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 2585 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2026-06-30 |
Deciphering immune-inflammatory dysregulation in the endometriotic microenvironment: insights from single-cell omics and artificial intelligence
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1848643
PMID:42367786
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 122 | 2026-06-29 |
An interactive cascaded deep learning framework with expert refinement for accurate striatal subregion segmentation
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36399-0
PMID:41606103
|
研究论文 | 提出一个级联深度学习框架StriaSeg-iARM，用于脑MRI中纹状体亚区的高精度分割 | 引入专家修正的中间细化步骤，在无需重新训练模型的情况下提升解剖变异病例的分割精度，并采用级联架构实现12个精细亚区的准确分割 | 取决于专家交互的可用性，可能增加人工成本；仅在T1加权MRI数据上验证，泛化性有待进一步测试 | 实现纹状体亚区的高精度自动分割，以支持帕金森病等神经退行性疾病的PET定量分析 | 脑MRI图像中的纹状体及其12个解剖亚区 | 计算机视觉 | 帕金森病 | MRI | 3D残差U-Net | T1加权MRI图像 | 多扫描仪T1加权MRI数据，内部和外部数据集，包括纹状体萎缩的真实病例 | PyTorch | 3D残差U-Net | Dice系数 | NA |
| 123 | 2026-06-29 |
The sarcopenia artificial intelligence diagnostic decision support system (SAID DSS) - a multimodal deep learning model
2026-Jan-26, BMC geriatrics
IF:3.4Q2
DOI:10.1186/s12877-026-07005-9
PMID:41588346
|
研究论文 | 开发了一种基于多模态深度学习的肌少症人工智能诊断决策支持系统，结合超声图像和临床数据实现准确诊断 | 首次引入临床导向的、基于AI的多模态模型用于肌少症检测，采用特征级融合技术结合Xception架构和MLP分类器，并集成可解释AI方法提高诊断透明度 | 参与者数量较少（24人），数据集虽大但样本量有限，性别分布不均（女性占63%），年龄范围较窄（71-91岁） | 开发准确、安全、循证的多模态AI模型，利用床旁超声框架结合肌肉成像特性和身体表现进行肌少症诊断 | 肌少症患者和对照组的临床数据及超声图像 | 计算机视觉, 机器学习 | 肌少症 | 床旁超声（POCUS）成像 | 深度学习多模态模型 | 图像, 临床数据 | 24名参与者（15名女性，9名男性），包括1060个纵向和2414个横向超声事件 | NA | Xception, 多层感知机（MLP） | 准确率（85%）, F1分数（0.85）, AUC（0.84） | NA |
| 124 | 2026-06-29 |
Taxonomical loss for weed seedlings image classification
2026-Jan-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33961-0
PMID:41580467
|
研究论文 | 介绍了一种用于杂草幼苗图像分类的新颖深度分类损失函数，并构建了杂草物候数据集 | 提出了利用层次结构指导分类过程的分类损失函数，在计算中引入动态边界，实现小样本学习下的更好聚类和早期生长阶段杂草幼苗识别 | 新的分类损失函数并未在所有深度学习模型架构上一致提升分类结果 | 提高杂草幼苗图像分类的准确性，以推进精准杂草管理并减少农药使用 | 杂草幼苗图像，包括早期生长阶段的标注数据 | 计算机视觉 | NA | 图像分类 | ResNet-50 | 图像 | 每类100张图像用于聚类评估，具体杂草物候数据集规模未提及 | NA | ResNet-50 | 轮廓系数 | NA |
| 125 | 2026-06-29 |
Hybrid deep learning model for air quality prediction and its impact on healthcare
2026-Jan-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36564-5
PMID:41577974
|
研究论文 | 提出一种集成特征工程与混合深度学习架构的短期空气质量指数预测框架，并评估其对医疗健康的影响 | 创新性融合了结构化特征工程（包括滞后污染指标、多尺度移动平均、季节循环编码等）与混合CNN-LSTM网络架构，实现短期空气质量指数的高精度预测 | 研究局限于特定区域的数据集和短期时间跨度，泛化能力有待验证 | 开发用于短期空气质量指数预测的深度学习框架，以支持数据驱动的空气质量监测系统 | 空气质量指数（AQI）预测模型 | 机器学习 | 空气污染相关疾病 | 卫星遥感数据（OpenWeather API） | 混合CNN-LSTM，CNN，LSTM | 时序数据（空气污染物浓度、气象变量等） | 未明确说明具体样本数量，数据来源为OpenWeather API | TensorFlow/PyTorch（基于混合CNN-LSTM、CNN、LSTM的实现） | CNN-LSTM混合网络 | 精确率，召回率，F1分数 | 未明确说明计算资源 |
| 126 | 2026-06-29 |
Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling
2026-Jan-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68742-4
PMID:41571655
|
研究论文 | 通过序列到功能深度学习模型评估多种单细胞ATAC测序技术构建细胞图谱的能力 | 首次系统比较不同scATAC-seq平台训练序列到功能模型的表现，并引入改进的HyDrop v2方法 | 未明确说明技术比较的具体指标偏差或物种适用范围限制 | 确定构建scATAC-seq图谱的最优数据集标准（细胞数目与片段数），并评估不同平台在训练深度学习模型中的适用性 | 来自不同scATAC-seq平台的染色质开放性数据及跨物种转录因子足迹 | 数字病理学 | NA | scATAC-seq, HyDrop v2 | 深度学习模型（序列到功能模型 | 单细胞染色质开放性测序数据 | 未明确说明具体样本数量，涉及不同物种的细胞图谱数据 | NA | NA | 增强子预测准确度、序列可解释性、转录因子足迹分析 | NA |
| 127 | 2026-06-29 |
Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images
2026-Jan-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36375-8
PMID:41565837
|
研究论文 | 提出一种轻量级互惠门控融合框架，结合SqueezeNet和ShuffleNetV2用于组织病理图像中的乳腺癌检测 | 提出互惠门控机制，实现两个高效卷积神经网络之间的结构化双向交互，增强互补特征交换并抑制冗余响应，生成信息更丰富的融合表示，同时大幅降低计算开销 | NA | 开发一种轻量级且高效的计算机辅助诊断解决方案，用于乳腺癌检测 | 组织病理图像中的乳腺癌检测 | 数字病理学 | 乳腺癌 | NA | CNN（卷积神经网络） | 图像 | ICIAR-2018数据集和BreakHis数据集（100倍放大） | PyTorch | SqueezeNet, ShuffleNetV2 | 准确率（多分类97%，二分类99%；BreakHis数据集上99.72%） | NA |
| 128 | 2026-06-29 |
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
|
research paper | 提出并系统评估四种轻量级CNN变体用于结肠组织病理图像二分类，发现轻量模型在内部验证中表现优异但跨领域泛化能力不足 | 设计了四种专用轻量级CNN变体（Lite-V0至Lite-V4），在保持高准确率的同时实现极小的模型体积（1.53 MB），并系统揭示了轻量模型在内部验证与独立测试集之间的泛化差距 | 模型在独立测试集上出现显著泛化下降（准确率约50%，F1=0.33），表明存在域偏移效应，且未采用域自适应或染色鲁棒训练策略 | 开发高精度、小体积的结肠组织病理图像分类模型，并评估其内部验证与跨领域泛化能力 | 结肠组织病理图像（分为结肠腺癌和结肠良性组织两类） | machine learning | colorectal cancer | NA | CNN | image | 24,000张图像（平衡数据集，预设训练/验证/测试划分） | NA | Lite-V0, Lite-V1, Lite-V2, Lite-V4 | accuracy, macro-F1, confusion matrix, ROC, precision-recall | NA |
| 129 | 2026-06-29 |
Deep learning on meta-analytic data for therapeutic decision-making in central nervous system aspergillosis
2026-Jan-17, BMC infectious diseases
IF:3.4Q2
DOI:10.1186/s12879-026-12573-7
PMID:41547764
|
研究论文 | 利用深度学习结合荟萃分析和电子病历数据，构建中枢神经系统曲霉病的治疗决策支持系统 | 首次将LinUCB自适应治疗策略应用于中枢神经系统曲霉病，并整合了荟萃分析数据与结构化电子病历数据 | 样本量较小（仅64例荟萃分析病例和200例重症监护病房患者），回顾性研究设计，缺乏前瞻性验证 | 开发基于机器学习的预测模型和自适应治疗策略，以改善中枢神经系统曲霉病患者的治疗决策和生存率 | 中枢神经系统曲霉病患者 | 机器学习 | 中枢神经系统曲霉病 | NA | 梯度提升分类器, LinUCB | 结构化电子病历, 文本数据（经BERT提取特征） | 64例病例荟萃分析数据，200例重症监护病房患者电子病历数据 | NA | 梯度提升分类器, LinUCB | 生存率 | NA |
| 130 | 2026-06-29 |
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
|
研究论文 | 开发并验证了一个全自动端到端深度学习框架，用于从全负重足部X光片中准确估计拇外翻角和跖骨间角 | 首次提出结合YOLOv11m检测模块和可训练的PCA角度估计模块的端到端框架，实现自动化和高精度角度测量 | 未明确提及局限性 | 实现拇外翻角（HVA）和跖骨间角（IMA）的快速、准确全自动估计 | 全负重足部X光片 | 计算机视觉 | 拇外翻 | X光成像 | YOLOv11m, PCA | 图像 | 内部数据集：1753张X光片来自1652名患者；外部数据集：121张X光片 | PyTorch | YOLOv11m | 平均绝对误差(MAE), 均方根误差(RMSE), 皮尔逊相关系数(r) | NA |
| 131 | 2026-06-29 |
Deep learning for Angle classification based on intraoral photographs: an interpretability perspective
2026-Jan-04, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07550-6
PMID:41486121
|
研究论文 | 该研究旨在开发一种基于口内照片的深度学习模型，利用 Angle 分类系统对矢状面牙颌畸形进行分类，并评估模型决策的可解释性 | 首次结合三种可解释性 AI 方法分析深度学习模型在口内照片牙颌分类中的决策依据 | 样本来自单中心数据库，可能存在选择性偏倚；模型准确率为 75%，仍有改进空间；不同 XAI 方法聚焦区域不一致，需结合多种方法综合评估 | 开发并评估基于口内照片的深度学习模型，用于 Angle 分类系统下的矢状面牙颌畸形分类，并提升模型可解释性 | 首次就诊的正畸患者的侧位口内 RGB 图像，展示牙咬合关系 | 计算机视觉 | 牙颌畸形 | 口内摄影 | CNN | 图像 | 共 5266 张口内 RGB 图像，训练集 4280 张，验证集 474 张，测试集 512 张 | PyTorch | VGG-11 | 准确率、AUC | NA |
| 132 | 2026-06-29 |
Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions
2026-01, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2025.109187
PMID:41092497
|
研究论文 | 开发可解释的机器学习和深度学习模型，用于预测苦味分子与TAS2R受体的相互作用 | 结合传统机器学习和深度学习方法，提高模型的可解释性和预测性能，用于理解苦味分子的分子特征和设计靶向特定TAS2Rs的新型苦味剂 | 未提供具体的局限性信息 | 开发可解释模型以预测苦味分子与TAS2R受体的相互作用，辅助药物设计和味觉感知研究 | 苦味分子与TAS2R受体的相互作用 | 机器学习 | NA | NA | 机器学习与深度学习模型（未指定具体类型） | 实验验证数据 | 未提供样本量 | NA | NA | 高性能（具体指标未指定） | NA |
| 133 | 2026-06-28 |
An interpretable TimeMIL framework for fNIRS: differential diagnosis between schizophrenia and bipolar disorder
2026, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2026.1832221
PMID:42358391
|
研究论文 | 提出一种可解释的TimeMIL框架，用于基于功能近红外光谱（fNIRS）数据的精神分裂症与双相情感障碍的鉴别诊断 | 首次将时间感知多实例学习模型（TimeMIL）应用于fNIRS数据的精神疾病分类，并引入专门的可解释性框架，揭示了前额叶功能异常的区域特异性模式 | 样本量较小，且该模型在临床环境中的进一步验证尚未完成 | 开发一种基于fNIRS的高准确率、鲁棒且可解释的深度学习框架，用于精神分裂症与双相情感障碍的早期筛查和鉴别诊断 | 健康对照（HC）、精神分裂症（SCZ）和双相情感障碍（BD）患者的fNIRS数据 | 机器学习 | 精神分裂症, 双相情感障碍 | 功能近红外光谱（fNIRS） | 时间感知多实例学习模型（TimeMIL） | 时间序列数据 | 共169名参与者：HC 52名，SCZ 50名，BD 67名 | PyTorch | TimeMIL, 1D-CNN, Transformer, TCN | 准确率, AUC | NA |
| 134 | 2026-06-28 |
DeM-FCN: an ultra-lightweight and purely convolutional framework for edge-native human activity recognition in wearable fitness tracking
2026, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2026.1858408
PMID:42358506
|
研究论文 | 提出一种超轻量纯卷积框架DeM-FCN，用于可穿戴健身追踪中的边缘原生人体活动识别 | 提出纯卷积架构DeM-FCN，避免循环结构或注意力机制，通过物理感知输入表示（欧拉角三角编码和加速度/陀螺仪幅度特征）和代价敏感焦点损失实现主体无关识别，模型参数仅73.7K、计算量14.84M FLOPs、大小0.29MB | 硬标签日常活动识别因活动多样性、传感器域差异及模态信息缺失比受限抗阻训练识别更具挑战性 | 开发适合资源受限边缘设备的轻量、高效人体活动识别方法，用于可穿戴健身追踪 | 哑铃类抗阻训练活动（四种练习）及公开数据集上的日常活动 | 机器学习 | NA | 惯性测量单元（IMU）传感 | 全卷积网络（FCN） | 惯性测量数据（加速度计、陀螺仪） | 15名受试者收集的定制智能哑铃数据集，以及公开数据集PAMAP2和MHEALTH | NA | 堆叠一维卷积块（含全局最大池化） | 准确率、宏F1分数、宏AUC | NA |
| 135 | 2026-06-28 |
Artificial intelligence approaches in biological age prediction: current status and challenges
2026, British journal of biomedical science
IF:2.7Q2
DOI:10.3389/bjbs.2026.16141
PMID:42358564
|
综述 | 系统回顾人工智能在生物学年龄预测中的方法现状与挑战 | 强调异步衰老现象并指出AI（特别是深度学习和多模态融合）在捕捉系统特异性衰老模式中的潜力 | 数据异质性、模型泛化性有限、可解释性不足及临床转化障碍 | 评估个体健康状态和衰老轨迹，推动生物学年龄预测的临床转化 | 人工智能驱动的生物学年龄预测方法 | 机器学习 | 老年疾病 | NA | 深度学习、多模态融合 | 多模态生物数据 | NA | NA | 神经网络 | NA | NA |
| 136 | 2026-06-28 |
Restoration of missing regions in limited field of view computer tomography using an image- and sinogram-based conditional generative adversarial network model
2026-Jan, BJR artificial intelligence
DOI:10.1093/bjrai/ubag010
PMID:42358732
|
研究论文 | 本研究利用基于图像和正弦图的条件生成对抗网络模型，恢复计算机断层扫描中有限视野的缺失区域 | 提出基于正弦图的条件生成对抗网络模型，在恢复有限视野外缺失区域时显著优于基于图像的方法，提高身体轮廓连续性并适应患者个体差异 | NA | 开发并评估基于图像和正弦图的条件生成对抗网络模型，用于恢复有限视野计算机断层扫描中的缺失区域 | 治疗计划CT和锥束CT数据集，共包含119名患者（96例计划CT和23例锥束CT） | 计算机视觉 | NA | 计算机断层扫描 | 条件生成对抗网络 | 图像 | 96例计划CT（64训练、16验证、16内部测试）和23例锥束CT（外部测试） | NA | 条件生成对抗网络 | 平均绝对误差、均方根误差、结构相似性指数 | NA |
| 137 | 2026-06-28 |
An efficient hybrid CNN-transformer framework for real-time weapon detection and face recognition
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1841848
PMID:42358851
|
研究论文 | 提出一种名为ConViDeTR的混合深度学习框架，用于实时武器检测和人脸识别，整合了CNN、ViT和DETR架构 | 提出深度特征融合层，将局部空间特征、全局上下文特征和对象查询特征集成到共享特征空间，实现武器检测和人脸识别的同步执行 | 未明确指出局限性 | 开发高效、实时的智能监控系统，实现武器检测和人脸识别的准确性与鲁棒性 | 武器检测和人脸识别任务 | 计算机视觉 | NA | NA | 混合CNN-Transformer | 图像 | 使用现有基准数据集 | PyTorch | CNN, Vision Transformer (ViT), Detection Transformer (DETR) | 准确率, 帧率 (FPS), 延迟 | NA |
| 138 | 2026-06-28 |
Global research trends and hotspots in human immunodeficiency virus-associated cervical cancer (1990-2025): a multi-database bibliometric analysis
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1835957
PMID:42358990
|
综述 | 对人类免疫缺陷病毒相关宫颈癌的研究进行多数据库文献计量分析 | 首次对1990-2025年间HIV相关宫颈癌的全球研究趋势和热点进行多数据库文献计量分析，重点关注HIV与高危型HPV协同致癌的分子和免疫机制 | 未提及具体局限性 | 绘制HIV相关宫颈癌的全球研究景观，识别主要贡献者和合作网络，并描绘知识基础和新兴研究优先级 | 1990年1月1日至2025年12月31日期间发表的关于HIV和宫颈癌的出版物（共6,137篇） | 医学信息学 | 宫颈癌 | 文献计量分析 | NA | 文献数据 | 6,137篇出版物 | R（bibliometrix）、Python、VOSviewer、CiteSpace | NA | NA | NA |
| 139 | 2026-06-28 |
Editorial: Deep learning in brain-computer interfaces
2026, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2026.1888360
PMID:42359044
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 140 | 2026-06-28 |
Physics-Informed Artificial Intelligence Design of Picomolar Nanobodies Enables Deep Tumor Penetration and High-Contrast Imaging
2026, Research (Washington, D.C.)
DOI:10.34133/research.1325
PMID:42359048
|
研究论文 | 提出一种物理信息引导的人工智能框架，整合AlphaFold 3和分子动力学模拟，设计皮摩尔亲和力的抗CEA纳米抗体，实现深部肿瘤穿透和高对比度成像 | 通过结合几何深度学习与严格物理原理，采用可变介电MM/GBSA分解技术识别热力学次优界面残基，以静电优化、去溶剂化惩罚最小化和范德华堆积改进策略解决亲和力成熟瓶颈，实现306倍亲和力提升 | 未明确讨论方法对其他靶点或不同纳米抗体平台的普适性，体内实验仅局限于结直肠癌异种移植模型 | 克服纳米抗体在实体瘤治疗中快速肾清除与超强亲和力需求之间的生物物理权衡，实现深部肿瘤渗透和长效滞留 | 抗癌胚抗原纳米抗体及其双特异性融合蛋白 | 计算生物学， 机器学习和分子动力学 | 结直肠癌 | 分子动力学模拟， AlphaFold 3， 可变介电MM/GBSA分解 | AlphaFold 3， 几何深度学习模型 | 蛋白质结构数据， 分子动力学模拟轨迹 | 未明确说明样本数量，涉及焦点文库构建和体内结直肠癌异种移植模型 | NA | AlphaFold 3 | 结合阳性率， 亲和力， 热稳定性 | NA |