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 46046 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2026-06-18 |
Feature-Space Planes Searcher: A Universal Domain Adaptation Framework for Interpretability and Computational Efficiency
2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3703974
PMID:42301825
|
研究论文 | 提出特征空间平面搜索器，一种用于可解释性和计算效率的通用域适应框架 | 提出无需微调特征提取器、利用预训练模型特征空间中的几何模式（类内聚类和类间分离）优化决策边界的新颖域适应方法，并引入无监督超参数选择的类内距离度量 | 该方法依赖于预训练模型的特征质量，若预训练表示不够强大则可能性能不足；仅在公共基准测试上评估，未在更广泛真实场景中验证 | 开发一种计算高效、可解释且通用的域适应框架，避免传统微调方法的高成本和低可解释性 | 域适应中的决策边界对齐问题，特别是从标记源域到未标记目标域的迁移 | 机器学习 | NA | 特征空间分析、无监督域适应 | 特征空间平面搜索器 | 图像及其他多模态数据 | 使用公共基准数据集进行评估，具体样本量未明确说明 | NA | 多种大模型及多模态架构 | 准确率 | 通过离线特征提取降低内存和计算成本，单次训练周期即可完成全数据集优化 |
| 222 | 2026-06-18 |
Contour Field based Elliptical Shape Prior for the Segment Anything Model
2026-Jun-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3702431
PMID:42301843
|
研究论文 | 提出一种结合椭圆形状先验与SAM模型的新方法，用于提升图像分割精度 | 首次将变分椭圆轮廓场与SAM深度网络融合，通过参数化椭圆轮廓约束和双重算法优化，实现椭圆形状的精确分割 | 未提及具体局限性信息 | 解决现有分割方法难以生成椭圆形状分割结果的问题，提升医学和自然图像中特定任务的分割精度 | 医学和自然图像中的椭圆形目标（如细胞、器官等） | computer vision | NA | NA | Segment Anything Model (SAM) | 图像 | 特定图像数据集（具体数量未说明） | PyTorch | SAM, U-Net (变分椭圆先验网络结构) | 分割精度 (improvement over original SAM) | NA |
| 223 | 2026-06-18 |
No One-Size-Fits-All Neurons: Task-based Neurons for Artificial Neural Networks
2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3704202
PMID:42301827
|
研究论文 | 提出一种基于任务的神经元设计方法，通过符号回归和参数化增强网络特征表示能力 | 首次从任务型架构设计转向任务型神经元设计，利用符号回归自适应生成神经元聚合函数，打破传统统一神经元模式 | 当前仅以多项式为基函数进行验证，未探索其他基函数组合；未在超大规模网络中进行充分测试 | 验证人工神经网络中任务型神经元设计的可行性与有效性，提升特征表示能力 | 合成数据、经典基准数据集和实际应用中的特征表示与分类任务 | 机器学习 | NA | 符号回归 | 任务型神经元 | 数值数据 | NA | PyTorch, TensorFlow | MLP, ResNet | 准确率, F1值 | NA |
| 224 | 2026-06-18 |
MedQM: Medical Blind Image Quality Assessment for MLLM Vision
2026-Jun-16, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3704387
PMID:42301846
|
研究论文 | 提出首个针对多模态大语言模型（MLLM）的医学盲图像质量评估框架MedQM | 首次提出专门为医学MLLM设计的盲图像质量评估框架，利用医学文本先验和隐式特征查询引导模型关注诊断关键区域和特征，并采用门控混合专家实现自适应稳健评分；同时提出自动化的MLLM视觉导向分数标注方法，通过Sigmoid映射将诊断损失转化为质量分数 | 未提及具体局限性 | 开发一个适用于医学多模态大语言模型的盲图像质量评估方法，以提升图像效用评估的准确性，降低误诊风险 | 医学图像质量评估方法 | 计算机视觉 | NA | NA | 门控混合专家模型 | 图像 | NA | NA | NA | NA | NA |
| 225 | 2026-06-18 |
Learning to Super-Resolve Face Images via Dual-Domain Multi-scale Feature Interaction
2026-Jun-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3702358
PMID:42301839
|
研究论文 | 提出一种基于双域多尺度特征交互的人脸超分辨率方法SMLNet | 首次提出双域特征交互方法，结合频率分支捕获全局结构和高频细节，空间分支保留细粒度局部纹理，并通过多尺度特征交互模块实现互补特征聚合 | 论文未明确提及局限性 | 提升低分辨率人脸图像的质量，解决现有方法中结构损伤和多尺度纹理捕捉不足的问题 | 低分辨率人脸图像 | 计算机视觉 | NA | NA | SMLNet (双分支网络) | 图像 | 多个数据集及真实世界图像 | NA | SMLNet, MSIM (多尺度空间-频率特征交互模块), MFEB (多尺度特征提取块), SFIM (空间-频率特征交互模块) | 定量实验和定性分析指标 | NA |
| 226 | 2026-06-18 |
Using AI to Detect Psychosis Relapse: Scoping Review
2026-Jun-16, JMIR mental health
IF:4.8Q1
DOI:10.2196/92192
PMID:42302167
|
综述 | 系统梳理使用人工智能检测精神病复发的研究现状 | 首次专门聚焦AI方法检测精神病复发的范围综述，涵盖机器学习、深度学习及自然语言处理等多种技术 | 纳入研究数量少（仅10项），AI模型异质性强且多数发现未重复验证 | 评估人工智能在精神病复发检测中的应用现状与潜力 | 精神病复发的患者群体及数字表型数据 | 机器学习 | 精神病 | 数字表型分析 | 机器学习、深度学习、自然语言处理模型 | 智能手机/智能手表监测数据、生态瞬时评估数据、社交媒体活动、网络搜索记录 | 10项研究，具体样本量未统一报告 | NA | NA | 灵敏度（召回率）、特异度（精确率）、受试者工作特征曲线下面积（AUC） | NA |
| 227 | 2026-06-18 |
Navigating Uncertainty in MRI Diagnosis: A Human-AI Collaborative Strategy for Stratifying Clinically Significant Prostate Cancer
2026-Jun-16, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70393
PMID:42302213
|
研究论文 | 基于双参数MRI开发深度学习模型UFormer，并设计人机协作策略，用于预测临床显著性前列腺癌 | 提出UFormer模型与放射科医师协作的预测策略，显著提升放射科医师的诊断准确性，尤其大幅提高特异性，并缩小不同经验水平医师间的性能差距 | 仅涉及回顾性数据，且未在更多样化人群或真实临床场景中前瞻性验证 | 开发基于bpMRI的自动深度学习模型，并提出人机协作策略以预测临床显著性前列腺癌 | 临床显著性前列腺癌 | 机器学习, 数字病理学 | 前列腺癌 | MRI（双参数MRI，包含T2加权成像和弥散加权成像） | UFormer | 图像 | 总计4305例患者，其中训练集2437例，内部验证集581例，外部验证集1有622例，外部验证集2有665例 | NA | UFormer | AUC, 准确率, 敏感性, 特异性 | NA |
| 228 | 2026-06-18 |
Deep Learning for Ultrasound-Guided Prostate Biopsy: Toward Automated Targeting and Complication Prediction
2026-Jun-16, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70337
PMID:42302255
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 229 | 2026-06-18 |
Comment on: Multimodal deep learning for predicting postoperative vault and selecting implantable collamer lens sizes using AS-OCT and ultrasound biomicroscopy images
2026-Jun-16, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001986
PMID:42302312
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 230 | 2026-06-18 |
AbCVista: a deep learning framework for predicting antibody conformational ensembles
2026-Jun-16, Protein & cell
IF:13.6Q1
DOI:10.1093/procel/pwag040
PMID:42302772
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 231 | 2026-06-18 |
Filling the Gaps: Generating 4D Dense Cardiac Anatomy from Sparse CMR for Enhanced Tetralogy of Fallot Assessment
2026-Jun-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102765
PMID:42303157
|
研究论文 | 提出一种两阶段深度学习管道，从稀疏的2D心脏磁共振图像重建4D密集心脏解剖结构，以增强法洛四联症术后评估 | 利用CT和各向同性的3D全心脏分割数据训练深度学习模型，从稀疏的类心脏磁共振切片重建密集3D解剖结构，并模拟临床中常见的不完整采集场景 | 训练数据仅来自法洛四联症患者，可能限制了方法在其他心脏病变中的泛化能力且样本量较小 | 开发和验证从常规2D心脏磁共振图像重建3D全心脏解剖结构的深度学习管道，以提高法洛四联症术后评估的准确性 | 法洛四联症术后患者的3D心脏解剖结构 | 数字病理学 | 法洛四联症 | 心脏磁共振成像，CT扫描 | U-Net | 图像 | 152名训练患者，19名测试患者（心脏磁共振），18名患者（磁共振血管成像），1715例CT分割数据 | PyTorch | U-Net | Dice相似系数，体积和质量的绝对误差 | NA |
| 232 | 2026-06-18 |
Fully automated CT-based quantitative body composition analysis for predicting survival in patients with HCC undergoing TACE: a dual-cohort study
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56245-7
PMID:42303673
|
研究论文 | 评估基于CT的全自动身体成分分析在接受TACE治疗的肝细胞癌患者中预测总生存期的预后价值 | 首次在一个双队列研究中，使用开源全自动深度学习流程提取骨骼肌和脂肪指标，并验证其在TACE患者预后中的独立预测能力，尤其通过随机生存森林分析展示了肌肉指标的补充价值 | Cox比例风险模型中，添加骨骼肌密度指标后区分度的改善较小且未达到统计学显著性，提示其主要价值在于提供补充性生物数据而非独立预测 | 评估基于CT的完全自动化身体成分分析在接受TACE治疗的肝细胞癌患者中的预后价值 | 接受TACE治疗的肝细胞癌患者 | 机器学习, 医学影像分析 | 肝细胞癌 | CT影像分析 | 深度学习模型, Cox比例风险模型, 随机生存森林 | CT图像 | 330名患者（WAW-TACE队列230例，HCC-TACE-Seg队列100例） | NA | NA | C指数, 校正C指数 | NA |
| 233 | 2026-06-18 |
Quantitative characterization of crack coalescence mechanisms in granite at the mesoscopic scale using deep learning
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52329-6
PMID:42303688
|
研究论文 | 本研究利用深度学习和扫描电子显微镜对花岗岩在细观尺度上的裂纹聚结机制进行了定量表征 | 首次将深度学习与SEM结合，定量表征花岗岩裂纹表面的细观拉伸和剪切形态，并建立了表面应变行为与内部裂纹聚结机制的关联 | NA | 定量表征花岗岩在细观尺度上的裂纹聚结机制 | 花岗岩裂纹表面的细观形态 | 机器学习 | NA | 扫描电子显微镜 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 234 | 2026-06-18 |
Deep learning enabled intelligent robotic system for aeroengine blade surface inspection
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-57817-3
PMID:42303718
|
研究论文 | 提出了一种基于深度学习的智能机器人系统，用于航空发动机叶片的自主表面检测，以替代传统人工或内窥镜检测方法 | 将视觉深度学习与机器人自动化无缝结合，实现叶片定位、拾取、图像采集、缺陷检测和归位的全自主流程，显著提升检测效率和准确性 | 受限于受控工业检测环境，未涉及极端工况或复杂场景下的适用性验证，且仅针对特定叶片类型的表面缺陷检测 | 实现航空发动机叶片表面缺陷的自动化、高效且高精度检测，以满足维护、修理和大修流程的操作安全需求 | 航空发动机叶片的表面缺陷，包括定位与检测两个方面 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | 两个独立数据集：一个用于叶片定位，另一个用于表面缺陷检测，具体样本量未说明 | NA | NA | 平均精度均值mAP | NA |
| 235 | 2026-06-18 |
Retraction Note: Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-57775-w
PMID:42303714
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 236 | 2026-06-18 |
AgriTrack framework for AI-based tracking of pest migration through farmers' helpline data
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-57248-0
PMID:42303731
|
研究论文 | 提出了AgriTrack框架，利用农民求助热线数据，通过人工智能技术追踪害虫迁移并进行时空分析 | 首次利用大规模农民求助热线数据（超过3600万条）开发AI框架，实现害虫迁移的时空追踪、关键日期提取和农民信息需求预测 | 未明确说明局限性，但框架依赖求助热线数据质量，可能受区域覆盖和农民报告偏差影响 | 辅助精准农业中害虫与病害的时空移动追踪、时间分析及农民信息需求预测 | 印度全国范围内的小麦作物中“白蚁”害虫的时空动态 | 机器学习 | 农业害虫相关疾病 | NA | 深度学习 | 文本（农民求助热线查询记录） | 超过3600万条来自印度农民求助热线的查询记录，时间跨度14年 | NA | NA | NA | NA |
| 237 | 2026-06-18 |
Acoustic deep learning for defect detection in aluminium wheel rims
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-58225-3
PMID:42303807
|
研究论文 | 提出一种基于声学深度学习的铝合金轮毂缺陷检测框架RimNet，利用单次脉冲激励的声学响应实现自动化状态评估 | 首次将短时傅里叶变换与卷积神经网络结合用于轮毂声学缺陷检测，引入域过滤和难负样本挖掘技术提升缺陷相关状态的区分度 | 误分类案例与几何变异性相关的样本分类边界减小及不确定性增加有关，且基于声学信号的方法可能受环境噪声影响 | 开发一种可集成于车间环境的自动化铝合金轮毂缺陷诊断方法，取代传统依赖操作员经验的视觉和感官评估 | 铝合金轮毂的结构缺陷检测，包括几何偏差、材料缺陷和可服役状态 | 数字病理学 | NA | NA | 卷积神经网络 | 声学信号 | 930个标注样本，代表广泛的实际轮毂状态 | NA | RimNet | 准确率，不确定性指标（预测边界、熵、Brier分数、能量指标） | NA |
| 238 | 2026-06-18 |
Mind Melodies: An NLP platform to examine music cognition
2026-Jun-16, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-026-03059-0
PMID:42303808
|
研究论文 | 开发了一个名为Mind Melodies的NLP平台，用于研究不同希腊音乐模式对个体和群体认知情感的影响 | 将希腊音乐模式与自然语言处理及深度学习结合，通过定量分析揭示每种模式诱发的独特语义场和情感反应 | 初步研究样本量较小（仅142人），可能无法完全代表广泛群体；未提及平台对不同文化背景音乐模式的适用性 | 建立量化、生态有效的框架，以研究音乐模式对人类思想和情感的影响 | 希腊音乐模式（伊奥尼亚、多利亚、弗里吉亚、利底亚、混合利底亚、爱奥利亚、洛克里亚）引发的心理意象和情感 | 自然语言处理 | NA | 自然语言处理（NLP）、深度学习 | 深度学习模型（具体类型未说明） | 文本（参与者描述的心理场景） | 142名参与者 | NA | NA | 语义相似性分析、情感分类指标（未具体说明） | NA |
| 239 | 2026-06-18 |
Overview of State-of-the-Art Learning-Based Classification Methods in Medical Imaging
2026-Jun-16, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-026-04241-3
PMID:42303852
|
综述 | 综述当前医学影像中基于学习的最先进分类方法，重点介绍临床相关的先进技术 | 聚焦于基础模型、视觉-语言模型和标签高效预训练等最新进展，而非重复已成熟的模型 | 未详细讨论所有模型的实现细节，可能忽略部分特定领域的进展 | 为生物医学工程师和临床医生提供选择与验证基于人工智能的分类器的临床参考 | 医学影像中的分类方法，涉及X射线、CT、MRI、PET/SPECT、超声、OCT、内窥镜、显微镜及光学/分子/红外成像等多种模态 | 计算机视觉 | NA | NA | CNN, Transformer, 混合架构 | 图像 | NA | NA | CNN-Transformer混合架构 | NA | NA |
| 240 | 2026-06-18 |
Robust quantification of ICG fluorescence perfusion in neonatal bowel surgery via deep point tracking
2026-Jun-16, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03733-w
PMID:42303896
|
研究论文 | 提出一种基于深度学习点跟踪的ICG荧光灌注定量框架，用于新生儿肠道手术中的稳健灌注分析 | 采用最先进的Transformer点跟踪模型CoTracker3，实现用户指定ROI和全可见组织区域的密集采样跟踪，并生成动态灌注热图 | 仅通过初步验证，需要进一步的临床验证研究 | 开发一种稳健的ICG荧光灌注定量方法，克服现有商业方案在组织运动和遮挡方面的局限性 | 新生儿肠道手术中的ICG荧光灌注视频 | 计算机视觉 | 新生儿肠道疾病 | ICG荧光成像 | Transformer | 视频 | 新生儿肠道灌注视频（未具体说明数量） | NA | CoTracker3 | NA | NA |