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 48137 篇文献，本页显示第 4021 - 4040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4021 | 2026-06-19 |
A Driving Regime-Embedded Deep Learning Framework for Modeling Intradriver Heterogeneity in Multiscale Car-Following Dynamics
2026-Jul, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2026.3660643
PMID:41671114
|
研究论文 | 提出一种嵌入驾驶模式的深度学习框架，用于建模多尺度跟驰动态中的个体驾驶员异质性 | 系统性地将离散驾驶模式嵌入车辆运动预测，利用混合深度学习架构融合GRU和LSTM，统一了离散决策与连续动力学，更准确地表征个体驾驶员的动态异质性 | NA（摘要未明确说明局限性） | 解决跟驰建模中个体驾驶员异质性的表示难题，提升多尺度跟驰动态预测的准确性 | 个体驾驶员的跟驰行为，包括稳态跟驰、加速、巡航等不同驾驶模式下的动态变化 | 机器学习 | NA | NA | GRU、LSTM | 高分辨率交通轨迹数据 | NA（摘要未说明具体样本量） | PyTorch（假设） | GRU, LSTM | 多项预测误差指标（未具体列出） | NA |
| 4022 | 2026-06-19 |
Multiview 2.5D Deep Learning Outperforms 2D and 3D Models for Preoperative Prediction of Visceral Pleural Invasion in Stage IA Lung Adenocarcinoma
2026-Jul-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000876
PMID:41854294
|
研究论文 | 本研究评估了两种新型2.5维深度学习模型在预测临床IA期肺腺癌内脏胸膜侵犯中的性能，并与传统2D和3D模型进行比较 | 首次验证2.5D深度学习模型（特别是多视图方法）用于内脏胸膜侵犯预测，通过可解释可视化揭示空间相关生物标志物 | 未明确说明 | 评估2.5D深度学习模型在术前预测IA期肺腺癌内脏胸膜侵犯中的性能 | 804名经病理确诊的IA期肺腺癌患者 | 计算机视觉 | 肺癌 | NA | 2.5D深度学习模型（多视图模型和上下文模型） | CT图像 | 804名患者，分为训练集（360人）、内部验证集（155人）和外部测试集（289人） | NA | NA | AUC，准确率，阳性预测值，阴性预测值 | NA |
| 4023 | 2026-06-19 |
AI-Based Denoising for Simulated Dose Reduction in Pediatric Chest Radiography: A Prospective Multicenter Evaluation of Image Quality and Diagnostic Performance
2026-Jul, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.04.003
PMID:42034503
|
研究论文 | 本研究前瞻性地评估了基于AI的降噪技术对模拟低剂量小儿胸部X光片图像质量和诊断性能的影响 | 首次在大规模多中心前瞻性研究中验证了一种与设备无关的深度学习降噪系统，并评估了其在约50%剂量减少下诊断性能的变化幅度 | 非劣效性检验未通过，因为诊断性能差异的置信区间跨越了预设的非劣效性界值，且研究使用了模拟低剂量数据而非临床获取的原始低剂量数据 | 评估基于AI的降噪技术是否能在模拟低剂量小儿胸部X光片中提高图像质量和维持诊断性能 | 420名接受临床胸部X光检查的小儿患者 | 计算机视觉 | 肺炎、肺不张、心脏扩大 | X光摄影，深度学习降噪 | CNN | 图像 | 420名小儿患者，来自四家三级医院 | NA | 深度残差卷积神经网络 | 结构相似性、噪声特性、AUC | NA |
| 4024 | 2026-06-19 |
FINS: An interactive platform for automated zebrafish image analysis and morphological screening
2026-Jul, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2026.100426
PMID:42067140
|
研究论文 | 介绍了一个交互式网络平台FINS，用于斑马鱼图像的自动分析和形态筛选 | 集成基于深度学习的分类与可视化质量控制，实现自动评分，减少人工评分时间和变异性 | NA | 开发一个可重复、可扩展的斑马鱼形态学自动评分工具 | 斑马鱼胚胎图像 | 计算机视觉 | NA | NA | 卷积神经网络 | 图像 | NA | TensorFlow, PyTorch, Keras | CNN | F1分数 | NA |
| 4025 | 2026-06-19 |
DSMDTN: A Data-Selective Multiscale Dual Transfer Network for Fault Diagnosis of Key Components in Rotating Machinery
2026-Jul, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2026.3662702
PMID:41706780
|
研究论文 | 提出了一种数据选择性多尺度双迁移网络，用于旋转机械关键部件的故障诊断 | 创新性地结合数据选择器、多尺度拼接U-Net和双分类器，实现了跨工况和噪声环境下的高效故障诊断 | 未提及 | 提高滚动轴承在不同工作条件和噪声环境下的故障诊断性能 | 旋转机械关键部件（如滚动轴承）的故障诊断 | 机器学习 | NA | NA | U-Net | 振动信号 | CWRU公开数据集和PT500mini试验台自采数据集 | NA | 多尺度拼接U-Net（MCU-Net） | 准确率 | NA |
| 4026 | 2026-06-19 |
DeePedIMV: Deep learning model for early prediction of invasive mechanical ventilation in critically ill children
2026 Jul-Aug, Heart & lung : the journal of critical care
IF:2.4Q2
DOI:10.1016/j.hrtlng.2026.102761
PMID:41849979
|
研究论文 | 开发并评估用于危重儿童有创机械通气早期预测的深度学习模型DeePedIMV | 首次将深度学习应用于危重儿童有创机械通气需求的早期预测，可提前8小时预警，且性能优于传统评分和机器学习模型 | 单中心回顾性研究，需要外部验证和前瞻性评估 | 提前预测危重儿童有创机械通气需求，支持早期临床恶化识别 | 儿科重症监护病房（PICU）年龄<18岁的危重患儿 | 机器学习 | 儿科重症疾病 | 电子病历数据分析 | 深度学习模型（DeePedIMV） | 时间序列临床数据 | 1318例PICU住院病例（含688例IMV病例，占52.2%） | NA | NA | AUROC, AUPRC, 阳性预测值, 似然比 | NA |
| 4027 | 2026-06-19 |
ECG-Gated Retrospective Coronary CT Angiography With Deep Learning Reconstruction on 8-cm Detector CT Scanners: Pushing Radiation Dose Towards Prospective Acquisition on 16-cm Wide-Detector Scanners
2026-Jul-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000879
PMID:41891715
|
研究论文 | 利用深度学习重建技术，将8厘米探测器CT扫描仪上的回顾性冠脉CTA辐射剂量降低至16厘米宽探测器前瞻性扫描的水平，并验证图像质量非劣效性 | 首次证明深度学习重建能使8厘米探测器扫描仪的回顾性冠脉CTA辐射剂量降至与16厘米宽探测器前瞻性扫描相当的水平，同时保持图像质量不劣于常规剂量 | 样本量较小，且仅纳入特定体重（55-75 kg）和心率（<75 bpm）的患者，可能限制结果的普适性 | 评估利用深度学习重建技术降低8厘米探测器CT扫描仪回顾性冠脉CTA辐射剂量至16厘米宽探测器前瞻性扫描水平的可行性 | 8厘米探测器CT扫描仪上接受低剂量和常规剂量回顾性冠脉CTA的患者 | 计算机视觉 | 心血管疾病 | 冠脉CT血管成像 | 深度学习重建 | 图像 | 83例低剂量（A组）和62例常规剂量（B组）回顾性冠脉CTA病例 | NA | 深度学习重建 | 信号噪声比、主观评分 | NA |
| 4028 | 2026-06-19 |
Deep learning models to predict mammographic density jointly on standard dose and low dose images
2026-Jul-01, The British journal of radiology
DOI:10.1093/bjr/tqag090
PMID:42049900
|
research paper | 使用深度学习模型在标准剂量和低剂量乳腺X光图像上预测乳腺密度 | 训练联合模型在标准剂量和模拟低剂量图像上预测密度，验证低剂量图像可用于准确风险分层 | 模拟低剂量图像与实际低剂量图像之间存在差异，导致预测误差略有增加 | 评估深度学习模型是否能在低剂量乳腺X光图像上准确估计乳腺密度，以实现早期乳腺癌风险分层 | 标准剂量和低剂量乳腺X光图像 | machine learning | breast cancer | mammography | CNN | image | 训练集107,619张标准剂量乳腺X光图像，独立测试集294对标准剂量和真实低剂量图像 | NA | NA | root mean squared error (RMSE) | NA |
| 4029 | 2026-06-19 |
Time-aware attention network for multi-step future prediction in wastewater treatment
2026-Jul-01, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.130193
PMID:42296759
|
研究论文 | 提出一种时间感知注意力网络（TAANet），用于污水处理过程中的多步未来预测 | 首次实现轨迹级别的多指标同时预测、基于注意力的动态融合模块捕获时变相互依赖关系、多分量时间嵌入显式编码周期和日历结构以表征非平稳系统行为 | NA | 提升污水处理过程中多步预测的准确性，支持未来状态感知和运行决策 | 污水处理过程中的多个参数（如化学需氧量去除效率） | 机器学习 | NA | NA | 时间感知注意力网络 | 传感器数据 | 来自实际城市污水的长期厌氧生化处理实验数据集 | PyTorch | Transformer, Informer, PatchTST, iTransformer | R值, 均方误差 | NA |
| 4030 | 2026-06-19 |
Enhancing Generalizability and Clinical Integration of CT-based Deep Learning for Ovarian Tumor Classification
2026-Jul, Radiology. Imaging cancer
DOI:10.1148/rycan.260141
PMID:42313079
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4031 | 2026-06-19 |
Integrating van't Hoff Equation with Artificial Neural Network for the Prediction of H2S Solubility in Ionic Liquids
2026-Jun-18, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.6c01869
PMID:42237580
|
研究论文 | 将范特霍夫方程与人工神经网络融合，用于预测离子液体中硫化氢的溶解度 | 提出一种物理信息混合人工神经网络，将范特霍夫方程直接嵌入模型架构，确保预测在未知化学空间中保持物理一致性，克服了纯数据驱动模型在复杂化学外推任务中的局限性 | NA | 开发一种可靠、可解释且具有良好泛化能力的预测模型，以加速高性能离子液体在硫化氢捕获中的发现 | 离子液体中硫化氢的溶解度 | 机器学习 | NA | NA | 混合人工神经网络 | NA | NA | NA | 混合人工神经网络（集成范特霍夫方程） | 决定系数 | NA |
| 4032 | 2026-06-19 |
A universal deep learning framework for empowering nanopore identification by reinforcing temporal signals
2026-Jun-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-74507-w
PMID:42309994
|
研究论文 | 提出一种名为SEDA-Former的通用深度学习框架，通过增强时间信号特征来提高纳米孔单分子识别的准确性 | 首次引入多窗口滑动标准差方法进行特征增强，并采用渐进式自适应注意力训练策略，基于学习难度动态重加权样本损失，有效提取弱判别特征 | 未提及在更复杂生物分子（如蛋白质或聚糖）上的直接验证，也未讨论框架在不同实验条件下的鲁棒性 | 开发一种高性能的深度时间学习框架，解决纳米孔传感中高相似度离子电流数据的分类难题 | 纳米孔信号数据，包括15种糖苷、24种人参皂苷、8种DNA分子和17种胆酸共轭物的信号 | 机器学习 | NA | 纳米孔传感 | Transformer, 时序卷积网络 | 时间序列信号 | 涉及15种糖苷、24种人参皂苷、8种DNA分子和17种胆酸共轭物的纳米孔信号样本 | NA | SEDA-Former | 分类准确率 | NA |
| 4033 | 2026-06-19 |
An in situ non-contact 3D microscopic measurement system for temporal bone anatomy based on stereo imaging
2026-Jun-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56801-1
PMID:42310033
|
研究论文 | 开发了一种基于立体成像的原位非接触式颞骨解剖三维显微测量系统 | 集成显微立体标定、基于深度学习的视差估计、三维重建和交互式测量流程，实现高精度原位非接触测量 | 作为技术原型，仅在有限样本（四块颞骨）上验证，尚未在术中实际应用 | 实现颞骨微解剖结构的精确、非接触、原位三维定量测量 | 颞骨微解剖结构（来自两具新鲜冷冻尸头的四块颞骨） | 计算机视觉 | N/A | 立体成像、深度学习、三维重建、显微成像 | 深度学习模型（用于视差估计） | 图像（显微立体图像） | 四块颞骨（来自两具尸体头部） | N/A | N/A | 均方根误差、平均误差、最大误差 | N/A |
| 4034 | 2026-06-19 |
Inferring translational efficiency from transcriptomes improves noncanonical neoantigen prioritization and cancer patient stratification
2026-Jun-18, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01567-y
PMID:42310075
|
研究论文 | 本研究提出一个多维框架，通过从转录组推断翻译效率来改善非经典新抗原的优先排序和癌症患者分层 | 首次评估基于计算推断的翻译组在临床中的应用价值，揭示了标准RNA-seq无法发现的“暗蛋白质组”，并将其整合到新抗原管道中，修正了表达谱方法导致的高危患者误分类 | NA | 验证从RNA-seq推断翻译效率的策略能否提供超越标准RNA-seq的临床效用，并开发一个翻译感知的新抗原优先排序管道 | 15个独立数据集中的肿瘤样本，包括胶质瘤患者队列 | 机器学习 | 胶质瘤 | RNA-seq, 核糖体足迹测序 | 深度学习模型 | 转录组数据 | 15个独立数据集（具体样本数量未说明） | NA | Translatomer | 生存分析 | NA |
| 4035 | 2026-06-19 |
Deep integration of clinical metadata with [18F]FDG PET/CT imaging for histological subtyping in non-small cell lung cancer: a multi-center study
2026-Jun-18, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-026-08010-1
PMID:42310216
|
研究论文 | 开发并验证一种多模态深度学习框架，整合临床元数据与[18F]FDG PET/CT成像，用于非小细胞肺癌的组织学亚型分类 | 提出基于特征线性调制（FiLM）的多任务网络，动态注入临床元数据到视觉骨干网络，并采用3D Transformer进行基于边界框的肿瘤定位 | 在独立外部测试集上，多模态模型与单模态模型间的AUC差异未达到统计学显著性 | 通过整合临床元数据和PET/CT成像，解决非小细胞肺癌中重叠代谢表型的组织学亚型分类问题 | 非小细胞肺癌患者的[18F]FDG PET/CT影像数据和临床元数据 | 计算机视觉, 数字病理学 | 肺癌 | PET/CT | Transformer, 多任务网络 | 图像, 文本 | 780名非小细胞肺癌手术患者（675名用于开发，105名用于独立外部测试） | PyTorch | 3D Transformer, FiLM | AUC, F1分数 | NA |
| 4036 | 2026-06-19 |
Agricultural sustainability monitoring in arid regions using hybrid deep learning and Landsat 8 imagery in Najran City, Saudi Arabia
2026-Jun-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-58271-x
PMID:42310417
|
研究论文 | 提出一种混合深度学习方法，结合DenseNet121与XGBoost，利用Landsat 8影像对沙特阿拉伯纳季兰市的农业用地进行高精度监测 | 将DenseNet121的深度学习特征提取能力与XGBoost的高效分类性能相结合，在干旱区域农业监测中实现了98.82%的总体精度，优于传统卷积神经网络 | 研究仅针对2020年单一年份的Landsat 8影像，未验证模型在不同时间或气候条件下的泛化能力 | 开发一种精确高效的农业用地监测工具，支持干旱地区的可持续土地管理 | 沙特阿拉伯纳季兰市的农业区域及其他土地覆盖类型 | 计算机视觉 | NA | Landsat 8影像 | 混合深度学习模型（DenseNet121 + XGBoost） | 图像 | NA | NA | DenseNet121, XGBoost | 总体精度, Kappa系数 | NA |
| 4037 | 2026-06-19 |
Financial time series forecasting with a hybrid VMD-CSA-BiT framework
2026-Jun-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-58302-7
PMID:42310433
|
研究论文 | 提出VMD-CSA-BiT集成框架，结合变分模态分解、卷积自注意力和双向变换器，提升金融时间序列预测的鲁棒性 | 首次将VMD、CSA和BiT三种技术融合，通过VMD分解原始价格序列为固有模态函数，CSA精炼时间步表示，BiT建模双向长程时间依赖，系统性地解决了非线性、非平稳和高噪声的挑战 | 未明确讨论局限性，但暗示未来需进行架构优化和扩展至更多金融应用，可能当前框架在极端市场条件下的泛化性有待验证 | 提升金融时间序列预测的准确性和稳定性 | 多种金融资产的市场特征数据 | 计算机视觉,自然语言处理,机器学习,数字病理学 | NA | 变分模态分解（VMD）、卷积自注意力（CSA）、双向变换器（BiT） | 变分模态分解-卷积自注意力-双向变换器（VMD-CSA-BiT） | 时间序列数据 | 多种金融资产的数据集 | NA | VMD, CSA, BiT | 关键误差指标 | NA |
| 4038 | 2026-06-19 |
Integrative multi-modal feature extraction from ECG signals using FusionHeartNet for robust heart disease prediction
2026-Jun-18, The International journal of artificial organs
DOI:10.1177/03913988261448211
PMID:42312446
|
研究论文 | 提出FusionHeartNet框架，融合心电信号时频域和空间特征，用于心脏病稳健预测 | 首次提出双谱特征嵌入策略，结合傅里叶和小波变换、格拉米角场和连续小波变换，并设计多焦点注意力模块和贝叶斯优化学习率调度器，实现多模态特征深度融合 | NA | 提升心电信号分析中跨模态特征提取能力，改善早期心脏病检测的准确性和鲁棒性 | 心电图（ECG）信号 | 机器学习, 数字病理学 | 心血管疾病 | ECG信号处理, 傅里叶变换, 小波变换, GAF, CWT | 深度神经网络 | 心电信号（时域和图像表示） | MIT-BIH心律失常数据库 | PyTorch | FusionHeartNet, 多焦点注意力模块（MFAM）, 心融合分类器（HFC） | 准确率, F1分数, Kappa系数 | NA |
| 4039 | 2026-06-19 |
Research progress and challenges of multimodal deep learning models for prognosis of gastric cancer
2026-Jun-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-05431-0
PMID:42313224
|
综述 | 本文综述了多模态深度学习模型在胃癌预后预测中的研究进展与挑战 | 探讨了可解释深度学习模型在胃癌预后预测中的创新应用 | NA | 综述多模态数据融合技术在胃癌预后预测中的研究进展，并讨论其面临的挑战 | 多模态深度学习模型 | 机器学习 | 胃癌 | NA | 深度学习模型 | 多模态数据（年龄、生存状态、放射影像、组织病理、基因组信息） | NA | NA | NA | NA | NA |
| 4040 | 2026-06-19 |
An evolutionary neural architecture search for magnetic resonance image reconstructions
2026-Jun-18, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03588-1
PMID:42313273
|
研究论文 | 提出一种遗传算法自动优化卷积神经网络架构，用于磁共振图像重建任务，无需手动设计 | 首次将遗传算法应用于CNN架构的分数编码优化，实现磁共振图像重建的自动架构搜索，无需人工调参并提升重建精度 | 仅在fastMRI脑部和膝部数据集上验证，缺乏对其他解剖部位和不同扫描参数的泛化性测试，计算资源消耗未在摘要中提及 | 实现磁共振图像重建模型架构的自动化设计，减少人工干预并提高重建精度 | 磁共振图像重建任务中的卷积神经网络架构优化 | 机器学习, 计算机视觉, 数字病理学 | NA | 磁共振成像 (MRI) | 卷积神经网络 (CNN) | 图像 | fastMRI数据集（纽约大学提供），包含脑部和膝部MRI图像 | GA, TensorFlow 或 PyTorch (需确认) | NA | 重建精度 (准确率) | NA |