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 42799 篇文献，本页显示第 5381 - 5400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5381 | 2026-01-29 |
The engagement behaviors and treatment barriers for depressed patients in an online health community: a pre-/post-treatment comparison
2026-Feb, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2025.106051
PMID:41349269
|
研究论文 | 本研究通过分析中国抑郁症在线健康社区的用户发帖，比较了治疗前与治疗后用户在参与行为和治疗障碍方面的差异 | 结合关键词过滤和深度学习分类方法，首次在抑郁症在线健康社区中区分并比较了治疗前与治疗后用户群体，揭示了他们在社区参与和治疗障碍方面的显著差异 | 研究数据仅来源于一个中国的在线健康社区，可能无法完全代表其他文化背景或平台的用户情况，且用户自我报告的数据可能存在偏差 | 探究抑郁症患者在在线健康社区中的参与行为差异以及治疗前后所面临的不同障碍 | 中国抑郁症在线健康社区中的用户，包括25,743名治疗后用户和4,891名治疗前用户 | 自然语言处理 | 抑郁症 | 深度学习分类 | NA | 文本 | 1,585,429条帖子，涉及30,634名用户 | NA | NA | NA | NA |
| 5382 | 2026-01-29 |
CEO perceived personality and corporate risk disclosure in prospectus: A multimodal machine learning analysis
2026-Feb, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2025.106099
PMID:41389399
|
研究论文 | 本研究探讨了CEO人格特质如何影响IPO风险披露质量，并采用了一种新颖的多模态深度学习方法，利用IPO路演展示的视听数据来测量CEO人格特质 | 引入了一种新颖的多模态深度学习方法，通过整合视觉和音频数据来捕捉言语和非言语行为线索，从而比传统的单模态方法更全面地评估人格特质 | 研究仅基于中国创业板和科创板2019年至2024年的数据，样本可能不具有全球代表性；未讨论其他潜在调节变量 | 探究CEO人格特质对IPO风险披露质量的影响，并检验承销商声誉的调节作用 | 中国创业板和科创板的IPO公司及其CEO | 自然语言处理, 计算机视觉 | NA | 多模态深度学习分析 | 深度学习模型 | 音频, 视频 | 866家IPO公司 | NA | NA | NA | NA |
| 5383 | 2026-01-29 |
Evaluating the cost-effectiveness of artificial intelligence-enhanced osteoporosis screening in men and women using routine chest radiographs in South Korea
2026-Feb, JBMR plus
IF:3.4Q2
DOI:10.1093/jbmrpl/ziaf187
PMID:41522667
|
研究论文 | 本研究评估了在韩国≥50岁成年男女中，利用人工智能增强的常规胸片进行骨质疏松症机会性筛查的成本效益 | 首次在韩国人群中评估了已获监管批准的深度学习模型（Osteo Signal）在男性和女性中的成本效益，而先前评估仅针对女性 | 模型假设患者接受阿仑膦酸盐或地诺单抗治疗，且依赖于输入的骨质疏松症患病率、诊断性能和治疗依从性概率等参数，可能未涵盖所有临床变量 | 评估人工智能辅助胸片筛查与不筛查相比，在预防脆性骨折和改善生活质量方面的成本效益 | 韩国≥50岁的成年男性和女性 | 数字病理学 | 骨质疏松症 | 深度学习模型应用于常规胸片 | 深度学习模型 | 医学影像（胸片） | 模型基于每10,000名成年人进行模拟分析，未提供具体患者样本数 | NA | Osteo Signal | 增量成本效益比（ICER），以每获得一个质量调整生命年（QALY）的成本（韩元）衡量 | NA |
| 5384 | 2026-01-29 |
Multifeature Ultrasound-Based Classification for Breast Lesions: A Comparative Study of PONS Image Enhancement Technology
2026-Feb, Mayo Clinic proceedings. Innovations, quality & outcomes
DOI:10.1016/j.mayocpiqo.2025.100691
PMID:41584234
|
研究论文 | 本研究开发了一种结合原始B超图像与两种优化表示（增强超声和质量改善超声）的多特征框架，用于乳腺癌分类，并比较了三种深度学习架构的性能 | 提出了结合PONS图像增强技术的多特征超声分类框架，有效克服了B超图像质量差和操作者变异性的关键限制 | 研究为回顾性研究，未来需要探索增强的融合策略并在更广泛人群中验证 | 开发稳健的乳腺癌超声分类方法，克服传统B超在人工智能诊断中的局限性 | 来自688名患者的62,912张乳腺超声扫描图像 | 计算机视觉 | 乳腺癌 | 超声成像，PONS图像增强技术 | GCN, MAE, CNN | 超声图像 | 62,912张扫描图像（来自688名患者） | NA | 图卷积网络, 掩码自编码器, 多尺度卷积神经网络 | 准确率, AUC, F1分数, 敏感度, 特异度 | NA |
| 5385 | 2026-01-29 |
A comprehensive combined dataset on Hibiscus and Tea plant leaf disease images for classifications
2026-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112357
PMID:41586079
|
研究论文 | 本研究构建了一个结合木槿和茶树叶片病害图像的综合性数据集，并利用ConvNextTiny深度学习模型进行病害分类 | 首次将两种不同植物物种（木槿和茶树）的叶片病害图像合并为单一数据集，并应用轻量级ConvNextTiny模型实现跨物种病害分类 | 仅包含两种植物物种的病害，可能无法推广到其他植物种类；数据增强技术可能引入人为伪影 | 开发一个用于木槿和茶树叶片病害早期检测的准确高效分类系统 | 木槿和茶树的叶片图像，涵盖多种病害类型和健康状态 | 计算机视觉 | 植物病害 | 图像采集（SONY α7 II DSLR相机）、数据增强（翻转、旋转、缩放、平移、噪声添加、亮度调整） | CNN | 图像 | 1,413张原始图像和13,000张增强图像 | PyTorch | ConvNextTiny | 准确率 | NA |
| 5386 | 2026-01-29 |
Physicochemically Informed Axial Chirality Descriptors Enable Accurate Prediction of Atropisomeric Stability
2026-Jan-28, Angewandte Chemie (International ed. in English)
DOI:10.1002/anie.202521349
PMID:41369251
|
研究论文 | 本文介绍了一种名为ACSD-GAT的深度学习框架，用于预测轴手性分子的旋转能垒，以评估其构型稳定性 | 开发了新的物理化学信息轴手性结构描述符（ACSD），结合图注意力网络（GAT），首次实现了对旋转能垒的高精度预测 | 模型基于1015个实验数据训练，可能对更复杂或未见分子类型的泛化能力有限 | 预测轴手性分子的旋转能垒，以支持不对称合成、药物发现和功能材料设计 | 轴手性分子（atropisomers） | 机器学习 | NA | 深度学习 | GAT | 分子结构数据 | 1015个实验测量的旋转能垒数据 | PyTorch | 图注意力网络（GAT） | R, RMSE | NA |
| 5387 | 2026-01-29 |
Highly Stable Twin Defects Enabled by High Entropy Configuration
2026-Jan-28, Angewandte Chemie (International ed. in English)
DOI:10.1002/anie.202520550
PMID:41451482
|
研究论文 | 本文报道了在碳限域的FeCoNiMn纳米催化剂中实现高度稳定且密集的孪晶缺陷，揭示了熵敏感的形成机制和持久的催化性能 | 通过高熵配置实现高度稳定的孪晶缺陷，结合深度学习、原位TEM和分子动力学模拟揭示了原子尺度应变分布和多步形成动力学 | NA | 研究金属纳米催化剂中孪晶缺陷的稳定化机制，以提升催化效率 | 碳限域的FeCoNiMn纳米催化剂（T-FeCoNiMn/C） | 材料科学 | NA | 原位透射电子显微镜（TEM）、分子动力学模拟 | 深度学习 | 原子尺度图像、模拟数据 | NA | NA | NA | NA | NA |
| 5388 | 2026-01-29 |
Decoupling Bubble Nucleation from Catalysis to Boost CuxO/NiO Electrocatalytic Water Splitting
2026-Jan-28, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c04437
PMID:41525175
|
研究论文 | 本研究通过在NiO纳米片阵列中嵌入CuO成核促进剂，将气泡释放与催化活性解耦，从而提升电催化水分解性能 | 提出气泡-催化解耦新方法，通过CuO同时作为O₂气泡成核位点和催化促进剂，显著降低高电流密度下的过电位和质量传输阻力 | 未明确说明该方法在其他催化体系或不同操作条件下的普适性 | 开发高效电催化水分解系统，实现在高电流密度下的低过电位运行 | CuO/NiO/NF（泡沫镍负载的CuO/NiO纳米片阵列）电催化剂 | 电化学催化 | NA | 电化学测量、原位高速成像、深度学习、密度泛函理论计算、蒙特卡洛模拟 | 深度学习模型 | 电化学数据、高速成像视频、模拟数据 | NA | NA | NA | 电流密度、过电位 | NA |
| 5389 | 2026-01-29 |
Commentary on "Deep learning enhanced MRI radiomics in predicting pathologic response of head and neck squamous carcinoma to neoadjuvant chemoimmunotherapy: a retrospective analysis"
2026-Jan-28, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004865
PMID:41601333
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5390 | 2026-01-29 |
A Wireless, Battery-Free Artificial Throat Patch with Deep Learning for Emotional Speech Recognition
2026-Jan-28, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202516617
PMID:41603116
|
研究论文 | 本文展示了一种无线、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时识别 | 该系统集成了基于碳纳米管的薄膜应变传感器和微型柔性印刷电路板，通过近场通信天线和低功耗电子组件实现实时信号传输，并采用混合深度学习架构进行情感识别 | NA | 开发一种用于语音障碍患者的无线、无电池人工喉贴片系统，实现语音和情感的同时识别 | 语音障碍患者 | 机器学习 | NA | 碳纳米管薄膜应变传感，近场通信 | 深度学习 | 喉部信号 | NA | NA | 混合深度学习架构 | NA | 智能手机链接系统，低功耗电子组件 |
| 5391 | 2026-01-29 |
Accelerated Reduced Field of View T2-Weighted Imaging of Pancreaticobiliary Disorders Using Deep Learning-Based Reconstruction: Reduction of Acquisition Time and Improvement of Image Quality
2026-Jan-28, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371251407889
PMID:41603271
|
研究论文 | 本研究评估了深度学习重建技术在胰胆管缩小视野T2加权成像中的应用，旨在减少采集时间并提升图像质量 | 首次将深度学习重建技术应用于胰胆管缩小视野T2加权成像，实现了在显著缩短采集时间的同时，提升图像质量与病灶检出率 | 研究为单中心回顾性设计，样本量有限，且未评估深度学习模型在不同扫描仪或患者群体中的泛化能力 | 比较应用与不应用深度学习重建的胰胆管缩小视野T2加权成像在检查时间、图像质量和病灶检出率方面的差异 | 胰胆管疾病患者 | 医学影像分析 | 胰胆管疾病 | 缩小视野T2加权磁共振成像 | 深度学习重建模型 | 磁共振图像 | 198名患者 | NA | NA | 信噪比, 对比噪声比, 病灶检出率 | NA |
| 5392 | 2026-01-29 |
Best of Both Worlds: Deep Learning Reconstruction Reduces MRI Acquisition Time and Improves Image Quality
2026-Jan-28, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371261420212
PMID:41603396
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5393 | 2026-01-29 |
PAM-CDR: Property-Aware Multi-Modal Drug Representation Learning for Accurate Cancer Drug Response Prediction
2026-Jan-27, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3658090
PMID:41591856
|
研究论文 | 提出了一种名为PAM-CDR的属性感知多模态药物表示学习框架，用于准确预测癌症药物反应 | 首次将药物的理化性质作为先验知识整合到多模态表示学习中，并采用三阶段分层融合策略进行细粒度表征学习，增强了模型的生物可解释性和泛化能力 | 未明确说明模型在独立外部验证集上的性能或对罕见癌症类型的适用性 | 提高癌症药物反应预测的准确性，推动精准肿瘤学发展 | 药物化合物和癌细胞系 | 机器学习 | 癌症 | 转录组学和基因组学分析 | 深度学习 | 分子图、分子指纹、理化描述符、转录组和基因组数据 | NA | PyTorch | 基于注意力机制的分层融合架构 | AUC, AUPR | NA |
| 5394 | 2026-01-29 |
Artificial intelligence in diagnosis of pediatric neurodevelopmental disorders: a scoping review
2026-Jan-27, World journal of pediatrics : WJP
IF:6.1Q1
DOI:10.1007/s12519-025-00999-z
PMID:41593252
|
综述 | 本文是一篇范围综述，总结了人工智能技术在改善儿科神经发育障碍诊断准确性方面的当前证据 | 系统性地综述了包括深度学习、监督机器学习、决策支持系统和生物信号分析在内的多种AI技术在儿科神经发育障碍诊断中的应用现状与潜力 | 研究设计、人群和算法标准化存在变异性，且面临数据隐私、可解释性、公平性、可及性和算法偏见等伦理挑战 | 旨在总结AI技术在提高儿科神经发育障碍诊断准确性方面的应用证据 | 儿科神经发育障碍 | 机器学习 | 神经发育障碍 | NA | 深度学习, 监督机器学习 | 神经影像, 生物信号 | 基于22项纳入研究 | NA | NA | 诊断准确率 | NA |
| 5395 | 2026-01-29 |
Corrigendum to 'Overview of Multimodal Radiomics and Deep Learning in the Prediction of Axillary Lymph Node Status in Breast Cancer' [Acad Radiol 2025; 32:6623-6641]
2026-Jan-26, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.043
PMID:41592972
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5396 | 2026-01-29 |
Two-Minute Deep Learning-Powered Brain Quantitative Mapping: Accelerating Clinical Imaging With Synthetic Magnetic Resonance Imaging
2026-Jan-23, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/79389
PMID:41576342
|
研究论文 | 本研究探讨了基于深度学习的超分辨率生成对抗网络（SRGAN）在加速全脑合成磁共振成像中的应用，旨在通过缩短扫描时间获得与常规临床扫描相近的定量T1/T2/PD图 | 首次将SRGAN应用于超快合成MRI的超分辨率重建，显著缩短扫描时间（减半）的同时，保持了与常规扫描强相关的定量图谱和诊断图像质量 | T2值存在中等程度的系统性低估，且感知自然性尚未完全达到常规成像水平 | 加速临床定量脑成像的部署，通过深度学习技术优化合成MRI的扫描效率 | 健康成年人和不同病理患者（共158人）的脑部MRI数据 | 医学影像分析 | 脑部疾病 | 合成磁共振成像（MRI） | GAN | 图像 | 158人（151名健康成年人，7名患者） | NA | SRGAN | R², 线性回归斜率, 平均偏差, 变异系数, 结构相似性图像度量, 峰值信噪比, 自然性图像质量评估器 | NA |
| 5397 | 2026-01-29 |
DACL-Net: A Dual-Branch Attention-Based CNN-LSTM Network for DOA Estimation
2026-Jan-22, Sensors (Basel, Switzerland)
DOI:10.3390/s26020743
PMID:41600535
|
研究论文 | 本文提出了一种名为DACL-Net的双分支注意力CNN-LSTM网络，用于优化DOA估计中的输入特征并提升准确性 | 通过将协方差矩阵转换为暗图像并引入频谱注意力机制，使CNN能聚焦于亮点成分，同时增强时间分支的特征提取 | NA | 改进DOA估计的准确性 | DOA估计中的输入特征优化 | 机器学习 | NA | 二维傅里叶变换 | CNN, LSTM | 协方差矩阵 | NA | NA | DACL-Net | RMSE | NA |
| 5398 | 2026-01-29 |
Stability-Oriented Deep Learning for Hyperspectral Soil Organic Matter Estimation
2026-Jan-22, Sensors (Basel, Switzerland)
DOI:10.3390/s26020741
PMID:41600534
|
研究论文 | 本研究提出了一种面向稳定性的深度学习框架（SE-EDCNN-DA-LWGPSO），用于小样本条件下的高光谱土壤有机质估算 | 提出了一种多策略协同的深度学习建模框架，整合了光谱预处理、基于传感器扰动模拟的数据增强、多尺度扩张卷积特征提取、SE通道注意力机制和线性加权广义粒子群优化算法，以提升小样本条件下模型的稳定性和一致性 | 研究基于亚热带红壤样本，可能在其他土壤类型或环境条件下的普适性有待验证；小样本条件本身可能限制模型的泛化能力 | 解决高光谱土壤有机质估算在小样本条件下模型预测性能不稳定、对预处理方法和参数配置敏感的问题，提升模型的稳定性和实用性 | 广西亚热带红壤样本 | 机器学习 | NA | 高光谱技术 | CNN | 高光谱数据 | 未明确具体样本数量，但提及为小样本条件 | 未明确指定，但涉及深度学习框架 | SE-EDCNN（结合SE通道注意力机制和多尺度扩张卷积的CNN） | R（相关系数）, RMSE（均方根误差）, RPD（相对预测偏差） | NA |
| 5399 | 2026-01-29 |
Out-of-distribution evaluation of active learning pipelines for molecular property prediction
2026-Jan-21, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra08055j
PMID:41584114
|
研究论文 | 本研究评估了主动学习（AL）在分子性质预测中的应用，特别关注其在分布外（OOD）数据上的性能表现 | 引入了OOD评估框架，模拟真实世界应用场景，并基于证据深度学习（EDL）的预测不确定性开发了AL框架 | 未明确说明模型的具体架构细节和计算资源使用情况 | 评估主动学习在分子性质预测中的性能，特别是在分布外数据上的表现 | 分子结构及其对应的溶剂化能量 | 机器学习 | NA | 证据深度学习（EDL） | NA | 分子结构数据 | NA | NA | NA | NA | NA |
| 5400 | 2026-01-29 |
Short-Time Homomorphic Deconvolution (STHD): A Novel 2D Feature for Robust Indoor Direction of Arrival Estimation
2026-Jan-21, Sensors (Basel, Switzerland)
DOI:10.3390/s26020722
PMID:41600516
|
研究论文 | 本文提出了一种名为短时同态解卷积的新型二维特征提取方法，用于室内声源到达方向估计 | 提出了一种将多通道音频信号转换为二维时间×飞行时间表示的新特征，有效捕捉了麦克风对之间飞行时间差异的时域演变和稳定性，为深度学习模型提供了丰富且鲁棒的输入 | NA | 开发一种鲁棒的室内声源到达方向估计方法，以解决室内定位和导航的挑战 | 多通道音频信号 | 机器学习 | NA | 短时同态解卷积 | CNN | 音频信号 | 通过仿真生成的大规模数据集，并在ISO认证的消声室中采集的真实世界数据 | NA | 集成双阶段通道注意力机制的轻量级卷积神经网络 | 平均绝对误差 | NA |