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 42805 篇文献，本页显示第 3481 - 3500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3481 | 2026-02-23 |
MoistureVision: Rapid non-destructive prediction of cotton seed moisture using hyperspectral imaging and machine learning
2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127511
PMID:41616672
|
研究论文 | 本研究开发了一种基于高光谱成像和机器学习的棉花种子水分含量快速无损预测方法 | 结合高光谱成像与机器学习，实现了棉花种子水分含量的像素级预测和空间分布可视化 | 研究仅使用了单一品种（Jinken 1161）的棉花种子，样本量有限 | 快速、无损、准确地预测棉花种子水分含量，以评估种子活力和提高储存能力 | 棉花种子（品种：Jinken 1161） | 机器视觉 | NA | 高光谱成像 | CNN, LSTM, 传统机器学习模型 | 高光谱图像 | 未明确具体数量，但提及当前样本量有限 | 未明确指定，可能涉及多种机器学习库 | 卷积神经网络，长短期记忆网络，偏最小二乘回归，多元线性回归 | 预测相关系数（R2 p），预测均方根误差，残差预测偏差 | NA |
| 3482 | 2026-02-23 |
Qualitative identification of Bombyx batryticatus and its counterfeits using hyperspectral imaging and deep learning
2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127526
PMID:41628526
|
研究论文 | 本研究提出了一种结合高光谱成像与深度学习技术，用于高效、无损地鉴别中药材僵蚕及其伪品的方法 | 提出了一种改进的ResNeXt50-KS模型，集成了空间与通道协同注意力模块和Kolmogorov-Arnold网络；并利用生成对抗网络增强光谱数据，构建一维卷积神经网络进行特征自动提取，实现了真伪鉴别和产地分类的双重任务 | 未明确提及模型在其他中药材或更广泛样本上的泛化能力，以及实际市场部署的可行性 | 开发一种快速、无损的方法，用于中药材僵蚕的真伪鉴别和产地分类，以支持中药材质量控制和市场监管 | 中药材僵蚕及其经硼砂处理的伪品 | 计算机视觉 | NA | 高光谱成像 | CNN, GAN | 图像, 光谱数据 | NA | NA | ResNeXt50, 一维卷积神经网络 | 准确率 | NA |
| 3483 | 2026-02-23 |
Exploring the feature prioritization and data sampling of PCOS diagnosis via densely connected attention based squeeze deep learning detection model
2026-Apr, The Journal of steroid biochemistry and molecular biology
IF:2.7Q3
DOI:10.1016/j.jsbmb.2025.106933
PMID:41482077
|
研究论文 | 本文提出了一种结合特征优先级和数据采样的混合方法，用于提高多囊卵巢综合征（PCOS）的诊断准确性 | 提出了一种统一流程，同时解决PCOS检测中的三大挑战：数据集不平衡（SMOTE-ENN）、特征冗余（GS2TM）和过拟合（基于注意力的DASCD），实现了高准确性和增强的可解释性 | NA | 开发一个稳健的PCOS检测模型，通过有效的特征优先级处理数据平衡问题 | 多囊卵巢综合征（PCOS）的诊断 | 机器学习 | 多囊卵巢综合征 | NA | 深度学习模型 | 表格数据 | NA | NA | 密集连接注意力挤压卷积检测模型（DASCD） | 准确率 | NA |
| 3484 | 2026-02-23 |
Total-body [18F]FDG-PET/CT imaging of healthy volunteers with minimal effective dose
2026-Mar, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07644-x
PMID:41251746
|
研究论文 | 本研究探索了结合全身PET与深度学习生成的衰减图，以最小化健康受试者在[18F]FDG-PET/CT成像中的有效剂量 | 结合高灵敏度全身PET成像与深度学习生成的合成CT衰减图，实现极低放射性注射剂量下的可靠器官定量分析 | 研究仅针对健康高加索人群，未涵盖不同种族或疾病状态；模拟的低剂量数据基于原始数据下采样，可能未完全反映真实低剂量采集情况 | 开发最小化辐射暴露的全身PET/CT成像协议 | 47名健康高加索志愿者（25名女性/22名男性） | 医学影像 | NA | 全身正电子发射断层扫描/计算机断层扫描（TB-PET/CT），[18F]氟代脱氧葡萄糖（[18F]FDG）成像 | 深度学习模型 | PET原始数据，CT图像 | 47名健康志愿者 | NA | NA | 标准化摄取值（SUVbw），变异系数（CV），百分比差异 | NA |
| 3485 | 2026-02-23 |
Low-count whole-body PET denoising with deep learning in a multicenter, multi-tracer and externally validated study
2026-Mar, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07672-7
PMID:41261209
|
研究论文 | 本研究通过多中心、多示踪剂及外部验证的方式，评估了基于深度学习的PET去噪软件NUCLARITY在低计数扫描中的性能，旨在降低示踪剂剂量或扫描时间 | 首次在欧洲临床环境中，针对多种示踪剂和未见过的扫描仪技术，进行了盲法、多中心的PET去噪算法读者研究 | 研究仅基于模拟的50%低计数扫描，且未涵盖所有可能的示踪剂或扫描仪类型，临床验证范围仍有局限 | 评估深度学习去噪算法在低计数全身PET扫描中的临床适用性，以提升PET的可及性并降低辐射负担 | 来自三家欧洲医院的65次PET扫描数据，涉及[18F]FDG、[18F]PSMA、[68Ga]PSMA和[68Ga]DOTATATE示踪剂，使用GE和Siemens系统 | 数字病理学 | NA | PET成像，深度学习去噪 | 深度学习 | 图像 | 65次扫描，包含243个病灶 | NA | NA | RMSE, PSNR, SSIM, SUVmean, SUVmax, MTV, 敏感性, 特异性, 一致性相关系数(CCC) | NA |
| 3486 | 2026-02-23 |
Energy-driven innovations in computational de novo protein engineering
2026-Mar, Progress in biophysics and molecular biology
DOI:10.1016/j.pbiomolbio.2026.01.005
PMID:41570866
|
综述 | 本文综述了计算从头蛋白质工程中能量模型的创新应用，旨在设计具有定制功能的新型蛋白质 | 整合了经典力场、量子力学方法和人工智能驱动的预测，提出了基于物理和数据驱动的协同策略路线图，以推动治疗和工业蛋白质设计 | NA | 通过能量模型驱动计算从头蛋白质工程，设计具有定制功能的新型蛋白质，应用于生物技术、医学和合成生物学 | 蛋白质 | 机器学习 | NA | 分子动力学、热力学积分、蒙特卡洛采样 | NA | NA | NA | NA | NA | 准确性、成本、通量 | NA |
| 3487 | 2026-02-23 |
Prospective evaluation of artificial intelligence (AI) in lumbar spine magnetic resonance imaging (MRI) workflow: from deep learning (DL)-enhanced accelerated acquisition to simultaneous vision-language model (VLM)-based automated report generation
2026-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112695
PMID:41579672
|
研究论文 | 本研究前瞻性评估了AI在腰椎MRI工作流程中的应用，包括深度学习加速采集和视觉语言模型自动报告生成 | 首次将深度学习加速MRI采集与视觉语言模型自动报告生成结合，在腰椎MRI中实现从采集到解释的全流程AI集成 | 样本量较小（70例患者），仅在两所机构进行，需要更大规模的多中心研究验证 | 评估AI在腰椎MRI工作流程中的临床可行性，包括加速采集和自动报告生成 | 腰椎MRI图像及相应的病理发现 | 医学影像分析 | 脊柱疾病 | 磁共振成像 | 深度学习模型, 视觉语言模型 | 医学图像 | 70例患者，共140次MRI扫描 | NA | NA | 信噪比, 对比噪声比, 诊断一致性 | NA |
| 3488 | 2026-02-23 |
Deep learning outperformed radiomics based on MRI in the differentiation of sinonasal small round cell and non-small round cell malignant tumors
2026-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112700
PMID:41604786
|
研究论文 | 本研究比较了基于MRI的深度学习和放射组学模型在区分鼻腔鼻窦小圆细胞恶性肿瘤与非小圆细胞恶性肿瘤中的诊断性能 | 首次系统比较了多种CNN架构与放射组学模型在鼻腔鼻窦恶性肿瘤MRI图像分类任务中的性能，发现基于CE-T1WI序列的ResNet-34模型表现最佳 | 研究为回顾性设计，样本量相对有限（325例），且深度学习模型与放射组学模型在独立测试集上的性能差异未达到统计学显著性 | 评估和比较深度学习和放射组学方法在术前MRI图像上区分鼻腔鼻窦小圆细胞与非小圆细胞恶性肿瘤的诊断能力 | 经病理证实的鼻腔鼻窦恶性肿瘤患者（163例小圆细胞恶性肿瘤和162例非小圆细胞恶性肿瘤） | 计算机视觉 | 鼻腔鼻窦恶性肿瘤 | MRI成像（T1WI、T2WI、CE-T1WI） | CNN | 医学影像（MRI图像） | 325例患者 | NA | ResNet-18, ResNet-34, ResNet-50, VGG13, VGG16 | AUC, 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值 | NA |
| 3489 | 2026-02-23 |
Computational advances in RNA-small molecule binding site prediction
2026-Mar, Progress in biophysics and molecular biology
DOI:10.1016/j.pbiomolbio.2026.02.003
PMID:41654089
|
综述 | 本文综述了RNA-小分子结合位点预测的计算方法进展，包括从早期统计模型到现代机器学习和深度学习框架的演变 | 总结了计算方法从依赖手工描述符的统计模型到整合序列、结构、能量和拓扑信息的多模态机器学习框架的演变，并特别强调了大型语言模型在捕获长程序列依赖性和上下文模式方面的最新应用 | NA | 加速合理的RNA靶向药物发现 | RNA-小分子相互作用 | 计算生物学, 机器学习 | NA | NA | 统计模型, 机器学习, 深度学习, 大型语言模型 | 序列数据, 结构数据, 能量数据, 拓扑数据 | NA | NA | NA | NA | NA |
| 3490 | 2026-02-23 |
Association between cognitive status and structural brain changes in Alzheimer's disease: Clinical implication of lightweight deep learning-aided diagnosis
2026-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112678
PMID:41558396
|
研究论文 | 本研究构建了一个轻量级深度学习模型，用于揭示阿尔茨海默病中认知状态与大脑结构变化之间的关联，并评估其在临床诊断中的实用性 | 通过结合组卷积、全局池化和高效通道注意力机制，设计了一个参数少但性能竞争性的轻量级深度学习模型，并提供了病理可解释的结构变化分析 | 模型基于单一数据库（ADNI）的数据，可能缺乏外部验证，且样本量相对有限 | 构建一个轻量级深度学习模型，用于阿尔茨海默病的诊断，并探索认知状态与大脑结构变化之间的关联 | 阿尔茨海默病患者和年龄匹配的认知正常受试者 | 数字病理学 | 阿尔茨海默病 | T1加权磁共振成像 | CNN | 图像 | 418名AD患者和418名年龄匹配的认知正常受试者 | NA | NA | 准确率 | NA |
| 3491 | 2026-02-23 |
Enhanced YOLO-based framework and benchmarking for automated Plasmodium vivax detection
2026-Feb-19, Parasitology research
IF:1.8Q2
DOI:10.1007/s00436-026-08642-0
PMID:41709048
|
研究论文 | 本研究提出了一种基于改进YOLO框架的自动化检测方法，用于在厚血涂片图像中精确识别间日疟原虫 | 提出了一种结合YOLOv3与改进的MobileNetV2主干网络，并引入具有多尺度纹理敏感性的转换卷积层（TCL）的新型深度学习框架 | 研究主要针对间日疟原虫（P. vivax），未涵盖所有疟原虫种类；模型性能在低寄生虫密度下的表现未详细讨论 | 开发一种鲁棒、可扩展且可解释的自动化诊断框架，用于早期疟疾检测和改善疾病管理 | 间日疟原虫（Plasmodium vivax） | 计算机视觉 | 疟疾 | 厚血涂片显微成像 | CNN, 目标检测 | 图像 | NA | PyTorch（基于YOLO系列推断） | YOLOv3, YOLOv4, YOLOv5, YOLOv8, MobileNetV2 | 精确度, 准确率, F1分数, 召回率, 平均精度均值（mAP） | NA |
| 3492 | 2026-02-23 |
The consensus molecular subtypes of esophageal squamous cell carcinoma
2026-Feb-19, Signal transduction and targeted therapy
IF:40.8Q1
DOI:10.1038/s41392-026-02577-9
PMID:41714596
|
研究论文 | 本研究通过基于网络的方法整合了八个现有分类系统，定义了食管鳞状细胞癌的四种共识分子亚型，并开发了基于深度学习的图像分类框架imECMS，用于从H&E染色全切片图像中准确分类亚型 | 首次建立了食管鳞状细胞癌的共识分子亚型分类系统，并创新性地开发了基于组织病理学图像的深度学习分类框架imECMS，实现了从分子到图像的多模态精准分型 | 研究未明确说明样本的种族或地域分布代表性，且深度学习模型的泛化能力需在更广泛的外部数据集中进一步验证 | 为食管鳞状细胞癌建立一个标准化的分子亚型分类系统，以促进精准治疗和临床分层 | 食管鳞状细胞癌患者及其组织样本 | 数字病理学 | 食管鳞状细胞癌 | 深度学习算法，基于苏木精-伊红染色的全切片图像分析 | 深度学习模型 | 组织病理学图像 | 多个独立队列的样本，具体数量未在摘要中明确 | NA | NA | NA | NA |
| 3493 | 2026-02-23 |
SCMO: a deep learning model integrating the single-cell resolution TME ecosystem and multi-omics for survival prediction in CRC patients
2026-Feb-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07417-y
PMID:41715092
|
研究论文 | 本研究开发了一个名为SCMO的深度学习模型，通过整合单细胞分辨率的肿瘤微环境生态系统和多组学数据，用于结直肠癌患者的生存预测 | 首次将单细胞RNA测序构建的结直肠癌特异性肿瘤微环境图谱与多组学数据通过自归一化神经网络整合，用于生存预测，并利用集成梯度算法增强模型可解释性，同时识别出TRAP1作为潜在药物靶点 | 模型在测试集上1年预测的AUC相对较低（0.639），且样本量（213个单细胞样本）可能限制泛化能力 | 提高结直肠癌患者生存预测的准确性和可解释性，以指导临床决策 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 单细胞RNA测序, 批量RNA测序, 空间转录组学 | 自归一化神经网络 | 单细胞RNA测序数据, 批量RNA测序数据, 临床数据, 基因组数据, 转录组数据, 微生物数据 | 213个结直肠癌单细胞RNA测序样本（共339,060个细胞），以及来自TCGA-CRC队列的批量RNA测序数据 | NA | 自归一化神经网络 | 一致性指数, 曲线下面积 | NA |
| 3494 | 2026-02-23 |
Different BI-RADS breast cancer diagnosis using MobileNetV1 and vision transformer based on explainable artificial intelligence (XAI)
2026-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37199-2
PMID:41702964
|
研究论文 | 本文提出了一种结合MobileNetV1和Vision Transformer的混合深度学习框架，用于基于BI-RADS分类的乳腺癌多类别诊断 | 通过双流结构融合轻量级CNN（MobileNetV1）和Vision Transformer，结合特征级融合和基于Bagging的逻辑回归分类器，并应用可解释人工智能技术提供可视化解释 | 使用的公开数据集存在类别不平衡问题，且未明确说明模型在其他数据集上的泛化能力 | 开发精确、有效且可解释的计算机辅助诊断系统，用于乳腺癌的BI-RADS多类别分类 | 乳腺X线摄影图像（包括CC和MLO视图），按BI-RADS分类方案组织 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN, Transformer | 图像 | 使用公开的King Abdulaziz University BC Mammogram Dataset (KAUBC)，具体样本数量未明确说明 | 未明确说明，可能为TensorFlow或PyTorch | MobileNetV1, Vision Transformer (ViT) | 准确率(ACC), 灵敏度(SEN), 特异性(SPE) | 未明确说明 |
| 3495 | 2026-02-23 |
RGTFormer: Predicting mutation-associated multi-drug resistance in Mycobacterium tuberculosis using a categorical gated transformer and relational graph convolutional network
2026-Feb-17, Computational biology and chemistry
IF:2.6Q2
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3496 | 2026-02-23 |
Machine learning models for predicting delayed cerebral ischemia following ruptured intracranial aneurysms: A systematic review and meta-analysis
2026-Feb-15, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association
|
系统综述与荟萃分析 | 本文系统回顾和荟萃分析了机器学习模型在预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血中的应用 | 首次对机器学习模型预测迟发性脑缺血进行系统综述和荟萃分析，比较了不同算法家族和数据集的性能 | 外部验证稀缺，深度学习模型存在较大过拟合问题 | 评估机器学习模型在预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血中的预测性能 | 动脉瘤性蛛网膜下腔出血患者 | 机器学习 | 脑血管疾病 | NA | 随机森林, XGBoost, 逻辑回归, 深度学习模型 | 临床数据 | 约10,000名患者 | NA | NA | AUC, 敏感性, 特异性 | NA |
| 3497 | 2026-02-23 |
A Deep Learning Approach for Classifying Benign, Malignant, and Borderline Ovarian Tumors Using Convolutional Neural Networks and Generative Adversarial Networks
2026-Feb-14, Medical sciences (Basel, Switzerland)
DOI:10.3390/medsci14010089
PMID:41718136
|
研究论文 | 本研究开发了一种结合卷积神经网络和生成对抗网络的深度学习模型，用于基于超声图像对卵巢肿瘤进行良恶性及交界性分类 | 利用深度卷积生成对抗网络生成合成图像以解决交界性卵巢肿瘤数据稀缺导致的类别不平衡问题，并构建了集成VGG16、ResNet50和InceptionNetV3架构的三分类模型 | 研究为回顾性分析，样本量有限，特别是交界性卵巢肿瘤病例较少，且模型性能需在前瞻性临床环境中进一步验证 | 开发一种人工智能辅助工具，以提高卵巢肿瘤术前超声评估的准确性，特别是针对交界性肿瘤的鉴别诊断 | 卵巢肿瘤的超声图像 | 计算机视觉 | 卵巢癌 | 超声成像 | CNN, GAN | 图像 | 636个卵巢肿块（共3816张超声图像），包括390个良性病变、202个恶性肿瘤和44个交界性肿瘤 | NA | VGG16, ResNet50, InceptionNetV3, DCGAN | F1分数, 准确率, 灵敏度, 特异性, AUC | NA |
| 3498 | 2026-02-23 |
Mapping Eye-Tracking Research in Human-Computer Interaction: A Science-Mapping and Content-Analysis Study
2026-Feb-12, Journal of eye movement research
IF:1.3Q3
DOI:10.3390/jemr19010023
PMID:41718383
|
综述 | 本研究通过文献计量网络分析和定性内容分析，对2020年至2025年间人机交互领域的眼动追踪研究进行了全面梳理和概述 | 首次结合Web of Science和Scopus数据库，对近期人机交互领域的眼动追踪研究进行大规模文献计量与内容分析，识别出四大研究主轴 | 分析范围限定于2020-2025年的出版物，可能未涵盖更早期的关键研究；定性分析仅基于被引次数最高的50篇论文 | 为人机交互领域的眼动追踪研究提供全面、最新的概览，识别研究趋势、空白和未来方向 | 1033篇关于人机交互中眼动追踪的出版物（期刊文章和会议论文） | 人机交互 | NA | 眼动追踪，AI驱动的注视分析 | 深度学习模型 | 文献元数据（标题、摘要、关键词、引用信息） | 1033篇出版物，并对其中被引次数最高的50篇进行内容分析 | VOSviewer | NA | h指数，平均作者数 | NA |
| 3499 | 2026-02-11 |
Predicting suicidal and self-harm ideation using ecological momentary assessment: deep learning analysis in a general population sample
2026-Feb-10, BMC psychiatry
IF:3.4Q2
DOI:10.1186/s12888-026-07815-6
PMID:41664026
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3500 | 2026-02-23 |
A novel deep learning model for automated diagnosis of oral squamous cell carcinoma and related leukoplakia in pathological images
2026-Feb-10, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2026.102743
PMID:41679647
|
研究论文 | 本研究提出了一种基于改进RegNet架构的新型深度学习模型RRGNet，用于口腔鳞状细胞癌及相关白斑病理图像的自动诊断 | 通过引入Ghost模块和残差通道注意力模块，并结合标签平滑、Mixup数据增强和SWALR学习率调整策略，显著优化了特征提取效率和计算成本 | 模型通用性需在多中心数据上进一步验证，尚未开发实际应用系统 | 开发自动、准确的口腔鳞状细胞癌辅助诊断工具 | 口腔鳞状细胞癌病理图像及相关白斑病变 | 数字病理学 | 口腔鳞状细胞癌 | 病理切片分析 | 深度学习模型 | 病理图像 | 包含OSCC和两种白斑病变的三分类数据集 | NA | RRGNet, RegNet, GhostNet, HRNet, ResNet50, ViT | 准确率, AUC | NA |