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 7692 篇文献，本页显示第 1781 - 1800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1781 | 2026-05-15 |
Improved YOLOv7 enhances identification of Hylurgus ligniperda in traps
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1740965
PMID:41923932
|
研究论文 | 改进YOLOv7模型用于自动化识别红毛松树皮甲虫，提升监测效率 | 将YOLOv7的骨干特征提取网络替换为更轻量高效的EfficientNetV2-S，并采用Focal Loss损失函数缓解类别不平衡问题，在保持速度与精度的同时实现模型轻量化 | 未提及具体局限性 | 开发一种自动化、高效、准确的方法，用于识别和量化自然环境中体型小、分布密、姿态多变的长林小蠹，以支持森林害虫监测与预警 | 红毛松树皮甲虫（Hylurgus ligniperda）在诱捕器中的图像 | 计算机视觉 | 林业虫害 | 深度学习 | YOLOv7 | 图像 | 诱捕器内害虫图像数据集（具体数量未提及） | PyTorch | EfficientNetV2-S | 平均精度均值 | 未提及 |
| 1782 | 2026-05-15 |
Fully autonomous tuning of a spin qubit
2026, Nature electronics
IF:33.7Q1
DOI:10.1038/s41928-025-01562-4
PMID:41924173
|
研究论文 | 报告了从接地设备到拉比振荡的全自主半导体自旋量子比特调谐过程 | 将深度学习、贝叶斯优化和计算机视觉技术相结合，首次实现半导体量子比特的全自动调谐 | 仅针对锗硅核壳纳米线器件进行了演示，尚未验证其他类型器件的适用性 | 开发可自主调谐半导体量子比特的算法，以应对大型量子电路调谐和操作的复杂性 | 锗硅核壳纳米线器件中的自旋量子比特 | 机器学习 | NA | NA | NA | 图像、数值参数 | 单个锗硅核壳纳米线器件 | NA | NA | 拉比频率、g因子 | NA |
| 1783 | 2026-05-15 |
GeneCytNet: an interpretable deep learning framework for rheumatoid arthritis classification and in silico cytokine perturbation modeling
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1738625
PMID:41924282
|
研究论文 | 提出一个可解释的深度学习框架GeneCytNet，用于类风湿关节炎分类和细胞因子扰动计算机模拟 | 首次整合变分自编码器与图注意力网络，并引入计算机模拟细胞因子扰动实验以提供机制性解释 | 基于合成队列数据，临床验证尚需真实样本支持 | 开发可解释的深度学习模型，实现类风湿关节炎高准确度诊断并生成可验证的生物学假设 | 类风湿关节炎患者与健康对照样本的转录组数据 | 机器学习， 计算生物学 | 类风湿关节炎 | RNA-seq | 变分自编码器， 图注意力网络 | 转录组数据 | 240例RA和120例健康对照训练集，100例RA和50例对照独立验证集，每样本15000个基因特征 | NA | 变分自编码器， 图注意力网络 | AUC， 准确率， F1分数 | NA |
| 1784 | 2026-05-15 |
A vision transformer-radiomics approach for enhanced chemotherapy outcome prediction in ovarian cancer
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1702977
PMID:41924357
|
研究论文 | 提出一种结合视觉Transformer嵌入和放射组学特征的方法，用于预测卵巢癌化疗反应 | 创新性地融合了预训练视觉Transformer（ViT）嵌入、医学基础模型MedSAM嵌入和传统放射组学特征，通过LASSO特征选择和SVM分类器进行多模态影像特征集成 | 样本量较小（182例），为单中心回顾性研究；模型在外部验证集上的表现尚未评估 | 提高卵巢癌化疗反应的早期预测准确性，支持个性化治疗决策 | 182例卵巢癌患者治疗前的CT影像 | 计算机视觉, 机器学习, 数字病理学 | 卵巢癌 | CT成像 | 视觉Transformer（ViT）, MedSAM | 医学影像（CT图像） | 182例卵巢癌患者 | Scikit-learn | Vision Transformer (ViT), MedSAM, SVM | AUC, 分类准确率 | NA |
| 1785 | 2026-05-15 |
Rapid Detection and Diagnosis of Patients with Plantar Fasciitis Based on Integrated YOLOv12n and ResNet34 Framework Using Magnetic Resonance Imaging
2026, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S584650
PMID:41924418
|
研究论文 | 基于磁共振影像，融合YOLOv12n和ResNet34框架实现足底筋膜炎的快速检测与诊断 | 首次将YOLOv12n与ResNet34集成，构建全自动、高效的深度学习诊断系统，用于磁共振影像中足底筋膜炎的自动识别，无需人工干预 | 数据集来自单一中心，需要在多中心队列中进行外部验证以确认模型的泛化能力 | 开发一种全自动、计算高效的基于深度学习的系统，利用磁共振成像识别足底筋膜炎 | 足底筋膜炎患者和健康对照组的磁共振影像 | 数字病理学 | 足底筋膜炎 | 磁共振成像 | 卷积神经网络 | 图像 | 123例足底筋膜炎患者和150例对照组的磁共振影像 | NA | YOLOv12n, ResNet34 | mAP50, 准确率 | NA |
| 1786 | 2026-05-15 |
Machine learning in cancer imaging for enhanced precision in diagnosis and therapy
2026, Discover computing
DOI:10.1007/s10791-026-10078-0
PMID:41924555
|
综述 | 探讨机器学习在癌症影像中提升诊断和治疗精度的应用 | 全面综述机器学习在癌症影像中的关键应用，包括可解释AI、联邦学习和量子计算等新兴解决方案 | 数据稀缺、模型偏见和监管障碍限制了临床采用 | 探讨机器学习在癌症影像中提升诊断和治疗精度的应用及挑战 | 癌症影像中的机器学习技术及其临床应用 | 机器学习 | 癌症 | NA | 深度学习 | 影像 | NA | NA | NA | NA | NA |
| 1787 | 2026-05-15 |
A deep learning model based on multiphase DCE-MRI for preoperative prediction of Ki-67 expression in breast cancer
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1776121
PMID:41924598
|
研究论文 | 基于多相DCE-MRI的深度学习模型用于术前预测乳腺癌Ki-67表达 | 结合多相DCE-MRI的DenseNet-121模型与梯度提升决策树，实现非侵入性Ki-67表达预测，并利用Grad-CAM和SHAP增强模型可解释性 | 未在独立外部数据集验证，回顾性研究设计，样本量相对有限 | 开发并验证基于多相DCE-MRI的深度学习模型，无创准确预测乳腺癌中Ki-67表达水平 | 404名接受术前DCE-MRI检查的乳腺癌患者的影像数据 | 计算机视觉 | 乳腺癌 | DCE-MRI（动态对比增强磁共振成像） | 深度学习模型（CNN）与梯度提升决策树 | 图像 | 404例乳腺癌患者（训练集282例，测试集122例） | PyTorch | DenseNet-121，梯度提升决策树（GBDT） | AUC | NA |
| 1788 | 2026-05-15 |
Systematic review of AI-based models in pharmacoepidemiology for adverse drug event prediction and detection
2026, Frontiers in drug safety and regulation
DOI:10.3389/fdsfr.2026.1773186
PMID:41924717
|
系统综述 | 系统综述基于真实世界临床数据使用人工智能方法预测和检测药物不良事件的研究现状 | 系统性地绘制了药物流行病学中基于人工智能的ADEs预测与检测方法学图谱，揭示了当前方法的异质性和不足 | 外部队列或时间验证很少进行，可解释性方法应用不一致，缺乏标准化基准，报告实践差异大 | 系统性地描述当前用于检测或预测药物不良事件的基于人工智能的方法 | 15项符合纳入标准的研究 | 机器学习 | 药物不良事件 | NA | 树集成模型（随机森林、XGBoost）、正则化回归、深度学习 | 结构化电子健康记录、行政索赔数据 | 281篇记录筛选，15项研究符合纳入标准 | NA | 随机森林、XGBoost、正则化回归、深度学习架构 | NA | NA |
| 1789 | 2026-05-15 |
TFFBN-HDLF: a hybrid deep learning framework based on time-frequency functional brain networks for epileptic seizure detection
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1788516
PMID:41924753
|
研究论文 | 提出一个名为TFFBN-HDLF的混合深度学习框架，用于基于脑电图检测老年癫痫发作 | 通过结合皮尔逊相关系数和相位滞后指数构建二维时频融合功能脑网络，并开发了结合CNN与增强Transformer模块的混合深度架构SeizureTransNet，能够动态选择和整合多尺度时空特征 | 未在更广泛或更多样化的老年人群数据集中验证，且可能对计算资源要求较高 | 提高人工智能辅助监测老年癫痫发作的可靠性和诊断准确性 | 基于脑电图（EEG）的老年癫痫发作检测 | 机器学习 | 癫痫 | 脑电图（EEG） | CNN, Transformer | 脑电图信号 | CHB-MIT数据集和Siena数据集 | NA | SeizureTransNet（结合CNN和增强Transformer模块） | 准确率（Accuracy），AUC | NA |
| 1790 | 2026-05-15 |
LSRNet: A Novel Interpretable Low-rank Sparse Representation Guided Fusion Network for Polarization and Intensity Images
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3687104
PMID:42055993
|
研究论文 | 提出一种可解释的低秩稀疏表示引导融合网络LSRNet，用于偏振图像与强度图像的融合，以生成具有清晰场景信息和显著纹理细节的图像 | 设计了低秩稀疏表示深度展开模块来提高网络可解释性，并提出跨模态连接互补特征提取模块来建立多模态特征间的依赖关系，同时构建了包含1034对高分辨率图像的多场景偏振强度图像数据集MSPI | 未提及局限性 | 提升偏振与强度图像融合的可解释性和多模态特征交互能力，改善现有方法缺乏解释性和忽略特征交互的问题 | 偏振图像与强度图像 | 计算机视觉 | NA | 偏振成像 | 深度学习网络 | 图像 | 1034对高分辨率对齐图像（MSPI数据集），另含两个公开数据集12CFC和HCP | PyTorch | 低秩稀疏表示深度展开网络、跨模态连接互补特征提取模块 | 融合性能、泛化能力、运行效率 | NA |
| 1791 | 2026-05-15 |
Robust Decomposition of Surface EMG Signals via Lightweight Deep Learning-Based Adaptation
2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2026.3691346
PMID:42102086
|
研究论文 | 提出一种基于轻量级深度学习自适应的表面肌电信号鲁棒分解方法，用于中等非平稳场景下的神经接口 | 首次将轻量级深度学习与在线自适应策略相结合，通过Tree-structured Parzen Estimator搜索实现模型轻量化，并设计多因素数据增强提升泛化能力 | 仅针对中等非平稳场景，对高度非平稳或突发性干扰的适应性未验证 | 开发一种在噪声增加、新运动单元招募和运动单元特性变化等非平稳因素共存时仍能鲁棒分解表面肌电信号的深度学习方法 | 表面肌电信号中的运动单元活动 | 深度学习, 生物医学信号处理 | NA | 表面肌电信号分解 | 深度学习模型 | 仿真数据和实验数据 | 仿真数据含50个新招募运动单元，实验数据未明确样本量 | NA | 通过Tree-structured Parzen Estimator搜索轻量化的深度学习架构 | F1分数, 新运动单元解码数, 运动单元放电率 | 边缘设备部署 |
| 1792 | 2026-05-15 |
Validation of deep learning enabled web based and smartphone optimized application RadAnalyzer to measure vertebral heart size and vertebral left atrial size in dogs
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0337679
PMID:42127004
|
研究论文 | 验证深度学习驱动的网络和智能手机优化应用RadAnalyzer在测量犬类椎体心脏大小和椎体左心房大小的准确性 | 首次验证了基于深度学习的网络和智能手机优化应用RadAnalyzer在犬类放射学测量中的临床可行性 | 仅使用高质量右侧侧位X光片，且未与超声心动图测量进行比较 | 比较RadAnalyzer与训练有素的观察者在测量犬类VHS和VLAS时的一致性 | 1058只客户拥有的犬类，涵盖80个品种，具有不同心脏大小和胸腔形态 | 计算机视觉 | 心血管疾病 | NA | 深度学习 | 图像 | 1058只犬类的高质量X光片 | NA | NA | 皮尔逊相关系数, Bland-Altman图, Passing-Bablok回归 | NA |
| 1793 | 2026-05-15 |
Hybrid attention-based multi-class classification of Ethiopian legal texts using deep learning
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0348805
PMID:42127002
|
研究论文 | 提出了一种基于注意力机制的混合深度学习模型，用于埃塞俄比亚法律文本的多类分类 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1794 | 2026-05-12 |
Artificial intelligence chatbots in endodontic education-Concepts and potential applications
2026-Jun, International endodontic journal
IF:5.4Q1
DOI:10.1111/iej.14231
PMID:40164964
|
综述论文 | 探讨人工智能聊天机器人在牙髓病学教育中的概念与潜在应用 | 系统梳理了AI聊天机器人在牙髓病学教育中的应用前景，包括个性化学习、交互式培训及临床决策支持，并分析了技术局限和伦理挑战 | 目前针对牙髓病学领域的专门研究有限，需要进一步开发并验证其准确性和相关性的定制化聊天机器人解决方案 | 解释AI聊天机器人的核心功能，探索其在牙髓病学教育中的应用，并讨论相关挑战 | 牙髓病学教育中的学习者（学生）和教育者（教师） | 自然语言处理, 机器学习 | 牙科疾病 | NA | Chatbot（聊天机器人） | 文本 | NA | NA | NA | NA | NA |
| 1795 | 2026-05-12 |
Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion
2026-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3511657
PMID:40030495
|
研究论文 | 提出一种基于双视图超图表示融合的深度学习模型，用于识别协同抗癌药物组合 | 创新性地利用超图视图和扩展异构图视图同时学习样本三元组的局部和全局上下文关系，并通过选择性融合两个分支的表示来预测协同药物组合 | 未明确说明局限性，但可能受限于现有已知协同组合数据的质量和数量 | 识别协同抗癌药物组合，为新型药物开发提供新见解 | 癌症细胞系和药物分子 | 机器学习 | 癌症 | 转录组测序、分子结构分析 | 深度学习模型（超图神经网络） | 转录组特征、药物分子结构 | 未明确说明样本数量 | NA | DVHSyn（双视图超图表示融合模型） | 未明确说明具体指标，但实验结果表明优于六种对比方法 | NA |
| 1796 | 2026-05-12 |
Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model
2026-01, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04942-8
PMID:40232413
|
研究论文 | 开发了一种基于深度学习的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性 | 首次在大规模队列中应用多序列MRI的深度学习模型进行子宫内膜异位症检测，并展示了与专业医师相当的检测性能 | 未在论文标题和摘要中明确提及 | 评估深度学习工具在增强基于多序列MRI的子宫内膜异位症检测准确性中的应用 | 子宫内膜异位症患者和健康对照者的多序列MRI图像 | 数字病理学 | 子宫内膜异位症 | MRI | 3D-DenseNet-121 | 图像（MRI） | 395例子宫内膜异位症患者和356例对照组，共751例 | NA | 3D-DenseNet-121 | F1分数、AUROCC、敏感性、特异性 | NA |
| 1797 | 2026-05-12 |
Multi-class transformer-based segmentation of pancreatic ductal adenocarcinoma and surrounding structures in CT imaging: a multi-center evaluation
2026-01, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05061-0
PMID:40514460
|
研究论文 | 提出基于Transformer的多类分割框架，用于CT图像中胰腺导管腺癌及周围结构的分割，并在多中心数据集上验证其性能 | 首次系统比较四种深度学习架构（UNet、nnU-Net、UNETR、Swin-UNet）在PDAC多类分割任务中的表现，并验证Transformer模型（Swin-UNet）的优越性和泛化能力 | 未明确指出局限性，但回顾性研究设计、数据预处理依赖标准化标注可能限制临床实时应用 | 开发并评估用于CT图像中PDAC及周围结构自动多类分割的深度学习框架 | 3265名患者的多中心CT影像数据 | 计算机视觉 | 胰腺导管腺癌 | CT成像 | Swin-UNet, UNet, nnU-Net, UNETR | 图像 | 3265名患者（来自6个机构），其中569名用于独立测试 | NA | Swin-UNet, UNet, nnU-Net, UNETR | Dice相似系数, 交并比, 定向Hausdorff距离, 平均对称表面距离, 体积重叠误差 | NA |
| 1798 | 2026-05-12 |
Artificial intelligence (AI) and CT in abdominal imaging: image reconstruction and beyond
2026-01, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05031-6
PMID:40522387
|
综述 | 探讨人工智能在腹部CT成像中的图像重建及扩展应用 | 系统总结了深度学习重建技术（如TrueFidelity、AiCE等）在腹部成像中的优势，并拓展了AI在低对比度病变检测、定量成像和工作流优化等领域的应用 | 临床验证不足、标准化缺乏及广泛采用存在挑战 | 综述AI驱动的CT图像重建原理、进展及未来方向，及其在腹部成像中的扩展角色 | 腹部CT图像重建技术，包括传统方法（FBP、IR）和深度学习重建方法 | 计算机视觉 | NA | CT成像 | 卷积神经网络 | 图像 | NA | NA | TrueFidelity, AiCE, Precise Image | 对比噪声比、病变检测能力、诊断置信度 | NA |
| 1799 | 2026-05-12 |
Practical applications of AI in body imaging
2026-01, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05088-3
PMID:40576669
|
综述 | 本文综述了截至2024年底在美国获得FDA批准并用于腹腔盆腔器官及相关疾病评估的商业AI算法，评价其潜在优势并提出未来方向 | 系统梳理了针对腹腔盆腔成像的FDA批准AI算法现状，并分析了临床应用中的实际优势与局限 | 未提及具体算法性能数据比较，且局限于美国市场已商业化的算法 | 评估腹腔盆腔成像中AI算法的实际应用价值及未来发展趋势 | FDA批准的用于腹腔盆腔器官及相关疾病的AI算法 | 医学影像 | 腹腔盆腔疾病 | 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 1800 | 2026-05-10 |
An efficient deep learning approach for automatic speech recognition using EEG signals
2026-May, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2456982
PMID:39957214
|
研究论文 | 提出一种结合Gannet优化算法和Elman循环神经网络的高效深度学习方法，用于基于EEG信号的自动语音识别 | 首次将Gannet优化算法与Elman循环神经网络结合用于EEG语音识别，并通过Savitzky-Golay滤波和递归特征消除提升性能 | 仅使用Kara One单一数据集进行验证，未提及实时处理能力和跨数据集泛化性 | 提高基于EEG信号的自动语音识别准确率，促进脑机接口和语音障碍辅助技术发展 | EEG信号中的说话人识别任务 | 自然语言处理 | 言语障碍 | EEG信号采集 | Elman循环神经网络 | EEG信号 | 未明确提及样本量（仅提及Kara One数据集） | NA | Elman循环神经网络 | 准确率 | NA |