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 49909 篇文献，本页显示第 7921 - 7940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7921 | 2026-06-18 |
Spinal cord reserve is associated with multi-dimensional clinical resilience in multiple sclerosis
2026-Jun-17, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-026-13821-1
PMID:42307802
|
研究论文 | 探究脊髓储备与多发性硬化患者多维度临床恢复能力的关系 | 首次证明脊髓管面积（SCaA）与多发性硬化患者更广泛的临床功能结局（包括EDSS、T25FWT、9HPT及SDMT）相关，并支持脊髓储备这一新概念 | NA | 评估脊髓管面积（SCaA）是否与多发性硬化（MS）更广泛的临床功能结局相关 | 多发性硬化患者 | 机器学习 | 多发性硬化 | NA | 深度学习模型 | 脑部MRI图像 | 426名MS患者的714次脑部MRI扫描 | NA | NA | 组内相关系数 | NA |
| 7922 | 2026-06-18 |
Machine Learning-Enabled Quantification of Hepatocellular Necrosis in the Liver After Lethal Marburg and Ebola Virus Exposures
2026-Jun-16, The Journal of infectious diseases
IF:5.0Q1
DOI:10.1093/infdis/jiag040
PMID:41566943
|
研究论文 | 利用深度学习模型对致死性马尔堡和埃博拉病毒暴露后肝脏中的肝细胞坏死进行定量分析 | 首次使用深度学习模型对致死性丝状病毒感染后肝脏病理切片进行像素级定量分析，实现了与病理学家相当的观察者间变异性，并揭示了坏死定位与病毒类型的差异 | 概念验证性研究，样本量有限（仅涉及猕猴模型），未进行大规模回顾性分析 | 量化致死性马尔堡和埃博拉病毒暴露后肝脏的肝细胞坏死，并探索坏死与临床指标的相关性及坏死定位差异 | 致死性丝状病毒（马尔堡病毒和埃博拉病毒玛科纳变种及基奎特变种）感染的猕猴肝脏病理切片 | 数字病理学 | 马尔堡和埃博拉病毒感染 | 数字化病理切片 | 深度学习分割模型 | 图像 | 猕猴肝脏病理切片（具体数量未提供） | NA | NA | 观察者间变异性 | NA |
| 7923 | 2026-06-18 |
Exploring the Stochastic Regularisation in Normalisation Layers for Semi-Supervised Learning
2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3704538
PMID:42301824
|
研究论文 | 提出Shuffle层归一化和Shuffle组归一化方法，通过在半监督学习中引入可控随机正则化提升模型性能 | 首次揭示批归一化中随机正则化在标签分布不匹配时的负面效应，并提出不增加模型参数的可控随机归一化技术SLN/SGN | 未讨论SLN/SGN在极端标签分布偏差下的表现边界，以及随机正则化强度的自动调节机制 | 探索半监督学习中归一化层随机正则化的影响，并设计更鲁棒的归一化方法 | 图像、文本和音频多模态数据上的半监督学习任务 | 机器学习 | NA | NA | CNN, Transformer | 图像, 文本, 音频 | NA | PyTorch | CNN, Transformer | 准确率, 伪标签正确率 | NA |
| 7924 | 2026-06-18 |
No One-Size-Fits-All Neurons: Task-based Neurons for Artificial Neural Networks
2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3704202
PMID:42301827
|
研究论文 | 提出一种基于任务的神经元设计方法，通过符号回归和参数化增强网络特征表示能力 | 首次从任务型架构设计转向任务型神经元设计，利用符号回归自适应生成神经元聚合函数，打破传统统一神经元模式 | 当前仅以多项式为基函数进行验证，未探索其他基函数组合；未在超大规模网络中进行充分测试 | 验证人工神经网络中任务型神经元设计的可行性与有效性，提升特征表示能力 | 合成数据、经典基准数据集和实际应用中的特征表示与分类任务 | 机器学习 | NA | 符号回归 | 任务型神经元 | 数值数据 | NA | PyTorch, TensorFlow | MLP, ResNet | 准确率, F1值 | NA |
| 7925 | 2026-06-18 |
Deep Learning for Ultrasound-Guided Prostate Biopsy: Toward Automated Targeting and Complication Prediction
2026-Jun-16, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70337
PMID:42302255
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7926 | 2026-06-18 |
Comment on: Multimodal deep learning for predicting postoperative vault and selecting implantable collamer lens sizes using AS-OCT and ultrasound biomicroscopy images
2026-Jun-16, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001986
PMID:42302312
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7927 | 2026-06-18 |
AbCVista: a deep learning framework for predicting antibody conformational ensembles
2026-Jun-16, Protein & cell
IF:13.6Q1
DOI:10.1093/procel/pwag040
PMID:42302772
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7928 | 2026-06-18 |
Filling the Gaps: Generating 4D Dense Cardiac Anatomy from Sparse CMR for Enhanced Tetralogy of Fallot Assessment
2026-Jun-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102765
PMID:42303157
|
研究论文 | 提出一种两阶段深度学习管道，从稀疏的2D心脏磁共振图像重建4D密集心脏解剖结构，以增强法洛四联症术后评估 | 利用CT和各向同性的3D全心脏分割数据训练深度学习模型，从稀疏的类心脏磁共振切片重建密集3D解剖结构，并模拟临床中常见的不完整采集场景 | 训练数据仅来自法洛四联症患者，可能限制了方法在其他心脏病变中的泛化能力且样本量较小 | 开发和验证从常规2D心脏磁共振图像重建3D全心脏解剖结构的深度学习管道，以提高法洛四联症术后评估的准确性 | 法洛四联症术后患者的3D心脏解剖结构 | 数字病理学 | 法洛四联症 | 心脏磁共振成像，CT扫描 | U-Net | 图像 | 152名训练患者，19名测试患者（心脏磁共振），18名患者（磁共振血管成像），1715例CT分割数据 | PyTorch | U-Net | Dice相似系数，体积和质量的绝对误差 | NA |
| 7929 | 2026-06-18 |
Fully automated CT-based quantitative body composition analysis for predicting survival in patients with HCC undergoing TACE: a dual-cohort study
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56245-7
PMID:42303673
|
研究论文 | 评估基于CT的全自动身体成分分析在接受TACE治疗的肝细胞癌患者中预测总生存期的预后价值 | 首次在一个双队列研究中，使用开源全自动深度学习流程提取骨骼肌和脂肪指标，并验证其在TACE患者预后中的独立预测能力，尤其通过随机生存森林分析展示了肌肉指标的补充价值 | Cox比例风险模型中，添加骨骼肌密度指标后区分度的改善较小且未达到统计学显著性，提示其主要价值在于提供补充性生物数据而非独立预测 | 评估基于CT的完全自动化身体成分分析在接受TACE治疗的肝细胞癌患者中的预后价值 | 接受TACE治疗的肝细胞癌患者 | 机器学习, 医学影像分析 | 肝细胞癌 | CT影像分析 | 深度学习模型, Cox比例风险模型, 随机生存森林 | CT图像 | 330名患者（WAW-TACE队列230例，HCC-TACE-Seg队列100例） | NA | NA | C指数, 校正C指数 | NA |
| 7930 | 2026-06-18 |
Quantitative characterization of crack coalescence mechanisms in granite at the mesoscopic scale using deep learning
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52329-6
PMID:42303688
|
研究论文 | 本研究利用深度学习和扫描电子显微镜对花岗岩在细观尺度上的裂纹聚结机制进行了定量表征 | 首次将深度学习与SEM结合，定量表征花岗岩裂纹表面的细观拉伸和剪切形态，并建立了表面应变行为与内部裂纹聚结机制的关联 | NA | 定量表征花岗岩在细观尺度上的裂纹聚结机制 | 花岗岩裂纹表面的细观形态 | 机器学习 | NA | 扫描电子显微镜 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 7931 | 2026-06-18 |
Retraction Note: Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-57775-w
PMID:42303714
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7932 | 2026-06-18 |
AgriTrack framework for AI-based tracking of pest migration through farmers' helpline data
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-57248-0
PMID:42303731
|
研究论文 | 提出了AgriTrack框架，利用农民求助热线数据，通过人工智能技术追踪害虫迁移并进行时空分析 | 首次利用大规模农民求助热线数据（超过3600万条）开发AI框架，实现害虫迁移的时空追踪、关键日期提取和农民信息需求预测 | 未明确说明局限性，但框架依赖求助热线数据质量，可能受区域覆盖和农民报告偏差影响 | 辅助精准农业中害虫与病害的时空移动追踪、时间分析及农民信息需求预测 | 印度全国范围内的小麦作物中“白蚁”害虫的时空动态 | 机器学习 | 农业害虫相关疾病 | NA | 深度学习 | 文本（农民求助热线查询记录） | 超过3600万条来自印度农民求助热线的查询记录，时间跨度14年 | NA | NA | NA | NA |
| 7933 | 2026-06-18 |
Acoustic deep learning for defect detection in aluminium wheel rims
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-58225-3
PMID:42303807
|
研究论文 | 提出一种基于声学深度学习的铝合金轮毂缺陷检测框架RimNet，利用单次脉冲激励的声学响应实现自动化状态评估 | 首次将短时傅里叶变换与卷积神经网络结合用于轮毂声学缺陷检测，引入域过滤和难负样本挖掘技术提升缺陷相关状态的区分度 | 误分类案例与几何变异性相关的样本分类边界减小及不确定性增加有关，且基于声学信号的方法可能受环境噪声影响 | 开发一种可集成于车间环境的自动化铝合金轮毂缺陷诊断方法，取代传统依赖操作员经验的视觉和感官评估 | 铝合金轮毂的结构缺陷检测，包括几何偏差、材料缺陷和可服役状态 | 数字病理学 | NA | NA | 卷积神经网络 | 声学信号 | 930个标注样本，代表广泛的实际轮毂状态 | NA | RimNet | 准确率，不确定性指标（预测边界、熵、Brier分数、能量指标） | NA |
| 7934 | 2026-06-18 |
Overview of State-of-the-Art Learning-Based Classification Methods in Medical Imaging
2026-Jun-16, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-026-04241-3
PMID:42303852
|
综述 | 综述当前医学影像中基于学习的最先进分类方法，重点介绍临床相关的先进技术 | 聚焦于基础模型、视觉-语言模型和标签高效预训练等最新进展，而非重复已成熟的模型 | 未详细讨论所有模型的实现细节，可能忽略部分特定领域的进展 | 为生物医学工程师和临床医生提供选择与验证基于人工智能的分类器的临床参考 | 医学影像中的分类方法，涉及X射线、CT、MRI、PET/SPECT、超声、OCT、内窥镜、显微镜及光学/分子/红外成像等多种模态 | 计算机视觉 | NA | NA | CNN, Transformer, 混合架构 | 图像 | NA | NA | CNN-Transformer混合架构 | NA | NA |
| 7935 | 2026-06-18 |
Robust quantification of ICG fluorescence perfusion in neonatal bowel surgery via deep point tracking
2026-Jun-16, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03733-w
PMID:42303896
|
研究论文 | 提出一种基于深度学习点跟踪的ICG荧光灌注定量框架，用于新生儿肠道手术中的稳健灌注分析 | 采用最先进的Transformer点跟踪模型CoTracker3，实现用户指定ROI和全可见组织区域的密集采样跟踪，并生成动态灌注热图 | 仅通过初步验证，需要进一步的临床验证研究 | 开发一种稳健的ICG荧光灌注定量方法，克服现有商业方案在组织运动和遮挡方面的局限性 | 新生儿肠道手术中的ICG荧光灌注视频 | 计算机视觉 | 新生儿肠道疾病 | ICG荧光成像 | Transformer | 视频 | 新生儿肠道灌注视频（未具体说明数量） | NA | CoTracker3 | NA | NA |
| 7936 | 2026-06-18 |
An uncertainty-aware vision transformer-BiLSTM Bayesian framework for reliable clinical decision support using chest X-rays
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56665-5
PMID:42304009
|
研究论文 | 提出一种基于不确定性感知的视觉Transformer-BiLSTM贝叶斯框架，用于胸部X射线片的可靠临床决策支持 | 将视觉Transformer、BiLSTM和贝叶斯融合层结合，实现高可靠性的疾病检测，同时量化偶然不确定性和认知不确定性 | 未明确说明，但可能在数据集规模、计算资源或泛化性方面存在限制 | 解决深度学习在临床应用中可靠性、可解释性和不确定性估计的问题 | 胸部X射线图像中的肺炎、肺纤维化和胸腔积液检测 | 计算机视觉, 数字病理学 | 肺炎, 肺纤维化, 胸腔积液 | 胸部X射线成像 | 视觉Transformer, BiLSTM, 贝叶斯融合层 | 图像 | MIMIC-CXR-JPG和PadChest-GR两个大规模数据集 | PyTorch | Vision Transformer, BiLSTM, U-Net | 准确率, AUC-ROC, F1分数, Brier分数, ECE | NA |
| 7937 | 2026-06-18 |
Correcting motion-related B0 inhomogeneities in magnetic resonance imaging via combined spherical harmonics and AC/DC matrix coils using DL-based prediction-simulation study
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56900-z
PMID:42304045
|
研究论文 | 通过深度学习预测结合球谐函数和AC/DC矩阵线圈，纠正磁共振成像中运动引起的B0不均匀性 | 提出使用深度学习预测B0变化，实现无需额外扫描时间的实时匀场更新，有效维持运动下的磁场均匀性 | 研究基于仿真数据，未在真实MRI扫描中验证；仅评估了第一阶SPH和31通道AC/DC线圈组合，实际多通道系统的性能可能不同 | 实现运动鲁棒的实时磁共振匀场，减少运动对磁场均匀性的影响 | 运动过程中的B0场不均匀性及其实时校正方法 | 机器学习 | NA | MRI, 球谐函数匀场, AC/DC矩阵线圈 | 深度学习预测模型 | 模拟B0场数据 | NA | NA | NA | B0均匀性, 梯度回波和回波平面成像性能 | NA |
| 7938 | 2026-06-18 |
Incorporating dataset-level semantic priors into large language models for environmental time-series forecasting: a soil moisture and temperature case study
2026-Jun-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-57634-8
PMID:42304061
|
研究论文 | 提出一种结合数据集级语义先验的大型语言模型框架，用于土壤湿度和温度时间序列预测 | 将数据集级语义先验（描述重复模式、时间分辨率和系统行为）融入大型语言模型，补充局部数值观测信息，提升环境时间序列预测性能 | 在更长预测区间（24-48小时）不同模型性能差异缩小，表明系统存在内在可预测性限制 | 探索大型语言模型在环境时间序列预测中融入全局环境特征（语义先验）的潜力 | 温室高频土壤湿度和土壤温度时间序列数据 | 机器学习 | NA | NA | 大型语言模型（LLM） | 时间序列数据 | NA | PyTorch | NA | 平均绝对误差（MAE） | NA |
| 7939 | 2026-06-18 |
Multimodal Deep Learning for Predicting Deep Vein Thrombosis Risk After Total Knee Arthroplasty: A Clinical Study
2026-Jun-16, Orthopaedic surgery
IF:1.8Q2
DOI:10.1111/os.70335
PMID:42304630
|
研究论文 | 开发了一种多模态深度学习框架，整合术后早期X光片和临床数据，用于预测全膝关节置换术后深静脉血栓风险 | 首次采用动态注意力融合模块结合影像与电子病历数据，实现样本特异性模态权重分配，并生成可解释的解剖热图定位高危区域 | 未建立因果关系，仅观察到特定影像或临床发现与模态依赖模式的相关性 | 提高全膝关节置换术后深静脉血栓风险分层准确性 | 1200名全膝关节置换术后患者（深静脉血栓发生率18.0%） | 计算机视觉, 自然语言处理 | 深静脉血栓 | NA | ViT-B/16, ResNet50, Clinical-BERT | 影像（X光片）, 文本（电子病历） | 1200名患者（训练集）+ 180名测试集 | PyTorch | ViT-B/16, ResNet50, Clinical-BERT | AUC, 敏感性, 特异性, F1分数 | NA |
| 7940 | 2026-06-18 |
Automated measurement of left ventricular ejection time via contactless suprasternal notch laser vibrometry
2026-06-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-51677-7
PMID:42289419
|
研究论文 | 提出一种利用激光多普勒测振仪在胸骨上切迹进行非接触式左心室射血时间自动测量的方法，并验证其与超声心动图的一致性 | 首次将激光多普勒测振技术应用于胸骨上切迹处的非接触式左心室射血时间测量，并开发了深度学习模型实现自动提取，消除了专家解读的瓶颈 | 研究仅涉及238名个体的队列，样本量相对有限，且未对不同人群和临床场景的测量性能进行广泛验证 | 实现一种可扩展、非接触式、无需设置的心脏功能评估方法，以促进大规模人群筛查和心血管健康管理 | 238名个体的左心室射血时间及其在主动脉瓣反流和狭窄患者中的临床意义 | 数字病理学 | 心血管疾病 | 激光多普勒测振术 | 卷积神经网络, 循环神经网络, 深度神经网络 | 激光测振信号 | 238名个体 | PyTorch | NA | 平均绝对误差 | NA |