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 49104 篇文献，本页显示第 7221 - 7240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7221 | 2026-06-08 |
Developing and validating a sequence-aware deep learning model for infection risk prediction in home care
2026-Sep-01, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2026.106485
PMID:42172726
|
研究论文 | 开发并验证了一种序列感知深度学习模型，用于预测家庭护理中感染相关的住院或急诊就诊风险 | 首次将家庭护理电子健康记录的纵向结构化数据与自然语言处理从临床笔记中提取的特征整合进序列感知深度学习模型，并衍生出三级风险分层工具 | 未在外部数据集验证，且未明确讨论模型泛化性及潜在偏差 | 评估可整合纵向结构化EHR数据和NLP衍生特征以预测感染相关住院或急诊就诊风险的序列感知深度学习方法，并评估其性能、可解释性和公平性 | 家庭护理患者（23321次家庭护理事件） | 自然语言处理, 机器学习 | 感染性疾病 | 自然语言处理（NLP） | 双向长短期记忆网络（BiLSTM） | 结构化电子健康记录数据、非结构化临床笔记文本 | 23321次家庭护理事件（1528次感染相关事件） | NA | 双向长短期记忆网络（BiLSTM） | AUROC, AUPRC, F1分数 | 未提及 |
| 7222 | 2026-06-08 |
Cellulose handsheet-based piezoresistive sensor with screen-printing-inspired microisland arrays for wearable handwriting recognition
2026-Aug-15, Carbohydrate polymers
IF:10.7Q1
DOI:10.1016/j.carbpol.2026.125419
PMID:42230030
|
研究论文 | 该论文基于纤维素手抄纸，采用丝网印刷启发策略开发了一种压阻传感器，并通过微岛阵列结构实现可穿戴手写识别 | 首次将丝网印刷启发的微岛阵列与纤维素手抄纸结合，利用多壁碳纳米管形成渗透网络同时增强结构稳定性和导电性，实现高灵敏度和耐用性 | NA | 开发一种基于纤维素的可降解、生物相容且成本低廉的压阻传感器，用于可穿戴电子设备中的手写识别和健康监测 | 基于纤维素手抄纸的压阻传感器及其在实时活动检测、健康监测和手写识别中的应用 | 机器学习, 可穿戴电子 | NA | 丝网印刷, 多壁碳纳米管添加 | 深度学习算法 | 图像, 文本 | NA | NA | NA | 灵敏度, 耐久性, 压力范围, 响应时间, 恢复时间, 识别准确率 | NA |
| 7223 | 2026-06-08 |
Automated Detection of Pediatric Slipped Capital Femoral Epiphysis: A Deep Learning Approach Using Anatomically Informed Attention Guidance
2026-Jul-01, Journal of pediatric orthopedics
DOI:10.1097/BPO.0000000000003279
PMID:41946451
|
研究论文 | 开发并验证一种基于注意力引导的深度学习模型，用于在儿科骨盆X光片上自动识别股骨头骨骺滑脱 | 引入解剖学信息引导的注意力机制，使模型聚焦于股骨头的解剖学感兴趣区域，提高可解释性 | 样本量较小（仅174张骨盆X光片），且为回顾性单中心研究，可能限制模型的泛化能力 | 开发并验证一种自动检测儿科股骨头骨骺滑脱的深度学习模型 | 儿科骨盆X光片中的股骨头骨骺滑脱病变 | 计算机视觉 | 股骨头骨骺滑脱 | X光成像 | U-Net++, EfficientNet B1 | 图像 | 174张骨盆X光片（139张训练，35张测试） | NA | U-Net++, EfficientNet B1 | AUC, 准确率, 灵敏度, 特异度 | NA |
| 7224 | 2026-06-08 |
A Bibliometric Examination of EEGLAB Publications in Scopus and WoS Indexed Sources: A 20-Year Study of Asia-Pacific and Arabian Countries
2026-Jul, Clinical EEG and neuroscience
IF:1.6Q3
DOI:10.1177/15500594261428714
PMID:42029425
|
研究论文 | 对EEGLAB在亚太和阿拉伯地区出版物的文献计量分析，覆盖20年的全球使用情况 | 首次对亚太和阿拉伯地区EEGLAB出版物进行全面的文献计量分析，结合联合国ESCAP和ESCWA区域划分，分析区域贡献和合作趋势 | 仅涵盖Scopus和WoS索引来源，数据截至2024年3月，可能遗漏最新研究或非索引出版物 | 了解亚太和阿拉伯地区EEGLAB出版物的区域贡献、趋势和国际合作模式 | 亚太和阿拉伯地区80个国家和地区的EEGLAB相关出版物 | 文献计量学，脑电图分析 | NA | EEGLAB软件用于脑电图数据分析 | NA | 文献计量数据（引用、作者、出版物） | 58个亚太国家和22个阿拉伯国家的出版物数据 | R（Bibliometrix包） | NA | 引用次数、洛特卡定律、布拉德福定律、共引网络 | NA |
| 7225 | 2026-06-08 |
A tissue-informed deep learning-based method for positron range correction in preclinical [Formula: see text]Ga PET imaging
2026-Jun-07, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00900-5
PMID:42251608
|
研究论文 | 提出一种基于组织信息引导的深度学习方法，用于预临床镓-68 PET成像中的正电子射程校正 | 首次将组织依赖性解剖信息通过μ-map依赖的损失函数融入三维残差编码器-解码器卷积神经网络（3D RED-CNN），实现正电子射程校正 | 未在真实数据中提供金标准验证，且模型泛化性依赖域适应及混合训练策略的进一步优化 | 提高预临床镓-68 PET成像的空间分辨率和定量准确性 | 镓-68标记的FH和PSMA-617小鼠PET/CT图像 | 计算机视觉 | NA | PET成像, CT成像 | 3D残差编码器-解码器卷积神经网络（3D RED-CNN） | 图像 | 小鼠模拟及真实PET采集数据（未明确样本数量） | PyTorch | 单通道模型, 双通道模型, 双编码器模型 | 平均绝对误差（MAE）, 结构相似性指数（SSIM）, 对比度恢复（CR）, 对比度噪声比（CNR） | NA |
| 7226 | 2026-06-08 |
A clinical applicable study on lower limb segmentation from CT images for total knee arthroplasty
2026-Jun-06, The Knee
DOI:10.1016/j.knee.2026.104526
PMID:42250470
|
研究论文 | 评估半监督深度学习框架利用不完全标注CT数据生成适用于全膝关节置换术的股骨和胫骨分割图像 | 采用部分监督训练策略处理标注不完整的CT数据集，并验证自动分割生成的关节对齐测量值与手动分割无显著差异，证明该方法在临床实践中具有可行性 | NA | 评估部分监督深度学习框架在CT不完全标注情况下生成精确下肢骨分割的临床适用性 | 下肢骨骼（股骨和胫骨） | 医学图像分割 | 骨关节炎 | CT成像 | 3D nnU-Net | CT图像 | 205例健康全腿CT扫描（其中17例完全标注，其余部分标注股骨或胫骨），内部健康数据集40例，尸体数据集15例，骨关节炎数据集10例 | PyTorch | 3D nnU-Net | Dice相似系数, Hausdorff距离, HD95, 均方根表面距离 | NA |
| 7227 | 2026-06-08 |
Comment on "Application of deep learning reconstruction in abdominal magnetic resonance cholangiopancreatography for image quality improvement and acquisition time reduction"
2026-Jun-06, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2026.05.076
PMID:42250961
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7228 | 2026-06-08 |
A Dataset of Widefield Fundus Images From Patients With Birdshot Chorioretinitis and Matched Control
2026-Jun-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07494-8
PMID:42251038
|
研究论文 | 提出了Birdshot-Wide数据集，包含来自鸟枪弹样脉络膜视网膜炎患者和匹配对照的宽视野眼底图像 | 首个公开的大规模纵向鸟枪弹样脉络膜视网膜炎宽视野眼底图像数据集，含详细元数据和病灶亚型分类，可用于生物标志物发现及自动化诊断工具开发 | 未说明具体局限性，但罕见病数据集可能存在样本代表性不足或通用性受限的问题 | 解决鸟枪弹样脉络膜视网膜炎研究中缺乏大型公开成像数据集的问题，并推动诊断和疾病进展建模 | 鸟枪弹样脉络膜视网膜炎患者的宽视野眼底图像及匹配的健康对照图像 | 计算机视觉, 数字病理学 | 眼病, 葡萄膜炎 | 宽视野眼底摄影 | 深度学习模型 | 图像 | 5042张图像来自742只BSCR患眼，1310张图像来自742只匹配对照眼 | NA | NA | 受试者工作特征曲线下面积 | NA |
| 7229 | 2026-06-08 |
A histopathologically verified dataset of magnifying narrow-band imaging endoscopy for classifying the gastric precancerous cascade
2026-Jun-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07567-8
PMID:42251050
|
research paper | 提出了一个经组织学验证的放大窄带成像内镜数据集，用于胃早癌前病变的分类 | 构建了包含11971张ME-NBI图像的大规模数据集，每张图像均与活检确认的组织病理学诊断严格对应，提供了可靠的标签金标准 | 数据集中高级别上皮内瘤变与早期胃癌的视觉区分仍存在固有挑战 | 通过高质量数据集推动胃早癌前病变的细粒度分类、域适应研究和内镜培训 | 胃粘膜病变的ME-NBI图像 | digital pathology | gastric cancer | ME-NBI | deep learning models | image | 868名患者的11971张ME-NBI图像 | NA | NA | NA | NA |
| 7230 | 2026-06-08 |
Proteomic clocks combined with deep learning phenotypes track eye aging and diseases
2026-Jun-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02805-0
PMID:42251179
|
研究论文 | 结合蛋白质组学时钟与深度学习表型追踪眼部衰老和疾病 | 首次将高通量蛋白质组学与深度学习表型相结合，在跨种族大规模队列中验证蛋白质组衰老加速作为年龄相关眼病的生物标志物，并开发了精简且经济的蛋白质组衰老时钟 | NA | 利用蛋白质组学与深度学习表型追踪眼部衰老和疾病，并验证蛋白质组衰老加速作为年龄相关眼病的预测标志物 | 年龄相关眼病患者，包括白内障、糖尿病视网膜病变、年龄相关性黄斑变性和青光眼 | 机器学习 | 白内障, 糖尿病视网膜病变, 年龄相关性黄斑变性, 青光眼 | 高通量蛋白质组学，深度学习成像分析（断层成像和血管成像） | 深度学习模型 | 蛋白质组数据，影像数据（断层成像和血管成像） | 超过55,000名跨种族参与者，来自三个国际队列 | NA | NA | NA | NA |
| 7231 | 2026-06-08 |
Deep learning-based water body extraction using high-resolution RGB-UAV imagery: a case study on Horseshoe Island, Antarctica
2026-Jun-03, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15519-3
PMID:42234036
|
研究论文 | 利用深度学习从高分辨率RGB无人机影像中提取南极马蹄岛水体 | 首次系统比较六种先进语义分割架构在RGB无人机影像南极水体提取中的表现，并验证了模型在不同空间分辨率及复杂海岸线条件下的泛化能力 | 未提及数据集规模较小、未考虑跨季节变化、未与多光谱数据结合 | 评估深度学习模型在极地高分辨率RGB无人机影像中提取水体的可行性，建立可扩展的水体监测框架 | 南极马蹄岛的沿海水体，包括大型湖泊区域和复杂海岸线区域 | 计算机视觉 | NA | 无人机遥感 | 语义分割模型 | RGB影像 | 287张RGB无人机影像 | PyTorch | U-Net++, DeepLabv3+, MA-Net, SegFormer, ConvNeXt, DINOv3 | 交并比, 总体准确率 | NA |
| 7232 | 2026-06-08 |
pedQTNet: A Deep Learning Approach to Estimate Corrected QT Intervals from Multi-Lead Conventional ECG Waveforms in Pediatric Patients
2026-Jun-03, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-026-02386-1
PMID:42234295
|
研究论文 | 开发并评估了pedQTNet，一种用于从多导联常规心电图波形估计儿童校正QT间期并检测长QT综合征的深度学习模型 | 首次提出专门针对儿科患者的深度学习模型pedQTNet，用于从原始心电图波形直接估计QTc并检测LQTS，性能优于商用算法并与专家水平相当 | 未在更大规模的多中心数据或不同心电图机上进行验证，且模型在极低体重或早产儿中的表现有待进一步评估 | 开发一种自动化工具，帮助非心律专家准确测量儿童QTc并筛查LQTS，提高儿科心脏护理的可及性和效率 | 0-18岁儿科患者的心电图数据 | 深度学习 | 长QT综合征 | 心电图 | 深度神经网络 | 心电图波形 | 37,992名患者共65,370份心电图，以及200份前瞻性心电图 | PyTorch | NA | 平均绝对误差, 灵敏度, 特异度, 阳性似然比, 阴性似然比 | NA |
| 7233 | 2026-06-08 |
Deep learning for predicting cardiac procedure outcomes: A scoping review of recent advances
2026-Jun-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103463
PMID:42250347
|
综述 | 总结基于深度学习的四种主要心脏手术（PCI、CABG、AVR和二尖瓣成形术）术后结果预测的最新进展 | 首次对深度学习在心脏手术结果预测中的应用进行系统综述，涵盖多种数据类型（文本、影像、信号）及多模态融合方法 | 所有纳入研究均缺乏外部验证，可推广性、可解释性和临床整合仍面临挑战 | 评估深度学习在心脏手术预后预测中的潜力及其与传统机器学习方法的对比 | 经皮冠状动脉介入、冠状动脉搭桥术、主动脉瓣置换术和二尖瓣成形术相关研究 | 机器学习 | 心血管疾病 | 深度学习 | DL模型 | 文本、影像、信号 | 9篇纳入研究（来自457篇检索文献） | NA | NA | 性能指标因数据类型而异 | NA |
| 7234 | 2026-06-08 |
Artificial intelligence applications using patient-generated health data for pre-care processes in elective healthcare: a systematic review
2026-Jun-03, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2026.106525
PMID:42250455
|
系统综述 | 系统综述了人工智能在择期医疗预诊流程中利用患者生成健康数据的应用 | 首次系统梳理了AI、患者生成健康数据与预诊流程三者交叉领域的研究现状，并综合评估了技术、临床、运营、用户体验和公平性等多维度结果 | 95%的研究存在高偏倚风险，仅6%进行了外部验证，仅一项研究测量了临床结局，公平性评估仅占14%，无研究证明患者获益或描述临床部署 | 绘制AI方法和患者生成健康数据模态的图谱，综合多维度结果，识别部署障碍和报告空白 | 利用患者生成健康数据的AI应用，用于支持择期医疗预诊流程（如分诊、症状评估、病史采集） | 自然语言处理, 机器学习 | NA | NA | 经典机器学习, 深度学习, 大型语言模型 | 自由文本, 问卷, 录音, 可穿戴设备数据, 图像 | 21项研究 | NA | NA | AUC (0.64-0.98，中位数0.78) | NA |
| 7235 | 2026-06-08 |
Specific-Source Insights into Changes of O3 Concentrations and Health Risks in China
2026-Jun-02, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.6c01808
PMID:42226704
|
研究论文 | 开发了结合深度学习模型与源导向CMAQ模型的集成框架，用于重构2005-2020年中国O3浓度并将其归因于不同来源，评估健康风险 | 首次将深度学习模型与源导向空气质量模型耦合，突破了传统方法在精细尺度上归因源贡献的局限，揭示了O3浓度来源在时空异质性及健康影响之间的显著不对等关系 | NA | 量化中国不同来源对臭氧浓度的贡献并评估相应的健康风险，为制定面向健康、来源特定的臭氧管理策略提供科学依据 | 2005-2020年中国大气臭氧浓度及其来源贡献和健康风险 | 机器学习 | 呼吸系统疾病 | NA | 深度学习模型 | 时间序列数据、空间分布数据 | 2005-2020年的臭氧浓度数据 | NA | 深度学习模型 | NA | NA |
| 7236 | 2026-06-08 |
Concerted Electron-Ion Transport by Polyacrylonitrile Elucidated with Reactive Deep Learning Potentials
2026-Jun-02, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.6c05078
PMID:42227688
|
研究论文 | 利用反应性深度学习势能阐明聚丙烯腈中协同电子-离子传输的机制 | 首次通过深度学习势能模拟非平衡反应性PAN构型，揭示了亲核攻击引发的锂耦合电子转移及环化反应动力学 | 模拟未考虑聚合物链间相互作用及更复杂电解液环境的影响 | 研究PAN在电池中作为离子导体的协同电荷传输机制 | 聚丙烯腈（PAN）聚合物构型与Li⁺的相互作用 | 机器学习 | NA | 深度学习势能、红外光谱（IR）、核磁共振（NMR） | 深度学习势能（Deep Potential） | 分子结构数据（PAN构型能与力） | 非平衡反应性PAN构型（具体数量未提及） | DeepMD-kit | 深度神经网络势能 | 反应自由能、反应速率、电荷分析 | GPU（具体型号未提及） |
| 7237 | 2026-06-08 |
Efficient FPGA accelerator for low-power high-speed BCI motor imagery classification using novel deep learning
2026-Jun-02, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109105
PMID:42250530
|
研究论文 | 提出一种结合少样本学习与双注意力机制的SqueezeNet深度学习模型，并设计高效FPGA加速器，用于低功耗高速运动想象脑电信号分类 | 1) 首次将少样本学习与双注意力机制结合到SqueezeNet中，提升小样本和未见数据的分类精度；2) 设计基于双核DPU和双缓冲方案的低功耗硬件加速器，功耗仅12.14W，推理时间5.01ms，比CPU和GPU分别降低4.8倍和6.3倍 | 未提及对噪声鲁棒性的具体分析及模型在真实复杂环境下的验证情况 | 实现运动想象脑电信号的高精度、低功耗、高速分类，适用于边缘设备实时部署 | 脑电信号中的运动想象任务分类 | 机器学习 | NA | 脑电图 | SqueezeNet、双注意力机制、少样本学习 | 脑电信号 | BCI Competition IV 2a数据集（具体样本数未提及），以及其他公共数据集 | NA | FSL-Dual Attention-based SqueezeNet | 准确率 | FPGA硬件加速器（双核DPU，双缓冲方案），CPU，GPU（功耗对比） |
| 7238 | 2026-06-08 |
Virtual fluorescent labeling of engineered vascular networks with embedded tracer particles
2026-Jun, Acta biomaterialia
IF:9.4Q1
DOI:10.1016/j.actbio.2026.04.059
PMID:42097439
|
研究论文 | 开发了一种深度学习虚拟标记方法，能从无标记图像中恢复细胞核、细胞骨架和内皮荧光，用于工程化血管网络的纵向研究 | 首次在厚三维共培养系统中实现多通道荧光标记的虚拟预测，并对散射微珠具有鲁棒性，采用通道特定损失函数提升重建质量 | 未提及限制 | 实现无破坏性的实时定量分析工程组织中的微血管形态发生及细胞外基质力学 | 含2μm二氧化硅微珠的纤维蛋白水凝胶中三维共培养的人脐静脉内皮细胞和肺成纤维细胞 | 数字病理学, 计算机视觉 | 不适用 | 三维荧光成像, 明场成像 | 3D U-Net | 图像（明场和共焦荧光序列） | 三维纤维蛋白水凝胶中细胞共培养样本（具体数量未提及） | PyTorch | 3D U-Net | 均方误差, 结构相似性, 峰值信噪比, 相关性, Dice系数 | 未提及 |
| 7239 | 2026-06-08 |
A deep learning multi-attention Bi-GRU framework for kcat prediction with segmentation-based insights
2026-Jun-01, Enzyme and microbial technology
IF:3.4Q2
DOI:10.1016/j.enzmictec.2026.110915
PMID:42250496
|
研究论文 | 提出了一种名为KcatNeuroCortex的深度学习框架，用于预测酶催化效率，该框架结合了双向门控循环单元（Bi-GRU）与多注意力机制，并通过基于分段的策略捕捉局部功能基序 | 创新性地将双向GRU与多注意力机制结合，模仿酶的工作方式；采用基于分段的策略捕捉局部功能基序，并整合为全局表示，提高了可解释性和预测准确性 | NA | 开发一个可解释且新颖的深度学习框架，用于准确预测酶催化效率（kcat），以解决酶序列数据增长快于测量催化常数的问题 | 酶序列的催化效率（kcat）预测 | 机器学习 | NA | NA | Bi-GRU | 序列数据 | NA | NA | Bi-GRU, 多注意力机制 | R², RMSE | NA |
| 7240 | 2026-06-08 |
AWPAUNet: An advanced surrogate for real-time simultaneous modeling of multiple mechanical fields of soft tissues
2026-May-30, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104146
PMID:42250383
|
研究论文 | 提出一种基于UNet的代理模型AWPAUNet，用于实时同步预测软组织在空间位移交互下的多力学场行为 | 引入并行注意力模块增强力学敏感区域特征提取，并采用自适应加权策略平衡不同数值尺度的力学场联合学习，解决多场同步建模中的主导效应问题 | NA | 实现软组织的实时同步多力学场建模，支撑手术仿真及相关医疗辅助应用 | 软组织 | 机器学习 | NA | NA | UNet | 力学场数据（位移、应力、反作用力） | NA | NA | Adaptive Weighted Parallel Attention UNet (AWPAUNet) | NA | NA |