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 42964 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 | 2025-11-27 |
Deep learning-based support system for alignment classification and correction guidance in postoperative total knee arthroplasty lateral radiographs
2026-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00987-y
PMID:41288930
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3142 | 2026-03-01 |
Effect of deep learning reconstruction on arm-induced artifacts compared with hybrid iterative reconstruction and filtered-backprojection in abdominal CT
2026-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00998-9
PMID:41442007
|
研究论文 | 本研究评估了深度学习图像重建（DLIR）在腹部CT中减少手臂伪影和提升图像质量的效果，并与自适应统计迭代重建（ASIR-V）和滤波反投影（FBP）进行比较 | 首次在腹部CT中系统比较DLIR、ASIR-V和FBP对手臂伪影的减少效果，并证明DLIR在伪影抑制和图像质量方面优于传统方法 | 研究样本量较小（仅10名患者），且仅评估了特定手臂位置，可能未覆盖所有临床场景 | 评估DLIR在腹部CT中减少手臂伪影和提升图像质量的效果 | 肝脏结节体模（含手臂部分）和10名患者的腹部CT图像 | 医学影像 | NA | 计算机断层扫描（CT） | 深度学习图像重建（DLIR） | CT图像 | 1个体模和10名患者 | NA | NA | 伪影强度（Gumbel分布位置参数和标准差）、信噪比（SNR）、对比噪声比（CNR）、噪声、伪影、锐度和整体质量的主观评分 | NA |
| 3143 | 2026-01-06 |
Implementation of deep learning with convolutional block attention module for detecting collimator rotation errors in stereotactic radiosurgery quality assurance
2026-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-01002-0
PMID:41489764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3144 | 2026-03-01 |
The application of artificial intelligence in blind ultrasound sweep diagnostics for prenatal medicine: A systematic literature review
2026-Mar, Acta obstetricia et gynecologica Scandinavica
IF:3.5Q1
DOI:10.1111/aogs.70147
PMID:41574472
|
系统综述 | 本文系统综述了人工智能在盲超声扫描诊断于产前医学中的应用 | 聚焦于人工智能应用于由最低限度培训人员执行的标准化盲超声扫描，以改善产前超声诊断的可及性 | 在妊娠晚期准确性降低，以及在早期妊娠或异常检测方面的验证有限 | 评估人工智能模型在盲超声扫描中用于产前诊断的性能和潜力 | 产前盲超声扫描数据 | 数字病理学 | NA | 超声扫描 | 深度学习 | 图像 | NA | NA | NA | 平均绝对误差, AUC, Dice系数, 准确率 | NA |
| 3145 | 2026-03-01 |
Development of a hybrid deep learning-based framework for liver fibrosis classification using ultrasound images
2026-Mar, iLIVER
DOI:10.1016/j.iliver.2026.100225
PMID:41756166
|
研究论文 | 本研究开发了一种结合ResNet50和VGG16的混合深度学习框架，用于基于超声图像的肝纤维化多分类（F0-F4） | 提出了一种混合深度学习模型，结合了ResNet50和VGG16，用于肝纤维化的多分类，提高了诊断准确性并增强了模型的可解释性 | 研究依赖于公开数据集，可能未涵盖所有临床场景；模型性能评估虽使用统计方法，但外部验证仍需进一步进行 | 开发自动化的肝纤维化分期工具，以减少对活检的依赖，并提供经济、可解释的肝脏疾病评估方法 | 肝纤维化患者 | 计算机视觉 | 肝纤维化 | 超声成像 | CNN | 图像 | 6323个超声图像样本 | NA | ResNet50, VGG16 | 准确率, 灵敏度, 特异性, AUC | NA |
| 3146 | 2026-03-01 |
Real-Time MRI With Deep Learning for Efficient Evaluation of Neuromuscular Breathing Impairment
2026-Mar, MedComm
IF:10.7Q1
DOI:10.1002/mco2.70579
PMID:41756255
|
研究论文 | 本研究评估了实时MRI结合深度学习图像分割在检测晚发型庞贝病呼吸功能障碍中的敏感性 | 首次将实时MRI与基于U-Net的深度学习肺部分割技术结合，用于量化膈肌运动异常，为神经肌肉呼吸障碍提供了新型生物标志物 | 样本量较小（仅11名患者和11名对照），且研究聚焦于单一疾病模型（晚发型庞贝病） | 开发一种高效检测神经肌肉疾病呼吸障碍的新方法 | 晚发型庞贝病患者和健康对照个体 | 数字病理 | 神经肌肉疾病 | 实时MRI，快速T1映射 | CNN | MRI图像 | 11名庞贝病患者和11名健康对照 | NA | U-Net | NA | NA |
| 3147 | 2026-03-01 |
Prostate cancer and benign prostatic hyperplasia lesions segmentation using diffusion kurtosis imaging, T2*, and R2* mapping with U-Net++ algorithm
2026-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00977-0
PMID:41091407
|
研究论文 | 本研究提出了一种基于深度学习的分割框架，用于在多种MRI采集和衍生参数图上分割前列腺病变 | 结合优化的深度学习架构与先进的MRI衍生图像，以增强诊断精度 | NA | 比较不同MRI衍生图像在分割前列腺病变中的性能，以识别提供最区分性信息的图像 | 前列腺癌和良性前列腺增生病变 | 数字病理学 | 前列腺癌 | 扩散峰度成像、T2*加权成像、R2*映射 | 深度学习 | MRI图像 | 51名患者 | NA | U-Net++ | Dice相似系数、交并比、灵敏度、特异性 | NA |
| 3148 | 2026-03-01 |
Flavonol glycosides from Eriocaulon buergerianum Körn. and their α-glucosidase inhibitory effects
2026-Feb-28, Natural product research
IF:1.9Q3
DOI:10.1080/14786419.2026.2636162
PMID:41762023
|
研究论文 | 从谷精草中分离出一种新的黄酮醇苷及三种已知黄酮醇苷，并通过分子对接和深度学习研究了其α-葡萄糖苷酶抑制活性 | 首次从谷精草中分离出一种新的黄酮醇苷（patuletin 3-β-D-glucopyranosyl-(1→6)-β-D-glucopyranoside-7-β-D-glucopyranoside），并采用分子对接与深度学习相结合的方法评估其α-葡萄糖苷酶抑制潜力 | 研究仅涉及体外酶抑制实验和计算模拟，缺乏体内药理活性验证 | 探究谷精草中黄酮醇苷类成分及其降血糖活性 | 谷精草（Eriocaulon buergerianum Körn）中的黄酮醇苷类化合物 | 计算化学与药物发现 | 糖尿病 | 光谱分析、化学方法、分子对接、深度学习 | 深度学习模型 | 化学结构数据、酶活性数据 | 4种黄酮醇苷及2种苷元（共6个化合物） | NA | NA | IC50值（半数抑制浓度） | NA |
| 3149 | 2026-03-01 |
An Interpretable Functional-Dynamic Synaptic Graph Neural Network for Major Depressive Disorder Diagnosis from rs-fMRI
2026-Feb-28, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065726500243
PMID:41762174
|
研究论文 | 提出了一种用于从静息态功能磁共振成像中诊断重度抑郁症的可解释功能动态突触图神经网络 | 提出了一种新颖的功能动态突触图神经网络，该网络集成了双向门控循环单元时间戳编码模块来建模动态BOLD信号，以及突触图Transformer模块进行连接感知的脑区更新，克服了现有方法忽视BOLD信号动态时间特性和区域间连接强度的问题 | 未明确说明模型在跨数据集泛化能力、计算复杂度或对特定患者亚组的适用性方面的具体限制 | 实现重度抑郁症的早期诊断和生物标志物识别，以支持个性化治疗和疾病监测 | 重度抑郁症患者 | 机器学习 | 重度抑郁症 | 静息态功能磁共振成像 | 图神经网络, Transformer, 双向门控循环单元 | 功能磁共振成像数据 | 两个大规模多中心收集的重度抑郁症数据集 | 未明确说明 | 功能动态突触图神经网络, 双向门控循环单元时间戳编码模块, 突触图Transformer模块 | 未明确说明具体指标，但提及优于12种最先进的基线方法 | 未明确说明 |
| 3150 | 2026-03-01 |
Object Detection, Recognition, Deep Learning, and the Universal Law of Generalization
2026-Feb-27, Neural computation
IF:2.7Q3
DOI:10.1162/NECO.a.1483
PMID:41637719
|
研究论文 | 本文通过训练深度神经网络处理自然图像中的清晰和伪装动物，测试了通用泛化定律在物体检测与识别中的生态有效性，并扩展了该定律以分析内部表示 | 将通用泛化定律扩展到现实学习场景，开发了两种确定类别原型的方法，并揭示了伪装输入在单调递减泛化函数中的系统性位置 | 未明确说明模型的具体架构细节和计算资源使用情况，且样本大小未在摘要中具体量化 | 探究物体检测与识别中泛化过程的通用原则，特别是内部表示是否主要受生态环境属性影响 | 自然图像中的清晰和伪装动物 | 计算机视觉 | NA | 深度神经网络训练 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 3151 | 2026-03-01 |
Deep learning-based epileptic seizure detection from EEG signals and PPG signals using LSTM and CNN models
2026-Feb-27, The International journal of neuroscience
DOI:10.1080/00207454.2026.2621855
PMID:41671683
|
研究论文 | 本文提出了一种结合CNN和LSTM的混合深度学习框架，利用多模态EEG和PPG信号进行癫痫发作的自动检测 | 与仅使用EEG的方法不同，本文引入了PPG信号，提供了自主神经波动、心率变异性变化等互补生理信息，增强了模型在EEG特征不明显或模糊情况下的判别能力 | 未明确提及 | 开发一种可靠且高效的实时癫痫发作检测系统 | 癫痫患者的多模态生理信号（EEG和PPG） | 机器学习 | 癫痫 | EEG监测，PPG监测 | CNN, LSTM | 信号（EEG信号，PPG信号） | 基准EEG-PPG数据集（具体数量未提及） | NA | CNN-LSTM混合模型 | 准确率，精确率，召回率，F1分数，Cohen's Kappa，马修斯相关系数，临界成功指数 | NA |
| 3152 | 2026-03-01 |
Deep learning-based synthetic brain MRI for the assessment of regional atrophy patterns in neurodegenerative diseases
2026-Feb-27, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12302-9
PMID:41758343
|
研究论文 | 本研究评估了基于深度学习的合成3D-T1w MRI序列在神经退行性疾病中保留区域萎缩模式的能力 | 首次系统评估了从不同临床序列（如3D FLAIR、4 mm轴向FLAIR、4 mm冠状T2）生成的深度学习合成3D-T1w图像在区域脑萎缩分析中的准确性 | 合成序列在评估全局和区域脑体积时存在系统性误差，导致体积高估，影响了自动化疾病概率预测的准确性 | 探究深度学习合成的3D-T1w序列是否足以保留区域萎缩模式，以用于自动化脑体积测量 | 阿尔茨海默病（AD）、额颞叶痴呆（FTD）患者及健康对照（HC）的脑MRI图像 | 数字病理学 | 神经退行性疾病 | 3D-T1w MRI、3D FLAIR、4 mm轴向FLAIR、4 mm冠状T2 MRI | 深度学习 | 3D MRI图像 | 包括AD、FTD患者和HC的回顾性队列，具体样本数量未在摘要中明确 | FreeSurfer, VolBrain | SynthSR, SynthSeg+, AssemblyNet-AD-FTD | 体积测量差异的p值（如总白质体积、总灰质体积、海马体积），疾病概率预测的p值 | NA |
| 3153 | 2026-03-01 |
DoC-Informer: Automated Discrimination of Disorders of Consciousness under Adaptive EEG Settings
2026-Feb-27, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3668768
PMID:41758838
|
研究论文 | 本研究提出了一种名为DoC-Informer的CNN-Transformer混合框架，用于在自适应EEG设置下自动鉴别意识障碍状态 | 提出了一种结合通道独立架构、电极位置编码和通道掩码训练策略的CNN-Transformer混合框架，能够有效处理不完整的电极覆盖并减少对人工特征的依赖 | 未明确说明模型在更广泛临床环境中的泛化能力，以及与其他模态数据（如fMRI）结合的可能性 | 开发一种自动化EEG分析框架，用于准确鉴别意识障碍的不同状态，以辅助临床诊断和治疗决策 | 意识障碍患者，包括无反应觉醒综合征和最小意识状态患者 | 数字病理学 | 老年疾病 | EEG | CNN, Transformer | EEG信号 | 两个真实世界DoC数据集（包含UWS和MCS患者），具体样本数量未明确说明 | PyTorch | CNN-Transformer混合架构，包含浅层时间特征编码模块、空间Transformer和时间Transformer | 准确性，鲁棒性评估，消融研究验证 | 未明确说明 |
| 3154 | 2026-03-01 |
NPSVC++: A Representation Learning Framework for Nonparallel Classifiers
2026-Feb-27, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3661343
PMID:41758861
|
研究论文 | 本文提出了一种名为NPSVC++的表示学习框架，用于改进非平行支持向量分类器（NPSVCs）的性能 | 基于多目标优化开发NPSVC++框架，首次实现NPSVC与特征的联合学习，通过追求帕累托最优性确保跨类特征最优性，有效解决了特征次优性和类依赖性问题 | 未在摘要中明确说明 | 通过表示学习提升非平行支持向量分类器的性能 | 非平行支持向量分类器（NPSVCs） | 机器学习 | NA | 多目标优化 | 支持向量分类器 | NA | NA | NA | K-NPSVC++, D-NPSVC++ | NA | NA |
| 3155 | 2026-03-01 |
MDDTA: A Drug Target Binding Affinity Prediction Method Based on Molecular Dynamics Simulation Data Enhancement
2026-Feb-27, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3668781
PMID:41758859
|
研究论文 | 本文提出了一种基于分子动力学模拟数据增强的药物靶点结合亲和力预测方法MDDTA，旨在通过整合动态构象信息提升预测性能 | 构建了增强采样的分子动力学模拟数据集MD-PDBbind，并提出具有等变与不变特性的FAFormer架构，同时设计了动态感知损失函数 | 未明确说明模型对计算资源的具体需求及在更大规模数据集上的泛化能力 | 提升药物靶点结合亲和力预测的准确性，以增强药物筛选效率 | 药物靶点复合物的动态构象 | 机器学习 | NA | 分子动力学模拟 | Transformer | 分子结构数据，动态构象数据 | CASF-2016数据集及70个SARS-CoV-2候选化合物 | NA | FAFormer | 评分性能，排序性能 | NA |
| 3156 | 2026-03-01 |
Deep learning for fast screening and localization of spinal dural arteriovenous fistulas to enhance clinical workflow
2026-Feb-27, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02474-z
PMID:41760890
|
研究论文 | 本研究开发了一个名为SDAVFdoc的自动化AI系统，用于快速筛查和定位脊髓硬脊膜动静脉瘘，以优化临床工作流程 | 将3D卷积神经网络与解剖学先验知识相结合，实现了对SDAVF的自动识别和瘘口定位，并显著减少了处理时间和操作步骤 | NA | 开发一个自动化AI系统，用于快速、准确地筛查和定位脊髓硬脊膜动静脉瘘，以提升临床工作效率 | 脊髓硬脊膜动静脉瘘患者 | 数字病理学 | 心血管疾病 | CTA成像 | CNN | 图像 | 718名患者的多中心研究 | NA | DenseNet | F1分数, AUC | NA |
| 3157 | 2026-03-01 |
Deep Learning Based Approach for Lossless ECG Compression
2026-Feb-27, Cardiovascular engineering and technology
IF:1.6Q4
DOI:10.1007/s13239-026-00821-5
PMID:41761039
|
研究论文 | 本文提出了一种基于深度学习的无损ECG压缩新方法，通过自适应ARIMA模型实现高质量压缩 | 结合深度自编码器和多层感知器神经网络回归器预测ARIMA模型超参数，并利用粒子群优化离线调优，实现自适应无损ECG压缩 | 仅使用了MIT-BIH数据库中的46条记录，样本量有限，且未提及在其他数据库或实际临床环境中的验证 | 开发一种用于远程心脏监测的无损ECG压缩技术，以减少数据传输和存储负担 | ECG信号，特别是来自MIT-BIH数据库的10种主要异常心跳类型 | 机器学习 | 心血管疾病 | ECG信号处理，自适应ARIMA模型 | 深度自编码器，多层感知器神经网络 | ECG信号 | 46条来自MIT-BIH数据库的记录，包含10种异常心跳类型 | NA | 深度自编码器，多层感知器神经网络 | 压缩率，百分比均方根误差 | NA |
| 3158 | 2026-03-01 |
Clinical Grading of Artificial Intelligence-Based 3D Fetal Brain Segmentations: A Cross-Vendor Evaluation of Deep Learning in Fetal Neuroimaging
2026-Feb-27, Prenatal diagnosis
IF:2.7Q2
DOI:10.1002/pd.70103
PMID:41761049
|
研究论文 | 本研究评估了基于深度学习的3D胎儿大脑自动分割方法在不同超声设备供应商数据集上的性能，并引入了临床医生视觉评估框架 | 首次在不同供应商的3D超声数据集上评估胎儿大脑分割方法，并提出了与DSC互补的临床视觉评估框架 | 研究仅包含19-26+6周孕期的胎儿数据，未涵盖更早或更晚孕期阶段 | 评估深度学习模型在跨供应商3D胎儿神经影像数据上的分割鲁棒性和临床适用性 | 141名胎儿（270个3D超声体积数据） | 数字病理学 | NA | 3D超声成像 | 深度学习 | 3D超声图像 | 270个体积数据（来自141名胎儿，孕期19-26+6周） | NA | NA | Dice相似系数, 视觉分级评分 | NA |
| 3159 | 2026-03-01 |
Editorial for "Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation"
2026-Feb-27, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70283
PMID:41761402
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3160 | 2026-03-01 |
Methodological considerations for a deep learning-based prescription framework for traditional Chinese medicine
2026-Feb-27, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.70401
PMID:41761602
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |