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 6026 篇文献，本页显示第 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2026-04-05 |
Nondestructive sheet resistance prediction of silver nanowire transparent electrode with convolutional neural network
2026-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40528-0
PMID:41741570
|
研究论文 | 本文提出了一种结合快速傅里叶变换和颜色度量特征的深度学习技术，用于预测银纳米线网络的薄层电阻 | 首次将原始高分辨率光学显微镜图像、快速傅里叶变换图像和平均颜色表示结合，通过卷积神经网络预测银纳米线透明电极的薄层电阻，并能评估纳米线分布的非均匀性 | 未明确说明模型在更广泛材料或不同制备条件下的泛化能力，以及计算资源需求的具体细节 | 开发一种无损预测银纳米线透明电极薄层电阻的方法，以提升透明导电电极技术在柔性电子等领域的应用 | 银纳米线网络的薄层电阻及其分布非均匀性 | 计算机视觉 | NA | 光学显微镜成像，快速傅里叶变换 | CNN | 图像 | NA | NA | NA | NA | NA |
| 702 | 2026-04-05 |
Improving acute lymphoblastic leukemia diagnosis through CBAM-enhanced VGG19 deep learning
2026-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40184-4
PMID:41741572
|
研究论文 | 本研究提出了一种结合注意力机制的深度学习框架，用于从骨髓显微图像中自动检测和分型急性淋巴细胞白血病 | 将卷积块注意力模块（CBAM）与VGG19主干网络结合，构建了混合CBAM-VGG19网络，通过空间和通道维度分层增强关键形态学特征，从而提升特征提取能力和分类精度 | 缺乏外部验证且数据集规模较小，限制了其临床适用性 | 开发一种自动化的深度学习方法来改进急性淋巴细胞白血病的诊断和亚型分类 | 骨髓显微图像，包括健康样本和急性淋巴细胞白血病样本 | 数字病理学 | 急性淋巴细胞白血病 | 显微成像 | CNN | 图像 | NA | NA | VGG19, CBAM-VGG19 | 分类准确率 | NA |
| 703 | 2026-02-28 |
Using deep learning to explore the impacts of street-view green space on school myopia prevalence: a multicenter, cross-sectional study
2026-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40477-8
PMID:41741618
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 704 | 2026-04-05 |
Distinction between primary and metastatic mucinous ovarian carcinoma from histopathology images using deep learning
2026-Feb-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02459-y
PMID:41735519
|
研究论文 | 本研究开发并验证了MOCOPM深度学习模型，用于从组织病理学图像中区分原发性与胃肠道转移性黏液性卵巢癌 | 首次开发了专门针对黏液性卵巢癌起源预测的深度学习模型MOCOPM，并在多中心数据中实现了高精度区分 | 样本量相对有限（仅167例患者），且未提及模型在其他类型转移癌或更广泛人群中的泛化能力 | 通过深度学习技术提高原发性与转移性黏液性卵巢癌的鉴别诊断准确性 | 黏液性卵巢癌患者的组织病理学图像 | 数字病理学 | 卵巢癌 | 组织病理学成像 | 深度学习 | 图像 | 167例黏液性卵巢癌患者 | 未明确提及 | 未明确提及具体架构（文中提到训练了三种神经网络） | AUROC | 未提及 |
| 705 | 2026-04-05 |
Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI
2026-Feb-17, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02235-0
PMID:41703497
|
研究论文 | 本研究开发了一种基于先验信息的深度学习算法，用于膝关节的自动定位、骨关节炎的诊断与分级 | 提出了Anchor-free Knee Probability Calculation Net (AKPCNet)用于膝关节感兴趣区域提取，以及基于注意力池化的低阶特征强化网络(APLFRNet)以提高KL分级准确性 | 仅使用OAI数据库的X射线图像，未在其他独立数据集上验证 | 开发自动膝关节分割和骨关节炎诊断与分级方法 | 膝关节X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像 | 深度学习 | 图像 | 35,000张膝关节X射线图像（前后位视图） | NA | AKPCNet, APLFRNet | ROC AUC, 平衡准确率 | NA |
| 706 | 2026-02-18 |
Exploring deep learning and data requirements through image classification of Erigeron annuus and Erigeron philadelphicus
2026-Feb-16, BMC research notes
IF:1.6Q2
DOI:10.1186/s13104-026-07719-4
PMID:41699726
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 707 | 2026-04-05 |
Machine Learning-Based Multimodal Molecular Biomarkers for Predictive Health Analytics
2026-01-16, Journal of visualized experiments : JoVE
DOI:10.3791/69241
PMID:41628017
|
研究论文 | 本文提出了一种基于机器学习的多模态分子生物标志物方法，用于预测性健康分析，旨在通过整合蛋白质、化学和遗传生物标志物来提高疾病预测的准确性 | 通过整合分子蛋白质、化学和遗传生物标志物与新兴机器学习特征（如TabNet和AutoInt）进行多模态分组，显著提升了预测准确性 | 未明确提及具体局限性，如数据样本量、模型泛化能力或临床验证范围 | 开发高度敏感的多模态生物标志物和有效调查方法，以准确检测和监测患者健康结果，包括预后、风险评估、患者分层和疾病监测 | 涉及多种健康问题，如心脏病、呼吸道感染、神经功能障碍、认知压力、癌症、中风、糖尿病等 | 机器学习 | 多种疾病 | NA | 传统机器学习算法, 传统深度学习方法, 现代深度学习技术（TabNet和AutoInt） | 多模态分子数据（蛋白质、化学、遗传生物标志物） | NA | NA | TabNet, AutoInt | 准确性 | NA |
| 708 | 2026-04-05 |
Artificial intelligence models for point-of-care ultrasound diagnostics in dogs
2026, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2026.1729114
PMID:41884304
|
研究论文 | 本研究评估了深度学习模型在犬只创伤重点超声评估中检测危及生命的积液和气胸的可行性和诊断性能 | 首次将深度学习模型应用于犬只的即时超声诊断，特别是针对创伤重点超声评估中的积液和气胸检测，为兽医急诊护理提供了AI辅助决策的可行性支持 | 样本量较小，仅包含钝性创伤和非创伤性病理，存在类别不平衡，以及积液体积和位置在呈现时的变异性 | 评估深度学习模型在犬只即时超声诊断中检测危及生命的积液和气胸的可行性和诊断性能 | 五只健康的军用工作犬和二十只客户拥有的犬只（22-55公斤），包括有确认的腹部、胸膜、心包积液或气胸的犬只 | 计算机视觉 | 创伤 | 即时超声，创伤重点超声评估 | CNN | 图像 | 25只犬（5只健康军用工作犬，20只客户拥有犬） | NA | 卷积神经网络 | 召回率, 准确率 | NA |
| 709 | 2026-04-04 |
Retraction: An inherently interpretable deep learning model for local explanations using visual concepts
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346306
PMID:41926417
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 710 | 2026-04-05 |
A two-stage deep learning framework for predicting the onset of Atrial fibrillation using RR interval-based embeddings
2026 Jan-Mar, Biocybernetics and biomedical engineering
IF:5.3Q1
DOI:10.1016/j.bbe.2026.01.004
PMID:41878690
|
研究论文 | 本文提出了一种基于RR间期的两阶段深度学习框架，用于提前一小时预测心房颤动的发作 | 提出了一种新的两阶段深度学习框架，结合了卷积和双向LSTM网络进行特征提取和预测，并利用掩码技术增强临床可解释性 | 未明确提及具体局限性 | 开发一个能够提前预测心房颤动发作的模型，以支持预防性干预 | 重症监护病房患者的心电信号RR间期数据 | 机器学习 | 心血管疾病 | NA | CNN, LSTM | 时间序列数据（RR间期） | 未明确提及具体样本数量，但涉及美国ICU中每年约500万危重患者中的一部分 | 未明确提及 | 卷积神经网络, 双向长短期记忆网络 | 灵敏度, 特异度, F1分数, AUROC, AUPRC | 未明确提及 |
| 711 | 2026-04-05 |
EfficientNet-driven deep learning for accurate detection of faults in photovoltaic cells
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342647
PMID:41931557
|
研究论文 | 本研究提出了一种基于EfficientNetV2架构的深度学习框架，用于准确检测光伏电池中的故障 | 首次评估了三种EfficientNetV2变体（EfficientNetV2B0、EfficientNetV2B2和EfficientNetV2M）在光伏电池故障检测中的应用，并展示了EfficientNetV2M模型在异常检测任务中的优越性能 | 研究仅使用了2500张图像的数据集，样本量相对较小，可能影响模型的泛化能力 | 提高光伏电池故障识别的准确性，以优化光伏系统性能并延长太阳能电池板的使用寿命 | 光伏电池（包括有缺陷和无缺陷的电池） | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 2500张图像（包含有缺陷和无缺陷的光伏电池） | NA | EfficientNetV2B0, EfficientNetV2B2, EfficientNetV2M | 准确率, 精确率, 召回率, F1分数 | NA |
| 712 | 2026-04-05 |
A robust deep learning approach for impulse noise filtering using hybrid auto-encoder with fuzzy median filter
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343141
PMID:41931562
|
研究论文 | 本文提出了一种结合DnCNN、自编码器和模糊中值滤波器的深度学习图像去噪方法，用于检测和消除高密度脉冲噪声 | 提出了一种混合自编码器与模糊中值滤波器的深度学习去噪方法，有效整合了DnCNN和自编码器进行噪声分类，并通过模糊中值滤波器重建干净图像 | 仅使用12张标准测试图像进行训练和验证，样本规模较小 | 开发一种有效的图像恢复技术，用于去除图像中的脉冲噪声 | 受脉冲噪声污染的图像 | 计算机视觉 | NA | 图像去噪 | CNN, 自编码器 | 图像 | 12张标准测试图像 | NA | DnCNN, 自编码器 | 准确率, FPR, FNR, F1分数, PSNR, SSIM | NA |
| 713 | 2026-04-04 |
Rapid and non-destructive detection of hollow defects in pecans by near-infrared spectroscopy combined with multimodal data fusion and deep learning
2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127752
PMID:41863999
|
研究论文 | 本研究提出了一种结合近红外光谱、多模态数据融合与深度学习的方法，用于快速、无损地检测山核桃的空心缺陷及其严重程度 | 首次将多模态数据融合（光谱特征与物理参数）与深度学习（CNN-MLP双流模型）相结合，用于山核桃空心缺陷检测，显著提高了检测精度 | 未提及样本来源的多样性或模型在更大规模或不同品种山核桃上的泛化能力 | 开发一种可靠、无损的山核桃质量评估方法，以检测空心缺陷 | 山核桃及其空心缺陷 | 机器学习 | NA | 近红外光谱 | SVM, CNN, MLP | 光谱数据, 物理参数 | NA | NA | CNN-MLP双流模型 | 整体准确率 | NA |
| 714 | 2026-04-04 |
High confidence Raman spectroscopy of tumor biomarker proteins through experimental and theoretical cross-validation
2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127748
PMID:41863219
|
研究论文 | 本文提出了一种基于实验与理论交叉验证的高置信度拉曼光谱采集方法，用于肿瘤标志物蛋白检测 | 通过实验获取与第一性原理DFT计算的理论拉曼光谱相互验证，确认了四种乳腺癌肿瘤标志物蛋白的光谱峰特征差异及其归属，并展示了理论-实验交叉验证能提升基于AI的蛋白分类准确率7.62% | NA | 开发一种高置信度的拉曼光谱方法，用于肿瘤标志物蛋白的快速准确检测，以支持癌症筛查和组织活检病理诊断 | 四种乳腺癌肿瘤标志物蛋白 | 机器学习 | 乳腺癌 | 拉曼光谱，超滤纯化，第一性原理密度泛函理论（DFT） | NA | 光谱数据 | NA | NA | NA | 准确率 | NA |
| 715 | 2026-04-04 |
Bridging AI advancements with risk assessment needs: A journey towards effective use and regulatory acceptance
2026-Jun, Toxicology
IF:4.8Q1
DOI:10.1016/j.tox.2026.154439
PMID:41786018
|
综述 | 本文是一篇叙述性综述，探讨了人工智能（AI）在化学风险评估（CRA）和下一代风险评估（NGRA）中的应用现状与挑战 | 将AI进展与风险评估需求相结合，提出在证据管理和证据生成两个领域整合AI工具，以支持毒理学机制发现、生物标志物识别、AOP开发及毒代动力学/毒效动力学建模 | 需要超越技术验证，制定详细的监管接受标准，AI工具在CRA中的成功整合仍需进一步进展 | 促进AI工具在化学测试和评估中的有效整合，以支持新方法学（NAMs）和下一代风险评估（NGRA） | 化学风险评估（CRA）和下一代风险评估（NGRA）相关的AI应用 | 机器学习 | NA | NA | NA | 大型复杂数据集 | NA | NA | NA | NA | NA |
| 716 | 2026-04-04 |
Ameliorative effect of Rhus verniciflua Stokes on high-fat diet-induced obesity and advanced analysis with machine learning and deep learning-based network pharmacology
2026-May-15, Life sciences
IF:5.2Q1
DOI:10.1016/j.lfs.2026.124337
PMID:41881279
|
研究论文 | 本研究评估了漆树提取物对高脂饮食诱导的肥胖及代谢功能障碍相关脂肪肝病的改善作用，并利用人工智能方法分析其活性成分 | 结合体内实验与多层人工智能/机器学习流程（包括分子对接、分子动力学、深度学习药物-靶点相互作用建模及强化学习），系统分析漆树提取物的抗肥胖机制与活性成分 | 研究仅使用雄性ICR小鼠模型，未涉及雌性动物或更复杂的疾病模型；人工智能预测的活性成分需进一步实验验证 | 评估漆树提取物的抗肥胖疗效及其作用机制 | 雄性ICR小鼠及24种经核磁共振鉴定的漆树提取物成分 | 机器学习 | 肥胖 | 核磁共振（NMR）鉴定、分子对接、分子动力学模拟、转录组学分析 | 深度学习, 强化学习 | 生物化学数据、分子结构数据、基因表达数据 | 雄性ICR小鼠（具体数量未明确说明），24种漆树提取物成分 | NA | NA | 体重变化百分比、血清低密度脂蛋白降低百分比、肝脏甘油三酯降低百分比、NAS评分降低百分比 | NA |
| 717 | 2026-04-04 |
Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study
2026-May, BJOG : an international journal of obstetrics and gynaecology
DOI:10.1111/1471-0528.70103
PMID:41332358
|
研究论文 | 本研究利用低场MRI技术对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局 | 开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，揭示了宫颈表型可能影响分娩结局的新机制 | 样本量相对较小（n=97），且仅针对首次尝试阴道分娩的晚期妊娠女性，可能限制结果的普遍性 | 探究晚期妊娠宫颈的MRI测量与分娩结局之间的相关性 | 晚期妊娠（36-41周）女性，首次尝试阴道分娩 | 数字病理学 | 产科疾病 | 低场MRI，2D T2加权Turbo-Spin-Echo序列 | 3D深度学习分割网络 | MRI图像 | 97名晚期妊娠女性 | NA | NA | 图像重建质量，分割质量，组间变异性，相关性分析，OR值 | 0.55 T Freemax MRI扫描仪 |
| 718 | 2026-04-04 |
Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70104
PMID:41376335
|
研究论文 | 本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测 | 提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，并引入了交叉注意力融合模块和知识蒸馏技术，以提高检测性能并实现轻量化部署 | 模型的计算复杂度较高，相比传统CNN需要更多的计算资源 | 加速前列腺癌的早期检测和准确诊断 | 前列腺癌的病理组织图像 | 数字病理学 | 前列腺癌 | 病理图像分析 | CNN, Vision Transformer | 图像 | 使用公开的PANDA数据集进行训练和测试 | NA | VGG-16, DenseNet-121, AlexNet, Vision Transformer | 准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率 | GPU内存, 推理时间 |
| 719 | 2026-04-04 |
A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70110
PMID:41460794
|
研究论文 | 提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案 | 结合图像增强与预训练的Cellpose算法，无需额外训练即可处理不完美细胞结构图像，显著提升分割精度 | 未提及方案在处理极端噪声或高度重叠细胞图像时的性能限制 | 开发一种高效且准确的细胞分割方法，以支持细胞形态学分析和疾病诊断 | 不完美的细胞结构图像，特别是小鼠脑部图像 | 数字病理学 | NA | 图像增强，深度学习分割 | Cellpose | 图像 | 未明确指定样本数量，但涉及小鼠脑部图像 | 未明确指定，但基于Cellpose算法 | Cellpose with Cyto3 pretrained weight module | IoU, ACC, MCC, Dice | NA |
| 720 | 2026-04-04 |
Explainability-Based Optimized Deep Learning in Histopathological Diagnosis of Multiple Cancers and Development of Mobile Application
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70115
PMID:41511077
|
研究论文 | 本文提出了一种名为C2RN2GC2A的新型深度学习模型，结合了元启发式优化算法和可解释性AI技术，旨在提高多癌症组织病理学图像分类的效率和准确性 | 提出了一种结合残差学习和优化高斯扰动的深度学习模型C2RN2GC2A，并引入了基于军事战术的元启发式优化算法2GC2A进行特征选择和参数调优，同时采用LDLRP技术增强模型的可解释性 | 未明确说明模型在其他数据集上的泛化能力，且假阳性和假阴性数量在部分数据集上较高 | 提高多癌症组织病理学图像分类的准确性、效率和临床可解释性 | 组织病理学图像 | 数字病理学 | 多癌症 | 深度学习 | CNN | 图像 | LC25000和BreakHis数据集 | NA | Complementary Residual Retentive Network (C2RN2GC2A) | 准确率, 训练损失, 验证损失, 假阳性数, 假阴性数 | NA |