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 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2026-07-15 |
Current overview of breast cancer risk assessment models - practical application in outpatient gynecological practice
2026, Ceska gynekologie
DOI:10.48095/cccg2026254
PMID:42419955
|
综述 | 综述乳腺癌风险评估模型的现状，探讨其在妇科门诊实践中的应用 | 结合多基因风险评分提升模型预测价值，并展望人工智能与深度学习驱动的三分类模型 | 现有模型主要限于高加索人群，其他人群的校准效果不佳 | 向专业人士介绍乳腺癌预测模型及其在常规妇科门诊中的潜在应用 | 乳腺癌风险评估模型（GAIL、IBIS、BOADICEA和Pecný模型） | 自然语言处理 | 乳腺癌 | NA | GAIL模型、IBIS模型、BOADICEA模型、Pecný模型 | 临床病史数据、基因检测数据、影像数据 | NA | NA | GAIL模型、IBIS模型、BOADICEA模型、Pecný模型 | 预测价值 | NA |
| 622 | 2026-07-15 |
Deep transfer learning for breast cancer detection in underserved regions
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1828664
PMID:42440459
|
研究论文 | 提出一种用于乳腺癌检测的深度迁移学习方法，重点针对巴勒斯坦等资源匮乏地区 | 提出两阶段深度学习框架，结合U-Net分割和VGG16分类，在本地数据集上验证了低资源环境下的可行性 | 仅基于小型本地数据集进行验证，需更大规模标注数据集确认性能后部署 | 为资源受限地区提供经济可扩展的乳腺癌诊断辅助工具 | 来自CBIS-DDSM数据集的乳腺X光片和巴勒斯坦医院患者数据 | 计算机视觉 | 乳腺癌 | 深度迁移学习 | CNN | 图像 | CBIS-DDSM训练集2206张乳腺X光片，测试集576张；巴勒斯坦医院测试集34名患者（12例良性，22例恶性） | PyTorch | U-Net、VGG16、ResNet50、MobileNet | 平均交并比、Dice系数、精确率、召回率、准确率、AUC | NA |
| 623 | 2026-07-15 |
ACSE: an efficient deep learning model for wheat disease identification
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1838344
PMID:42440804
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 624 | 2026-07-12 |
Research on epilepsy detection and recognition based on the combination of time frequency transform and deep learning model
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336764
PMID:41860927
|
研究论文 | 本文比较了连续小波变换和短时傅里叶变换与三种神经网络模型（EEGNet、AlexNet和Shallow ConvNet）结合的效果，并引入针对性优化设计以提高癫痫脑电图信号检测性能 | 引入Focal Loss、动态数据增强和早停机制提升模型鲁棒性；对EEGNet集成Squeeze-and-Excitation注意力模块并改进深度可分离卷积；对Shallow ConvNet引入分层卷积提取“时频”特征和平均池化适应长时段数据块 | 未提及具体局限性 | 提高癫痫脑电图信号检测性能并解决其非平稳特性 | 癫痫脑电图信号 | 机器学习 | 癫痫 | 连续小波变换、短时傅里叶变换、脑电图 | 卷积神经网络 | 脑电图信号 | 未提及 | 未提及 | EEGNet, AlexNet, Shallow ConvNet | 精度 | 未提及 |
| 625 | 2026-07-10 |
Diagnostic accuracy of deep learning using ultra-widefield fundus imaging for retinal detachment: a systematic review and meta-analysis
2026-Jan-03, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04605-8
PMID:41485001
|
meta分析 | 系统综述与meta分析评估深度学习结合超广角眼底成像对视网膜脱离的诊断准确性 | 首次对深度学习应用于超广角眼底成像检测视网膜脱离的诊断准确性进行系统综述和meta分析 | 研究间异质性高、指数测试报告不一致、病例谱和样本量差异大，可能限制结果的普适性 | 评估深度学习结合超广角眼底成像检测视网膜脱离的诊断准确性 | 视网膜脱离患者 | 机器学习 | 视网膜脱离 | 超广角眼底成像 | 深度学习模型 | 眼底图像 | 11项研究，测试集样本量从89到6,222张图像不等 | NA | NA | 敏感度、特异度、AUC | NA |
| 626 | 2026-07-10 |
Investigating the role of artificial intelligence in the diagnosis and prediction of endometriosis using ultrasound images: a systematic review
2026-Jan-03, Reproductive health
IF:3.6Q1
DOI:10.1186/s12978-025-02245-1
PMID:41484637
|
综述 | 系统综述人工智慧在超声图像诊断和预测子宫内膜异位症中的作用 | 首次系统总结AI在超声图像诊断子宫内膜异位症中的应用，比较深度学习和机器学习模型的性能差异 | 仅纳入5项研究，样本量有限，多数研究缺乏真实世界验证，且存在语言和数据库选择偏倚 | 评估AI在利用超声图像诊断和预测子宫内膜异位症中的作用，解决无创诊断工具不足的问题 | 子宫内膜异位症患者的超声图像 | 计算机视觉 | 妇科疾病 | 超声成像 | CNN | 图像 | 5项研究的参与者总数未明确，但明确提及5项研究 | NA | ResNet | 准确率, AUC, 灵敏度, 特异度 | NA |
| 627 | 2026-07-10 |
A deep learning-based evaluation system for child-friendly urban streets integrating abstract and concrete features-A case of Shanghai Urban Street
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342430
PMID:41729932
|
研究论文 | 提出一种基于深度学习、融合具体与抽象特征的儿童友好型城市街道评估系统，以上海街道为例验证其有效性 | 首次将深度学习与多特征融合应用于儿童友好型街道评估，整合可量化具体特征与街道图像抽象特征，提升评估客观性与效率 | NA | 开发高效、客观的儿童友好型城市街道评估方法 | 上海市1322个街道样本，包含6724张街景图像和7-12岁儿童感知调查数据 | 计算机视觉, 机器学习 | NA | NA | 卷积神经网络 (CNN), 多层人工神经网络 (ANN) | 图像 | 1322个街道样本，6724张街景图像，儿童感知调查数据（7-12岁） | NA | ResNet18 | 准确率 (Accuracy) | NA |
| 628 | 2026-07-10 |
Characterization of Kidney and Liver Cystic Phenotype Associated with <italic>GANAB</italic> Using Advanced Imaging Biomarkers
2026, Nephron
IF:2.3Q2
DOI:10.1159/000551274
PMID:41774594
|
研究论文 | 利用深度学习分割技术量化GANAB基因变异患者的肾和肝囊肿表型 | 首次使用深度学习分割技术定量分析GANAB相关显性多囊肾病的肾和肝囊肿影像表型 | 样本量较小（16例），需更大规模队列验证基因型-表型关联 | 定量描述GANAB基因变异导致的肾和肝囊肿影像表型 | 16名携带GANAB基因变异的个体 | 数字病理学 | 显性多囊肾病 | 深度学习囊肿分割 | CNN | 医学影像（腹部CT/MRI） | 16名患者 | NA | U-Net或类似架构 | 体积指标（htTKV、肝体积、囊肿数、囊肿体积） | NA |
| 629 | 2026-07-10 |
Artificial Intelligence (AI) in microbiome-directed biotherapeutics development
2026, Progress in molecular biology and translational science
DOI:10.1016/bs.pmbts.2026.01.005
PMID:41714088
|
综述 | 探讨人工智能在微生物组导向的生物治疗药物开发中的应用 | 系统性地讨论了如何利用机器学习和深度学习识别微生物组数据中的“特征”，以促进诊断和治疗方法的发展，并探索如何通过AI模型发现新的活体生物治疗产品 | 主要挑战包括基线肠道微生物组的变异性、微生物行为的上下文依赖性以及菌株特异性变异，导致高度个体化的治疗反应，以及改进数据的需求 | 综述人工智能在微生物组导向的生物治疗药物开发中的主要应用方式、当前挑战和未来前景 | 人类肠道微生物组及其在健康与疾病中的作用，以及活体生物治疗产品 | 机器学习 | 肠道菌群相关疾病 | NA | 机器学习和深度学习模型 | 微生物组数据和宿主组学数据 | NA | NA | NA | NA | NA |
| 630 | 2026-07-10 |
GaitNet: Transfer Learning-Enhanced CNN-GRU Architecture for Intention Detection in Healthy and Post-Stroke Participants
2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2026.3706357
PMID:42335064
|
研究论文 | 提出GaitNet，一种融合迁移学习的双分支CNN-GRU框架，用于健康与中风后患者的运动意图检测 | 首次将迁移学习与双分支CNN-GRU架构结合，实现数据高效的意图检测，在仅用45%训练数据时仍保持>98%的准确率 | 未明确提及局限性，但健康参与者中的闭环控制测试可能未完全代表临床实时场景 | 开发高精度、数据高效且实时的运动意图检测方法，以改善中风康复辅助机器人控制 | 健康参与者和中风后参与者 | 机器学习 | 中风 | NA | CNN-GRU | 时间序列数据 | 健康参与者与中风后参与者，具体数量未提及 | TensorFlow, Keras | CNN, GRU, 交叉注意力 | 准确率, 精确率, 召回率, F1分数 | NA |
| 631 | 2026-07-10 |
CNN-Based Modeling Reveals Temporal Brain Dynamics of Auditory Intensity Processing
2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2026.3709314
PMID:42391058
|
研究论文 | 使用基于CNN的动态模型解码fNIRS数据中的听觉强度信息，揭示大脑颞叶动力学 | 首次采用Siamese卷积神经网络直接从完整HbO试验波形解码强度等级，实现了波形级的动态皮层反应表征，并强调了时间锁定波形特征在强度编码中的关键作用 | 样本量较小（18名正常听力成年人），未涉及听力受损人群或强度感知的个体差异探索 | 理解人类大脑如何编码听觉强度，特别是单次试验血流动力学反应的时间动态特征 | 18名正常听力成年人的fNIRS数据，包含两个刺激队列（3或4个强度水平加安静基线） | 机器学习 | NA | fNIRS | CNN | 时间序列波形 | 18名正常听力成年人，两个刺激队列（3或4个强度水平加基线） | PyTorch | Siamese卷积神经网络 | 准确率 | NA |
| 632 | 2026-07-10 |
TongueNet-GYN: a multimodal deep learning framework for non-invasive gynecological disease screening in digital public health
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1854215
PMID:42415771
|
研究论文 | 提出TongueNet-GYN，一种基于舌像分析与现代AI的无创妇科疾病筛查框架 | 结合了结构化临床先验知识与通过增强型Attention-CLIP模型提取的深度语义特征，并引入量化的形态学特征以模拟临床诊断逻辑，实现了舌像分析在妇科疾病无创筛查中的创新应用 | 摘要未明确提及限制 | 开发一种精准、高效、可扩展的数字健康解决方案，用于改善妇女慢性病管理的早期筛查和健康公平 | 多囊卵巢综合征(PCOS)和子宫内膜异位症等妇科疾病 | 数字病理学 | 妇科疾病（多囊卵巢综合征、子宫内膜异位症） | 舌像分析 | Attention-CLIP | 图像（舌像） | 3,167张舌像图像 | NA | Attention-CLIP | 准确率(Accuracy)、AUC | NA |
| 633 | 2026-07-10 |
Retraction: Convolutional neural network model by deep learning and teaching robot in keyboard musical instrument teaching
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0352739
PMID:42418419
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 634 | 2026-07-10 |
Artificial intelligence-driven phage therapy in veterinary medicine: an adaptive One Health strategy to mitigate antimicrobial resistance in livestock systems
2026, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2026.1829777
PMID:42421846
|
综述 | 探讨人工智能驱动的噬菌体疗法在兽医学中的应用，作为缓解畜牧系统抗菌药物耐药性的适应性“同一个健康”策略 | 系统整合人工智能在噬菌体疗法中的最新进展，包括深度学习预测宿主、图基因组模型、强化学习优化鸡尾酒疗法、AI辅助基因组筛选增强生物安全评估等，并提出在“同一个健康”框架下的适应性部署策略 | 大多数AI应用仍处于计算概念验证或临床前阶段，缺乏实地验证；经济模型中的估计值仅为示意性，关键知识空白待填补 | 综述AI引导的噬菌体发现、流行病学建模、微生物组调控、水平基因转移风险评估、经济评估和监管创新，以推动精准兽用噬菌体疗法发展 | 畜牧系统中的抗菌药物耐药性及噬菌体疗法，重点关注家禽、猪、牛和水产养殖系统 | 机器学习 | 细菌感染性疾病（与抗菌药物耐药性相关） | 深度学习、图基因组模型、强化学习、AI辅助基因组筛选 | 深度学习模型、图神经网络、强化学习模型 | 基因组数据、流行病学数据、经济模型数据 | NA（综述文章，未涉及具体样本） | NA | NA | 准确性（对基准数据集） | NA |
| 635 | 2026-07-10 |
Cross-modal fusion of cytomorphology and 18F-FDG PET/CT for non-invasive bone marrow immune microenvironment decoding in multiple myeloma
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1856163
PMID:42421956
|
研究论文 | 开发了一种跨模态深度学习框架ImmunoCast-MM，通过整合细胞形态学和18F-FDG PET/CT图像，非侵入性地解码多发性骨髓瘤的骨髓免疫微环境 | 首次结合骨髓涂片细胞形态学与全身PET/CT成像，通过对比学习融合模块，将两种常规诊断检查转化为非侵入性的BMME分析工具，并生成免疫功能障碍指数（IDI） | NA | 开发一种非侵入性的多发性骨髓瘤骨髓免疫微环境解码方法，以支持风险评估和免疫治疗分层 | 多发性骨髓瘤患者的骨髓涂片细胞形态学和18F-FDG PET/CT影像数据 | 计算机视觉 | 多发性骨髓瘤 | NA | 深度学习 | 图像 | 243名初诊多发性骨髓瘤患者 | PyTorch | DinoBloom | Spearman相关系数, 一致性指数, 受试者工作特征曲线下面积 | NA |
| 636 | 2026-07-10 |
Machine learning-driven discovery of antimicrobial peptides against Pseudomonas aeruginosa
2026, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2026.1837055
PMID:42422065
|
研究论文 | 开发了一种结合深度学习与经典机器学习方法的集成预测框架，用于快速准确识别抗微生物肽，并成功筛选出针对铜绿假单胞菌的候选肽 | 将深度学习与经典机器学习方法相融合构建集成预测框架，实现大规模肽序列的高效筛选与传统发现方法相比显著提升了效率和准确性 | NA | 开发一种高效可靠的抗微生物肽高通量筛选方法，以应对抗生素耐药性危机 | 抗微生物肽及铜绿假单胞菌 | 机器学习 | 细菌感染相关疾病 | 固相合成、扫描电子显微镜、分子动力学模拟、转录组测序 | 深度学习与经典机器学习集成模型 | 人工生成的肽序列数据 | 超过25万个人工生成的肽序列 | NA | NA | 最低抑菌浓度 | NA |
| 637 | 2026-07-10 |
Integrating deep learning 3D tracking and biophysical EOD modeling for precise, noninvasive computational neuroethology in freely swimming weakly electric fish
2026, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2026.1810975
PMID:42422234
|
研究论文 | 提出一种整合深度学习3D追踪与生物物理电器官模型的方法，用于自由游动的弱电鱼的非侵入性计算神经行为学研究 | 首次将深度学习3D追踪与电模型相结合，实现了基于电信号的3D追踪概念验证，并提出了生物启发的非对称电荷分布模型，优于传统偶极子模型 | 概念验证研究，仅针对脉冲型鱼类，尚未扩展到多动物或波型电鱼，且依赖多摄像头系统进行训练数据生成 | 开发一种基于电信号的非侵入性3D追踪方法，用于暗深水环境中弱电鱼的运动监测，并支持神经行为学研究 | 自由游动的脉冲型弱电鱼 | 计算机视觉, 机器学习 | NA | 电信号记录, 深度学习3D追踪, 电器官模型模拟 | 深度学习模型（3D骨骼轨迹重建）, 生物物理模型（电荷分布模型） | 视频数据, 电信号数据 | 单条自由游动的弱电鱼（概念验证） | PyTorch（推测，基于深度学习3D追踪） | 深度学习3D骨骼重建网络（未指定具体架构）, 电荷分布模型（非对称模型, 偶极子模型） | 空间精度（约0.8 mm/坐标） | 多摄像头系统, 深层水箱, 电极阵列 |
| 638 | 2026-07-10 |
Advanced retinal disease detection using RHT-Net: a hybrid deep learning approach with augmented fundus imaging
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1837336
PMID:42422365
|
研究论文 | 提出RHT-Net混合深度学习架构，用于从眼底彩照中多分类九种视网膜疾病 | 融合残差卷积神经网络与Transformer编码器，同时提取局部特征和全局依赖关系 | 需要进一步的外部验证和面向部署的优化才能投入临床实际应用 | 实现视网膜疾病的准确、可扩展的自动化筛查系统 | 孟加拉患者的5318张彩色眼底图像数据 | 计算机视觉 | 视网膜疾病 | 数据增强（旋转、翻转、高斯噪声）、CLAHE对比度增强 | 混合深度学习架构（RHT-Net） | 图像 | 5318张眼底彩照（增强后21272张），按80/20划分训练测试集 | NA | ResNet、Transformer编码器 | 准确率、F1分数、混淆矩阵、Grad-CAM可视化 | NA |
| 639 | 2026-07-10 |
Brain age gradients as intermediate phenotypes linking plasma p-tau217 to cognition in community-dwelling older adults
2026, NPJ dementia
DOI:10.1038/s44400-026-00115-6
PMID:42422561
|
研究论文 | 探索社区老年人中血浆p-tau217通过脑年龄梯度影响认知的中间表型 | 首次将脑年龄梯度分解为六个区域因子，并验证其作为血浆p-tau217与认知功能之间中介通路的特异性 | 横断面设计无法推断因果关系；样本主要来自单一队列且年龄范围较宽（≥60岁亚组仅71人），普适性有限 | 研究血浆磷酸化tau-217（p-tau217）与认知功能的关系是否通过脑年龄梯度介导 | 518名社区老年成年人（平均年龄43.7岁，70.8%女性）的神经影像数据及血浆p-tau217水平 | 机器学习和神经影像学 | 阿尔茨海默病及相关认知障碍 | 血浆p-tau217检测、MRI脑成像 | 深度学习脑年龄模型 | 神经影像数据 | 518名成年人（≥60岁亚组71人） | NA | 深度学习脑年龄模型，探索性因子分析分解为六个梯度 | 蒙特利尔认知评估（MoCA）分数 | NA |
| 640 | 2026-07-10 |
Dual-stage deep learning framework for neuroblastoma differentiation by integrating cell segmentation and multiscale modeling
2026, World journal of pediatric surgery
IF:0.8Q4
DOI:10.1136/wjps-2025-001149
PMID:42422597
|
研究论文 | 提出一个两阶段深度学习框架，通过整合细胞分割和多尺度建模实现神经母细胞瘤分化的精确分类 | 创新性地将改进的MedSAM与优化后的Swin Transformer结合，通过级联特征提取和决策机制解决肿瘤微环境干扰和小样本泛化问题 | 在小样本数据集上验证，且识别准确性在低比例亚型上可能受限 | 开发客观定量的智能辅助诊断技术，用于神经母细胞瘤的病理诊断 | 神经母细胞瘤患者全切片图像（共185例患者的185张整张切片） | 数字病理学 | 神经母细胞瘤 | 数字病理图像分析 | MedSAM, Swin Transformer | 图像（病理全切片图像） | 185例患者的185张整张切片 | PyTorch | MedSAM, Swin Transformer | Dice系数, AUC, 95%置信区间 | NA |