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 2202 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2026-03-18 |
Enhancing crack detection and severity assessment in historical Tabiya basins using U-Net and adaptive thresholding
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1741082
PMID:41837242
|
研究论文 | 本研究提出了一种基于U-Net和自适应阈值的历史Tabiya水池表面裂缝检测与严重性评估的自动化系统 | 结合了多种深度学习模型（U-Net与不同骨干网络）进行裂缝检测与分割，并集成了骨架化、裂缝长度估计算法和裂缝宽度提取方法进行定量测量，同时开发了用户友好的Web应用程序 | 未明确提及模型在极端光照或复杂背景下的泛化能力，以及系统对高分辨率图像处理的计算效率 | 开发自动化系统以改进历史Tabiya水池的表面裂缝检测、分割和严重性评估，支持文化遗产保护 | 历史Tabiya水池的表面裂缝 | 计算机视觉 | NA | 高分辨率图像采集，深度学习，计算机视觉 | CNN | 图像 | 未明确说明具体样本数量，但使用现场采集的高分辨率图像 | 未明确指定，但可能涉及TensorFlow或PyTorch | U-Net, MobileNetV2, ResNet-50, InceptionV3, EfficientNetB7 | 准确率, 召回率, 精确率, F1分数 | 未明确说明 |
| 222 | 2026-03-18 |
Classification of driver and passenger mutations in different cancer types using deep neural networks
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag068
PMID:41841102
|
研究论文 | 本研究通过整合多组学特征，开发了基于深度学习的癌症特异性模型，用于区分驱动突变和乘客突变 | 首次整合AlphaFold预测的结构信息、氨基酸接触网络及序列特征，构建针对30种肿瘤类型的特异性深度学习分类模型 | 模型性能受限于COSMIC数据库的突变注释质量，且未在独立外部数据集上进行全面验证 | 开发高精度计算方法以区分癌症中的驱动突变和乘客突变 | 来自30种肿瘤类型的61,364个错义突变（57,535个驱动突变和3,829个乘客突变） | 生物信息学 | 癌症 | 全癌种突变数据分析、AlphaFold结构预测、氨基酸接触网络构建 | 深度神经网络 | 基因组序列数据、蛋白质结构数据、网络特征数据 | 61,364个突变样本（来自682个致癌基因） | 未明确说明 | 深度神经网络（具体架构未说明） | 分类准确率 | 未明确说明 |
| 223 | 2026-03-18 |
GlioMODA: Robust glioma segmentation in clinical routine
2026 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdag034
PMID:41841144
|
研究论文 | 本研究提出并评估了GlioMODA，一种专为自动化胶质瘤分割设计的鲁棒深度学习框架，能够在不同且不完整的MRI协议下保持高性能 | 开发了一种能够在临床常规中不完整或异质MRI协议下保持鲁棒性能的胶质瘤分割框架，支持简化的2序列协议 | 研究主要基于BraTS 2021数据集，需要在更广泛的临床数据上进行进一步验证 | 开发一种适用于临床常规的鲁棒胶质瘤自动分割方法 | 胶质瘤患者 | 数字病理学 | 胶质瘤 | 磁共振成像 | 深度学习 | 图像 | 1251个训练病例，219个测试病例 | NA | NA | Dice相似系数，全景质量指标 | NA |
| 224 | 2026-03-17 |
Deep tobit model: an integrated framework for high-dimensional censored regression with variable selection
2026-Jan-23, Lifetime data analysis
IF:1.2Q2
DOI:10.1007/s10985-026-09690-5
PMID:41571915
|
研究论文 | 本文提出了一种名为Deep Tobit模型的集成深度学习框架，用于处理高维左删失回归问题，并开发了具有理论保证的两阶段特征选择算法 | 首次将Tobit模型与深度学习结合，使用负Tobit对数似然作为损失函数处理删失数据，并开发了具有收敛速率和选择一致性理论保证的特征选择算法 | 未明确说明模型对右删失或其他类型删失数据的适用性，也未讨论计算复杂度或在大规模数据集上的可扩展性 | 解决高维左删失回归问题，同时实现变量选择和预测准确性 | 左删失的航空发动机壳体振动数据和HIV病毒载量数据 | 机器学习 | NA | 深度学习框架 | 深度学习模型 | 高维左删失响应数据 | NA | NA | Deep Tobit模型 | 变量选择准确性, 预测准确性 | NA |
| 225 | 2026-03-17 |
Volatile biomarkers of fungal infection and mycotoxin contamination in fruits and vegetables: emerging targets for monitoring and early warning
2026, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2025.2562369
PMID:40965270
|
综述 | 本文综述了水果和蔬菜采后真菌感染及其产生的挥发性有机化合物作为生物标志物，用于早期检测和预警的研究进展 | 系统性地将挥发性有机化合物作为非侵入性生物标志物，结合人工智能技术，用于采后病害的早期诊断和预警 | 综述文章，未提出具体的实验验证或模型性能数据 | 开发基于挥发性有机化合物的智能、快速、经济有效的采后病害监测框架 | 水果和蔬菜采后真菌病原体及其感染过程 | 机器学习 | NA | 气相色谱-质谱联用，电子鼻，生物传感器 | 机器学习，深度学习 | 挥发性有机化合物数据 | NA | NA | NA | NA | NA |
| 226 | 2026-03-17 |
Computational Approaches to Neurological Disorder Diagnosis: An In-Depth Review of Current Methods and Future Prospects
2026, Current medical imaging
IF:1.1Q3
|
综述 | 本文对用于阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化症这五种主要神经系统疾病诊断的现有计算方法进行了全面分析 | 系统性地回顾和评估了140项同行评议研究，涵盖了机器学习算法、神经影像技术和电生理信号分析等多种诊断方法，并讨论了多模态数据整合以及深度学习等新兴技术的潜力 | 本文是一篇综述，未提出新的算法或模型，主要基于现有文献进行分析，未进行原始数据验证 | 评估当前用于神经系统疾病诊断的计算方法的有效性、准确性及局限性，并探讨未来研究方向以提高诊断精度和患者预后 | 阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化症这五种主要神经系统疾病 | 机器学习 | 神经系统疾病 | 神经影像技术、电生理信号分析 | NA | 多模态数据（可能包括图像、信号等） | 基于140项研究（未提供具体患者样本数） | NA | NA | 有效性、准确性 | NA |
| 227 | 2026-03-17 |
Investigating causal relations between brain morphology and genetic risk variants in Parkinson's disease
2026, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103928
PMID:41519071
|
研究论文 | 本文采用因果深度学习框架，研究了帕金森病中遗传风险变异与大脑形态之间的因果关系 | 首次将因果深度学习模型应用于帕金森病的基因型-表型分析，以探究遗传变异对大脑结构的因果影响，超越了传统的相关性分析方法 | 研究样本量相对有限，且模型在更广泛人群中的普适性仍需进一步验证 | 探究帕金森病中遗传风险变异与大脑形态学特征之间的因果关系 | 帕金森病患者、前驱期帕金森病患者及健康对照者的大脑影像与遗传数据 | 医学影像基因组学 | 帕金森病 | 影像基因组学分析 | 因果深度学习模型 | 影像数据, 遗传数据 | PPMI数据集：359名参与者（102名对照，214名PD患者，43名前驱期PD患者）；UK Biobank验证集：16,861名神经健康参与者 | NA | 掩码因果归一化流模型 | p值 | NA |
| 228 | 2026-03-16 |
Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction
2026-Jan-05, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8950
PMID:41381352
|
研究论文 | 本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在检测多发性硬化症脊髓病变中的诊断性能，并与传统MRI序列进行比较 | 首次将深度学习去噪方法应用于3D白质抑制MPRAGE序列，显著提高了脊髓病变的检测灵敏度和图像质量 | 样本量较小（仅38名患者），且未评估该技术在不同疾病阶段或亚型中的泛化能力 | 评估新型成像技术（3D WMn MPRAGE结合深度学习）在多发性硬化症脊髓病变检测中的诊断性能 | 38名多发性硬化症或临床孤立综合征患者的脊髓MRI图像 | 数字病理学 | 多发性硬化症 | 3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列 | 深度学习去噪模型 | MRI图像 | 38名患者 | NA | NA | 病变计数、检测置信度、图像质量评分、对比噪声比、组间一致性 | NA |
| 229 | 2026-03-16 |
Unsupervised multimodal surface registration with geometric deep learning
2026-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103821
PMID:41101194
|
研究论文 | 本文提出了一种名为GeoMorph的新型几何深度学习框架，用于皮质表面的图像配准 | 提出了一种结合图卷积和深度离散配准的两阶段几何深度学习框架，并通过基于循环神经网络的深度条件随机场实现正则化，以确保平滑且生物学合理的形变 | NA | 开发一种无监督多模态皮质表面配准方法 | 皮质表面 | 计算机视觉 | NA | 几何深度学习 | 图卷积网络, 循环神经网络 | 图像 | NA | PyTorch | GeoMorph | 对齐精度, 形变平滑度 | NA |
| 230 | 2026-03-16 |
Characterizing and Evaluating Mental Health Misinformation on Social Media: A Qualitative and Deep Learning-Based Study
2026-Jan, Cyberpsychology, behavior and social networking
DOI:10.1177/21522715251403844
PMID:41354555
|
研究论文 | 本研究提出一个结合定性分析和深度学习的集成框架，用于自动检测和评估社交媒体上的心理健康错误信息 | 通过专家访谈和扎根理论开发了一个21级细粒度可信度评估框架，并构建了高质量的中文社交媒体数据集，用于训练和评估深度学习模型 | 所有三种模型在评估证据质量和检测依赖上下文的错误信息方面面临挑战 | 自动检测和评估社交媒体上的心理健康错误信息，以提高在线心理健康信息的可信度 | 中文社交媒体帖子 | 自然语言处理 | NA | NA | GRU, BERT, RoBERTa | 文本 | 814个中文社交媒体帖子 | NA | GRU, BERT, RoBERTa | NA | NA |
| 231 | 2026-03-16 |
NeuroMorphFusion: A Neuro-Inspired Hybrid Learning Framework for Interpretable Deep Lesion Detection in IoT-Enabled Healthcare Systems
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251391080
PMID:41816805
|
研究论文 | 本文提出了一种名为NeuroMorphFusion的神经启发混合学习框架，用于在物联网医疗系统中进行可解释的深度病灶检测 | 结合了生物启发的学习与数学建模，集成了轻量级ResNet18、脉冲神经网络和形态学注意力机制，并采用半监督强化学习策略和遗传算法优化，以提高可解释性和计算效率 | 未明确提及研究的具体局限性 | 在资源受限的边缘设备上实现高诊断准确性、可解释性和计算效率的病灶检测 | CT扫描中的病灶检测 | 计算机视觉 | 肺癌 | CT扫描 | CNN, SNN | 图像 | 使用IQ-OTHNCCD肺癌CT数据集，具体样本数量未明确提及 | TensorFlow, PyTorch (未明确指定，但基于常见深度学习框架推断) | ResNet18, VGG16, SqueezeNet, MobileNetV3 | 分类准确率, 敏感性, 计算延迟, 可解释性 | Jetson Nano |
| 232 | 2026-03-16 |
An interpretable vibration-enhanced BRB model for rolling bearing fault diagnosis
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342757
PMID:41824424
|
研究论文 | 本研究提出了一种新颖的振动增强信念规则库模型，用于滚动轴承故障诊断，旨在解决传统模型处理连续信号的局限性 | 提出了一种振动增强信念规则库模型，通过窗口特征提取方法将连续振动信号映射到规则匹配空间，并结合证据推理算法和投影协方差矩阵自适应进化策略进行优化，增强了模型的可解释性和小样本条件下的适用性 | 模型在真实世界轴承故障诊断中的有效性可能受限于特定数据集和条件，且未明确讨论模型在大规模工业环境中的泛化能力 | 开发一种可解释且适用于小样本条件的滚动轴承故障诊断方法 | 滚动轴承的故障诊断 | 机器学习 | NA | 窗口特征提取方法，能量矩阵表示 | 信念规则库模型 | 连续振动信号 | 使用了凯斯西储大学和华中科技大学的轴承数据集 | NA | 振动增强信念规则库模型 | NA | NA |
| 233 | 2026-03-15 |
Thermal imaging-guided detection of transparent plastic contaminants on chicken breast: A combined vision and simulation approach
2026-Jan-31, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.117993
PMID:41412667
|
研究论文 | 本研究开发了一种结合热成像与机器学习的系统，用于检测鸡肉上的透明塑料污染物 | 首次将热成像与YOLOv8深度学习模型结合用于检测低密度透明塑料污染物，并辅以热阻容模型和COMSOL仿真分析热行为 | 实验仅使用特定尺寸范围（0.2-8 cm）的塑料片，未涵盖所有可能的污染物形态 | 开发可靠的透明塑料污染物检测系统以提升禽肉加工食品安全 | 鸡肉胸肉上的透明塑料污染物 | 计算机视觉 | NA | 热成像技术 | CNN | 热成像图像 | 386张标注的热成像图像 | PyTorch | YOLOv8s | 检测精度, 分割精度 | NA |
| 234 | 2026-03-15 |
scPlantAnnotate: an accurate and robust transformer-based model for plant cell type annotation
2026-Jan-17, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2026.01.035
PMID:41554477
|
研究论文 | 本文开发了scPlantAnnotate，一种基于Transformer的植物单细胞RNA测序细胞类型注释模型，并在多个植物物种上进行了评估 | 开发了首个针对植物scRNA-seq数据的Transformer参考注释框架，在标准评估和严格的留一数据集测试中均表现出优越性能和增强的鲁棒性 | 模型在留一数据集测试中性能仍会下降，且仅针对四种植物物种进行了训练和验证 | 开发并评估一个专门用于植物单细胞RNA测序数据细胞类型注释的准确且鲁棒的模型 | 拟南芥、玉米、水稻和大豆的scRNA-seq数据 | 自然语言处理 | NA | 单细胞RNA测序 | Transformer | 单细胞RNA测序数据 | 来自四种植物物种的精选数据集 | NA | Transformer | 准确率, 宏F1分数, 平衡准确率, 宏AUROC | NA |
| 235 | 2026-03-14 |
Editorial Note: Data augmentation-assisted deep learning of hand-drawn partially colored sketches for visual search
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344760
PMID:41818179
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 236 | 2026-03-15 |
Deep-Fed: A comprehensive solution for precise bone fracture identification in athletes
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343980
PMID:41818245
|
研究论文 | 本研究提出了一种名为Deep-Fed的联邦深度学习框架，用于运动员骨折诊断，通过整合卷积神经网络和专用分类模块FractureNet，在分布式运动诊所中利用联邦平均进行训练，保护患者隐私的同时利用多样数据源 | 提出了一个结合卷积神经网络与专用分类模块FractureNet的联邦深度学习框架，能够在保护患者隐私的前提下，利用分布式数据源实现高精度骨折识别 | NA | 开发一个用于运动员骨折精确识别的联邦深度学习解决方案 | 运动员的骨折诊断 | 计算机视觉 | 骨折 | 深度学习 | CNN | 图像 | 三个基准数据集（Deep-I、Deep-II、Deep-III），代表不同成像条件和患者群体 | 联邦学习框架 | 卷积神经网络, FractureNet | 准确率 | NA |
| 237 | 2026-03-15 |
Interpretable crop pest and disease identification based on comparative concept tree
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343715
PMID:41818247
|
研究论文 | 本研究提出了一种基于对比原型树（CPTR）的可解释作物病虫害识别模型，旨在提高深度学习模型的透明度和可解释性 | 结合概念原型与决策树的核心结构，为每个识别结果构建清晰的原型匹配路径，并引入SimCLR对比学习框架以增强深度图像特征表达能力 | NA | 提高作物病虫害识别模型的透明度和可解释性，以增强用户信任并促进其在农业生产中的大规模应用 | 作物病虫害图像 | 计算机视觉 | NA | 深度学习 | 对比学习, 决策树 | 图像 | 三个数据集：AppleLeaf9, Cassava, Cashew | SimCLR | 对比原型树（CPTR） | 准确率 | NA |
| 238 | 2026-03-14 |
Artificial Intelligence Tools in Myocardial Infarction Prognosis: Evaluating the Performance of Machine Learning and Deep Learning Models
2026, Current cardiology reviews
IF:2.4Q2
|
综述 | 本文综述了人工智能（包括机器学习和深度学习）模型在心肌梗死预后死亡率风险评估中的应用与性能 | 系统评估了AI模型在心肌梗死预后中的表现，并指出尽管人工神经网络有潜力，但并非总是优于其他机器学习方法，同时强调了AI模型适应不同场景和处理复杂数据的能力 | 综述基于16篇论文，可能未涵盖所有相关研究；且未明确说明数据来源的时效性或模型泛化能力的详细验证 | 开发新的心肌梗死患者死亡率风险分层工具，以替代传统的GRACE和TIMI评分 | 心肌梗死患者 | 机器学习 | 心血管疾病 | NA | 随机森林, 梯度提升, 支持向量机, 人工神经网络 | 临床数据 | NA | NA | NA | NA | NA |
| 239 | 2026-03-14 |
Deep learning analysis of urine-derived stem cell mitochondrial morphology as a non-invasive Alzheimer's disease biomarker
2026-Jan, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics
IF:5.6Q1
DOI:10.1016/j.neurot.2025.e00813
PMID:41407593
|
研究论文 | 本研究开发了一种基于尿液来源干细胞（USC）线粒体荧光成像和深度学习的人工智能框架，用于区分认知障碍个体（AD和MCI）与认知正常个体，探索其作为阿尔茨海默病非侵入性生物标志物的潜力 | 首次将尿液来源干细胞（USC）的活细胞线粒体形态分析与深度学习相结合，用于阿尔茨海默病的非侵入性早期检测 | 需要更大规模、独立的队列进行进一步验证 | 开发一种方便、非侵入性的阿尔茨海默病生物标志物，用于早期检测 | 认知障碍个体（阿尔茨海默病和轻度认知障碍）与认知正常个体的尿液来源干细胞（USC） | 数字病理学 | 阿尔茨海默病 | 活细胞线粒体荧光成像 | CNN | 图像 | 未明确说明具体样本数量，涉及HeLa细胞和USC细胞 | 未明确说明 | ResNet-18 | 未明确说明具体指标，但提及模型在验证中表现出稳健性能 | NA |
| 240 | 2026-03-14 |
DeepGSR: Deep Group-Based Sparse Representation Network for Solving Image Inverse Problems
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3662583
PMID:41686657
|
研究论文 | 提出了一种名为DeepGSR的深度组稀疏表示网络，用于解决图像逆问题 | 将传统的基于组的稀疏表示方法与深度学习方法相结合，在避免迭代计算瓶颈的同时保持了模型的可解释性，并引入了可学习的低秩收缩模块和频域感知的块划分策略 | 未明确说明 | 解决图像逆问题 | 图像 | 计算机视觉 | NA | NA | 深度学习网络 | 图像 | NA | NA | DeepGSR | NA | NA |