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 2404 篇文献，本页显示第 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2026-02-14 |
Graph Attention Networks for Detecting Epilepsy From EEG Signals Using Accessible Hardware in Low-Resource Settings
2026, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3642070
PMID:41669279
|
研究论文 | 本文提出了一种基于图注意力网络的深度学习框架，用于从低成本脑电图硬件中检测癫痫，并在低资源环境下实现公平、可访问的自动评估 | 将脑电图信号建模为时空图，并调整原本关注节点的图注意力网络以分析边关系，从而强调连接性生物标志物；设计了适用于低保真度记录的信号预处理方法和轻量级图注意力网络架构 | 研究仅在尼日利亚和几内亚比绍的脑电图记录上进行测试，样本来源和规模可能有限 | 为低收入国家提供可负担、可访问的癫痫自动诊断支持工具 | 来自尼日利亚和几内亚比绍的脑电图信号记录 | 机器学习 | 癫痫 | 脑电图 | 图注意力网络 | 脑电图信号 | 来自尼日利亚和几内亚比绍的脑电图记录（具体数量未明确说明） | PyTorch | 图注意力网络 | 准确率, 鲁棒性 | Google Colab, RaspberryPi设备 |
| 1102 | 2026-02-14 |
Deep Learning-Based Decoding and Feature Visualization of Motor Imagery Speeds From EEG Signals
2026, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3645617
PMID:41669281
|
研究论文 | 本研究利用深度学习探究了运动想象速度解码的神经动力学 | 采用EEGConformer模型结合可解释人工智能技术，可视化解码EEG信号中与运动想象速度相关的时空模式 | 分类准确率有限，仅对少数参与者表现出较高性能 | 解码和可视化运动想象速度的EEG信号模式 | EEG信号中与不同运动想象速度相关的神经动力学特征 | 机器学习 | NA | 脑电图 | Transformer | EEG信号 | NA | NA | EEGConformer | 分类准确率 | NA |
| 1103 | 2026-02-14 |
Current role of artificial intelligence and machine learning: is their application feasible in pediatric upper airway obstructive disorders?
2026-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09592-6
PMID:40775390
|
综述 | 本文通过系统综述评估了人工智能和机器学习在儿童上气道阻塞性疾病的诊断、管理和潜在治疗中的作用与可靠性 | 首次系统性地综述了AI/ML在儿童上气道阻塞性疾病中的应用，并识别了当前研究主要集中在阻塞性睡眠呼吸暂停的诊断上，揭示了输入数据模态的分布和模型性能的差异 | 现有研究存在患者群体异质性、样本量小、主要聚焦于阻塞性睡眠呼吸暂停等问题，可能限制研究结果的普适性；且尚无研究涉及治疗或监测，数据多样性、验证和可行性方面仍存在挑战 | 评估人工智能和机器学习在儿童上气道阻塞性疾病的诊断、管理和潜在治疗中的角色与可靠性 | 儿童上气道阻塞性疾病患者（年龄≤18岁） | 机器学习 | 儿童上气道阻塞性疾病 | NA | CNN, XGBoost, SVM | 生理信号（如夜间血氧饱和度信号、心电图）、临床参数、多导睡眠图数据 | NA | NA | 卷积神经网络 | 准确率, 灵敏度 | NA |
| 1104 | 2026-02-14 |
A scoping review of systematic reviews on artificial intelligence in orthopaedics
2026 Jan-Apr, Journal of orthopaedic surgery (Hong Kong)
DOI:10.1177/10225536261424033
PMID:41680110
|
综述 | 本文对骨科领域人工智能相关系统综述和荟萃分析进行了范围综述，以描绘发表趋势、地理分布、临床和解剖学焦点，并映射AI方法和应用 | 首次在骨科领域对AI相关系统综述进行全面的范围综述，识别了未充分探索的解剖区域和应用领域（如处方建模），为未来研究指明了方向 | 仅纳入了自由访问的系统综述，可能遗漏部分文献；且研究范围限定至2025年7月，未来趋势可能变化 | 描绘骨科人工智能研究的发表趋势、地理分布、临床和解剖学焦点，并映射AI方法和应用，以突出未探索领域的研究机会 | 2015年至2025年7月期间发表的骨科人工智能相关系统综述和荟萃分析 | 机器学习和数字病理学 | 骨科疾病 | NA | 深度学习, 机器学习 | 影像数据, 结构化临床数据 | 183篇符合条件的系统综述 | R软件 | NA | NA | NA |
| 1105 | 2026-02-13 |
Machine Learning-Assisted Ultraelastic and Vibration-Resolvable Microwebs
2026-Jan-29, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202519941
PMID:41608850
|
研究论文 | 本文提出了一种结合机器学习和剪纸微纳加工技术开发超弹性微网的方法，用于增强微结构的机械性能和功能 | 利用数据驱动优化将自然结构转化为具有超高弹性的人工设计，实现了极低的刚度（约0.188 nN/nm），并首次展示了微网在质量传感和信息加密中的应用 | 未明确讨论微网在大规模生产或长期稳定性方面的限制 | 开发具有超弹性和振动可分辨性的微网结构，以提升微纳尺度机械性能 | 蜘蛛网启发的微结构，通过优化设计实现人工微网 | 机器学习 | NA | 剪纸微纳加工技术 | 深度学习 | NA | NA | NA | NA | 刚度（约0.188 nN/nm）、质量传感灵敏度（-0.801 kHz/pg） | NA |
| 1106 | 2026-02-13 |
Metadata driven malicious URL detection using RoBERTa large and multi source network threat intelligence
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34790-x
PMID:41611764
|
研究论文 | 本研究提出了一种基于RoBERTa-Large变换器模型和元数据驱动的恶意URL检测方法，旨在提高检测准确性和可解释性 | 结合了RoBERTa-Large变换器的上下文子词嵌入与轻量级元数据信号，通过注意力层实现双机制检测，显著提升了恶意URL检测的性能和透明度 | 未明确说明模型对新型对抗性攻击的鲁棒性，且数据集可能未覆盖所有类型的恶意URL变体 | 检测恶意URL，以应对网络钓鱼、恶意软件攻击和网站篡改等安全挑战 | 恶意URL，包括良性、篡改、钓鱼和恶意软件类别的链接 | 自然语言处理 | NA | NA | Transformer | 文本 | 平衡数据集，包含良性、篡改、钓鱼和恶意软件URL，具体数量未明确 | NA | RoBERTa-Large | 准确率 | NA |
| 1107 | 2026-02-13 |
Feature Integration of [18F]FDG PET Brain Imaging Using Deep Learning for Sensitive Cognitive Decline Detection
2026-Jan-26, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.22.26344669
PMID:41646662
|
研究论文 | 本研究提出了一种多表征学习框架，通过结合[18F]FDG PET脑成像的体素级和区域级特征，利用深度学习提高认知衰退检测的敏感性和准确性 | 提出了一种结合体素级和区域级特征的多表征学习框架，通过直接拼接集成CNN、PCANet和DNN模型，显著提升了认知衰退分类的准确性和敏感性 | 研究样本量相对有限（252名参与者），且仅基于ADNI数据集，可能限制了模型的泛化能力 | 提高认知衰退（包括早期阿尔茨海默病）与认知正常个体的诊断准确性，以支持及时干预 | 阿尔茨海默病神经影像学倡议（ADNI）中的252名参与者，包括118名认知正常和134名认知衰退受试者 | 数字病理学 | 阿尔茨海默病 | [18F]FDG PET脑成像 | CNN, PCANet, DNN | 图像 | 252名参与者（118名认知正常，134名认知衰退） | NA | CNN, PCANet, DNN | 准确率, 召回率, F1分数, 精确率 | NA |
| 1108 | 2026-02-13 |
A deep reinforcement learning approach to dance movement analysis
2026-Jan-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35311-0
PMID:41577743
|
研究论文 | 本文提出了一种基于深度强化学习的舞蹈动作分析框架RATS，通过序列决策过程优化视频帧采样，提高分类效率与准确性 | 提出RATS框架，将舞蹈分类建模为序列决策过程，结合3DCNN特征提取、DQN代理与BiLSTM记忆，实现关键帧聚焦并降低计算复杂度 | 未明确讨论模型在更广泛舞蹈数据集或实时应用中的泛化能力与计算资源需求 | 开发高效且准确的视频舞蹈风格分类方法 | 舞蹈视频数据 | 计算机视觉 | NA | 视频分析 | 深度强化学习, 3DCNN, BiLSTM | 视频 | 基于Let's Dance数据集（具体样本数未提供） | NA | 3DCNN, DQN, BiLSTM | 准确率, F-measure | NA |
| 1109 | 2026-01-21 |
Compact deep learning models for colon histopathology focusing performance and generalization challenges
2026-Jan-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35119-y
PMID:41554906
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1110 | 2026-02-13 |
Contemporary strategies for active learning in oral and maxillofacial surgery education
2026-Jan-15, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2026.01.002
PMID:41672806
|
综述 | 本文回顾并倡导了口腔颌面外科教育中当代的主动学习策略 | 强调通过团队学习、翻转课堂、模拟训练等现代方法促进主动学习，以提升教育效果 | NA | 探讨口腔颌面外科教育中的主动学习策略，以改善临床医生培训 | 口腔颌面外科的受训者（住院医师） | 医学教育 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1111 | 2026-01-14 |
End-to-end deep learning framework for automated angle estimation in hallux valgus from full-field weight-bearing radiographs
2026-Jan-13, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02150-4
PMID:41527051
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1112 | 2026-02-13 |
Proteolysis-targeting Chimera efficacy prediction using a deep-learning-QSP model
2026-Jan-12, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01152-2
PMID:41521293
|
研究论文 | 本研究提出了一种结合深度学习和定量系统药理学的集成计算建模框架，用于预测PROTAC分子的疗效 | 首次将基于卷积神经网络的深度学习模型DeepCalici与机制性QSP Hook模型相结合，以预测PROTAC的关键药效参数，并通过补充深度神经网络基于化学和生化特征调整模型参数以提高预测准确性 | 对最大降解的预测准确性较低，可能反映了当前数据集中未捕获的实验条件变异性 | 开发一种计算模型以预测PROTAC分子的疗效，加速其发现和优化 | PROTAC分子及其与蛋白质靶点和E3连接酶的结合亲和力 | 机器学习 | NA | 定量系统药理学，深度学习 | 卷积神经网络，深度神经网络 | 化学和生化特征数据，实验验证的PROTAC-DB数据 | NA | NA | DeepCalici，Hook模型 | 预测准确性 | NA |
| 1113 | 2026-01-14 |
MRI-based deep learning and radiomics for severity classification of pediatric venous malformations
2026-Jan-12, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02161-1
PMID:41526842
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1114 | 2026-02-13 |
Crop phenotype prediction using SNP context and whole-genome feature embedding based on DNABERT-2
2026-Jan-12, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01492-4
PMID:41527074
|
研究论文 | 本研究提出两种基于DNABERT-2基因组基础模型的特征嵌入方法，用于作物表型预测，并比较了不同遗传力性状下的预测性能 | 首次将DNABERT-2跨物种基因组基础模型应用于作物表型预测，提出SNP上下文和全基因组两种特征嵌入模式，突破了传统方法仅关注单个SNP累积效应的局限 | 研究仅针对三种作物数据集（水稻和玉米）进行验证，未涵盖更广泛的作物种类；特征维度优化范围有限（4-768维） | 开发基于基因组序列上下文的精准表型预测方法，加速优良作物品种选育 | 水稻（rice413, rice395）和玉米（maize301）的基因组序列与表型数据 | 机器学习 | NA | 基因组测序 | Transformer, 机器学习算法 | 基因组序列 | 三个作物数据集（水稻413个样本、水稻395个样本、玉米301个样本） | DNABERT-2 | DNABERT-2（基于Transformer架构） | 准确率, 平均绝对误差 | NA |
| 1115 | 2026-02-13 |
A multicenter deep learning framework integrating radiomics and vision transformers for comprehensive ovarian tumor analysis from ultrasound imaging
2026-Jan-11, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03395-5
PMID:41521324
|
研究论文 | 本研究开发并验证了一个多中心深度学习框架，整合了放射组学特征和视觉变换器，用于从超声图像中实现卵巢肿瘤的全面分析，包括分割、多分类和预后预测 | 提出一个结合放射组学描述符和深度特征嵌入的多中心深度学习框架，首次在卵巢肿瘤超声分析中集成多种分割网络和分类器，并进行了外部验证 | 研究为回顾性分析，可能存在选择偏倚；未明确说明模型在不同超声设备或采集参数下的泛化能力 | 开发一个鲁棒的多中心深度学习流程，用于卵巢肿瘤的全面分析，以支持个性化临床决策 | 卵巢肿瘤患者 | 计算机视觉 | 卵巢癌 | 超声成像 | CNN, Transformer | 图像 | 3156名患者（来自八个中心），外部验证集756名患者 | NA | UNETR, nnU-Net, Swin-UNet, SegNet, UNet, ResNet, Vision Transformer (ViT), TabTransformer, MLP, XGBoost | DSC, AUC, 准确率, C-index | NA |
| 1116 | 2026-02-13 |
High-throughput spheroid-based assay for functional breast cancer precision medicine facilitated by deep learning
2026-Jan-10, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01359-8
PMID:41519924
|
研究论文 | 本研究开发了一种基于深度学习的高通量球体检测方法，用于乳腺癌精准医学的功能性评估 | 利用深度学习实现自动球体分割，以预测肿瘤对顺铂、奥拉帕尼和放疗的敏感性，为乳腺癌精准治疗提供功能性检测手段 | 研究基于患者来源的异种移植模型，可能无法完全反映人体内肿瘤的复杂性，且样本量有限 | 开发一种功能性检测方法，以预测乳腺癌患者对靶向治疗和放疗的个性化反应 | 乳腺癌患者来源的异种移植模型，特别是对顺铂敏感和耐药的肿瘤 | 数字病理学 | 乳腺癌 | 高通量球体培养、深度学习图像分析 | 深度学习模型 | 图像 | 使用患者来源的乳腺癌异种移植模型，具体数量未在摘要中明确说明 | NA | NA | 响应与非响应球体的百分比预测 | NA |
| 1117 | 2026-02-13 |
Survival prediction and risk stratification in R0-resected ovarian cancer: a multi-modal deep learning approach
2026-Jan-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01263-3
PMID:41520012
|
研究论文 | 本研究提出了一种名为OvcaSurvivor的多模态深度学习框架，用于R0切除卵巢癌患者的生存预测和风险分层 | 开发了首个整合全切片图像、超声图像和临床数据的多模态深度学习框架，并引入了注意力引导融合模块以提升预测性能 | 研究样本量相对有限（543例患者），且外部验证性能有所下降（C指数从0.81降至0.70） | 提高卵巢癌患者的生存预测准确性和个体化风险评估 | R0切除的卵巢癌患者 | 数字病理学 | 卵巢癌 | 全切片图像分析, 超声成像 | 深度学习 | 图像, 临床数据 | 543名患者 | NA | CHIEF, ResNet50 | C指数, 时间依赖性AUC | NA |
| 1118 | 2026-02-13 |
Leveraging large scale deep learning models for diagnosis and visual outcome prediction in retinitis pigmentosa
2026-Jan-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02311-9
PMID:41507439
|
研究论文 | 本研究开发了基于大规模深度学习模型的诊断和预后模型，用于视网膜色素变性的诊断和视觉结果预测 | 利用预训练的大规模深度学习模型结合临床元数据进行生存分析，在患者层面严格分割以避免数据泄露，并发现诊断和预后特征不同 | 需要外部和多中心数据集进行进一步验证以实现临床转化 | 开发视网膜色素变性的诊断和视觉预后预测模型 | 视网膜色素变性患者 | 计算机视觉 | 视网膜色素变性 | 深度学习 | CNN | 图像, 临床元数据 | NA | NA | EfficientNetB4 | AUC, 时间依赖性AUC | NA |
| 1119 | 2026-02-13 |
Longitudinal MRI-based deep learning model for predicting pathological complete response in breast cancer: a multicenter, retrospective cohort study
2026-Jan-05, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01256-2
PMID:41491286
|
研究论文 | 本研究提出了一种基于纵向MRI的深度学习模型BSTNet，用于预测乳腺癌新辅助治疗后的病理完全缓解 | 开发了一种新颖的乳腺自监督时序学习框架（BSTNet），通过自监督预训练实现模型在多时间点和双时间点场景下的泛化，并捕捉新辅助治疗期间肿瘤的动态变化 | NA | 早期预测乳腺癌患者对新辅助治疗的病理完全缓解，以优化治疗策略 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 纵向MRI | 深度学习模型 | MRI图像 | 1339名患者（多中心队列） | NA | BSTNet | AUC, 特异性 | NA |
| 1120 | 2026-02-13 |
A Deep Learning-Enabled Ionogram Dataset for Detection and Classification of Low-latitude Spread-F Phenomena
2026-Jan-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06493-5
PMID:41484136
|
研究论文 | 本文介绍了一个用于检测和分类低纬度Spread-F现象的首个公开、专家指导的深度学习离子图数据集 | 首次提供了公开的、专家指导的离子图数据集，覆盖最全面的类别、最大数据量和最长时间跨度，并附带了基于该数据集的分类模型 | NA | 研究电离层Spread-F现象，以改进无线电技术（如通信和导航）中的操作应用 | 低纬度Spread-F现象 | 计算机视觉 | NA | NA | CNN | 图像 | 150,000张离子图（包括30,000张每类，含“非SF”组），覆盖2002年至2016年共14年 | NA | SA-ResNet50 | NA | NA |