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 45526 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-06-12 |
Side-level versus patient-level evaluation in four-view mammography classification: a comprehensive benchmark on the CMMD dataset
2026-Dec, Future science OA
IF:2.4Q3
DOI:10.1080/20565623.2026.2681575
PMID:42274080
|
研究论文 | 在CMMD数据集上对四视图乳腺X线摄影分类进行系统评估，比较不同评估粒度和模型架构对性能的影响 | 首次系统量化评估粒度（侧级vs患者级）对乳腺X线摄影分类性能的影响，发现侧级AUC平均比患者级高17.5个百分点，并提出三种替代聚合方法解决标准概率平均规则导致的退化问题 | 研究基于单一数据集（CMMD），该队列恶性患者占比极高（96.2%），限制了模型在低患病率筛查场景的适用性，且未考虑临床实际数据分布差异 | 量化在统一训练条件下，评估粒度（侧级vs患者级）而非模型架构对乳腺X线摄影分类性能的实际影响 | 来自中国乳腺X线摄影数据库（CMMD）的706名患者，每名患者提供四个视图的乳腺X线影像 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN, Vision Transformer | 图像 | 706名患者，每人4个视图，共2824张乳腺X线影像 | NA | ResNet-18, ResNet-50, EfficientNet-B0, DenseNet-121, ConvNeXt-Tiny, ViT-B/16 | AUC, 准确率, 精确率, 召回率, F1分数, Dice系数 | NA |
| 2 | 2026-06-12 |
An Enhanced Machine Learning-Based Multimodal Framework for Seizure Detection Using EEG and MRI Data
2026-Jul, Developmental neurobiology
IF:2.7Q3
DOI:10.1002/dneu.70049
PMID:42273988
|
研究论文 | 提出一种增强的基于机器学习的多模态框架，通过整合脑电图和磁共振成像数据进行癫痫发作检测 | 创新地将特征学习、跨模态融合、不平衡感知分类和置信度校准集成到一个统一的学习流程中，并使用改进激活函数的深度卷积神经网络和自定义损失函数极端梯度提升模型 | 研究结果仅在考虑的实验环境下有效，未在实际临床环境中验证 | 解决现有癫痫发作检测方法中的类别不平衡和判别特征提取问题，提高诊断准确性和可靠性 | 癫痫发作检测 | 机器学习 | 癫痫 | 脑电图、磁共振成像 | 深度卷积神经网络、极端梯度提升模型 | 信号和图像 | 使用公开的CHB-MIT和NITRC数据集 | NA | 改进激活函数的深度卷积神经网络(IADCNN)、自定义损失函数极端梯度提升(CLXGBoost) | 准确率 | NA |
| 3 | 2026-06-12 |
Decoding Herbal Medicine: Machine Learning-Driven Insights into Structural Identification and Pharmacological Research
2026-Jun-12, The American journal of Chinese medicine
DOI:10.1142/S0192415X26500370
PMID:42273967
|
综述 | 综述了机器学习和人工智能在揭示草药药理机制中的应用，重点关注生物活性化合物的鉴定和作用 | 系统总结了AI驱动的分析框架如何提升草药机制解析的精度和效率，特别是深度学习方法在复杂化学-生物数据模式识别中的应用 | 植物原料的变异性以及缺乏系统的药理学研究仍是主要挑战 | 总结人工智能和机器学习在草药药理机制解析中的最新进展 | 草药中的天然化合物及其药理学作用 | 机器学习 | NA | 机器学习, 深度学习, 分子对接, QSAR, 质谱, 核磁共振, 特征提取 | 机器学习, 深度学习 | 化学-生物数据集 | NA | NA | NA | NA | NA |
| 4 | 2026-06-12 |
Wavelet Spectrum in a Multi-Channel Network May Reduce Biopsy Rates on Diagnosis of Breast Tumors with BI-RADS Category 4a or Higher
2026-Jun-11, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70315
PMID:42273765
|
研究论文 | 开发并评估一种结合小波频谱分析与深度学习的计算机辅助诊断方法，用于BI-RADS 4a级以上乳腺肿瘤的良恶性分类，以减少不必要的活检 | 创新性地将小波频谱分析与多通道深度学习网络结合，利用高频和低频小波分量构建三通道超声图像，并建立严格的患者特异性活检避免标准 | 未提及外部验证、样本量较小（390例）且为回顾性研究 | 利用多通道深度学习网络中的小波频谱分析，减少BI-RADS 4a级以上乳腺肿瘤的无必要活检 | BI-RADS 4a级或更高的乳腺病变患者 | 计算机视觉 | 乳腺癌 | 小波频谱分析 | 深度卷积神经网络（Dual-channel deep learning network） | 超声图像 | 390名乳腺病变患者 | NA | 双通道深度学习网络 | 准确率, 活检避免率, 漏诊率 | NA |
| 5 | 2026-06-12 |
Hierarchical Amplification-Interlinked CRISPR-Cas14a Luminescent Biosensor Coupled with Portable Photonic Crystal Biochip-Boosted Time-Delayed Signaling for the Diagnosis of Pediatric Mycoplasma pneumoniae Pneumonia
2026-Jun-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c03088
PMID:42274413
|
研究论文 | 构建了一种层级放大-交联CRISPR-Cas14a发光生物传感器，结合便携式光子晶体生物芯片增强的时间延迟信号，用于儿童肺炎支原体肺炎的诊断 | 整合了DNA walker和滚环扩增模块实现层级放大，并引入余辉发光实现时间延迟信号以避免生物样本背景干扰，同时利用光子晶体自组装结构增强信号，结合卷积神经网络进行疾病自动分层 | 未提及具体局限性 | 开发一种高灵敏度、高特异性的检测方法，用于儿童肺炎支原体肺炎的及时诊断和自动分层 | 儿童肺炎支原体肺炎患者（包括重症和轻症）以及健康对照的咽拭子样本 | 数字病理学 | 感染性疾病 | CRISPR-Cas14a, 滚环扩增, DNA walker | 卷积神经网络 | 图像 | 250例儿科咽拭子样本（包括重症和轻症MPP患者以及健康对照） | PyTorch | 卷积神经网络 | 检出限, 特异性 | NA |
| 6 | 2026-06-12 |
Reconstruction of molecular vibrational spectra from light-molecular vibration coupling spectra using deep learning
2026-Jun-11, Analytical sciences : the international journal of the Japan Society for Analytical Chemistry
IF:1.8Q3
DOI:10.1007/s44211-026-00933-x
PMID:42274919
|
研究论文 | 利用深度学习从光-分子振动耦合光谱中重建分子振动光谱 | 首次采用深度特征学习直接从光-分子振动耦合光谱中提取分子特异性吸收信息，能够处理具有重叠振动峰的复杂系统 | 对于单峰分子振动模型，DenseNet-169 CNN模型在1496个光谱上的表现不理想 | 开发一种从复杂光-分子振动耦合光谱中直接提取分子吸收信息的方法，为下一代分子传感奠定基础 | 分子振动模型（单峰和双峰） | 机器学习 | NA | 有限差分时域模拟 | 卷积神经网络 | 光谱（数值模拟数据） | 双峰分子振动模型：80267个光谱；单峰分子振动模型：1496个光谱 | TensorFlow或PyTorch | DenseNet-169 | 决定系数 | NA |
| 7 | 2026-06-12 |
Compact neural network algorithm for electrocardiogram classification
2026-Jun-11, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-026-01751-1
PMID:42274990
|
研究论文 | 提出一种紧凑型人工神经网络算法用于心电图分类，以解决深度学习对计算资源和大规模标注数据的高需求 | 采用17个可解释的工程特征提取心电图形态和生理特征，避免使用深度学习，实现高效率和低计算资源消耗 | 未提及算法对其他心律失常类型（如心肌梗死）的适用性，以及特征工程的可迁移性 | 开发一种轻量级且高效的心电图分类算法，用于心律失常诊断 | 心电图信号中的五种心律类别：正常窦性心律、窦性心动过缓、窦性心动过速、心室扑动和心房颤动 | 机器学习 | 心律失常 | 信号处理与特征工程 | 人工神经网络 | 心电图信号 | 未明确说明样本数量，但使用了MIT-BIH和St. Petersburg INCART心律失常数据库 | NA | 人工神经网络 | 准确率、Cohen's kappa、Matthews相关系数 | 标准CPU |
| 8 | 2026-06-12 |
A Machine Learning Approach to Voice-Based Parkinson Disease Screening Using Multiview Spectrogram and Speech Recognition Features: Diagnostic Study
2026-Jun-11, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/94063
PMID:42274996
|
研究论文 | 提出了一种结合多视角频谱图和语音识别特征的机器学习方法，用于基于语音的帕金森病筛查 | 创新地融合多视角频谱图（Mel、STFT、CQT）与自动语音识别一致性比率特征，显著降低假阴性率 | 需在多样化真实环境中进一步验证，且依赖结构化录音设置 | 开发无创、可扩展的帕金森病数字筛查工具 | 来自203名参与者的语音录音 | 机器学习 | 帕金森病 | 语音信号处理 | 卷积神经网络 | 音频 | 203名参与者（121名帕金森病患者和82名健康对照） | PyTorch | 多视角CNN分支网络 | 准确率、敏感度 | NA |
| 9 | 2026-06-12 |
Laser Light Scattering-Enhanced Deep Computer Vision Method for the Detection of Trace Mineral Oil in Vegetable Oils
2026-Jun-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00302
PMID:42275108
|
研究论文 | 提出一种基于激光光散射增强深度计算机视觉的方法，用于检测植物油中的痕量矿物油污染 | 将皂化诱导的相与浊度对比与激光增强散射可视化相结合，将痕量矿物油转化为视觉可辨信号，并提出了新型轻量高效深度学习模型Oil-MobileNet | 未提及具体局限性 | 开发一种现场适用的分析策略，用于检测植物油中的矿物油污染，并实现低至0.05%的检测能力 | 植物油中的矿物油污染 | 计算机视觉 | NA | 激光光散射增强成像 | 深度学习模型（Oil-MobileNet） | 图像 | 未明确说明样本数量，但涉及多种植物油和矿物油污染水平 | NA | Oil-MobileNet | 分类性能（二分类和多分类） | NA |
| 10 | 2026-06-12 |
Artificial Intelligence in Tumor Evolution: Understanding Cancer Complexity Through Multi-Modal Data Integration in Precision Oncology
2026-Jun-03, Cells
IF:5.1Q2
DOI:10.3390/cells15111031
PMID:42274624
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11 | 2026-06-12 |
A mechanism-aided transformer may transform in-flight aviation safety
2026-Jun, PNAS nexus
IF:2.2Q1
DOI:10.1093/pnasnexus/pgag154
PMID:42273406
|
研究论文 | 提出一种结合物理机制与深度学习的TwinTransformer方法，用于提升飞行中多变量预测及风切变危险预警能力 | 将航空动力学约束与Transformer深度学习模型相结合，通过物理机制辅助的TwinTransformer架构实现飞行参数预测，并针对性增强风切变危险预警 | 未明确说明 | 提升飞行中多变量预测准确率，为飞行员提供可靠的风切变危险预警，保障航空安全 | 飞行中的实时参数（如风切变指标）及航空状态 | 机器学习 | NA | NA | Transformer | 时间序列数据 | 真实飞行数据集（样本量未明确说明） | PyTorch | TwinTransformer | 预测准确率、预警可靠性 | NA |
| 12 | 2026-06-12 |
From Molecules to Machines: An Integrative Framework Linking Molecular Pathogenesis, Multi-Factorial Risk, Risk Stratification, Clinical Management, and Artificial Intelligence in QT Prolongation and Sudden Cardiac Death
2026-Jun, Clinical cardiology
IF:2.4Q2
DOI:10.1002/clc.70370
PMID:42274161
|
综述 | 该综述整合了QT间期延长和心源性猝死在分子发病机制、多因素风险、风险分层、临床管理和人工智能预测方面的研究 | 提出整合分子机制、代谢营养风险、人工智能预测等多维度信息的精准QT管理框架，强调传统基因（如三个经典基因）外，双功能通道突变和翻译后修饰缺陷也参与先天性LQTS，并发现机器学习预测效果优于临床评分 | 前瞻性数据仍然缺乏，算法工具指导临床决策前需更多验证 | 系统整合QT间期延长和心源性猝死从分子机制到临床管理的知识，并探索人工智能的应用 | QT间期延长和心源性猝死的发病机制、危险因素、风险分层、治疗方法及AI预测 | 机器学习 | 心血管疾病 | NA | 机器学习、深度学习 | 心电图数据、临床数据、遗传数据 | NA | NA | NA | NA | NA |
| 13 | 2026-06-12 |
Radiology: Cardiothoracic Imaging Highlights 2025
2026-Jun, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.260065
PMID:42274320
|
综述 | 总结了2025年发表在《放射学：心胸影像》期刊上的心脏、胸部和血管影像学新研究和技术进展 | 由早期职业编辑委员会主导，聚焦于2024年11月至2025年10月间发表的文章，涵盖了心脏CT评估人工心脏瓣膜、光子计数CT改善冠状动脉支架评估、简化多参数心脏MRI采集技术、以及心脏MRI评估肌少症作为新型预后标志物等前沿话题 | 作为综述文章，主要依赖于已发表的研究，可能未涵盖所有最新的未发表成果，且选择文章存在一定的主观性 | 回顾和突出心胸与血管影像学领域的最新研究和技术发展，特别是人工智能和深度学习驱动的定量技术应用 | 心脏、胸部及血管影像学相关的研究文章，包括心脏CT、光子计数CT、心脏MRI等技术的临床应用 | 计算机视觉 | 心血管疾病 | CT, MRI, 光子计数CT | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 14 | 2026-06-12 |
Application of Machine Learning in Predicting the Properties of Two-Dimensional Semiconductor Materials
2026-May-22, Nanomaterials (Basel, Switzerland)
DOI:10.3390/nano16110650
PMID:42274656
|
综述 | 系统总结机器学习在二维半导体材料性能预测中的最新进展，比较传统计算模拟与机器学习算法，并展望未来研究方向 | 系统比较了经典算法（如随机森林）与深度学习模型（如图神经网络）在带隙预测中的表现，并分析了特征工程策略对磁性预测精度和效率的影响 | 数据集不足且质量不统一，模型可解释性和跨系统泛化能力有限 | 为机器学习辅助的二维半导体材料研究提供系统的理论基础和方法指导 | 二维半导体材料的带隙、磁性及其他物理特性 | 机器学习 | NA | NA | 随机森林，图神经网络，深度学习 | 材料属性数据 | NA | NA | 随机森林，图神经网络 | 模型准确率 | NA |
| 15 | 2026-06-12 |
Tebyan: An AI-powered system for estimating developmental levels from children's human figure drawings
2026 Apr-Jun, Health informatics journal
IF:2.2Q3
DOI:10.1177/14604582261460248
PMID:42273788
|
研究论文 | 开发并评估一款名为Tebyan的AI应用程序，通过分析儿童的人形绘画来估计其发育水平，以早期识别发育问题 | 首次通过移动端AI应用，利用儿童绘画中的DAP测试结果智能评估发育年龄并对比实际年龄，支持早期筛查 | 不作为诊断工具，仅提供辅助参考；随着分类粒度增加（从二分类到八分类），模型性能显著下降 | 开发AI系统基于儿童绘画估计发育水平，辅助早期识别发育问题 | 儿童Draw-A-Person测试的绘画数据 | 机器学习、计算机视觉 | 发育障碍 | 深度学习（图像分类） | CNN（卷积神经网络） | 图像 | NA | NA | MobileNet, ResNet, EfficientNet | 准确率、敏感性、特异性、精确率、F1分数 | NA |
| 16 | 2026-06-12 |
Review Article | Artificial Intelligence Applications in Prognosis and Treatment of Neuro-oncology: A review
2026-Jan, The Gulf journal of oncology
PMID:42274067
|
综述 | 本文综述了人工智能在神经肿瘤治疗和预后中的最新应用 | 首次在一篇论文中同时回顾了人工智能在神经肿瘤治疗和预后这两个领域，并提供了对知识缺口和未来方向的见解 | 需要更多研究和验证现有应用，同时需谨慎整合这些技术 | 综述人工智能在神经肿瘤治疗和预后中的应用，探讨挑战和未来方向 | 神经肿瘤患者 | 机器学习 | 神经肿瘤 | NA | 机器学习算法 | 文本 | 共21篇文章，最大样本量为41222（用于预测脑肿瘤手术后住院时间） | NA | NA | NA | NA |
| 17 | 2026-06-11 |
Signature-aware deep learning reveals distinct driver gene programs and mutational processes in glioblastoma and colon adenocarcinoma
2026-Aug, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种残差多层感知机模型 ResMLP-GL，整合突变特征上下文，用于识别胶质母细胞瘤和结肠腺癌的驱动基因程序与突变过程 | 首次显式整合COSMIC SBS上下文概率向量与残差门控模块，实现突变过程感知的驱动突变预测，在跨癌种预测性能上超越现有方法 | 仅基于TCGA和ICGC外显子组数据，未纳入全基因组或非编码区变异，且模型对罕见突变或新型突变特征的泛化能力未充分验证 | 开发可解释的驱动基因预测方法，揭示突变过程与驱动选择之间的组织特异性关联 | 胶质母细胞瘤和结肠腺癌的体细胞突变数据 | 机器学习 | 胶质母细胞瘤, 结肠腺癌 | NGS外显子组测序 | 残差多层感知机（ResMLP） | 基因组变异数据 | TCGA GBM/COAD外显子组训练集，ICGC独立测试集 | PyTorch, Optuna | ResMLP-GL（含两个投影残差块和特征门控模块） | AUC, SHAP分析 | NA |
| 18 | 2026-06-11 |
A hybrid adaptive preconditioned gradient method with momentum for deep learning
2026-Jul, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108758
PMID:41764807
|
研究论文 | 提出一种名为 AdapGradm 的自适应预条件梯度动量方法及其混合版本 HAdapGradm，用于深度学习优化 | 结合了二阶曲率信息与一阶优化器的计算效率，通过构建对角近似 Hessian 矩阵实现自适应预条件，并提出与随机梯度下降无缝切换的混合方法 | 未明确提及在超大规模模型或极端数据分布下的表现，以及与其他先进二阶优化器（如 KFAC）的全面对比 | 设计一种高效且收敛性有保证的二阶优化器，以提升深度神经网络的训练速度和泛化能力 | 标准深度神经网络的训练过程，包括图像分类和自然语言处理任务中的常见架构 | 机器学习 | NA | NA | NA | 图像、文本 | 未具体说明，涉及图像分类和自然语言处理的基准数据集 | NA | 未明确指定具体架构，但提及三种常见神经网络架构用于实验 | 训练误差、泛化能力 | NA |
| 19 | 2026-06-11 |
Feasibility of Implicit Neural Representation Learned Motion Compensation for 3D Stack-of-Spirals Free-Breathing Cardiac Quantitative Susceptibility Mapping
2026-Jul, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70325
PMID:41772752
|
研究论文 | 提出了一种利用隐式神经表示（INR）学习运动补偿的自由呼吸心脏定量磁化率成像（QSM）方法 | 首次将隐式神经表示（INR）用于自由呼吸3D心脏QSM中的心脏和呼吸运动补偿，结合螺旋采样和深度学习实现无前瞻性导航的门控采集 | 样本量较小（仅10名健康受试者），未评估在患者群体中的性能 | 实现无创、快速、鲁棒的自由呼吸心脏QSM测量，以评估心脏血氧差异（ΔSO2） | 健康受试者的心脏MRI数据，用于评估胸号血氧差异 | 机器学习 | 心血管疾病 | MRI（定量磁化率成像） | 隐式神经表示（INR） | 图像（心脏MRI图像） | 10名健康受试者 | NA | 隐式神经表示（INR） | 图像质量（p值）、ΔSO2测量一致性（相关系数r、偏差及一致性界限） | NA |
| 20 | 2026-06-11 |
A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109467
PMID:41764935
|
研究论文 | 开发基于深度学习模型SMM-YOLOv8n，用于自动检测全景X线片中与阻生第三磨牙相关的第二磨牙病变 | 在YOLOv8基础上改进，引入Slim-Neck优化和多维注意力机制，有效提升病变检测准确性和效率 | NA | 开发自动化深度学习系统，检测和分类全景X线片中与阻生第三磨牙相关的第二磨牙病变，提高诊断准确性并支持临床决策 | 1170张全景X线片，显示与阻生第三磨牙相邻的第二磨牙 | 计算机视觉 | 牙科疾病 | 全景X线成像 | 卷积神经网络 | 图像 | 1170张全景X线片，分为4组：无病变、龋齿、外根吸收、两种病变并存 | PyTorch | SMM-YOLOv8n（基于YOLOv8，含Slim-Neck和多维注意力机制） | mAP@50, 精确率, 召回率, F1分数, 敏感性, 诊断时间 | NA |