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 46099 篇文献，本页显示第 1641 - 1660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1641 | 2026-06-06 |
Chaotic dynamics of Tai Chi public attention revealed by an integrated framework of horizontal visibility graphs, autoencoders, and sparse identification
2026-Jun-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55384-1
PMID:42243391
|
研究论文 | 通过集成水平可见性图、自编码器和稀疏辨识的框架，揭示太极拳公众关注的混沌动力学 | 首次将水平可见性图、自编码器和稀疏辨识非线性动力学 (SINDy) 整合为一个分析框架，用以揭示文化现象公众关注的混沌动力学，并通过三种独立方法交叉验证了结果的可靠性 | 未详细说明外部因素对公众关注混沌模式的影响，也未提及样本数据的地域局限性可能对结论的普适性造成的影响 | 研究太极拳公众关注的混沌动力学模式，以促进文化遗产的保护与推广策略 | 太极拳公众关注的百度指数数据 | 机器学习 | NA | 百度指数数据采集 | 自编码器, 稀疏辨识非线性动力学 (SINDy) | 时间序列数据 | 2014年至2024年中国四个省份（北京、上海、广东、河南）的每日百度指数数据 | Scikit-learn, TensorFlow 或 PyTorch（用于自编码器） | 水平可见性图 (HVG), 自编码器 (Autoencoder), SINDy | 重建相关系数, 归一化均方根误差 (NRMSE), 最大Lyapunov指数 | NA |
| 1642 | 2026-06-06 |
The accuracy-fairness-efficiency Trilemma in mobile image classification: a Pareto benchmark
2026-Jun-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55546-1
PMID:42243400
|
研究论文 | 在资源受限的移动设备上部署深度学习图像分类器时，同时优化预测准确性、人口公平性和推理效率的问题。 | 首次将准确性、公平性和效率联合形式化为约束多目标优化问题，并定义了部署可行区域（DFZ），提供了多项基准测试结果 | 未明确说明局限性；但可能受限于特定数据集大小（2,821图像）及入口级SoC设备的测试条件 | 解决移动图像分类中准确性、公平性和效率之间的三难权衡问题 | 移动设备上的深度学习图像分类器 | 计算机视觉 | NA | NA | CNN | 图像 | 2,821张图像，包含24个人口统计子群体（最坏不平衡比35.47:1） | PyTorch | ResNet | 准确率、公平指标、参数量（MB）、推理时间（ms） | 入口级SoC设备 |
| 1643 | 2026-06-06 |
An interpretable ultrasound-based deep learning system for early breast cancer in a Chinese population
2026-Jun-04, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-026-02323-3
PMID:42243600
|
研究论文 | 开发并评估一种可解释的深度学习系统BrcaDetect，用于中国人群早期乳腺癌的超声诊断 | 提出BrcaDetect系统，融合超声图像深度学习预测、BI-RADS评估和人口统计学因素，实现多模态集成，并通过Grad-CAM和Shapley值提供可解释性 | 回顾性研究设计，受控阅读条件与实际临床环境可能存在差异 | 开发和评估可解释的深度学习系统，用于中国人群早期乳腺癌的超声检测 | 24,762张超声图像，来自3048名女性，涵盖五家医院 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习（深度学习系统） | 图像（超声图像） | 整体：3048名女性（24,762张图像）；训练与内部验证：2399名患者（19,340张图像）；外部验证：649名女性（5422张图像） | NA | Grad-CAM, Shapley值 | AUC, 敏感性, 诊断准确性 | NA |
| 1644 | 2026-06-06 |
UniPTMs: a unified multi-type PTM site prediction model via master-slave architecture-based multi-stage fusion strategy and hierarchical contrastive loss
2026-Jun-04, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-026-06516-x
PMID:42243656
|
研究论文 | 提出了一种基于主从架构和多级融合策略的统一多类型蛋白质翻译后修饰位点预测模型UniPTMs | 创新性地建立了主从双路径协作架构，通过双向门控交叉注意力模块动态整合蛋白质序列、结构和进化信息的高维表示，并设计了层级对比损失函数优化特征一致性 | 未提及模型在极端不平衡数据集或长序列上的表现，且轻量变体UniPTMs-mini的精度牺牲未量化说明 | 开发一个统一的高精度多类型蛋白质翻译后修饰位点预测框架，打破单类型预测范式的限制 | 五种类型的蛋白质翻译后修饰位点 | 机器学习 | NA | 深度学习 | 基于注意力的神经网络 | 蛋白质序列、结构、进化信息 | NA | PyTorch | 双向门控交叉注意力模块、多尺度自适应卷积金字塔、双向层级门控融合网络、层级动态加权融合机制 | 马修斯相关系数、平均精确率 | NA |
| 1645 | 2026-06-06 |
Artificial intelligence in pediatric pain: a systematic review
2026-Jun-04, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03571-5
PMID:42243763
|
综述 | 系统回顾人工智能技术在儿童疼痛管理中的应用进展与效果 | 首次系统总结人工智能在儿童疼痛管理中的应用模式，发现多模态方法显著优于单模态方法（AUC差异+0.13） | 大量研究（47.5%的评估研究和11/12的干预研究）存在高偏倚风险；样本规模小（42.2%的研究<50人） | 探索人工智能技术在儿童疼痛管理中的进展与有效性 | 儿童疼痛管理相关的人工智能研究 | 机器学习 | 儿科疼痛 | NA | 深度学习，经典机器学习 | 面部表情，生理信号，多模态数据 | 71项研究，多为小样本（<50人，42.2%）或中等样本（50-200人，33.8%） | NA | 卷积神经网络，支持向量机，随机森林，长短期记忆网络 | AUC | NA |
| 1646 | 2026-06-06 |
SR-FSL: Sample reconstruction enhanced few-shot learning for real-time motor unit identification from surface electromyogram
2026-Jun-04, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-026-02026-2
PMID:42243970
|
研究论文 | 提出一种基于样本重建增强的小样本学习方法，用于从表面肌电信号中实时识别运动单元 | 采用样本重建策略生成生理可解释的合成样本，结合预训练时空神经网络，显著减少对实验数据量的依赖 | 仅针对拇短展肌和8×8电极阵列进行验证，需进一步评估在其他肌肉和阵列配置上的泛化能力 | 实现基于深度学习的高密度表面肌电信号实时运动单元识别，并降低数据需求以提升实用性 | 从高密度表面肌电信号中识别的运动单元 | 机器学习 | NA | HD-sEMG（高密度表面肌电） | 时空神经网络 | 信号 | 10名受试者的拇短展肌数据 | NA | 时空神经网络 | 匹配率 | NA |
| 1647 | 2026-06-06 |
Deep learning in image forgery: A systematic review for risk of bias (RoB)
2026-Jun-04, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70371
PMID:42244086
|
综述 | 系统综述了深度学习在图像伪造检测中的偏倚风险 | 首次系统评估AI在图像伪造检测中的偏倚风险，并引入AP(AI)Bias模型与PROBAST和ROBINS-I工具进行对比基准测试 | 仅筛选出35篇相关研究，且多数研究未能满足预定义的偏倚风险阈值，三种评估方法的一致性较低 | 识别和量化基于AI的图像伪造检测研究中存在的偏倚风险 | 图像伪造（IF）检测中的AI研究 | 计算机视觉 | 不适用 | 深度学习 | 不适用 | 图像 | 35篇相关AI研究 | 不适用 | 不适用 | 平均评分、偏倚分类比例 | 不适用 |
| 1648 | 2026-06-06 |
A novel deep learning network for small bowel ulcerative lesion detection and differential diagnosis on double-balloon endoscopy images
2026-Jun-04, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae7805
PMID:42246080
|
研究论文 | 提出一种新型级联网络Cascade-E-Yolov7，用于双气囊内镜图像中小肠溃疡性病变的检测与鉴别诊断 | 首次将EfficientNet-B1与ESFC-Yolov7结合构建级联网络，实现小肠溃疡性疾病的分类与精确定位 | 单中心回顾性研究，样本量有限，未进行外部验证 | 开发基于双气囊内镜图像的人工智能模型，用于小肠溃疡性疾病准确识别与分类 | 283名患者的1791张双气囊内镜图像，涵盖克罗恩病、CMUSE、肠结核、非特异性溃疡和原发性小肠淋巴瘤五种疾病 | 机器学习, 计算机视觉 | 小肠溃疡性疾病 | 内镜图像分析 | 级联网络 | 图像 | 283名患者，1791张双气囊内镜图像 | PyTorch | EfficientNet-B1, ESFC-Yolov7 | 准确率, AUC, mAP@0.5, 精确率, 召回率 | NA |
| 1649 | 2026-06-06 |
Mamba2SVN: a Mamba2 and reconstruction-cooperative sensitivity refinement-based variational network for parallel MRI reconstruction
2026-Jun-04, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae788b
PMID:42246132
|
研究论文 | 提出一种结合Mamba2与重建协同灵敏度细化的变分网络Mamba2SVN，用于并行MRI重建 | 首次将Mamba2模块融入变分网络，设计跨迭代特征融合机制和重建协同灵敏度细化模块，减少对自动校准信号大小的依赖 | 未明确提及限制，但可能依赖特定数据集和采样模式，泛化性需进一步验证 | 加速MRI采集过程，提高并行MRI重建的准确性和鲁棒性 | 多线圈膝关节、脑部和心脏MRI数据集 | 计算机视觉 | NA | MRI | Mamba2 | MRI图像 | 多线圈膝关节、脑部和心脏数据集（未说明具体样本数） | NA | Mamba2, U-Net | NA | NA |
| 1650 | 2026-06-06 |
Deep Learning-Accelerated 3D FLAIR Enables Reliable MS Lesion Detection
2026-Jun-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9140
PMID:42209146
|
研究论文 | 评估深度学习重建的3D FLAIR序列在多发性硬化患者脱髓鞘病变检测中的诊断性能和图像质量 | 首次验证深度学习加速的3D FLAIR序列在检测多发性硬化病变中的可靠性，并评估不同头线圈配置的影响 | 亚阈值病变（<3mm）在20通道线圈扫描中有漏检情况，主观图像质量评分略低于参考序列 | 验证深度学习重建的3D FLAIR序列在多发性硬化病变检测中的诊断效能和图像质量 | 脱髓鞘病变检测 | 数字病理学 | 多发性硬化 | MRI | 深度学习重建模型 | 磁共振图像 | 76例多发性硬化患者 | NA | 深度学习重建架构 | 信噪比，对比噪声比，5点李克特量表评分 | NA |
| 1651 | 2026-06-06 |
Genome-wide modelling of plant transcription factor binding captures regulatory variants associated with phenotypic traits
2026-Jun-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-73634-8
PMID:42236716
|
研究论文 | 通过可解释的多标签深度学习模型，从全基因组水平捕捉转录因子结合，识别与表型性状相关的调控变异 | 首次利用可解释的多标签深度学习模型整合全基因组DNA结合数据、GWAS数据和实验验证，系统揭示顺式调控元件序列、上下文和语法对转录因子占据的影响，并应用于远缘作物的条件响应性结合位点分析 | 模型训练基于拟南芥数据，可能限制对远缘物种的适应性；未详细说明模型在不同条件下的泛化能力和计算效率 | 从全基因组层面理解遗传变异如何通过顺式调控元件与转录因子相互作用影响基因调控和表型 | 拟南芥（A. thaliana）和玉米（Z. mays）的转录因子结合位点、顺式调控元件及与表型相关的调控变异 | 机器学习 | NA | DNA结合分析（DNase-seq、ChIP-seq等） | 多标签深度学习模型 | DNA序列数据和基因型数据 | NA | NA | NA | NA | NA |
| 1652 | 2026-06-06 |
A multiscale attention network for mixed artifact suppression in AFM images
2026-Jun-03, Micron (Oxford, England : 1993)
DOI:10.1016/j.micron.2026.104061
PMID:42241863
|
研究论文 | 提出一种多尺度注意力网络MS-HINet-CBAM，用于抑制原子力显微镜图像中的混合噪声，包括方向性线条伪影和随机疤痕 | 设计了一个结合多尺度模块和卷积块注意力模块的多阶段降噪框架，能够捕捉混合噪声的长程空间相关性并自适应优先处理真实地形特征 | 未提及在极端噪声水平或动态扫描条件下的表现，以及模型对真实AFM图像中未见噪声类型的泛化能力 | 开发用于AFM图像混合伪影抑制的鲁棒降噪方法，以保留表面真实形貌细节 | 原子力显微镜图像中的混合伪影（方向性线条伪影和随机疤痕）及真实地形特征 | 计算机视觉 | NA | 原子力显微镜成像 | 卷积神经网络 | 图像 | 在多种模拟混合噪声场景及真实AFM图像（有机分子和细菌细胞样本）上评估 | PyTorch | MS-HINet-CBAM（多尺度模块 + CBAM注意力模块） | 视觉保真度、均方根粗糙度 | NA |
| 1653 | 2026-06-06 |
Week-ahead prediction of depressive episodes using wearable-derived circadian biomarkers: A multicenter deep learning study with risk-based operating thresholds
2026-Jun-03, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2026.122076
PMID:42242428
|
研究论文 | 利用可穿戴设备衍生的昼夜节律生物标志物，通过深度学习模型提前一周预测抑郁发作 | 整合心率余弦相位和睡眠时间两种互补的昼夜节律标志物，采用基于风险的运行阈值汇总模型性能，并在多中心真实世界队列中验证 | 需进行外部验证、概率校准、可迁移性评估以及前瞻性发作评估才能实现临床转化 | 开发一种基于可穿戴设备数据的深度学习模型，提前一周预测抑郁发作，以实现早期识别和被动监测 | 144名真实世界心境障碍患者，共90281人日数据 | 机器学习 | 抑郁症 | 可穿戴设备采集 | 深度学习时间序列模型 | 时序数据 | 144名患者，90,281人日 | NA | NA | AUROC, 风险分层阳性预测值, 预后提升倍数 | NA |
| 1654 | 2026-06-06 |
Integrating artificial intelligence into drug delivery systems: Formulation development and current challenges
2026-Jun-03, European journal of pharmaceutics and biopharmaceutics : official journal of Arbeitsgemeinschaft fur Pharmazeutische Verfahrenstechnik e.V
IF:4.4Q1
DOI:10.1016/j.ejpb.2026.115133
PMID:42242512
|
综述 | 探讨人工智能在药物递送系统中的应用，涵盖配方开发、优化及当前面临的挑战 | 将AI定位为决策支持工具而非自主系统，并系统评估其在质量源于设计框架中的整合潜力 | 数据质量、实验验证、模型可解释性和生物复杂性限制了AI在制药实践中的转化应用 | 评估AI在药物递送开发关键阶段（包括配方设计、纳米载体优化和智能控释系统）中的应用与障碍 | 药物递送系统开发中的配方变量、载体性能与生物性能的多维关系 | 机器学习 | NA | NA | 机器学习、深度学习 | 配方变量、载体性能数据 | NA | NA | NA | NA | NA |
| 1655 | 2026-06-06 |
Chest Radiograph-Derived Age Acceleration as an Early Marker of Pulmonary Dysfunction in Middle-Aged Asians
2026-Jun-03, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2026.05.033
PMID:42242547
|
研究论文 | 基于胸部X光片的加速衰老作为亚洲中年人肺功能障碍的早期标志 | 首次将深度学习驱动的胸部X光片年龄加速作为肺功能障碍的前兆标志，建立了加速衰老与PRISm和OLD之间的横断面和纵向关联 | 基于韩国健康检查参与者，结果可能不适用于其他种族或不同医疗环境的人群 | 评估基于胸部X光片的加速衰老是否与肺功能障碍（PRISm和OLD）的患病率和发生率相关 | 2006年至2019年间接受健康检查的韩国成年人 | 计算机视觉 | 肺部疾病 | 胸部X光片深度学习分析 | 深度学习模型 | 图像、临床数据 | 横断面分析231,278名参与者，纵向分析104,158名参与者 | NA | NA | OR、HR及95%置信区间 | NA |
| 1656 | 2026-06-06 |
Update on the structure-Function relationship in glaucoma
2026-Jun-03, Survey of ophthalmology
IF:5.1Q1
|
综述 | 总结青光眼结构-功能关系的最新知识，重点介绍影像学、分析方法和人工智能驱动建模的进展 | 强调人工智能方法在预测视野缺损和改进临床解释中的作用，并介绍解剖补偿映射、多模态融合和深度学习等新兴框架 | 数据质量、近视相关解剖变异和跨设备协调仍是关键限制因素 | 更新青光眼结构-功能关系的知识，推动动态个性化生物标志物的开发 | 青光眼患者的视网膜结构和视觉功能之间的关系 | 机器学习 | 青光眼 | 光学相干断层扫描(OCT), OCT血管成像(OCTA), 标准自动视野计(SAP) | 深度学习 | 影像数据 | NA | NA | NA | NA | NA |
| 1657 | 2026-06-06 |
Data driven prediction of bat flight kinematics and trajectory
2026-Jun-02, Bioinspiration & biomimetics
IF:3.1Q2
DOI:10.1088/1748-3190/ae66bf
PMID:42055078
|
研究论文 | 利用数据驱动方法预测蝙蝠飞行的运动学和轨迹，通过本征正交分解和深度学习架构分析不同飞行模式下的维度复杂性 | 首次量化蝙蝠不同复杂飞行动作的维度复杂性，并提出深度学习架构实现翼运动与飞行轨迹的双向预测 | 未提及 | 预测蝙蝠飞行轨迹并实现翼运动与轨迹间的双向映射 | 大圆叶蝠的三种飞行模式（直线飞行、上升右转、U型转弯） | 自然语言处理 | NA | 本征正交分解 | 深度学习架构 | 运动学数据（翼运动与轨迹） | 三种飞行模式（直线飞行、上升右转、U型转弯）各包含多次扑翼周期 | NA | 深度学习架构（具体架构未明确） | NA | NA |
| 1658 | 2026-06-06 |
Robust deepfake video detection using spatio-temporal features and dynamic difference learning
2026-Jun-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53545-w
PMID:42230680
|
研究论文 | 提出一种结合时空特征与动态差异学习的深度伪造视频检测框架 | 引入动态差异模块（DDM）强调面部运动中的突变和非自然变化，增强对时空不一致性的捕获能力 | 未提及在低质量或高压缩视频上的泛化表现，且可能受限于人脸关键点检测的精度 | 提升深度伪造视频检测的鲁棒性与泛化能力 | 深度伪造视频中的时空不一致性特征 | 计算机视觉, 机器学习 | NA | 人脸关键点检测 | Transformer, CNN, LSTM | 视频 | 三个基准数据集：FaceForensics++ (FF++)、UADFV、DFDC | NA | Transformer编码器, CNN, LSTM | 精确率, 召回率, F1分数, 准确率 | NA |
| 1659 | 2026-06-06 |
Robust end-to-end stratification of amyotrophic lateral sclerosis patients via recurrent variational autoencoder and consensus clustering
2026-Jun-02, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2026.105059
PMID:42235808
|
研究论文 | 提出一种结合循环变分自编码器与共识聚类的深度学习方法，用于根据纵向疾病进展模式对肌萎缩侧索硬化症患者进行分层 | 将窥孔长短期记忆网络集成到变分深度嵌入架构中，同时学习潜在表示和聚类分配，并通过共识聚类和超参数优化提高鲁棒性 | 未提及模型可解释性验证及外部数据集泛化测试 | 开发数据驱动方法识别ALS患者的临床意义亚组，以支持个性化预后和临床试验设计 | 肌萎缩侧索硬化症（ALS）患者 | 机器学习 | 肌萎缩侧索硬化症 | 纵向时间序列数据建模 | 循环变分自编码器（RVA），共识聚类 | 多变量时间序列数据 | 3076名ALS患者（来自PRO-ACT数据集），含ALSFRS-R总分、领域分项及MiToS分期数据 | PyTorch | 窥孔长短期记忆网络（Peephole LSTM） | 轮廓系数，戴维森-堡丁指数，卡林斯基-哈拉巴斯指数 | NA |
| 1660 | 2026-06-06 |
CardioMorphNet: Cardiac motion prediction using a shape-guided Bayesian recurrent deep network
2026-Jun-02, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104149
PMID:42242080
|
研究论文 | 提出CardioMorphNet，一种基于形状引导的贝叶斯循环深度网络，用于从心脏电影MRI图像中精确估计心脏运动 | 使用循环变分自编码器建模时空依赖，通过贝叶斯框架推导损失函数，引导网络聚焦解剖区域，无需强度图像配准损失 | 仅基于UK Biobank和M&M数据集验证，且未提及对异常心脏节律或低质量图像的适用性 | 实现准确的心脏运动估计，改善心脏功能评估和异常检测 | 心脏电影MRI短轴图像中的心脏运动场和不确定性图 | 计算机视觉 | 心血管疾病 | 心脏电影MRI（cine CMR） | 变分自编码器、贝叶斯循环神经网络 | 图像（3D短轴MRI序列） | UK Biobank和M&M数据集，具体数量未提及 | NA | 循环变分自编码器、贝叶斯循环神经网络 | 掩膜形状对比（warped mask vs ground-truth）、不确定性值、临床指标准确性 | NA |