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 4801 - 4820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4801 | 2026-02-10 |
Digital Biomarkers for Precision Early Detection of Lung Cancer: Integrating AI-Driven Multi-Omics Into Clinical Pathways
2026-Feb, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.71578
PMID:41645653
|
综述 | 本文系统评估了用于肺癌早期检测的数字生物标志物，并探讨了人工智能在多组学数据整合分析中的应用 | 整合人工智能驱动的多组学方法，提出用于肺癌早期检测的数字生物标志物，并探讨其在临床路径中的应用潜力 | 存在多中心数据异质性、模型可解释性有限、监管与成本效益挑战以及前瞻性队列验证不足等临床转化障碍 | 评估肺癌早期检测的生物标志物，并探索人工智能在多组学数据整合及临床决策支持中的应用 | 肺癌早期检测相关的多组学生物标志物及人工智能分析方法 | 数字病理学 | 肺癌 | 多组学技术（包括基因组学、表观基因组学、转录组学、蛋白质组学、代谢组学和微生物组学） | 机器学习,深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 4802 | 2026-02-10 |
Evaluation of the Diagnostic Accuracy of Cervical Cell Morphologies from Android Device-Captured Cytopathological Microscopic Images through Artificial Intelligence in Mainly Rural or Resource-Constraint Areas of India
2026-Feb-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2026.27.2.601
PMID:41660918
|
研究论文 | 本研究开发并评估了一款基于Android设备捕获的细胞病理学显微图像的人工智能软件，用于自动检测和分类宫颈细胞形态，以在印度农村或资源受限地区实现高效、低成本的宫颈癌诊断 | 开发了一个集成系统，利用Android手机或平板拍摄的显微图像，结合深度学习与机器学习模型，在资源受限环境下实现宫颈细胞形态的自动分析与分类 | 研究仅基于292张医院内部Pap涂片图像，样本量相对较小，且主要来自单一机构（CliniMed LifeSciences, Kolkata），可能影响模型的泛化能力 | 开发并评估一款人工智能软件，用于自动检测和分类宫颈细胞形态，以在资源受限地区实现宫颈癌的快速、经济诊断 | 宫颈细胞形态，通过Android设备捕获的Pap涂片显微图像 | 数字病理学 | 宫颈癌 | 细胞病理学显微成像，Pap涂片 | 深度学习模型，机器学习模型 | 图像 | 292张医院内部Pap涂片图像，并使用了SipakMed和Herlev公共数据集进行验证 | NA | NA | Intersection-over-Union（IoU），准确率 | NA |
| 4803 | 2026-02-10 |
Artificial intelligence for schizophrenia: from unimodal prediction to multimodal characterization
2026-Jan-20, Current opinion in psychiatry
IF:7.5Q1
DOI:10.1097/YCO.0000000000001076
PMID:41661188
|
综述 | 本文综述了人工智能在精神分裂症研究中的应用进展，重点介绍了从单模态预测向多模态表征的转变趋势 | 强调了从单一数据模态预测向多模态融合表征的转变，并探讨了利用大规模多模态数据集、基础模型和可解释性方法进行症状评估和生物标志物识别的新兴主题 | 将人工智能模型转化为临床工具需要关注患者隐私、数据偏见，并在不同人群和环境中进行严格验证 | 综述人工智能在精神分裂症的诊断、治疗、管理和表征方面的应用进展 | 精神分裂症患者 | 机器学习 | 精神分裂症 | NA | 机器学习, 深度学习 | 神经影像, 电生理学, 电子健康记录, 基因组数据 | NA | NA | NA | NA | NA |
| 4804 | 2026-02-10 |
Visual perception based deep learning transformers for classifying paintings and photographs through feature extraction
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36298-4
PMID:41545578
|
研究论文 | 本研究应用视觉变换器（ViT）对绘画与摄影图像进行分类，通过特征提取实现高精度识别 | 首次将Vision Transformer（ViT）架构应用于艺术作品分类任务，并引入Grad-CAM增强模型可解释性，在标准数据集上达到95%的分类准确率，优于传统CNN、VGG19和DenseNet模型 | 仅使用标准数据集进行验证，未在更广泛的艺术风格或跨文化图像上进行测试；未讨论模型对低质量或部分损坏图像的鲁棒性 | 开发基于深度学习的自动图像分类系统，区分人类绘画作品与摄影照片 | 数字图像（绘画作品与摄影照片） | 计算机视觉 | NA | NA | Transformer, CNN | 图像 | 标准数据集（具体数量未说明） | NA | Vision Transformer (ViT), DenseNet, CNN, VGG19 | 准确率 | NA |
| 4805 | 2026-02-10 |
Active guidance in ultrasound bladder scanning using reinforcement learning
2026-Jan-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35285-z
PMID:41540132
|
研究论文 | 本研究提出了一种基于强化学习的智能引导系统，用于改善超声膀胱扫描过程中的图像采集质量 | 首次将强化学习应用于超声膀胱评估引导，并引入了一种名为Adam LMCDQN的深度Q网络变体，以及针对该任务的领域特定奖励设计 | 研究在模拟环境中进行，尚未在真实临床环境中验证 | 提高超声膀胱扫描中图像采集的准确性和一致性，以辅助诊断尿潴留和排尿功能障碍 | 超声膀胱扫描过程 | 机器学习 | 泌尿系统疾病 | 超声成像 | 强化学习 | 图像 | NA | NA | Deep Q-Networks (DQN), Adam LMCDQN | 成功率 | NA |
| 4806 | 2026-02-10 |
A neural network framework for selecting real-time video enhancement algorithms on mobile devices
2026-Jan-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36099-9
PMID:41535696
|
研究论文 | 本文提出了一种基于模糊神经网络的决策模型，用于在移动设备上选择实时视频增强算法 | 开发了一种结合Sugeno-Weber范数的模糊神经网络决策模型，以优化实时视频增强算法的选择 | 未明确说明模型在具体移动设备上的实际部署效果或电池消耗测试 | 解决移动设备上实时视频增强算法选择中的性能平衡问题 | 移动设备上的实时视频增强算法 | 计算机视觉 | NA | 模糊神经网络 | 模糊神经网络 | 视频 | NA | NA | 模糊神经网络 | 处理速度, 视觉质量, 功耗, 实现复杂度 | 移动设备 |
| 4807 | 2026-02-10 |
Multi-agent coordination and uncertainty adaptation in deep learning-assisted hierarchical optimization for renewable-dominated distribution networks
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35945-0
PMID:41530242
|
研究论文 | 本研究提出了一种深度学习辅助的分布式鲁棒优化框架，用于提升可再生能源主导的配电网在不确定性下的经济效率和运行可靠性 | 提出了一种结合深度学习与分布式鲁棒优化的混合框架，通过深度学习模块推断不确定变量的概率结构，并利用自适应重构的模糊集实现系统级的鲁棒性，从而动态调整保守性，在成本、可靠性和可再生能源利用率之间实现更好的权衡 | NA | 解决可再生能源大规模接入带来的多层不确定性对电力系统运行的挑战，提升经济效率与运行可靠性 | 可再生能源主导的配电网（特别是包含太阳能、风能和负荷波动的系统） | 机器学习 | NA | 深度学习，分布式鲁棒优化，强化学习 | 深度神经网络 | 高分辨率气象数据，运行数据 | NA | NA | NA | 总运行成本，可靠性指数，可再生能源利用率，碳排放量 | NA |
| 4808 | 2026-01-15 |
Deep learning-based automatic segmentation and classification for cervical cancer detection using an improved U-Net and ensemble methods
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35299-7
PMID:41530249
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4809 | 2026-02-10 |
Assessment of influencing factors of college and universities' teaching effects using fuzzy and deep learning techniques
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35940-5
PMID:41530457
|
研究论文 | 本研究结合模糊逻辑和深度学习技术，评估了影响高校教学效果的因素 | 首次将模糊逻辑与深度学习相结合，用于处理教育数据中的不确定性和模糊性，以更精确地评估教学效果 | 未具体说明数据来源的机构数量或类型，可能影响模型的泛化能力 | 开发一种先进的方法来评估高等教育机构的教学效果 | 高校教学过程中的影响因素，如师生比、学生学业成绩和教师专业知识 | 机器学习 | NA | 模糊逻辑, 深度学习 | 深度学习模型 | 结构化教育数据 | 来自多个机构的数据，具体数量未说明 | NA | NA | 准确率, 召回率, F1分数, 错误率 | NA |
| 4810 | 2026-02-10 |
Explainable deep learning for skin cancer detection using swish-activated convolutional networks
2026-Jan-10, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-04386-6
PMID:41519999
|
研究论文 | 提出一种使用Swish激活函数的深度卷积神经网络，用于皮肤癌检测，并结合可解释人工智能方法提高模型的透明度和可靠性 | 采用Swish激活函数的独特DCNN架构，并结合局部和全局可解释人工智能方法，为医疗应用提供透明可靠的诊断框架 | 模型计算效率有待提高，需要纳入更多数据集以确保在不同人口群体中的鲁棒性和公平性 | 开发可解释的深度学习模型，用于皮肤癌的早期准确诊断 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | NA | CNN | 图像 | NA | NA | DCNN | 准确率, 精确率, 召回率, F1分数 | NA |
| 4811 | 2026-02-10 |
inMOTIFin: a lightweight end-to-end simulation software for regulatory sequences
2026-Jan-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag026
PMID:41557841
|
研究论文 | 本文介绍了inMOTIFin，一个轻量级、模块化且用户友好的基于Python的软件，用于高效模拟和修改DNA调控序列 | inMOTIFin提供了端到端的灵活性，支持可定制的基序生成和实例插入，并允许直接修改真实序列，弥补了现有模拟器在集成和易用性方面的不足 | NA | 开发一个用于分析转录调控语法的生物信息学框架的模拟软件，以验证相关方法 | DNA调控序列 | 生物信息学 | NA | DNA序列模拟 | NA | 序列数据 | NA | Python | NA | NA | NA |
| 4812 | 2026-02-10 |
Variational autoencoder-based deep learning and radiomics for predicting pathologic complete response to neoadjuvant chemoimmunotherapy in locally advanced oesophageal squamous cell carcinoma
2026-Jan-01, The British journal of radiology
DOI:10.1093/bjr/tqaf239
PMID:40996309
|
研究论文 | 本研究利用基于变分自编码器的深度学习和放射组学技术，预测局部晚期食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解 | 创新性地结合了基于变分自编码器的深度学习和放射组学来构建预测模型 | NA | 预测局部晚期食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解 | 局部晚期食管鳞状细胞癌患者 | 数字病理学 | 食管鳞状细胞癌 | 增强CT | VAE | 图像 | 训练队列253名患者，测试队列40名患者 | NA | NA | AUC, Precision, Recall, F1-score | NA |
| 4813 | 2026-02-10 |
Diagnostic performance of artificial intelligence in radiographs for pneumoperitoneum detection: a systematic review and meta-analysis
2026-Jan-01, The British journal of radiology
DOI:10.1093/bjr/tqaf309
PMID:41442471
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析评估了人工智能算法在医学影像中检测气腹症的诊断准确性 | 这是首个评估人工智能在气腹症诊断中准确性的荟萃分析，比较了深度学习与机器学习模型的性能，并揭示了AI在临床工作流程中提升早期诊断和优先级排序的潜力 | 研究存在异质性，未来需要更大样本量的前瞻性多中心研究以及多种模型的比较 | 评估人工智能算法在医学影像中检测气腹症的诊断准确性 | 基于人工智能的放射影像模型 | 计算机视觉 | 气腹症 | 放射影像 | 深度学习, 机器学习 | 图像 | 14个AI模型被分析，具体样本量未明确说明 | NA | NA | 灵敏度, 特异度, 诊断比值比, 曲线下面积, 阴性似然比, 阳性似然比 | Open Meta-Analyst软件, STATA 17.0 |
| 4814 | 2026-02-10 |
Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy
2026-Jan, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.101091
PMID:41458146
|
研究论文 | 本研究提出了一种基于nnU-Net的深度学习模型，用于前列腺癌放疗中磁共振成像上泌尿器官风险区域的自动分割 | 首次提出使用nnU-Net深度学习模型在多中心磁共振图像数据集上分割泌尿器官风险区域，并应用于不同的临床设备 | 泌尿器官风险区域的分割性能存在局部不匹配，Dice系数在0.50-0.68之间，可能受患者间解剖变异影响，需要进一步评估剂量学影响 | 开发一种自动分割方法，用于前列腺癌放疗中泌尿器官风险区域的磁共振图像分割，以减少临床实践中手动勾画的时间和观察者间变异 | 前列腺癌患者的磁共振图像，重点关注泌尿器官风险区域，如前列腺内尿道和膀胱三角区 | 数字病理 | 前列腺癌 | 磁共振成像 | CNN | 图像 | 265例磁共振图像 | nnU-Net | nnU-Net | Dice分数系数, 表面距离, Hausdorff距离 | NA |
| 4815 | 2026-02-10 |
Variant calling in genomics: A comparative performance analysis and decision guide
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339891
PMID:41642910
|
研究论文 | 本研究通过基准测试七种广泛使用的变异检测工具，评估其性能并提供基于证据的选择指南 | 首次系统比较七种主流变异检测工具在基因组数据上的性能，并基于精确度、召回率和F1分数提供决策指导 | 仅使用NA12878基因组作为基准，可能无法完全代表所有基因组或变异类型的检测挑战 | 评估变异检测软件的性能，为研究者和临床医生提供基于证据的工具选择指南 | 基因组变异检测工具（GATK、FreeBayes、DeepVariant、Samtools、Strelka2、Octopus、Varscan2） | 基因组学 | NA | 全基因组测序 | 深度学习 | 基因组测序数据 | NA12878基因组（高覆盖度全基因组测序数据） | NA | NA | 精确度, 召回率, F1分数 | NA |
| 4816 | 2026-02-10 |
A comparative analysis of video vision transformers on word-level sign language datasets
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0341909
PMID:41642940
|
研究论文 | 本研究对VideoMAE、ViViT和TimeSformer三种视频Transformer架构在孟加拉手语数据集上进行微调与比较分析，以提升手语识别性能 | 首次在孟加拉手语数据集上系统比较多种视频Transformer模型，并引入帧率标准化、分层交叉验证和未见用户评估策略 | 研究基于特定数据集（BdSLW60和BdSLW401），模型在更大词汇量或更复杂场景下的泛化能力仍需验证 | 通过微调视频Transformer模型提升孟加拉手语的自动识别准确率与可扩展性 | 孟加拉手语（BdSL）的词汇手势识别 | 计算机视觉 | NA | 视频数据处理、数据增强 | Transformer | 视频 | BdSLW60数据集含60个手势类别、9,307个用户试验片段；BdSLW401数据集含401个手势类别 | PyTorch（基于预训练模型推断） | VideoMAE, ViViT, TimeSformer | 准确率 | NA |
| 4817 | 2026-02-10 |
Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety
2025-Dec, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71303
PMID:41356232
|
综述 | 本文综述了光谱和成像技术在无损检测肉类品质与安全方面的最新进展，包括其原理、应用、优缺点及未来展望 | 总结了多种先进光谱和成像技术在肉类检测中的多场景应用，并探讨了结合深度学习算法以提高检测全面性和准确性的未来研究方向 | 这些技术在工业应用中仍面临成本高、数据分析复杂等挑战，且光谱技术仅能感知局部样本信息，成像技术检测速率较慢 | 总结光谱和成像技术在肉类品质与安全检测中的最新发展，以推动高质量食品交付消费者 | 肉类（作为人类饮食中重要的动物蛋白来源） | 机器视觉 | NA | 近红外光谱、拉曼光谱、荧光光谱、太赫兹光谱、高光谱成像、多光谱成像、X射线成像、热成像 | NA | 光谱数据、图像数据 | NA | NA | NA | NA | NA |
| 4818 | 2026-02-10 |
[A multimodal disease-specific cohort for melanoma research: Construction, governance, and preliminary report]
2025-Nov-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences
|
研究论文 | 本研究构建了一个针对中国人群肢端黑色素瘤的多模态疾病特异性队列，旨在提供高质量数据以支持疾病特征描述和预后机制探索 | 整合了混合自动化ETL与AI辅助架构进行数据治理，并利用基于Transformer的NLP模型处理病理叙述，结合深度学习流程处理原始影像数据，实现了多模态数据的标准化整合与质量控制 | 单中心前瞻性队列研究，样本来源有限，可能影响结果的普遍性；部分患者数据不完整，如Breslow厚度和Clark分级数据存在缺失 | 构建一个代表性的多模态疾病特异性队列，为中国人群肢端黑色素瘤研究提供高质量数据基础 | 肢端黑色素瘤患者，特别是中国人群中的患者 | 数字病理学 | 黑色素瘤 | 数字病理全切片成像，DICOM影像，临床分子数据采集，基于Transformer的NLP模型，深度学习流程 | Transformer, 深度学习模型 | 图像, 文本, 结构化临床数据 | 1036名黑色素瘤患者，包含8536张数字病理全切片图像，5084次DICOM影像采集，超过350,000个结构化临床分子数据点 | NA | Transformer | NA | NA |
| 4819 | 2026-02-10 |
The diagnostic value of artificial intelligence in oral squamous cell carcinoma: A systematic review and meta-analysis
2025-10, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2025.102429
PMID:40518015
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析评估了人工智能在检测口腔鳞状细胞癌中的诊断性能 | 首次对人工智能在口腔鳞状细胞癌诊断中的表现进行系统综述与荟萃分析，并比较了深度学习算法与传统机器学习方法的性能差异 | 研究间存在显著异质性，需要标准化方法和外部验证才能广泛实施 | 评估人工智能在口腔鳞状细胞癌诊断中的准确性 | 口腔鳞状细胞癌 | 数字病理学 | 口腔鳞状细胞癌 | NA | 深度学习算法, 传统机器学习方法 | NA | 24项研究，包含18,574个样本 | NA | NA | 敏感性, 特异性, 阳性似然比, 阴性似然比, 诊断比值比 | NA |
| 4820 | 2026-02-10 |
Deep Learning-based Alignment Measurement in Knee Radiographs
2025-Sep-19, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-032-04965-0_12
PMID:41568201
|
研究论文 | 本研究提出了一种基于深度学习的方法，用于在膝关节前后位X光片中通过自动定位膝关节解剖标志来测量膝关节对齐 | 首次基于深度学习定位超过100个膝关节解剖标志以完整勾勒膝关节形状，并整合术前和术后图像的膝关节对齐测量 | NA | 自动化膝关节对齐测量以预测关节健康和全膝关节置换术后的手术结果 | 膝关节前后位X光片 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | Hourglass网络 | 平均绝对差异, 组内相关系数 | NA |