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 12100 篇文献，本页显示第 3181 - 3200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3181 | 2026-08-03 |
Region-Specific Evaluation of Plaque Segmentation in Cross-sectional Projections of Carotid Ultrasound Images Using Deep Learning Models in a Sub-clinical Atherosclerosis Cohort
2026-Sep, Ultrasound in medicine & biology
|
研究论文 | 本研究首次在亚临床动脉粥样硬化队列中，利用深度学习模型对颈动脉超声横断面图像进行区域特异性斑块分割评估 | 首次对颈动脉超声横断面图像进行区域特异性斑块分割评估，涵盖颈动脉球部和分叉等临床相关区域 | 未提及 | 评估深度学习模型在颈动脉超声横断面图像中进行区域特异性斑块分割的性能 | 颈动脉超声横断面图像中的动脉粥样硬化斑块 | 医学影像分析 | 动脉粥样硬化 | 超声成像 | 深度学习模型 | 超声图像 | VIPVIZA队列6年随访的横断面颈动脉超声图像（具体数量未提及） | 未提及 | YOLOv8, U-Net, Attention U-Net, U-Net++, Swin U-Net, DeepLabV3 | Dice系数 | 未提及 |
| 3182 | 2026-08-03 |
Cardiac Natural Mechanical Wave Detection and Speed Estimation Using Deep Learning-Based 2-D Ultrasound Imaging: A Feasibility Study
2026-Sep, Ultrasound in medicine & biology
|
研究论文 | 本文探讨了基于深度学习二维超声成像检测心脏自然机械波并估算其传播速度的可行性 | 首次在深度学习复合成像数据上检测心脏自然机械波，并验证其速度估算的准确性 | 研究样本量小，仅为四名健康志愿者，且未在不同病理状态下验证 | 证明深度学习复合成像数据可用于心脏自然机械波的检测和速度估算 | 心脏自然机械波在四名健康志愿者心肌中的传播 | 医学影像分析 | 心血管疾病 | 超声成像 | 深度学习网络 | 超声图像 | 4名健康志愿者 | NA | 深度学习网络 | 波速估计 | GPU |
| 3183 | 2026-08-03 |
Hybrid deep learning based stroke detection using CT images with routing in an IoT environment
2026-Aug, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2452280
PMID:39893512
|
研究论文 | 提出一种结合物联网环境的混合深度学习模型Jaccard_Residual SqueezeNet，用于从CT图像中检测卒中 | 将Jaccard指数集成到Residual SqueezeNet中，并采用分数阶水母搜索鹈鹕优化算法进行路由，结合物联网环境实现卒中检测 | 未在摘要中提及具体局限性 | 提高CT图像中卒中病变的早期检测和分割准确性 | 脑CT图像中的卒中病变 | 计算机视觉 | 脑血管疾病 | CT成像 | 卷积神经网络 | 图像 | 未在摘要中提及具体样本量 | NA | Residual SqueezeNet, ENet | 准确率, 敏感度, 精确率, F1分数, 吞吐量, 能量, 距离, 信任度, 延迟 | 物联网环境 |
| 3184 | 2026-08-03 |
Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images
2026-Aug, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2457955
PMID:40035544
|
研究论文 | 该研究开发了一种基于混合瓢虫鹰优化深度学习的多模态帕金森病分类模型，利用语音信号和手绘螺旋图像实现早期诊断 | 采用混合瓢虫鹰优化算法（LHO）训练ZFNet和DRN双分类器，并结合多数投票机制融合语音和图像特征，实现多模态帕金森病分类 | 未明确提及局限性 | 开发优化的深度学习模型，以提高帕金森病早期诊断的准确性 | 帕金森病患者和健康对照组的语音信号与手绘螺旋图像 | 深度学习 | 帕金森病 | NA | 深度学习模型（ZFNet和DRN） | 语音信号和图像 | 未明确提及样本数量 | NA | ZFNet, DRN | 准确率, 阴性预测值, 阳性预测值, 真阴性率, 真阳性率 | NA |
| 3185 | 2026-08-03 |
A multi-objective function for deep learning-based automatic energy efficiency power allocation in multicarrier noma system using hybrid heuristic improvement
2026-Aug, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2461046
PMID:40079096
|
研究论文 | 本研究提出一种基于深度学习的混合启发式优化算法，用于多载波非正交多址系统，以实现自适应能量效率功率分配 | 提出了一种混合的缝纫训练与狐猴优化（HSTLO）算法，并结合膨胀密集循环神经网络（DDRNN）模型来优化多载波NOMA系统的能效 | 摘要中未提及明显的局限性 | 通过优化算法和深度学习模型提高多载波NOMA系统的能量效率和系统性能 | 多载波非正交多址（MC-NOMA）系统中的能量效率功率分配 | 机器学习 | 不适用 | 不适用 | 循环神经网络（RNN） | 不适用 | 不适用 | 不适用 | 膨胀密集循环神经网络（DDRNN） | 不适用 | 不适用 |
| 3186 | 2026-08-03 |
EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model
2026-Aug, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2477801
PMID:40096584
|
研究论文 | 提出了一种基于自动编码器特征融合和MSC-TimesNet模型的脑电情感识别方法（AEF-DL），在DEAP和Dreamer数据集上取得了高分类准确率 | 提出将自动编码器用于多频段脑电信号的特征融合，并创新性地设计了MSC-TimesNet深度学习模型，通过多尺度卷积核有效提取周期内和周期间的时序信息，显著提升了分类性能 | 摘要中未提及局限性，可能需要进一步验证模型在不同数据集上的泛化能力及计算开销 | 提高基于脑电信号的情感识别分类性能，解决现有方法特征融合不充分和时序模式捕捉不足的问题 | 脑电信号（EEG）用于情感识别，涉及DEAP和Dreamer两个公共数据集 | 脑电信号处理、深度学习 | 不适用（情感识别，非特定疾病） | 脑电图（EEG）信号分析，特征提取包括功率谱密度（PSD）和差分熵（DE），自动编码器特征融合 | 深度学习模型（MSC-TimesNet） | 脑电信号数据 | DEAP和Dreamer数据集（未明确具体样本数量） | 未明确 | MSC-TimesNet（结合TimesNet和多尺度卷积核） | 分类准确率 | 未明确 |
| 3187 | 2026-08-03 |
Leveraging the internet of things and optimized deep residual networks for improved foliar disease detection in apple orchards
2026-Aug, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2472626
PMID:40126079
|
研究论文 | 提出一种基于物联网和优化深度残差网络的苹果叶片病害分类方法 | 结合Tunicate Swarm Algorithm和Sine Cosine Algorithm的TSSCA算法优化深度残差网络，并采用Fractional Lion Optimization进行物联网簇头选择 | 未提及具体局限性 | 提高苹果园叶片病害检测的准确性和效率 | 苹果叶片病害图像 | 计算机视觉 | 植物病害（苹果叶片病害） | 物联网（IoT）、图像分割 | 深度残差网络（DRN） | 图像 | Plant Pathology 2020 - FGVC7数据集（未提供具体样本数量） | 未提及 | 深度残差网络（DRN） | 准确率、特异性、敏感性、最大能量 | 未提及 |
| 3188 | 2026-08-03 |
Deep Learning-Based Comparison of Knee Minimum Joint Space Width in Patients With Rheumatoid Arthritis and Osteoarthritis Before Total Knee Arthroplasty
2026-Aug-01, The Journal of rheumatology
IF:3.6Q2
DOI:10.3899/jrheum.2025-0951
PMID:42067217
|
研究论文 | 本研究利用深度学习技术比较类风湿关节炎和骨关节炎患者在全膝关节置换术前的膝关节最小关节间隙宽度，发现两种疾病的关节间隙狭窄模式存在差异 | 首次使用经过验证的深度学习模型自动测量膝关节内侧和外侧最小关节间隙宽度，并比较类风湿关节炎与骨关节炎患者的关节间隙狭窄模式，同时评估最小关节间隙宽度与疾病活动度之间的关系 | 未在摘要中明确提及局限性 | 比较类风湿关节炎和骨关节炎患者在接受全膝关节置换术前的关节间隙狭窄模式，并评估最小关节间隙宽度与类风湿关节炎疾病活动度之间的关联 | 接受全膝关节置换术的类风湿关节炎患者和骨关节炎患者 | 深度学习 | 类风湿关节炎、骨关节炎 | 深度学习 | 深度学习模型 | 膝关节前后位X光片 | 409例类风湿关节炎患者及与之年龄和性别匹配的骨关节炎患者，其中302例有配对X光片 | NA | NA | NA | NA |
| 3189 | 2026-08-03 |
Deep learning reveals antimicrobial peptides within prions
2026-Aug, Nature microbiology
IF:20.5Q1
DOI:10.1038/s41564-026-02408-1
PMID:42321536
|
研究论文 | 利用深度学习从朊病毒相关蛋白中筛选出抗菌肽，命名为prionins，并验证其抗菌活性 | 首次发现朊病毒样蛋白中的抗菌肽，通过深度学习大规模筛选并实验验证 | 未提供 | 探索朊病毒相关蛋白中的抗菌肽及其潜在抗菌功能 | 2,897个经过整理的朊病毒相关蛋白的1,930万个片段 | 机器学习 | 细菌感染 | 深度学习 | 深度学习模型 | 蛋白质序列 | 筛选了1,179个候选抗菌肽；合成了75个prionins；动物实验涉及小鼠 | 未提供 | 未提供 | 未提供 | 未提供 |
| 3190 | 2026-08-03 |
Decoding splicing variants in high-throughput sequencing: a functional validation approach integrating deep learning tools
2026-Aug, European journal of human genetics : EJHG
IF:3.7Q2
DOI:10.1038/s41431-026-02162-2
PMID:42362801
|
研究论文 | 本研究结合多种互补的剪接预测工具与功能性RNA研究，评估了神经退行性疾病患者中发现的九个内含子变异对剪接的影响，并强调转录水平验证在致病变异评估中的关键作用。 | 首次系统评估深度学习方法在非典型剪接调控机制（如隐剪接位点激活）中的局限性，并整合多种预测工具与功能性实验（如微基因检测）提高变异致病性判断的准确性。 | 样本量较小（仅九个变异），且研究局限于神经退行性疾病，可能影响结果的一般性；未对所有预测失败的机制进行深入的功能验证。 | 评估深度学习和基于基序的剪接预测工具在识别内含子变异剪接影响中的性能，并强调转录水平确认在诊断流程中的必要性。 | 九个内含子变异（六个深内含子、两个非经典剪接位点和一个经典剪接位点变异）及其在患者中的剪接效应。 | 生物信息学，遗传学 | 神经退行性疾病 | 二代测序，RNA分析，微基因检测 | 深度学习模型（具体类型未提及） | 基因组测序数据、转录组数据 | 九个变异（来自患者） | NA | NA | 准确性，预测成功率 | NA |
| 3191 | 2026-08-03 |
Artificial Intelligence in Food-Nutrition-Health Research: From Multimodal Data Integration to Precision Intervention
2026-Aug, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.71334
PMID:42535509
|
综述 | 系统综述了2020至2025年间人工智能在食品-营养-健康领域的研究进展，涵盖技术基础、应用场景、挑战与未来方向。 | 提出了一个三元框架，包括数据层、技术层和算法层，用于跨食品-营养-健康连续体的多维数据整合和精准干预。 | 面临模型泛化不足、算法透明度限制临床信任、数据隐私漏洞以及多组学整合标准缺失等挑战。 | 梳理AI在食品-营养-健康领域的应用进展，并为从群体平均指南转向动态个性化健康优化提供路线图。 | 181项系统综述及相关的食品成分、健康监测和个体特征数据。 | 机器学习 | 营养相关疾病 | 光谱学、核磁共振、成像技术 | 机器学习、深度学习架构 | 多模态数据（食品成分、健康监测、个体特征） | 181项系统综述 | NA | NA | NA | NA |
| 3192 | 2026-08-03 |
Overcoming measurement challenges in clinical practice: a deep learning-based approach to monocular surface area measurement
2026-Aug, Skin health and disease
DOI:10.1093/skinhd/vzag064
PMID:42539959
|
研究论文 | 介绍一种基于深度学习和单目智能手机图像的体表面积测量方法，通过深度估计模型和表面三角化提高测量精度。 | 提出一种成本效益高且可访问的AI驱动方法，利用单目图像和特定标记，结合深度估计和表面三角化，准确测量体表面积。 | 在受控和模拟场景中测试，可能需要进一步验证在真实临床环境中的适用性。 | 开发一种准确、经济且易于使用的体表面积测量方法，用于临床实践。 | 体表面积，包括不规则表面或复杂轮廓的病灶。 | 计算机视觉，数字病理学 | 皮肤病学相关疾病 | 单目成像，深度估计 | 深度学习模型（具体类型未指定，可能为CNN） | 图像（单目智能手机图像） | 受控和模拟皮肤科场景，具体样本量未提供。 | NA | NA | 平均绝对误差（MAE） | NA |
| 3193 | 2026-08-03 |
Real-Time Anatomy Recognition During Single-Port Retroperitoneal Surgery: A Prospective Comparison Between AI and Operating Surgeon
2026-Aug-01, Journal of endourology
IF:2.9Q1
DOI:10.1177/08927790261473188
PMID:42541387
|
研究论文 | 本文首次在机器人辅助单孔腹膜后手术中临床测试了基于深度学习的AI算法，用于实时识别关键解剖结构，并与外科医生的识别时间进行了前瞻性比较。 | 首次在单孔机器人手术平台上对AI解剖识别算法进行临床测试，并前瞻性比较AI与外科医生的识别时间。 | 样本量小（15例患者），AI识别时间普遍晚于外科医生，且未实现独家识别，未来需改进以接近自主识别水平。 | 评估AI算法在机器人辅助腹膜后手术中实时识别关键解剖结构的能力，并比较其与外科医生的识别时间。 | 15例接受机器人辅助单孔腹膜后肾或肾上腺手术的患者。 | 计算机视觉、深度学习 | 肾脏疾病、肾上腺疾病 | NA | 深度学习算法 | 手术视频帧 | 15例患者 | NA | NA | 识别时间（Δ时间）、识别模式（首次、同步或独家识别） | NA |
| 3194 | 2026-08-03 |
From machine learning to deep learning in attention deficit hyperactivity disorder diagnosis: A bibliometric analysis of global trends (2011-2024)
2026-Aug-01, Applied neuropsychology. Adult
DOI:10.1080/23279095.2026.2707490
PMID:42541435
|
综述 | 本文通过文献计量分析，全面综述了2011年至2024年间人工智能和机器学习在注意力缺陷多动障碍诊断中的应用，揭示了该领域的演化趋势、当前热点和未来方向。 | 首次对AI和ML在ADHD诊断中的应用进行了全面的文献计量分析，确定了从传统机器学习（如支持向量机）到深度学习架构的转变，并突出了脑电图作为主要神经影像模态的兴起，以及美国和中国的科研双寡头格局。 | 未提及具体局限性。 | 绘制AI和ML在ADHD预测应用中的领域演变、当前趋势和未来方向。 | 2011年至2024年间发表于Scopus数据库的722篇相关出版物。 | 文献计量分析 | 注意力缺陷多动障碍 | 文献计量分析 | 支持向量机、深度学习架构 | 文本（出版物元数据） | 722篇出版物 | VOSviewer | NA | 年产量、地理分布、技术趋势 | NA |
| 3195 | 2026-08-03 |
BoostCNN: Deep Learning AdaBoost-based Method for Easy and Difficult Nodule Classification in Ultrasound Images
2026-Aug-01, Ultrasound in medicine & biology
|
研究论文 | 提出一种基于AdaBoost的深度集成方法BoostCNN，用于超声图像中乳腺结节的良恶性分类，以减少假阳性和假阴性。 | 创新性地将AdaBoost集成学习与深度学习模型结合，提出BoostCNN方法，并在多个数据集上验证其性能，同时结合超声医师评估提升分类特异性。 | 未明确提及局限性，但可能受限于数据集规模和外部验证的多样性。 | 减少乳腺癌超声图像分类中的假阳性率，提高特异性，辅助临床诊断。 | 乳腺超声图像中的结节分类任务。 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 使用BUS-BRA数据集进行训练和测试，并用BUSI和BrEaST数据集进行外部验证（具体样本数未提及）。 | Python（具体框架未提及） | 多个深度学习模型（具体结构未提及，如ResNet、VGG等） | 准确率、敏感性、特异性、F分数 | 未提及 |
| 3196 | 2026-08-03 |
Hyperparameter-optimized deep learning for next-day pH forecasting in distributed water quality monitoring systems
2026-Aug-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-62977-3
PMID:42542450
|
研究论文 | 本研究提出了一种结合元启发式超参数优化的深度学习框架，用于分布式水质监测系统中的次日pH预测 | 首次将Ocotillo优化算法应用于RegNet模型的超参数优化，用于水质pH预测 | 未明确提及限制，但该研究仅使用单一数据集且未考虑显式的图结构空间关系 | 实现分布式水质监测系统中准确的次日pH预测，以支持主动干预和数据驱动决策 | 美国佐治亚州的公共水质预测数据集，包含多站点的时间序列pH记录 | 机器学习 | 不适用 | 元启发式超参数优化 | RegNet | 时间序列数据 | 未明确说明，数据集来自美国佐治亚州的多站点水质监测 | 未明确说明 | RegNet | 均方根误差 | 未明确说明 |
| 3197 | 2026-08-03 |
Artificial intelligence-based photographic detection of pink esthetic score attributes using a hybrid deep learning segmentation pipeline: a method development study
2026-Aug-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-62229-4
PMID:42542472
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3198 | 2026-08-03 |
Accuracy of Machine Learning Algorithms Based on Electroencephalogram in Sleep Apnea Detection: Systematic Review and Meta-Analysis
2026-Jul-31, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/93378
PMID:42537009
|
系统综述与荟萃分析 | 本文系统评估了基于脑电图的机器学习算法在睡眠呼吸暂停检测中的准确性，并进行了荟萃分析 | 首次专门聚焦于基于脑电图的机器学习模型在睡眠呼吸暂停检测中的诊断准确性进行系统综述和荟萃分析 | 大多数纳入研究为回顾性片段级分析，可能高估了该技术在真实临床环境中的实用价值 | 评估基于脑电图的机器学习在睡眠呼吸暂停检测中的准确性，并为临床和未来研究提供证据基础 | 睡眠呼吸暂停患者及健康对照的脑电图信号 | 机器学习 | 睡眠呼吸暂停 | 脑电图 | 机器学习算法及深度学习模型 | 脑电图信号数据 | 27项回顾性研究 | R（mada和metafor包）、Meta-DiSc | NA | 敏感度、特异度、曲线下面积 | NA |
| 3199 | 2026-08-03 |
Human-Centered AI in Sleep Health Management: Scoping Review of Stakeholder Perspectives and Co-Design Practices
2026-Jul-31, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/93779
PMID:42536072
|
综述 | 本文通过范围综述系统映射了睡眠医学中以人为本的人工智能（HCAI）研究的范围和性质，评估了不同利益相关者（患者、临床医生和技术人员）在AI工具设计、验证和实施中的参与情况 | 创新性地将HCAI框架应用于睡眠AI生命周期，系统映射了社会技术因素，揭示了不同AI技术领域的参与差异和生成式AI上游参与设计的缺失 | 缺乏正式的质量评估，研究结果反映的是研究活动模式而非确证的临床有效性 | 系统梳理睡眠医学中HCAI研究的范围，评估多利益相关者（患者、临床医生、技术人员）在AI工具设计、验证和实施中的参与程度 | 睡眠健康管理中的AI技术（包括生成式AI、深度学习、移动健康与可穿戴技术）及其利益相关者 | 数字病理学 | 睡眠障碍 | NA | 生成式AI、深度学习、大语言模型 | 文本、图像、传感器数据（可穿戴设备数据） | 34项研究 | NA | NA | NA | NA |
| 3200 | 2026-08-03 |
Decadal sink-source shifts of forest aboveground carbon since 1988
2026-Jul-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-76093-3
PMID:42533003
|
研究论文 | 该研究整合多源卫星观测与概率深度学习模型，重建了1988至2021年全球森林地上碳储量的统一且带不确定性的记录，揭示了不同森林生态系统碳汇向碳源的转变趋势 | 首次结合多源卫星数据和概率深度学习模型，生成具有不确定性量化的高分辨率全球森林地上碳储量长期记录，并揭示湿润热带和北方森林自2000年代初逐渐转向碳源的现象 | 信息不足，无法从标题和摘要中提取具体限制 | 重建全球森林地上碳储量的长期动态并评估其碳汇-碳源转变模式，以增进对全球碳循环的理解 | 全球森林生态系统，包括湿润热带和北方森林，以及巴西亚马逊的原始森林 | 机器学习 | NA | 卫星观测 | 概率深度学习模型 | 卫星图像数据 | 未明确样本数量，但覆盖1988至2021年全球森林区域及0.25度分辨率 | NA | NA | 相关系数（r） | NA |