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 42996 篇文献，本页显示第 4701 - 4720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4701 | 2026-02-12 |
Multimodal Deep Learning Approaches for Early Detection of Alzheimer's Disease: A Comprehensive Systematic Review of Image Processing Techniques
2025, Current Alzheimer research
IF:1.8Q4
|
综述 | 本文全面系统地回顾了用于阿尔茨海默病早期检测的多模态深度学习及图像处理技术 | 聚焦于多模态深度学习在阿尔茨海默病早期诊断中的应用，并整合了可解释人工智能（XAI）的最新进展 | 数据集不足或准备不充分、计算成本高、与临床实践缺乏整合 | 调查多模态深度学习在阿尔茨海默病早期诊断中的最新技术现状 | 阿尔茨海默病 | 计算机视觉 | 阿尔茨海默病 | 结构MRI、功能MRI、淀粉样蛋白PET | CNN, 迁移学习方法, 组合模型 | 图像 | NA | NA | NA | NA | NA |
| 4702 | 2026-02-12 |
Relationship between the volume of ventricles, brain parenchyma and neurocognition in children after hydrocephalus treatment
2024-Dec-14, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-024-06674-4
PMID:39673623
|
研究论文 | 本研究探讨了脑积水治疗后儿童脑室、脑实质体积与神经认知功能之间的关系，并利用深度学习模型预测脑发育情况 | 结合深度学习框架与统计分析方法，定量评估脑积水术后脑发育与神经认知的关联，超越了传统Evans指数的评估范围 | 样本量较小（52名儿童），年龄范围有限（10岁以下），且未考虑长期随访数据 | 评估脑积水治疗后儿童脑发育与神经认知功能的关系，并探索深度学习在预测术后恢复中的应用 | 52名接受脑积水治疗的10岁以下儿童 | 数字病理学 | 脑积水 | T1加权磁共振成像（T1w MRI），Gesell发育量表评估 | 分类模型 | 图像（MRI），临床评估数据 | 52名儿童 | NA | NA | 准确率 | NA |
| 4703 | 2026-02-12 |
Machine learning for automated classification of lung collagen in a urethane-induced lung injury mouse model
2024-Oct-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.527972
PMID:39421774
|
研究论文 | 本文提出了一种基于机器学习的自动化框架，用于对小鼠肺胶原含量进行评分，以克服传统手动病理评估的主观性和不一致性问题 | 结合了手动提取的胶原统计特征和预训练VGG16模型提取的隐藏特征，并采用多种无监督技术进行图像分析，实现了对肺胶原的自动分类 | 研究基于小鼠模型，结果可能无法直接推广到人类；多标签分类中某些组别的ROC AUC值较低（如0.38），表明模型在某些类别上性能有限 | 开发自动化评分框架以准确评估肺胶原含量，辅助理解肺疾病进展机制 | 成年雌性小鼠的肺组织切片图像，来自氨基甲酸乙酯诱导的肺损伤模型 | 数字病理学 | 肺癌 | 二次谐波生成（SHG）显微镜 | SVM, 深度学习模型 | 图像 | 未明确指定样本数量，但使用了成年雌性小鼠的肺切片图像数据集 | 未明确指定，但提及了预训练VGG16模型及多种机器学习技术 | VGG16 | 准确率, ROC AUC | NA |
| 4704 | 2026-02-12 |
Joint EANM/SNMMI guideline on radiomics in nuclear medicine : Jointly supported by the EANM Physics Committee and the SNMMI Physics, Instrumentation and Data Sciences Council
2023-01, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-022-06001-6
PMID:36326868
|
指南 | 本指南提供了核医学中稳健放射组学分析的最佳实践，涵盖手工特征和基于深度学习的方法 | 作为首个由EANM和SNMMI联合支持的核医学放射组学指南，它整合了当前最佳实践，并特别关注手工特征方法，同时为未来深度学习应用预留了更新空间 | 指南主要基于现有成熟技术，对深度学习方法的应用共识不足，需待更多研究后更新，且虽适用于多模态医学影像，但重点仅限核医学（如PET/CT、PET/MR和定量SPECT） | 制定核医学中放射组学分析的标准和推荐，以促进该领域的规范发展 | 核医学影像数据，包括PET/CT、PET/MR和定量SPECT | 医学影像分析 | NA | 放射组学分析，包括手工特征提取和深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 4705 | 2026-02-11 |
Use of uterine activity to predict preterm birth by artificial intelligence assisted models: a narrative systematic review
2026-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians
DOI:10.1080/14767058.2025.2582375
PMID:41663244
|
综述 | 本文通过系统综述评估了人工智能模型利用子宫活动（如子宫肌电图）预测早产的准确性和适用性 | 首次系统性地综述了人工智能模型在利用子宫收缩数据预测早产方面的应用，并比较了不同特征提取方法和分类器的性能 | 研究存在异质性，缺乏外部验证，数据不平衡、样本量小，且大多数研究存在偏倚风险 | 评估人工智能模型利用子宫收缩数据预测早产的准确性和临床适用性 | 利用子宫肌电图或时间序列数据进行早产预测的研究 | 机器学习 | 早产 | 子宫肌电图 | 深度学习, 机器学习, 神经网络 | 时间序列数据 | 53项研究记录 | NA | 神经网络 | 准确率, AUC | NA |
| 4706 | 2026-02-11 |
Rapid identification of Polygonatum kingianum processed by nine steaming and nine drying based on FT-NIR and ATR-FTIR combined with deep learning
2026-May-15, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2026.129390
PMID:41544396
|
研究论文 | 本研究结合FT-NIR和ATR-FTIR光谱技术与深度学习，快速鉴别九蒸九制黄精样品 | 首次将同步二维相关光谱图像与ResNet模型结合，用于黄精九蒸九制过程的快速鉴别，并利用代谢组学分析关键代谢物 | 研究仅针对黄精一种药材，未验证方法在其他药材或更广泛样本中的适用性 | 建立一种快速准确的黄精九蒸九制工艺鉴别方法 | 九蒸九制处理后的黄精样品 | 机器学习 | NA | FT-NIR光谱, ATR-FTIR光谱, 气相色谱-质谱联用 | CNN | 光谱图像 | 九种处理样品 | NA | ResNet | 准确率 | NA |
| 4707 | 2026-02-11 |
Siamese networks in Raman spectroscopy: Towards a better performance against replicate variability
2026-May-15, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2026.129422
PMID:41579739
|
研究论文 | 本文提出了一种基于孪生神经网络的拉曼光谱分析方法，以应对训练数据与预测数据间的大变异性，提升模型泛化能力 | 采用孪生神经网络处理拉曼光谱数据，相比传统模型转移方法，无需测试数据信息进行模型调整，且在大型训练数据集上表现更优 | 尽管训练数据负担较传统网络低，但在训练与测试数据变异性纳入损失函数时，其减少程度有限 | 提高拉曼光谱模型的泛化性能，减少因数据变异性导致的性能下降 | 细菌物种和小鼠组织样本的拉曼光谱数据 | 机器学习 | NA | 拉曼光谱 | 孪生神经网络 | 光谱数据 | 四个细菌物种，每个物种包含九个生物重复样本，以及小鼠组织样本数据集 | NA | 孪生神经网络 | NA | NA |
| 4708 | 2026-02-11 |
Surface-enhanced Raman scattering (SERS) in antibiotic resistance detection: Advances, challenges, and future perspectives
2026-May, Colloids and surfaces. B, Biointerfaces
DOI:10.1016/j.colsurfb.2026.115423
PMID:41519006
|
综述 | 本文系统综述了表面增强拉曼散射（SERS）与人工智能（AI）结合在抗生素耐药性检测中的最新进展、挑战与未来前景 | 将SERS技术与AI（特别是机器学习和深度学习方法）相结合，实现了前所未有的耐药性检测准确性和效率 | NA | 应对全球公共卫生危机，实现早期、快速、准确的耐药细菌检测与识别 | 耐药细菌 | 机器学习和光学检测 | 抗生素耐药性 | 表面增强拉曼散射（SERS） | 机器学习（ML）和深度学习（DL） | 光学光谱数据 | NA | NA | NA | 准确性，效率 | NA |
| 4709 | 2026-02-11 |
Diagnostic performance of X-ray-based deep learning models for detecting ankle and foot fractures: a systematic review and meta-analysis
2026-Apr, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05078-y
PMID:41254255
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了基于X射线的深度学习模型在检测踝关节和足部骨折中的诊断性能 | 首次对基于X射线的深度学习模型在踝关节和足部骨折检测中的诊断准确性进行了全面的系统综述和荟萃分析，并探讨了影响模型性能的可能因素 | 纳入研究数量有限（14项），需要更大样本量、外部验证和临床实施的研究来进一步验证 | 评估AI模型使用X射线图像检测踝关节和足部骨折的诊断准确性，并调查影响其性能的可能因素 | 踝关节和足部骨折的X射线图像 | 计算机视觉 | 骨折 | X射线成像 | 深度学习模型 | X射线图像 | 基于14项纳入研究的累计数据，具体样本量未在摘要中明确给出 | NA | NA | 灵敏度, 特异度, F1分数, 诊断比值比 | NA |
| 4710 | 2026-02-11 |
Enhanced Informer Network for Stress Recognition and Classification via Spatial and Channel Attention Mechanisms
2026-Apr, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065726500036
PMID:41467573
|
研究论文 | 本文提出了一种基于深度学习的增强型Informer网络，通过集成空间和通道注意力机制，用于心理压力的识别与分类 | 设计了针对时间敏感生理信号段的空间注意力机制（SAM）和动态加权压力相关特征的通道注意力机制（CAM），实现了对细微压力模式的精确捕捉 | 仅在一个公开数据集上进行了实验验证，缺乏多数据集和实际场景的泛化性测试 | 开发一种自动检测心理压力的深度学习方法 | 职业环境中的心理压力 | 机器学习 | NA | 深度学习 | Informer, 注意力机制 | 生理信号 | 一个公开数据集 | NA | Informer, 空间注意力机制（SAM）, 通道注意力机制（CAM） | 准确率, 召回率, F1分数 | NA |
| 4711 | 2026-02-11 |
Accurate compositional analysis on complex mixtures via multi-task spectral data learning
2026-Mar-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2025.345050
PMID:41663216
|
研究论文 | 本文提出了一种新颖的多任务学习框架，通过结合成分识别与定量分析，提高复杂混合物光谱数据成分分析的准确性 | 引入预测掩码机制，将多标签分类分支的概率输出直接指导并行回归分支的预测，确保仅对识别为存在的成分预测浓度，从而增强物理合理性 | NA | 开发一种能够直接从重叠光谱数据中准确分析复杂混合物成分的方法 | 复杂混合物（如金属氧化物）的光谱数据 | 机器学习 | NA | 光谱分析 | 多任务学习框架 | 光谱数据 | NA | NA | ResNet1D | NA | NA |
| 4712 | 2026-02-11 |
Nano-AI synergy in food chemistry: smart analytical tools for quality, safety, and nutritional profiling
2026-Mar-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2026.147987
PMID:41544475
|
综述 | 本文综述了纳米技术与人工智能（AI）在食品化学、质量控制及营养评估领域的协同应用与潜力 | 系统探讨了Nano-AI平台在食品安全、实时监测、营养递送及预测分析中的协同创新，整合了纳米材料与AI技术以开发智能分析工具 | NA | 为研究人员、食品技术专家和监管机构提供实现智能、响应式及可持续食品系统的全面路线图 | 食品化学、质量控制和营养评估领域 | 机器学习 | NA | 纳米传感器辅助光谱学、AI驱动光谱解卷积、纳米材料增强食品分析 | 机器学习, 深度学习, 神经网络 | 传感器数据 | NA | NA | NA | NA | NA |
| 4713 | 2026-02-11 |
Virtual Multi-Phase Contrast Enhanced Liver MRI Using Deep Learning for Evaluating Hepatocellular Carcinoma
2026-Mar, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70235
PMID:41629748
|
研究论文 | 开发了一种深度学习模型，用于生成多期增强MRI以检测肝细胞癌 | 提出了一种能够快速生成多期增强MRI的深度学习模型，无需使用钆基对比剂，且图像质量和诊断性能不劣于实际增强MRI | 研究未明确提及模型在更广泛人群或不同扫描仪上的泛化能力 | 评估深度学习合成的多期增强MRI在肝细胞癌检测中的图像质量、诊断性能及临床实用性 | 肝细胞癌或其他非肝细胞癌肝病患者 | 医学影像分析 | 肝细胞癌 | 对比增强MRI | 深度学习模型 | MRI图像 | 717名患者 | NA | NA | 敏感性, 特异性, AUC | NA |
| 4714 | 2026-02-11 |
Artificial intelligence predicts c-KIT exon 11 genotype by phenotype in canine cutaneous mast cell tumors: Can human observers learn it?
2026-Mar, Veterinary pathology
IF:2.3Q1
DOI:10.1177/03009858251380284
PMID:41059708
|
研究论文 | 本研究旨在通过人工智能预测犬皮肤肥大细胞肿瘤的c-KIT外显子11基因型，并评估人类观察者学习此任务的能力 | 首次尝试将深度学习算法预测的基因型特征转移给人类病理学家，并评估其学习效果 | 人类观察者在自我训练后分类准确率提升有限，且未发现可靠的形态学特征来预测-11-ITD状态 | 识别与c-KIT外显子11内部串联重复突变相关的形态学特征，并评估人类病理学家学习这些特征的能力 | 犬皮肤肥大细胞肿瘤的数字化苏木精-伊红染色组织切片和图像块 | 数字病理学 | 犬皮肤肥大细胞肿瘤 | 深度学习 | 深度学习算法 | 图像 | 17名未经训练的病理学家，涉及8张全切片图像和200个图像块用于初始分类，15张新全切片图像和200个新图像块用于后续测试 | NA | NA | 分类准确率 | NA |
| 4715 | 2026-02-11 |
Predicting postoperative atrial fibrillation: An explainable deep learning approach
2026-Feb-25, Journal of biomedical research
IF:2.2Q3
DOI:10.7555/JBR.39.20250387
PMID:41664547
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4716 | 2026-02-11 |
Mining lysine post-translational modification sites by integrating protein language model representations with structural context
2026-Feb-17, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2529141123
PMID:41662532
|
研究论文 | 本研究提出了一种整合蛋白质语言模型表示与结构上下文信息的深度学习框架，用于预测赖氨酸翻译后修饰位点 | 将蛋白质语言模型的序列表示与原子级三维结构特征相结合，构建统一的深度学习框架，可应用于多种赖氨酸PTM类型 | 未在摘要中明确说明 | 开发一种准确高效的赖氨酸翻译后修饰位点识别计算方法 | 赖氨酸翻译后修饰位点 | 机器学习 | NA | 深度学习，分子动力学模拟 | 深度学习框架 | 蛋白质序列和三维结构数据 | NA | NA | NA | NA | NA |
| 4717 | 2026-02-11 |
Spatiotemporal prediction and attribution of groundwater storage anomaly using enhanced hybrid deep learning modeling with uncertainty quantification
2026-Feb-15, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.128766
PMID:41619477
|
研究论文 | 本研究提出了一种集成了预测、归因分析和不确定性量化的增强型混合深度学习框架，用于地下水储量异常的时空预测 | 构建了CNN-Attention-LSTM和Transformer-LSTM两种混合架构以捕获时空模式，并首次将Stein变分梯度下降法用于不确定性量化，同时结合SHAP进行归因解释，形成了一个透明且可信的预测框架 | 方法在长江流域的应用效果良好，但在其他地理或气候条件下的普适性有待进一步验证 | 实现高精度、可靠且可解释的地下水储量异常时空预测与归因分析 | 中国长江流域的地下水储量异常 | 机器学习 | NA | NA | CNN, LSTM, Transformer | 时空序列数据 | NA | NA | CNN-Attention-LSTM, Transformer-LSTM | R | NA |
| 4718 | 2026-02-11 |
Towards sustainable desertification control: A manufacturing method for porosity-controlled upright reed sand fences
2026-Feb-15, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.128763
PMID:41616718
|
研究论文 | 本文提出了一种集成深度学习和实时控制的智能系统，用于精确调控直立芦苇沙障的孔隙率，以实现可持续的荒漠化防治 | 开发了轻量级实例分割模型Reed-YOLOv8n-SSAS用于机器视觉监控，并提出了掩膜重定位算法来估计芦苇从分散到成束过程中的等效进给直径，实现了基于闭环控制策略的孔隙率实时调控 | NA | 为荒漠化防治材料的绿色、高效和智能化制造提供可行的技术路径 | 直立芦苇沙障 | 计算机视觉 | NA | 深度学习，机器视觉，实时控制 | YOLOv8n-seg, Reed-YOLOv8n-SSAS | 图像 | NA | NA | YOLOv8n | 精确度, mAP@0.5 | NA |
| 4719 | 2026-02-11 |
Deep learning as a refining tool for hydrodynamic model in predicting lake temperature profile: A case study in Ogouchi reservoir
2026-Feb-15, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.128759
PMID:41616721
|
研究论文 | 本研究开发了一种结合简单水动力模型与LSTM的混合模型，用于改进小口水库垂直温度剖面的预测 | 提出了一种混合建模范式，通过数据同化技术将过程模型与数据驱动模型结合，以纠正系统偏差并减少计算成本 | 研究仅针对小口水库夏季时段，模型在更广泛时空条件下的泛化能力未验证 | 提高水库垂直温度剖面的预测精度，同时降低传统水动力模型的校准和计算负担 | 小口水库的垂直温度剖面 | 机器学习 | NA | 数据同化技术 | LSTM | 时间序列数据 | NA | NA | LSTM | 误差评估 | NA |
| 4720 | 2026-02-11 |
Rapid Single-Cell Phenotypic Antifungal Susceptibility Testing on a SlipChip Enabled by Deep Learning
2026-Feb-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c07370
PMID:41568544
|
研究论文 | 本文介绍了一种结合SlipChip微流控设备与深度学习图像分析的快速、无标记单细胞抗真菌药敏测试平台，可在4小时内测定最小抑菌浓度 | 首次将SlipChip微流控技术与深度学习图像分析（ResNet-34分类器和U-Net分割模型）结合，实现单细胞水平的快速抗真菌药敏测试，将测试时间从24-48小时缩短至4小时 | 存在一个次要的MIC差异，且平台在临床广泛应用的验证规模可能有限 | 开发一种快速、可扩展且临床可操作的抗真菌药敏测试工具，以加速治疗决策 | 真菌细胞（包括白色念珠菌和临床分离株） | 数字病理学 | 真菌感染 | 微流控技术、明场成像 | CNN | 图像 | 10个临床分离株 | NA | ResNet-34, U-Net | 灵敏度, 分割准确率, 分类一致性 | NA |