论文 | 文献计量学 | NA | 文献计量学分析 | NA | 文献数据 | 184篇论文（2005-2024年发表） | R, VOSviewer, CiteSpace, Excel | NA | NA | NA |
| 217 | 2026-06-02 |
A Novel MR Cine Sialography Technique for Evaluating Salivary Gland Function: Correlation with Unstimulated and Stimulated Saliva Volumes
2026-May-29, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2026-0004
PMID:42128847
|
研究论文 | 本研究利用基于时间-空间标记反转脉冲技术的MR电影唾液腺造影结合深度学习重建去噪方法，评估唾液腺功能，并与未刺激和刺激下全唾液体积进行相关性分析 | 首次将深度学习重建去噪方法与MR电影唾液腺造影结合，用于双侧颌下腺和腮腺唾液流动的可视化及功能评估，并证实其与全唾液体积的强相关性 | 样本量仅有11名健康志愿者，缺乏对患者的验证，且未探讨不同刺激条件下的深度机制 | 验证MR电影唾液腺造影作为一种非侵入性方法评估唾液腺功能的有效性，并分析其与全唾液体积的相关性 | 11名健康志愿者的双侧颌下腺和腮腺 | 医学影像 | 干燥综合征或唾液腺功能相关疾病 | MR电影唾液腺造影（基于时间-空间标记反转脉冲）、深度学习重建去噪 | 深度学习重建去噪模型 | MR影像数据、唾液体积测量数据 | 11名健康志愿者 | NA | NA | 斯皮尔曼等级相关系数（ρ）、Wilcoxon符号秩检验P值 | NA |
| 218 | 2026-06-02 |
EZPro-Multi: Contrastive Learning-Enhanced Multi-property Prediction for Enzyme Engineering
2026-May-27, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.6c00821
PMID:42199085
|
研究论文 | 提出一种名为EZPro-Multi的深度学习框架，用于预测酶突变体的多种生化性质，包括催化效率、稳定性和溶解度 | 集成了ProtT5蛋白质表示与Molformer底物表示，并通过交叉注意力模块捕获突变体-底物相互作用；引入监督对比学习增强特征判别性；添加辅助分类头提升回归任务性能 | 未明确提及局限性 | 开发统一的深度学习框架以精确预测酶突变体的多种功能性属性，加速酶工程和生物催化系统优化 | 酶突变体及其底物对 | 机器学习 | NA | NA | 深度学习框架（包含ProtT5、Molformer、交叉注意力模块、监督对比学习） | 酶-底物对数据 | 未明确提及具体样本数量 | PyTorch | ProtT5, Molformer, 交叉注意力模块 | 回归准确率, 分类一致性, 命中率 | NA |
| 219 | 2026-06-02 |
Fully Biobased, Robust, and High-Conductivity Hydrogel for High-Fidelity Electrophysiological Monitoring and Deep Learning-Assisted Stroke Rehabilitation
2026-May-27, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.6c03687
PMID:42200397
|
研究论文 | 本文报道了一种通过霍夫迈斯特效应工程化的全生物基水凝胶平台，用于高保真电生理监测和深度学习辅助的中风康复 | 首次通过协同双物理交联网络和柠檬酸盐诱导链压缩及连续离子传输途径，实现了力学性能与高导电性的统一，并集成多功能生物电子系统 | 未提及长期稳定性、体内生物相容性及大规模制备的可行性 | 开发一种可持续、高性能的全生物基水凝胶，用于健康监测、远程医疗和软体机器人 | GTC水凝胶及其在电生理信号采集、中风康复评估、应变传感和摩擦纳米发电机中的应用 | 机器学习, 数字健康 | 中风康复 | NA | 深度学习 | 电生理信号（ECG、EEG、EMG） | NA | NA | NA | 信噪比 (24.3 dB), 准确率 (97.31%) | NA |
| 220 | 2026-06-02 |
2D-JCOG: Transforming 1D 1H NMR Spectra into J-δ Correlation Maps via the Shared Splitting Theorem and Graph Neural Networks
2026-May-27, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00383
PMID:42200782
|
研究论文 | 提出了2D-JCOG深度学习框架，将一维氢核磁共振谱峰列表转换为二维J-δ相关图，揭示耦合拓扑结构 | 基于共享分裂定理的物理归纳偏置，结合异构图神经网络架构，将一维NMR谱转换为二维耦合相关图，实现非一阶近似下自动提取标量耦合常数 | 不适用于严重强耦合自旋系统，不能替代迭代量子力学方法 | 实现核磁共振谱中自动提取标量耦合常数和耦合网络 | 氢核磁共振谱中的多重峰和标量耦合网络 | 机器学习 | NA | 核磁共振波谱 | 图神经网络 | 光谱数据 | 量子力学模拟谱和GISSMO数据库的实验谱 | PyTorch | Transformer注意力层、均值聚合层 | 召回率、精确率、平均J值误差 | NA |