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 46134 篇文献，本页显示第 9401 - 9420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9401 | 2026-02-13 |
Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning
2025-Jun-10, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000213691
PMID:40378378
|
研究论文 | 本研究开发了一种基于磁共振指纹成像和深度学习的全脑局灶性皮质发育不良检测框架 | 首次将磁共振指纹成像与深度学习结合用于全脑局灶性皮质发育不良的自动化检测，利用单次扫描获取的多参数特征 | 样本量相对较小（40名患者和67名健康对照），且未在独立外部数据集上进行验证 | 开发一种基于磁共振指纹成像的深度学习框架，用于全脑局灶性皮质发育不良的检测 | 药物难治性局灶性癫痫患者（包括FCD IIa、IIb、mMCD、MOGHE亚型）和年龄性别匹配的健康对照 | 数字病理学 | 癫痫 | 磁共振指纹成像（MRF）、临床MRI扫描 | 深度学习 | 图像 | 40名局灶性皮质发育不良患者和67名健康对照 | NA | U-Net | 灵敏度、假阳性数、病变标签重叠度 | NA |
| 9402 | 2026-02-13 |
Explainable paroxysmal atrial fibrillation diagnosis using an artificial intelligence-enabled electrocardiogram
2025-03, The Korean journal of internal medicine
DOI:10.3904/kjim.2024.130
PMID:39987899
|
研究论文 | 本研究开发了一种基于人工智能的心电图算法，用于从正常窦性心律中预测阵发性心房颤动的早期发作 | 利用深度学习模型从正常窦性心律的心电图中预测一个月内房颤发作，并采用可解释AI技术揭示模型决策的关键心电图特征 | 研究未明确说明模型在不同人群或临床环境中的泛化能力，且数据来源于特定时间段（2013-2020年），可能影响时效性 | 开发可靠的人工智能算法，通过12导联心电图检测正常窦性心律患者中房颤的早期迹象 | 阵发性心房颤动患者及正常窦性心律患者 | 机器学习 | 心血管疾病 | 12导联心电图 | 深度神经网络 | 心电图信号 | 552,372条心电图轨迹，来自318,321名患者 | NA | 深度神经网络 | AUROC | NA |
| 9403 | 2026-02-13 |
Improved attention-based PCNN with GhostNet for epilepsy seizure detection using EEG and fMRI modalities: extractive pattern and histogram feature set
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1679218
PMID:41613820
|
研究论文 | 本文提出了一种增强的混合并行卷积-GhostNet框架（HPG-ESD），用于利用多模态EEG和fMRI数据进行癫痫发作检测 | 提出了一种结合改进注意力机制的并行卷积网络（IAPCNet）和GhostNet的软投票混合并行卷积-GhostNet（S-HPCGN）模型，以捕获互补的时空模式 | 未明确提及研究的局限性 | 提高癫痫发作检测的准确性和可解释性 | 儿科头皮EEG记录和静息态fMRI扫描 | 机器学习 | 癫痫 | EEG信号处理，fMRI扫描 | CNN, GhostNet | EEG信号，fMRI图像 | 24名受试者的EEG数据（CHB-MIT数据集）和52名参与者的fMRI数据（UNAM TLE数据集） | NA | IAPCNet, GhostNet | 准确率, 精确率, 灵敏度 | NA |
| 9404 | 2026-02-13 |
Enhancing spatial inference of air pollution using machine learning techniques with low-cost monitors in data-limited scenarios
2024-Mar-14, Environmental science: atmospheres
DOI:10.1039/d3ea00126a
PMID:38496327
|
研究论文 | 本研究提出了一种基于深度学习的模型，利用低成本监测器和广泛可用的免费数据集，在数据有限场景下增强空气污染的空间推断能力 | 引入了深度学习模型用于邻里尺度的颗粒物扩散预测，仅依赖低成本监测器和免费数据集，克服了低收入地区缺乏补充数据源（如智能手机追踪和实时交通监测）的限制 | 模型在特定区域验证，可能需进一步优化以适应更广泛的地理环境；依赖的免费数据集可能在某些地区覆盖不全 | 提高空气污染数据的可及性，特别是在数据有限的发展中国家和脆弱社区，以促进环境正义 | 颗粒物（PM）的扩散空间推断 | 机器学习 | NA | 低成本空气监测器，免费气象与环境数据集 | 深度学习模型 | 时间序列数据（PM浓度、气象变量） | NA | NA | NA | 均方根误差（RMSE） | NA |
| 9405 | 2026-02-13 |
Deep learning in spatial transcriptomics: Learning from the next next-generation sequencing
2023-Mar, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0091135
PMID:38505815
|
综述 | 本文综述了空间转录组学中深度学习模型的应用，探讨了现有工具、挑战及未来方向 | 深入探讨了深度学习在空间转录组学数据分析中的新兴应用，并指出了传统方法的局限性 | 深度学习模型在空间转录组学中仍处于早期阶段，应用尚未充分探索 | 综述空间转录组学数据分析方法，特别关注深度学习技术的应用 | 空间转录组学数据，包括基因表达谱和组织图像 | 数字病理学 | NA | 空间转录组学，单细胞RNA测序 | 深度学习模型 | 图像，计数矩阵 | NA | NA | NA | NA | NA |
| 9406 | 2026-02-12 |
Feasibility of single-phase DECT as an alternative to triple-phase CT for imaging-defined risk factors assessment in neuroblastoma for dose reduction
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100732
PMID:41657758
|
研究论文 | 本研究探讨了在神经母细胞瘤患者中使用单期相双能CT评估影像定义风险因素的可行性，以实现辐射剂量降低和检查流程优化 | 首次将单期相双能CT与深度学习图像重建技术结合，用于神经母细胞瘤的影像定义风险因素评估，相比传统三期相CT可显著降低辐射剂量 | 研究样本量相对有限，且仅针对神经母细胞瘤患者，未涉及其他肿瘤类型 | 评估单期相双能CT在神经母细胞瘤影像定义风险因素评估中的可行性，以降低辐射剂量并优化检查流程 | 94名儿科神经母细胞瘤患者 | 数字病理学 | 神经母细胞瘤 | 双能CT, 深度学习图像重建 | 深度学习 | CT图像 | 94名儿科患者（年龄4.92±3.45岁，范围0-17岁） | NA | NA | CT值, 对比噪声比, 边缘上升斜率, 图像质量评分 | NA |
| 9407 | 2026-02-12 |
ConcreteCARB: A comprehensive image dataset of concrete carbonation for computer vision tasks
2026-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112493
PMID:41657407
|
研究论文 | 本文介绍了ConcreteCARB数据集，这是一个包含903张高分辨率混凝土表面图像的综合数据集，用于支持计算机视觉在土木工程中的应用 | 提供了首个专门针对混凝土碳化检测的全面图像数据集，包含不同混合设计和添加剂条件下的样本，支持AI在结构健康监测中的创新应用 | 数据集仅包含实验室控制条件下收集的图像，可能无法完全代表现场实际环境中的碳化情况 | 开发用于混凝土碳化损伤评估的自动检测、分类和分割模型 | 混凝土棱柱体样本，具有不同水灰比和添加剂（如工业硅废料和仙人掌天然掺合料） | 计算机视觉 | NA | 酚酞测试 | NA | 图像 | 903张高分辨率图像 | NA | NA | NA | NA |
| 9408 | 2026-02-12 |
Artificial Intelligence Use in Acne Diagnosis and Management-A Scoping Review
2026-Mar, International journal of dermatology
IF:3.5Q1
DOI:10.1111/ijd.70110
PMID:41199593
|
综述 | 本文是一篇关于人工智能在痤疮诊断与管理中应用的范围综述，旨在评估和概述相关AI工具的类型、应用、性能以及模型训练中皮肤多样性数据的现状 | 首次系统性地综述了AI在痤疮领域的应用全景，特别关注了模型训练数据中皮肤多样性（肤色）的代表性问题，并比较了不同AI模型（集成模型、深度学习、大语言模型、经典机器学习）在痤疮诊断中的性能 | 作为一篇范围综述，它主要进行描述性总结和现状分析，而非对AI工具的有效性进行严格的荟萃分析或质量评估；同时，纳入研究的异质性可能影响结论的普适性 | 评估并概述人工智能在痤疮诊断与管理中的研究现状，包括工具类型、应用领域、性能表现以及模型训练数据的多样性 | 已发表的关于AI应用于痤疮的研究文献 | 数字病理学 | 痤疮 | NA | 深度学习, 经典机器学习, 集成模型, 大语言模型 | 图像, 文本 | 共纳入105篇研究文章进行分析 | NA | NA | 准确率 | NA |
| 9409 | 2026-02-12 |
Discovery of High-Affinity Glutamine-Derived Peptides from Wheat Gliadin Targeting CaSR: a Computational Approach Integrating Deep Learning and Molecular Dynamics
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c14216
PMID:41631493
|
研究论文 | 本研究通过整合深度学习、虚拟筛选和分子模拟，开发了Peptide_MDI智能筛选平台，从小麦麦醇溶蛋白中鉴定出高亲和力靶向钙敏感受体(CaSR)的肽段RLSYQFPFYP，并验证其促进肠道稳态的生物学功能 | 首次将深度学习与分子动力学模拟结合，构建了可扩展的智能肽筛选平台Peptide_MDI，实现了从大量候选肽中高效发现纳米级亲和力的CaSR靶向肽 | 研究主要基于计算模拟和体外实验，缺乏体内动物模型验证；候选肽库仅限于小麦麦醇溶蛋白来源，未涵盖其他蛋白来源 | 开发智能筛选平台以发现靶向钙敏感受体(CaSR)的高亲和力肽段，用于促进肠道稳态和设计新型肽疗法 | 从小麦麦醇溶蛋白衍生的2798个候选肽段，重点关注其与CaSR的相互作用及生物学功能 | 计算生物学 | 肠道疾病 | 深度学习, 虚拟筛选, 分子动力学模拟 | 深度学习模型 | 肽序列数据, 分子结构数据 | 2798个候选肽段 | Nextflow | NA | 解离常数(Kd) | NA |
| 9410 | 2026-02-12 |
Deep learning-enhanced, accelerated cartilage T2 mapping: role in diagnosing early OA and challenges for clinical application
2026-Feb-11, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-026-05163-w
PMID:41670646
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9411 | 2026-02-12 |
Non-contact acoustic screening for sleep apnea: a subject-aware deep learning approach
2026-Feb-11, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-026-03594-2
PMID:41670793
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9412 | 2026-02-12 |
Unsupervised Disentanglement of Brain Heterogeneity for Identifying Subtypes of Alzheimer's Disease
2026-Feb-10, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3663181
PMID:41666058
|
研究论文 | 提出了一种名为3D-DisAD的无监督深度学习框架，用于从阿尔茨海默病患者的脑部MRI中分离出疾病特异性神经解剖学变异，并据此识别疾病亚型 | 提出了一种结合对比解缠网络和基于扩散的生成建模的无监督框架，能够将AD特异性变异与混杂因素（如遗传和环境因素）分离，从而识别出更具临床解释性的疾病亚型 | 研究依赖于公开数据集，可能无法涵盖所有AD人群的异质性；方法主要基于神经解剖学特征，未整合多模态数据（如PET、CSF） | 解决阿尔茨海默病神经解剖学异质性对精准诊断和治疗的阻碍，识别具有同质脑表型的疾病亚型 | 阿尔茨海默病患者和健康对照的脑部MRI数据 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习 | 3D图像 | 四个公开数据集 | PyTorch | 对比解缠网络, 基于扩散的生成模型 | 与临床和生物学特征的相关性分析, 亚型在生物标志物、认知轨迹和遗传特征上的差异 | NA |
| 9413 | 2026-02-12 |
Stress Detection Using Heart Rate Variability and Respiratory Signals Derived From a Single-Lead ECG
2026-Feb-10, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3658304
PMID:41666060
|
研究论文 | 本文提出了一种结合特征提取与机器学习的混合方法，仅使用单导联心电图信号进行压力检测 | 提出了一种基于单导联心电图的混合方法，通过提取心率变异性和呼吸信号特征，显著提高了分类准确率和计算效率 | 研究仅使用了ES3项目数据库，未在其他数据集上进行验证；实时可穿戴设备应用的硬件限制未完全解决 | 开发一种适用于可穿戴设备的实时压力检测方法 | 单导联心电图信号及其衍生的心率变异性和呼吸信号 | 机器学习 | NA | 单导联心电图信号分析 | XGBoost | 心电图信号 | ES3项目数据库（具体样本数量未在摘要中说明） | NA | XGBoost | 分类准确率，计算效率，推理时间 | NA |
| 9414 | 2026-02-12 |
Sjögren's syndrome-focusassist: lymphocytic focus assessment in Sjögren's syndrome: a deep learning and spatial analysis approach
2026-Feb-10, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-026-01756-0
PMID:41668096
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9415 | 2026-02-12 |
Self-adaptive fine-tuning of deep learning super-resolution microscopy for artifact suppression in live-cell imaging
2026-Feb-02, Innovation (Cambridge (Mass.))
DOI:10.1016/j.xinn.2025.101123
PMID:41658490
|
研究论文 | 本文提出了一种自适应性微调方法，用于抑制深度学习超分辨率显微镜在活细胞成像中的伪影生成 | 开发了一种自适应性微调方法，动态调整模型参数以最小化损失函数，该函数直接量化活细胞成像中的伪影 | NA | 抑制深度学习超分辨率显微镜在活细胞成像中的伪影生成 | 活细胞成像中的纳米级细胞器相互作用 | 计算机视觉 | NA | 深度学习超分辨率显微镜 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 9416 | 2026-02-12 |
Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques
2026-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2400318
PMID:39235388
|
研究论文 | 本研究使用基于LSTM的深度学习技术，探索关节角度和表面肌电信号对关节扭矩预测准确性的贡献 | 通过训练三种双向LSTM模型，分别使用关节角度、表面肌电信号及两者组合作为输入，评估了不同输入模态对下肢关节扭矩预测的独立和联合效果，发现单一输入模态在某些情况下可能足以准确预测特定关节扭矩 | 研究基于公开数据集进行，可能受限于数据集的样本规模和多样性；未探讨模型在其他运动模式或临床场景下的泛化能力 | 预测下肢关节扭矩，以评估关节角度和表面肌电信号在扭矩预测中的相对贡献 | 正常行走过程中的下肢关节扭矩 | 机器学习 | NA | 表面肌电信号采集 | LSTM | 时间序列数据 | 使用公开数据集，具体样本数量未在摘要中明确说明 | NA | 双向LSTM | 归一化均方根误差, Pearson相关系数 | NA |
| 9417 | 2026-02-12 |
Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies
2026-Feb-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001218
PMID:40586610
|
研究论文 | 本研究利用深度学习模型通过PI-RADS引导的表征学习，从双参数前列腺MRI图像中学习放射科医生的解读方式，以区分PI-RADS 3分类，检测临床显著前列腺癌，并减少不必要的良性活检 | 采用PI-RADS引导的表征学习方法训练深度学习模型，从放射科医生自信评估的MRI图像中学习表征，以解决PI-RADS 3分类的模糊性问题，并开发基于这些表征的活检决策模型，在避免良性活检方面优于放射科医生和临床模型 | 研究为单机构回顾性研究，可能受限于数据来源的多样性和读者差异，且模型在外部验证和泛化能力方面未明确评估 | 通过深度学习模型改善前列腺MRI中PI-RADS 3分类的歧义性，提高临床显著前列腺癌的检测准确性，并优化活检决策策略以减少不必要的良性活检 | 前列腺癌患者，包括已知或疑似前列腺癌的男性，涉及MRI检查和后续活检数据 | 数字病理学 | 前列腺癌 | 双参数前列腺MRI（T2加权和扩散加权成像） | 深度学习模型，表征学习器 | 图像 | 28,263次MRI检查（来自21,938名男性），其中6,352次后续活检，训练集包括21,465次放射科医生自信评估的检查 | NA | NA | AUC, 敏感性, 阴性预测值, 活检产出率 | NA |
| 9418 | 2026-02-12 |
AFM-Based Deep Learning Decodes Human Macrophage Mechanophenotypes
2026-Feb, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202500953
PMID:40722235
|
研究论文 | 本研究介绍了一种结合原子力显微镜与深度学习的集成平台，用于在单细胞分辨率下对巨噬细胞进行无标记的机械表型分析 | 首次将原子力显微镜的纳米级力学映射与深度神经网络相结合，实现了无需传统免疫标记、能动态区分巨噬细胞功能表型（M0、M1、M2）并揭示混合极化状态的非破坏性方法 | 未明确提及样本量或外部验证队列的详细信息，且方法可能依赖于特定的仪器平台 | 开发一种无标记、动态的免疫监测策略，通过细胞力学特性解码巨噬细胞的功能表型 | 人类巨噬细胞在不同激活状态（初始M0、炎症M1、修复M2）下的形态与纳米力学特征 | 生物医学工程，计算生物学 | 免疫相关疾病（泛指） | 原子力显微镜纳米级力映射 | 深度神经网络 | 纳米力学与形态学图像数据（如杨氏模量、粘附力、球形度） | NA | NA | 深度神经网络（具体架构未指定） | 分类准确性（隐含） | NA |
| 9419 | 2026-02-12 |
Advanced deep learning for early diagnosis of arsenic-induced dermatological conditions through dermoscopic image evaluation
2026-Feb, Journal of medical engineering & technology
DOI:10.1080/03091902.2025.2590472
PMID:41273294
|
研究论文 | 本研究提出了一种先进的深度学习框架，通过皮肤镜图像分析支持砷诱导皮肤病的早期诊断 | 采用协同ResNet-DenseNet架构提取判别性图像特征，结合k近邻算法进行分类，实现了对砷暴露相关皮肤病变的高精度自动化评估 | 研究仅基于孟加拉国四个现场的数据集，可能缺乏全球代表性；未提及模型在外部验证集上的泛化性能 | 开发深度学习框架以辅助砷诱导皮肤病的早期诊断和公共卫生监测 | 砷暴露个体和未受影响个体的皮肤镜图像 | 计算机视觉 | 皮肤病 | 皮肤镜图像分析 | CNN, k-NN | 图像 | 8892张皮肤镜图像 | NA | ResNet, DenseNet | 准确率, F1分数, 灵敏度, 召回率 | NA |
| 9420 | 2026-02-12 |
Computed tomography-based prediction of commissural positions facilitates valve-sparing aortic root replacement
2026-Feb, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2025.11.007
PMID:41658864
|
研究论文 | 本研究比较了基于CT的主动脉根部再植入术规划与传统方法，并评估了深度学习算法自动CT测量的准确性 | 首次将深度学习算法应用于CT测量，以自动化预测主动脉瓣连合位置，减少术中调整需求 | 样本量较小（仅20例患者），且为单中心研究，可能影响结果的普遍性 | 评估CT规划和深度学习算法在主动脉根部再植入术中的效果 | 接受David再植入术的主动脉根部疾病患者 | 数字病理学 | 心血管疾病 | 计算机断层扫描（CT），心电图门控CT | 深度学习算法 | CT图像 | 20例患者用于CT组，20例对照组，另50例用于算法验证 | NA | NA | 组内相关系数（ICC），差异范围 | NA |