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 43934 篇文献，本页显示第 2241 - 2260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2241 | 2026-04-05 |
TumorSageNet CNN hybrid architecture enables accurate detection of mango leaf pathologies
2026-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40944-2
PMID:41741529
|
研究论文 | 本研究提出了一种基于深度学习的新型框架，用于芒果叶病理的分类，通过先进的卷积和混合神经网络架构实现高精度检测 | 提出了两种新架构：一个定制的CNN模型和一个结合了EfficientNet-B7、LSTM和注意力机制的混合模型，其中定制CNN模型在多项指标上达到了100%的性能 | 研究仅使用了来自孟加拉国Rajshahi地区的800张芒果叶图像，数据集规模和地理多样性可能有限 | 开发一个可扩展、可解释且高性能的解决方案，用于芒果种植中的实时病害监测，以应对全球粮食安全挑战 | 芒果叶 | 计算机视觉 | 植物病害 | 深度学习，数据增强，颜色空间变换 | CNN, LSTM, 混合模型 | 图像 | 800张高分辨率芒果叶图像 | NA | AlexNet, VGG16, VGG19, EfficientNet-B7, 定制CNN, 混合模型（EfficientNet-B7 + LSTM + 注意力机制） | 准确率, 精确率, 召回率, F1分数 | NA |
| 2242 | 2026-02-28 |
Soil microbiome prediction using traditional machine learning and deep learning models
2026-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39537-w
PMID:41741537
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2243 | 2026-04-05 |
Nondestructive sheet resistance prediction of silver nanowire transparent electrode with convolutional neural network
2026-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40528-0
PMID:41741570
|
研究论文 | 本文提出了一种结合快速傅里叶变换和颜色度量特征的深度学习技术，用于预测银纳米线网络的薄层电阻 | 首次将原始高分辨率光学显微镜图像、快速傅里叶变换图像和平均颜色表示结合，通过卷积神经网络预测银纳米线透明电极的薄层电阻，并能评估纳米线分布的非均匀性 | 未明确说明模型在更广泛材料或不同制备条件下的泛化能力，以及计算资源需求的具体细节 | 开发一种无损预测银纳米线透明电极薄层电阻的方法，以提升透明导电电极技术在柔性电子等领域的应用 | 银纳米线网络的薄层电阻及其分布非均匀性 | 计算机视觉 | NA | 光学显微镜成像，快速傅里叶变换 | CNN | 图像 | NA | NA | NA | NA | NA |
| 2244 | 2026-04-05 |
Improving acute lymphoblastic leukemia diagnosis through CBAM-enhanced VGG19 deep learning
2026-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40184-4
PMID:41741572
|
研究论文 | 本研究提出了一种结合注意力机制的深度学习框架，用于从骨髓显微图像中自动检测和分型急性淋巴细胞白血病 | 将卷积块注意力模块（CBAM）与VGG19主干网络结合，构建了混合CBAM-VGG19网络，通过空间和通道维度分层增强关键形态学特征，从而提升特征提取能力和分类精度 | 缺乏外部验证且数据集规模较小，限制了其临床适用性 | 开发一种自动化的深度学习方法来改进急性淋巴细胞白血病的诊断和亚型分类 | 骨髓显微图像，包括健康样本和急性淋巴细胞白血病样本 | 数字病理学 | 急性淋巴细胞白血病 | 显微成像 | CNN | 图像 | NA | NA | VGG19, CBAM-VGG19 | 分类准确率 | NA |
| 2245 | 2026-02-28 |
Using deep learning to explore the impacts of street-view green space on school myopia prevalence: a multicenter, cross-sectional study
2026-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40477-8
PMID:41741618
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2246 | 2026-04-05 |
Distinction between primary and metastatic mucinous ovarian carcinoma from histopathology images using deep learning
2026-Feb-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02459-y
PMID:41735519
|
研究论文 | 本研究开发并验证了MOCOPM深度学习模型，用于从组织病理学图像中区分原发性与胃肠道转移性黏液性卵巢癌 | 首次开发了专门针对黏液性卵巢癌起源预测的深度学习模型MOCOPM，并在多中心数据中实现了高精度区分 | 样本量相对有限（仅167例患者），且未提及模型在其他类型转移癌或更广泛人群中的泛化能力 | 通过深度学习技术提高原发性与转移性黏液性卵巢癌的鉴别诊断准确性 | 黏液性卵巢癌患者的组织病理学图像 | 数字病理学 | 卵巢癌 | 组织病理学成像 | 深度学习 | 图像 | 167例黏液性卵巢癌患者 | 未明确提及 | 未明确提及具体架构（文中提到训练了三种神经网络） | AUROC | 未提及 |
| 2247 | 2026-04-05 |
Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI
2026-Feb-17, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02235-0
PMID:41703497
|
研究论文 | 本研究开发了一种基于先验信息的深度学习算法，用于膝关节的自动定位、骨关节炎的诊断与分级 | 提出了Anchor-free Knee Probability Calculation Net (AKPCNet)用于膝关节感兴趣区域提取，以及基于注意力池化的低阶特征强化网络(APLFRNet)以提高KL分级准确性 | 仅使用OAI数据库的X射线图像，未在其他独立数据集上验证 | 开发自动膝关节分割和骨关节炎诊断与分级方法 | 膝关节X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像 | 深度学习 | 图像 | 35,000张膝关节X射线图像（前后位视图） | NA | AKPCNet, APLFRNet | ROC AUC, 平衡准确率 | NA |
| 2248 | 2026-02-18 |
Exploring deep learning and data requirements through image classification of Erigeron annuus and Erigeron philadelphicus
2026-Feb-16, BMC research notes
IF:1.6Q2
DOI:10.1186/s13104-026-07719-4
PMID:41699726
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2249 | 2026-04-05 |
Machine Learning-Based Multimodal Molecular Biomarkers for Predictive Health Analytics
2026-01-16, Journal of visualized experiments : JoVE
DOI:10.3791/69241
PMID:41628017
|
研究论文 | 本文提出了一种基于机器学习的多模态分子生物标志物方法，用于预测性健康分析，旨在通过整合蛋白质、化学和遗传生物标志物来提高疾病预测的准确性 | 通过整合分子蛋白质、化学和遗传生物标志物与新兴机器学习特征（如TabNet和AutoInt）进行多模态分组，显著提升了预测准确性 | 未明确提及具体局限性，如数据样本量、模型泛化能力或临床验证范围 | 开发高度敏感的多模态生物标志物和有效调查方法，以准确检测和监测患者健康结果，包括预后、风险评估、患者分层和疾病监测 | 涉及多种健康问题，如心脏病、呼吸道感染、神经功能障碍、认知压力、癌症、中风、糖尿病等 | 机器学习 | 多种疾病 | NA | 传统机器学习算法, 传统深度学习方法, 现代深度学习技术（TabNet和AutoInt） | 多模态分子数据（蛋白质、化学、遗传生物标志物） | NA | NA | TabNet, AutoInt | 准确性 | NA |
| 2250 | 2026-04-05 |
Artificial intelligence models for point-of-care ultrasound diagnostics in dogs
2026, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2026.1729114
PMID:41884304
|
研究论文 | 本研究评估了深度学习模型在犬只创伤重点超声评估中检测危及生命的积液和气胸的可行性和诊断性能 | 首次将深度学习模型应用于犬只的即时超声诊断，特别是针对创伤重点超声评估中的积液和气胸检测，为兽医急诊护理提供了AI辅助决策的可行性支持 | 样本量较小，仅包含钝性创伤和非创伤性病理，存在类别不平衡，以及积液体积和位置在呈现时的变异性 | 评估深度学习模型在犬只即时超声诊断中检测危及生命的积液和气胸的可行性和诊断性能 | 五只健康的军用工作犬和二十只客户拥有的犬只（22-55公斤），包括有确认的腹部、胸膜、心包积液或气胸的犬只 | 计算机视觉 | 创伤 | 即时超声，创伤重点超声评估 | CNN | 图像 | 25只犬（5只健康军用工作犬，20只客户拥有犬） | NA | 卷积神经网络 | 召回率, 准确率 | NA |
| 2251 | 2026-04-04 |
Retraction: An inherently interpretable deep learning model for local explanations using visual concepts
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346306
PMID:41926417
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2252 | 2026-04-05 |
A two-stage deep learning framework for predicting the onset of Atrial fibrillation using RR interval-based embeddings
2026 Jan-Mar, Biocybernetics and biomedical engineering
IF:5.3Q1
DOI:10.1016/j.bbe.2026.01.004
PMID:41878690
|
研究论文 | 本文提出了一种基于RR间期的两阶段深度学习框架，用于提前一小时预测心房颤动的发作 | 提出了一种新的两阶段深度学习框架，结合了卷积和双向LSTM网络进行特征提取和预测，并利用掩码技术增强临床可解释性 | 未明确提及具体局限性 | 开发一个能够提前预测心房颤动发作的模型，以支持预防性干预 | 重症监护病房患者的心电信号RR间期数据 | 机器学习 | 心血管疾病 | NA | CNN, LSTM | 时间序列数据（RR间期） | 未明确提及具体样本数量，但涉及美国ICU中每年约500万危重患者中的一部分 | 未明确提及 | 卷积神经网络, 双向长短期记忆网络 | 灵敏度, 特异度, F1分数, AUROC, AUPRC | 未明确提及 |
| 2253 | 2026-04-05 |
EfficientNet-driven deep learning for accurate detection of faults in photovoltaic cells
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342647
PMID:41931557
|
研究论文 | 本研究提出了一种基于EfficientNetV2架构的深度学习框架，用于准确检测光伏电池中的故障 | 首次评估了三种EfficientNetV2变体（EfficientNetV2B0、EfficientNetV2B2和EfficientNetV2M）在光伏电池故障检测中的应用，并展示了EfficientNetV2M模型在异常检测任务中的优越性能 | 研究仅使用了2500张图像的数据集，样本量相对较小，可能影响模型的泛化能力 | 提高光伏电池故障识别的准确性，以优化光伏系统性能并延长太阳能电池板的使用寿命 | 光伏电池（包括有缺陷和无缺陷的电池） | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 2500张图像（包含有缺陷和无缺陷的光伏电池） | NA | EfficientNetV2B0, EfficientNetV2B2, EfficientNetV2M | 准确率, 精确率, 召回率, F1分数 | NA |
| 2254 | 2026-04-05 |
A robust deep learning approach for impulse noise filtering using hybrid auto-encoder with fuzzy median filter
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343141
PMID:41931562
|
研究论文 | 本文提出了一种结合DnCNN、自编码器和模糊中值滤波器的深度学习图像去噪方法，用于检测和消除高密度脉冲噪声 | 提出了一种混合自编码器与模糊中值滤波器的深度学习去噪方法，有效整合了DnCNN和自编码器进行噪声分类，并通过模糊中值滤波器重建干净图像 | 仅使用12张标准测试图像进行训练和验证，样本规模较小 | 开发一种有效的图像恢复技术，用于去除图像中的脉冲噪声 | 受脉冲噪声污染的图像 | 计算机视觉 | NA | 图像去噪 | CNN, 自编码器 | 图像 | 12张标准测试图像 | NA | DnCNN, 自编码器 | 准确率, FPR, FNR, F1分数, PSNR, SSIM | NA |
| 2255 | 2026-04-05 |
Quantitative evaluation of spatially-variant deformations recovered by deep learning on clinical-like breast lesions
2025-Dec-26, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2025.3649164
PMID:41929561
|
研究论文 | 本文提出了一种基于深度学习的定量评估方法，用于减少专用双面板乳腺PET扫描仪中的空间变异变形，并改善乳腺病灶的成像质量和量化分析 | 开发了一种生成合成临床样乳腺图像的方法，包括复杂病灶形状（如毛刺状病灶）和示踪剂依赖性活动特征（[F]FES和[F]FDG），并在临床样合成数据上训练神经网络以抑制双面板PET重建中的变形 | 先前研究仅使用简化几何对象和均匀背景进行训练和测试，未能完全代表乳腺PET成像的临床复杂性；本研究虽引入临床样数据，但合成数据可能仍与真实临床场景存在差异 | 评估深度学习在减少专用双面板乳腺PET扫描仪空间变异变形方面的效果，以改善病灶可视化和量化 | 临床样乳腺病灶，包括复杂形状病灶（如毛刺状病灶）和示踪剂依赖性活动特征（[F]FES和[F]FDG） | 医学影像分析 | 乳腺癌 | 专用双面板乳腺PET扫描（B-PET），统计迭代重建（DIRECT-RAMLA） | 深度学习神经网络 | 合成临床样乳腺PET图像 | NA | NA | NA | 病灶对比度指标，图像粗糙度 | NA |
| 2256 | 2026-04-05 |
Multimodal Motion Capture Toolbox for Enhanced Analysis of Intersegmental Coordination in Children with Cerebral Palsy and Typically Developing
2025-12-16, Journal of visualized experiments : JoVE
DOI:10.3791/69604
PMID:41490048
|
研究论文 | 本研究开发了一个多模态运动捕捉工具箱，用于增强脑瘫儿童和正常发育儿童节段间协调性的分析 | 结合了多种运动捕捉技术（包括研究级运动学设备、惯性测量单元、3D无标记系统和基于MediaPipe的2D无标记系统），并采用开源方法解决感觉处理问题患者群体的挑战 | 样本量较小（仅包括两名脑瘫儿童和两名正常发育儿童），可能限制结果的普遍性 | 评估和比较3D标记与2D无标记运动捕捉系统在分析儿童运动协调模式中的可行性和效果 | 脑瘫儿童和正常发育儿童 | 计算机视觉 | 脑瘫 | 运动捕捉技术、深度学习人体姿态估计 | NA | 视频、运动学数据 | 4名儿童（2名脑瘫儿童，2名正常发育儿童） | MediaPipe | NA | NA | NA |
| 2257 | 2026-04-05 |
Case-Based Reasoning with Deep Learning for a Hybrid Approach to Legal Text Summarization
2025-12-12, Journal of visualized experiments : JoVE
DOI:10.3791/69287
PMID:41460740
|
研究论文 | 本文提出了一种结合案例推理与深度学习的混合方法，用于法律文本摘要生成 | 将案例推理与多阶段Transformer架构相结合，用于法律文本摘要，在事实准确性、推理保真度和法律实体保留方面表现优异 | 未明确说明模型的计算复杂度或处理超长法律文档的具体限制 | 开发一种能够准确高效生成法律文本摘要的混合方法 | 法律案例文本 | 自然语言处理 | NA | 深度学习，案例推理 | Transformer | 文本 | 4,968个法律案例 | 未明确说明 | 多阶段Transformer架构 | 准确率，ROUGE分数，连贯性 | NA |
| 2258 | 2026-04-05 |
Overcoming Extrapolation Challenges of Deep Learning by Incorporating Physics in Protein Sequence-Function Modeling
2025-Nov-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.09.687530
PMID:41293023
|
研究论文 | 本文提出了一种通过整合蛋白质物理相互作用和动力学来改进深度学习模型在蛋白质序列-功能建模中外推能力的方法 | 将基于物理的建模（如突变能量效应量化）直接整合到卷积和图卷积神经网络中，以克服数据稀缺导致的外推限制 | 未明确提及具体实验设置或数据集的局限性，但暗示了传统深度学习模型在外推任务中的普遍挑战 | 提高深度学习模型在预测未见位置或突变类型变异功能效应时的外推准确性 | 蛋白质序列-功能关系，特别是通过深度突变扫描数据和可用结构学习序列到功能的映射 | 机器学习 | NA | 深度突变扫描 | CNN, 图卷积神经网络, Transformer | 序列数据, 结构数据 | NA | NA | 卷积神经网络, 图卷积神经网络, Transformer | NA | NA |
| 2259 | 2026-04-05 |
Deep learning in CT image reconstruction and processing: techniques, performance evaluation, radiation dose, and future perspective
2025-Nov-01, The British journal of radiology
DOI:10.1093/bjr/tqaf260
PMID:41099810
|
综述 | 本文综述了基于深度学习的CT图像重建与处理技术，涵盖技术实现、性能评估、辐射剂量降低及未来展望 | 系统分类DLR方法（投影空间、投影到图像空间、图像空间及混合技术），并强调虚拟成像试验等定量评估技术的重要性 | 在低对比度病变检测和表征方面存在挑战，辐射剂量降低可能仍低于传统方法的50%，且低剂量下可能产生虚假结构 | 概述深度学习在CT图像重建与处理中的应用，以优化算法降低辐射剂量并提升诊断性能 | CT图像重建与处理技术，包括噪声降低、伪影校正和空间分辨率增强 | 计算机视觉 | NA | 深度学习图像重建 | NA | CT图像 | NA | NA | NA | 噪声降低、伪影校正、空间分辨率增强 | NA |
| 2260 | 2026-04-05 |
The Synergy of Artificial Intelligence and 3D Bioprinting: Unlocking New Frontiers in Precision and Tissue Fabrication
2025-Oct-28, Advanced functional materials
IF:18.5Q1
DOI:10.1002/adfm.202509530
PMID:41181574
|
综述 | 本文综述了人工智能在3D生物打印中的变革性作用，重点关注AI如何提升其精度、功能性和可扩展性 | 系统性地探讨了AI（包括机器学习、计算机视觉、机器人学等）如何通过实时过程监控、错误纠正和参数优化来革新3D生物打印技术，并强调了其在自动化质量控制、预测性维护和减少生物墨水浪费方面的创新应用 | 在过程监控、质量控制和生物打印系统的可扩展性方面仍存在挑战 | 指导科学家、工程师和医疗保健提供者理解AI增强型生物打印的复杂性和潜力，促进对其在再生医学和个性化医疗中未来作用的更深入认识 | 3D生物打印技术及其与人工智能的融合 | 机器学习, 计算机视觉, 自然语言处理 | NA | 3D生物打印 | 深度学习 | 复杂数据集 | NA | NA | NA | 细胞活力, 结构保真度 | NA |