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 44618 篇文献，本页显示第 2121 - 2140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2121 | 2026-04-29 |
Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis
2025-04-23, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04746-0
PMID:40269704
|
综述与荟萃分析 | 系统比较机器学习模型与传统统计方法（逻辑回归）在预测经皮冠状动脉介入治疗术后结局中的表现 | 首次系统性地荟萃分析比较机器学习与逻辑回归在PCI术后多种结局预测中的性能差异 | 纳入研究普遍存在高偏倚风险，且机器学习模型解释性差，影响临床适用性 | 比较机器学习与逻辑回归模型预测PCI术后不同结局的性能 | 预测PCI术后死亡率、主要不良心脏事件、院内出血和急性肾损伤的模型 | 机器学习 | 冠状动脉疾病 | NA | 机器学习模型、逻辑回归模型 | NA | 59项研究 | NA | NA | c统计量 | NA |
| 2122 | 2026-04-29 |
A novel artificial intelligence model for diagnosing Acanthamoeba keratitis through confocal microscopy
2024-10, The ocular surface
DOI:10.1016/j.jtos.2024.07.010
PMID:39084255
|
研究论文 | 开发了一种基于共聚焦显微镜图像诊断棘阿米巴角膜炎的人工智能模型 | 首次利用培养确认的棘阿米巴角膜炎病例建立基于HRT-3共聚焦显微镜图像的人工智能诊断模型 | 样本量较小（仅17名患者），且为单中心回顾性研究 | 利用共聚焦显微镜图像开发棘阿米巴角膜炎的人工智能诊断模型 | 棘阿米巴角膜炎患者的体内共聚焦显微镜图像 | 计算机视觉 | 棘阿米巴角膜炎 | 体内共聚焦显微镜 | 卷积神经网络 | 图像 | 17名患者的3312张共聚焦图像 | TensorFlow | 卷积神经网络 | 准确率、灵敏度、特异度、精确率 | NA |
| 2123 | 2026-04-29 |
Early identification of patients at risk for iron-deficiency anemia using deep learning techniques
2024-09-03, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqae031
PMID:38642073
|
研究论文 | 利用深度学习技术早期识别缺铁性贫血风险患者 | 基于纵向门诊实验室数据开发神经网络模型，在传统诊断前3-6个月预测缺铁性贫血风险 | NA | 开发预测模型以缩短缺铁性贫血的诊断时间 | 门诊患者的实验室检测数据 | 机器学习 | 缺铁性贫血 | NA | 人工神经网络、长短期记忆网络、门控循环单元 | 结构化实验室数据 | 30603名患者的回顾性电子健康记录数据 | NA | 门控循环单元 | 准确率、受试者工作特征曲线下面积、敏感性、特异性 | NA |
| 2124 | 2026-04-29 |
UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples
2024-08-30, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-024-06714-4
PMID:39215205
|
研究论文 | 提出一种无监督分割方法UNSEG，用于在复杂组织样本中分割细胞及其细胞核 | 无需训练数据即可达到深度学习水平的分割性能，通过利用贝叶斯框架和细胞核与细胞膜标记实现 | 未明确提及局限 | 实现复杂组织微环境中细胞及其亚细胞区室的准确、无监督分割 | 细胞及其亚细胞区室（细胞核、细胞质） | 数字病理学 | NA | 多重成像技术 | UNSEG | 图像 | 高质量标注的胃肠组织数据集及公开数据集 | NA | UNSEG, 扰动分水岭算法 | 准确性 | NA |
| 2125 | 2026-04-29 |
Deep learning identifies heterogeneous subpopulations in breast cancer cell lines
2024-Jul-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.02.601576
PMID:39005432
|
研究论文 | 利用深度学习识别乳腺癌细胞系中的异质性亚群 | 首次证明细胞形态可反映体外乳腺癌细胞系中的转录组亚群差异，并利用卷积神经网络实现亚群识别 | NA | 探究细胞形态是否能用于分类体外癌细胞系中的转录组亚群 | 乳腺癌细胞系中的亚群 | 计算机视觉 | 乳腺癌 | 卷积神经网络 | CNN | 图像 | NA | NA | 卷积神经网络 | NA | NA |
| 2126 | 2026-04-29 |
Deep learning-based whole-body PSMA PET/CT attenuation correction utilizing Pix-2-Pix GAN
2024-05-07, Oncotarget
DOI:10.18632/oncotarget.28583
PMID:38712741
|
研究论文 | 提出基于Pix-2-Pix GAN的深度学习工具，从前列腺癌患者的NAC-PET图像生成AC-PET图像，以减少CT扫描辐射剂量 | 首次将Pix-2-Pix GAN用于全身PSMA PET/CT衰减校正，并评估了两种标准化策略（SUV和SUV-Nyul）对模型性能的影响 | 病变位置、密度和摄取量会影响生成的SUV指标的相对误差，且需要进一步临床验证 | 开发AI工具减少PET/CT中低剂量CT扫描的需求，降低患者辐射暴露 | 302例前列腺癌患者的18F-DCFPyL PSMA PET-CT研究图像 | 计算机视觉 | 前列腺癌 | PSMA PET/CT | GAN | 图像 | 302例前列腺癌患者（训练集183例，验证集60例，测试集59例） | PyTorch | Pix-2-Pix GAN | NMSE, MAE, SSIM, PSNR, ICC, RC | NA |
| 2127 | 2026-04-29 |
Staining, magnification, and algorithmic conditions for highly accurate cell detection and cell classification by deep learning
2024-04-03, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqad162
PMID:38134350
|
研究论文 | 使用YOLOv8深度学习模型，评估染色方法、放大倍数和算法条件对细胞检测和分类准确性的影响 | 系统比较了不同染色方法（Papanicolaou和MGG）和放大倍数对YOLOv8模型在细胞检测和分类中的性能影响 | 仅使用了人类癌细胞系，未在临床标本上验证模型性能 | 澄清通用深度学习细胞学模型中染色方法、放大倍数和假阳性等挑战 | 11种人类癌细胞系制备的Papanicolaou和MGG染色标本 | 机器学习 | 癌症 | 细胞学图像分析 | YOLOv8 | 图像 | 11种人类癌细胞系的细胞图像 | YOLOv8 | YOLOv8 | 分类率、检测率 | NA |
| 2128 | 2026-04-29 |
Automated prediction of acute promyelocytic leukemia from flow cytometry data using a graph neural network pipeline
2024-03-01, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqad145
PMID:37878540
|
研究论文 | 提出一种利用图神经网络管道从流式细胞术数据自动预测急性早幼粒细胞白血病的机器学习模型 | 首次将图神经网络应用于流式细胞术数据进行急性早幼粒细胞白血病分类，并结合输入扰动方法实现模型预测的可解释性 | NA | 开发能够准确区分急性早幼粒细胞白血病与其他急性髓系白血病的机器学习模型 | 急性早幼粒细胞白血病患者和急性髓系白血病患者的流式细胞术数据 | 机器学习 | 急性早幼粒细胞白血病 | 多色流式细胞术 | 图神经网络 | 流式细胞术数据 | 27例急性早幼粒细胞白血病患者和41例其他急性髓系白血病患者 | NA | 图神经网络 | 准确率 | NA |
| 2129 | 2026-04-29 |
Applications of machine learning in time-domain fluorescence lifetime imaging: a review
2024-Feb-08, Methods and applications in fluorescence
IF:2.4Q3
DOI:10.1088/2050-6120/ad12f7
PMID:38055998
|
综述 | 回顾机器学习在时间域荧光寿命成像中的应用，包括改善图像质量、寿命估计和图像分析，并提出改进建议 | 系统总结了机器学习在时间域荧光寿命成像中提升图像质量和分析性能的最新进展，强调标准化和模型开发的重要性 | 荧光寿命成像数据难以获取且缺乏标准化，限制了机器学习模型的充分开发 | 推广荧光寿命成像并吸引更多机器学习从业者探索寿命成像的潜力 | 时间域荧光寿命成像技术及其在医学成像中的应用 | 机器学习, 数字病理学 | NA | 荧光寿命成像 | 神经网络, 深度学习模型 | 荧光寿命成像数据 | NA | NA | NA | NA | NA |
| 2130 | 2026-04-29 |
Artificial intelligence for natural product drug discovery
2023-11, Nature reviews. Drug discovery
DOI:10.1038/s41573-023-00774-7
PMID:37697042
|
综述 | 描述人工智能与计算组学技术在天然产物药物发现中的协同作用，以及如何克服相关挑战 | 系统阐述人工智能（尤其是机器学习）与计算组学技术在天然产物药物发现中的协同潜力，并提出了高质量数据集构建和算法验证等关键问题的解决策略 | 未详细说明具体的技术实现细节或实验验证结果，主要停留在理论框架和未来展望层面 | 探讨人工智能与计算组学技术协同作用在天然产物药物发现中的应用，为从自然界分子中筛选药物候选物提供新思路 | 天然产物分子、药物候选物 | 机器学习 | NA | 计算组学技术 | 机器学习、深度学习 | 分子数据 | NA | NA | NA | NA | NA |
| 2131 | 2026-04-29 |
Microbial carbon use efficiency promotes global soil carbon storage
2023-06, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06042-3
PMID:37225998
|
研究论文 | 通过全球数据集、微生物过程显式模型、数据同化、深度学习和元分析，研究微生物碳利用效率（CUE）与土壤有机碳储存之间的关系 | 首次在全球尺度上证明微生物碳利用效率是决定土壤有机碳储存的主要因素，且其重要性至少是其他评估因素的四倍 | 未明确讨论CUE在不同生态系统类型中的具体机制，对气候变化的反馈预测仍需进一步微观过程理解 | 探究微生物碳利用效率在全球土壤有机碳储存中的作用及其与气候、植被和土壤性质的交互影响 | 全球范围的土壤样品及相关的微生物过程数据 | 机器学习 | NA | NA | 深度学习模型 | 数值数据 | 来自全球尺度的大规模数据集，具体样本数量未明确给出 | PyTorch, TensorFlow | NA | NA | NA |
| 2132 | 2026-04-29 |
A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features
2023-06, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202306_32608
PMID:37318465
|
研究论文 | 提出一种基于深度学习的视觉策略干预方法，用于自闭症谱系障碍儿童的行为特征提取与异常行为检测 | 融合时空特征提取结构，在MotionNet中加入光流特征子网络；提出基于序列池的行为检测方法，结合注意力机制和聚类池 | 在复杂背景下HMDB51数据集上准确率仅63.81%，模型泛化能力有限 | 探索自闭症谱系障碍儿童的有效干预方法 | 自闭症谱系障碍儿童的异常行为特征 | 计算机视觉 | 自闭症谱系障碍 | NA | CNN | 视频 | SDUFall, Weizmann, HMDB51数据集 | NA | MotionNet, 光流特征子网络 | 准确率 | NA |
| 2133 | 2026-04-28 |
Boosting the performance of pretrained CNN architecture on dermoscopic pigmented skin lesion classification
2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13505
PMID:38009020
|
研究论文 | 通过数据增强和贝叶斯超参数调优提升预训练CNN模型在黑色素皮肤病变分类中的性能 | 结合数据增强与贝叶斯超参数调优两种方法，显著提升预训练CNN模型在皮肤镜图像分类中的性能，尤其Inception-V3模型取得了最高准确率96.40%和AUC 0.98 | 未提及具体限制 | 提升预训练卷积神经网络在黑色素皮肤病变分类中的性能 | 皮肤镜图像中的色素性皮肤病变 | 计算机视觉 | 黑色素瘤 | 皮肤镜成像 | CNN | 图像 | 2019年ISIC数据集，包含八种疾病类别 | NA | Inception-V3 | 准确率, AUC | NA |
| 2134 | 2026-04-28 |
Lyme rashes disease classification using deep feature fusion technique
2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13519
PMID:38009027
|
研究论文 | 提出一种深度特征融合系统用于自动分类莱姆病皮疹 | 提出了一种新的深度特征融合机制，通过结合Densenet201、InceptionV3和Exception三个模型的深度特征，并利用元分类器进行整合，显著提升了分类准确率 | NA | 自动分类莱姆病皮疹以辅助临床医生和皮肤科医生进行有效诊断 | 莱姆病皮疹的红斑迁移图像 | 计算机视觉 | 莱姆病 | 深度学习特征融合 | Densenet201, InceptionV3, Exception, 元分类器（基础深度卷积神经网络） | 图像 | NA | NA | DenseNet201, InceptionV3, Exception, 基础深度卷积神经网络 | 分类准确率 | NA |
| 2135 | 2026-04-28 |
Segmentation and classification of skin lesions using hybrid deep learning method in the Internet of Medical Things
2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13524
PMID:38009016
|
研究论文 | 提出一种结合Mask R-CNN和ResNet50的混合深度学习模型，用于皮肤病变的语义分割和分类，在IoMT环境中提升诊断准确性 | 首次将MRCNN语义分割与ResNet50病变检测相结合，在IoMT框架下实现端到端的皮肤病变细粒度分析，分割精度达95.49%，分类准确率达96.75% | 未提及算法在低质量图像或罕见病变类型上的泛化能力，也未讨论计算资源消耗和实时部署可行性 | 在医疗物联网背景下，利用混合深度学习方法提升皮肤病变分割与分类的准确性和效率 | 皮肤病变（痣、黑色素瘤等）的皮肤镜图像 | 计算机视觉, 数字病理学 | 皮肤癌 | 皮肤镜成像 | 卷积神经网络, 混合模型 | 皮肤镜图像 | ISIC 2020挑战数据集（大量标注图像） | PyTorch | Mask R-CNN, ResNet50 | 分割精度, 分类准确率 | NA |
| 2136 | 2026-04-27 |
Assumption-Agnostic Deep Learning Framework for Holistic Clinical Trial Monitoring
2026-May, Therapeutic innovation & regulatory science
IF:2.0Q3
DOI:10.1007/s43441-026-00915-1
PMID:41703352
|
研究论文 | 提出一种无需假设的深度学习框架，用于全面监测临床试验中的异常，特别是质量容忍限度偏差 | 采用层次化、非参数的多维偏差评分方案结合长短期记忆自编码器，无需参数假设或先验知识，可处理异构和纵向数据 | 未明确提及，但可能依赖于模拟数据评估，真实世界验证有限 | 实现临床试验中异常（包括QTL偏差）的持续集中检测，提高安全性和运营效率 | 临床试验中的数值变量、层次结构（项目、研究、中心和受试者）文本数据的数值表示 | 机器学习 | NA | NA | 长短期记忆自编码器 | 数值数据、文本数据的数值表示 | 基于真实世界试验结构和异常模式的模拟数据，以及一项案例研究 | NA | LSTM自编码器 | 异常信号区分度、不必要的随访减少、计算可扩展性 | NA |
| 2137 | 2026-04-27 |
Image Quality Assessment of the External Carotid Artery and Its Branches on Ultra-High-Resolution Head and Neck Computed Tomography Angiography Using a High-Resolution 0.25-mm Detector and Deep Learning Reconstruction
2026-Apr-25, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9375
PMID:42034565
|
研究论文 | 评估使用高分辨率0.25毫米探测器和深度学习重建的超高分辨率头颈CT血管造影中颈外动脉及其分支的图像质量 | 首次系统评估深度学习重建在超高分辨率CTA中对小口径颈外动脉分支和肿瘤供血血管可视化能力的提升 | 样本量较小（24例），需要在更大队列中进一步验证 | 评估深度学习重建在超高分辨率CTA中对颈外动脉系统图像质量的改善效果 | 24名接受超高分辨率CTA检查的头颈肿瘤或茎突过长患者 | 医学影像 | 头颈肿瘤 | CTA | 深度学习重建 | 图像 | 24名患者 | NA | NA | 图像噪声、信噪比、对比噪声比、边缘上升距离、边缘上升斜率、主观评分（四分Likert量表） | NA |
| 2138 | 2026-04-27 |
Prediction of infiltration degree of ground-glass nodules using a fusion of CT radiomics and deep learning
2026-Apr-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-50328-1
PMID:42034781
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2139 | 2026-04-27 |
Hyperspectral image classification network based on multiscale spatial-spectral fusion and semantic enhancement encoder
2026-Apr-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46407-y
PMID:42034807
|
research paper | 提出了一种基于多尺度空间-光谱融合和语义增强编码器的高光谱图像分类网络 | 设计多尺度空间-光谱融合模块，通过并行分支分别提取多尺度空间特征和判别性光谱信息，并实现特征协同交互；引入语义增强编码器，利用多头注意力机制显式建模全局特征依赖，增强语义关键区域表示 | NA | 解决现有深度学习方法在处理复杂空间结构和高度可变光谱响应时，难以有效提取判别性联合空间-光谱特征的问题 | 高光谱遥感图像 | 计算机视觉 | NA | 主成分分析, 多尺度空间-光谱融合, 语义增强编码器 | CNN, 多头注意力机制 | 高光谱图像 | Pavia University数据集和Salinas数据集 | NA | MSNet | 总体准确率 | NA |
| 2140 | 2026-04-27 |
A multi-cognitive PCB defect detection model integrating Mamba
2026-Apr-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-49734-2
PMID:42034824
|
研究论文 | 提出了一种多认知混合框架PCB-MMF，结合Mamba状态空间模型与CNN，用于PCB缺陷检测 | 提出MM-NET主干网络融合CNN局部特征提取与Mamba全局建模，并设计三阶段多感受野模块、多认知视觉增强模块和轻量级分组共享检测头 | 未提及模型在极端纹理复杂或光照变化条件下的性能，以及实际工业部署中的实时性验证 | 解决PCB缺陷检测中微小目标特征提取不足、特征利用率低和模型复杂度高的问题 | 印刷电路板（PCB）上的各类表面缺陷 | 计算机视觉 | 不适用 | 深度学习、Mamba状态空间模型 | 混合模型（CNN与Mamba） | 图像 | HRIPCB、DeepPCB、DsPCBSD+和NEU-DET四个数据集，具体样本数量未明确给出 | PyTorch | MM-NET、TSMR、MC-VAM、LGSD | mAP50、参数量、FLOPs | 未明确说明 |