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 42799 篇文献，本页显示第 1921 - 1940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1921 | 2026-03-11 |
Development and validation of an interpretable MRI-based multimodal fusion model for predicting lymph node metastasis after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter study
2026-Mar-09, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05391-7
PMID:41801383
|
研究论文 | 本研究开发并验证了一个可解释的、基于多参数MRI的多模态融合模型，用于预测局部晚期直肠癌患者新辅助放化疗后的淋巴结转移 | 提出了一种新颖的可解释多模态融合框架，将基于深度学习的影像组学特征与临床Node-RADS评分相结合，用于预测局部晚期直肠癌新辅助放化疗后的淋巴结转移 | 研究为回顾性设计，样本量相对有限（190例），且仅来自三个中心，可能存在选择偏倚 | 开发并验证一个可解释的预测模型，以评估局部晚期直肠癌患者在新辅助放化疗后发生淋巴结转移的风险 | 局部晚期直肠癌患者 | 数字病理学 | 直肠癌 | 磁共振成像 | 深度学习, 逻辑回归 | 医学影像 | 190名来自三个独立中心的局部晚期直肠癌患者 | NA | NA | AUC | NA |
| 1922 | 2026-03-11 |
EENet-RLA: An Explainable Prediction Learning Framework for Alzheimer's Disease Classification from EEG Signals
2026-Mar-09, Brain topography
IF:2.3Q3
DOI:10.1007/s10548-026-01183-w
PMID:41801479
|
研究论文 | 提出一种名为EENet-RLA的可解释预测学习框架，用于从脑电图信号中分类阿尔茨海默病 | 结合动态系统理论与深度学习，引入基于嵌入熵的因果稳定性驱动脑电图通道选择策略，并融合ResNet、LSTM和多头注意力机制提取时空特征 | 在有限样本条件下验证，可能受数据集规模限制，且方法主要针对类似信号特性的神经系统疾病 | 开发一种高可解释性的脑电图分类框架，用于阿尔茨海默病的诊断 | 阿尔茨海默病患者及相关的脑电图信号 | 机器学习 | 阿尔茨海默病 | 脑电图 | CNN, LSTM | 脑电图信号 | BrainLat脑电图数据集（具体样本数未明确说明） | NA | ResNet, LSTM | 准确率 | NA |
| 1923 | 2026-03-11 |
Accurate CT-free correction of attenuation, scatter, and aperture effects using deep learning in dedicated cardiac pinhole SPECT
2026-Mar-09, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-026-02187-z
PMID:41801662
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1924 | 2026-03-11 |
Discovery of Peripheral Airway Beyond Incomplete CT Annotations for Navigational Bronchoscopy
2026-Mar-09, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3672178
PMID:41801779
|
研究论文 | 本文提出了一种名为ASTRA-Net的深度学习框架，用于从CT扫描中分割标注和未标注的气道分支，以支持支气管镜导航 | 提出了首个能够同时分割标注和未标注气道分支的深度学习框架，并集成了辅助解剖输入、编码器引导注意力模块、中心线和分支感知损失加权方案以及分辨率鲁棒的后优化步骤等四个关键创新组件 | 未明确说明模型在极端成像条件下的性能，也未讨论计算效率对实时临床应用的适用性 | 开发一种鲁棒的气道分割方法，以改进支气管镜导航的准确性和可靠性 | CT扫描中的外周气道分支 | 数字病理学 | 肺癌 | CT扫描 | 深度学习 | 医学图像（CT） | 多个公共和内部数据集（具体数量未明确说明） | 未明确说明 | ASTRA-Net | 树检测率（TDR）、分支检测率（BDR）、重叠分数 | 未明确说明 |
| 1925 | 2026-03-11 |
Explainable Deep Learning for Cyber Threat in IoMT: A Synchronization-Enhanced Sparse Autoencoder Approach
2026-Mar-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3671680
PMID:41801774
|
研究论文 | 本文提出了一种用于医疗物联网网络透明化网络威胁检测的新型可解释深度学习框架 | 提出了一种集成稀疏自编码器与神经同步机制的可解释深度学习框架，通过神经元级局部激活一致性约束和基于同步的功能模块构建，实现高检测精度与可解释决策过程 | 未提及具体局限性 | 开发用于医疗物联网网络的可解释网络威胁检测机制 | 医疗物联网网络中的网络威胁 | 机器学习 | NA | 深度学习 | 稀疏自编码器 | 网络安全数据集 | CIC IoMT 2024和物联网医疗安全数据集 | NA | 稀疏自编码器 | 准确率, 可解释性分数 | NA |
| 1926 | 2026-03-11 |
Usability of a deep learning platform for detecting radiographic bone loss and furcation involvement
2026-Mar-09, Journal of periodontology
IF:4.2Q1
DOI:10.1002/jper.70106
PMID:41801972
|
研究论文 | 本研究开发了一个基于深度学习的在线平台，用于从根尖周X光片中检测放射学骨丧失和分叉病变，并评估其可用性 | 开发了一个端到端的深度学习平台，能够测量放射学骨丧失、识别分叉病变，并基于根尖周X光片提供病例级别的牙周诊断建议 | 研究未详细说明深度学习模型的具体架构或训练细节，且样本量（100个临床病例）可能有限，需要进一步验证 | 开发并评估一个基于深度学习的在线平台，以辅助临床医生基于根尖周X光片进行牙周炎诊断 | 牙科学生、住院医师和牙医作为平台可用性的评估者 | 数字病理学 | 牙周病 | 放射学成像（根尖周X光片） | 深度学习模型 | 图像 | 6,552张口腔内放射学图像，用于开发模型；100个临床病例用于平台性能评估；60名参与者（20名牙科学生、20名住院医师、20名牙医）用于可用性调查 | NA | NA | 准确度（Extent、Stage、Grade）、系统可用性量表（SUS）分数 | NA |
| 1927 | 2026-03-11 |
Analytical Methods for the Authentication of Ginger and Ginger Products: A Critical Review of Studies Between 2005 and 2024
2026-Mar-09, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2026.2634884
PMID:41802302
|
综述 | 本文对2005年至2024年间关于姜及其产品真伪鉴定的分析研究进行了批判性回顾 | 强调了单一分析方法不足以进行全面鉴定，需要综合、多分析策略，并指出了新兴技术（如高光谱成像、荧光寿命成像和深度学习驱动的计算机视觉）在非侵入性质量评估中的潜力 | DNA方法由于高遗传保守性，在品种区分方面仍有限制 | 评估姜及其产品的真伪鉴定方法，以应对经济驱动的掺假问题 | 姜及其衍生产品 | NA | NA | 光谱技术（FTIR, FT-NIR, NMR）、色谱方法（HPLC, GC-MS）、稳定同位素比率分析、DNA方法、高光谱成像、荧光寿命成像、深度学习驱动的计算机视觉 | NA | NA | NA | NA | NA | NA | NA |
| 1928 | 2026-03-11 |
Deep learning for predicting stem cell efficiency for use in beta cell differentiation
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42830-3
PMID:41803201
|
研究论文 | 本文提出了一种基于深度学习的图像模型，用于预测干细胞克隆在β细胞分化中的效率，以指导高效克隆的选择 | 首次将深度学习与无标记成像结合，实现对干细胞分化结果的早期预测，准确率高达96.7% | 研究为概念验证性质，样本规模可能有限，且模型在更广泛细胞类型或条件下的泛化能力未经验证 | 预测干细胞克隆在β细胞分化中的效率，以优化细胞治疗用于糖尿病的细胞生产 | 患者来源的干细胞克隆 | 计算机视觉 | 糖尿病 | 相差成像 | CNN | 图像 | 未明确指定样本数量，但涉及患者来源的干细胞克隆 | 未明确指定，可能为TensorFlow或PyTorch | EfficientNet-V2-S | 准确率 | NA |
| 1929 | 2026-03-11 |
Harnessing multi-modal deep learning for multi-drone navigation-based trajectory prediction system
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42180-0
PMID:41803339
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1930 | 2026-03-11 |
Deep learning-based HTTP TRACE flood detection in wireless sensor network using deep spectral multi-layer convolutional neural network
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42474-3
PMID:41803397
|
研究论文 | 本文提出了一种基于深度学习的增强型深度谱多层卷积神经网络（EDSMCNN），用于检测无线传感器网络中的HTTP TRACE洪水攻击 | 引入EDSMCNN模型，结合蜘蛛算法进行特征选择，利用SoftMax和逻辑激活函数处理HTTP请求，以提高CPU性能并有效预测TRACE攻击流量 | 未明确提及模型在多样化网络环境或大规模部署中的泛化能力，以及对抗新型攻击变体的测试 | 提高无线传感器网络的安全性，通过深度学习检测HTTP TRACE洪水攻击，防止敏感数据泄露和网络性能下降 | 无线传感器网络中的HTTP TRACE洪水攻击流量 | 机器学习 | NA | 深度学习，特征选择（蜘蛛算法），SoftMax函数 | CNN | 网络流量数据（HTTP请求数据集） | NA | NA | 增强型深度谱多层卷积神经网络（EDSMCNN） | CPU性能提升，计算时间减少 | NA |
| 1931 | 2026-03-11 |
Diagnostic Accuracy of Deep Learning for Automated Detection of Spinal Degenerative Disease on MRI: A Systematic Review and Meta-Analysis
2026-Mar-09, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01897-0
PMID:41803519
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了深度学习模型在脊柱磁共振成像上自动检测或分类脊柱退行性疾病的诊断准确性 | 首次对深度学习在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性进行系统综述和荟萃分析，并探讨了临床相关异质性 | 纳入研究存在偏倚风险，主要为回顾性单中心设计，参考标准主观，外部验证有限，临床准备度受限 | 评估深度学习模型在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性并探索临床异质性 | 脊柱退行性疾病 | 医学影像分析 | 脊柱退行性疾病 | 磁共振成像 | 深度学习模型 | 磁共振图像 | 14项研究（2020-2025年），样本量范围29至2991 | NA | NA | 敏感性, 特异性, 阳性似然比, 阴性似然比 | NA |
| 1932 | 2026-03-11 |
A robust and versatile deep learning model for prediction of the arterial input function in dynamic small animal [18F] FDG PET imaging
2026-Mar-09, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-026-01398-9
PMID:41803557
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1933 | 2026-03-11 |
HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning
2026-Mar-09, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-026-12738-3
PMID:41803713
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1934 | 2026-03-11 |
Multiphase CT-based deep learning radiomics nomogram models for preoperative WHO/ISUP grading of clear cell renal cell carcinoma: a two-center validation study
2026-Mar-09, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02268-5
PMID:41803747
|
研究论文 | 本研究开发并验证了一种基于多期相CT成像的深度学习放射组学列线图模型，用于术前预测肾透明细胞癌的WHO/ISUP核分级 | 整合了多期相CT成像、放射组学特征、深度学习特征和临床变量，构建了综合性的预测模型，显著优于单一方法 | 研究为回顾性设计，可能存在选择偏倚；模型性能需在更大规模、前瞻性队列中进一步验证 | 术前非侵入性预测肾透明细胞癌的WHO/ISUP核分级，以辅助手术规划 | 经组织学确认的肾透明细胞癌患者 | 数字病理学 | 肾癌 | 多期相计算机断层扫描（CT）成像 | 深度学习, 机器学习 | 医学影像（CT图像） | 1499名患者（训练集929例，内部验证集398例，外部验证集172例） | 未明确说明 | DenseNet201 | AUC（曲线下面积） | NA |
| 1935 | 2026-03-11 |
Ultrafast deep learning super-resolution single-shot T2-weighted imaging for robust edema visualization in cardiovascular magnetic resonance
2026-Mar-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102708
PMID:41802637
|
研究论文 | 本研究比较了深度学习超分辨率重建的屏气与自由呼吸单次激发黑血T2加权短时反转恢复成像与标准屏气T2-STIR在心血管磁共振中的诊断质量 | 应用深度学习超分辨率重建技术实现超快速T2-STIR采集，在保持水肿检测准确性的同时显著缩短扫描时间并提升图像质量 | 研究样本量相对较小（81名参与者），且为单中心前瞻性研究，可能需要多中心验证以推广结果 | 评估深度学习超分辨率重建单次激发T2加权成像在心血管磁共振中用于水肿可视化的诊断性能 | 心血管疾病患者的心肌水肿 | 数字病理 | 心血管疾病 | 心血管磁共振成像，T2加权短时反转恢复序列 | 深度学习 | 医学图像 | 81名参与者（平均年龄54±20岁，50名男性） | NA | NA | 水肿检测一致性，扫描时间，伪影负担，图像对比度和锐度，诊断确定性，水肿可见性，评分者间一致性（Kappa系数） | NA |
| 1936 | 2026-03-11 |
FADFNet: A fine-tunable and adaptive decomposition-fusion network for cross-dataset low-dose CT and low-dose PET image reconstruction
2026-Mar-03, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104016
PMID:41802384
|
研究论文 | 提出一种用于跨数据集低剂量CT和低剂量PET图像重建的可微调自适应分解融合网络FADFNet | 提出基于频率感知范式的分解融合网络，结合小波变换分解模块、上下文感知空间通道调制机制和频域特征金字塔融合模块，并引入参数高效微调策略实现跨域适应 | 未明确说明模型在极端噪声条件下的性能表现，也未讨论对罕见病理结构的重建能力 | 解决低剂量医学影像重建中的噪声问题，提高跨数据集和跨模态的适应性 | 低剂量CT图像和低剂量PET图像 | 计算机视觉 | NA | 小波变换 | CNN | 医学影像 | 四个LDCT数据集和四个LDPET场景 | NA | FADFNet | 信号保真度，感知质量 | NA |
| 1937 | 2026-03-11 |
Sequence-based modeling of low-affinity transcription factor-DNA binding through deep learning
2026-Mar, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqag027
PMID:41799016
|
研究论文 | 本研究通过深度学习模型评估不同DNA序列方向处理策略，以改进对低亲和力转录因子- DNA结合位点特异性的建模 | 系统比较了数据增强与反向互补权重共享模型在处理DNA序列方向上的性能，并评估了多种网络解释方法在低亲和力结合场景下的表现 | 研究仅基于果蝇的八种Exd-Hox异源二聚体SELEX-seq数据，未在其他物种或转录因子家族中进行验证 | 改进低亲和力转录因子- DNA结合位点特异性的深度学习建模方法 | 果蝇中的八种Exd-Hox异源二聚体转录因子 | 自然语言处理 | NA | SELEX-seq | CNN, 自注意力Transformer | DNA序列 | 八种Exd-Hox异源二聚体的SELEX-seq数据 | NA | CNN, 自注意力Transformer | NA | NA |
| 1938 | 2026-03-11 |
Neural network assessment of aortic, iliac, renal, and mesenteric artery calcification in CTA: Normalized scoring framework and comparison to threshold-based method
2026-Mar, Acta radiologica open
IF:0.9Q4
DOI:10.1177/20584601261431608
PMID:41800183
|
研究论文 | 本文开发并评估了一种基于深度学习的腹部动脉钙化量化方法，使用CTA数据进行自动、客观的钙化评分 | 提出了一种基于nnU-Net的深度学习框架，用于腹部动脉钙化的自动量化，并引入了标准化的钙化评分框架，与基于阈值的方法进行了比较 | 研究为回顾性设计，样本量相对有限（223个CTA体积），且依赖于手动标注的ground truth，可能引入标注偏差 | 开发并评估一种深度学习方法来量化对比增强CT血管造影中的腹部动脉钙化，以提高临床实践中的可重复性和减少观察者依赖性 | 腹部动脉（主动脉、髂动脉、肾动脉和肠系膜动脉）的钙化 | 数字病理学 | 心血管疾病 | 对比增强CT血管造影（CTA） | CNN | 图像（CTA体积） | 223个CTA体积（147个训练，76个测试） | nnU-Net | nnU-Net | Dice分数, 体积相似性, 敏感性, 精确度, Jaccard指数 | NA |
| 1939 | 2026-03-11 |
All-Optical Diffractive Operators for Rapid, Computer-Free Morphological Transformations
2026-Feb, Nanophotonics (Berlin, Germany)
DOI:10.1002/nap2.70031
PMID:41800288
|
研究论文 | 本文提出了一种基于衍射计算的全光学处理器，用于快速、高度并行地执行形态学变换，无需计算机处理 | 利用深度学习优化的衍射表面实现全光学形态学变换，直接处理光波前，无需数字计算，具有高度并行性和可扩展性 | 实验中使用相位空间光调制器实现，可能受限于硬件分辨率和光学设置，未提及具体处理速度或能耗数据 | 开发一种快速、低功耗的形态学变换方法，以应对大规模图像数据集的计算挑战 | 光学衍射处理器及其在形态学变换（如膨胀和腐蚀）中的应用 | 计算机视觉 | NA | 衍射计算，深度学习优化 | 衍射网络 | 图像（振幅和相位编码） | NA | 深度学习（具体框架未指定） | 级联衍射架构 | NA | 相位空间光调制器（SLM），反射配置 |
| 1940 | 2026-03-11 |
Validation and feasibility of a deep learning-based reconstruction technology in 5.0 tesla knee joint MR imaging
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1776035
PMID:41797980
|
研究论文 | 本研究评估了基于深度学习的重建技术在5.0特斯拉膝关节磁共振成像中优化常规协议的可行性 | 首次在5.0特斯拉膝关节磁共振成像中应用深度学习重建技术，并证明其能在不增加扫描时间的情况下提升图像质量和诊断效能 | 样本量相对较小（69例），且为单中心研究，需要更大规模的多中心研究进一步验证 | 评估深度学习重建技术在优化5.0特斯拉膝关节磁共振成像协议中的可行性和临床价值 | 接受膝关节镜检查和5.0特斯拉膝关节磁共振检查的患者 | 医学影像分析 | 膝关节疾病 | 磁共振成像，深度学习重建 | 深度学习模型 | 磁共振图像 | 69名患者 | NA | NA | 信噪比，图像质量评分（5点李克特量表），诊断一致性（Cohen's kappa） | NA |