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 39887 篇文献，本页显示第 3781 - 3800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3781 | 2026-01-01 |
Multicenter Validation of Video-based Deep Learning to Evaluate Defecation Patterns on 3-dimensional High-definition Anorectal Manometry
2026-Jan, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
IF:11.6Q1
DOI:10.1016/j.cgh.2025.06.038
PMID:40706732
|
研究论文 | 本研究通过多中心验证，评估了基于视频的深度学习算法在三维高清肛门直肠测压中分析排便模式的性能 | 开发了一种能够进行时空分析的深度学习算法，并在多中心环境中验证其性能，同时通过高斯混合模型聚类揭示了两种新的排便协同失调亚型 | 研究仅基于2018年至2022年的数据，且算法在不同医疗中心的性能存在差异（AUC从0.79到0.99不等） | 验证深度学习算法在三维高清肛门直肠测压中评估排便模式的诊断准确性 | 1214例连续进行的肛门直肠测压研究 | 数字病理学 | 胃肠道动力障碍 | 三维高清肛门直肠测压 | 深度学习 | 视频 | 1214例肛门直肠测压研究 | NA | 混合深度学习算法 | AUC | NA |
| 3782 | 2026-01-01 |
GastroNet-5M: A Multicenter Dataset for Developing Foundation Models in Gastrointestinal Endoscopy
2026-Jan, Gastroenterology
IF:25.7Q1
DOI:10.1053/j.gastro.2025.07.030
PMID:40749857
|
研究论文 | 本研究介绍了GastroNet-5M数据集，包含约500万张内窥镜图像，用于开发胃肠道内窥镜基础模型 | 提出了一个大规模、多中心的内窥镜图像数据集，并基于此通过自监督学习开发了基础模型，该模型在多种下游AI应用中表现出优越性能 | 数据集主要来自荷兰的8家医院，可能在地域和人群多样性上存在限制 | 开发用于胃肠道内窥镜的基础模型，以提升AI系统的诊断准确性、数据效率和鲁棒性 | 胃肠道内窥镜图像 | 数字病理学 | 胃肠道疾病 | 自监督学习 | 基础模型 | 图像 | 4,820,653张内窥镜图像，来自约500,000次检查 | NA | NA | 分类准确率, 分割准确率, 数据效率, 鲁棒性 | NA |
| 3783 | 2026-01-01 |
Editorial for "Deep Learning-Based Brainstem Segmentation and Multi-Class Classification for Parkinsonian Syndrome"
2025-Dec-31, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70210
PMID:41473963
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3784 | 2026-01-01 |
Test-Time Adaptation for Detecting Image Inpainting Forgeries
2025-Dec-30, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3647640
PMID:41468337
|
研究论文 | 提出一种用于检测图像修复伪造的测试时自适应检测框架 | 提出基于图像梯度的模型不确定性度量指标来协调整个自适应过程，并引入跨注意力模块作为侧调模块，使模型能在不改变主干网络的情况下动态适应可靠的测试样本 | NA | 解决图像修复伪造检测模型在测试样本与训练数据存在差异时性能显著下降的问题 | 深度学习生成的图像修复伪造图像 | 计算机视觉 | NA | NA | CNN | 图像 | 包含多种修复方法生成的合成图像数据集 | PyTorch | ResNet | 准确率 | NA |
| 3785 | 2026-01-01 |
Development and Validation of a Multimodal Deep Learning Model for Early Esophageal Squamous Neoplasia Detection and Invasion Depth Prediction
2025-Dec-30, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2780-0974
PMID:41468904
|
研究论文 | 开发并验证了一种基于多模态深度学习的模型MUMA-EDx，用于早期食管鳞状细胞癌的检测和浸润深度预测 | 首次将放大内镜和超声内镜成像通过深度学习进行特征级融合，显著提升了早期食管鳞癌的识别和浸润深度评估性能 | 模型在外部验证队列中对于多类浸润深度分类的AUC有所下降，表明可能存在泛化性限制 | 提高早期食管鳞状细胞癌的诊断准确性和浸润深度预测能力 | 食管鳞状细胞癌患者的内镜图像数据 | 数字病理学 | 食管癌 | 放大内镜，超声内镜 | 深度学习 | 图像 | 回顾性数据集460名患者（20,889张图像），前瞻性队列131名患者（9,124张图像） | NA | TResNet_m | AUC-ROC，准确率，灵敏度，特异性，阳性预测值，阴性预测值 | NA |
| 3786 | 2026-01-01 |
Computer vision in aquaculture: transforming fish freshness monitoring
2025-Dec-30, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2025.2607533
PMID:41472339
|
综述 | 本文综述了计算机视觉技术在鱼类新鲜度评估中的应用，重点关注过去十年的进展，包括传统方法和深度学习方法，并探讨了高级成像技术的整合及面临的挑战 | 系统地将鱼类新鲜度评估任务分为新鲜度指标、纹理特征和生化变化三个关键方面，并全面介绍了常用算法模型，同时强调了高级成像技术（如高光谱和热成像）的整合，以检测传统成像技术无法捕捉的生化与微生物变化 | 未具体说明模型性能的量化比较或实际应用中的可扩展性限制 | 探讨计算机视觉技术在鱼类新鲜度监测中的应用，以提升鱼类产品的新鲜度和安全性，优化供应链管理 | 鱼类新鲜度评估，包括新鲜度指标、纹理特征和生化变化 | 计算机视觉 | NA | 计算机视觉、图像处理、高光谱成像、热成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 3787 | 2026-01-01 |
Real-time cognitive workload assessment using non-intrusive methods: a systematic review
2025-Dec-30, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2025.2606779
PMID:41472475
|
综述 | 本文系统综述了实时认知负荷评估的非侵入性方法，总结了50项研究中的实践、方法趋势和技术进展 | 通过任务分类揭示生理测量与任务需求之间的对应关系，并指出混合方法在现实世界应用中的适应性框架发展趋势 | NA | 评估实时认知负荷以提升人类表现和安全性 | 认知负荷监测的生理和行为数据 | 机器学习 | NA | 心电图（ECG）、光电容积脉搏波（PPG）、皮肤电活动（EDA）、眼动追踪、脑电图（EEG）、皮肤温度（SKT） | 传统机器学习、统计模型、深度学习模型 | 生理和行为数据 | 50项研究 | NA | NA | NA | NA |
| 3788 | 2026-01-01 |
La-Doped Mullite Bi2Fe4O9 Chemiresistive Gas Sensor for Ultra-Highly Selective Detection of Ethylene Glycol
2025-Dec-30, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202517585
PMID:41472488
|
研究论文 | 本文报道了一种镧掺杂莫来石型铁酸铋（La-BiFeO）化学电阻式气体传感器的合成及其对乙二醇蒸气的高选择性检测性能 | 首次报道了镧掺杂莫来石型铁酸铋材料，通过原子级掺杂调控氧空位浓度，结合原位红外光谱与DFT计算阐明乙二醇表面氧化反应机制，并集成了可穿戴实时监测平台与深度学习算法 | 未明确说明传感器在极端温湿度环境下的性能表现，也未涉及与其他类型传感器的对比研究 | 开发高选择性、高稳定性的乙二醇蒸气检测传感器，用于工业安全与环境监测 | 乙二醇蒸气 | 化学传感器 | NA | 原子分辨率成像、微化学分析、原位红外光谱、密度泛函理论计算 | 深度学习算法 | 气体传感信号数据 | 未明确说明 | 未明确说明 | 未明确说明 | 选择性、重现性、长期稳定性、检测限 | 未明确说明 |
| 3789 | 2026-01-01 |
Learning Protein Structure Representation with Orientation-Aware Networks
2025-Dec-29, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1177/15578666251406300
PMID:41468157
|
研究论文 | 提出了一种新颖的深度学习框架——方向感知图神经网络（OA-GNNs），用于更准确地表示蛋白质三维结构中的精细方向关系 | 通过将神经网络权重从标量扩展到3D定向权重，并实现确保SO(3)等变性的等变消息传递范式，首次明确建模了局部和全局几何特征（包括残基内扭转角和残基间方向） | 未在摘要中明确说明 | 开发能够准确捕捉蛋白质结构中氨基酸间精细方向关系的表示学习方法，以促进对蛋白质机制的理解和计算蛋白质分析 | 蛋白质三维结构 | 计算生物学 | NA | 深度学习 | 图神经网络（GNN） | 蛋白质结构数据 | 未在摘要中明确说明 | 未在摘要中明确说明 | 方向感知图神经网络（OA-GNNs） | 未在摘要中明确说明具体指标，但提及在多个任务上达到最先进性能 | 未在摘要中明确说明 |
| 3790 | 2026-01-01 |
Interpretable deep learning for dynamic rainfall-runoff prediction: Integrating adaptive signal decomposition and spatiotemporal feature extraction
2025-Dec-29, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.128444
PMID:41468612
|
研究论文 | 本研究提出了一种结合自适应信号分解和时空特征提取的降雨径流预测模型，以提高预测精度和可解释性 | 创新点包括应用自适应粒子群优化变分模态分解算法进行多尺度分解和去噪，以及采用时空注意力机制动态探索降雨径流数据的时空依赖关系，并通过注意力权重可视化增强模型可解释性 | 未明确提及具体局限性，如模型泛化能力或计算复杂度 | 提高降雨径流预测的准确性，并增强模型对复杂非线性时空数据的建模和预测能力 | 降雨径流数据，特别是具有非线性和非平稳特性的时间序列 | 机器学习 | NA | 自适应粒子群优化变分模态分解算法，时空注意力机制 | 门控循环单元 | 时间序列数据 | NA | NA | NA | 纳什效率系数, 均方根误差, 平均绝对误差, 相关系数 | NA |
| 3791 | 2026-01-01 |
[Image classification of osteoarthritis based on improved shifted windows transformer and graph convolutional networks]
2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202504039
PMID:41448761
|
研究论文 | 本文提出了一种基于改进的Swin Transformer和图卷积网络的骨关节炎自动诊断方法 | 设计了移位窗口水平注意力机制以增强水平方向特征提取能力，并引入了中心注意力图SAGE模块通过动态注意力机制对病灶区域特征信息进行加权聚合，同时利用跨层连接技术实现多层特征的高效融合 | NA | 提高骨关节炎早期诊断的准确性 | 骨关节炎的X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像 | Transformer, 图卷积网络 | 图像 | NA | NA | 改进的Swin Transformer, 图SAGE | 准确率, 召回率, 精确率, F1分数, AUC | NA |
| 3792 | 2026-01-01 |
[Research progress on quantitative magnetic susceptibility imaging reconstruction method based on improved U-network model]
2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202412074
PMID:41448772
|
综述 | 本文总结了2020年至今基于改进U-Net架构在定量磁化率成像（QSM）偶极子反演中的应用进展 | 将基于U-Net架构的改进模型系统分为三类：基于结构优化、物理约束和泛化能力提升的改进U-Net，并梳理了其设计出发点 | NA | 通过总结和比较不同改进U-Net模型，解决偶极子反演的困难与挑战，提高QSM图像准确性，为疾病辅助诊断提供支持 | 定量磁化率成像（QSM）的偶极子反演过程 | 计算机视觉 | NA | 磁共振成像（MRI）相位信号处理与反演 | U-Net | 图像 | NA | NA | U-Net | NA | NA |
| 3793 | 2026-01-01 |
[Review of application of U-Net and Transformer in colon polyp image segmentation]
2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202405039
PMID:41448773
|
综述 | 本文综述了U-Net和Transformer在结肠息肉图像分割中的应用，包括常用评估指标、数据集、模型改进方法及未来研究方向 | 系统性地回顾了基于U-Net、Transformer及其混合方法在结肠息肉分割领域的应用，并总结了算法的改进方法、优势与局限性 | NA | 探讨深度学习技术在结肠息肉图像分割中的应用，以辅助临床诊断 | 结肠息肉图像 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN, Transformer | 图像 | NA | NA | U-Net, Transformer | NA | NA |
| 3794 | 2026-01-01 |
Learning to learn ecosystems from limited data
2025-Dec-23, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2525347122
PMID:41405860
|
研究论文 | 本文提出了一种基于元学习的框架，利用时间延迟前馈神经网络从有限数据中预测生态系统的长期行为 | 通过元学习框架，结合非生态非线性动力系统的合成数据，显著减少对生态系统观测数据的需求，提高预测准确性和鲁棒性 | 未明确说明框架在极端或高度非线性生态系统中的泛化能力，且对真实世界数据的适用性仍需进一步验证 | 开发数据驱动方法，解决生态系统状态估计和预测中数据稀缺的挑战 | 生态系统，包括基准种群模型（如Hastings-Powell模型、Lotka-Volterra系统）和真实世界生态数据集（微生物时间序列数据集、全球种群动态数据库） | 机器学习 | NA | 元学习、时间延迟前馈神经网络 | 神经网络 | 时间序列数据 | 未明确具体样本数量，但涉及三个基准种群模型和两个真实世界数据集 | 未指定 | 时间延迟前馈神经网络 | 准确性、鲁棒性 | NA |
| 3795 | 2026-01-01 |
Deep learning enables accurate diagnosis of acute cholecystitis and prediction of suppuration using noncontrast CT
2025-Dec-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.114180
PMID:41458913
|
研究论文 | 本研究开发了一种基于腹部非增强CT的深度学习模型，用于诊断急性胆囊炎并预测其进展为急性化脓性胆囊炎 | 首次利用深度学习从非增强CT中准确诊断急性胆囊炎并预测化脓性进展，模型性能超越传统放射组学模型和放射科医生评估 | 研究为回顾性分析，可能存在选择偏倚；外部验证样本量相对较小 | 开发一种高效的深度学习系统，以支持时间敏感的临床工作流程，实现急性胆囊炎及其化脓性进展的准确诊断 | 来自三个医疗中心的641名患者的腹部非增强CT图像 | 计算机视觉 | 胆囊炎 | 非增强CT成像 | 深度学习模型 | 医学图像 | 641名患者 | NA | NA | 准确率 | NA |
| 3796 | 2026-01-01 |
Continuous tobacco smoking increases mortality in diffuse large B-cell lymphoma but not follicular lymphoma, a Finnish population-based study
2025-Dec-17, Acta oncologica (Stockholm, Sweden)
DOI:10.2340/1651-226X.2025.44776
PMID:41408704
|
研究论文 | 本研究探讨了持续吸烟对弥漫性大B细胞淋巴瘤和滤泡性淋巴瘤患者死亡率的影响 | 利用深度学习自然语言处理算法提取吸烟状态，并在利妥昔单抗时代评估吸烟与淋巴瘤预后的关联 | 研究基于芬兰两个大学医院的数据，可能无法完全推广到其他人群或地区 | 评估吸烟状态对B细胞淋巴瘤患者生存结局的影响 | 弥漫性大B细胞淋巴瘤和滤泡性淋巴瘤患者 | 自然语言处理 | 淋巴瘤 | 深度学习自然语言处理算法 | NA | 电子病历文本数据 | DLBCL患者1258人，FL患者529人 | NA | NA | 总生存率，风险比 | NA |
| 3797 | 2026-01-01 |
The reliability of remote photoplethysmography under low illumination and elevated heart rates
2025-Dec-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02192-y
PMID:41339699
|
研究论文 | 本研究系统评估了远程光电容积描记术（rPPG）在低光照和高心率条件下的可靠性，并引入新的CHILL数据集进行验证 | 引入了包含不同光照条件和运动诱发心率范围的CHILL数据集，首次系统揭示了现有rPPG方法在高心率条件下的性能显著下降问题 | 研究样本量相对有限（45名参与者），且仅针对特定挑战条件进行评估，未涵盖所有可能影响rPPG性能的环境因素 | 评估远程光电容积描记术在真实世界数字健康环境中的可靠性和鲁棒性 | 远程光电容积描记术算法在低光照和高心率条件下的性能表现 | 数字健康 | 心血管疾病 | 远程光电容积描记术 | 信号处理方法,深度学习模型 | 视频,PPG信号 | 45名参与者在两种光照条件和运动诱发心率条件下的数据 | NA | NA | NA | NA |
| 3798 | 2026-01-01 |
ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction
2025-Dec, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3573581
PMID:40418608
|
研究论文 | 本文提出并评估了一种名为ECG-SMART-NET的深度学习架构，用于精确诊断闭塞性心肌梗死 | 提出了一种临床信息引导的ResNet-18架构改进，通过先学习时间特征再学习空间特征的方式，更好地捕捉ECG信号中的时间和空间信息 | 未明确提及研究的局限性 | 开发并评估一种深度学习架构，用于从12导联心电图识别闭塞性心肌梗死 | 闭塞性心肌梗死患者的心电图数据 | 数字病理学 | 心血管疾病 | 心电图 | CNN | 图像 | 来自7,397名独特患者的10,393份心电图 | NA | ResNet-18, ECG-SMART-NET | AUC | NA |
| 3799 | 2026-01-01 |
Zero-shot deep learning for the annotation of unknown eDNA sequences using co-occurrences and phylogenetic embeddings
2025-Dec, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013776
PMID:41417866
|
研究论文 | 本文提出一种零样本深度学习方法来注释未知环境DNA序列，结合物种共现数据和系统发育嵌入以提高分类注释的准确性 | 利用系统发育嵌入和物种共现数据，通过人工神经网络直接从原始序列预测未见物种，无需依赖完整参考数据库 | 方法在测试案例中对未见物种的正确预测率约为24%，仍有提升空间，且可能受数据质量和覆盖范围影响 | 开发自动化且改进的环境DNA序列分类注释方法，以应对大规模生物多样性监测中的数据处理挑战 | 环境DNA序列及其相关的物种参考数据库、物种共现数据和系统发育信息 | 机器学习 | NA | 环境DNA宏条形码技术 | 人工神经网络 | DNA序列数据 | 超过31,000种可能性物种的测试案例 | NA | 人工神经网络 | 正确预测率 | NA |
| 3800 | 2026-01-01 |
A novel computational analysis integrating social determinants information from EHR and literature with Alzheimer's disease biological knowledge through large language models and knowledge graphs
2025-Dec, Innovation in aging
IF:4.9Q1
DOI:10.1093/geroni/igaf102
PMID:41458885
|
研究论文 | 本研究利用大语言模型和知识图谱整合电子健康记录与文献中的社会决定因素信息，结合阿尔茨海默病的生物学知识，通过图深度学习进行链接预测分析 | 首次将社会决定因素信息通过大语言模型和知识图谱整合到阿尔茨海默病的生物学研究中，并利用图深度学习进行链接预测，揭示了社会因素与生物因素之间的潜在相互作用 | 研究主要基于现有文献和电子健康记录数据，可能受数据质量和覆盖范围的限制，且验证依赖于单细胞RNA-seq和蛋白质组学数据，需进一步实验验证 | 探索社会决定因素对阿尔茨海默病风险的影响，并整合社会与生物学知识以提升疾病预测和干预策略 | 阿尔茨海默病及相关痴呆症患者的社会决定因素和生物学数据 | 自然语言处理, 机器学习 | 阿尔茨海默病 | 单细胞RNA-seq, 蛋白质组学 | 图深度学习 | 文本, 结构化数据 | NA | NA | NA | 准确率 | NA |