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 42805 篇文献，本页显示第 1801 - 1820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1801 | 2026-03-13 |
A dual-branch deep learning framework for emotion recognition from EEG signals
2026-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42998-8
PMID:41813771
|
研究论文 | 本文提出了一种新颖的双分支深度学习框架，用于从脑电图信号中识别情绪，该框架整合了时域和频域特征提取 | 提出了一种混合双分支深度学习架构，集成了LSTM和CNN分别从原始EEG信号和MFCC表示中提取时域和空间特征，并引入了创新的跨模态增强机制（如逆MFCC计算和LSTM到MFCC投影）以实现双向特征学习 | 未在摘要中明确说明 | 开发一个稳健的基于EEG的情绪识别系统，用于心理健康监测和个性化医疗 | 脑电图信号 | 机器学习 | 心理健康相关疾病 | 脑电图 | LSTM, CNN, ANN | 脑电图信号 | 三个基准数据集：Brainwave EEG, WESAD, SWELL | 未在摘要中明确说明 | LSTM, CNN, ANN | 准确率, 精确率, 召回率, F1分数 | 未在摘要中明确说明 |
| 1802 | 2026-03-13 |
Mamba ECIS for power marketing customer behavior forecasting using multimodal deep learning
2026-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43438-3
PMID:41813792
|
研究论文 | 本文提出了一种名为Mamba-ECIS的多模态深度学习模型，用于电力营销客户行为预测 | 通过结合多模态数据并引入双架构与因果-结果注意力模块，增强了模型对短期波动和长期趋势的捕捉能力，同时提升了可解释性 | NA | 开发一个能够同时处理多模态数据并捕捉长期依赖关系的预测模型，以应对能源行业需求变化和环境影响的复杂性 | 电力营销客户行为 | 机器学习 | NA | 多模态深度学习 | NA | 多模态数据 | UCI能源消耗数据集和Pecan Street Dataport数据集 | NA | Mamba-ECIS | 多种评估指标 | NA |
| 1803 | 2026-03-13 |
Perilesional neuromodulation replaces lost sensorimotor function in persons with spinal cord injury
2026-Mar-11, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-026-01627-5
PMID:41813803
|
研究论文 | 本文介绍了一种针对脊髓损伤患者的病灶周围神经调控方法，首次在人体中实现了同时恢复下肢运动功能和体感反馈 | 首次在人体中应用病灶周围硬膜外电刺激，结合现代深度学习方法确定刺激参数，实现了运动与感觉功能的同步恢复 | 研究仅涉及三名参与者，样本量较小，且为慢性完全性运动损伤患者，结果可能不适用于所有脊髓损伤类型 | 开发一种神经调控框架，以恢复脊髓损伤患者的运动和感觉功能 | 三名患有慢性完全性运动脊髓损伤的参与者 | NA | 脊髓损伤 | 硬膜外电刺激 | 深度学习 | NA | 3名慢性完全性运动脊髓损伤患者 | NA | NA | NA | NA |
| 1804 | 2026-03-13 |
Development of head-to-head and longitudinal CycleGAN algorithm for MRI harmonization: validation in follow-up MRI evaluation in patients with brain metastasis
2026-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43755-7
PMID:41813851
|
研究论文 | 本文开发了一种基于CycleGAN的深度学习算法，用于MRI图像协调化，并在脑转移瘤患者的随访MRI评估中验证其临床效用 | 首次将CycleGAN技术应用于减少脑转移瘤患者纵向随访MRI中的扫描仪间变异性，并验证其在临床诊断中的效果 | 研究仅针对未变化的脑转移瘤患者，未涵盖疾病进展或多种扫描仪类型的情况 | 开发并验证一种MRI协调化算法，以降低脑转移瘤随访MRI评估中的假阳性诊断 | 脑转移瘤患者的纵向MRI图像 | 医学影像分析 | 脑转移瘤 | MRI | GAN | 图像 | NA | NA | CycleGAN | 图像相似性评分, CNR差异, 诊断置信度 | NA |
| 1805 | 2026-03-13 |
Validation of the Eyerobo FC Portable Fundus Camera for Diabetic Retinopathy Screening Using Public Datasets and Deep Learning
2026-Mar-11, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-026-01353-w
PMID:41814043
|
研究论文 | 本研究验证了Eyerobo FC便携式免散瞳眼底相机在糖尿病视网膜病变筛查中的诊断性能，通过迁移学习方法，将基于桌面相机图像训练的AI算法应用于便携相机图像，证明了其非劣效性 | 首次通过迁移学习方法，将基于标准桌面眼底相机图像训练的深度学习模型直接应用于新型便携式免散瞳眼底相机（Eyerobo FC）图像进行验证，并成功证明了其诊断性能的非劣效性 | 前瞻性验证队列样本量相对较小（N=104只眼），且研究主要关注糖尿病视网膜病变，未涵盖其他眼部疾病 | 验证新型便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能，并与已建立的桌面眼底相机基准进行比较 | 糖尿病视网膜病变患者的眼底图像，包括来自公共数据集（EyePACS, APTOS 2019, Messidor-2）的桌面相机图像和前瞻性队列中Eyerobo FC采集的图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底成像 | 深度学习 | 图像 | 训练使用公共数据集（EyePACS, APTOS 2019），参考标准评估使用Messidor-2数据集（N=1748只眼），验证使用前瞻性队列（N=104只眼：52只可转诊DR，52只不可转诊） | 未明确指定，但提及使用深度学习模型 | EfficientNet-B4 | 灵敏度, 特异度, AUC, 准确率, Cohen's kappa | NA |
| 1806 | 2026-03-13 |
CONReg: Uncertainty-Aware Medical Image Registration Using Conformal Prediction
2026-Mar-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01878-3
PMID:41814074
|
研究论文 | 提出了一种名为CONReg的框架，结合分位数回归与保形预测，为医学图像配准提供体素级和病例级的不确定性量化 | 首次将保形预测与分位数回归结合用于医学图像配准的不确定性量化，并引入不确定性边界框对关键点和整个病例进行分层 | 研究主要基于公开的脑部和肺部数据集，未在其他器官或模态上验证；方法依赖于预定义的解剖关键点 | 提高深度学习医学图像配准的可靠性和可解释性，通过不确定性量化识别预测不可信的区域和病例 | 医学图像配准中的密集位移场 | 医学图像分析 | NA | 深度学习，不确定性量化 | CNN | 3D医学图像 | 公开的脑部和肺部数据集 | PyTorch, TensorFlow | 3D U-Net, VoxelMorph | 经验覆盖率，目标配准误差，均方误差 | NA |
| 1807 | 2026-03-13 |
A Dual-Reweighting Defense Strategy Against Data Poisoning Attacks in Medical Image Classification Models
2026-Mar-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01886-3
PMID:41814073
|
研究论文 | 本文提出了一种名为Dweighted的双重加权防御策略，以增强医疗图像分类模型对抗数据投毒攻击的安全性和鲁棒性 | 提出了一种结合双重加权与聚类分析的新型防御方案，通过动态调整客户端权重并利用PCA和K-means聚类精确识别和消除恶意客户端 | NA | 解决医疗图像分类模型在数据投毒攻击下的安全问题，提升模型的安全性和鲁棒性 | 医疗图像分类模型及其在数据投毒攻击下的防御 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | NA | NA | NA | 整体准确率, 攻击成功率 | NA |
| 1808 | 2026-03-13 |
Prediction of MYC/BCL-2 co-expression in diffuse large B-cell lymphoma using a multimodal fusion model: a retrospective study based on PET/CT habitat radiomics and deep learning
2026-Mar-11, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-026-01014-y
PMID:41814400
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1809 | 2026-03-13 |
AI-powered biomechanical modeling for ACL-reconstructed knees: predicting knee joint contact forces via computer vision and deep learning
2026-Mar-11, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-026-01939-2
PMID:41814442
|
研究论文 | 本研究开发并验证了一个结合计算机视觉和深度学习的非侵入式框架，用于预测前交叉韧带重建患者在日常活动中的膝关节接触力 | 结合增强的肌肉骨骼建模与包含时空注意力的深度学习架构，提高了跨多种运动任务的膝关节接触力预测精度，实现了从静态实验室分析到动态实时监测的范式转变 | 研究样本量相对较小（29名患者），且仅评估了三种日常活动，可能未涵盖所有相关运动模式 | 开发并验证一个集成、非侵入式的框架，以准确预测前交叉韧带重建患者在日常活动中的膝关节接触力 | 29名前交叉韧带重建术后患者 | 计算机视觉, 机器学习 | 前交叉韧带损伤 | 计算机视觉, 深度学习, 肌肉骨骼建模 | CNN, BiGRU, 注意力机制 | 运动轨迹数据, 运动学数据 | 29名患者 | NA | CNN-BiGRU-Attention | R² | NA |
| 1810 | 2026-03-13 |
Unlocking the black box: multimodal imaging and quantitative analysis of plant vesicular trafficking
2026-Mar-10, Advanced biotechnology
DOI:10.1007/s44307-026-00101-2
PMID:41803325
|
综述 | 本文综述了整合先进化学生物学与深度学习计算分析的新范式，以解锁植物囊泡运输的动态过程 | 提出了一种整合pH敏感探针、共价标签、荧光计时器与深度学习计算分析的多模态成像与定量分析新范式，实现了对分子事件前所未有的高保真可视化及囊泡动力学的严格数学建模 | NA | 揭示植物如何将环境刺激快速转化为生理反应，并解析囊泡运输在其中的核心作用 | 植物囊泡运输过程 | 计算生物学 | NA | 多模态成像，pH敏感探针（如pHluorin），共价标签（HaloTag），荧光计时器，下一代FRAP/FCS变体（DeepFRAP, FCSNet） | 深度学习 | 多模态成像数据 | NA | NA | NA | NA | NA |
| 1811 | 2026-03-11 |
Deep Learning for Analysis of Bone Marrow Adiposity: Breakthroughs from Recent Large-Scale Analyses in the UK Biobank
2026-Mar-10, Current osteoporosis reports
IF:4.2Q1
DOI:10.1007/s11914-026-00953-6
PMID:41803515
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1812 | 2026-03-13 |
Use of synthetic data, a novel paradigm for immunopathology
2026-Mar-10, Current opinion in immunology
IF:6.6Q1
DOI:10.1016/j.coi.2026.102753
PMID:41812346
|
综述 | 本文讨论了合成数据作为人工智能新范式在免疫病理学中的应用，特别是在自身免疫性疾病中的潜力 | 提出合成数据作为放大镜，能够预测疾病分类、进展和治疗反应，并支持数字孪生等精准医学应用 | 目前合成数据在免疫病理学中应用不足，且其复杂性和异质性可能未被完全捕获 | 探讨合成数据在自身免疫性疾病研究中的应用及其对精准医学的转化机会 | 自身免疫性疾病 | 机器学习 | 自身免疫性疾病 | NA | 深度学习 | 表格数据、医学图像、基因组学、流式细胞术数据 | NA | NA | NA | NA | NA |
| 1813 | 2026-03-13 |
Applications for the YOLO deep learning framework in dentistry: A narrative review
2026-Mar-10, Journal of prosthodontic research
IF:3.2Q1
DOI:10.2186/jpr.JPR_D_25_00374
PMID:41813162
|
综述 | 本文综述了YOLO深度学习框架在牙科领域的应用，包括龋齿检测、牙齿编号、生物材料评估、修复与种植规划、教育、唾液生物标志物分析和口腔癌检测等 | 首次系统性地综述了YOLO在牙科多个子领域的应用，并指出了其在实时诊断、教育平台和精准医疗中的潜力 | 存在数据集小、成像协议不一致以及外部验证有限等挑战 | 为牙科专业人士和研究人员提供YOLO在牙科应用的全面概述 | 牙科领域的图像数据，如X光片、锥形束CT图像等 | 计算机视觉 | 口腔疾病 | 深度学习 | YOLO | 图像 | NA | NA | YOLO | 精度, 效率 | NA |
| 1814 | 2026-03-13 |
A two-step scoring model incorporating visceral-to-subcutaneous fat ratio and systemic immunoinflammatory index for predicting cytokine release syndrome severity in patients with gastric cancer receiving Claudin18.2-targeted CAR-T cell therapy
2026-Mar-09, Cancer immunology, immunotherapy : CII
DOI:10.1007/s00262-026-04341-y
PMID:41801430
|
研究论文 | 本研究开发了一个结合内脏脂肪与皮下脂肪比率和全身免疫炎症指数的两步评分模型，用于预测接受Claudin18.2靶向CAR-T细胞治疗的胃癌患者细胞因子释放综合征的严重程度 | 首次将基于CT图像的身体成分参数（特别是内脏脂肪与皮下脂肪比率）与全身免疫炎症指数结合，构建了一个两步评分模型来预测CAR-T细胞治疗中细胞因子释放综合征的严重程度 | 样本量较小（仅45例患者），且为单中心研究，可能限制了结果的普遍适用性 | 预测接受Claudin18.2靶向CAR-T细胞治疗的晚期胃癌患者细胞因子释放综合征的严重程度 | 45例接受CLDN18.2靶向CAR-T细胞治疗的晚期胃癌患者 | 数字病理学 | 胃癌 | CT成像，深度学习图像分割 | 深度学习 | CT图像，临床指标 | 45例晚期胃癌患者 | NA | NA | AUC | NA |
| 1815 | 2026-03-11 |
Retraction Note: Multimodal deep learning for cephalometric landmark detection and treatment prediction
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42846-9
PMID:41803246
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1816 | 2026-03-13 |
Evolution: Shark and ray biodiversity in deep time
2026-Mar-09, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2026.01.047
PMID:41806816
|
研究论文 | 本文利用深度学习评估大数据，探讨鲨鱼和鳐鱼在深时尺度上的生物多样性演化 | 应用深度学习技术处理大数据，为鲨鱼和鳐鱼古生物多样性研究提供新方法 | NA | 研究鲨鱼和鳐鱼在深时尺度上的生物多样性演化 | 鲨鱼和鳐鱼 | 机器学习 | NA | 深度学习 | NA | 大数据 | NA | NA | NA | NA | NA |
| 1817 | 2026-03-13 |
Deep learning-assisted portable fluorescence device for dynamic monitoring of mercury absorption in rice
2026-Mar-09, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2026.148815
PMID:41812440
|
研究论文 | 本研究开发了一种结合深度学习与便携式荧光设备的系统，用于动态监测水稻对汞的吸收 | 首次将氮掺杂碳点荧光探针、3D打印便携设备、智能手机成像与卷积神经网络特征提取相结合，实现了汞的现场定量动态监测 | 未明确说明模型在复杂环境基质中的长期稳定性及抗干扰能力，样本类型和数量可能有限 | 开发一种简单有效的现场汞检测策略，动态监测水稻对汞的吸收过程 | 水稻、环境水样（自来水、河水、废水）中的汞离子 | 计算机视觉 | NA | 荧光检测法、水热合成法 | CNN | 图像（荧光图像） | 未明确说明具体样本数量，但包括自来水、河水、废水及水稻样品 | NA | NA | 相关系数R、检测限、回收率 | NA |
| 1818 | 2026-03-13 |
An Automated Framework for Quantitative Alveolar Bone Loss Using Deep Learning-Based Landmark Detection
2026-Mar-09, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2026.106620
PMID:41812977
|
研究论文 | 本文开发了一种基于深度学习的自动化框架，用于在全景X光片上定量测量牙槽骨丧失 | 通过将深度学习地标检测与曲线拟合相结合，实现了全口牙槽骨丧失的自动化定量分析 | 未在摘要中明确说明 | 开发并评估一种用于在全景X光片上自动量化牙槽骨丧失的框架 | 全景X光片（PANs） | 计算机视觉 | 牙周疾病 | 全景X光成像 | 深度学习 | 图像 | 760张全景X光片（分为训练集532张、验证集152张、测试集76张） | NA | TransPose, HRNet, YOLOv8 | 平均径向误差（MRE）, 成功检测率（SDR）, 组内相关系数（ICC）, 灵敏度, 特异性 | NA |
| 1819 | 2026-03-13 |
Integrating single-cell atlases and machine learning to construct 'in silico patients' for predicting individualized drug responses
2026-Mar-06, Biochemical pharmacology
IF:5.3Q1
DOI:10.1016/j.bcp.2026.117873
PMID:41796725
|
综述 | 本文综述了整合单细胞图谱与机器学习构建“硅基患者”以预测个体化药物反应的新兴概念 | 提出了整合多源数据（大规模单细胞图谱、药物基因组数据库、患者特异性scRNA-seq数据）的“硅基患者”预测框架，并利用AI（特别是深度学习和迁移学习）将细胞系知识应用于临床患者数据，结合肿瘤微环境（TME）影响和先进临床前模型（如急性组织切片培养）形成“预测-验证-优化”闭环 | NA | 为开发下一代个体化药物反应预测工具提供全面的概念蓝图 | 肿瘤生态系统，特别是肿瘤细胞异质性和药物反应 | 机器学习 | 肿瘤 | 单细胞RNA测序（scRNA-seq） | 深度学习, 迁移学习 | 单细胞RNA测序数据, 药物基因组数据 | NA | NA | NA | NA | NA |
| 1820 | 2026-03-13 |
Oxylipin profile data analysis: Current methodologies, challenges, and future directions
2026-Mar-06, Progress in lipid research
IF:14.0Q1
DOI:10.1016/j.plipres.2026.101381
PMID:41796823
|
综述 | 本文综述了氧脂素（oxylipin）谱数据分析的当前方法、挑战及未来方向 | 批判性评估了现有方法，并强调了机器学习与深度学习模型在氧脂素数据分析中的新兴应用潜力 | 新兴的机器学习与深度学习方法目前受限于数据可用性 | 增强氧脂素数据在系统生物学和转化脂质研究中的生物可解释性 | 氧脂素谱数据分析 | 生物信息学 | NA | 靶向质谱技术 | 机器学习, 深度学习 | 质谱数据 | NA | NA | NA | NA | NA |