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 44481 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2026-05-25 |
Heterogeneous neural blind deconvolution: A signal processing-empowered foundation feature extractor for bearing fault diagnosis
2026-May-19, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109143
PMID:42176664
|
研究论文 | 提出一种基于信号处理与异构神经网络结合的盲反卷积方法，作为轴承故障诊断的通用特征提取器 | 首次结合线性和二次神经元构建异构神经网络，证明其逼近多项式的高效性；设计双时域盲反卷积分支与频域模块融合的特征提取架构 | 未说明 | 开发一种通用特征提取器，适用于噪声干扰、跨域迁移和边缘设备部署等多种下游故障诊断任务 | 轴承故障诊断任务 | 机器学习 | NA | 盲反卷积 | 异构神经网络 | 振动信号 | 未说明 | NA | 异构盲反卷积 | 准确率、可解释性 | NA |
| 302 | 2026-05-25 |
DeepECG.ai: An AI-enhanced ECG analysis platform to bridge the expertise gap from primary care to cardiology
2026-May-16, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 开发了一个名为DeepECG.ai的AI增强型心电图分析平台，旨在弥合从初级保健到心脏病学的专业知识差距 | 提供了一个统一的平台，用于系统评估深度学习模型在真实临床环境中的表现，包括介入上下文、工作流集成和鲁棒性，超越了常规的准确性指标 | 平台依赖现有的临床心电图系统集成，且两个临床验证试验仍在进行中，长期效果和患者结局尚待评估 | 通过集成AI模型和临床工作流，实现心电图分析的标准化和决策支持 | 12导联心电图数据以及临床医生和患者的交互反馈 | 数字病理学 | 心血管疾病 | 心电图分析 | 深度学习模型 | 心电图信号数据 | HEART-AI研究中3个月内分析29,211份心电图，285名患者参与 | NA | NA | 推理时间（每份心电图小于1秒） | 基于网页的安全平台 |
| 303 | 2026-05-25 |
PyramidPat explainable feature engineering for multiclass electroencephalography psychiatric disorders: Explainable feature engineering and classification
2026-May-15, Psychiatry research
IF:4.2Q1
DOI:10.1016/j.psychres.2026.117227
PMID:42176366
|
研究论文 | 提出一种名为PyramidPat的可解释特征工程架构，用于多类脑电图精神障碍分类 | 引入PyramidPat变换特征提取器，结合INCA特征选择、tkNN分类器和DLob解释方法，生成基于脑叶和通道的可读句子，实现高精度可解释分类 | 未提及在更大数据集或不同采集条件下的验证，可能限制泛化能力 | 开发一个可解释的特征工程方法，用于多类EEG精神障碍的分类和解释 | 六类EEG精神障碍数据集，包含多个受试者 | 机器学习 | 精神障碍 | 脑电图（EEG） | tkNN（迭代集成k近邻） | 信号 | 六类EEG精神障碍数据集，具体样本数未提及 | NA | PyramidPat, INCA, tkNN, DLob | 准确率 | NA |
| 304 | 2026-05-25 |
CardioRadNet: Cardiac mass diagnosis through integrated segmentation and radiomic analysis
2026-May-15, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109448
PMID:42176411
|
研究论文 | 提出CardioRadNet，一种结合深度学习分割和影像组学分析的心脏肿块诊断框架 | 首个整合深度学习分割与影像组学的无对比剂心脏MR诊断框架，覆盖心脏肿块全谱系（良性与恶性），并采用半自动分割方法提升临床适用性 | 未明确提及局限性 | 设计一种无需对比剂、准确的心脏肿块综合分类框架，支持早期风险分层和临床决策 | 心脏肿块（良性/恶性） | 医学影像分析 | 心脏肿块 | MRI（无对比剂T1加权心脏MR） | 深度学习分割网络（基于点导向） | MRI图像 | 127例病理确诊的心脏肿块患者（62例恶性，65例良性） | NA | 深度学习分割网络（点导向），影像组学模型 | Dice系数，组内相关系数（ICC），平衡准确率，误分类数 | NA |
| 305 | 2026-05-25 |
SPIRAL: A probabilistic deep learning framework for Chinese liquor (Baijiu) classification via near-infrared hyperspectral imaging
2026-May-14, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2026.149583
PMID:42176475
|
研究论文 | 提出一种结合近红外高光谱成像与SPIRAL概率深度学习框架的方法，用于快速无损分析中国白酒的酒精含量、香气类型和品牌 | 首次将自适应方差学习用于建模白酒复杂化学矩阵引起的光谱不确定性，并构建了包含49种白酒、1000张高光谱图像的基准数据集 | 未明确说明算法在工业实时部署中的计算开销，以及其他类型酒精饮料的泛化能力 | 实现白酒质量参数的快速无损分类以支持工业品质控制 | 中国白酒的酒精含量、香气类型和品牌 | 计算机视觉 | NA | 近红外高光谱成像 | 概率深度学习模型 | 高光谱图像 | 1000张高光谱图像，涵盖49种白酒、9个酒精含量等级、5种香气类型和30多个品牌 | PyTorch | SPIRAL | F1分数 | NA |
| 306 | 2026-05-25 |
Artificial intelligence-enhanced ultrasound multimodal imaging and tissue characterization for predicting immunotherapy efficacy in rectal cancer
2026-May-14, Tissue & cell
IF:2.7Q3
DOI:10.1016/j.tice.2026.103613
PMID:42176680
|
综述 | 综合评述人工智能增强超声多模态成像在预测直肠癌免疫治疗疗效中的应用 | 系统整合免疫生物学-超声-人工智能的跨学科框架，提出可解释人工智能、联邦学习、可穿戴超声贴片和多模态放射基因组学等未来方向 | 操作者间差异、设备异质性导致跨平台性能下降、超声-放射基因组学整合有限以及临床转化尚处于初期 | 评估人工智能增强超声多模态成像在预测直肠癌免疫治疗疗效中的现状与未来方向 | 直肠癌患者的肿瘤微环境动态变化及其免疫治疗反应 | 机器学习 | 直肠癌 | 多模态超声成像（包括腔内超声、超声造影、剪切波弹性成像、多普勒超声、光声成像） | 深度学习、放射组学 | 图像 | NA | NA | NA | 诊断准确性 | NA |
| 307 | 2026-05-25 |
Multimodal Prediction of Periodontitis Using Root Exposure in Intraoral Images and Age
2026-May-12, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109617
PMID:42119243
|
研究论文 | 开发基于口腔照片的根暴露量量化深度学习流程，并结合年龄构建多模态牙周炎预测模型 | 首次利用YOLOv11分割模型从口腔照片中量化牙根暴露面积，并提取暴露根比（ERR）作为可解释性生物标志物，结合年龄等传统风险因素提升牙周炎预测性能 | 样本量较小（269名参与者），仅聚焦下颌前牙区，且未涉及其他潜在风险因素 | 评估基于AI的根暴露量化指标在牙周炎多模态风险预测中的价值 | 下颌前牙区口腔照片及参与者年龄、自报数据 | 计算机视觉, 机器学习 | 牙周炎 | 口腔摄影 | YOLOv11分割模型, 逻辑回归, 支持向量机, 随机森林, 梯度提升 | 图像, 表格数据 | 269名参与者 | PyTorch, Scikit-learn | YOLOv11 | 平均精度均值 (mAP@0.5), Dice系数, AUROC | NA |
| 308 | 2026-05-25 |
Comprehensive evaluation of cross cancer generalization in histopathology segmentation models across 21 tumor types
2026-May-05, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01601-x
PMID:42086725
|
研究论文 | 评估五种组织分割模型在21种癌症类型中的跨肿瘤泛化能力 | 系统评估了跨癌症分割模型的泛化性能，提出泛癌分割模型的可行性 | 基于半定量评分（0-10）可能引入主观偏差，且仅评估了五种组织来源的模型 | 探索已有分割模型在不同癌症类型间的泛化能力，减少开发特定癌症模型的需求 | 来自TCGA的21种癌症类型的7700+张全切片图像 | 数字病理学 | 多种癌症（肺癌、乳腺癌、结肠癌、肾癌、前列腺癌等21种） | 组织病理学图像分析 | 分割模型（具体架构未明确） | 图像（全切片图像） | 21种癌症类型，总计超过7700张全切片图像 | NA | NA | 半定量评分（0-10） | NA |
| 309 | 2026-05-25 |
Learning with less: A survey of deep learning in medical imaging under varying supervision levels
2026-05, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103375
PMID:41702310
|
综述 | 系统综述了医学图像分析中在不同监督水平下的深度学习方法 | 根据不同监督水平对方法进行系统分类，包括无监督、不精确监督、不完整监督、不准确监督和有限监督，并进一步细分子类别 | 未明确讨论不同监督方法的局限性及实际应用中的挑战 | 总结不同监督水平下深度学习方法在医学图像分析中的应用，并探索未来研究方向 | 医学图像分析中的深度学习模型 | 计算机视觉 | 不适用 | 不适用 | 不适用 | 医学图像 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 310 | 2026-05-25 |
A Character-level Convolutional Recurrent Interaction Network for joint traditional Chinese medicine clinical named entity recognition and relation extraction
2026-05, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103372
PMID:41707487
|
研究论文 | 提出一种字符级卷积循环交互网络，用于中医电子病历的命名实体识别和关系联合抽取 | 首次将中医四诊维度作为关系类型融入联合抽取框架，并利用字符级卷积和自注意机制捕获古汉语语义特征 | 未明确讨论模型在低资源场景下的泛化能力或对中医古籍文本的适用性 | 实现中医电子病历中实体与四诊维度关系的联合识别与抽取 | 中医电子病历中的临床实体（部位、症状属性）及其与四诊维度的关联关系 | 自然语言处理 | NA | NA | 卷积循环交互网络 | 文本 | NYT数据集和TCM-cases数据集（具体样本量未提及） | NA | CCRIN（字符级卷积循环交互网络） | NA | NA |
| 311 | 2026-05-25 |
GFASNet: Gait feature attention-driven deep sequential network for dementia-related gait pattern analysis
2026-05, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103377
PMID:41713110
|
研究论文 | 本文提出GFASNet，一种步态特征注意力驱动的深度序列网络，用于识别与痴呆相关的步态模式 | 将特征级注意力机制融入序列深度学习架构，提高模型可解释性，并量化单个步态参数的相对贡献 | 未提及具体局限性 | 识别与痴呆相关的步态改变，并通过注意力机制提供候选数字生物标志物 | 232名参与者的时空步态数据 | 机器学习 | 痴呆症 | NA | 长短期记忆网络、双向长短期记忆网络、门控循环单元、双向门控循环单元 | 步态序列数据 | 232名参与者 | NA | 长短期记忆网络、双向长短期记忆网络、门控循环单元、双向门控循环单元 | 分类性能（具体指标未明确） | NA |
| 312 | 2026-04-05 |
SoleFusion-Net: an explainable multimodal deep learning framework for diabetic foot syndrome classification in type II diabetes mellitus
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42207-6
PMID:41932959
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 313 | 2026-05-25 |
Single-channel EEG-based seizure prediction using deep learning
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44670-7
PMID:41932974
|
研究论文 | 利用单通道脑电图和深度学习模型实现癫痫发作预测 | 首次证明单通道脑电图可在临床有意义的时间窗内实现可靠的癫痫发作预测，且模型极轻量（37,985参数）可部署于可穿戴设备 | 未提及 | 开发一种仅使用单通道脑电图的超轻量深度学习模型，用于癫痫发作预测 | 癫痫患者的单通道脑电图信号 | 机器学习 | 癫痫 | NA | CNN | 脑电图信号 | SNUH和CHB-MIT两个数据集 | NA | MobileNet | 准确率、假阳性率、敏感性 | NA |
| 314 | 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 |
| 315 | 2026-05-25 |
Enhancing lung diseases recognition through CNN-RNN methodologies
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45842-1
PMID:41927724
|
研究论文 | 提出一种基于CNN-RNN的肺部疾病识别方法，利用胸部X光图像对肺炎和结核病进行高精度分类 | 结合卷积神经网络与循环神经网络，并集成可解释人工智能，通过多层特征组合与依赖关系计算提升分类准确性 | 未提及模型在外部独立数据集上的验证结果，且计算资源消耗细节不明确 | 提高从胸部X光图像中识别肺部疾病的诊断准确性 | 胸部X光图像中的肺部异常，包括肺炎和结核病 | 计算机视觉, 数字病理学 | 肺部疾病（肺炎、结核病） | X射线成像 | 卷积神经网络-循环神经网络 | 图像（胸部X光） | 公开数据集中的全部样本 | PyTorch | C-RNet（结合CNN与RNN的自定义架构） | 准确率, F1分数, 浮点运算次数, 参数量, 模型大小 | NA |
| 316 | 2026-05-25 |
Emotion-driven front-end design of NEVs using an improved LSTM with LDA-based emotion mining
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45602-1
PMID:41927764
|
研究论文 | 提出一种结合语义挖掘与深度学习的数据驱动框架，用于量化并优化用户对新能源汽车前脸造型的情感偏好 | 首次将LDA情感挖掘与GA优化注意力增强LSTM结合，通过粗糙集降维构建抽象情感与具体造型特征的映射 | 依赖用户生成内容的质量和多样性，LDA主题数量选择可能影响情感维度提取的精准度 | 建立用户情感偏好与汽车前脸设计特征之间的量化关联，为新能源汽车提供情感导向的设计支持工具 | 新能源汽车前脸造型设计与用户情感评价的对应关系 | 机器学习, 自然语言处理 | NA | LDA主题模型, 粗糙集理论, 遗传算法 | 注意力增强LSTM | 用户生成文本, 设计特征数据 | 未在标题和摘要中明确提及样本数量 | NA | LSTM, 注意力机制 | 情感预测准确率（具体指标未在摘要中详述） | 未在标题和摘要中提及 |
| 317 | 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 |
| 318 | 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 |
| 319 | 2026-04-04 |
A hybrid deep learning model for robust and efficient plant leaf disease detection using ResNet50, PCA, and SVM
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46085-w
PMID:41927866
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 320 | 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 |