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 6161 - 6180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6161 | 2026-01-18 |
Machine learning in stroke and its sequelae: a narrative review of clinical applications and emerging trends
2026-Mar-15, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106245
PMID:41478163
|
综述 | 本文综述了机器学习在脑卒中及其后遗症中的临床应用和新兴趋势 | 系统总结了机器学习在脑卒中从急性影像诊断到长期后遗症预后及康复的六个核心领域的应用，并指出了多模态数据整合和模型可解释性的发展趋势 | NA | 综述机器学习在脑卒中及其后遗症临床管理中的应用 | 脑卒中患者及其后遗症 | 机器学习 | 脑卒中 | NA | 深度学习 | 图像, 传感器数据 | NA | NA | NA | NA | NA |
| 6162 | 2026-01-18 |
A multi-branch ConvNeXt-MaxViT fusion transformer model for radiographic knee osteoarthritis severity assessment with Grad-CAM++ explainability
2026-Mar, Journal of orthopaedics
IF:1.5Q3
DOI:10.1016/j.jor.2025.12.040
PMID:41541300
|
研究论文 | 本研究提出了一种融合ConvNeXt和MaxViT的双分支Transformer模型，用于膝关节骨关节炎的X光片严重程度评估，并利用Grad-CAM++增强模型可解释性 | 提出了一种结合ConvNeXt-Tiny局部特征提取和MaxViT-Tiny全局上下文建模的双分支融合架构，并采用中期融合和晚期融合策略来增强判别性表示 | 未整合多模态成像（如MRI），未纳入纵向进展建模，且需在真实临床环境中进一步验证 | 开发一个可解释的深度学习模型，准确分类膝关节骨关节炎的严重程度（KL-0至KL-4），以增强临床决策支持的透明度 | 膝关节骨关节炎的X光影像 | 计算机视觉 | 骨关节炎 | X光成像 | CNN, Transformer | 图像 | NA | NA | ConvNeXt-Tiny, MaxViT-Tiny | 准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵, ROC曲线 | NA |
| 6163 | 2026-01-18 |
Low-cost and dense fog-adapted monitoring for fermentation quality evaluation of black tea
2026-Feb-28, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.118188
PMID:41539772
|
研究论文 | 本研究提出了一种基于计算机视觉和深度学习的新方法，用于在浓雾环境中对红茶发酵质量进行低成本、原位、非破坏性监测 | 提出了一种新的发酵程度指标，并开发了适用于高湿度环境的计算机视觉系统，结合Cycle-Dehaze深度学习模型进行去雾处理，实现了红茶发酵质量的准确预测和可视化 | 研究仅针对红茶发酵过程，未涉及其他茶类或发酵食品，且模型在极端雾浓度下的性能可能受限 | 开发一种低成本、原位、非破坏性的红茶发酵质量监测方法 | 红茶发酵过程 | 计算机视觉 | NA | 计算机视觉，深度学习 | Cycle-Dehaze，回归模型 | 图像 | 两个批次的样本，包括验证批次 | NA | Cycle-Dehaze | 残差预测偏差 | NA |
| 6164 | 2026-01-18 |
Artificial Intelligence Enhances Diagnostic Accuracy of Contrast Enemas in Hirschsprung Disease Compared to Clinical Experts
2026-Feb, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie
IF:1.5Q3
DOI:10.1055/a-2646-2052
PMID:40592491
|
研究论文 | 本研究评估了深度学习神经网络在对比灌肠图像诊断先天性巨结肠症中的性能，并与儿科外科医生和放射科医生的诊断准确性进行比较 | 首次将深度学习模型应用于对比灌肠图像分析，并探索了结合临床数据对模型性能的提升，同时通过多数投票机制创建了“超级外科医生”和“超级放射科医生”作为专家基准 | 研究为回顾性设计，样本量相对有限（测试集仅218张图像），且仅针对15岁以下患者，可能限制了结果的普适性 | 评估人工智能在辅助诊断先天性巨结肠症对比灌肠图像中的准确性和临床实用性 | 先天性巨结肠症患者的对比灌肠图像 | 计算机视觉 | 先天性巨结肠症 | 对比灌肠成像 | 深度神经网络 | 医学图像 | 1,471张对比灌肠图像（其中218张用于测试） | NA | 深度神经网络 | AUC-ROC, 敏感性, 特异性, 阴性预测值, Cohen's kappa, Fleiss' kappa | NA |
| 6165 | 2026-01-18 |
Deep Learning Reconstruction for T2 Weighted Turbo-Spin-Echo Imaging of the Pelvis: Prospective Comparison With Standard T2-Weighted TSE Imaging With Respect to Image Quality, Lesion Depiction, and Acquisition Time
2026-Feb, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371251357790
PMID:40755270
|
研究论文 | 本研究前瞻性比较了深度学习重建的T2加权涡轮自旋回波成像与标准T2加权TSE成像在盆腔MRI中的图像质量、病灶描绘和采集时间 | 首次在盆腔MRI中对深度学习重建的TSE序列进行全面评估，证明其能在减少约50%扫描时间的同时，提供同等或更优的图像质量 | 样本量相对较小（55名受试者），且未详细说明深度学习模型的具体架构和训练细节 | 比较深度学习重建的TSE序列与常规TSE序列在盆腔MRI中的性能，以评估其在加速扫描同时保持图像质量的潜力 | 55名受试者（33名女性，22名男性）的盆腔MRI图像 | 医学影像分析 | 盆腔疾病 | T2加权涡轮自旋回波成像，深度学习重建 | 深度学习模型 | MRI图像 | 55名受试者 | NA | NA | 图像质量评估（边缘定义、血管边缘锐度、T2对比动态范围、伪影、整体图像质量、病灶特征），对比度比 | NA |
| 6166 | 2026-01-18 |
Application of Convolutional Neural Network Image Analysis and Machine Learning to Basic Blood Tests for Intelligent Diagnostic Assistance
2026-Feb, International journal of laboratory hematology
IF:2.2Q3
DOI:10.1111/ijlh.14550
PMID:40932175
|
研究论文 | 本研究开发了一种基于卷积神经网络和机器学习的自动化外周血细胞形态图像识别深度学习系统，并结合全血细胞计数数据构建了智能诊断辅助系统，以评估其在常规检查中的临床性能 | 结合了外周血细胞形态图像识别深度学习系统与全血细胞计数数据，构建了智能诊断辅助系统，用于自动分类14种血细胞类型和识别24种形态特征，并在骨髓增生异常综合征等疾病诊断中表现出高准确性 | 研究未明确提及外部验证数据集或跨机构验证结果，可能限制了模型的泛化能力评估 | 评估自动化形态图像识别深度学习系统及结合全血细胞计数数据的诊断辅助系统在常规血液检查中的临床性能 | 健康受试者及急性淋巴细胞白血病、急性髓系白血病、恶性淋巴瘤、骨髓增殖性肿瘤、骨髓增生异常综合征患者的血涂片图像 | 计算机视觉 | 血液系统疾病 | 外周血细胞形态学分析 | CNN | 图像 | 1,476,727张血细胞图像用于训练，128,716张图像（来自589张血涂片）用于评估 | NA | NA | 准确率, AUC | NA |
| 6167 | 2026-01-18 |
Editorial for: "Accelerating 2D Kidney Magnetic Resonance Fingerprinting Using Deep Learning Based Tissue Quantification"
2026-Feb, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70151
PMID:41103194
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6168 | 2026-01-18 |
Recognition of Normal Fetal Echocardiograms Based on an Explainable Denoising Deep Learning Model
2026-Jan-17, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70183
PMID:41546466
|
研究论文 | 本研究提出了一种基于可解释去噪深度学习模型GSCAViT，用于分类正常胎儿超声心动图 | 提出了新颖的去噪引导GSCA模块，结合Vision Transformer架构，提升了图像质量和模型可解释性 | 研究为回顾性研究，样本量相对有限（358例检查），未在外部验证集上广泛测试 | 评估GSCAViT模型在分类正常胎儿超声心动图方面的性能 | 胎儿心脏超声检查图像 | 计算机视觉 | 心血管疾病 | 超声心动图 | Vision Transformer | 图像 | 358例胎儿心脏超声检查，共2501张图像 | NA | GSCAViT (Grouped Shared Convolutional Attention Vision Transformer) | 准确率, 精确率, 召回率, F1分数, 对比噪声比, 峰值信噪比 | NA |
| 6169 | 2026-01-18 |
Bathymetry of the Philippine sea with convolution neural network from multisource marine geodetic data
2026-Jan-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.114285
PMID:41541674
|
研究论文 | 本研究开发了一种基于深度学习的菲律宾海高分辨率水深预测方法，旨在利用多源海洋大地测量数据提高海底深度估计的准确性 | 通过整合多种辅助特征（如重力异常、海底坡度等）并采用卷积神经网络，显著提升了水深预测的精度，展示了深度学习在大规模、低成本海底测绘中的潜力 | NA | 提高菲律宾海高分辨率水深预测的准确性 | 菲律宾海的海底深度 | 计算机视觉 | NA | 多源海洋大地测量数据整合 | CNN | 地理坐标与多源地球物理数据 | 基于8×8弧分区域提取的训练点数据 | NA | 卷积神经网络 | 预测精度 | NA |
| 6170 | 2026-01-18 |
Order-Aware Deep Learning for Drug Combination Benefit Prediction in Cancer Cell Lines
2026-Jan-16, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3650933
PMID:41543946
|
研究论文 | 本文提出了一种名为OrderCombo的新型顺序感知深度学习模型，用于预测癌症细胞系中药物的组合效益 | 提出了一种新颖的顺序感知深度学习模型，通过结合预训练的化学语言模型、组学导向的线性网络和混合编码器来提取药物和细胞系表征，并设计了顺序对比损失来促进判别性嵌入空间并保持类别顺序性 | NA | 加速治疗性药物组合的发现，预测癌症细胞系中药物的组合效益 | 药物组合和癌症细胞系 | 机器学习 | 癌症 | NA | 深度学习 | 化学数据、组学数据 | 大规模组合效益数据集 | NA | 混合编码器（结合基于连接和基于注意力的交互） | 预测准确率 | NA |
| 6171 | 2026-01-18 |
Highly Undersampled MRI Reconstruction via a Single Posterior Sampling of Diffusion Models
2026-Jan-16, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3654585
PMID:41543953
|
研究论文 | 提出一种基于单步扩散模型的快速MRI重建框架SSDM-MRI，用于从高度欠采样的k空间数据中恢复图像 | 通过迭代选择性蒸馏算法和捷径反向采样策略，将扩散模型蒸馏为单步推理模型，显著缩短了重建时间 | 未明确说明模型在更广泛数据集或更高加速因子下的泛化能力 | 解决高加速因子下MRI图像重建质量下降和扩散模型推理时间长的问题 | MRI图像 | 医学影像重建 | NA | 扩散模型 | 条件扩散模型 | MRI图像 | 公开fastMRI脑部和膝盖图像数据集，以及内部多回波GRE（QSM）受试者数据 | NA | U-net | PSNR, SSIM | NA |
| 6172 | 2026-01-18 |
Learning-Based Multi-View Stereo: A Survey
2026-Jan-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3654665
PMID:41543950
|
综述 | 本文对基于学习的多视图立体视觉（MVS）方法进行了全面综述 | 系统性地将基于学习的MVS方法分类为基于深度图、基于体素、基于NeRF、基于3D高斯泼溅和大规模前馈方法，并重点分析了主流方法 | 作为综述文章，不涉及具体实验验证，主要依赖现有文献和基准测试结果 | 综述基于学习的多视图立体视觉方法的研究进展、性能比较和未来方向 | 多视图立体视觉算法及其在3D重建中的应用 | 计算机视觉 | NA | 多视图立体视觉 | 深度学习 | 多视角图像 | NA | NA | NA | 基准测试性能 | NA |
| 6173 | 2026-01-18 |
Institution-specific pre-treatment quality assurance control and specification limits: a tool to implement a new formalism and criteria optimization using statistical process control and heuristic methods
2026-Jan-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae399f
PMID:41544384
|
研究论文 | 本研究开发了一种基于统计过程控制和启发式方法的新形式化工具，用于优化VMAT预治疗质量保证的控制和规格限 | 提出了一种结合统计过程控制与启发式方法的新形式化框架，用于确定机构特定的控制和规格限，并开发了开源软件工具以促进临床实施 | 研究基于回顾性数据，可能未涵盖所有临床场景；高复杂度计划的严格标准临床可接受性需进一步验证 | 优化VMAT预治疗质量保证流程，通过建立机构特定的控制和规格限来提高计划复杂度的管理效率 | 350个VMAT治疗计划，涵盖脑部、前列腺、盆腔和头颈部等不同复杂度的治疗部位 | 医学物理与放射治疗 | NA | VMAT预治疗质量保证，伽马指数分析 | NA | 放射治疗计划数据 | 350个VMAT计划 | 自定义软件（基于统计过程控制和启发式方法） | NA | 伽马指数通过率，平均伽马指数 | NA |
| 6174 | 2026-01-18 |
Deep learning algorithm for semiquantification of spinal inflammation in axial spondyloarthritis
2026-Jan-16, RMD open
IF:5.1Q1
DOI:10.1136/rmdopen-2025-006403
PMID:41545311
|
研究论文 | 本研究开发了一种基于注意力U-Net的深度学习算法，用于对中轴型脊柱关节炎患者脊柱炎症进行半定量评估 | 利用注意力U-Net模型实现脊柱炎症的自动识别和定位，首次将深度学习应用于SPARCC评分的半定量分析 | 研究仅基于330名患者数据，未在外部验证集上测试模型泛化能力 | 开发深度学习算法对中轴型脊柱关节炎的脊柱炎症进行半定量评估 | 中轴型脊柱关节炎患者的脊柱MRI图像 | 数字病理学 | 脊柱关节炎 | MRI STIR序列 | CNN | 图像 | 330名参与者 | NA | 注意力U-Net | 灵敏度, 特异性, 准确率, Dice系数, ICC, Pearson系数 | NA |
| 6175 | 2026-01-18 |
Less Noise, More Confidence: Deep Learning Denoising Algorithm for Coronary Stenosis Assessment in pre-TAVI CT Imaging
2026-Jan-15, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.052
PMID:41545257
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6176 | 2026-01-18 |
Comment on "Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging"
2026-Jan-15, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.053
PMID:41545256
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6177 | 2026-01-18 |
Automated Gross Tumor Volume (GTV) Contouring in High-Grade Gliomas Using a Deep Learning Approach
2026-Jan-15, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.046
PMID:41545259
|
研究论文 | 本研究提出了一种基于深度学习的自动分割方法，用于高分级胶质瘤的肿瘤大体靶区勾画 | 采用改进的3D U-Net架构，并利用多序列磁共振成像数据进行训练，以实现高精度、自动化的肿瘤靶区勾画 | 研究数据来源于特定公开挑战赛数据集，可能无法完全代表所有临床场景的多样性 | 开发一种自动、准确的肿瘤大体靶区勾画方法，以支持放射治疗规划并提高临床工作效率 | 高分级胶质瘤患者的磁共振成像数据 | 数字病理学 | 脑肿瘤 | 多序列磁共振成像 | CNN | 图像 | 469名受试者 | NA | 3D U-Net | Dice相似系数, 95百分位Hausdorff距离 | NA |
| 6178 | 2026-01-18 |
Joint processing technology of laser radar and optical image for power distribution
2026-Jan-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31565-2
PMID:41530215
|
研究论文 | 本文提出了一种结合激光雷达和光学图像的多模态深度特征混合深度学习模型，用于配电网络中的故障识别与定位 | 创新点在于整合了激光雷达、光学图像和传感器数据，并采用卡尔曼滤波增强特征融合，结合决策树优化分类结果，实现了高精度和低计算复杂度的故障管理 | NA | 研究目的是提高配电网络中故障识别与定位的准确性和效率 | 研究对象是配电网络中的故障 | 机器学习 | NA | 激光雷达、光学成像 | 深度学习 | 图像、传感器数据 | NA | Python | 多模态深度特征混合深度学习模型 | 准确率、精确率、召回率、F1分数、推理时间 | NA |
| 6179 | 2026-01-18 |
Single-shot matrix-matrix photonic processor based on spatial-spectral hypermultiplexed parallel diffraction
2026-Jan-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68452-x
PMID:41530160
|
研究论文 | 本文介绍了一种基于空间-光谱超多路复用的并行衍射单次矩阵-矩阵光子处理器，用于高效光学计算 | 提出了一种空间-波长-时间超多路复用的光学神经网络处理器，支持高三维数据、高O(N)计算并行性，并实现了大规模单次矩阵-矩阵乘法 | 未在摘要中明确提及 | 开发高速、高能效的大规模光学计算硬件，以加速卷积神经网络和深度神经网络 | 光学神经网络处理器及其在图像识别中的应用 | 机器学习 | NA | 并行衍射光束路由 | CNN, DNN | 图像 | NA | NA | NA | 分类准确率 | NA |
| 6180 | 2026-01-18 |
Improving rectal tumor segmentation with anomaly fusion derived from anatomical inpainting: a multicenter study
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14265-9
PMID:41530192
|
研究论文 | 本研究通过引入基于解剖修复的异常图融合，改进了直肠肿瘤的MRI分割，并在多中心数据集上验证了其有效性 | 提出了一种利用解剖修复生成异常图的方法，并将其作为额外输入通道融合到肿瘤分割任务中，以提高分割精度和模型鲁棒性 | 研究主要基于T2加权图像，未探索其他MRI序列或模态，且异常图的生成依赖于特定训练数据 | 改进直肠肿瘤的自动分割精度，并增强模型在多中心数据上的泛化能力 | 直肠肿瘤区域及其周围的直肠解剖结构（如直肠和直肠系膜） | 数字病理 | 直肠癌 | 磁共振成像（MRI），具体为T2加权成像（T2WI） | U-Net, nnUNet | 图像 | 705例术前T2WI多中心数据集 | NA | U-Net, nnUNet | NA | NA |