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 4481 - 4500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4481 | 2026-06-16 |
Overestimating zero-shot fitness prediction: Broad benchmarks mask local failures and practical limitations
2026-Jun-07, bioRxiv : the preprint server for biology
DOI:10.64898/2026.06.04.730121
PMID:42292907
|
研究论文 | 评估蛋白质零样本适应度预测模型在不同基准条件下的性能，揭示聚合指标可能掩盖局部失败和实际限制 | 通过系统分析输入模态、实验变异性和蛋白丰度相关性等因素，揭示零样本预测模型在排名功能突变和优先处理新功能方面的实际局限性 | 研究未涵盖所有现有蛋白质模型，且仅基于特定基准数据集进行验证，未探索不同模型架构的全面性能差异 | 评估蛋白质序列和结构模型在零样本适应度预测中的实际效用，并探讨影响其性能的关键因素 | 蛋白质突变适应度预测任务中的零样本预测模型 | 自然语言处理, 机器学习 | NA | 深度学习模型零样本预测 | 蛋白质序列和结构模型 | 蛋白质序列和结构数据 | 多个基准数据集，具体数量未明确说明 | NA | NA | 聚合指标，如准确率、相关性等，但研究强调其局限性 | NA |
| 4482 | 2026-06-16 |
TearNET: Validation of a convolutional neural network for grading of tear ferning patterns using deep learning
2026-Jun, Contact lens & anterior eye : the journal of the British Contact Lens Association
IF:4.1Q1
DOI:10.1016/j.clae.2026.102654
PMID:41967396
|
研究论文 | 验证基于卷积神经网络的TearNET模型用于泪液蕨类模式自动分级 | 首个专门用于泪液蕨类模式自动分级的卷积神经网络模型，实现了根据Rolando分级系统的客观、一致的分级 | 样本量有限（80名参与者），模型在区分所有类型模式时仍有提升空间 | 验证深度学习算法TearNET在泪液蕨类模式自动分级中的性能，用于干眼症筛查 | 健康参与者的泪液样本及其蕨类模式显微图像 | 计算机视觉 | 干眼症 | 显微成像 | 卷积神经网络 | 图像 | 80名健康参与者（160只眼睛）的泪液样本 | NA | TearNET卷积神经网络 | 敏感性, 特异性, 召回率, F分数, 准确率 | NA |
| 4483 | 2026-06-16 |
A deep learning approach for predicting sensory-motor integration in postural stability
2026-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03567-3
PMID:41973399
|
研究论文 | 提出一种基于深度学习的方法，通过足底压力中心信号预测姿势稳定性中的感觉运动整合 | 结合STFT和WT特征提取方法，采用GoogleNet和残差注意力网络架构，并引入特征分布平滑技术以缓解类别不平衡导致的性能下降 | NA | 评估姿势稳定性，通过估计感觉输入能力（平衡评分）和相应的运动反应（运动策略） | 静态站立时的足底压力中心信号 | 机器学习 | 头晕疾病 | NA | 深度学习 | 信号 | NA | NA | GoogleNet, 残差注意力网络 | 平均误差 | NA |
| 4484 | 2026-06-16 |
Deep learning for EEG-based sleep stage classification: a review
2026-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03583-3
PMID:42062687
|
综述 | 系统综述了基于深度学习的脑电图睡眠分期模型，分析架构演变、输入表征策略及评估方法 | 揭示了现有模型性能高度依赖数据集、评估系统过度依赖整体准确率而忽视少数阶段和病理数据的问题 | 未提出新的模型或实验验证，仅基于文献分析，且跨数据集对比可能受数据分布差异影响 | 引导睡眠分期研究从算法创新向临床可靠应用转变 | 睡眠脑电图信号及其分期分类模型 | 深度学习 | 神经疾病 | EEG | 多种深度学习模型 | EEG信号 | 使用多个公开数据集，具体数量未提及 | NA | 多种架构，如CNN、RNN等 | 准确率、F分布 | NA |
| 4485 | 2026-06-16 |
Spatiotemporal deep learning for scar screening in cardiovascular magnetic resonance: Toward selective use of gadolinium
2026 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102730
PMID:41999922
|
research paper | 开发并评估一种基于电影影像的时空深度学习模型，用于识别无心肌瘢痕患者，从而减少钆对比剂的使用 | 首次提出利用电影影像中的时空信息进行无对比剂心肌瘢痕筛查，采用因子化卷积提取时空特征并结合残差注意力机制 | 外部验证队列中模型敏感性较高但特异性有限，可能漏诊部分有瘢痕患者 | 开发一种深度学习模型，仅使用电影影像即可识别无心肌瘢痕患者，避免不必要的钆对比剂注射 | 接受心血管磁共振检查的已知或疑似心血管疾病患者 | 计算机视觉 | 心血管疾病 | 心血管磁共振 | 深度学习模型 | 图像 | 训练集3000例患者，内部验证500例，外部验证1792例 | PyTorch | 因子化卷积与残差注意力机制结合的时空深度学习架构 | AUC, 敏感性, 特异性 | NA |
| 4486 | 2026-06-16 |
[Artificial intelligence as decision support tool in urological oncology: current evidence and challenges]
2026-Jun, Urologie (Heidelberg, Germany)
DOI:10.1007/s00120-026-02831-6
PMID:42126599
|
综述 | 系统回顾人工智能在泌尿肿瘤治疗决策中的应用现状，分析性能指标与临床实施挑战 | 首次系统比较机器学习、深度学习和大型语言模型在泌尿肿瘤治疗决策中的表现，特别关注检索增强生成技术提升指南依从性的能力 | 现有证据以概念验证研究为主，缺乏前瞻性验证研究，数据保护和技术挑战未解决，模型可解释性有限 | 评估人工智能在泌尿肿瘤治疗决策中的应用潜力和现状 | 泌尿系统肿瘤（前列腺癌、尿路上皮癌、肾细胞癌）的治疗决策过程 | 机器学习 | 泌尿肿瘤 | NA | 机器学习模型、深度学习模型、大型语言模型 | 临床数据 | NA | NA | NA | F1分数（0.75-0.99） | NA |
| 4487 | 2026-06-16 |
Benchmarking deep learning methods for Cα atom prediction in cryo-EM density maps
2026-Jun-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag350
PMID:42234518
|
研究论文 | 针对冷冻电镜密度图中Cα原子预测任务，建立了一个综合评价基准，对四种深度学习方法在多个维度上进行系统评估 | 首次建立专门针对Cα预测模块的全面基准，引入了多阈值RMSD指标和点云相似度度量（Chamfer距离、Earth Mover距离），提供了可复现的评估框架 | 评估限于四种特定方法，未涵盖所有现有工具；基准数据集的分辨率范围和噪声水平可能无法完全代表真实应用中的复杂情况 | 建立冷冻电镜密度图中Cα原子预测深度学习方法的标准评估基准，指导方法开发并推动自动化结构测定 | 四种深度学习方法（ModelAngelo、DeepMainMast、EModelX、CryoAtom）在冷冻电镜密度图中的Cα原子预测性能 | 计算机视觉 | NA | 冷冻电镜 | 深度学习模型 | 冷冻电镜密度图 | 涵盖1-8Å分辨率、不同分子量和噪声水平的多样的数据集 | NA | ModelAngelo, DeepMainMast, EModelX, CryoAtom | 多阈值RMSD（1-3Å）、Chamfer距离、Earth Mover距离 | NA |
| 4488 | 2026-06-16 |
Assessment of Deep Learning-Generated Ultra-Widefield Fluorescein Angiography From Fundus Images in Diabetic Retinopathy
2026-Jun-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.6.12
PMID:42257411
|
研究论文 | 评估生成对抗网络从眼底照片生成的超广角荧光素血管造影图像在糖尿病视网膜病变中的临床有效性 | 首次系统评估GAN生成的合成UWFA图像在糖尿病视网膜病变中的临床有效性，并比较了两种不同GAN模型在像素级相似性和诊断准确性上的差异 | 样本量相对较小，且数据来源单一（仅使用Optos California P200DTx设备），模型的泛化能力需进一步验证 | 评估生成对抗网络从眼底照片生成超广角荧光素血管造影图像的临床有效性 | 糖尿病视网膜病变患者的超广角眼底照片和对应超广角荧光素血管造影图像 | 计算机视觉 | 糖尿病视网膜病变 | 生成对抗网络 | GAN | 图像 | 2084对图像（无DR: 124；非增殖性DR: 795；重度NPDR: 770；增殖性DR: 395） | PyTorch | RegGAN, UWAFA-GAN | F1分数, SSIM, PSNR, 准确率, 精确率, 召回率 | NA |
| 4489 | 2026-06-16 |
From Molecules to Machines: An Integrative Framework Linking Molecular Pathogenesis, Multi-Factorial Risk, Risk Stratification, Clinical Management, and Artificial Intelligence in QT Prolongation and Sudden Cardiac Death
2026-Jun, Clinical cardiology
IF:2.4Q2
DOI:10.1002/clc.70370
PMID:42274161
|
综述 | 本文综合了QT间期延长和心脏性猝死在分子发病机制、多因素风险、风险分层、临床管理和人工智能预测方面的研究 | 首次将分子发病机制、获得性/代谢性/营养性风险、临床分层、治疗和人工智能预测等多个维度整合在一个框架中，强调了营养和代谢决定因素在QT管理中的重要性 | 前瞻性数据仍然不足，算法工具在实际临床决策中应用前需要更多验证 | 整合QT间期延长和心脏性猝死的多维度研究，为精准QT管理提供综合策略 | QT间期延长和心脏性猝死的分子机制、风险因素、临床管理和人工智能预测方法 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | 心电图数据 | NA | NA | NA | NA | NA |
| 4490 | 2026-06-15 |
Radiology: Cardiothoracic Imaging Highlights 2025
2026-Jun, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.260065
PMID:42274320
|
综述 | 综述《放射学：心胸成像亮点2025》精选2024年11月至2025年10月期间发表的最新研究成果和技术进展 | 由早期职业编委会主导，总结光子计数CT、加速心脏MRI、基于AI的定量分析等前沿技术在心胸血管成像中的应用，并引入基于心脏MRI的肌少症作为新型预后标志物 | 仅收录特定期刊在设定时间段内的文章，可能遗漏其他高质量研究；未对各项技术的临床实用性进行系统比较或元分析 | 总结并突出2024-2025年间心、胸和血管成像领域的最新研究亮点和未来方向 | 2024年11月至2025年10月期间发表在《放射学：心胸成像》期刊的精选文章 | 医学影像 | 心血管疾病, 肺部疾病, 血管疾病 | 心脏CT, 光子计数CT, 心脏MRI, 加速心脏MRI, 深度学习 | 深度学习模型 | 影像数据（CT、MRI） | NA | NA | NA | NA | NA |
| 4491 | 2026-06-16 |
Parameter-efficient contrastive language-image pre-training (CLIP) adaptation for few-shot anomaly detection in ultra-widefield fundus images
2026-Jun, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2026.105461
PMID:41966507
|
研究论文 | 基于参数高效的对比语言-图像预训练（CLIP）适应方法，用于超广角眼底图像的少样本异常检测 | 提出双路径检测机制以实现精确异常检测，设计轻量级混合低秩适配器实现参数高效微调以弥合自然图像与眼底图像的领域差距，并开发基于泊松融合的异常合成算法以增强异常模式的泛化能力 | 未明确提及局限性，但可能受限于仅使用32对训练样本的少样本场景以及合成异常与真实异常之间的差异 | 开发一种低计算成本和低数据需求的自动化异常检测框架，用于超广角眼底图像中的眼底疾病筛查 | 超广角眼底图像中的异常模式（涵盖超过50种异常类型） | 计算机视觉 | 眼底疾病 | 成像技术（超广角眼底成像） | CLIP | 图像 | 32对训练样本，评估使用8个独立跨源数据集共29,739张图像 | PyTorch | CLIP | AUC | NA |
| 4492 | 2026-06-16 |
Artificial intelligence for epiretinal membrane detection using ultrawidefield scanning laser ophthalmoscopy
2026-Jun, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2026.105468
PMID:41966504
|
研究论文 | 开发并验证一种基于深度学习的模型，用于在超广角扫描激光眼底镜图像上自动检测视网膜前膜 | 首次提出并验证了针对超广角扫描激光眼底镜图像的深度学习模型用于视网膜前膜检测，系统比较了不同视野模型的性能，并进行了AI辅助阅读研究 | 未明确说明 | 开发和验证用于超广角扫描激光眼底镜图像上自动检测视网膜前膜的深度学习模型 | 超广角扫描激光眼底镜图像上的视网膜前膜病灶 | 数字病理学 | 视网膜前膜 | 超广角扫描激光眼底镜 | CNN | 图像 | 920张原始超广角扫描激光眼底镜图像 | PyTorch | Inception-v3 | 特异性, 灵敏度, AUC, 诊断准确率 | NA |
| 4493 | 2026-06-16 |
Automatic adaptive radiotherapy triggering based on CBCT using deep learning for esophageal cancer underwent volumetric modulated arc therapy
2026-Jun, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70651
PMID:42267478
|
研究论文 | 基于CBCT的深度学习自动触发自适应放疗用于食管癌容积旋转调强治疗 | 首次开发基于锥形束CT的深度学习自动触发自适应放疗流程，通过预测解剖变化与剂量体积指标平衡治疗效益与频率 | 触发决策一致性为81.8%，脊髓分割准确率（Dice 0.80）相对较低，可能影响触发可靠性 | 开发自动自适应放疗触发流程，高效平衡食管癌患者的治疗效益与自适应放疗频率 | 接受容积旋转调强治疗的食管癌患者及周围危及器官（肺、心脏、脊髓） | 医学影像 | 食管癌 | 锥形束计算机断层扫描 | U-Net | 图像 | 136名食管癌患者的CBCT图像 | NA | U-Net | Dice系数, 曲线下面积, 准确率, 灵敏度, 特异度 | NA |
| 4494 | 2026-06-16 |
C[Formula: see text]Net: A co-occurrence and consistency-aware framework for structured multi-label fundus diagnosis
2026-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03574-4
PMID:42048017
|
研究论文 | 提出一个统一框架，在眼底多标签诊断中同时建模共现和一致性 | 首次将共现感知监督对比损失、自适应多标签焦点损失和诊断一致性机制集成到统一网络中，同时处理疾病共现、类别不平衡和临床逻辑冲突 | NA | 提升多标签眼底图像诊断的准确性和临床逻辑可靠性 | 多标签眼底图像诊断任务中的视网膜病理图像 | 计算机视觉 | 眼底疾病 | NA | 神经网络 | 眼底图像 | ODIR-5K和MuReD两个基准数据集，采用五折交叉验证 | PyTorch | C²Net：包含共现感知对比损失、自适应焦点损失和诊断一致性机制的网络 | 宏平均F1分数 (AF1)、宏平均精度 (mAP) | NA |
| 4495 | 2026-06-16 |
Correction to "Precise Sizing and Collision Detection of Functional Nanoparticles by Deep Learning Empowered Plasmonic Microscopy"
2026-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.75592
PMID:42107054
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4496 | 2026-06-16 |
Evaluating multi-task network architectures for simultaneous breast lesion segmentation and classification in ultrasound images
2026-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03592-2
PMID:42138788
|
research paper | 评估多任务网络架构在超声图像中同时进行乳腺病变分割和分类的性能，提出结合SegResNet和EfficientNet的多任务学习配置，并在双中心数据集上验证其效果 | 探索了多种多任务学习网络配置，比较不同层次的特征共享与整合策略，以确定联合乳腺病变分割与分类的最有效架构 | 依赖810张二维超声图像的单数据集，未涉及三维超声或多模态数据，可能限制模型的泛化能力 | 提升超声图像中乳腺病变分割与分类的联合准确率，优化计算机辅助诊断工具 | 乳腺病变在超声图像中的分割区域与恶性分类 | 计算机视觉 | 乳腺癌 | NA | 多任务学习 | 图像 | 810张二维乳腺超声图像，来自两个不同中心 | PyTorch | SegResNet, EfficientNet | Dice系数, AUC | NA |
| 4497 | 2026-06-16 |
Probabilistic multi-site MR image harmonization via feature preserving conditional generative adversarial networks
2026-Jun, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种特征保持的条件生成对抗网络（FP-cGAN），用于概率性多站点MR图像协调，将多来源图像转换为目标站点格式并保留解剖特征 | 首次将概率深度生成模型集成到MR图像协调中，通过施加新的正则化约束保留解剖特征，并提供不确定性估计 | 未明确提及限制，但可能包括对配对数据依赖较少、计算资源消耗或泛化至极端异质性数据的潜在挑战 | 消除多站点MR图像中的非生物特征差异，实现图像协调并保留解剖结构 | 多站点脑磁共振图像（MR图像） | 计算机视觉，数字病理 | 神经疾病 | 磁共振成像（MRI） | 条件生成对抗网络（cGAN） | 图像 | 使用SRPBS数据集中的非配对图像训练和配对图像评估，并扩展至异质性公共数据集 | PyTorch（推断） | FP-cGAN | 分布度量，不确定性估计 | NA |
| 4498 | 2026-06-16 |
Deep learning-derived pericardial adipose tissue by electrocardiogram-gated cardiac computed tomography predicts cardiovascular events beyond coronary calcium score
2026-Jun, American journal of preventive cardiology
IF:4.3Q1
DOI:10.1016/j.ajpc.2026.101549
PMID:42291032
|
研究论文 | 基于深度学习的心电图门控心脏CT心包脂肪组织测量在冠状动脉钙化评分基础上预测心血管事件 | 首次在大型队列中验证深度学习自动分割的心包脂肪组织体积在冠状动脉钙化评分和PREVENT™风险方程之外对心血管事件的增量预测价值 | NA | 评估心包脂肪组织体积是否能在冠状动脉钙化评分和PREVENT™风险方程之外提高心血管事件的预测能力 | 无已知心力衰竭和动脉粥样硬化性心血管疾病史的明尼苏达州奥姆斯特德县居民 | 数字病理学 | 心血管疾病 | NA | 深度学习 | 影像 | 11,897名居民 | NA | NA | Dice系数 | NA |
| 4499 | 2026-06-16 |
Advanced CNN Deep Learning Model for Diabetic Retinopathy Classification
2026-Jun, Journal of biomedical physics & engineering
DOI:10.31661/jbpe.v0i0.2406-1774
PMID:42292681
|
研究论文 | 利用深度学习技术对糖尿病视网膜病变进行早期分级分类 | 提出低成本、快速且准确的自动化系统，结合CNN、决策树和逻辑回归三种模型，在三个不同数据集上进行DR严重程度分类比较 | 论文标题和摘要中未明确描述局限性 | 开发用于早期检测和分类糖尿病视网膜病变的深度学习自动化系统 | 视网膜眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | NA | CNN（卷积神经网络）、决策树、逻辑回归 | 图像 | 三个数据集：伊拉克数据集、印度糖尿病视网膜病变图像数据集（IDRiD）和Eyepacs数据集 | NA | CNN | 准确率 | NA |
| 4500 | 2026-06-16 |
AI-Enabled Mucus Segmentation in Nasal Endoscopy with State Space and Attention-Based Modeling
2026-Jun, Laryngoscope investigative otolaryngology
IF:1.6Q2
DOI:10.1002/lio2.70467
PMID:42292753
|
研究论文 | 提出SUM-MucusNet模型，用于鼻内窥镜图像中粘液分割 | 结合状态空间与注意力机制，针对薄粘液层与浆液分泌物分离、边界模糊及光照伪影等挑战进行优化 | 模型在非常规粘液模式下的表现仍有提升空间，且仅基于单中心数据验证 | 提升鼻内窥镜下粘液分割的准确性，支持标准化粘液评估与纵向疾病监测 | 鼻内窥镜图像中的粘液区域 | 计算机视觉 | 鼻窦炎 | NA | 深度学习模型 | 图像 | 来自454名患者的3486张已标注内窥镜图像 | NA | SUM-MucusNet（状态空间与注意力机制结合） | Dice系数、交并比、精确率、召回率 | NA |