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 42905 篇文献，本页显示第 2461 - 2480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2461 | 2026-03-07 |
Automatic Estimation of Football Possession via Improved YOLOv8 Detection and DBSCAN-Based Team Classification
2026-Feb-14, Sensors (Basel, Switzerland)
DOI:10.3390/s26041252
PMID:41755200
|
研究论文 | 本文提出了一种基于改进YOLOv8检测和DBSCAN聚类的深度学习框架，用于从足球比赛转播视频中自动估计控球权 | 提出了两个结构改进的目标检测模型（YOLOv8-P2S3A用于足球检测，YOLOv8-HWD3A用于球员检测），并结合无监督的DBSCAN聚类进行队服颜色特征分类，实现了无需人工标注的端到端控球权估计 | 实验数据集仅包含20场完整比赛视频剪辑，未在更大规模或更多样化的比赛场景中进行验证 | 提升足球比赛分析的自动化、客观性和精确度，为教练、分析师和体育科学家提供实用工具 | 足球比赛转播视频 | 计算机视觉 | NA | 视频分析，目标检测，聚类分析 | CNN | 视频 | 20场完整比赛视频剪辑 | PyTorch | YOLOv8-P2S3A, YOLOv8-HWD3A | 平均精度，均方根误差 | NA |
| 2462 | 2026-03-07 |
Smartphone-Based Automated Photogrammetry for Reconstruction of Residual Limb Models in Prosthetic Design
2026-Feb-14, Sensors (Basel, Switzerland)
DOI:10.3390/s26041251
PMID:41755190
|
研究论文 | 本研究提出了一种基于智能手机的自动化摄影测量工作流程，用于生成下肢残肢的精确三维模型，以支持假肢设计 | 开发了全自动、低成本的摄影测量流程，结合自适应帧选择、深度学习背景移除和ArUco标记进行度量缩放，无需手动后处理或专有软件 | 智能手机静态照片重建的精度和稳定性较低，存在较大偏差 | 为假肢设计提供一种低成本、可扩展的残肢三维建模方法 | 下肢残肢模型 | 计算机视觉 | NA | 摄影测量 | 深度学习 | 视频, 静态图像 | 四个3D打印的肢体模型 | 开源结构从运动, 多视图立体 | NA | 表面精度, 体积误差, 周长误差, 会话间重复性 | NA |
| 2463 | 2026-03-07 |
Cost-Effective Fish Volume Estimation in Aquaculture Using Infrared Imaging and Multi-Modal Deep Learning
2026-Feb-13, Sensors (Basel, Switzerland)
DOI:10.3390/s26041221
PMID:41755162
|
研究论文 | 本研究提出了一种基于低成本红外成像和多模态深度学习的鱼体积估计方法，用于水产养殖中的生物量监测 | 提出了一种仅使用低成本红外相机的成本效益高的管道，通过深度学习和多模态融合技术，实现了非侵入式鱼体积估计，硬件成本降低80% | 研究仅使用金鱼作为研究对象，数据集规模有限（166条鱼，124个视频），可能限制了模型的泛化能力 | 开发一种成本效益高的非侵入式鱼体积估计方法，以促进可持续水产养殖管理 | 水产养殖中的鱼类，具体为金鱼 | 计算机视觉 | NA | 红外成像，多模态深度学习 | Transformer, CNN | 红外视频，RGB图像 | 166条金鱼，124个视频（每箱8-16条鱼） | PyTorch, TensorFlow | Transformer, CNN | 平均绝对误差（MAE），决定系数（R） | NA |
| 2464 | 2026-03-07 |
Inferring Arm Movement Direction from EEG Signals Using Explainable Deep Learning
2026-Feb-13, Sensors (Basel, Switzerland)
DOI:10.3390/s26041235
PMID:41755176
|
研究论文 | 本研究评估了使用卷积神经网络从脑电图信号解码手臂运动方向的可行性，并结合可解释性技术分析时空特征 | 将深度学习（特别是CNN）应用于非侵入性脑电图信号解码运动方向，并整合DeepLIFT和遮挡测试等可解释性方法进行数据驱动的时空特征分析 | 研究仅涉及20名健康参与者，样本量有限，且任务场景为实验室控制的延迟中心-外展到达任务，可能无法完全代表自然运动 | 开发自然化脑机接口，通过解码非侵入性脑信号来识别手臂运动方向 | 二十名健康参与者在延迟中心-外展到达任务中产生的脑电图信号 | 机器学习 | NA | 脑电图 | CNN | 脑电图信号 | 20名健康参与者 | NA | EEGNet | 准确率 | NA |
| 2465 | 2026-03-07 |
[Current research on intelligent acupuncture robots: breakthroughs and challenges in key technologies]
2026-Feb-12, Zhongguo zhen jiu = Chinese acupuncture & moxibustion
|
综述 | 本文探讨了智能针灸机器人在关键技术上取得的突破与面临的挑战 | 系统性地整合了深度学习、图像识别、高精度传感器与机器学习技术，以提升针灸治疗的精准度、标准化与客观性，并聚焦于经络建模、穴位动态表征等工程实现问题 | 作为多学科交叉研究，不仅需要数据驱动的临床问题研究，还需深入探索人工智能与机器人技术在针灸中的工程实现，目前相关系统集成与临床验证仍面临挑战 | 提升针灸治疗的准确性、标准化与客观性，推动智能针灸机器人的技术发展 | 智能针灸机器人 | 机器人技术，人工智能 | NA | 深度学习，图像识别，高精度传感器（力传感器、加速度传感器、光学传感器、运动捕捉系统），机器学习 | NA | 图像，力反馈数据，运动数据 | NA | NA | NA | NA | NA |
| 2466 | 2026-03-07 |
UniKineG: Unified-Coordinate Geometric Graphs Enable Robust Enzyme Kinetic Prediction
2026-Feb-11, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms27041731
PMID:41751870
|
研究论文 | 本文提出了一个名为UniKineG的新型深度学习框架，用于通过建模酶-底物复合物的显式空间状态来预测酶动力学参数 | 将蛋白质和配体嵌入统一的3D坐标系，并利用集成几何向量感知器的异构图神经网络捕捉复杂的基于矢量的相互作用，从而克服了对高序列同源性的依赖 | NA | 准确预测酶动力学参数（kcat、Km和kcat/Km），以量化催化效率和底物特异性 | 酶-底物复合物 | 计算酶学 | NA | 分子对接 | 图神经网络 | 3D空间结构数据 | NA | NA | 异构图神经网络, 几何向量感知器 | NA | NA |
| 2467 | 2026-03-07 |
CryoVirusDB: An Annotated Dataset for AI-Based Virus Particle Identification in Cryo-EM Micrographs
2026-Feb-11, Viruses
DOI:10.3390/v18020224
PMID:41754567
|
研究论文 | 本文介绍了CryoVirusDB，一个用于AI识别冷冻电镜图像中病毒颗粒的标注数据集 | 填补了冷冻电镜图像中病毒颗粒识别领域缺乏高质量手动标注数据集的空白 | 数据集仅包含七种非包膜病毒，可能不适用于包膜病毒或其他类型颗粒的识别 | 促进基于AI的冷冻电镜图像中病毒颗粒识别方法的发展 | 冷冻电镜图像中的病毒颗粒 | 计算机视觉 | NA | 冷冻电镜 | 深度学习 | 图像 | 9941张冷冻电镜图像，包含339,398个标注的病毒颗粒 | NA | NA | NA | NA |
| 2468 | 2026-03-07 |
From Motion Artifacts to Clinical Insight: Multi-Modal Deep Learning for Robust Arrhythmia Screening in Ambulatory ECG Monitoring
2026-Feb-10, Sensors (Basel, Switzerland)
DOI:10.3390/s26041135
PMID:41755076
|
研究论文 | 本文提出了一种双流深度学习框架，通过多模态传感器融合和多信噪比训练，实现运动鲁棒的心律失常二元分类 | 采用注意力门控融合与门多样性正则化，根据信号可靠性自适应加权多模态数据，并在多信噪比噪声增强数据上进行训练以实现噪声不变性学习 | NA | 开发一种鲁棒的心律失常筛查系统，以克服可穿戴心电图监测中运动伪影导致的误报警问题 | 可穿戴心电图信号和加速度计运动模式 | 机器学习 | 心血管疾病 | NA | CNN, LSTM | 图像, 时间序列 | 基于MIT-BIH数据库，并在三个噪声水平（24、12、6 dB）上进行增强 | NA | ResNet-18, CNN-BiLSTM | 准确率, 假阳性率 | NA |
| 2469 | 2026-03-07 |
HiCInterpolate: 4D Spatiotemporal Interpolation of Hi-C Data for Genome Architecture Analysis
2026-Feb-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.06.704438
PMID:41726976
|
研究论文 | 本研究开发了HiCInterpolate，一种基于深度学习的4D时空插值架构，用于从两个时间点的Hi-C接触矩阵插值生成高分辨率的中间Hi-C接触矩阵 | 提出首个4D时空插值架构，结合深度学习流预测器和类似U-Net的编码器-解码器结构，实现Hi-C数据的高分辨率插值，并支持下游3D基因组特征分析 | 未明确提及具体限制，但基于方法描述，可能受限于Hi-C数据质量和时间点间隔 | 开发一种简单且成本效益高的方法，用于在两个时间点之间持续生成基因组数据，以克服连续基因组测序的高成本和不可行性限制 | Hi-C接触矩阵，用于研究染色质3D结构的动态变化 | 计算机视觉 | NA | Hi-C协议 | 深度学习 | Hi-C接触矩阵（图像数据） | NA | NA | U-Net | PSNR, SSIM, GenomeDISCO, HiCRep, LPIPS | NA |
| 2470 | 2026-03-07 |
Artificial Intelligence (AI) in Detection of Abiotic Stress in Plants: A Review
2026-Feb-09, Sensors (Basel, Switzerland)
DOI:10.3390/s26041122
PMID:41755064
|
综述 | 本文综述了人工智能（特别是机器学习和深度学习算法）结合成像技术与物联网基础设施，在检测植物非生物胁迫方面的应用、优势与挑战 | 不同于以往仅关注单一技术或算法的综述，本文系统性地将非生物胁迫检测作为核心目标，综合评估了AI结合多种协同技术（成像与物联网）在该领域的应用潜力与进展 | 作为一篇综述文章，其局限性在于未提出新的原创性算法或模型，主要基于对现有文献的分析与比较 | 评估人工智能技术在检测植物非生物胁迫方面的应用潜力，并比较其与传统方法的优劣 | 受非生物胁迫影响的植物 | 机器学习 | NA | 成像技术，物联网（IoT）基础设施 | 机器学习，深度学习 | 图像数据，物联网传感器数据 | NA | NA | NA | NA | NA |
| 2471 | 2026-03-07 |
Improving Individual-Specific SSVEP-BCI with Adaptive Channel and Subspace Selection in TRCA
2026-Feb-09, Sensors (Basel, Switzerland)
DOI:10.3390/s26041123
PMID:41755066
|
研究论文 | 本研究提出了一种名为AS-TRCA的方法，通过自适应通道和子空间选择来改进个体特异性稳态视觉诱发电位脑机接口的性能 | 首次提出结合最优通道学习与选择和最优子空间选择的AS-TRCA方法，以充分利用个体特异性知识，建立纯粹的个体特异性SSVEP-BCI | 未明确说明方法在跨个体或不同实验条件下的泛化能力，以及计算复杂度可能较高 | 提高个体特异性SSVEP-BCI的解码性能，促进其实际应用 | 基于稳态视觉诱发电位的脑机接口系统 | 机器学习 | NA | 稳态视觉诱发电位 | NA | 脑电信号 | NA | NA | NA | 准确率 | NA |
| 2472 | 2026-03-07 |
Lightweight Multi-Scale Framework for Human Pose and Action Classification
2026-Feb-08, Sensors (Basel, Switzerland)
DOI:10.3390/s26041102
PMID:41755045
|
研究论文 | 本文提出了一种基于Swin Transformer的轻量级模块化注意力架构，用于人体姿态和动作分类 | 提出了一种新颖的双重加权交叉注意力模块，并结合空间注意力和上下文感知通道注意力模块，实现了空间和通道线索的有效融合 | 未明确说明模型在更复杂或更大规模数据集上的泛化能力 | 开发一种轻量级且高效的人体姿态和动作分类方法 | 人体姿态和动作 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | 两个数据集：Yoga-82（6类和20类配置）和Stanford 40 Actions | PyTorch | Swin Transformer | 准确率, 精确率, 召回率, F1分数, 平均精度均值 | NA |
| 2473 | 2026-03-07 |
A Vision-Based Deep Learning Framework for Monitoring and Recognition of Chemical Laboratory Operations
2026-Feb-08, Sensors (Basel, Switzerland)
DOI:10.3390/s26041106
PMID:41755048
|
研究论文 | 本研究提出了一种基于视觉的深度学习框架，用于化学实验室移液操作的自动化监测与识别 | 利用时空特征结合YOLO姿态提取与双向LSTM网络，实现对复杂人机交互的实时监测，相比静态或帧级分析具有更强的鲁棒性 | 研究仅针对移液操作，未扩展到其他实验室手动操作；实验环境可能存在光照、遮挡等未明确讨论的干扰因素 | 开发自动化监测系统以提升化学实验室操作的安全性与可重复性 | 化学实验室中的移液操作过程 | 计算机视觉 | NA | 非接触视觉传感 | CNN, LSTM | 视频 | 未明确说明 | YOLO | YOLO, 双向LSTM | 未明确说明 | NA |
| 2474 | 2026-03-07 |
Integrated Transcriptomic and Histological Analysis of TP53/CTNNB1 Mutations and Microvascular Invasion in Hepatocellular Carcinoma
2026-Feb-03, Genes
IF:2.8Q2
DOI:10.3390/genes17020190
PMID:41751574
|
研究论文 | 本研究通过整合转录组学和病理学分析，探讨了TP53/CTNNB1突变及微血管侵犯在肝细胞癌中的分子与形态学关联 | 首次结合转录组差异表达与弱监督多任务深度学习模型，从常规H&E染色全切片图像中无空间标注地推断关键风险因子的形态学模式 | 图像模型在不同任务间性能存在差异，且仅基于切片级标签进行训练，缺乏空间注释可能限制形态特征的精确解析 | 探究肝细胞癌中TP53/CTNNB1突变和微血管侵犯的分子效应与肿瘤形态学之间的关系 | 肝细胞癌样本 | 数字病理学 | 肝细胞癌 | RNA测序, 差异表达分析, 机器学习特征选择 | 弱监督多任务深度学习模型 | 转录组数据, H&E染色全切片图像 | 未明确样本数量，但涉及肝细胞癌样本的RNA测序数据和全切片图像 | 未明确指定，可能涉及TensorFlow或PyTorch | 未明确指定具体架构 | 未明确指定具体指标，但提到“高于随机水平的区分能力” | NA |
| 2475 | 2026-03-07 |
PON-Del predictor for sequence retaining protein deletions
2026-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014020
PMID:41739875
|
研究论文 | 开发了一种名为PON-Del的新型预测器，用于预测保留序列的蛋白质缺失变异 | 首个包含意义未明变异（VUSs）的缺失变异解释方法，提供二元和三元预测输出 | 仅适用于短序列（1-10个氨基酸）的保留序列缺失 | 开发蛋白质缺失变异的预测工具 | 保留序列的蛋白质缺失变异 | 生物信息学 | NA | 梯度提升算法 | 梯度提升 | 蛋白质序列特征数据 | 广泛收集的已验证蛋白质缺失数据集 | NA | NA | NA | NA |
| 2476 | 2026-03-07 |
From the Clinic, to the Clinic: Improving the Fluorescent Imaging Quality of ICG via Amphiphilic NIR-IIa AIE Probe
2026-Feb-01, Biosensors
DOI:10.3390/bios16020090
PMID:41744708
|
研究论文 | 本研究通过开发一种新型两亲性NIR-IIa AIE探针TCP，并基于深度学习模型将低质量NIR-I ICG图像转换为高分辨率NIR-IIa样图像，以提升临床荧光成像的质量与速度 | 提出了一种结合新型NIR-IIa AIE探针与深度学习模型的“探针+AI”协同范式，显著改善荧光成像的穿透深度、对比度和清晰度 | 未明确提及样本量的具体构成或模型在多样化临床场景中的泛化能力限制 | 提高临床荧光成像的质量和速度，以增强诊断和图像引导手术的效果 | 荧光成像中的ICG图像及新型TCP探针生成的NIR-IIa图像 | 计算机视觉 | NA | 荧光成像，NIR-IIa AIE探针技术 | 深度学习模型 | 图像 | 约200对配准的NIR-I/NIR-IIa图像对 | NA | SwinUnet | 信号背景比 | NA |
| 2477 | 2026-03-07 |
Intelligent Attention-Driven Deep Learning for Hip Disease Diagnosis: Fusing Multimodal Imaging and Clinical Text for Enhanced Precision and Early Detection
2026-Jan-24, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina62020250
PMID:41752650
|
研究论文 | 本研究开发了一种基于注意力机制的多模态深度学习框架，用于融合X光、CT影像和临床文本数据，以提升髋关节疾病的早期诊断和精确分类性能 | 提出了一种结合影像（X光、CT）与临床文本的多模态深度学习框架，并采用注意力机制进行特征融合，提高了髋关节疾病诊断的准确性和可解释性 | 研究为回顾性设计，外部验证队列样本量较小（仅24例），可能影响模型的泛化能力评估 | 开发一个多模态深度学习系统，以改善髋关节疾病的早期诊断和精确分类 | 髋关节，包括正常髋关节、骨关节炎、股骨头坏死和股骨髋臼撞击症 | 数字病理学 | 骨关节疾病 | X光成像，CT成像，临床文本分析 | CNN, Transformer | 图像，文本 | 内部数据集包含605个髋关节（来自中心A，2018-2024年），外部验证集包含24个髋关节（来自中心B，2024-2025年） | PyTorch, TensorFlow (推断，因使用BERT和ResNet) | ResNet50, 3D-ResNet50, BERT | AUC, 准确率, 灵敏度, 特异性, 决策曲线分析 | NA |
| 2478 | 2026-03-07 |
ProMMF_Kron: a multimodal deep learning model for immunotherapy response prediction in stomach adenocarcinoma
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1602846
PMID:41743737
|
研究论文 | 本文开发了一种名为ProMMF_Kron的多模态深度学习模型，用于预测胃腺癌患者对免疫检查点抑制剂治疗的响应 | 提出了一种结合Kronecker乘积运算和反向投影模块的两阶段特征融合策略，有效整合分子谱和病理图像特征，显著提升了预测性能 | 研究样本量相对较小（282名患者），且主要基于胃腺癌数据，尽管在结直肠癌数据上进行了验证，但泛化能力仍需在更多癌症类型中进一步测试 | 开发可靠的预测工具，以区分胃腺癌中的微卫星不稳定（MSI）和微卫星稳定（MSS）亚型，并预测免疫治疗响应 | 胃腺癌患者，包括MSI和MSS亚型 | 数字病理学 | 胃腺癌 | 差异基因分析，预训练的深度卷积神经网络 | CNN | 分子谱数据，病理图像 | 282名患者 | NA | 预训练的深度卷积神经网络 | AUC | NA |
| 2479 | 2026-03-07 |
An interpretable deep learning framework based on TabNet-Cox for risk stratification and prognostic assessment in hepatocellular carcinoma immunotherapy
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1751829
PMID:41756275
|
研究论文 | 本研究开发并验证了一种基于TabNet-Cox的可解释深度学习生存模型，用于预测接受免疫检查点抑制剂治疗的肝细胞癌患者的总生存期 | 首次将TabNet-Cox模型应用于肝细胞癌免疫治疗的预后评估，结合SHAP分析和无监督聚类实现模型可解释性和表型探索 | 研究为回顾性设计，外部验证队列来自同一医疗系统，需进一步多中心前瞻性验证 | 开发可解释的深度学习模型用于肝细胞癌免疫治疗患者的风险分层和预后评估 | 接受免疫检查点抑制剂治疗的肝细胞癌患者 | 机器学习 | 肝细胞癌 | 深度学习，生存分析 | TabNet-Cox | 临床基线数据（人口统计学、肿瘤特征、治疗类别、实验室参数） | 训练队列339例，内部验证队列114例，外部验证队列105例 | PyTorch | TabNet | C-index, AUC, Brier score | 未明确说明 |
| 2480 | 2026-03-07 |
Application of artificial intelligence in differentiating IgG4-related ophthalmic disease and orbital MALT lymphoma: a review of radiomics and deep learning advances
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1722733
PMID:41756276
|
综述 | 本文综述了人工智能（特别是影像组学和深度学习）在鉴别IgG4相关眼病与眼眶MALT淋巴瘤中的应用进展 | 系统性地总结了AI技术在该特定临床鉴别诊断中的最新应用，并整合了多模态影像数据融合与深度学习架构优化的策略 | 回顾性单中心研究设计、样本量小、数据变异性大、模型可解释性不足以及缺乏稳健的外部验证 | 提高IgG4相关眼病与眼眶MALT淋巴瘤的鉴别诊断准确性，以支持更精准的临床决策 | IgG4相关眼病（IgG4-ROD）和眼眶黏膜相关淋巴组织（MALT）淋巴瘤的影像数据 | 数字病理学 | 眼病，淋巴瘤 | 影像组学，深度学习 | 深度学习模型 | 影像数据 | NA | NA | NA | 诊断准确性 | NA |