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 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2026-07-18 |
Leveraging Machine Learning to Advance Alcohol Research: Current Applications, Challenges, and Opportunities
2026, Alcohol research : current reviews
DOI:10.35946/arcr.v46.1.03
PMID:42272995
|
综述 | 本综述调查了酒精文献中当前使用的机器学习方法类型，回顾了应用机器学习工具处理酒精数据面临的挑战，并探讨了克服这些挑战如何推动酒精使用障碍个性化医疗的发展 | 系统梳理了机器学习在酒精研究中的应用现状、挑战与机遇，强调多学科团队合作构建严谨可信的模型及定量基准的必要性 | 主要局限在于可用的样本数量较少，且大多数研究局限于单模态数据和使用传统机器学习方法，难以提供因果关系的洞见 | 推动机器学习在酒精使用障碍个性化医疗中的进步 | 2015至2025年间发表的110篇原创同行评审人类研究，主要分析饮酒行为并测试模型在新数据上的表现 | 机器学习 | 酒精使用障碍 | NA | 传统机器学习方法 | 酒精相关结果数据 | 110项原创研究 | NA | NA | NA | NA |
| 602 | 2026-07-18 |
Deciphering the mechanistic landscape of immune checkpoint blockade in ccRCC: from molecular drivers to therapeutic responses
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1774959
PMID:42206054
|
综述 | 综述了免疫检查点抑制剂在透明细胞肾细胞癌中的作用机制、耐药性及多组学技术与人工智能驱动的精准免疫肿瘤学进展 | 系统整合了肿瘤内在驱动因素与肿瘤微环境免疫抑制机制，并强调了多组学技术和人工智能在临床转化中的关键作用 | 尚未深入探讨不同联合治疗方案的具体疗效差异及长期随访数据 | 阐明透明细胞肾细胞癌中免疫检查点抑制剂反应的分子机制，并探讨从多组学数据到临床可操作见解的转化路径 | 透明细胞肾细胞癌患者及其肿瘤微环境 | 机器学习，数字病理学 | 肾细胞癌 | 单细胞转录组学、空间转录组学、蛋白质组学 | 深度学习 | 图像、多组学数据 | NA | NA | NA | NA | NA |
| 603 | 2026-07-18 |
Retinal imaging and artificial intelligence analysis
2026, Handbook of clinical neurology
|
综述 | 探讨视网膜成像技术与人工智能分析在眼科和神经疾病诊断中的应用、挑战及未来方向 | 系统总结了视网膜成像技术（如彩色眼底照相、OCT、OCTA）与深度学习融合的跨学科应用，并强调AI在神经及脑血管疾病中的生物标志物潜力 | 数据集偏差、模型泛化性不足、伦理问题及AI模型“黑箱”特性尚未解决 | 评估AI在视网膜图像分析中的现状，提出未来多模态整合与跨专科协作的发展方向 | 视网膜成像技术及AI分析在眼科（糖尿病视网膜病变、黄斑变性、视神经病变、遗传性视网膜疾病）及神经疾病中的诊断应用 | 计算机视觉, 机器学习 | 糖尿病视网膜病变, 老年黄斑变性, 视神经病变, 遗传性视网膜疾病, 心血管疾病 | 彩色眼底照相, 光学相干断层扫描, OCT血管成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 604 | 2026-07-18 |
Recent applications of artificial intelligence in cancer radiotherapy and immunotherapy: current status and future directions
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1776472
PMID:42459675
|
综述 | 综述人工智能在癌症放射治疗和免疫治疗中的应用现状与未来方向 | 系统回顾了AI在放射治疗、免疫治疗及药物发现与重定位中的进展，并讨论了从数据标准化到伦理监管的临床转化挑战 | 临床价值高度依赖跨患者群体的泛化能力及与标准临床基线的比较，且面临数据标准化不足、模型可解释性差和缺乏伦理监管等挑战 | 评估AI在癌症治疗中的应用现状并展望未来发展方向 | 癌症放射治疗、癌症免疫治疗、药物发现与重定位 | 机器学习 | 癌症 | NA | 深度学习, 机器学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 605 | 2026-07-18 |
CT radiomics with transfer learning features for detecting DECT-positive periarticular monosodium urate crystal deposition: a single-center retrospective study
2026, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2026.1881194
PMID:42460319
|
研究论文 | 基于单能量CT影像组学和迁移学习模型检测关节周围尿酸盐晶体沉积 | 将迁移学习特征（ResNet50）与传统影像组学特征结合构建深度学习影像组学模型，用于痛风的非侵入性诊断 | 单中心回顾性研究、未进行外部验证、深度学习模型与联合模型间无显著差异 | 开发和验证基于单能量CT的影像组学及深度学习模型，用于无创检测关节周围单钠尿酸盐晶体沉积 | 怀疑关节周围尿酸盐沉积的患者 | 计算机视觉 | 痛风 | CT成像 | 多层感知器 | 医学影像（CT图像） | 605例患者（训练组425例，验证组180例） | PyTorch | ResNet50 | AUC, 准确率, 灵敏度, 特异度 | NA |
| 606 | 2026-07-18 |
A novel deep-learning approach for robust identification of plant diseases
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0353374
PMID:42461837
|
研究论文 | 提出一种新型深度学习方法来稳健识别植物病害 | 该方法同时考虑植物病害的特定视觉特征和微观结构中的表面不平整、褶皱等干扰因素，并达到了99.86%的平衡准确率，建立了新的数据集级基准 | 未提及 | 可靠检测叶部病害以保护作物产量和确保粮食质量 | 萝卜叶片图像（健康、花叶病毒、黑斑病、霜霉病和跳甲虫） | 计算机视觉 | 植物病害 | NA | 卷积神经网络 | 图像 | 2801张萝卜叶片图像，涵盖5个类别 | NA | NA | 平均准确率、平衡准确率 | NA |
| 607 | 2026-07-18 |
Retraction: Automated brain tumor diagnostics: Empowering neuro-oncology with deep learning-based MRI image analysis
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0353921
PMID:42461855
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 608 | 2026-07-18 |
Automated macular hole staging on optical coherence tomography using an optimized ResNet-18 framework
2026, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2026.1886103
PMID:42465038
|
研究论文 | 开发并验证了一种基于光学相干断层扫描图像并采用优化ResNet-18框架的自动化黄斑裂孔分期方法 | 通过集成可变形卷积和高效通道注意力机制优化ResNet-18，实现了在有限数据条件下比更深CNN和Transformer架构更稳定可靠的黄斑裂孔分期性能 | 未提及具体局限性 | 开发和验证用于光学相干断层扫描图像中黄斑裂孔自动分期的深度学习模型 | 黄斑裂孔患者的光学相干断层扫描图像 | 计算机视觉 | 黄斑裂孔 | 光学相干断层扫描 | 卷积神经网络、Swin Transformer | 图像 | 6243张代表性光学相干断层扫描图像 | PyTorch | ResNet-18、Swin Transformer Tiny | 准确率、精确率、召回率、F1分数、特异性、AUC | NA |
| 609 | 2026-07-18 |
Predictive modeling for early detection and prediction of diabetes and cardiovascular diseases using big data and machine learning
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261470187
PMID:42465110
|
综述 | 探索大数据和机器学习技术如何应用于构建糖尿病和心血管疾病的早期检测与预测模型，并识别方法学优势、实施差距和伦理考量 | 系统总结了2013至2025年间使用大数据和机器学习预测糖尿病与心血管疾病的研究，强调了方法学优势、实施差距与伦理问题，并基于PRISMA-ScR指南和MMAT工具进行了质量评估 | 数据异质性、外部验证有限、人群代表性不足、算法偏见和模型可解释性缺乏，以及临床实施稀疏 | 评估大数据和机器学习在糖尿病和心血管疾病早期检测与预测中的应用现状，并提出改进方向 | 使用大数据和机器学习预测糖尿病或心血管疾病的相关研究 | 机器学习 | 糖尿病, 心血管疾病 | 大数据, 机器学习 | 决策树, 集成模型, 深度学习 | 电子健康记录, 可穿戴传感器数据, 多模态数据 | NA | NA | 决策树, 集成模型, 深度学习 | NA | NA |
| 610 | 2026-07-18 |
Integrating Kolmogorov-Arnold networks and sparse attention for robust visual plant disease symptom identification across diverse agricultural crops
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1855159
PMID:42465593
|
研究论文 | 提出一种基于改进视觉Transformer的深度学习框架，集成动态稀疏注意力机制，用于农业作物叶片病害症状的鲁棒识别 | 首次将科尔莫戈罗夫-阿诺德网络与稀疏注意力机制结合，设计轻量级Transformer架构并引入可学习非线性增强模块，以捕捉叶片图像中的细微病害症状变化 | NA | 实现多种农业作物叶片病害症状的高效、鲁棒自动识别，支持实时田间诊断 | 大豆和番茄等作物的叶片图像，包含多样病害症状模式 | 计算机视觉 | 植物叶部病害 | 深度学习 | 视觉Transformer | 图像 | 多源数据集，包含大豆和番茄叶片图像，以及多个作物的公开植物病害数据集 | PyTorch | 改进的视觉Transformer（KBTNet） | 分类准确率 | NA |
| 611 | 2026-07-18 |
Implications of autolysosome- astrocyte-associated signature in the pathogenesis of Alzheimer's disease: evidence from artificial intelligence and multi-omics and clinical validation
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1867831
PMID:42465724
|
研究论文 | 通过人工智能和多组学分析，揭示自噬溶酶体-星形胶质细胞相关分子特征在阿尔茨海默病发病机制中的作用 | 首次将自噬溶酶体功能异常与星形胶质细胞反应性相关联，鉴定出HMGCR作为中心致病基因，并利用深度学习算法筛选天然化合物靶点 | 仅基于公共数据库和临床样本，缺乏功能性验证实验 | 解析阿尔茨海默病中自噬溶酶体与星形胶质细胞互作的分子机制，构建诊断模型和治疗靶点 | 阿尔茨海默病患者海马组织转录组数据、单细胞数据及外周血样本 | 机器学习 | 阿尔茨海默病 | RNA-seq, WGCNA, Xcell算法, 单细胞测序 | 可解释机器学习, 共识聚类, 深度学习(Drugreflector), 分子对接 | 转录组数据, 单细胞数据 | 阿尔茨海默病患者海马组织bulk数据和单细胞数据，以及临床外周血样本 | Limma, WGCNA, Xcell, Drugreflector | NA | 诊断能力评估, 分层能力评估 | NA |
| 612 | 2026-07-18 |
CNNKSCEC: a deep learning-based framework for chromatin loop prediction with multi-source feature integration
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1850219
PMID:42466302
|
研究论文 | 提出一种基于深度学习的染色质环预测框架CNNKSCEC，通过多源特征融合提升预测性能 | 创新性地融合Hi-C和DNase-seq数据构建双通道特征矩阵，设计三阶段迭代特征提取架构，包含双分支卷积模块、SCConv模块和融合ECA与CBAM注意力的ECHybridAddition模块 | 未明确提及局限性 | 开发高效准确的染色质环预测方法，克服现有方法在噪声处理、数据不平衡和多组学整合方面的挑战 | 染色质环预测问题中的Hi-C和DNase-seq多源组学数据 | 机器学习, 数字病理学 | NA | Hi-C, DNase-seq | CNN | 基因组特征矩阵 | NA | PyTorch | CNNC, SCConv, ECHybridAddition | NA | NA |
| 613 | 2026-07-15 |
Learning inherent genetic patterns and trait associations with deep generative models for discrete genotype simulation
2026-01-21, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giag044
PMID:41980277
|
研究论文 | 探索使用深度生成模型离散基因型模拟以学习遗传模式与性状关联的方法 | 首次针对离散基因型数据在无条件和表型条件两种场景下进行模拟，并提出了针对离散基因型数据的改编模型 | 未提及具体局限性 | 开发并评估深度生成模型在基因型模拟中的能力，以保留隐私并解决数据可访问性限制 | 牛和人类多个染色体的基因型数据 | 机器学习 | NA | 基因型模拟 | 变分自编码器、扩散模型、生成对抗网络 | 基因型数据 | 大规模数据集，包括牛的所有染色体和人类的多个染色体 | NA | 变分自编码器、扩散模型、生成对抗网络 | 深度学习与定量遗传学文献中的指标 | NA |
| 614 | 2026-07-15 |
Comparison of deep learning approaches for extreme low-SNR image restoration
2026-Jan-21, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giag071
PMID:42329787
|
研究论文 | 本研究评估多种深度学习模型在极端低信噪比荧光显微图像恢复中的性能，并开发图像拼接方法以解决GPU内存限制 | 创建包含17,568对低/高信噪比图像的大规模荧光显微镜数据集，覆盖15种子数据集，并开发可处理大尺寸图像的拼接方法 | 监督式Transformer模型虽性能最优但训练时间最长 | 评估并比较深度学习去噪方法在极端低信噪比荧光显微图像恢复中的表现 | 多种生物标本在不同成像条件下的荧光显微图像 | 计算机视觉 | NA | 荧光显微镜 | Transformer | 图像 | 17,568对高/低信噪比图像，来自15个子数据集 | PyTorch | Transformer | 信噪比 | GPU |
| 615 | 2026-07-15 |
Physics-informed graph neural networks for robust cross-patient epileptic seizure prediction via chimera state detection
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345470
PMID:41926489
|
研究论文 | 提出混合物理信息图神经网络HP-GNN，通过检测疾病状态实现跨患者鲁棒的癫痫发作预测 | 首次将Kuramoto振荡器动力学物理约束与图神经网络集成，实现自动化、可解释的发作预测，减少训练数据需求35%，并提升跨患者泛化能力14.6% | 未提及算法在极端噪声或罕见发作模式下的表现，外部验证数据集规模有限（仅16名成年人） | 实现跨患者鲁棒且可解释的癫痫发作预测 | 22名儿科患者（CHB-MIT数据集，182次发作）和16名成年患者（IEEG.org数据集，87次发作）的多通道脑电图信号 | 机器学习 | 癫痫 | 脑电图（EEG）、Kuramoto振荡器理论 | 图神经网络 (GNN)、Mamba状态空间网络 | 多通道脑电图信号 | 844小时连续脑电图数据（训练）、22名儿科患者（182次发作）、16名成年患者（87次发作） | PyTorch（推断） | HP-GNN（三层超图卷积，维度64→128→256；Mamba网络；多任务预测头） | 准确性（84.7%）、灵敏度（89.3%）、假阳性率（每小时0.48次）、跨患者泛化率（79.8%）、零样本迁移准确率（71.3%） | NA |
| 616 | 2026-07-15 |
Artificial intelligence-driven assessment of sarcopenia in orthopedic geriatrics: technical progress and clinical implications
2026, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2026.1779448
PMID:41928875
|
综述 | 综述了人工智能（尤其是深度学习）在老年骨科中驱动肌少症评估的技术进展和临床应用 | 利用人工智能实现常规临床影像的自动化、高通量机会性筛查，并通过临床决策支持系统和电子病历整合实现从被动骨折管理到主动预防的范式转变 | 在技术标准化、生物变异性和模型可解释性方面仍存在重大挑战 | 总结人工智能在老年骨科肌少症评估中的技术进展和临床意义 | 老年骨科患者的肌少症评估 | 计算机视觉 | 老年疾病 | 深度学习 | 卷积神经网络 | 医学影像 | NA | NA | 卷积神经网络 | Dice相似系数 | NA |
| 617 | 2026-07-15 |
Artificial intelligence in oral oncology: Current advances and future potential in diagnosis, prognosis, and therapeutic decision-making
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101193
PMID:41930554
|
综述 | 总结人工智能在口腔肿瘤学诊断、预后和治疗决策中的应用现状与未来潜力 | 系统回顾了AI在口腔癌诊断、预后及治疗决策三大核心领域的最新进展，并强调跨模态数据整合和未来技术方向 | 数据稀缺、模型过拟合、可解释性不足，以及偏见和隐私等伦理问题阻碍了临床广泛应用 | 探讨AI如何帮助口腔肿瘤学转型为预测性、个性化和数据驱动的学科 | 口腔鳞状细胞癌（OSCC） | 数字病理学、机器学习、自然语言处理 | 口腔癌 | 组织病理学、放射组学、基因组分析 | 卷积神经网络（CNN） | 图像、文本、多模态数据 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 618 | 2026-07-15 |
Fully Automated Stain Quantification Framework for IHC Whole Slide Images in Breast Cancer
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251407734
PMID:41930704
|
研究论文 | 提出并公开发布一个完全自动化的、区分肿瘤和基质的IHC全切片图像H评分框架 | 首次实现针对乳腺IHC全切片图像的自动化、间隔特异性的H评分，整合了三个深度学习模块，并具备模块化设计可灵活应用于其他IHC任务 | 外部验证中HER2分类准确率为86%，CD73评分的平均绝对误差较大（21±10），结果仍有一定偏差 | 开发自动化IHC评分工具以减少诊断变异性和支持一致的治疗决策 | 乳腺IHC全切片图像中的肿瘤和基质区域 | 数字病理学 | 乳腺癌 | IHC | 深度学习模型 | 病理图像 | 87张专家标注的补丁，100张专家标注的全切片图像（内部验证），以及外部验证数据集 | PyTorch | 用于肿瘤-基质分割、细胞核分割和H评分估计的深度学习模块（未具体指定架构） | Spearman等级相关系数，准确率，平均绝对误差 | NA |
| 619 | 2026-07-15 |
EfficientNet-driven deep learning for accurate detection of faults in photovoltaic cells
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342647
PMID:41931557
|
研究论文 | 提出基于EfficientNetV2架构的深度学习框架，用于提高光伏电池故障检测的准确性 | 首次系统评估EfficientNetV2三种变体在光伏电池故障检测中的性能，并采用先进的图像预处理与增强技术优化异常检测 | 未提及模型在极端环境或大规模数据集上的泛化能力验证 | 提升光伏电池故障检测的准确率以优化系统维护和延长面板寿命 | 光伏电池中的缺陷（包括制造缺陷和环境退化导致的故障） | 计算机视觉 | NA | 深度学习图像分析 | EfficientNetV2 | 图像 | 2500张光伏电池图像（含缺陷和无缺陷样本） | PyTorch | EfficientNetV2B0, EfficientNetV2B2, EfficientNetV2M | 准确率, 精确率, 召回率, F1分数 | NA |
| 620 | 2026-07-15 |
A robust deep learning approach for impulse noise filtering using hybrid auto-encoder with fuzzy median filter
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343141
PMID:41931562
|
研究论文 | 提出一种结合深度卷积神经网络和模糊中值滤波的自编码器混合模型，用于高密度脉冲噪声滤除 | 将DnCNN与自编码器及模糊中值滤波相结合，实现高密度脉冲噪声检测与去除的图像修复技术 | NA | 开发一种有效的图像修复技术，用于检测和消除高密度脉冲噪声，提升图像恢复质量 | 标准测试图像中的脉冲噪声 | 计算机视觉 | NA | 图像去噪 | DnCNN, 自编码器, 模糊中值滤波 | 图像 | 12张标准测试图像 | NA | DnCNN, 自编码器 | 准确率, FPR, FNR, F1分数, PSNR, SSIM | NA |