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 9221 - 9240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9221 | 2026-03-13 |
Development and Clinical Application of a Deep Learning-Based AI Support Model for Endometrial Cancer Cytology
2026, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi
DOI:10.1272/jnms.JNMS.2026_93-115
PMID:41813210
|
研究论文 | 本研究开发并评估了一种基于深度学习的AI支持模型，用于子宫内膜癌细胞学诊断，以提高诊断准确性和效率 | 结合YOLOv5x和YOLOv7模型，通过两种不同标注策略的数据集进行优化，并利用TOST分析和Grad-CAM可视化技术增强模型的可解释性和临床适用性 | 未明确提及模型在多样化临床环境中的泛化能力或长期稳定性验证 | 开发并评估一种AI支持模型，以减轻子宫内膜癌细胞学诊断的负担并提高诊断准确性 | 子宫内膜癌细胞学样本，包括良性和恶性细胞簇 | 计算机视觉 | 子宫内膜癌 | 细胞学分析 | CNN | 图像 | NA | PyTorch | YOLOv5x, YOLOv7 | 平均精度均值 | NA |
| 9222 | 2026-03-13 |
AJUBA: The Master Regulator Bridging EMT and Immune Evasion in Colorectal Cancer
2026, Mediators of inflammation
IF:4.4Q2
DOI:10.1155/mi/7828477
PMID:41814682
|
研究论文 | 本研究识别了AJUBA作为结直肠癌中连接上皮-间质转化与免疫调节的关键调控因子 | 首次将AJUBA确立为连接EMT与免疫逃避的关键调控因子，并揭示了其在肿瘤微环境中与癌症相关成纤维细胞共定位及调控M2巨噬细胞极化的新机制 | 研究主要基于回顾性队列和体外/体内模型，缺乏前瞻性临床验证；样本量相对有限（90例患者） | 阐明结直肠癌中连接上皮-间质转化与免疫微环境改变的分子机制 | 结直肠癌患者样本、细胞系及异种移植模型 | 机器学习, 深度学习 | 结直肠癌 | 转录组测序, 单细胞RNA测序, 空间转录组学, 定量PCR, 蛋白质印迹, 免疫组织化学 | 机器学习, 深度学习 | 转录组数据, 单细胞RNA测序数据, 空间转录组数据, 临床数据 | 多队列转录组数据集（TCGA-CRC等5个公共数据集）及90例CRC患者样本 | ssGSEA, CIBERSORT | NA | 风险比, 置信区间, p值 | NA |
| 9223 | 2026-03-13 |
SERS for Infectious Disease Diagnostics: An Advanced Platform for Pathogen Detection and Antimicrobial Resistance Analysis
2026, International journal of nanomedicine
IF:6.6Q1
DOI:10.2147/IJN.S589169
PMID:41815209
|
综述 | 本文综述了表面增强拉曼光谱（SERS）在病原体检测和抗菌药物耐药性分析中的应用，并探讨了其与纳米技术、微流控和深度学习等多模态创新技术结合的潜力 | 探讨了将SERS与纳米技术、微流控和深度学习等多模态创新技术结合，用于病原体识别和抗菌药物耐药性分析 | 讨论了SERS技术临床转化面临的挑战 | 综述SERS在传染病诊断中的应用，特别是病原体检测和抗菌药物耐药性分析 | 细菌、病毒、真菌等病原体及其抗菌药物耐药性 | NA | 传染病 | 表面增强拉曼光谱（SERS） | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 9224 | 2026-03-13 |
ApaltAI: a web-based diagnostic system with a sequential voting architecture for detecting anthracnose and scab in avocado fruit
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1736123
PMID:41815421
|
研究论文 | 本研究提出了一种基于顺序投票架构的Web诊断系统，用于自动检测鳄梨果实中的炭疽病和疮痂病 | 提出了一种新颖的二元顺序投票架构，结合了深度学习集成模型和功能完整的Web应用，实现了两阶段分层分类策略 | 仅使用了674张标注图像进行训练和验证，样本规模相对有限 | 开发自动化植物病害诊断系统，减少鳄梨生产中的经济损失 | 鳄梨果实 | 计算机视觉 | 植物病害 | 图像分析 | 深度学习集成模型 | 图像 | 674张标注的果实图像 | 未明确提及 | 未明确提及具体架构 | 精确度, 召回率, 准确率 | 未明确提及 |
| 9225 | 2026-03-13 |
Critical considerations for the use of deep learning models in clinical oncology prediction
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1730967
PMID:41815558
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9226 | 2026-03-13 |
CRC-Former: frequency-domain adaptive swin-transformer for colorectal cancer histopathology classification
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1792357
PMID:41815787
|
研究论文 | 本文提出了一种名为CRC-Former的新型混合架构，用于结直肠癌组织病理学图像分类，通过结合频率感知表示学习和跨尺度序列建模来提升性能 | 提出了一种结合频率感知全局-局部Transformer块和跨尺度Mamba块的混合架构，首次将信号处理先验与现代序列建模显式集成，以增强对多方向病理纹理的敏感性 | NA | 解决结直肠癌组织病理学图像分类中因组织异质性、多尺度形态变化和早期病变细微性带来的挑战 | 结直肠癌组织病理学图像 | 数字病理学 | 结直肠癌 | Haar小波变换 | Transformer, Mamba | 图像 | 大规模Chaoyang CRC数据集 | NA | Swin-Transformer, Mamba | NA | NA |
| 9227 | 2026-03-13 |
DeepFRAG: a method for cancer detection based on DNA fragmentomics and deep learning
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag024
PMID:41816008
|
研究论文 | 本文提出了一种基于DNA片段组学和深度学习的癌症检测方法DeepFRAG，通过分析cfDNA片段大小分布谱进行癌症筛查 | 开发了基于小波变换的深度学习模型分析cfDNA片段大小分布，并引入了针对WGS片段大小数据的原创数据增强技术 | 研究样本量相对较小（153例），仅包含III期和IV期癌症患者，未涵盖早期癌症 | 开发一种高精度、成本效益好的非侵入性癌症筛查方法 | 癌症患者（乳腺癌、结直肠癌、胰腺癌、肺癌、肝癌）和健康个体的cfDNA样本 | 机器学习 | 癌症 | 低深度全基因组测序（WGS），液体活检 | 深度学习模型 | DNA片段大小分布数据 | 153例样本（73例癌症患者，80例健康个体） | NA | NA | AUROC，灵敏度，特异性 | NA |
| 9228 | 2026-03-13 |
From surface to depth: Using deep learning to predict striatal fMRI reward signaling from EEG
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1160
PMID:41816006
|
研究论文 | 本研究使用卷积自编码器深度学习模型，从基于任务的脑电图数据中重建腹侧纹状体的血氧水平依赖活动，以预测纹状体fMRI奖励信号 | 首次采用可解释的深度学习模型从表面脑电图解码皮层下奖励相关信号，为基于脑电图的神经反馈系统奠定基础 | 模型的泛化性能有限，未来需在更大、更多样化的数据集上进行训练以改进 | 预测纹状体fMRI奖励信号，以克服fMRI成本高和可及性有限的障碍，促进更广泛的临床应用 | 19名健康参与者在双选择赌博任务中记录的连续脑电图-功能磁共振成像数据 | 机器学习 | NA | 功能磁共振成像, 脑电图 | 卷积自编码器 | 脑电图, 功能磁共振成像 | 19名健康参与者 | NA | 卷积自编码器 | 相关性 | NA |
| 9229 | 2026-03-13 |
Causal digital twin modeling of periodontal healing: personalized prediction of low-level laser therapy benefit using a tooth-graph ODE transformer
2026, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2026.1737162
PMID:41816560
|
研究论文 | 本文开发了一种名为CaTGO的因果数字孪生模型，用于预测牙周治疗后的愈合结果并评估低水平激光治疗的个体化疗效 | 结合图神经网络、神经常微分方程和因果推理模块，构建了首个针对牙周治疗的因果数字孪生模型，能够实现患者、牙齿和位点水平的个性化预测 | 研究为单中心回顾性队列，样本量有限（300名患者），且未进行外部验证 | 开发个性化预测工具，以识别哪些患者、牙齿或位点最能从辅助性低水平激光治疗中获益 | 300名牙周炎患者（其中150名接受辅助性低水平激光治疗，150名仅接受龈下刮治和根面平整） | 机器学习 | 牙周病 | 低水平激光治疗 | 图神经网络, 神经常微分方程, 因果推断模型 | 临床数据（牙周袋深度、临床附着水平、患者因素、激光治疗参数） | 300名患者 | NA | Causal Tooth-Graph ODE Transformer (CaTGO) | R2, 均方根误差, Pearson相关系数 | NA |
| 9230 | 2026-03-13 |
The role of artificial intelligence in advancing scoliosis care: a rapid review of current evidence and future opportunities
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1774697
PMID:41816657
|
综述 | 本文是一篇关于人工智能在青少年特发性脊柱侧凸（AIS）护理中应用的快速综述，总结了当前证据和未来机遇 | 对人工智能在AIS管理中的应用进行了及时的综合评估，并评估了已发表综述的质量 | 纳入的综述数量有限（5篇），且需要加强外部验证和临床整合以实现有效实施 | 评估人工智能在青少年特发性脊柱侧凸诊断、进展预测和治疗优化中的潜在作用 | 青少年特发性脊柱侧凸（AIS）患者 | 数字病理 | 脊柱侧凸 | NA | 卷积神经网络, 人工神经网络, 决策树, 支持向量机, 混合模型 | NA | NA | NA | NA | 准确度 | NA |
| 9231 | 2026-03-13 |
Artificial intelligence in osteoporosis assessment using CT imaging: a scoping review
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1779483
PMID:41816668
|
综述 | 本文是一篇范围综述，系统总结了人工智能在基于CT成像的骨质疏松评估中的应用研究 | 首次对AI在CT骨质疏松评估中的应用进行了系统性范围综述，聚焦于方法学途径、解剖靶区及算法性能 | 纳入研究存在方法学异质性、验证策略不一致以及多为单中心回顾性研究，限制了跨研究的可比性和临床转化 | 系统总结和梳理人工智能在CT成像中用于骨质疏松评估的现有研究 | 已发表的、应用AI、机器学习或深度学习技术于CT图像进行骨质疏松分类、骨密度估计或骨折风险预测的研究 | 医学影像分析 | 骨质疏松 | CT成像 | 机器学习, 深度学习 | CT图像 | 共纳入51项研究 | NA | NA | AUC | NA |
| 9232 | 2026-03-11 |
Deep learning-based multi-view echocardiographic framework for comprehensive diagnosis of pericardial disease
2026-Apr, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag028
PMID:41799660
|
研究论文 | 本研究开发了一种基于深度学习的多视图超声心动图框架，用于心包疾病的全面诊断 | 首次提出基于深度学习的经胸超声心动图模型，整合形态学与支持性功能评估，实现更广泛的心包疾病评估 | 在次优成像条件下解释结果时需要谨慎 | 开发一个深度学习框架，用于心包疾病的顺序评估，包括形态学特征和血流动力学意义 | 心包疾病患者 | 数字病理学 | 心血管疾病 | 经胸超声心动图 | 深度学习 | 图像, 视频 | 开发数据集包含来自多个韩国机构的2253例经胸超声心动图（内部测试225例），独立外部测试集包含274例经胸超声心动图 | NA | NA | 准确率, 受试者工作特征曲线下面积, 灵敏度 | NA |
| 9233 | 2026-03-11 |
Association between electrocardiographic age and cognitive function: findings from the UK biobank and Framingham Heart Study
2026-Apr, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag034
PMID:41799659
|
研究论文 | 本研究利用深度学习从心电图推导生物年龄，并在两个大型人群队列中探讨其与认知功能的关联 | 首次在两个独立的大型人群队列（UK Biobank和Framingham Heart Study）中，系统评估了基于深度学习的ECG推导生物年龄加速与多领域认知表现之间的关联 | 研究为观察性设计，无法确定因果关系；认知功能评估可能受其他未测量因素影响 | 探究心电图推导的生物年龄加速与认知功能之间的关系 | UK Biobank和Framingham Heart Study的参与者 | 机器学习 | 老年疾病 | 12导联心电图 | 深度学习模型 | 心电图波形 | UK Biobank 59,213名参与者（平均年龄64.7岁，51.7%女性），Framingham Heart Study 6,534名参与者（平均年龄59.5岁，55.7%女性） | NA | NA | 平均绝对误差（MAE） | NA |
| 9234 | 2026-03-11 |
Simultaneous multimodal detection of hand acupoints and reflex zones for acupuncture robots
2026-Mar-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.114938
PMID:41797935
|
研究论文 | 本文提出了一种用于智能针灸机器人的多模态多任务深度学习框架MIMO-HAR，能够同时定位手部穴位并分割反射区 | 首次将视觉Transformer与中医拓扑先验知识相结合，用于同时处理穴位定位和反射区分割任务，提高了准确性和可解释性 | NA | 提升智能针灸系统的感知能力，为标准化和自动化的中医治疗奠定基础 | 手部穴位和反射区 | 计算机视觉 | NA | 深度学习 | Transformer | 图像, 坐标数据 | 公共数据集11k Hands | NA | 视觉Transformer, 双解码器架构 | 平均交并比, 均方根误差 | NA |
| 9235 | 2026-03-11 |
LRF-UNet: Low-Rank Factorized Convolution Deep-Learning Networks for Visceral Adipose and Muscle Tissue Segmentation in Abdominal Computed Tomography Image
2026-Mar-09, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01813-y
PMID:41801305
|
研究论文 | 本研究提出了一种基于UNet的深度学习分割系统LRF-UNet，用于自动分割腹部CT图像中的内脏脂肪组织和骨骼肌组织 | 引入了低秩因子化卷积模块以增强碎片化或模糊组织边界的特征表示，并结合多尺度特征融合、梯度收敛和深度监督策略提升分割性能 | 研究样本仅包含179名患者，且未明确提及模型在其他疾病或更大数据集上的泛化能力 | 开发一种自动分割腹部CT图像中内脏脂肪和骨骼肌组织的深度学习系统，以辅助临床定量分析和疾病评估 | 腹部CT图像中的内脏脂肪组织和骨骼肌组织 | 计算机视觉 | 代谢性疾病 | CT成像 | CNN | 图像 | 179名患者的腹部CT图像，包括64例糖尿病患者和113例血糖正常者 | 未明确提及 | UNet, MobileNetV3 | Dice系数, IoU, HD95 | 未明确提及 |
| 9236 | 2026-03-11 |
EENet-RLA: An Explainable Prediction Learning Framework for Alzheimer's Disease Classification from EEG Signals
2026-Mar-09, Brain topography
IF:2.3Q3
DOI:10.1007/s10548-026-01183-w
PMID:41801479
|
研究论文 | 提出一种名为EENet-RLA的可解释预测学习框架，用于从脑电图信号中分类阿尔茨海默病 | 结合动态系统理论与深度学习，引入基于嵌入熵的因果稳定性驱动脑电图通道选择策略，并融合ResNet、LSTM和多头注意力机制提取时空特征 | 在有限样本条件下验证，可能受数据集规模限制，且方法主要针对类似信号特性的神经系统疾病 | 开发一种高可解释性的脑电图分类框架，用于阿尔茨海默病的诊断 | 阿尔茨海默病患者及相关的脑电图信号 | 机器学习 | 阿尔茨海默病 | 脑电图 | CNN, LSTM | 脑电图信号 | BrainLat脑电图数据集（具体样本数未明确说明） | NA | ResNet, LSTM | 准确率 | NA |
| 9237 | 2026-03-11 |
Accurate CT-free correction of attenuation, scatter, and aperture effects using deep learning in dedicated cardiac pinhole SPECT
2026-Mar-09, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-026-02187-z
PMID:41801662
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9238 | 2026-03-11 |
Explainable Deep Learning for Cyber Threat in IoMT: A Synchronization-Enhanced Sparse Autoencoder Approach
2026-Mar-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3671680
PMID:41801774
|
研究论文 | 本文提出了一种用于医疗物联网网络透明化网络威胁检测的新型可解释深度学习框架 | 提出了一种集成稀疏自编码器与神经同步机制的可解释深度学习框架，通过神经元级局部激活一致性约束和基于同步的功能模块构建，实现高检测精度与可解释决策过程 | 未提及具体局限性 | 开发用于医疗物联网网络的可解释网络威胁检测机制 | 医疗物联网网络中的网络威胁 | 机器学习 | NA | 深度学习 | 稀疏自编码器 | 网络安全数据集 | CIC IoMT 2024和物联网医疗安全数据集 | NA | 稀疏自编码器 | 准确率, 可解释性分数 | NA |
| 9239 | 2026-03-11 |
Usability of a deep learning platform for detecting radiographic bone loss and furcation involvement
2026-Mar-09, Journal of periodontology
IF:4.2Q1
DOI:10.1002/jper.70106
PMID:41801972
|
研究论文 | 本研究开发了一个基于深度学习的在线平台，用于从根尖周X光片中检测放射学骨丧失和分叉病变，并评估其可用性 | 开发了一个端到端的深度学习平台，能够测量放射学骨丧失、识别分叉病变，并基于根尖周X光片提供病例级别的牙周诊断建议 | 研究未详细说明深度学习模型的具体架构或训练细节，且样本量（100个临床病例）可能有限，需要进一步验证 | 开发并评估一个基于深度学习的在线平台，以辅助临床医生基于根尖周X光片进行牙周炎诊断 | 牙科学生、住院医师和牙医作为平台可用性的评估者 | 数字病理学 | 牙周病 | 放射学成像（根尖周X光片） | 深度学习模型 | 图像 | 6,552张口腔内放射学图像，用于开发模型；100个临床病例用于平台性能评估；60名参与者（20名牙科学生、20名住院医师、20名牙医）用于可用性调查 | NA | NA | 准确度（Extent、Stage、Grade）、系统可用性量表（SUS）分数 | NA |
| 9240 | 2026-03-11 |
Analytical Methods for the Authentication of Ginger and Ginger Products: A Critical Review of Studies Between 2005 and 2024
2026-Mar-09, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2026.2634884
PMID:41802302
|
综述 | 本文对2005年至2024年间关于姜及其产品真伪鉴定的分析研究进行了批判性回顾 | 强调了单一分析方法不足以进行全面鉴定，需要综合、多分析策略，并指出了新兴技术（如高光谱成像、荧光寿命成像和深度学习驱动的计算机视觉）在非侵入性质量评估中的潜力 | DNA方法由于高遗传保守性，在品种区分方面仍有限制 | 评估姜及其产品的真伪鉴定方法，以应对经济驱动的掺假问题 | 姜及其衍生产品 | NA | NA | 光谱技术（FTIR, FT-NIR, NMR）、色谱方法（HPLC, GC-MS）、稳定同位素比率分析、DNA方法、高光谱成像、荧光寿命成像、深度学习驱动的计算机视觉 | NA | NA | NA | NA | NA | NA | NA |