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 39696 篇文献，本页显示第 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2026-02-02 |
ADAM-Net: Anatomy-Guided Attentive Unsupervised Domain Adaptation for Joint MG Segmentation and MGD Grading
2026-Jan-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010050
PMID:41590935
|
研究论文 | 本文提出了一种名为ADAM-Net的注意力引导无监督域适应多任务框架，用于联合进行睑板腺分割和睑板腺功能障碍分级 | 引入了结构感知多任务学习和解剖学引导注意力机制，以增强特征共享、抑制背景噪声并改善腺体区域感知，从而联合处理分割和分类任务 | NA | 开发一个鲁棒且可解释的自动化框架，用于在多中心成像设备场景下联合进行睑板腺分割和睑板腺功能障碍分级 | 睑板腺图像 | 计算机视觉 | 干眼病 | 深度学习 | CNN | 图像 | 涉及多个数据集：MGD-1K、K5M、CR-2、LV II | NA | ADAM-Net | 准确率, F1分数, 马修斯相关系数 | NA |
| 602 | 2026-02-02 |
HASwinNet: A Swin Transformer-Based Denoising Framework with Hybrid Attention for mmWave MIMO Systems
2026-Jan-20, Entropy (Basel, Switzerland)
DOI:10.3390/e28010124
PMID:41594031
|
研究论文 | 本文提出了一种基于Swin Transformer的深度学习去噪框架HASwinNet，用于解决毫米波大规模MIMO系统中的信道估计难题 | 提出了一种结合分层Swin Transformer编码器、稀疏令牌提取和角度域细化的混合注意力去噪框架，并引入了角度域感知损失函数 | 基于Saleh-Valenzuela信道模型的仿真验证，尚未在实际部署环境中测试 | 提高毫米波大规模MIMO系统在有限导频资源和低信噪比条件下的信道估计精度 | 毫米波大规模MIMO系统的信道数据 | 机器学习 | NA | 深度学习 | Transformer, CNN | 信道数据 | NA | PyTorch | Swin Transformer, U-Net | 归一化均方误差, 误码率 | NA |
| 603 | 2026-02-02 |
DeeppestNet: An end-to-end framework for high-performance crop pest recognition
2026-Jan-20, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种名为DeeppestNet的端到端框架，用于高性能农作物害虫识别 | 结合了图金字塔注意力机制与双向长短期记忆网络（GPA-BiLSTM），并采用灰狼-樽海鞘群优化算法（GW-SSO）提升分类精度 | 未明确说明模型在复杂田间环境或不同光照条件下的泛化能力 | 开发高精度、高效率的农作物害虫自动识别系统 | 农作物害虫图像 | 计算机视觉 | NA | 图像增强技术（CLAHE） | CNN, BiLSTM, 优化算法 | 图像 | IP-102数据集（具体数量未说明） | NA | 自适应金字塔注意力模块与跨阶段部分网络（AP-CSP）, 图基双向长短期记忆网络（G-BiLSTM） | 准确率, 精确率, 召回率, F1值 | NA |
| 604 | 2026-02-02 |
Clinical validation of a unified data-driven respiratory motion correction technique in 18F-FDG PET/CT imaging of upper abdominal lesions: a real-world study
2026-Jan-18, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00833-z
PMID:41547664
|
研究论文 | 本研究前瞻性评估了一种基于深度学习神经网络的统一数据驱动呼吸运动校正算法在18F-FDG PET/CT上腹部病变成像中的临床效用 | 提出并临床验证了一种利用深度学习神经网络的统一数据驱动呼吸运动校正算法，显著提升了图像质量和病变检测能力，特别是在低摄取和小体积病变方面 | 研究样本量为100名患者，需要在更大规模、多中心的研究中进一步验证算法的普适性和鲁棒性 | 评估数据驱动呼吸运动校正算法在PET/CT成像中的临床效用，以改善图像质量和诊断准确性 | 100名疑似上腹部病变并接受18F-FDG PET/CT检查的患者 | 数字病理学 | NA | 18F-FDG PET/CT成像 | 深度学习神经网络 | 医学图像 | 100名患者，共225个病灶 | NA | NA | 主观视觉评估（整体图像质量、PET-CT配准、病灶变形）、半定量指标（SUVmax, MTV, TBR, HV_ratio）、病灶检测数量 | NA |
| 605 | 2026-02-02 |
Variational Deep Alliance: A Generative Auto-Encoding Approach to Longitudinal Data Analysis
2026-Jan-18, Entropy (Basel, Switzerland)
DOI:10.3390/e28010113
PMID:41594020
|
研究论文 | 本文提出了一种名为变分深度联盟（VaDA）的新型生成式自编码方法，用于纵向数据分析，能够同时进行结果预测、主体聚类和表示学习 | 通过变分自编码器构建跨重复测量的“联盟”，为纵向数据建模提供统一且结构良好的潜在空间，支持混合类型变量处理 | 未明确提及方法在特定纵向数据场景（如医疗时间序列）中的验证限制或计算复杂度分析 | 利用深度神经网络学习纵向数据中的复杂关系，实现生成式建模与多任务分析 | 纵向数据，包括合成数据和CelebFaces Attributes数据集中的面部图像序列 | 机器学习 | NA | 变分自编码器（VAE） | 生成式自编码模型 | 纵向数据，图像数据 | 未明确指定样本数量，但提及可扩展至大型数据集并使用CelebFaces Attributes数据集 | 随机自编码变分贝叶斯框架 | 变分自编码器（VAE） | 未明确列出具体指标，但提及定量比较、鲁棒性和泛化能力评估 | 未明确指定，但提及方法可扩展至大型数据集 |
| 606 | 2026-01-19 |
Research on deep learning-based lesion identification in optical coherence tomography
2026-Jan-17, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04579-7
PMID:41547727
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 607 | 2026-02-02 |
A Dual Stream Deep Learning Framework for Alzheimer's Disease Detection Using MRI Sonification
2026-Jan-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010046
PMID:41590931
|
研究论文 | 本研究提出了一种新颖的双流深度学习框架，通过结合MRI图像及其声化表示来检测阿尔茨海默病 | 首次将MRI声化技术引入AD诊断，通过多尺度、多方向的Gabor滤波和希尔伯特空间填充曲线生成音频表示，并与传统图像特征融合 | 未明确说明样本来源和数据集规模，也未讨论模型在外部验证集上的泛化能力 | 探索MRI声化技术是否能提供补充诊断信息，以改进阿尔茨海默病的检测 | 阿尔茨海默病患者、轻度认知障碍患者和认知正常受试者的MRI数据 | 医学影像分析 | 阿尔茨海默病 | MRI声化技术、多尺度多方向Gabor滤波、希尔伯特空间填充曲线 | CNN, YAMNet | MRI图像、音频信号 | NA | NA | 轻量级CNN, YAMNet | 准确率 | NA |
| 608 | 2026-02-02 |
Effectiveness of Machine Learning in Detecting Vessels Encapsulating Tumor Clusters in Hepatocellular Carcinoma: Systematic Review and Meta-Analysis
2026-Jan-14, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/82839
PMID:41534080
|
荟萃分析 | 本文通过系统综述和荟萃分析，评估了机器学习模型在检测肝细胞癌中血管包绕肿瘤簇方面的诊断准确性 | 这是首个定量评估机器学习模型在HCC VETC诊断中效能的荟萃分析，填补了该领域的证据空白，并首次提供了机器学习检测潜力的定量证据 | 方法学存在异质性、验证有限、偏倚风险高，机器学习模型尚未达到临床转化所需的成熟度 | 系统评估机器学习模型检测肝细胞癌中血管包绕肿瘤簇的诊断准确性 | 肝细胞癌患者 | 机器学习 | 肝细胞癌 | NA | 传统机器学习, 深度学习 | 影像组学特征, 非影像组学特征 | 31项研究，共6755名HCC患者（其中2699名VETC阳性） | NA | NA | 灵敏度, 特异度, 汇总受试者工作特征曲线下面积 | NA |
| 609 | 2026-02-02 |
A Transformer-LSTM Hybrid Detector for OFDM-IM Signal Detection
2026-Jan-14, Entropy (Basel, Switzerland)
DOI:10.3390/e28010102
PMID:41594009
|
研究论文 | 本文提出了一种名为FullTrans-IM的深度学习检测器，用于解决OFDM-IM系统中的信号检测问题 | 将信号检测问题重新定义为序列预测问题，并首次将Transformer解码器与LSTM网络结合用于OFDM-IM信号检测 | 仅通过仿真验证了在瑞利衰落信道下的性能，未考虑实际硬件实现复杂度和其他信道条件 | 提高正交频分复用索引调制系统的信号检测准确性和鲁棒性 | OFDM-IM系统的信号检测 | 机器学习 | NA | 深度学习 | Transformer, LSTM | 信号序列数据 | NA | NA | Transformer, LSTM | 误码率 | NA |
| 610 | 2026-02-02 |
DEM study on the effect of fiber length and content on the macro-micro mechanical behavior of fiber-sand mixture
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34063-7
PMID:41530239
|
研究论文 | 本研究采用离散元法，从宏观和微观角度综合研究了纤维体积含量和纤维长度对纤维-砂混合物力学行为的影响 | 开发了一种结合YOLOv5和U-Net的混合数字摄影测量与深度学习方法，用于快速识别颗粒轮廓并构建纤维和砂粒的真实形状数据库 | NA | 阐明纤维-砂混合物中控制强度提高和变形行为的微观机制，并为岩土工程应用中优化纤维增强策略提供指导 | 纤维-砂混合物 | 岩土工程 | NA | 离散元法，数字摄影测量，深度学习 | CNN | 图像 | NA | NA | YOLOv5, U-Net | NA | NA |
| 611 | 2026-02-02 |
Self-Supervised Learning of Deep Embeddings for Classification and Identification of Dental Implants
2026-Jan-09, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010039
PMID:41590924
|
研究论文 | 本研究提出了一种基于自监督学习的深度学习系统，用于自动识别和分类牙科植入物 | 提出了一种名为Masked Deep Embedding (MDE)的自监督预训练方法，扩展了掩码自编码器(MAE)变换器，显著提升了牙科植入物检测性能，并创建了独特的植入物设计数据集(IDD) | 未明确提及具体局限性，但暗示在获取合适的预训练数据方面存在挑战 | 开发AI驱动的解决方案，以辅助牙科医生和患者处理与植入物相关的挑战 | 牙科植入物系统 | 计算机视觉 | NA | 掩码图像建模(MIM) | 变换器 | 牙科X光图像 | NA | NA | 掩码自编码器(MAE), ViT | AP | NA |
| 612 | 2026-02-02 |
Empirical Evaluation of UNet for Segmentation of Applicable Surfaces for Seismic Sensor Installation
2026-Jan-08, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010034
PMID:41590919
|
研究论文 | 本文对U-Net架构在卫星图像语义分割任务中的应用进行了基线实证评估，旨在识别适合地震传感器安装的地表区域 | 首次将语义分割技术应用于地震传感器安装选址这一特定任务，并构建了专门标注的Sentinel-2多光谱图像数据集 | 研究仅评估了U-Net架构及其变体，未与其他先进分割模型进行对比，且数据集规模和多样性可能有限 | 为自动化地震节点网络安装规划中的深度学习模型优化提供实践指导 | Sentinel-2多光谱卫星图像中适合地震传感器安装的地表区域 | 计算机视觉 | NA | 卫星遥感，多光谱图像分析 | CNN | 多光谱卫星图像 | 未明确说明样本数量，使用专门标注的Sentinel-2图像数据集 | 未明确说明，可能为PyTorch或TensorFlow | U-Net, EfficientNetB2, CSPDarknet53, MAxViT | IoU, 精确率, 召回率 | NA |
| 613 | 2026-02-02 |
A Hierarchical Deep Learning Architecture for Diagnosing Retinal Diseases Using Cross-Modal OCT to Fundus Translation in the Lack of Paired Data
2026-Jan-08, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010036
PMID:41590921
|
研究论文 | 本文提出了一种基于分层深度学习架构的系统，用于通过跨模态OCT到眼底图像转换，在缺乏配对数据的情况下自动诊断视网膜疾病 | 提出了一种分层模块化深度学习系统，通过条件路由到专门的分期模块处理多标签OCT筛查，并利用跨模态对齐在缺乏眼底图像时实现DR分期 | 在缺乏严格配对的OCT和眼底数据条件下工作，可能影响模型在某些情况下的泛化能力 | 实现视网膜疾病的自动化诊断，特别是年龄相关性黄斑变性和糖尿病视网膜病变 | 光学相干断层扫描图像和眼底图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | 深度学习 | 图像 | 未明确说明 | NA | 分层模块化深度学习系统 | 宏F1分数, 预期校准误差 | NA |
| 614 | 2026-02-02 |
Deep Learning-Assisted Autofocus for Aerial Cameras in Maritime Photography
2026-Jan-07, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010031
PMID:41590917
|
研究论文 | 本文提出了一种结合深度学习粗聚焦与传统搜索细调的自对焦系统，用于解决无人机载可见光航空相机在低对比度海上环境中的不可靠对焦问题 | 采用内置高对比度分辨率测试图作为信号源，结合轻量级卷积神经网络回归离焦距离进行快速粗聚焦，避免了直接对低对比度海面调整时的弱信号和不准确问题 | 未明确提及系统在极端天气或动态海况下的性能限制，也未讨论对不同相机型号的泛化能力 | 提升无人机载航空相机在低对比度海上环境中的自动对焦可靠性和效率 | 无人机载可见光航空相机及其在海上摄影中的对焦系统 | 计算机视觉 | NA | 深度学习辅助对焦、混合搜索策略（爬山搜索与逆校正） | CNN | 图像 | 未明确提及具体样本数量，但基于内置校准目标成像进行实验 | 未明确提及，可能为TensorFlow或PyTorch等 | 轻量级卷积神经网络（具体架构未指定） | 对焦速度提升百分比（约60%）、准确性、适应性 | 未明确提及，但考虑到轻量级网络设计，可能适用于嵌入式或机载计算平台 |
| 615 | 2026-02-02 |
Predicting protein-carbohydrate binding sites: a deep learning approach integrating protein language model embeddings and structural features
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag008
PMID:41608988
|
研究论文 | 本文提出了一种名为DeepCPBSite的深度学习集成模型，用于预测蛋白质-碳水化合物非共价结合位点 | 结合了蛋白质语言模型嵌入和结构特征，并采用集成策略整合了三种不同采样/损失处理方法的ResNet+FNN模型 | 未明确说明模型在独立验证集上的泛化能力或计算效率的具体限制 | 开发计算工具以替代昂贵的实验方法，预测蛋白质-碳水化合物结合位点 | 蛋白质-碳水化合物非共价结合位点 | 机器学习 | NA | 蛋白质语言模型嵌入、结构特征提取 | CNN, FNN, 集成模型 | 序列数据、结构数据 | 来自RCSB、UniProt和CASP三个来源的数据集，具体数量未明确说明 | NA | ResNet, FNN | 平衡准确率、灵敏度、F1分数、MCC、AUPR | NA |
| 616 | 2026-02-02 |
Task-specific pre-training for molecular property prediction
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag010
PMID:41608985
|
研究论文 | 本文提出了一种名为TasProp的任务特定预训练策略，用于解决分子性质预测中因标记数据稀缺导致的过拟合和泛化能力有限的问题 | 提出了任务特定的对比损失函数，该损失与最终预测任务紧密对齐，并引入了一种新颖的数据增强方法，以缓解标记数据稀缺的挑战 | 未明确说明预训练阶段所需的计算资源或时间成本，且理论分析可能基于特定假设 | 提升小标记数据集场景下分子性质预测模型的性能和泛化能力 | 分子数据（包括标记和未标记数据） | 机器学习 | NA | NA | 深度学习模型 | 分子数据 | 三个公开可用数据集和两个与麻醉学相关的整理数据集 | NA | NA | NA | NA |
| 617 | 2026-02-02 |
Predicting the Redox Potentials and Hammett Parameters of Quinone Derivatives with the Information-Theoretic Approach
2026-Jan-06, Entropy (Basel, Switzerland)
DOI:10.3390/e28010067
PMID:41593974
|
研究论文 | 本研究利用信息论方法，通过深度学习和量子机器学习协议预测醌类衍生物的氧化还原电位和哈米特参数 | 首次将DL(ITA)和QML(ITA)协议应用于醌类衍生物的氧化还原电位和哈米特参数预测，其中QML(ITA)模型展现出优越性能且具备未来在真实量子硬件上实现的潜力 | 未明确说明模型在非醌类体系中的泛化能力具体表现，且未提及数据集的规模限制 | 准确高效地预测醌类衍生物的氧化还原电位和哈米特参数 | 醌类衍生物 | 机器学习 | NA | 信息论方法，分子静电势，价层自然原子轨道能量 | 深度学习，量子机器学习，线性回归 | 分子数据 | NA | NA | NA | NA | NA |
| 618 | 2026-02-02 |
Multimodal deep learning approaches for improving polygenic risk scores with imaging data
2026-Jan-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34153-6
PMID:41491351
|
研究论文 | 本研究评估了多基因风险评分、图像深度学习评分、成像衍生表型及临床协变量在青光眼预测中的性能，并开发了成像衍生表型代理遗传评分作为无影像数据时的替代方案 | 提出结合多模态深度学习方法来提升多基因风险评分的预测准确性，并引入成像衍生表型代理遗传评分作为无影像数据时的可行替代方案 | 研究主要基于UK Biobank数据，可能受限于特定人群和影像类型，且成像衍生表型代理遗传评分在单独使用时预测性能较低 | 提升青光眼风险预测的准确性，探索多模态数据融合在疾病风险评估中的应用 | 青光眼患者及风险个体 | 机器学习 | 青光眼 | 光学相干断层扫描 | 深度学习模型, XGBoost | 图像, 遗传数据, 临床数据 | 55,469个有OCT影像样本和402,847个无OCT影像样本 | XGBoost | NA | AUC | NA |
| 619 | 2026-02-02 |
Vision-Based People Counting and Tracking for Urban Environments
2026-Jan-05, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010027
PMID:41590912
|
研究论文 | 本文提出了一种基于计算机视觉和深度学习的自动检测与计数方法，用于城市环境中的人群监控 | 对DeepSORT跟踪流程进行了任务特定修改，优化了密集乘客环境、强遮挡和动态光照条件，并集成了检测、跟踪和自动事件日志生成的统一架构 | 数据集规模有限（4047张图像），未来计划扩展数据集并支持多摄像头集成 | 开发智能乘客流量监控系统，以提高交通服务的效率、安全性和质量 | 城市环境中的乘客 | 计算机视觉 | NA | 计算机视觉，深度学习 | CNN | 图像 | 4047张图像，8918个标注对象 | PyTorch | YOLOv8, DeepSORT | 检测准确率，计数准确率 | NA |
| 620 | 2026-02-02 |
Perceiving Unpredictability for New Energy Power and Electricity Consumption Forecasting
2026-Jan-05, Entropy (Basel, Switzerland)
DOI:10.3390/e28010064
PMID:41593971
|
研究论文 | 本文提出了一种用于传感器网络数据预测的不可预测性感知损失函数，以提升电力系统和交通规划等关键领域的时间序列预测准确性 | 引入了不可预测性感知损失函数，该函数通过结合信号内容的随机性后验分析和时间距离的先验考量，动态调整监督权重，使模型能够区分可预测与不可预测的事件模式 | 未明确说明该方法在极端随机事件或非常长期预测中的具体表现，也未讨论计算复杂度的增加程度 | 提升传感器网络数据（特别是新能源电力和电力消耗）时间序列预测的准确性和可靠性 | 传感器网络数据，具体应用于电力系统和交通规划领域 | 机器学习 | NA | 时间序列预测 | 深度学习模型 | 传感器网络数据（时间序列数据） | 多个公共基准数据集（具体数量未在摘要中说明） | NA | TimeMixer | 预测准确性（具体指标未在摘要中说明） | NA |