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 591 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2026-01-08 |
Bioprocess modeling and optimization in composting of hazelnut processing wastes and municipal solid waste: Type 1 fuzzy regression, neural network based approaches and genetic algorithm
2026-Jan-01, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.128254
PMID:41386011
|
研究论文 | 本研究开发了一种混合模型，用于预测和优化榛子加工废弃物与城市固体废物堆肥过程中的堆肥成熟度 | 提出了一种结合模糊回归、神经网络和深度学习策略的混合模型，能够同时建模线性和非线性关系，处理过程不确定性，并具备现有文献中建模工具所不具备的优越特性 | 未明确说明实验样本的具体数量，且模型性能仅在特定废弃物组合下验证 | 通过机器学习模型优化有机废弃物堆肥过程，提高堆肥效率和质量 | 榛子壳、榛子壳与城市固体废物的混合堆肥过程 | 机器学习 | NA | 堆肥过程监测（温度、pH、C/N、水分含量、NH/NO、发芽指数） | 混合模型（模糊回归、神经网络、深度学习） | 过程参数数据（温度、pH、C/N等） | 未明确说明具体样本数量，但提及使用有限实验数据 | NA | 神经网络（具体架构未指定） | 比例误差（低于5%）、期望水平（95%以上） | NA |
| 162 | 2026-01-08 |
Automated retinal disease classification using deep learning and AlexNet with statistical models analysis
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0338415
PMID:41494023
|
研究论文 | 本研究提出了一种基于深度学习的框架，用于将视网膜图像自动分类为正常、糖尿病视网膜病变、白内障和青光眼四种类别 | 首次在视网膜疾病分类中系统比较了包括AlexNet、EfficientNet-B0/B7和自定义模型在内的多种CNN架构，并结合SHAP进行模型可解释性分析，增强了临床信任度 | 研究使用的数据集来自公开数据库（IDRiD和HRF），可能未涵盖所有临床场景和疾病亚型，且模型在真实世界临床环境中的部署效果仍需进一步验证 | 开发一种自动化、高精度的视网膜疾病分类系统，以辅助早期诊断和筛查 | 视网膜图像 | 计算机视觉 | 视网膜疾病（包括糖尿病视网膜病变、白内障、青光眼） | 深度学习 | CNN | 图像 | 来自公开视网膜成像数据库（IDRiD和HRF）的样本，具体数量未在摘要中说明 | NA | AlexNet, EfficientNet-B0, EfficientNet-B7, 自定义模型 | 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, F1分数, R² | NA |
| 163 | 2026-01-08 |
Commentary on "Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI"
2026-Jan, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.1307
PMID:41494679
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 164 | 2026-01-08 |
Response to Commentary on "Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI"
2026-Jan, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.1444
PMID:41494678
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 165 | 2026-01-08 |
Detection of Mycobacterium tuberculosis in Ziehl-Neelsen Stained Sputum Smear Specimens Using Deep Learning Techniques
2026-Jan, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica
IF:2.2Q3
DOI:10.1111/apm.70138
PMID:41494997
|
研究论文 | 本研究探讨了深度学习技术在Ziehl-Neelsen染色痰涂片标本中检测结核分枝杆菌的有效性 | 应用多种迁移学习模型（如DenseNet201、ResNet101V2、Xception等）进行结核分枝杆菌的自动检测，其中InceptionV3和Xception模型在所有评估指标上达到99.00%的高性能 | 未明确说明样本来源的多样性、模型在临床环境中的泛化能力测试以及计算资源的具体需求 | 评估深度学习模型在基于显微镜检查的结核病诊断中的性能，并探索其在提高敏感性和可用性方面的改进 | Ziehl-Neelsen染色的痰涂片标本中的抗酸杆菌（AFB） | 计算机视觉 | 结核病 | 抗酸染色（Ziehl-Neelsen染色） | CNN | 图像 | NA | NA | DenseNet201, ResNet101V2, Xception, InceptionResNetV2, InceptionV3 | 准确率, 召回率, 精确率, F1分数 | NA |
| 166 | 2026-01-08 |
Estimation of whole-body skeletal muscle volume using pectoralis muscle area and anthropometric measurements from chest CT in a Korean population
2026-Jan, Clinical physiology and functional imaging
IF:1.3Q4
DOI:10.1111/cpf.70046
PMID:41496377
|
研究论文 | 本研究旨在利用胸部CT单一切片测量的胸肌面积和基本人体测量数据，估计韩国人群的全身骨骼肌体积 | 提出了一种基于单一切片胸部CT测量的胸肌面积和基本人体测量数据来估计全身骨骼肌体积的新方法，为常规胸部CT图像提供了实用的肌肉评估替代方案 | 研究样本仅限于韩国人群，可能限制了结果的普适性；模型性能虽好，但相比基于L3肌肉面积的模型（R²值更高）略有不足 | 开发一种利用常规胸部CT图像和基本人体测量数据估计全身骨骼肌体积的实用方法 | 201名韩国成年人（101名女性，100名男性）的PET-CT数据 | 数字病理学 | NA | 深度学习分割，CT成像 | LASSO回归模型 | CT图像，人体测量数据 | 201名成年人（101名女性，100名男性） | NA | NA | R²，Bland-Altman偏差 | NA |
| 167 | 2026-01-08 |
Advancements in metastatic spinal cord compression treatment: a narrative review of innovations, challenges, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004382
PMID:41496922
|
综述 | 本文综述了转移性脊髓压迫（MSCC）治疗的最新进展，包括手术、放疗及新兴技术，并探讨了当前挑战与未来方向 | 系统整合了过去五年MSCC治疗的多项创新，包括机器人辅助手术、深度学习早期检测模型、个性化医疗（如下一代测序）和质子治疗等新兴技术 | 研究基于过去5年的文献，可能未涵盖更早期的关键进展；纳入的38篇文章可能无法完全代表该领域的所有最新发展 | 综合评估MSCC治疗的最新进展及其在改善神经功能、疼痛缓解、生存率和生活质量方面的疗效 | 转移性脊髓压迫（MSCC）患者，特别是乳腺癌、前列腺癌和肺癌患者 | 数字病理 | 肺癌 | 下一代测序（NGS），自动MRI分析 | 深度学习模型 | 医学影像（如MRI） | 基于132篇检索文章，其中38篇符合纳入标准 | NA | NA | NA | NA |
| 168 | 2026-01-08 |
Early detection in oral cancer: are we ready for AI-driven precision?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004418
PMID:41496956
|
综述 | 本文探讨了人工智能和精准医学在口腔癌早期检测中的应用、潜力与挑战 | 强调了人工智能，特别是基于智能手机的AI系统，在识别口腔病变方面已达到专家级准确度，并探讨了AI驱动的精准医学通过生物标志物和多组学整合实现个性化治疗的可能性 | 指出了AI系统存在数据偏见、患者隐私问题以及“黑箱”不透明性等持续挑战 | 评估人工智能和精准医学在改善口腔癌早期检测、诊断精度和个性化治疗方面的准备情况与潜力 | 口腔癌，特别是口腔鳞状细胞癌，以及口腔潜在恶性疾病（如白斑、红斑、扁平苔藓、黏膜下纤维化） | 数字病理学 | 口腔癌 | 荧光成像、高光谱成像、多组学整合 | 卷积神经网络 | 图像 | NA | NA | NA | 准确度 | NA |
| 169 | 2026-01-08 |
Deep learning in detection of osteoporosis: insights from recent evidence, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004316
PMID:41496979
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 170 | 2026-01-08 |
Early detection in oral cancer: Are we prepared for artificial intelligence-driven precision medicine?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004397
PMID:41497043
|
综述 | 本文探讨了人工智能和精准医学在口腔癌早期检测中的应用、潜力与挑战 | 系统性地阐述了人工智能（特别是卷积神经网络）在分析口腔癌复杂影像与病理数据、识别人眼难以察觉的模式方面的变革性作用，并强调了可解释AI和伦理框架对未来发展的必要性 | AI系统存在数据偏见、患者隐私问题以及“黑箱”不透明性等挑战 | 探讨人工智能驱动的精准医学在口腔癌早期检测中的准备情况与应用前景 | 口腔癌（特别是口腔鳞状细胞癌）及口腔潜在恶性病变（如白斑、红斑、扁平苔藓、黏膜下纤维化） | 数字病理学 | 口腔癌 | 机器学习，深度学习，多组学整合 | CNN | 影像数据，组织病理学数据 | NA | NA | 卷积神经网络 | 专家级准确度 | 基于智能手机的AI系统 |
| 171 | 2026-01-08 |
Attention-driven framework to segment renal ablation zone in posttreatment CT images: a step toward ablation margin evaluation
2026-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.1.014001
PMID:41497560
|
研究论文 | 本文提出了一种基于注意力机制的深度学习框架，用于在治疗后CT图像中分割肾脏消融区，以辅助消融边缘评估 | 首次使用并行CT图像进行基于深度学习的肾脏消融区分割，并引入了注意力机制增强U-Net架构以提升分割精度 | 数据集规模较小（仅76名患者），且分割精度（如DSC为0.70）和召回率（0.73）仍有提升空间，可能影响在多样化临床场景中的泛化能力 | 开发并评估一种准确的深度学习工作流程，用于从肾脏CT图像中分割肾脏消融区，以支持治疗评估 | 肾脏消融区（RAZ）在治疗后CT图像中的分割 | 数字病理学 | 肾细胞癌 | CT成像 | CNN | 3D CT图像 | 76名患者的注释肾脏消融区CT图像 | NA | 注意力增强的U-Net | 准确率, 精确率, 召回率, DSC, Jaccard系数, 特异性, 豪斯多夫距离, 平均绝对边界距离 | NA |
| 172 | 2026-01-07 |
Social network analysis for crime prediction under social computing and deep learning technology
2026-Jan-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34891-7
PMID:41491265
|
研究论文 | 提出了一种基于账户关联的关键人物识别模型（KPI-AA），用于识别犯罪网络中的核心成员并预测犯罪行为 | 结合局部邻居相似性和全局边介数，并利用图神经网络对社交网络中的关键节点进行深度表征，以揭示复杂社会结构中的潜在组织核心和犯罪网络中的潜在扩散路径 | NA | 利用社交计算和深度学习技术进行犯罪预测 | 犯罪网络、社交网络 | 机器学习 | NA | 社交网络分析、图神经网络 | GNN | 网络数据 | Zachary网络、Harry Potter网络、Twitter数据集 | NA | NA | 传播动力学（感染节点数）、网络鲁棒性（相对连通性）、排名一致性（Kendall's tau系数）、计算效率 | NA |
| 173 | 2026-01-07 |
Knowledge graph-enhanced deep learning for pharmaceutical demand forecasting
2026-Jan-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35113-4
PMID:41491846
|
研究论文 | 本文提出了一种结合药物知识图谱与深度学习的新型混合模型KG-GCN-LSTM，用于提高药物需求预测的准确性和鲁棒性 | 首次将药物知识图谱与深度学习技术（GCN和LSTM）相结合，通过知识图谱编码药物间的替代关系、共病治疗和季节性波动等复杂非线性动态模式 | 未明确说明模型在不同类型药物或不同规模数据集上的泛化能力，也未讨论知识图谱构建的完整性和准确性对模型性能的影响 | 提高药物需求预测的准确性，以保障药物及时供应、降低库存成本并提升医疗供应链运营效率 | 药物需求预测 | 机器学习 | NA | 知识图谱，深度学习 | GCN, LSTM | 时序销售数据，知识图谱 | 真实世界药房销售数据（具体数量未提供） | NA | KG-GCN-LSTM（混合架构） | 对称平均绝对百分比误差 | NA |
| 174 | 2026-01-07 |
Design and evaluation of a remote damage control surgery real-time guidance system based on HoloLens 2 in low-speed network environments
2026-Jan-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34705-w
PMID:41491882
|
研究论文 | 本研究旨在为低速网络环境开发并评估一个基于HoloLens 2的远程损伤控制手术实时指导系统 | 提出了一种结合多维损伤数据编码技术、WebSocket长链接协议和分片传输技术的系统，以缓解低速复杂网络环境下的数据传输延迟，并利用混合现实技术实现实时交互式手术指导 | 研究样本规模较小（28名学生），且仅在动物颅脑创伤模型上进行了评估，未涉及更广泛的损伤类型或临床环境 | 开发并评估一个适用于低速网络环境的远程损伤控制手术实时指导系统 | 由28名学生组成的四个手术团队，使用动物损伤平台构建的颅脑创伤模型 | 数字病理 | 颅脑创伤 | 多维损伤数据编码技术, WebSocket长链接协议, 分片传输技术, Wi-Fi通信协议 | 深度学习, 决策树 | 多模态数据 | 28名学生（分为远程组和对照组） | NA | NA | 损伤判断评分, 手术操作评分, 整体有效性评分, 手术时间, 动物存活时间, 满意度评分 | HoloLens 2沉浸式头戴显示设备 |
| 175 | 2026-01-07 |
Deep Learning for Video Anomaly Detection: A Review
2026-Jan-05, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3647892
PMID:41489948
|
综述 | 本文对基于深度学习的视频异常检测方法进行了全面综述，涵盖了不同监督级别的分类、公共数据集、开源代码和评估指标 | 弥补了过去综述仅关注半监督VAD和小模型方法的局限性，深入探讨了基于预训练大模型和开放世界学习的最新工作 | NA | 视频异常检测（VAD）旨在发现视频中偏离正常行为或事件 | 视频数据 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |
| 176 | 2026-01-07 |
Revisiting Out-of-Distribution Detection in Real-time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm
2026-Jan-05, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3650695
PMID:41489965
|
研究论文 | 本文重新审视了实时目标检测中的分布外检测问题，揭示了现有基准测试的缺陷，并提出了一种新的训练时缓解范式 | 揭示了广泛使用的评估基准存在根本性缺陷（OoD测试集中高达13%的对象实际上属于分布内类别），并提出了一种独立于外部OoD检测器的新型训练时缓解范式，通过使用语义上类似于分布内对象的合成OoD数据集微调检测器来塑造防御性决策边界 | 未明确说明合成OoD数据集的构建细节及其在不同场景下的泛化能力限制 | 有效减少目标检测器中由分布外输入引起的幻觉错误 | 实时目标检测模型 | 计算机视觉 | NA | NA | CNN | 图像 | 使用BDD-100K数据集 | PyTorch | YOLO, Faster R-CNN, RT-DETR | 幻觉错误减少率 | NA |
| 177 | 2026-01-07 |
Risk prediction of progression from normal cognitive function to Alzheimer's disease in elderly aged 65 and above based on deep learning methods
2026-Jan-05, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877251410937
PMID:41490207
|
研究论文 | 本研究基于深度学习模型，预测65岁及以上老年人从正常认知功能进展为阿尔茨海默病的风险 | 采用深度学习模型（DeepSurv和DeepHit）与传统Cox模型比较，用于预测阿尔茨海默病的进展风险，并评估其在临床早期筛查中的潜力 | 研究未详细说明样本的具体来源和多样性，且临床验证尚未完成，模型的实际应用效果有待进一步确认 | 建立从正常认知功能进展为阿尔茨海默病的风险预测模型，为临床决策和早期筛查工具开发提供参考 | 65岁及以上认知功能正常的老年人 | 机器学习 | 阿尔茨海默病 | NA | DeepSurv, DeepHit, Cox模型 | 临床数据 | NA | NA | DeepSurv, DeepHit, Cox模型 | C-index, IBS, AUC | NA |
| 178 | 2026-01-07 |
QPred: A Quantum Mechanical Property Predictor for Small Molecules
2026-Jan-05, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02864
PMID:41490442
|
研究论文 | 本文介绍了一种名为QPred的新型深度学习架构，用于预测小分子的物理化学性质，通过自适应利用2D拓扑图或3D几何信息来提高预测效率和准确性 | 提出了一种解耦的深度学习架构，结合了增强型消息传递神经网络（MPNN）和等变网络，通过分层注意力机制提供可解释性，自适应处理2D和3D分子数据 | 未在摘要中明确提及具体限制，可能涉及计算资源需求或模型泛化能力 | 开发一种高效、高精度且可解释的分子性质预测工具，以加速计算化学和药物发现中的高通量筛选 | 小分子的物理化学性质 | 机器学习 | NA | 深度学习，量子力学方法 | MPNN，等变网络 | 2D拓扑图，3D几何信息 | NA | NA | 消息传递神经网络（MPNN），等变网络 | NA | NA |
| 179 | 2026-01-07 |
A deep learning-based markerless gait analysis model for dogs shows promising accuracy when validated with 2-dimensional marker-based data
2026-Jan-05, American journal of veterinary research
IF:1.3Q2
DOI:10.2460/ajvr.25.09.0337
PMID:41490686
|
研究论文 | 本文开发并验证了一种基于深度学习的无标记步态分析模型，用于犬类步态分析，并与二维标记系统进行比较 | 首次从随机初始化训练专门针对犬类步态分析的深度学习模型，并在临床环境中验证其准确性 | 需要进一步在不同犬种和环境条件下进行验证，目前仍处于早期阶段 | 开发适用于犬类步态分析的深度学习模型，并验证其准确性 | 犬类步态分析 | 计算机视觉 | NA | 深度学习 | ViTPose-L | 图像 | 408只客户拥有的犬只，涉及超过30个品种，包括小型到大型体型 | NA | ViTPose-L | COCO风格的平均精度均值, 归一化关键点误差, 正确关键点百分比 | NA |
| 180 | 2026-01-07 |
Applicability study of AI attribution methods for ophthalmic image classification
2026-Jan-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33120-5
PMID:41491079
|
研究论文 | 本研究评估了三种前沿归因方法在眼科图像分类中的适用性，以解释基于VGG16的深度学习模型在糖尿病视网膜病变分类和视网膜积液检测中的预测 | 首次系统评估了DeepLIFT、AGI和AttEXplore等归因方法在眼科医学影像领域的适用性，揭示了这些方法在临床相关性解释方面的差异和局限性 | 归因方法在正常病例中提供的信息较少，且高插入分数或低删除分数不一定与临床有意义的视觉归因相关，所有方法都需要结合临床专业知识进行解释 | 探索归因方法在医学影像领域的适用性，提高深度学习模型在眼科诊断中的可解释性和临床可信度 | 糖尿病视网膜病变分类和视网膜积液检测 | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描（OCT），光学相干断层扫描血管成像（OCTA） | CNN | 图像 | 未明确指定样本数量 | 未明确指定 | VGG16 | 准确率，插入分数，删除分数 | 未明确指定 |