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 624 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 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 |
| 482 | 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 |
| 483 | 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 |
| 484 | 2026-01-28 |
Letter to the editor: Deep learning and digital pathology for HCC prediction in steatotic liver disease
2026-Aug-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001696
PMID:41587349
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 485 | 2026-02-12 |
Reply: Deep learning and digital pathology power prediction of HCC development in steatotic liver disease
2026-Aug-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001697
PMID:41665974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 486 | 2026-08-02 |
Deep learning-assisted tumor radiomic dynamics on MRI predict pathological complete response in HCC undergoing immune-based therapy followed by hepatectomy
2026-Aug-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001724
PMID:41746634
|
研究论文 | 本研究开发并验证了一种结合临床病理特征和MRI肿瘤影像组学动态变化的模型，用于预测接受免疫治疗联合肝切除的肝细胞癌患者的病理完全缓解。 | 利用治疗前后的动态影像组学变化（包括Δ影像组学特征）结合AFP反应来预测pCR，显著优于基线或术前模型，为无创评估提供了新方法。 | 未提供具体限制信息。 | 开发并验证一个模型，整合临床病理和影像组学特征，以术前预测初始不可切除肝细胞癌患者在转化治疗后的病理完全缓解。 | 初诊不可切除的肝细胞癌患者，接受免疫治疗及肝切除。 | 机器学习、医学影像分析 | 肝细胞癌 | MRI | 机器学习模型 | 影像数据、临床病理数据 | 训练队列78例，内部测试队列32例，独立验证队列44例。 | NA | LASSO、随机森林 | AUC、NPV、PPV、敏感性、特异性、校准、决策曲线分析 | NA |
| 487 | 2026-08-02 |
Beyond Invariable Sites: Using Evolutionary Stasis to Map Multilayered Constraints on the Evolution of Viral and Mammalian Genomes
2026-Aug-01, Genome biology and evolution
IF:3.2Q2
DOI:10.1093/gbe/evag184
PMID:42518208
|
研究论文 | 本文提出B-STILL，一个分层贝叶斯框架，用于解析蛋白编码基因在零速率极限附近的选择景观，并将不变位点转化为极端进化约束的精确标记 | 通过基因水平速率分布和密码子位点特异性替换机会建模，首次在零速率起源处区分随机不变性和极端纯化选择导致的不变性，并定义了进化停滞锚（ESAs） | 未明确说明，可能依赖于基因背景速率估计的准确性 | 量化基因组保守性，识别受极端纯化选择约束的位点，以改进基因组注释和功能预测 | 病毒和哺乳动物基因组中的蛋白编码基因 | 基因组学 | NA | 分层贝叶斯建模 | 分层贝叶斯模型 | 基因组序列数据 | 未明确说明，但应用于病毒和哺乳动物基因组，识别出数千个显著聚集的ESAs | NA | NA | 统计学显著性、预测能力（针对临床和病原体数据集） | NA |
| 488 | 2026-08-02 |
Integrated multi-omics and single-cell analyses identify metabolic heterogeneity and therapeutic vulnerabilities in medullary thyroid cancer
2026-Aug, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-026-03467-1
PMID:42098434
|
研究论文 | 本研究通过整合多组学和单细胞分析，揭示了甲状腺髓样癌的代谢异质性，并识别出可用于预后预测的代谢特征和治疗靶点 | 首次提出基于代谢分型的甲状腺髓样癌分类系统，并发现CHSY1通过调节糖胺聚糖生物合成促进上皮-间质转化，为精准管理提供了新视角 | 未明确说明局限性；可能受限于样本量较小和依赖公开数据集 | 探索甲状腺髓样癌的代谢重编程，识别代谢亚型及其临床意义，并开发预后模型 | 甲状腺髓样癌肿瘤样本，包括RNA测序数据、代谢组学数据、免疫组化样本和单细胞RNA测序数据 | 数字病理学 | 甲状腺髓样癌 | RNA测序，非靶向代谢组学，免疫组化，多重免疫荧光，单细胞RNA测序 | 深度学习模型 | 基因表达数据、代谢物数据、组织图像、单细胞转录组数据 | RNA测序样本101例；代谢组学配对样本51例；免疫组化47例；多重免疫荧光12例；单细胞RNA测序数据7例（来自PRJCA021386） | NA | NA | 预后准确性（如风险分层） | 未提及计算资源；可能使用标准计算环境 |
| 489 | 2026-08-02 |
Deep learning-based prediction of lymph node metastasis and occult tumor cells in gastric cancer using histopathological images: a retrospective study
2026-Aug, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-026-03400-6
PMID:42156979
|
research paper | 开发了一种基于深度学习的模型，利用胃癌全切片图像预测淋巴结转移和隐匿性肿瘤细胞，并评估其预后价值 | 首次使用基于聚类约束注意力的多实例学习模型从胃癌原发灶全切片图像中预测淋巴结转移和隐匿性肿瘤细胞，并证明其可作为独立预后生物标志物 | NA | 开发深度学习模型以预测胃癌患者的淋巴结转移状态和隐匿性肿瘤细胞，并评估其预后价值，以指导个性化临床策略 | 929例胃癌患者的原发肿瘤全切片图像，来自两个中心的三个独立队列 | 计算机视觉, 数字病理学 | 胃癌 | 全切片成像 | 多实例学习模型 | 图像 | 929例胃癌患者 | PyTorch | 聚类约束注意力多实例学习 | 准确率, AUC, 生存分析 | NA |
| 490 | 2026-08-02 |
Real-time spoilage detection of climacteric fruits using a potassium permanganate-based ethylene indicator and deep learning-based mobile application
2026-Aug, Food science and biotechnology
IF:2.4Q3
DOI:10.1007/s10068-026-02200-1
PMID:42534580
|
研究论文 | 本研究探索了基于高锰酸钾的乙烯指示剂结合深度学习模型在香蕉和猕猴桃新鲜度实时检测中的应用，并开发了一款移动应用。 | 将高锰酸钾乙烯指示剂与深度学习相结合，开发了一种用于实时水果新鲜度检测的移动应用。 | 未提及 | 评估基于高锰酸钾的乙烯指示剂在水果新鲜度检测中的可靠性，并开发移动应用以实现实时检测。 | 香蕉和猕猴桃 | 计算机视觉 | 不适用 | 乙烯指示剂 | ResNet50 | 图像 | 未提及具体样本量 | NA | ResNet50 | 准确率 | NA |
| 491 | 2026-08-02 |
FMDL-Net: Fourier modulation and dynamic mixing for light field image super-resolution
2026-Aug-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.600424
PMID:42537131
|
研究论文 | 提出一种名为FMDL-Net的解耦网络，结合傅里叶调制注意力与动态混合层，用于光场图像超分辨率重建。 | 创新性地将傅里叶调制注意力（FMA）与动态混合层（DML）整合到解耦网络中，以同时实现高效的全局感受野和内容自适应的纹理保留 | 未明确提及局限性 | 解决光场图像超分辨率中局部感受野限制和Transformer高计算复杂度及高频细节丢失的问题 | 光场图像 | 计算机视觉 | NA | NA | 卷积神经网络与视觉Transformer结合 | 图像 | 五个公开数据集 | NA | FMDL-Net（含FMA和DML） | 峰值信噪比（PSNR）、结构相似性指数（SSIM） | NA |
| 492 | 2026-08-02 |
EXPRESS: Adulteration Detection for Poria Cocos Based on Near-Infrared Two-Dimensional Correlation Spectroscopy and Deep Learning
2026-Aug-01, Applied spectroscopy
IF:2.2Q2
DOI:10.1177/00037028261474589
PMID:42538889
|
研究论文 | 本研究开发了一种结合近红外二维相关光谱与深度学习算法的策略，用于茯苓掺假的定性和定量分析，实现了高精度检测 | 首次利用近红外二维相关光谱结合双向长短期记忆网络与注意力机制（BiLSTM-Attn）进行茯苓掺假检测，通过多种预处理方法和两种2DCOS构建系统数据集，增强了光谱分辨率并充分挖掘了相关特征中的序列依赖性 | 未提及具体限制，但可能包括样本规模有限、掺假梯度固定及依赖特定仪器等潜在不足 | 开发一种快速、无损的茯苓掺假定性和定量检测方法，以支持中药材质量控制 | 茯苓样本及其掺假样本（添加5种常见掺假物，浓度梯度为5%） | 计算机视觉与机器学习 | 不适用（非疾病领域，属于中药材质量控制） | 近红外光谱（NIR）与二维相关光谱（2DCOS） | 双向长短期记忆网络（BiLSTM）、注意力机制（Attention） | 光谱图像（近红外二维相关光谱图） | 未明确样本总数，但涉及纯茯苓和5种掺假物按5%浓度梯度配制的样本 | 未提及，但可能使用PyTorch或TensorFlow（NA） | BiLSTM-Attn，以及对比的CNN、GRU、LSTM、BiLSTM | 分类准确率、决定系数（R）、均方根误差（RMSE）、残差预测偏差（RPD） | 未提及（NA） |
| 493 | 2026-07-30 |
Machine Learning and Deep Learning for Neurological Disease Analysis: A Systematic Review Across Five Major Disorders
2026-Aug-28, Neuroscience
IF:2.9Q2
|
综述 | 系统回顾机器学习与深度学习方法在五种主要神经系统疾病（阿尔茨海默病、中风、帕金森病、脑肿瘤和创伤性脑损伤）中的应用 | 综合分析了2021年至2026年间206篇相关文献，重点突出了卷积架构和编码器-解码器架构在影像任务中的主导地位，以及联邦学习、自监督学习和基础模型等新兴范式在解决数据稀缺、隐私和跨机构变异方面的进展 | 可推广性、可解释性和临床转化方面的挑战仍然存在，需要更稳健和临床可靠的AI系统 | 综合总结近5年机器学习和深度学习在五种主要神经系统疾病分析中的最新进展 | 神经系统疾病（阿尔茨海默病、中风、帕金森病、脑肿瘤和创伤性脑损伤）相关的机器学习与深度学习研究 | 机器学习 | 神经系统疾病 | NA | 卷积神经网络, 编码器-解码器架构, 变压器模型, 混合模型, 多模态模型 | 影像, 临床数据, 传感器数据 | 206篇相关文献 | NA | 卷积神经网络, 编码器-解码器, 变压器, 混合模型 | NA | NA |
| 494 | 2026-07-30 |
Impact of built environment on elderly walking in community life circles: age-friendly perspective, Wuchang District, Wuhan
2026-Aug-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.116721
PMID:42519040
|
研究论文 | 研究武汉武昌区新旧社区5、10、15分钟生活圈建成环境特征对老年人步行活动的影响 | 首次在多尺度社区生活圈（5、10、15分钟）框架下，对比分析新旧社区建成环境对老年人步行影响的差异，并融合街景图像语义分割与GIS空间分析 | 基于横截面调查数据，无法推断因果；样本局限在武昌区，推广性受限；未考虑主观感知与季节变化等因素 | 从年龄友好视角，探索不同社区类型中生活圈建成环境对老年人步行行为的影响机制 | 武汉市武昌区1965名老年人 | 机器学习 | 老年性疾病 | 街景图像语义分割、深度学习、地理信息系统空间分析 | 有序逻辑回归模型 | 图像、文本、数值 | 1965名老年人 | NA | 有序逻辑回归模型 | NA | NA |
| 495 | 2026-07-30 |
Development and clinical assessment of a novel AI-based diagnostic model for Hirschsprung's disease
2026-Aug, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02284-0
PMID:40913191
|
研究论文 | 基于深度学习开发了一种新型的AI诊断模型，用于通过对比灌肠图像诊断先天性巨结肠症 | 首次将YOLOv8算法应用于先天性巨结肠症的对比灌肠图像诊断，提供了一种非侵入性且高准确性的筛查方法 | NA（摘要中未明确提及局限性） | 提高先天性巨结肠症诊断准确性的同时减少侵入性 | 先天性巨结肠症患者 | 计算机视觉 | 先天性巨结肠症 | 对比灌肠成像 | YOLOv8 | 图像 | 725张对比灌肠图像 | PyTorch | YOLOv8 | 平均精度均值（mAP）、精确率、召回率、F1分数、灵敏度、特异度、准确率 | NA（摘要中未提及） |
| 496 | 2026-07-30 |
Harnessing Artificial Intelligence for Regeneration of Endometrium in Asherman's Syndrome
2026-Aug, Tissue engineering and regenerative medicine
IF:4.4Q2
DOI:10.1007/s13770-026-00810-8
PMID:42240941
|
综述 | 该综述批判性评估了宫腔粘连综合征的不同治疗策略，并探讨了人工智能在诊断和治疗中的作用 | 创新性地将人工智能（包括机器学习和深度学习）引入宫腔粘连的预测、分类和识别，以及其在改善生物材料性能、增强干细胞活性和优化诊疗策略中的应用 | 未明确提及具体局限性，但作为综述可能受限于现有文献的质量和数量 | 评估宫腔粘连的治疗策略，并探索人工智能在再生医学中的应用 | 宫腔粘连综合征患者及用于子宫内膜再生的各种聚合物材料 | 机器学习 | 宫腔粘连综合征 | NA | 机器学习和深度学习算法 | NA | NA | NA | NA | NA | NA |
| 497 | 2026-07-30 |
Advancing Tumor Treatment Through Artificial Intelligence and Mathematical Modeling: A Comprehensive Review
2026-Aug, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.72884
PMID:42517025
|
综述 | 综述人工智能和数学建模在肿瘤诊断和治疗中的最新进展、挑战及未来方向 | 系统分析了人工智能与数学模型混合框架在肿瘤诊治中的应用，并针对数据驱动方法的局限性提出可解释性和鲁棒性改进建议 | 缺乏定量性能比较；未深入探讨临床部署的具体障碍；数据质量、解释性和泛化能力仍是主要限制 | 探讨人工智能和数学建模在神经外科肿瘤学中的应用现状，并指出关键限制与未来发展方向 | 实体肿瘤的生长机制、抗肿瘤药物研发、临床治疗方案优化 | 机器学习 | 肿瘤 | NA | 机器学习，深度学习 | NA | NA | NA | NA | NA | NA |
| 498 | 2026-07-30 |
Colorectal cancer detection using noncontrast CT and deep learning: a multicenter and international cohort study
2026-Aug, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2026.04.009
PMID:42025761
|
研究论文 | 开发并验证了一种基于非对比CT和深度学习的新型结直肠癌检测方法COCA，在多中心和国际队列中表现出高准确性 | 首次提出基于非对比CT和深度学习、联合病灶分割与分类的混合监督学习架构，用于大规模机会性结直肠癌筛查，无需肠道准备或侵入性操作 | 回顾性研究设计可能存在选择偏倚；非对比CT图像质量受患者体型和扫描参数影响；未纳入不同种族人群进行外部验证 | 开发一种非侵入性、低成本、可扩展的结直肠癌筛查方法，提高早期筛查率并减少漏诊 | 来自多个中心和国家的结直肠癌患者及正常对照受试者 | 计算机视觉, 数字病理学 | 结直肠癌 | CT扫描 | 深度学习分割与分类联合模型 | 腹部和盆腔非对比CT图像、胸部CT图像 | 开发阶段2678例（1321名患者和1357名正常对照），验证阶段包括2053名患者和27433名连续患者的真实世界队列 | PyTorch | 联合病灶分割与分类架构 | AUC, 灵敏度, 特异性, 阳性预测值 | NA |
| 499 | 2026-07-30 |
Artificial intelligence-assisted diagnosis and subtype differentiation of infectious keratitis
2026-Aug, Eye (London, England)
DOI:10.1038/s41433-026-04491-4
PMID:42104023
|
研究论文 | 开发深度学习模型用于感染性角膜炎的检测及亚型区分 | 利用裂隙灯照片实现了对四种感染性角膜炎亚型（细菌性、真菌性、棘阿米巴性、单纯疱疹性）的自动分类，并通过外部验证证实了模型的泛化能力 | 回顾性设计、单中心数据为主、未评估模型在真实临床场景中的决策辅助效果 | 开发基于裂隙灯照片的深度学习模型以检测感染性角膜炎并区分其常见亚型 | 感染性角膜炎患者（细菌性、真菌性、棘阿米巴性、单纯疱疹性）的裂隙灯照片，以及健康对照和角膜瘢痕图像 | 数字病理学 | 感染性角膜炎 | NA | 深度学习 | 图像 | 13,953张图像（模型训练），外部验证665张图像（96名患者） | NA | NA | 准确率、ROC-AUC、宏观F1值、召回率、灵敏度 | NA |
| 500 | 2026-07-30 |
AI-assisted VMAT planning incorporating deep learning-based dose prediction for head and neck cancer: feasibility of quality standardization and human intervention for irregular cases
2026-Aug, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70715
PMID:42503595
|
研究论文 | 评估人工智能辅助容积旋转调强治疗计划在头颈癌中的临床实用性和泛化能力，探索通过人类介入实现治疗质量标准化 | 首次系统评估深度学习剂量预测辅助的VMAT计划在不规则解剖变异（如巨大肿瘤和肿瘤破裂）中的鲁棒性，并提出通过人类介入的重优化实现质量标准化 | 样本量较小（11例患者12个计划），未涉及多中心验证，人类介入的耗时和可重复性需进一步评估 | 评估AI辅助VMAT计划在头颈癌中的临床实用性和鲁棒性，探索质量标准化可行性 | 头颈癌患者（包括复杂解剖变异如巨大肿瘤和肿瘤破裂的病例） | 机器学习 | 头颈癌 | 深度学习剂量预测、VMAT计划优化 | 深度学习模型（具体架构未指定） | 治疗计划数据（剂量分布、轮廓等） | 11例头颈癌患者的12个VMAT计划 | NA | NA | 剂量指标（PTV覆盖、OAR剂量）、Paddick符合性指数、监测单位MU | NA |