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 36836 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2025-12-18 |
Position paper of the EACVI and EANM on artificial intelligence applications in multimodality cardiovascular imaging using SPECT/CT, PET/CT, and cardiac CT
2021-05, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-021-05341-z
PMID:33864509
|
立场论文 | 本文概述了人工智能在心血管多模态成像中的应用，重点介绍了机器学习算法在SPECT/CT、PET/CT和心脏CT中的潜力 | 提出了将机器学习和深度学习算法整合到心血管成像中的新策略，以提升诊断和预后评估能力 | NA | 为心血管成像领域的人工智能应用提供概念框架和实践指南，支持临床决策 | 心血管疾病患者，使用SPECT/CT、PET/CT和心脏CT等成像技术 | 数字病理学 | 心血管疾病 | SPECT/CT, PET/CT, 心脏CT, 冠状动脉CT血管造影 | 机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 462 | 2025-12-18 |
Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology
2018-May, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1016/j.carj.2018.02.002
PMID:29655580
|
白皮书 | 加拿大放射科医师协会发布关于人工智能在放射学中应用的白皮书，提供相关建议和指导 | 作为加拿大放射学领域的官方立场文件，首次系统性地提出AI在放射学中的实施框架和政策建议 | 未涉及具体技术细节或临床验证数据，主要侧重于政策层面讨论 | 探讨人工智能在放射学领域的应用前景、实施策略及对行业的影响 | 放射学实践、政策制定、患者护理及专业教育 | 数字病理 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 463 | 2025-12-17 |
Rethinking active learning in medical education: a comparative study of inquiry-based and team-based learning on student performance and satisfaction
2026-Mar-01, Advances in physiology education
IF:1.7Q4
DOI:10.1152/advan.00199.2025
PMID:41196126
|
研究论文 | 本研究比较了医学教育中基于探究的学习（IBL）与基于团队的学习（TBL）的教学效果，重点关注学生表现和满意度 | 设计并实施了一个基于5E教学模型的创新IBL框架，结合了交互式临床案例、条件性解决方案揭示机制和游戏化综合活动 | 准实验设计可能限制了因果推断的强度，样本仅来自一年级医学生，可能影响结果的普适性 | 比较IBL与TBL在医学教育中的教学有效性，包括学术表现、学习者参与度、自主性和满意度 | 548名一年级医学生 | 医学教育 | NA | 5E教学模型、交互式临床案例、条件性解决方案揭示机制（scratch film）、游戏化综合（填字游戏） | NA | 定量表现指标、行为观察数据、学生问卷数据 | 548名一年级医学生 | NA | NA | 关键学习概念保留率、扩展概念获取率、参与度、自主性、满意度、作弊倾向 | NA |
| 464 | 2025-12-17 |
Multi-view learning meets state-space model: A dynamical system perspective
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108088
PMID:40966932
|
研究论文 | 本文提出了一种基于连续时间动态系统视角的多视图状态空间模型（MvSSM），用于多视图表示学习 | 将多视图表示学习形式化为受控制理论启发的连续时间动态系统，将视图特定特征视为外部输入，共享潜在表示作为内部系统状态演化，统一了特征集成和标签预测，并支持系统稳定性和表示转换的理论分析 | 未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制 | 通过动态系统视角改进多视图学习的表示能力和理论可解释性 | 多模态数据的特征表示与动态演化 | 机器学习 | NA | NA | 状态空间模型 | 多视图数据（多模态） | NA | NA | MvSSM-Lap, MvSSM-iLap | 准确率, F1分数 | NA |
| 465 | 2025-12-17 |
A unified gradient regularization method for heterogeneous graph neural networks
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108104
PMID:40974991
|
研究论文 | 本文提出了一种名为Grug的统一梯度正则化方法，用于解决异构图神经网络中的过平滑和非鲁棒性问题 | 提出了一种在消息传递过程中迭代应用于节点类型和消息矩阵梯度的正则化方法，并提供了一个统一框架整合现有丢弃和对抗训练方法 | NA | 解决异构图神经网络中的过平滑和非鲁棒性问题，提高模型性能 | 异构图神经网络 | 机器学习 | NA | NA | 异构图神经网络 | 图数据 | 六个公共数据集 | NA | NA | NA | NA |
| 466 | 2025-12-17 |
Deceiving question-answering models: A hybrid word-level adversarial approach
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108105
PMID:40987134
|
研究论文 | 本文提出了一种名为QA-Attack的单词级对抗策略，用于欺骗问答模型 | 利用基于注意力的攻击机制和删除排序策略，识别并针对上下文段落中的特定单词，通过同义词替换创建欺骗性输入，在保持语法完整性的同时误导模型产生错误响应 | NA | 探索问答模型对抗攻击的鲁棒性 | 问答模型 | 自然语言处理 | NA | NA | NA | 文本 | NA | NA | NA | 成功率, 语义变化, BLEU分数, 流畅度, 语法错误率 | NA |
| 467 | 2025-12-17 |
Spiking neural networks for EEG signal analysis: From theory to practice
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108127
PMID:41004906
|
综述 | 本文综述了脉冲神经网络在脑电图信号分析中的理论进展与实际应用，旨在弥合理论与实践之间的差距 | 系统性地将脉冲神经网络应用于脑电图信号分析，强调其相较于传统深度学习方法的时序信息处理优势和计算效率，并提供实践指导与开源代码 | 综述性质文章，未进行原创性实验验证，且基于现有方法总结，可能未涵盖所有最新进展 | 探讨脉冲神经网络在脑电图信号分析中的应用潜力，推动脑机接口和神经反馈系统的发展 | 脑电图信号 | 机器学习 | NA | NA | SNN | 脑电图信号 | NA | NA | NA | NA | NA |
| 468 | 2025-12-17 |
MSA-LR: Enhancing multi-scale temporal dynamics in multivariate time series forecasting with low-rank self-attention
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108150
PMID:41032938
|
研究论文 | 本文提出了一种名为MSA-LR的新型架构，旨在通过可学习的尺度权重矩阵和低秩近似来增强多变量时间序列预测中的多尺度时间动态建模能力 | 引入了可学习的尺度权重矩阵和低秩近似方法，能够直接建模不同时间粒度（如小时、日、周）的影响，实现对多尺度交互的细粒度控制，同时显著降低了计算复杂度 | 未明确说明模型在极端事件或非平稳时间序列上的表现，也未讨论模型对超参数选择的敏感性 | 提升多变量时间序列预测的准确性，特别是长期预测场景下的性能 | 多变量时间序列数据 | 机器学习 | NA | NA | Transformer | 时间序列数据 | NA | NA | MSA-LR（多尺度自注意力低秩近似架构） | 预测准确率 | NA |
| 469 | 2025-12-17 |
AI for colon cancer: A focus on classification, detection, and predictive modeling
2026-Feb, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106115
PMID:41075424
|
综述 | 本文系统评估了人工智能在结肠癌检测、分类、预测和分割方面的应用现状及其对诊断准确性、治疗规划和患者结局的影响 | 通过系统综述和元分析，评估了AI在结肠癌研究中的最新进展，特别关注了可解释AI和生成AI技术的应用，并进行了基于AI技术类型和应用的亚组分析 | 临床整合仍面临数据和验证方面的挑战，且研究质量依赖于纳入文献的完整性和可靠性 | 评估人工智能在结肠癌研究中的应用现状及其对诊断准确性、治疗规划和患者结局的影响 | 2020年至2024年间发表的关于人工智能在结肠癌中应用的研究文章 | 数字病理学 | 结肠癌 | NA | 深度学习, 机器学习 | NA | 80篇文章 | NA | NA | 诊断准确性 | NA |
| 470 | 2025-12-17 |
Towards out-of-distribution detection using gradient vectors
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108142
PMID:41046618
|
研究论文 | 本文提出了一种名为GradVec的新方法，利用梯度向量进行分布外检测，以区分未知样本与已知类别样本 | 首次将梯度空间作为输入表示用于OOD检测，通过模型梯度更信息性地表达样本属于已知类别的知识，无需改变训练过程或额外数据 | 未明确讨论计算复杂度或梯度计算可能带来的额外开销 | 开发一种基于梯度向量的分布外检测方法，以提高模型在真实世界场景中对未知样本的识别能力 | 深度学习模型在图像分类和文本分类任务中的分布外样本检测 | 机器学习 | NA | NA | 深度学习模型 | 图像, 文本 | NA | NA | NA | FPR95 | NA |
| 471 | 2025-12-17 |
Graph-patchformer: Patch interaction transformer with adaptive graph learning for multivariate time series forecasting
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108140
PMID:41046616
|
研究论文 | 提出了一种名为Graph-Patchformer的新型深度学习框架，用于多变量时间序列预测，通过结构编码和自适应图学习捕获序列内依赖和序列间局部动态依赖 | 结合结构编码反映MTS内部结构信息，并利用提出的Patch Interaction Blocks同时捕获序列内依赖和序列间局部动态依赖，无需额外的多尺度特征融合模块 | 未在摘要中明确说明 | 提升多变量时间序列预测的准确性和性能 | 多变量时间序列数据 | 机器学习 | NA | NA | Transformer, 自适应图学习 | 多变量时间序列数据 | NA | NA | Graph-Patchformer, Patch Interaction Blocks | NA | NA |
| 472 | 2025-12-17 |
Graph neural networks for fMRI functional brain networks: A survey
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108137
PMID:41066997
|
综述 | 本文综述了基于图神经网络的功能性大脑网络分析方法，涵盖不同维度的技术，并讨论了开放挑战、未满足需求及数据集资源 | 从计算机科学角度全面总结了功能性大脑网络分析的最新GNN方法，填补了该领域缺乏系统性综述的空白 | NA | 总结和评估基于图神经网络的功能性大脑网络分析方法，以促进脑网络研究的发展 | 功能性大脑网络及其分析方法 | 机器学习 | 精神障碍 | 神经影像技术 | GNN | 图数据 | NA | NA | NA | NA | NA |
| 473 | 2025-12-17 |
A multi-level teacher assistant-based knowledge distillation framework with dynamic feedback for motor imagery EEG decoding
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108180
PMID:41072285
|
研究论文 | 本文提出了一种基于多级教师助理知识蒸馏的动态反馈框架，用于压缩运动想象脑电信号解码的深度学习模型 | 提出了一个新颖的知识蒸馏框架MIKD，包含多级教师助理知识蒸馏模块和动态反馈模块，能在高压缩比下有效提取和传递MI-EEG信号的多层次知识 | NA | 压缩用于运动想象脑电信号分类的深度学习模型，同时保持高性能，以适用于实际脑机接口应用 | 运动想象脑电信号 | 机器学习 | NA | 脑电图 | 深度学习模型 | 脑电信号 | 三个公共脑电数据集 | NA | NA | 准确率 | NA |
| 474 | 2025-12-17 |
Elevating adversarial robustness by contrastive multitasking defence in medical image segmentation
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108182
PMID:41075318
|
研究论文 | 本文提出了一种名为CEASE的新型防御方法，通过结合对比学习和多任务学习，显著提升医学图像分割模型对抗对抗性攻击的鲁棒性 | 首次将对比学习与多任务学习整合，针对医学图像分割任务设计防御机制，有效降低对抗性攻击成功率至0% | 未明确说明方法在更广泛医学图像数据集或不同攻击类型下的泛化能力 | 增强基于深度学习的医学图像分割模型对抗对抗性攻击的鲁棒性 | 医学图像分割模型 | 计算机视觉 | NA | 深度学习 | CNN | 医学图像 | 公开可用数据集 | NA | NA | 攻击成功率 | NA |
| 475 | 2025-12-17 |
Self identity mapping
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108132
PMID:41077025
|
研究论文 | 提出了一种名为自身份映射（SIM）的数据内在正则化框架，通过逆映射机制增强表示学习，并实例化为ρSIM以降低计算复杂度 | 提出了一种模型无关、任务无关的即插即用正则化模块，通过重构输入来减少前向传播中的信息损失并促进更平滑的梯度流 | NA | 开发一种通用的正则化框架以增强深度学习的泛化能力并缓解过拟合 | 深度学习模型的正则化 | 机器学习 | NA | NA | NA | 图像, 音频, 时间序列 | NA | NA | NA | NA | NA |
| 476 | 2025-12-17 |
Spatial single-cell proteomics landscape decodes the tumor microenvironmental ecosystem of intrahepatic cholangiocarcinoma
2026-Jan-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001283
PMID:39999448
|
研究论文 | 本研究利用人工智能辅助的空间多组学技术，生成了肝内胆管癌的全面空间图谱，揭示了肿瘤微环境的空间特征与预后及免疫治疗的关系 | 首次结合多种空间多组学技术（如成像质谱流式、空间蛋白质组学、空间转录组学等）和深度学习系统，系统解析了肝内胆管癌肿瘤微环境的细胞空间拓扑结构，并识别出与预后相关的空间亚型 | 空间转录组学样本量较小（n=4），部分数据依赖公共数据库，可能影响结果的普遍性 | 生成肝内胆管癌的空间肿瘤微环境图谱，识别与预后和免疫治疗相关的空间特征 | 肝内胆管癌患者的肿瘤组织样本 | 数字病理学 | 肝内胆管癌 | 成像质谱流式、空间蛋白质组学、空间转录组学、多重免疫荧光、单细胞RNA测序、批量RNA测序、批量蛋白质组学 | 深度学习 | 图像、蛋白质组数据、转录组数据 | 超过106万个细胞，包括155个内部成像质谱流式样本、155个内部空间蛋白质组学样本、4个内部空间转录组学样本、20个内部多重免疫荧光样本、9个内部和34个公共单细胞RNA测序样本、244个公共批量RNA测序样本、110个内部和214个公共批量蛋白质组学样本 | NA | NA | 高准确度 | NA |
| 477 | 2025-12-17 |
Deep learning analysis of MRI accurately detects early-stage perihilar cholangiocarcinoma in patients with primary sclerosing cholangitis
2026-Jan-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001314
PMID:40112296
|
研究论文 | 本研究开发了一个基于3D DenseNet-121的深度学习模型，用于分析MRI图像以检测原发性硬化性胆管炎患者的早期肝门部胆管癌 | 首次将3D DenseNet-121深度学习模型应用于MRI图像分析，以检测原发性硬化性胆管炎患者的早期肝门部胆管癌，并在多中心国际队列中验证其性能优于专家放射科医生 | 研究为回顾性设计，可能受限于数据选择和潜在偏差；模型在无肿块情况下的特异性虽好但非完美 | 创建并验证一个深度学习模型，通过分析MRI图像来检测原发性硬化性胆管炎患者的早期肝门部胆管癌，并与专家放射科医生的诊断性能进行比较 | 患有大胆管原发性硬化性胆管炎的成年患者，包括训练队列150人和测试队列248人，其中肝门部胆管癌患者共230人 | 医学影像分析 | 肝门部胆管癌 | 对比增强MRI | 深度学习 | MRI图像 | 398名患者（训练队列150人，测试队列248人），其中肝门部胆管癌患者230人 | NA | 3D DenseNet-121 | 敏感性, 特异性, 受试者工作特征曲线下面积 | NA |
| 478 | 2025-12-17 |
Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70046
PMID:40679171
|
综述 | 本文综述了集成PET-MRI在神经退行性疾病临床实践中的转化应用，包括技术进展、临床益处及未来前景 | 总结了集成PET-MRI在神经退行性疾病中的最新技术革新，如基于MRI的衰减校正、运动校正方法以及深度学习在疾病分类和预测中的应用 | NA | 探讨集成PET-MRI在神经退行性疾病临床诊断和研究中的应用价值及技术发展 | 阿尔茨海默病及其他神经退行性疾病患者 | 数字病理学 | 神经退行性疾病 | 集成PET-MRI, MRI, PET | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 479 | 2025-12-17 |
A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70113
PMID:40916364
|
研究论文 | 本文评估了基于深度学习的模型用于法洛四联症患者心脏磁共振图像的左心室、右心室和左心室心肌的自动分割 | 采用MultiResUNet模型在混合数据集（包含法洛四联症和非法洛四联症病例）上训练，实现了对法洛四联症患者心脏结构的准确自动分割，并进行了内部和外部验证 | 研究为回顾性设计，样本量有限（特别是外部验证仅12例），且仅使用了一种成像序列 | 评估深度学习模型在法洛四联症患者心脏磁共振图像自动分割中的性能，以替代耗时且存在变异性的手动分割 | 427名患有不同心脏疾病的患者（包括122名法洛四联症患者和305名非法洛四联症患者）的心脏磁共振图像 | 数字病理学 | 心血管疾病 | 稳态自由进动电影序列 | CNN | 图像 | 427名患者（395名用于训练/验证，32名法洛四联症患者用于内部测试，12名外部法洛四联症患者用于泛化性评估） | NA | U-Net, Deep U-Net, MultiResUNet | Dice相似系数, 交并比, F1分数 | NA |
| 480 | 2025-09-11 |
Editorial for "A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients"
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70114
PMID:40928233
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |