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 4981 - 5000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4981 | 2026-02-03 |
Performance of Artificial Intelligence Tools in Axial Spondyloarthritis Imaging Assessment: a Systematic Literature Review and Meta-analysis
2026-Jan-30, Joint bone spine
IF:3.8Q1
DOI:10.1016/j.jbspin.2026.106036
PMID:41621467
|
系统综述与荟萃分析 | 本文通过系统文献综述和荟萃分析，总结了人工智能技术在轴性脊柱关节炎影像评估中的性能表现 | 首次对AI在轴性脊柱关节炎多种影像模态（MRI、CT、CR）中相对于人类读者的性能进行了全面的系统综述和荟萃分析 | 研究存在异质性，且AI诊断仍需人类专家以确保临床安全性和准确性 | 评估人工智能技术在轴性脊柱关节炎影像解读中的性能，并与人类读者进行比较 | 轴性脊柱关节炎的影像数据，包括磁共振成像、计算机断层扫描和常规X线摄影 | 医学影像分析 | 轴性脊柱关节炎 | 磁共振成像、计算机断层扫描、常规X线摄影 | 深度学习 | 图像 | 33项研究（涉及1033篇参考文献，46篇全文审查） | NA | NA | 灵敏度、特异度、准确度、受试者工作特征曲线下面积 | NA |
| 4982 | 2026-02-03 |
Preoperative Prediction of Prolonged Operative Time in Laparoscopic Ovarian Cystectomy Using Convolutional Neural Network-Extracted Ultrasound Image Features
2026-Jan-30, Journal of minimally invasive gynecology
IF:3.5Q1
DOI:10.1016/j.jmig.2026.01.055
PMID:41621701
|
研究论文 | 本研究旨在通过结合临床变量和CNN提取的超声图像特征，预测腹腔镜卵巢囊肿切除术中手术时间延长的风险 | 首次将CNN提取的超声图像特征与传统临床变量结合，用于预测腹腔镜卵巢囊肿切除术的手术时间延长，提高了预测模型的AUC值 | 研究为单中心回顾性队列研究，样本量有限（247例患者），且CNN特征加入后AUC提升未达到统计学显著性，需要外部验证 | 预测腹腔镜卵巢囊肿切除术中手术时间延长，以支持术前风险分层和手术资源规划 | 接受腹腔镜卵巢囊肿切除术的良性卵巢肿瘤患者 | 计算机视觉 | 卵巢囊肿 | 超声成像 | CNN | 图像 | 247例患者 | NA | NA | AUC | NA |
| 4983 | 2026-02-03 |
Deep neural network-based biostatistical analysis for disease marker screening
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34115-y
PMID:41611762
|
研究论文 | 本文提出了一种基于深度神经网络的新型生物标志物筛选框架，并与传统统计方法进行了比较 | 设计了一个可扩展的综合模型，用于多组学数据整合并增强模型解释性，结合了注意力机制与SHAP值分析 | 未明确说明，但可能包括对特定数据集（乳腺癌）的依赖以及模型在其他疾病上的泛化能力有待验证 | 开发一种更准确、可解释的生物标志物筛选方法，以克服传统统计方法在处理高维小样本数据时的局限性 | 乳腺癌生物标志物 | 生物统计学 | 乳腺癌 | 单细胞测序 | 深度神经网络 | 多组学数据 | NA | NA | NA | 灵敏度, 准确率, AUC | NA |
| 4984 | 2026-02-03 |
[Research progress of automated ergonomic assessment methods based on RULA and REBA]
2026-Jan-20, Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases
|
综述 | 本文综述了基于RULA和REBA的自动化人机工效学接触风险评估技术的研究进展 | 系统性地总结了当前自动化评估方法在数据采集、处理、应用场景和准确性验证方面的现状与挑战，并展望了未来研究方向 | 当前研究主要受限于数据采集与传输的约束以及系统可靠性，多采用半自动化方法在模拟场景中进行 | 推动自动化人机工效学评估技术的发展与应用 | 基于RULA和REBA的自动化评估方法 | 计算机视觉, 机器学习 | NA | 惯性测量单元(IMU), 常规/深度相机, 红外运动捕捉系统 | 深度学习算法 | 运动数据, 图像数据 | NA | NA | NA | Cohen's kappa (κ), 比例一致性指数(Po) | NA |
| 4985 | 2026-02-03 |
Deep visual detection system for oral squamous cell carcinoma
2026-Jan-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34332-5
PMID:41554886
|
研究论文 | 本研究提出了一种基于深度学习的视觉检测系统（DVDS），用于自动化检测口腔鳞状细胞癌（OSCC）的组织病理学图像 | 开发了一个基于EfficientNetB3的深度视觉检测系统，用于OSCC的自动化检测，并在两个公开数据集上验证了其优于DenseNet121和ResNet50的性能 | 研究使用了公开数据集，可能无法完全代表所有临床场景；模型性能可能受到数据集类别不平衡和图像质量的影响 | 开发一个自动化、快速且客观的深度学习系统，以辅助口腔鳞状细胞癌的早期诊断和临床决策 | 口腔鳞状细胞癌（OSCC）的组织病理学图像 | 数字病理学 | 口腔鳞状细胞癌 | 组织病理学图像分析 | CNN | 图像 | 两个公开数据集：Kaggle Oral Cancer Detection数据集（5192张图像，标记为正常或OSCC）和NDB-UFES数据集（3763张图像，分为OSCC、伴有异型增生的白斑和无异型增生的白斑） | TensorFlow, Keras | EfficientNetB3, DenseNet121, ResNet50 | 准确率, 精确率, 召回率, F1分数, 特异性, 灵敏度 | NA |
| 4986 | 2026-02-03 |
A Public Image Dataset for Surface Defect Detection of Water-Based Coated Wood Products
2026-Jan-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06443-1
PMID:41535684
|
研究论文 | 本文发布了一个用于水性涂装木制品表面缺陷检测的公共图像数据集 | 开发并公开了一个专门针对水性涂装木制品表面缺陷的高分辨率图像数据集，包含四种缺陷类型，数据采集自真实工业生产线 | NA | 为深度学习模型在真实工业装配线上的部署提供关键数据支持，促进自动化机器学习解决方案的开发 | 水性涂装木制品的表面缺陷，包括划痕、裂纹、气泡和孔洞 | 计算机视觉 | NA | 工业相机图像采集 | NA | 图像 | 13400张高分辨率图像，包含3645个气泡缺陷、3498个划痕缺陷、3256个裂纹缺陷和3001个孔洞缺陷 | NA | NA | NA | NA |
| 4987 | 2026-01-15 |
Lightweight deep learning model with spatial attention for accurate and efficient breast cancer prediction
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34311-w
PMID:41530223
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4988 | 2026-02-03 |
A novel vision transformer model produces clock drawing test scores as accurate as expert human coders
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34064-6
PMID:41530250
|
研究论文 | 本研究开发了一种基于深度学习的智能时钟评分系统，用于自动编码时钟绘图测试图像，以辅助阿尔茨海默病及相关痴呆症的筛查 | 引入了结构化排序的编码系统，将时钟绘图评分视为有序分类问题，而非传统的无序分类，并首次将Vision Transformer模型应用于该任务，实现了与专家人工编码相当的准确性 | 研究依赖于公开数据集，可能未涵盖所有临床变异情况；模型性能在特定评分区间可能存在偏差 | 开发自动化的时钟绘图测试评分系统，以替代人工编码，减少大规模研究中的偏见和成本 | 时钟绘图测试图像 | 计算机视觉 | 阿尔茨海默病及相关痴呆症 | 深度学习神经网络 | CNN, Vision Transformer | 图像 | 2011-2019年国家健康与老龄化趋势研究（NHATS）中的大规模公开时钟绘图图像库 | NA | ResNet101, EfficientNet, Vision Transformer | 加权Kappa系数 | NA |
| 4989 | 2026-01-12 |
Hybrid feature selection with novel deep learning model for COVID-19 risk prediction
2026-Jan-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35013-7
PMID:41519902
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4990 | 2026-02-03 |
sCellST predicts single-cell gene expression from H& E images
2026-Jan-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67965-1
PMID:41513659
|
研究论文 | 本文提出了一种深度学习模型sCellST，用于从H&E染色图像预测单细胞基因表达 | 引入了一种能够从形态学直接预测单细胞基因表达的深度学习方法，相比现有基于图像块的方法，能捕捉更精细的形态变异 | NA | 从组织学图像预测基因表达，以研究组织空间结构和细胞多样性 | H&E染色图像和单细胞基因表达数据 | 数字病理学 | 癌症 | H&E染色，空间基因表达谱分析 | 深度学习 | 图像，基因表达数据 | NA | NA | NA | NA | NA |
| 4991 | 2026-02-03 |
Enhanced colorectal gland segmentation through multi-scale attention and contextual feature fusion
2026-Jan-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34548-5
PMID:41495415
|
研究论文 | 提出一种名为MAC-Net的深度学习模型，用于增强结直肠腺体分割，通过多尺度注意力和上下文特征融合提高分割精度 | 集成多尺度特征融合与注意力引导的上下文解码，通过通道注意力保留精细结构信息，增加编码器-解码器侧连接以增强判别特征学习，并在瓶颈处使用多尺度空间池化捕获全局上下文信息 | 未明确说明模型在更大规模或更多样化数据集上的泛化能力，也未详细讨论计算效率或实时应用的可能性 | 提高结直肠癌组织学图像中腺体分割的准确性和鲁棒性，以支持可靠的癌症分级、预后评估和治疗规划 | 结直肠癌组织学图像中的腺体结构 | 数字病理学 | 结直肠癌 | 组织学图像分析 | 深度学习模型 | 图像 | 训练数据：EBHI-Seg数据集（2228张图像）；交叉验证数据：GIaS数据集（165张图像） | 未明确指定，可能为PyTorch或TensorFlow | MAC-Net（自定义架构，基于编码器-解码器结构，集成注意力机制和多尺度特征融合） | Dice系数, IoU, 精确率, 召回率 | 未明确指定 |
| 4992 | 2026-02-03 |
An intelligent hybrid deep learning-machine learning model for monthly groundwater level prediction
2026-Jan-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34292-w
PMID:41501104
|
研究论文 | 本研究提出了一种结合粒子群优化、浣熊优化、门控循环单元和自适应神经模糊推理系统的混合人工智能模型，用于预测伊朗阿尔达比勒平原的月地下水水位 | 提出了一种名为PCGA的新型混合模型，首次将PSO-COO优化算法与GRU和ANFIS结合，用于优化参数并提取数据中的隐藏模式，从而提高了地下水水位预测的精度 | NA | 开发一种高精度的混合人工智能模型，用于预测月地下水水位，以支持环境保护 | 伊朗阿尔达比勒平原的月地下水水位数据 | 机器学习 | NA | NA | GRU, ANFIS | 时间序列数据 | NA | NA | GRU, ANFIS | 平均绝对误差, 纳什-萨特克利夫效率 | NA |
| 4993 | 2026-02-03 |
A hybrid CNN-transformer model with adaptive activation function for potato leaf disease classification
2026-Jan-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34406-4
PMID:41495315
|
研究论文 | 本文提出了一种结合CNN与Transformer的混合深度学习架构PLDNet，用于马铃薯叶片病害的自动分类 | 提出了一种混合CNN-Transformer架构PLDNet，并设计了自适应参数激活函数AFpM，通过可学习参数实现自适应非线性，在动态梯度控制方面优于现有激活函数 | 未明确说明模型在复杂田间环境或多种作物间的泛化能力，也未讨论计算复杂度与实时性 | 开发自动化植物病害识别方法，提高马铃薯叶片病害分类的准确性与效率 | 马铃薯叶片病害图像 | 计算机视觉 | 植物病害 | 深度学习图像分类 | CNN, Transformer | 图像 | PlantVillage和Mendeley两个公开数据集 | 未明确说明 | DenseNet, Transformer注意力模块 | 准确率 | NA |
| 4994 | 2026-02-03 |
Interpretable deep learning reveals distinct spectral and temporal drivers of perceived musical emotion
2026-Jan-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34238-2
PMID:41491208
|
研究论文 | 本研究开发了一种可解释的深度学习模型，用于识别预测音乐情感感知（效价和唤醒度）的特定动态声学特征 | 提出了一种结合卷积路径（局部频谱分析）和Transformer路径（长程时间依赖）的新型理论引导神经网络，并通过注意力机制揭示了不同声学模式对情感维度的驱动作用 | 模型性能依赖于DEAM数据集的标注质量，且理论约束可能限制了模型发现未知特征的能力 | 开发可解释的计算模型以测试和推进音乐认知理论，识别预测人类情感反应的动态声学特征 | 音乐片段及其对应的连续效价-唤醒度评分 | 自然语言处理 | NA | 深度学习 | CNN, Transformer | 音频 | 1,802段音乐片段 | NA | 卷积神经网络与Transformer的混合架构 | 一致性相关系数 | NA |
| 4995 | 2026-02-03 |
Deep learning and superoscillatory speckles empowered multimode fiber probe for in situ nano-displacement detection and micro-imaging
2026-Jan-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67942-8
PMID:41491775
|
研究论文 | 本文提出了一种基于深度学习和超振荡散斑的多模光纤探针，用于原位纳米位移检测和显微成像 | 利用深度学习从超振荡散斑中高效提取精细特征信息，实现单端检测，具有10纳米分辨率和99.95%的准确率，并建立了位移与光纤高阶模式比例的物理模型 | 未明确说明在极端环境或长期稳定性方面的限制 | 开发一种灵活的原位非接触纳米位移测量方法，用于复杂设备内部探测 | 不同结构的微米级目标，在受限空间内进行检测 | 计算机视觉 | NA | 超振荡散斑成像，多模光纤传感 | 深度学习 | 图像 | 未明确指定具体样本数量 | 未明确指定 | 未明确指定 | 准确率，分辨率 | 未明确指定 |
| 4996 | 2026-02-03 |
Optimized CNN framework with VGG19, EfficientNet, and Bayesian optimization for early colon cancer detection
2026-Jan-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34262-2
PMID:41492074
|
研究论文 | 本文提出了一种结合VGG19、EfficientNet和贝叶斯优化的优化CNN框架，用于通过组织病理学图像分析实现结肠癌的早期自动检测 | 将卷积神经网络与贝叶斯优化相结合以高效微调超参数，并采用有效的数据增强和染色归一化技术，提升了模型的鲁棒性和泛化能力 | 框架在数据集内部表现出色，但临床部署前需要在独立、多机构的队列上进行外部验证 | 开发一种可靠的早期结肠癌自动检测方法，以辅助病理学家的临床决策 | 结肠癌组织病理学图像 | 计算机视觉 | 结肠癌 | 组织病理学图像分析 | CNN | 图像 | 来自Kaggle和Kaggle癌症数据门户的公开数据集，涵盖正常、肿瘤、基质等九种组织类型 | TensorFlow, PyTorch, Keras | VGG19, EfficientNet | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 4997 | 2026-02-03 |
Artificial Intelligence-Driven Differentiation Between Uveal Melanoma and Nevus Based on Fundus Photographs: A Systematic Review and Meta-Analysis
2026-Jan-05, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.1.34
PMID:41590408
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了基于眼底照片的人工智能模型在区分葡萄膜黑色素瘤和痣方面的性能 | 首次对基于眼底照片的AI模型在区分葡萄膜黑色素瘤与痣方面的研究进行系统综述和荟萃分析，量化了模型的整体性能 | 现有证据高度异质，受限于小数据集规模和有限的外部验证 | 检验人工智能模型基于眼底照片区分葡萄膜黑色素瘤与痣的能力 | 葡萄膜黑色素瘤（UM）和葡萄膜痣（UN） | 计算机视觉 | 葡萄膜黑色素瘤 | 眼底摄影 | 深度学习, 传统机器学习 | 图像（眼底照片） | 总计6208名参与者 | NA | NA | AUC, 准确率, 灵敏度, 特异性 | NA |
| 4998 | 2026-02-03 |
Preoperative assessment of axillary lymph node tumor burden in cT1-2N0 breast cancer patients with a modality-adaptive network based on sentinel lymph node ultrasound images
2026-Jan-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34371-y
PMID:41486270
|
研究论文 | 本研究开发并验证了一种基于前哨淋巴结超声图像的深度学习模型，用于术前评估cT1-2N0乳腺癌患者的腋窝淋巴结肿瘤负荷 | 提出了一种结合灰阶或彩色多普勒超声图像及临床病理信息的模态自适应网络（MAN+C），其适用性比现有AI模型扩展了30%，可涵盖多灶性病变或已接受原发性乳腺癌病灶治疗的患者 | 研究样本来自两家医院，可能存在选择偏倚；外部验证数据集的AUC（0.84）低于其他数据集，表明模型泛化能力有待进一步验证 | 为cT1-2N0乳腺癌患者术前评估腋窝淋巴结肿瘤负荷提供一种直接、高效的诊断方法 | cT1-2N0乳腺癌患者的前哨淋巴结超声图像 | 数字病理学 | 乳腺癌 | 超声成像，对比增强淋巴超声 | 深度学习模型 | 超声图像（灰阶、彩色多普勒） | 374名患者的595个前哨淋巴结 | 未明确说明 | 模态自适应网络 | AUC | 未明确说明 |
| 4999 | 2026-02-03 |
Deterministic nowcasting of geostationary satellite infrared brightness temperature using 3D U-Net diffusion model
2026-Jan-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34207-9
PMID:41484451
|
研究论文 | 本文提出了一种结合去噪扩散概率模型与3D U-Net的生成建模方法，用于从地球静止卫星观测中确定性预报红外亮度温度 | 首次将去噪扩散概率模型与3D U-Net架构耦合，用于卫星红外亮度温度的确定性临近预报，相比传统外推和深度学习基线，在预测精度和结构保真度方面均有显著提升 | 在较长预报时效（超过2小时）上的增益有所减少，尽管仍明显优于基线 | 开发一种用于地球静止卫星红外亮度温度临近预报的生成建模方法，以提高预测精度和结构保真度 | SEVIRI观测的红外亮度温度数据 | 计算机视觉 | NA | 卫星红外观测（约10.8 μm） | 去噪扩散概率模型, 3D U-Net | 图像（红外亮度温度序列） | 使用独立测试集（2022年7月至9月）进行评估 | NA | 3D U-Net | SSIM, CRPS, MAE, 相关性 | NA |
| 5000 | 2026-02-03 |
Deep learning-driven optimization and predictive modeling of LASER beam machining for XG3 steel
2026-Jan-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34323-6
PMID:41484160
|
研究论文 | 本文通过实验研究和多目标优化，结合深度学习驱动的预测模型，探索了激光束加工XG3钢的工艺参数优化 | 结合遗传算法进行多目标优化生成帕累托前沿，并开发了响应曲面法和反向传播人工神经网络两种预测模型，其中BPANN模型表现出更高的预测精度 | 研究仅针对XG3钢和三种特定孔几何形状，未涉及其他材料或更复杂的几何形状 | 优化激光束加工XG3钢的工艺参数，以实现表面粗糙度、加工时间、表面硬度和毛刺厚度的多目标改善 | XG3钢（一种用于航空航天和国防应用的高性能合金） | 机器学习 | NA | 激光束加工 | 人工神经网络 | 实验数据 | 基于田口L正交阵列的实验设计，涉及三种孔几何形状（圆形、三角形、方形） | NA | 反向传播人工神经网络 | 回归系数, 平均绝对百分比误差 | NA |