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 7804 篇文献，本页显示第 2581 - 2600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2581 | 2026-04-24 |
Dual-temporal inflow-outflow dependency modeling for short-term metro outflow prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0347131
PMID:42013086
|
研究论文 | 提出一种双时间流入-流出依赖模型，用于短期地铁出站流量预测 | 将进站对出站的影响分解为短期和长期时间分量，采用非对称特征提取方案和双分支交叉注意力机制隐式学习空间相关性，并引入样本级OD矩阵作为注意力偏置 | 未提及具体局限性 | 改进短期地铁乘客流量预测，特别是出站流量对进站流量的依赖性建模 | 杭州地铁数据集中的出站流量预测 | 机器学习 | NA | NA | 双时间流入-流出依赖模型 | 时间序列流量数据 | 杭州地铁数据集（样本数量未明确说明） | NA | 双分支交叉注意力机制 | 均方根误差, 平均绝对误差, 加权平均绝对百分比误差 | 训练时间在70秒内完成（具体GPU型号未提及） |
| 2582 | 2026-04-24 |
Cognitive load and pedagogical tension in multi-platform online learning: Evidence from Chinese higher education
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0347566
PMID:42013118
|
研究论文 | 调查中国高等教育中多平台在线学习环境对学生体验的矛盾影响 | 通过串行中介模型揭示了平台多样性通过增加外在认知负荷进而导致工具疲劳，最终负向影响学习体验的机制，识别出教育技术预期效益与碎片化用户体验之间的核心教学张力 | 未明确提及局限性 | 研究多平台在线学习环境对中国高校学生体验的矛盾效应 | 中国高校学生 | 机器学习 | NA | NA | 串行中介模型 | 定性数据与定量数据 | 8616名大学生 | NA | NA | NA | NA |
| 2583 | 2026-04-24 |
Toward leveraging intrinsic point cloud features in 3D adversarial attacks
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344574
PMID:42013122
|
研究论文 | 通过无监督机器生成假新闻，模拟现实世界的虚假信息传播，以增强社会检测能力 | 提出一种利用内在点云特征生成对抗攻击的方法，摆脱对模型特定梯度的依赖，转向数据驱动的特征决策 | 该方法生成的对抗攻击成功率略低于传统模型特定攻击，且在Drop100和Drop200设置下平均成功率仅提高约2%和4% | 探索三维点云内在特征在对抗攻击中的预测作用，并设计基于特征的攻击方法以提升可迁移性和降低计算成本 | 三维点云数据中的对抗点以及与之相关的十四种特征（如边缘强度、到质心距离） | 计算机视觉 | NA | 点云特征分析 | 随机森林回归、多元线性回归 | 三维点云 | 未明确说明样本数量，但涉及四种DNN架构（PointNet、PointNet++、DGCNN、PointConv）上的测试 | NA | PointNet, PointNet++, DGCNN, PointConv | 成功率（Drop100和Drop200设置） | NA |
| 2584 | 2026-04-24 |
Controlled comparative study of YOLOv8-Pose, YOLOv11-Pose, and Detectron2 for vertebrae detection and keypoint estimation
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0347290
PMID:42013146
|
研究论文 | 对YOLOv8-Pose、YOLOv11-Pose和Detectron2在椎骨检测与关键点估计任务中进行受控比较研究 | 在统一训练设置下，首次对三种基于姿态的深度学习模型进行任务驱动的受控比较，并针对椎骨检测的临床可用性（如检测完整性和重复检测）进行了详细评估 | 仅使用单一类别的椎骨数据集，且未探讨模型在真实临床环境中的泛化能力或计算资源需求对部署的影响 | 评估不同姿态检测模型在椎骨关键点定位中的表现，为脊柱成像选择解剖学感知模型提供依据 | 四种基于姿态的深度学习模型：YOLOv8n-Pose、YOLOv11n-Pose、Detectron2（结合ResNet-50和ResNet-101骨干网络） | 计算机视觉 | 脊柱疾病 | NA | 姿态检测模型、YOLO、Detectron2 | 图像 | NA | PyTorch, Detectron2 | YOLOv8n-Pose, YOLOv11n-Pose, Keypoint R-CNN (ResNet-50, ResNet-101) | 关键点定位精度、检测精度、推理速度、检测完整性、重复检测 | NA |
| 2585 | 2026-04-24 |
RMETNet: A cross-subject motor imagery EEG signal classification model based on TSLANet and riemannian geometry features
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0347671
PMID:42018586
|
研究论文 | 提出了一种结合TSLANet、时空卷积模块和多尺度黎曼几何特征模块的跨被试运动想象脑电图信号分类模型RMETNet | 创新性地将TSLANet、时空卷积与多尺度黎曼几何特征模块集成，并引入最大均值差异损失进行域适应，以解决跨被试分布偏移问题 | NA | 提高运动想象脑电图信号分类在跨被试场景下的泛化能力 | 运动想象脑电图信号 | 机器学习 | NA | 脑电图 | TSLANet、CNN | 脑电图信号 | BCI Competition IV 2a数据集（四类）和BCI Competition IV 2b数据集（两类） | PyTorch | TSLANet, CNN | 准确率 | NA |
| 2586 | 2026-04-24 |
Exploring the Power of Machine Learning in Analysing Protein-Protein Sequences
2026 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70066
PMID:42018649
|
综述 | 全面回顾了用于蛋白质序列分析的机器学习与深度学习方法，重点评估其在预测蛋白质结构和相互作用方面的应用 | 系统性地基于方法论基础、数据集和性能特征对现有方法进行分类，并比较其优缺点，为研究人员提供结构化的技术选择参考 | 未详细说明各方法的具体性能指标和计算资源需求，且对新兴AI驱动蛋白质建模的趋势仅作概述性讨论 | 帮助研究人员系统评估和选择适用于特定生物学应用的蛋白质序列分析方法 | 蛋白质序列、蛋白质-蛋白质相互作用、蛋白质结构与功能的关系 | 机器学习, 自然语言处理 | NA | 蛋白质序列分析技术（同源建模、机器学习、深度学习、自然语言处理等） | 机器学习模型, 深度学习模型 | 蛋白质序列数据 | NA | NA | NA | 性能特征（具体指标未详述） | NA |
| 2587 | 2026-04-24 |
Enhancing age and gender verification in OTT accounts using deep learning techniques
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1763101
PMID:42022145
|
研究论文 | 提出一种基于卷积神经网络的年龄和性别验证方法，用于OTT平台，以限制儿童访问不适当内容 | 将CNN模型定制用于OTT账户中的年龄和性别识别，并开发了基于OpenCV和Flask框架的用户界面，实现自动化年龄验证 | 未提及模型在不同数据集上的泛化能力、计算效率或实际部署中的挑战 | 提高OTT平台中用户年龄和性别验证的准确性，以保护儿童免受不适当内容的影响 | OTT平台用户的年龄和性别识别 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | UTK Face数据集（具体数量未提及） | OpenCV, Flask | CNN（定制化卷积神经网络） | 准确率 | NA |
| 2588 | 2026-04-24 |
AI-driven magnetoencephalography biomarkers in dementia risk prediction: current evidence, challenges and future perspectives
2026, Frontiers in dementia
DOI:10.3389/frdem.2026.1743627
PMID:42022294
|
综述 | 系统梳理基于人工智能的脑磁图生物标志物在痴呆风险预测中的现有证据、挑战与未来展望 | 首次系统综述AI驱动MEG分析在痴呆分类、预测和预后中的应用，覆盖传统机器学习与深度学习架构，并强调多模态整合与光学泵磁力计等下一代MEG技术潜力 | 纳入研究间存在方法学异质性，缺乏标准化预处理流程，样本量有限且多为单中心数据 | 评估AI结合MEG在轻度认知障碍和痴呆分类、预测及预后中的当前证据、方法学进展及临床转化潜力 | 健康对照、主观认知下降、轻度认知障碍、阿尔茨海默病及其他痴呆患者 | 机器学习 | 痴呆 | 脑磁图 | 支持向量机、随机森林、卷积神经网络 | 脑磁图信号 | 共14项研究，涵盖健康对照至痴呆患者多种人群 | NA | 支持向量机、随机森林、卷积神经网络 | 分类准确率 | NA |
| 2589 | 2026-04-24 |
Morphology-guided attention networks for explainable skin cancer detection under clinical uncertainty
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1804329
PMID:42022332
|
研究论文 | 提出一种形态引导注意力框架，用于在临床不确定性下实现可解释且可靠的皮肤癌检测 | 融合病变分割保留形态结构，结合注意力机制提升可解释性，并加入不确定性估计模块量化预测置信度 | 未提及具体局限性，但可能依赖公开数据集，真实临床场景泛化性需进一步验证 | 解决皮肤镜图像中视觉变异大、病变重叠及临床不确定性导致的检测挑战 | 皮肤镜图像中的皮肤病变分类（恶性与良性） | 计算机视觉, 数字病理学 | 皮肤癌 | 皮肤镜成像 | 注意力网络 | 图像 | 公开皮肤镜数据集（具体样本量未说明） | NA | 形态引导注意力网络（含分割模块、注意力分类网络、不确定性估计模块） | 准确率, 召回率 | NA |
| 2590 | 2026-04-24 |
Artificial intelligence in drug discovery from advanced molecular representation to pipeline applications
2026, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2026.1755843
PMID:42022447
|
综述 | 本文综述了人工智能在药物发现中的应用，从先进的分子表示到管线集成，强调通过模拟复杂生物系统加速研发流程 | 系统性地覆盖了从字符串方法到图神经网络（GNNs）、三维感知几何深度学习（GDL）、量子机器学习（QML）及混合量子-经典神经网络（HQNNs）等先进分子表示，并提出了集成量子计算、自主实验和生成模型的Q-BioFusion框架 | 三维分子预测和生成的几何保真度有待提高，数据效率需要增强，生物测定中固有的数据稀疏问题仍未完全解决 | 利用人工智能技术，通过先进分子表示加速药物发现管线的研发过程，降低成本和失败率 | 药物发现管线中的分子表示、模型性能、计算资源与集成框架 | 机器学习 | NA | 量子机器学习 (QML), 混合量子-经典神经网络 (HQNNs) | 图神经网络 (GNNs), 三维感知几何深度学习 (GDL), 量子机器学习 (QML) | 分子表示数据 | NA | NA | 图神经网络, 三维感知几何深度学习, 量子机器学习, 混合量子-经典神经网络 | 药效(PD)预测, 毒理效应预测 | NA |
| 2591 | 2026-04-24 |
Deep learning for intracranial hemorrhage detection and classification in brain CT scans: a systematic review and hybrid model approach
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1703634
PMID:42022505
|
系统综述 | 该论文对深度学习在颅内出血CT影像检测与分类中的应用进行了系统综述，并提出了混合模型方法 | 系统回顾了传统CNN、3D CNN、混合集成框架及新兴Transformer架构在该领域的应用，并评估了Grad-CAM等可解释性方法 | 存在泛化能力不足、数据集异质性及临床验证缺失等挑战 | 整合分析基于机器学习和深度学习的非增强CT颅内出血检测与分类方法 | 从非增强CT影像中检测和分类颅内出血及其亚型（硬膜外、硬膜下、脑实质内、脑室内和蛛网膜下腔出血） | 计算机视觉 | 颅内出血 | CT成像 | CNN, 3D CNN, Transformer | CT影像 | NA | NA | 卷积神经网络, 三维卷积神经网络, Transformer | 灵敏度, 特异性 | NA |
| 2592 | 2026-04-24 |
A multimodal deep learning model for predicting impending rupture in symptomatic abdominal aortic aneurysms using CTA and clinical data
2026, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2026.1771669
PMID:42022533
|
研究论文 | 开发并验证一个可解释的多模态深度学习模型，用于预测症状性腹主动脉瘤的即将破裂风险 | 首次结合CTA序列图像和六种关键临床生物标志物，通过双向交叉注意力机制构建多模态模型，显著优于传统临床规则和CTA征象基线 | 回顾性研究设计，样本量有限（263例），需要前瞻性验证确认临床适用性 | 开发可解释的多模态深度学习模型，评估症状性AAA患者的破裂风险，支持急诊决策 | 症状性腹主动脉瘤（AAA）患者 | 医学影像分析 | 腹主动脉瘤 | CTA | 多模态深度学习模型（基于ResNet-50图像编码器和双向交叉注意力机制） | CTA图像（序列切片）和临床数据（生物标志物） | 263例症状性AAA患者（230例开发队列，33例独立时序测试集） | PyTorch | ResNet-50 | AUC, 灵敏度, 阴性预测值 | NA |
| 2593 | 2026-04-24 |
MVBeetle: an interpretable multi-view deep learning model for fine-grained classification of Galerucinae and Alticinae (Coleoptera: Chrysomelidae)
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1798135
PMID:42023004
|
研究论文 | 提出一种可解释的多视图深度学习模型MVBeetle，用于细粒度分类萤叶甲亚科和跳甲亚科 | 首次将多视图融合框架与可解释性分析结合用于萤叶甲亚科和跳甲亚科的细粒度分类，通过Grad-CAM揭示不同亚科的关键形态特征（跳甲亚科关注跳跃腿，萤叶甲亚科关注触角） | 未明确指出限制，但可能包括数据集仅涵盖43种物种、未考虑野外复杂背景或不同光照条件下的泛化能力 | 提供一种高精度且便捷的叶甲分类模型，并探究亚科间形态进化差异 | 萤叶甲亚科和跳甲亚科的43种叶甲物种（23种萤叶甲与20种跳甲） | 计算机视觉 | NA | 多视图图像采集 | 卷积神经网络 | 图像 | 43种叶甲物种的多视图图像（背、侧、腹面） | PyTorch | ResNet18, ResNet50, VGG16, MobileNetV2 | 准确率 | NA |
| 2594 | 2026-04-24 |
An environment-guided visual-temporal deep learning framework for early disease detection in greenhouse horticultural crops
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1796407
PMID:42023011
|
研究论文 | 提出一种环境引导的视觉-时间深度学习框架，用于温室园艺作物的早期病害检测 | 通过环境引导的视觉注意力机制和时空联合建模，将环境变量从被动特征转化为主动先验，增强对微弱病害信号的敏感性 | 实验仅在真实温室多模态时序数据集上验证，未测试其他环境条件下的泛化能力 | 实现温室园艺作物早期病害的智能预警和精准调控 | 温室园艺作物及其相关环境变量（温度、湿度、蒸汽压差、二氧化碳浓度） | 计算机视觉, 机器学习 | 温室作物病害 | 多模态时序数据采集 | CNN, Transformer | 图像, 文本（环境变量数值） | 真实温室多模态时序数据集（未明确样本数量） | NA | Transformer, CNN | 准确率, 召回率, F1分数, 早期精度, 早期召回率, 提前时间 | NA |
| 2595 | 2026-04-24 |
Application of deep learning-clinical baseline feature fusion model to predict postoperative mortality in elderly patients with hip fracture: a multicenter study
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1784156
PMID:42023085
|
研究论文 | 构建深度学习与临床基线特征融合模型，预测老年髋部骨折患者术后死亡率 | 首次将深度学习模型提取的CT图像特征与临床基线特征融合，显著提升了预测性能 | 未提及具体限制 | 基于深度学习与临床基线特征融合，提高老年髋部骨折术后1年死亡率预测准确性 | 老年髋部骨折患者 | 机器学习 | 老年性疾病 | 计算机断层扫描（CT） | Densenet161 和 LightGBM | 图像（CT骨骼肌组织图像）及临床基线数据 | 内部训练集221例（机构1），外部验证集113例（机构2） | NA | Densenet161, LightGBM | AUC、敏感性、特异性、F1分数 | NA |
| 2596 | 2026-04-23 |
Examining the development, effectiveness, and limitations of computer-aided diagnosis systems for retained surgical items detection: a systematic review
2026-May, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2025.2487558
PMID:40208001
|
系统综述 | 本文系统综述了用于检测手术遗留物的计算机辅助诊断系统的开发、有效性和局限性 | 首次系统性地总结和评估了用于手术遗留物检测的CAD系统的特性，并提出了改进机会 | 大多数研究使用合成的RSI X光片开发CAD系统，这引发了泛化性问题；且基于深度学习的CAD系统未整合可解释人工智能技术以确保决策透明度 | 总结用于检测手术遗留物的CAD系统的特征，评估其开发、有效性和局限性，并提出改进机会 | 用于检测手术遗留物的计算机辅助诊断系统 | 计算机视觉 | 手术并发症 | 计算机辅助检测 | 深度学习 | X光图像 | NA | NA | NA | 灵敏度, 特异性 | NA |
| 2597 | 2026-04-23 |
Relationships Between Vocal Fold Adduction Patterns, Vocal Acoustic Quality, and Vocal Effort in Individuals With and Without Hyperfunctional Voice Disorders
2026-May, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2023.12.012
PMID:38195336
|
研究论文 | 本研究旨在量化声带内收模式，并探讨其与声学质量和自我感知发声努力程度之间的关系 | 首次将一种先前为声带麻痹患者开发并验证的量化方法应用于功能性发声障碍患者，以客观量化声带内收模式 | 样本量相对较小（共60例喉镜检查），且未发现声带内收模式在组间存在显著差异，表明可能需要探索其他生理机制 | 探究功能性发声障碍中声带内收模式、发声努力程度和声学质量之间的关系 | 患有原发性肌紧张性发声障碍、声带创伤性病变的个体以及健康对照者 | NA | 功能性发声障碍 | 喉镜视频分析，声学分析（CPP, H1-H2） | 深度学习 | 视频（喉镜视频），音频（语音样本） | 60例喉镜检查（20例原发性肌紧张性发声障碍，20例声带创伤性病变，20例健康对照） | NA | Automated Glottic Action Tracking using artificial Intelligence | NA | NA |
| 2598 | 2026-04-23 |
Evaluation of Vertical Level Differences Between Left and Right Vocal Folds Using Artificial Intelligence System in Excised Canine Larynx
2026-May, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2023.11.025
PMID:38216386
|
研究论文 | 本研究开发了一个基于人工智能的系统，用于分类声带发声时的垂直水平差异，并在离体犬喉模型上评估了其分类准确性 | 首次引入DenseNet121-ConvLSTM模型进行声带垂直水平差异的多类分类，实现了高精度的自动化评估 | 研究基于离体犬喉模型，可能无法完全模拟人类活体声带的生理条件，且外部数据集验证的样本规模未明确说明 | 建立人工智能系统以分类和评估声带发声时左右声带之间的垂直水平差异 | 离体犬喉模型中的声带 | 计算机视觉 | 单侧声带麻痹 | 高速摄像系统与全局快门彩色互补金属氧化物半导体相机 | CNN, LSTM | 图像 | 28,000张图像（20,000张用于建模，8,000张用于测试） | NA | DenseNet121-ConvLSTM | 准确率, 精确率, 召回率, F1分数 | NA |
| 2599 | 2026-04-22 |
Local-Contextual Feature Fusion Network Based on Nonlinear Spiking Neural Model for Semantic Segmentation of Remote Sensing Images
2026-Aug, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065726500292
PMID:41873601
|
研究论文 | 提出了一种基于非线性脉冲神经元模型的局部上下文特征融合网络，用于遥感图像的语义分割 | 设计了一种使用新型非线性脉冲神经元模型的通道注意力-特征融合模块，以有效利用局部上下文特征，辅助解码器进行更好的特征恢复 | NA | 解决高分辨率遥感图像在复杂场景中物体纹理丰富、边缘复杂且分布不规则带来的语义分割挑战 | 遥感图像 | 计算机视觉 | NA | NA | CNN, Transformer | 图像 | NA | NA | ResNet-18, 局部上下文Transformer块 | mIoU | NA |
| 2600 | 2026-04-22 |
Deep learning-based early screening for porcine embryos with different developmental potential
2026-Jul-15, Theriogenology
IF:2.4Q1
|
研究论文 | 本研究通过建立胚胎滴状培养系统，开发并比较了多种深度学习模型，用于早期筛选具有高发育潜能的猪胚胎 | 提出了一种新型胚胎滴状培养系统，并首次将MaxViT_T模型应用于猪胚胎发育潜能的早期预测，在4细胞阶段达到最佳预测性能 | 研究仅使用孤雌激活胚胎数据，未涉及受精胚胎；模型在更早期胚胎阶段的预测性能可能有限 | 提高猪人工繁殖技术效率，通过早期胚胎筛选优化胚胎选择过程 | 猪孤雌激活胚胎，涵盖从1细胞到囊胚阶段的发育过程 | 计算机视觉 | NA | 胚胎滴状培养系统，亮场显微成像 | 深度学习 | 图像 | 10,041张猪孤雌激活胚胎的亮场图像 | NA | MaxViT_T | 预测性能 | NA |