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 43005 篇文献，本页显示第 4661 - 4680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4661 | 2026-02-12 |
Interpretable and generative deep learning models explicate phase separating intrinsically disordered motifs
2026-Feb-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69252-z
PMID:41667449
|
研究论文 | 本研究开发了一个名为PhaSeMotif的深度学习框架，用于可解释且精确地预测蛋白质内在无序区域中驱动相分离的关键基序 | 结合了基序预测、生成和验证，提供了一个开源工具包，并整合生成模型以创建保留关键组成特征的验证就绪基序 | NA | 系统识别调控蛋白质相分离的序列基序及其组成决定因素 | 蛋白质内在无序区域中的相分离驱动基序 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 4662 | 2026-02-12 |
Sjögren's syndrome-focusassist: lymphocytic focus assessment in Sjögren's syndrome: a deep learning and spatial analysis approach
2026-Feb-10, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-026-01756-0
PMID:41668096
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4663 | 2026-02-12 |
Understanding complaint behavior in mobile banking: A psychological and AI-based analysis of emotional drivers
2026-Feb-09, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2026.106435
PMID:41666715
|
研究论文 | 本研究结合情感智能与人工智能技术，分析移动银行应用中用户投诉行为的情感驱动因素 | 首次将情感智能理论与AI技术结合，用于分类零售移动银行中的用户问题，并评估情感线索与报告行为之间的关系 | 研究仅基于单一银行应用的用户评论数据，可能无法完全代表其他银行或金融应用的用户行为 | 探究情感智能和AI技术在分类移动银行用户报告问题及分析情感与问题报告关联性中的应用 | 美国银行移动银行应用的用户评论 | 自然语言处理 | NA | 情感分析，机器学习，深度学习 | MLP, CNN, RNN | 文本 | 超过216,000条用户评论 | NA | NA | 准确率 | NA |
| 4664 | 2026-02-12 |
Deep Learning Reconstruction Combined with Contrast-Enhancement Boost Technique in "Quadruple-low" CCTA Protocol: Evaluation of Image Quality and Diagnostic Accuracy
2026-Feb-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.01.025
PMID:41667344
|
研究论文 | 本研究评估了深度学习重建算法结合对比增强提升技术在“四低”冠状动脉CT血管成像协议中对图像质量和诊断性能的影响 | 首次将深度学习重建与对比增强提升技术结合，应用于“四低”（低管电压、低流速、低对比剂体积、低浓度）CCTA协议，显著降低了辐射剂量和对比剂用量，同时提升了图像质量 | 样本量相对较小（102例），且为单中心研究，可能限制结果的普适性 | 评估“四低”CCTA协议中深度学习重建结合对比增强提升技术对图像质量和诊断准确性的影响 | 102例接受冠状动脉CT血管成像的患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管成像 | 深度学习重建算法 | 医学影像（CT图像） | 102例患者（随机分为常规剂量组51例和四低组51例） | NA | NA | 信噪比, 对比噪声比, 主观图像质量评分, CAD-RADS 2.0, 节段狭窄评分, 节段受累评分, 冠状动脉钙化评分, 诊断准确率, 敏感性 | NA |
| 4665 | 2026-02-12 |
Multi-mechanism-driven dual-mode array based on a single PFC-1/QD probe enables AI-assisted on-site identification of biogenic amines and real-time food freshness monitoring
2026-Feb-06, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2026.118501
PMID:41666536
|
研究论文 | 本研究开发了一种基于P-QDot探针的荧光/比色双模式传感器阵列，结合深度学习和智能手机成像，用于生物胺的分类、定量及食品新鲜度实时监测 | 通过单探针PFC-1/QD实现多机制驱动的双模式响应，结合AI算法和智能手机平台，实现生物胺的现场识别和食品新鲜度的实时可视化监测 | 研究主要针对五种生物胺，可能未覆盖所有相关胺类；实际应用环境中的干扰因素需进一步验证 | 开发便携式实时监测方法，用于食品中生物胺的识别和食品新鲜度评估 | 五种生物胺及虾类食品在储存过程中的新鲜度变化 | 机器学习 | NA | 荧光/比色双模式传感、智能手机成像 | 深度学习 | 图像 | NA | YOLOv12 | YOLOv12 | NA | 智能手机平台 |
| 4666 | 2026-02-12 |
A two-level neurodynamic approach for heterogeneous networked game under event-triggered quantized mechanism
2026-Feb-04, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108671
PMID:41666488
|
研究论文 | 本文提出了一种基于事件触发量化机制的两级神经动力学方法，用于解决异构网络化博弈问题，旨在降低通信成本并提高收敛速度 | 引入基于梯度的事件触发器和对数量化器来减轻通信负担，结合无源性策略补偿信息不完全性，并引入分段时变函数确保规定时间收敛 | NA | 研究网络化博弈中的通信成本降低和收敛速度提升问题 | 异构动态玩家（如自主移动机器人） | 机器学习 | NA | 事件触发机制、量化通信、Lyapunov方法 | 神经动力学模型 | 模拟数据 | NA | NA | 两级神经动力学架构 | 收敛时间、通信频率 | NA |
| 4667 | 2026-02-12 |
Self-adaptive fine-tuning of deep learning super-resolution microscopy for artifact suppression in live-cell imaging
2026-Feb-02, Innovation (Cambridge (Mass.))
DOI:10.1016/j.xinn.2025.101123
PMID:41658490
|
研究论文 | 本文提出了一种自适应性微调方法，用于抑制深度学习超分辨率显微镜在活细胞成像中的伪影生成 | 开发了一种自适应性微调方法，动态调整模型参数以最小化损失函数，该函数直接量化活细胞成像中的伪影 | NA | 抑制深度学习超分辨率显微镜在活细胞成像中的伪影生成 | 活细胞成像中的纳米级细胞器相互作用 | 计算机视觉 | NA | 深度学习超分辨率显微镜 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 4668 | 2026-02-12 |
Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques
2026-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2400318
PMID:39235388
|
研究论文 | 本研究使用基于LSTM的深度学习技术，探索关节角度和表面肌电信号对关节扭矩预测准确性的贡献 | 通过训练三种双向LSTM模型，分别使用关节角度、表面肌电信号及两者组合作为输入，评估了不同输入模态对下肢关节扭矩预测的独立和联合效果，发现单一输入模态在某些情况下可能足以准确预测特定关节扭矩 | 研究基于公开数据集进行，可能受限于数据集的样本规模和多样性；未探讨模型在其他运动模式或临床场景下的泛化能力 | 预测下肢关节扭矩，以评估关节角度和表面肌电信号在扭矩预测中的相对贡献 | 正常行走过程中的下肢关节扭矩 | 机器学习 | NA | 表面肌电信号采集 | LSTM | 时间序列数据 | 使用公开数据集，具体样本数量未在摘要中明确说明 | NA | 双向LSTM | 归一化均方根误差, Pearson相关系数 | NA |
| 4669 | 2026-02-12 |
Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies
2026-Feb-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001218
PMID:40586610
|
研究论文 | 本研究利用深度学习模型通过PI-RADS引导的表征学习，从双参数前列腺MRI图像中学习放射科医生的解读方式，以区分PI-RADS 3分类，检测临床显著前列腺癌，并减少不必要的良性活检 | 采用PI-RADS引导的表征学习方法训练深度学习模型，从放射科医生自信评估的MRI图像中学习表征，以解决PI-RADS 3分类的模糊性问题，并开发基于这些表征的活检决策模型，在避免良性活检方面优于放射科医生和临床模型 | 研究为单机构回顾性研究，可能受限于数据来源的多样性和读者差异，且模型在外部验证和泛化能力方面未明确评估 | 通过深度学习模型改善前列腺MRI中PI-RADS 3分类的歧义性，提高临床显著前列腺癌的检测准确性，并优化活检决策策略以减少不必要的良性活检 | 前列腺癌患者，包括已知或疑似前列腺癌的男性，涉及MRI检查和后续活检数据 | 数字病理学 | 前列腺癌 | 双参数前列腺MRI（T2加权和扩散加权成像） | 深度学习模型，表征学习器 | 图像 | 28,263次MRI检查（来自21,938名男性），其中6,352次后续活检，训练集包括21,465次放射科医生自信评估的检查 | NA | NA | AUC, 敏感性, 阴性预测值, 活检产出率 | NA |
| 4670 | 2026-02-12 |
AFM-Based Deep Learning Decodes Human Macrophage Mechanophenotypes
2026-Feb, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202500953
PMID:40722235
|
研究论文 | 本研究介绍了一种结合原子力显微镜与深度学习的集成平台，用于在单细胞分辨率下对巨噬细胞进行无标记的机械表型分析 | 首次将原子力显微镜的纳米级力学映射与深度神经网络相结合，实现了无需传统免疫标记、能动态区分巨噬细胞功能表型（M0、M1、M2）并揭示混合极化状态的非破坏性方法 | 未明确提及样本量或外部验证队列的详细信息，且方法可能依赖于特定的仪器平台 | 开发一种无标记、动态的免疫监测策略，通过细胞力学特性解码巨噬细胞的功能表型 | 人类巨噬细胞在不同激活状态（初始M0、炎症M1、修复M2）下的形态与纳米力学特征 | 生物医学工程，计算生物学 | 免疫相关疾病（泛指） | 原子力显微镜纳米级力映射 | 深度神经网络 | 纳米力学与形态学图像数据（如杨氏模量、粘附力、球形度） | NA | NA | 深度神经网络（具体架构未指定） | 分类准确性（隐含） | NA |
| 4671 | 2026-02-12 |
Advanced deep learning for early diagnosis of arsenic-induced dermatological conditions through dermoscopic image evaluation
2026-Feb, Journal of medical engineering & technology
DOI:10.1080/03091902.2025.2590472
PMID:41273294
|
研究论文 | 本研究提出了一种先进的深度学习框架，通过皮肤镜图像分析支持砷诱导皮肤病的早期诊断 | 采用协同ResNet-DenseNet架构提取判别性图像特征，结合k近邻算法进行分类，实现了对砷暴露相关皮肤病变的高精度自动化评估 | 研究仅基于孟加拉国四个现场的数据集，可能缺乏全球代表性；未提及模型在外部验证集上的泛化性能 | 开发深度学习框架以辅助砷诱导皮肤病的早期诊断和公共卫生监测 | 砷暴露个体和未受影响个体的皮肤镜图像 | 计算机视觉 | 皮肤病 | 皮肤镜图像分析 | CNN, k-NN | 图像 | 8892张皮肤镜图像 | NA | ResNet, DenseNet | 准确率, F1分数, 灵敏度, 召回率 | NA |
| 4672 | 2026-02-12 |
Classification of epileptic seizure using hybrid deep learning framework with time and time-frequency Hjorth features
2026-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2026.2618585
PMID:41589762
|
研究论文 | 本文提出了一种结合时域和时频域Hjorth参数特征以及注意力增强时序建模的混合深度学习框架，用于癫痫发作阶段的分类 | 提出了一种新颖的混合深度学习框架，整合了多域（时域和时频域）的Hjorth参数特征，并引入了注意力机制来增强时序建模能力 | NA | 开发一个用于癫痫发作阶段分类的深度学习框架 | 癫痫发作阶段，包括正常、发作间期和发作期 | 机器学习 | 癫痫 | 离散小波变换 | CNN, BiLSTM, 注意力机制 | 脑电图数据 | 基于Bonn EEG数据集，具体样本数量未明确说明 | NA | 1D CNN, BiLSTM | 准确率, 精确率, 召回率, F1分数 | NA |
| 4673 | 2026-02-12 |
Beyond the Leaderboard: Evaluating the Robustness of Deep Learning Models for Detecting Freezing of Gait
2026-Feb, The European journal of neuroscience
DOI:10.1111/ejn.70424
PMID:41657009
|
研究论文 | 本文评估了深度学习模型在检测帕金森病患者步态冻结症状中的鲁棒性和可转移性 | 通过组织全球机器学习竞赛并测试获胜模型在新数据集上的表现，验证了模型的可转移性，发现第三名模型在新数据上表现良好，与专家标注的一致性相当或优于人工评分者 | 模型在检测步态冻结发作次数或亚型时表现不佳，可能需要额外传感器或其他建模方法 | 开发并评估用于自动检测帕金森病患者步态冻结的深度学习模型 | 帕金森病患者 | 机器学习 | 帕金森病 | 加速度传感器数据 | 深度学习模型 | 加速度数据 | 12名患者 | NA | NA | F1分数, 准确率, 召回率, 特异性, 精确率, 组内相关系数 | NA |
| 4674 | 2026-02-12 |
Computed tomography-based prediction of commissural positions facilitates valve-sparing aortic root replacement
2026-Feb, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2025.11.007
PMID:41658864
|
研究论文 | 本研究比较了基于CT的主动脉根部再植入术规划与传统方法，并评估了深度学习算法自动CT测量的准确性 | 首次将深度学习算法应用于CT测量，以自动化预测主动脉瓣连合位置，减少术中调整需求 | 样本量较小（仅20例患者），且为单中心研究，可能影响结果的普遍性 | 评估CT规划和深度学习算法在主动脉根部再植入术中的效果 | 接受David再植入术的主动脉根部疾病患者 | 数字病理学 | 心血管疾病 | 计算机断层扫描（CT），心电图门控CT | 深度学习算法 | CT图像 | 20例患者用于CT组，20例对照组，另50例用于算法验证 | NA | NA | 组内相关系数（ICC），差异范围 | NA |
| 4675 | 2026-02-12 |
Deformable lung models for anatomical lung resections: The introduction of simulated reality for imaging guidance
2026-Feb, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2025.10.022
PMID:41658897
|
研究论文 | 本文介绍了一种结合人工智能、有限元方法、三维可视化和四维交互的PulmoSimulatedReality技术，用于肺切除术的术前成像和术中手术引导 | 提出了PulmoSimulatedReality技术，首次将人工智能、有限元方法、三维可视化和四维交互集成，为肺切除术提供动态可变形解剖模型 | 仅进行了30例患者的初步验证，样本量较小，且为回顾性研究，缺乏前瞻性临床验证 | 开发并验证一种用于肺切除术术前成像和术中引导的新型四维可变形肺模型技术 | 接受肺切除术的30例患者 | 数字病理 | 肺癌 | 深度学习算法、有限元方法、三维可视化、四维交互 | 深度学习算法 | 医学影像数据、术中视频记录 | 30例接受肺切除术的患者 | NA | NA | 准确度、精确度、灵敏度、延迟时间、三维模型重建时间 | NA |
| 4676 | 2026-02-12 |
RE: An observational study of deep learning and automated evaluation of cervical images for cancer screening
2026-Feb-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djaf348
PMID:41392328
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4677 | 2026-02-12 |
Attention-Enhanced Convolutional BiLSTM Model for Predicting Recovery Outcomes in Sports Injuries
2026-Feb, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-025-01417-2
PMID:41669206
|
研究论文 | 本研究提出了一种新颖的混合深度学习模型，用于预测运动损伤的康复结果 | 提出了一种结合注意力机制、随机森林优化、卷积神经网络和双向长短期记忆网络的混合模型（A-RF-CBiLSTM），用于运动损伤康复预测，显著提升了预测性能 | 未明确提及模型在外部验证集上的泛化能力或临床部署的可行性 | 改进运动损伤评估和康复预测，为年轻运动员提供精准个性化的康复方案 | 下肢运动损伤 | 机器学习 | 运动损伤 | 肌电图（EMG）、运动学数据采集 | CNN, BiLSTM | 肌电图信号、运动学数据 | 来自四个综合数据集的数据，具体样本数量未明确说明 | NA | 卷积块注意力模块（CBAM）、深度可分离卷积神经网络、双向长短期记忆网络 | 准确率, 精确率, 召回率, F1分数, 特异性 | NA |
| 4678 | 2026-02-12 |
Hotspots and Trends in the Application of Artificial Intelligence in Spine Medicine from 2005 to 2024: A Bibliometric and Visualization Analysis
2026-Feb, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-025-01585-1
PMID:41669209
|
研究论文 | 本文对2005年至2024年间人工智能在脊柱医学领域的应用进行了全面的文献计量和可视化分析，揭示了研究热点和趋势 | 首次通过文献计量学方法系统梳理了人工智能在脊柱医学领域近二十年的发展历程，识别了研究热点和前沿，并提出了未来研究方向 | 分析仅基于Web of Science核心合集数据库的英文文献，可能遗漏其他语言或数据库的相关研究，且文献计量方法本身存在一定局限性 | 通过文献计量分析揭示人工智能在脊柱医学领域的研究趋势，为未来研究方向提供信息 | 2005年至2024年间Web of Science核心合集中关于人工智能在脊柱医学应用的英文出版物 | 机器学习 | NA | 文献计量分析，可视化分析 | NA | 文献数据 | 1344篇论文 | CiteSpace, VOSviewer, Bibliometrix R | NA | NA | NA |
| 4679 | 2026-02-12 |
How does a deep neural network look at lexical stress in English words?
2026-Feb-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0042429
PMID:41670352
|
研究论文 | 本研究探讨了深度神经网络如何从英语单词的声谱图中预测词汇重音位置，并利用层相关性传播技术分析其决策依据 | 首次将层相关性传播技术应用于分析卷积神经网络在词汇重音预测任务中的决策过程，揭示了网络如何利用分布式声学线索 | 研究仅基于英语双音节词，未扩展到多音节词或其他语言；数据集虽包含自发语音，但可能未覆盖所有语音变体 | 探究深度神经网络在词汇重音预测任务中的内部决策机制与可解释性 | 英语双音节词的声谱图数据，包括朗读和自发语音 | 自然语言处理 | NA | 声谱图分析 | CNN | 声谱图 | 自动构建的英语双音节词数据集，包含朗读和自发语音样本 | NA | 多种卷积神经网络架构 | 准确率 | NA |
| 4680 | 2026-02-12 |
The Transformative Impact of Deep Learning and Artificial Intelligence on Parasitic Disease Diagnosis
2026-Feb-01, Clinical laboratory
IF:0.7Q4
DOI:10.7754/Clin.Lab.2025.250543
PMID:41670505
|
综述 | 本文综述了深度学习和人工智能在寄生虫病诊断中的应用，重点关注卷积神经网络和机器学习在检测疟疾、利什曼病和血吸虫病等病原体方面的潜力 | 强调了AI与便携式诊断工具在资源有限地区的整合潜力，以提升全球卫生成果 | 数据异质性和算法偏见是主要挑战，需克服以实现伦理和公平的实施 | 探讨人工智能，特别是深度学习，在寄生虫病诊断中的变革性影响 | 疟疾、利什曼病和血吸虫病等寄生虫病原体 | 机器学习 | 寄生虫病 | NA | CNN, ML | 临床样本、影像数据、流行病学数据 | NA | NA | NA | 灵敏度, 特异度 | NA |