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 43911 篇文献，本页显示第 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 2026-04-19 |
Customizing Native T1 Mapping: the effects of compressed sensing, deep learning-based denoising and high-resolution on measurement of native myocardial T1
2026-Apr-15, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102726
PMID:41997564
|
研究论文 | 本研究评估了压缩感知、深度学习去噪和高分辨率对心肌原生T1映射图像质量和定量测量的影响 | 首次系统评估了压缩感知加速、深度学习去噪和高空间分辨率在心肌原生T1映射中的综合影响，并验证了在保持T1值稳定的前提下提高采集效率的可行性 | 单中心研究，样本量有限（41名健康志愿者），未在广泛患者群体中验证，且主要关注健康心肌组织 | 优化心血管磁共振中定量原生T1映射的采集效率和临床适用性 | 健康志愿者的心肌组织 | 医学影像分析 | 心血管疾病 | 心血管磁共振（CMR）、T1映射、压缩感知（CS）、深度学习去噪 | 深度学习 | 磁共振图像 | 41名健康志愿者（最初48名，经质量审查后纳入41名） | NA | NA | 图像质量评分（模糊、混叠、磁化率伪影、整体图像质量）、T1值偏差、重复性、观察者间变异性 | NA |
| 1242 | 2026-04-19 |
AmberTorchPB: A Unified Framework for Poisson-Boltzmann-Based Reaction Field Energy Calculation via Tensor Computation
2026-Apr-14, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.6c00085
PMID:41906862
|
研究论文 | 本文介绍了AmberTorchPB，一个基于LibTorch构建的统一、可扩展且支持加速器的框架，旨在现代化生物分子静电学计算 | 利用深度学习中的张量抽象来高效管理硬件异构性、内存优化和混合精度运算，从而克服传统Poisson-Boltzmann求解器在可扩展性和硬件适应方面的瓶颈 | NA | 开发一个现代化框架以支持大规模生物分子静电相互作用的高性能计算 | 生物分子静电相互作用，特别是基于Poisson-Boltzmann方程的反应场能量计算 | 计算生物学 | NA | Poisson-Boltzmann方程求解 | NA | 张量数据 | NA | LibTorch | NA | NA | 现代高性能计算硬件，支持异构架构 |
| 1243 | 2026-04-19 |
A knowledge-based deep learning model for accurate urban drainage system prediction under spatiotemporally variable rainfall
2026-Apr-14, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2026.125930
PMID:41997102
|
研究论文 | 本研究提出了一种基于知识的深度学习模型，用于在时空变化降雨条件下准确预测城市排水系统水位 | 提出了一种将先验知识与稀疏实时监测数据相结合的知识驱动深度学习模型，能够在无需明确降雨输入的情况下，通过管网路径传播观测信号实现跨时空校正 | 未明确说明模型在极端降雨事件或完全无传感器覆盖区域的泛化能力 | 开发一种准确、稳健且可扩展的城市排水系统水位预测方法，以支持实时城市洪水预测和预警 | 城市排水系统 | 机器学习 | NA | 深度学习 | 深度学习模型 | 传感器监测数据、合成降雨事件数据、真实降雨事件数据 | 未明确说明具体样本数量，但使用了合成和真实降雨事件进行综合评估 | 未明确说明 | 未明确说明 | NSE（纳什效率系数）、峰值预测误差、溢流检测准确率 | 未明确说明 |
| 1244 | 2026-04-19 |
Deep learning-driven recognition of panoramic tumor microenvironment features in H&E sections and its application
2026-Apr-09, Journal for immunotherapy of cancer
IF:10.3Q1
DOI:10.1136/jitc-2025-014429
PMID:41956540
|
综述 | 本文综述了基于深度学习的全景肿瘤微环境特征在H&E切片中的识别及其临床应用的最新进展 | 整合全玻片成像技术与深度学习算法，实现对肿瘤微环境中细胞、空间和分子异质性的自动化表征，为精准诊断和治疗反应预测提供综合见解 | 讨论了该技术在肿瘤学研究和临床应用中的转化潜力与当前局限性 | 推动肿瘤微环境特征识别技术在精准诊断和治疗反应预测中的应用 | H&E染色的组织切片中的肿瘤微环境特征 | 数字病理学 | 肿瘤 | 全玻片成像技术 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1245 | 2026-04-19 |
The Application of a Deep Learning Algorithm for the Segmentation of Retinal Nerve Fiber Layer Across Different Optic Neuropathies
2026-Apr-06, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.4.7
PMID:41960956
|
研究论文 | 本研究开发了一种名为RNFL-Net的深度学习算法，用于从光学相干断层扫描图像中分割视网膜神经纤维层，并在青光眼和视盘水肿等不同视神经病变中评估其性能 | 提出了一种新的深度学习算法RNFL-Net，能够自动分割视网膜神经纤维层，并在多种视神经病变中表现出比标准OCT设备更高的测量准确性 | 研究样本量相对有限，且外部验证数据集规模较小，可能影响结果的泛化能力 | 评估深度学习算法在分割视网膜神经纤维层方面的能力，特别是在青光眼和视盘水肿等视神经病变中的应用 | 健康对照者、青光眼患者和视盘水肿患者的视网膜神经纤维层 | 计算机视觉 | 青光眼 | 光学相干断层扫描 | 深度学习算法 | 图像 | 训练和验证使用1065个RNFL OCT B扫描，测试使用265个扫描；涉及106只健康眼、118只视盘水肿眼和60只青光眼 | NA | RNFL-Net | Dice系数, 平均绝对误差, 平均绝对百分比误差 | NA |
| 1246 | 2026-04-19 |
Automated Identification of Accessory Mental Foramen Using Cone-Beam Computed Tomography and Convolutional Neural Networks
2026-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109428
PMID:41740248
|
研究论文 | 本文开发并评估了一种基于深度学习的系统，用于自动检测锥形束计算机断层扫描（CBCT）图像中的副颏孔（AMF），并比较了两种卷积神经网络（CNN）架构在该模型中的检测准确性和临床可靠性表现 | 首次将深度学习应用于CBCT图像中副颏孔的自动检测，并比较了自定义轻量级CNN与ResNet-50模型的性能，通过Grad-CAM可视化验证了模型关注区域的解剖相关性 | 研究基于回顾性数据，样本量有限（共1400个CBCT扫描），且仅比较了两种CNN架构，可能未涵盖所有最优模型 | 开发并评估基于深度学习的自动检测系统，以提高副颏孔诊断的准确性和临床可靠性 | 锥形束计算机断层扫描（CBCT）图像中的副颏孔（AMF） | 计算机视觉 | NA | 锥形束计算机断层扫描（CBCT） | CNN | 图像 | 1400个CBCT扫描（700个含AMF，700个正常对照） | NA | ResNet-50, 自定义轻量级CNN | 准确率, 精确率, 召回率, F1分数 | NA |
| 1247 | 2026-04-19 |
An effective deep learning algorithm for medical image registration
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001339
PMID:41990030
|
研究论文 | 提出了一种名为DTC-Reg的深度学习算法，用于医学图像配准，通过动态学习框架和几何约束增强变形场的微分同胚性 | 引入了动态学习配准框架DTC-Reg，结合同伦控制增量公式和多尺度几何约束，并提出了可检测和纠正折叠点的MFDC模块，提高了变形场的正则性 | 仅在三项3D脑部MRI配准任务上进行了实验，未涉及其他医学影像模态或更广泛的临床应用场景 | 开发一种能够实现准确对齐并严格保持拓扑和可逆性的医学图像配准算法 | 医学图像，特别是3D脑部MRI数据 | 计算机视觉 | NA | 医学影像处理 | 深度学习 | 3D图像 | NA | NA | U-Net, 序列时间级联网络 | 定量和定性评估 | NA |
| 1248 | 2026-04-19 |
Deep Learning-Based Tumor Cell Classification in Lung Adenocarcinoma With a Case-by-Case Human-in-the-Loop Approach
2026-Apr, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica
IF:2.2Q3
DOI:10.1111/apm.70208
PMID:41980857
|
研究论文 | 本文提出了一种基于深度学习的人机交互方法，用于肺腺癌组织切片中肿瘤细胞的分类，通过病理学家在显微镜下进行微调，提高了分类准确性 | 采用人机交互方法，允许病理学家在显微镜下对细胞分类进行实时微调，使数字分类达到与病理学家相当的准确率（98%-100%） | 方法仅在肺腺癌的H&E染色切片上建立和测试，未涉及其他癌症类型或染色方法，且在小数据集上的性能略有下降 | 提高肺腺癌组织切片中单个肿瘤细胞分类的准确性，使其达到病理学家的水平 | 肺腺癌（LUAD）的H&E染色组织切片中的单个肿瘤细胞 | 数字病理学 | 肺癌 | H&E染色 | 深度学习网络 | 图像 | 包括肺腺癌组织切片的高倍视野（HPF）和来自癌症基因组图谱（TCGA）的较小数据集 | NA | NA | Dice系数, 真阳性率（TPR）, 精确度, 特异性 | NA |
| 1249 | 2026-04-19 |
Hybrid Deep Learning Framework for Sleep Quality Prediction: Integrating Metaheuristic Optimization and Statistical Features
2026-Apr, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.71360
PMID:41981876
|
研究论文 | 本文提出了一种结合元启发式优化和统计特征的混合深度学习框架，用于基于体动记录仪数据的睡眠质量预测 | 提出了一种新颖的混合深度学习架构，结合了遗传算法和粒子群优化进行特征选择，并引入了独特的特征重要性分析以增强模型的可解释性 | 研究仅使用了MESA体动记录仪数据集，未在其他数据集上进行验证，且模型复杂度较高 | 开发一个高性能的睡眠质量预测模型，用于个性化睡眠健康管理和睡眠障碍的早期诊断 | 睡眠质量预测 | 机器学习 | 睡眠障碍 | 体动记录仪数据采集 | LSTM, SVM | 时间序列数据 | MESA体动记录仪数据集（具体样本数量未在摘要中说明） | NA | LSTM网络与支持向量机结合的混合架构 | 准确率, F1分数, AUC | NA |
| 1250 | 2026-04-19 |
Deep Learning-Enabled Engineering of a Hyper-Stable and Soluble MPB70-83 Antigen for Sensitive Bovine Tuberculosis Surveillance
2026-Apr, Microbial biotechnology
IF:4.8Q1
DOI:10.1111/1751-7915.70348
PMID:41988819
|
研究论文 | 本研究结合免疫信息学和深度学习框架ProteinMPNN，设计了一种超稳定且可溶的MPB70-83抗原，用于提高牛结核病诊断的灵敏度 | 利用深度学习框架ProteinMPNN重新设计非表位支架，优化蛋白质的热力学稳定性，解决了重组多表位蛋白在原核表达系统中的结构不稳定性和不溶性问题 | 未明确提及 | 开发一种高稳定性和高溶解性的抗原，用于牛结核病的精确监测 | 牛结核病（bTB） | 机器学习 | 牛结核病 | 免疫信息学, 分子动力学模拟 | 深度学习 | 蛋白质序列数据 | NA | ProteinMPNN | NA | 灵敏度, 特异性, Cohen's κ | NA |
| 1251 | 2026-04-19 |
'Backpropagation and the brain' realized in cortical error neuron microcircuits
2026-Apr, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014164
PMID:41996333
|
研究论文 | 提出了一种受生物学启发的多区域皮层微电路模型，用于实现误差反向传播算法，以解释大脑如何利用误差信号进行学习 | 引入了一个生物动机的多区域皮层微电路模型，该模型在考虑近期生理证据的基础上实现了误差反向传播，解决了其他理论在扩展到多个皮层区域时的可扩展性不足问题 | 模型基于灵长类视觉皮层的连接性观察构建，其普适性到其他脑区或物种仍需进一步验证；所提出的具体预测有待实验检验 | 探索大脑如何利用局部神经元特异性误差信号进行学习，并检验“反向传播与大脑”假说 | 皮层锥体细胞群体（作为表征神经元和误差神经元）及其局部与区域间连接性 | 计算神经科学 | NA | 计算建模，微电路模拟 | 微电路模型，误差反向传播模型 | 模拟数据，基准测试数据 | NA | NA | 多区域皮层微电路 | NA | NA |
| 1252 | 2026-04-19 |
Leveraging deep learning to infer continuous predictions from ordinal labels in medical imaging
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001248
PMID:41996486
|
研究论文 | 本文提出了一种基于深度学习的方法，仅使用离散有序标签从医学图像中预测连续值变量 | 利用深度学习从离散有序标签中学习准确的连续评分，有效弥合离散与连续数据之间的差距 | NA | 开发一种从医学图像中预测连续变量（如疾病严重程度）的方法，仅使用离散有序标签进行模型训练 | 早产儿视网膜病变、膝骨关节炎的疾病严重程度预测以及乳腺X线摄影中的乳腺密度预测 | 医学影像分析 | 早产儿视网膜病变, 膝骨关节炎, 乳腺癌 | 深度学习 | CNN | 图像 | NA | NA | NA | 相关性, 均方误差 | NA |
| 1253 | 2026-04-19 |
Super-Resolution Microscopy for Precision Microsphere Defect Inspection Using Sparrow-Optimized Autocorrelation Deconvolution
2026-Apr, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.70263
PMID:41996601
|
研究论文 | 本文提出了一种基于麻雀搜索算法优化的自相关两步去卷积超分辨率图像重建方法，用于精密微球表面缺陷检测 | 采用麻雀搜索算法自适应微调加速参数，并通过混合能量函数进行优化，在提升图像分辨率的同时减少了重建过程中的伪影 | 未明确说明算法对计算资源的具体要求，也未讨论在极低信噪比条件下的性能 | 提高精密微球表面缺陷检测的精度和效率 | 精密微球的表面缺陷 | 计算机视觉 | NA | 超分辨率显微镜，自相关两步去卷积 | NA | 图像 | NA | NA | NA | 滚动傅里叶环相关，半高全宽，分辨率提升倍数，图像处理速度提升百分比 | NA |
| 1254 | 2026-04-19 |
Source apportionment of pollution in the Tianjin Haihe river sluice based on the TCN-APCS-MLR model
2026-Mar-31, Environmental geochemistry and health
IF:3.2Q2
DOI:10.1007/s10653-026-03139-2
PMID:41915250
|
研究论文 | 本研究提出了一种结合TCN与APCS-MLR的新模型，用于天津海河闸复杂流域的污染源解析 | 首次将时序卷积网络（TCN）与绝对主成分得分-多元线性回归（APCS-MLR）模型相结合，以增强对非线性时间动态的建模能力，提高了传统受体模型在复杂河口环境中的源解析精度 | 研究基于2022-2024年的日尺度水质数据，模型在更长时序或更复杂污染情景下的普适性有待进一步验证 | 开发一种能够准确、及时识别复杂流域污染源的高性能模型，以支持动态流域管理和生态修复 | 天津海河闸流域的水体污染 | 机器学习 | NA | 水质监测 | TCN, APCS-MLR | 时间序列数据（水质数据） | 2022年至2024年的日尺度水质数据 | NA | 时序卷积网络（TCN），结合主成分分析（PCA）和多元线性回归（MLR） | R值（相关系数），RMSE（均方根误差），MAE（平均绝对误差），累计方差贡献率 | NA |
| 1255 | 2026-04-19 |
An AI-ready remote sensing dataset for high-resolution forest disturbance mapping
2026-03-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07084-8
PMID:41888167
|
研究论文 | 本文介绍了一个用于高分辨率森林干扰类型分类的深度学习就绪数据集，并展示了其应用效果 | 提供了一个包含多通道（红、绿、蓝、近红外和物体高度）的高分辨率（0.2米）遥感数据集，专门用于森林干扰分类，并通过消融分析评估了各通道的贡献 | 数据集仅基于德国莱茵兰-普法尔茨州的数字正射影像，可能无法完全代表其他地区的森林干扰情况 | 开发一个高分辨率、深度学习就绪的遥感数据集，以改进森林干扰类型的监测和分类 | 欧洲森林的自然干扰事件，如虫害爆发、病原体感染、风倒和随后的抢救性采伐 | 计算机视觉 | NA | 遥感成像，数字正射影像 | 深度学习模型 | 图像 | 约17,500个图像块（每个500×500像素，分辨率0.2米） | NA | NA | 总体准确率 | NA |
| 1256 | 2026-04-19 |
U-Net-based transfer learning for automated tumour segmentation enabling fully automated [18F]F-DOPA PET analysis in paediatric gliomas
2026-Mar-25, Brain informatics
DOI:10.1186/s40708-026-00296-z
PMID:41880065
|
研究论文 | 本研究利用基于U-Net的迁移学习，开发了一个全自动的[18F]F-DOPA PET分析流程，用于儿童胶质瘤的肿瘤分割和参数提取 | 利用成人胶质瘤数据集的迁移学习，实现了对儿童胶质瘤PET图像的全自动肿瘤分割和参数提取，减少了操作者依赖性 | 研究为回顾性设计，样本量有限（特别是动态分析仅包括32名患者），且手动与自动方法在肿瘤-背景比上存在显著差异 | 开发一个全自动的深度学习流程，用于儿童胶质瘤的[18F]F-DOPA PET图像分析和肿瘤分割 | 儿童胶质瘤患者 | 数字病理学 | 胶质瘤 | [18F]F-DOPA PET成像 | CNN | PET图像 | 103名儿童患者（静态和/或动态PET扫描），其中90名用于统计和生存分析，32名用于动态分析 | NA | U-Net | Dice分数 | NA |
| 1257 | 2026-04-19 |
Assessment of Defacing Techniques on Medical Images for Radiation Therapy: Implications for Patient Privacy and Data Utility
2026-Mar-22, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.03.023
PMID:41876069
|
研究论文 | 评估四种去脸技术对放射治疗多模态图像中患者隐私保护与数据完整性的影响 | 首次在放射治疗多模态图像中系统比较四种去脸技术的隐私保护效果与数据完整性，为临床数据共享提供优化选择 | 研究仅基于特定数据集（脑部和头颈部患者），未涵盖所有癌症类型或成像技术，且未评估长期临床影响 | 评估去脸技术在放射治疗图像中对患者隐私风险和数据实用性的影响 | 脑部患者（88例）和头颈部患者（97例）的多模态医学图像（MRI、CT、RTDose、PET） | 数字病理 | 癌症 | 磁共振成像、计算机断层扫描、正电子发射断层扫描、放射剂量成像 | 深度学习面部识别模型 | 医学图像 | 185例患者（88例脑部，97例头颈部） | NA | ArcFace | 余弦相似度评分、受试者工作特征曲线下面积、体积变化百分比、强度变化百分比、剂量偏差 | NA |
| 1258 | 2026-04-19 |
Spinal disease image segmentation technology integrating U-ResNet and shape-aware attention
2026-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42870-9
PMID:41820475
|
研究论文 | 本研究提出了一种集成U-ResNet和形状感知注意力的深度学习模型，用于脊柱疾病图像的自动分割，以提高诊断效率和准确性 | 设计了三个核心优化模块：定制化的U-ResNet主干网络、形状感知注意力模块和动态加权组合损失函数，以增强对脊柱形态变化的捕捉能力并抑制背景干扰 | 未明确提及模型在更广泛数据集或实际临床环境中的泛化能力验证 | 开发一种端到端的深度学习模型，用于脊柱疾病医学图像的自动分割和测量，以支持早期准确诊断 | 脊柱疾病图像，特别是腰椎MRI和VerSe数据集中的图像 | 数字病理 | 脊柱疾病 | 深度学习图像分割 | CNN | 医学图像 | 使用了Lumbar Spine MRI和VerSe数据集，具体样本数量未明确说明 | 未明确提及 | U-ResNet | 分类、分割和椎间盘退变分级任务的性能指标，具体指标未明确列出 | 未明确提及 |
| 1259 | 2026-03-13 |
Amyloid PET quantification with deep learning segmentation models without MRI
2026-Mar-11, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00854-8
PMID:41811594
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1260 | 2026-04-18 |
AI-powered surveillance of bronchiolitis in the Nirsevimab era: comparative performance of machine learning, deep learning, and large language models on free-text ED records
2026-Mar-10, BMC emergency medicine
IF:2.3Q1
DOI:10.1186/s12873-025-01468-6
PMID:41807959
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |