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 45313 篇文献，本页显示第 3081 - 3100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3081 | 2026-05-03 |
Attention Gated-VGG with deep learning-based features for Alzheimer's disease classification
2026-04, Neurodegenerative disease management
IF:2.3Q3
DOI:10.1080/17582024.2025.2554495
PMID:40929122
|
研究论文 | 提出基于注意力门控VGG和深度学习特征的阿尔茨海默病分类方法 | 结合WOA优化ResNet特征提取与CNN特征，并设计注意力门控VGG模型进行AD分类 | NA | 提高阿尔茨海默病早期检测的准确性和可靠性 | 阿尔茨海默病脑部图像 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | 注意力门控VGG | 图像 | NA | NA | ResNet, VGG | 准确率, 灵敏度, 特异度 | NA |
| 3082 | 2026-05-03 |
Multicenter Clinical Validation of an Artificial Intelligence Diagnostic Classification Model for Laryngoscopy Images
2026-Apr, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.70153
PMID:41696998
|
研究论文 | 开发并外部验证一个基于人工智能的计算机辅助诊断模型，用于从喉镜图像中分类喉部病变为高风险或低风险 | 大规模多中心临床验证，展示了模型在不同临床环境下的泛化能力，并与不同经验级别的医生及ChatGPT-4o进行了性能比较 | 模型仅分类包含可见病变的图像，且尚未进行前瞻性多中心临床试验验证实际临床应用 | 开发和验证一个用于喉部病变分类的计算机辅助诊断模型，以增强诊断能力，特别是在资源有限的环境中 | 喉部病变 | 计算机视觉，数字病理学 | 喉癌，喉部病变 | NA | 深度学习模型 | 图像 | 超过20,000张来自多个国家医院的喉镜检查图像 | NA | NA | 准确率、精确率、召回率、F1分数、曲线下面积 | NA |
| 3083 | 2026-05-03 |
Thymic health consequences in adults
2026-04, Nature
IF:50.5Q1
DOI:10.1038/s41586-026-10242-y
PMID:41851466
|
研究论文 | 提出一个深度学习框架，从常规放射影像中量化胸腺健康，并在两个大型前瞻性队列中评估其与长寿及主要年龄相关疾病风险的关联 | 首次通过深度学习从常规影像中量化成人胸腺健康，并证明胸腺健康与降低全因死亡率、肺癌发生率和心血管死亡率相关，重新定位胸腺为免疫介导衰老和疾病易感性的核心调节器 | NA | 评估成人胸腺健康与长寿及年龄相关疾病风险的关联 | 无症状成人的胸腺健康 | 计算机视觉 | 肺癌, 心血管疾病 | NA | 深度学习 | 影像 | 国家肺筛查试验（n=25,031）和弗雷明汉心脏研究（n=2,581）两个前瞻性队列 | NA | NA | 全因死亡率, 肺癌发病率, 心血管死亡率 | NA |
| 3084 | 2026-05-03 |
Few-Shot and Zero-Shot Biomedical Named Entity Recognition: A Procedure for Enhancing BioBERT with Prompt-Based Learning and Large Language Models
2026-03-31, Journal of visualized experiments : JoVE
DOI:10.3791/69390
PMID:42008560
|
研究论文 | 提出一种结合BioBERT、提示学习和大型语言模型的混合框架，增强生物医学命名实体识别中的少样本和零样本学习能力 | 利用提示学习和大语言模型提升BioBERT在低资源生物医学术语、领域适应和未见过实体泛化方面的性能，实现高准确性并减少对大量标注数据的依赖 | 未在摘要中明确提及限制 | 解决传统深度学习模型在低资源生物医学命名实体识别中的局限，提高少样本和零样本学习能力 | 生物医学文本中的命名实体 | 自然语言处理 | 不适用 | NA | BioBERT，大型语言模型 | 文本 | 多个生物医学基准数据集 | NA | BioBERT | 准确率, 精确率, 召回率, F1分数 | NA |
| 3085 | 2026-05-03 |
Enhancing Korean adolescent suicide risk prediction with TabR: A generative AI and explainable retrieval-based deep learning approach
2026-Mar-27, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000048172
PMID:41894311
|
研究论文 | 提出一种结合生成式AI与可解释检索增强残差网络（TabR）的方法，用于预测韩国青少年自杀风险 | 首次将TabR架构应用于青少年自杀风险预测，并结合表格变分自编码器进行数据增强以处理极端类别不平衡问题 | 数据集规模有限、类别不平衡问题未完全解决、缺乏外部验证，以及未评估临床影响和误报/漏报后果 | 开发并评估基于TabR的深度学习模型，提升韩国青少年自杀风险预测的准确性和可解释性 | 韩国青少年群体（来自2020-2022年韩国青少年风险行为调查数据集的161,646名参与者） | 机器学习 | 青少年自杀 | NA | TabR（检索增强残差网络）、TVAE（表格变分自编码器） | 表格数据 | 161,646名韩国青少年参与者 | PyTorch | TabR, TVAE | 准确率, AUC, F1分数 | NA |
| 3086 | 2026-05-03 |
Robust Deep Learning Framework for Early Diabetic Retinopathy Detection Using Preprocessed Fundus Images and Optimized CNNs
2026-03-24, Journal of visualized experiments : JoVE
DOI:10.3791/69901
PMID:41973762
|
研究论文 | 提出一个鲁棒的深度学习框架，使用预处理的眼底图像和优化的CNN进行早期糖尿病视网膜病变检测 | 集成了EfficientNetB0和DenseNet121的混合集成模型，系统评估了眼底图像预处理对诊断性能的影响，并采用Grad-CAM进行可解释性分析 | 模型需要外部独立数据集验证和真实世界前瞻性评估，未来需优化以适用于移动和床旁筛查 | 开发一个临床可行、可解释的深度学习模型用于糖尿病视网膜病变检测 | 糖尿病视网膜病变的视网膜眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底成像, CLAHE预处理 | CNN, 混合集成模型 | 图像 | 53,412张眼底图像，来自EyePACS、APTOS 2019和中国一家三级医疗中心 | NA | EfficientNetB0, DenseNet121, Grad-CAM | 准确率, macro-AUC, 敏感度, 特异度, F1分数 | NA |
| 3087 | 2026-05-03 |
Enhancing educational assessment through automated question classification using a RoBERTa-based ensemble model
2026-Mar-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45486-1
PMID:41872668
|
研究论文 | 提出一种基于RoBERTa的集成模型，用于基于布鲁姆分类法的考试题目自动分类，以提升教育评估效率 | 首次将加权集成策略应用于RoBERTa与GRU、LSTM和CNN的组合，在题目分类中实现性能突破，并通过统计显著性检验验证提升效果 | 未提及模型在不同学科或语言场景下的泛化能力验证，且依赖公开数据集的规模与质量可能限制实际应用范围 | 实现教育评估中基于布鲁姆分类法的自动题目分类，减少教师人工负担并避免主观偏差 | 基于布鲁姆分类法的考试题目 | 自然语言处理 | NA | 预训练语言模型（RoBERTa） | 集成模型（GRU, LSTM, CNN, 加权集成） | 文本数据 | 公开数据集（未具体说明样本数量） | PyTorch | RoBERTa, GRU, LSTM, CNN, Weighted Ensemble | 准确率, 宏F1分数, AUC | NA |
| 3088 | 2026-05-03 |
Artificial intelligence-based prediction of fetal hypoxia: a multicenter model development and nationwide AI-human comparison
2026-Mar-21, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04794-z
PMID:41864912
|
研究论文 | 基于人工智能的胎儿缺氧预测模型开发及其与人类专家的全国性比较 | 首次通过多中心大规模数据集和全国性AI-人类专家比较，验证了基于深度学习的心电图（CTG）解读模型在预测胎儿缺氧方面优于人类专家，并采用Grad-CAM技术增强模型可解释性 | 模型在公共数据集CTU-UHB上的性能低于内部验证集，可能因数据异质性；可解释性验证仅依赖Grad-CAM，未深入探讨其他解释方法 | 开发并验证基于人工智能的CTG解读模型，以改善胎儿缺氧预测的准确性 | 胎儿缺氧 | 机器学习 | 胎儿缺氧 | NA | CNN, Transformer, LSTM, CfC | CTG信号 | 20,780个CTG追踪记录用于模型开发，467例用于全国性AI-人类专家比较 | PyTorch | CAP-C, CAP-T, CAP-L, CAP-CfC | AUROC | NA |
| 3089 | 2026-03-23 |
An interpretable machine learning model based on habitat radiomics combined with deep learning for predicting the WHO/ISUP grade of patients with clear cell renal cell carcinoma
2026-Mar-21, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02285-4
PMID:41864916
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3090 | 2026-05-01 |
Deep learning for dynamic tactical formation recognition in professional football
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41383-9
PMID:41844762
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3091 | 2026-05-03 |
Multi-dimensional deep learning-based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44094-3
PMID:41844778
|
研究论文 | 开发基于深度学习的蝶窦积液自动分割与体积评估方法，用于法医学溺死案例的死后CT分析 | 首次将多维度U-Net模型（2D、2.5D和3D）应用于死后CT图像中蝶窦积液的自动分割与体积量化，替代传统人工评估，提高效率与客观性 | 仅基于165例尸检确认的溺死案例，样本量有限；未评估模型在其他死因或不同成像条件下的泛化能力 | 实现法医学中蝶窦积液的自动分割与体积定量评估，支持溺死诊断 | 165例尸检确认溺死案例的死后CT图像中的蝶窦积液 | 计算机视觉 | 溺死 | 死后计算机断层扫描（PMCT） | U-Net | 图像 | 165例尸检确认溺死案例的死后CT图像 | NA | 2D U-Net、2.5D U-Net、3D U-Net | Dice系数、Spearman相关系数、平均绝对误差 | NA |
| 3092 | 2026-05-03 |
Multi-model forecasting of [Formula: see text] and [Formula: see text] in Abu Dhabi: benefits of correlation-based feature augmentation
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44485-6
PMID:41844799
|
研究论文 | 比较多种机器学习和深度学习模型在阿布扎比预测二氧化氮和地面臭氧水平的性能，并探索基于污染物间相关性特征增强的优势 | 首次在阿布扎比地区系统比较多种模型（含Transformer）对二氧化氮和臭氧的多时间尺度预测，并揭示了利用两种污染物间相关性可提升预测精度 | NA | 评估不同机器学习和深度学习模型在阿布扎比预测二氧化氮和臭氧水平的效果，并验证污染物间相关性特征增强对预测准确性的提升作用 | 阿布扎比地区的二氧化氮和地面臭氧浓度 | 机器学习 | NA | NA | 决策树、随机森林、支持向量回归、卷积神经网络、长短期记忆网络、Prophet、Transformer | 时间序列数据 | NA | NA | 决策树、随机森林、支持向量回归、CNN、LSTM、Prophet、Transformer | 对称平均绝对百分比误差、均方根误差、平均绝对误差 | NA |
| 3093 | 2026-05-03 |
Explainable artificial intelligence for early Alzheimer's diagnosis using enhanced grey relational features and multimodal data
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43707-1
PMID:41844810
|
研究论文 | 提出一个可解释且可持续的机器学习架构，利用多模态结构化临床和行为数据早期诊断阿尔茨海默病 | 引入基于灰色系统理论和Sigmoid归一化的增强型灰色关联度指标，提升特征-诊断相关性；结合Shapley Additive Explanations增强模型可解释性 | NA（摘要未提及局限性） | 实现早期阿尔茨海默病的准确且可解释的诊断 | 多模态结构化临床和行为数据，包括人口统计学、血管风险因素、生活方式和认知数据 | 机器学习 | 阿尔茨海默病 | NA（未明确指定测序或其他技术） | 深度学习神经网络 | 结构化数据（临床和行为数据） | NA（摘要未提及具体样本量） | NA（未明确指定框架） | Logistic回归、随机森林、XGBoost、LightGBM、CatBoost、Stacking集成、深度神经网络 | 准确率、AUC | NA（摘要未提及计算资源） |
| 3094 | 2026-05-03 |
A generative explainable model for antimicrobial peptide prediction using bidirectional temporal convolutional neural network
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43370-6
PMID:41844874
|
研究论文 | 提出GAC-BiTCNN-AMP混合生成可解释深度学习框架用于抗菌肽预测，在精准肿瘤学中实现高准确率和可解释性 | 首次结合生成对抗网络、胶囊网络和双向时序卷积神经网络，并整合多种蛋白质语言模型及PsePSSM-DCT进化描述符，同时通过XGBoost前向特征选择和SHAP分析增强模型可解释性 | 未提及具体局限性，但可能受限于训练数据的多样性和独立测试集的规模 | 开发一种高准确率且可解释的计算框架，用于识别具有抗癌潜力的抗菌肽，支持精准肿瘤学的治疗性肽发现 | 抗菌肽序列及其结构功能特征 | 自然语言处理、机器学习 | 癌症（精准肿瘤学） | 蛋白质语言模型（ProtTrans-T5、UniRep、ESM-2）、PsePSSM-DCT进化描述符 | 生成对抗网络、胶囊网络、双向时序卷积神经网络 | 氨基酸序列数据 | 未明确样本数量，但涉及交叉验证和独立测试集 | NA | GAN, CapsNet, BiTCNN | 准确率、马修斯相关系数 | NA |
| 3095 | 2026-05-03 |
Automated detection and segmentation of Weiss ring in fundus photography images using deep learning
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44593-3
PMID:41845023
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3096 | 2026-05-03 |
A lightweight deep learning architecture for automatic shrimp disease classification
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44195-z
PMID:41845002
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3097 | 2026-05-03 |
DeepStrataAge: an interpretable deep-learning clock that reveals stage- and sex-divergent DNA methylation aging dynamics
2026-Mar-13, npj aging
IF:4.1Q2
DOI:10.1038/s41514-026-00358-w
PMID:41826374
|
研究论文 | 开发了一种名为DeepStrataAge的可解释深度学习时钟，用于揭示阶段和性别差异的DNA甲基化衰老动态 | 通过SHAP解释性方法首次揭示了性别特异的阶段性衰老动态，包括早期发育、中年过渡和晚期重塑等波状变化，并实现了高准确度与机制可解释性的统一 | NA | 探索DNA甲基化衰老的非线性动态和CpG相互作用，并揭示性别特异的衰老阶段 | 基于Illumina EPIC v1.0和v2.0阵列的29,167个样本 | 机器学习 | 衰老相关疾病（心血管疾病、阿尔茨海默病、癌症） | DNA甲基化测序（Illumina EPIC阵列） | 深度神经网络（DNN） | DNA甲基化数据 | 29,167个样本 | PyTorch（推断） | 深度神经网络 | 准确度（1.89年误差） | NA |
| 3098 | 2026-05-03 |
Alterations in Retinal Vasculometry After Acute Primary Angle Closure Episode: A Comparative Analysis
2026-Mar-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.3.26
PMID:41879421
|
研究论文 | 评估急性原发性闭角型青光眼发作后成功治疗的视网膜血管测量学改变与未受累对侧眼的比较 | 使用深度学习分析急性原发性闭角型青光眼发作后视网膜血管参数变化，并发现与眼压控制无关的独立血管测量学改变 | 横断面设计，缺乏纵向数据以确定这些改变是否导致青光眼性视神经病变 | 评估急性原发性闭角型青光眼发作后视网膜血管测量学改变 | 单侧急性原发性闭角型青光眼患者 | 医疗影像 | 急性原发性闭角型青光眼 | 眼底摄影 | 深度学习模型 | 视网膜图像 | 116名单侧急性原发性闭角型青光眼患者 | NA | NA | NA | NA |
| 3099 | 2026-05-03 |
A deep convolutional neural network trained for lightness constancy is susceptible to lightness illusions
2026-Mar-02, Journal of vision
IF:2.0Q2
DOI:10.1167/jov.26.3.14
PMID:41879245
|
研究论文 | 训练深度卷积神经网络以实现光照恒常性，并评估其对经典亮度错觉的敏感性 | 首次将深度卷积神经网络作为人类亮度感知的规范性模型，通过系统测试多种经典亮度错觉来评估网络表现，并与人类行为实验及经典模型进行对比 | 网络在White错觉和棋盘错觉上未能预测人类感知，且仅使用灰度渲染图像，可能限制其泛化能力 | 评估深度卷积神经网络作为人类亮度感知新模型的可能性，并验证其是否受到经典亮度错觉的影响 | 深度卷积神经网络输出与人类观测者亮度匹配实验的对比 | 计算机视觉 | NA | NA | CNN | 灰度渲染图像 | 包括菱形错觉、Koffka错觉、蛇形错觉、同时对比错觉、White错觉和棋盘错觉等几种错觉图及其控制图 | Pytorch | CNN | 反射率估计准确性 | NA |
| 3100 | 2026-05-03 |
Privacy-Preserving Latent Diffusion-Based Synthetic Medical Image Generation
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618511
PMID:41052162
|
研究论文 | 提出一种基于潜在扩散的隐私保护合成医学图像生成方法 | 在潜在扩散模型中嵌入隐私保护机制，能够在不牺牲患者隐私的前提下生成高质量的合成医学图像 | 未在文中明确提及模型局限性 | 开发一种隐私保护的潜在扩散方法，用于合成医学图像数据，以支持深度学习模型的训练 | 公开可用的CT、MRI和PET医学图像数据集 | 医学图像生成 | NA | 潜在扩散模型 | 扩散模型 | 图像 | NA | NA | 潜在扩散模型 | 图像质量 | NA |