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 46047 篇文献，本页显示第 7421 - 7440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7421 | 2026-03-11 |
Association between electrocardiographic age and cognitive function: findings from the UK biobank and Framingham Heart Study
2026-Apr, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag034
PMID:41799659
|
研究论文 | 本研究利用深度学习从心电图推导生物年龄，并在两个大型人群队列中探讨其与认知功能的关联 | 首次在两个独立的大型人群队列（UK Biobank和Framingham Heart Study）中，系统评估了基于深度学习的ECG推导生物年龄加速与多领域认知表现之间的关联 | 研究为观察性设计，无法确定因果关系；认知功能评估可能受其他未测量因素影响 | 探究心电图推导的生物年龄加速与认知功能之间的关系 | UK Biobank和Framingham Heart Study的参与者 | 机器学习 | 老年疾病 | 12导联心电图 | 深度学习模型 | 心电图波形 | UK Biobank 59,213名参与者（平均年龄64.7岁，51.7%女性），Framingham Heart Study 6,534名参与者（平均年龄59.5岁，55.7%女性） | NA | NA | 平均绝对误差（MAE） | NA |
| 7422 | 2026-03-11 |
Simultaneous multimodal detection of hand acupoints and reflex zones for acupuncture robots
2026-Mar-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.114938
PMID:41797935
|
研究论文 | 本文提出了一种用于智能针灸机器人的多模态多任务深度学习框架MIMO-HAR，能够同时定位手部穴位并分割反射区 | 首次将视觉Transformer与中医拓扑先验知识相结合，用于同时处理穴位定位和反射区分割任务，提高了准确性和可解释性 | NA | 提升智能针灸系统的感知能力，为标准化和自动化的中医治疗奠定基础 | 手部穴位和反射区 | 计算机视觉 | NA | 深度学习 | Transformer | 图像, 坐标数据 | 公共数据集11k Hands | NA | 视觉Transformer, 双解码器架构 | 平均交并比, 均方根误差 | NA |
| 7423 | 2026-03-11 |
Pediatric SleepNet: A Deep Learning Network for Reliable Pediatric Sleep Staging Across Developmental Stages
2026-Mar-10, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsag064
PMID:41804802
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7424 | 2026-03-11 |
Deep learning-derived measures of sound-level accuracy in primary progressive apraxia of speech: A feasibility pipeline with descriptive evidence from two cases
2026-Mar-09, Clinical linguistics & phonetics
IF:0.8Q4
DOI:10.1080/02699206.2026.2639397
PMID:41800702
|
研究论文 | 本研究展示了一种基于深度学习模型Phonet的可行性流程，用于从两名原发性进行性言语失用症患者中提取基于音位类别的后验概率值，以量化其发音准确性 | 首次将深度学习模型Phonet生成的音位类别后验概率值应用于PPAOS患者的发音准确性评估，并探索了其在不同语速和延迟听觉反馈条件下的表现 | 研究仅包含两名病例样本，需要进一步研究以评估其更广泛的临床适用性 | 探索深度学习模型在神经退行性运动言语障碍中量化发音准确性的可行性和解释性 | 两名原发性进行性言语失用症患者（一名语音型主导，一名韵律型主导） | 自然语言处理 | 老年疾病 | 深度学习 | 深度学习模型 | 语音 | 2名PPAOS患者 | NA | Phonet | 后验概率值，与专家发音判断的一致性 | NA |
| 7425 | 2026-03-11 |
LRF-UNet: Low-Rank Factorized Convolution Deep-Learning Networks for Visceral Adipose and Muscle Tissue Segmentation in Abdominal Computed Tomography Image
2026-Mar-09, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01813-y
PMID:41801305
|
研究论文 | 本研究提出了一种基于UNet的深度学习分割系统LRF-UNet，用于自动分割腹部CT图像中的内脏脂肪组织和骨骼肌组织 | 引入了低秩因子化卷积模块以增强碎片化或模糊组织边界的特征表示，并结合多尺度特征融合、梯度收敛和深度监督策略提升分割性能 | 研究样本仅包含179名患者，且未明确提及模型在其他疾病或更大数据集上的泛化能力 | 开发一种自动分割腹部CT图像中内脏脂肪和骨骼肌组织的深度学习系统，以辅助临床定量分析和疾病评估 | 腹部CT图像中的内脏脂肪组织和骨骼肌组织 | 计算机视觉 | 代谢性疾病 | CT成像 | CNN | 图像 | 179名患者的腹部CT图像，包括64例糖尿病患者和113例血糖正常者 | 未明确提及 | UNet, MobileNetV3 | Dice系数, IoU, HD95 | 未明确提及 |
| 7426 | 2026-03-11 |
Applications of artificial intelligence algorithms in ultrasound-based kidney stone detection, classification, prediction, and management: a systematic review
2026-Mar-09, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05419-y
PMID:41801379
|
系统综述 | 本文系统综述了人工智能和深度学习算法在基于超声的肾结石检测、分类、并发症预测及手术指导中的应用 | 首次系统性地按应用类型（检测/分割、预测建模、手术指导）对AI在超声肾结石管理中的研究进行了分类与综合，揭示了算法在不同任务中的高表现 | 研究方法存在异质性，数据集和验证方式不统一，证据确定性低至极低，限制了荟萃分析的进行 | 系统回顾并综合AI和深度学习算法在超声肾结石检测、分类、并发症预测及手术指导中的应用 | 基于超声的肾结石诊断与管理 | 医学影像分析 | 肾结石 | 超声 | CNN, 机器学习集成 | 图像 | NA | NA | CNN变体 | 准确率, AUC | NA |
| 7427 | 2026-03-11 |
Development and validation of an interpretable MRI-based multimodal fusion model for predicting lymph node metastasis after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter study
2026-Mar-09, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05391-7
PMID:41801383
|
研究论文 | 本研究开发并验证了一个可解释的、基于多参数MRI的多模态融合模型，用于预测局部晚期直肠癌患者新辅助放化疗后的淋巴结转移 | 提出了一种新颖的可解释多模态融合框架，将基于深度学习的影像组学特征与临床Node-RADS评分相结合，用于预测局部晚期直肠癌新辅助放化疗后的淋巴结转移 | 研究为回顾性设计，样本量相对有限（190例），且仅来自三个中心，可能存在选择偏倚 | 开发并验证一个可解释的预测模型，以评估局部晚期直肠癌患者在新辅助放化疗后发生淋巴结转移的风险 | 局部晚期直肠癌患者 | 数字病理学 | 直肠癌 | 磁共振成像 | 深度学习, 逻辑回归 | 医学影像 | 190名来自三个独立中心的局部晚期直肠癌患者 | NA | NA | AUC | NA |
| 7428 | 2026-03-11 |
EENet-RLA: An Explainable Prediction Learning Framework for Alzheimer's Disease Classification from EEG Signals
2026-Mar-09, Brain topography
IF:2.3Q3
DOI:10.1007/s10548-026-01183-w
PMID:41801479
|
研究论文 | 提出一种名为EENet-RLA的可解释预测学习框架，用于从脑电图信号中分类阿尔茨海默病 | 结合动态系统理论与深度学习，引入基于嵌入熵的因果稳定性驱动脑电图通道选择策略，并融合ResNet、LSTM和多头注意力机制提取时空特征 | 在有限样本条件下验证，可能受数据集规模限制，且方法主要针对类似信号特性的神经系统疾病 | 开发一种高可解释性的脑电图分类框架，用于阿尔茨海默病的诊断 | 阿尔茨海默病患者及相关的脑电图信号 | 机器学习 | 阿尔茨海默病 | 脑电图 | CNN, LSTM | 脑电图信号 | BrainLat脑电图数据集（具体样本数未明确说明） | NA | ResNet, LSTM | 准确率 | NA |
| 7429 | 2026-03-11 |
Accurate CT-free correction of attenuation, scatter, and aperture effects using deep learning in dedicated cardiac pinhole SPECT
2026-Mar-09, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-026-02187-z
PMID:41801662
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7430 | 2026-03-11 |
Explainable Deep Learning for Cyber Threat in IoMT: A Synchronization-Enhanced Sparse Autoencoder Approach
2026-Mar-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3671680
PMID:41801774
|
研究论文 | 本文提出了一种用于医疗物联网网络透明化网络威胁检测的新型可解释深度学习框架 | 提出了一种集成稀疏自编码器与神经同步机制的可解释深度学习框架，通过神经元级局部激活一致性约束和基于同步的功能模块构建，实现高检测精度与可解释决策过程 | 未提及具体局限性 | 开发用于医疗物联网网络的可解释网络威胁检测机制 | 医疗物联网网络中的网络威胁 | 机器学习 | NA | 深度学习 | 稀疏自编码器 | 网络安全数据集 | CIC IoMT 2024和物联网医疗安全数据集 | NA | 稀疏自编码器 | 准确率, 可解释性分数 | NA |
| 7431 | 2026-03-11 |
Usability of a deep learning platform for detecting radiographic bone loss and furcation involvement
2026-Mar-09, Journal of periodontology
IF:4.2Q1
DOI:10.1002/jper.70106
PMID:41801972
|
研究论文 | 本研究开发了一个基于深度学习的在线平台，用于从根尖周X光片中检测放射学骨丧失和分叉病变，并评估其可用性 | 开发了一个端到端的深度学习平台，能够测量放射学骨丧失、识别分叉病变，并基于根尖周X光片提供病例级别的牙周诊断建议 | 研究未详细说明深度学习模型的具体架构或训练细节，且样本量（100个临床病例）可能有限，需要进一步验证 | 开发并评估一个基于深度学习的在线平台，以辅助临床医生基于根尖周X光片进行牙周炎诊断 | 牙科学生、住院医师和牙医作为平台可用性的评估者 | 数字病理学 | 牙周病 | 放射学成像（根尖周X光片） | 深度学习模型 | 图像 | 6,552张口腔内放射学图像，用于开发模型；100个临床病例用于平台性能评估；60名参与者（20名牙科学生、20名住院医师、20名牙医）用于可用性调查 | NA | NA | 准确度（Extent、Stage、Grade）、系统可用性量表（SUS）分数 | NA |
| 7432 | 2026-03-11 |
Analytical Methods for the Authentication of Ginger and Ginger Products: A Critical Review of Studies Between 2005 and 2024
2026-Mar-09, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2026.2634884
PMID:41802302
|
综述 | 本文对2005年至2024年间关于姜及其产品真伪鉴定的分析研究进行了批判性回顾 | 强调了单一分析方法不足以进行全面鉴定，需要综合、多分析策略，并指出了新兴技术（如高光谱成像、荧光寿命成像和深度学习驱动的计算机视觉）在非侵入性质量评估中的潜力 | DNA方法由于高遗传保守性，在品种区分方面仍有限制 | 评估姜及其产品的真伪鉴定方法，以应对经济驱动的掺假问题 | 姜及其衍生产品 | NA | NA | 光谱技术（FTIR, FT-NIR, NMR）、色谱方法（HPLC, GC-MS）、稳定同位素比率分析、DNA方法、高光谱成像、荧光寿命成像、深度学习驱动的计算机视觉 | NA | NA | NA | NA | NA | NA | NA |
| 7433 | 2026-03-11 |
Diagnostic Accuracy of Deep Learning for Automated Detection of Spinal Degenerative Disease on MRI: A Systematic Review and Meta-Analysis
2026-Mar-09, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01897-0
PMID:41803519
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了深度学习模型在脊柱磁共振成像上自动检测或分类脊柱退行性疾病的诊断准确性 | 首次对深度学习在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性进行系统综述和荟萃分析，并探讨了临床相关异质性 | 纳入研究存在偏倚风险，主要为回顾性单中心设计，参考标准主观，外部验证有限，临床准备度受限 | 评估深度学习模型在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性并探索临床异质性 | 脊柱退行性疾病 | 医学影像分析 | 脊柱退行性疾病 | 磁共振成像 | 深度学习模型 | 磁共振图像 | 14项研究（2020-2025年），样本量范围29至2991 | NA | NA | 敏感性, 特异性, 阳性似然比, 阴性似然比 | NA |
| 7434 | 2026-03-11 |
Ultrafast deep learning super-resolution single-shot T2-weighted imaging for robust edema visualization in cardiovascular magnetic resonance
2026-Mar-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102708
PMID:41802637
|
研究论文 | 本研究比较了深度学习超分辨率重建的屏气与自由呼吸单次激发黑血T2加权短时反转恢复成像与标准屏气T2-STIR在心血管磁共振中的诊断质量 | 应用深度学习超分辨率重建技术实现超快速T2-STIR采集，在保持水肿检测准确性的同时显著缩短扫描时间并提升图像质量 | 研究样本量相对较小（81名参与者），且为单中心前瞻性研究，可能需要多中心验证以推广结果 | 评估深度学习超分辨率重建单次激发T2加权成像在心血管磁共振中用于水肿可视化的诊断性能 | 心血管疾病患者的心肌水肿 | 数字病理 | 心血管疾病 | 心血管磁共振成像，T2加权短时反转恢复序列 | 深度学习 | 医学图像 | 81名参与者（平均年龄54±20岁，50名男性） | NA | NA | 水肿检测一致性，扫描时间，伪影负担，图像对比度和锐度，诊断确定性，水肿可见性，评分者间一致性（Kappa系数） | NA |
| 7435 | 2026-03-11 |
Neural network assessment of aortic, iliac, renal, and mesenteric artery calcification in CTA: Normalized scoring framework and comparison to threshold-based method
2026-Mar, Acta radiologica open
IF:0.9Q4
DOI:10.1177/20584601261431608
PMID:41800183
|
研究论文 | 本文开发并评估了一种基于深度学习的腹部动脉钙化量化方法，使用CTA数据进行自动、客观的钙化评分 | 提出了一种基于nnU-Net的深度学习框架，用于腹部动脉钙化的自动量化，并引入了标准化的钙化评分框架，与基于阈值的方法进行了比较 | 研究为回顾性设计，样本量相对有限（223个CTA体积），且依赖于手动标注的ground truth，可能引入标注偏差 | 开发并评估一种深度学习方法来量化对比增强CT血管造影中的腹部动脉钙化，以提高临床实践中的可重复性和减少观察者依赖性 | 腹部动脉（主动脉、髂动脉、肾动脉和肠系膜动脉）的钙化 | 数字病理学 | 心血管疾病 | 对比增强CT血管造影（CTA） | CNN | 图像（CTA体积） | 223个CTA体积（147个训练，76个测试） | nnU-Net | nnU-Net | Dice分数, 体积相似性, 敏感性, 精确度, Jaccard指数 | NA |
| 7436 | 2026-03-11 |
All-Optical Diffractive Operators for Rapid, Computer-Free Morphological Transformations
2026-Feb, Nanophotonics (Berlin, Germany)
DOI:10.1002/nap2.70031
PMID:41800288
|
研究论文 | 本文提出了一种基于衍射计算的全光学处理器，用于快速、高度并行地执行形态学变换，无需计算机处理 | 利用深度学习优化的衍射表面实现全光学形态学变换，直接处理光波前，无需数字计算，具有高度并行性和可扩展性 | 实验中使用相位空间光调制器实现，可能受限于硬件分辨率和光学设置，未提及具体处理速度或能耗数据 | 开发一种快速、低功耗的形态学变换方法，以应对大规模图像数据集的计算挑战 | 光学衍射处理器及其在形态学变换（如膨胀和腐蚀）中的应用 | 计算机视觉 | NA | 衍射计算，深度学习优化 | 衍射网络 | 图像（振幅和相位编码） | NA | 深度学习（具体框架未指定） | 级联衍射架构 | NA | 相位空间光调制器（SLM），反射配置 |
| 7437 | 2026-03-11 |
Validation and feasibility of a deep learning-based reconstruction technology in 5.0 tesla knee joint MR imaging
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1776035
PMID:41797980
|
研究论文 | 本研究评估了基于深度学习的重建技术在5.0特斯拉膝关节磁共振成像中优化常规协议的可行性 | 首次在5.0特斯拉膝关节磁共振成像中应用深度学习重建技术，并证明其能在不增加扫描时间的情况下提升图像质量和诊断效能 | 样本量相对较小（69例），且为单中心研究，需要更大规模的多中心研究进一步验证 | 评估深度学习重建技术在优化5.0特斯拉膝关节磁共振成像协议中的可行性和临床价值 | 接受膝关节镜检查和5.0特斯拉膝关节磁共振检查的患者 | 医学影像分析 | 膝关节疾病 | 磁共振成像，深度学习重建 | 深度学习模型 | 磁共振图像 | 69名患者 | NA | NA | 信噪比，图像质量评分（5点李克特量表），诊断一致性（Cohen's kappa） | NA |
| 7438 | 2026-03-11 |
Can artificial intelligence in orthopantomography advance dental diagnostics through automated image analysis?
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1701356
PMID:41797982
|
综述 | 本文综述了人工智能在口腔全景X线片自动图像分析中的前沿进展，并探讨了其诊断突破与监管伦理挑战 | 独特地将AI驱动的牙科影像诊断技术突破与快速演变的监管和伦理框架相结合，为教育者、从业者和学习者提供前瞻性路线图 | 将AI引入常规牙科护理仍面临标注数据集需求大、人群变异性应对以及医疗法律和信任问题等障碍 | 探讨人工智能如何通过自动图像分析推动牙科诊断进步 | 口腔全景X线片（OPGs） | 计算机视觉 | 牙科疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | NA | NA | NA | 准确率 | NA |
| 7439 | 2026-03-11 |
Variable deep learning training horizons reveal the temporal complexity of biological systems
2026, microPublication biology
DOI:10.17912/micropub.biology.001926
PMID:41798261
|
研究论文 | 提出一种具有可变输入序列长度的深度学习框架，用于预测细胞和菌落形态，并应用于显微镜数据集以评估时间数据对性能的影响 | 引入可变输入序列长度的深度学习框架，通过时间动态识别生物过渡点，为数据驱动建模提供了新方法 | NA | 探索时间序列图像在提取生物学见解中的应用，评估时间数据对深度学习模型性能的影响 | 细胞和菌落形态 | 计算机视觉 | NA | 显微镜成像 | 深度学习 | 时间序列图像 | NA | NA | NA | NA | NA |
| 7440 | 2026-03-11 |
Deep learning and high-resolution magnetic resonance vascular wall imaging: current challenges and future perspectives
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1731783
PMID:41798803
|
综述 | 本文全面回顾了深度学习在高分辨率磁共振血管壁成像（HR-VWI）中的基础与应用，特别关注其在评估颅内血管病变中的临床应用 | 探讨深度学习作为辅助工具，以克服HR-VWI对操作者经验的依赖，并提升其在脑血管疾病诊断中的可靠性和效率 | NA | 综述深度学习在HR-VWI中的应用，旨在推动其成为脑血管疾病的重要辅助诊断工具 | 颅内血管病变，包括颅内动脉瘤、动静脉畸形、动脉硬化和烟雾病 | 医学影像分析 | 脑血管疾病 | 高分辨率磁共振血管壁成像（HR-VWI） | 深度学习模型 | 磁共振图像 | NA | NA | NA | NA | NA |