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 42799 篇文献，本页显示第 2681 - 2700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2681 | 2026-03-02 |
AI Algorithms in the Pharmaceutical Environment: Poster presented at PDA Microbiology Conference 2025
2026-Feb-28, PDA journal of pharmaceutical science and technology
DOI:10.5731/pdajpst.2026.26122
PMID:41763722
|
会议海报 | 本文探讨了在制药环境中，AI算法（特别是深度学习）如何改进微生物识别，尤其是通过一个自动霉菌识别的案例研究 | 提出利用深度学习替代传统的参数化算法，以解决细菌和真菌物种区分困难的问题，并强调构建鲁棒训练数据集的方法 | 未提及具体实验数据或模型性能的详细评估，可能缺乏实证验证 | 探索经典算法的局限性、AI驱动方法的优势以及构建鲁棒训练数据集的方法，以提升模型性能 | 制药行业中的微生物识别，特别是细菌和真菌物种 | 计算机视觉 | NA | 图像分析，深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2682 | 2026-03-02 |
Design and implementation of a deep learning framework for automated crop classification and health diagnosis in precision agriculture
2026-Feb-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42151-5
PMID:41764261
|
研究论文 | 本文提出了一种用于精准农业中自动作物分类与健康诊断的三阶段深度学习框架 | 开发了一种融合宏观卫星影像与微观无人机及物联网传感器数据的多模态深度学习架构，以提高诊断可靠性 | NA | 实现精准农业中的自动化作物分类与健康诊断 | 玉米、马铃薯、小麦等作物 | 计算机视觉 | NA | 无人机与卫星多模态数据采集 | CNN | 图像 | 多源农业数据集（70%训练、15%验证、15%测试） | NA | NA | 准确率 | NA |
| 2683 | 2026-03-02 |
Future-aware blood glucose forecasting using knowledge distillation with transformer-based sequence-to-sequence models
2026-Feb-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41787-7
PMID:41764313
|
研究论文 | 本文提出了一种基于知识蒸馏的未来感知血糖预测框架，利用Transformer序列到序列模型，在训练时结合未来扰动信息，推理时仅依赖历史数据，以提升血糖水平预测的准确性和临床可靠性 | 提出了一种未来感知学习框架，通过知识蒸馏将包含未来扰动信息的教师模型知识迁移到仅使用历史数据的学生模型，从而在部署时无需未来信息即可实现实时血糖预测 | 研究主要基于公开数据集（OhioT1DM和AZT1D），可能未覆盖所有糖尿病类型或临床场景，且模型性能依赖于训练数据的质量和完整性 | 开发一种能够在现实部署约束下提高血糖水平预测准确性的深度学习模型，以支持糖尿病自我管理和临床决策 | 糖尿病患者的血糖水平数据，特别是来自连续血糖监测（CGM）的历史观测数据以及未来扰动信息（如胰岛素输送和进食） | 机器学习 | 糖尿病 | 连续血糖监测（CGM） | Transformer | 时间序列数据 | 基于公开数据集OhioT1DM和AZT1D，具体样本数量未在摘要中明确说明 | NA | Transformer-based sequence-to-sequence | 均方根误差, 平均绝对误差, Clarke误差网格分析 | NA |
| 2684 | 2026-03-02 |
Explainable deep learning and radiomics integration for differentiating insulinomas from NF-PNETs in EUS imaging
2026-Feb-28, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03388-2
PMID:41764459
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2685 | 2026-03-02 |
Image-based epigenetic profiling with deep learning and high-speed super-resolution microscopy
2026-Feb-28, Epigenetics & chromatin
IF:4.2Q1
DOI:10.1186/s13072-026-00662-5
PMID:41764479
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2686 | 2026-03-02 |
Deep learning prediction model based on multi-modal transvaginal ultrasound scan images for endometrial cancer
2026-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-026-01013-z
PMID:41764582
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2687 | 2026-03-02 |
Domain-Shift AI Technology for Vendor-Agnostic Multiple Macular Disease Detection From 3D OCT Scans
2026-Feb-26, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2026.0029
PMID:41746616
|
研究论文 | 本研究开发了一种基于深度学习的供应商无关模型，用于从不同供应商的3D OCT扫描中检测多种黄斑疾病 | 引入了供应商无关的深度学习模型，通过无监督测试时域适应方法（Test Entropy）处理供应商间的域差异，并加入了不确定类别来处理未见过的黄斑疾病 | 模型仅在供应商1的数据上训练，外部测试集包含供应商1、供应商2和2D扫描，但可能存在未覆盖的供应商或疾病类型；不确定类别的敏感性变化较大 | 开发一个供应商无关的深度学习模型，用于从不同供应商的3D OCT扫描中进行多疾病分类 | 来自多个中心的OCT扫描，包括三级眼科医院、私人眼科中心、开放在线数据库以及香港和越南的研究队列 | 计算机视觉 | 黄斑疾病 | 光学相干断层扫描（OCT） | CNN | 3D图像 | 模型开发使用6756个OCT扫描（来自1669名患者），外部测试使用12236个OCT扫描（来自4336名患者） | NA | ResNet 3D | AUROC, 微平均阳性预测值, 微平均阴性预测值, 临床重要漏诊率 | NA |
| 2688 | 2026-03-02 |
Computational dual-loop frameworks bridging single-enzyme design and cascade tunnel network engineering for next-generation biosynthetic systems
2026-Feb-26, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2026.108850
PMID:41763370
|
综述 | 本文综述了计算酶工程的最新进展，重点介绍了结构预测、突变效应建模、多尺度分子模拟和多酶网络工程，并提出了一个双循环DBTL框架以连接分子水平的酶设计与通路水平的整合 | 强调在统一的DBTL框架内整合机制性酶建模与多酶网络设计，区别于以往主要关注单个计算方法或单酶优化的综述 | NA | 总结计算酶工程领域的最新进展，并提供一个连接单酶设计与级联隧道网络工程的统一框架 | 酶工程、多酶系统、生物合成系统 | 计算生物学 | NA | 深度学习、分子动力学模拟、量子力学/分子力学分析 | NA | NA | NA | NA | NA | NA | NA |
| 2689 | 2026-03-02 |
Deep Learning-Enhanced Biomarker Interpretation on Cytology Cell Blocks - Foundations and Emerging Opportunities in Spatial Pathobiology
2026-Feb-26, The American journal of pathology
DOI:10.1016/j.ajpath.2026.02.004
PMID:41763533
|
综述 | 本文综述了深度学习在细胞学细胞块生物标志物解释中的应用及其在空间病理生物学中的新兴机遇 | 提出了深度学习辅助的细胞块生物标志物解释，以提高可重复性、减少观察者间差异，并实现空间肿瘤-免疫相互作用的定量评估 | NA | 探讨人工智能在细胞学细胞块生物标志物解释中的应用，并展望其在空间病理生物学和精准肿瘤学中的未来方向 | 细胞学细胞块标本 | 数字病理学 | 恶性肿瘤 | 免疫组织化学分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2690 | 2026-03-02 |
Artificial Intelligence and the Discovery of Antibiotics: Reinventing with Opportunities, Challenges, and Clinical Translation
2026-Feb-23, Antibiotics (Basel, Switzerland)
DOI:10.3390/antibiotics15020233
PMID:41750530
|
综述 | 本文综述了人工智能在加速和优化抗生素发现过程中的作用，包括虚拟筛选、药代动力学优化、耐药机制预测和抗菌肽设计 | 强调了人工智能与合成生物学、纳米技术和多组学数据的协同作用，作为下一代抗菌方法（如个性化治疗和预测性管理）的核心组成部分 | 存在数据不足、算法偏见以及研究与临床应用之间的转化鸿沟等问题 | 探讨人工智能在发现新抗生素和应对抗菌素耐药性方面的应用 | 小分子抗生素和抗菌肽 | 机器学习 | NA | NA | 机器学习, 深度学习, 自然语言处理, 生成模型 | NA | NA | NA | NA | NA | NA |
| 2691 | 2026-03-02 |
LCSMC-Net: Lightweight CAN Intrusion Detection via Separable Multiscale Convolution and Attention
2026-Feb-23, Sensors (Basel, Switzerland)
DOI:10.3390/s26041399
PMID:41755340
|
研究论文 | 本文提出了一种名为LCSMC-Net的超轻量级神经网络架构，用于资源受限的CAN总线入侵检测 | 该框架集成了三个创新点：可分离多尺度卷积轻量块、轻量级通道-时间注意力机制以及6维CAN优化特征，通过贝叶斯超参数优化和知识蒸馏实现系统模型压缩 | 未明确提及，但可能受限于数据集覆盖的攻击类型或实际车载环境的动态变化 | 开发一种适用于汽车嵌入式系统的轻量级CAN总线入侵检测解决方案 | 控制器局域网协议及其安全威胁 | 机器学习 | NA | 深度学习 | CNN | 网络协议数据 | 基于CAN和CAN-FD数据集进行实验，具体样本数量未明确 | 未明确指定，可能涉及TensorFlow或PyTorch | LCSMC-Net | 准确率 | 针对汽车级微控制器约束设计，未指定具体GPU或云平台 |
| 2692 | 2026-03-02 |
Performance and Clinical Utility of Deep Learning for Detecting Referable Age-Related Macular Degeneration on Fundus Photographs: A Systematic Review and Meta-Analysis
2026-Feb-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16040633
PMID:41750784
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了深度学习算法在眼底照片上检测可转诊年龄相关性黄斑变性的诊断准确性，并与人工分级者进行比较 | 首次对深度学习在检测可转诊年龄相关性黄斑变性方面的诊断准确性进行系统综述和荟萃分析，并直接与人工分级者进行头对头比较 | 纳入研究存在显著的异质性，且需要进一步的前瞻性验证和标准化评估才能广泛临床实施 | 评估深度学习算法在眼底照片上检测可转诊年龄相关性黄斑变性的诊断准确性，并比较其与人工分级者的性能 | 用于检测可转诊年龄相关性黄斑变性的深度学习算法 | 计算机视觉 | 年龄相关性黄斑变性 | NA | 深度学习 | 图像 | NA | NA | NA | 灵敏度, 特异度, 阳性似然比, 阴性似然比 | NA |
| 2693 | 2026-03-02 |
Evaluation of Root Angulations Through Panoramic Films Using Artificial Intelligence
2026-Feb-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16040634
PMID:41750782
|
研究论文 | 本研究开发并验证了一种基于人工智能的算法，用于在曲面断层片上自动定量评估后牙的近远中根角度 | 首次提出了一种结合U-Net分割和主成分分析的自动化AI算法，用于客观、可重复地测量曲面断层片上的牙根角度，减少了传统目视评估的主观性和观察者间差异 | 研究为回顾性设计，样本量有限（214张曲面断层片），且仅评估了后牙，未包括前牙；算法排除了根尖三分之一区域以减少根弯曲的影响，但这可能忽略了某些临床相关形态 | 开发并验证一种基于人工智能的算法，用于自动定量评估曲面断层片上的近远中牙根角度，并评估其相对于传统手动测量的准确性 | 214张曲面断层片（正畸曲面断层片）中的4280颗后牙 | 计算机视觉 | NA | 曲面断层摄影 | CNN | 图像 | 214张曲面断层片，包含4280颗后牙 | NA | U-Net | 组内相关系数, Bland-Altman分析 | NA |
| 2694 | 2026-03-02 |
Artificial Intelligence for Opioid Safety Surveillance from Clinical Text: A Clinically Focused Review
2026-Feb-22, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm15041649
PMID:41753337
|
综述 | 本文是一篇临床聚焦的叙事性综述，总结了2009年至2025年间发表的47项实证研究，这些研究应用人工智能方法从临床文本中识别阿片类药物相关危害，以弥补传统监测方法的不足 | 综述了从基于规则的词典到机器学习、深度学习，再到基于Transformer的大语言模型的方法演进，强调了AI在从非结构化临床叙事中提取阿片类药物安全信号方面的进展和潜力 | 证据基础主要为回顾性研究，临床工作流程研究相对较少，外部验证、校准和前瞻性结果评估报告不一致 | 应用人工智能方法从临床文本中识别阿片类药物相关危害，以解决传统基于结构化管理数据的监测方法存在的漏报问题 | 临床文本中记录的阿片类药物相关危害信号，如阿片类药物使用障碍、过量使用、阿片类药物诱导的呼吸抑制等 | 自然语言处理 | 阿片类药物相关危害 | NA | 基于规则的词典, 机器学习, 深度学习, Transformer, 大语言模型 | 文本 | NA | NA | NA | NA | NA |
| 2695 | 2026-03-02 |
Development and Evaluation of a Urinary Na/K Ratio Prediction Model: A Systematic Comparison from Attention-Based Deep Learning to Classical Ensemble Approaches
2026-Feb-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13020252
PMID:41749791
|
研究论文 | 本研究开发并评估了多种机器学习模型，用于利用体重、收缩压、舒张压和脉搏率四个易获取的生理变量来预测尿钠钾比值 | 在有限样本条件下，系统比较了基于注意力的深度学习模型与经典集成方法，发现简单的等权重集成策略比复杂的注意力机制或自适应加权模型具有更好的泛化性能 | 研究样本量较小（N = 82），基于注意力的深度学习模型（MIDIP）表现出过拟合和不稳定的性能 | 开发并严格评估用于估计尿钠钾比值的机器学习模型 | 82名参与者的生理变量数据 | 机器学习 | 心血管疾病 | NA | 注意力机制深度学习模型, 随机森林, 梯度提升, 线性回归, Transformer | 生理变量数据 | 82名参与者 | NA | MIDIP (Multi-Integrated Deep Ion Prediction), Transformer | MAE, RMSE, R | NA |
| 2696 | 2026-03-02 |
DermaCalibra: A Robust and Explainable Multimodal Framework for Skin Lesion Diagnosis via Bayesian Uncertainty and Dynamic Modulation
2026-Feb-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16040630
PMID:41750777
|
研究论文 | 提出了一种名为DermaCalibra的鲁棒且可解释的多模态框架，用于皮肤病变诊断，通过贝叶斯不确定性和动态调制解决类别不平衡和形态相似性问题 | 引入了基于注意力的多模态通道重校准模块进行概率贝叶斯不确定性估计，以及元数据驱动的动态特征调制与交叉注意力融合模块，以动态调整特征并解决类间视觉模糊性 | 未在更大规模或更多样化的数据集上进行验证，可能在小样本或极端不平衡场景下性能受限 | 开发一种鲁棒且可解释的多模态框架，用于皮肤病变的准确诊断，特别是在资源有限的临床环境中 | 皮肤病变，包括黑色素瘤、基底细胞癌、鳞状细胞癌、光化性角化病、脂溢性角化病和痣 | 计算机视觉 | 皮肤癌 | 多模态学习，贝叶斯不确定性估计，动态特征调制 | 深度学习框架，包含注意力机制和交叉注意力融合 | 图像（皮肤镜图像）和临床元数据 | 基于PAD-UFES-20数据集，并进行了外部验证 | PyTorch | 注意力机制，交叉注意力融合模块 | 平衡准确率，宏AUC | 未指定具体GPU类型或云平台，但提到在资源有限的临床环境中适用 |
| 2697 | 2026-03-02 |
Synthetic Melanoma Image Generation and Evaluation Using Generative Adversarial Networks
2026-Feb-20, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13020245
PMID:41749783
|
研究论文 | 本文首次系统性地比较了四种GAN架构在生成高分辨率黑色素瘤图像方面的性能，并评估了合成图像在缓解类别不平衡问题中的有效性 | 首次对DCGAN、StyleGAN2及两种StyleGAN3变体在统一预处理和超参数探索下进行系统性的黑色素瘤图像生成基准测试，并采用多维度评估协议 | 研究依赖于特定数据集（ISIC 2018和2020），且合成图像的临床适用性仍需进一步验证 | 解决黑色素瘤图像数据稀缺和类别不平衡问题，以提升自动化皮肤病变分析的性能 | 黑色素瘤的皮肤镜图像 | 计算机视觉 | 黑色素瘤 | 皮肤镜成像 | GAN | 图像 | 基于ISIC 2018和ISIC 2020两个专家标注的数据集 | NA | DCGAN, StyleGAN2, StyleGAN3-T, StyleGAN3-R | FID, FMD, 准确率, AUC, Cohen's kappa | NA |
| 2698 | 2026-03-02 |
From Image-Guided Surgery to Computer-Assisted Real-Time Diagnosis with Hyperspectral and Multispectral Imaging: A Systematic Review in Gynecologic Oncology
2026-Feb-20, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16040620
PMID:41750768
|
系统综述 | 本文系统综述了高光谱和多光谱成像技术在妇科肿瘤手术中从图像引导到计算机辅助实时诊断的临床应用、决策支持效用及诊断性能 | 首次系统性地总结了光谱成像技术在妇科肿瘤学领域的临床应用现状，并重点分析了其结合数据处理框架（特别是机器学习与深度学习）在组织分类中的诊断性能 | 纳入研究数量有限（29项研究和2项临床试验），且研究间异质性较大；部分研究样本量较小；算法应用尚处于早期阶段，深度学习应用较少 | 评估光谱成像技术在妇科肿瘤手术中用于实时诊断和决策支持的临床效用与诊断性能 | 妇科肿瘤组织，包括宫颈、卵巢、输卵管、子宫内膜及外阴皮肤等部位 | 数字病理 | 妇科肿瘤 | 高光谱成像，多光谱成像 | 机器学习，深度学习 | 光谱图像 | 29项研究和2项临床试验（具体样本量未在摘要中给出） | NA | NA | 灵敏度，特异性 | NA |
| 2699 | 2026-03-02 |
IDH Mutation Assessment in Gliomas from Anatomical MRI Using Deep Learning: A Comparative Analysis of Centralized and Federated Learning Frameworks
2026-Feb-20, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16040623
PMID:41750771
|
研究论文 | 本研究评估了使用常规解剖MRI和深度学习模型检测胶质瘤IDH突变状态，并比较了集中式学习与联邦学习框架的性能 | 首次在胶质瘤IDH突变检测中比较了集中式学习与联邦学习框架，并评估了不同肿瘤聚焦图像预处理方法（NSF与GBSF）及联邦学习聚合策略（FA与FTM）对模型性能的影响 | 联邦学习框架相对于集中式学习存在可测量的性能下降，且性能对聚合策略选择敏感 | 非侵入性术前从常规解剖MRI识别胶质瘤IDH突变状态，以支持治疗决策 | 501名弥漫性胶质瘤患者的解剖MRI图像（包括T1c、T2加权和FLAIR序列） | 数字病理学 | 胶质瘤 | MRI成像 | 深度学习 | 图像 | 501名患者 | PyTorch | 2D U-Net | 准确率, 精确率, 召回率, F1分数, 特异性, ROC-AUC | NA |
| 2700 | 2026-03-02 |
An Overlapping-Signal Separation Algorithm Based on a Self-Attention Neural Network for Space-Based ADS-B
2026-Feb-20, Sensors (Basel, Switzerland)
DOI:10.3390/s26041351
PMID:41755289
|
研究论文 | 本文提出两种基于深度学习的模型（SplitNet-2和SplitNet-3），用于分离星基ADS-B系统中重叠的异步信号，以提升全球飞机监视的可靠性 | 提出了两种新颖的深度学习模型：SplitNet-2采用受Transformer启发的自注意力架构分离两个重叠信号；SplitNet-3采用优化的卷积残差U型网络分离三个同时碰撞的信号 | 未明确提及模型在真实卫星环境中的部署复杂度、计算资源需求或对超过三个信号重叠情况的泛化能力 | 解决星基自动相关监视广播（ADS-B）系统中因信号碰撞导致的信号分离问题，提升卫星监视系统的覆盖范围和可靠性 | 星基ADS-B系统中接收到的异步、重叠的飞机广播信号 | 信号处理 | NA | 深度学习，信号分离 | 自注意力神经网络，卷积残差网络 | 信号数据 | NA | NA | Transformer-inspired self-attention, convolutional residual U-shaped network | 误码率，解调准确率 | NA |