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 3841 - 3860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3841 | 2026-02-19 |
Automatic Bi-Atrial Segmentation and Biomarker Extraction from Late Gadolinium-Enhanced MRI Using Deep Learning
2025-Jun-10, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2025.127335
PMID:41693757
|
研究论文 | 本文提出了一种名为biAtriaNet的深度学习流程，用于从晚期钆增强磁共振成像中自动分割左右心房并提取心房纤维化、心房壁厚度和心房腔直径及体积等生物标志物，以支持针对心房颤动的靶向消融治疗 | 开发了首个能够同时自动分割左右心房并从LGE-MRI中提取多种关键生物标志物的深度学习流程，解决了现有方法仅关注左心房且缺乏稳健分割的局限性 | 研究主要基于特定数据集（英国生物银行和犹他大学患者），尽管在独立测试集上表现良好，但样本多样性和泛化能力仍需在更广泛人群中进一步验证 | 开发一种自动化工具，用于从LGE-MRI中准确分割心房结构并提取生物标志物，以改善心房颤动的患者特异性治疗策略 | 心房颤动患者的心房结构，包括左心房和右心房的解剖形态、纤维化程度、心房壁厚度以及心房腔的直径和体积 | 数字病理学 | 心血管疾病 | 晚期钆增强磁共振成像 | CNN | 图像 | 训练和验证集包括4860名英国生物银行参与者的2D cine-MRI和60名犹他大学心房颤动患者的3D LGE-MRI，独立测试集包括11例新西兰怀卡托医院的3D LGE-MRI | NA | U-Net | Dice分数, 准确率, Kolmogorov-Smirnov相关性 | NA |
| 3842 | 2026-02-19 |
A Deep Neural Network Framework for the Detection of Bacterial Diseases from Chest X-Ray Scans
2025, Infectious disorders drug targets
|
研究论文 | 本研究开发了一个基于深度神经网络的框架，用于从胸部X光扫描中检测包括COVID-19、肺炎和结核病在内的呼吸系统疾病 | 利用多种DNN学习算法分析X光扫描的颜色、曲线和边缘特征，并采用Adam优化器降低错误率，VGG19模型在准确率上相比其他模型有显著提升 | NA | 开发一个先进的深度学习框架，用于快速检测呼吸系统疾病 | 胸部X光扫描图像 | 计算机视觉 | 肺病 | NA | DNN | 图像 | 1800张胸部X光图像，包括COVID-19、肺炎、结核病和正常病例 | NA | VGG19, AlexNet, GoogleNet, InceptionV3, VGG16 | 准确率, 灵敏度, 特异性, F1分数, 错误率 | NA |
| 3843 | 2026-02-19 |
LeafSightX: an explainable attention-enhanced CNN fusion model for apple leaf disease identification
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1689865
PMID:41693760
|
研究论文 | 提出了一种名为LeafSightX的可解释注意力增强CNN融合模型，用于苹果叶片病害的快速精准识别 | 采用双主干架构（DenseNet201和InceptionV3）结合多头自注意力机制，增强特征表示能力和空间上下文推理，并集成可解释AI技术（Grad-CAM）提高模型透明度 | 模型架构较为复杂 | 开发适用于精准农业的苹果叶片病害识别系统 | 苹果叶片病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN, 注意力机制 | 图像 | 包含田间和实验室图像的五类苹果叶片病害数据集，并在一个额外的独立数据集上进行了验证 | 未明确提及 | DenseNet201, InceptionV3 | 准确率, F1分数, AUC, PR-AUC, Cohen's Kappa | 未明确提及，但模型具备实时推理能力，适合边缘设备部署 |
| 3844 | 2026-02-19 |
Explaining factors influencing students' depression with a deep learning approach
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1684274
PMID:41694756
|
研究论文 | 本研究提出了一种名为GLNet的人工智能算法，通过整合Mamba和卷积层从学生的社会人口学、学术和生活方式信息中提取特征，用于分析学生抑郁的影响因素 | 提出了一种新型的深度学习模型GLNet，该模型创新性地结合了Mamba和卷积层，用于从多维度学生数据中提取特征以分析抑郁相关因素 | 研究基于公开可用的学生抑郁数据集，可能无法完全代表所有学生群体，且模型性能可能受数据质量和样本量的限制 | 准确识别学生抑郁并分析其关键影响因素，以改善学生心理健康 | 学生群体，包括其社会人口学特征、学术表现和生活方式信息 | 机器学习 | 心理健康障碍 | 深度学习 | CNN, Mamba | 结构化数据（包括社会人口学、学术和生活方式信息） | 公开可用的学生抑郁数据集中的样本 | NA | GLNet（整合Mamba和卷积层的自定义架构） | 准确率 | NA |
| 3845 | 2026-02-19 |
PointNeXt-DBSCAN: a hybrid point cloud deep learning framework for multi-stage cotton leaf instance segmentation
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1705564
PMID:41695536
|
研究论文 | 本研究提出了一种结合PointNeXt与DBSCAN的混合点云深度学习框架，用于棉花多生长阶段的叶片实例分割 | 提出了一种两阶段混合框架，先使用PointNeXt网络进行语义分割，再利用密度自适应的DBSCAN聚类进行实例分割，有效缓解了新叶的过分割问题 | 未明确说明框架在极端遮挡或高度密集叶片场景下的性能，也未讨论计算效率或实时处理能力 | 实现棉花点云中器官级别的实例分割，以支持关键表型性状的自动提取 | 棉花植株点云数据，涵盖从幼苗到吐絮期的多个生长阶段 | 计算机视觉 | NA | 多视角图像重建 | 深度学习, 聚类 | 点云 | 1065株棉花植株 | NA | PointNeXt, DBSCAN | mIoU, ARI, 过分割率, 误差率 | NA |
| 3846 | 2026-02-19 |
Vision-language models for zero-shot weed detection and visual reasoning in UAV-based precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1735096
PMID:41695537
|
研究论文 | 本研究评估了六种商用视觉语言模型在无人机农业图像上进行零样本杂草检测和视觉推理的能力 | 首次在无人机农业图像上系统评估商用视觉语言模型的零样本杂草检测与推理能力，并提出了错误探测提示法以量化模型的可解释性和自校正能力 | 研究仅基于大豆田数据，模型在定位和特异性方面存在不足，且部分模型在压力测试中表现出脆弱的推理能力 | 探索视觉语言模型在精准农业中作为低标注杂草管理工具的潜力 | 无人机采集的大豆田图像及地面真实杂草标注框 | 计算机视觉 | NA | 无人机成像，视觉语言模型 | 视觉语言模型 | 图像 | 无人机图像数据集（具体数量未说明） | NA | ChatGPT-4.1, ChatGPT-4o, Gemini Flash 2.5, Gemini Flash Lite 2.5, LLaMA-4 Scout, LLaMA-4 Maverick | 零样本性能，可解释性评分（基础性、特异性、合理性、非幻觉性、可操作性），文本到区域重叠度量 | NA |
| 3847 | 2026-02-19 |
Transfer learning for improving generalizability in predicting soybean maturity date using UAV imagery
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1720819
PMID:41695541
|
研究论文 | 本研究评估了三种迁移学习技术在利用历史数据预测大豆成熟日期模型泛化能力方面的可行性 | 首次将预训练与微调、单源与多源域适应等迁移学习技术应用于基于无人机影像的大豆成熟日期预测，以提升模型在新环境中的泛化性能 | 研究仅基于两个地点的五年试验数据，样本量和环境多样性可能有限，且未考虑其他潜在影响因素如气候变异 | 提高利用无人机影像预测大豆育种品系成熟日期的模型泛化能力，以支持作物育种效率 | 大豆育种品系 | 计算机视觉 | NA | 无人机多光谱成像 | 深度学习模型 | 多光谱图像 | 2018年至2021年在两个地点进行的五个育种试验 | NA | NA | 决定系数R2, 均方根误差 | NA |
| 3848 | 2026-02-19 |
Robust prostate cancer risk stratification from unregistered mpMRI via learned cross-modal correspondence
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1700447
PMID:41696070
|
研究论文 | 本文提出了一种名为CMOT-Fusion的深度学习框架，用于在不进行图像配准的情况下，融合未对齐的多参数MRI序列以进行前列腺癌风险分层 | 开发了CMOT-Fusion框架，通过学习未配准的T2WI和ADC图像之间诊断相关区域的对应关系，实现了无需显式图像配准步骤的鲁棒多模态融合 | 研究为单中心回顾性设计，独立测试队列规模较小，结果应被视为探索性的，需要多中心前瞻性验证 | 开发并验证一种深度学习框架，以克服多参数MRI数据空间未对齐的局限性，实现鲁棒的前列腺癌风险分层 | 300名经病理证实的前列腺癌患者，所有患者均接受了活检前的多参数前列腺MRI检查 | 数字病理学 | 前列腺癌 | 多参数MRI (mpMRI)，包括T2加权成像和表观扩散系数成像 | 深度学习 | 图像 | 300名患者，分为开发队列（n=250）用于5折交叉验证和时间测试队列（n=50）用于独立评估 | NA | CMOT-Fusion (Cross-Modal Optimal Transport Fusion) | AUC | NA |
| 3849 | 2026-02-19 |
Digital health interventions from the humanistic perspective of sports: strategies to promote health for all
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1620031
PMID:41696709
|
研究论文 | 本文提出了一种结合人本主义视角的深度学习框架，用于个性化数字健康干预，以促进全民健康 | 提出了一种融合特征嵌入、残差连接和多头注意力机制的人本主义深度学习架构，能动态优先处理生理重要特征，在个性化运动推荐中实现了预测准确性与公平性的新基准 | NA | 通过个性化数字健康干预策略促进可持续健康，弥补传统模型在个体人口统计学和生理变异性方面的不足 | 个性化运动推荐 | 机器学习 | NA | 深度学习 | 深度学习模型 | 结构化数据（年龄、BMI、性别、运动类型、心率、持续时间等） | NA | NA | 具有特征嵌入、残差连接和多头注意力机制的深度学习架构 | 平均绝对误差（MAE）、准确率、F1分数 | NA |
| 3850 | 2026-02-19 |
Assessing the impact of waterfront trail aesthetics on psychological restoration in urban environments: a deep learning and random forest approach
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1757145
PMID:41696707
|
研究论文 | 本研究采用深度学习与随机森林方法，评估城市滨水步道美学对心理恢复的影响 | 结合深度学习量化景观变量，并采用随机森林与结构方程模型揭示不同护岸类型下景观属性通过美景度中介影响多维心理恢复的特定路径 | 变量重要性解释为预测贡献而非因果机制，研究结果可能受样本量（30个站点）和特定城市环境限制 | 探究城市滨水步道景观属性如何通过美景度影响多维心理恢复（情感、认知、生理、行为），并比较不同护岸类型的差异 | 30个城市滨水步道站点的15个景观变量（F1-F15）及其与美景度和四个恢复性维度的关联 | 机器学习 | NA | 深度学习，随机森林，Spearman相关分析，非参数组比较，结构方程模型 | 随机森林 | 景观变量数据，美景度评分，心理恢复多维评分 | 30个城市滨水步道站点 | NA | NA | 变量重要性（预测贡献），路径系数 | NA |
| 3851 | 2026-02-19 |
Application of artificial intelligence in diagnosis and management of fetal growth disorders: a comprehensive review
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1737391
PMID:41625753
|
综述 | 本文全面回顾了人工智能在胎儿生长障碍（包括生长受限和巨大儿）诊断与管理中的应用 | 系统总结了AI在胎儿生长障碍领域的最新应用，包括自动化生物测量、基于生物标志物和多普勒指数的预测模型，以及直接应用于超声扫描的深度学习算法，并指出其在提高诊断精度和扩大高质量产前护理可及性方面的潜力 | 现有研究大多受限于回顾性设计、样本量小以及缺乏外部验证 | 探讨人工智能在推进胎儿生长障碍检测和管理中的作用 | 胎儿生长受限、小于胎龄儿、大于胎龄儿以及胎儿巨大儿 | 医学人工智能 | 胎儿生长障碍 | 超声 | 深度学习算法 | 图像（超声扫描）、临床数据（母体、胎儿、生物标志物、多普勒指数） | NA | NA | NA | 准确性 | NA |
| 3852 | 2026-02-19 |
Graph-enhanced multimodal fusion of vascular biomarkers and deep features for diabetic retinopathy detection
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1731633
PMID:41704302
|
研究论文 | 提出了一种结合深度特征与血管生物标志物的多模态框架，用于糖尿病视网膜病变检测 | 提出了一种基于Transformer的跨模态融合架构，将深度空间特征与血管图全局拓扑感知嵌入相结合，创新性地整合了卷积块注意力模块、图神经网络和血管描述符分析 | 未明确说明模型的计算复杂度、推理时间以及在临床环境中的实时应用可行性 | 开发一个用于糖尿病视网膜病变检测的可靠多模态框架 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | CLAHE、Canny边缘检测、Top-hat变换、U-Net血管分割、分形维数分析、动静脉比率、灰度共生矩阵纹理分析 | CNN, GNN, Transformer | 图像 | Messidor-2、Eyepacs和APTOS 2019数据集（具体样本数未提供） | NA | MobileNetV3, U-Net, 图神经网络, Transformer | 准确率, 精确率, 召回率, AUC-ROC | NA |
| 3853 | 2026-02-19 |
Understanding Machine Learning Applications in Lung Transplantation: A Narrative Review
2025, Transplant international : official journal of the European Society for Organ Transplantation
IF:2.7Q2
DOI:10.3389/ti.2025.15640
PMID:41704919
|
综述 | 本文综述了机器学习在肺移植领域的应用，包括器官分配、预后预测、风险分层和多组学数据分析 | 系统总结了机器学习在肺移植中的多种应用方法，并强调了其在数据稀缺环境下通过迁移学习等技术支持模型开发的潜力 | 存在数据集规模小、跨中心不一致、可解释性差以及外部验证有限等障碍，阻碍了临床采用 | 概述机器学习在肺移植领域的研究现状，解释相关方法学，并探讨其未来发展方向 | 肺移植相关的临床数据、多组学数据和影像数据 | 机器学习 | 肺移植 | NA | 支持向量机, 深度学习 | 复杂高维数据, 多组学数据, 影像数据 | NA | NA | 随机森林 | NA | NA |
| 3854 | 2026-02-19 |
Deep learning and firearm wound classification: a pilot study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1646656
PMID:41705162
|
研究论文 | 本研究探索了深度学习技术在枪弹伤分类中的应用，通过使用Lobe AI软件进行训练和测试，评估了其在法医病理学中的潜力 | 首次在法医病理学中应用深度学习进行枪弹伤模式识别，并引入了“完好皮肤”作为对照类别 | 研究数据有限，尤其是在算法训练阶段，且需要开发专门针对法医特征识别的预训练软件 | 进一步探索深度学习技术在枪弹伤分类中的应用，以评估其在法医实践中的适用性 | 枪弹伤图像，包括入口/出口伤口、基于射击距离的伤口以及基于武器弹药类型的伤口 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 从法医图集和卡塔尼亚法医案例中提取的教育图像及照片，具体数量未明确 | Lobe AI | NA | 准确率, 精确率, 召回率, F1分数, 特异性 | NA |
| 3855 | 2026-02-19 |
The role of artificial intelligence in diagnosing pediatric dental disorders-a narrative review
2025, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2025.1685359
PMID:41705231
|
综述 | 本文综述了人工智能在儿童牙科疾病诊断中的应用现状与潜力 | 系统性地探讨了AI在儿童牙科诊断中的多种技术应用，并对比了其与传统方法的性能 | 存在数据隐私、缺乏标准化数据集及伦理考量等限制 | 评估人工智能在儿童牙科疾病诊断中的角色与效果 | 儿童牙科疾病，包括龋齿、错颌畸形、发育异常和牙周病 | 数字病理 | 儿童牙科疾病 | NA | CNN | 图像 | NA | NA | NA | NA | NA |
| 3856 | 2026-02-19 |
Research on performance variations of classifiers with the influence of pre-processing methods for Chinese short text classification
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0292582
PMID:37824464
|
研究论文 | 本研究通过实验比较了15种常用分类器在两种中文数据集上，结合三种中文预处理方法（分词、中文特定停用词去除、中文特定符号去除）对中文短文本分类性能的影响 | 首次系统性地探讨了中文特定预处理方法（如分词、中文停用词和符号去除）对多种分类器（包括机器学习和深度学习模型）在中文短文本分类任务中性能变化的综合影响 | 研究仅基于两种中文数据集进行，可能无法完全代表所有中文短文本分类场景；预处理方法的组合和评估条件有限，未涵盖更广泛的预处理技术或数据集 | 探究中文预处理方法对中文短文本分类器性能的影响，以优化分类效果 | 中文短文本数据集 | 自然语言处理 | NA | 中文文本预处理（包括分词、停用词去除、符号去除） | 多种分类器（包括机器学习和深度学习模型） | 文本 | 两种中文数据集（具体样本数量未在摘要中明确说明） | NA | NA | macro-F1 | NA |
| 3857 | 2026-02-19 |
Distribution of race and Fitzpatrick skin types in data sets for deep learning in dermatology: A systematic review
2022-08, Journal of the American Academy of Dermatology
IF:12.8Q1
DOI:10.1016/j.jaad.2021.10.010
PMID:34678235
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3858 | 2026-02-18 |
Fast cardiac magnetic resonance (CMR) protocol for biventricular functional assessment and tissue characterisation
2026-Apr-15, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2026.134197
PMID:41605334
|
研究论文 | 本研究比较了传统标准心脏磁共振协议与结合深度学习重建的新型快速协议，在图像质量、功能测量、心肌表征和总扫描时间方面的表现 | 引入了基于深度学习的快速心脏磁共振协议，显著缩短了扫描时间，同时保持了图像质量和功能测量的准确性 | 研究样本为连续患者，可能存在选择偏倚；未评估长期临床结果 | 比较传统与快速心脏磁共振协议的性能，以缩短扫描时间并维持诊断质量 | 已知或疑似心肌疾病的患者 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | 深度学习 | 图像 | 100名连续患者 | NA | NA | Likert评分、心室大小、功能、左心室质量、采集时间 | NA |
| 3859 | 2026-02-18 |
Mitigating data center bias in cancer classification: Transfer bias unlearning and feature size reduction via conflict-of-interest free multi-objective optimization
2026-Apr, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103351
PMID:41554188
|
研究论文 | 本文提出了一种基于冲突利益无关多目标优化的遗忘学习方法，以减轻癌症分类中数据中心偏见的负面影响 | 通过冲突利益无关多目标优化训练遗忘层，明确减少对无关模式的依赖，并联合降低特征维度和排除冲突利益样本 | 研究主要关注癌症相关特征和数据中心的偏见，尽管方法具有模型无关性，但未在其他领域广泛验证 | 减轻深度学习模型在癌症分类中的数据中心偏见，提高模型在未见数据中心上的泛化能力 | 癌症相关特征和包含数据中心偏见的训练数据 | 机器学习 | 癌症 | 深度学习特征提取 | 深度学习模型 | 特征数据 | NA | NA | NA | 内部准确率, 外部准确率 | NA |
| 3860 | 2026-02-18 |
IKDP: Implicit Knowledge Enhanced Disease Prediction via heterogeneous admission sequence graphs
2026-Apr, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103365
PMID:41604873
|
研究论文 | 提出一种基于异质入院序列图的隐式知识增强疾病预测模型（IKDP），以改进电子健康记录中的疾病关系表示与预测 | 通过构建异质入院序列图捕获隐式知识（如患者间相似性与潜在疾病关联），并设计辅助预训练策略与端到端优化框架，同时利用关键路径分析与相似患者信息增强预测可解释性 | 未明确说明模型在外部数据集上的泛化能力或对特定疾病类型的适用性限制 | 提升基于电子健康记录的疾病预测准确性并增强预测可解释性 | 电子健康记录中的患者入院序列数据 | 医疗人工智能 | NA | 异质图构建与表示学习 | 图神经网络 | 序列化医疗事件数据 | NA | NA | 异质入院序列图（SeqGs） | NA | NA |