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 45423 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2026-06-06 |
A research on applying the diffusion model algorithm for Infrared and Raman spectroscopy data augmentation to improve the accuracy of diseases
2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127466
PMID:41558273
|
研究论文 | 提出基于扩散模型的红外和拉曼光谱数据增强方法，以提升疾病诊断准确率 | 将扩散模型应用于光谱数据增强，通过多尺度多头部注意力机制提取光谱形态和局部特征，实现条件约束下的准确去噪和特征重建 | 未提及模型在更大规模多中心数据上的验证，以及实际临床部署的鲁棒性 | 解决光谱数据样本量小、噪声干扰和设备差异导致深度学习模型过拟合和泛化能力差的问题 | 甲状腺和系统性红斑狼疮疾病的光谱数据 | 机器学习 | 甲状腺肿瘤, 系统性红斑狼疮 | 红外光谱, 拉曼光谱 | 扩散模型 | 光谱数据 | 甲状腺红外数据集、系统性红斑狼疮红外数据集、甲状腺拉曼数据集、系统性红斑狼疮拉曼数据集 | PyTorch | EfficientNet, MLP, Transformer | 皮尔逊相关系数, 相似度, 准确率 | NA |
| 522 | 2026-06-06 |
Boosting underwater image quality: a deep learning approach to denoising and enhancement
2026-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47888-7
PMID:41981021
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 523 | 2026-06-06 |
Optimization of speech emotion recognition using hybrid dataset integration and deep learning-based feature fusion with a novel balanced focal entropy loss
2026-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48975-5
PMID:41981233
|
研究论文 | 通过混合数据集集成、深度学习的特征融合以及新型平衡焦点熵损失函数来优化语音情感识别 | 提出了一种新型损失函数'Balanced_Focal_Entropy'，用于改善不平衡数据集性能；通过结合三个不同开源数据集构建混合数据集；采用手工特征和深度学习特征融合策略 | 未提及模型在真实场景中的泛化能力以及计算开销等局限性 | 提升语音情感识别系统的性能，解决不平衡数据集问题并实现高准确率 | 语音情感识别中的情感类别（如生气、开心、悲伤等） | 自然语言处理 | NA | NA | 深度学习模型（具体类型未明确，如CNN或LSTM） | 语音数据 | RAVDESS数据集（样本量未明确）+ 混合数据集（含三个开源数据集） | NA | NA | 测试准确率 | NA |
| 524 | 2026-06-06 |
Towards efficient context-aware classification with compact VLM architectures: indoor fire case study
2026-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48743-5
PMID:41981239
|
研究论文 | 提出了一个轻量级且高效的上下文感知火灾分类框架 | 利用视觉语言模型整合视觉和语义信息进行细粒度火灾分类，区分无火、受控火和危险火三种场景 | 未提及具体局限性 | 实现高精度、低计算开销的室内火灾分类，减少误报 | 室内环境中的火灾事件 | 计算机视觉, 自然语言处理 | NA | 视觉编码器, 视觉语言模型, 语言模型 | 视觉语言模型（VLM） | 图像 | 重新标注的公共数据集和自定义ConFire数据集 | NA | 视觉编码器, 视觉语言模型, 语言模型 | 准确率 | NA |
| 525 | 2026-06-06 |
Intelligent energy management of coordinated community microgrid systems using metaheuristic optimization and deep learning
2026-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40263-6
PMID:41974752
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 526 | 2026-06-06 |
ZuraNet: a hybrid rule-based intrusion detection system with deep learning for securing SCADA-driven cyber-physical systems
2026-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40871-2
PMID:41974774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 527 | 2026-06-06 |
Objective quantification of chemotherapy-induced madarosis: a pilot study of an automated computer vision pipeline for eyebrow density assessment
2026-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48967-5
PMID:41975023
|
研究论文 | 提出一种自动化计算机视觉流程，用于客观量化化疗引起的眉毛密度变化 | 首次将面部标志检测、多时相配准和三图深度学习毛发分割与自定义形态学滤波相结合，实现对眶周毛发密度变化的自动纵向量化，克服传统主观分级的局限性 | 纵向轨迹仅作为时间追踪能力的概念验证，测量重复性在基线时略高，且尚未在大规模队列中验证 | 开发并验证一种可靠、操作者独立的指标，用于监测化疗引起的睫毛脱落，为未来多中心临床试验建立主要终点 | 接受蒽环类药物和紫杉烷类化疗并联合局部冷冻疗法的乳腺癌患者 | 计算机视觉 | 乳腺癌 | NA | CNN | 图像 | 未明确说明样本量，但为初步临床研究，涉及患者照片（睁眼和闭眼各两张） | NA | U-Net | 重复性标准差 | NA |
| 528 | 2026-06-06 |
Automated detection and classification of maxillary sinus variations using slice-based and full-volume CBCT deep learning models
2026-04-11, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08205-w
PMID:41965768
|
研究论文 | 开发并比较基于切片和全容积CBCT深度学习模型，用于自动检测和分类上颌窦变异 | 首次比较基于二维切片的深度学习模型和三维全容积模型在上颌窦变异分类中的性能，并采用DenseNet-121架构获得最优效果 | 未提及模型在不同CBCT扫描设备或采集参数下的泛化能力，且样本量相对有限（452例患者） | 开发和比较基于切片的二维深度学习模型与基于全容积CBCT扫描的三维模型在上颌窦变异自动检测和分类中的性能 | 上颌窦变异的CBCT影像，包括正常解剖、发育不全、黏膜增厚、息肉样病变、分隔和窦腔混浊六种放射学变异 | 计算机视觉 | 上颌窦疾病 | 锥束计算机断层扫描（CBCT） | 卷积神经网络（CNN） | 影像 | 452例患者的631个上颌窦；二维模型使用1880张矢状切片，三维模型使用全容积CBCT扫描 | NA | DenseNet-121 | 准确率、灵敏度、特异度、精确率、F1分数、受试者工作特征曲线下面积（AUC） | NA |
| 529 | 2026-06-06 |
Towards noninvasive blood count using a deep learning pipeline from bulbar conjunctiva videos
2026-Apr-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02598-2
PMID:41951905
|
研究论文 | 提出一种从球结膜毛细血管视频中预测血液生物标志物的深度学习管道 | 将高倍球结膜毛细血管视频转换为低维时空血管表征，减少视频维度约200倍，同时保留血液动力学信息；设计多实例回归网络VesselNet，结合ConvNeXt骨干网络和交叉注意力机制融合血管特异性厚度 | NA | 实现非侵入性全血细胞计数 | 球结膜毛细血管视频及相应实验室血细胞计数 | 计算机视觉 | 贫血 | 眼底成像 | 多实例回归网络 | 视频 | 224名参与者 | NA | ConvNeXt | ROC-AUC, Spearman相关系数 | NA |
| 530 | 2026-06-06 |
Deep learning-based high-information-content graph representation of early stage bacterial biofilms
2026-Apr-03, NPJ biofilms and microbiomes
IF:7.8Q1
DOI:10.1038/s41522-026-00971-3
PMID:41932927
|
研究论文 | 提出一种基于深度学习的计算框架，将早期细菌生物膜建模为高信息含量的无向交互图，用于定量分析其结构和生长模式 | 首次将早期生物膜建模为无向交互图，结合Mask R-CNN细胞分割和自定义神经网络BINet进行相互作用预测，实现了从图像衍生的图特征预测发育阶段和材料类型 | 可能依赖于特定显微镜成像条件，对图片质量要求较高；未提及在复杂生物膜环境或多物种生物膜中的验证 | 开发一种可扩展、高信息含量的自动化分析方法，用于揭示细菌生物膜的非明显组织结构规律 | 早期阶段的细菌生物膜，包括其细胞和细胞间相互作用 | 计算机视觉, 机器学习 | NA | 显微镜成像 | 卷积神经网络（CNN） | 图像 | NA | NA | Mask R-CNN, BINet | NA | NA |
| 531 | 2026-06-06 |
Mitigating data center bias in cancer classification: Transfer bias unlearning and feature size reduction via conflict-of-interest free multi-objective optimization
2026-Apr, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103351
PMID:41554188
|
research paper | 提出一种基于无利益冲突多目标优化的去偏学习方法，用于减轻癌症分类中数据中心偏差的影响 | 通过无利益冲突多目标优化训练遗忘层，显式减少对无关模式的依赖，并联合降低特征维度和排除冲突样本以提升泛化能力 | 研究聚焦于癌症特征和数据中心偏差，但方法可推广至其他偏差场景 | 减少深度学习模型在癌症分类中的数据中心偏差，缩小内部与外部验证性能差距 | 来自不同数据中心的癌症组织病理学样本 | digital pathology | cancer | NA | k-Nearest Neighbor (KNN) | image | 多个数据中心样本，采用k折交叉验证 | NA | NA | internal accuracy, external accuracy | NA |
| 532 | 2026-06-06 |
Deep learning-guided engineering of pectinase for enhanced catalytic performance in tobacco processing
2026-Apr, Bioresource technology
IF:9.7Q1
DOI:10.1016/j.biortech.2026.134028
PMID:41554444
|
研究论文 | 利用深度学习指导的蛋白质工程，设计了高活性果胶酶变体DS-5，显著提高了其在烟草加工中的催化性能 | 首次将深度学习模型ProteinMPNN与多序列比对结合用于果胶酶工程，实现了72个突变位点的理性设计，使催化活性提高8.9倍，并揭示表面静电势重塑对底物结合亲和力的增强机制 | 未探讨该策略在其他类型酶工程中的通用性，且未评估DS-5在长期工业应用中的稳定性 | 开发深度学习指导的高效酶工程框架，提升果胶酶在烟草加工中的催化效率并改善终产品质量 | 果胶酶（pectinase）及其突变体DS-5 | 机器学习 | NA | NA | 深度学习模型（ProteinMPNN） | 蛋白质序列和结构数据 | NA | ProteinMPNN | ProteinMPNN | 催化活性（8.9倍提升）、最适温度（+10°C）、pH范围（7.0-11.0）、分子动力学模拟 | NA |
| 533 | 2026-06-06 |
A CT-based multimodal fusion model for predicting outcomes in blunt chest trauma: A multicenter study
2026-Apr, The American journal of emergency medicine
DOI:10.1016/j.ajem.2025.12.038
PMID:41576754
|
研究论文 | 开发一种整合临床变量、影像组学特征和深度学习特征的多模态融合模型，用于预测钝性胸部创伤患者的预后 | 首次结合多时间点CT影像的delta特征和临床变量构建融合模型，显著提升了预后预测性能 | NA | 提高钝性胸部创伤患者预后预测的准确性，为个体化风险预测和临床决策提供工具 | 钝性胸部创伤患者 | 计算机视觉, 机器学习, 数字病理学 | 胸部创伤 | CT影像 | CNN, LASSO回归 | 图像, 临床数据 | 337名钝性胸部创伤患者（来自三个医疗中心） | NA | 深度学习特征提取网络（未具体指定架构） | AUC, 校准曲线, 决策曲线分析, NRI, IDI | NA |
| 534 | 2026-06-06 |
Dual-representation structural MRI classification of psychiatric disorders using deep learning and large language models
2026-Apr, Psychiatry research. Neuroimaging
|
研究论文 | 提出一种双表征结构MRI框架，结合深度学习和大语言模型用于区分精神疾病 | 首次将原始T1加权MRI切片和对应颜色编码的组织分割图作为双表征输入，并利用大语言模型作为后分析工具提供可解释性洞察 | 数据集规模较小（N=103），可能影响模型泛化能力 | 开发一种能准确区分精神分裂症和双相障碍等精神疾病的诊断工具 | 健康对照组、精神分裂症谱系、有精神病性症状的双相障碍和无精神病性症状的双相障碍四组人群 | 计算机视觉 | 精神疾病（精神分裂症谱系，双相障碍） | 结构磁共振成像 | 深度学习（CNN, ResNet-18），大语言模型 | 图像（T1加权MRI切片和组织分割图） | 103名受试者的结构MRI数据 | PyTorch | ResNet-18 | 四分类性能指标 | 未提及 |
| 535 | 2026-06-06 |
MRI-based multilevel radiomics and transformer features for predicting radiation-induced carotid artery injury after nasopharyngeal carcinoma radiotherapy: A multicenter study
2026-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111390
PMID:41587618
|
研究论文 | 开发并验证一种基于MRI的多级放射组学与Transformer特征融合模型，用于预测鼻咽癌放疗后放射性颈动脉损伤 | 首次将传统放射组学、亚区放射组学与Swin Transformer深度学习特征融合，构建多级融合模型，用于预测放射性颈动脉损伤，并在多中心数据集上验证了其优于单一模型的表现 | 未在摘要中明确提及，但回顾性研究设计和有限的样本量可能为潜在局限 | 开发和验证一种非侵入性的风险分层工具，以预测鼻咽癌放疗后放射性颈动脉损伤 | 来自四家医院的500名鼻咽癌患者的MRI图像及放疗后颈动脉损伤情况 | 计算机视觉， 数字病理学 | 鼻咽癌， 心血管疾病 | MRI | Swin Transformer, 放射组学 | 图像 | 500名鼻咽癌患者（训练集274例，内部测试集118例，外部测试集108例） | PyTorch | Swin Transformer | AUC, ACC, SEN, SPE, Brier评分, NRI, IDI | NA |
| 536 | 2026-06-06 |
Hierarchical image pyramid transformer framework for automated breast cancer molecular subtyping using tissue microarrays
2026-Apr, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.70028
PMID:41588712
|
研究论文 | 开发并验证了一种基于层级图像金字塔变换器的深度学习框架PBC-HIPT，用于从H&E染色的组织微阵列图像中自动进行乳腺癌分子分型 | 提出了一种新型多层级Transformer架构，能够从细胞到组织尺度层级化地聚合组织病理学特征，实现了对高分辨率图像中多尺度形态特征和长程依赖关系的有效捕获 | 在全切片图像的跨模态验证中性能下降，表明模型在TMA与WSI之间的泛化能力存在局限性 | 开发能够自动从H&E染色组织微阵列图像中进行乳腺癌分子分型和生物标志物预测的深度学习框架 | 乳腺癌组织微阵列和全切片图像 | 数字病理学 | 乳腺癌 | H&E染色 | Transformer | 图像 | 252例组织微阵列病例和46张独立的全切片图像 | PyTorch | 层级图像金字塔变换器 | 准确率、AUC | NA |
| 537 | 2026-06-06 |
A Wireless, Battery-Free Artificial Throat Patch with Deep Learning for Emotional Speech Recognition
2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202516617
PMID:41603116
|
研究论文 | 展示了一种无线、无电池的人工喉贴片系统，结合深度学习方法，实现语音和情感的同步识别 | 首次将无线无电池技术与深度学习结合，实现喉部信号的语音和情感同步识别 | 未提及具体限制 | 开发用于语音障碍人士的情感语音识别系统 | 喉部信号 | 机器学习 | 语音障碍 | 碳纳米管薄膜应变传感器、近场通信天线 | 混合深度学习架构 | 喉部信号 | 未提及 | NA | 混合深度学习架构 | NA | NA |
| 538 | 2026-06-06 |
A novel ECG QRS complex detection algorithm based on dynamic Bayesian network
2026-Apr, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103370
PMID:41653675
|
研究论文 | 提出一种基于动态贝叶斯网络的QRS波群检测新算法 | 首次将心电图波形与心律信息整合为统一概率模型，并利用无监督参数优化自适应患者个体差异 | 未提及在临床大规模数据上的验证结果及计算资源需求 | 提高可穿戴心电图设备中QRS波群检测的准确性和噪声鲁棒性 | 心电图信号中的QRS波群 | 自然语言处理 | 心血管疾病 | 心电图信号处理 | 动态贝叶斯网络 | 时间序列信号 | NA | NA | 动态贝叶斯网络 | 准确性、噪声鲁棒性、泛化能力 | NA |
| 539 | 2026-06-06 |
Dosimetric assessment of deep learning based organ-at-risk segmentation: insights from the HaN-Seg challenge
2026-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111387
PMID:41581701
|
research paper | 对HaN-Seg挑战中基于深度学习的危及器官自动分割结果进行剂量学评估，扩展先前的几何分析，提供临床适用性的全面见解 | 通过集成剂量学评估，突破以往仅依赖几何指标的分析局限，首次对头颈部危及器官自动分割进行前向剂量学分析，揭示几何与剂量学指标间的弱相关性 | 前向剂量学分析的局限性，以及口腔和下颌下腺肿瘤邻近区域固有的剂量约束挑战可能影响临床适用性 | 评估深度学习危及器官自动分割方法的剂量学性能，验证其临床实用性 | 头颈部30个危及器官（OAR）的自动分割结果 | computer vision | NA | NA | Deep Learning | image | 14个测试案例 | NA | NA | Dice similarity coefficient (DSC), 95th-percentile Hausdorff distance (HD95), dosimetric compliance | NA |
| 540 | 2026-06-06 |
Real-Time Named Entity Recognition from Textual Electronic Clinical Records in Cancer Therapy Using Low-Latency Neural Networks
2026-Apr, Big data
IF:2.6Q2
DOI:10.1177/2167647X251409135
PMID:41649195
|
研究论文 | 针对癌症治疗相关的电子临床记录，开发了一种使用低延迟神经网络的实时命名实体识别系统，并特别关注跨语言语音到文本应用及中医领域 | 提出一种结合中医特定语料库与生物医学资源的半监督方法，并优化了低延迟神经网络架构以实现多语言口语内容的实时结构化信息提取 | 未提及具体限制 | 开发用于癌症治疗临床记录的实时、低延迟命名实体识别系统，支持多语言语音到文本应用和临床决策 | 癌症治疗相关的电子临床记录及中医领域文本 | 自然语言处理 | 癌症 | 半监督学习 | 低延迟神经网络 | 多语言口语文本及临床记录文字 | NA | NA | 低延迟神经网络 | 识别准确率 | NA |