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 1155 篇文献，本页显示第 641 - 660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 641 | 2026-05-26 |
Tongue Image Analysis and Clinical Data Fusion: A Novel Approach for Non-invasive Diagnosis of Metabolic Dysfunction-associated Fatty Liver Disease
2026-Apr-28, Journal of clinical and translational hepatology
IF:3.1Q2
DOI:10.14218/JCTH.2025.00631
PMID:42181845
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 642 | 2026-05-26 |
Quantum dot-DNA microsphere aptamer biosensor with AI-assisted structural modeling for rapid detection of the lung cancer biomarker USE1
2026-Apr-14, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-026-04384-4
PMID:41981644
|
研究论文 | 开发了一种AI辅助的适配体生物传感平台，用于无抗体检测肺癌生物标志物USE1 | 将AI辅助适配体结构建模与量子点增强的DNA纳米结构相结合，构建无需抗体的生物传感平台 | 尚未在更大规模的临床样本中进行验证，且该平台的长期稳定性和可重复性有待进一步评估 | 开发一种快速、准确、低成本的肺癌诊断方法 | 肺癌生物标志物USE1 | 数字病理学 | 肺癌 | SELEX, 滚环扩增, 量子点标记 | AlphaFold3 | 图像 | 30对组织样本 | NA | AlphaFold3 | AUC, 敏感性, 特异性 | NA |
| 643 | 2026-04-12 |
Hybrid feature selection for IoMT based intrusion detection system for integrating mutual information filtering with deep learning based accelerated metaheuristic optimization
2026-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47264-5
PMID:41963437
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 644 | 2026-04-05 |
Hybrid deep learning techniques for adaptive routing and congestion control in urban VANET for wireless mobile networking
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33193-2
PMID:41932949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 645 | 2026-05-26 |
A unified GRU model for cryptocurrency price prediction and harsh price movement detection using enhanced sentiment analysis
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46271-w
PMID:41933101
|
研究论文 | 提出一种统一的GRU模型，通过增强情感分析预测加密货币价格并检测剧烈价格波动 | 重点研究情感信号构建、聚合和与价格动态对齐的方式，提出基于PCA的聚合、衰减加权方案和K-means聚类标签方法，显著提升了极端价格变动类别的预测性能 | 未明确提及，但可能包括模型仅基于短期数据（2021年4月至8月）以及情感数据噪声的局限性 | 研究情感表示和价格变动标签对短期比特币价格波动分类的影响，构建稳健的情感驱动金融模型 | 比特币短期价格波动分类 | 机器学习, 自然语言处理 | NA | 情感分析, PCA分析, K-means聚类 | GRU, TCN, LightGBM, 多项逻辑回归 | 文本（推文数据） | 超过110万条比特币相关推文（2021年4月至8月） | NA | RoBERTa, GRU, TCN | 准确率、精确率、召回率、F1分数 | NA |
| 646 | 2026-05-26 |
Multimodal deep learning for international investment arbitration outcome prediction and bilateral investment agreement negotiation strategy optimization
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47149-7
PMID:41933170
|
研究论文 | 提出一种多模态深度学习框架，融合文本、数值和视觉数据预测国际投资仲裁结果 | 采用注意力融合架构，通过专用编码器捕捉法律文件、宏观经济指标和视觉证据之间的复杂跨模态依赖关系，显著优于单模态和传统机器学习方法 | 未明确讨论预测模型在实际应用中可能引发的公平性、透明度和可及性等规范性问题 | 开发稳健的仲裁结果预测工具，为投资者、东道国和法律顾问提供战略决策依据 | 国际投资仲裁案件中的投资者与国家争端解决机制 | 机器学习 | NA | 多模态深度学习的注意力融合架构 | 注意力机制融合的多模态深度学习模型 | 文本（法律文件）、数值（宏观经济指标）、视觉（证据图像） | 1,247个仲裁案例，来自主要国际仲裁机构 | NA | 注意力融合架构、专用编码器 | 准确率 | NA |
| 647 | 2026-05-26 |
The Evolving Role of Artificial Intelligence in Fracture Diagnosis and Surgical Planning in Orthopaedics: Current Insights and Future Directions
2026-Apr, Cureus
DOI:10.7759/cureus.107470
PMID:42181443
|
综述 | 综述了人工智能和机器学习在骨科骨折诊断和手术规划中的应用现状与未来方向 | 系统梳理了2016至2026年间AI/ML在骨折检测和术前规划中的证据，涵盖了CNN和Vision Transformer模型的最新进展 | 多数研究为回顾性分析、数据集缺乏多样性、缺乏前瞻性多中心验证、以及AI/ML在医学影像中应用监管框架的不完善 | 总结AI/ML技术在骨科骨折诊断和手术规划中的临床发现并讨论临床转化挑战 | 针对骨折检测和手术规划的AI/ML相关研究文献 | 机器学习 | 骨科骨折 | 深度学习 | 卷积神经网络（CNN）和视觉Transformer（ViT） | 放射影像和计算机断层扫描（CT）图像 | 24篇同行评审出版物 | NA | CNN和Vision Transformer（ViT） | 受试者工作特征曲线下面积（AUROC） | NA |
| 648 | 2026-05-25 |
Air quality index prediction using a hybrid CEEMDAN-CNN-IGWO-BiGRU-Attention model
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46978-w
PMID:41933122
|
研究论文 | 提出一种结合CEEMDAN、CNN、BiGRU、注意力机制和改进灰狼优化器的混合模型用于空气质量指数预测 | 将CEEMDAN信号分解、CNN特征提取、BiGRU时序建模、注意力机制和IGWO超参数优化集成于统一框架，实现自动化和高精度预测 | 未提及 | 开发一种能有效处理AQI时间序列非线性和非平稳特性的高精度预测模型 | 空气质量指数（AQI）时间序列数据 | 机器学习 | NA | NA | CNN, BiGRU | 时间序列数据 | 广州市2014-2024年长期AQI数据集 | NA | CEEMDAN, CNN, BiGRU, 注意力机制, IGWO | MSE, R2 | NA |
| 649 | 2026-04-04 |
Efficient deep learning framework for arecanut disease detection using graph neural network and Bat algorithm
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46535-5
PMID:41927805
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 650 | 2026-05-25 |
Deep learning-based phishing classification framework for accurate detection using optimized URL intelligence
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46481-2
PMID:41927869
|
研究论文 | 提出一种基于深度学习的钓鱼分类框架，通过优化URL智能特征实现精确检测 | 提出自适应深度URL智能网络（ADUIN），结合混合相关排序方法优化特征，并采用多层深度神经网络架构动态更新以适应攻击行为变化 | 未提及具体局限性信息 | 提升钓鱼URL分类的准确性、多样性和智能性，应对零日和伪装钓鱼URL | 钓鱼URL及其特征（词汇、主机和结构属性） | 机器学习 | NA | NA | 深度神经网络 | 文本（URL） | 基准钓鱼数据集（未说明具体数量） | NA | 多层深度神经网络 | 准确率、精确率、召回率、零日检测率、假阳性率、延迟 | NA |
| 651 | 2026-05-25 |
Topology modeling and energy efficiency prediction of parallel chillers based on deep learning
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47180-8
PMID:41927915
|
研究论文 | 提出一种基于深度学习的并行冷水机组拓扑建模与能效预测方法 | 构建了物理引导的时空融合模型，将LSTM与图卷积网络结合以捕捉机组间的拓扑耦合关系 | 未提及实际部署中的计算资源需求或实时性限制，且仿真数据占比可能影响模型泛化性 | 解决并行冷水机组因拓扑耦合导致的能效预测精度不足问题 | 大型数据中心冷却站的并行冷水机组系统 | 机器学习 | NA | NA | GCN-LSTM融合模型 | 时序运行数据与仿真数据 | 1.28亿条原始记录与8000小时仿真数据 | NA | LSTM, GCN | 均方根误差, 平均绝对百分比误差 | NA |
| 652 | 2026-05-25 |
Using deep vision-language models improves multi-task performance in assistance applications for endoscopic ENT surgery
2026-Apr, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03512-z
PMID:41428176
|
研究论文 | 采用视觉-语言模型（VLM）架构，通过多任务学习提升内窥镜耳鼻喉手术辅助应用中图像分类、文本预测和手术报告生成的性能 | 端内窥镜领域偏置的编码器进行图像和文本嵌入，并通过交叉注意力融合，实现多任务学习替代三个孤立模型，且在图像分类和报告生成任务上分别提升F1分数达12%和14% | 结构化文本生成任务改进有限，表明组合图像-文本嵌入对结构化句子学习存在限制；类别分布不平衡问题未完全解决 | 开发一种能够整合图像和文本数据的视觉-语言模型，用于内窥镜耳鼻喉手术辅助，提供多任务支持并优于现有基准 | 30例标注内窥镜手术的多任务数据集（130,000张多标签图像、解剖描述和同步手术报告） | 计算机视觉、自然语言处理 | NA | 内窥镜手术图像采集 | 视觉-语言模型（VLM） | 图像、文本 | 30例内窥镜手术（130,000张多标签图像） | PyTorch（推测，基于常见的VLM实现） | 偏置编码器（用于图像和文本嵌入）加交叉注意力 | 精确率、召回率、F1分数、BLEU-2、ROUGE-L、余弦相似度 | NA（未在标题或摘要中明确提及） |
| 653 | 2026-05-25 |
Comprehensive review of heart disease prediction: A comparative study from 2019 onwards
2026-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103354
PMID:41619515
|
综述 | 本文对2019年以来心脏病预测领域的研究进行了全面综述，比较传统诊断技术与现代机器学习和深度学习方法 | 系统性地回顾了从传统诊断技术向现代机器学习和深度学习方法的转变，并探讨了心血管疾病与肾结石之间的关系对未来预测模型发展的影响 | 未提及具体的研究局限 | 评估心脏病预测的当前技术水平，为未来研究提供路线图 | 心脏病预测算法及相关文献 | 机器学习 | 心血管疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 654 | 2026-05-25 |
Uncertainty in deep learning for EEG under dataset shifts
2026-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103374
PMID:41650580
|
研究论文 | 研究不同集成学习策略在脑电图数据集偏移下对分类性能和不确定性估计的影响 | 系统评估了深度集成和蒙特卡洛丢弃法在三种数据集偏移场景（分布内、分布外、渐进式脑电图特有偏移）下的不确定性和性能表现 | NA | 探索构建能提供可靠不确定性估计且对数据集偏移鲁棒的电图分类模型 | 脑电图数据中区分正常、轻度认知障碍和痴呆的分类任务 | 机器学习 | 阿尔茨海默病, 轻度认知障碍, 痴呆 | 脑电图 | 集成学习, 深度集成, 蒙特卡洛丢弃法 | 脑电图时间序列数据 | 大型脑电图数据集（具体数量NA） | NA | NA | 性能指标, 不确定性度量 | NA |
| 655 | 2026-05-25 |
EEG-based epileptic seizure prediction with patient-tailored spectral-spatial-temporal feature learning
2026-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103371
PMID:41633018
|
研究论文 | 提出一种患者定制的癫痫发作预测网络PSP-Net，用于自适应学习脑电图信号的谱-空-时特征 | 首次将患者定制的带通滤波器、空间耦合矩阵和注意力时序卷积网络统一集成，实现个体化谱-空-时特征自动提取 | 未明确指出研究局限 | 开发更有效且可解释的癫痫发作预测方法，解决传统方法忽视患者间谱-空特征差异的问题 | 脑电图信号中的癫痫发作前兆特征 | 机器学习 | 癫痫 | 脑电图记录 | PSP-Net（患者定制预测网络） | 时序信号 | 多个公开癫痫数据集 | NA | 患者定制带通滤波器、空间耦合矩阵、注意力时序卷积网络 | 最先进性能（未具体说明指标） | NA |
| 656 | 2026-05-25 |
Diffusion-synthesized Chest X-rays improve fairness and diagnostic performance
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001277
PMID:41931563
|
研究论文 | 本文通过微调预训练的稳定扩散模型生成高质量的胸部X光合成图像，以提升疾病分类的公平性和诊断性能 | 首次利用低秩适应和CLIP分词器微调稳定扩散模型生成胸部X光图像，有效减少参数复杂度并改善模型对人口统计学群体的公平性 | 未明确讨论合成图像可能引入的潜在偏差或临床验证的局限性 | 解决深度学习模型在胸部X光数据训练中的公平性偏差，通过图像合成缓解人口统计学差异 | 胸部X光疾病分类模型及其在不同人口群体上的公平性表现 | 数字病理学 | 胸部疾病 | 图像合成 | 稳定扩散模型 | 图像 | NA | PyTorch | 稳定扩散 | 分类准确率, 公平性指标 | NA |
| 657 | 2026-05-24 |
Smart beamforming and deep-learning reader for RFID systems in edge IoT
2026-Apr-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43657-8
PMID:42002557
|
研究论文 | 提出一种结合波束成形与深度学习解码器的新型无芯片RFID系统，用于5G/物联网边缘 | 首次将波束成形技术和深度学习解码器整合到无芯片RFID系统中，通过协同设计标签物理结构、波束成形阅读器和深度学习推理，实现高密度频谱编码与鲁棒解码 | 研究主要基于仿真和暗室测量，实际边缘物联网环境中的性能验证尚未充分；系统对标签弯曲和角度变化的鲁棒性仍需进一步测试 | 开发一种可扩展、频谱高效且鲁棒的无芯片RFID识别系统，适用于5G无线边缘物联网环境 | 无芯片RFID标签（地背T形微带谐振器阵列）、波束成形阅读器（1×4 Tx/Rx波束成形）、深度学习解码器（一维卷积神经网络） | 机器学习, 数字信号处理 | NA | 无芯片RFID, 波束成形, 深度学习, RCS测量 | 一维卷积神经网络 | RCS频谱数据 | 使用全波仿真和双静态RCS测量数据，具体样本量未明确提及 | FPGA/SoC平台, PyTorch（推测用于深度学习模型训练） | 一维卷积神经网络 | 比特级准确率, 全码准确率 | FPGA/SoC边缘平台，波束成形采用窄带数字波束成形 |
| 658 | 2026-05-24 |
Diagnostic performance of deep learning models on ultrasound images for distinguishing benign from malignant ovarian cysts
2026-Apr-15, Journal of ovarian research
IF:3.8Q1
DOI:10.1186/s13048-026-02090-1
PMID:41987029
|
研究论文 | 评估深度学习模型在超声图像上区分卵巢囊肿良恶性的诊断性能 | 首次比较深度学习模型与资深超声医师及O-RADS分类系统在卵巢囊肿超声图像诊断中的性能，并证明DenseNet121模型具有更优的区分能力 | 未提及具体局限性，但可能包括样本量有限或模型泛化性待验证 | 探索深度学习模型在超声图像中自动准确分类卵巢囊肿良恶性的能力 | 卵巢囊肿的超声图像 | 计算机视觉 | 卵巢囊肿 | 超声成像 | 深度学习模型 | 图像 | 未明确提及样本数量，但涉及超声图像数据集 | NA | DenseNet121 | AUC, 准确率 | NA |
| 659 | 2026-05-24 |
[Contrast-enhanced CT-based habitat radiomics for analyzing the predictive capability for oral squamous cell carcinoma]
2026-Apr-01, Hua xi kou qiang yi xue za zhi = Huaxi kouqiang yixue zazhi = West China journal of stomatology
DOI:10.7518/hxkq.2026.2025211
PMID:41919548
|
研究论文 | 基于对比增强CT的病灶影像组学分析，预测口腔鳞状细胞癌的颈淋巴结转移和病理亚型 | 将深度学习和病灶分析模型相结合，通过K-means聚类将CT图像分为三个区域，并利用全连接神经网络进行特征选择，构建了临床-病灶联合模型，显著提高了预测性能 | NA | 探索预测口腔鳞状细胞癌颈淋巴结转移和病理亚型的新方法 | 经石蜡病理诊断为口腔鳞状细胞癌的107例患者 | 计算机视觉 | 口腔癌 | 对比增强CT | K-means聚类, 全连接神经网络 | 图像 | 107例患者 | NA | 全连接神经网络 | ROC曲线下面积, 混淆矩阵 | NA |
| 660 | 2026-05-23 |
In Silico Digital Breast Tomosynthesis Dataset for the Comparative Analysis of Deep Learning Models in Tumor Segmentation
2026-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01626-z
PMID:40760265
|
研究论文 | 评估计算机生成的数字乳腺断层合成（DBT）数据作为肿瘤分割深度学习模型训练来源的可行性 | 首次系统评估计算机生成的DBT数据在深度学习肿瘤分割中的可用性，并比较了13种模型架构在合成数据上的表现 | 样本量有限（230个感兴趣区域），合成数据与真实数据之间存在域偏移 | 探索计算机生成的DBT数据作为深度学习模型用于乳腺肿瘤分割训练的可行性 | 乳腺肿瘤分割任务及13种深度学习模型（U-Net、FCN、DeepLabv3、DeepLabv3+等） | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成成像 | U-Net, FCN, DeepLabv3, DeepLabv3+ | 图像 | 230个二维感兴趣区域 | PyTorch | U-Net, FCN, DeepLabv3, DeepLabv3+, ResNet50, ResNet101 | F1分数, 交并比, 精确率, 召回率 | NA |