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 46085 篇文献，本页显示第 7341 - 7360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7341 | 2026-03-13 |
Innovative fusion models: elevating preoperative gross ETE prediction in thyroid cancer patients
2026-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43230-3
PMID:41813761
|
研究论文 | 本研究系统评估并比较了深度学习、影像组学及其融合方法在利用超声影像预测甲状腺乳头状癌患者术前大体甲状腺外侵犯方面的预测效能 | 提出了结合多区域影像组学特征与深度学习的融合模型，并整合临床参数构建了列线图预测模型，显著提升了预测性能 | 研究为回顾性设计，且仅基于三家医院的数据，可能存在选择偏倚 | 术前预测甲状腺乳头状癌患者的大体甲状腺外侵犯，以辅助手术规划和风险分层 | 甲状腺乳头状癌患者 | 数字病理学 | 甲状腺癌 | 超声成像 | 深度学习, 影像组学 | 图像, 临床数据 | 4,542名PTC患者，分为训练集（3,179）和测试集（1,363） | NA | ResNet101 | AUC, 灵敏度, 特异性, 准确率 | NA |
| 7342 | 2026-03-13 |
A dual-branch deep learning framework for emotion recognition from EEG signals
2026-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42998-8
PMID:41813771
|
研究论文 | 本文提出了一种新颖的双分支深度学习框架，用于从脑电图信号中识别情绪，该框架整合了时域和频域特征提取 | 提出了一种混合双分支深度学习架构，集成了LSTM和CNN分别从原始EEG信号和MFCC表示中提取时域和空间特征，并引入了创新的跨模态增强机制（如逆MFCC计算和LSTM到MFCC投影）以实现双向特征学习 | 未在摘要中明确说明 | 开发一个稳健的基于EEG的情绪识别系统，用于心理健康监测和个性化医疗 | 脑电图信号 | 机器学习 | 心理健康相关疾病 | 脑电图 | LSTM, CNN, ANN | 脑电图信号 | 三个基准数据集：Brainwave EEG, WESAD, SWELL | 未在摘要中明确说明 | LSTM, CNN, ANN | 准确率, 精确率, 召回率, F1分数 | 未在摘要中明确说明 |
| 7343 | 2026-03-13 |
Mamba ECIS for power marketing customer behavior forecasting using multimodal deep learning
2026-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43438-3
PMID:41813792
|
研究论文 | 本文提出了一种名为Mamba-ECIS的多模态深度学习模型，用于电力营销客户行为预测 | 通过结合多模态数据并引入双架构与因果-结果注意力模块，增强了模型对短期波动和长期趋势的捕捉能力，同时提升了可解释性 | NA | 开发一个能够同时处理多模态数据并捕捉长期依赖关系的预测模型，以应对能源行业需求变化和环境影响的复杂性 | 电力营销客户行为 | 机器学习 | NA | 多模态深度学习 | NA | 多模态数据 | UCI能源消耗数据集和Pecan Street Dataport数据集 | NA | Mamba-ECIS | 多种评估指标 | NA |
| 7344 | 2026-03-13 |
Perilesional neuromodulation replaces lost sensorimotor function in persons with spinal cord injury
2026-Mar-11, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-026-01627-5
PMID:41813803
|
研究论文 | 本文介绍了一种针对脊髓损伤患者的病灶周围神经调控方法，首次在人体中实现了同时恢复下肢运动功能和体感反馈 | 首次在人体中应用病灶周围硬膜外电刺激，结合现代深度学习方法确定刺激参数，实现了运动与感觉功能的同步恢复 | 研究仅涉及三名参与者，样本量较小，且为慢性完全性运动损伤患者，结果可能不适用于所有脊髓损伤类型 | 开发一种神经调控框架，以恢复脊髓损伤患者的运动和感觉功能 | 三名患有慢性完全性运动脊髓损伤的参与者 | NA | 脊髓损伤 | 硬膜外电刺激 | 深度学习 | NA | 3名慢性完全性运动脊髓损伤患者 | NA | NA | NA | NA |
| 7345 | 2026-03-13 |
CONReg: Uncertainty-Aware Medical Image Registration Using Conformal Prediction
2026-Mar-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01878-3
PMID:41814074
|
研究论文 | 提出了一种名为CONReg的框架，结合分位数回归与保形预测，为医学图像配准提供体素级和病例级的不确定性量化 | 首次将保形预测与分位数回归结合用于医学图像配准的不确定性量化，并引入不确定性边界框对关键点和整个病例进行分层 | 研究主要基于公开的脑部和肺部数据集，未在其他器官或模态上验证；方法依赖于预定义的解剖关键点 | 提高深度学习医学图像配准的可靠性和可解释性，通过不确定性量化识别预测不可信的区域和病例 | 医学图像配准中的密集位移场 | 医学图像分析 | NA | 深度学习，不确定性量化 | CNN | 3D医学图像 | 公开的脑部和肺部数据集 | PyTorch, TensorFlow | 3D U-Net, VoxelMorph | 经验覆盖率，目标配准误差，均方误差 | NA |
| 7346 | 2026-03-13 |
A Dual-Reweighting Defense Strategy Against Data Poisoning Attacks in Medical Image Classification Models
2026-Mar-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01886-3
PMID:41814073
|
研究论文 | 本文提出了一种名为Dweighted的双重加权防御策略，以增强医疗图像分类模型对抗数据投毒攻击的安全性和鲁棒性 | 提出了一种结合双重加权与聚类分析的新型防御方案，通过动态调整客户端权重并利用PCA和K-means聚类精确识别和消除恶意客户端 | NA | 解决医疗图像分类模型在数据投毒攻击下的安全问题，提升模型的安全性和鲁棒性 | 医疗图像分类模型及其在数据投毒攻击下的防御 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | NA | NA | NA | 整体准确率, 攻击成功率 | NA |
| 7347 | 2026-03-13 |
Prediction of MYC/BCL-2 co-expression in diffuse large B-cell lymphoma using a multimodal fusion model: a retrospective study based on PET/CT habitat radiomics and deep learning
2026-Mar-11, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-026-01014-y
PMID:41814400
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7348 | 2026-03-13 |
Unlocking the black box: multimodal imaging and quantitative analysis of plant vesicular trafficking
2026-Mar-10, Advanced biotechnology
DOI:10.1007/s44307-026-00101-2
PMID:41803325
|
综述 | 本文综述了整合先进化学生物学与深度学习计算分析的新范式，以解锁植物囊泡运输的动态过程 | 提出了一种整合pH敏感探针、共价标签、荧光计时器与深度学习计算分析的多模态成像与定量分析新范式，实现了对分子事件前所未有的高保真可视化及囊泡动力学的严格数学建模 | NA | 揭示植物如何将环境刺激快速转化为生理反应，并解析囊泡运输在其中的核心作用 | 植物囊泡运输过程 | 计算生物学 | NA | 多模态成像，pH敏感探针（如pHluorin），共价标签（HaloTag），荧光计时器，下一代FRAP/FCS变体（DeepFRAP, FCSNet） | 深度学习 | 多模态成像数据 | NA | NA | NA | NA | NA |
| 7349 | 2026-03-11 |
Deep Learning for Analysis of Bone Marrow Adiposity: Breakthroughs from Recent Large-Scale Analyses in the UK Biobank
2026-Mar-10, Current osteoporosis reports
IF:4.2Q1
DOI:10.1007/s11914-026-00953-6
PMID:41803515
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7350 | 2026-03-13 |
Use of synthetic data, a novel paradigm for immunopathology
2026-Mar-10, Current opinion in immunology
IF:6.6Q1
DOI:10.1016/j.coi.2026.102753
PMID:41812346
|
综述 | 本文讨论了合成数据作为人工智能新范式在免疫病理学中的应用，特别是在自身免疫性疾病中的潜力 | 提出合成数据作为放大镜，能够预测疾病分类、进展和治疗反应，并支持数字孪生等精准医学应用 | 目前合成数据在免疫病理学中应用不足，且其复杂性和异质性可能未被完全捕获 | 探讨合成数据在自身免疫性疾病研究中的应用及其对精准医学的转化机会 | 自身免疫性疾病 | 机器学习 | 自身免疫性疾病 | NA | 深度学习 | 表格数据、医学图像、基因组学、流式细胞术数据 | NA | NA | NA | NA | NA |
| 7351 | 2026-03-13 |
Applications for the YOLO deep learning framework in dentistry: A narrative review
2026-Mar-10, Journal of prosthodontic research
IF:3.2Q1
DOI:10.2186/jpr.JPR_D_25_00374
PMID:41813162
|
综述 | 本文综述了YOLO深度学习框架在牙科领域的应用，包括龋齿检测、牙齿编号、生物材料评估、修复与种植规划、教育、唾液生物标志物分析和口腔癌检测等 | 首次系统性地综述了YOLO在牙科多个子领域的应用，并指出了其在实时诊断、教育平台和精准医疗中的潜力 | 存在数据集小、成像协议不一致以及外部验证有限等挑战 | 为牙科专业人士和研究人员提供YOLO在牙科应用的全面概述 | 牙科领域的图像数据，如X光片、锥形束CT图像等 | 计算机视觉 | 口腔疾病 | 深度学习 | YOLO | 图像 | NA | NA | YOLO | 精度, 效率 | NA |
| 7352 | 2026-03-13 |
A two-step scoring model incorporating visceral-to-subcutaneous fat ratio and systemic immunoinflammatory index for predicting cytokine release syndrome severity in patients with gastric cancer receiving Claudin18.2-targeted CAR-T cell therapy
2026-Mar-09, Cancer immunology, immunotherapy : CII
DOI:10.1007/s00262-026-04341-y
PMID:41801430
|
研究论文 | 本研究开发了一个结合内脏脂肪与皮下脂肪比率和全身免疫炎症指数的两步评分模型，用于预测接受Claudin18.2靶向CAR-T细胞治疗的胃癌患者细胞因子释放综合征的严重程度 | 首次将基于CT图像的身体成分参数（特别是内脏脂肪与皮下脂肪比率）与全身免疫炎症指数结合，构建了一个两步评分模型来预测CAR-T细胞治疗中细胞因子释放综合征的严重程度 | 样本量较小（仅45例患者），且为单中心研究，可能限制了结果的普遍适用性 | 预测接受Claudin18.2靶向CAR-T细胞治疗的晚期胃癌患者细胞因子释放综合征的严重程度 | 45例接受CLDN18.2靶向CAR-T细胞治疗的晚期胃癌患者 | 数字病理学 | 胃癌 | CT成像，深度学习图像分割 | 深度学习 | CT图像，临床指标 | 45例晚期胃癌患者 | NA | NA | AUC | NA |
| 7353 | 2026-03-11 |
Retraction Note: Multimodal deep learning for cephalometric landmark detection and treatment prediction
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42846-9
PMID:41803246
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7354 | 2026-03-13 |
Evolution: Shark and ray biodiversity in deep time
2026-Mar-09, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2026.01.047
PMID:41806816
|
研究论文 | 本文利用深度学习评估大数据，探讨鲨鱼和鳐鱼在深时尺度上的生物多样性演化 | 应用深度学习技术处理大数据，为鲨鱼和鳐鱼古生物多样性研究提供新方法 | NA | 研究鲨鱼和鳐鱼在深时尺度上的生物多样性演化 | 鲨鱼和鳐鱼 | 机器学习 | NA | 深度学习 | NA | 大数据 | NA | NA | NA | NA | NA |
| 7355 | 2026-03-13 |
Deep learning-assisted Raman spectroscopic quantification of total terpenes in Curcuma kwangsiensis
2026-Mar-06, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127668
PMID:41812501
|
研究论文 | 本研究开发了一种结合拉曼光谱与Res-SE 1D-CNN的快速高效策略，用于量化广西莪术中的总萜类化合物含量 | 首次将残差压缩与激励一维卷积神经网络应用于拉曼光谱数据，以量化传统中药中的总萜类化合物，并验证了其在地理溯源和现场质量控制中的潜力 | 研究仅基于广西地区的样本，样本来源相对有限，可能影响模型的泛化能力 | 开发一种快速、准确的定量方法，用于评估传统中药广西莪术中总萜类化合物的含量 | 广西莪术（Curcuma kwangsiensis）及其总萜类化合物 | 机器学习 | NA | 拉曼光谱，高效液相色谱，紫外光谱，密度泛函理论计算 | CNN | 光谱数据 | 来自广西6个产区的26批样本，共1400个光谱 | NA | Res-SE 1D-CNN | 相关系数R，均方根误差RMSE | NA |
| 7356 | 2026-03-13 |
Spatial Proteomics Using S4P
2026-Mar-05, Bio-protocol
IF:1.0Q3
DOI:10.21769/BioProtoc.5620
PMID:41815837
|
研究论文 | 本文介绍了一种用于空间蛋白质组学的稀疏采样策略S4P，结合多角度组织条带显微切割和深度学习图像重建，以降低质谱时间需求 | 提出S4P方法，通过稀疏采样和多角度投影实现全组织切片覆盖，将质谱时间减少50%-90%，同时保持高蛋白质覆盖度 | NA | 开发高效的空间蛋白质组学映射技术，以克服蛋白质不可扩增性和质谱灵敏度限制 | 小鼠脑组织 | 数字病理学 | NA | 质谱蛋白质组学，多角度组织条带显微切割 | 深度学习 | 图像，蛋白质组数据 | NA | NA | NA | 分辨率（525 μm），质谱时间（200小时），蛋白质覆盖度（超过9,000种蛋白质） | NA |
| 7357 | 2026-03-13 |
Automatic Couinaud segmentation using AI and pictorial representation landmarking
2026-Mar, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05123-3
PMID:40736570
|
研究论文 | 本文提出了一种结合深度学习和地标识别的框架，用于自动分割Couinaud肝段，以提高肝脏手术规划的准确性和效率 | 通过整合深度学习分割与辅助地标识别，创建个性化图示模型，实现精确的Couinaud地标定位，且无需重新训练即可纳入新数据 | 未明确提及研究的具体局限性，如数据集的多样性或模型泛化能力的进一步验证 | 开发一种自动、准确的Couinaud肝段分割方法，以优化肝脏手术规划和监测的临床工作流程 | 非对比T1加权MRI图像中的肝脏Couinaud分段 | 计算机视觉 | 肝脏疾病 | MRI成像 | 深度学习模型 | 图像 | 225例非对比T1加权MRI，来自4项不同研究 | NA | NA | 地标放置准确性和Couinaud分段体积估计 | NA |
| 7358 | 2026-03-13 |
FOCUS-DWI improves prostate cancer detection through deep learning reconstruction with IQMR technology
2026-Mar, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05100-w
PMID:40748461
|
研究论文 | 本研究探讨了IQMR图像后处理技术对FOCUS-DWI序列在前列腺癌检测中图像质量的影响，并评估其在区分良恶性病变方面的效能 | 首次将IQMR（智能快速磁共振）图像后处理技术应用于FOCUS-DWI序列，显著提升了图像质量并改善了前列腺癌的诊断准确性 | 研究为回顾性分析，样本量相对较小（62例患者），且仅涉及单一中心的数据 | 评估IQMR后处理技术对FOCUS-DWI序列在前列腺癌检测中图像质量和诊断效能的影响 | 62例前列腺肿块患者（31例良性，31例恶性）的临床数据和MRI图像 | 数字病理 | 前列腺癌 | MRI（磁共振成像），包括T2WI-FS和FOCUS-DWI序列，以及IQMR图像后处理技术 | NA | 医学影像（MRI图像） | 62例患者（31例良性前列腺病变，31例恶性前列腺病变） | NA | NA | 峰值信噪比（PSNR），结构相似性指数（SSIM），表观扩散系数（ADC），受试者工作特征曲线下面积（AUC），诊断置信度评分，诊断准确率 | NA |
| 7359 | 2026-03-13 |
Quantitative Assessment of Basement Membrane Loss in Melasma Using Attenuation Coefficient Estimation Based on Optical Coherence Tomography
2026-Mar, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500491
PMID:41297958
|
研究论文 | 本研究提出了一种基于光学相干断层扫描和深度学习的非侵入性定量评估方法，用于评估黄褐斑中基底膜的破坏情况 | 通过结合衰减系数映射和改进的Unet模型（Res-Att-Unet）进行基底膜分割，实现了对黄褐斑中基底膜损失的实时、定量评估 | 未明确说明样本量的具体数量，且方法在临床广泛应用前需进一步验证 | 开发一种非侵入性、定量的方法来评估黄褐斑中基底膜的破坏，以辅助诊断 | 黄褐斑患者的皮肤组织，包括病变区域和周围正常皮肤 | 计算机视觉 | 黄褐斑 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | Res-Att-Unet | 准确率, F1分数, IoU | NA |
| 7360 | 2026-03-13 |
From gaze to proficiency: deep learning-driven prediction of novice performance in laparoscopic training using AOI-dependent metrics
2026-Mar, Surgical endoscopy
DOI:10.1007/s00464-025-12369-x
PMID:41350780
|
研究论文 | 本研究通过结合计算机视觉-深度学习算法与眼动追踪数据，提取基于兴趣区域和运动指标，用于区分和预测腹腔镜训练中新手的技能水平 | 整合计算机视觉-深度学习与眼动追踪数据，自动检测兴趣区域并提取相关指标，以在动态训练环境中实现新手技能水平的分类和预测 | 研究主要关注新手，未涉及专家级受训者；模拟器环境可能无法完全反映真实手术场景 | 开发一种基于眼动追踪和运动指标的方法，以个性化评估和预测腹腔镜训练中新手的技能水平 | 医学生和住院医师在成人和儿科腹腔镜模拟器上执行peg转移任务 | 计算机视觉 | NA | 眼动追踪，计算机视觉-深度学习算法 | 随机森林，支持向量机，人工神经网络，决策树 | 眼动追踪数据，视频数据 | 医学生和住院医师（具体数量未在摘要中说明） | NA | NA | 准确率，Gini重要性 | NA |