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 4221 - 4240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4221 | 2025-12-25 |
Objective Assessment of Disorders of Consciousness Based on EEG Temporal and Spectral Features
2026-Jan, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500674
PMID:40985067
|
研究论文 | 本研究基于听觉oddball范式采集的EEG数据，通过提取时频域、连接性和非线性动力学特征，系统比较多种机器学习和深度学习分类器，以客观评估意识障碍（DOC）患者的意识状态 | 首次在任务态EEG数据中综合识别多域生物标志物，并系统比较包括SVM、RF、XGBoost、EEGNet和ShallowConvNet在内的多种分类器，提出集成投票模型提升分类性能 | 未提及样本量的具体限制或外部验证结果，可能影响模型的泛化能力 | 开发基于任务态EEG数据的意识障碍（DOC）客观评估方法 | 最小意识状态（MCS）患者、植物状态（VS）患者和健康对照组（HC） | 机器学习 | 意识障碍 | EEG（脑电图） | SVM, LDA, RF, XGBoost, DT, CNN | EEG信号 | 未明确提及具体样本数量 | NA | EEGNet, ShallowConvNet | 分类性能（未指定具体指标如准确率、F1分数等） | NA |
| 4222 | 2025-12-25 |
Trabecular bone analysis: ultra-high-resolution CT goes far beyond high-resolution CT and gets closer to micro-CT (a study using Canon Medical CT devices)
2026-Jan, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05001-5
PMID:40738977
|
研究论文 | 本研究评估了Canon Medical不同分辨率CT（高分辨率、超高分辨率、超超高分辨率）在测量骨小梁微结构参数方面的准确性，以微CT为参考标准 | 首次系统比较了超高分辨率CT和超超高分辨率CT在骨小梁分析中的性能，并评估了深度学习重建技术对测量结果的影响 | 研究样本量较小（16个尸体胫骨远端骨骺），且仅使用单一品牌（Canon Medical）的CT设备，可能限制结果的普适性 | 评估不同分辨率CT技术在骨小梁微结构参数测量中的准确性 | 尸体胫骨远端骨骸的骨小梁微结构 | 医学影像 | NA | CT成像（高分辨率CT、超高分辨率CT、超超高分辨率CT）、深度学习重建、微CT | NA | CT图像 | 16个尸体胫骨远端骨骺 | NA | NA | 骨小梁厚度、骨小梁分离度、骨体积/总体积的测量值与微CT参考值的比值 | NA |
| 4223 | 2025-12-25 |
Gastric Neoplasm Detection at Contrast-enhanced CT with Deep Learning
2026-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.250145
PMID:41295087
|
研究论文 | 本研究开发并验证了一种名为GANDA的深度学习模型，用于在临床常规增强CT中自动检测、诊断和分割胃部肿瘤 | 提出了一种联合分割和分类的三维深度学习模型（GANDA），用于胃部肿瘤的自动化检测与诊断，并在多个内部、外部及真实世界测试队列中验证了其性能，且诊断准确率显著高于经验丰富的放射科医生 | 研究为回顾性设计；模型在内部测试队列中的分割性能（Dice系数）对于胃癌和非胃癌分别为0.52和0.45，仍有提升空间 | 开发并验证一种基于深度学习的自动化工具，用于在增强CT图像中检测、诊断和分割胃部肿瘤 | 胃部肿瘤（胃癌及非胃癌）患者 | 数字病理学 | 胃癌 | 对比增强CT | 深度学习模型 | 三维CT图像 | 共4606名患者（来自多个中心，时间跨度为2007年至2023年） | NA | 联合分割和分类的三维深度学习模型 | 敏感性, 特异性, 准确率, 受试者工作特征分析, Dice系数 | NA |
| 4224 | 2025-12-25 |
Artificial intelligence in modern clinical practice (Review)
2026 Jan-Feb, Medicine international
DOI:10.3892/mi.2025.289
PMID:41424576
|
综述 | 本文综述了人工智能在现代临床实践中的应用、机遇与挑战 | 系统整合了近期研究成果，全面探讨了AI在临床决策支持、影像分析、精准医疗等领域的角色，并强调了实施中的关键障碍 | 作为综述文章，未进行原始数据收集或模型验证，主要依赖现有文献分析 | 讨论人工智能在现代临床实践中的作用，并突出未来的机遇与挑战 | 临床实践中的AI应用，包括医生、患者及医疗系统 | NA | NA | NA | NA | 临床数据 | NA | NA | NA | NA | NA |
| 4225 | 2025-12-25 |
Beyond Accuracy: Enhancing Parkinson's Diagnosis with Uncertainty Quantification of Machine Learning Models
2026, Artificial intelligence in healthcare : second International Conference, AIiH 2025, Cambridge, UK, September 8-10, 2025, Proceedings. Part I. International Conference on Artificial Intelligence in Healthcare (2nd : 2025 : Cambridge, Eng...
DOI:10.1007/978-3-032-00652-3_3
PMID:41425112
|
研究论文 | 本研究评估了三种不确定性量化方法在帕金森病诊断中的表现，旨在提升机器学习模型的可靠性 | 首次在帕金森病诊断中系统比较了蒙特卡洛Dropout、深度证据分类和贝叶斯神经网络三种不确定性量化方法，并公开了完整代码 | 研究仅使用了三种特定类型的数据集（手指敲击、面部表情、语音模式），未涵盖其他临床数据 | 通过不确定性量化技术提高帕金森病诊断中机器学习模型的可靠性和安全性 | 帕金森病患者 | 机器学习 | 帕金森病 | NA | 贝叶斯神经网络 | 手指敲击数据、面部表情数据、语音模式数据 | 三个数据集 | NA | NA | 诊断准确性、不确定性评估 | NA |
| 4226 | 2025-12-25 |
Core-Periphery Principle Guided State Space Model for Functional Connectome Classification
2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-032-05162-2_23
PMID:41425911
|
研究论文 | 本文提出了一种基于核心-外围原则引导的状态空间模型（CP-SSM），用于功能连接组分类，以改进神经影像学中的脑网络分析 | 提出了结合选择性状态空间模型Mamba（具有线性复杂度）与受脑网络核心-外围组织启发的混合专家模型CP-MoE的创新框架，以高效捕获功能脑网络中的长程依赖关系 | 仅在ABIDE和ADNI两个基准fMRI数据集上进行了评估，未在其他脑疾病或更大规模数据集上验证泛化能力 | 开发一种高效且有效的计算模型，用于功能连接组分类，以辅助神经影像学为基础的神经系统疾病诊断 | 人类功能脑网络（功能连接组） | 机器学习 | 神经系统疾病 | 功能磁共振成像 | 状态空间模型, 混合专家模型 | 功能连接组数据（源自fMRI） | 两个基准fMRI数据集（ABIDE和ADNI），具体样本数未在摘要中明确说明 | NA | Mamba（选择性状态空间模型）, CP-MoE（核心-外围引导的混合专家） | 分类性能（具体指标未在摘要中明确说明） | NA |
| 4227 | 2025-12-25 |
Domain-Adaptive Diagnosis of Lewy Body Disease with Transferability Aware Transformer
2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-032-04981-0_18
PMID:41426524
|
研究论文 | 本文提出了一种可迁移性感知的Transformer模型，用于在数据稀缺和领域偏移场景下，从阿尔茨海默病数据中迁移知识以增强路易体病的诊断 | 首次探索在数据稀缺和领域偏移条件下，从阿尔茨海默病到路易体病的领域自适应研究，并设计了基于注意力机制的Transformer模型来分配高权重给疾病可迁移特征，抑制领域特定特征 | 数据稀缺可能限制模型的泛化能力，且领域偏移问题虽被缓解但未完全消除 | 通过领域自适应方法，利用丰富的阿尔茨海默病数据来提升路易体病的诊断准确性 | 路易体病和阿尔茨海默病的患者数据，特别是结构磁共振成像衍生的结构连接性数据 | 数字病理学 | 路易体病 | 结构磁共振成像 | Transformer | 图像 | NA | NA | Transformer | 诊断准确性 | NA |
| 4228 | 2025-12-25 |
An Enhanced Random Convolutional Kernel Transform for Diverse and Robust Feature Extraction from High-Density Surface Electromyograms for Cross-day Gesture Recognition
2026-Jan, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500625
PMID:41059625
|
研究论文 | 本文提出了一种名为EMG-ROCKET的增强型随机卷积核变换方法，用于从高密度表面肌电图中提取多样且鲁棒的特征，以提升跨日手势识别的性能 | 提出了EMG-ROCKET方法，集成了随机通道融合和增强聚合函数，以增强对HD-sEMG跨日信号变化的鲁棒性，无需先验知识或大量训练 | 未明确提及方法在更大规模或更多样化数据集上的泛化能力，也未讨论计算效率的详细分析 | 开发一种无需训练、鲁棒的特征提取方法，以解决高密度表面肌电图在手势识别中特征多样性有限和数据依赖性高的问题 | 高密度表面肌电图信号 | 机器学习 | NA | 高密度表面肌电图 | Ridge分类器 | 肌电图信号 | 在两个HD-sEMG数据集上进行评估，具体样本数量未明确说明 | NA | EMG-ROCKET（基于ROCKET的增强版本） | 准确率 | NA |
| 4229 | 2025-12-25 |
Deep Learning Exploration Expands the Natural Diversity of Metallothioneins in the Archaea Domain
2025-Dec-24, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c05880
PMID:41370558
|
研究论文 | 本研究利用深度学习探索并扩展了古菌域中金属硫蛋白的自然多样性 | 首次全面识别古菌金属硫蛋白，揭示其进化谱系和结构多样性，并通过AlphaFold3建模和功能实验验证其金属抗性 | 研究仅基于406个基因组，可能未覆盖所有古菌多样性；功能实验仅测试了少数金属硫蛋白 | 探索古菌域中金属硫蛋白的多样性、进化、结构和功能 | 古菌基因组中的金属硫蛋白 | 机器学习 | NA | 基因组分析、AlphaFold3建模、功能实验 | 深度学习 | 基因组序列、蛋白质结构 | 从406个古菌基因组中识别出180个金属硫蛋白 | AlphaFold3 | AlphaFold3 | NA | NA |
| 4230 | 2025-12-25 |
Deep Learning-Based Risk Factor Analysis for Accurate Prediction of Lung Cancer in High-Risk Populations
2025-Dec-24, American journal of clinical oncology
DOI:10.1097/COC.0000000000001284
PMID:41437170
|
研究论文 | 本研究提出了一种结合深度学习和优化算法的新型框架，用于高风险人群中肺癌的准确预测 | 整合了LIDC-IDRI、WOA-APSO、CNN和KNG-CNN等先进技术，优化特征选择，实现了99.25%的高预测准确率 | 未明确说明研究样本的具体规模或数据集的局限性 | 提高肺癌早期检测和风险预测的准确性，以改善患者生存率和降低治疗成本 | 高风险人群中的肺癌预测 | 计算机视觉 | 肺癌 | 深度学习，优化算法 | CNN, KNG-CNN | 图像 | NA | PYTHON | 卷积神经网络，基于核的非高斯卷积神经网络 | 准确率 | NA |
| 4231 | 2025-12-25 |
Multi-DNBiTM: preterm labor prediction from electrohysterography signals using multi-head attention-enabled deep learning framework
2025-Dec-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2602829
PMID:41439533
|
研究论文 | 本文提出了一种基于多注意力头的分布式神经网络与双向长短期记忆结合的框架（multi-DNBiTM），用于从子宫电信号中预测早产，以提高预测准确性 | 引入了多注意力头机制和根均能量熵深度特征（RMEn2D），以增强对子宫电信号中细微变化的捕捉和表示能力 | 未明确提及模型在外部数据集上的泛化能力或计算资源需求的具体限制 | 通过深度学习框架提高早产预测的准确性和敏感性 | 子宫电信号数据 | 机器学习 | 产科疾病 | 子宫电信号分析 | LSTM, 注意力机制 | 信号数据 | NA | NA | 双向长短期记忆网络, 多注意力头机制 | 准确率, 敏感性, 特异性 | NA |
| 4232 | 2025-12-25 |
Deep Learning-Based Brainstem Segmentation and Multi-Class Classification for Parkinsonian Syndrome
2025-Dec-24, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70215
PMID:41439587
|
研究论文 | 本研究开发并验证了一种结合深度学习脑干分割与机器学习分类的两步算法，用于自动分割脑干亚结构并基于体积测量对帕金森综合征进行多类别分类 | 提出了一种结合深度学习脑干分割与机器学习分类的两步算法，实现了对帕金森综合征的自动鉴别，并在内部和外部数据集上进行了验证 | 研究为回顾性设计，且外部验证数据集规模相对较小（82例） | 开发并验证一种自动分割脑干亚结构并分类帕金森综合征的算法 | 帕金森综合征患者（包括进行性核上性麻痹、多系统萎缩-小脑变异型、帕金森病）及正常认知受试者 | 数字病理学 | 帕金森综合征 | 3D梯度回波T1加权序列 | 深度学习, 机器学习 | MRI图像 | 内部数据集：300例正常认知受试者（分割用），513例受试者（分类用，含207例正常、52例PSP、65例MSA-C、189例PD）；外部数据集：82例受试者（24例PSP、28例MSA-C、30例PD） | NA | NA | Dice相似系数, 受试者工作特征曲线下面积 | NA |
| 4233 | 2025-12-25 |
Advanced lung segmentation on chest HRCT: comprehensive pipeline for quantification of airways, vessels, and injury patterns
2025-Dec-24, La Radiologia medica
DOI:10.1007/s11547-025-02166-w
PMID:41441964
|
研究论文 | 本文提出了一种结合U-Net AI分割与定制图像处理的混合管道，用于同时分割肺部、气道、肺血管和实质损伤模式，并在COVID-19和特发性肺纤维化患者的HRCT扫描中验证了其性能 | 与现有工具通常针对单一解剖结构并主要依赖深度学习或基于规则的方法不同，该混合管道将U-Net AI分割与定制图像处理相结合，实现了肺部、气道、血管和实质损伤模式的可靠同时分割 | 研究样本量有限，仅使用了47例CT扫描（包括公共数据集和回顾性数据），可能影响结果的普遍性 | 开发一个可靠的混合管道，用于在胸部高分辨率CT上同时量化气道、血管和损伤模式，以诊断和监测肺部疾病 | COVID-19和特发性肺纤维化患者的胸部HRCT扫描 | 数字病理学 | 肺癌 | 胸部高分辨率CT扫描 | U-Net | 图像 | 47例CT扫描（19例来自COVID-19公共数据集用于深度学习，8例来自EXACT'09挑战用于验证气道分割，20例回顾性HRCT扫描用于管道验证） | NA | U-Net | Dice系数 | NA |
| 4234 | 2025-12-25 |
Correction: Addressing fractures that are hard to diagnose on imaging: Radiomics or deep learning?
2025-Dec-24, La Radiologia medica
DOI:10.1007/s11547-025-02151-3
PMID:41441965
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4235 | 2025-12-25 |
Effect of deep learning reconstruction on arm-induced artifacts compared with hybrid iterative reconstruction and filtered-backprojection in abdominal CT
2025-Dec-24, 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在腹部CT中减少手臂伪影和提升图像质量的效果，并与迭代重建和滤波反投影方法进行比较 | 首次系统比较深度学习重建、自适应统计迭代重建和滤波反投影在手臂下垂腹部CT中的伪影减少和图像质量提升效果 | 研究样本量较小，仅包括10例患者数据；未评估不同扫描参数或设备的影响 | 评估深度学习重建在腹部CT中减少手臂伪影和改善图像质量的效能 | 肝脏结节体模（含手臂模拟）和10例手臂下垂腹部CT患者 | 医学影像处理 | NA | CT扫描 | 深度学习重建 | CT图像 | 1个体模（模拟三种手臂位置）和10例患者 | NA | NA | 伪影强度（Gumbel分布位置参数、标准差）、信噪比、对比噪声比、主观评价（噪声、伪影、锐度、整体质量） | NA |
| 4236 | 2025-12-25 |
TFS-FENet: A time-frequency spatial deep learning framework for EEG-based ADHD subtype classification
2025-Dec-24, Applied neuropsychology. Child
DOI:10.1080/21622965.2025.2606108
PMID:41442154
|
研究论文 | 本文提出了一种名为TFS-FENet的深度学习框架，用于基于EEG的ADHD亚型分类，通过整合CNN和注意力机制来建模EEG的时-频-空三维特征 | 首次同时捕获EEG的联合三维时-频和空间特征，而现有方法多专注于二维特征建模 | NA | 开发一个客观的基于EEG的ADHD诊断辅助工具，以弥补临床诊断主要依赖行为表现和缺乏生物标记物的不足 | 注意力缺陷多动障碍（ADHD）患者，具体包括ADHD-注意缺陷型、ADHD-混合型以及典型发育儿童 | 机器学习 | 注意力缺陷多动障碍 | 脑电图（EEG） | CNN | 脑电图信号 | NA | NA | TFS-FENet | 准确率 | NA |
| 4237 | 2025-12-25 |
Real-time Instantaneous Phase Estimation Using a Deep Dual-Branch Complex Neural Network
2025-Dec-23, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3647598
PMID:41433160
|
研究论文 | 本文提出了一种基于深度学习双分支复杂神经网络的实时瞬时相位估计算法，用于神经振荡信号处理 | 采用类似复杂小波变换的双分支结构生成伪复数值信号进行瞬时相位估计，并引入离散余弦变换层提取信号实部和虚部的潜在空间表示 | NA | 开发适用于脑机接口和神经调节系统的实时瞬时相位估计算法 | 神经振荡信号的瞬时相位 | 机器学习 | NA | 深度学习 | 复杂神经网络 | 信号数据 | NA | NA | 双分支复杂神经网络 | 相位估计准确度 | 现场可编程门阵列 |
| 4238 | 2025-12-25 |
Multi-Task Learning for OSA Detection and Sleep Staging via Multi-Scale Modeling
2025-Dec-23, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3647317
PMID:41433180
|
研究论文 | 本文提出了一种统一的多模态多任务网络MT-TASPPNet，用于同时进行阻塞性睡眠呼吸暂停（OSA）事件检测和睡眠分期 | 首次提出一个统一的多模态多任务网络同时处理OSA检测和睡眠分期，并引入了EOG引导的先验机制来增强对细微睡眠阶段的区分能力 | 未明确提及模型在更广泛或不同人群数据集上的泛化能力，也未讨论模型的计算复杂度 | 开发一个高效、可扩展的多任务睡眠分析系统，用于睡眠障碍的诊断和管理 | 睡眠障碍患者的多模态生理信号（EEG、ECG、气流信号、EOG） | 机器学习 | 睡眠障碍 | 多模态信号处理，多任务学习 | 深度学习，多任务学习网络 | 生理信号时间序列（EEG、ECG、气流、EOG） | 三个大规模数据集：SHHS1、SHHS2和悉尼睡眠生物库 | NA | MT-TASPPNet（多任务三重空洞空间金字塔池化网络），包含空洞空间金字塔池化模块 | 准确度，宏平均F1分数，Kappa系数 | NA |
| 4239 | 2025-12-25 |
Self-Supervised Koopman Operator Learning for Distributed Final Synchronization Prediction of Networked Nonlinear Dynamics
2025-Dec-23, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3644299
PMID:41433175
|
研究论文 | 本文开发了一种混合Koopman深度学习算法，用于仅使用相邻状态信息预测不同拓扑结构网络化非线性动力系统的最终同步状态 | 提出了一种自监督Koopman算子学习方法，能够从个体和/或相邻状态序列中提取并融合多种不同拓扑的线性特征，从而预测非线性网络动力系统的最终同步状态，而现有方法通常仅适用于线性网络 | 未明确说明算法在极端非线性或大规模网络中的适用性限制，且未提供实际应用场景的验证 | 研究网络化非线性动力系统的最终同步预测问题 | 具有不同拓扑结构的网络化非线性动力系统 | 机器学习 | NA | Koopman算子理论，深度学习 | 自监督学习，混合模型 | 状态序列数据 | NA | NA | 非线性编码器，非线性解码器 | 通过数值模拟验证有效性，但未指定具体评估指标 | NA |
| 4240 | 2025-12-25 |
Label Noise in Pathological Segmentation Is Overlooked, Leading to Potential Overestimation of Artificial Intelligence
2025-Dec-23, Cancer science
IF:4.5Q1
DOI:10.1111/cas.70288
PMID:41433191
|
研究论文 | 本研究通过调查公共数据集和合成人工标签噪声，评估了标签噪声对病理分割模型的影响 | 首次系统评估了病理分割中标签噪声的类型及其对AI模型性能的潜在高估风险，特别是边界相关噪声的影响 | 研究主要基于合成噪声和公开数据集，可能未完全覆盖真实临床环境中所有噪声类型 | 评估标签噪声在病理分割AI模型训练中的影响，并探讨其对性能评估的潜在偏差 | 病理分割AI模型，特别是用于乳腺癌语义分割的深度学习模型 | 数字病理 | 乳腺癌 | 语义分割 | 深度学习模型 | 图像 | 使用公开数据集和乳腺癌语义分割数据集，具体样本数量未明确说明 | NA | NA | 表现评分（包括真实性能评分和表观性能评分） | NA |