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 2561 - 2580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2561 | 2026-03-06 |
Application of Artificial Intelligence in Detecting Dental Anomalies: Current Models, Imaging Modalities, and Future Directions
2026-Mar, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.71969
PMID:41782650
|
综述 | 本文综述了人工智能在牙科异常检测中的应用，包括当前模型、成像模态及未来方向 | 系统评估了多种AI模型在牙科异常检测中的性能，并识别了高效模型如EfficientDet-D3、nnU-Net和ResNeXt | 性能在不同异常类型和成像模态间存在差异，且缺乏同时检测多种异常的多类别模型 | 调查人工智能在牙科异常检测与诊断中的应用 | 牙科异常，包括多生牙、巨牙症、阻生牙、异位萌出和磨牙-切牙釉质矿化不全 | 计算机视觉 | 牙科疾病 | 牙科放射成像和摄影 | 深度学习 | 图像 | 20项研究 | NA | EfficientDet-D3, nnU-Net, ResNeXt | 准确率 | NA |
| 2562 | 2026-03-06 |
Improved 3D image reconstruction via deep-learning-based fusion of light-field microscopy and Fourier light-field microscopy images
2026-Mar, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.31.3.036002
PMID:41783388
|
研究论文 | 本文提出了一种基于深度学习的图像融合技术，结合光场显微镜（LFM）和傅里叶光场显微镜（FLFM）图像，以提高3D图像重建质量 | 通过深度学习网络融合LFM和FLFM图像，结合了FLFM的高空间分辨率和LFM的密集角度采集能力，并采用分层级联融合策略优化多模态特征 | NA | 克服光场显微镜在空间分辨率与角度信息之间的权衡限制，提升3D图像重建的细节保留和深度恢复能力 | 合成微管蛋白数据集和小鼠脑部血管数据集 | 计算显微镜 | NA | 光场显微镜（LFM）、傅里叶光场显微镜（FLFM）、深度学习图像融合 | 深度学习网络 | 3D图像、光场图像、傅里叶光场图像、极平面图像数据 | 公开可用的合成微管蛋白数据集和小鼠脑部血管数据集 | NA | U-Net | 峰值信噪比（PSNR）、结构相似性指数（SSIM） | NA |
| 2563 | 2026-03-06 |
Rolling convolution filters for lightweight neural networks in medical image analysis
2026-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.2.024501
PMID:41783539
|
研究论文 | 本文提出了一种称为滚动卷积滤波器的设计元素，用于开发医学图像分析中的轻量级卷积神经网络，旨在降低模型复杂性和内存占用而不影响性能 | 通过通道级滚动操作在单个基础滤波器上生成独特滤波器，限制可学习参数，从而显著减少参数数量和模型大小 | NA | 开发轻量级卷积神经网络以降低模型复杂性和内存需求，适用于资源受限的医学成像环境 | 医学图像分析任务，包括重建、分割和分类，涉及MRI、CT和OCT模态 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA | NA | 滚动卷积滤波器 | 性能误差，参数减少倍数，模型大小减少倍数 | NA |
| 2564 | 2026-03-06 |
Deep learning-based MRI segmentation for substantia nigra in Parkinson's disease with cognitive impairment
2026-Feb-28, Parkinsonism & related disorders
IF:3.1Q2
DOI:10.1016/j.parkreldis.2026.108260
PMID:41780488
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于在神经黑色素敏感MRI上分割帕金森病伴认知障碍患者的黑质致密部，并探索其与临床症状的关联 | 首次将SA-U2Net模型应用于神经黑色素敏感MRI的黑质致密部自动分割，并揭示了黑质致密部面积与帕金森病伴认知障碍患者疲劳严重程度的特异性独立关联 | 研究为单中心横断面设计，样本量有限，其他关联性需要在多中心纵向研究中进一步验证 | 开发可扩展的影像学生物标志物，用于帕金森病伴认知障碍的临床分层 | 帕金森病伴认知障碍患者、帕金森病不伴认知障碍患者和健康对照者 | 数字病理学 | 帕金森病 | 神经黑色素敏感MRI | 深度学习 | MRI图像 | 156名参与者（53名PD-CI, 53名PD-NCI, 50名HC） | NA | SA-U2Net | 与手动分割的一致性 | NA |
| 2565 | 2026-03-06 |
Preoperative identification of deep myometrial invasion in endometrial cancer: a multicenter MRI study with a vision foundation model-enhanced multimodal deep learning framework
2026-Feb-26, European journal of obstetrics, gynecology, and reproductive biology
DOI:10.1016/j.ejogrb.2026.115018
PMID:41780136
|
研究论文 | 本研究开发并验证了一个基于视觉基础模型增强的多模态深度学习放射组学框架，用于无创预测子宫内膜癌患者的深肌层浸润 | 提出了一个结合视觉基础模型（VFM）和多模态信息的深度学习框架，通过异构模型通用知识转移和跨序列引导注意力模块，实现了MRI序列间的语义对齐和协同特征表示 | 回顾性研究设计，可能存在选择偏倚；未在更广泛的人群中进行前瞻性验证 | 开发一个非侵入性预测子宫内膜癌深肌层浸润的深度学习模型 | 子宫内膜癌患者 | 数字病理 | 子宫内膜癌 | MRI成像 | 深度学习 | 图像, 临床病理信息 | 1376名患者，来自七个独立中心 | NA | VFM-MDLR, GKTH, CSGA, VFM-DKF | AUC | NA |
| 2566 | 2026-03-06 |
Thermal signatures in breast cancer: Deciphering latent biomarkers through deep learning and explainable AI
2026-Feb-26, Journal of thermal biology
IF:2.9Q1
DOI:10.1016/j.jtherbio.2026.104426
PMID:41780328
|
研究论文 | 本研究开发了一种基于卷积神经网络和可解释AI的深度学习模型，用于分析乳腺热成像图像以检测乳腺癌 | 将深度学习与可解释AI（SHAP）相结合应用于乳腺热成像分析，提高了模型诊断性能与决策过程的可解释性 | 热成像在乳腺癌诊断中应用不足，公开数据集有限 | 开发基于机器学习的模型以提高乳腺癌早期检测的准确性和可及性 | 乳腺热成像图像 | 计算机视觉 | 乳腺癌 | 热成像 | CNN | 图像 | Visual DMR数据集中的多视角乳腺热成像图像 | NA | VGG16 | 准确率, AUROC, F1分数, 精确率, 敏感度 | NA |
| 2567 | 2026-03-06 |
Artificial intelligence model for cardiovascular disease risk prediction in breast cancer patients using electronic health records and computed tomography scans
2026-Feb-25, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111455
PMID:41759965
|
研究论文 | 本研究开发了一种融合深度学习模型，利用电子健康记录和CT扫描预测接受放疗的乳腺癌患者的心血管疾病死亡率 | 首次提出结合CT扫描和电子健康记录的融合深度学习模型，用于乳腺癌患者心血管疾病死亡风险预测，并展示了高精度性能 | 研究仅针对接受放疗的乳腺癌患者，可能无法推广到其他癌症类型或治疗方式；模型依赖于特定医疗机构的电子健康记录和CT数据，外部验证尚未进行 | 开发一种人工智能模型，用于早期预测乳腺癌患者心血管疾病死亡风险，以支持临床决策和干预 | 接受放疗的乳腺癌患者 | 数字病理学 | 心血管疾病 | CT扫描，电子健康记录分析 | 融合深度学习模型 | 图像，文本 | 23,067名患者，包含约500万张CT切片和约60万份电子健康记录文档 | NA | 融合深度学习模型 | AUC，准确率 | NA |
| 2568 | 2026-03-06 |
Scalable physics-informed deep generative model for solving forward and inverse stochastic differential equations
2026-Feb-24, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108770
PMID:41780285
|
研究论文 | 提出一种可扩展的物理信息深度生成模型（sPI-GeM），用于求解具有高维随机和空间空间的随机微分方程的正反问题 | 提出一种结合物理信息基网络（PI-BasisNet）和物理信息深度生成模型（PI-GeM）的可扩展框架，首次解决了现有深度学习模型难以处理高维空间空间随机微分方程的问题 | 未明确说明模型在极端高维情况下的计算效率限制或对特定类型随机过程的适用性边界 | 开发可扩展的深度学习模型以解决高维随机和空间空间的随机微分方程问题 | 随机微分方程的正反问题求解，包括高斯和非高斯随机过程的近似 | 机器学习 | NA | 物理信息深度学习，随机微分方程数值求解 | 深度生成模型 | 数值模拟数据 | NA | NA | PI-BasisNet, PI-GeM | 准确性 | NA |
| 2569 | 2026-03-06 |
OPU-NET-DADENA: Optimized deep learning ensemble with u-net segmentation for early detection of diabetic retinopathy
2026-Feb-18, Microvascular research
IF:2.9Q2
DOI:10.1016/j.mvr.2026.104923
PMID:41720334
|
研究论文 | 提出一种基于优化深度学习集成和U-Net分割的新方法，用于糖尿病视网膜病变的早期检测 | 提出了一种名为OPU-NET-DADENA的新方法，集成了优化的U-Net分割、残差注意力EfficientNet特征提取、混合爬行动物搜索算法特征选择以及DarkNet、DenseNet 201和NasNetMobile的集成检测模型 | 未明确说明样本来源、数据集大小或模型计算资源需求 | 开发高效的早期糖尿病视网膜病变诊断系统 | 糖尿病患者的视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, 集成模型 | 图像 | NA | MATLAB | U-Net, EfficientNet, DarkNet, DenseNet, NasNetMobile | 准确率, 精确率, F分数, 特异性, 敏感性, MCC, NPV, FPR, FNR | NA |
| 2570 | 2026-02-16 |
Fuel-driven hybrid deep learning model for forecasting finger millet prices
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34947-8
PMID:41690993
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2571 | 2026-03-06 |
Enhancing Estimation of Fine Particulate Matter Chemical Composition across North America by Including Geophysical A Priori Information in Deep Learning with Uncertainty Quantification
2026-Feb-13, ACS ES&T air
DOI:10.1021/acsestair.5c00251
PMID:41709986
|
研究论文 | 本研究通过结合地球物理先验信息开发深度学习模型，提升了北美地区细颗粒物化学组成的估计精度，并进行了不确定性量化 | 引入地球物理先验信息（如化学传输模型数据）到CNN中，显著提高了模型在偏远地区的性能；提出了BLISCO空间交叉验证方法，以更准确地评估模型外推能力和不确定性 | 传统空间交叉验证可能因地面监测站的空间自相关性而高估性能并低估不确定性；海盐成分的估计性能相对较低（R²=0.37） | 改进北美地区细颗粒物总质量浓度及其化学组成的估计，以支持环境管理和健康影响研究 | 北美地区的细颗粒物（PM）及其化学成分（硫酸盐、硝酸盐、铵盐、有机物、黑碳、粉尘、海盐） | 机器学习 | NA | 卫星遥感、模拟数据和监测站数据整合 | CNN | 多源地球物理数据（卫星、模拟、监测） | 2000年至2023年间的月度数据，覆盖北美地区 | NA | 卷积神经网络 | R²（决定系数） | NA |
| 2572 | 2026-03-06 |
Deep learning-based non-invasive profiling of tumor transcriptomes from cell-free DNA for precision oncology
2026-Feb-12, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.10.705188
PMID:41726945
|
研究论文 | 本文介绍了Triton和Proteus，一种基于深度学习的非侵入性方法，用于从cfDNA中预测肿瘤转录组，以支持精准肿瘤学应用 | 开发了Triton用于cfDNA的片段组学和核小体分析，以及Proteus多模态深度学习框架，能够在标准深度全基因组测序下预测单基因表达，实现转录组范围的分析 | 未明确说明模型在更广泛癌症类型或更大样本中的泛化能力，以及临床验证的深度 | 开发非侵入性工具，从cfDNA中预测肿瘤转录组，用于精准肿瘤学，如癌症监测和治疗指导 | 细胞游离DNA（cfDNA），特别是循环肿瘤DNA（ctDNA），来自患者来源异种移植（PDX）和四个患者队列 | 机器学习 | 癌症 | 全基因组测序（WGS），RNA-Seq | 深度学习 | DNA测序数据 | 涉及患者来源异种移植（PDX）和四个患者队列的cfDNA样本，具体数量未明确 | NA | 多模态深度学习框架（Proteus） | 准确性，基因通路富集分数预测准确性 | NA |
| 2573 | 2026-03-06 |
Enhanced diabetes prediction using pre-trained CNNs, LSTM, and conditional GAN on transformed numerical data
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38942-5
PMID:41667617
|
研究论文 | 本研究提出了一种结合表格数据到图像转换、预训练卷积神经网络和长短期记忆网络的深度学习框架，用于增强糖尿病预测 | 通过将数值特征转换为基于相关性和特征重要性的二维图像表示，并利用条件生成对抗网络生成合成样本，结合预训练CNN和LSTM进行特征提取与分类 | 结果可能部分受合成数据影响，且样本量有限，需在更大、更多样化的数据集上进行验证以确保泛化能力 | 开发一种深度学习框架以提高从结构化生物医学数据中进行糖尿病预测的准确性 | 糖尿病预测 | 机器学习 | 糖尿病 | 表格数据到图像转换，条件生成对抗网络 | CNN, LSTM, GAN | 结构化数值数据，图像表示 | Pima印第安人糖尿病数据集和法兰克福糖尿病数据集 | NA | DenseNet201, ResNet152, Xception, EfficientNetB4, LSTM | 准确率, AUC | NA |
| 2574 | 2026-02-12 |
Development and validation of a deep learning model for identifying high-quality laryngoscopic images
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38252-w
PMID:41667718
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2575 | 2026-03-06 |
Deep learning enabled pseudonymization for preserving data privacy of financial identifiers in public documents in India
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39309-6
PMID:41667731
|
研究论文 | 本文提出了一种基于全卷积神经网络的伪匿名化框架，用于保护印度公共文档中手写签名的数据隐私 | 首次针对公开文档中的手写签名提出伪匿名化方法，采用集成可微分输出解码的SuperPoint架构，在保护敏感数据的同时保持文档可用性 | 研究仅针对印度PAN卡文档，未涉及其他类型政府文档或不同国家的应用场景 | 开发一种保护公共文档中手写签名隐私的伪匿名化技术，支持可追溯的身份保护 | 印度政府颁发的永久账户号码（PAN）卡中的手写签名 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 500多张真实世界PAN卡 | NA | SuperPoint | 精确率, 召回率, SSIM, 运行时间效率, 空间开销 | NA |
| 2576 | 2026-02-12 |
Integrating deep learning with physics based modeling enables high precision antibody antigen interface prediction
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39466-8
PMID:41667775
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2577 | 2026-03-06 |
Deep learning model for identification of metabolic bone disease of prematurity using wrist radiographs
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37116-7
PMID:41656355
|
研究论文 | 本研究提出了一种基于手腕X光片的深度学习模型，用于识别早产儿代谢性骨病的影像学特征，并评估其决策支持的影响 | 开发了首个基于手腕X光片的深度学习模型，专门用于识别早产儿代谢性骨病的影像学特征，并通过外部验证和读者研究证明了其在临床环境中的潜在应用价值，特别是对非放射科医生的辅助诊断效果 | 研究为回顾性设计，样本主要来自两家医院，可能限制了模型的泛化能力；未涉及更广泛的早产儿群体或其他医疗机构的数据 | 开发并验证一个深度学习模型，以辅助识别早产儿代谢性骨病的影像学特征，提高诊断准确性和及时性 | 早产儿（出生体重低于1500克），包括来自首尔国立大学医院（内部数据集）和首尔国立大学盆唐医院（外部数据集）的婴儿 | 数字病理学 | 代谢性骨病 | 手腕X光摄影 | CNN | 图像 | 内部数据集814名受试者，外部数据集261名受试者 | NA | DenseNet | AUROC, 灵敏度, 特异性, 准确率 | NA |
| 2578 | 2026-03-06 |
Ninja optimization algorithm based ultra wideband antenna electromagnetic band gap modeling via a generative adversarial network
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39068-4
PMID:41656364
|
研究论文 | 本文提出了一种集成生成对抗网络与忍者优化算法的智能预测框架，用于精确建模和预测超宽带天线电磁带隙结构的电磁性能 | 将对抗性学习与基于忍者优化算法的优化相结合，以提高天线-电磁带隙系统代理建模的准确性和鲁棒性 | NA | 为超宽带天线电磁带隙结构的设计和优化建立高效、可扩展、高精度的建模途径 | 超宽带天线电磁带隙结构 | 机器学习 | NA | NA | GAN, LSTM, GRU, RNN, ANN | NA | NA | NA | GAN, LSTM, GRU, RNN, ANN | 均方误差, 均方根误差, 决定系数 | NA |
| 2579 | 2026-03-06 |
SwinCup-DiscNet: A fusion transformer framework for glaucoma diagnosis using optic disc and cup features
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39065-7
PMID:41663489
|
研究论文 | 本文提出了一种名为SwinCup-DiscNet的融合Transformer框架，通过整合视盘/视杯分割和特征提取，用于青光眼的早期诊断 | 结合了U-Net与注意力机制进行视盘和视杯分割，并利用Swin Transformer编码器提取特征，最后通过概率融合方法整合结构生物标志物（杯盘比）和深度学习特征进行分类 | NA | 开发一种有效的青光眼早期筛查和诊断方法 | 青光眼患者 | 计算机视觉 | 青光眼 | NA | Transformer, CNN | 图像 | 三个公开数据集：LAG、ACRIMA和DRISTHI-GS | NA | U-Net, Swin Transformer | DSC IoU, 准确率, F1分数, 杯盘比平均绝对误差 | NA |
| 2580 | 2026-02-11 |
Non-local attention enhanced deep learning for robust cyberattack detection in industrial IoT-based SCADA systems
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37146-1
PMID:41663554
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |