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 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2026-07-26 |
Web of Science Bibliometrics Analysis of Magnetic Resonance Imaging Research Advances in Multiple Sclerosis
2026, Current medical imaging
IF:1.1Q3
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 582 | 2026-07-26 |
Forecasting user engagement and competing cascades in social media diffusion: A Hawkes-Transformer approach
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0354472
PMID:42497156
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 583 | 2026-07-26 |
Spatial-aware lightweight network for real-time tea disease detection: A coordinate attention-enhanced YOLOv8n approach with path-decoupling strategy
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0354583
PMID:42497159
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 584 | 2026-07-26 |
Fundus image analysis of retinitis pigmentosa using artificial intelligence
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0354452
PMID:42497190
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 585 | 2026-07-26 |
Ionospheric TEC anomalies analysis and prediction during six volcanic eruptions using a Hybrid ML-DL model and comparison with the AR/MLR Models
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0354386
PMID:42497284
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 586 | 2026-07-26 |
A dataset-centric review of IoT and IIoT intrusion detection: realism, evaluation biases, and future research directions
2026, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2026.1878260
PMID:42499387
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 587 | 2026-07-26 |
Deciphering tuberculosis pathway mechanisms via graph neural networks and multimodal deep learning: a comprehensive AI-driven framework for precision medicine
2026, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2026.1753893
PMID:42499499
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 588 | 2026-07-26 |
Monthly trends, determinants, and forecasting of perinatal mortality in Ghana: a comparison of ARIMA, BPNN, DLNN, and GRNN models
2026, Frontiers in reproductive health
IF:2.3Q3
DOI:10.3389/frph.2026.1849802
PMID:42499668
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 589 | 2026-07-26 |
Machine and deep learning based on magnetic resonance imaging to segment glioblastoma and predict the spread of recurrence: a multicenter retrospective protocol
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1818594
PMID:42500392
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 590 | 2026-07-26 |
EDISP: a hybrid CNN-ViT framework for robust maize leaf disease detection and classification
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1873194
PMID:42500479
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 591 | 2026-01-21 |
Deep Learning-Based Collateral Scoring on Multiphase CTA in Patients with Acute Ischemic Stroke in the MCA Region
2026-01-05, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8911
PMID:40623825
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于评估和量化急性缺血性卒中患者多期相CTA图像中的侧支循环状态 | 提出了一种结合定制预处理模块的深度学习分类方法，用于自动评估多期相CTA中的侧支循环，旨在减少观察者变异并提高诊断效率 | 研究为回顾性设计，样本量相对有限（420例患者），且依赖于手动评估作为金标准，可能存在主观偏差 | 开发自动化评估急性缺血性卒中患者侧支循环的方法，以辅助临床决策 | 急性缺血性卒中患者的多期相CTA图像 | 医学影像分析 | 急性缺血性卒中 | 多期相CTA | 深度学习分类模型 | 医学影像（多期相CTA图像） | 420例患者 | NA | NA | 准确率, F1分数, 精确率, 灵敏度, 特异度, AUC, ICC, κ系数 | NA |
| 592 | 2026-07-24 |
Artificial Intelligence in Computer-Aided Drug Design (CADD) Tools for the Finding of Potent Biologically Active Small Molecules: Traditional to Modern Approach
2026, Combinatorial chemistry & high throughput screening
IF:1.6Q3
|
综述 | 综述人工智能在计算机辅助药物设计中用于发现有效生物活性小分子的传统与现代方法 | 全面总结人工智能驱动的药物发现方法，涵盖结构虚拟筛选、深度学习的配体性质和靶点活性预测，以及按需虚拟库的应用，并探讨其对整个药物发现流程的变革潜力 | 未讨论具体方法的实证验证、实际应用中的局限性及数据隐私、模型可解释性等挑战 | 综述AI在药物发现中作为基础组件的作用，特别是用于识别高效、特异性小分子配体，以及如何加速药物开发并降低成本 | 靶向蛋白的小分子配体 | 机器学习 | 不适用 | 计算机辅助药物设计、虚拟筛选、深度学习 | 深度学习模型 | 文本、三维结构数据 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 593 | 2026-07-22 |
From pixels to prognosis: A QUADAS-2-Guided systematic review and meta-analysis of deep learning segmentation for DLBCL in PET and PET/CT
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101144
PMID:41719779
|
系统综述与Meta分析 | 本系统综述和Meta分析评估了深度学习模型在PET/CT成像中自动分割弥漫性大B细胞淋巴瘤的性能和方法学质量 | 首次使用QUADAS-2工具评估DLBCL分割研究的偏倚风险，并汇总多中心与单中心研究的分割性能差异 | 纳入研究异质性较高，多中心研究DSC值略低（≈0.78 vs 0.82），且约27-33%研究存在中或不明偏倚风险 | 系统评估深度学习模型自动分割弥漫性大B细胞淋巴瘤的性能和临床适用性 | PET/CT影像上的弥漫性大B细胞淋巴瘤病灶 | 计算机视觉 | 弥漫性大B细胞淋巴瘤 | PET/CT成像 | 深度学习模型 | 医学影像 | 15项符合条件的研究（11项定量综合，4项定性评估） | NA | NA | Dice相似系数 | NA |
| 594 | 2026-07-22 |
Integrative multi-omics and machine learning/deep learning approaches in cancer knowledge discovery: A scoping review
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101136
PMID:41740538
|
综述 | 对机器学习/深度学习在多组学整合癌症知识发现中的应用进行范围综述 | 系统评估了当前文献中多组学整合方法的有效性，并识别关键主题和知识空白 | 研究设计多样且数据类型差异大，导致研究间难以直接比较 | 评估多组学整合在癌症知识发现中的机器学习/深度学习方法效果并总结现状 | 70篇纳入研究的多组学整合方法与模型 | 机器学习 | 癌症 | 多组学（转录组学、基因组学、蛋白质组学） | 机器学习、深度学习 | 多组学数据 | 70篇研究 | NA | NA | NA | NA |
| 595 | 2026-07-22 |
Emerging light-based strategies in cancer theranostics: Photodynamic therapy, nanomedicine, and precision oncology
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101150
PMID:41747470
|
综述 | 探讨人工智能在光疗和光动力疗法中增强精准医学与个性化治疗的应用 | 系统性地综述了人工智能（特别是深度学习）在光疗和光动力疗法中的整合应用，包括肿瘤成像、实时治疗监测、个性化剂量推荐及药物发现，展示了超过95%的诊断准确率 | 人工智能在光疗和光动力疗法中的应用仍处于早期阶段，面临算法优化、数据整合和临床验证等挑战 | 分析人工智能如何提升光疗和光动力疗法的精度、个性化水平及治疗效果 | 光疗和光动力疗法中的患者影像数据、遗传信息、治疗反应及光敏剂药物 | 自然语言处理 | 癌症 | 光疗 | 深度学习 | 影像数据 | NA | NA | NA | 准确率 | NA |
| 596 | 2026-07-22 |
An attention-guided residual 3D U-net with focal Tversky-Dice loss for multi-modal pancreatic tumor segmentation using synthetic volumetric imaging
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101146
PMID:41762607
|
研究论文 | 提出一种结合合成多模态成像和条件特异注意力机制的残差3D U-Net模型用于胰腺导管腺癌分割 | 首次将合成多模态成像与条件特异性注意力机制融入残差3D U-Net结构，并采用Focal Tversky-Dice混合损失函数处理类别不平衡和小肿瘤分割问题 | 未在真实临床多模态数据集上验证，仅使用合成CT数据进行评估 | 提高胰腺导管腺癌自动分割的准确性和可靠性 | 胰腺导管腺癌肿瘤区域的自动分割 | 数字病理学 | 胰腺癌 | 合成多模态成像 | 3D U-Net | 合成多模态CT图像 | NA | PyTorch | 残差3D U-Net | Dice系数, IoU, VOE | NA |
| 597 | 2026-07-18 |
Machine learning-based prediction of hepatocellular carcinoma risk in steatotic liver disease: A nationwide cohort study
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349593
PMID:42207764
|
研究论文 | 利用机器学习预测脂肪肝患者肝细胞癌风险，基于全国队列研究 | 基于常规健康筛查变量开发可解释的机器学习模型，实现脂肪肝人群中肝细胞癌的风险分层，并识别关键预测因子 | 需要外部验证，研究基于韩国人群，结果可能具有地域局限性 | 开发可解释的机器学习模型以预测脂肪肝患者的肝细胞癌风险 | 韩国国家健康保险服务数据库中20-79岁的脂肪肝成人 | 机器学习 | 脂肪肝，肝细胞癌 | NA | 深度神经网络（加权多头注意力深度神经网络集成） | 结构化数据（健康筛查变量） | 1,241,560名脂肪肝成人（其中2,152名发生肝细胞癌） | NA | 多头注意力深度神经网络 | AUC, 灵敏度, 特异度 | NA |
| 598 | 2026-07-18 |
UAV-based RGB and multispectral mango leaf disease detection with benchmarking of YOLOv5 to YOLOv10 and SeqOpt-optimised YOLOv8 for real-time edge deployment
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349855
PMID:42207843
|
研究论文 | 提出了一种基于无人机多光谱成像与优化YOLOv8模型的实时芒果叶病检测框架，并嵌入边缘设备进行部署 | 首次系统性地对比YOLOv5至YOLOv10系列模型在芒果叶病检测中的性能，提出SeqOpt优化方法提升YOLOv8的检测精度与部署效率，并在树莓派5和NVIDIA Jetson Orin Nano上实现实时边缘部署 | 仅在特定果园条件下采集数据集，可能影响模型在其他环境或品种上的泛化能力 | 开发一种适用于精准农业的实时、轻量级芒果叶病检测系统，支持边缘设备高效部署 | 芒果叶片上的四种常见病害 | 计算机视觉 | 植物病害（芒果叶病） | 多光谱成像、RGB成像 | YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10 | 图像 | 6,334张高分辨率RGB和多光谱图像，涵盖四种病害 | PyTorch, ONNX | YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10 | F1-score, mAP@50, mAP@50-95 | 树莓派5, NVIDIA Jetson Orin Nano |
| 599 | 2026-07-18 |
Towards intelligent railway monitoring: A novel hybrid deep learning architecture for railway obstacle detection
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349562
PMID:42213657
|
研究论文 | 提出一种用于铁路障碍物检测的新型混合深度学习架构，实现了高准确度的分类 | 提出结合ResNet50和Swin Transformer V2的混合架构，并集成高效注意力模块，充分利用轨道床图像的视觉特征，在障碍物分类任务上达到新基准 | 未明确说明局限性，但数据集规模较小（2003张图像），可能影响模型泛化能力 | 实现铁路轨道障碍物的高可靠性自动分类，以提升铁路安全监控系统 | 铁路轨道上的六类障碍物：铁棒、巨石、人、树枝、罐子和桶 | 计算机视觉 | NA | NA | CNN与Transformer混合模型 | 图像 | 2003张图像，分为六类 | NA | ResNet50, Swin Transformer V2, 高效注意力模块 | 平衡准确率 | NA |
| 600 | 2026-07-18 |
Longitudinal MRI Temporal Transformer Fusion Model for Predicting Induction Chemotherapy Efficacy in Locally Advanced Nasopharyngeal Carcinoma
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338261457511
PMID:42224133
|
研究论文 | 开发并评估一种基于时间Transformer融合模型，整合基线治疗前和早期治疗中的MRI，用于预测局部晚期鼻咽癌诱导化疗疗效 | 提出双分支独立网络与注意力机制的时间Transformer融合模块，建模肿瘤表示的非线性纵向交互和动态演变模式，结合Grad-CAM增强可解释性 | NA | 实现早期风险分层和个性化治疗管理 | 488例局部晚期鼻咽癌患者 | 计算机视觉 | 鼻咽癌 | 增强T1加权成像 | Transformer | 图像 | 488名患者，来自两个机构 | NA | Twins-SVT, 时间Transformer | AUC, 95%置信区间 | NA |