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 1961 - 1980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1961 | 2026-03-13 |
Amyloid PET quantification with deep learning segmentation models without MRI
2026-Mar-11, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00854-8
PMID:41811594
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1962 | 2026-03-13 |
The Development and External Testing of Deep Learning Model for Automated Classification of Intervertebral Disc Degeneration on CT Images
2026-Mar-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01844-z
PMID:41811619
|
研究论文 | 本研究开发并外部测试了一个基于CT图像的深度学习模型，用于自动分类椎间盘退变 | 开发了一个结合3D U-Net分割和EfficientNet-B4分类的深度学习模型，首次在CT图像上实现椎间盘病变类型、区域和分级的全自动分类 | 研究为回顾性设计，样本量有限（总样本273例），且仅来自两个机构，可能影响模型泛化能力 | 开发并验证一个深度学习模型，用于自动分类CT图像中的椎间盘退变 | 被诊断为椎间盘突出或膨出的患者CT图像 | 计算机视觉 | 椎间盘退变性疾病 | CT成像 | CNN | 图像 | 273例患者（训练集140例，内部测试集36例，外部测试集97例） | NA | 3D U-Net, EfficientNet-B4 | Dice分数, 准确率, 召回率, 精确率 | NA |
| 1963 | 2026-03-13 |
Average Calibration Losses for Reliable Uncertainty in Medical Image Segmentation
2026-Mar-11, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3673118
PMID:41811722
|
研究论文 | 本文提出了一种用于医学图像分割的辅助损失函数，以改善深度神经网络的校准性能 | 提出了可微分的边缘L1平均校准误差（mL1-ACE）作为辅助损失函数，并引入了数据集可靠性直方图来可视化校准性能 | 软分箱变体虽然显著改善了校准性能，但往往会损害分割性能 | 提高医学图像分割中深度神经网络的校准可靠性 | 医学图像分割模型 | 计算机视觉 | NA | NA | 深度神经网络 | 医学图像 | 四个数据集（ACDC、AMOS、KiTS、BraTS） | NA | NA | 平均校准误差（ACE）、最大校准误差（MCE）、Dice相似系数（DSC） | NA |
| 1964 | 2026-03-13 |
PID-Optimized Deep Learning for Adaptive Time-Frequency Forecasting in Dynamic Systems: Coal Calorific Value Prediction
2026-Mar-11, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2026.3667581
PMID:41811724
|
研究论文 | 本文提出了一种结合PID优化的深度学习框架，用于动态工业系统中的自适应时频预测，并以煤炭热值预测为案例验证其有效性 | 提出了一种通道独立可分离动态滤波器（CSDF）来适应实时多变量过程变量，并采用闭环PID优化策略提升深度学习模型的收敛性和预测精度 | 仅以煤炭热值预测为案例进行验证，未在其他工业动态系统中广泛测试 | 解决非平稳工业数据带来的预测挑战，实现动态工业系统的准确实时预测 | 清洗后煤炭的热值 | 机器学习 | NA | 自适应时频预测 | 深度学习 | 多变量过程变量数据 | NA | NA | 通道独立可分离动态滤波器（CSDF） | 预测命中率（FHR） | NA |
| 1965 | 2026-03-13 |
Multi-objective Once-for-All Neural Architecture Search for Medical Image Segmentation
2026-Mar-11, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3671022
PMID:41811727
|
研究论文 | 提出一种用于医学图像分割的多目标一次性神经架构搜索方法，旨在高效搜索高性能且轻量化的网络架构 | 设计了针对医学图像分割的U型网络搜索空间，采用混合两阶段超网训练方案，并利用多目标进化算法搜索不同计算复杂度的最优架构集合 | 未明确说明搜索过程的具体计算成本或超网训练的详细时间消耗 | 开发一种高效的神经架构搜索方法，以在医学图像分割任务中实现性能与计算复杂度的平衡 | 医学图像分割任务 | 计算机视觉 | NA | 神经架构搜索 | U型网络 | 图像 | 六个广泛使用的医学图像分割数据集 | NA | U-Net | NA | NA |
| 1966 | 2026-03-13 |
Deep learning-based 4D robust optimization of intensity-modulated proton therapy for lung cancer radiotherapy
2026-Mar-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae50a6
PMID:41812327
|
研究论文 | 本研究开发了一种基于深度学习的4D优化框架，用于改进肺癌放疗中的强度调制质子治疗计划，以应对呼吸运动和范围不确定性的挑战 | 提出了一种结合深度学习剂量预测、水等效厚度变化引导的束流选择和剂量模拟的4D优化工作流程，提高了治疗计划的适形性 | 研究样本量相对较小（62例患者），且仅针对肺癌，未在其他癌症类型中验证 | 开发一种基于深度学习的4D优化框架，以减轻强度调制质子治疗在肺癌放疗中因呼吸运动和范围不确定性导致的交互效应 | 肺癌患者 | 数字病理学 | 肺癌 | 4DCT | CNN | 图像 | 62例肺癌患者，包括4DCT数据，分为42例训练、10例验证和10例测试 | NA | U-Net | 适形指数, D98%, 剂量体积直方图, 稳健性评估 | NA |
| 1967 | 2026-03-13 |
CSSL-ISRVN: consistency self-supervised learning integrating ISTANet and sensitivity refinement-enhanced variational network for accelerated MRI reconstruction
2026-Mar-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae50a8
PMID:41812335
|
研究论文 | 本研究提出了一种名为CSSL-ISRVN的一致性自监督学习框架，用于加速MRI重建，无需依赖全采样训练数据 | 结合了改进的变分网络与灵敏度细化模块，并引入异构交替级联结构，通过一致性自监督方案消除对全采样数据的依赖 | 未明确提及具体局限性 | 开发一种自监督框架，用于加速MRI重建，减少对全采样训练数据的依赖 | MRI图像重建 | 医学影像重建 | NA | MRI成像 | 深度学习模型 | k空间数据，多线圈复杂域数据 | 三个公共数据集 | NA | ISTANet, SRVN, 改进的变分网络, 高斯上下文变换器, 残差块 | NA | NA |
| 1968 | 2026-03-13 |
OCT-based myopic index: a biological predictor for the progression of high myopia
2026-Mar-11, The British journal of ophthalmology
DOI:10.1136/bjo-2024-327063
PMID:41813079
|
研究论文 | 本文提出了一种基于光学相干断层扫描（OCT）的近视指数，用于量化眼底微结构变化并预测高度近视的进展 | 通过深度学习模型从OCT图像中提取近视指数，以反映眼底变形程度，并探索其在近视进展预测中的临床意义 | NA | 探索近视指数在预测高度近视进展中的临床价值 | 近视患者的OCT图像及眼部生物测量数据 | 计算机视觉 | 近视 | 光学相干断层扫描（OCT） | 深度学习模型 | 图像 | 训练集：27,539例OCT图像；验证集：2,866例OCT图像 | NA | NA | R², p值 | NA |
| 1969 | 2026-03-13 |
SMC-LUD:Large-Scale B-Mode Liver Ultrasound Dataset for Hepatocellular Carcinoma and Hemangioma Classification
2026-Mar-11, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07023-7
PMID:41813694
|
研究论文 | 本文介绍了SMC-LUD，一个用于肝细胞癌和血管瘤分类的大规模B型肝脏超声公开数据集 | 发布了首个大规模、公开可用的B型肝脏超声数据集，专门针对肝细胞癌和血管瘤分类，所有病例均经过组织病理学或放射学确认，并由专家标注 | 数据集仅包含肝细胞癌和血管瘤两类，未涵盖其他肝脏病变；数据来源单一（三星医疗中心），可能影响模型泛化能力 | 解决肝脏超声图像分类中大规模标注数据稀缺的问题，为深度学习模型开发提供基础 | 肝脏超声图像中的肝细胞癌和血管瘤病变 | 计算机视觉 | 肝癌 | B型超声成像 | NA | 图像 | 5,385张超声图像，来自1,021名患者 | NA | NA | NA | NA |
| 1970 | 2026-03-13 |
Innovative fusion models: elevating preoperative gross ETE prediction in thyroid cancer patients
2026-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43230-3
PMID:41813761
|
研究论文 | 本研究系统评估并比较了深度学习、影像组学及其融合方法在利用超声影像预测甲状腺乳头状癌患者术前大体甲状腺外侵犯方面的预测效能 | 提出了结合多区域影像组学特征与深度学习的融合模型，并整合临床参数构建了列线图预测模型，显著提升了预测性能 | 研究为回顾性设计，且仅基于三家医院的数据，可能存在选择偏倚 | 术前预测甲状腺乳头状癌患者的大体甲状腺外侵犯，以辅助手术规划和风险分层 | 甲状腺乳头状癌患者 | 数字病理学 | 甲状腺癌 | 超声成像 | 深度学习, 影像组学 | 图像, 临床数据 | 4,542名PTC患者，分为训练集（3,179）和测试集（1,363） | NA | ResNet101 | AUC, 灵敏度, 特异性, 准确率 | NA |
| 1971 | 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 |
| 1972 | 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 |
| 1973 | 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 |
| 1974 | 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 |
| 1975 | 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 |
| 1976 | 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 |
| 1977 | 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 |
| 1978 | 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 |
| 1979 | 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 |
| 1980 | 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 |