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 37720 篇文献，本页显示第 1701 - 1720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1701 | 2025-12-17 |
Deceiving question-answering models: A hybrid word-level adversarial approach
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108105
PMID:40987134
|
研究论文 | 本文提出了一种名为QA-Attack的单词级对抗策略，用于欺骗问答模型 | 利用基于注意力的攻击机制和删除排序策略，识别并针对上下文段落中的特定单词，通过同义词替换创建欺骗性输入，在保持语法完整性的同时误导模型产生错误响应 | NA | 探索问答模型对抗攻击的鲁棒性 | 问答模型 | 自然语言处理 | NA | NA | NA | 文本 | NA | NA | NA | 成功率, 语义变化, BLEU分数, 流畅度, 语法错误率 | NA |
| 1702 | 2025-12-17 |
Spiking neural networks for EEG signal analysis: From theory to practice
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108127
PMID:41004906
|
综述 | 本文综述了脉冲神经网络在脑电图信号分析中的理论进展与实际应用，旨在弥合理论与实践之间的差距 | 系统性地将脉冲神经网络应用于脑电图信号分析，强调其相较于传统深度学习方法的时序信息处理优势和计算效率，并提供实践指导与开源代码 | 综述性质文章，未进行原创性实验验证，且基于现有方法总结，可能未涵盖所有最新进展 | 探讨脉冲神经网络在脑电图信号分析中的应用潜力，推动脑机接口和神经反馈系统的发展 | 脑电图信号 | 机器学习 | NA | NA | SNN | 脑电图信号 | NA | NA | NA | NA | NA |
| 1703 | 2025-12-17 |
MSA-LR: Enhancing multi-scale temporal dynamics in multivariate time series forecasting with low-rank self-attention
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108150
PMID:41032938
|
研究论文 | 本文提出了一种名为MSA-LR的新型架构，旨在通过可学习的尺度权重矩阵和低秩近似来增强多变量时间序列预测中的多尺度时间动态建模能力 | 引入了可学习的尺度权重矩阵和低秩近似方法，能够直接建模不同时间粒度（如小时、日、周）的影响，实现对多尺度交互的细粒度控制，同时显著降低了计算复杂度 | 未明确说明模型在极端事件或非平稳时间序列上的表现，也未讨论模型对超参数选择的敏感性 | 提升多变量时间序列预测的准确性，特别是长期预测场景下的性能 | 多变量时间序列数据 | 机器学习 | NA | NA | Transformer | 时间序列数据 | NA | NA | MSA-LR（多尺度自注意力低秩近似架构） | 预测准确率 | NA |
| 1704 | 2025-12-17 |
AI for colon cancer: A focus on classification, detection, and predictive modeling
2026-Feb, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106115
PMID:41075424
|
综述 | 本文系统评估了人工智能在结肠癌检测、分类、预测和分割方面的应用现状及其对诊断准确性、治疗规划和患者结局的影响 | 通过系统综述和元分析，评估了AI在结肠癌研究中的最新进展，特别关注了可解释AI和生成AI技术的应用，并进行了基于AI技术类型和应用的亚组分析 | 临床整合仍面临数据和验证方面的挑战，且研究质量依赖于纳入文献的完整性和可靠性 | 评估人工智能在结肠癌研究中的应用现状及其对诊断准确性、治疗规划和患者结局的影响 | 2020年至2024年间发表的关于人工智能在结肠癌中应用的研究文章 | 数字病理学 | 结肠癌 | NA | 深度学习, 机器学习 | NA | 80篇文章 | NA | NA | 诊断准确性 | NA |
| 1705 | 2025-12-17 |
Towards out-of-distribution detection using gradient vectors
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108142
PMID:41046618
|
研究论文 | 本文提出了一种名为GradVec的新方法，利用梯度向量进行分布外检测，以区分未知样本与已知类别样本 | 首次将梯度空间作为输入表示用于OOD检测，通过模型梯度更信息性地表达样本属于已知类别的知识，无需改变训练过程或额外数据 | 未明确讨论计算复杂度或梯度计算可能带来的额外开销 | 开发一种基于梯度向量的分布外检测方法，以提高模型在真实世界场景中对未知样本的识别能力 | 深度学习模型在图像分类和文本分类任务中的分布外样本检测 | 机器学习 | NA | NA | 深度学习模型 | 图像, 文本 | NA | NA | NA | FPR95 | NA |
| 1706 | 2025-12-17 |
Graph-patchformer: Patch interaction transformer with adaptive graph learning for multivariate time series forecasting
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108140
PMID:41046616
|
研究论文 | 提出了一种名为Graph-Patchformer的新型深度学习框架，用于多变量时间序列预测，通过结构编码和自适应图学习捕获序列内依赖和序列间局部动态依赖 | 结合结构编码反映MTS内部结构信息，并利用提出的Patch Interaction Blocks同时捕获序列内依赖和序列间局部动态依赖，无需额外的多尺度特征融合模块 | 未在摘要中明确说明 | 提升多变量时间序列预测的准确性和性能 | 多变量时间序列数据 | 机器学习 | NA | NA | Transformer, 自适应图学习 | 多变量时间序列数据 | NA | NA | Graph-Patchformer, Patch Interaction Blocks | NA | NA |
| 1707 | 2025-12-17 |
A multi-level teacher assistant-based knowledge distillation framework with dynamic feedback for motor imagery EEG decoding
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108180
PMID:41072285
|
研究论文 | 本文提出了一种基于多级教师助理知识蒸馏的动态反馈框架，用于压缩运动想象脑电信号解码的深度学习模型 | 提出了一个新颖的知识蒸馏框架MIKD，包含多级教师助理知识蒸馏模块和动态反馈模块，能在高压缩比下有效提取和传递MI-EEG信号的多层次知识 | NA | 压缩用于运动想象脑电信号分类的深度学习模型，同时保持高性能，以适用于实际脑机接口应用 | 运动想象脑电信号 | 机器学习 | NA | 脑电图 | 深度学习模型 | 脑电信号 | 三个公共脑电数据集 | NA | NA | 准确率 | NA |
| 1708 | 2025-12-17 |
Elevating adversarial robustness by contrastive multitasking defence in medical image segmentation
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108182
PMID:41075318
|
研究论文 | 本文提出了一种名为CEASE的新型防御方法，通过结合对比学习和多任务学习，显著提升医学图像分割模型对抗对抗性攻击的鲁棒性 | 首次将对比学习与多任务学习整合，针对医学图像分割任务设计防御机制，有效降低对抗性攻击成功率至0% | 未明确说明方法在更广泛医学图像数据集或不同攻击类型下的泛化能力 | 增强基于深度学习的医学图像分割模型对抗对抗性攻击的鲁棒性 | 医学图像分割模型 | 计算机视觉 | NA | 深度学习 | CNN | 医学图像 | 公开可用数据集 | NA | NA | 攻击成功率 | NA |
| 1709 | 2025-12-17 |
Self identity mapping
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108132
PMID:41077025
|
研究论文 | 提出了一种名为自身份映射（SIM）的数据内在正则化框架，通过逆映射机制增强表示学习，并实例化为ρSIM以降低计算复杂度 | 提出了一种模型无关、任务无关的即插即用正则化模块，通过重构输入来减少前向传播中的信息损失并促进更平滑的梯度流 | NA | 开发一种通用的正则化框架以增强深度学习的泛化能力并缓解过拟合 | 深度学习模型的正则化 | 机器学习 | NA | NA | NA | 图像, 音频, 时间序列 | NA | NA | NA | NA | NA |
| 1710 | 2025-12-17 |
Spatial single-cell proteomics landscape decodes the tumor microenvironmental ecosystem of intrahepatic cholangiocarcinoma
2026-Jan-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001283
PMID:39999448
|
研究论文 | 本研究利用人工智能辅助的空间多组学技术，生成了肝内胆管癌的全面空间图谱，揭示了肿瘤微环境的空间特征与预后及免疫治疗的关系 | 首次结合多种空间多组学技术（如成像质谱流式、空间蛋白质组学、空间转录组学等）和深度学习系统，系统解析了肝内胆管癌肿瘤微环境的细胞空间拓扑结构，并识别出与预后相关的空间亚型 | 空间转录组学样本量较小（n=4），部分数据依赖公共数据库，可能影响结果的普遍性 | 生成肝内胆管癌的空间肿瘤微环境图谱，识别与预后和免疫治疗相关的空间特征 | 肝内胆管癌患者的肿瘤组织样本 | 数字病理学 | 肝内胆管癌 | 成像质谱流式、空间蛋白质组学、空间转录组学、多重免疫荧光、单细胞RNA测序、批量RNA测序、批量蛋白质组学 | 深度学习 | 图像、蛋白质组数据、转录组数据 | 超过106万个细胞，包括155个内部成像质谱流式样本、155个内部空间蛋白质组学样本、4个内部空间转录组学样本、20个内部多重免疫荧光样本、9个内部和34个公共单细胞RNA测序样本、244个公共批量RNA测序样本、110个内部和214个公共批量蛋白质组学样本 | NA | NA | 高准确度 | NA |
| 1711 | 2025-12-17 |
Deep learning analysis of MRI accurately detects early-stage perihilar cholangiocarcinoma in patients with primary sclerosing cholangitis
2026-Jan-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001314
PMID:40112296
|
研究论文 | 本研究开发了一个基于3D DenseNet-121的深度学习模型，用于分析MRI图像以检测原发性硬化性胆管炎患者的早期肝门部胆管癌 | 首次将3D DenseNet-121深度学习模型应用于MRI图像分析，以检测原发性硬化性胆管炎患者的早期肝门部胆管癌，并在多中心国际队列中验证其性能优于专家放射科医生 | 研究为回顾性设计，可能受限于数据选择和潜在偏差；模型在无肿块情况下的特异性虽好但非完美 | 创建并验证一个深度学习模型，通过分析MRI图像来检测原发性硬化性胆管炎患者的早期肝门部胆管癌，并与专家放射科医生的诊断性能进行比较 | 患有大胆管原发性硬化性胆管炎的成年患者，包括训练队列150人和测试队列248人，其中肝门部胆管癌患者共230人 | 医学影像分析 | 肝门部胆管癌 | 对比增强MRI | 深度学习 | MRI图像 | 398名患者（训练队列150人，测试队列248人），其中肝门部胆管癌患者230人 | NA | 3D DenseNet-121 | 敏感性, 特异性, 受试者工作特征曲线下面积 | NA |
| 1712 | 2025-12-17 |
Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70046
PMID:40679171
|
综述 | 本文综述了集成PET-MRI在神经退行性疾病临床实践中的转化应用，包括技术进展、临床益处及未来前景 | 总结了集成PET-MRI在神经退行性疾病中的最新技术革新，如基于MRI的衰减校正、运动校正方法以及深度学习在疾病分类和预测中的应用 | NA | 探讨集成PET-MRI在神经退行性疾病临床诊断和研究中的应用价值及技术发展 | 阿尔茨海默病及其他神经退行性疾病患者 | 数字病理学 | 神经退行性疾病 | 集成PET-MRI, MRI, PET | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1713 | 2025-12-17 |
A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70113
PMID:40916364
|
研究论文 | 本文评估了基于深度学习的模型用于法洛四联症患者心脏磁共振图像的左心室、右心室和左心室心肌的自动分割 | 采用MultiResUNet模型在混合数据集（包含法洛四联症和非法洛四联症病例）上训练，实现了对法洛四联症患者心脏结构的准确自动分割，并进行了内部和外部验证 | 研究为回顾性设计，样本量有限（特别是外部验证仅12例），且仅使用了一种成像序列 | 评估深度学习模型在法洛四联症患者心脏磁共振图像自动分割中的性能，以替代耗时且存在变异性的手动分割 | 427名患有不同心脏疾病的患者（包括122名法洛四联症患者和305名非法洛四联症患者）的心脏磁共振图像 | 数字病理学 | 心血管疾病 | 稳态自由进动电影序列 | CNN | 图像 | 427名患者（395名用于训练/验证，32名法洛四联症患者用于内部测试，12名外部法洛四联症患者用于泛化性评估） | NA | U-Net, Deep U-Net, MultiResUNet | Dice相似系数, 交并比, F1分数 | NA |
| 1714 | 2025-09-11 |
Editorial for "A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients"
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70114
PMID:40928233
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1715 | 2025-12-17 |
Innovative Learning in Anatomy Education: Assessing the Impact of Low-Cost 3D Deep Learning Anatomical Models in Museum-Based Instruction
2026-Jan, Journal of surgical education
IF:2.6Q1
DOI:10.1016/j.jsurg.2025.103748
PMID:41187606
|
研究论文 | 本研究评估了基于低成本3D深度学习解剖模型的虚拟解剖博物馆教学方法对医学生临床推理和解剖学理解的影响 | 将低成本的交互式3D模型与深度学习技术（PointNeXt和AnatoVision Block）结合，创建了一个虚拟解剖博物馆平台，用于增强医学生的临床相关性和空间定向能力 | 研究样本量较小（40名学生），且为概念验证性研究；技术困难报告率为25%；对照组采用传统授课加3D打印模型，与实验组的数字交互方法存在质性差异，并非直接比较 | 评估虚拟解剖博物馆教学方法在提升医学生临床推理和解剖学熟练度方面的有效性 | 沙特阿拉伯国王哈立德大学应用医学科学学士课程的40名本科医学生 | 数字病理 | NA | 虚拟解剖博物馆、交互式3D可视化 | 深度学习 | 3D模型、问卷数据 | 40名本科医学生（实验组20人，对照组20人） | NA | PointNeXt, AnatoVision Block | 平均分、标准差、p值、百分比 | NA |
| 1716 | 2025-12-17 |
Predicting Radiation Pneumonitis Integrating Clinical Information, Medical Text, and 2.5D Deep Learning Features in Lung Cancer
2026-Jan-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.07.1437
PMID:40844448
|
研究论文 | 本文构建了一个基于临床信息、医学文本和2.5D深度学习特征的肺癌患者放射性肺炎预测模型 | 提出了一种结合临床信息、医学文本和2.5D多实例学习特征的放射性肺炎预测模型，为预测放疗副作用提供了新思路 | 模型在不同测试队列中的最优模型类型存在差异，可能影响泛化能力 | 构建放射性肺炎的预测模型以评估放疗副作用 | 肺癌患者 | 数字病理学 | 肺癌 | CT成像, 放射治疗剂量切片 | 深度学习模型 | 图像, 文本 | 594名患者（356名来自一个中心，238名来自三个其他中心） | NA | DenseNet121, DenseNet201, Twins-SVT | AUC | NA |
| 1717 | 2025-12-17 |
An Explainable 3D-Deep Learning Model for EEG Decoding in Brain-Computer Interface Applications
2025-Dec-30, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S012906572550073X
PMID:41109958
|
研究论文 | 本文提出了一种用于脑机接口应用中EEG解码的多维可解释深度学习框架 | 提出了一种基于三维卷积神经网络的可解释深度学习模型，通过全局到特定用户的微调策略减少校准时间，并引入三维遮挡敏感性分析增强模型透明度 | 模型在跨用户泛化方面可能存在限制，需要进一步验证在不同EEG数据集上的性能 | 开发一种快速、可解释的EEG解码方法，以降低脑机接口系统的用户特定校准时间 | 运动脑机接口实验中的EEG信号，特别是手部张开和手部闭合运动规划与静息状态的区分 | 机器学习 | NA | EEG信号处理 | CNN | EEG信号 | NA | NA | 3D Convolutional Neural Network | 准确率 | NA |
| 1718 | 2025-12-17 |
Usefulness of Data Simulation for Training Deep Learning Denoising Algorithms in Infrared Spectral Histology
2025-Dec-16, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02174
PMID:41337468
|
研究论文 | 本研究探讨了使用模拟数据训练深度学习模型，以去噪临床应用中石蜡包埋组织切片的红外光谱图像 | 提出了一种基于模拟线性生成模型的方法，结合不同谱带形状（Voigt、高斯和洛伦兹）和噪声类型（加性和乘性高斯噪声以及泊松噪声），以增强训练数据的多样性并提高模型泛化能力 | 模拟光谱的具体配置显著影响模型性能，且模拟数据的特性导致不同程度的成功 | 开发用于红外光谱图像去噪的深度学习技术，以减少扫描时间并促进临床部署 | 石蜡包埋组织切片的红外光谱图像 | 数字病理学 | NA | 傅里叶变换红外光谱 | CNN | 图像 | NA | NA | ResUNet-1D-CNN | NA | NA |
| 1719 | 2025-12-17 |
BayesOpGAN: A Bayesian-Optimized GAN Framework with Fourier-Based Evaluation for Quality-Controlled Raman Spectral Data Augmentation
2025-Dec-16, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04540
PMID:41344223
|
研究论文 | 本文提出了一种名为BayesOpGAN的生成对抗网络框架，用于从小样本（少于30个）中生成高质量的拉曼光谱数据，以解决深度学习模型在小数据集上过拟合和泛化能力差的问题 | 创新点包括引入了贝叶斯优化的损失函数（BayesOpLoss）和平滑上采样模块，并采用傅里叶距离这一频域度量来定量评估生成的一维光谱质量 | 生成数据存在最优增强范围，过量的生成数据会降低分类器性能 | 研究目的是开发一种可靠且可扩展的小样本光谱数据增强方法，以提升拉曼光谱分类模型的性能 | 研究对象为拉曼光谱数据，具体来自RRUFF拉曼数据库的混合质量数据集 | 机器学习 | NA | 拉曼光谱 | GAN | 光谱数据（一维信号） | 少于30个样本 | NA | GAN, ResNet-50 | 准确率, 傅里叶距离 | NA |
| 1720 | 2025-12-17 |
The intratumor microbiome and cancer immunity: from pathogenesis to therapeutic opportunities through artificial intelligence
2025-Dec-16, Expert review of clinical immunology
IF:3.9Q2
DOI:10.1080/1744666X.2025.2602537
PMID:41368873
|
综述 | 本文综述了肿瘤内微生物组与癌症免疫之间的相互作用，探讨了其在肿瘤发生发展中的作用，并评估了人工智能在整合多组学数据以推动精准肿瘤学方面的应用潜力 | 系统性地将肿瘤内微生物组（包括细菌、真菌和病毒）与癌症免疫调控及免疫治疗反应联系起来，并强调了人工智能在整合空间多组学数据以解析微生物功能空间定位方面的创新应用 | 面临数据异质性、模型可解释性、伦理问题以及缺乏标准化协议和高分辨率空间图谱等挑战 | 探讨肿瘤内微生物组在癌症发生、发展和治疗中的作用，并评估人工智能技术如何推动基于微生物组的精准肿瘤学发展 | 肿瘤内微生物组（细菌、真菌、病毒）及其与宿主免疫系统的相互作用 | 数字病理学 | 癌症 | 下一代测序, 空间转录组学 | 机器学习, 深度学习 | 多组学数据, 空间数据 | NA | NA | NA | NA | NA |