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 42799 篇文献，本页显示第 4221 - 4240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4221 | 2026-02-14 |
Phenotypic feature-based identification of tea geographical origin using lightweight deep learning
2026-Jan-09, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00690-7
PMID:41513663
|
研究论文 | 本研究提出了一种名为Origin-Tea的轻量级卷积神经网络，用于基于表型特征准确识别茶叶的地理来源 | 创新性地结合了深度可分离卷积与挤压-激励注意力机制，在高效捕捉细微表型变化的同时显著降低了计算成本 | 研究主要基于云南地区的云抗10号茶叶图像，模型在其他茶叶品种或更广泛地理区域的泛化能力有待进一步验证 | 开发一种高效、可解释的轻量级深度学习模型，用于茶叶地理来源的智能识别与溯源 | 云南七个不同地区采集的云抗10号茶叶的高分辨率RGB图像 | 计算机视觉 | NA | 高分辨率RGB图像采集 | CNN | 图像 | 900张训练图像（来自七个地区）和1788张独立测试图像（来自四个村庄） | NA | Origin-Tea（结合深度可分离卷积和SE注意力机制的自定义轻量架构） | 总体准确率, Kappa系数 | NA |
| 4222 | 2026-02-14 |
Automated video-based differentiation of sleep-related hypermotor epilepsy and parasomnia episodes
2026-Jan-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02326-2
PMID:41507468
|
研究论文 | 本研究评估了基于SlowFast深度学习模型，利用视频记录自动区分睡眠相关运动性癫痫、觉醒障碍和快速眼动睡眠行为障碍 | 首次应用SlowFast深度学习模型于视频数据，实现睡眠相关运动事件的自动化分类，为临床评估提供辅助工具 | 研究样本量相对较小（167人），模型性能有待在更大数据集上验证，且未提及跨中心或外部验证结果 | 开发自动化工具以辅助临床医生区分睡眠相关运动性癫痫与异态睡眠（如觉醒障碍、快速眼动睡眠行为障碍） | 167名个体的视频记录，涵盖睡眠相关运动性癫痫、觉醒障碍和快速眼动睡眠行为障碍患者 | 计算机视觉 | 癫痫 | 视频记录分析 | 深度学习 | 视频 | 167名个体 | PyTorch | SlowFast | 准确率 | NA |
| 4223 | 2026-02-14 |
Labeled photovoltaic installations for orthographic aerial imagery in Queens, New York
2026-Jan-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06523-2
PMID:41495074
|
研究论文 | 本文提供了一个在纽约皇后区2018年航拍图像中手动标注的光伏安装位置数据集，用于支持计算机视觉研究和城市光伏部署分析 | 该数据集针对密集城市环境，包含四通道（三色加红外）图像，且由于纽约州定期更新源数据，可用于时间序列研究 | 数据集仅覆盖纽约皇后区特定年份，可能无法直接推广到其他地区或时间点 | 为能源研究人员提供标注数据，以训练深度学习模型识别光伏安装，并研究城市环境中的光伏部署 | 纽约皇后区2018年航拍图像中的光伏安装位置 | 计算机视觉 | NA | 航拍图像分析 | 深度学习模型 | 图像 | 约5,500个独立安装，对应14,000个多边形标注 | NA | NA | NA | NA |
| 4224 | 2026-02-14 |
Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration
2026 Jan-Feb, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14607
PMID:40922557
|
研究论文 | 本研究开发并外部验证了一种基于深度学习的模型，用于在光学相干断层扫描图像中自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣，并达到专家级性能 | 开发了首个用于网状假性玻璃膜疣实例分割的深度学习模型，并在多个外部数据集上验证其性能与视网膜专家相当 | 研究未提及模型在更广泛人群或不同设备采集数据上的泛化能力，且外部测试数据集规模相对有限 | 开发并验证一种深度学习模型，用于自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣，以支持临床管理 | 年龄相关性黄斑变性患者的视网膜光学相干断层扫描图像 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习模型 | 图像 | 9800张OCT B扫描图像用于训练，250张用于内部测试，1017只眼睛（来自812名个体）用于外部测试 | NA | NA | Dice相似系数, 受试者工作特征曲线下面积 | NA |
| 4225 | 2026-02-14 |
Role of machine learning segmentation method based on CT images in preoperative staging of oral cavity cancer
2026-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09824-9
PMID:41222634
|
研究论文 | 本文探讨了基于CT图像的机器学习分割方法在口腔癌术前分期中的应用 | 采用定制化的U-Net深度学习架构进行肿瘤块和淋巴结转移的分割，并生成全面的肿瘤映射图，以预测T和N分期 | 研究样本量相对较小（共179张CT图像），且依赖放射科医生作为参考标准，可能引入主观偏差 | 评估机器学习分割方法在口腔鳞状细胞癌术前分期中的准确性 | 口腔鳞状细胞癌患者的CT图像 | 计算机视觉 | 口腔癌 | 对比增强计算机断层扫描 | CNN | 图像 | 179张对比增强CT图像 | NA | U-Net | 准确率 | NA |
| 4226 | 2026-02-14 |
A review of remote sensing technology for plastic waste monitoring
2026-Jan, Environmental science and pollution research international
DOI:10.1007/s11356-025-37347-7
PMID:41546767
|
综述 | 本文系统综述了2018至2024年间遥感技术在塑料废物监测领域的最新进展与应用 | 通过对应分析识别了四个针对特定平台-环境组合优化的研究集群，并提出了一个结合多平台地球观测、机器学习和公民科学的集成框架 | 研究存在地理偏见（超过50%的研究集中在欧洲场地）、侧重于受控条件而非实际部署、无法检测微塑料以及缺乏标准化协议 | 支持有效的环境管理，为塑料废物污染提供创新的监测方法 | 塑料废物 | 遥感 | NA | 遥感技术 | 监督学习, 深度学习, 混合模型 | 遥感影像 | 84项研究 | NA | NA | NA | NA |
| 4227 | 2026-02-14 |
Graph Attention Networks for Detecting Epilepsy From EEG Signals Using Accessible Hardware in Low-Resource Settings
2026, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3642070
PMID:41669279
|
研究论文 | 本文提出了一种基于图注意力网络的深度学习框架，用于从低成本脑电图硬件中检测癫痫，并在低资源环境下实现公平、可访问的自动评估 | 将脑电图信号建模为时空图，并调整原本关注节点的图注意力网络以分析边关系，从而强调连接性生物标志物；设计了适用于低保真度记录的信号预处理方法和轻量级图注意力网络架构 | 研究仅在尼日利亚和几内亚比绍的脑电图记录上进行测试，样本来源和规模可能有限 | 为低收入国家提供可负担、可访问的癫痫自动诊断支持工具 | 来自尼日利亚和几内亚比绍的脑电图信号记录 | 机器学习 | 癫痫 | 脑电图 | 图注意力网络 | 脑电图信号 | 来自尼日利亚和几内亚比绍的脑电图记录（具体数量未明确说明） | PyTorch | 图注意力网络 | 准确率, 鲁棒性 | Google Colab, RaspberryPi设备 |
| 4228 | 2026-02-14 |
Deep Learning-Based Decoding and Feature Visualization of Motor Imagery Speeds From EEG Signals
2026, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3645617
PMID:41669281
|
研究论文 | 本研究利用深度学习探究了运动想象速度解码的神经动力学 | 采用EEGConformer模型结合可解释人工智能技术，可视化解码EEG信号中与运动想象速度相关的时空模式 | 分类准确率有限，仅对少数参与者表现出较高性能 | 解码和可视化运动想象速度的EEG信号模式 | EEG信号中与不同运动想象速度相关的神经动力学特征 | 机器学习 | NA | 脑电图 | Transformer | EEG信号 | NA | NA | EEGConformer | 分类准确率 | NA |
| 4229 | 2026-02-14 |
Current role of artificial intelligence and machine learning: is their application feasible in pediatric upper airway obstructive disorders?
2026-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09592-6
PMID:40775390
|
综述 | 本文通过系统综述评估了人工智能和机器学习在儿童上气道阻塞性疾病的诊断、管理和潜在治疗中的作用与可靠性 | 首次系统性地综述了AI/ML在儿童上气道阻塞性疾病中的应用，并识别了当前研究主要集中在阻塞性睡眠呼吸暂停的诊断上，揭示了输入数据模态的分布和模型性能的差异 | 现有研究存在患者群体异质性、样本量小、主要聚焦于阻塞性睡眠呼吸暂停等问题，可能限制研究结果的普适性；且尚无研究涉及治疗或监测，数据多样性、验证和可行性方面仍存在挑战 | 评估人工智能和机器学习在儿童上气道阻塞性疾病的诊断、管理和潜在治疗中的角色与可靠性 | 儿童上气道阻塞性疾病患者（年龄≤18岁） | 机器学习 | 儿童上气道阻塞性疾病 | NA | CNN, XGBoost, SVM | 生理信号（如夜间血氧饱和度信号、心电图）、临床参数、多导睡眠图数据 | NA | NA | 卷积神经网络 | 准确率, 灵敏度 | NA |
| 4230 | 2026-02-14 |
A scoping review of systematic reviews on artificial intelligence in orthopaedics
2026 Jan-Apr, Journal of orthopaedic surgery (Hong Kong)
DOI:10.1177/10225536261424033
PMID:41680110
|
综述 | 本文对骨科领域人工智能相关系统综述和荟萃分析进行了范围综述，以描绘发表趋势、地理分布、临床和解剖学焦点，并映射AI方法和应用 | 首次在骨科领域对AI相关系统综述进行全面的范围综述，识别了未充分探索的解剖区域和应用领域（如处方建模），为未来研究指明了方向 | 仅纳入了自由访问的系统综述，可能遗漏部分文献；且研究范围限定至2025年7月，未来趋势可能变化 | 描绘骨科人工智能研究的发表趋势、地理分布、临床和解剖学焦点，并映射AI方法和应用，以突出未探索领域的研究机会 | 2015年至2025年7月期间发表的骨科人工智能相关系统综述和荟萃分析 | 机器学习和数字病理学 | 骨科疾病 | NA | 深度学习, 机器学习 | 影像数据, 结构化临床数据 | 183篇符合条件的系统综述 | R软件 | NA | NA | NA |
| 4231 | 2026-02-13 |
Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery - correspondence
2025-Dec-05, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004261
PMID:41677095
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4232 | 2026-02-14 |
Automatic quantitative analysis of atherosclerotic aortic plaques in patients with embolic cerebral infarction using deep learning
2025-09, The Korean journal of internal medicine
DOI:10.3904/kjim.2024.360
PMID:40859808
|
研究论文 | 本研究开发了一种基于U-net的自动斑块分割模型，用于分析经食管超声心动图（TEE）图像中的动脉粥样硬化主动脉斑块，并评估其在预测复杂斑块和心血管事件中的临床价值 | 首次将U-net深度学习模型应用于TEE图像的自动斑块分割，以量化主动脉斑块面积（APA）和斑块比例（APR），并探索其在预测复杂主动脉斑块和心血管事件中的潜力 | U-net模型估计的APA或APR在预测主要不良心脑血管事件方面未显示出额外价值，可能需要结合斑块的其他特征（如活动性和形态）进行更全面的定量分析 | 开发自动斑块分割模型并评估其在不明原因栓塞性脑卒中（ESUS）患者中的临床实用性 | 来自心血管中心的患者TEE主动脉图像，包括711名因各种原因就诊的患者和ESUS患者临床数据集 | 数字病理学 | 心血管疾病 | 经食管超声心动图（TEE） | CNN | 图像 | 711名患者的TEE主动脉图像数据集，以及来自三个心血管中心的ESUS患者临床数据集 | NA | U-net | 平均交并比（IoU） | NA |
| 4233 | 2026-02-14 |
Multicenter Evaluation of Interpretable AI for Coronary Artery Disease Diagnosis from PET Biomarkers
2025-Jun-30, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.19.25329944
PMID:40630571
|
研究论文 | 本研究开发了一种集成PET/CT心肌灌注成像关键临床参数的人工智能模型，用于提高阻塞性冠状动脉疾病的诊断准确性 | 首次开发了一个集成多种PET成像生物标志物（包括冠状动脉钙化评分、心肌血流和灌注参数）的AI模型，并通过多中心外部验证展示了其优于传统定量分析和临床评分的诊断性能 | 研究为回顾性设计，且仅纳入在180天内接受侵入性冠状动脉造影的患者，可能存在选择偏倚 | 提高阻塞性冠状动脉疾病的诊断准确性 | 接受心脏PET/CT检查的患者 | 数字病理学 | 心血管疾病 | PET/CT心肌灌注成像 | XGBoost, 深度学习 | 医学影像（PET/CT图像）及临床参数 | 总队列17,348名患者，其中1,664名纳入研究（训练集386名，外部测试集1,278名） | NA | NA | AUC | NA |
| 4234 | 2026-02-14 |
In-Silico Predictions of Drug Resistance in Lung Cancers With EGFR Mutation
2025-Jun, Proceedings of the Platform for Advanced Scientific Computing Conference
DOI:10.1145/3732775.3733588
PMID:41669100
|
研究论文 | 本文提出了一种利用高性能计算资源预测EGFR突变肺癌中耐药机制的计算工作流程 | 整合了深度学习结构预测、分子动力学模拟、分子对接和结合预测等多种计算方法，并探索了量子化学计算作为实验验证的补充工具 | NA | 预测肺癌中由EGFR突变引起的耐药机制，并为治疗策略提供替代方案 | EGFR突变的肺癌 | 计算生物学 | 肺癌 | 深度学习结构预测、分子动力学模拟、分子对接、量子化学计算 | 深度学习模型 | 分子结构数据、化合物数据 | NA | NA | NA | NA | 高性能计算资源 |
| 4235 | 2026-02-14 |
A computational validation for the health concept maturity levels questionnaire
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1555014
PMID:41669151
|
研究论文 | 本研究开发了健康概念成熟度水平网格和问卷，并利用机器学习和深度学习模型验证其计算语义效度 | 引入计算语义效度作为传统心理测量验证的新颖补充方法，通过机器学习技术展示专家话语与问卷结构的语义对齐 | “程序性”和“需求”因素之间存在重叠，表明健康概念成熟度水平模型需要改进 | 评估健康概念成熟度水平，验证健康概念成熟度水平问卷的计算语义效度 | 健康概念成熟度水平专家干预的言语行为，以及健康概念成熟度水平问卷项目 | 自然语言处理 | NA | 言语行为标注，机器学习和深度学习建模 | CatBoost算法，神经网络 | 文本 | NA | CatBoost | 神经网络 | 敏感性 | NA |
| 4236 | 2026-02-14 |
Residual-SwishNet: a deep learning-based approach for reliable lung cancer classification
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1729021
PMID:41669256
|
研究论文 | 提出一种名为Residual-SwishNet的深度学习模型，用于提高肺癌分类的准确性和泛化能力 | 在ResNet50框架中，将传统的ReLU激活函数替换为Swish，并在分类模块前集成三个额外的密集层，以增强特征表示 | 未提及模型在更大或更多样化数据集上的泛化能力，以及计算资源需求的具体分析 | 开发一种准确且可靠的肺癌分类方法，以改善早期诊断和患者预后 | 肺癌分类任务，基于公开的医学影像数据集 | 计算机视觉 | 肺癌 | 深度学习 | CNN | 图像 | 两个公开数据集：LUNA16和IQ-OTH/NCCD | PyTorch | ResNet50 | 准确率, 精确率, 召回率, F1分数 | NA |
| 4237 | 2026-02-14 |
A deep learning architecture for leaf water potential prediction in Populus euramericana 'I-214' from hyperspectral reflectance
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1709473
PMID:41669633
|
研究论文 | 本文提出了一种深度学习框架CIDL，用于从高光谱反射数据中预测杨树叶片水势，以解决传统测量方法的破坏性和耗时问题 | 集成条件生成对抗网络（CGAN）平衡数据分布，结合Inception-ResNet与ACmix的特征提取器捕获局部和全局光谱特征，并引入分布感知回归网络（DARN）显式建模目标变量分布，提升预测可靠性 | 研究基于杨树特定品种的脱水实验数据，样本量相对较小（229个实测样本），可能限制模型在其他树种或环境条件下的泛化能力 | 开发一种非破坏性、高精度的叶片水势预测方法，以支持森林干旱胁迫监测和智能林业管理 | 欧洲黑杨'I-214'品种的年轻树木叶片 | 计算机视觉 | NA | 高光谱反射测量 | CGAN, CNN | 高光谱图像 | 229个实测叶片水势与高光谱反射配对样本，另通过CGAN生成500个合成样本用于增强 | NA | Inception-ResNet, ACmix | R², RMSE | NA |
| 4238 | 2026-02-14 |
Advancements in computer vision and pathology: Unraveling the potential of artificial intelligence for precision diagnosis and beyond
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.05.006
PMID:39032956
|
综述 | 本章探讨了计算机视觉与人工智能在病理学领域的整合及其对精准诊断和自动化工作流程的变革潜力 | 系统阐述了AI驱动的计算机视觉如何通过深度学习架构（如CNN和U-Net）增强病理诊断能力，并提出了跨学科协作的必要性 | 承认AI在病理学应用中的技术、实践和伦理限制，包括开发与实施过程中的挑战 | 分析人工智能与计算机视觉在数字病理学中的整合潜力，以提升诊断精度和工作效率 | 数字病理切片图像及其自动化分析流程 | 数字病理学 | NA | 切片数字化 | CNN, U-Net | 图像 | NA | NA | CNN, U-Net | NA | NA |
| 4239 | 2026-02-14 |
Deep learning-based multimodal spatial transcriptomics analysis for cancer
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.08.001
PMID:39271260
|
书籍章节 | 本章探讨了深度学习与多模态空间转录组学在癌症研究中的整合，以推进癌症诊断、治疗规划和精准医学 | 整合深度学习与多模态空间转录组学，提供对肿瘤生物学前所未有的洞察，实现更精确和个性化的肿瘤学方法 | NA | 推进癌症诊断、治疗规划和精准医学 | 癌症研究，特别是肿瘤生物学、诊断和治疗 | 数字病理学 | 癌症 | 空间转录组学 | CNN | 多模态数据（包括基因组、蛋白质组、影像和临床数据） | NA | NA | NA | NA | NA |
| 4240 | 2026-02-14 |
Update on Lung Cancer Screening Guideline
2023-Nov, Thoracic surgery clinics
IF:1.1Q3
DOI:10.1016/j.thorsurg.2023.04.002
PMID:37806735
|
综述 | 本文更新了肺癌筛查指南，并讨论了当前存在的种族/民族和性别差异 | 强调了2021年指南扩展后仍存在的筛查资格差异，并提出了风险预测模型、生物标志物和深度学习作为改进筛查选择的方法 | 未提供具体数据或模型验证结果，主要基于现有指南和观察性差异的讨论 | 更新肺癌筛查指南并探讨如何通过新技术减少筛查资格的不平等 | 符合年龄和吸烟史标准的个体，特别是高风险种族少数群体和女性 | 数字病理学 | 肺癌 | NA | 深度学习 | NA | NA | NA | NA | NA | NA |