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 42805 篇文献，本页显示第 3141 - 3160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3141 | 2026-02-27 |
Twisted convolutional networks (TCNs): Enhancing feature interactions for non-spatial data classification
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108451
PMID:41420941
|
研究论文 | 提出了一种用于一维非空间数据分类的新型深度学习架构——扭曲卷积网络（TCNs） | 通过理论基础的乘性和成对交互机制显式组合输入特征子集，以捕获传统卷积方法忽略的高阶特征交互 | 未明确讨论计算复杂度相对于传统方法的增加程度 | 开发适用于特征顺序任意且空间关系最小的一维数据的分类方法 | 一维非空间数据 | 机器学习 | NA | 深度学习 | CNN | 一维数据 | 五个基准数据集（医学诊断、政治学、合成数据、化学计量学、医疗保健） | NA | 扭曲卷积网络（TCNs） | 统计显著性检验 | NA |
| 3142 | 2026-02-27 |
MMC-CS: Multi-branch multi-stage contrastive learning for self-supervised compressed sensing
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108475
PMID:41422622
|
研究论文 | 提出一种用于图像压缩感知的自监督深度学习框架MMC-CS，通过多分支多阶段对比学习解决无真实数据下的逆问题 | 提出多分支多阶段渐进交叉对比结构，在无真实数据情况下有效学习图像先验；设计端到端深度神经网络，展开近端梯度下降算法；在重建过程中实现多尺度协同优化，结合图像路径和卷积特征路径 | 未明确说明计算复杂度与实时性表现，未与其他自监督方法进行广泛的计算效率对比 | 解决图像压缩感知中真实数据难以获取和测量数据利用不足的问题 | 图像压缩感知的逆问题求解 | 计算机视觉 | NA | 自监督学习，对比学习 | 深度神经网络 | 图像 | NA | NA | 基于近端梯度下降展开的网络，多分支多阶段结构 | PSNR | NA |
| 3143 | 2026-02-27 |
Adversarial incomplete multi-view clustering with adaptive contrastive learning
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108484
PMID:41435732
|
研究论文 | 本文提出了一种名为ACLN的新型不完整多视图聚类方法，通过结合自适应对比学习和对抗学习网络来解决多视图数据中视图缺失的问题 | 创新点在于设计了一个自适应对比学习模块，能根据每个视图中共享信息的重要性动态调整对比学习参数，并整合生成对抗网络以提升潜在特征表示质量 | 未在摘要中明确说明 | 研究目标是不完整多视图数据的聚类问题，旨在提高聚类性能 | 研究对象是不完整多视图数据，即某些视图因传感器故障或数据损坏而不可用的场景 | 机器学习 | NA | 自适应对比学习, 对抗学习 | GAN | 多视图数据 | 六个多视图数据集 | NA | 生成对抗网络 | 聚类性能指标（未具体说明） | NA |
| 3144 | 2026-02-27 |
Decoupling time and space: An adaptive shared graph convolutional network for dynamic market price forecasting
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108489
PMID:41455244
|
研究论文 | 提出了一种用于产品价格预测的时空解耦自适应共享图卷积网络（STDAsh-GCN） | 引入了全局共享参数机制以实现时空表示的深度解耦，并设计了自适应特征聚合模块和共享注意力机制来动态评估节点贡献并平衡输入特征与邻接关系的影响 | NA | 准确预测产品价格以帮助企业预测市场趋势并主动调整销售策略 | 产品市场价格 | 机器学习 | NA | NA | 图神经网络 | 时空数据 | 三个真实工业数据集（包括一个硫酸钾生产企业的数据） | NA | STDAsh-GCN | NA | NA |
| 3145 | 2026-02-27 |
Dynamic comprehensive difficulty knowledge cells based on KAN network and stable learning for knowledge tracing
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108514
PMID:41478142
|
研究论文 | 提出一种基于KAN网络和稳定学习的动态综合难度知识单元模型（DDKC），用于知识追踪任务 | 首次将动态变化的综合难度概念引入知识追踪，并采用KAN网络动态更新难度；提出基于稳定学习的训练策略以消除学生侥幸猜测带来的虚假相关性 | 未明确说明模型在跨学科或大规模在线教育平台中的泛化能力 | 提升知识追踪任务中对学生知识状态动态变化的建模精度 | 学生在教育场景中的学习行为与知识掌握状态 | 自然语言处理 | NA | 深度学习 | KAN网络 | 教育行为数据 | 多个公共教育数据集（未指定具体数量） | NA | 动态综合难度知识单元（DDKC） | 预测性能指标（未具体说明） | NA |
| 3146 | 2026-02-27 |
ClinReadNet: A clinical reading-inspired network for low-dose abdominal CT image quality assessment
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108535
PMID:41494492
|
研究论文 | 提出一种名为ClinReadNet的深度学习框架，用于低剂量腹部CT图像的无参考质量评估，其设计灵感来源于放射科医生的临床阅片逻辑 | 提出了一个与临床阅片逻辑对齐的深度学习框架，包含三个创新模块：Sobel序数质量网络（SOQN）模块同时关注边缘细节和整体质量分布；(S)W-MTMSA模块模拟医生从整体扫描到局部聚焦的阅片过程；分层排序概率得分（HRPS）损失函数结合粗分类和细分类逻辑并关注分级标签间的距离信息 | NA | 开发一个模仿医生阅片习惯的低剂量无参考图像质量评估模型，以优化腹部CT成像中辐射剂量与图像质量之间的平衡 | 低剂量腹部CT图像 | 计算机视觉 | NA | CT成像 | 深度学习 | 医学图像 | LDCTIQAG2023数据集 | NA | ClinReadNet | PLCC, SROCC, KROCC | NA |
| 3147 | 2026-02-27 |
A physics informed neural network architecture for moving boundary problems in science and engineering
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108500
PMID:41500169
|
研究论文 | 本文提出了一种专门用于解决移动边界问题的物理信息神经网络架构 | 设计了一种新颖且通用的物理信息神经网络架构，使用两个独立的神经网络分别预测自由边界和系统变量，以处理空间域随时间演化的移动边界问题 | NA | 开发一种用于科学和工程中移动边界问题的数值模拟方法 | 移动边界问题中的自由边界和系统变量 | 机器学习 | NA | 物理信息神经网络 | 神经网络 | NA | NA | NA | 物理信息神经网络 | NA | NA |
| 3148 | 2026-02-27 |
Leveraging hemispheric asymmetry in structural MRI with an attention-guided 3D CNN for early prediction of Alzheimer's conversion
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108534
PMID:41512495
|
研究论文 | 本文提出了一种名为HemiNet的轻量级3D卷积神经网络，通过分析大脑半球不对称性，利用单次结构MRI扫描预测轻度认知障碍向阿尔茨海默病的转化 | 首次将大脑半球不对称性作为关键生物标志物引入深度学习模型，设计了不对称差异挖掘、对侧半球融合和病理焦点注意力三个核心模块，实现了从单时间点扫描进行早期预测 | 研究依赖于ADNI单一数据集，临床可行性受限于单次扫描的预测能力，未在更广泛或多样化的队列中进行验证 | 早期预测轻度认知障碍向阿尔茨海默病的转化 | 轻度认知障碍患者 | 数字病理学 | 阿尔茨海默病 | 结构MRI | CNN | 图像 | ADNI数据集 | NA | 3D CNN | AUC, 准确率 | NA |
| 3149 | 2026-02-27 |
Artificial intelligence in trauma care: applications, ethical challenges, and pathways toward responsible integration
2026-Apr-01, Current opinion in anaesthesiology
DOI:10.1097/ACO.0000000000001615
PMID:41669936
|
综述 | 本文综述了人工智能在创伤护理中的应用、伦理挑战及负责任整合的路径 | 及时综合了人工智能在创伤护理中的新兴应用、伦理挑战及监管框架，强调了负责任、以人为中心的整合 | 大多数系统仍处于概念验证阶段，外部验证有限，伦理和治理挑战是临床转化的主要障碍 | 探讨人工智能在创伤护理中的负责任整合，包括应用、伦理挑战及监管框架 | 创伤护理系统，涵盖院前分诊到院内决策 | 机器学习 | 创伤 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | 准确性 | NA |
| 3150 | 2026-02-27 |
Artificial intelligence-driven triage and decision-making in trauma systems/settings
2026-Apr-01, Current opinion in anaesthesiology
DOI:10.1097/ACO.0000000000001619
PMID:41744264
|
综述 | 本文综述了人工智能在创伤系统/场景中用于分诊和决策支持的最新进展 | 探讨了人工智能如何通过处理复杂生理信号、预测临床轨迹和增强跨护理阶段的共享心智模型，来增强临床判断，特别是在院前、急诊科和群体伤亡场景中的应用 | 前瞻性评估显示，人工智能向可测量的临床效益的转化存在差异，需要关注可用性、工作流整合和持续校准监测 | 回顾人工智能在创伤护理分诊和决策支持方面的最新发展 | 创伤系统/场景，包括院前、急诊科和群体伤亡环境 | 机器学习 | 创伤 | NA | 机器学习模型, 深度学习系统 | 生理信号, 影像数据, 传感器数据 | NA | NA | NA | NA | NA |
| 3151 | 2026-02-27 |
Can atrial fibrillation ablation outcomes be properly predicted with electrocardiography and artificial intelligence?
2026-Mar, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag029
PMID:41743189
|
研究论文 | 本研究探讨了基于心电图和深度学习算法预测心房颤动消融术后重复消融需求的能力 | 首次使用原始12导联心电图数据和深度神经网络来预测心房颤动消融的重复手术需求 | 模型预测性能有限（AUC仅0.61），可能受限于非心电图参数的影响、数据集规模不足或需要长期心电图监测数据 | 评估心电图结合人工智能在预测心房颤动消融结果中的有效性 | 接受心房颤动消融手术的患者 | 机器学习 | 心血管疾病 | 心电图 | 深度神经网络,随机森林 | 心电图原始数据 | 865名患者（其中163名需要重复消融） | NA | NA | AUC,准确率 | NA |
| 3152 | 2026-02-27 |
Enhanced Visualization of Intracranial Cortical Arteries Using Deep Learning Reconstruction in Vessel Wall MR Imaging
2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.tn.2025-0091
PMID:41285511
|
研究论文 | 本研究评估了深度学习重建在血管壁成像中用于可视化包括皮质动脉在内的整个脑动脉系统的效用 | 首次将深度学习重建技术应用于高分辨率血管壁成像，以改善颅内皮质动脉的可视化 | 样本量较小（仅17名患者），且研究未涉及长期临床结果验证 | 评估深度学习重建在血管壁磁共振成像中对脑动脉系统可视化质量的提升效果 | 颅内动脉系统，包括颈内动脉、椎动脉、基底动脉及主要脑动脉的第1至4段皮质动脉 | 数字病理学 | 心血管疾病 | 3D T1加权CUBE血管壁成像 | 深度学习重建模型 | 磁共振图像 | 17名患者 | NA | NA | 信噪比, 对比噪声比, 定性图像质量评分（4分制） | NA |
| 3153 | 2026-02-27 |
Short-TR Acquisition Time-of-flight MR Angiography with Deep Learning Reconstruction: Technical Feasibility and Initial Clinical Evaluation in Moyamoya Disease
2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0139
PMID:41535020
|
研究论文 | 本研究开发并评估了一种结合短TR采集和深度学习重建的磁共振血管成像技术，用于烟雾病患者的颅内动脉可视化 | 结合优化的短TR采集与深度学习重建，实现了扫描时间减少约50%的同时保持或提升图像质量 | 患者样本量较小（仅3例烟雾病患者），需要更大规模研究验证临床适用性 | 开发一种扫描时间更短、图像质量相当的磁共振血管成像技术，用于颅内动脉评估 | 健康志愿者（10名）和烟雾病患者（3名）的颅内动脉 | 医学影像 | 烟雾病 | 3D TOF磁共振血管成像，短TR采集，变密度泊松圆盘采样 | 深度学习 | 磁共振图像 | 10名健康志愿者和3名烟雾病患者 | NA | 展开式深度学习重建 | 信噪比，对比噪声比，图像质量评分（3分制） | NA |
| 3154 | 2026-02-27 |
Quality of Head and Neck Diffusion-weighted MR Imaging Using a Combination of the Periodically Rotated Overlapping Parallel Lines with Enhanced Reconstruction (PROPELLER) Sequence and Deep Learning Reconstruction
2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0058
PMID:41548899
|
研究论文 | 本研究评估了结合PROPELLER序列与深度学习重建的头颈部扩散加权磁共振成像质量 | 首次将PROPELLER-DWI与深度学习重建技术结合，并系统比较了不同重建强度下的成像效果 | 样本量较小（仅10名健康成人），未涉及患者群体，且仅使用单一MRI设备 | 提升头颈部扩散加权磁共振成像的图像质量 | 健康成年人的头颈部磁共振图像 | 医学影像处理 | NA | 扩散加权磁共振成像，PROPELLER序列，单次激发平面回波成像 | 深度学习重建模型 | 磁共振图像 | 10名健康成年人（8男2女） | NA | NA | 信噪比，对比度比，表观扩散系数图的变异系数，整体图像质量，几何畸变程度，磁敏感伪影 | 3特斯拉MRI系统（Discovery MR750w） |
| 3155 | 2026-02-27 |
Mechanism of Ag+-Induced Folding of a Bacterial Peptide from Replica-Exchange Molecular Simulations
2026-Feb-26, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.6c00044
PMID:41666260
|
研究论文 | 本文通过原子模拟和实验研究了细菌肽B1在银离子诱导下的折叠机制 | 结合质谱、NMR、DFT参数化、副本交换模拟和深度学习，首次全面映射了银离子如何塑造B1肽的折叠景观和途径 | 研究聚焦于B1肽片段，可能无法完全代表完整SilE蛋白的行为；模拟和实验条件可能与体内环境存在差异 | 探究银离子诱导的蛋白质折叠机制，特别是细菌银抗性相关肽的结构变化 | 来自细菌银抗性蛋白SilE的B1肽片段 | 计算生物学 | NA | 质谱, NMR, DFT, 副本交换分子动力学模拟, 深度学习 | 深度学习 | 分子模拟数据, 实验光谱数据 | NA | NA | NA | NA | NA |
| 3156 | 2026-02-27 |
Fully automated segmentation of foot bones using machine learning and convolutional neural networks
2026-Feb-26, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851261422700
PMID:41744440
|
研究论文 | 本文提出了一种基于卷积神经网络的完全自动化足部骨骼分割方法，并评估其在CT图像上的性能 | 开发了一种定制化和优化的三维U-Net结构，用于完全自动化的足部骨骼分割，无需人工干预 | 在较小脚趾的中段和远端趾骨上表现较低，且样本量相对较小（仅50个CT扫描） | 实现并验证一种完全自动化的足部骨骼分割方法，以提高诊断准确性和效率 | 足部骨骼，包括后足、中足、大脚趾、籽骨和近端趾骨等结构 | 计算机视觉 | NA | 计算机断层扫描 | CNN | 三维CT图像 | 50个CT扫描，其中48个用于训练，2个用于测试 | NA | 三维U-Net | Dice系数, IoU | NA |
| 3157 | 2026-02-27 |
From manual parametric to artificial intelligence-based automation: A systematic review of recent advances in endoscopic surgical skills evaluation
2026-Feb-26, Journal of minimal access surgery
IF:1.0Q3
DOI:10.4103/jmas.jmas_225_25
PMID:41744479
|
系统综述 | 本文系统综述了2015年至2024年间内窥镜手术技能评估技术的最新进展，包括手动和自动化方法 | 首次系统性地将内窥镜手术技能评估系统按评估策略（手动或自动）、技术类型（参数化、机器学习/深度学习）、来源国家、手术亚专业和评估参数进行分类分析 | 公共数据集有限限制了自动化评估的发展，且自动评估方法目前仅关注较少参数，未能全面评估技能 | 系统回顾和分析内窥镜手术技能评估方法，揭示该领域的研究趋势和未来需求 | 内窥镜手术技能评估系统 | 机器学习和深度学习在医疗技能评估中的应用 | NA | 参数化方法、机器学习、深度学习 | NA | NA | 共回顾了46个不同的内窥镜手术技能评估系统 | NA | NA | NA | NA |
| 3158 | 2026-02-27 |
A novel hybrid segmentation method coupled with deep learning for coronary artery extraction from coronary CT angiography
2026-Feb-26, The international journal of cardiovascular imaging
DOI:10.1007/s10554-026-03643-7
PMID:41746482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3159 | 2026-02-27 |
Attenuation correction of cardiac 82Rb pet using deep learning generated synthetic CT
2026-Feb-26, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00849-5
PMID:41746532
|
研究论文 | 本研究评估了使用深度学习从非衰减校正的Rb-PET图像直接生成合成CT图像以进行心脏PET衰减校正的可行性 | 首次引入基于条件生成对抗网络和注意力U-Net的深度学习方法，直接从非衰减校正的Rb-PET图像生成合成CT图像，用于心脏PET衰减校正 | 合成CT图像在心脏区域存在轻微偏差，可能由于软组织u-map的均匀高估所致，且结果基于视觉检查的个案分析 | 改善心脏PET成像中衰减校正的准确性和减少伪影 | 心脏Rb-PET成像数据 | 医学影像分析 | 心血管疾病 | PET/CT成像, 深度学习图像生成 | cGAN | 医学影像 | 544次PET/CT心肌灌注扫描 | NA | Attention U-Net | SSIM, PSNR, MAE, ME, RME, RMAE, iTPD, LVEFR | NA |
| 3160 | 2026-02-27 |
Generalizability in OCT Deep Learning-Moving Beyond Single-Disease and Single-Vendor Models
2026-Feb-26, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2026.0084
PMID:41746664
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |