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 2949 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2026-08-23 |
Artificial intelligence for precision malaria control: transforming surveillance, prediction, and intervention strategies
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1879638
PMID:42626220
|
观点文章 | 本文探讨了人工智能在精准疟疾控制中的应用，涵盖监测、预测和干预策略，并强调其作为辅助工具而非唯一解决方案的作用。 | 提出将AI从被动报告转向预测性精准公共卫生，整合监测、预测和控制三个相互关联的领域，并强调本地化适应和需求驱动集成。 | 未提供具体实验数据或实证验证，主要基于观点分析，依赖现有文献和逻辑推理。 | 评估AI在疟疾控制中的潜力，推动从反应性监测转向预测性精准公共卫生，并指出实现该潜力的关键条件。 | 疟疾监测（病例检测、昆虫学监测、干预覆盖率）、预测（疫情爆发预测、空间风险映射）和控制（资源分层、干预优化）系统。 | 机器学习 | 疟疾 | NA | 机器学习模型、深度学习模型 | 临床、昆虫学、气象和流行病学数据 | NA | NA | NA | 准确性 | NA |
| 422 | 2026-08-23 |
Mapping, dynamism, thematic evolution of the scientific production on Make up or Beauty products and cancer: A scientometric study
2026, Journal of education and health promotion
IF:1.4Q3
DOI:10.4103/jehp.jehp_1260_25
PMID:42626611
|
研究论文 | 本研究通过科学计量学方法，对关于化妆品或美容产品与癌症关系的科学文献进行了映射、动态分析和主题演化分析 | 首次使用RAMIBS框架进行科学计量研究，并结合Scival和Bibliometrix工具，对2022-2024年间相关文献进行全面的主题演化分析 | 未明确提及局限性 | 描绘并分析关于美容产品使用与癌症发展关系的科学产出，识别其演化、合作动态和学术影响 | 科学文献（关于化妆品或美容产品与癌症关系的论文） | 科学计量学 | 癌症 | 科学计量分析 | NA | 文本（文献元数据） | 1996篇文献（2022-2024年） | R Studio（Bibliometrix包）、SciVal | NA | 引用次数、合作作者数、国际合作比例 | NA |
| 423 | 2026-08-22 |
DANEELpath open source digital analysis tools for histopathological research in neuroblastoma models
2026-Jan-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37134-5
PMID:41580539
|
研究论文 | 开发了一个名为DANEELpath的开源图像分析工具包，用于神经母细胞瘤模型中的组织病理学研究，整合深度学习、数学形态学分割和空间特征提取技术 | 提出了一个集成了深度学习、单个及簇状细胞特定分割数学形态学管道和全切片图像空间特征提取的综合性开源工具包，且具有适应不同生物问题的通用性 | 未明确说明 | 开发用于研究三维水凝胶中神经母细胞瘤细胞动态的开源图像分析工具，以推动生物医学发现 | 三维生长的神经母细胞瘤细胞 | 数字病理学 | 神经母细胞瘤 | NA | 深度学习 | 全切片图像 | 未明确说明 | NA | NA | NA | NA |
| 424 | 2026-08-22 |
Integrating Artificial Intelligence into metabolomics for predicting diseases
2026, Progress in molecular biology and translational science
DOI:10.1016/bs.pmbts.2026.01.010
PMID:41986004
|
综述文章 | 本文全面概述了人工智能（特别是机器学习和深度学习）如何整合到代谢组学工作流程中，以克服高维复杂数据的分析挑战，并用于疾病预测和个性化医疗。 | 强调AI在代谢组学中的集成，通过技术框架和概念框架的讨论，以及近期案例研究，展示其在疾病预测中的最新进展。 | 文中未明确列出具体局限性，但可能涉及数据异质性、噪声和非线性关系的处理挑战。 | 探讨AI整合到代谢组学中用于疾病早期预测和个性化医疗的方法及其优势。 | 代谢组学数据，包括来自癌症、糖尿病及并发症、脑、心、肝、肾等疾病患者的数据。 | 机器学习 | 多种疾病（包括癌症、糖尿病、脑、心、肝、肾等疾病） | 代谢组学（如质谱、NMR等，但原文未明确指出具体技术，建议标注为NA或通用代谢组学） | 机器学习模型和深度学习模型 | 代谢组学数据（可能包括光谱、质谱等） | 未提供具体样本量，涉及多种疾病研究案例 | NA（未提及具体框架） | NA（未提及具体架构） | 未提及具体性能指标，可能包括准确性、灵敏度等，但未明确列出，建议标注为NA | 未提及具体计算资源，建议标注为NA |
| 425 | 2026-08-22 |
Rationale and design of a multicenter, prospective, diagnostic clinical study: A study protocol for evaluating the diagnostic validation of deep learning-based noninvasive CT-FFR for in-stent restenosis
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346723
PMID:42090388
|
研究论文 | 本研究是一项多中心、前瞻性诊断性临床试验方案，旨在评估基于深度学习的无创CT-FFR对支架内再狭窄的诊断效能 | 利用深度学习模型改进CT-FFR的计算效率和准确性，使其适用于支架内再狭窄的功能评估，整合解剖和功能评估 | 计算复杂性和处理时间较长可能限制临床实用性 | 建立基于深度学习的CT-FFR模型，以无创方式准确评估支架内再狭窄，并以有创FFR为参考标准验证其诊断性能 | 支架植入术后患者，共331例，其中250例用于模型适配，81例用于外部验证 | 医学影像 | 冠状动脉疾病，支架内再狭窄 | CT-FFR（计算流体动力学结合冠状动脉CT血管成像），有创FFR | 深度学习模型（基于DEEPVESSEL） | CT血管成像（CCTA）图像 | 331例支架植入术后患者 | NA | DEEPVESSEL | 敏感性，特异性，准确性，阳性预测值，阴性预测值，AUC，McNemar检验，Bland-Altman图，Spearman相关系数 | NA |
| 426 | 2026-08-20 |
Development and Validation of a Protein Electrophoresis Classification Algorithm: Tabular Data-Based Alternative
2026-01-28, JMIR formative research
IF:2.0Q4
DOI:10.2196/83124
PMID:41605495
|
研究论文 | 提出了一种基于表格数据的机器学习算法，用于血清蛋白电泳分类，作为图像深度学习方法的高效、可解释替代方案 | 首次直接利用数值型SPE轮廓数据进行机器学习分类，避免了图像预处理复杂性，提高了可解释性和效率 | 未提及具体局限性 | 开发和验证一种基于表格数据的蛋白质电泳分类算法，并为图像深度学习方法提供替代方案 | 血清蛋白电泳数值数据 | 机器学习 | NA | 血清蛋白电泳 | 机器学习模型 | 表格数据 | NA | NA | NA | NA | NA |
| 427 | 2026-08-20 |
Aegis: a transformer-based deep learning framework for the accurate identification of anticancer peptides
2026-01-26, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-026-02520-y
PMID:41588397
|
研究论文 | 本文介绍了一个基于Transformer的深度学习框架Aegis，用于准确识别抗癌肽 | 首次将Transformer架构应用于抗癌肽识别，并通过SHAP特征重要性分析确定最优特征子集，实现性能超越现有模型 | 摘要中未提及具体局限性 | 开发一种快速且准确的计算方法用于抗癌肽的预测 | 抗癌肽序列 | 机器学习 | 癌症 | 序列特征提取方法（CKSAAP、CTDC、CTDT、CTDD、PAAC） | Transformer | 序列数据 | 未明确说明，但使用了独立测试数据集 | 未明确说明 | Transformer | 准确率 | 未明确说明 |
| 428 | 2026-08-20 |
COPD-TransNet: A Swin Transformer Network with Quantitative Emphysema Feature Fusion for COPD Detection and Staging from Opportunistic CT Scans
2026-Jan-07, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01785-z
PMID:41501304
|
研究论文 | 提出一种基于Swin Transformer架构的深度学习模型COPD-TransNet，用于从肺癌筛查CT扫描中检测和分期慢性阻塞性肺疾病（COPD），并整合了肺气肿特征和LAV-950%指标 | 首次将Swin Transformer与定量肺气肿特征（LAV-950%）融合用于COPD检测和分期，在机会性CT扫描中实现了优于主流方法的性能 | 未提及 | 开发基于Swin Transformer的深度学习模型，利用肺癌筛查CT扫描根据GOLD标准检测和分期COPD | 肺结节患者的CT图像、肺气肿特征和LAV-950%指标 | 医学影像分析 | 慢性阻塞性肺疾病（COPD） | CT成像 | Swin Transformer | 图像（CT扫描） | 637例肺结节患者（内部数据集，按4:1划分训练和测试），另用1464例NLST队列CT扫描进行外部验证 | NA | Swin Transformer | AUC、F1分数、准确率 | NA |
| 429 | 2026-01-30 |
Deep Learning-Based Instance-Level Segmentation of Kidney and Liver Cysts in Computed Tomography Images of Patients Affected by Polycystic Kidney Disease
2026-Jan-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000924
PMID:40811034
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 430 | 2026-08-20 |
Development and testing of a smart empowerment education system for gout patients in suburban areas
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1753575
PMID:42145497
|
研究论文 | 本研究旨在开发和评估一种智能赋权教育系统，该系统整合了赋权教育、精细化管理方案和智能技术，用于郊区痛风患者的管理。 | 创新点在于将赋权教育与智能技术（如深度学习算法）相结合，并针对资源有限的郊区环境开发了基于SpringBoot+Vue框架的智能管理系统，以提高患者自我管理能力和治疗效果。 | 研究局限性可能包括样本量较小（仅90例）且来自单一社区健康服务中心，可能影响结果的普遍性；此外，系统长期效果和更大规模应用的可行性尚未评估。 | 研究目的是开发并评估一种智能赋权教育系统，以改善郊区痛风患者的自我管理能力、治疗依从性和临床结局，如血清尿酸控制和肾功能。 | 研究对象为郊区社区健康服务中心收治的痛风患者，共90例，随机分为对照组和观察组。 | 机器学习 | 痛风 | 深度学习算法（用于个性化推荐） | 深度学习模型 | 患者临床数据 | 90例痛风患者（对照组45例，观察组45例） | NA | NA | 响应时间、预测准确率、自我管理能力评分、空腹血清尿酸值、肝肾功能指标 | NA |
| 431 | 2026-08-20 |
An Automated Hybrid Deep Learning-based Model for Breast Cancer Detection using Mammographic Images
2026, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种基于混合深度学习模型的自动化框架，用于利用乳腺X线图像进行乳腺癌的早期准确检测 | 创新性地结合了引导滤波预处理、改进的Dingo优化算法进行分割、预训练的U-Net特征提取、搜索与救援优化算法进行特征选择以及双阶段脉冲卷积神经网络进行分类，形成了端到端的混合模型 | 未在摘要中明确提及局限性 | 旨在开发一种稳健的自动化系统，以提高乳腺癌检测的诊断准确性、精确度、召回率和F-measure，从而支持临床决策 | 乳腺X线图像中的肿瘤区域 | 计算机视觉, 数字病理学 | 乳腺癌 | 乳腺X线成像 | 脉冲卷积神经网络, U-Net, 优化算法 | 图像 | 未在摘要中明确提及，但使用了CBIS-DDSM数据集 | 未在摘要中明确提及 | U-Net, 双阶段脉冲卷积神经网络 | 准确率, 精确度, 召回率, F-measure | 未在摘要中明确提及 |
| 432 | 2026-08-20 |
fMRI-based prediction of eye gaze during naturalistic movie viewing reveals eye-movement-related brain activity
2026, Psychoradiology
DOI:10.1093/psyrad/kkag026
PMID:42534530
|
研究论文 | 本研究在零样本设置下应用DeepMReye预训练模型，从fMRI信号预测自然观影时的眼动轨迹，并评估其跨数据集泛化能力及在脑活动映射中的实用性 | 首次在多个独立fMRI数据集上评估预训练眼动解码模型的零样本泛化性能，并展示组平均预测可有效揭示眼动相关的脑活动区域 | 个体水平预测精度有限，年龄相关效应结果不一致，且未进行数据集特定微调 | 评估fMRI眼动解码模型在无真实眼动数据场景下的可用性，以支持自然观影神经影像研究 | 三个独立的功能磁共振成像（fMRI）数据集中的受试者 | 机器学习, 神经影像分析 | 不适用 | 功能磁共振成像（fMRI） | 深度学习模型（DeepMReye） | 功能磁共振影像数据、眼动追踪数据 | 三个独立fMRI数据集 | 不适用（未明确指定） | DeepMReye（具体架构未明确） | 相关系数（r）、患者间相关性（ISC） | 未明确提及 |
| 433 | 2026-08-20 |
PLUTO: a YOLO-based lung field detector for pediatric lateral chest X-rays generalizable to adults
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1874287
PMID:42548667
|
研究论文 | 本文介绍了一种基于YOLO的儿科侧位胸片肺野检测器PLUTO，该模型不仅适用于儿科，还能泛化到成人侧位胸片，并通过年龄分层评估和跨域迁移测试验证了其性能 | PLUTO通过系统性的年龄分层评估框架和对成人图像的跨域迁移显式评估，推动了该新兴领域的发展 | 跨域泛化性仅在初步水平得到验证，更大规模的确认仍需未来工作 | 开发一种可泛化到成人的儿科侧位胸片肺野检测深度学习模型，以支持结核病及相关疾病的影像分析 | 儿科和成人侧位胸片图像，特别是用于评估结核病相关的淋巴结病和胸内结构 | 计算机视觉 | 结核病 | 深度学习 | YOLO（目标检测模型） | 医学图像（X光片） | 研究涉及内部儿科保留数据、外部儿科及成人胸片，具体数量未在摘要中提供 | NA | YOLO11s | 平均精度均值（mAP@[0.5:0.95]） | NA |
| 434 | 2026-08-20 |
Explainable hybrid deep learning framework with Grad-CAM for heartbeat-level arrhythmia classification
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1848316
PMID:42609215
|
研究论文 | 提出了一种可解释的混合深度学习框架，用于自动分类心电图心律失常，集成了1D-CNN、GRU和通道注意力机制，并利用Grad-CAM增强可解释性 | 结合1D-CNN、GRU和通道注意力技术，并集成Grad-CAM模块以突出影响模型决策的心电信号复杂部分，提高可解释性 | 未明确提及，但可能受限于数据集和单导联信号的应用范围 | 开发一种准确且可解释的自动心电图心律失常分类方法，适用于实时临床部署 | 心电图信号中的心律失常分类 | 深度学习 | 心血管疾病 | 心电图信号分析 | 混合深度学习模型（1D-CNN、GRU、通道注意力） | 心电图信号 | 三个基准数据集：MIT-BIH心律失常、圣彼得堡INCART和MIT-BIH室上性心律失常数据库（SVDB） | NA | 1D-CNN、GRU、Grad-CAM | 准确率、宏F1分数、特异性 | NA |
| 435 | 2026-08-20 |
A fully automated machine learning assisted pipeline to predict disease progression for early-stage hypertrophic cardiomyopathy from echocardiography
2026, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2026.1875305
PMID:42609278
|
研究论文 | 本研究利用全自动机器学习管道从超声心动图中预测早期肥厚型心肌病的疾病进展，并识别出左房室耦合指数作为稳健的风险标志物。 | 首次将全自动深度学习分割与基于形状的放射组学特征相结合，用于预测无症状HCM的疾病进展，并推导出可操作的超声心动图标志物LACI。 | 研究为回顾性设计，样本量相对较小，外部验证队列仅有48例，可能限制结果的普适性。 | 评估超声心动图在预测无症状HCM疾病进展中的预后价值，并构建全自动机器学习管道。 | 早期（NYHA I级）肥厚型心肌病患者，共260例，来自两个中心。 | 医学影像分析，机器学习 | 肥厚型心肌病 | 超声心动图 | 深度学习分割模型、梯度提升树生存模型 | 超声心动图B模式心尖四腔序列图像 | 发现队列212例，验证队列48例，共260例 | 未明确指定，但涉及深度学习分割和梯度提升树，可能使用PyTorch或Scikit-learn | 深度学习分割网络（具体架构未指明）、梯度提升树（如XGBoost或LightGBM） | C指数，95%置信区间，3年风险率 | 未在摘要中提及具体GPU或云平台资源 |
| 436 | 2026-08-20 |
ORDER-DR: external validation of severity grading and referable-risk stratification from fundus images
2026, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2026.1923216
PMID:42609287
|
研究论文 | 本研究开发并外部验证了一个名为ORDER-DR的双分支序数风险框架，用于从眼底图像进行五级糖尿病视网膜病变严重程度分级和可转诊风险分层 | 提出验证校准的双分支序数风险框架，结合高分辨率类平衡判别和病变顺序敏感风险建模，并强调阈值校准与外部验证的互补性 | 外部验证中序数分级一致性与可转诊风险排序之间存在权衡，且Messidor-2上的可转诊风险预期校准误差较高 | 评估眼底图像深度学习模型在外部数据集上的序数分级和风险分层性能，并建立可复现的实证评估框架 | 糖尿病视网膜病变患者的彩色眼底照片 | 计算机视觉 | 糖尿病视网膜病变 | 眼底成像 | EfficientNet-B0 | 图像 | 1744张可分级Messidor-2图像及APTOS数据集 | PyTorch | EfficientNet-B0 | 二次加权卡帕、宏F1、准确率、AUROC、AUPRC、预期校准误差 | 未明确提及，可能使用GPU进行深度学习训练 |
| 437 | 2026-08-20 |
Image-based deep learning in otology: a state-of-the-art review
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1884951
PMID:42609328
|
综述 | 本文综述了深度学习在耳科影像中的应用现状，涵盖中耳疾病分类、内耳结构分割及低剂量CT重建等。 | 系统梳理了深度学习在耳科影像中的最新进展，特别关注3D U-Net和UNETR在CT/MRI分析中的应用。 | 面临罕见病数据稀缺、微小结构（如镫骨）分割性能差、与临床工作流整合不足等挑战。 | 总结深度学习在耳科影像诊断和治疗中的应用文献，评估其潜力与挑战。 | 中耳疾病（如中耳炎）和听小骨、耳蜗、内耳结构。 | 医学影像分析 | 耳科疾病 | N/A | CNN, 3D U-Net, UNETR | 耳内镜图像, CT, MRI三维体积数据 | N/A | N/A | 3D U-Net, UNETR | N/A | N/A |
| 438 | 2026-08-20 |
Deep learning enables edge deployment for citrus leaf disease recognition in natural orchard scenes
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1896487
PMID:42609366
|
研究论文 | 基于YOLOv11n开发轻量级目标检测模型SKM-YOLOv11，用于自然果园场景下柑橘叶部病害识别，并在边缘设备上实现高效部署 | 引入StarNet-S050作为骨干网络，设计C3k2-Star模块以增强跨尺度特征融合，并构建轻量共享检测头MNS-Head以减少预测冗余，在提升精度的同时大幅降低计算复杂度 | 未在论文标题和摘要中明确提及局限性 | 实现自然果园场景下准确且高效的柑橘叶部病害识别，并支持资源受限设备上的实时检测 | 柑橘叶部病害图像，涵盖六类 | 计算机视觉 | 柑橘叶部病害 | 深度学习 | 目标检测模型（YOLOv11变体） | 图像 | 6414张图像，分为六类 | PyTorch | YOLOv11n（改进型），StarNet-S050骨干，C3k2-Star模块，MNS-Head | 精确率、召回率、mAP@0.5、FLOPs、参数数量、模型大小、推理速度（FPS） | Jetson Orin NX Super边缘设备 |
| 439 | 2026-08-20 |
Development of a deep learning-based grid walking test for assessing post-stroke motor function in mice
2026, Frontiers in behavioral neuroscience
IF:2.6Q3
DOI:10.3389/fnbeh.2026.1873231
PMID:42609386
|
研究论文 | 开发了一种基于深度学习的网格行走测试，用于评估小鼠卒中后的运动功能 | 首次将DeepLabCut用于网格行走测试的自动化误步量化，实现了毫米级跟踪精度，并检测到卒中小鼠脚部失误增加约3倍，优于商业自动化梯子测试 | 未提及 | 开发一种比商业自动化梯子测试更敏感、客观的深度学习方法，用于评估卒中后小鼠的运动功能恢复 | 光血栓性卒中模型小鼠 | 计算机视觉 | 卒中 | DeepLabCut姿态估计 | 深度学习模型（基于DeepLabCut） | 视频图像 | 未明确说明，但涉及卒中小鼠和对照组小鼠 | 未提及 | DeepLabCut（基于ResNet） | 跟踪精度、误步次数增加倍数 | 未提及 |
| 440 | 2026-08-20 |
The application of traditional machine learning and deep learning with EEG for mild cognitive impairment: a bibliometric analysis
2026, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2026.1880346
PMID:42609573
|
研究论文 | 本研究采用文献计量学方法分析脑电图与机器学习在轻度认知障碍研究中的应用现状，包括出版趋势、地理分布、高被引文献和关键词聚类等 | 首次综合使用多个国内外数据库对脑电图和机器学习在轻度认知障碍研究进行系统的文献计量分析，并结合关键词突变检测揭示当前研究前沿 | 分析可能受限于数据库覆盖范围和文献筛选标准，且中文核心文献数量与英文存在显著差距，可能影响结论的全面性 | 分析脑电图和机器学习在轻度认知障碍研究中的应用现状、发展趋势和研究热点 | 脑电图和机器学习在轻度认知障碍研究中的相关文献 | 文献计量学 | 轻度认知障碍 | 脑电图 | 传统机器学习模型（如支持向量机）、深度学习模型（如卷积神经网络、人工神经网络） | 文献元数据 | 547项有效研究（包括523项英文研究和24项中文核心期刊文章） | NA | 支持向量机、卷积神经网络、人工神经网络 | NA | NA |