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 42905 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2026-04-04 |
Sign4all: a Spanish Sign Language dataset
2026-Feb-23, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06872-6
PMID:41730896
|
研究论文 | 本文介绍了Sign4all数据集，这是一个专为西班牙手语孤立词识别设计的高密度、手势平衡数据集 | 提出首个针对西班牙手语的高密度数据集，提供左右手平衡的样本表示，并包含视频和骨骼关键点两种数据格式 | 词汇量仅涵盖24个与餐饮领域相关的日常活动手势，未涉及连续手语识别 | 解决手语识别中数据稀疏性和右手偏向问题，促进包容性人机交互技术发展 | 西班牙手语(LSE)的孤立手势 | 计算机视觉 | NA | 视频录制、骨骼关键点提取 | Transformer, 骨骼模型 | 视频, 骨骼关键点 | 7,756个高分辨率RGB视频样本，平均每个手势323个样本 | TensorFlow, PyTorch | Transformer | NA | NA |
| 162 | 2026-04-04 |
Accelerating MRI With Longitudinally-Informed Latent Posterior Sampling
2026-Feb-22, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70257
PMID:41724725
|
研究论文 | 提出一种基于扩散模型的MRI重建框架，利用患者先前的扫描来加速后续扫描的图像重建 | 无需纵向配对训练数据，通过将不同时间点的扫描视为同一分布样本进行训练，在推理时整合先前的DICOM图像来引导后续扫描重建 | 未明确说明模型对极端解剖变化或病理变化的鲁棒性极限，且依赖于先验扫描的可用性 | 加速MRI采集，通过整合患者先前扫描信息提高重建图像质量 | 纵向MRI扫描数据，包括先前的DICOM图像和后续的k空间数据 | 医学影像重建 | NA | MRI，笛卡尔加速采集策略 | 扩散模型 | 图像，k空间数据，DICOM格式 | NA | NA | 扩散模型 | SSIM，PSNR | NA |
| 163 | 2026-04-04 |
A multi-modal approach for recognizing fake news and influential nodes in spreading them using deep learning and network analysis
2026-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35342-7
PMID:41708655
|
研究论文 | 本文提出了一种结合深度学习和网络分析的多模态方法，用于识别社交媒体上的假新闻及其传播中的关键节点 | 创新点在于将深度学习与基于图的聚类技术相结合，有效检测谣言源头并预测传播路径，采用GloVe技术描述内容特征，并引入新的聚类方法识别社区结构 | NA | 研究目标是减少社交媒体上谣言的危害，通过检测谣言源头和识别传播中的关键节点 | 研究对象是社交媒体网络中的谣言传播内容和用户节点 | 自然语言处理, 机器学习 | NA | GloVe技术, 深度神经网络, 图聚类 | 深度神经网络 | 文本, 网络图数据 | 使用了真实社交网络数据库 | NA | NA | 准确率, 精确率, 处理时间 | NA |
| 164 | 2026-03-28 |
A hybrid deep learning framework using convolutional and transformer models for robust plant disease classification
2026-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38209-z
PMID:41708692
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 165 | 2026-04-04 |
Integrative framework for cancer detection via integro-differential equations using deep learning techniques
2026-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39283-z
PMID:41708707
|
研究论文 | 本研究提出了一种结合积分-微分方程和深度学习技术的癌症检测框架，通过将2D医学图像转换为1D信号进行特征提取和分类 | 将积分-微分方程融入深度学习框架以建模肿瘤生长动态和时空强度变化，旨在提升模型的可解释性 | 存在数据依赖性、信号转换过程中的信息丢失以及数学模型简化等局限性 | 开发用于医学图像中癌症区域准确识别的计算工具 | 公开可用的乳腺X光摄影数据集（INbreast和MIAS） | 计算机视觉 | 癌症 | 深度学习 | CNN | 图像 | NA | NA | 1D卷积神经网络 | 准确率 | NA |
| 166 | 2026-02-19 |
Multimodal deep learning for survival prediction and biomarker discovery in non-small cell lung cancer
2026-Feb-17, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-026-00522-8
PMID:41703583
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 167 | 2026-04-04 |
Anatomy-guided visual prompt tuning for cross-modal breast cancer understanding
2026-Feb-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02417-8
PMID:41688744
|
研究论文 | 提出一种解剖学引导的视觉提示调优框架，用于跨模态乳腺癌理解 | 将明确的解剖结构整合到冻结的Vision Transformer骨干网络的提示空间中，动态生成组织感知提示，并通过跨模态对比对齐策略协调不同成像模态间的解剖语义 | 未明确说明模型在更广泛或多样化数据集上的泛化能力，以及计算资源的具体需求 | 实现乳腺癌的早期可靠检测，并提高跨成像模态的一致性 | 乳腺癌病变 | 计算机视觉 | 乳腺癌 | NA | Vision Transformer (ViT) | 图像 | 三个基准数据集（INbreast, BUSI, Duke-Breast-MRI） | NA | Vision Transformer (ViT) | 病变分类和分割性能指标（具体未列出，如准确率、Dice系数等） | NA |
| 168 | 2026-04-04 |
Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling
2026-Feb-13, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100975
PMID:41692323
|
研究论文 | 本文提出了一种名为SIGHT的3D计算流程，用于自动化和改进3D病理数据集中良性区域与前列腺癌富集区域的划分 | 开发了基于深度学习的3D图像翻译模型，将H&E模拟3D病理数据集转换为多路复用3D免疫荧光数据集，以促进肿瘤检测，并生成可解释的3D热图 | 未明确说明模型在更大或更多样化数据集上的泛化能力，以及计算资源的具体需求 | 自动化并改进3D病理数据集中良性区域与前列腺癌富集区域的划分，以支持基于3D病理数据集的风险分层 | 前列腺组织样本 | 数字病理学 | 前列腺癌 | 3D病理学，免疫荧光 | 深度学习图像翻译模型 | 3D图像数据 | 75名患者 | NA | NA | F1分数 | NA |
| 169 | 2026-04-04 |
An Artificial Intelligence Method for Phenotyping of OCT-Derived Thickness Maps Using Unsupervised and Self-supervised Deep Learning
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01539-x
PMID:40394321
|
研究论文 | 本研究提出了一种基于无监督和自监督深度学习的新型人工智能方法，用于对OCT衍生的视网膜层厚度图进行表型分析和聚类，以青光眼为模型疾病 | 提出了一种结合深度学习、流形学习和高斯混合模型的新方法，解决了OCT表型在不同数据集间迁移的挑战，实现了跨数据集的稳健表型识别 | 研究主要聚焦于青光眼作为模型疾病，方法在其他眼科疾病中的普适性有待进一步验证 | 通过人工智能分析OCT图像，增强对眼科疾病生理学和遗传结构的理解 | 光学相干断层扫描（OCT）图像，特别是视网膜层厚度图 | 计算机视觉 | 青光眼 | 光学相干断层扫描（OCT） | 深度学习 | 图像 | 两个大型数据集：MEE（18,985张图像）和UKBB（86,115张图像） | NA | NA | 皮尔逊相关系数 | NA |
| 170 | 2026-04-04 |
Deep learning-based segmentation of acute pulmonary embolism in cardiac CT images
2026-Feb, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03503-0
PMID:40996587
|
研究论文 | 本研究利用深度学习模型（nnU-Net和VT-UNet）对心脏CT图像中的急性肺栓塞进行自动分割，以提升诊断和治疗规划 | 首次将nnU-Net和基于Transformer的VT-UNet应用于急性肺栓塞的自动分割，并在自建CTPA数据集上实现了优于现有技术的性能 | 数据集规模有限（200个CTPA图像体积），且未在外部验证集上测试模型泛化能力 | 开发自动分割急性肺栓塞的深度学习模型，以辅助临床诊断和治疗规划 | 急性肺栓塞患者的CT肺动脉造影图像 | 计算机视觉 | 肺栓塞 | CT肺动脉造影 | CNN, Transformer | 图像 | 200个CTPA图像体积 | NA | nnU-Net, VT-UNet | Dice相似系数, 95百分位Hausdorff距离 | NA |
| 171 | 2026-04-04 |
A Deep Learning Framework With Domain Generalization and Few-Shot Learning for Locomotion Mode Classification Across Users, Sessions, and Prostheses
2026-Feb, IEEE transactions on medical robotics and bionics
IF:3.4Q2
DOI:10.1109/tmrb.2025.3606364
PMID:41924131
|
研究论文 | 本文提出了一种基于领域对抗训练和少样本学习微调的深度学习框架，用于跨用户、会话和假肢模型的运动模式分类 | 结合领域泛化和少样本学习，以处理跨会话和跨假体模型的数据分类问题，提高了未见会话或受试者数据的分类性能 | 研究仅基于两个假肢模型（VU Gen 2和Gen 3）的数据，样本量相对较小（11名受试者，31个会话），且仅针对五种运动任务 | 开发一个能够跨用户、会话和假肢模型进行运动模式分类的深度学习框架，以促进临床应用中分类算法的实施 | 经股截肢者使用不同假肢模型（Vanderbilt University Gen 2和Gen 3动力膝踝假肢）进行五种运动任务的数据 | 机器学习 | NA | NA | 深度学习 | 运动数据 | 11名受试者，31个会话，涉及两种假肢模型（VU Gen 2和Gen 3） | NA | NA | F1分数 | NA |
| 172 | 2026-04-04 |
Deep Learning Model With Nodule Indexing Tailored to Early-Stage Lung Cancer Detection
2026-Jan-29, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2026.01.025
PMID:41620056
|
研究论文 | 本研究评估了一种基于深度学习的AI系统，通过结节索引和恶性风险分层，在CT扫描中检测肺结节，并提高了放射科医生的诊断性能 | 开发了针对早期肺癌检测的深度学习模型，结合结节索引和恶性风险分层，显著提升了放射科医生在检测肺结节方面的敏感性和效率 | 研究数据集虽包含早期肺癌病例，但样本来源主要为NLST试验，可能限制了结果的泛化性 | 评估AI系统在CT扫描中辅助放射科医生检测肺结节和早期肺癌的性能 | CT扫描图像，包括209例筛查和131例非筛查病例，其中133例肺癌、61例良性非钙化结节和146例正常病例 | 计算机视觉 | 肺癌 | CT扫描 | 深度学习模型 | 图像 | 340例CT扫描，包含133例肺癌、61例良性结节和146例正常病例 | NA | NA | 敏感性, 特异性, AUC, 假阳性率, 解读时间 | NA |
| 173 | 2026-04-04 |
Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images
2026-Jan-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36375-8
PMID:41565837
|
研究论文 | 提出了一种轻量化的互惠门控融合框架，结合SqueezeNet和ShuffleNetV2，用于乳腺癌组织病理学图像的检测 | 提出了一种互惠门控融合机制，实现了两个高效卷积神经网络之间的结构化双向交互，增强了互补特征交换并抑制了冗余响应 | 未在摘要中明确说明 | 开发一种计算开销小、实用性强、精确可靠的计算机辅助诊断解决方案，用于乳腺癌检测 | 乳腺癌组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 图像 | 未在摘要中明确说明 | 未在摘要中明确说明 | SqueezeNet, ShuffleNetV2 | 多类准确率, 二元准确率 | 未在摘要中明确说明 |
| 174 | 2026-04-04 |
ViralBindPredict: empowering viral protein-ligand binding sites through deep learning and protein sequence-derived insights
2026-Jan-21, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giag010
PMID:41578956
|
研究论文 | 本文提出了ViralBindPredict，一种直接从蛋白质序列预测病毒蛋白-配体结合位点的深度学习框架 | 首次引入泄漏控制的大规模病毒蛋白-配体相互作用基准数据集，并开发了无需结构信息的序列直接预测方法 | 对于未见过的蛋白质，模型性能下降较大，表明蛋白质上下文对泛化能力有主导影响 | 加速抗病毒药物发现，支持靶点优先排序、化合物再利用和新药设计 | 病毒蛋白-配体结合位点 | 生物信息学 | 病毒性疾病 | 深度学习，蛋白质序列分析 | 多层感知机，LightGBM | 蛋白质序列，配体描述符 | 超过10,000个病毒链和约13,000个相互作用 | NA | 多层感知机 | 精确率，召回率 | NA |
| 175 | 2026-04-04 |
Using Artificial Intelligence to Automate the Analysis of Psoriasis Severity: A Pilot Study
2026, Dermatology (Basel, Switzerland)
DOI:10.1159/000549640
PMID:41269911
|
研究论文 | 本研究利用YOLOv8深度学习模型，基于2D临床图像特征，自动分类银屑病皮损严重程度，以改进PASI评分的客观性和一致性 | 首次应用YOLOv8模型对银屑病皮损的PASI关键子成分（红斑、厚度、鳞屑）进行自动化严重程度分类，并采用分层k折交叉验证增强模型在不同数据集上的可靠性 | 研究为初步试验，样本规模可能有限，且仅基于2D图像，未考虑三维或动态临床因素 | 利用人工智能提高银屑病严重程度评估的客观性和一致性 | 银屑病皮损的临床图像 | 计算机视觉 | 银屑病 | 深度学习 | CNN | 图像 | 三个不同数据集，具体样本数未明确 | Google Colab | YOLOv8 | 混淆矩阵, 准确率 | 云端环境（Google Colab） |
| 176 | 2026-04-04 |
Deep learning for cardiac MRI: performance evidence and barriers to clinical integration. A Systematic Review and Meta-Analysis
2026-Jan, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyag045
PMID:41877690
|
系统综述与荟萃分析 | 本系统综述与荟萃分析评估了深度学习在心脏磁共振成像中用于图像分割、预测和诊断的当前证据 | 首次对2020年至2025年间发表的深度学习在心脏MRI中的应用研究进行了全面的系统综述与荟萃分析，量化了模型在分割和诊断任务中的优异性能 | 纳入研究存在异质性，且大多数研究集中于分割任务，诊断和预测研究数量相对较少 | 评估深度学习在心脏磁共振成像中的应用证据，并探讨其临床整合的障碍 | 使用深度学习进行心脏磁共振图像分割、预测或诊断的研究 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习 | 医学影像 | 62项符合纳入标准的研究，其中12项纳入荟萃分析 | NA | U-Net | Dice分数, Hausdorff距离, 敏感性, 特异性, AUC | NA |
| 177 | 2026-04-04 |
Retraction: An inherently interpretable deep learning model for local explanations using visual concepts
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346306
PMID:41926417
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 178 | 2026-04-04 |
Physics-informed graph neural networks for robust cross-patient epileptic seizure prediction via chimera state detection
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345470
PMID:41926489
|
研究论文 | 本文提出了一种结合物理约束和图神经网络的混合模型，用于通过检测嵌合体状态实现跨患者的癫痫发作预测 | 将基于Kuramoto振荡器理论的物理约束与图神经网络结合，实现了自动、鲁棒且可解释的嵌合体状态检测，以进行癫痫发作预测 | 未明确说明模型在更广泛患者群体或不同癫痫类型中的泛化能力，以及实时临床部署的可行性 | 开发一种能够跨患者泛化、自动化且可解释的癫痫发作预测方法 | 癫痫患者的多通道脑电图数据 | 计算神经科学, 机器学习 | 癫痫 | 脑电图 | 图神经网络, 状态空间网络 | 时间序列数据 | CHB-MIT数据集（22名儿科患者，182次发作），IEEG.org数据集（16名成人患者，87次发作），总计844小时连续脑电图 | PyTorch | HP-GNN, Mamba | 准确率, 敏感性, 假阳性率每小时, 交叉验证 | 未明确说明 |
| 179 | 2026-04-04 |
Explainable AI-driven hybrid deep learning framework for accurate skin cancer diagnosis
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261438923
PMID:41928825
|
研究论文 | 本文提出了一种混合可解释深度学习框架，用于多类别皮肤癌的准确诊断 | 结合了EfficientNetB0与随机森林分类器，并采用概率级融合，提高了模型在不同采集条件下的鲁棒性，同时通过Grad-CAM提供临床可解释的决策依据 | 数据增强仅限于训练集以防止泄露，但未详细讨论模型在外部验证集上的泛化能力 | 开发并评估一种混合可解释深度学习方法，以提升皮肤癌分类的准确性和临床可解释性 | 皮肤癌病变图像，包括HAM10000数据集（7类）和ISIC2019+DermNet组合数据集（8类） | 计算机视觉 | 皮肤癌 | 深度学习，图像预处理（Dull Razor去毛发，各向异性扩散滤波） | CNN, Random Forest | 图像 | HAM10000数据集和ISIC2019+DermNet组合数据集，具体样本数未明确说明 | TensorFlow, PyTorch | EfficientNetB0 | 准确率, F1分数, 灵敏度, AUC | 未明确说明 |
| 180 | 2026-04-04 |
Development of a multi-label deep neural network model for predicting immediate paravalvular leakage and new-onset conduction disturbances after transcatheter aortic valve replacement: A retrospective cohort study
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261427502
PMID:41928824
|
研究论文 | 本研究开发了一种基于深度学习的多标签预测模型，用于同时预测经导管主动脉瓣置换术后即刻的瓣周漏和新发传导障碍 | 采用多标签建模策略，同时预测两种并发症，克服了现有模型多关注单一并发症且忽略其相互关联性的局限 | 研究为回顾性队列研究，可能存在选择偏倚；模型在单中心数据上开发，外部泛化能力有待验证 | 开发一个能够同时预测TAVR术后两种主要并发症（PVL和CDs）的预测模型，以辅助临床决策 | 接受首次TAVR手术的主动脉瓣狭窄患者 | 机器学习 | 心血管疾病 | NA | 深度学习, 神经网络 | 临床特征数据 | 966名患者（771名训练，195名测试） | NA | Muex, 神经网络 | AUROC, 集成校准指数 | NA |