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 45506 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 | 2026-06-08 |
Automated Detection of Pediatric Slipped Capital Femoral Epiphysis: A Deep Learning Approach Using Anatomically Informed Attention Guidance
2026-Jul-01, Journal of pediatric orthopedics
DOI:10.1097/BPO.0000000000003279
PMID:41946451
|
研究论文 | 开发并验证一种基于注意力引导的深度学习模型，用于在儿科骨盆X光片上自动识别股骨头骨骺滑脱 | 引入解剖学信息引导的注意力机制，使模型聚焦于股骨头的解剖学感兴趣区域，提高可解释性 | 样本量较小（仅174张骨盆X光片），且为回顾性单中心研究，可能限制模型的泛化能力 | 开发并验证一种自动检测儿科股骨头骨骺滑脱的深度学习模型 | 儿科骨盆X光片中的股骨头骨骺滑脱病变 | 计算机视觉 | 股骨头骨骺滑脱 | X光成像 | U-Net++, EfficientNet B1 | 图像 | 174张骨盆X光片（139张训练，35张测试） | NA | U-Net++, EfficientNet B1 | AUC, 准确率, 灵敏度, 特异度 | NA |
| 222 | 2026-06-08 |
A Bibliometric Examination of EEGLAB Publications in Scopus and WoS Indexed Sources: A 20-Year Study of Asia-Pacific and Arabian Countries
2026-Jul, Clinical EEG and neuroscience
IF:1.6Q3
DOI:10.1177/15500594261428714
PMID:42029425
|
研究论文 | 对EEGLAB在亚太和阿拉伯地区出版物的文献计量分析，覆盖20年的全球使用情况 | 首次对亚太和阿拉伯地区EEGLAB出版物进行全面的文献计量分析，结合联合国ESCAP和ESCWA区域划分，分析区域贡献和合作趋势 | 仅涵盖Scopus和WoS索引来源，数据截至2024年3月，可能遗漏最新研究或非索引出版物 | 了解亚太和阿拉伯地区EEGLAB出版物的区域贡献、趋势和国际合作模式 | 亚太和阿拉伯地区80个国家和地区的EEGLAB相关出版物 | 文献计量学，脑电图分析 | NA | EEGLAB软件用于脑电图数据分析 | NA | 文献计量数据（引用、作者、出版物） | 58个亚太国家和22个阿拉伯国家的出版物数据 | R（Bibliometrix包） | NA | 引用次数、洛特卡定律、布拉德福定律、共引网络 | NA |
| 223 | 2026-06-08 |
Hybrid CNN BiLSTM architecture for smart grid cyberattack detection using smart meter data
2026-Jun-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55727-y
PMID:42251076
|
研究论文 | 提出一种混合CNN BiLSTM架构，利用智能电表数据实现智能电网网络攻击的实时检测 | 结合CNN空间特征提取、BiLSTM双向时序建模和Extra Trees集成分类器，并引入注意力机制提升可解释性 | 仅在单一数据集上验证，未进行跨数据集验证，未来需探索多同步攻击检测和图神经网络 | 实现智能电网通信基础设施中针对网络攻击的实时入侵检测 | 智能电表高频多模态测量数据（电压、电流、频率谐波）和电力系统日志 | 机器学习 | NA | 智能电表数据采集 | CNN, BiLSTM, Extra Trees集成分类器 | 时间序列数据 | 72,073条标注的电力系统日志，包含5类攻击和正常操作 | NA | CNN, BiLSTM, Extra Trees | 准确率（92.17%）、精确率（90.58%）、召回率（81.24%）、F1分数（85.66%）、ROC-AUC（95.60%）、推理延迟（12毫秒） | NA |
| 224 | 2026-06-08 |
A tissue-informed deep learning-based method for positron range correction in preclinical [Formula: see text]Ga PET imaging
2026-Jun-07, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00900-5
PMID:42251608
|
研究论文 | 提出一种基于组织信息引导的深度学习方法，用于预临床镓-68 PET成像中的正电子射程校正 | 首次将组织依赖性解剖信息通过μ-map依赖的损失函数融入三维残差编码器-解码器卷积神经网络（3D RED-CNN），实现正电子射程校正 | 未在真实数据中提供金标准验证，且模型泛化性依赖域适应及混合训练策略的进一步优化 | 提高预临床镓-68 PET成像的空间分辨率和定量准确性 | 镓-68标记的FH和PSMA-617小鼠PET/CT图像 | 计算机视觉 | NA | PET成像, CT成像 | 3D残差编码器-解码器卷积神经网络（3D RED-CNN） | 图像 | 小鼠模拟及真实PET采集数据（未明确样本数量） | PyTorch | 单通道模型, 双通道模型, 双编码器模型 | 平均绝对误差（MAE）, 结构相似性指数（SSIM）, 对比度恢复（CR）, 对比度噪声比（CNR） | NA |
| 225 | 2026-06-07 |
Correction to "Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins"
2026-Jun-06, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c01684
PMID:42249808
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 226 | 2026-06-08 |
A clinical applicable study on lower limb segmentation from CT images for total knee arthroplasty
2026-Jun-06, The Knee
DOI:10.1016/j.knee.2026.104526
PMID:42250470
|
研究论文 | 评估半监督深度学习框架利用不完全标注CT数据生成适用于全膝关节置换术的股骨和胫骨分割图像 | 采用部分监督训练策略处理标注不完整的CT数据集，并验证自动分割生成的关节对齐测量值与手动分割无显著差异，证明该方法在临床实践中具有可行性 | NA | 评估部分监督深度学习框架在CT不完全标注情况下生成精确下肢骨分割的临床适用性 | 下肢骨骼（股骨和胫骨） | 医学图像分割 | 骨关节炎 | CT成像 | 3D nnU-Net | CT图像 | 205例健康全腿CT扫描（其中17例完全标注，其余部分标注股骨或胫骨），内部健康数据集40例，尸体数据集15例，骨关节炎数据集10例 | PyTorch | 3D nnU-Net | Dice相似系数, Hausdorff距离, HD95, 均方根表面距离 | NA |
| 227 | 2026-06-08 |
Comment on "Application of deep learning reconstruction in abdominal magnetic resonance cholangiopancreatography for image quality improvement and acquisition time reduction"
2026-Jun-06, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2026.05.076
PMID:42250961
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 228 | 2026-06-08 |
A Coarse-to-Fine DoubleUNet Framework with Synergistic Loss for Accurate Fetal Head Circumference Measurement
2026-Jun-06, Ultrasound in medicine & biology
|
研究论文 | 提出一种用于超声图像胎儿头围自动分割与测量的粗到精深度学习框架SDUNet | 设计了一种具有定制协同损失函数的DoubleUNet框架，通过动态平衡多种互补损失项，鼓励生理上合理的头围形状，同时减少散斑噪声和边界模糊带来的误差 | 未提及具体局限性，但未使用任何后处理步骤，可能在实际临床环境中对噪声图像或异常形态的鲁棒性需进一步验证 | 实现胎儿头围超声图像的精确自动分割与测量，减少超声技师的手动工作量 | 胎儿头围超声图像 | 计算机视觉 | 胎儿发育监测（与妊娠相关） | 超声成像 | CNN（DoubleUNet） | 图像 | 公开HC18数据集及独立外部数据集 | NA | DoubleUNet | Dice系数, Jaccard指数, Hausdorff距离, 平均对称表面距离, 边界F1分数, 平均绝对误差, 百分比平均绝对误差 | NA |
| 229 | 2026-06-08 |
A Dataset of Widefield Fundus Images From Patients With Birdshot Chorioretinitis and Matched Control
2026-Jun-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07494-8
PMID:42251038
|
研究论文 | 提出了Birdshot-Wide数据集，包含来自鸟枪弹样脉络膜视网膜炎患者和匹配对照的宽视野眼底图像 | 首个公开的大规模纵向鸟枪弹样脉络膜视网膜炎宽视野眼底图像数据集，含详细元数据和病灶亚型分类，可用于生物标志物发现及自动化诊断工具开发 | 未说明具体局限性，但罕见病数据集可能存在样本代表性不足或通用性受限的问题 | 解决鸟枪弹样脉络膜视网膜炎研究中缺乏大型公开成像数据集的问题，并推动诊断和疾病进展建模 | 鸟枪弹样脉络膜视网膜炎患者的宽视野眼底图像及匹配的健康对照图像 | 计算机视觉, 数字病理学 | 眼病, 葡萄膜炎 | 宽视野眼底摄影 | 深度学习模型 | 图像 | 5042张图像来自742只BSCR患眼，1310张图像来自742只匹配对照眼 | NA | NA | 受试者工作特征曲线下面积 | NA |
| 230 | 2026-06-08 |
A histopathologically verified dataset of magnifying narrow-band imaging endoscopy for classifying the gastric precancerous cascade
2026-Jun-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07567-8
PMID:42251050
|
research paper | 提出了一个经组织学验证的放大窄带成像内镜数据集，用于胃早癌前病变的分类 | 构建了包含11971张ME-NBI图像的大规模数据集，每张图像均与活检确认的组织病理学诊断严格对应，提供了可靠的标签金标准 | 数据集中高级别上皮内瘤变与早期胃癌的视觉区分仍存在固有挑战 | 通过高质量数据集推动胃早癌前病变的细粒度分类、域适应研究和内镜培训 | 胃粘膜病变的ME-NBI图像 | digital pathology | gastric cancer | ME-NBI | deep learning models | image | 868名患者的11971张ME-NBI图像 | NA | NA | NA | NA |
| 231 | 2026-06-08 |
Energy-efficient secure routing in wireless sensor networks using fuzzy inference clustering and attention-based multi-scale deep learning
2026-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55944-5
PMID:42251066
|
研究论文 | 提出了一种结合模糊推理聚类与注意力机制多尺度深度学习的无线传感器网络节能安全路由方法 | 综合使用Mamdani型模糊推理系统进行自适应簇形成、动态自适应无花果-黄蜂共生协同进化优化进行簇头选择、以及增强型多尺度空洞MobileNet与注意力机制进行入侵检测 | 未提及在真实网络环境中的部署验证及计算开销分析 | 解决无线传感器网络中的能效、安全路由和入侵检测问题 | 无线传感器网络中的节点聚类、路由选择和入侵检测 | 机器学习 | NA | 模糊推理、群智能优化、深度神经网络 | 增强型多尺度空洞MobileNet | 仿真数据 | 基于仿真的网络数据，未明确样本数量 | NA | 增强型多尺度空洞MobileNet、注意力机制 | 能量消耗、吞吐量、端到端延迟、攻击检测率 | 仿真环境，未明确GPU或云平台 |
| 232 | 2026-06-08 |
Invariant state modelling for robust adaptive intrusion detection in software-defined internet of things environments
2026-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55503-y
PMID:42251070
|
研究论文 | 提出一种名为RADIUS的鲁棒自适应入侵检测框架，用于软件定义物联网环境中的异常检测 | 采用时间卷积编码器结合膨胀因果卷积构建高效流量嵌入，并引入自适应状态转换模块实现可解释和自适应检测，同时利用双目标优化和极值理论进行异常评分与分类校准 | NA | 解决软件定义物联网网络中的异构流量、高吞吐量限制和非平稳攻击等挑战，实现鲁棒自适应的入侵检测 | 软件定义物联网网络中的网络流量数据 | 机器学习 | NA | NA | 时间卷积编码器、自适应状态转换模块 | 网络流量数据 | NA | PyTorch | 时间卷积编码器、自适应状态转换模块 | 准确率、精确率、召回率、F1分数 | NA |
| 233 | 2026-06-08 |
An effective BiLSTM-CNN model for predicting large-scale temporal-spatial dynamics of normalized difference vegetation index
2026-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55191-8
PMID:42251082
|
研究论文 | 提出一种结合双向长短期记忆与卷积神经网络的模型，用于预测归一化植被指数的时空动态 | 提出BiLSTM-CNN组合渐进处理模型，能同时捕捉植被变化的突然性、局部性和长短期时间尺度特征 | 未明确说明模型在极端气候事件或不同生态系统类型中的泛化能力 | 通过气象和土壤湿度数据建模NDVI，预测植被活动的时空变化 | 归一化植被指数（NDVI）的时空动态 | 机器学习 | NA | 遥感 | BiLSTM-CNN | 时间序列遥感数据、气象数据、土壤湿度数据 | NA | NA | BiLSTM, CNN | NA | NA |
| 234 | 2026-06-08 |
Deep learning-based prediction of PFAS toxicity in zebrafish
2026-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-54973-4
PMID:42251091
|
research paper | 本研究提出了一种结合进化式故障概率分析、AIG逻辑实现和多级超图划分的方法，用于减少数字电路中软错误率 | 首次将进化算法、逻辑综合与超图划分相结合进行软错误率优化 | 仅在ISCAS'85基准电路上验证，未在更现代或复杂架构上测试 | 降低组合电路中高能粒子撞击导致的软错误率 | ISCAS'85基准电路 | machine learning | NA | 进化算法、超图划分（METIS）、逻辑综合（ABC） | NA | 电路设计数据 | ISCAS'85基准电路（具体数量未说明） | METIS, ABC | NA | 软错误率降低百分比 | NA |
| 235 | 2026-06-08 |
Deep learning-based automated classification of endometrial lesions in IVF patients using hysteroscopic images
2026-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-57032-0
PMID:42251153
|
research paper | 基于深度学习开发了一种临床决策支持系统，用于对IVF患者宫腔镜图像中的子宫内膜病变进行自动分类 | 首次将深度学习应用于高分辨率宫腔镜视频图像的分类，并采用迁移学习比较多种架构性能，同时利用Grad-CAM可视化增强模型可解释性 | 子宫内膜炎症病例仅基于宫腔镜特征进行分类，未获得组织病理学确认；需要外部数据集和病理确诊标签的验证 | 开发一种基于深度学习的临床决策支持系统，以自动分类宫腔镜图像中的子宫内膜病变，辅助医生分析 | IVF患者的子宫内膜病变，包括正常内膜、子宫内膜息肉和子宫内膜炎 | computer vision | NA | 宫腔镜检查 | CNN | image | 来自200个临床视频的1500张专家标注图像 | NA | VGG-16, VGG-19, DenseNet-121, EfficientNet-B0 | accuracy, sensitivity, AUC, precision | NA |
| 236 | 2026-06-08 |
Understanding the spatial determinants of the Oxford Classic prognostic signature for high-grade serous ovarian cancer
2026-Jun-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01708-1
PMID:42251166
|
研究论文 | 利用深度学习方法解析牛津经典预后信号在高浆液性卵巢癌中的空间组织特征 | 开发了针对空间转录组数据的深度去卷积方法Sig-ZIB-VAE，首次揭示肿瘤微环境的空间结构相比单纯细胞组成具有更强的预后判别能力 | NA | 探究牛津经典预后信号在高浆液性卵巢癌肿瘤微环境中的空间分布及其预后意义 | 高浆液性卵巢癌肿瘤组织的空间转录组数据 | 数字病理学 | 卵巢癌 | 空间转录组测序 | 变分自编码器 | 空间转录组数据 | 94个肿瘤样本 | PyTorch | Sig-ZIB-VAE | 惩罚Cox比例风险回归模型中的风险比和显著性检验 | NA |
| 237 | 2026-06-08 |
Proteomic clocks combined with deep learning phenotypes track eye aging and diseases
2026-Jun-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02805-0
PMID:42251179
|
研究论文 | 结合蛋白质组学时钟与深度学习表型追踪眼部衰老和疾病 | 首次将高通量蛋白质组学与深度学习表型相结合，在跨种族大规模队列中验证蛋白质组衰老加速作为年龄相关眼病的生物标志物，并开发了精简且经济的蛋白质组衰老时钟 | NA | 利用蛋白质组学与深度学习表型追踪眼部衰老和疾病，并验证蛋白质组衰老加速作为年龄相关眼病的预测标志物 | 年龄相关眼病患者，包括白内障、糖尿病视网膜病变、年龄相关性黄斑变性和青光眼 | 机器学习 | 白内障, 糖尿病视网膜病变, 年龄相关性黄斑变性, 青光眼 | 高通量蛋白质组学，深度学习成像分析（断层成像和血管成像） | 深度学习模型 | 蛋白质组数据，影像数据（断层成像和血管成像） | 超过55,000名跨种族参与者，来自三个国际队列 | NA | NA | NA | NA |
| 238 | 2026-06-08 |
Artificial intelligence in prehospital assessment of acute coronary syndrome: a scoping review
2026-Jun-06, BMC emergency medicine
IF:2.3Q1
DOI:10.1186/s12873-026-01636-2
PMID:42251301
|
综述 | 系统梳理人工智能在疑似急性冠脉综合征院前评估中的应用现状，并识别现有知识缺口 | 首次针对院前场景系统评估AI对急性冠脉综合征的诊断、风险分层和分诊作用，聚焦心电图深度学习与多模态方法 | 现有证据受方法学限制，缺乏前瞻性多中心标准化研究 | 绘制AI在疑似急性冠脉综合征院前评估中的应用证据图谱 | 319,709名疑似急性冠脉综合征患者 | 机器学习 | 心血管疾病 | NA | 深度学习 | 心电图、多模态数据 | 319,709名患者 | NA | 心电图深度学习模型 | AUC，灵敏度，特异度 | NA |
| 239 | 2026-06-08 |
Home-based eye tracking for early autism screening: a scoping review of approaches, evidence, and implementation challenges
2026-Jun-06, BMC psychiatry
IF:3.4Q2
DOI:10.1186/s12888-026-08255-y
PMID:42251334
|
概述性综述 | 本综述总结了基于家用眼动追踪的早期自闭症筛查方法、证据及实施挑战 | 首次系统梳理了从实验室到家庭部署的眼动追踪平台进展，并评估了其实验室研究向家庭筛查转化的准备状态 | 仅检索英文文献、两个数据库、2015-2025年时间窗口、未进行严格方法学质量评估，且证据几乎全部来自实验室对照研究 | 评估家用眼动追踪作为数字生物标志物在早期自闭症筛查中的可行性，以及相关的机器学习方法和实际实施挑战 | 婴幼儿及儿童（年龄从5个月到18岁）的早期自闭症筛查 | 机器学习 | 自闭症谱系障碍 | 眼动追踪 | 支持向量机、随机森林、深度学习模型 | 眼动数据（注视比例、注视时间、眼跳动态、兴趣区对比） | 样本量从30到1000以上不等 | NA | NA | 阳性预测值、阴性预测值、置信区间 | NA |
| 240 | 2026-06-08 |
Cascaded Deep Learning enables multimodal brain PET spatial normalization and quantification for Alzheimer's disease
2026-Jun-05, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.122039
PMID:42250835
|
研究论文 | 开发并验证一种无需MRI即可实现阿尔茨海默病脑PET空间归一化和定量分析的全自动深度学习框架 | 提出基于级联CNN和VoxelMorph的PET专属自动空间归一化方法，无需MRI辅助，且支持多示踪剂、多模态处理，实现快速标准化（每幅图像1.22秒） | 仅基于回顾性数据分析，未在真实临床前瞻性场景中验证；部分模态（如神经炎症）样本量可能有限 | 开发一种仅依赖PET的自动化标准化工具，以促进阿尔茨海默病多示踪剂影像的集成分析 | 阿尔茨海默病患者的PET影像数据，涵盖7种模态和13种示踪剂，总计3539名患者和6531次扫描 | 计算机视觉, 数字病理 | 阿尔茨海默病 | PET成像 | CNN, VoxelMorph | 图像 | 3539名患者，6531次扫描（2005-2025年） | PyTorch | 级联CNN（刚性/仿射）+ VoxelMorph（弹性配准） | 平均绝对相对SUVr误差, Pearson相关系数, R², AUC, 处理速度 | 未明确说明 |