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 45062 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2026-06-03 |
Confocal Raman Microscopy to Study Silicone Breast Implant's Early-Stage Degradation in Reconstructive Surgery
2026-Jan, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500510
PMID:41549634
|
研究论文 | 利用共聚焦拉曼显微镜研究硅胶乳房假体在重建手术中的早期降解 | 首次使用拉曼技术结合深度学习模型来识别硅胶乳房假体降解状态的关键标记物（二苯基硅氧烷和CH振动），并发现与凝胶黄变相关的拉曼波段 | NA | 阐明硅胶乳房假体膜的结构及其防凝胶渗漏功能，并识别降解状态标记物 | 硅胶乳房假体 | 数字病理学 | NA | 拉曼光谱 | 深度学习 | 光谱数据 | NA | NA | 深度学习模型 | NA | NA |
| 482 | 2026-06-03 |
Prototype bank-driven test-time adaptation for medical ultrasound image segmentation
2026-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70280
PMID:41549639
|
研究论文 | 提出一种基于原型库驱动的测试时自适应框架，用于医学超声图像分割，以应对临床中的域偏移问题 | 无需源数据或目标标签，无需反向传播更新模型参数，结合动态统计融合模块和原型库引导语义适应模块实现域级和语义级自适应 | 未提及显著的局限性与挑战 | 解决真实超声图像分割中的域偏移问题，提升模型鲁棒性并避免灾难性遗忘 | 乳腺肿瘤和甲状腺肿瘤的超声图像分割任务 | 数字病理学 | 乳腺肿瘤, 甲状腺肿瘤 | 超声成像 | NA | 医学图像 | NA | NA | 动态统计融合模块, 原型库引导语义适应模块, 双分类器 | Dice系数 | NA |
| 483 | 2026-06-03 |
Single-inspiratory quantitative CT nomogram for enhanced PRISm and COPD differentiation: a cross-sectional study with interpretable diagnostic boundaries
2026, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.20575
PMID:41551461
|
研究论文 | 开发一种基于单次吸气相定量CT的列线图，用于增强保留比值受损肺功能（PRISm）与慢性阻塞性肺疾病（COPD）的鉴别诊断 | 首次提出整合肺实质、气道和血管参数的定量CT列线图，并定义了可解释的影像学诊断边界，以区分PRISm和COPD | 单中心回顾性研究，可能限制结果的普适性；未涉及外部验证队列 | 开发一种低辐射、可解释的定量CT方法，用于区分PRISm与COPD，实现早期慢阻肺分层 | 658名受试者（正常135例，PRISm 328例，COPD 195例） | 计算机视觉 | 慢性阻塞性肺疾病 | 定量CT | 逻辑回归模型 | 影像数据 | 658名受试者（正常135例，PRISm 328例，COPD 195例） | NA | 逻辑回归 | ROC-AUC | NA |
| 484 | 2026-06-03 |
AutoSiQ: a curated haploid Arabidopsis thaliana inflorescence dataset with a fine-grained silique ontology and a deep learning application for haploid fertility quantification
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1767588
PMID:41937765
|
研究论文 | 提出AutoSiQ数据集和深度学习管道，用于自动量化拟南芥单倍体可育性 | 创建首个专门针对单倍体可育性显式表示的高分辨率扫描花序数据集，采用七类长角果本体注释，保留超越二元可育/不可育分类的生物学信息，并通过基线YOLOv5模型实现可育性量化与基因型区分 | 未在摘要中明确提及局限性 | 实现单倍体可育性的自动化、高通量表型分析，以加速双单倍体作物育种流程 | 拟南芥单倍体花序中的长角果和花朵 | 数字病理学 | NA | 机器视觉，YOLOv5目标检测 | YOLOv5 | 高分辨率扫描图像 | 包含多个拟南芥花序样本，具体数量未明确，但涉及野生型和突变体基因型比较 | PyTorch | YOLOv5 | R² | NA |
| 485 | 2026-06-03 |
A deep learning model for real-time recognition of immature persimmons in complex field scenarios
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1785493
PMID:41937778
|
研究论文 | 提出一种基于改进YOLOv12n框架的实时未成熟柿子检测方法，用于复杂田间场景下的精准识别 | 将MobileViTv3、CBAM和DySample模块集成到YOLOv12n架构中，在提高检测精度的同时保持实时推理速度 | 未提及模型在不同天气条件或长期田间监测中的泛化能力验证，也未对不同品种未成熟柿子的适应性进行讨论 | 解决自然田间环境下未成熟柿子颜色弱、目标小、枝叶遮挡及光照干扰导致的实时检测精度低的问题 | 复杂田间环境下的未成熟柿子果实 | 计算机视觉 | NA | NA | CNN | 图像 | 未公开具体数量，但构建了包含多种光照、遮挡和拍摄角度的未成熟柿子图像数据集 | PyTorch | MCD-YOLOv12n（YOLOv12n + MobileViTv3 + CBAM + DySample） | 精确率, 召回率, 平均精度均值, 帧率 | NA |
| 486 | 2026-06-03 |
Editorial: Application of deep learning in biomedical image processing
2026, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2026.1816401
PMID:41938015
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 487 | 2026-06-03 |
Generative AI in drug repurposing and biomarker discovery: a multimodal approach
2026, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2026.1755412
PMID:41938337
|
研究论文 | 提出一种名为HAMGNN的多模态异构图注意力元学习网络，用于药物重定位和生物标志物发现 | 引入关系敏感的多头注意力机制、疾病聚焦的元学习框架以及利用大型语言模型增强的知识图谱构建流程 | 对稀疏注释疾病的泛化能力有限、疾病层适应能力不足、无法有效结合异质性证据 | 开发一种通用、生物基础扎实且统一的框架，用于复杂和新出现疾病的药物重定位和生物标志物发现 | 药物重定位候选和疾病相关生物标志物 | 机器学习 | 阿尔茨海默病、长新冠 | 关系敏感多头注意力、元学习、大型语言模型 | 图神经网络 | 多模态生物医学知识图谱（文本、结构化数据） | 超过220万条边的多模态生物医学知识图谱 | PyTorch | HAMGNN（异构注意力元学习图神经网络） | ROC-AUC、精确度 | NA |
| 488 | 2026-06-03 |
Hybrid ray-tracing-QuaDRiGa/FDTD method for realistic 28 GHz exposure with 6G CF-MaMIMO in 3D outdoor environments
2026, NPJ wireless technology
DOI:10.1038/s44459-026-00031-4
PMID:41938658
|
研究论文 | 提出混合光线追踪-QuaDRiGa/FDTD方法，用于在三维室外环境中评估6G分布大规模天线系统的毫米波电磁暴露 | 首次结合光线追踪、QuaDRiGa小尺度衰落模型和FDTD仿真，利用Google Earth三维网格语义分割实现高精度暴露评估 | 研究主要基于仿真，未涉及实际测量验证；计算资源需求可能较高 | 准确评估6G分布式大规模MIMO技术在真实室外环境中的电磁暴露水平 | 行人路径上的28 GHz毫米波电磁暴露，包括分布式和共址大规模MIMO系统对照 | 计算机视觉，机器学习 | 不适用 | 光线追踪，QuaDRiGa信道建模，FDTD仿真 | 深度学习模型 | 三维网格图像，电磁场仿真数据 | 两个案例研究：赫尔辛基和纽约市 | NA | NA | 表面吸收功率密度，电场强度 | NA |
| 489 | 2026-06-03 |
HASPNet: a hierarchically attentive signal-preserving network for papaya leaf disease classification with explainable deep learning
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1734865
PMID:41940099
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 490 | 2026-06-03 |
Glossography - a computer vision technique for assessing involuntary tongue movements in dyskinesias
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1758570
PMID:41940289
|
研究论文 | 提出一种基于DeepLabCut的计算机视觉方法，用于客观量化帕金森病的口面部运动障碍 | 首次利用全无标记深度学习管道通过标准视频记录追踪舌头、下巴、鼻子和前额标志点来评估运动障碍 | 计算资源需求高，但具有在医疗资源匮乏地区进行远程监测的潜力 | 开发一种客观量化帕金森病口面部运动障碍的计算机视觉技术 | 帕金森病患者的舌头、下巴、鼻子和前额等面部标志点的运动 | 计算机视觉 | 帕金森病 | 计算机视觉 | 深度学习（DeepLabCut） | 视频 | 一名住院患者，监测4天 | DeepLabCut | DeepLabCut | 位移、变异性和峰值运动 | NA |
| 491 | 2026-06-03 |
LANTERN: TCR-peptide binding prediction via large language model representations
2026, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.20980
PMID:41940380
|
研究论文 | 提出LANTERN框架，利用大型语言模型表示预测TCR-肽结合 | 结合预训练的蛋白质和分子语言模型（ESM和MolFormer）以及跨模态融合机制，提升零样本和小样本场景下的泛化能力 | 未明确指出，可能包括对标记数据依赖以及在新型表位上的泛化挑战 | 预测T细胞受体与肽主要组织相容性复合体相互作用，推动靶向免疫治疗和个性化医学 | TCR序列和肽SMILES字符串 | 自然语言处理, 机器学习 | NA | 语言模型表示, 跨模态融合 | 大型语言模型, 多头交叉注意力 | 序列数据 | NA | PyTorch | ESM, MolFormer, 多头交叉注意力 | 竞争性指标（具体未列明，如在TCHard基准上的表现） | NA |
| 492 | 2026-06-03 |
Correlation-Guided Recursive Pyramid Network for Deformable Brain MRI Registration
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3695369
PMID:42202187
|
研究论文 | 提出一种关联指导的递归金字塔网络，用于脑部MRI的可变形配准 | 将显式关联建模直接嵌入递归优化中，提出关联指导的层内递归策略，实现连续精化匹配精度并防止跨尺度误差传播 | NA | 解决可变形图像配准中同时处理大变形和精确特征匹配的挑战 | 脑部MRI图像 | 计算机视觉 | 脑部疾病 | MRI | CNN | 图像 | 三个脑部成像数据集 | PyTorch | CRPNet | 配准精度、鲁棒性 | NA |
| 493 | 2026-06-03 |
Longitudinal MRI Temporal Transformer Fusion Model for Predicting Induction Chemotherapy Efficacy in Locally Advanced Nasopharyngeal Carcinoma
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338261457511
PMID:42224133
|
研究论文 | 开发并评估一种基于时间Transformer的融合模型，整合治疗前后MRI预测局部晚期鼻咽癌诱导化疗疗效 | 提出双分支独立网络结合注意力时间Transformer融合模块，建模治疗前后肿瘤表征的非线性纵向交互与动态演化模式 | 未明确提及 | 实现早期风险分层并指导局部晚期鼻咽癌的个体化治疗管理 | 488例经病理确诊的局部晚期鼻咽癌患者 | 医学图像分析 | 鼻咽癌 | MRI | Transformer | 影像 | 488例患者（来自两个机构） | PyTorch | Twins-SVT, 时间Transformer融合模块 | AUC, 95%置信区间 | NA |
| 494 | 2026-06-03 |
3D object detection for vehicle-mounted LiDAR based on deep learning and euclidean clustering algorithm
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0348581
PMID:42224307
|
研究论文 | 提出一种基于深度学习和改进欧几里得聚类算法的车载激光雷达3D目标检测方法 | 集成布料模拟滤波（CSF）进行地面与非地面点分离，结合KD树结构和自适应参数机制增强聚类鲁棒性和效率；改进PointNet架构，引入多尺度分组（MSG）、多分辨率分组（MRG）和跳跃连接以增强局部特征提取和多级特征融合，整体结合密度感知分割与层次特征聚合，解决稀疏和非均匀LiDAR数据的关键瓶颈 | 未提及具体局限性 | 提高自动驾驶环境感知中3D目标检测的精度和效率 | 基于车载LiDAR的点云数据中的3D目标检测 | 计算机视觉 | NA | LiDAR点云处理 | PointNet（改进型） | 点云数据 | KITTI和NuScenes基准数据集 | NA | 改进的PointNet（含MSG、MRG和跳跃连接） | 分割准确率、平均检测准确率、单帧处理时间、检测帧率 | NA |
| 495 | 2026-06-03 |
Residual-guided hybrid framework for adversarially robust deep learning-based network intrusion detection
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0350737
PMID:42224364
|
研究论文 | 提出一种结合强化学习鲁棒性适应与知识驱动正则化的混合对抗训练框架，用于提升网络入侵检测系统在FGSM和PGD攻击下的鲁棒性 | 首次将强化学习启发的鲁棒性自适应与知识驱动正则化相结合，同时优化干净准确率和对抗鲁棒性，并通过校准误差、梯度动态和泛化差距监控确保稳定收敛 | 未详细说明框架在更复杂攻击（如C&W、自适应攻击）下的表现，也未提及真实网络流量环境中的部署验证 | 增强深度学习网络入侵检测系统对抗对抗性攻击的鲁棒性 | 网络入侵检测数据集中的侦察、shellcode和蠕虫三类攻击流量 | 机器学习 | NA | NA | 深度学习混合模型（卷积神经网络CNN与长短期记忆网络LSTM的混合架构） | 网络流量数据 | 包含侦察、shellcode和蠕虫三类数据集（具体样本数未提及） | NA | CNN-LSTM混合架构 | 准确率、校准误差、梯度范数、泛化差距 | NA |
| 496 | 2026-06-03 |
The Use and Importance ofArtificial Intelligence in Vaccine Research, Development, and Production
2025-Sep, Archives of Razi Institute
DOI:10.32598/ARI.80.5.3442
PMID:42226986
|
综述 | 评估人工智能技术在疫苗研究、开发和制造中的应用及其重要性 | 系统综述了人工智能在疫苗靶点识别、配方优化、制造流程精简及供应链优化中的多重作用，并展望了量子计算等未来技术对疫苗开发的增强潜力 | 伦理问题（数据隐私、算法偏见）及AI与现有框架的整合挑战 | 评估AI技术（ML、DL、NLP）在疫苗研究、开发和生产中的角色，加速疫苗上市 | 人工智能在疫苗研发及制造中的应用 | 机器学习 | 传染病 | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 497 | 2026-06-03 |
C2FAU-Net: A Deep Learning Approach with Multi-scale Strategy for Automated Delineation of Organs-at-risk in Cervical Cancer High-dose Rate Brachytherapy
2025 Apr-Jun, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_65_25
PMID:41939154
|
研究论文 | 提出一种基于多尺度策略的深度学习模型C2FAU-Net，用于宫颈癌高剂量率近距离治疗中盆腔高危器官的自动勾画 | 采用粗到细的注释策略与变形数据增强，结合三维注意力U-Net架构，显著降低了手动勾画时间，同时保持与手动勾画相当的剂量学参数 | 未提及具体限制 | 提高宫颈癌高剂量率近距离治疗中盆腔高危器官的自动勾画效率与临床适用性 | 宫颈癌患者盆腔高危器官（膀胱、直肠、乙状结肠） | 计算机视觉 | 宫颈癌 | 高剂量率近距离治疗 | 三维注意力U-Net | 医学图像 | 100例宫颈癌患者（80例训练，10例验证，10例测试） | NA | C2FAU-Net（基于三维注意力U-Net） | 体积Dice相似系数（DSC）、第95百分位数豪斯多夫距离（HD95）、平均对称表面距离（ASSD）、精确率、召回率 | NA |
| 498 | 2026-06-03 |
Overview of Deep Learning Algorithms and Optimizers for Brain Tumor Segmentation
2025 Apr-Jun, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_12_25
PMID:41939149
|
综述 | 分析用于脑肿瘤分割的不同深度学习架构及优化器的性能 | 全面比较不同深度学习架构与优化器的组合效果，并总结各方法在脑肿瘤分割中的表现 | 计算复杂度高、数据集不平衡、跨临床场景泛化能力不足 | 综述深度学习算法及优化器在脑肿瘤分割中的应用现状与挑战 | 脑肿瘤分割任务中的深度学习模型与优化方法 | 计算机视觉 | 脑肿瘤 | NA | 卷积神经网络 | 医学图像 | NA | NA | 卷积神经网络 | Dice系数, 精确率, 准确率, 平均交并比 | NA |
| 499 | 2026-06-03 |
Advancing neuro-ophthalmic diagnostics: a multimodal imaging approach integrating OCT angiography and AI-enhanced MRI for improved visual pathway analysis
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1690082
PMID:41939693
|
研究论文 | 提出一种多模态成像框架，整合OCT血管成像与AI增强MRI，用于改善视觉通路分析 | 提出NeuroGraphPath模型，将视觉通路表示为有向图，包含解剖定义的节点和参数化变换，并引入交叉流逆推策略实现双向推理，实现生物可解释的诊断 | 常规诊断工具（如MRI和OCT）受限于空间分辨率、跨模态整合和可解释性，尤其在压迫性神经病变、脱髓鞘疾病或不明原因视野缺损中导致诊断不确定性 | 开发一种整合OCT血管成像与AI增强MRI的多模态框架，提升神经眼科诊断的精确性和可解释性 | 视觉通路病变（包括压迫性神经病变、脱髓鞘疾病、不明原因视野缺损） | 计算机视觉，自然语言处理 | 神经眼科疾病 | OCT血管成像，MRI | NeuroGraphPath | 图像 | NA | NA | NeuroGraphPath | 病变定位性能、不确定性感知推理、可解释性 | NA |
| 500 | 2026-06-03 |
Network anomaly detection using Deep Autoencoder and parallel Artificial Bee Colony algorithm-trained neural network
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2333
PMID:41937808
|
研究论文 | 提出基于深度自编码器与并行化人工蜂群算法的神经网络进行网络异常检测 | 将深度自编码器与向量化、并行化的人工蜂群算法结合，用于训练前馈神经网络，以解决传统训练算法易陷入局部最优和检测率低的问题 | 未明确说明局限性，但可能包括算法复杂度高、对特定数据集依赖性强等 | 提高网络入侵检测的性能，特别是检测率和降低误报率 | 网络流量数据中的异常或入侵行为 | 机器学习 | NA | 深度自编码器，人工蜂群算法 | 前馈神经网络 | 数值型网络流量特征数据 | 使用了UNSW-NB15和NF-UNSW-NB15-v2两个数据集 | NA | 深度自编码器 | 检测率，误报率 | NA |