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 42795 篇文献，本页显示第 3921 - 3940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3921 | 2026-02-17 |
Quantitative Ultrasound Radiomics for Predicting and Monitoring Neoadjuvant Chemotherapy Response in Breast Cancer: A Systematic Review
2026-Feb-01, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16030425
PMID:41681743
|
综述 | 本文系统综述了定量超声影像组学在预测和监测乳腺癌新辅助化疗反应中的应用 | 整合了开放获取的人类研究，评估定量超声影像组学在治疗前预测和早期治疗监测中的表现，并强调了其在无对比剂或辐射情况下的适应性治疗窗口支持 | 研究中存在射频数据获取、标准化、感兴趣区域定义等方面的标准化需求，且部分研究样本量较小，需要外部验证以促进临床转化 | 评估定量超声影像组学在预测和监测乳腺癌新辅助化疗反应中的有效性和应用前景 | 经活检证实的接受新辅助化疗的乳腺癌患者 | 数字病理学 | 乳腺癌 | 定量超声影像组学 | 机器学习模型，深度学习模型 | 射频数据，光谱参数，纹理特征 | 12个队列研究 | NA | NA | AUC，准确率，灵敏度，特异度，平衡准确率 | NA |
| 3922 | 2026-02-17 |
Transformer-Based Foundation Learning for Robust and Data-Efficient Skin Disease Imaging
2026-Feb-01, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16030440
PMID:41681756
|
研究论文 | 本研究提出了一种基于Transformer的皮肤病专用基础模型，通过自监督预训练从大量未标记的皮肤镜图像中学习可迁移的视觉表征，以解决皮肤镜病变分类中的数据集偏差、数据稀缺和泛化能力差等问题 | 提出了首个皮肤病专用的Transformer基础模型，将大规模皮肤病导向的自监督学习与分层视觉Transformer主干网络相结合，有效捕捉细粒度病变纹理和全局形态模式 | 研究仅在三个公开数据集上进行评估，未在更广泛的临床采集设置和患者群体中进行验证 | 开发一种鲁棒且数据高效的皮肤镜病变自动分类方法，以应对临床皮肤病学中数据驱动诊断系统部署的挑战 | 皮肤镜图像中的病变分类 | 计算机视觉 | 皮肤病 | 自监督学习 | Transformer | 图像 | 三个公开数据集：ISIC 2018, HAM10000, PH2 | NA | 分层视觉Transformer | 准确率 | NA |
| 3923 | 2026-02-17 |
Automated Classification of Kidney Tumours Using Deep Convolutional Neural Networks
2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.70142
PMID:41691614
|
研究论文 | 本研究提出了一种基于双骨干网络和双高效通道注意力模块的深度学习模型，用于肾脏肿瘤CT图像的自动分类 | 结合EfficientNetV2-B3和ResNet50作为双骨干网络进行特征提取，并引入双高效通道注意力模块进行跨模型特征融合，相比传统的交叉注意力或加权求和等融合策略表现更优 | NA | 开发一种自动化方法，用于肾脏肿瘤的检测和分类，以辅助早期诊断 | 肾脏肿瘤CT图像 | 计算机视觉 | 肾癌 | CT成像 | CNN | 图像 | NA | NA | EfficientNetV2-B3, ResNet50 | 准确率, F1分数 | NA |
| 3924 | 2026-02-17 |
DeepMoDRP: A Multi-Omics-Based Deep Learning Framework for Drug Response Prediction in Brain Cancer
2026-Feb, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.70020
PMID:41692036
|
研究论文 | 本文提出了一种名为DeepMoDRP的多组学深度学习框架，用于预测脑癌的药物反应 | 整合基因组、转录组和表观基因组数据，并采用稀疏自编码器、去噪自编码器、一维卷积神经网络和多尺度图神经网络来处理高维复杂数据，专门针对脑癌设计 | 未提及 | 开发准确的预测模型以推进神经肿瘤学治疗策略 | 脑肿瘤细胞系，包括低级别胶质瘤、多形性胶质母细胞瘤和弥漫性大B细胞淋巴瘤 | 机器学习 | 脑癌 | 基因组学、转录组学、表观基因组学 | 自编码器, 卷积神经网络, 图神经网络 | 基因组、转录组、表观基因组数据 | 从公共数据库中提取和整理的脑肿瘤数据集，具体样本数量未提及 | 未提及 | 稀疏自编码器, 去噪自编码器, 一维卷积神经网络, 多尺度图神经网络, 全连接网络 | 未提及 | 未提及 |
| 3925 | 2026-02-17 |
Current role of artificial intelligence in the management of benign prostatic hyperplasia: a systematic review
2026-Feb, Minerva urology and nephrology
IF:4.9Q1
DOI:10.23736/S2724-6051.25.06658-3
PMID:41697204
|
综述 | 本文系统回顾了人工智能在良性前列腺增生管理中的应用，涵盖诊断、治疗和患者教育 | 首次系统性地将人工智能在良性前列腺增生管理中的应用分为大型语言模型用于患者教育和临床AI应用两大类，并详细综述了其在生物标志物识别、功能评估、影像学、严重程度诊断及组织学检查等多个子领域的潜力 | 研究存在数据异质性、数据集规模小且多为机构特定、缺乏前瞻性验证研究、伦理和监管问题以及医生信任度等挑战 | 评估人工智能在良性前列腺增生管理中的当前作用与潜力 | 良性前列腺增生 | 数字病理学 | 前列腺癌 | NA | 机器学习, 深度学习, 大型语言模型 | 文本, 生物标志物数据, 功能评估数据, 影像数据, 组织学数据 | 23项研究 | NA | ChatGPT-3.5, ChatGPT-4, New Bing Chat | 准确率 | NA |
| 3926 | 2026-02-17 |
Contemporary Preoperative Detection of Extraprostatic Extension in Prostate Cancer
2026-Jan-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers18030456
PMID:41681930
|
综述 | 本文是一篇关于前列腺癌术前检测前列腺外侵犯（EPE）的当代策略的叙述性综述 | 综述了2015年至2025年间的研究，全面比较了临床参数、多参数MRI特征、列线图、影像组学、机器学习及深度学习模型等多种方法在EPE预测中的表现，并强调了侧别特异性和分级评估的临床相关性 | 许多深度学习模型缺乏外部验证，且对数据集异质性敏感 | 概述前列腺癌术前检测前列腺外侵犯（EPE）的当代策略 | 用于预测前列腺外侵犯（EPE）的临床参数、多参数MRI特征、列线图、影像组学、机器学习及深度学习模型 | 数字病理学 | 前列腺癌 | 多参数MRI | 机器学习, 深度学习 | 影像 | NA | NA | NA | AUC | NA |
| 3927 | 2026-02-17 |
A Survey of AI-Enabled Predictive Maintenance for Railway Infrastructure: Models, Data Sources, and Research Challenges
2026-Jan-30, Sensors (Basel, Switzerland)
DOI:10.3390/s26030906
PMID:41682422
|
综述 | 本文对人工智能技术在铁路基础设施预防性、预测性和规范性维护中的应用进行了全面且结构化的综述 | 系统性地比较了机器学习与深度学习方法在铁路维护中的应用，并指出了数据质量、跨网络泛化、模型鲁棒性等研究空白，同时探讨了数字孪生、边缘AI等新兴研究方向 | NA | 指导智能铁路维护生态系统的未来研究与标准化 | 铁路基础设施的维护 | 机器学习 | NA | NA | 神经网络, 支持向量机, 随机森林, 遗传算法, 端到端深度学习模型 | 轨道几何数据, 振动监测数据, 图像检查数据 | NA | NA | NA | NA | NA |
| 3928 | 2026-02-17 |
Driver Monitoring System Using Computer Vision for Real-Time Detection of Fatigue, Distraction and Emotion via Facial Landmarks and Deep Learning
2026-Jan-29, Sensors (Basel, Switzerland)
DOI:10.3390/s26030889
PMID:41682402
|
研究论文 | 本研究提出了一种基于计算机视觉和深度学习的实时驾驶员监控系统，用于通过面部特征检测疲劳、分心和情绪 | 将MobileNetV2用于情绪识别与MediaPipe面部关键点检测相结合，实时计算眼部、嘴部纵横比、注视方向和头部姿态，并将情绪感知集成到驾驶员监控中以减少误报 | 系统在检测悲伤情绪时表现不佳，且未能检测到恐惧情绪，这可能是由于真实世界表情的微妙性以及训练数据集的局限性所致 | 开发一种实时驾驶员监控系统，以提高驾驶安全性 | 驾驶员的面部表情和行为 | 计算机视觉 | NA | 深度学习, 面部关键点检测 | CNN | 图像, 视频 | 27名参与者 | MediaPipe | MobileNetV2 | 准确率 | NA |
| 3929 | 2026-02-17 |
Digital Technologies and Machine Learning in Environmental Hazard Monitoring: A Synthesis of Evidence for Floods, Air Pollution, Earthquakes, and Fires
2026-Jan-29, Sensors (Basel, Switzerland)
DOI:10.3390/s26030893
PMID:41682407
|
综述 | 本文综述了数字技术（特别是机器学习、物联网和先进图像处理技术）在环境灾害监测中的集成应用现状 | 系统性地对2015年至2024年间发表的文献进行了基于灾害类型、技术应用、地理位置和研究方法的分类分析，并强调了多传感器数据融合、深度学习模型和物联网系统在实时监测与预警中的增长趋势 | 作为一篇综述文章，其局限性在于主要基于已有文献进行分析，未提出新的原创性模型或方法，且研究范围限定在特定数据库（Scopus）和特定时间段内 | 评估数字技术和机器学习在提升环境灾害监测准确性及效率方面的有效性，并探讨构建鲁棒、可扩展的灾害监测系统的关键挑战与未来方向 | 空气污染、地震、洪水和火灾这四类环境灾害 | 机器学习 | NA | 物联网（IoT）、先进图像处理技术、多传感器数据融合 | 深度学习模型 | 多传感器数据、图像数据 | NA | NA | NA | 准确性、效率 | NA |
| 3930 | 2026-02-17 |
A Lightweight Radar-Camera Fusion Deep Learning Model for Human Activity Recognition
2026-Jan-29, Sensors (Basel, Switzerland)
DOI:10.3390/s26030894
PMID:41682408
|
研究论文 | 提出一种轻量级雷达-摄像头融合深度学习模型，用于在隐私敏感的室内环境中进行人体活动识别 | 集成调频连续波雷达的运动特征与超低分辨率摄像头的粗略空间线索，使用基于Transformer的编码器分别处理两种模态，并在保持高性能的同时实现低计算开销 | 未提及模型在更复杂或动态环境中的泛化能力，以及跨设备部署的潜在挑战 | 开发一种高效、隐私保护的人体活动识别方法，适用于嵌入式或边缘设备部署 | 人体活动 | 计算机视觉 | NA | FMCW雷达，超低分辨率摄像头 | Transformer，全连接网络 | 雷达数据（Range-Doppler-Time立方体），图像数据（超低分辨率摄像头帧） | 包含15个活动类别的多模态数据集（同步雷达立方体和超低分辨率摄像头序列） | NA | Transformer编码器 | 分类准确率 | 嵌入式或边缘设备（模型仅需1100万浮点运算） |
| 3931 | 2026-02-17 |
A Hybrid Deep Learning Framework for Automated Dental Disorder Diagnosis from X-Ray Images
2026-Jan-29, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm15031076
PMID:41682758
|
研究论文 | 本文提出了一种用于从X射线图像自动诊断牙科疾病的混合深度学习框架 | 提出了一种混合特征融合框架，将手工设计的HOG特征与DenseNet-201和Swin Transformer模型的深度表示相结合，并利用LSTM分类器学习融合特征间的序列依赖关系 | 未明确提及研究的具体局限性 | 开发一个自动化、高精度的牙科疾病诊断系统，以改进传统诊断方法 | 牙科X射线图像（全景、根尖周、咬翼片） | 计算机视觉 | 牙科疾病 | X射线成像 | CNN, Transformer, LSTM | 图像 | DRAD数据集（具体数量未提及） | NA | DenseNet-201, Swin Transformer, LSTM | 准确率, 特异性, 精确率, 召回率, F1分数 | NA |
| 3932 | 2026-02-17 |
Mining the Hidden Pharmacopeia: Fungal Endophytes, Natural Products, and the Rise of AI-Driven Drug Discovery
2026-Jan-29, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms27031365
PMID:41683797
|
综述 | 本文综述了真菌内生菌天然产物的化学与生物合成多样性，并探讨了人工智能在药物发现中的应用 | 将真菌内生菌的天然产物多样性与人工智能驱动的工具生态系统相结合，推动药物发现从经验筛选转向预测性、假设驱动的学科 | NA | 探讨人工智能如何加速天然产物发现，并应用于药物发现和合成生物学 | 真菌内生菌及其产生的天然产物 | 机器学习 | NA | 多组学整合 | 深度学习, 生成式AI, 扩散模型 | 多组学数据 | NA | NA | NA | NA | NA |
| 3933 | 2026-02-17 |
AI-Driven Multimodal Sensing for Early Detection of Health Disorders in Dairy Cows
2026-Jan-28, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani16030411
PMID:41681390
|
研究论文 | 本研究提出了一种多模态人工智能框架，通过整合生理、行为、生产和热成像数据，实现对奶牛健康状态的实时监测，以早期检测兽医确诊的乳房、腿部和蹄部感染 | 同时整合了来自自动挤奶系统、热成像相机和瘤胃内传感器三个独立来源的数据，并引入了一种结合U-Net、O-Net和ResNet核心组件的混合深度学习架构，以利用其互补优势分析奶牛健康状态 | 数据集仅包含88头泌乳奶牛，且所有感染被归为一个单一的'患病'标签，可能限制了模型对特定疾病类型的区分能力 | 开发一个用于奶牛早期健康障碍检测的多模态AI系统 | 泌乳奶牛，特别是针对兽医确诊的乳房、腿部和蹄部感染 | 数字病理学 | NA | 热成像，瘤胃内传感器监测，自动挤奶系统数据采集 | 深度学习，混合架构 | 多模态数据（生理、行为、生产、热成像） | 88头泌乳奶牛 | NA | U-Net, O-Net, ResNet | 准确率, AUC | NA |
| 3934 | 2026-02-17 |
Multi-Scale Feature Fusion and Attention-Enhanced R2U-Net for Dynamic Weight Monitoring of Chicken Carcasses
2026-Jan-28, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani16030410
PMID:41681391
|
研究论文 | 本文提出了一种基于深度学习图像分割和回归的肉鸡胴体重量检测模型，用于实现肉鸡重量的实时监测 | 提出了一种源自R2U-Net的新型分割网络AR2U-AtNet，并引入了卷积块注意力模块（CBAM）和选择性核注意力（SKAttention）来增强网络对目标区域的关注和处理不同体型图像的能力 | NA | 解决肉鸡重量监测中人工采集数据繁琐、低效的问题，实现快速准确的个体肉鸡胴体重量测定 | 太湖黄鸡的胴体图像 | 计算机视觉 | NA | 深度学习图像分割与回归 | CNN | 图像 | 301只太湖黄鸡的2709张图像 | NA | R2U-Net, AR2U-AtNet | 平均交并比（mIoU）, Dice系数, F1分数, R2值 | NA |
| 3935 | 2026-02-17 |
Enhanced Precision of Fluorescence In Situ Hybridization (FISH) Analysis Using Neural Network-Based Nuclear Segmentation for Digital Microscopy Samples
2026-Jan-28, Sensors (Basel, Switzerland)
DOI:10.3390/s26030873
PMID:41682389
|
研究论文 | 本研究评估了基于AI的3D核分割方法在提高荧光原位杂交（FISH）分析精度和诊断可靠性方面的应用 | 首次系统比较了多种AI驱动的3D核分割算法（NucleAIzer、StarDist、Cellpose）与传统2D阈值分割方法在淋巴瘤FISH样本中的性能，证明了3D分割在解决密集或重叠细胞核问题上的优势 | 研究仅针对滤泡性淋巴瘤的BCL2基因重排样本，未在其他疾病类型或基因靶点上验证；AI模型对低强度信号的敏感性有限 | 提高数字病理学中FISH分析的自动化诊断准确性和可重复性 | 福尔马林固定的滤泡性淋巴瘤组织切片 | 数字病理学 | 淋巴瘤 | 荧光原位杂交（FISH）、多层Z-stack数字扫描 | 深度学习 | 3D显微镜图像 | 未明确说明样本数量，但使用滤泡性淋巴瘤切片 | 未明确说明 | NucleAIzer, StarDist, Cellpose | 灵敏度、方差（VP/VS）、基因点相关性（r）、平均基因点数量 | NA |
| 3936 | 2026-02-17 |
Intent classification for university administrative services using a bidirectional recurrent neural network modified by a developed Kepler optimization algorithm
2026-Jan-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35504-7
PMID:41593141
|
研究论文 | 提出一种结合意图分类和命名实体识别的联合模型，使用改进的双向长短期记忆网络和新型开普勒优化算法，用于大学行政服务的多语言对话代理 | 开发了一种新的联合模型，将意图分类和命名实体识别任务结合，并采用新开发的开普勒优化算法对改进的双向长短期记忆网络进行联合优化，以应对多语言环境下的自然语言理解挑战 | 研究主要针对希腊语和英语两种语言，未涉及更广泛的多语言环境；模型在更复杂的对话场景或更大规模数据集上的泛化能力有待进一步验证 | 提高大学行政服务中对话代理的自然语言理解能力，特别是在多语言环境下 | 大学行政服务中的学生查询文本 | 自然语言处理 | NA | 自然语言理解 | BiLSTM | 文本 | NA | NA | 改进的双向长短期记忆网络 | 准确率, 精确率, 召回率 | NA |
| 3937 | 2026-02-17 |
Geometric Monitoring of Steel Structures Using Terrestrial Laser Scanning and Deep Learning
2026-Jan-27, Sensors (Basel, Switzerland)
DOI:10.3390/s26030831
PMID:41682347
|
研究论文 | 本研究提出了一种结合地面激光扫描与深度学习的方法，用于自动检测工业钢结构在施工阶段的几何偏差 | 通过将3D点云投影为2D图像并应用YOLOv8分割模型，实现了对商业钢材截面的自动检测、分类与分割，即使在几何不完整或被部分遮挡的情况下也能有效工作 | 方法在真实装配中评估了94%的结构元素，但未明确说明未覆盖的6%元素类型或场景限制 | 开发一种自动化方法，用于监测钢结构的几何质量与稳定性，确保其符合EN 1090-2:2020装配标准 | 工业钢结构建筑物 | 计算机视觉 | NA | 地面激光扫描 | 深度学习 | 3D点云, 2D图像 | 两个现场工业钢结构装配应用 | NA | YOLOv8 | mAP@50-95 | NA |
| 3938 | 2026-02-17 |
A Novel Dataset for Gait Activity Recognition in Real-World Environments
2026-Jan-27, Sensors (Basel, Switzerland)
DOI:10.3390/s26030833
PMID:41682349
|
研究论文 | 本研究提出了一个名为CAHAR的新型数据集，用于在真实环境中进行步态活动识别和地形分类 | 首次创建了同时标注活动和地形标签的数据集，覆盖室内外全范围地形及关联步态活动 | 数据仅来自20名健康参与者，可能无法代表所有人群或病理状态 | 推动可穿戴传感器在远程步态分析中的应用，解决高精度人类活动识别和地形分类问题 | 健康参与者的步态活动和地形数据 | 机器学习 | 老年疾病 | 惯性测量单元、力敏电阻鞋垫、颜色传感器、激光雷达 | 深度学习 | 传感器数据 | 20名健康参与者 | NA | NA | NA | NA |
| 3939 | 2026-01-28 |
Leveraging medical imaging and deep learning for diagnosis of breast cancer using histopathological images
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37663-z
PMID:41588052
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3940 | 2026-02-17 |
Trimester-aware yoga video recommendation using hybrid deep learning for pregnant woman
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37149-y
PMID:41588129
|
研究论文 | 本研究提出了一种新颖的基于混合深度学习的孕期瑜伽视频推荐框架，该框架整合了多模态文本-视频分析和生理安全推理 | 引入了两个关键创新：一是用于在特定孕期安全约束下自适应对齐用户和视频嵌入的孕期加权Wasserstein相似度机制；二是传播健康条件和孕期关系于推荐图中的安全感知有向图卷积关系神经网络 | NA | 为孕妇提供个性化的、基于孕期的安全瑜伽视频推荐 | 孕妇及其孕期瑜伽视频 | 自然语言处理, 计算机视觉 | NA | 混合深度学习 | GCRNN | 文本, 视频 | NA | NA | GCRNN | 准确率, 孕期特定安全合规率 | NA |