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 4241 - 4260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4241 | 2026-01-18 |
Automated detection of giant cell arteritis from temporal artery biopsy specimens using deep learning approaches
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34962-9
PMID:41545410
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4242 | 2026-02-14 |
The peak shifting electricity consumption management and influencing factors of smart grid from recurrent neural network model and deep learning
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35754-5
PMID:41545555
|
研究论文 | 本研究利用循环神经网络模型和电力消耗管理模型，对智能电网中的峰谷转移电力消耗进行有效管理及影响因素分析 | 提出了一种基于循环神经网络的峰谷转移电力消耗管理方法，该方法在智能电网的应用与研究中具有突破性效果 | NA | 实现智能电网中峰谷转移电力消耗的有效管理并分析其影响因素 | 智能电网的电力消耗数据 | 机器学习 | NA | NA | RNN | 时间序列数据 | NA | NA | RNN | MSE, MAE, MAPE | NA |
| 4243 | 2026-01-18 |
Multiparametric MRI-based habitat analysis integrating deep learning and radiomics for predicting preoperative Ki-67 expression level in breast cancer
2026-Jan-16, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02151-3
PMID:41545974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4244 | 2026-02-14 |
Accelerated brain aging in amyotrophic lateral sclerosis and its prognostic associations: a cohort study
2026-Jan-15, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04631-3
PMID:41535829
|
研究论文 | 本研究利用深度学习模型评估肌萎缩侧索硬化症（ALS）患者的大脑加速衰老现象，并探讨其与神经解剖学、基因表达、认知功能及生存预后的关联 | 首次在ALS患者中系统量化大脑加速衰老程度，结合细胞特异性基因表达分析揭示微血管和神经炎症在加速衰老中的作用，并证实大脑年龄是独立的死亡风险预测因子 | 样本量相对有限（170例ALS患者），研究为横断面设计，因果关系推断需纵向数据验证 | 探究ALS患者大脑加速衰老的神经机制及其对临床预后的预测价值 | 散发性ALS患者（170例）和年龄性别匹配的健康对照（84例） | 数字病理学 | 肌萎缩侧索硬化症 | T1加权磁共振成像（MRI）、转录组数据分析 | 深度学习模型 | MRI图像、基因表达数据 | 170例ALS患者，84例健康对照，以及4310例公开数据集的健康MRI数据用于模型训练 | PyTorch（基于3D-Conformer框架推断） | 3D-Conformer | 预测年龄差异（PAD）、风险比（HR）、置信区间（CI） | 未明确指定，推断使用GPU进行深度学习训练（如NVIDIA系列） |
| 4245 | 2026-02-14 |
Prospective study assessing the validity of accelerated 2D Fast Spin Echo (2D FSE) based high-resolution knee MRI and T2 mapping using deep learning reconstruction
2026-Jan-15, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09482-2
PMID:41540386
|
研究论文 | 本研究评估了使用深度学习重建的加速高分辨率2D快速自旋回波膝关节MRI和T2映射序列的图像质量与诊断性能 | 首次将深度学习重建技术应用于加速的2D FSE膝关节MRI协议，并结合T2映射序列，以在临床可行扫描时间内提供更高质量的图像和定量数据 | 样本量相对较小（92例患者），且为单中心研究，需要更大规模的多中心验证 | 评估深度学习重建加速的膝关节MRI协议在检测软骨病变方面的诊断性能 | 膝关节MRI图像，特别是软骨病变 | 医学影像分析 | 膝关节损伤 | 2D快速自旋回波MRI，T2映射序列，深度学习重建 | 深度学习重建模型 | MRI图像 | 92例患者，其中39例接受了T2映射和关节镜检查 | NA | NA | AUC, SNR, CNR, Cohen's κ, 受试者工作特征曲线 | 3.0T MRI扫描仪 |
| 4246 | 2026-02-14 |
Predicting aquatic toxicity of organic compounds using the ML-DL-ens model: An integrated approach of machine learning and deep learning
2026-Jan-15, Ecotoxicology and environmental safety
IF:6.2Q1
DOI:10.1016/j.ecoenv.2026.119803
PMID:41610586
|
研究论文 | 本文提出了一种结合机器学习和深度学习的集成模型ML-DL-ens，用于预测有机化合物的水生毒性 | 提出了一种集成K近邻、支持向量机、极限梯度提升、随机森林和AttentiveFP图神经网络的ML-DL-ens框架，并使用粒子群优化算法优化权重，以自动化特征学习并提高预测准确性和可解释性 | 未明确说明模型在不同化学空间中的泛化能力是否已完全解决，或对数据噪声的敏感性是否已显著降低 | 提高有机化合物水生毒性预测的准确性和可解释性，支持快速筛选和监管优先排序 | 有机化合物及其水生毒性数据 | 机器学习 | NA | NA | K-Nearest Neighbors, Support Vector Machines, Extreme Gradient Boosting, Random Forests, AttentiveFP | 化学结构数据（可能为分子图或特征表示） | NA | NA | AttentiveFP | AUC-ROC | NA |
| 4247 | 2026-02-14 |
DeBCR: a sparsity-efficient framework for image enhancement through a deep-learning-based solution to inverse problems
2026-Jan-12, Communications engineering
DOI:10.1038/s44172-025-00582-4
PMID:41526706
|
研究论文 | 本文提出了一种名为DeBCR的稀疏高效神经网络框架，用于解决显微成像中的逆问题，实现图像增强 | DeBCR框架通过稀疏高效的神经网络设计，在减少参数数量的同时，在去噪和解卷积任务中表现出更鲁棒的性能，并提供了模块化Python库和用户友好的Napari插件以提升可访问性 | NA | 开发一种计算效率高的深度学习解决方案，用于显微图像增强，以促进生物学发现 | 显微图像数据，涵盖先进光学显微镜的关键模态 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 四个公开可用的数据集 | Python | NA | 去噪性能、解卷积性能 | NA |
| 4248 | 2026-02-14 |
Very-large-scale mimetic optogenetic synapses for physical reservoir computing
2026-Jan-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-68229-8
PMID:41519787
|
研究论文 | 本研究提出了一种利用自组织亚毫米级二硫化钨纳米管簇作为三维超大规模物理储层进行计算的方法 | 采用自组织二硫化钨纳米管簇构建超大规模物理储层，其尺寸和密度匹配果蝇大脑的突触数量，并模拟光遗传学突触连接，实现从单模态到多模态任务的广泛计算能力 | NA | 解决深度学习扩展定律带来的效率和可持续性挑战，开发面向下一代节能人工智能的先进计算架构 | 自组织亚毫米级二硫化钨纳米管簇作为物理储层 | 机器学习 | NA | 物理储层计算 | 物理储层 | 语音、图像、医学图像 | NA | NA | 三维超大规模物理储层 | NA | NA |
| 4249 | 2026-02-14 |
Phenotypic feature-based identification of tea geographical origin using lightweight deep learning
2026-Jan-09, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00690-7
PMID:41513663
|
研究论文 | 本研究提出了一种名为Origin-Tea的轻量级卷积神经网络，用于基于表型特征准确识别茶叶的地理来源 | 创新性地结合了深度可分离卷积与挤压-激励注意力机制，在高效捕捉细微表型变化的同时显著降低了计算成本 | 研究主要基于云南地区的云抗10号茶叶图像，模型在其他茶叶品种或更广泛地理区域的泛化能力有待进一步验证 | 开发一种高效、可解释的轻量级深度学习模型，用于茶叶地理来源的智能识别与溯源 | 云南七个不同地区采集的云抗10号茶叶的高分辨率RGB图像 | 计算机视觉 | NA | 高分辨率RGB图像采集 | CNN | 图像 | 900张训练图像（来自七个地区）和1788张独立测试图像（来自四个村庄） | NA | Origin-Tea（结合深度可分离卷积和SE注意力机制的自定义轻量架构） | 总体准确率, Kappa系数 | NA |
| 4250 | 2026-02-14 |
Automated video-based differentiation of sleep-related hypermotor epilepsy and parasomnia episodes
2026-Jan-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02326-2
PMID:41507468
|
研究论文 | 本研究评估了基于SlowFast深度学习模型，利用视频记录自动区分睡眠相关运动性癫痫、觉醒障碍和快速眼动睡眠行为障碍 | 首次应用SlowFast深度学习模型于视频数据，实现睡眠相关运动事件的自动化分类，为临床评估提供辅助工具 | 研究样本量相对较小（167人），模型性能有待在更大数据集上验证，且未提及跨中心或外部验证结果 | 开发自动化工具以辅助临床医生区分睡眠相关运动性癫痫与异态睡眠（如觉醒障碍、快速眼动睡眠行为障碍） | 167名个体的视频记录，涵盖睡眠相关运动性癫痫、觉醒障碍和快速眼动睡眠行为障碍患者 | 计算机视觉 | 癫痫 | 视频记录分析 | 深度学习 | 视频 | 167名个体 | PyTorch | SlowFast | 准确率 | NA |
| 4251 | 2026-02-14 |
Labeled photovoltaic installations for orthographic aerial imagery in Queens, New York
2026-Jan-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06523-2
PMID:41495074
|
研究论文 | 本文提供了一个在纽约皇后区2018年航拍图像中手动标注的光伏安装位置数据集，用于支持计算机视觉研究和城市光伏部署分析 | 该数据集针对密集城市环境，包含四通道（三色加红外）图像，且由于纽约州定期更新源数据，可用于时间序列研究 | 数据集仅覆盖纽约皇后区特定年份，可能无法直接推广到其他地区或时间点 | 为能源研究人员提供标注数据，以训练深度学习模型识别光伏安装，并研究城市环境中的光伏部署 | 纽约皇后区2018年航拍图像中的光伏安装位置 | 计算机视觉 | NA | 航拍图像分析 | 深度学习模型 | 图像 | 约5,500个独立安装，对应14,000个多边形标注 | NA | NA | NA | NA |
| 4252 | 2026-02-14 |
Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration
2026 Jan-Feb, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14607
PMID:40922557
|
研究论文 | 本研究开发并外部验证了一种基于深度学习的模型，用于在光学相干断层扫描图像中自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣，并达到专家级性能 | 开发了首个用于网状假性玻璃膜疣实例分割的深度学习模型，并在多个外部数据集上验证其性能与视网膜专家相当 | 研究未提及模型在更广泛人群或不同设备采集数据上的泛化能力，且外部测试数据集规模相对有限 | 开发并验证一种深度学习模型，用于自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣，以支持临床管理 | 年龄相关性黄斑变性患者的视网膜光学相干断层扫描图像 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习模型 | 图像 | 9800张OCT B扫描图像用于训练，250张用于内部测试，1017只眼睛（来自812名个体）用于外部测试 | NA | NA | Dice相似系数, 受试者工作特征曲线下面积 | NA |
| 4253 | 2026-02-14 |
Role of machine learning segmentation method based on CT images in preoperative staging of oral cavity cancer
2026-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09824-9
PMID:41222634
|
研究论文 | 本文探讨了基于CT图像的机器学习分割方法在口腔癌术前分期中的应用 | 采用定制化的U-Net深度学习架构进行肿瘤块和淋巴结转移的分割，并生成全面的肿瘤映射图，以预测T和N分期 | 研究样本量相对较小（共179张CT图像），且依赖放射科医生作为参考标准，可能引入主观偏差 | 评估机器学习分割方法在口腔鳞状细胞癌术前分期中的准确性 | 口腔鳞状细胞癌患者的CT图像 | 计算机视觉 | 口腔癌 | 对比增强计算机断层扫描 | CNN | 图像 | 179张对比增强CT图像 | NA | U-Net | 准确率 | NA |
| 4254 | 2026-02-14 |
A review of remote sensing technology for plastic waste monitoring
2026-Jan, Environmental science and pollution research international
DOI:10.1007/s11356-025-37347-7
PMID:41546767
|
综述 | 本文系统综述了2018至2024年间遥感技术在塑料废物监测领域的最新进展与应用 | 通过对应分析识别了四个针对特定平台-环境组合优化的研究集群，并提出了一个结合多平台地球观测、机器学习和公民科学的集成框架 | 研究存在地理偏见（超过50%的研究集中在欧洲场地）、侧重于受控条件而非实际部署、无法检测微塑料以及缺乏标准化协议 | 支持有效的环境管理，为塑料废物污染提供创新的监测方法 | 塑料废物 | 遥感 | NA | 遥感技术 | 监督学习, 深度学习, 混合模型 | 遥感影像 | 84项研究 | NA | NA | NA | NA |
| 4255 | 2026-02-14 |
Graph Attention Networks for Detecting Epilepsy From EEG Signals Using Accessible Hardware in Low-Resource Settings
2026, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3642070
PMID:41669279
|
研究论文 | 本文提出了一种基于图注意力网络的深度学习框架，用于从低成本脑电图硬件中检测癫痫，并在低资源环境下实现公平、可访问的自动评估 | 将脑电图信号建模为时空图，并调整原本关注节点的图注意力网络以分析边关系，从而强调连接性生物标志物；设计了适用于低保真度记录的信号预处理方法和轻量级图注意力网络架构 | 研究仅在尼日利亚和几内亚比绍的脑电图记录上进行测试，样本来源和规模可能有限 | 为低收入国家提供可负担、可访问的癫痫自动诊断支持工具 | 来自尼日利亚和几内亚比绍的脑电图信号记录 | 机器学习 | 癫痫 | 脑电图 | 图注意力网络 | 脑电图信号 | 来自尼日利亚和几内亚比绍的脑电图记录（具体数量未明确说明） | PyTorch | 图注意力网络 | 准确率, 鲁棒性 | Google Colab, RaspberryPi设备 |
| 4256 | 2026-02-14 |
Deep Learning-Based Decoding and Feature Visualization of Motor Imagery Speeds From EEG Signals
2026, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3645617
PMID:41669281
|
研究论文 | 本研究利用深度学习探究了运动想象速度解码的神经动力学 | 采用EEGConformer模型结合可解释人工智能技术，可视化解码EEG信号中与运动想象速度相关的时空模式 | 分类准确率有限，仅对少数参与者表现出较高性能 | 解码和可视化运动想象速度的EEG信号模式 | EEG信号中与不同运动想象速度相关的神经动力学特征 | 机器学习 | NA | 脑电图 | Transformer | EEG信号 | NA | NA | EEGConformer | 分类准确率 | NA |
| 4257 | 2026-02-14 |
Current role of artificial intelligence and machine learning: is their application feasible in pediatric upper airway obstructive disorders?
2026-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09592-6
PMID:40775390
|
综述 | 本文通过系统综述评估了人工智能和机器学习在儿童上气道阻塞性疾病的诊断、管理和潜在治疗中的作用与可靠性 | 首次系统性地综述了AI/ML在儿童上气道阻塞性疾病中的应用，并识别了当前研究主要集中在阻塞性睡眠呼吸暂停的诊断上，揭示了输入数据模态的分布和模型性能的差异 | 现有研究存在患者群体异质性、样本量小、主要聚焦于阻塞性睡眠呼吸暂停等问题，可能限制研究结果的普适性；且尚无研究涉及治疗或监测，数据多样性、验证和可行性方面仍存在挑战 | 评估人工智能和机器学习在儿童上气道阻塞性疾病的诊断、管理和潜在治疗中的角色与可靠性 | 儿童上气道阻塞性疾病患者（年龄≤18岁） | 机器学习 | 儿童上气道阻塞性疾病 | NA | CNN, XGBoost, SVM | 生理信号（如夜间血氧饱和度信号、心电图）、临床参数、多导睡眠图数据 | NA | NA | 卷积神经网络 | 准确率, 灵敏度 | NA |
| 4258 | 2026-02-14 |
A scoping review of systematic reviews on artificial intelligence in orthopaedics
2026 Jan-Apr, Journal of orthopaedic surgery (Hong Kong)
DOI:10.1177/10225536261424033
PMID:41680110
|
综述 | 本文对骨科领域人工智能相关系统综述和荟萃分析进行了范围综述，以描绘发表趋势、地理分布、临床和解剖学焦点，并映射AI方法和应用 | 首次在骨科领域对AI相关系统综述进行全面的范围综述，识别了未充分探索的解剖区域和应用领域（如处方建模），为未来研究指明了方向 | 仅纳入了自由访问的系统综述，可能遗漏部分文献；且研究范围限定至2025年7月，未来趋势可能变化 | 描绘骨科人工智能研究的发表趋势、地理分布、临床和解剖学焦点，并映射AI方法和应用，以突出未探索领域的研究机会 | 2015年至2025年7月期间发表的骨科人工智能相关系统综述和荟萃分析 | 机器学习和数字病理学 | 骨科疾病 | NA | 深度学习, 机器学习 | 影像数据, 结构化临床数据 | 183篇符合条件的系统综述 | R软件 | NA | NA | NA |
| 4259 | 2026-02-13 |
Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery - correspondence
2025-Dec-05, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004261
PMID:41677095
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4260 | 2026-02-14 |
Automatic quantitative analysis of atherosclerotic aortic plaques in patients with embolic cerebral infarction using deep learning
2025-09, The Korean journal of internal medicine
DOI:10.3904/kjim.2024.360
PMID:40859808
|
研究论文 | 本研究开发了一种基于U-net的自动斑块分割模型，用于分析经食管超声心动图（TEE）图像中的动脉粥样硬化主动脉斑块，并评估其在预测复杂斑块和心血管事件中的临床价值 | 首次将U-net深度学习模型应用于TEE图像的自动斑块分割，以量化主动脉斑块面积（APA）和斑块比例（APR），并探索其在预测复杂主动脉斑块和心血管事件中的潜力 | U-net模型估计的APA或APR在预测主要不良心脑血管事件方面未显示出额外价值，可能需要结合斑块的其他特征（如活动性和形态）进行更全面的定量分析 | 开发自动斑块分割模型并评估其在不明原因栓塞性脑卒中（ESUS）患者中的临床实用性 | 来自心血管中心的患者TEE主动脉图像，包括711名因各种原因就诊的患者和ESUS患者临床数据集 | 数字病理学 | 心血管疾病 | 经食管超声心动图（TEE） | CNN | 图像 | 711名患者的TEE主动脉图像数据集，以及来自三个心血管中心的ESUS患者临床数据集 | NA | U-net | 平均交并比（IoU） | NA |